基于联合分析视角的精准营销及顾客偏好研究

基于联合分析视角的精准营销及顾客偏好研究谢佩洪 上海对外经贸大学工商管理学院副教授、硕士生导师。研究方向：战略管理与品牌营销。杜 宇 上海对外经贸大学工商管理学院硕士研究生。研究方向：精准营销。【摘 要】“中国制造”已经不再是廉价的代名词，令人惊喜的中国品牌已经出现，2015 年十大智能手机品牌中有八个是中国的，华为等跻身前列，而其他中国品牌正在快速瓜分着苹果和三星的市场份额。随着智能手机市场的迅速发展，营销方式的多元化，分析消费者的偏好意愿成为新服务、新产品取胜的关键因素，准确的把握用户需求，是实现精准营销至关重要的因素。本研究采用联合分析法，通过对手机消费者偏好的现实模拟，分析产品的特性效用值和特性水平重要性，建立消费者对手机产品的接受偏好模型，明确了消费者对手机产品特性接受偏好的重要性排序以及他们对每一特性水平的喜好态度，并根据手机消费者的性别、年龄统计变量进行对比研究，对生产商的产品设计和营销进行分析并提出改进建议。【关 键 词】产品特性偏好；精准营销；联合分析；正交设计【基金项目】本文受到国家自然科学基金项目（71002067）、上海曙光学者计划项目（13SG53）以及上海高峰高原学科项目资助一、引言2011 年，中国 70%的手机销量被诺基亚、三星和苹果这三大外国品牌占据。当时，人们认为国产品牌基本上就是廉价的代名词，不仅质量差，而且不能彰显时尚和显示身份地位，用国外品牌的效果更好。而到 2015 年十大智能手机品牌中有八个是中国的，华为、小米等跻身前列，而其他中国品牌正在快速瓜分着苹果和三星的市场份额。根据麦肯锡 2015 年的一份报告显示，62%的中国消费者在品质、价格相同的情况下，更愿意买中国品牌。“中国制造”已经不再是廉价的代名词。令人惊喜的中国品牌已经出现，其中一些中国品牌的受欢迎程度已经超过了历史悠久的国外品牌。根据 Foxall & Bhate（1993）、Theodoro peters（2005） & Hye-shinKim（2005）对于高介入度产品的描述，消费者主动进行搜寻和信息处理，在购买产品前评价品牌，根据多重属性选择最为偏好的产品，消费者的个性、生活方式、身份、地位和价值观对购买行为具有很大相关性。Micheael r.Solomon 提出很多消费者很喜欢尝试新事物，这是一种对多样化的需求，主要体现在变换产品以得到变换的产品体验，又叫做多样化寻求（variety seeking）。由此我们可以认为智能手机是一种满足高介入度和多样化寻求的产品。随着近几年电子设备迅猛更新换代，可以预见未来几年，智能手机购买将以更加迅猛的速度发展。但现阶段，国内手机厂商发展依然困难重重，急需突破，如何扩大市场份额？如何在产品设计前就准确定位消费者偏好？非常需要相关数据支持，因而本文研究国内消费者手机购买行为的影响因素有着重要意义。二、联合分析模型概述1.联合分析法联合分析（conjoint analysis），早期称为联合衡量，是 1964 年由数理心理学家 R. Luce 和统计学家 J. Tukey 提出来的。1971 年由 P.Green & V.Rao 引入消费者行为研究领域，成为该研究领域内最重要的研究方法之一。1978 年 F. Carmone、P.Green & A. Jain 等人将联合衡量改为联合分析。联合分析有三种主要形式，包括权衡矩阵法、两两比较法和全轮廓法，其中又以全轮廓法最为常用。本文采取的就是全轮廓法，该方法提供给研究的参与者一系列的产品描述，参与者被要求浏览所有的描述，做出一系列的评价，对调研结果进行数学方法分析后，就可以导出该类产品的各属性的效用值。2.基本原理与假设在挑选手机时，消费者通常使用词典编辑式规则（lexicographicrule），消费者会挑选那些在大多数重要性上最好的品牌，如果有两个或两个以上的品牌在某一属性上不分上下，消费者就会比较第二重要的属性，直到分出优劣。本文通过实证研究的方法进行调查和研究，通过正交设计模拟产品组合设计调查问卷，让消费者能更合理的进行产品偏好排序，区别于传统市场调研中直接问询的方式，采用联合分析对提炼出的消费者决策影响因素进行量化，再通过属性重要性和效用排序较为客观的反应消费者的真实偏好。同时通过正交设计以尽可能少的组合数得到尽可能多的信息，提高了分析的效率。最后根据手机消费者的性别、年龄统计变量进行对比研究。三、联合分析在手机市场产品设计及顾客偏好的应用1.数据收集2016 年 6 月，通过问卷调查方法收集数据，设计问卷并发放。请受访者对9 种产品按照自己偏好进行排序，依据排序顺序，对 9 种产品赋值。排序第一的为 9 分，排最后的为 1 分。共收回问卷 146 份，其中有效问卷 133 份，有效率为 90.9%。调研收集数据详细信息见表 1。表 1 描述性统计频率 百分比 有效百分比 累计百分比男 68 511 511 511女 65 489 489 100性别总计 133 100 10015-20 1 08 08 0821-25 89 669 669 67726-30 30 226 226 90231-40 5 38 38 9441-50 3 23 23 96251-60 2 15 15 97760 以上 3 23 23 100年龄总计 133 100 1001-2 年 55 414 414 4142-3 年 16 12 12 5343 年以上 1 08 08 541半年-1 年 40 301 301 842半年内 6 45 45 887不坏就不换 15 113 113 100未来多长时间内更换手机总计 133 100 100白色 25 188 188 188黑色 74 556 556 744金色 30 226 226 97糖果色 4 3 3 100最喜欢哪种手机外观颜色总计 133 100 10050-55 英寸 71 534 534 53450 英寸以下 49 368 368 90255 英寸以上 13 98 98 100最喜欢哪种手机屏幕尺寸总计 133 100 100播放音效 5 38 38 38电池续航能力 18 135 135 173拍照效果强弱 13 98 98 271手机反应速度 97 729 729 100在功能方面，最为关注的是总计 133 100 1002000-4000 49 368 368 3682000 以下 18 135 135 5044000-6000 59 444 444 9476000 以上 7 53 53 100可接受的手机价格总计 133 100 1001000-2000 39 293 293 2931000 以下 9 68 68 3612000-3000 42 316 316 6773000-5000 28 211 211 8875000-8000 5 38 38 9258000 以上 10 75 75 100目前月支出总计 133 100 100在 133 份有效问卷中，男女各占 51.1%和 48.9%，分布较为平均；年龄 21-25 岁的占 66.9%，26-30 岁的占 22.6%，30 岁以上的占 9.9%，是具有独立购买手机能力的主要消费人群；人均支出方面，1000-2000 的占 29.3%，2000-3000的占 31.6%，3000-5000 的占 21.1%，5000 以上的占 11.3%，与样本人群年龄分布对应的支出能力基本符合。在选定的四个因素上来看，41.4%的人预计会在 1 到 2 年内更换手机，更有30.1%的人预计半年内就会更换手机；55.6%的人更喜欢黑色外壳，白色以及近来流行的金色占比相当，各为 18.8%和 22.6%；和部分生产商预计顾客更加偏好大屏手机不同，5 英寸到 5.5 英寸的更加受欢迎，占比达到 53.4%，而 5.5 英寸以上的只占了 9.8%；功能因素上，72.9%的人更看重手机的反应速度，仅有 3.8%的看重手机的播放音效，13.5%的人看重电池的续航能力，剩余 9.8%的人则看重拍照功能。 因此我们可以通过描述统计初步得出这样的结论，如果手机生产商能开发出高频因素组合而成的产品，一定会取得相当好的市场占有率。另外从可接受手机价格来看，并不是越低价越受欢迎。2.确定产品特征值和水平产品评价因素的选定是联合分析法在新产品定位中研究中的首要工作，它的质量好坏很大程度上决定了分析的科学性。在确定属性及水平之前，通过市场调查，走访，期刊网站的查阅，站在企业的角度上排除了品牌因素后，初步选择了四个产品特征及其相应特征水平，并在小范围内测试进行预调查。最终确定了影响消费者进行手机购买决策的较为重要的属性因素有 4 个，即“价格”、“颜色”、“屏幕尺寸”、“功能”。其中每个因素又有三个不同的水平，如表 2 所示。表 2 手机产品重要性水平描述水平/因素 价格 颜色 屏幕尺寸 功能1 2000 以下 黑 5 英寸以下 反应速度2 2000-4000 白 5-55 英寸 电池续航能力3 4000 以上 金 55 以上 拍照效果3.模型应用评价因素及因素水平确定后，需要将这些因素组合成可能的产品。由于影响消费者购买的因素很多，而且对每个消费者而言影响程度也各不相同，所以通常确定的评价因素会很多。而各因素具有多个评价水平，如果运用因子组合法进行组合，就会产生过多的产品，受测者很难对此做出合理的排序。如在表2 中，有 4 个较为重要的产品属性因素，每个因素有 3 个水平，若采用因子设计方法，就会产生 81（333381）种产品组合，受测者就很难对这么多种组合做出理性的判断，即不能够对如此多品种的产品做出理性的排序。这时需要采用正交设计法来处理这类问题，实验采用四因素三水平的正交分析表，把消费者知道的备选产品称作唤醒集（evoked set），把消费者实际上会考虑的备选品牌称作参考集（considerationset）。得出表 3 的 9 种参考集的产品组合。表 3 正交设计受测体价格 颜色 屏幕尺寸 功能 排序产品 1 2000 以下 黑 5 英寸以下 反应速度产品 2 2000 以下 白 5-55 英寸 电池续航能力产品 3 2000 以下 金 55 以上 拍照效果产品 4 2000-4000 黑 5-55 英寸 拍照效果产品 5 2000-4000 白 55 以上 反应速度产品 6 2000-4000 金 5 英寸以下 电池续航能力产品 7 4000 以上 黑 55 以上 电池续航能力产品 8 4000 以上 白 5 英寸以下 拍照效果产品 9 4000 以上 金 5-55 英寸 反应速度4重要性分析表 4 合计效用值及重要性水平实用程序实用程序估算 标准误差 重要性值2000 以下 -1133 0000 366962000-4000 0652 0000价格4000 以上 0481 0000黑 -1008 0000 22243白 0817 0000颜色金 019 00005 英寸以下 -0103 0000 150795-55 英寸 013 0000屏幕尺寸55 英寸以上 -0028 0000反应速度 0997 0000 25983电池续航能力 -0045 0000功能拍照效果 -0952 0000(常量) 5005 0000值 显著性皮尔逊 R 1肯德尔 tau 10000表 4 是 133 位受测者的合计效用值和特性相对重要性分析，还给出了Pearsons R 相关系数和 Kendalls tau 等级相关系数均为 1，表示模型拟合效果较好，双尾检验显著性水平均为 0.000。可见两个相关系数的检验都是显著的，模型的拟合精度较高，可以认为联合分析做出的效用值是合理的。据结果显示，消费者购买手机时，首要考虑的是价格因素，其重要性达到 36.7%，其次是手机功能，重要性值达到 25.9%，再次是手机颜色，最后是屏幕尺寸。组合效用最高的各特性水平，可以得到理论上最优的产品组合如表 5。表 5 最优产品组合价格 颜色 屏幕尺寸 功能2000-4000 白 5-55 英寸 反应速度分别从四个特性来看，价格因素上（u2u3u1），2000 到 4000 的效用值最高，2000 以下低价位的效用值最低，与先前描述统计分析结果一致，并不是越低价位越受欢迎；颜色因素上（u2u3u1），白色、金色更受消费者偏爱；屏幕尺寸（u2u3u1），5 英寸到 5.5 英寸的效用值最高，超大屏幕手机如现在已有产品 iPhone6 plus、三星 Galaxy Note5，因不易携带、费电以及单手操作困难等缺点导致用户体验并不如预计中好，而小屏幕手机已经不能满足消费者用手机看电影、看图片，玩游戏的需求；功能因素上（u1u2u3），反应速度的效用值远高于其他两个水平因子。本文采用全轮廓法即通过受测者就所有产品属性进行扫描，但考虑到实际情况，这种方法可能并不存在最佳的组合方案，因而在上述分析的基础上又采用最小二乘法回归模型对正交设计所得的九种产品组合进行效用计算，得出模型表示如下：U=a0+a1x1+a2x2+a3x3+a4x4+a5x5+a6x6+a7x7+a8x8最终计算结果如表 6 所示：表 6 受测体效用值价格 颜色 屏幕尺寸 功能 效用值 排序产品 1 2000 以下 黑 5 英寸以下 反应速度 -1247 8产品 2 2000 以下 白 5-55 英寸 电池续航能力 -0231 5产品 3 2000 以下 金 55 以上 拍照效果 -1923 9产品 4 2000-4000 黑 5-55 英寸 拍照效果 -1178 7产品 5 2000-4000 白 55 以上 反应速度 2438 1产品 6 2000-4000 金 5 英寸以下 电池续航能力 0694 3产品 7 4000 以上 黑 55 以上 电池续航能力 -06 6产品 8 4000 以上 白 5 英寸以下 拍照效果 0243 4产品 9 4000 以上 金 5-55 英寸 反应速度 1798 2根据效用值高低对产品组合进行排序，产品组合 5“价格在 2000 到 4000 之间，白色，5.5 英寸以上，高反应速度”效用值为 2.438，为最高值。四个特性共 12 个水平因子中，2000 至 4000 价位、白色、5 英寸至 5.5 英寸、反应速度这四个水平因子可以被认为是手机生产商应当高投放的核心产品因子。目前手机作为人们的生活必需品和高价、高频消费品，生产商如果满足了消费者的基本需求，即价格因子，将会提升消费者的偏好度和总体满意度。其次是功能，对手机消费者偏好度产生较为重要的影响，在生产商提供了核心产品的基础上，保障了消费者的基本需求，如需要进一步提高消费者的偏好度和总体满意度，应在颜色特性和尺寸特性上进行优化，选择效用值较高的水平因子以提升消费者偏好度。5.不同性别及年龄如表 7 所示，通过对手机消费者的性别、年龄统计变量进行对比研究发现，相对于男性，女性在颜色特性和功能特性上的重要性水平较高，而男性在价格方面更加敏感；越年轻的消费者对于手机的功能诉求越强，随着年龄增长，功能特性和屏幕尺寸特性的重要性水平逐渐降低。很多消费者很喜欢尝试新事物，这是一种对多样化的需求。当购买活动很多，有必要对购买进行更多的了解，或相关信息易于获得和利用时，搜寻活动就会增多，在其他条件相同的情况下，那些年轻、受过良好教育的人往往会更多的进行信息的查找和比较。表 7 受测体重要性水平重要性值性别 年龄特性男（N=68） 女（N=65） 40（N=8)价格 40215 33014 35586 39852 35376颜色 20084 24501 22066 21353 28121屏幕尺寸 15667 14463 15939 13565 12023功能 24034 28022 26409 2523 24479四、结论与展望1. 研究结论与启示作为国际市场的后来者，我国的企业综合实力较弱且受原产地负面形象的影响，国内的电子消费品企业在发展的道路上困难重重，但仍有一些先进的电子消费品企业在品牌国际化征程中努力提升技术水平和创新实力，取得不小的进步，例如华为、小米均在海外市场赢得了较高的知晓度和美誉度。在营销实践中，企业通常依靠经验以及感觉来应对消费者需求，为了探究中国企业如何通过挖掘顾客偏好和满意度精准定位顾客需求，本文运用联合分析法开展研究，结果显示：第一，最低的价格、最美的外观、最强大的功能组合并不是消费者最期待的组合。价格特性占比虽大，但低价这一水平并不是影响现今手机消费者购买行为的决定因素。第二，没有哪家企业要去做所有的产品和服务，甚至单纯某一类的产品和服务的市场也不可能全做，充分挖掘消费者对产品特性的诉求点，进行消费者偏好分析、产品设计定位，针对性的营销推广；第三，再次证明定位在营销中的重要性，在数据整合及分析极度高效的今天，企业应努力通过互联网快速收集分析数据，对企业精准定位，并融入产品设计中，既强化消费者的核心地位，也能促成生产企业与消费者对产品的价值共创，实现真正意义上的精准营销。本研究对企业有两点启示:一是通过全轮廓对比，发现厂商以为的特性组合与顾客偏好的特性组合存在非常大的差异，证明了企业定位不清的危害，这有助于解释为什么一些手机生产商在每款新产品上市后总能取得瞩目的业绩并不断扩大市场，而其他企业的效果却不如人意？二是从企业产品设计的元素组合方式来看，各个因素之间关系错综复杂，企业如何进行产品设计来满足不同消费者的需求至关重要，如果企业没有深入了解各因素之间的关系，投入大量的资金开发具备所有最优功能的产品，对消费者而言并不具有高性价比，最后的结局很可能就是产品的技术最强但却不是消费者最需要的。在理论上，制造商允许顾客参与创造产品的过程，包括本文提出的事先通过调研了解消费者偏爱的产品特性组合方式，可以较好的提升顾客的介入度。尽管消费者对产品信息的介入有差异，但可以通过了解降低或提高消费者注意的因素。2. 研究局限及未来研究方向本研究存在三点局限:一是联合分析是从呈现产品特征开始的，但在真实的市场环境中，这些信息往往是不断变化的，而且自我认知上的偏差和选择呈现顺序的偏差也会影响测量结果，这就要求把变量尽可能多的包含在现有的模型中。二是问卷中没有使用真实的产品，对于被试而言，通过阅读题项以及特性描述与现实中接触产品相比，感知上存在偏差；三是调研样本人数存在局限性，有效的问卷回收只有 133 份，在一定程度上削弱样本的总体代表性，在未来的研究中可以进一步扩大研究群体数量和范围以减少误差。【参 考 文 献】1 孙祥，陈毅文. 消费行为研究中的联合分析法J. 心理科学进展，2005，13（1）：107-118.2 王吉娜，路世昌. 联合分析在个人电脑购买行为分析中的应用研究J. 科学技术与工程，2006，（16）：2605-2608.3 吴见平，徐鼎权. 联合分析方法对产品属性的应用研究J. 现代商贸工业，2008（10）：58-60.4 林泉，林志扬. 基于联合分析法的新产品定位研究J.统计与决策，2008（23）：182-184.5 陈宇光. 如何运用统计软件进行结合分析J. 统计与决策，2004（2）：122-123.6 Meipner，Martin. Eye TrackingReveals Processes That Enable Conjoint Choices to Become Increasingly Efficientwith PracticeJ. Journal of Marketing Research，2016，53（1）：1-17.7 Guyon，Herv. New conjoint approaches to scaling brand equity and optimisingshare of preference predictionJ. Internationa