市场研究中的数据分析和阐释

市场研究中的数据分析和阐释Data Analysis in Marketing Research华南国际市场研究有限公司2008年 4月市场研究中数据分析的特点 微观层面上的分析 解决客户的实际问题 强调统计方法的应用 注重结论对营销策略的指导意义 很多情况下 , 完整的数据分析是定性数据分析和定量数据分析的结合2定量和定性研究结合定性定量.严密的事实 : 定量研究可提供可靠和有可比性的数据.深度的理解消费者的想法和感情 : 定性方法提供充足的诊断和洞察用定量和定性相结合的研究方法来达成目标最有效的支持营销决策3分析和解释不是调查研究中某个阶段的独立过程，它应该贯穿在项目简介到交付客户的整个项目过程的始终。研究目的包括了客户预期的研究发现，结论和建议。你决不应该偏离这个目标。 ” (Roddy Glen)4一、数据分析的基本方法二、高级数据分析方法一、基本数据分析方法确定分析框架准备出表格式数据查错和清理关于数据加权关于追加样本数据分析准备 3个准备工作准备分析框架准备数据出表格式检查原始数据7确定分析框架分析框架明确那些数据为分析使用准备报告框架确定分析的逻辑回答客户所关心的问题8数据处理过程 :综述手工查错编辑抄码编码统计出表电脑查错与编辑数据分析制作码表数据输入9数据处理过程 :出表 出表主要包括两种结果： 频数分布表 （ Frequency Tables） 和 交叉表 （ Cross tabulations）。 频数分布表 是对 单变量 而言的，它研究的是一个变量的各水平发生频率的分布状况 ；交叉表 则是针对 两个或两个以上 的变量而言，它就是将一些变量与另一些变量进行交叉分析，以表格形式展示数据间关系的过程 统计表中的要素- 统计指标（ Criterion）： 分析中关注的项目，一般置于表的左侧，叫做 SIDE- 分组指标（ Predictor）： 用以把样本分成子群的变量，一般置于表的顶端，叫做 TOP- 基数（ BASE）： 用于计算百分比、平均数的样本量- 行百分比（ Row Percentage） 与列百分比（ Column Percentage） 统计检验结果通常以在数字旁边标注字母表示10数据处理过程 :分析数据表示例 (列百分比 )重度 中度 轻度(a) (b) (c)Z2.性别 % % %Base=所有牛奶饮用者 2334 1183 408% % %男 43 48a 49a女 57bc 52 51合计 100 100 100重度 中度 轻度Z3.被访者年龄 (a) (b) (c)Base=所有牛奶饮用者 2334 1183 408% % %15-19岁 11 10 920-24岁 9 14a 12a25-29岁 9 12a 14a30-34岁 12 14 19ab35-39岁 21c 20 1740-44岁 14 13 1445-49岁 13b 10 1150-54岁 11bc 7c 4Total 100 100 100Mean 35.7 33.5a 33.4ab11数据处理过程 :分析数据表示例（行百分比）Total 合计 15-17 18-24 25-34 35-44 45-54 55-65基数 :所有饮用饮料饮品的情况 36958 4 12 20 26 22 17开水煮开的自来水 13468 5 12 21 25 22 15中国茶 5755 1 7 15 27 27 23汤 4477 5 11 21 27 20 16啤酒 2204 1 12 18 31 24 16鲜牛奶纯牛奶 1871 5 14 15 30 17 19自制的豆浆 1309 2 9 20 29 24 16汽水碳酸饮料 1180 8 25 24 22 12 9大桶装的饮用水 789 4 15 28 17 28 8有包装的豆浆 704 3 11 26 28 18 15菊花茶清凉茶五花茶等 584 4 8 23 25 12 28用奶粉冲制而成的奶 582 9 8 21 16 26 20白酒 / 洋酒 / 蛋酒等 533 0 5 13 36 26 20酸奶 507 6 26 21 32 8 8甜汤糖水绿豆汤 402 6 7 24 25 20 18瓶装水 391 5 29 20 14 13 19有包装的中国茶 292 1 5 16 25 37 17有包装的豆奶 208 5 12 23 22 24 14乳酸饮料 188 3 16 33 23 17 9有包装的鲜果汁 171 2 17 14 31 21 15有包装的果汁饮料 162 5 21 23 21 22 7口服液 156 14 7 1 55 13 10咖啡 135 8 34 15 21 15 6运动饮料 125 27 28 15 8 10 12有包装的柠檬茶等 115 7 51 3 26 7 6有包装的菊花茶等 82 - 26 11 22 17 25有包装的咖啡 74 - 7 37 44 8 512出表格式基数 表头 / 分类 侧表头数据处理出表格式每个交叉表的基数描述子群分析的数据分类统计每个交叉表的目录描述13出表格式的详细说明 项目信息 数据格式 显著性检验 交叉分类 数据制表包括项目号和项目名称，并在每页上显著标明出来如果有不同地区或小组的几套表，清晰标出来标明日期可以有效区分哪套表是最近的页码号非常有用14 项目信息 数据格式 显著性检验 交叉分类 数据制表哪些文件格式是必需的？如 SPSS / Quanvert要求一个 CSV文件 以便在 excel中操作简易如果使用了某个模型 , 要求使用具体的数据格式如果你有数字答案，要求频率分布表出表格式的详细说明15 项目信息 数据格式 显著性检验 交叉分类 数据制表如果一张纸上两个数字标上星号，很容易看出来比较困难是的是计算你需要的统计检验如果你要求，你可以拥有适合你的表格的 显著性检验出表格式的详细说明16 项目信息 数据格式 显著性检验 交叉分类 数据制表你想看哪个子群？比较哪些群体？思考哪些群体需要组合成更大的基数数量？思考数据将如何制图不要忘记市场细分等子群的 交叉分类出表格式的详细说明17 项目信息 数据格式 显著性检验 交叉分类 数据制表你想出什么样的表格？（是否真正需要甄别和过滤方面的问题）你需要出平均值吗？交叉表 (前测和后测 )Nets (开放题 / 品牌）平均提及次数出表格式的详细说明18数据表中的信息交叉分类 列显著性检验项目名称基数说明列百分比均值项目号等侧表头问题和题号表头19数据检查问卷实地访问数据输入查错编辑数据处理出表因为 .错误可以发生在各个环节数据从实地收集回来后不会是 100%干净的和合乎逻辑的但我们要提交的结果必须是正确无误的我们要对数据质量负最终的责任20数据检查如果有些数据让你感到惊讶 .如果有些数据与你要讲的故事不吻合 如果有些数据和常识不符 .!这 些数据可能是错的 !21怎样进行数据检查？有很多的东西要检查： 标题与内容是否一致？ 实际访问样本数是否与设计样本数相一致 基数定义是否正确 是否所有的配额要求都满足 是否所有的样本都符合事先确定的甄别条件 每个被访者是否回答了所有应该回答的问题 跳问顺序是否被正确执行 单选和复选是否被正确执行（单选题百分比之和等于 100%，复选题百分比之和大于 100% ） 表头定义是否正确（名称与取值是否相符） “不知道 ”、 “拒绝回答 ”、 “其他 ”的比例是否过高22怎样进行数据检查？有很多的东西要检查： 数据前后是否一致 均值、 top 2 box, bottom 2 box 等统计量的计算是否正确 追加样本是否符合规定要求 多组（ Multiple-cell）设计的项目中，各组样本间是否结构一致 加权值是否被正确使用 23如何减少错误 :从数据处理到分析 清晰的数据处理说明 清晰的分析框架 查错 / 检查 TOPLINE数据处理 分析 检查和决定如何处理异常值 查表 SPSS/excel 原始数据查错24关于数据加权 加权（ Weighting） 的目的是为了使我们在项目中选取的样本更好地反应总体的结构 当人口背景资料对一种产品的认知或消费有显著影响时，加权显得尤为重要 通常有三种加权方法- 因数加权（ Factor Weighting）： 赋予每个群中的样本一个因数- 目标加权（ Target Weighting）： 给定目标值，把样本结果投射到总体- 边缘加权（ Rim Weighting）： 给定多个人口特征指标上的目标值，来修正样本结构25关于追加样本 (Boost samples) 客户可能对总样本中的子群感兴趣，但是这部分群体在总样本中的发生率比较小 因而 ,随机抽样后，这个子群的样本数量不足 在这种情况下，需要对这些子群的样本进行追加，从而使研究分析有足够大的基数往主体样本中增加追加样本会使主体样本结构发生偏斜，从而影响样本的代表性因此，需要对追加样本进行加权，使 子群 在总样本中占有正确的比例26举例介绍27二、高级数据分析方法介绍专项 市场研究涉及的业务范畴不同业务范畴内的数据分析方法数据分析举例顾客 /客户关系管 理广告宣传沟通经销商管理理解消费者品牌产品定位产品开发价格定位市场研究涉及的业务范畴29顾客和员工关系 employee relationshipsCommunicationChannel Management了解消费者BrandingInnovation 客户需要解决的问题 :- 谁 是我们的消费者 ? 他们在人口统计及生活方式上有什么特点 ? - 他们的 需求 和 动机 是什么 ?- 购买决策过程 是怎