市场调研理论与实务.ppt

市场调研理论与实务 业务发展处 王震蕾 市场调研的起源及发展 1879年 nwayer父子公司首次将市场调 研用于解决销售和广告问题，从此越来越多 的企业开展了这项活动。 没有调研考察就没有发言权 ! 消费者 customers 竞争者 competitors 自己 owner 技术 skill 政策 policy 经济 economy 谁是我们的买主?为什 么、什么时候买?其购 买行为如何变化? 谁是真正的竞争者? 优势? 未来的战略活动? 绩效? 销售额?市场份 额? 企业形象?产品知名度 ? 市场调研 信息需求 消费者:谁是我们的买主?为什么、什么时候买?其购 买行为如何变化? 竞争者：谁是真正的竞争者?其优势何在?其未来的 战略活动如何开展? 自己：我们的绩效如何?我们的销售额是多少?市场 份额是多少?企业形象如何?产品知名度有多高? 环境的变化：经济对资源环境的影响，政府政策的 变化，政治环境对销售的影响趋势，技术上的突破 将引发制造方法的哪些变革，等等 市场调研主要内容 工商经济和社会调研，涉及行业市场特征与趋势、技术变化研究、市场份额分析、雇 员状况研究等。 价格，涉及成本分析、利润分析、价格弹性、竞争价格分析及需求分析(包括市场潜力、销 售潜力、销售预测等)。 产品，涉及产品构思与测试、品牌的构思与测试、市场测试、现有产品的市场测试、包装 设计、竞争产品研究等。 分销调查，涉及工厂仓库位置的研究、销售渠道绩效的研究、销售渠道覆盖面的研究、出 口和国际化的研究等。 促销方面调查，涉及动机调查、媒介调查、文案调查、广告效果评估、竞争广告研究、形 象调查、销售奖励研究、销售定额研究、销售区域划分和有奖销售、附券、销价问题研究 。 购买行为，涉及品牌偏好、对品牌的态度、对产品的满意程度、购买行为、购买趋势、品 牌知名度、市场细分等研究。 市场调研主要作用 通过了解分析提供市场信息，可以避免企业 在制订营销策略时发生错误，或可以帮助营 销决策者了解当前营销策略以及营销活动的 得失，以作适当建议 提供正确的市场信息，可以了解市场可能的 变化趋势以及消费者潜在购买动机和需求， 有助于营销者识别最有利可图的市场机会， 为企业提供发展新契机 市场调研主要作用 有助于了解当前相关行业的发展状况和技术 经验 ，为改进企业的经营活动提供信息 整体宣传策略需要，为企业市场地位和产品 宣传等提供信息和支持 通过市场调查所获得的资料，除了可供了解 目前市场的情况之外，还可以对市场变化趋 势进行预测，从而可以提前对企业的应变作 出计划和安排，充分地利用市场的变化，从 中谋求企业的利益。 市场调研的分类 按资料来源分为：原始资料调研与二手资料调研 按数据形式、分析处理方法及结果分为定量调研和定性调研 1.定量调研（quantitative survey）是指可以提供数量性信息 的研究？其结果一般是以数据形式呈现的，主要在于回答“ 有多少?”或是“多大”的问题。如有多少消费者使用甲产品， 有多少消费者使用乙产品？平均收入多少？ 2.定性调研（qualitative survey）是根据研究者的认识和经验 确定研究对象是否具有某种性质或某一现象变化的过程和变 化的原因，是回答“为什么”或是什么的问题，通常用来对研 究对象获得一个初步的了解，或用来定义问题或寻找处理问 题的途径。如为什么某些消费者购买甲产品而不购买乙产品 ? 根据研究目的可分为探索型研究和结论型研究 根据调查时期的长短分为连续性研究和专项研究 市场调研的流程 确定市场调研的课题明确调研对象选择调查方法选择调查方法 制定调研实施计划制定调研实施计划 实施调研数据统计分析数据统计分析 撰写调研报告撰写调研报告 市场调查方法 分类调查方法成本 二手资料资料检索中 资料购买高 数据挖掘 实验与测试市场测试高 商品测试高 问卷调查面访调查高 电话调查中 邮递/电子邮件调查低 街头调查高 网络调查低 市场调查计划构成 资料来源 一手资料二手资料 调查方法 问卷调查专题讨论 观察 调查手段 问卷 抽样方法 抽样程序 联系方式 电话网络邮递面谈 预算调研经费预 算与行程安排 数据统计分析 数据分析(data analysis)概念: 数据分析是组织有目的地收集数据、分析数 据，使之成为信息的过程。 j.开普勒 行星运动定律 数据分析实施过程 信息需求识别 收集数据 分析数据 评价并改进 数据分析的有效性 管理职能者依据决策和过程控制中对信息的需求 将识别的需求转化为具体的要求 将收集的数据加工、整理和分析,使其转化为信息 1.提供决策的信息是否充分、可信? 2.信息对产品所发挥的作用是否与期望一致? 3.收集数据的目的是否明确? 4.数据分析方法是否合理? 分析数据方法 常用工具 图表类 柱形图/直方图、 折线图、 饼图、 散点图、 非图表类 调查表 分析数据方法数据挖掘 分类分析 聚类分析 回归分析 因子分