偏好图-品牌图-二元图分析PPT课件.ppt

偏好图 品牌图 二元图分析Preference Brand BiplotMapping 北京广播学院新闻传播学院调查统计研究所 二零零一年七月 沈浩 1 主要应用领域 谁是我们的客户 还有谁应该是我们的客户 谁是我们竞争对手的客户 相对于竞争对手的产品 我们的产品定位如何 为什么我们的产品定位在这里 我们如何对现有产品进行重新定位 我应该开发什么新产品 我的新产品应该针对什么样的客户 2 数据分析 统计数据法 通常采用标准的数据分析方法 描述性统计量 交叉列联表等 结合分析 探讨消费者在购买决定时如何权衡产品的属性 全轮廓 自适应 离散选择等实验设计模型 直观图示法 产生图 利用图来显示产品的定位 对产品的偏好 与竞争产品的偏好差异 直方图 饼图 折线图 散点图 雷达表等 茎叶图 冰柱图等 二元图 3 是一种从数据矩阵生成图形化显示的数据分析方法 主要分为两种类型 分解的方法和组合的方法分解的方法 多维尺度分析组合的方法 主成份分析因子分析对应分析多元对应分析多维判别分析 什么是二元图 4 二元图的基本原理 在低维空间 一般二维 同时显示数据矩阵的行和列的标签 二元是行和列联合显示 行坐标在图中表示为点 列坐标画为向量 二元图是基于数据矩阵分解的思想 5 矩阵分解的思想 矩阵A的各行就是矩阵X各行点在对应的二维图的坐标 矩阵B的各列就是矩阵X各列点在对应的二维图的坐标 q2时 矩阵AB近似等于矩阵X 是近似的二元图 6 X Y Z X Y Z 第一主成份 第二主成份 特征值 奇异值 损失的信息 7 为什么要使用二元图 消费者基于对产品 品牌的偏好 在制订产品市场营销策略中起着重要的作用 通过品牌和竞争品牌的概念图可以提供非常丰富的市场信息 简化数据 更好地表现数据 8 知晓awareness 兴趣interest 考虑consideration 尝试Trial 购买purchase 重复repeat 产品 品牌的认知过程 潜在的消费者 品牌的属性和价格 9 B F A G D C E B F D G A C E 知晓 考虑 考虑 购买 品牌形象研究 品牌A具有较高的品牌形象 但不是强有了的产品 品牌D的品牌形象较差 但是一个强有力的产品 10 B C A B C A B C A B C A 技术落后 技术先进 质量非常差 质量非常好 售后服务差 售后服务好 安全性能差 安全性能好 11 B A C 技术先进 质量非常好 售后服务好 安全性能好 品牌之间 属性之间 12 B A C 技术先进 质量非常好 售后服务好 安全性能好 品牌和属性之间 13 图示化技术 分解的方法 多维尺度分析MultidimensionalScalingMDS组合的方法 主成份分析PrincipalComponentAnalysisPCA因子分析FactorAnalysisFA EFA CFA 多维判别分析MultipleDiscriminationAnalysisMDA对应分析CorrespondenceAnalysisCA多元对应分析MultipleCorrespondenceAnalysisMCA多维偏好分析MultidimensionalPreferenceAnalysisMDPREF非线性主成份分析 OptimalScaling 14 多维尺度分析MultidimensionalScalingMDS 度量对象之间距离的数据研究对象被表现在特定维数空间中数据是一个或多个因素的相似性或差异性构成对称矩阵或不对称矩阵 近似数据 邻近数据 市场研究中对象主要是产品 品牌在空间中的点越靠近越具有相似性 反之差异越大采用特定的评价方法 语义差异法配对比较法描点法理想点模型 经常评价消费者的理想产品 品牌偏好图只能表现特定的对象 产品 品牌有时候维度的含义解释比较困难 15 身体有益 身体无益 16 主成份分析PrincipalComponentAnalysisPCA 数据是消费者在品牌 属性和其它指标上的数量型数据解释数据的最大变差主成份是原始变量的线性组合 旋转 有多少个原始变量就有多少个主成份主成份之间是正交的第一主成份解释的变差最大第二主成份解释的变差次之最后的主成份解释的变差最小用第一 第二主成份作出偏好图偏好图即可以表现品牌 也可以展示属性品牌是点 属性是向量 17 每升行驶里程 可靠性能 安全性能 18 因子分析FactorAnalysisFA EFA CFA 分析的数据类型是多个数量型变量发现一组变量之间相关性结构变量之间的相关性结构由因子表示因子是潜在的 不可测量的变量分为探索性因子分析和证实性因子分析一般依据特征值的大小 大于1 生成因子数一般采用主成份法和最大方差旋转依前几个 两个 因子的坐标画出定位图因子的命名比较困难经常用于消减变量因子作为新的变量用于聚类分析 回归分析等 问卷中量表的信度检验 19 20 多维判别分析MultipleDiscriminationAnalysisMDA 一个因变量是分组变量 定类变量 产品 品牌一组自变量 预测变量 是数量型变量 属性评价建立一个判别函数模型最大解释基于产品属性的最大变差判别函数的个数等于分组变量的个数减1第一判别函数解释最大的变差第二判别函数解释变差次之判别函数之间正交依前两个判别函数的判别系数作出偏好图偏好图可以同时表现品牌和属性偏好图中的向量是产品属性偏好图中的点是品牌各组评价的距心坐标经常用于聚类分析事后判别 21 判别函数2 判别函数1 22 对应分析CorrespondenceAnalysisCA 基于行列变量之间交叉列联表的关联性的一种低维表现图数据是列联表中的频数 也可以是距离或其它测量尺度非常普遍和流行的方法非常适合研究两个定类变量 定性数据的分析程序生成对应图品牌和属性靠近的点具有相关性 23 24 多元对应分析MultipleCorrespondenceAnalysisMCA 基于一组定类变量 定性数据的关联性的一种低维表现图变量的定性数据分类非常普遍和流行的方法程序生成对应图变量取值的标签表现在对应图中靠近的点具有相关性如果能够的话尽量转化为二维的行列变量 简单的对应分析 25 26 多维偏好分析MultidimensionalPreferenceAnalysisMDPREF 收集到消费者对一组品牌的偏好评分收集到对一组品牌的不同属性的偏好评分基于主成份分析的原理作出消费者的偏好图偏好图可以表现每个消费者对产品 品牌的偏好偏好图中的点表示品牌 产品偏好图中的向量表示消费者的偏好数据容易获得消费者较多是须归类消费者的评价 27 SUBJ3 SUBJ2 SUBJ1 偏好强 28 29 30 31 32 非线性主成份分析 OptimalScaling 如果所有的变量都是定性数据 定类变量SPSS的OptimalScaling是消减变量的方法在主要维度解释多个定性变量的变差也可以处理名义变量 定序 定比 定距变量对应图可以表现变量 样本和变量与样本之间的关系 33 偏好图的理想点模型 理想点是在消费者评价现有产品 品牌的基础上 同时评价消费者心目中理想的产品偏好图中有理想点的情况下