结合分析：强大的市场研究工具.doc

结合分析：强大的市场研究工具 科思瑞智市场研究公司什么是结合分析 结合分析是一种专业技术，用于估测人们对一些能够详细定义某种产品或服务的属性和特征的评价。 Discrete choice, Choice Modeling, Hierarchical Choice, Card Sorts, Tradeoff Matrices, Preference Based Conjoint和Pairwise Comparisons choice都是结合分析的不同类型。 任何一种使用结合分析的调查，其目的是给购买者在做购买决策时考虑的选择范围赋予明确的数值。 为什么要使用结合分析 首先，结合分析在对产品/服务的属性进行评价时使用的方法是其他方法所不能提供的。传统的调查方法让受访者对每个属性进行评估，这对任何人来说都是困难的。而结合分析将整个工作转化成一系列的选择或评级。利用这些选择或评价等级，可以计算出每个属性的相对重要性，对每个属性或特征，结合分析使用“推导重要性”方法，而非“规定重要性”法。 结合分析的另一个优点是可以将研究结果做成市场模拟模型，并能很好的应用于未来。随着新竞争者的进入，新产品的问世，价格战的爆发及厂商广告策略的变动，市场也会随之发生变动。传统的研究方法是每当市场发生重大变动，就需要进行调查，来发现人们对这种变动的感受及它将如何影响人们的购买行为。使用结合分析，将产品或现有产品的改变可以一起输入模拟模型，得出人们对这些变动做出何种反应的预测。在大多数市场上，这些模型可以维持2到3年的精确性，直到需要进行小规模研究来决定是否调整该模型。 结合分析是如何工作的 根据结合分析的不同类型，使用不同的统计方法，如普通最小二乘法、加权最小二乘法和分对数分析法将受访者的回答转化成重要性或效用。 用这些统计方法获得的实际数值并不是最重要的，重要的是与各种属性相关的价值，或各属性彼此之间的关系。这些计算方法的目的是以一种能够揭示受访者对每种属性自觉或半自觉的潜在评价的方式来评估受访者的回答。任何一位理性的受访者，在产品其他方面都相同的条件下（质量，特征等），会选择100元而非200元的产品。我们不清楚的是每个人对100元的不同敏感程度。有些人永远不会考虑支付200元来买东西，而另一些人则对不同价格的敏感程度几乎没有什么区别。不考虑价格，一个人如果常选择X品牌而非Y品牌，很显然，他对品牌名称比价格水平看得更重。结合分析可以计算这些选则与另一些选择之间的相对评价。 结合分析的基本步骤 I. 确定产品/服务的哪些属性或特征对市场而言是最重要的。II. 确定对受访者使用何种数据收集方法及如何获得数据（入户面访、街头随访、邮寄问卷等）III. 确定那种结合分析方法最使用于某项研究问题。Choice-based Conjoint和Preference-based conjoint是目前最常用的方法。IV. 构建实验设计，用以计算各项被研究的属性之间的主要影响和交互作用。许多结合分析研究只着重于各种属性的主要影响或直接效用，但当研究价格或品牌等属性时，他们之间潜在的交互作用也应该被考虑进去。V. 收集数据。VI. 计算每个受访者或每组受访者的效用值。VII. 构建市场模拟模型。帮助预测现有产品发生变动带来的影响和新产品的上市。 如何定义属性 经验、管理直觉和定性研究是确定产品/服务主要属性所比不可少的。仔细考虑，确定属性是非常关键的。属性过多会加重受访者负担，或者降低模型预测的精确性。属性太少，会严重降低模型的预测能力，因为模型中丢失了一些关键信息。 除了建立属性名单外，还必须考虑每个属性的水平等级。对于价格属性而言，属性水平应该明确到100元，200元和300元。如果是非连续型属性，如颜色，属性水平可以是兰色、红色、绿色和黑色。再一次强调，研究人员必须在过多选择和过少选择中找到平衡点。 属性水平应该包含市场上现有的所有同类产品或是不远的将来在市场上存在的产品。对于连续型变量，如价格，3或4个价格水平可以涵盖市场上从低到高的价格。对于非连续型属性，3至5个水平是比较令人满意的，所以必须将最不令人想要的或重要性最低的选择删除掉。 确定属性及属性水平的关键因素在于，如果不能通过使用属性水平很好的定义产品属性，那么产品就不能被准确的模拟。如果一个选择没有被涵盖，它没有落入指定的任意两个属性水平边界范围内，那么对于受访者是如何反应该属性的，就无从的知了。该属性或该属性水平相对于其他属性的重要性也就无法得知了，在模型中也无法计算。 如何确定A产品的全面评价 有了每种属性水平的效用，将所有属性的效用值相加计算出产品的价值。对于每种属性，挑出与产品关系最近的属性水平并记录其效用值。如果某种产品的一个属性落入两个水平之间（如产品价格为150元，但价格水平是100元和200元），插入新的产品效用值。对每个属性重复计算这一过程。然后把记录的每个属性的效用值相加,计算该产品的整体效用。以此类推，对所有需要通过比较来生成市场模拟模型的产品都可以这样做。 市场份额或产品偏好份额通常用该产品效用值与整个市场效用值之比来表示。市场模拟程序可以迅速而且轻易的完成这些计算工作，并将结果用图形或数据表格的形式表现出来。 结合分析预测需要何种途径的记录 在结合分析技术过去的25年历史中，这一方法准确的反映了购买者购买决策的认识思考过程。这种技术被广泛的应用于产品和服务，从通信和工业产品到医疗保健和银行服务。 结合分析模型能很好的表现受访者对不同产品的偏好，揭示受访者会从一系列产品或服务中选择那一种。然而，结合分析模型假设在市场上，具有完备的知识和意识，这意味着所有产品和服务都有着相同的广告、营销和分销水平。这是不现实的，所以需要对广告水平或其他市场因素差异做些调整，但这会阻止产品达到最大潜势。不管这些局限，利用结合分析提供的详细信息，可以为产品或服务设计最佳市场或市场细分，还可以实现所有产品投资组合效益最大化，发现还未被开发的市场和还未被满足的需求。作为商人，其目标就是获得现有产品的信息并将顾客偏好转化成实际的购买行为。 如何实施结合分析调查 与传统的调查相比，结合分析研究要求受访者进行更多的的信息处理。除了过分单纯化的研究，必须把结合分析问卷直接放到受访者面前，他们才会在审视后填写。实施结合分析的方法有入户面访、街头随访、邮寄问卷。 从结合分析研究中能获得什么客户可以通过结合分析对所处的市场和消费者对产品/服务的真实评价有全面的了解。把这些信息总结出来，每种属性水平对应着其效用值。你可以针对细分市场设计产品最优组合。 市场模拟可以用来预测对各种假定设想市场是如何反应的。在有些情况下，你可以获得自己的模拟程序。这可以使你和你的管理者们构造自己的市场情景假定，在任何时候都能看到市场对于新产品、降价或其他变动是如何反应的。 通过结合分析效用，可以进行市场细分。究竟是计算个体的还是由个体组成的一组效用，可以通过运用典型市场细分技术，如聚类分析，分析其结果。对于各种属性水平，评分相似的受访者会被划分成一个细分市场。结合效用的细分可以产生真正的“利益细分”，这是其他调查方法很难做到的，因为受访者很难说明究竟他们最重视那种利益。 哪种结合方法最好和市场研究相关的有许多因素，哪种结合方法最好需要依情况而定。Choice-based conjoint和Discrete choice-based modeling是近4、5年最常使用的方法。他们各有各的优缺点。Choice-base Conjoint/Discrete Choice Modeling/Choice Modeling的优点 和顾客在商场中的购物过程相似，他们会比较所有可供选择的产品，然后挑出最满意的一种。尽管很难证明，但相信如果一项研究工作越是能够模拟人们的真实行为，那么这项研究结果也就越有效越可信。允许受访者的回答是“所有选项都不属于”。在众多购买决策中，什么也不买也是一种选择。Choice-base conjoint允许模型中包括这种回答，并能计算出其效用值。每位受访者可以看见产品或服务的多种轮廓，因为Choice-based conjoint在选择栏内，通常提供3个或3个以上的选项。可以容易地计算出属性之间的交互作用，如价格和品牌。在整体水平分析基础上，无须增加选项设计的复杂性，就可以涵盖属性的交互作用。Traditional Conjoint/Preference-based Conjoint/Ratings-based Conjoint的优点 将一大组属性分解成较小的组从而便于分析。例如配对比较，就是让受访者在2到4种属性中挑出他们更为偏爱的。某一属性的不同水平分别列成左右两列。这比同时评价15或20项属性容易的多。在受访者各自水平基础上计算其效用值。尽管近来Choice-base conjoint也采用新的技术计算个体水平效用值，但它还是常在传统的结合分析中用到。 简单的实验设计。传统的结合分析将描述产品的属性用正交表的形式表示出来，Choice-base conjoint需要生成产品属性的正交表，然后通过一种比较每组选择中每一选项的相对优点，并在调查过程中每个属性水平保持一致的方式，由每组选择中的所有选项生成另外的轮廓。个体水平效用使市场细分简单易行。易于在混合方法中使用。不考虑价格和品牌，传统结合分析着重于产品的特点，可以算出每位受访者基于某种产品特点的效用值。Choice-based conjoint着重于产品品牌、价格和其他主要特点。 品牌价值和品牌形象 结合分析擅长测量某一品牌名称相对于其竞争对手的价值。不同于其他测量品牌价值的技术，结合分析可以获得相对于另一产品特点和价格，某一产品品牌价值有多高的信息。如果所处的市场对价格非常敏感或期望产品具有特殊的特点能够补偿为品牌价值所做的投资，在这种情况下，只具有品牌优势是不够的。运用结合分析，可以估测市场是如何在品牌、价格和其他一些特点之间做出权衡的。 价格敏感度测量 如前面提到的，结合分析可以测量个体对品牌名称、价格和其他属性的敏感度。每种价格水平的效用值，可以用来测算市场或细分市场对价格差异的敏感度。当计算价格和其他属性间的交互作用时，还可以测算不同品牌名称对价格和其他属性的敏感差异有多大。（具有较强品牌形象的产品，通常价格敏感度比没有品牌形象的产品要低。） 用结合分析进行市场细分 结合分析是测算购买者利益追求的最佳方法。测算实际利益或感知利益关键在于市场细分的方法。了解人们注重产品或服务的哪一方面，可以帮助修正营销计划，进行利益交流，并重新设计现有产品或者开发新产品。市场研究的利器联合分析市场研究中一个经常遇到的问题是：在研究的产品或服务中，具有哪些特征的产品最能得到消费者的欢迎。一件产品通常拥有许多特征如价格、颜色、款式以及产品的特有功能等，那么在这些特性之中，每个特性对消费者的重要程度如何？在同样的（机会）成本下，产品具有哪些特性最能赢得消费者的满意？要解决这类问题，传统的市场研究方法往往只能作定性研究，而难以作出定量的回答。联合分析（Conjoint Analysis，也译为交互分析）就是针对这些需要而产生的一种市场分析方法。一、联合分析的基本原理与步骤联合分析是通过假定产品具有某些特征，对现实产品进行模拟，然后让消费者根据自己的喜好对这些虚拟产品进行评价，并采用数理统计方法将这些特性与特征水平的效用分离，从而对每一特征以及特征水平的重要程度作出量化评价的方法。联合分析的基本假定联合分析假定分析的对象如品牌、产品、商店等，是由一系列的基本特征（如：质量、方便程度、价格）以及产品的专有特征（如电脑的CPU速度、硬盘容量等）所组成的；消费者的抉择过程是理性地考虑这些特征而进行的。联合分析的主要步骤联合分析通常由以下几部分组成：确定产品特征与特征水平：联合分析首先要对产品或服务的特征进行识别。这些特征与特征水平必须是显著影响消费者购买的因素。一个典型的联合分析包含67个显著因素。确定了特征之后，还应该确定这些特征恰当的水平，例如CPU类型是电脑产品的一个特征，而目前市场上电脑的CPU类型主要有：奔腾II 450，奔腾II350，赛扬300等，这些是CPU特征的主要特征水平。特征与特征水平的个数决定了分析过程中要进行估计的参数的个数。产品模拟：联合分析将产品的所有特征与特征水平通盘考虑，并采用正交设计的方法将这些特征与特征水平进行组合，生成一系列虚拟产品。在实际应用中，通常每一种虚拟产品被分别描述在一卡片上。数据收集：请受访者对虚拟产品进行评价，通过打分、排序等方法调查受访者对虚拟产品的喜好、购买的可能性等。计算特征的效用：从收集的信息中分离出消费者对每一特征以及特征水平的偏好值，这些偏好值也就是该特征的“效用”。市场预测：利用效用值来预测消费者将如何在不同产品中进行选择，从而决定应该采取的措施。二、联合分析的一个实例以下用一个个人电脑的例子来说明联合分析的基本方法。假定XX电脑是一个以中低档电脑为主的品牌，公司计划推出一款新产品，定价在6000元左右，以便与市场上的主要中低档产品抗衡。公司决定采用联合分析对产品配置进行分析。筛选产品特征与特征水平。以前的研究表明，电脑的价格、品牌、CPU类型和硬盘容量是影响消费者选购电脑的最主要因素。因此我们需要模拟的特征是价格、品牌、CPU速度、硬盘容量。确定特征水平：XX电脑目前的主要竞争对手为联想电脑与华东电脑；同时XX电脑是面向中低档电脑消费者的，目前市场上的中低档电脑价格多在50007000之间，因此可以考虑的定价为5000，6000，7000；CPU类型上，目前较普遍的中低档电脑配置为赛扬300，PII350，K6 350；硬盘的容量常见的有2.1G，3.2G，4.3G，因此最终选择的特征水平为：价格品牌CPU硬盘500060007000联想华东XX赛扬300PII350K6 3502.1G3.2G4.3G2、建立虚拟产品利用上述特征与特征水平可以组合起81种虚拟产品（3333）。如果受访者对所有81种虚拟产品进行一一评价，那将是十分麻烦的。联合分析采用数理统计中的正交设计来减少虚拟产品数量。在本例中，通过正交设计，所需要测试的虚拟产品可以减少到9种。以下是正交设计的一个方案：虚拟产品品牌价格CPU硬盘AXX5000K6 3503.2GB华东7000赛扬3003.2GC联想5000赛扬3002.1GD联想6000PII 3503.2GEXX6000赛扬3004.3GF联想7000K6 3504.3GGXX7000PII 3502.1GH华东6000K6 3502.1GI华东5000PII 3504.3G3、通过调查收集数据：联合分析通过让受访者回答一些经过精心设计的抉择型问题，以揭示出受访者对各特征的重视程度。本例中我们采用如下提问：请问您有多大可能会购买以下电脑（请采用9分法评价，1表示完全不可能，9表示非常可能）产品A（XX牌电脑,价格5000元，K6II 350，硬盘3.2GB） 1 2 3 4 5 6 7 8 9 完全不可能 非常可能假定通过调查得到某一消费者对9种产品的评价如下虚拟产品序号ABCDEFGHI购买的可能性8268475694、计算特征的效用计算特征的效用是联合分析的关键步骤。其基本模型是：(1)其中：U(x)=所有特征的效用；ki =特征I的水平数目m=特征个数；ij表示特征i的第j个水平的效用。由效用函数可以产生一个衡量每一特征重要程度的指标：相对重要程度Wi其中Ci为特征i的效用变动范围：为了估计以上模型(1)中的参数ij,，通常采用哑元法来减少参数，使用最小二乘法估计模型参数。实际应用中，模型的估计几乎完全计依赖于计算机软件。对于本例数据，我们采用SPSS中的Conjoint模块进行分析，得到如下结果：特征特征的相对重要程度特征水平特征水平的效用价格34.62%50001.5566000-0.1117000-1.444品牌15.38%联想0.889华东-0.444XX-0.444CPU38.46%赛扬300-2.111PII 3501.222K6 3500.889 硬盘11.54%2.1G-0.4443.2G-0.1114.3G0.556上表中：相对重要程度栏表示该特征在消费者购买选择中所关心的程度。可见，对该消费者而言，CPU类型是消费者最关心的，相对重要程度为38.46，其次是产品的价格(34.62），该消费者对产品的品牌并不十分重视。特征水平的效用栏表示该特征水平对于该消费者而言的效用。效用越高，则表示该特征水平的越受欢迎。如在该消费者心目中：联想品牌比其他2种品牌要好。5、市场预测与决策联合分析的迷人之处在于她可以对产品的前景进行预测。在得到产品特征的效用函数后，我们可以对产品的各种特征组合进行模拟决策。在本例中，假定我们的问题是：在价格为6000元时，应该推出何种配置的XX牌产品，才能战胜目前市场上的主流产品：联想PII350(7000元,3.2G，简称Y产品)以及华东K6 350（6000,4.3G，简称Z产品）。XX电脑列入考虑的电脑配置主要有三种，即：X1产品（K6 3504.3G）；X2（PII3504.3G）；X3（PII3503.2G）。为此我们分别计算出Y、Z以及X1，X2，X3产品对消费者的效用：U(Y)=U(价格品牌CPU硬盘)=-1.444+0.889+1.222+(-0.111)=0.556U(Z)=(-0.111)+(-0.444)+0.889+0.556=0.889U(X1)=-0.111+(-0.444)+0.889+0.556=0.889U(X2)=-0.111+(-0.444)+1.222+0.556=1.223U(X3)=:-0.111+(-0.444)+1.222+(-0.111)=0.556可见：U(X2)U(Z)，U(X1)U(Y)，U(X3)因此很明显，XX电脑的产品要战胜联想与华东，必须采用X2产品：CPU为PII350，同时硬盘4.3G的配置。通过这个简单的例子，可以很容易地推广到更多的特征、更多的特征水平。而对于更多的受访者，在计算出消费者个人的效用函数后，通过聚类分析，可以将消费者划分为不同的消费群体，然后将这些群体作为同质个体处理。三、联合分析的应用与前景联合分析采用了一系列的现代数理统计方法，如正交设计、回归分析等，这些方法的计算量巨大，只有通过电脑才能实现。因此实际的市场研究中，必须有专门的软件来实现从虚拟产品设计到估计效用模型、预测等一系列过程。一些常用的统计软件如SPSS，SAS中包含有联合分析的基本模型，但是在实际应用中我们更多地采用联合分析专业软件。Sawtooth公司是专门从事市场研究软件开发的专业公司，其开发的联合分析软件包是目前较有代表性的软件。她包含有ACA模型(Adaptive Conjoint Analysis，主要用于多个特征与特征水平的情况，必须使用电脑在现场产生问卷进行采访)，CBC模型(Choice-Based Conjoint，可以采用现成问卷手工采访，主要用于定价研究), CVA模型( Conjoint Value Analysis，可以使用现成问卷手工采访)等数个联合分析模型。同时SAWTOOTH每年都举行全世界范围内的研讨会，专门探讨联合分析的理论与应用方法，并在因特网上公布()。联合分析是对人们购买决策的一种现实模拟。因为在实际的抉择过程中，由于价格等原因，人们要对产品的多个特征进行综合考虑，往往要在满足一些要求的前提下，牺牲部分其他特性，是一种对特征的权衡与折衷(Trade-off)。通过联合分析，我们可以模拟出人们的抉择行为，可以预测不同类型的人群抉择的结果。因此，通过联合分析，我们可以了解消费者对产品各特征的重视程度，并利用这些信息开发出具有竞争力的产品。联合分析目前已经广泛应用于消费品、工业品、金融以及其它服务等领域。在现代市场研究的各个方面，如新产品的概念筛选、开发，竞争分析，产品定价，市场细分，广告，分销，品牌等领域，都可见到联合分析的应用。随着我国市场经济的发展，联合分析将逐渐为我国的市场研究机构所重视，并在定量研究中显示出其强大的威力。消费者分类研究初探向采发通常认为：消费者的生活方式与他们对商品的选择是密切相关的，根据生活方式将消费者进行分类，可以为产品的市场细分以及市场定位提供技术指导。在现代消费者行为与心理研究中，评价消费者生活方式的方法有许多，比较广泛应用的细分系统如VALS（价值及生活方式）系统，最早由SRI公司开发应用，该系统根据他们对生活的观点以及通常行为方式，将美国的消费者分成9个方式的群体系统。但由于各地区文化背景的差异，不同地区的消费者生活模式也存在较大的差异，消费者的分类也应考虑各地的具体情况。毫无疑问，了解我国消费者的生活方式，建立符合我国实际情况的消费者分类系统是一项具有重要意义的事情。在香港中文大学Charles A. Ingene 教授与唐璎璋博士（Dr. Edwen Tang）的主持下， 99年我们首先对上海地区的消费者生活方式进行了探索性的研究，对于其中的基本研究方法，我们做一些简单介绍，以期对我国市场研究者有所裨益。一、研究的基本方法抽样由于缺乏基础性的资料可以参考，考虑到对消费者进行分类时样本量的充足性，本次研究采取了较为充足的样本，样本总量3000个。样本的分布根据人口比例分布在上海市的14个城区。由于我们这次研究的另一目标是了解上海消费者的零售购物方式，因此我们选定的样本对象为：15岁以上具有独立购买能力的消费者。样本的抽取采用随机方法，采用Kish表（随机表）决定家庭中的受访者，以保证样本的代表性。测试为研究消费者的生活方式，我们采用通常的心理描述测试法。即采用一系列关于对社会活动、价值观念等内容的陈述，请消费者根据自己的情况做出评价。调查中采用7分评价法， 1分表示非常同意，7分表示非常不同意。经事先的小样本测试筛选，最终的测试语句为：A. A. 我喜欢购买新潮的东西 B. B. 在其他人眼中我是很时髦的 C. C. 我用穿着来表达个人性格 D. D. 我对自己的成就有很大期望 E. E. 生命的意义是接受挑战和冒险 F. F. 我会参加/自学一些英语和电脑课程来接受未来的挑战 G. G. 我习惯依计划行事 H. H. 我喜欢品味独特的生活 I. I. 放假时我喜欢放纵自己，什么事都不作 J. J. 无所事事会使我感到不安 K. K. 我的生活节奏很紧凑 L. L. 优柔寡断不是我的处事方式 M. M. 经济上的保障对我来说是最重要的 N. N. 我选择安定和有保障的工作 O. O. 我宁愿少休息多工作，以多挣些钱 P. P. 我很容易与陌生人结交 Q. Q. 我活跃于社交活动 R. R. 我对朋友有很大影响力 S. S. 我很注意有规律的饮食习惯 T. T. 我定期检查存款余额，以免入不敷出 二、消费者分类的分析方法对于以上测试数据，我们采用了一系列的数理统计方法进行处理，主要思想是：1、 1、通过因子分析，将测试语句进行分组。即：将这一系列的语句进行综合，根据消费者的回答情况，将这些语句分为几大类，根据实际情况，找出每一类型中的共同因子，对这些类型的含义进行合理解释。2、 2、利用因子分析的结果，对样本的回答按照新的类型进行重新评估打分，然后根据这些评价进行聚类分析，根据统计原则以及在现实中容易解释的原则，确定最终采用的分类个数。3、 3、根据分类结果对每一样本判别其所属类别，对各类型消费者的背景进行交叉分析。具体的做法如下：因子分析由于测试的语句实际上是一系列相关因素的陈述，很多语句之间存在一定的相关性，我们不能采用简单的回归方法进行分析。而通过因子分析则可以将系列相关因素综合为一个因子，因此，研究中我们首先采用因子分析来对20个陈述进行分析。（因子分析的原理请参考有关数理统计书籍）利用统计软件进行因子分析后我们发现：这些陈述可以大致可以综合为5个因子。为了进一步发现其中每一个因子的实际含义，我们对因子进行正交旋转，最终形成5个组合因子，这些因子其实是20个陈述的一个线性组合。对于每一组合因子，选取其中对因子呈现较强相关（相关系数大于0.5）的陈述，其余的陈述予以剔除，以便较一目了然地发现因子的实际意义。实际研究结果见下表。仔细考察这5个因子中所包含陈述的实际意义，我们对每一因子进行命名，以便实际分析时方便引用。同时发现，有两个陈述没有被包括在5个组合因子中，可能是该陈述不符合国情。表1：因子分析的结果组合因子因子中包含的陈述（相关系数大于0.5）因子含义因子1A、B、C、H对时尚的观点因子2D、E、F、J、K个人的事业性与进取性因子3M、N、O对经济利益看法：因子4P、Q、R社交能力与影响力因子5S、G、I生活的计划性聚类分析因子分析后每一因子可以表示为一系列陈述语句的线性函数，因此我们首先利用这些因子函数，根据消费者对各陈述的评价，求出他们对每一因子的评价。然后根据消费者对因子的评价，对样本进行聚类分析，从而对消费者的生活方式进行分类。实际研究中，在模型通过统计检验的情况下，我们根据聚类的实际含义，最后选择了有6个中心的聚类分析，也就是说将消费者的生活方式分为6个模式。这6个聚类中心（类别）如下：（表中数据的得分值越低，表示消费者对该指标的认同程度越高，0表示中性）表二：聚类分析的中心 因子值因子类别1234561、追求时尚新潮-1.20913.50717.77936.07717.43515-.029902、积极的生活态度.00178-.18146.10136-1.45683.88757.272683、注重经济利益与保障-.32459-.83205-.53811.798611.06779.032864、社交能力与影响力-.171701.06183-1.18052.01572.34527-.151375、生活有计划-.39631-.26929-.54317-.01171-.364651.11666类别的实际意义非常重视时尚社交影响能力不强，注重经济保障社交影响能力强，不大注重时尚生活态度积极，不注重经济利益不注重经济利益，态度消极生活没有计划，平庸时尚型自保型领袖型上进型没有目标型平庸型根据每一类消费者的因子的特征，我们最终将消费者的生活方式分为6个类别，即：时尚型、自保型、领袖型、上进型、迷茫型（缺乏生活目标型）、平庸型。三、研究结果的应用分析各类型消费者的特征得到消费者生活方式分类后，我们对各类型的消费者背景进行分析，以判断这些分类是否符合我们的通常认识类。以下是我们的实际统计结果：时尚型：这类消费者约占样本的约21%，主要背景特征为：年龄相对较轻，平均年龄在35岁左右，最主要在25-44岁之间，教育程度相对较高，一般具有高中以上的文化程度，虽然平均家庭收入较好，平均在2200元左右，但同时也是分散程度最高的，表明喜爱时尚并不是高收入者的专利。与其他类型相比，这一类型中的三资企业员工的比例最大，未婚的比例较大，约占1/4，女性的比例为55%，高于男性。自保型：这类消费者占16%，他们更多的是为自己的生计考虑，考虑自己能否有稳定的经济来源，维持家庭的经济保障是他们最关心的问题。而对于他人的影响力较弱。这些人的平均受教育程度较低，中年人的比例较高，平均年龄在44岁左右，家庭收入较低，平均在1600元左右，国营企业员工以及离退休人员的比例较高。女性的比例高于男性。领袖型：这类消费者占13%。教育程度处于社会平均水平，也主要为中年人，有较多的生活阅历，多在45-54岁之间，平均年龄45岁。家庭收入一般在1800元左右。在职业上没有显著特征。他们绝大多数已婚，已婚比例是各类消费者中最高的，这似乎表明有稳定的家庭也是成为领袖的一个条件。男性比例占55%，高于女性。上进型：这类消费者占消费者总人数的不到13%。他们对生活的态度积极，大多为未婚青年，平均年龄在28岁左右，25岁以下的占40%，单身未婚的比例占1/2以上。职业上的显著特征是：1/3为学生，三资企业员工的比例达1/10，都显著高于其他类型。在性别上，男性的比例（56%）高于女性。同时，这类消费者是受教育程度最高的，由于年轻，他们不注重经济保障，但是他们的平均家庭收入却是最高的，月平均2300元左右。迷茫（缺乏生活目标）型：约占15%，他们既不注重经济保障，也不会去参加什么培训，学习新知识，生活节奏较缓慢。详细的数据表明，这类消费者主要为退休人员，约占该类型人员的2/3，剩下的主要为国营企业员工。他们的年龄是各类型消费者中最高的，平均年龄在50岁以上，45岁以下的比例很小。他们的教育程度是最低的，家庭收入也是最低的，平均不到1600元，在婚姻状态中，丧偶的比例最高，约占15%，而其他消费者类型的比例均低于7%。再性别分布上，女性的比例远远高于男性，占62%。平庸型：这类消费者约占23%，他们最大的特点是生活没有计划，日常生活没有规律，而其他指标均则处于中间状态。这类消费者在年龄上比较分散，从15岁到54岁之间的各年龄段均有相当比例， 平均教育程度一般，家庭平均收入中等，平均收入在1900元左右。在职业上没有显著特征，但待岗人员的比例稍高于其他各类型。在性别上，男性稍高于女性。消费购物与生活方式研究表明：消费者的生活方式与消费者的购物方式有着很高的相关程度。购物半径：我们这里的购物是指购买食品与日杂用品，不包括衣着与耐用品。调查显示：时尚型的消费者购物半径最大，平均购物半径4.5公里，其次是领袖型，4.2公里，缺乏目标型的购物半径最小，仅为2.6公里。愿意花费在购物上的最长时间：不出所料，时尚型的消费者是愿意在购物上花费时间最长的，平均为74分钟，而缺乏目标型的消费者时间最短，为56分钟，其他类型的均在65分钟左右。购物交通费：时尚型的消费者愿意为购物花费最多的交通费，平均为7.9元，缺乏目标型为3.4元，其他类型再4.2-5.6之间结束语从以上结果可以看出：研究消费者生活方式，对消费者进行合理的分类，将有助于我们进一步了解人们的消费行为，提高我们准确把握市场规律的能力。本文的结果旨在抛砖引玉，对于其中的错误不当之处，欢迎大家指出或共同探讨。市场研究中样本量的确定向采发在市场研究中，常常有客户和研究者询问：“要掌握市场总体情况，到底需要多少样本量？”，或者说“我要求调查精度达到95%，需要多少样本量？”。对此，我往往感到难以回答，因为要解决这个问题，需要考虑的因素是多方面的：研究的对象，研究的主要目的，抽样方法，调查经费。本文将根据自己的经验，探讨在市场研究中确定调查所需样本量的一些基本方法，相信这些方法对于其他的社会调查研究也有一定的借鉴意义。确定样本量的基本公式在简单随机抽样的条件下，我们在统计教材中可以很容易找到确定调查样本量的公式： Z2 S2n = - (1) d2其中：n代表所需要样本量 Z：置信水平的Z统计量，如95%置信水平的Z统计量为1.96，99%的Z为2.68。S：总体的标准差; d ：置信区间的1/2，在实际应用中就是容许误差，或者调查误差。对于比例型变量，确定样本量的公式为: Z2 ( p ( 1-p)n = - (2) d2其中：n ：所需样本量z：置信水平的z统计量，如95%置信水平的Z统计量为1.96,99%的为2.68p：目标总体的比例期望值d：置信区间的半宽 关于调查精度通常我们所说的调查精度可能有两种表述方法：绝对误差数与相对误差数。如对某市的居民进行收入调查，要求调查的人均收入误差上下不超过50元，这是绝对数表示法，这个绝对误差也就是公式(1)中置信区间半宽d。而相对误差则是绝对误差与样本平均值的比值。例如我们可能要求调查收入与真实情况的误差不超过1%。假定调查城市的真实人均收入为10000元，则相对误差的绝对数是100元。公式的应用方法对于公式的应用，一些参数是我们可以事先确定的：Z值取决于置信水平，通常我们可以考虑95%的置信水平，那么Z=1.96；或者99%，Z=2.68。然后可以确定容许误差d（或者说精度），即我们可以根据实际情况指定置信区间的半宽度d。因此，公式应用的关键是如何确定总体的标准差S。如果我们可以估计出总体的方差（标准差），那么我们可以根据公式计算出样本量：例如：要了解该城市的居民收入，假定我们知道该市居民收入的标准差为1500，要求的调查误差不超过100元，则在95%的置信水平下，所需的样本量为n=1.962*15002/1002=8,643,600/10,000=864即需要调查的样本量为864个。最大样本量以上公式只是理论上的，在实际调查中确定合理的样本量，必须考虑多方面的因素。首先，由于人们通常缺乏对标准差的感性认识，因此对标准差的估计往往是最难的。总体的标准差是123， 还是765？如果没有一点对样本的先验知识，那么对标准差的估计是不可能的。好在我们通常能对变量的平均值进行估计，如我们通过历史资料估计该地区目前的年人均收入大致为10,000元，那么根据统计学知识，我们引入变异系数的概念：变异系数V=标准差S/平均值X= 1因此，我们知道人均收入的标准差应该小于平均值，就是说标准差应该在10000以下。当然，这对于我们确定样本量还不能起太大的作用。然而如果我们采用相对误差表述的精度，对公式（1）变形，我们有：Z2(S2/X2) Z2V2Z2n = -= -= -d2/X2P2P2其中P表示相对误差根据上述公式，我们可以计算在相对误差一定的情况下，所需的最大样本量。以下是在置信程度95%的水平下，在不同相对误差下的最高样本量：相对误差1%2%3%4%5%10%20%样本量384169604426824011537384104通常，变异系数为1的情况是很少见的，根据本人对市场研究中经常遇到的情况，变异系数多在50%以下，因此，实际所需要的样本量可以进一步缩小。对于比例型变量，在事先缺乏对比例的估计时，我们可以采用最保守的估计法，即p=0.5，以下是比例p在不同绝对误差程度下，所需的最大样本量（95%置信水平）：p的绝对误差0.010.020.030.040.050.10所需最大样本量96042401106760038496实际调查样本量的确定原则虽然我们根据公式可以从理论上确定样本量的上限，但是由于实际工作的经费和时间限制，使用最大样本量的可能性很小；而且，实际研究的情况通常要复杂得多，因为一个研究往往都要考虑多个目标的，即要求对多个指标的误差进行控制，而不是简单地考虑一个指标。因此我们在实际的市场研究中，我们要综合考虑，采用多种方式来确定样本量。1、调查的主要目标一个现实的市场调查往往有多个目标，对于一些目标单一的调查，调查的样本量往往可以很少：100个，甚至50个就足够了。而对于具有多个目标的研究，必须考虑这些目标中变异程度最大，要求精度最高的目标。2、分类比较的程度分类是市场研究中一个最基本的方法，研究者往往是通过分类来发现细分市场，确定产品的市场定位等。假定对同一变量（研究目标），在一定精度与置信程度下，只要100个样本量就足够了，如果我们仅仅希望了解不同性别的消费者市场，则确定样本量时只需要考虑两类消费者的样本量，这样调查的总样本量可能需要200个以上，如果希望了解不同年龄层的消费者，则可能要将消费者分为多类，如分为：20岁以下，20-35，35-50，50岁以上等四类，这样的样本量需要400个以上。也就是说，确定样本量时必须考虑到每一类别的样本量。3、调查区域的大小根据常识，调查区域越大，所需要的样本量可能越大，因为大区域内的样本变异程度我们通常较难掌握。此外，在实际研究中，我们还往往需要对大区域进行进一步分类，以寻求更加准确的市场细分。因此，对于同一调查目标，在上海进行调查所需要的样本量通常是要大于苏州的。实际研究中的一些经验根据一些学者的研究，以及个人在市场研究中的经验，市场调查中确定样本量通常的做法是：1、通过对方差的估计，采用公式计算所需样本量，主要做法有： 用两步抽样，在调查前先抽取少量的样本，得到标准差S的估计，然后代入公式中，得到下一步抽样所需样本量n； 如果有以前类似调查的数据，可以使用以前调查的方差作为总体方差的估计。2、根据经验，确定样本量，主要方法有： 如果以前有