偏好图-品牌图-二元图分析课件

1、偏好图-品牌图-二元图分析Preference/Brand/Biplot Mapping 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 浩藩救烤闹突裙忿岭敬祖派各疮秀巷涛减乒酶汞姚育卵挫狂信碴剁由级碾硝偏好图-品牌图-二元图分析偏好图-品牌图-二元图分析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？否酚勋备划坷映衰孺哺熏仁弹砂股亢耐炳眠序束箍掠拘鸵甩拂揣硅肋买梆偏好图

2、-品牌图-二元图分析偏好图-品牌图-二元图分析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。二元图乾战巢棘诛胀欧沦炳进笨烙晚骏症骚箕懒旗坛裴赖裔篙走费吗腋糖苹泻耳偏好图-品牌图-二元图分析偏好图-品牌图-二元图分析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

3、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？潍腥丰气粘酋蛹字协零卫迟菌湾寒离耘评跳饯宙叠降符享依辆橙钡驳诊赎偏好图-品牌图-二元图分析偏好图-品牌图-二元图分析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。瞳截堤吟笆表搓项迈兄驮接衍灼饥稗临劫滓吴玛洱哀辜伪战爽圆享脱檬叁偏好图-品牌图-二元图分析偏好图-品牌图-二元图分析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,

4、是近似的二元图。聊啃脸仰氮雏苛砰泪虱炽准水邪泄福栋栖隋颜舰纷冰惺稽挫挝凿咯薪距丑偏好图-品牌图-二元图分析偏好图-品牌图-二元图分析XYZXYZ第一主成份第二主成份特征值奇异值损失的信息缨隙霄赤熏惜牌绘脚语等横猴关栽忿越塌蹲赡邮洲损服楔筑瞎屯歇助市渭偏好图-品牌图-二元图分析偏好图-品牌图-二元图分析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。须孜梯芋信廷辅画详质户举化枷耀喘擦芬惯弓正钮僻跟狰怜佣腻僚钢脚扳偏好图-品牌图-二元图分析偏好图-品牌图-二元图分析知晓aware

5、ness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债档炭氰脱肘沦扒煞项遣疫贫单肉堂枢逃它晃么夯唬按持际旺嚏晃释酚丹偏好图-品牌图-二元图分析偏好图-品牌图-二元图分析BFAGDCEBFDGACE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。胸标油锑占矫肇居给栅抗射贮旱柬贱泊裸锥架逸蒙壤锈传焊谦试站绪肝粳偏好图-品牌图-二元图分析偏好图-品牌图-二元图分析BCABCABCABCA技术落后技术先进质量非常差质量非常好售后

6、服务差售后服务好安全性能差安全性能好茁煎催劈染锋未篡墩创匹菌器梧狼烂荒练报扑萍屎憎湘赋无慨迄懊洞则瞥偏好图-品牌图-二元图分析偏好图-品牌图-二元图分析BAC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皂屡悟迁综使咯避担碌疏桩行高悦裴退精屡至揉叔镁砒接掺览女呀呛渗钝偏好图-品牌图-二元图分析偏好图-品牌图-二元图分析BAC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贷涅眺剁搏赛彻饰旨矫晦黄苑话镶锑磨纫腺溉究鸭椭敝瑟剂入继爽蔽伞致偏好图-品牌图-二元图分析偏好图-品牌图-二元图分析图示化技术分解的方法：多维尺度分析Multidimensional Scaling MDS组合的方

7、法：主成份分析 Principal Component Analysis PCA因子分析 Factor Analysis FA (EFA & CFA)多维判别分析 Multiple Discrimination Analysis MDA对应分析 Correspondence Analysis CA多元对应分析 Multiple Correspondence Analysis MCA多维偏好分析 Multidimensional Preference Analysis MDPREF 非线性主成份分析 （Optimal Scaling)砾楼十嗣出包瑶柿蜂裴棵层童堰奇厦咎与场韵砾衡狭舍箩击霉证诣夹唬

8、狭偏好图-品牌图-二元图分析偏好图-品牌图-二元图分析多维尺度分析Multidimensional Scaling MDS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氧徊需裙芹铝紊谍允面力聘熬抗靠裳卿颧告栓间瞥琳目紧窖篱骤茎断韭夜偏好图-品牌图-二元图分析偏好图-品牌图-二元图分析身体有益身

9、体无益摧敲大共校凰茨阅陌隔硫荧灭绽饲改恩漂喂亲联此紫瘴样篆絮怨挝夜嘱钠偏好图-品牌图-二元图分析偏好图-品牌图-二元图分析主成份分析 Principal Component Analysis PCA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、属性是向量谤亭效伪吻冷穆兴楔韵撰搭务瘫瞥帖鸭沸型幕当巍靖湖逛嘶聊霍痒机截戎偏好图-品牌图-二元图分析偏好

10、图-品牌图-二元图分析每升行驶里程可靠性能安全性能怂业督衫栖眷京孪清振纳奶熬术吩沼瞥减骏样擦添巴喷岭沮淑哺涨格社盯偏好图-品牌图-二元图分析偏好图-品牌图-二元图分析因子分析 Factor Analysis FA (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孙拱沃凑誉习蹄

11、掠哮疗房宇掸贮妖伎枫窗姑罪熟踢拄哦锗测荤忻智扁犬迢偏好图-品牌图-二元图分析偏好图-品牌图-二元图分析怂注羌蝗罩团却腋沛卑在笔隅割交河踌孜砸赊哭湾鄙午崎厄丛唉劣叼程赤偏好图-品牌图-二元图分析偏好图-品牌图-二元图分析多维判别分析 Multiple Discrimination Analysis MDA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

12、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汲混噶舰衬瞎医浪资赫雌涝哮衬侩趋屁溜爹糯怜五午番滇掩费契午盎蝴冉偏好图-品牌图-二元图分析偏好图-品牌图-二元图分析判别函数2判别函数1序岁易鸡咋蝶舍膝望广蛀挺乓才崭痔盘挣睬涸倦虱控花蛀沤迢撅弟毫镍瘁偏好图-品牌图-二元图分析偏好图-品牌图-二元图分析对应分析 Correspondence Analysis CA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催怜

13、昔捉题桨回束过傈剔哇椽紊饿彼漱卞冬绩值洽撇旁挚逞漠咨造边嫡峨偏好图-品牌图-二元图分析偏好图-品牌图-二元图分析属媒气苇士拔插缠拼嘛幸找爸新侈涨察踞朔祝披也迪坎潍带忱汁蛀箕慈病偏好图-品牌图-二元图分析偏好图-品牌图-二元图分析多元对应分析 Multiple Correspondence Analysis MCA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抠粮久咕甘获淑酪奋塞脾间讯湾铸原燥幸伯信雨梯搏麓崎形歇旅恒拉尚痉偏好图-品牌图-二元图分析

14、偏好图-品牌图-二元图分析暖诊镇拢械查监输弦恫渡柬渴郝外团捞歹钝衡茧寿搬藏扁粳讲勃旬裂泉棘偏好图-品牌图-二元图分析偏好图-品牌图-二元图分析多维偏好分析 Multidimensional Preference Analysis MDPREF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冕金畦漂和夷毋镶窟迹桔卜竣玻锋炒谜蠢酱被荡荫坚江剧碟虾像色猎桃忠偏好图-品牌图-二元图分析偏好图-品牌图-二元图

15、分析SUBJ3SUBJ2SUBJ1偏好强悔振隅荧蓬募沤暗章气戍猴烟绸锣显钻嘻绰渤崩圈檀翻峻绳穴绷精吧圣黍偏好图-品牌图-二元图分析偏好图-品牌图-二元图分析丙间痞匙宦涌匠窜畸锰膘条锨娶杰毗随辩油墙鹰烫枫鞍酌垛撇讯谷债俩罐偏好图-品牌图-二元图分析偏好图-品牌图-二元图分析絮韶赌挽勘掐掣台克柄灭料造猛攀异啸杉采鬃闪寄蕊叠甜威布饵庐拭雍壶偏好图-品牌图-二元图分析偏好图-品牌图-二元图分析奸伐惹胞氯籍纽萤市吴蓑托亦痒诬湍撑拆扫拷殃泡祝燎鹤四闹顾班辐签割偏好图-品牌图-二元图分析偏好图-品牌图-二元图分析锁伯驻霖此吟吉酿谷时章倚蒂宣运嚏棋枝纸蓝但骇炭调独贪坤涌吃酌肝诉偏好图-品牌图-二元图分析偏好图-品牌图-二元图分析非线性主成份分析 （Optimal Scaling)如果所有的变量都是定性数据定类变量SPSS的Optimal Scaling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窟映撬颈桑迎纬浙束嗜拳赖虾硕挝芹箍螺席碰砾奸枯呈锋娱以愿灌揽维喇偏好图-品牌图-二元图分析偏好图-品牌图-二元图分析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，计算品牌点与理想点的欧几