联合分析例子联合装置连接在一起,团结,组合或相关联。联合分析已经使用了近30年。它在数学心理学自从60年代中期的业务很多,但市场研究应用已为近30年来创造了。联合分析通常用于了解和确定消费者如何做出取舍,他们竞争的产品和服务之间如何进行选择。联合分析可以用来预测客户的选择,它可以进一步用于理解未来的购买。

了解如何预测今天的客户习惯

联合分析提供了答案,像下面的许多关键的管理问题:什么是最好的设计,新的产品?什么是在新产品推出使用?相比我们的竞争对手什么是我们的价值?如何在现有的产品加以改进?如何重要的是我们的品牌的客户选择我们的产品或服务?多少市场份额能产品保持?什么是产品的价格敏感度?如果我们改变价格那么什么将是对销售的影响?什么是每个产品特征的价格价值,是否值得添加新的功能或者是不值得的费用是多少?

有不同类型的联合分析技术。第一类被称为完整的个人资料联合分析。第二个被称为基于选择离散的联合分析,或CBC。然后我们有自适应联合分析,或ACA。还有MaxDiff联合分析,最后其中一个越来越流行是分层贝叶斯联合分析。贝叶斯方法被用来做分析的一部分。自然贝叶斯方法是有效的,处理不当或不完整和大量的数据。出所有的这些类型,根据选择联合是最流行的。

无论您使用的类型如何,联合分析过程通常是相同的。然而,执行方式是不同的。第一步是描述产品或服务的属性、特征或特性。你使用的描述被称为“因素”。然后,你需要为每个因素选择值。这些值被称为“级别”。“第三步是利用这些因素和水平构建一套产品或服务。各种因素和水平的组合被称为处理或刺激。一旦你制定了治疗和刺激,你把它呈现给应答者,他们将提供评估。

你的顾客会引出你对产品的偏好。例如,您可以要求客户从选项列表中选择他们最喜欢的产品。您还可以要求客户在几种产品中对他们的偏好进行排序。你也可以让客户给你的产品打分。评级产品给你一个方法来衡量每个产品及其强度与其他产品。你也可以简单地询问客户他们最喜欢的产品列表。此首选项为您提供来自客户的一个首选项。这种选择或选择被称为“联合”选择。

学习选择建模与R在Udemy.com

接下来,确定偏好结构。您可以根据客户的反馈来决定偏好结构。偏好结构决定了各因素和层次的影响。这种分析可以单独执行,也可以使用一组客户数据执行。

例如,让我们使用一个虚构的产品叫做禅宗洗涤剂。这种洗涤剂有三种成分。这三个因素分别是原料、品牌和形式。每个因素都有两个层次。成分水平包括磷酸盐为基础的无磷酸盐。形态层次包括液体或粉末。品牌级别是禅宗洗涤剂或普通品牌。

我们总共有8个刺激物。这意味着有8种形式和层次的组合。然后你向你的顾客展示这8种刺激。顾客被要求将这些刺激物从1到8进行排名,排名不能是平局。

这个例子是一个编辑模型。经过编辑的模型计算每一个层次和要素的价值。所以我们可以说,我们的客户选择级别为我一个因素,而对于系数2 J级,以及因子N N级的客户选择的总值等于所有级别和要素组合的总和。所以整体价值是水平I,J和N的总和

继续使用Zen磷酸盐品牌。例如,选择禅宗、无磷和粉末状作为组合。给每一部分赋值,然后把它们加起来算出总价值。

通过一个经验例子,您可以更好地理解。在一个实证的例子中,假设有两名受访者对这八种刺激因素进行了排名。

组合也称为配置文件。您分配配置文件可识别标签。标记第一个概要文件S1。然后标记后续的图D1 D2 D3。“D”通常表示“发达的”。这些概要文件包含你的因素列表和相应的组合。如果您删除了一个因子,那么您将使用负数来表示组合概要文件。

整理好你的资料后,把受访者的名字写进一栏,然后把每个受访者的选择写进每一栏。您使用应答答复来排列每个组合配置文件,因为您统计哪个组合最受您的客户欢迎。

你还需要知道如何排名各部分的价值。你可以通过每个组合的人气的平均计算每个部分的价值。你先加军衔为每个零件,那么您可以通过零件的总数除以。例如,什么是队伍给予液体?添加了顾客的等级,然后由您使用的液体组合的总数除以。

现在我们要做什么?一旦我们有了排名,我们就可以计算它的平均值。将所有的排名和组合总数加起来,并将它们平均得到一个总分。

例如,假设Zen洗涤剂品牌的等级是1、3、5和7。如果我们把1、3、5、7加起来,然后除以4,得到4。这就是我们计算平均值的方法。一旦计算出平均值,我们需要给它们附加一些所谓的“部分价值”。例如,选择因子作为成分,不含磷酸盐作为水平。美国无磷的平均排名为3.75,磷酸盐的平均排名为5.25。如果求出两者之差,5。25 - 3。75 = 1。5。1。5除以2,得到0。75。你把较低的数字分配给你最喜欢的产品。因此,如果你有一个负数,你把它分配给你最受欢迎的产品。 So in this example, 3.75 is the average rank for phosphate-free, and 0.75 is for the phosphate-based (more popular).

了解如何提高销售和预测客户的选择

一旦我们有了部分价值,你就可以预测排名。你试着找出值得使用整体刺激的那部分。要做到这一点,你需要合计每个刺激的价值部分来找到总体效用。第二步是根据这些效用来预测排名。

让我们拿起曲线S2,这里的形式是液体,成分和不含磷酸盐,而品牌是通用的例子。对于R1答辩实用程序是2.5。我们如何得到这个2.5?液体部分为1,无磷酸盐是2和前序部分是-.5(较早获得)。

一旦你有了这些零件的价值,你就可以把它们加起来得到零件的总价值。1 + 2,减去0。5,等于2。5,这就成为S2配置文件的总价值。您可以看到,哪个组合的值最高,就排在第一。3。5是最大的数字,排名第一,2。5是第二高的数字,排名第二,同样地,- 3。5是部分效用总和最小的数字,排名第八。这是对客户的预测,对第二个被调查者也可以做类似的预测。因此,我们可以计算出刺激值的部分。

这是一个非常简单的例子。您通常需要软件来计算这些数字,因为通常有几个组合和几个因子要计算。您还拥有数百名参与反馈调查的受访者。

联合分析对于评估产品价值或改进现有产品是有用的。这是市场调查中非常流行的一种方法。它能让你估算出购买某种尚不存在的商品的意愿。联合分析可以用于现有的产品,也可以用于假设的情况。这些假设的情况可能是你想向市场介绍的产品或服务,你想知道潜在客户的支付意愿。

联合分析还有一个内在优势。联合分析自动增加了总样本量。从统计角度来看,对样本容量的要求总是很高。因此,联合调查的优势是,尽管你可能有较少的受访者,但你会有更多的观察。因此,总体样本容量增加了。

对于产品经理的应用程序是,他们可以发现产品或概念具有最佳品质。他们可以建立各个属性的贡献,每个级别每个公用程序。他们可以识别谁把对属性的重要性不同消费者的细分。联合分析通常加上簇找出优选片段。然后,他们可以用来开拓市场潜力未来组合。

联合分析还允许您创建预测受访者偏好的独特模型。然后可以聚合单个结果以找出组效用,也可以将它们用于聚合模型。联合分析处理非线性和线性关系。

联合分析决策框架是一个六步过程。我们必须确定目标,我们要达到的目标。其次,我们开发了一个析因设计和开发的假设。然后运行联合分析和理解的模型和评估。此外,该模型的好坏进行评估。然后,你解释结果。您还需要验证您的结果。

你还必须了解如何设计一个联合分析研究。您首先选择决定您想要评估的商品的属性。重要的是属性应该是相对好的。您可以使用price作为属性之一。您可以选择定性或定量的属性。然后确定属性的级别。一旦您最终确定了属性,您需要确定每个属性的级别。在一定条件下,这一水平应该是现实和合理的。你不能为每个属性设置不可能的关卡。他们必须现实。

让我们用一个例子来进一步理解这个概念。例如,让我们看一下访问的属性。在访问中,有两个层次。基本访问级别是它是否可用。当然,当我们说“可以”,那么每个条件应予以考虑。另一个例子是作为属性创造了新的就业人数。这是一个定量的数,但可以看到它定义为三个级别,所以150的创建(一级)的作业的数量,250是以及创建(2级),和350的工作可以是所创建的作业数第三个层次。

第三步,正如每一种统计技术所要求的,是样本量,样本量应该很大。例如,假设您使用一所房子,它被描述为三个属性。平方英尺可以有三个级别,1,500,2,000和2,200。第二个属性可能是靠近城市中心。您可以使用小于3英里或大于3英里的属性。价格有20万、25万、30万、350万四个等级。如果你把所有这些组合放在一起,我们的全阶乘设计将包括3到2到4,或24个选择。

在本例中,全因子设计是明智的,因为选择的数量减少了。当你需要一个人来评估你的选择时,选择是一个实际的选择。但如果这个数变多了,假设有100个选项或超过100个选项,个人评估就变得很困难了。当备选方案的数量太多时,就使用阶乘设计。Art有一个名为ENG design的包,可以用来生成部分析因设计。部分析因设计软件做什么?它减少了选择的数量。

接下来,构造选择集或产品概要文件,您可以将备选方案的数量加起来。在联合分析中,存在一定数量的假设。其中一个假设是,备选方案是由应答者的潜在效用驱动的。所以你必须计算被告的效用。

答辩效用被分解成部件的两列:一个确定性之一,我们实际上可以确定,而第二个是一个附加部件,其中该研究者一直未能估计。在等式而言,可以编写此组件作为求和VIJ,这是实用程序,那么V将达到XIJ为β。X是属性和水平的矢量,和β是重年龄的矢量,客户受让人于这些因素和水平。小量IJ是添加剂,因为市场研究者一直没能评估所选择的这部分。

理解客户选择的基本原理,以及如何使用联合分析来执行客户选择建模!

消费者研究专业的学生也在学习

使您的团队。引领行业。

通过Udemy for Business订阅你的组织的在线课程和数字学习工具库。

申请演示