联合分析示例联合的意思是结合在一起,联合,结合或联合。联合分析在过去的30年里一直被使用。自60年代中期以来,它一直被用于商业的数学心理学,但市场研究的应用在过去30年才被创造出来。联合分析通常用于理解和识别消费者如何进行权衡,以及他们如何在相互竞争的产品和服务中进行选择。联合分析可以用来预测客户的选择,这可以进一步用来理解未来的购买。

了解如何预测今天的客户习惯

Conjoint分析提供了以下许多关键管理问题的答案,如下所示:新产品的最佳设计是什么?什么用于新产品发布?与我们的竞争对手相比,我们的价值是什么?如何提高现有产品?我们为客户选择我们的产品或服务的品牌名称有多重要?产品持有多少市场份额?产品的价格敏感性是多少?如果我们改变价格,那么将对销售的影响是什么?每个产品功能的价格值是多少,并且值得添加一个新功能,也是不值得的?

有不同类型的联合分析技术。第一种类型称为完整的概况联合分析。第二个被称为基于选择的离散联合分析或CBC。然后我们有自适应联合分析或ACA。还有MaxDiff Convoint分析,最后一个变得越来越受欢迎的是等级贝叶斯联想分析。贝叶斯方法用于进行分析师部分。Beasean方法的自然是高效的,处理不当或不完整和巨大的数据。在所有这些类型中,基于选择的联合是最受欢迎的。

无论使用哪种类型,联合分析过程通常是相同的。但是,执行是不同的。第一步是描述产品或服务的属性、特征或特征。你所使用的描述称为“因子”。然后,您需要为每个因素选择值。这些值称为“水平”。第三步是利用这些因素和层次构建一组产品或服务。各种因素和水平的组合被称为治疗或刺激。一旦你制定了治疗方法和刺激,你就把它呈给反馈者,他们会提供评估。

您的客户可以为您的产品引起偏好。例如,您可以要求客户从选项列表中选择最优先的产品。您还可以要求客户在几种产品中对其偏好进行排名。您还可以要求客户评价您的产品。评级产品为您提供了一种方法来加权每个产品及其强度对抗其他产品。您还可以简单地向客户询问他们最喜欢的产品列表中的选择。这偏好为您提供了您的客户。此选项或选择称为“联想”选择。

学习用u在udemy.com的选择建模

接下来,您确定偏好结构。您根据客户反馈确定偏好结构。偏好结构确定每个因子和水平的影响。此分析是单独或使用客户数据集合进行的。

例如,让我们使用一个名为Zen Detergent的虚构产品。这种洗涤剂有三个因素。这三个因素是成分、品牌和形式。每个因素有两个层次。成分水平包括以磷酸盐为基础的无磷酸盐。形式水平包括液体或粉末。品牌级别是Zen洗涤剂或普通品牌。

我们总共有8个刺激。这意味着游戏中存在8种形式和关卡组合。然后你把这8种刺激呈现给你的顾客。顾客被要求从1到8对这些刺激进行排名,排名不可能是并列的。

此示例是编辑的模型。编辑的模型计算每个级别和因素的价值。因此,让我们说我们的客户已选择级别I的因素I,而级别二级,对于因子N的级别n。客户选择的总价值等于所有级别的总和和因子组合。因此,整体价值是I,J和N级的总和。

继续与禅磷酸盐品牌。例如,选择ZEN,无磷酸盐和粉末作为组合。为每个部分分配价值并添加它们以找到总价值。

您可以通过实证例子更好地理解。在一个经验的例子中,假设有两个受访者已经排名过这八种刺激。

组合也称为轮廓。您可以指定配置文件可识别标签。标记第一个人资料S1。然后标记后续配置文件D1,D2,D3。“D”通常意味着“开发”。配置文件包含您的因素列表和相应的组合。如果删除一个因素,则使用负数来表示组合配置文件。

在你整理完个人资料后,把受访者的名字写在专栏里,然后把每个受访者的选择写在每个专栏里。您使用应答者的回答来排列每个组合档案,因为您的计数哪个组合是最受欢迎的客户。

您还需要知道如何对每个部件的价值进行排名。您可以通过占据每个组合的平均流行度来计算每个部件的价值。您首先为每个零件添加等级,然后用零件的总数除以。例如,液体的排名是什么?加起来客户的排名,然后除以您使用的液体组合总数。

现在我们做什么?一旦我们有了秩,我们就会计算出它的平均值。把所有的排名和总数相加,然后取平均值,得到总分。

例如,假设禅宗洗涤剂品牌排名为一个,三,五,七。如果我们总结一个,三个,五,和七,并四次将其划分为四个我们得到四个。这是我们计算平均线的方式。一旦计算平均值,我们需要将被称为“值”的东西附加到它们。例如,选择因子作为成分和磷酸盐作为水平。美国磷酸盐的平均等级为3.75和5.25,适用于磷酸盐。如果您发现它们两个之间的差异,那么5.25.25.25.75是1.5。如果你将这个1.5划分为两个,你得到0.75。您将较低的数字分配给最优先产品。因此,如果您有负数,则会将其分配给您最受欢迎的产品。 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选择

一旦我们拥有价值,您可以预测排名。你试图找出任何值得使用整体刺激的部分。为此,您将每个刺激的值得符合每个刺激的零件来查找整体公用事业。第二步是基于这些实用程序预测排名。

让我们以剖面S2为例,它的形式是液体的,不含成分和磷酸盐,品牌是通用的。R1的响应效用是2。5。怎么得到2。5呢?液体部分是1,无磷酸盐部分是2,通用部分是-。5(获得)。

一旦你有这些部分值得,你可以总结得到总部的价值。一加二,减去0.5,即等于2.5,这成为S2轮廓的总部分。您可以看到,无论哪种组合都有最高值获取第一个等级。So 3.5 is the highest number it will get rank one, 2.5 is the second highest number and it will get a rank two, and similarly, minus 3.5 is the lowest number in terms in sum of part worth utility, and that’s a rank of eight. This is the prediction for the customer, and similar prediction can be made for the second respondent. So, respondent wise we can get a calculation of the part worth for stimuli.

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素要计算。你也有几百人参与你的反馈调查。

联合分析对现有产品的产品或改进有用。这是市场研究中非常流行的技术。它允许您估计名为愿意支付不存在的良好费用的东西。可以用于现有产品的联合分析,或者可用于假设情况。那些假设的情况可能是您想要向市场介绍的产品或服务,您希望了解潜在客户的支付意愿。

结合分析中有一个更固有的优势。联合分析自动增加总样本大小。从统计角度来看样本大小的要求总是很高。因此,结合中的优势是,尽管您可能有较少数量的受访者,但您将有更多的观察。因此,您的总样本大小增加。

对于产品经理来说,他们可以发现具有最佳质量的产品或概念。它们可以为每个实用程序建立每个属性和每个级别的贡献。他们可以识别出对属性具有不同重要性的消费者群体。联合分析通常与聚类相结合,以找出首选段。然后,它们可以用来探索未来组合的市场潜力。

联合分析还允许您创建唯一模型,以预测受访者的偏好。然后可以聚合各个结果以找出组实用程序,或者它们可用于具有聚合模型。联合分析处理非线性和线性关系。

一个联合决策框架有六个步骤。我们必须明确目标和我们想要达到的目标。其次,我们发展阶乘设计和发展假设。然后运行一个联合分析,并理解模型和评估。此外,还必须评估模型的质量。然后,解释结果。您还需要验证您的结果。

您还必须了解如何设计联合分析研究。首先选择确定要值的良好的属性。重要的是属性应该是相对于好的。您可以使用价格作为属性之一。您可以选择定性或定量的属性。然后,您确定属性的级别。完成属性后,您需要确定每个属性的级别。条件情况下,这种水平应该是现实的合理的。每个属性都不能具有不可能的级别。他们必须是现实的。

让我们使用一个例子来了解这个概念。例如,让我们看一下访问的属性。在访问中,有两个级别。基本访问级别是否可用。当然,当我们说“可用”时,那么应该考虑每个条件。另一个例子是作为属性创建的新作业的数量。这是一个定量数字,但您可以看到它定义为三个级别,所以150是创建的作业数量(级别一个),250是创建的作业数量(级别二),而350个作业创建的作业可以是第三级。

第三步,随着每个统计技术所需的,是样本大小,应该大。例如,假设您使用房屋,它用三个属性描述。方形镜头可能有三个5000,2000和2,200级。然后,第二个属性可以靠近城市中心。您可以使用少于三英里或大于三英里的属性。价格有四个级别,200k,250k,300k和350k。如果您将所有这些组合一起,我们的完整因子设计将包括三分为四分之二到四个或24个替代品。

在此示例中,建议的完整因子设计,因为替代方案的数量减少。当您需要一个人来评估您的选择时,24个替代方案是一个实用的选择。但如果这个数字变得更多,假设他们是100种替代品或超过100个替代方案,那么个人评估太难。当替代品的数量变得太高时,使用阶乘设计。艺术由ENG设计名称有一个包,可用于产生分数阶乘设计。分数阶段设计软件做了什么?它减少了替代品的数量。

接下来,构建选择集或产品配置文件,您可以添加您的替代品。在结合分析中,存在一定数量的假设。其中一个假设是替代方案由被访者的底层实用程序驱动。所以你必须计算你的受访者的实用程序。

被调查者的效用被分解成两列的组成部分:一个确定性的,我们实际上可以确定,第二个是一个添加的组成部分,研究人员无法估计。用方程表示,你可以把这个分量求和写成VIJ,这是效用,然后V等于XIJ变成。X是属性和级别的向量,beta是客户分配给这些因素和级别的权重-年龄向量。IJ是可加的,因为市场研究人员无法评估选择的这一部分。

了解客户选择的基本原则以及如何使用今天使用联合分析进行客户选择建模!

特色课程

新产品策略-大师班

上次更新2月2021年

新的
  • 总为8.5小时
  • 21日讲座
  • 所有级别
5. (1)

成为创建令人敬畏的产品的专家,将客户转化为粉丝!|由Aviral普拉卡什

探索课程

消费者研究生也学习

让你的团队。领导行业。

通过Udemy为Business获取组织的在线课程和数字学习工具库的订阅。

请求一个演示