多元統(tǒng)計分析經(jīng)典案例.ppt

1,市場研究中的多元統(tǒng)計分析方法Multivariate Analysis - an introduction,上海市中消研市場研究有限公司 數(shù)據(jù)統(tǒng)計部 制作,2,討論議題,我們的研究工作是什么? 什么是多元統(tǒng)計分析（MVA)? 為什么我們需要它? 通常的分析技術(shù) MVA詳細(xì)介紹及例子: 相關(guān)分析（Correspondence analysis） 回歸/多元回歸分析（Regression / Multiple regression 因子分析（Factor analysis） 聚類分析（Cluster analysis/segmentation) 結(jié)論,3,市場研究的工作是什么?,它只是 ？: 問卷設(shè)計? 運作質(zhì)量的控制? 制作圖表? 撰寫報告? 我們的工作是 提供解決方案 是解決市場問題 是為我們的客戶掙更多的 money,4,當(dāng)我們進(jìn)行分析時,有簡單性的一面. 例如：基本的分析（變量關(guān)聯(lián)表） 另外也有復(fù)雜性的一面 大量附加的分析 運用許多的分析技術(shù) 然而我們需要看到“復(fù)雜性問題背后的簡單表述” 使復(fù)雜問題簡單化 為了達(dá)到這一目的，你不得不研究復(fù)雜問題然后去提煉出使人容易明白的信息,5,什么是多元統(tǒng)計分析?,單一問題分析(univariate analysis) 例如頻率分布通常作為數(shù)據(jù)的第一步的描述分析 關(guān)聯(lián)表(bivariate analysis) 總是作為主要的分析手段而被市場研究者反復(fù) 使用 把一個問題或變量與另一個關(guān)聯(lián)交叉作表(例如對受訪者背景變量：性別、年齡等) 如果同時分析的變量超過二個就被稱為多元統(tǒng)計分析,6,為什么要做這種“附加值”的分析?,我們不做MVA分析是因為 它使我們看起來很好 我們喜歡它 我們已經(jīng)聘請了統(tǒng)計師、購買了統(tǒng)計軟件而且得到公司財務(wù)部門的批準(zhǔn) 我們不做MVA分析是因為 它會使數(shù)據(jù)對客戶更有指導(dǎo)作用 它能使你得到單變量分析無法達(dá)到的結(jié)果 因此，它可以使你更好的利用信息，賺取更多的鈔票,7,我們通常使用的多元分析技術(shù).,相關(guān)性分析（Brand Mapping ） 主成分分析 因子分析 多元回歸 聚類分析/市場細(xì)分 聯(lián)合性分析/ 平衡（Trade off） 分析 判別分析 etc. etc. etc.,8,多元統(tǒng)計分析技術(shù),一個研究者可能不了解所有的分析技術(shù)細(xì)節(jié) 但是他們應(yīng)該能夠正確地選擇適當(dāng)?shù)姆椒?使用多元技術(shù)，你不必知道詳細(xì)的數(shù)學(xué)公式-但是你應(yīng)當(dāng)明白它的原理 多元分析并不是魔術(shù)棒，不需要我們開動腦筋就能解決問題 - 它不會輕易告訴你答案 如果問卷設(shè)計的很差，多元分析就很難發(fā)揮作用,9,相關(guān)性分析 Correspondence Analysis,10,結(jié)構(gòu),什么是相關(guān)性分析？ 嘗試通過練習(xí)了解它 輸入的類型 設(shè)計錄入的格式 執(zhí)行分析 解釋和表述分析的結(jié)果,11,什么是相關(guān)性分析?,經(jīng)常也稱作 Brand Mapping 或 CORAN Mapping Brand Mapping = Correspondence Analysis (usually) 相關(guān)性分析圖 一種非常有用的市場研究工具，可以表述一個市場的側(cè)面（市場細(xì)分，品牌定位等） 可以在2維空間內(nèi)同時表達(dá)多維的屬性 可以更好的理解品牌和屬性之間的關(guān)系,12,幫助客戶/市場決策者 為實施市場戰(zhàn)略而去發(fā)現(xiàn)市場的空隙和優(yōu)化產(chǎn)品的定位（對于新品牌或新產(chǎn)品的開發(fā)/延伸） 發(fā)現(xiàn)市場上決定性的或顯著的屬性，例如對于選擇不同品牌的重要和有顯著區(qū)別的屬性,13,什么是Brand Mapping?,Wan Li,Magic Clean,Mr. Muscle,Look,Blue Moon,Gold Fish,GFL,White Cat,Clorox,14,一個例子- 原始數(shù)據(jù),以下這張表顯示不同家庭寵物的顏色,15,可能制作的分析圖.,16,可能制作的分析圖.,17,現(xiàn)在我們用顏色和動物名稱兩個變量來做2-維的圖表,努力來顯示 - 那些動物在顏色方面最相似，那些區(qū)別最大？ - 那些顏色更傾向那類動物 - 那些動物和那些顏色有更強(qiáng)的相關(guān)性，那些相關(guān)性很弱,18,BROWN,BLACK,WHITE,MIXED,19,BROWN,BLACK,WHITE,MIXED,20,BROWN,BLACK,WHITE,MIXED,21,為了建立這種立體的圖表你不得 不.,把那些與較多動物相關(guān)聯(lián)的顏色放置在圖的中央位置 把那些與較多動物相關(guān)聯(lián)的顏色放置在圖的邊緣位置 如果一種顏色同時與超過二種以上的動物強(qiáng)相關(guān)，這些動物將會在圖中更接近,22,非常簡單這就是相關(guān)性分析 所做的事,23,以下這張表就是依據(jù)原始數(shù)據(jù)生成的.,24,以下這張表就是依據(jù)原始數(shù)據(jù)生成的.,25,相關(guān)性分析輸入數(shù)據(jù)的類性,百分比或原始數(shù)據(jù)都可以 品牌的相關(guān)聯(lián)的格子（通常形式） 任何具有缺省/存在的分?jǐn)?shù)類型 切記得分?jǐn)?shù)是以樣本的總數(shù)而不是以單個樣本為基礎(chǔ)的,26,設(shè)計輸入類型,只研究數(shù)據(jù)并想到進(jìn)行分析并不是一個好主意 分析應(yīng)該在問卷設(shè)計以前的表述/決定研究目標(biāo)階段就開始考慮 如果你鄉(xiāng)做相關(guān)性分析表 - 你通常打算使用（二分制）不在/在的數(shù)據(jù)類型 這些數(shù)據(jù)可以通過品牌與品牌或類別系列等形式收集. i.e.,27,設(shè)計輸入類型,通過系列的類別. 請看這個品牌的列表，然后告訴我那一個符合下述的聲明. 更便宜，更容易，更快 品牌和品牌. Now thinking about Mr Muscle, which of these statements describe Mr Muscle Now thinking about White Cat, which of these statements describe White Cat Answers can be agree / disagree ratings Better for smaller brands, when more detailed responses are necessary,28,復(fù)制定性研究的圖表,有時，定性研究可以得到一個關(guān)于品牌、細(xì)分市場和需求定位的圖表. 如果我們已經(jīng)有了這些結(jié)果，我們就能在定量研究階段嘗試重復(fù)這一研究 它需要我們仔細(xì)思考和再設(shè)計 - 可能需要從定性研究人員那里得到幫助 最理想是同一公司內(nèi)部人員 它會很有幫助（尤其對市場人員），如果map 有相同的定位 -但是，相同的定位并不意味著什么,29,分析數(shù)據(jù),看下面的輸出結(jié)果. 是否有任何品牌或語句使MAP傾斜? 是否應(yīng)該刪除或增添品牌 - 或許需要刪除小的品牌 這幅map是否有意義? 我們能解釋它嗎? 品牌與語句回出現(xiàn)在不該出現(xiàn)的地方嗎? 檢查原始數(shù)據(jù)-什么原因? 可以通過刪除或補(bǔ)充某些品牌和屬性來產(chǎn)生Maps直到它變的較為明顯，可以讓使用者更容易理解 - 需要執(zhí)行者的判斷 最少點的限 - 你需要至少3個點去做一張 map, 4 更好,30,當(dāng)你看一張map時 問你自己,它意味著什么？ 它對理解數(shù)據(jù)有什么附加的作用? 它對我們所知道的市場/顧客的思考方式是否適合? 如果不是 - 錯在什么地方? 它是否幫助我更好地了解市場?,31,當(dāng)你看一張map時 問你自己,一張圖表總是濃縮數(shù)據(jù)并使數(shù)據(jù)變的直觀，但是它也有局限性，大量的數(shù)據(jù)本身蘊涵的信息將會丟失 (例如僅是重要的信息被保留）。因此，相關(guān)性分析圖應(yīng)當(dāng)小的心運用和解釋（例如我們不能依賴表面的定位圖，因為一些變量可能沒有在MAP上表現(xiàn)出來）,32,概念MAP（Perceptual Mapping）的基本方法,通過因子分析程式來運行一組數(shù)據(jù) 減少大量的變量（如產(chǎn)品屬性）到小規(guī)模的基礎(chǔ)變量。這些變量是高度自相關(guān)的變量，例如，受訪者的回答模式都非常相似 通過因子提取來解釋因子變量。高的得分意味著更加重要的變量已經(jīng)被因子所包含,33,回歸分析 Regression,34,回歸分析是什么?,線性回歸（Linear Regression） 畫出因變量(dependent variable)和自變量(independent variable)之間的關(guān)系 因變量 = B* 自變量+ 常數(shù)項 + 殘差,35,回歸分析是什么?,線性回歸方程式： Y = C + bx + e Y = 產(chǎn)出(dependent variable /response variable) X = 輸入變量(independent variable / regressor) c = 常量 (當(dāng)x=0時) b = 斜率 e = 誤差/殘差（error / residual）,36,多元回歸 象線性回歸一樣只不過有更多 的獨立變量,Y = c + b1x1 + b2x2 + b3x3 + . + e,37,多元回歸在市場研究中的運用,38,關(guān)鍵的驅(qū)動因素 - 在上升的咖啡市場,Stylish Friendliness Classy Quality of Ingredients Relaxing Ease of Drinking Comfortable Sophisticated Caffine Content Modern Pride Young/Old Bitterness Stage of Career Smoothness,Key Drivers,Mean Score,r2 = 0.57,39,Value 12%,Buy again 30%,Recommend 30%,Price 66%,Customer Focused,Overall Quality 14%,Product Performance,Retail Outlet,Start up service Speed,Add on Services,Promotions,Phone Cust Service,Billing,0.45*,0.22*,0.16*,0.10,0.02,0.02,0.02,% - Top 2 box scores * Statistically significant,0.42*,0.35*,-0.21*,0.17*,Easy to use,Technically advanced,IMAGE,0.10,0.12,0.19*,Model availability,0.09,計算機(jī)公司的客戶滿意關(guān)系,Beta score,40,回歸分析意味著什么?,我們通常認(rèn)為是獨立變量在某些方面影響著非獨立變量 例如過度的吸煙會導(dǎo)致肺癌的發(fā)生 在市場/社會研究中，它通常表現(xiàn)出是“先有雞還是先有蛋的關(guān)系”: 你喜歡某件產(chǎn)品是因為它很時髦還是你認(rèn)為因為你喜歡它才覺得它她時髦? 你喜歡一個公司是因為它有好的服務(wù)？或者你認(rèn)為這個公司的服務(wù)很好只因為你喜歡這家公司 (或者公司其他方面的因素),41,回歸分析意味著什么?,考慮 Beta 得分將可能更有意義（通常是喜好的排序值） Beta值越大，喜好的波動越大（影響也越大） 這表示這些是非常重要的屬性因為他們是和喜好一起變動的屬性 在市場研究中，我們經(jīng)常稱它為可導(dǎo)出的重要性以此與規(guī)定的重要性相對比,42,但是我們不能說一件事情導(dǎo)致另一件事情的發(fā)生,43,回歸分析假設(shè).,X1, X2, X3 獨立的 - 沒有很強(qiáng)的相關(guān)性 如果它們強(qiáng)相關(guān)，我們稱為多元共線性 市場研究數(shù)據(jù)通常都有很強(qiáng)的內(nèi)部相關(guān)性 例如，如果你喜歡一個品牌，你也傾向于認(rèn)為它時髦、耐用、所有場合都適用、對小孩和成年人都適合等等 背景資料通常也是相關(guān)的 -例如，年齡和收入、收入和教育程度等. Multicollinearity 對我們來說是一個大問題,44,最后的想法,仔細(xì)觀察數(shù)據(jù) - 作出一些散布圖去看一看相關(guān)的形狀 執(zhí)行相關(guān)分析去尋找Multicollinearity 來幫助你解釋數(shù)據(jù) 記住，我們假設(shè)顯著的Betas 是重要的 - 但是他們只能與另一個我們無法測量的因子聯(lián)系在一起 例如：,45,散布圖 - 會議與“少女吧”的關(guān)系,Nightclubs/ Girlie Bars,Conferences,46,得出的結(jié)論,我們可以回歸出在不同城市舉辦會議的次數(shù)通過“少女吧”的數(shù)量，然后得出在世界不同城市舉辦眾多會議的原因 但是，我們可能忽略了其他顯著的因素，如：旅館的方便性、承受能力、中心位置、娛樂設(shè)施的便利性等潛在的因素 這些也可能與“少女吧”的收益有關(guān)系,47,因子分析 Factor analysis,48,因子分析是什么?,一種用來在眾多變量中辨別、分析和歸結(jié)出變量間的相互 關(guān)系并用簡單的變量（因子）來描述這種關(guān)系的數(shù)據(jù)分析方法,49,因子分析,一個例子: YIQ=0.9 Xmaths+E1 YIQ=0.8 Xscience+E2 YIQ=0.2 Xart+E3 Xmaths 與 Xscience 高度相關(guān). 一個基本的因子“科學(xué)能力”正是通過因子分析所得到的能夠更好地表達(dá)這兩個變量.,50,因子分析做什么?,識別一組觀察不到的尺度（因子），這些因子已經(jīng)概括了原始的變量的大多數(shù)的信息 估計這種關(guān)系并且通過變量與因子之間的變形等式來獲得因子 降低原始變量的維數(shù)，為進(jìn)一步的分析作準(zhǔn)備,51,為什么使用它 ?,去產(chǎn)生新的、更少的變量以便為后續(xù)的回歸和其他分析做基礎(chǔ). 去識別概念或產(chǎn)品的基本感知和特性 去制作perceptual map 去改善市場研究領(lǐng)域多元測量的結(jié)構(gòu)與方法.,52,ATTRIBUTES CONTRIBUTING TO PRODUCT/ATTITUDINAL FACTORS - I,Factor 1:,Factor loading,Factor 2:,Factor loading,Total (R07) Cleans well for heavy duty cleaning (R06) Is effective in removing tough stains (R04) Is effective in removing oil/grease (R05) Keeps soils and stains from building up (R08) Keeps germs/bacteria away (R22) Disinfects/kills germs (R21) Long lasting cleaning (R17) Cleans thoroughly,Total (R13) Is non-irritating/safe to use (R15) Is safe for environment (R11) Is easy to use (R16) Deodorizes (R14) Does not leave residue,Cleans and kills germs,Safe and easy to use,47% 0.76 0.72 0.69 0.67 0.58 0.56 0.54 0.49,7% 0.80 0.75 0.70 0.63 0.54,53,ATTRIBUTES CONTRIBUTING TO PRODUCT/ATTITUDINAL FACTORS - II,Factor 3:,Factor loading,Factor 4:,Factor loading,Protects and gives shiny surface,Basically reliable and affordable,Total (R03) Is a trustworthy brand (R02) Cleans well for light duty cleaning (R01) Good value for money,4% 0.69 0.65 0.64,Total (R25) Leaves a protective finish (R23) Leaves a shine (R24) Safe to surface (R20) Cleans and shine in one step,5% 0.83 0.74 0.69 0.61,54,ATTRIBUTES CONTRIBUTING TO PRODUCT/ATTITUDINAL FACTORS - III,Factor 5:,Factor loading,Factor 6:,Factor loading,Wide usage,No rinse,Total (R09) Does not require rinsing (R10) Leaves long-lasting shine,3% 0.83 0.56,Total (R18) Is effective on a variety of surfaces (R12) Cleans in grooves and corners,3% 0.79 0.43,55,ATTRIBUTES CONTRIBUTING TO PRODUCT/ATTITUDINAL FACTORS - IV,Factor 7:,Factor loading,Favorable fragrance,Total (R19) Has a good fragrance,3% 1,56,得出結(jié)論,我們能減少變量的數(shù)量: 大批量的變量 少量的基本特性 我們可能會忽略了顯著的因子，盡管它們也是因子分析的結(jié)果 數(shù)據(jù)的基礎(chǔ)結(jié)構(gòu)將會抽象出來,57,但是 針對對購買的影響因素，我們不能說一個因子比另一個因子更重要 我們甚至更不能說那個因子直接導(dǎo)致購買行為,58,并且 我們可以利用因子分析得出的結(jié)果進(jìn)行其他的統(tǒng)計分析 回歸分析: 尋找出關(guān)鍵的驅(qū)動因素 聚類分析: 把目標(biāo)分類為某些特征更加相似的細(xì)分群體,59,聚類分析 Cluster Analysis,60,結(jié)構(gòu),什么是聚類分析? 聚類分析做什么? 聚類分析怎樣使用? 市場細(xì)分和定位計劃?,61,聚類的概念,把研究目標(biāo)分割成為具有相同屬性的小的群體,Variable B,Variable A,Correspondence matrix, . . ., . . . . , . . . . ,62,聚類分析做什么?,把研究對象（人，城市，品牌等）分割成為更加同質(zhì)的細(xì)分群體 描述對象的整體結(jié)構(gòu)或者各個簇之間的組織關(guān)系 根據(jù)每個簇的描述資料進(jìn)行該簇特征的定位 決定判別群體之間區(qū)別的顯著性水平（例如：總體的%） 評價一種判別簇類之間定性區(qū)別的方法 (例如：根據(jù)背景、品牌使用、心理因素),63,聚類分析怎樣使用?,去識別細(xì)分市場 了解購買行為 為市場測試確定相匹配的城市 在市場結(jié)構(gòu)分析中去識別競爭者 減少數(shù)據(jù)以便進(jìn)一步的分析,64,3 個市場方面的概念,大規(guī)模市場（Mass marketing）: 一種產(chǎn)品 =所有的受訪者 產(chǎn)品類別市場（Product variety marketing）: 2個或更多的種類 =所有手訪者 * 不知道誰、為什么、怎樣 * 市場的努力分散 目標(biāo)市場（Target marketing）: 產(chǎn)品和營銷的組合 =不同的