聯(lián)合分析在產(chǎn)品開發(fā)的作用

1、作者簡(jiǎn)介:徐鼎權(quán),男,碩士,研究方向:市場(chǎng)營銷。聯(lián)合分析方法對(duì)產(chǎn)品屬性的應(yīng)用研究吳見平 徐鼎權(quán)(江蘇科技大學(xué)經(jīng)濟(jì)管理學(xué)院,江蘇鎮(zhèn)江212003摘 要:在系統(tǒng)分析聯(lián)合分析方法一般原理的基礎(chǔ)上,通過對(duì)閃存盤市場(chǎng)分析,研究了如何運(yùn)用聯(lián)合分析方法分析消費(fèi)者的購買行為,給出了該方法運(yùn)用步驟、產(chǎn)品屬性確定等問題,并通過對(duì)閃存盤市場(chǎng)的實(shí)際分析得出產(chǎn)品特征效用函數(shù)、產(chǎn)品效用值。關(guān)鍵詞:聯(lián)合分析;產(chǎn)品屬性;效用值中圖分類號(hào):F27 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1672 3198(200810 0058 031 聯(lián)合分析的概念和基礎(chǔ)1.1 聯(lián)合分析的概念聯(lián)合分析是1964年由數(shù)理心理學(xué)家R.Luce 和統(tǒng)計(jì)學(xué)家J.

2、T ukey 首先提出的。1971年由P.Green 引入市場(chǎng)營銷領(lǐng)域,成為描述消費(fèi)者在多個(gè)屬性的產(chǎn)品或服務(wù)中做出決策的一種重要方法。1978年Carm one,Yen 和Jam 等人將聯(lián)合衡量改為聯(lián)合分析。從20紀(jì)80年代起,聯(lián)合分析在許多領(lǐng)域中得到了廣泛的認(rèn)可和應(yīng)用,90年代被應(yīng)用得更加深入,涉及到許多研究領(lǐng)域。聯(lián)合分析是通過假定產(chǎn)品具有某些屬性,對(duì)現(xiàn)實(shí)產(chǎn)品進(jìn)行模擬,然后讓消費(fèi)者根據(jù)自己的偏好對(duì)這些虛擬產(chǎn)品進(jìn)行評(píng)價(jià),并采用數(shù)理統(tǒng)計(jì)方法將這些屬性與屬性水平的效用分離,從而對(duì)每一個(gè)屬性以及屬性水平的重要程度做出量化評(píng)價(jià)的方法。目前,該方法已被廣泛應(yīng)用到新產(chǎn)品概念識(shí)別、競(jìng)爭(zhēng)力分析、價(jià)格策略、市場(chǎng)

3、細(xì)分、廣告研究等方面。1.2 聯(lián)合分析的基本思想聯(lián)合分析方法的基本思想是,通過提供給消費(fèi)者以不同的屬性水平組合形式的產(chǎn)品,并請(qǐng)消費(fèi)者做出心理判斷,按其意愿程度給產(chǎn)品組合打分、排序,然后采用數(shù)理分析方法對(duì)每個(gè)屬性水平賦值,使評(píng)價(jià)結(jié)果與消費(fèi)者的打分盡量保持一致, 來分析研究消費(fèi)者的選擇行為。它可以用于評(píng)估消費(fèi)者的偏好。如果產(chǎn)品特征是由一些屬性構(gòu)成,那么通過聯(lián)合分析,就可以確定這些屬性的哪種組合最受消費(fèi)者歡迎。2 聯(lián)合分析的一般步驟聯(lián)合分析的一般步驟如下圖所示:圖1 聯(lián)合分析的一般步驟為了更好地說明聯(lián)合分析方法的實(shí)施步驟,本文使用了一個(gè)閃存盤的例子來演繹這個(gè)過程。在這個(gè)例子中,使用的是全輪廓聯(lián)合分析

4、方法。2.1 確定產(chǎn)品的屬性和屬性水平聯(lián)合分析首先要對(duì)產(chǎn)品或服務(wù)的屬性進(jìn)行識(shí)別。這些屬性必須是顯著影響用戶購買的突出屬性,既不能太多,也不能太少。屬性過多會(huì)加重消費(fèi)者負(fù)擔(dān),或者降低模型預(yù)測(cè)的精確性;屬性過少,又會(huì)因模型中丟失了一些關(guān)鍵信息而嚴(yán)重降低模型的預(yù)測(cè)能力。屬性的數(shù)目一般為3-6個(gè)。確定了屬性之后,還應(yīng)該確定這些屬性的水平,屬性與屬性水平的個(gè)數(shù)將決定聯(lián)合分析過程中要進(jìn)行估計(jì)的參數(shù)的個(gè)數(shù),也將影響被調(diào)查者所要評(píng)價(jià)的產(chǎn)品輪廓個(gè)數(shù)。為了減輕被調(diào)查者的負(fù)擔(dān),同時(shí)又要保證參數(shù)估計(jì)的精度,實(shí)驗(yàn)需要恰當(dāng)?shù)匕才艑傩运降膫€(gè)數(shù)。一個(gè)屬性的各個(gè)水平的效用函數(shù)可能是連續(xù)性的,如價(jià)格中的49元、99元和129元

5、;也可能是非連續(xù)性的,如品牌中的朗科、金士頓、清華紫光等等。對(duì)于連續(xù)性的數(shù)據(jù)來說,如果選取的屬性水平過少,該研究的信度就值得懷疑。但如果屬性水平過多,又會(huì)增加研究的成本和難度。進(jìn)一步的研究還表明:各屬性所含的水平數(shù)目應(yīng)盡可能平衡,因?yàn)橐粋€(gè)屬性的水平數(shù)目增加時(shí),即使起點(diǎn)保持不變,該屬性的相對(duì)重要性也會(huì)提高。一般,屬性可表示為:u 1,u 2, ,u n 。其中,屬性u(píng) i 的屬性水平可表示從u i 1,u i 2, ,u im (i =1,2, ,n。u ij 為第i 個(gè)屬性第j 水平的代號(hào),m i 為第i 個(gè)屬性的水平數(shù)。我們使用一個(gè)簡(jiǎn)單的例子來說明聯(lián)合分析方法。我們把變量全部看作定性變量。通

6、過定性的研究確定了閃存盤的三個(gè)屬性是突出的:u 1=品牌,u 2=價(jià)格,u 3=容量。每個(gè)屬性又各有3個(gè)水平,如表1所示。這些屬性及其水平將用于構(gòu)造聯(lián)合分析法的產(chǎn)品模擬。2.2 產(chǎn)品模擬聯(lián)合分析將產(chǎn)品的所有屬性與屬性水平通盤考慮,并采用正交設(shè)計(jì)的方法將這些屬性與屬性水平進(jìn)行組合,生成一系列虛擬產(chǎn)品。在實(shí)際應(yīng)用中,通常每一種虛擬產(chǎn)品被分別描敘在一張卡片上。聯(lián)合分析的產(chǎn)品模擬主要采用的分析方法是全輪廓法。58表1 閃存盤的屬性水平組合屬性水平名稱品牌1(u11朗科2(u12金士頓3(u13清華紫光價(jià)格1(u2149元2(u2299元3(u23129元容量1(u311GB 2(u322GB 3(u3

7、34GB由全部屬性的某個(gè)水平構(gòu)成的一個(gè)組合叫做一個(gè)輪廓。每個(gè)輪廓分別用一張卡片表示,如下列組合產(chǎn)品(品牌:金士頓;價(jià)格:99元;容量:2GB,像這樣的屬性水平的輪廓組合就有3*3*3=27種,即消費(fèi)者要對(duì)27種輪廓作評(píng)價(jià)。其實(shí),并不需要對(duì)所有的組合產(chǎn)品進(jìn)行評(píng)價(jià),且在屬性水平較多時(shí)實(shí)施難度也較大。在全輪廓法中,則采用正交設(shè)計(jì)等方法,以減少組合數(shù),又能反映主效應(yīng)。2.3 數(shù)據(jù)收集數(shù)據(jù)收集是聯(lián)合分析的基礎(chǔ)性工作。具體的方法有:全部呈現(xiàn)、正交設(shè)計(jì)或者是正交加隨機(jī)呈現(xiàn)等-這要視屬性及其水平多少而定。在大多數(shù)的聯(lián)合分析任務(wù)中,產(chǎn)品輪廓是描述性的;但也可以將他們制作成圖片或?qū)嵨飦沓尸F(xiàn)以提高實(shí)驗(yàn)的效度。偏好的

8、測(cè)量方法也決定了我們輸入數(shù)據(jù)的形式,最主要的測(cè)量方法有:排序法(非定量的和評(píng)分法(定量的。在聯(lián)合分析方法中,因變量是購買偏好或意愿,即由受訪者根據(jù)自己的購買偏好或意愿來提供數(shù)據(jù),當(dāng)然,因變量也可是實(shí)際購買與選擇。在測(cè)試時(shí),要求被訪問者回答,選購某種屬性水平組合的閃存盤的可能等級(jí),等級(jí)分為9等,最高等級(jí)為9分,最低等級(jí)為1分。表2 某消費(fèi)者的評(píng)價(jià)組合產(chǎn)品品牌價(jià)格容量評(píng)分值1金士頓49元4GB92金士頓99元2GB73金士頓129元1GB54朗科49元4GB65朗科99元2GB56朗科129元1GB67清華紫光49元4GB58清華紫光99元2GB79清華紫光129元1GB62.4 計(jì)算屬性的效用從

9、收集的信息中分離出消費(fèi)者對(duì)每一屬性以及屬性水平的偏好值,這些偏好值也就是該屬性的!效用。計(jì)算屬性的模型和方法有很多種,一般地,人們主要用最小二乘法回歸模型、洛基回歸(L OGIT模型等方法。最小二乘回歸模型首先需要對(duì)所有的屬性及屬性水平作因子分析或主效用分析設(shè)計(jì),確定有多少顯著的屬性需要消費(fèi)者進(jìn)行評(píng)價(jià),有多少種屬性水平組合,不同的輪廓是按個(gè)體還是按集合進(jìn)行分析:如果是前者,每個(gè)個(gè)體的數(shù)據(jù)是要分別分析;如果是后者,應(yīng)先對(duì)消費(fèi)者分類,一般方法是先按個(gè)體估計(jì)分值或效用函數(shù),然后根據(jù)分值的相似度將消費(fèi)者分類,再對(duì)每類做聯(lián)合分析,最后形成一個(gè)屬性水平的清單和估計(jì)模型。效用函數(shù)的形式為:u(x=#ni=1

10、#mj=1u ij x ij(1其中u(x為所有屬性的效用。n為屬性的個(gè)數(shù),m i為屬性u(píng) i的水平數(shù)目,u ij為第i個(gè)屬性第j水平的效用,x ij為表示第i個(gè)屬性第j個(gè)水平的變量,當(dāng)在某一測(cè)試中,這一屬性水平組合出現(xiàn)時(shí)取l,不出現(xiàn)時(shí)則取0。參數(shù)u ij的數(shù)目隨著屬性及其水平數(shù)目的增加迅速增加,給計(jì)算帶來一定的難度,通常用虛擬變量來減少參數(shù),并用最小二乘法估計(jì)參數(shù)。對(duì)于3個(gè)屬性3個(gè)水平的研究對(duì)象,如采用上述變量凡表示,對(duì)第一屬性的三個(gè)水平,其取值情況為:X11 X12 種屬性水平組合將有27種取值形勢(shì)。這時(shí)待確定的效用u ij達(dá)27個(gè)。但實(shí)際上表示第一屬性的三個(gè)水平

11、,完全可以只用兩個(gè)變量x1,x2以如下的取值形式來表示:X1X2100100同樣,表示第二屬性的三個(gè)水平可以用x3,x4表示,其取值為:X3X4100100表示第三個(gè)屬性的三水平可用x5,x6其取值為同上面兩組虛擬變量的取值一樣。這時(shí),變量數(shù)只有6個(gè),效用函數(shù)可以表示為:a=b0+b1X1+b2X2+b3X3+b4X4+b5X5+b6X6(2應(yīng)用最小二乘法即可估計(jì)得出參數(shù)b0,b1, ,b6。方程(1和(2的系數(shù)之間有如下關(guān)系。通過求解這一線性方程即可以得出參數(shù)u ij的值:u11-u13=b1u12-u13=b2u11+u12+u13=0u21-u23=b3u22-u23=b4u21+u22

12、+u23=0u31-u33=b1u32-u33=b2u31+u32+u33=0因變量按偏好打分。獨(dú)立變量或預(yù)測(cè)變量是6個(gè)虛擬59變量,每種屬性用2個(gè)虛擬變量表示。表2-3為數(shù)據(jù)的轉(zhuǎn)換形式。表3 轉(zhuǎn)換后的數(shù)據(jù)表評(píng)價(jià)得分品牌(u1價(jià)格(u2容量(u3 X1X2X3X4X5X6910101071001015100000601100150101006010010500100070001106000001由于數(shù)據(jù)是關(guān)于每個(gè)被調(diào)查者的,因此按個(gè)體進(jìn)行分析。每個(gè)屬性水平的分值或效用以及每個(gè)屬性的相對(duì)重要性的估計(jì)值如表4所示:表4 閃存盤屬性水平組合效用表屬性水平符號(hào)描述效用值品牌(u11(u11朗科0.77

13、8 2(u12金士頓-0.556 3(u13清華紫光-0.222價(jià)格(u21(u2149元0.445 2(u2299元0.111 3(u23129元-0.556容量(u31(u314GB1.111 2(u322GB0.111 3(u331GB-1.222估計(jì)用的模型為(3-2式,利用最小二乘法,可得估計(jì)參數(shù):b0=4.222;b1=1.000;b2=-0.333;b3=1.000;b4= 0.667;b5=2.333;b6=1.333根據(jù)虛擬變量的特點(diǎn),每個(gè)虛擬變量代表不同水平效用與基礎(chǔ)水平效用的差距,于是對(duì)品牌屬性有:u11-u13=b1=1.000u12-i13=b2=-0.333u11+

14、u12+u13=0于是,可得:u11=0.778u12=0.556u13=0.222同理可得:u21=0.445;u22=0.111;u23=-0.556u31=1.111;u32=0.111;u33=-1.222根據(jù)表4中數(shù)據(jù)可得出所有屬性水平組合的閃存盤效用值。最后整理結(jié)果如下:分值范圍之和=0.778-(-0.556+0.445-(-0. 556+1.111-(-1.222=4.668品牌的相對(duì)重要性=1.334/4.668=0.286;價(jià)格的相對(duì)重要性=l.001/4.668=0.214;內(nèi)存的相對(duì)重要性=2.333/4.668=0.500。把變量全部看成是定性量,利用虛擬變量和一般效

15、用函數(shù)模型和最小二乘估計(jì),得出的數(shù)據(jù)表明:消費(fèi)者對(duì)容量這一屬性的偏好是最大的,也就是說,在選擇閃存盤時(shí),消費(fèi)者首先考慮的是容量,其次是品牌,最后是閃存盤的價(jià)格。其中(金士頓、99元、4GB這種閃存盤是消費(fèi)者最喜歡的。2.5 評(píng)估信度與效度聯(lián)合分析的信度一般包括時(shí)間信度(在隨后的某個(gè)時(shí)間里用相同的工具重復(fù)結(jié)合測(cè)驗(yàn),屬性信度(當(dāng)屬性變化時(shí),其中不變的屬性的分值的穩(wěn)定性,屬性水平信度(得出的分值對(duì)于輪廓的子集的敏感性和數(shù)據(jù)收集方法信度(分值對(duì)于數(shù)據(jù)類型、數(shù)據(jù)收集過程、因變量類型的敏感性。常用的方法有:評(píng)價(jià)模型的擬合優(yōu)度(goodness-of-fit,例如,如果采用的是虛擬變量回歸,那么可以用R2的

16、值來說明模型對(duì)數(shù)據(jù)的擬合程度;或者用檢驗(yàn)一再檢驗(yàn)法(t est -ret est來評(píng)價(jià)信度,即在調(diào)查后的某一階段,讓消費(fèi)者重新評(píng)價(jià)某些選定的產(chǎn)品模擬,然后通過計(jì)算兩組產(chǎn)品模擬分值之間的相關(guān)來評(píng)價(jià)效度。聯(lián)合分析的效度研究一般包括三種方法:比較真實(shí)市場(chǎng)份額與通過市場(chǎng)模擬預(yù)測(cè)的市場(chǎng)份額(群體水平;預(yù)測(cè)消費(fèi)者真實(shí)的購買行為,例如,消費(fèi)者愿意為新產(chǎn)品花多少錢,在模擬的購物實(shí)驗(yàn)中消費(fèi)者會(huì)選哪個(gè)牌子,或者哪一種商品的折扣券被選擇(個(gè)體水平;預(yù)測(cè)幾天后消費(fèi)者的真實(shí)選擇(個(gè)體水平。在這些研究中,比較真實(shí)市場(chǎng)份額與市場(chǎng)模擬的份額的研究預(yù)測(cè)效度最高,但將它用于市場(chǎng)預(yù)測(cè)仍然是有難度的,因?yàn)橛泻芏嗍袌?chǎng)混淆變量的存在,諸

17、如廣告、分銷等。盡管如此,聯(lián)合分析還是在市場(chǎng)研究中顯示了它的威力。(1評(píng)價(jià)估計(jì)模型的擬合優(yōu)度。例如,如果采用的是虛擬變量回歸,那么可以用R2的值來說明模型對(duì)數(shù)據(jù)的擬合程度。一般來說,擬合程度應(yīng)在0.80以上。如果模型的擬合程度過低,則說明結(jié)果是令人懷疑的。上述例子中,模型的擬合度0.934,表明模型的擬合是良好的。(2用估計(jì)出來的分值函數(shù)作為對(duì)產(chǎn)品模擬的評(píng)價(jià)的預(yù)測(cè)值。計(jì)算該預(yù)測(cè)值與消費(fèi)者的實(shí)際評(píng)估值之間的相關(guān)性,用以確定內(nèi)部效度。在上例中,模型的預(yù)測(cè)與原始資料的相關(guān)分析表明,相關(guān)系數(shù)為0.95,顯著性水平為0.05,表明預(yù)測(cè)能力好。(3如果數(shù)據(jù)是按集合進(jìn)行分析的,那么可以將樣本分別割成幾個(gè)部分,再對(duì)子樣本實(shí)施聯(lián)合分析。比較這些子樣本的結(jié)果就可以評(píng)價(jià)聯(lián)合分析的穩(wěn)定性。3 結(jié)論消費(fèi)者在購買閃存盤這一產(chǎn)品時(shí)會(huì)受各種屬性的影響,如存儲(chǔ)速度、系統(tǒng)要求、尺寸、重量、工作環(huán)境溫度、通過EMC的標(biāo)準(zhǔn)等,由于篇幅的限制,在上述的調(diào)查中只考慮到消費(fèi)者購買主要屬性:品牌、價(jià)格、容量這三個(gè)屬性,通過聯(lián)