因子分析法寻求物流企业市场细分变量研究.docVIP

因子分析法寻求物流企业市场细分变量研究 　　摘要：物流企业选择合适的细分变量对准确细分市场以及制定营销策略有着非常重要的作用。本文利用因子分析法，从众多的可用细分变量中寻找出具有代表性的物流企业市场细分变量，为物流企业的市场营销管理提供参考。 　　关键字：物流管理 市场营销 因子分析 细分变量 　　中图分类号：F275文献标识码：A 　　 　　一、因子分析的基本原理 　　 　　因子分析的基本思想是根据相关性的大小把原始变量分组，使得同组内的变量之间相关性较高，而不同组的变量间的相关性则较低。每组变量代表一个基本结构，并用一个不可观测的综合变量表示，这个基本结构就称为公共因子。在物流企业的客户市场细分时，由于可用的细分变量会比较多，而有些细分变量之间存在着很强的相关性，用因子分析的方法将这些细分变量进行降维，找出他们的公共因子。每个公共因子就代表一种市场细分的标准，利用这些公共因子进行市场细分，可以将复杂问题简单化，从而更有效地对客户市场进行细分和识别。 　　 　　二、物流企业市场细分变量的列举 　　 　　物流企业客户的市场细分变量主要可以分为物流企业客户的基本情况和对物流服务的要求，本文主要讨论对物流服务要求的细分变量。基本情况包括单位属性、所属行业、规模大小等。对物流服务的要求包换：运输成本、仓储成本、配送成本等成本方面；总体满意度标、业务处理准确性、服务态度等服务方面；反应速度、业务处理的准时性、物流作业速度等服务质量方面；能长期稳定地合作、商业信誉、基础设施的先进性、信息技术、网络技术的先进性等物流服务技术方面；帮助拓展业务范围的物流服务、帮助提升自己的服务水平、增加企业信誉、增加企业的销售额等增值服务方面。 　　 　　三、调查问卷的设计和信效度分析 　　 　　根据以上细分变量的列举，可以设计出物流企业客户市场细分变量研究的调查问卷。问卷中，要求被调查者回答的问题主要以两种方式出现。第一种是客观选择题，用来回答物流企业客户的一些基本情况。第二种是以利克特量表方式设计的问题，本文选择了利克特量表中的5点式量表的形式，要求被调查者评估本企业的状况，高分值表示完全同意，低分值表示完全不同意。本文设计的调查问卷除被调查企业的基本情况外，有27个关于物流企业客户需求情况的问题。 　　调查问卷回收后，先进行信效度分析。本文运用Cronbach α及探索式因子分析（Exploratory Factor Analysis）来检验问卷的信度与结构效度分析。Cronbach α系数大于0.7时表示信度非常好，在0.35到0.7之间表示信度可以接受，如果小于0.35则表示信度太低，对应的问卷问题应删除。利用SPSS统计统计软件计算Cronbach α系数结果显示，问卷中所有问题的信度检验Cronbach α系数值均大于0.8，信度检验全部符合统计学的要求，说明该调查问卷的信度较高。 　　效度是衡量测量结果有效性或正确性的一个重要指标，效度的大小关系到消除了随机误差的影响之后测量结果能否与真实值一致或接近，也就是说效度反映的是非随机误差的影响。本文运用探索式因子分析的结果表明，本调查问卷的KMO值为0.781，大于0.5，表明此问卷收敛在所要调查的主题，即物流企业客户对物流企业的要求上。由累计解释值检验可以看出，公因子可以解释原始变量73.661％的方差，说明可以将原来27个问题的维度降至5个大项，即5个维度。方差最大正交旋转后的因子负荷矩阵检验结果表明，公因子对每个原始变量的解释能力都较强。本调查问卷的效度符合要求。 　　 　　四、因子分析结论 　　 　　对问卷中27个维度的物流企业客户要求变量进行因子分析，结果见表1所示。 　　 　　从表1可以看出，在第一个公共因子F1上有较高负荷量的五个变量，即使用的物流设施、设备的技术水平具有独特性；对一些特殊的要求能良好地完成；物流信息技术水平具有独特性；物流能力具有独特性，不会被其它企业所模仿；可以获得定制化的物流服务。这五个变量都说明了物流客户对物流活动有着比较特殊的要求，因此将公共因子F1定义为“物流服务定制化因子”。 　　在第二个公共因子F2上有较高负荷的六个变量，即能够提高企业的整体生产效率；对物流对象物的数量、质量能够很好地保护；遇到紧急订单，能准确处理；能够减少企业的经营风险；能与企业的其它活动配合良好；订单处理准确率高，差错率低。这六个变量都说明物流企业客户比较注重物流活动的准确性，要求在物流活动中尽量减少差错率，减少物流对象物的坏损率等。因此可以将公共因子F2定义为“物流服务准确性因子”。 　　第三个公共因子F3上有较高负荷的六个变量，即缩短计划、准备的时间；对客户提出的要求以尽快地做出反应；能够以最快的速度完成订单要求；提前期短；