市场研究中的数据分析和阐释-(精选·公开·课件).ppt

市场研究中的数据分析和阐释Data Analysis in Marketing Research 市场研究中数据分析的特点 微观层面上的分析 解决客户的实际问题 强调统计方法的应用 注重结论对营销策略的指导意义 很多情况下, 完整的数据分析是定性数据分析和定量数据分析的结合 定量和定性研究结合 一、数据分析的基本方法二、高级数据分析方法 一、基本数据分析方法 确定分析框架 准备出表格式 数据查错和清理 关于数据加权 关于追加样本 数据分析准备 3个准备工作 确定分析框架 数据处理过程:综述 数据处理过程:出表 出表主要包括两种结果：频数分布表（Frequency Tables）和交叉表（Cross tabulations）。 频数分布表是对单变量而言的，它研究的是一个变量的各水平发生频率的分布状况；交叉表则是针对两个或两个以上的变量而言，它就是将一些变量与另一些变量进行交叉分析，以表格形式展示数据间关系的过程 统计表中的要素 统计指标（Criterion）：分析中关注的项目，一般置于表的左侧，叫做SIDE 分组指标（Predictor）：用以把样本分成子群的变量，一般置于表的顶端，叫做TOP 基数（BASE）：用于计算百分比、平均数的样本量 行百分比（Row Percentage）与列百分比（Column Percentage）统计检验结果通常以在数字旁边标注字母表示 数据处理过程:分析数据表示例 (列百分比) 数据处理过程:分析数据表示例（行百分比） 出表格式 出表格式的详细说明 项目信息 数据格式 显著性检验 交叉分类 数据制表 出表格式的详细说明 项目信息 数据格式 显著性检验 交叉分类 数据制表 出表格式的详细说明 项目信息 数据格式 显著性检验 交叉分类 数据制表 出表格式的详细说明 项目信息 数据格式 显著性检验 交叉分类 数据制表 出表格式的详细说明 项目信息 数据格式 显著性检验 交叉分类 数据制表 数据表中的信息 数据检查 数据检查 怎样进行数据检查？ 有很多的东西要检查： 标题与内容是否一致？ 实际访问样本数是否与设计样本数相一致 基数定义是否正确 是否所有的配额要求都满足 是否所有的样本都符合事先确定的甄别条件 每个被访者是否回答了所有应该回答的问题 跳问顺序是否被正确执行 单选和复选是否被正确执行（单选题百分比之和等于100%，复选题百分比之和大于100% ） 表头定义是否正确（名称与取值是否相符） “不知道”、“拒绝回答”、“其他”的比例是否过高 怎样进行数据检查？ 有很多的东西要检查： 数据前后是否一致 均值、top 2 box, bottom 2 box 等统计量的计算是否正确 追加样本是否符合规定要求 多组（Multiple-cell）设计的项目中，各组样本间是否结构一致 加权值是否被正确使用 …… 如何减少错误:从数据处理到分析 清晰的数据处理说明 清晰的分析框架 查错 / 检查TOPLINE 关于数据加权 加权（Weighting）的目的是为了使我们在项目中选取的样本更好地反应总体的结构 当人口背景资料对一种产品的认知或消费有显著影响时，加权显得尤为重要 通常有三种加权方法 因数加权（Factor Weighting）：赋予每个群中的样本一个因数 目标加权（Target Weighting）：给定目标值，把样本结果投射到总体 边缘加权（Rim Weighting）：给定多个人口特征指标上的目标值，来修正样本结构 关于追加样本 (Boost samples) 客户可能对总样本中的子群感兴趣，但是这部分群体在总样本中的发生率比较小 因而,随机抽样后，这个子群的样本数量不足 在这种情况下，需要对这些子群的样本进行追加，从而使研究分析有足够大的基数 举例介绍 二、高级数据分析方法介绍 专项市场研究涉及的业务范畴 不同业务范畴内的数据分析方法 数据分析举例 市场研究涉及的业务范畴 客户需要解决的问题: 谁是我们的消费者? 他们在人口统计及生活方式上有什么特点? 他们的需求和动机是什么? 购买决策过程是怎么样的? 他们对品牌的态度如何? 消费者细分：市场规模、潜力、需求、相关性以及媒体偏好 常用高级数据分析方法: 因子分析 (Factor Analysis) 聚类分析 (Cluster Analysis) 判别分析 (Discriminant Analysis) 潜在重要性分析 (Derived Importance) 业务问题和数据分析方法 客户需要解决的问题: 消费者对产品/概念的接受度及偏好? 消费者对产品/概念的评价 什么才是最佳的配置组合? 产品的独特卖点是什么? 应该采取怎样的价格策略 (考虑点：最佳上市价格, 价差, 避免品牌