对应分析在市场研究中的应用.pptVIP

对应分析在市场研究中的应用 * 目录 对应分析概述 对应分析在市场研究中的应用 对应分析需要注意的问题 * 对应分析概述 * 什么是对应分析 对应分析方法（Correspondence Analysis）又称为相应分析，也称R—Q分析，是因子分子基础发展起来的一种多元统计分析方法（ Multidimensional Scaling MDS ）。 通过分析由定性变量构成的列联表，可以用来解释变量之间的内在联系。 可以揭示同一变量的各个类别之间的差异以及不同变量各个类别之间的对应关系。特别是当分类变量的层级数比较大时，对应分析可以将列联表中众多的行和列的关系在低维的空间中表示出来。而且，变量划分的类别越多，这种方法的优势就越明显。 对应分析的基本思想 将一个联列表的行和列中各元素的比例结构以点的形式在较低维的空间中表示出来。 对应分析的最大特点 能把众多的样品和众多的变量同时作到同一张图上，将样品的大类及其属性在图上直观而又明了地表示出来，具有直观性。 对应分析的方法 （简单）对应分析 多重对应分析 * 列联表（contingency table） 列联表用来描述定类尺度和定序尺度数据的各种状态或是相关关系 列联表是对应分析的基础，表中的每一个单元格都代表被调查者选择某一答案的频数，也表示行、列的对应关系。对应分析的一个重要前提条件是表中的每个单元格不能为零或负数。 一般的二维列联表 一般的二维频率表 * 对应分析 Correspondence Analysis CA 基于行列变量之间交叉列联表的关联性的一种低维表现图 数据是列联表中的频数，也可以是距离或其它测量尺度 非常普遍和流行的方法 非常适合研究两个定类变量——定性数据的分析 程序生成对应图 品牌和属性靠近的点具有相关性 * 多元对应分析Multiple Correspondence Analysis MCA 基于一组定类变量——定性数据的关联性的一种低维表现图 变量的定性数据分类 非常普遍和流行的方法 程序生成对应图 变量取值的标签表现在对应图中 靠近的点具有相关性 如果能够的话尽量转化为二维的行列变量 * Step 1 Step 2 Step 3 对应分析的步骤 获取对应分析数据 首先需明确研究的目的，进而选择对应分析中所需数据 Step 4 建立列联表 通过列连联表的形式将需要的数据特征描述出来。 运用SPSS执行对应分析 通过统计软件（SPSS）进行计算, 并描绘出对应分析图。 解读对应分析图 * 对应分析图的解读Ⅰ 市场细分：对密集点进行分割确定细分市场，这种方法是最经常用到的。 距离定理：连接原点到其中某点做一条射线，并反向延长做虚线，做Xn（n个X点）到这条直线的垂直线，交叉的点(垂点)离某点越近，说明越相关，反之越不相关。 * 对应分析图的解读Ⅱ 余弦定理：连接其中两点到原点，各做一条射线，两条线之间的夹角越小，说明他们越相关（余弦定理：夹角的余弦用来表示相关性的大小），如果从产品角度上说具有竞争关系。 原点定理：如果某点离圆心越远，则说明该点具有的个性越鲜明，与其他点（产品）差异大，从统计学的角度说明越有意义。 圆心定理：以某点为圆点做半径不同的圆数个，其他点落入的圆上的半径越短，则说明购买该产品的可能性越大，或者是具有相似行为但属性（年龄等）不同的消费者。 * 对应分析图的解读Ⅲ 发展方向分析：根据某点（城市6）所在位置向图内各方向做射线（发展方向，以确定将遇到的竞争对手或困难，来确定企业发展方向。 象限分析：根据原点把整个图划分成四象限，每个象限代表着不同属性的点（产品），具体原理可参见SWOT分析，另遇到可以用 SWOT方式解读是很特殊和偶然的情况，读者需要根据实际情况选择此方法。 * 对应分析在市场研究中的运用 * 对应分析在市场研究中应用 对应分析可以回答的问题 谁是我的用户？ 还有谁是我的用户？ 谁是我竞争对手的用户？ 相对于我的竞争对手的产品，我的产品的定位如何？ 与竞争对手有何差异？ 我还应该开发哪些新产品？ 对于我的新产品，我应该将目标指向哪些消费者 对应分析在市场研究中的应用领域 品牌形象 市场细分 产品定位 满意度研究 …… …… 对应分析 * 对应分析在市场研究中的应用：品牌形象 品牌形象（Brand Image） 品牌形象是消费者这一主体对品牌这一客体的主观感知，是品牌构成要素在人们心目中的综合反映及主观评价。 感知（Perception）是指人们对感性刺激进行选择、组织并解释为有意义的和相关图像的过程。 品牌构成要素既包括品牌名称、品牌标志等品牌的显性要素，又包括品牌所反映的产品属性、价值、文化等隐性要素。 简单的说，品牌形象就是品牌传达给消费者的印象，包括视觉上的和体验层面的。 品牌形象直接