市场研究中的数据分析和阐释 Data Analysis in Marketing Research

1. 市场研究中的数据分析和阐释Data Analysis in Marketing Research 华南国际市场研究有限公司 2008年4月

2. 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

3. 定量和定性研究结合 用定量和定性相结合的研究方法来达成目标 ...严密的事实: 定量研究可提供可靠和有可比性的数据 ...深度的理解 消费者的想法和感情: 定性方法提供充足的诊断和洞察 定性 定量 最有效的支持营销决策

4. 分析和解释不是调查研究中某个阶段的独立过程，它应该贯穿在项目简介到交付客户的整个项目过程的始终。分析和解释不是调查研究中某个阶段的独立过程，它应该贯穿在项目简介到交付客户的整个项目过程的始终。 研究目的包括了客户预期的研究发现，结论和建议。你决不应该偏离这个目标。” (Roddy Glen)

5. 一、数据分析的基本方法二、高级数据分析方法一、数据分析的基本方法二、高级数据分析方法

6. 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

7. 数据分析准备 • 3个准备工作 准备分析框架 准备数据出表格式 检查原始数据

8. 确定分析的逻辑 明确那些数据为分析使用 分析框架 回答客户所关心的问题 准备报告框架 确定分析框架

9. 数据处理过程:综述 手工 查错编辑 抄 码 电脑查错与编辑 制 作 码 表 编 码 数据输入 统计出表 数据分析

10. 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

11. 数据处理过程:分析数据表示例 (列百分比)

12. 数据处理过程:分析数据表示例（行百分比）

13. 数据处理出表格式 基数 表头 / 分类 侧表头 每个交叉表的基数描述 子群分析的数据分类统计 每个交叉表的目录描述 出表格式

14. 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 包括项目号和项目名称，并在每页上显著标明出来 如果有不同地区或小组的几套表，清晰标出来 标明日期可以有效区分哪套表是最近的 页码号非常有用

15. 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 哪些文件格式是必需的？如SPSS / Quanvert 要求一个CSV文件 以便在excel中操作简易 如果使用了某个模型, 要求使用具体的数据格式 如果你有数字答案，要求频率分布表

16. 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 如果一张纸上两个数字标上星号，很容易看出来 比较困难是的是计算你需要的统计检验 如果你要求，你可以拥有适合你的表格的显著性检验

17. 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 你想看哪个子群？比较哪些群体？ 思考哪些群体需要组合成更大的基数数量？ 思考数据将如何制图 不要忘记市场细分等子群的交叉分类

18. 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 你想出什么样的表格？（是否真正需要甄别和过滤方面的问题） 你需要出平均值吗？ 交叉表 (前测和后测) Nets (开放题 / 品牌） 平均提及次数

19. 数据表中的信息 问题和题号 项目名称 项目号等 基数说明 表头 列显著性检验 侧表头 交叉分类 列百分比 均值

20. 数据检查 问卷 因为... 错误可以发生在各个环节 数据从实地收集回来后不会是100%干净的和合乎逻辑的 但我们要提交的结果必须是正确无误的 我们要对数据质量负最终的责任 实地访问 数据输入 查错编辑 数据处理 出表

21. 数据检查 如果有些数据让你感到惊讶…... 如果有些数据与你要讲的故事不吻合…… 如果有些数据和常识不符... !!这些数据可能是错的!!

22. 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

23. 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 • ……

24. 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 数据处理 分析 • 检查和决定如何处理异常值 • 查表 • SPSS/excel 原始数据查错

25. 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

26. 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 往主体样本中增加追加样本会使主体样本结构发生偏斜，从而影响样本的代表性 因此，需要对追加样本进行加权，使子群在总样本中占有正确的比例

27. 举例介绍

28. 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

29. 市场研究涉及的业务范畴 广告宣传沟通 品牌 产品定位 顾客/客户 关系管理 理解消费者 产品开发 价格定位 经销商管理

30. 业务问题和数据分析方法 • 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) 顾客和员工关系employee relationships Branding 了解消费者 Communication Innovation • 使用和态度研究 • 市场细分研究 • 消费者追踪研究 Channel Management

31. 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, 避免品牌内部不同产品互相蚕食的情况)? • 常用高级数据分析方法: • 价格敏感度测试 (PSM) • GG价格测试法 • 品牌价格抵补测试 (BPTO) • 联合分析 (Conjoint Analysis, DCM/ACA) • TURF分析 顾客和员工关系employee relationships 产品开发 价格定位 • 实物/照片 • 价格研究 • 配置研究 Channel Management

32. 业务问题和数据分析方法 • 客户需要解决的问题: • 品牌的知名度、熟悉程度以及消费者对它的偏好如何? • 品牌在消费者心目中的形象如何? • 与竞争对手相比，品牌的资产/价值如何? 对品牌健康情况的诊断 • 如何给品牌定位? • 如何管理品牌体系, 制定品牌延伸策略？ • 常用高级数据分析方法: • 因子分析 (Factor Analysis) • 对应分析 (Correspondence Analysis) • 多维尺度分析(Multidimensional Scaling Analysis) • 品牌形象知觉图 • 拼图法（定性） (Picture collage) • 通用需求 (Universal Needs) 顾客和员工关系employee relationships 品牌 产品定位 Communication • 品牌形象研究 • 产品定位研究 • 品牌资产研究 • 品牌追踪 Channel Management

33. 业务问题和数据分析方法 • 客户需要解决的问题: • 根据消费者的反馈，我应该推出哪支广告 (广告前测) ? • 即将推出的广告有没有什么需要改进的地方 (广告前测) ? • 自播放以来，广告的效果如何 (追踪研究) ? • 主要信息是否顺利传达给了目标消费群? • 我的广告给消费者树立了一个怎样的品牌形象 • 常用高级数据分析方法: • 因子分析 (Factor Analysis) • 对应分析 (Correspondence Analysis) • 多维尺度分析(Multidimensional Scaling Analysis) • 品牌形象知觉图 顾客和员工关系employee relationships 广告宣传沟通 Communication • 广告评估 • 广告追踪 Channel Management

34. 业务问题和数据分析方法 • 客户需要解决的问题: • 销售方面的顾客满意度(CSS) • 售后服务的顾客满意度(SSS) • 产品的顾客满意度(PSS) • 经销商维修质量检查 • 经销商维修服务检查 • 常用数据分析方法: • 相关分析 • 象限分析(满意度指标的重要性和产品表现） • 满意度模型/结构方程式模型 (Structural Equation Modeling) 顾客和员工关系employee relationships 顾客关系管理 Communication 经销商服务管理 • 顾客满意度衡量 • 售后服务研究 • 神秘顾客研究 Channel Management

35. 举例介绍 • 产品定位研究 • 品牌形象研究 • 价格研究中的数据分析 • 市场细分

36. 谢 谢 ！