品牌知觉图:精准找到空白市场定位,数据化衡量品牌效果

如何知道自己品牌留给客户的是什么印象呢?如何印证品牌推广和塑造的效果呢?如何有效寻找在品牌建设中的空白点和机会点呢?

这次就介绍在品牌建设中会经常用到的品牌知觉图。

一、什么是品牌知觉图

那么什么是品牌知觉图呢?可以看下图,其实,品牌知觉图就是用距离的远近反映相关程度,距离越近,相关程度就越大,反之,则越远。

通过上面的品牌知觉图,分别有品牌A、B、C、D、E5个品牌,这五个品牌有和它们很近的特征,那就会根据远近,就会形成了品牌特征。例如A强调自由乐观、开放和服务,B强调专业、实力和可信赖,C强调的是引领潮流,D强调的是创新、自信、独特、有抱负,E强调的是关爱亲切的形象。

二、如何绘制品牌知觉图

品牌知觉图的制作,最为重要的还是获得市场对品牌的印象和评价,那么市场调查十九非常重要的一个步骤,再把调查结果筛选就可以获得制作品牌知觉图的数据资料了。

1、市场调查的问题设置:

调查的目的就是让受访者从诸多描述性语句中选择他们对品牌的印象,例如要为某啤酒品牌A定位,其竞争者品牌为B和C,可以向受访者询问以下问题:

通过对调研后的数据整理后,转化为品牌和指标、人数这三个维度,就可以得到下图:

接着将上图的指标整理,转化为品牌和指标、人数这三个维度,如下图:

2、对得到的交交叉表做数据分析

这里的分析是通过投射将交叉表中的关联关系转化为散点间的位置关系。这里将变量投射到一个坐标系中,若坐标系维度等于2,则在二维平面中分析不会有损失原来表中包含的信息;若维度大于2,仍可在二维平面中分析,但原有交叉表的信息就会有所损失,所得到的结论将会有一定的误差。下面是具体的步骤:

(1)变量编码与数据录入

对应分析用散点距离体现变量关联,而计算距离要用数值型变量,现“指标”、“品牌”两个变量是文字型变量,需对其编码,使之能够参与运算,下图是品牌与指标的编码规则:

根据编码规则,原始数据改为了数值型数据,如下表:

接下来在SPSS中分别对“指标”和“品牌”两个变量设置值标签,这样就完成了变量的编码工作。

(2)对“品牌”和“指标”做对应分析

通过对应分析,可以得到摘要数据和散点图,下图是对应分析摘要表

在摘要表中,惯量反应了各维度对总信息的解释度,例如维度1的惯量是0.134,总信息量为0.182,因此维度1对总信息量的解释度为0.134/0.182=0.736。同理,维度2对总信息量的解释度为0.264,两个维度对总信息量的解释度累计为1,说明“指标”和“品牌”这两个变量在平面上的投影完全准确地反映交叉表的信息。

只有当“品牌”和“指标”具有关联性,才需要用对应分析对这种关系加以解释,因此需要对两者的关联性进行检验。检验的标准是卡方的伴随概率,从表中可以看到伴随概率sig小于显著性水平,因此通过卡方检验,表明两者具有关联性,因此有对进行对应分析的必要。

上图是制作的散点图,散点间的距离越近就表示相关性越强。当某指标与某品牌处于同一象限且距离很近,则认为该指标和该品牌的关系密切;当某指标与某品牌处于不同象限,若他们在重要轴上的投影方向相同,且距离的绝对值小,在次重要轴上投影方向相反,且距离绝对值适中,仍可认为两者具有一定的关联。

那么这里就存在一个问题,如何判断重要轴和次要轴的问题。这个其实就很简单了,变量在哪个轴上所解释的信息多,哪个轴就是重要轴,反之就是次要轴。在上面的散点图中,维度1所解释的信息量是73.6%,因而维度1就是重要轴。维度2就是次要轴。

因此,从散点图中可以看出,A的定位是高档关爱,在口味上给用户的印象是香味纯正、口味醇厚,口感协调;品牌B的定位是历史悠久和正直可靠,在口味上给用户的印象是泡沫持久,洁白细腻等;品牌C没有明确的品牌定位,在用户心中尚未建立起一定的形象,因此品牌C需要寻找品牌A和品牌B尚未涉猎的空白点,明确自己的品牌定位。


本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏量子位

伯克利用120万美元设备24分钟训练ImageNet,刷新Facebook成绩

李林 编译整理 量子位 报道 | 公众号 QbitAI 最近,加州大学伯克利分校的研究人员用120万美元的设备,24分钟完成了ImageNet的训练。 ? 在最...

3134
来自专栏量子位

Google惊人研究:一组图片,就能强迫神经网络执行其他任务

722
来自专栏量子位

谷歌新竞赛:在欧美长大的AI,也要认识亚非拉的生活丨可参加NIPS

于是,谷歌今年决定要“众筹”一只天生思维开阔、想象力丰富的AI,即使它只见过欧美人的生活,也要扩展到全球各地各种文化中去。

623
来自专栏专知

最新综述文章推荐:自然语言生成、深度学习算法、多媒体大数据分析

【导读】专知内容组整理了最近人工智能领域相关期刊的5篇最新综述文章,为大家进行介绍,欢迎查看! 1 ▌自然语言生成综述:任务,应用,评价 ---- ---- ...

6267
来自专栏FreeBuf

如何构建一个反电信网络诈骗基础模型

网络诈骗,电信诈骗层出不穷,花样翻新,防不胜防,伤害普通百姓利益。本文通过对目前社会上关于网络电信诈骗新闻进行提取,从中分析当前网络诈骗发展趋势和关键因素,进而...

2026
来自专栏AI研习社

你实践中学到的最重要的机器学习经验是什么?

在知乎看到「你实践中学到的最重要的机器学习经验是什么?」这个问题,相信经验对于许多刚准备入门机器学习的同学来说是必不可少的,因此AI研习社选取了3个精华回答给到...

2973
来自专栏大数据挖掘DT机器学习

4步教你开发风控评分模型

作者简介 作者:郑旻圻 邹钰 刘巧莉 背景:数信互融-数据分析师 数信互融(IFRE):专注于互联网金融领域的风险量化、资产定价。基于互联网金融行业数据,结合...

1.2K8
来自专栏LET

谈谈随机数

16111
来自专栏新智元

深度学习辅助北京大学第一医院读片,前列腺癌诊断准确率超过90%

【新智元导读】北京大学第一医院前列腺癌MR资料库训练的智能辅助诊断系统,运用了人工神经网络的技术,从 MR 图像数据中挖掘出有用信息,让计算机可以从中“学到”肿...

3365
来自专栏人工智能快报

美俄科学家联合运用神经网络研制抗癌药物

据俄罗斯物理技术研究所报道,莫斯科物理技术学院(MOSCOW INSTITUTE OF PHYSICS AND TECHNOLOGY,MIPT)、InSilic...

3446

扫码关注云+社区