变量分析为统计方法的一种,起源于医学和心理学,统计资料中有多个变量(或称因素、指标)同时存在时的统计分析。
多变量分析探讨一个结果变量(也称作因变量)与一个或多个预测变量(也称作自变量)之间的关系,是统计学的重要分支,是单变量统计的发展。
适用于产品开发的多变量分析方法有很多。大多数方法都要求使用者有较好的统计学知识,此外使用期间还可能需要专业人员的帮助。这些方法为洞察客户的深层级需求提供了可能。
这里我们简要介绍因子分析、多维尺度分析以及联合分析三种多变量分析方法。
因子分析
因子分析也称因素分析。社会和自然现象中各变量(或事物)之间常存在有相关性或相似性,因为变量(或事物)之间往往存在有共性因素(称为公因子或共性因子),这些共性因子同时影响不同的变量(或事物)。
因子分析的根本任务就是从众多的变量(或事物)中由表及里找出隐含于它们内部的公因子,指出公因子的主要特点,并用由实际测量到的变量(或事物)构造公因子。
因子分析在于找出变量间共同的潜在结构(latent structure)或因子,以估计每一个变量在各因子上的负荷量(loading)。进行因子分析时,并无自变量和因变量的区分,但是所有变量都必须是定距以上层次变量。
因子分析方法的主要应用有两种:其一,减少变量的数量;其二,找出变量之间的结构关系。在产品开发中,因子分析能够用于关键变量的优先级排序和分组,比如:
● 产品属性之间的关系和产品属性对产品偏好的影响;
● 市场上产品之间的关系一一消费者们共同感知到的那些产品。
多维尺度分析
多维尺度分析,也称多维量表分析,以可视化手段表现一个数据集中各个用案之间的相似度,是一种分类的统计方法,在市场上普遍被应用。
多维尺度分析能够以可视化手段呈现出客户眼中十分相似的产品,当研究者想要解释一群受试者(例如消费者)对一组客体(例如商品)在某些变量上相似性的测量中所包含的信息,此时多维量表分析就是一个相当适用的方法。
研究者只要将这一组客体在变量上的测量值转化成多维度的几何表征,就能够将这些客体有效地显示在这个几何空间中,达到分类的目的,借助多个区域的产品分布推断出消费者眼中各个维度的重要性。同时也可以进一步解释这些几何表征所代表的潜在结构或意义。
该方法也能为发掘现有产品的缺陷提供参考。进行多维量表分析时,并无自变量和因变量的区分,同时变量可以是等距以上变量,也可以是定类或定序变量。多维尺度分析的过程大致如下:
可视化图中的维度代表了消费者在做出相似度或可替代度的决策时所看重的关键要素,为方便起见,通常选择2~3个维度。
联合分析
联合分析是一种统计分析方法,是对人们购买决策的一种现实模拟。
通过假定产品具有某些特征,对现实产品进行模拟,然后让消费者根据自己的喜好对这些虚拟产品进行评价,并采用数理统计方法将这些特性与特征水平的效用分离,从而对每一特征以及特征水平的重要程度作出量化评价的方法。
联合分析用于确定人们对构成一个产品或服务的不同属性(性能、功能、利益)的看重程度。目前已经广泛应用于消费品、工业品、金融以及其它服务等领域。
通过联合分析,我们可以模拟出人们的抉择行为,可以预测不同类型的人群抉择的结果。因此,通过联合分析,我们可以了解消费者对产品各特征的重视程度,确定最能影响客户选择或决策的属性组合,并利用这些信息开发出具有竞争力的产品。
联合分析的大致过程:
联合分析示例:以手机月租计划为例,即便只有5个不同属性,每种属性对应3种不同的属性水平,由此构成的属性组合的数量也是巨大的。一些工具可以减少组合的数量,方便消费者进行评分。
产品开发决策中多变量分析的价值
虽然多变量分析方法应用起来较为复杂,但这种方法为理解市场提供了一条独特的、有效的路径。
_________
领取专属 10元无门槛券
私享最新 技术干货