市场研究的利器－联合分析

市场研究中一个经常遇到的问题是：在研究的产品或服务中，具有哪些特征的产品最能得到消费者的欢迎。一件产品通常拥有许多特征如价格、颜色、款式以及产品的特有功能等，那么在这些特性之中，每个特性对消费者的重要程度如何？在同样的（机会）成本下，产品具有哪些特性最能赢得消费者的满意？要解决这类问题，传统的市场研究方法往往只能作定性研究，而难以作出定量的回答。联合分析（Conjoint Analysis，也译为交互分析）就是针对这些需要而产生的一种市场分析方法。

一、联合分析的基本原理与步骤

联合分析是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。

联合分析的基本假定

联合分析假定分析的对象如品牌、产品、商店等，是由一系列的基本特征（如：质量、方便程度、价格）以及产品的专有特征（如电脑的CPU速度、硬盘容量等）所组成的；消费者的抉择过程是理性地考虑这些特征而进行的。

联合分析的主要步骤

联合分析通常由以下几部分组成：

确定产品特征与特征水平：联合分析首先要对产品或服务的特征进行识别。这些特征与特征水平必须是显著影响消费者购买的因素。一个典型的联合分析包含6－7个显著因素。确定了特征之后，还应该确定这些特征恰当的水平，例如CPU类型是电脑产品的一个特征，而目前市场上电脑的CPU类型主要有：奔腾II 450，奔腾II350，赛扬300等，这些是CPU特征的主要特征水平。特征与特征水平的个数决定了分析过程中要进行估计的参数的个数。

产品模拟：联合分析将产品的所有特征与特征水平通盘考虑，并采用正交设计的方法将这些特征与特征水平进行组合，生成一系列虚拟产品。在实际应用中，通常每一种虚拟产品被分别描述在一卡片上。

数据收集：请受访者对虚拟产品进行评价，通过打分、排序等方法调查受访者对虚拟产品的喜好、购买的可能性等。

计算特征的效用：从收集的信息中分离出消费者对每一特征以及特征水平的偏好值，这些偏好值也就是该特征的“效用”。

市场预测：利用效用值来预测消费者将如何在不同产品中进行选择，从而决定应该采取的措施。

二、联合分析的一个实例

以下用一个个人电脑的例子来说明联合分析的基本方法。

假定XX电脑是一个以中低档电脑为主的品牌，公司计划推出一款新产品，定价在6000元左右，以便与市场上的主要中低档产品抗衡。公司决定采用联合分析对产品配置进行分析。

筛选产品特征与特征水平。以前的研究表明，电脑的价格、品牌、CPU类型和硬盘容量是影响消费者选购电脑的最主要因素。因此我们需要模拟的特征是价格、品牌、CPU速度、硬盘容量。

确定特征水平：XX电脑目前的主要竞争对手为联想电脑与华东电脑；同时XX电脑是面向中低档电脑消费者的，目前市场上的中低档电脑价格多在5000－7000之间，因此可以考虑的定价为5000，6000，7000；CPU类型上，目前较普遍的中低档电脑配置为赛扬300，PII350，K6 350；硬盘的容量常见的有2.1G，3.2G，4.3G，因此最终选择的特征水平为：

2、建立虚拟产品

利用上述特征与特征水平可以组合起81种虚拟产品（3×3×3×3）。如果受访者对所有81种虚拟产品进行一一评价，那将是十分麻烦的。联合分析采用数理统计中的正交设计来减少虚拟产品数量。在本例中，通过正交设计，所需要测试的虚拟产品可以减少到9种。以下是正交设计的一个方案：

3、通过调查收集数据：

联合分析通过让受访者回答一些经过精心设计的抉择型问题，以揭示出受访者对各特征的重视程度。本例中我们采用如下提问：

请问您有多大可能会购买以下电脑（请采用9分法评价，1表示完全不可能，9表示非常可能）

产品A（XX牌电脑,价格5000元，K6II 350，硬盘3.2GB）

         1             2         3        4          5           6          7          8         9

完全不可能                                                     非常可能

假定通过调查得到某一消费者对9种产品的评价如下

4、计算特征的效用

计算特征的效用是联合分析的关键步骤。其基本模型是：

 (1)

其中：U(x)=所有特征的效用；ki =特征I的水平数目

m=特征个数；α_ij表示特征i的第j个水平的效用。                          

由效用函数可以产生一个衡量每一特征重要程度的指标：相对重要程度W_i

其中Ci为特征i的效用变动范围：

为了估计以上模型(1)中的参数α_ij,，通常采用哑元法来减少参数，使用最小二乘法估计模型参数。实际应用中，模型的估计几乎完全计依赖于计算机软件。对于本例数据，我们采用SPSS中的Conjoint模块进行分析，得到如下结果：

上表中：相对重要程度栏表示该特征在消费者购买选择中所关心的程度。可见，对该消费者而言，CPU类型是消费者最关心的，相对重要程度为38.46％，其次是产品的价格(34.62％），该消费者对产品的品牌并不十分重视。

特征水平的效用栏表示该特征水平对于该消费者而言的效用。效用越高，则表示该特征水平的越受欢迎。如在该消费者心目中：联想品牌比其他2种品牌要好。