
SAS市场研究应用介绍:组合/联合分析
一 SAS市场研究模块介绍
市场研究是指研究组织(企业)与客户、公众三者关系的规律的过程,是市场营销领域中的一个重要元素。它把消费者、客户、公众和营销者通过信息联系起来,这些信息有以下职能:识别、定义市场机会和可能出现的问题,制定、优化营销组合并评估其效果。
因此,市场研究不仅仅是研究购买者及用户的心理和行为,而且是对市场营销活动的所有阶段加以研究,即对从生产者到消费者这一过程中的全部商业活动的资料和数据作系统的收集、记录、整理和分析,以了解商品的现实市场和潜在市场,其研究范围是所有的产品及服务。
市场研究重点是将注意力放在消费者的偏好、选择上,以及潜在消费者上。
SAS软件我们知道的包括在BASE SAS的基础上,还有许多功能模块:SAS/STAT(统计分析模块)、SAS/GRAPH(绘图模块)、SAS/QC(质量控制模块)、SAS/ETS(经济计量学和时间序列分析模块)、SAS/OR(运筹学模块)等,SAS/MRA(市场研究)应用可以为市场研究和数据分析提供统计和图形技术等,在研究消费偏好,选择上,潜在消费者上等方面有很大的优势。
SAS市场研究应用具体会使用到组合分析、离散选择分析、一致性分析、多维等级分析等统计方法。本期我们将初步一一进行对上述方法当个简单的介绍。
二 组合分析/联合分析(conjoint analysis)
组合/联合分析(Conjoint analysis)是多重变量分析主要分析之一,在社会学、生物统计学、数量心理学、市场研究、产品管理、运筹学等领域的统计实证分析应用广泛;此方法也是被市场研究领域所常用一种方法。
组合/联合分析用来评价消费者偏好,是市场研究领域最常用的一种方法。如果将产品看成一些属性的组合,那么组合分析可以决定哪种属性对决定产品偏好最重要,以及哪种属性水平的组合是最受偏好的。一般来说,组合分析是因变量方差的主效应分析。偏好为因变量,属性为自变量。通常将因变量进行单调转换来拟合无交互作用的模型。
组合/联合分析的基本原理与步骤
组合/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。
组合/联合分析的基本假定
组合/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。
组合/联合分析的主要步骤
通常由以下几部分组成:
1. 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。
2. 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。
3. 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。
4. 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”。
5. 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。
组合/联合分析在市场研究和营销当中的用途
在市场研究中,组合/联合分析可用于不同的用途,主要有:
1. 确定消费者选择过程中不同属性的相对重要性,可以间接推导出构成产品的所有属性的相对重要性权重的估计值,这些权重表示哪些属性对消费者的选择有重要影响。
2. 根据不同属性水平偏好的相似度进行市场细分。属性的效用函数可作为调查对象聚类的依据, 以便得到偏好相同的细分市场。
3. 估计具有不同属性水平的品牌的市场份额。估算的效用可作为模拟选项的输入,以 便确定不同选项的份额,并由此估算不同品牌的市场份额。
4. 确定最受欢迎产品的属性构成。可以通过属性水平的调整,改变品牌特征并估计相应的效用。 产生最高效用的品牌特征代表最受欢迎的品牌的构成。
组合/联合分析的应用
联合分析是对人们购买决策的一种现实模拟。因为在实际的抉择过程中,由于价格等原因,人们要对产品的多个特征进行综合考虑,往往要在满足一些要求的前提下,牺牲部分其他特性,是一种对特征的权衡与折衷(Trade-off)。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,并利用这些信息开发出具有竞争力的产品。
联合分析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。在现代市场研究的各个方面,如新产品的概念筛选、开发,竞争分析,产品定价,市场细分,广告,分销,品牌等领域,都可见到联合分析的应用。
三 组合/联合分析案例
以一个汽车轮胎购买的例子来说明SAS软件的应用:
假设消费者在购买汽车轮胎时,需要考虑到四个属性:商标名、期望跑动英里、购买价格、安装成本。取值分别如下:
将采访七个被访者,分别对54中组合中的18个组合进行排序,由此得到7中排序,分别为rank1,rank2,rank3…rank7。
SAS操作步骤如下:
(1)激活应用:选择窗口—分析——市场研究
(2) 选择数据集和分析方法:数据集是sasuser.tires,分析方法是conjoint analysis.
(3) 查看数据:选择view data按钮,出现两个选项,data values查看数据情况,variable attributes查看变量信息。
(4) 选择变量:点击OK进入变量选择窗口,偏好变量(preference variable)是七个被访者的排序(rank1,rank2…rank7),属性变量是四个因素(band,charges,price,mileage)。可自己选择度量的或者非度量的分析,度量的分析使用原来的排序,非度量的分析会对数据排序做一个单调转换。
——当变量最低的排序,1,对应的是最偏好的组合时,要使用“metric(reflected)”,reflected代表反转。
——当可以为变量指定类型,qualitative代表定性的,定性变量之间的协方差为0,那么效用的协方差也为0,
(5) 点击OK,呈现分析。
结果解读:
第一幅图呈现的是四个属性的重要性比较
可以看出,图中显示最重要的属性是英里数(mileage)。为了获得更多结果,可以点击工具栏的结果菜单:
效用表:显示每种偏好(preference,因变量)下属性各取值的效用系数。可以看出对于rank1,即从第一个被访者的排序来看,band是最重要的属性,RollsAhead是最偏爱的品牌,那么由此得到第一个被访者的最偏好英里数为80000英里,45美元,免安装费的RollsAhead牌轮胎。
效用图:直观显示每个被访者对不同属性的效用直线。
市场占有率模拟:使用结果菜单的“市场占有率模拟”,可以模拟出每种轮胎的期望市场占有率。图中可以看出,第一种组合即价格为45美元,英里数为80000,免安装费的TireMax牌轮胎市场占有率最高,为42.9%。可以用最大效用模型模拟,也可以用logit模型模拟,这可以自己选择。
需要注意的是,案例中只需要被访者对18中组合进行评价,实际上有54中组合,SAS可以预测其余36中组合的情况,点击Add Row一个一个添加,或者点击Add All自动添加所有,再进行预测即可。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14