企業(yè)研究論文-聯(lián)合分析方法對產(chǎn)品屬性的應(yīng)用研究摘要：在系統(tǒng)分析聯(lián)合分析方法一般原理的基礎(chǔ)上,通過對閃存盤市場分析,研究了如何運(yùn)用聯(lián)合分析方法分析消費(fèi)者的購買行為,給出了該方法運(yùn)用步驟、產(chǎn)品屬性確定等問題,并通過對閃存盤市場的實(shí)際分析得出產(chǎn)品特征效用函數(shù)、產(chǎn)關(guān)鍵詞：聯(lián)合分析；產(chǎn)品屬性；11.1聯(lián)合分析是1964年由數(shù)理心理學(xué)家RLuce和統(tǒng)計學(xué)家JTukey首先提出的。1971年由PGreen引入市場營銷領(lǐng)域，成為描述消費(fèi)者在多個屬性的產(chǎn)品或服務(wù)中做出決策的一種重要方法。1978年Carmone,Yen和Jam等人將聯(lián)合衡量改為聯(lián)合分析。從20紀(jì)80年代起，聯(lián)合分析在許多領(lǐng)域中得到了廣泛的認(rèn)可和應(yīng)用，90聯(lián)合分析是通過假定產(chǎn)品具有某些屬性，對現(xiàn)實(shí)產(chǎn)品進(jìn)行模擬，然后讓消費(fèi)者根據(jù)自己的偏好對這些虛擬產(chǎn)品進(jìn)行評價，并采用數(shù)理統(tǒng)計方法將這些屬性與屬性水平的效用分離，從而對每一個屬性以及屬性水平的重要程度做出量化評價的方法。目前，該方法已被廣泛應(yīng)用到新產(chǎn)品概念識別、競爭力分析、價格策略、1.2聯(lián)合分析方法的基本思想是，通過提供給消費(fèi)者以不同的屬性水平組合形式的產(chǎn)品，并請消費(fèi)者做出心理判斷，按其意愿程度給產(chǎn)品組合打分、排序，然后采用數(shù)理分析方法對每個屬性水平賦值，使評價結(jié)果與消費(fèi)者的打分盡量保持一致，來分析研究消費(fèi)者的選擇行為。它可以用于評估消費(fèi)者的偏好。如果產(chǎn)品特征是由一些屬性構(gòu)成，那么通過聯(lián)合分析，就可以確定這些屬性的哪種組合最受2為了更好地說明聯(lián)合分析方法的實(shí)施步驟，本文使用了一個閃存盤的例子來2.1聯(lián)合分析首先要對產(chǎn)品或服務(wù)的屬性進(jìn)行識別。這些屬性必須是顯著影響用戶購買的突出屬性，既不能太多，也不能太少。屬性過多會加重消費(fèi)者負(fù)擔(dān)，或者降低模型預(yù)測的精確性；屬性過少，又會因模型中丟失了一些關(guān)鍵信息而嚴(yán)重降低模型的預(yù)測能力。屬性的數(shù)目一般為3-6確定了屬性之后，還應(yīng)該確定這些屬性的水平，屬性與屬性水平的個數(shù)將決定聯(lián)合分析過程中要進(jìn)行估計的參數(shù)的個數(shù)，也將影響被調(diào)查者所要評價的產(chǎn)品輪廓個數(shù)。為了減輕被調(diào)查者的負(fù)擔(dān)，同時又要保證參數(shù)估計的精度，實(shí)驗(yàn)需要恰當(dāng)?shù)匕才艑傩运降膫€數(shù)。一個屬性的各個水平的效用函數(shù)可能是連續(xù)性的，如價格中的49元、99元和129元；也可能是非連續(xù)性的，如品牌中的朗科、金士頓、清華紫光等等。對于連續(xù)性的數(shù)據(jù)來說，如果選取的屬性水平過少，該研究的信度就值得懷疑。但如果屬性水平過多，又會增加研究的成本和難度。進(jìn)一步的研究還表明：各屬性所含的水平數(shù)目應(yīng)盡可能平衡，因?yàn)橐粋€屬性的水平數(shù)2.2聯(lián)合分析將產(chǎn)品的所有屬性與屬性水平通盤考慮，并采用正交設(shè)計的方法將這些屬性與屬性水平進(jìn)行組合，生成一系列虛擬產(chǎn)品。在實(shí)際應(yīng)用中，通常每一種虛擬產(chǎn)品被分別描敘在一張卡片上。聯(lián)合分析的產(chǎn)品模擬主要采用的分析方法由全部屬性的某個水平構(gòu)成的一個組合叫做一個輪廓。每個輪廓分別用一張卡片表示，如下列組合產(chǎn)品(品牌:金士頓；價格:99元；容量:2GB)，像這樣的屬性水平的輪廓組合就有3*3*3=27種，即消費(fèi)者要對27種輪廓作評價。其實(shí)，并不需要對所有的組合產(chǎn)品進(jìn)行評價，且在屬性水平較多時實(shí)施難度也較大。在全2.3數(shù)據(jù)收集是聯(lián)合分析的基礎(chǔ)性工作。具體的方法有:全部呈現(xiàn)、正交設(shè)計或者是正交加隨機(jī)呈現(xiàn)等-這要視屬性及其水平多少而定。在大多數(shù)的聯(lián)合分析任務(wù)中，產(chǎn)品輪廓是描述性的；但也可以將他們制作成圖片或?qū)嵨飦沓尸F(xiàn)以提高實(shí)偏好的測量方法也決定了我們輸入數(shù)據(jù)的形式，最主要的測量方法有:排序法(非定量的)和評分法(定量的)。在聯(lián)合分析方法中，因變量是購買偏好或意愿，即由受訪者根據(jù)自己的購買偏好或意愿來提供數(shù)據(jù)，當(dāng)然，因變量也可是實(shí)際購在測試時，要求被訪問者回答，選購某種屬性水平組合的閃存盤的可能等級，等級分為9等，最高等級為9分，最低等級為12.4從收集的信息中分離出消費(fèi)者對每一屬性以及屬性水平的偏好值，這些偏好值也就是該屬性的“效用”。計算屬性的模型和方法有很多種，一般地，人們主要用最小二乘法回歸模型、洛基回歸(LOGIT)最小二乘回歸模型首先需要對所有的屬性及屬性水平作因子分析或主效用分析設(shè)計，確定有多少顯著的屬性需要消費(fèi)者進(jìn)行評價，有多少種屬性水平組合，不同的輪廓是按個體還是按集合進(jìn)行分析:如果是前者，每個個體的數(shù)據(jù)是要分別分析；如果是后者，應(yīng)先對消費(fèi)者分類，一般方法是先按個體估計分值或效用函數(shù)，然后根據(jù)分值的相似度將消費(fèi)者分類，再對每類做聯(lián)合分析，最后形成一個屬性水平的清單和估計模型。效用函數(shù)的形式為:根據(jù)表4中數(shù)據(jù)可得出所有屬性水平組合的閃存盤效用值。最后整理結(jié)果如下:分值范圍之和=0.778-(-0.556)+0.445-(-0.556)+1.111-(-1.222)=4.668品牌的相對重要性=1.334/4.668=0.286；價格的相對重要性=l.001/4.668=0.214；內(nèi)存的相對重要性=2.333/4.668=0.500把變量全部看成是定性量，利用虛擬變量和一般效用函數(shù)模型和最小二乘估計，得出的數(shù)據(jù)表明:消費(fèi)者對容量這一屬性的偏好是最大的，也就是說，在選擇閃存盤時，消費(fèi)者首先考慮的是容量，其次是品牌，最后是閃存盤的價格。其中(金士頓、99元、4GB)2.5聯(lián)合分析的信度一般包括時間信度（在隨后的某個時間里用相同的工具重復(fù)結(jié)合測驗(yàn)），屬性信度（當(dāng)屬性變化時，其中不變的屬性的分值的穩(wěn)定性），屬性水平信度（得出的分值對于輪廓的子集的敏感性）和數(shù)據(jù)收集方法信度（分值對于數(shù)據(jù)類型、數(shù)據(jù)收集過程、因變量類型的敏感性）。常用的方法有：評價模型的擬合優(yōu)度（goodness-of-fit），例如，如果采用的是虛擬變量回歸，那么可以用R2的值來說明模型對數(shù)據(jù)的擬合程度；或者用檢驗(yàn)一再檢驗(yàn)法（test-retest）來評價信度，即在調(diào)查后的某一階段，讓消費(fèi)者重新評價某些聯(lián)合分析的效度研究一般包括三種方法：比較真實(shí)市場份額與通過市場模擬預(yù)測的市場份額（群體水平）；預(yù)測消費(fèi)者真實(shí)的購買行為，例如，消費(fèi)者愿意為新產(chǎn)品花多少錢，在模擬的購物實(shí)驗(yàn)中消費(fèi)者會選哪個牌子，或者哪一種商品的折扣券被選擇