1、市場細分技術(shù)市場細分技術(shù)培訓介紹第1頁/共19頁主要內(nèi)容 市場細分的統(tǒng)計方法簡介 市場細分的基本原理 聚類分析 因子分析+主成份分析 判別分析+logistic回歸 分類樹CHAID與Conjoint第2頁/共19頁關(guān)于Conjoint Analysis 培訓介紹的仍然是傳統(tǒng)的Conjoint分析-全輪廓(Full Profile)法 介紹了SPSS正交設(shè)計產(chǎn)生的方法 SPSS中Conjoint語法 SPSS中Conjoint結(jié)果解釋 Conjoint市場占有模擬第3頁/共19頁可供市場細分的變量地理變量人口變量年齡，性別， 家庭規(guī)模，生命周期, 收入 社會心理社會階層，生活方式 性格行為變量

2、場合，利益， 使用量地區(qū)、城市第4頁/共19頁CHAID的應用背景 對于判別分析與Logistical回歸中的自變量，通常要求是定距變量（Interval Scaled) 但是在調(diào)查中，人口統(tǒng)計變量通常是類型變量（Category)或離散變量,而且通常是多個類型的變量。 CHAID提供了一種在多個自變量中自動搜索能產(chǎn)生最大差異的變量方案第5頁/共19頁案例 在碳酸飲料市場細分研究中，我們探索是否可以根據(jù)對碳酸飲料的消費行為差異來細分市場。 我們調(diào)查了消費者的每周消費量以及與消費者相關(guān)的背景資料（地區(qū)、年齡、性別、收入類型、教育、婚姻，家庭規(guī)模等） 在傳統(tǒng)方法上，我們可以通過檢查背景資料交叉表，

3、看不同類型消費者的消費量是否存在差異。但是，這種檢查非常費時，而且容易造成遺漏。 通過決策樹模型，可以迅速地檢查按照每個預測（背景）變量分類可能產(chǎn)生的結(jié)果，并可以對分類自動歸并，選擇最佳分類方式，從而達到每個細分市場差異最大化的目的。第6頁/共19頁CHAID方法 CHAID(卡方自動交互檢測Chi-Square Automatic Interaction Detection)是一種基于目標變量自我分層的方法。 在形式上，CHAID非常直觀，它輸出的是一個樹狀的圖形。 它以因變量為根結(jié)點，對每個自變量進行分類，計算分類的卡方值。如果幾個變量的分類均顯著，則比較這些分類的顯著程度（P值的大?。?/p>

4、然后選擇最顯著的分類法作為子節(jié)點。 CHIAD可以自動歸并自變量中類別，使之顯著性達到最大。 最后的每個葉結(jié)點就是一個細分市場第7頁/共19頁CHAID的適用范圍 當預測變量是分類變量時，CHAID方法最適宜。對于連續(xù)型變量，CHAID在缺省狀態(tài)下將連續(xù)變量自動分為10段處理，但是可能有遺漏。 當預測變量是人口統(tǒng)計變量時，研究者可以很快找出不同細分市場特征，免去對交叉分析表歸并與檢查之苦。第8頁/共19頁CHAID的分析步驟 確定因（目標）變量：因變量在市場研究中通常是消費者對產(chǎn)品的購買/使用行為，比如是否某產(chǎn)品的購買者等。 確定自變量（預測變量）：自變量的確定相對簡單，可以選擇較多的變量讓計

5、算機自動挑選：地理變量、人口統(tǒng)計變量、生活方式等心理變量。 分析GAIN TABLE，解釋分類結(jié)果。第9頁/共19頁SPSS Answer Tree 集成了CHAID, CART,QUEST等決策樹方法。 SPSS Answer Tree操作方便，可以很容易地就能比較群體輪廓和細分市場。 4個模塊都是通過檢查數(shù)據(jù)庫中所有可供分類的變量，來將自變量劃分為最佳的小類。 CHAID快速高效多樹型分析法，速度快； 完全CHAID完全多樹型分析法，每步分為最顯著的2類，相對較慢；但分類結(jié)果可能更加全面。 CART(分類和回歸樹)一種完全兩分類樹型分析法則，用來分割數(shù)據(jù)和產(chǎn)生精確的同質(zhì)性子集； QUEST

6、只能在目標變量是類型變量的時候采用。 第10頁/共19頁CHAID界面1模型選擇第11頁/共19頁CHAID 界面2目標變量預測變量頻率變量（加權(quán)）定義變量類型第12頁/共19頁CHAID界面3不校驗樹圖第13頁/共19頁CHAID界面4高級選項中有一些關(guān)于模型的重要選項第14頁/共19頁CHAID輸出結(jié)果圖Node 0MeanStd. Dev.n%Predicted4012501004.1184.7637.00.1184Node 2MeanStd. Dev.n%Predicted40751604.2064.7220.08.2064Node 6MeanStd. Dev.n%Predicted4

7、0484384.1136.6251.72.1136Node 5MeanStd. Dev.n%Predicted40267214.3745.8464.36.3745Node 8MeanStd. Dev.n%Predicted40192154.2656.7974.36.2656Node 7MeanStd. Dev.n%Predicted407564.6533.9078.00.6533Node 1MeanStd. Dev.n%Predicted30499393.9860.8052.92.9860Node 4MeanStd. Dev.n%Predicted309973.7374.6482.92.737

8、4Node 3MeanStd. Dev.n%Predicted40400324.0475.8288.00.0475Q3B_3性別Adj. P-value=0.0000, F=25.4625, df=1,1248女性7類Adj. P-value=0.0001, F=23.1288, df=1,7494;7;5;6;31;2教育Adj. P-value=0.0042, F=11.7757, df=1,265初中3250=3250,一級變量二級變量二級變量三級變量檢驗統(tǒng)計量第15頁/共19頁Gain Table細分市場的利潤指數(shù)最終的5個節(jié)點（細分市場）第16頁/共19頁演示：第17頁/共19頁關(guān)于其它決策樹方法 除了CHAID方法之外，其他方法CA