市场研究中的数据分析和阐释Data Analysis in Marketing Research

华南国际市场研究有限公司2008 年 4 月

2

市场研究中数据分析的特点

微观层面上的分析 解决客户的实际问题 强调统计方法的应用 注重结论对营销策略的指导意义 很多情况下 , 完整的数据分析是

定性数据分析和定量数据分析的结合

3

定量和定性研究结合

定性定量

... 严密的事实 :

定量研究可提供可靠和有可比性的数据

... 深度的理解 消费者的想法和感情 :

定性方法提供充足的诊断和洞察

用定量和定性相结合的研究方法来达成目标

最有效的支持营销决策

4

分析和解释不是调查研究中某个阶段的独立过程，它应该贯穿在项目简介到交付客户的整个项目过程的始终。

研究目的包括了客户预期的研究发现，结论和建议。你决不应该偏离这个目标。” (Roddy Glen)

一、数据分析的基本方法

二、高级数据分析方法

一、基本数据分析方法

确定分析框架准备出表格式数据查错和清理关于数据加权关于追加样本

7

数据分析准备 3 个准备工作

准备分析框架

准备数据出表格式

检查原始数据

8

确定分析框架

分析框架

明确那些数据为分析使用

准备报告框架

确定分析的逻辑

回答客户所关心的问题

9

数据处理过程 : 综述

手工查错编辑

抄

码

编

码

统计出表

电脑查错与编辑

数据分析

制作码表

数据输入

10

数据处理过程 : 出表 出表主要包括两种结果：频数分布表（ Frequency Tables ）和交叉

表（ Cross tabulations ）。 频数分布表是对单变量而言的，它研究的是一个变量的各水平发生

频率的分布状况；交叉表则是针对两个或两个以上的变量而言，它就是将一些变量与另一些变量进行交叉分析，以表格形式展示数据间关系的过程

统计表中的要素 统计指标（ Criterion ）：分析中关注的项目，一般置于表的左

侧，叫做 SIDE 分组指标（ Predictor ）：用以把样本分成子群的变量，一般置

于表的顶端，叫做 TOP 基数（ BASE ）：用于计算百分比、平均数的样本量 行百分比（ Row Percentage ）与列百分比（ Column

Percentage ）统计检验结果通常以在数字旁边标注字母表示

11

数据处理过程 : 分析数据表示例 ( 列百分比 )

重度 中度 轻度(a) (b) (c)

Z2. 性别 % % %Base= 所有牛奶饮用者 2334 1183 408

% % %

男 43 48a 49a女 57bc 52 51合计 100 100 100

重度 中度 轻度Z3. 被访者年龄 (a) (b) (c)Base= 所有牛奶饮用者 2334 1183 408

% % %

15-19 岁 11 10 920-24 岁 9 14a 12a25-29 岁 9 12a 14a30-34 岁 12 14 19ab35-39 岁 21c 20 1740-44 岁 14 13 1445-49 岁 13b 10 1150-54 岁 11bc 7c 4Total 100 100 100Mean 35.7 33.5a 33.4ab

12

数据处理过程 : 分析数据表示例（行百分比）　 Total 合计 15-17 18-24 25-34 35-44 45-54 55-65

基数 : 所有饮用饮料／饮品的情况 36958 4 12 20 26 22 17

开水／煮开的自来水 13468 5 12 21 25 22 15

中国茶 5755 1 7 15 27 27 23

汤 4477 5 11 21 27 20 16

啤酒 2204 1 12 18 31 24 16

鲜牛奶／纯牛奶 1871 5 14 15 30 17 19

自制的豆浆 1309 2 9 20 29 24 16

汽水／碳酸饮料 1180 8 25 24 22 12 9

大桶装的饮用水 789 4 15 28 17 28 8

有包装的豆浆 704 3 11 26 28 18 15

菊花茶／清凉茶／五花茶等 584 4 8 23 25 12 28

用奶粉冲制而成的奶 582 9 8 21 16 26 20

白酒 / 洋酒 / 蛋酒等 533 0 5 13 36 26 20

酸奶 507 6 26 21 32 8 8

甜汤／糖水／绿豆汤 402 6 7 24 25 20 18

瓶装水 391 5 29 20 14 13 19

有包装的中国茶 292 1 5 16 25 37 17

有包装的豆奶 208 5 12 23 22 24 14

乳酸饮料 188 3 16 33 23 17 9

有包装的鲜果汁 171 2 17 14 31 21 15

有包装的果汁饮料 162 5 21 23 21 22 7

口服液 156 14 7 1 55 13 10

咖啡 135 8 34 15 21 15 6

运动饮料 125 27 28 15 8 10 12

有包装的柠檬茶等 115 7 51 3 26 7 6

有包装的菊花茶等 82 - 26 11 22 17 25

有包装的咖啡 74 - 7 37 44 8 5

13

出表格式

基数 表头 / 分类 侧表头

数据处理出表格式

每个交叉表的基数描述

子群分析的数据分类统计

每个交叉表的目录描述

14

出表格式的详细说明

项目信息

数据格式

显著性检验

交叉分类

数据制表

包括项目号和项目名称，并在每页上显著标明出来

如果有不同地区或小组的几套表，清晰标出来

标明日期可以有效区分哪套表是最近的

页码号非常有用

15

项目信息

数据格式

显著性检验

交叉分类

数据制表

哪些文件格式是必需的？如 SPSS / Quanvert

要求一个 CSV 文件 以便在 excel 中操作简易

如果使用了某个模型 , 要求使用具体的数据格式

如果你有数字答案，要求频率分布表

出表格式的详细说明

16

项目信息

数据格式

显著性检验

交叉分类

数据制表

如果一张纸上两个数字标上星号，很容易看出来

比较困难是的是计算你需要的统计检验

如果你要求，你可以拥有适合你的表格的显著性检验

出表格式的详细说明

17

项目信息

数据格式

显著性检验

交叉分类

数据制表

你想看哪个子群？比较哪些群体？

思考哪些群体需要组合成更大的基数数量？

思考数据将如何制图

不要忘记市场细分等子群的交叉分类

出表格式的详细说明

18

项目信息

数据格式

显著性检验

交叉分类

数据制表

你想出什么样的表格？（是否真正需要甄别和过滤方面的问题）

你需要出平均值吗？

交叉表 ( 前测和后测 )

Nets ( 开放题 / 品牌）

平均提及次数

出表格式的详细说明

19

数据表中的信息

交叉分类

列显著性检验

项目名称

基数说明

列百分比均值

项目号等

侧表头

问题和题号

表头

20

数据检查

问卷

实地访问

数据输入

查错编辑

数据处理

出表

因为 ...

错误可以发生在各个环节

数据从实地收集回来后不会是 100% 干净的和合乎逻辑的

但我们要提交的结果必须是正确无误的

我们要对数据质量负最终的责任

21

数据检查

如果有些数据让你感到惊讶… ...

如果有些数据与你要讲的故事不吻合……

如果有些数据和常识不符 ...

!!这些数据可能是错的 !!

22

怎样进行数据检查？有很多的东西要检查： 标题与内容是否一致？ 实际访问样本数是否与设计样本数相一致 基数定义是否正确 是否所有的配额要求都满足 是否所有的样本都符合事先确定的甄别条件 每个被访者是否回答了所有应该回答的问题 跳问顺序是否被正确执行 单选和复选是否被正确执行（单选题百分比之和等于 100% ，

复选题百分比之和大于 100% ） 表头定义是否正确（名称与取值是否相符） “不知道”、“拒绝回答”、“其他”的比例是否过高

23

怎样进行数据检查？

有很多的东西要检查： 数据前后是否一致 均值、 top 2 box, bottom 2 box 等统计量的计算是否正确 追加样本是否符合规定要求 多组（ Multiple-cell ）设计的项目中，各组样本间是否结构一致 加权值是否被正确使用 ……

24

如何减少错误 :从数据处理到分析

清晰的数据处理说明 清晰的分析框架 查错 / 检查 TOPLINE

数据处理 分析

检查和决定如何处理异常值 查表 SPSS/excel 原始数据查错

25

关于数据加权 加权（ Weighting ）的目的是为了使我们在项目中选取的样本更

好地反应总体的结构

当人口背景资料对一种产品的认知或消费有显著影响时，加权显得尤为重要

通常有三种加权方法 因数加权（ Factor Weighting ）：赋予每个群中的样本一个因数 目标加权（ Target Weighting ）：给定目标值，把样本结果投射到

总体 边缘加权（ Rim Weighting ）：给定多个人口特征指标上的目标值，

来修正样本结构

26

关于追加样本 (Boost samples)

客户可能对总样本中的子群感兴趣，但是这部分群体在总样本中的发生率比较小

因而 ,随机抽样后，这个子群的样本数量不足 在这种情况下，需要对这些子群的样本进行追加，从而使研究分

析有足够大的基数

往主体样本中增加追加样本会使主体样本结构发生偏斜，从而影响样本的代表性

因此，需要对追加样本进行加权，使子群在总样本中占有正确的比例

27

举例介绍

二、高级数据分析方法介绍

专项市场研究涉及的业务范畴不同业务范畴内的数据分析方法数据分析举例

29

顾客 / 客户关系管理

广告宣传沟通

经销商管理

理解消费者

品牌产品定位

产品开发价格定位

市场研究涉及的业务范畴

30

顾客和员工关系 employee relationship

s

Communication

Channel Managemen

t

了解消费者

Branding

Innovation

客户需要解决的问题 : 谁是我们的消费者 ? 他们在人口统计及生活方式上

有什么特点 ? 他们的需求和动机是什么 ? 购买决策过程是怎么样的 ? 他们对品牌的态度如何 ? 消费者细分：市场规模、潜力、需求、相关性以及媒

体偏好

常用高级数据分析方法 : 因子分析 (Factor Analysis) 聚类分析 (Cluster Analysis) 判别分析 (Discriminant Analysis) 潜在重要性分析 (Derived Importance)

• 使用和态度研究• 市场细分研究 • 消费者追踪研究

业务问题和数据分析方法

31

业务问题和数据分析方法

顾客和员工关系 employee relationship

s

Channel Managemen

t

产品开发价格定位

客户需要解决的问题 : 消费者对产品 /概念的接受度及偏好 ? 消费者对产品 /概念的评价 什么才是最佳的配置组合 ? 产品的独特卖点是什么 ? 应该采取怎样的价格策略 (考虑点：最佳上市价

格 , 价差 , 避免品牌内部不同产品互相蚕食的情况 )?

常用高级数据分析方法 : 价格敏感度测试 (PSM) GG价格测试法 品牌价格抵补测试 (BPTO) 联合分析 (Conjoint Analysis, DCM/ACA) TURF 分析

• 实物 /照片• 价格研究• 配置研究

32

业务问题和数据分析方法

顾客和员工关系 employee relationship

s

Communication

Channel Managemen

t

客户需要解决的问题 : 品牌的知名度、熟悉程度以及消费者对它的偏好如

何 ? 品牌在消费者心目中的形象如何 ? 与竞争对手相比，品牌的资产 /价值如何 ? 对品牌健康情况的诊断

如何给品牌定位 ? 如何管理品牌体系 , 制定品牌延伸策略？

常用高级数据分析方法 : 因子分析 (Factor Analysis) 对应分析 (Correspondence Analysis) 多维尺度分析 (Multidimensional Scaling Analysis) 品牌形象知觉图 拼图法（定性） (Picture collage) 通用需求 (Universal Needs)

品牌产品定位

• 品牌形象研究 • 产品定位研究• 品牌资产研究 • 品牌追踪

33

业务问题和数据分析方法

顾客和员工关系 employee relationship

s

Communication

Channel Managemen

t

客户需要解决的问题 : 根据消费者的反馈，我应该推出哪支广告

(广告前测 ) ? 即将推出的广告有没有什么需要改进的地方

(广告前测 ) ? 自播放以来，广告的效果如何 ( 追踪研究 ) ? 主要信息是否顺利传达给了目标消费群 ? 我的广告给消费者树立了一个怎样的品牌形象

常用高级数据分析方法 : 因子分析 (Factor Analysis) 对应分析 (Correspondence Analysis) 多维尺度分析 (Multidimensional Scaling Analysis) 品牌形象知觉图

广告宣传沟通

• 广告评估• 广告追踪

34

业务问题和数据分析方法

顾客和员工关系 employee relationship

s

Communication

Channel Managemen

t

客户需要解决的问题 : 销售方面的顾客满意度 (CSS) 售后服务的顾客满意度 (SSS) 产品的顾客满意度 (PSS) 经销商维修质量检查 经销商维修服务检查

常用数据分析方法 : 相关分析 象限分析 ( 满意度指标的重要性和产品表现） 满意度模型 / 结构方程式模型 (Structural Equation

Modeling)

经销商服务管理

顾客关系管理

• 顾客满意度衡量 • 售后服务研究 • 神秘顾客研究

35

举例介绍

产品定位研究 品牌形象研究 价格研究中的数据分析 市场细分

36

谢谢！