京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在企业经营决策中,销售额预测是核心环节之一——无论是库存备货、营销预算制定、产能规划,还是战略布局,都需要基于精准的销售 ...
2026-03-09金融数据分析的核心价值,是通过挖掘数据规律、识别风险、捕捉机会,为投资决策、风险控制、业务优化提供精准支撑——而这一切的 ...
2026-03-09在数据驱动决策的时代,CDA(Certified Data Analyst)数据分析师的核心工作,是通过数据解读业务、支撑决策,而指标与指标体系 ...
2026-03-09在数据处理的全流程中,数据呈现与数据分析是两个紧密关联却截然不同的核心环节。无论是科研数据整理、企业业务复盘,还是日常数 ...
2026-03-06在数据分析、数据预处理场景中,dat文件是一种常见的二进制或文本格式数据文件,广泛应用于科研数据、工程数据、传感器数据等领 ...
2026-03-06在数据驱动决策的时代,CDA(Certified Data Analyst)数据分析师的核心价值,早已超越单纯的数据清洗与统计分析,而是通过数据 ...
2026-03-06在教学管理、培训数据统计、课程体系搭建等场景中,经常需要对课时数据进行排序并实现累加计算——比如,按课程章节排序,累加各 ...
2026-03-05在数据分析场景中,环比是衡量数据短期波动的核心指标——它通过对比“当前周期与上一个相邻周期”的数据,直观反映指标的月度、 ...
2026-03-05数据治理是数字化时代企业实现数据价值最大化的核心前提,而CDA(Certified Data Analyst)数据分析师作为数据全生命周期的核心 ...
2026-03-05在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28