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。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15