抽样方法

  • 在定量研究中,最简单的抽样方法是随机抽样(Random Sampling)。
  • 一个随机样本的定义是:统计人口的一个子集,其中每个成员被抽取中的概率相等。一个简单的随机样本是一个群体的无偏代表。

随机抽样

  • 随机抽样能保证目标群体的代表性和抽样偏差的消除。
  • 其缺点是,在现实情况中极难实现,并且会导致成本和时间问题。

为了克服简单随机采样的缺点,可采用:

  • 分层抽样。层内变异越小越好,层间变异越大越好。
  • 整群抽样(聚类抽样)。群内各单元的差异要大,群间差异要小。

多变量分析

  • 探讨一个结果变量(也称作因变量)与一个或多个预测变量(也称作自变量)之间的关系。
  • 多变量方法:因子分析、聚类分析、多维尺度分析、联合分析、多元回归分析。

价值

  • 发掘机会。有助于了解现有产品之间的关系,找出市场差距。
  • 了解客户未确定、未言明的需求。通过间接获取信息(例如,产品的相似度或可替代性的比较),而非直接调查,多变量分析方法为探明客户的潜意识提供了机会。
因子分析
  • 是一种降维、简化数据的技术。
  • 研究众多变量之间的内部依赖关系,探求观测数据中的基本结构,并用少数几个“抽象”的变量来表示其基本的数据结构。这几个抽象的变量被称作“因子”,能反映原来众多变量的主要信息。
  • 主要应用由两种:
    • 减少变量的数量。
    • 找出变量之间的结构关系。
  • 在产品开发中,因子分析能够用于关键变量的优先级排序和分组,比如:
    • 产品属性之间的关系和产品属性对产品偏好的影响;
    • 市场上产品之间的关系——消费者们共同感知到的那些产品。
多维尺度分析(MDS)
  • 以可视化手段表现一个数据集中各个用案之间的相似度;
  • 方法能够以可视化手段呈现出消费者眼中十分相似的产品,这一点极为有用;
  • 借助多维尺度空间上的产品分布推断出消费者眼中各个维度的重要性;
  • 该方法也能为发掘现有产品的市场空白提供参考。

大致过程

  • 选择要研究的对象,如在某个特定产品类别中开发和上市一款新产品的可仃性。
  • 列出现有产品的所有配对组合(如果清单太长,可以减少配对的数量)
  • 从目标市场中抽取一个样本人群(通常为30~50人),让他们对于每组配对中产品的相似度和可替换度打分
  • 采用多维尺度软件分析每组配对的得分,获得一张代表了产品相互关系的可视化图。
  • 可视化图中的维度代表了消费者在做出相似度或可替代度的决策时所看重的关键要素,为方便起见,通常选择2~3个维度
多维尺度分析示例.png
联合分析
  • 一种统计分析方法,用于确定人们对构成一个产品或服务的不同属性(特性、功能、利益)的看重程度。
  • 目的是,确定最能影响客户选择或决策的属性组合,组合中的属性数量是既定的。

大致过程

  • 定义新产品的潜在属性,这些属性的水平或特性不同(例如,电池待机时间为1
    天、5天或10天);
  • 将不同水平的属性进行随机组合;
  • 要求一个消费者样本(通常为30~50人)对这些属性组合打分;
  • 分析结果,确定对消费者的决策起到最大影响作用的属性。
比较
方法/工具特点
因子分析多个中找出关键要素
聚类分析亲和图,事先未知,分类
多维尺度分析研究可替换性/相似度
联合分析属性组和
多元回归分析相关性,表达式,影响性

众包

  • 通过大量征集他人的解决方案,从而获取信息并将其用于特定任务或项目的一系列工具。该服务可以是有偿的,也可以是无偿的,通常借由互联网实现。
  • 与外包的对比,外包高度强调专业化,而众包则相反。
  • 核心包含着与用户共创价值的理念。

大数据

  • 规模极大的数据集,经由计算机分析可揭示某种模式、趋势和关联性,尤其是与人类行为及其相关的方法
  • 3V定义(道格·莱尼,2001)
    • 数量(Volume)
    • 速度(Velocity)
    • 类型(Variety)