聯(lián)合分析方法對產(chǎn)品屬性的應(yīng)用研究

摘 要：在系統(tǒng)分析聯(lián)合分析方法一般原理的基礎(chǔ)上，通過對閃存盤市場分析，研究了如何運用聯(lián)合分析方法分析消費者的購買行為，給出了該方法運用步驟、產(chǎn)品屬性確定等問題，并通過對閃存盤市場的實際分析得出產(chǎn)品特征效用函數(shù)、產(chǎn)品效用值。

關(guān)鍵詞：聯(lián)合分析； 產(chǎn)品屬性； 效用值

中圖分類號：F27文獻標(biāo)識碼：A文章編號：1672-3198（2008）10-0058-03

1 聯(lián)合分析的概念和基礎(chǔ)

1.1 聯(lián)合分析的概念

聯(lián)合分析是1964年由數(shù)理心理學(xué)家R．Luce和統(tǒng)計學(xué)家J．Tukey首先提出的。1971年由P．Green引入市場營銷領(lǐng)域，成為描述消費者在多個屬性的產(chǎn)品或服務(wù)中做出決策的一種重要方法。1978年Carmone， Yen和Jam等人將聯(lián)合衡量改為聯(lián)合分析。從20紀80年代起，聯(lián)合分析在許多領(lǐng)域中得到了廣泛的認可和應(yīng)用，90年代被應(yīng)用得更加深入，涉及到許多研究領(lǐng)域。

聯(lián)合分析是通過假定產(chǎn)品具有某些屬性，對現(xiàn)實產(chǎn)品進行模擬，然后讓消費者根據(jù)自己的偏好對這些虛擬產(chǎn)品進行評價，并采用數(shù)理統(tǒng)計方法將這些屬性與屬性水平的效用分離，從而對每一個屬性以及屬性水平的重要程度做出量化評價的方法。目前，該方法已被廣泛應(yīng)用到新產(chǎn)品概念識別、競爭力分析、價格策略、市場細分、廣告研究等方面。

1.2 聯(lián)合分析的基本思想

聯(lián)合分析方法的基本思想是，通過提供給消費者以不同的屬性水平組合形式的產(chǎn)品，并請消費者做出心理判斷，按其意愿程度給產(chǎn)品組合打分、排序，然后采用數(shù)理分析方法對每個屬性水平賦值，使評價結(jié)果與消費者的打分盡量保持一致，來分析研究消費者的選擇行為。它可以用于評估消費者的偏好。如果產(chǎn)品特征是由一些屬性構(gòu)成，那么通過聯(lián)合分析，就可以確定這些屬性的哪種組合最受消費者歡迎。

2 聯(lián)合分析的一般步驟

聯(lián)合分析的一般步驟如下圖所示：

為了更好地說明聯(lián)合分析方法的實施步驟，本文使用了一個閃存盤的例子來演繹這個過程。在這個例子中，使用的是全輪廓聯(lián)合分析方法。

2.1 確定產(chǎn)品的屬性和屬性水平

聯(lián)合分析首先要對產(chǎn)品或服務(wù)的屬性進行識別。這些屬性必須是顯著影響用戶購買的突出屬性，既不能太多，也不能太少。屬性過多會加重消費者負擔(dān)，或者降低模型預(yù)測的精確性；屬性過少，又會因模型中丟失了一些關(guān)鍵信息而嚴重降低模型的預(yù)測能力。屬性的數(shù)目一般為3-6個。

確定了屬性之后，還應(yīng)該確定這些屬性的水平，屬性與屬性水平的個數(shù)將決定聯(lián)合分析過程中要進行估計的參數(shù)的個數(shù)，也將影響被調(diào)查者所要評價的產(chǎn)品輪廓個數(shù)。為了減輕被調(diào)查者的負擔(dān)，同時又要保證參數(shù)估計的精度，實驗需要恰當(dāng)?shù)匕才艑傩运降膫€數(shù)。一個屬性的各個水平的效用函數(shù)可能是連續(xù)性的，如價格中的49元、99元和129元；也可能是非連續(xù)性的，如品牌中的朗科、金士頓、清華紫光等等。對于連續(xù)性的數(shù)據(jù)來說，如果選取的屬性水平過少，該研究的信度就值得懷疑。但如果屬性水平過多，又會增加研究的成本和難度。進一步的研究還表明：各屬性所含的水平數(shù)目應(yīng)盡可能平衡，因為一個屬性的水平數(shù)目增加時，即使起點保持不變，該屬性的相對重要性也會提高。

2.2 產(chǎn)品模擬

聯(lián)合分析將產(chǎn)品的所有屬性與屬性水平通盤考慮，并采用正交設(shè)計的方法將這些屬性與屬性水平進行組合，生成一系列虛擬產(chǎn)品。在實際應(yīng)用中，通常每一種虛擬產(chǎn)品被分別描敘在一張卡片上。聯(lián)合分析的產(chǎn)品模擬主要采用的分析方法是全輪廓法。

由全部屬性的某個水平構(gòu)成的一個組合叫做一個輪廓。每個輪廓分別用一張卡片表示，如下列組合產(chǎn)品(品牌:金士頓;價格:99元;容量:2GB)，像這樣的屬性水平的輪廓組合就有3*3*3=27種，即消費者要對27種輪廓作評價。其實，并不需要對所有的組合產(chǎn)品進行評價，且在屬性水平較多時實施難度也較大。在全輪廓法中，則采用正交設(shè)計等方法，以減少組合數(shù)，又能反映主效應(yīng)。

2.3 數(shù)據(jù)收集

數(shù)據(jù)收集是聯(lián)合分析的基礎(chǔ)性工作。具體的方法有:全部呈現(xiàn)、正交設(shè)計或者是正交加隨機呈現(xiàn)等-這要視屬性及其水平多少而定。在大多數(shù)的聯(lián)合分析任務(wù)中，產(chǎn)品輪廓是描述性的;但也可以將他們制作成圖片或?qū)嵨飦沓尸F(xiàn)以提高實驗的效度。

偏好的測量方法也決定了我們輸入數(shù)據(jù)的形式，最主要的測量方法有:排序法(非定量的)和評分法(定量的)。在聯(lián)合分析方法中，因變量是購買偏好或意愿，即由受訪者根據(jù)自己的購買偏好或意愿來提供數(shù)據(jù)，當(dāng)然，因變量也可是實際購買與選擇。

在測試時，要求被訪問者回答，選購某種屬性水平組合的閃存盤的可能等級，等級分為9等，最高等級為9分，最低等級為1分。

2.4 計算屬性的效用

從收集的信息中分離出消費者對每一屬性以及屬性水平的偏好值，這些偏好值也就是該屬性的“效用”。計算屬性的模型和方法有很多種，一般地，人們主要用最小二乘法回歸模型、洛基回歸(LOGIT)模型等方法。

最小二乘回歸模型首先需要對所有的屬性及屬性水平作因子分析或主效用分析設(shè)計，確定有多少顯著的屬性需要消費者進行評價，有多少種屬性水平組合，不同的輪廓是按個體還是按集合進行分析:如果是前者，每個個體的數(shù)據(jù)是要分別分析;如果是后者，應(yīng)先對消費者分類，一般方法是先按個體估計分值或效用函數(shù)，然后根據(jù)分值的相似度將消費者分類，再對每類做聯(lián)合分析，最后形成一個屬性水平的清單和估計模型。效用函數(shù)的形式為:

根據(jù)表4中數(shù)據(jù)可得出所有屬性水平組合的閃存盤效用值。最后整理結(jié)果如下:

分值范圍之和=［0.778-(-0.556)］+［0.445-(-0.556)］+［1.111-(-1.222)］=4.668

品牌的相對重要性 =1.334/4.668=0.286;

價格的相對重要性 =l.001/4.668=0.214;

內(nèi)存的相對重要性 =2.333/4.668=0.500。

把變量全部看成是定性量，利用虛擬變量和一般效用函數(shù)模型和最小二乘估計，得出的數(shù)據(jù)表明:消費者對容量這一屬性的偏好是最大的，也就是說，在選擇閃存盤時，消費者首先考慮的是容量，其次是品牌，最后是閃存盤的價格。其中(金士頓、99元、4GB)這種閃存盤是消費者最喜歡的。

2.5 評估信度與效度

聯(lián)合分析的信度一般包括時間信度（在隨后的某個時間里用相同的工具重復(fù)結(jié)合測驗），屬性信度（當(dāng)屬性變化時，其中不變的屬性的分值的穩(wěn)定性），屬性水平信度（得出的分值對于輪廓的子集的敏感性）和數(shù)據(jù)收集方法信度（分值對于數(shù)據(jù)類型、數(shù)據(jù)收集過程、因變量類型的敏感性）。常用的方法有：評價模型的擬合優(yōu)度（goodness-of-fit），例如，如果采用的是虛擬變量回歸，那么可以用R2的值來說明模型對數(shù)據(jù)的擬合程度；或者用檢驗一再檢驗法（test-retest）來評價信度，即在調(diào)查后的某一階段，讓消費者重新評價某些選定的產(chǎn)品模擬，然后通過計算兩組產(chǎn)品模擬分值之間的相關(guān)來評價效度。

聯(lián)合分析的效度研究一般包括三種方法：比較真實市場份額與通過市場模擬預(yù)測的市場份額（群體水平）；預(yù)測消費者真實的購買行為，例如，消費者愿意為新產(chǎn)品花多少錢，在模擬的購物實驗中消費者會選哪個牌子，或者哪一種商品的折扣券被選擇（個體水平）；預(yù)測幾天后消費者的真實選擇（個體水平）。在這些研究中，比較真實市場份額與市場模擬的份額的研究預(yù)測效度最高，但將它用于市場預(yù)測仍然是有難度的，因為有很多市場混淆變量的存在，諸如廣告、分銷等。盡管如此，聯(lián)合分析還是在市場研究中顯示了它的威力。

(1)評價估計模型的擬合優(yōu)度。例如，如果采用的是虛擬變量回歸，那么可以用R2的值來說明模型對數(shù)據(jù)的擬合程度。一般來說，擬合程度應(yīng)在0.80以上。如果模型的擬合程度過低，則說明結(jié)果是令人懷疑的。上述例子中，模型的擬合度0.934，表明模型的擬合是良好的。

(2)用估計出來的分值函數(shù)作為對產(chǎn)品模擬的評價的預(yù)測值。計算該預(yù)測值與消費者的實際評估值之間的相關(guān)性，用以確定內(nèi)部效度。在上例中，模型的預(yù)測與原始資料的相關(guān)分析表明，相關(guān)系數(shù)為0.95，顯著性水平為0.05，表明預(yù)測能力好。

(3)如果數(shù)據(jù)是按集合進行分析的，那么可以將樣本分別割成幾個部分，再對子樣本實施聯(lián)合分析。比較這些子樣本的結(jié)果就可以評價聯(lián)合分析的穩(wěn)定性。

3 結(jié)論

消費者在購買閃存盤這一產(chǎn)品時會受各種屬性的影響，如存儲速度、系統(tǒng)要求、尺寸、重量、工作環(huán)境溫度、通過EMC的標(biāo)準(zhǔn)等，由于篇幅的限制，在上述的調(diào)查中只考慮到消費者購買主要屬性: 品牌、價格、容量這三個屬性，通過聯(lián)合分析對消費者購買行為的影響因素進行分析，當(dāng)市場發(fā)生變化時， 閃存盤生產(chǎn)企業(yè)就可以根據(jù)消費者購買產(chǎn)品屬性的偏好，生產(chǎn)符合消費者購買心理的產(chǎn)品，為企業(yè)的經(jīng)營決策提供有利決策。

通過上述對閃存盤消費者的調(diào)查分析，可以推廣到更多的特征，更多的特征水平，而對于更多的受訪者，在計算出消費者個人的效用后，通過聚類分析可將消費者劃分為不同的消費群體，然后將這些群體最為同質(zhì)個體處理。

參考文獻

［1］菲利普#8226;科特勒.營銷管理［M］.北京：中國人民大學(xué)出版社，2001.

［2］宇傳華.SPSS與統(tǒng)計分析［M］.北京：電子工業(yè)出版社，2007.

［3］柯惠新，保羅.費悉諾.市場營銷研究中的聯(lián)合分析法［J］.數(shù)理統(tǒng)計與管理，1994，13(6):56-65.