基于聯合分析法的個性化需求分析

摘要如何有效滿足個性化需求已成為現代企業參與市場競爭成功的關鍵。因此，開展個性化需求分析方法的研究具有重要的實踐意義。本文根據問卷調查數據統計結果，選取走在個性化需求前列的耐用消費品——冰箱作為研究實例，運用聯合分析的方法建立模型，以確定最滿足顧客需要的產品。

關鍵詞個性化需求聯合分析效用函數

中圖分類號:C931文獻標識碼:A

如何滿足客戶的個性化需求，成為影響企業生存和發展的關鍵。用傳統的定制的方法滿足個性化需求因其可重用性差往往造成高成本和長交貨期，而現在產品生命周期和交貨期日益縮短、且企業間激烈競爭導致產品價格不斷下降，因此傳統滿足個性化需求的方式不能被現在的企業和消費者接受。企業未能充分把握客戶個性化需求，究其原因在于缺乏可指導企業實踐的個性化需求分析方法。因此展開相關實證研究具有重要意義。本文即基于此，以家用電冰箱產品為實例，研究個性化需求分析方法。

1 聯合分析的基本概念與公式

聯合分析是一種多元統計方法，因變量是消費者對某一輪廓的整體偏好評價，某一輪廓的整體也稱為主輪廓，是由全部屬性的各個水平組合而成的，自變量是組成各個輪廓的不同屬性水平，因此聯合分析是在已知消費者對全輪廓的評價結果基礎上，經過分解的辦法去估計結構的一種分析方法。聯合分析的基本模型可用下列效用函數表示:(1)

其中=1、2、…、，表示有個產品屬性，屬性有=1、2、…、個屬性水平;為一個產品組合的總效用;表示屬性水平的部分效用值;為虛擬變量，當屬性水平存在時取值為1，否則為0。這是一個常用的只有主效應的基本效用模型，沒有考慮交叉效應。

第i個屬性的重要程度由貢獻最大的與貢獻最小的部分效用值的差所得到的效用全距來表示:{} (對于屬性的全部水平)(2)

第個屬性的相對重要性: (3)

2 聯合分析的基本步驟

運用聯合分析方法沒有嚴格的步驟，一般按下列程序進行。

2. 1對產品或服務的屬性和屬性水平進行識別，所確定的產品或服務的屬性應該是影響消費者喜好的突出屬性，它們對市場而言是最重要的，從經營管理角度說這種屬性和屬性水平是可操作的。

2.2產品模擬聯合分析將產品的所有屬性與屬性水平通盤考慮，并采用正交設計的方法將這些屬性與屬性水平相結合，生成一系列虛擬產品，在實際應用中，通常每一種虛擬產品被分別描述在一張卡片上，聯合分析的產品模擬主要有兩類方法:配對法和全輪廓法。

2.3數據收集請受訪者對虛擬產品進行評價，通過打分、排序等方法，調查受訪者對虛擬產品的喜好、購買的可能性等。

2.4計算屬性的效用從收集的數據中分離出消費者對每一屬性及屬性水平的偏好值，這些偏好值就是該屬性的“效用”。

2.5估計和驗證聯合分析所得到的“效用”必須通過分析才能得到確認，其分析主要包括信度和效度評價，以評價在消費者個體層次和消費者群體層次上聯合分析模型的正確性。

2.6解釋與應用對所分析的結果進行解釋，利用效用值來預測消費者如何在不同的產品中進行選擇，從而決定應采取的不同措施。

3 實例:冰箱個性化需求的聯合分析

通過與武漢市區內四家電器銷售店營銷員的溝通，查詢海爾和西門子網站和其他冰箱相關網站以及對相關文獻的研究，用頭腦風暴法初步確定冰箱產品屬性和水平，再對冰箱客戶展開初步調研，修正后的產品屬性及其水平如下表1所示。

根據前述設定的相關要求，發放問卷進行調研，對調研結果進行統計匯總，得出每個屬性被選擇的次數，然后除以100，得出每個屬性的相對關注程度，再對其進行排序，結果如下:

耗電量85%;靜音性能64%;價格58%;環保56%;品牌52%;外形尺寸39%;容積36%;顏色33%;制冷方式16%;冷凍室構造14%;除菌12%;控制方式4%.

一個典型的聯合分析屬性應不超過6-7個顯著因素，但針對不同情況會有不同，屬性過多會加重消費者的負擔，或者降低模型預測的精確性;屬性太少，又會嚴重降低模型的預測能力，因為模型中丟失了一些關鍵信息。確定了屬性之后，還應該確定這些屬性恰當的水平，屬性與屬性水平的個數將決定分析過程中要進行估計的參數的個數，也將影響被調查者所要評價的概念產品的個數。

結合關注程度高低，篩選出四個可定制屬性:耗電量、靜音、價格、外形尺寸，由現有冰箱長和寬基本一致，所以采用冰箱高度代替外形尺寸，這樣既反映了冰箱市場現狀又減少了外型尺寸的多變性，方便比較和度量，如下表2所示。

評價概念產品主要有兩種形式:排序或打分。在聯合分析中，因變量是購買偏好或意愿，采用李克特量表。完成上述工作以后就可以開始讓客戶對9個概念冰箱進行評價信息，這需要通過市場調研來進行。

進行聯合分析的模型和方法有多種，主要有一般最小二乘法回歸(OLS)模型，多元方差分析(MONANOVA)模刑，邏輯回歸(Logistic)模型等方法。由于最小二乘法同歸模型使用較廣，這里我們采用最小二乘法回歸模型。OLS模型對一組自變量組成的模擬矩陣進行分析，每個自變量表示一個屬性水平的有或無;因變量是消費者對于通過自變量所描述的一個輪廓的主觀評價值。

如果有M個屬性，第個屬性有個水平(其中1M )。數據是按照評價法得到的，那么得分就形成了因變量。

下面介紹采用啞變量時回歸模型的數學表示:(4)

其中，表示客戶對第個產品的打分;表示第個屬性的第個水平，其取值為: (5)

使用公式(4)對數據進行聯合分析，用SPSS軟件實現。

SPSS首先給出了對于每個客戶(被調查者)所感受到的不同屬性及其對應水平的不同效用值。然后得到樣本群體在各屬性取不同水平時所感受到的效用，見表3(部分)。

通過以上各表中的數據我們就可以計算出顧客對不同產品組合的期望效用。比如有某型號冰箱，其各屬性水平為耗電量1.2、沒有靜音功能、價格在2000元以內、高1.65米，則其期望效用為-1.628。(6)

又上面的分析可以得到最理想化的產品模型，即高度在1.7以上、耗電量在1.0以下、價格在2000以內的靜音冰箱。

本文的分析是基于消費者個體之間的相似性，通過聯合分析對模糊需求進行量化。從調研數據的分析中找出使消費者最為滿意的商品屬性的組合，以指導新產品的開發和研究，是一種很好的事前預測方法。本文所采用的分析方法還可以用于其他方面，如對供應商的評測分析、談判條件的考察等。

當然，本文所采用的聯合分析法也存在自己的缺陷，如過分依賴正交實驗設計、樣本選擇所帶來的誤差等。在本文分析的基礎上，還可以繼續擴展深入分析，如采用聚類分析方法對消費者個體之間的相似性進行挖掘，從而形成特征明顯的需求類;再比如可以將某些屬性水平由離散變為連續進行分析，等等。