聯合分析方法對產品屬性的應用研究

摘 要：在系統分析聯合分析方法一般原理的基礎上，通過對閃存盤市場分析，研究了如何運用聯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品特征效用函數、產品效用值。

關鍵詞：聯合分析； 產品屬性； 效用值

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

1 聯合分析的概念和基礎

1.1 聯合分析的概念

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

聯合分析是通過假定產品具有某些屬性，對現實產品進行模擬，然后讓消費者根據自己的偏好對這些虛擬產品進行評價，并采用數理統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，該方法已被廣泛應用到新產品概念識別、競爭力分析、價格策略、市場細分、廣告研究等方面。

1.2 聯合分析的基本思想

聯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品，并請消費者做出心理判斷，按其意愿程度給產品組合打分、排序，然后采用數理分析方法對每個屬性水平賦值，使評價結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。如果產品特征是由一些屬性構成，那么通過聯合分析，就可以確定這些屬性的哪種組合最受消費者歡迎。

2 聯合分析的一般步驟

聯合分析的一般步驟如下圖所示：

為了更好地說明聯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，使用的是全輪廓聯合分析方法。

2.1 確定產品的屬性和屬性水平

聯合分析首先要對產品或服務的屬性進行識別。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，或者降低模型預測的精確性；屬性過少，又會因模型中丟失了一些關鍵信息而嚴重降低模型的預測能力。屬性的數目一般為3-6個。

確定了屬性之后，還應該確定這些屬性的水平，屬性與屬性水平的個數將決定聯合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產品輪廓個數。為了減輕被調查者的負擔，同時又要保證參數估計的精度，實驗需要恰當地安排屬性水平的個數。一個屬性的各個水平的效用函數可能是連續性的，如價格中的49元、99元和129元；也可能是非連續性的，如品牌中的朗科、金士頓、清華紫光等等。對于連續性的數據來說，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目應盡可能平衡，因為一個屬性的水平數目增加時，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進行組合，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敘在一張卡片上。聯合分析的產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，則采用正交設計等方法，以減少組合數，又能反映主效應。

2.3 數據收集

數據收集是聯合分析的基礎性工作。具體的方法有:全部呈現、正交設計或者是正交加隨機呈現等-這要視屬性及其水平多少而定。在大多數的聯合分析任務中，產品輪廓是描述性的;但也可以將他們制作成圖片或實物來呈現以提高實驗的效度。

偏好的測量方法也決定了我們輸入數據的形式，最主要的測量方法有:排序法(非定量的)和評分法(定量的)。在聯合分析方法中，因變量是購買偏好或意愿，即由受訪者根據自己的購買偏好或意愿來提供數據，當然，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，每個個體的數據是要分別分析;如果是后者，應先對消費者分類，一般方法是先按個體估計分值或效用函數，然后根據分值的相似度將消費者分類，再對每類做聯合分析，最后形成一個屬性水平的清單和估計模型。效用函數的形式為:

根據表4中數據可得出所有屬性水平組合的閃存盤效用值。最后整理結果如下:

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模型和最小二乘估計，得出的數據表明: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結合測驗），屬性信度（當屬性變化時，其中不變的屬性的分值的穩定性），屬性水平信度（得出的分值對于輪廓的子集的敏感性）和數據收集方法信度（分值對于數據類型、數據收集過程、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據的擬合程度；或者用檢驗一再檢驗法（test-retest）來評價信度，即在調查后的某一階段，讓消費者重新評價某些選定的產品模擬，然后通過計算兩組產品模擬分值之間的相關來評價效度。

聯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測的市場份額（群體水平）；預測消費者真實的購買行為，例如，消費者愿意為新產品花多少錢，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測效度最高，但將它用于市場預測仍然是有難度的，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據的擬合程度。一般來說，擬合程度應在0.80以上。如果模型的擬合程度過低，則說明結果是令人懷疑的。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作為對產品模擬的評價的預測值。計算該預測值與消費者的實際評估值之間的相關性，用以確定內部效度。在上例中，模型的預測與原始資料的相關分析表明，相關系數為0.95，顯著性水平為0.05，表明預測能力好。

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

3 結論

消費者在購買閃存盤這一產品時會受各種屬性的影響，如存儲速度、系統要求、尺寸、重量、工作環境溫度、通過EMC的標準等，由于篇幅的限制，在上述的調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，通過聯合分析對消費者購買行為的影響因素進行分析，當市場發生變化時， 閃存盤生產企業就可以根據消費者購買產品屬性的偏好，生產符合消費者購買心理的產品，為企業的經營決策提供有利決策。

通過上述對閃存盤消費者的調查分析，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：中國人民大學出版社，2001.

［2］宇傳華.SPSS與統計分析［M］.北京：電子工業出版社，2007.

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