联合分析之CBC模型

作为付费的企业级产品，随着开放平台应用的增多，我们需要考虑不同市场对不同应用或组合的

。数据搜集与分析过程涉及计算机模拟与算法选择，篇幅限制，本文不会展开介绍。

表1 模拟购买的测量方法比较

1 联合分析的基本假定与概念

基本假定：消费者是根据构成产品/服务的多个属性来进行感知和作偏好判断，也就是说，消费者对产品/服务的偏好每次并不是基于一个因素而是基于几个因素的结合来判断的。单独或直接的询问消费者各个属性的重要性，是不现实，甚至是无用的。所以在市场研究中，我们要模拟“消费者在面对不同的产品／服务及其组合时，参考多种属性的结合效应之后做出选择”的过程。通过提供给消费者以不同的属性水平组合形成的产品，并请消费者做出心理判断，然后采用数理分析方法对每个属性水平赋值，使评价结果与消费者的给分尽量保持一致，来分析研究消费者的选择行为，这是一种间接的测量过程。

基本概念：在联合分析中，产品／服务被描述为“轮廓”（profile），每一个轮廓是由能够描述产品/服务重要特征的属性以及赋予每一个属性的不同水平的组合构成的。消费者对某一轮廓的偏好可以分解成该轮廓的多个属性的偏好得分，在联合分析中用效用值来描述。

2 联合分析的操作流程与CBC案例

图2 联合分析的基本操作步骤

确定属性与水平：这是联合分析最重要的一步。所有正面和反面的因素都要考虑，而且要包括所有决定性的关键属性在内。比如考虑产品设计维度的时候，如果缺少价格因素，就会出现一边倒的情况，即用户都会倾向于选择更好的。一个典型的联合分析包含6~7个显著因素，经验、管理直觉和定性研究是确定产品和服务的主要属性所必不可少的。当属性决定之后，还要选择每个属性的水平。各属性所含的水平数目应尽可能平衡（研究表明：一个属性的水平数目增加时，即使起点保持不变，该属性的相对重要性也会提高），水平的范围（从低到高）可以比实际范围低一些或高一些，但不能设定得太离谱，脱离了消费者的真实偏好和感知。

产品模拟与数据搜集：产品模拟可以是全轮廓（包含全部属性），也可以是部分轮廓（包含部分属性，适用于属性较多时，通常为3或5个属性），如图3所示。

全轮廓部分轮廓

图3 全轮廓与部分轮廓示意图

所示轮廓可以完全用文字描述，也可以辅助于图片或实物模型，一般需要将轮廓制作成卡片。

数据搜集的方法有基于偏好函数的排序法和打分法，以及基于离散选择的方法。前者假设属性水平变化时，人的偏好变化函数是线型、二次型、分段线型或混合型；后者基于多项式logit模型，可以

处理基于选择实验的行为模型。两大类方法实验材料如图4-5所示。

基于偏好的实验中，消费者可以对每个轮廓进行偏好打分，通常是1-9分，也可以对所有轮廓进行排序，当轮廓数较多（大于20）时，较难执行。

图4 基于偏好的实验材料

基于选择的实验中，消费者根据对每个系列的轮廓进行选择，也可以增加一个“none”选项，即都不选择。

图5 基于选择的实验材料

下面简单介绍一个采用全轮廓产品模拟，搜集离散选择数据的案例。如某个产品可以分解为4个属性的组合，品牌、价格、产品、服务，品牌有3个水平：品牌A、品牌B、品牌C；价格有3个水平：200元、250元、300元；产品有3个水平：基础版、标准版、高级版；服务有3个水平：较差、一般、较好。如果按照全轮廓计算，那么就有3*3*3*3=81个不同的轮廓。通常模拟产品数量超过30个的全轮廓测试会造成用户负担，可以采用正交设计等方式来减少评价的次数。按照L9（34）进行设计需要作9次测试，最多观察4因素，每个因素均为3水平，如表2的profile1所示，将水平都记

为1、2、3，总共有9个轮廓。如果是基于偏好的方法，可对这些轮廓进行偏好打分或排序即可搜集数据。而如果是基于选择的方法，则我们还需要创造每个题目（set）的其他选项，这里介绍一

种shifted design的方法。即将每个水平的数＋1（1变2，2变3，3变1）如此得到profile2，再＋1得到profile3。有多少个水平，依次得到多少个profile。如此，就得到了9个题目。如果需要，还可以设置“none”选项，则每题共4个选项。类似的，各属性最大水平数越多题目也就越多。一般情况下，每个用户需要判断9-12题，最好不要超过20个。

表2 shifted design

计算属性效用：从收集的信息中分离出消费者对每一属性以及属性水平的偏好值，这些偏好值也就是该属性的“效用”。

估计和验证：建立模型后还须对结果的信度和效度进行评价，以评价在消费者个体层次和消费者群体层次上联合分析模型的正确性。

以上两部分涉及算法选择与计算机模拟过程，Sawtooth公司是该领域专业的软件开发公司，更多内容见。

解释与应用：以下结合一些模拟结果对这部分内容做简单阐述。

结果解释：消费者对每个属性的偏好，属性的相对重要性，以及消费者的类型特点。如图6所示，用户最喜欢的产品是高级版，高级版与标准版的偏好差异不大，但用户对基础版的偏好显著低于其它两个版本；各属性的相对重要性，从高到低依次为品牌、价格、产品、服务，相应的可以得到各类消费者的占比。

图6 结果示意图

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，帮助构建市场模拟模型。同时我们也可根据不同的消费偏好对消费者进行市场细分，作进一步分析，研究不同性别、年龄、收入、区域的消费者是否有相似性。即按照某种属性的偏好将样本分类，对每一个消费者的偏好计算不同属性水平的效用值和属性的相对重要性，并分析个体或群体对产品服务的不同组合的偏好反应属性；当然也可根据不同属性将消费者分类，分析不同群体或整个群体之间的偏好反应属性。如表3所示，可以发现，女性相对更在意品牌，男性相对更在意产品。18-24岁的用户价格敏感型占比最高。

表3 分组分析示意表