常用市场信息分析方法

与外部数据作对比
可能的话，标准数据值通常用来作为参考 很多调研公司都有自己的内部标准参考数据
您的分值: 3.48
结论: 可接受，但还不够 好，处于平均值的
中后方
4.00 3.75
3.60
3.45
3.30
3.15 3.00
显著性差异测试
有时候数据比较的结果需要经过统计分析的考验来验证其可靠性 ，这种测试叫“显著性差异测试”。
必要的话，综合调整
市场容量投射（1）
目标客户为有小孩的母亲的某家庭服务公司想知道他们在中国的 市场大小。
可靠性
1. 您有一个0-7岁的小孩吗？ 2. 您每月的家庭收入？
3. 以前您使用过 [xxx service] 吗？
初步甄别: 针对市场大小
二次甄别: 类别渗透率
4. 以前您使用过多少次 [xxx service]？ 5. 平均每次您花费多少？
10% risk level
5% risk level
交叉分析给出分类结论
交叉分析会帮助您找出隐藏的问题。比如，下面左方图表显示， 测试产品是用户最喜欢的产品，但事实上，有些群体根本不喜欢 （见右图）。
尺度数据和参考数据
尺度数据应该和更多的相对数据进行对比，比如参考数据，以确 保它的可靠性。
交叉分析
高端数码类产品 研究结果
喜好度/购买意向等尺度数据的分析（3）
主要有4种方法分析这类数据:
• 按照经验/主观判断 • 分类分析 • 与内部数据作对比 • 与外部数据作对比
按照经验/主观判断
按照经验/主观判断绝对不是最好的尺度数据分析方法，但在研究 设计得不理想的情况下这也许是最后唯一的方法。
5分制 购买意向
外观 价格 品牌 其他
一点也 不重要
1 1 1 1
不太重要 2 2 2 2
一般 3 3 3 3
比较重要 4 4 4 4
非常重要 5 5 5 5
尺度（2）
以下是常用的尺度评判类型：
• 喜好度 • 吸引度 • 购买意向 • 满意程度 • 重要性 • 同意度
5分尺度
7分尺度
10分尺度
11分尺度
几分尺度（3）
新产品销量投射（1）
除了人口数据，其他数据，比如销售数据，也能用于投射调研。 基于不是科学的投射，它提供了如下例所示的有用结果：
某知名汽车生产商 打算上市新汽车
根据已知竞争对手 的销售量，
我们可以预测相应 的市场占有率
常用市场信息分析方法
2020年4月26日星期日
基本数据分析
第2页
策略性研究 第 27 页
战术性研究 第 61 页
议题
• 尺度数据 • 交叉分析 • 数据投射
主要话题
• 尺度数据 • 交叉分析 • 数据投射
尺度（1）
尺度数据是最常被用到的分析数据。
购买汽车时，在1到5的尺度 中您如何评判每项考虑因素
尺度题目的数据有多种展现的方式，按照讲解目的选择最合适的 方式。
喜好度/购买意向等尺度数据的分析（1）
如下例所示，通过尺度问题收集的数据，比如喜好度，购买意向 ，吸引度，满意程度，等等，比较难分析：
我的产品好到 足以上市了吗
？
喜好度/购买意向等尺度数据的分析（2）
按照字面意思来解释此类数据很危险，甚至可以导致结论与实际 情况有着很大的偏差。
有可能将来 来自百度文库为目标
拒绝这种产品 的消费者
通常在中国: 5 分意味着接受 4 分意味着可以考虑 3 分意味着更低或者拒绝
与内部数据作对比（1）
在尺度数据分析中，对数据进行对比是最好的一种方法 通常使用同一研究中的其它同类数据进行对比
与内部数据作比较（2）
如果测试问卷包括了诊断性的题目，与内部数据作比较则特别有 用。
市场趋势投射（2）
在下面的案例中，投射过程需要3个步骤：渗透率投射，年销售 量投射，总销售量加权。
每年针对不同收 入群体计算:
% [xxx 产品]拥有者 ×
% [ N年] 购买者 ×
该收入群体的家庭数量
所有收入群体相加，得 到该年的总销量
市场趋势投射（3）
使用回归或者其他分析手段，投射可以用来预测。
非常好
Top 1 （肯定 会购买）
20-25% +
Top 2 （肯定会购 买 + 可能 会购买）
80-90% +
可接受 低
10-20% 10% -
50 or 6080%
50% -
分类分析
分类分析根据不同的用户群进行分类，不做未来趋势的预测。
28％
18％
33％
21％
核心 目标市场
目前有潜力 的消费者
交叉分析帮助进一步数据分析
交叉分析提供的因素关联将会在高级统计分析中得到检验并得以 证明。
数据投射
什么是 “数据投射"?
• 转换样本数据到整体数据 • 例如，“品牌意识”，“类别渗透率”，“销量”
如何投射调查数据
数据投射的过程非常简单：
确认样本数据具有代 表性
必要的话，数据加权
除以样本大小，再乘 上总大小
104,335 1.3
每次使用的平均消费
USD 36
每年该服务的消费额度投射（ 000,000s）
USD 4.93
上海 2,833,500 15% 436,332 21%
93,084 1.7 USD 34 USD 5.41
广州 1,049,585 18% 186,071 13%
24,165 1.5 USD 50 USD 1.81
“交叉分析”指比较不同组群中同一数据结果。它的适用 范围包括：
• 检查是否同一结论适用于整个市场的同时，也 适用于细分市场
• 寻找市场细分的线索（不同细分市场有不同需 求）
• 为进一步的高级数据分析提供假设
交叉分析方法提供细化分析
交叉分析还可以帮助您找到细分市场的需求分类。如下图所示， 总体而言，A类型最受大众欢迎，B类型则在广州和成都更受欢迎 。
三次甄别: 容量设想
市场容量投射（2）
结合研究数据和历年数据来投射目标市场的大小和消费量。
第一类城市数据预测 总家庭数量 拥有小孩和高收入的家庭百分比
北京 2,787,869 9%
目标市场大小投射
在一年内使用过该类服务的目标市场 家庭百分比 每年目标市场大小投射 一年内平均使用次数
261,691 40%
市场趋势投射（1）
稍复杂的分析将生成，近年的销售，以及以后几年的销售趋势， 如下例（高端数码产品）所示：
1. 您或者您家庭有人拥有一部 [xxx 产品 ]吗？
2. 您在哪年或者哪个季节购买了 [xxx 产 品]？
3. 请告知您家庭的月收入。
初步甄别: 类别渗透率
二次甄别: 购买所在年
加权: 家庭月收入