如何用销售数据进行品牌分析
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
如何用销售数据进行品牌分析
讲师:纪浩然
品牌分析的内容包括三部分:生命周期评价、品牌的价值评估、品牌的受众分析。
一、品牌生命周期分析
从品牌的角度来讲,品牌的成熟期非常长。
图1 品牌的生命周期
如图1所示,品牌的生命周期主要是四个阶段:
1.导入期
品牌处于导入期时,销量增长缓慢且不规律,忽高忽低,这对品牌经理或
者策划部的人是一个调整。同时,可能会出现突发事件。
品牌的美誉度、知名度需要时间慢慢积累,积累到一定程度以后,它是一个不规则的过程,可能会突然上升。
2.成长期
品牌在成长期时,销售量拉伸的速度会比较快,但成长到一定程度以后就会进入到成熟期。
3.成熟期
品牌进入到成熟期以后,企业肯定想一直维持下去,但是到了一定的情况以后,如新产品、新品牌出现或者是由于竞争太激烈,会慢慢地步入衰退期。
4.衰退期
实际上,很多产品不会经历这四个阶段,因为它不是很机械的每个阶段都出现。行业不同、产品不同,它的变动规律也比较大。
二、波士顿矩阵分析法
1.波士顿矩阵分析法指标
波士顿矩阵分析法的指标包括:
第一,市场份额增长率;
第二,相对市场占有率,即相对于最大竞品的占有率的比值。
图2 某品牌市场占有率(一)
如图2所示,假如某品牌的市场占有率是20%,那么其相对市场占有率为1.33(20%÷15%)。
图3 某品牌市场占有率(二)
如图3所示,假如某品牌的市场占有率是15%,那么其相对市场占有率为0.5(30%÷15%)。
图4 市场增长率与相对市场占有率
如图4所示,纵轴为市场占有率,通常按10%画中轴线,这是因为中国的行业平均利润率是13%~15%,人们一般认为这个市场占有率增长10%以下的是增长比较慢的,增长10%以上是增长比较快的;横向的相对市场占有率,一般来说是从小到大。
2.波士顿矩阵分析法类型
金牛类
如果某品牌比最大的竞争对手要强,但是增长比较慢,这种产品对企业来说就是贡献现金的,把它叫做金牛类的产品。
瘦狗类
产品市场占有率比较低,打不过竞争对手,增长又很缓慢,把它叫做瘦狗类的产品。
问题类
从品牌角度来讲,问题类产品打不过竞争对手,但增长很快,类似于市场上
经常出现的马太效应。马太效应就是越强就越强、越弱就越弱。问题类的品牌多数出现在市场总规模快速增长的市场中。
明星类
明星类的产品是双高,就是比竞争对手要强、增长速度也比较快。
从一般意义上讲,品牌的转化规律是:金牛类的产品,一般来说,成熟期掉下来就变成了衰退期,衰退期就变成了瘦狗类产品;明星类产品,增长速度下来以后,就变成现金流产品,所以企业从品牌培育的角度来说,一般想把明星类产品培育成摇钱树。从品牌分析角度来讲,如果能把问题类的产品把得很准,就是确实有本事做;对金牛类的主要策略是延保,就是延长品牌的成熟期;对于明星类的产品来讲,一般来说是大力投入,投入到它掉下来,掉下来以后变成摇钱树;对于瘦狗类的产品,一般来说是让其自生自灭。
三、常用基本参数
1.方差和标准差
标准差就是方差的平方根。
方差反映的是数据波动的情况。Excel里面的STDEV函数就是计算方差的。在平均值一样的情况下,方差不同,它们的数据的特征不同。
(关于方差反映数据波动情况的案例详见视频)
2.置信度
置信度是指特定个体对待特定命题真实性的相信程度。
也就是说,从数据分析角度来讲,要比较严谨,即一个命题要成立,必须大于一定的抽样比例,低于这个比例,命题就不成立。
3.假设检验
图5 假设检验
如图5所示,先假设刚认识某人,对其印象颇好;然后与其打交道,打交道的过程是检验,如果检验此人不好,就敬而远之,修正自己的假设;如果检验此人好,就多打交道,不必修正。
4.R平方
销售回归中有一个很重要的参数,叫R平方,显示为R2。R平方的值直接决定了回归的质量,也就是说做这个模型的质量。R平方值是一个0~1的小数值。通常情况下,做这个回归,希望这个R平方是在0.7以上,这样数据做出来的回归的质量会比较好。
四、LOGISTIC回归
在品牌分析中,LOGISTIC回归叫做品牌的受众分析。
图6 LOGISTIC回归分析模型
LOGISTIC回归分两种:
第一,0、1回归。即品牌买还是不买,买就是1、不买就是0。通过这个回归,可以找出影响品牌选择的因素。
第二,多品牌回归。即这个品牌多于2,然后去做分析时,要两两比较进行品牌对比分析。
品牌的两两比较不能统一地去做,所选择的品牌完全取决于业务分析的需求,不是与最好比,而是与标杆企业、标杆品牌去比、做分析。
(关于多元回归分析的案例详见视频)
图7 LOGISTIC回归分析图8 LOGISTIC回归分析