作者 刘强、曾步凡
- 来自随机设计的受访者选择数据被用于建模分析(Logit model,HB,等等)。
- 固定任务是一道(或几道)概念产品固定不变的任务,所有受访者都会回答相同的固定任务。我们可以直接统计所有样本中固定任务里各概念产品的被选择比例。
- 偏好模拟(simulation)时将概念产品定为与固定任务中出现的概念产品一致,代入第1步得到的效用值,并计算各概念产品的偏好份额。
- 比对2中固定任务里各概念产品的被选择比例和3中的模拟的结果(MAE,MSE,correlation等)。如果结果近似,则认为1的建模得到的结果是有效和准确的;如果结果不近似,我们需要回到第1步,在建模分析环节进行调整(调整自变量的编码方式,模型参数设置,权重等)。
- 增加交互效应:一般不宜增加过多交互效应且不宜增加高阶交互效应
- 调整自变量编码方式:例如合并(或拆分)属性水平,价格的重编码(piecewise coding,linear coding,part-worth coding)等
- 调整产品偏好份额计算时的指数系数参数:计算偏好份额时我们默认的指数参数为1,即某个概念产品(j)在n个备选产品中被选择的概率(偏好份额)为:
类别III:149
属性:
属性1:品牌
属性2:不重要的“干扰”属性
属性3:价格(对于不同品牌显示不同价格区间的条件价格)
联合分析题目数量及设置:
每个受访者需要完成15道选择题,每个选择题中包括了若干个概念产品及“都不选择”的选项。“干扰”属性在建模中并没有被使用,只是为了避免消费者猜测到联合分析的目的是定价策略研究。
价格点设置:
每个品牌对应有4个价格点:
价格点1:低于平均价格25%
价格点2:低于平均价格12.5%
价格点3:高于平均价格12.5%
价格点4:高于平均价格25%
为了更贴切地展示商品在货架上的标价情况,价格被近似到最邻近的9美分。
$4.19到$9.19价格段的产品。该产品销售地最慢,在过去的52周里价格会在8-24周之间改变一次。只有很微小的迹象表明该产品产生积存。涉及到5个品牌。
类别III:
$1.69到$3.89价格段的食品。每个商店每周能卖出大约60件。在大多数时间里价格保持不变,一年里只会选择1-2周的时间为某些品牌做促销。当品牌促销时,销量暂时地急剧地增加(大约6倍的销量),有积存现象。调研涉及到6个品牌。
3. 主效应潜类别分析(LC ME: Latent Class Main-Effect)
4. 主效应+品牌x价格交互效应潜类别分析(LC BxP: Latent Class Main-Effect+Brand X Price interaction)
5. 个体层面主效应模型(ICE: Individual-level Choice Estimate)
实际销售和联合分析模拟的销量份额的校验总结可以看下表,表中使用了两个统计量来描述预测的好坏:MAE(平均绝对偏差)和相关性。
6. 影响消费者购买选择的主要因素被纳入了联合分析