
本文為HCR-慧思拓電商數(shù)據(jù)研究總監(jiān)張淳投稿,如需轉(zhuǎn)載請注明作者與來源。
投稿可將稿件發(fā)送至郵箱songpeiyang@pinggu.org
傳統(tǒng)研究時代,知覺圖(perceptual map)是一個簡潔直觀解析品牌定位的經(jīng)典工具,然而隨著大數(shù)據(jù)時代的降臨,傳統(tǒng)的數(shù)據(jù)獲取方法受到了不斷的沖擊,原來使用焦點小組(Focus Group) 或調(diào)研問卷獲得數(shù)據(jù)變成了一項費時費力,且耗費成本的工作。大數(shù)據(jù)背景下,可不可以有更簡單,更快捷的方式獲知品牌及其競爭對手的定位?可不可以快速評價品牌定位是否達到目標位置?可不可以全面檢驗修正品牌傳播策略正確與否?這些問題都值得我們來探討。
先說說知覺圖的含義。知覺圖是消費者對某一系列產(chǎn)品或品牌的知覺和偏好的形象化表述。目的是嘗試將消費者或潛在消費者的感知用直觀的、形象化的圖像表達出來。特別是用在產(chǎn)品、產(chǎn)品系列、品牌的定位方面,也會用于描述企業(yè)與競爭對手的相對位置方面。
知覺圖可以是多維的,但通常的情形是二維的。下圖通過兩維展示了消費者心目中筆記本電腦品牌在用戶導向/標準配置,創(chuàng)意設(shè)計/經(jīng)濟實用方面的品牌定位。此例中,消費者認為,蘋果品牌代表了創(chuàng)新設(shè)計及用戶導向的特性。而三星筆記本則代表了經(jīng)濟實用和標準配置。
*非真實數(shù)據(jù),僅用于展示
繪制知覺圖,涉及到至少6個步驟:
1.確定研究方向:作為咨詢研究公司,研究方向往往是通過對消費者的研究,獲取其對于客戶某產(chǎn)品及其競爭對手產(chǎn)品的感覺或偏好。這時我們要選擇符合該產(chǎn)品的一系列變量指標以及想要研究的目標品牌。通常來說, 品牌和變量指標之間存在一個理想的比例關(guān)系,即1.3-1.6倍,也就是說如果研究8-10個品牌,大致需要14-15個變量。在傳統(tǒng)研究時代,通過問卷獲取消費者認知的階段中,對于品牌的研究一般不超過20個,否則可能導致調(diào)查對象的疲倦,最終影響調(diào)研結(jié)果。而在大數(shù)據(jù)獲取的背景下,數(shù)據(jù)是本身的獲取是相對客觀的,并不存在這個問題。這也算是大數(shù)據(jù)繪制知覺圖的優(yōu)勢之一。
2.獲取數(shù)據(jù):本次介紹的大數(shù)據(jù)獲取用戶感知數(shù)據(jù)的方式,主要來自電商評論數(shù)據(jù)的獲取。與傳統(tǒng)途徑相比,它具有采集快速,數(shù)據(jù)量大的特點。在我最新的研究項目中,僅6個月內(nèi)關(guān)于幾大剃須刀品牌的商品評論數(shù)據(jù)就采集33萬條之多,而采集時間卻僅用了一天。省去了問卷設(shè)計,調(diào)研對象邀約,答題,統(tǒng)計等多個環(huán)節(jié),最終獲取到多于問卷調(diào)研對象百倍的原始數(shù)據(jù)。當然這種大數(shù)據(jù)的采集方式,也會存在短板,比如評價不同品牌的個體不相同,個人評論的尺度的不同可能會影響最終的結(jié)果,但通過大量級的數(shù)據(jù)收集,可以將這種誤差控制在可控范圍內(nèi)。任何一項研究都可能存在誤差,而傳統(tǒng)問卷抽樣所導致的誤差問題可能更明顯。
3.確定產(chǎn)品變量:傳統(tǒng)問卷的采集形式中,確定產(chǎn)品維度的工作是在數(shù)據(jù)采集前完成的,即先確定需要考察的產(chǎn)品屬性,之后體現(xiàn)在問卷設(shè)計當中向調(diào)查對象提問。在大數(shù)據(jù)的研究方法中,在數(shù)據(jù)采集之后,可通過高頻屬性的方式,提煉出某產(chǎn)品最受關(guān)注的一系列屬性。例如:物流,服務(wù),促銷,價格,外觀,功能,質(zhì)量,體驗等。每一項指標分為正面,中性,負面。相當于以往問卷式研究中的1-3分量表,即負面等于1分表示不滿意,中性等于2分表示一般,正面等于3分表示滿意。
4.數(shù)據(jù)處理:計算每一條評價在不同的指標下的分數(shù),匯總后取平均值,得到不同品牌在各項指標下的平均得分。此處以剃須刀為例(非真實數(shù)據(jù)):
用因子分析中的主成分分析法可以得出每個品牌及每項指標的兩維(X,Y)值:
飛利浦 |
.671 |
-.580 |
博朗 |
1.106 |
1.099 |
飛科 |
.788 |
-.643 |
松下 |
.848 |
.701 |
超人 |
-1.321 |
1.646 |
奔騰 |
-1.340 |
-.395 |
朗威 |
-.089 |
-.839 |
科美 |
-.662 |
-.990 |
物流 |
.963 |
-.092 |
聲音 |
.935 |
.166 |
服務(wù) |
.932 |
-.296 |
質(zhì)量 |
.899 |
-.187 |
動力 |
.795 |
.328 |
剃須體驗 |
.694 |
.350 |
促銷/贈品 |
-.692 |
-.427 |
價格 |
-.644 |
-.326 |
包裝 |
.099 |
.867 |
外觀設(shè)計 |
-.081 |
.857 |
電源 |
.500 |
.818 |
剃須效果 |
-.127 |
.759 |
便攜性 |
-.145 |
-.117 |
5.繪圖:根據(jù)品牌及指標的X,Y值,繪制出知覺圖。在繪制知覺圖的時候,有一項工作是非常重要的。即坐標軸的命名。此處可根據(jù)軸兩側(cè)45%角內(nèi)指標的特性,為X,Y軸命名。例如:X軸負半軸,可根據(jù)便攜,價格和促銷/贈品來命名,比如“經(jīng)濟實用”。如果遇到命名指標數(shù)量過少的情況,如Y軸負半軸,則可用正半軸相關(guān)指標的反義詞來輔助命名。
(*非真實數(shù)據(jù),僅用于展示)
6.圖表解讀:位置越相近的品牌,說明他們的市場定位越接近。而同屬一個象限的品牌,在本質(zhì)上可以被聚類。例如博朗與松下;奔騰,科美及朗威;飛利浦與飛科。他們彼此形成強烈的競爭關(guān)系。對于這些品牌,可以通過知覺圖檢測品牌定位的正確與否,通過逐漸改變品牌定位的方法,遷移到理想的新位置。
大數(shù)據(jù)時代的到來,提供了我們更多,更大的數(shù)據(jù)。獲取數(shù)據(jù)的時間縮短了,成本降低了。但對于傳統(tǒng)研究方法的借鑒,仍然是一個值得關(guān)注的話題。
作者介紹
張淳,HCR-慧思拓 電商數(shù)據(jù)研究總監(jiān)。DePaul University營銷分析專業(yè)碩士(全美唯一設(shè)立數(shù)據(jù)分析與營銷結(jié)合專業(yè)的學校)。多年消費品行業(yè)研究經(jīng)驗,專長領(lǐng)域電商大數(shù)據(jù),曾服務(wù)寶潔,聯(lián)合利華,金佰利,伊利,蒙牛,天翼,美的等大型品牌客戶,行業(yè)涉及母嬰,家電,日化,數(shù)碼,醫(yī)療等。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓練與驗證損失驟升:機器學習訓練中的異常診斷與解決方案 在機器學習模型訓練過程中,“損失曲線” 是反映模型學習狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11