
如何用大數(shù)據(jù)的方法繪制知覺(jué)圖
統(tǒng)研究時(shí)代,知覺(jué)圖(perceptual map)是一個(gè)簡(jiǎn)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(shí)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(lái)使用焦點(diǎn)小組(Focus Group) 或調(diào)研問(wèn)卷獲得數(shù)據(jù)變成了一項(xiàng)費(fèi)時(shí)費(fèi)力,且耗費(fèi)成本的工作。
大數(shù)據(jù)背景下,可不可以有更簡(jiǎn)單,更快捷的方式獲知品牌及其競(jìng)爭(zhēng)對(duì)手的定位?可不可以快速評(píng)價(jià)品牌定位是否達(dá)到目標(biāo)位置?可不可以全面檢驗(yàn)修正品牌傳播策略正確與否?
這些問(wèn)題都值得我們來(lái)探討。
先來(lái)說(shuō)說(shuō)知覺(jué)圖的含義:
知覺(jué)圖是消費(fèi)者對(duì)某一系列產(chǎn)品或品牌的知覺(jué)和偏好的形象化表述。目的是嘗試將消費(fèi)者或潛在消費(fèi)者的感知用直觀的、形象化的圖像表達(dá)出來(lái)。特別是用在產(chǎn)品、產(chǎn)品系列、品牌的定位方面,也會(huì)用于描述企業(yè)與競(jìng)爭(zhēng)對(duì)手的相對(duì)位置方面。
知覺(jué)圖可以是多維的,但通常的情形是二維的。
下圖通過(guò)兩維展示了消費(fèi)者心目中筆記本電腦品牌在用戶導(dǎo)向/標(biāo)準(zhǔn)配置,創(chuàng)意設(shè)計(jì)/經(jīng)濟(jì)實(shí)用方面的品牌定位。此例中,消費(fèi)者認(rèn)為,蘋(píng)果品牌代表了創(chuàng)新設(shè)計(jì)及用戶導(dǎo)向的特性。而三星筆記本則代表了經(jīng)濟(jì)實(shí)用和標(biāo)準(zhǔn)配置。
*非真實(shí)數(shù)據(jù),僅用于展示
繪制知覺(jué)圖,涉及到至少6個(gè)步驟:
確定研究方向:
作為咨詢研究公司,研究方向往往是通過(guò)對(duì)消費(fèi)者的研究,獲取其對(duì)于客戶某產(chǎn)品及其競(jìng)爭(zhēng)對(duì)手產(chǎn)品的感覺(jué)或偏好。這時(shí)我們要選擇符合該產(chǎn)品的一系列變量指標(biāo)以及想要研究的目標(biāo)品牌。
通常來(lái)說(shuō), 品牌和變量指標(biāo)之間存在一個(gè)理想的比例關(guān)系,即1.3-1.6倍,也就是說(shuō)如果研究8-10個(gè)品牌,大致需要14-15個(gè)變量。在傳統(tǒng)研究時(shí)代,通過(guò)問(wèn)卷獲取消費(fèi)者認(rèn)知的階段中,對(duì)于品牌的研究一般不超過(guò)20個(gè),否則可能導(dǎo)致調(diào)查對(duì)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(duì)客觀的,并不存在這個(gè)問(wèn)題。這也算是大數(shù)據(jù)繪制知覺(jué)圖的優(yōu)勢(shì)之一。
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(lái)自電商評(píng)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(diǎn)。
在HCR最新的研究項(xiàng)目中,僅6個(gè)月內(nèi)關(guān)于幾大剃須刀品牌的商品評(píng)論數(shù)據(jù)就采集33萬(wàn)條之多,而采集時(shí)間卻僅用了一天。省去了問(wèn)卷設(shè)計(jì),調(diào)研對(duì)象邀約,答題,統(tǒng)計(jì)等多個(gè)環(huán)節(jié),最終獲取到多于問(wèn)卷調(diào)研對(duì)象百倍的原始數(shù)據(jù)。
當(dāng)然這種大數(shù)據(jù)的采集方式,也會(huì)存在短板,比如評(píng)價(jià)不同品牌的個(gè)體不相同,個(gè)人評(píng)論的尺度的不同可能會(huì)影響最終的結(jié)果。但通過(guò)大量級(jí)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(xiàng)研究都可能存在誤差,而傳統(tǒng)問(wèn)卷抽樣所導(dǎo)致的誤差問(wèn)題可能更明顯。
確定產(chǎn)品變量
傳統(tǒng)問(wèn)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(wèn)卷設(shè)計(jì)當(dāng)中向調(diào)查對(duì)象提問(wèn)。
在大數(shù)據(jù)的研究方法中,在數(shù)據(jù)采集之后,可通過(guò)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(xiāo),價(jià)格,外觀,功能,質(zhì)量,體驗(yàn)等。每一項(xiàng)指標(biāo)分為正面,中性,負(fù)面。相當(dāng)于以往問(wèn)卷式研究中的1-3分量表,即負(fù)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。
數(shù)據(jù)處理
計(jì)算每一條評(píng)價(jià)在不同的指標(biāo)下的分?jǐn)?shù),匯總后取平均值,得到不同品牌在各項(xiàng)指標(biāo)下的平均得分。此處以剃須刀為例(非真實(shí)數(shù)據(jù)):
用因子分析中的主成分分析法可以得出每個(gè)品牌及每項(xiàng)指標(biāo)的兩維(X,Y)值:
繪圖
根據(jù)品牌及指標(biāo)的X,Y值,繪制出知覺(jué)圖。在繪制知覺(jué)圖的時(shí)候,有一項(xiàng)工作是非常重要的。即坐標(biāo)軸的命名。此處可根據(jù)軸兩側(cè)45%角內(nèi)指標(biāo)的特性,為X,Y軸命名。例如:X軸負(fù)半軸,可根據(jù)便攜,價(jià)格和促銷(xiāo)/贈(zèng)品來(lái)命名,比如“經(jīng)濟(jì)實(shí)用”。如果遇到命名指標(biāo)數(shù)量過(guò)少的情況,如Y軸負(fù)半軸,則可用正半軸相關(guān)指標(biāo)的反義詞來(lái)輔助命名。
圖表解讀:
位置越相近的品牌,說(shuō)明他們的市場(chǎng)定位越接近。而同屬一個(gè)象限的品牌,在本質(zhì)上可以被聚類(lèi)。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(qiáng)烈的競(jìng)爭(zhēng)關(guān)系。對(duì)于這些品牌,可以通過(guò)知覺(jué)圖檢測(cè)品牌定位的正確與否,通過(guò)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(shí)代的到來(lái),提供了我們更多,更大的數(shù)據(jù)。獲取數(shù)據(jù)的時(shí)間縮短了,成本降低了。但對(duì)于傳統(tǒng)研究方法的借鑒,仍然是一個(gè)值得關(guān)注的話題。都說(shuō)大數(shù)據(jù)往往缺少深入洞察,但HCR一直致力于將豐富的調(diào)研分析經(jīng)驗(yàn)融入到新時(shí)代的背景下,將大小數(shù)據(jù)融合,不斷為客戶創(chuàng)造更高價(jià)值。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
訓(xùn)練與驗(yàn)證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過(guò)程中,“損失曲線” 是反映模型學(xué)習(xí)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(lèi)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(duì)數(shù)據(jù)的需求已從 “存儲(chǔ)” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計(jì)基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計(jì)基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語(yǔ)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(kù)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(shí)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(wú)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(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開(kāi)的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)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(kāi)始提取前,需先判斷 TIF 文件的類(lèi)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(jià)值的專(zhuān)業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)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(zhuān)業(yè)操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)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(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開(kāi)發(fā)時(shí)(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(jià)值的核心操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)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(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)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(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷(xiāo)案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷(xiāo)成為企業(yè)突圍的核心方 ...
2025-09-11