
Graveyard模型的spss操作
昨天一位朋友問(wèn)我Graveyard模型如何操作,我在幾年前曾做過(guò)這個(gè)模型,現(xiàn)在有些遺忘了,先說(shuō)說(shuō)Graveyard模型是做什么的?為什么要用Graveyard模型 ?
1、 二維分析方法
先說(shuō)說(shuō)一個(gè)很好的市場(chǎng)研究方法,那就是二維分析方法,簡(jiǎn)單的講就是X和Y的散點(diǎn)圖,在市場(chǎng)分析和數(shù)據(jù)挖掘的過(guò)程中大多是有這種方法進(jìn)入主題進(jìn)行深度分析的,當(dāng)然分析或者挖掘的入口大多數(shù)是數(shù)據(jù)的分布;
二維分析方法的難點(diǎn)就在于如何設(shè)定X,Y,,也就是X代表什么意思,Y代表什么意思;如何劃分區(qū)域(一般是mean,但一定要考慮數(shù)據(jù)的分布,以防木桶原理影響決策)
2、Graveyard模型
對(duì)于提示前品牌知名度和提示后品牌知名度之間的內(nèi)在關(guān)系,可以用Graveyard模型描述。它是個(gè)兩維圖,以提示后知名度為 X 軸,提示前知名度為 Y 軸。根據(jù)每一品牌的提示前后知名度在這個(gè)兩維圖上描點(diǎn),每點(diǎn)代表一個(gè)品牌。對(duì)所有品牌的提示前后知名度進(jìn)行回歸分析,作出回歸直線(或曲線)。這條回歸直線(或曲線)將品牌分為四種類型:
(1)正常(Normal)品牌,位于回歸線周圍,提示前后知名度的關(guān)系與市場(chǎng)上的平均水平比較一致。
(2)衰退(Graveyard)品牌,位于回歸線右下方的品牌,其提示前知名度相對(duì)于提示后知名度太低,顯現(xiàn)出該品牌被消費(fèi)者淡忘的趨勢(shì)。
(3)利基(Niche)品牌,位于回歸線左上方的品牌,其提示前知名度相對(duì)于提示后知名度較高,這類品牌其品牌認(rèn)知率雖然相對(duì)不高,但其品牌回憶率較高,消費(fèi)者對(duì)其忠誠(chéng)度較高。
(4)強(qiáng)勢(shì)品牌,位于回歸線右上方的品牌,其提示前后知名度均很高,消費(fèi)者對(duì)其忠誠(chéng)度甚高,這些品牌大多是市場(chǎng)上的強(qiáng)勢(shì)品牌。
3、回歸線是那條
大多數(shù)的描述都是圍繞回歸線進(jìn)行的,那么如何才能更好的模擬這條回歸線呢?
統(tǒng)計(jì)角度:R、F檢驗(yàn)值和T檢驗(yàn)值
R越接近1,表明方程中X對(duì)Y的解釋能力越強(qiáng)
F檢驗(yàn)是通過(guò)方差分析表輸出的,通過(guò)顯著性水平(significant level)檢驗(yàn)回歸方程的線性關(guān)系是否顯著,spss默認(rèn)的是0.05,也就是小于0.05均有意義;
實(shí)際角度:可以根據(jù)自己收集數(shù)據(jù)的角度和分析的側(cè)重點(diǎn)進(jìn)行調(diào)整擬合曲線;
4、spss如何實(shí)現(xiàn)以上的過(guò)程?
step1:在回歸分析中找曲線估計(jì),如下圖;
step2:選擇提示前和提示后的數(shù)據(jù)分別做X和Y,選擇擬合所有的曲線
接下來(lái)就是OK,之后大家根據(jù)自己的實(shí)際問(wèn)題,擬合出更貼近真實(shí)的回歸線吧
spss跑出來(lái)的圖,大家可以復(fù)制到PPT中選擇圖點(diǎn)右鍵取消組合,再美化一下就OK!
5、模型展示:
6、此圖解讀,此圖來(lái)自@Celia聰利(新浪微博)
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
SQL 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)化繞不開的話題。 ...
2025-09-18CDA 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 ...
2025-09-18DSGE 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(jià)值的專業(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)全功能周期的專業(yè)操盤手 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)銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無(wú)監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10