智能产品开发的联合分析

通过联合分析模拟产品发布的市场份额

在我们的小案例研究中,我将通过展示一个联合分析的具体示例,向您展示如何通过客户的实际潜在效用和偏好来了解客户。这个案子是虚构的。联合分析是一组方法,通过查看消费者的决策,您可以获得他们的潜在效用和偏好。与传统的方法相比,你不需要追着顾客问他喜欢什么,而只是观察他的实际选择或判断。根据顾客的选择,你可以得到最可能的偏好集合,这里称为效用函数。如果您想了解更多关于联合分析的知识,请查看我的关于联合分析的深入文章.如果您想知道如何构建自己的联合分析,请查看我的构建您自己的联合分析的详细分步指南

问题:一家笔记本电脑初创公司能与苹果、戴尔等公司竞争吗?

在今天的小案例中,我将帮助一家名为Ethos的笔记本电脑初创公司了解它的主要目标客户:大学学生。Ethos希望主要通过平台在线销售他们的笔记本电脑,并且很高兴将他们的愿景变为现实。然而,他们知道他们必须做出正确的决定,并且有三个主要问题他们想要得到答案。

  1. 学生理想的笔记本电脑是什么?
  2. 与苹果、戴尔或华硕等知名品牌相比,Ethos的创业公司默默无闻,会不会面临劣势?
  3. 市场上的优先份额是多少?

方法和前提:构建联合分析

在本节中,我将简要介绍一下我提出的关于如何构建自己的联合分析的七个步骤。

步骤1:问题和属性

在与Ethos的产品经理交谈之后,很明显,我们想要寻找的属性是以下这些具有以下期望的属性:

属性 水平 预期的影响 预期的交互
品牌 5 .苹果、联想、宏碁、华硕、Ethos、Other - - - - - - - - - - - -
2:双核、四核 线性增加 内存
内存 3: 4gb、8gb、16gb 线性增加
硬盘 3: 256gb、512gb、1024gb 对数 - - - - - -
显示尺寸 3: 12英寸,14英寸,15.2英寸 最优二次型 - - - - - -
显示质量 2:正常,高清 - - - - - - - - - - - -
触摸屏 是,不是 - - - - - - - - - - - -

这些变量被认为是最重要的,因为消费者会根据它们做出决定。理想情况下,这些变量是由焦点小组和访谈等定性调查产生的。有趣的一点是,我们可能会期望可变核心和RAM之间的交互,因为对于消费者来说,许多具有少量RAM的核心被认为远不如具有大量RAM的核心有趣。如果您对交互的概念还不熟悉,那么我建议您阅读介绍部分提供理论背景的两篇文章。

步骤2:偏好模型

在我们的情况下,问题是比较清楚的,我们想了解潜在的客户。因此,矢量模型或混合模型不能进一步帮助我们。另一方面,理想点解决方案为每个人提供了一个有趣的地图,但它在回答Ethos提出的第二个和第三个问题时用处不大。在我们的例子中,理想的模型是部分价值模型。部分价值模型非常适合使用分数阶乘设计。我们可以用它来回答这三个问题,我们甚至可以用清晰的图表将结果可视化。这使得它成为了解客户的理想模型。对于市场份额的预测,混合模型要优于部分价值模型。然而,我们也大多是分类变量,为了简单起见,我们也将使用部分价值模型来预测市场份额。

步骤3:数据收集

如果我们想使用部分价值模型,使用概念评价方法是最有意义的。由于Ethos想要在线销售其笔记本电脑,其目标是使联合分析尽可能与这种情况相似。因为在亚马逊这样的平台上,笔记本电脑通常是以概念的方式展示的,所以概念评估似乎是最合适的。通过使其相似,我们可以增加以后将其推广到实际情况的可能性,例如,有一天学生在亚马逊等在线平台上从Ethos购买笔记本电脑。另一种想法是,当消费者在网络平台上搜索笔记本电脑时,他们不会直接购买。

第二个重要的方面是,根据在构建联合分析之前与潜在客户进行的访谈,客户不会立即决定购买笔记本电脑。他们宁愿首先浏览在网上找到的笔记本电脑,并对它们进行初步评估。然后在大多数情况下,他们根据自己的喜好决定他们认为最好的一个。这让我们相信,让我们的客户对每个选择进行评级,而不是让他们立即做出决定,是有意义的。

步骤4:实验设计

由于没有交互效果,我们将使用可以简单地使用“DoE”包生成的分数因子设计。使用这个包,可以测试出分数阶乘设计的最佳水平和变量数量。还有许多其他可用的软件包,但是“DoE。“Base”是最简单和最直接的方法,因为其他软件包需要更深入的知识。我们使用以下代码生成分数阶乘设计并插入关卡描述:

#######################准备工作####实验设计#创建一个分数设计安装包(“DoE.base”)库(DoE.base) test.design <-oa. Design (nlevels =c(6,2,3,3,3,3,2,2)) FracDesign <-as.data.frame(test.design)名称(FracDesign) <-c(“Brand”,“Cores”,“RAM”,“HardDrive”,“DSize”,“DQuality”,“触摸屏”)级别(FracDesign$Brand) <-c(“Apple”,“Lenovo”,“Acer”,“Asus”,“Ethos”,“Other”)级别(FracDesign$Cores) <-c(“双核”,“四核”)级别(FracDesign$RAM) <-c(“4GB”,“8gb”,“16gb”)级别(FracDesign$HardDrive) <-c(“256 GB”,“512 GB”,“1024 GB”)级别(FracDesign$DSize) <-c(“12英寸”,“14英寸”,“15.2英寸”)级别(FracDesign$DQuality) <-c(“普通”,“HD”)级别(FracDesign$触摸屏)<-c(“是”,“否”)rm(test.design) #将设计保存到excel文件install.packages(“xlsx”)库(xlsx) write.xlsx(FracDesign,“C:/Users/Economalytics/Desktop/ExperimentalDesign.xlsx”))万博网页在线登录
品牌 内存 硬盘 DSize DQuality 触屏
1 宏碁 双核心 16 GB 1024 GB 12英寸 正常的 是的
2 联想 四核 16 GB 256 GB 15.2英寸 正常的 是的
3. 其他 双核心 8 GB 512 GB 12英寸 正常的 没有
4 华硕 双核心 16 GB 512 GB 14英寸 高清 没有
5 苹果 四核 8 GB 256 GB 12英寸 正常的 是的
6 联想 双核心 8 GB 256 GB 12英寸 高清 没有
7 精神 双核心 8 GB 1024 GB 14英寸 正常的 没有
8 华硕 四核 16 GB 1024 GB 12英寸 高清 是的
9 其他 四核 4 GB 256 GB 14英寸 高清 是的
10 苹果 双核心 16 GB 256 GB 15.2英寸 正常的 没有
11 华硕 双核心 4 GB 256 GB 15.2英寸 正常的 没有
12 精神 双核心 16 GB 256 GB 12英寸 高清 是的
13 精神 四核 8 GB 512 GB 12英寸 高清 没有
14 精神 四核 16 GB 512 GB 15.2英寸 高清 没有
15 联想 双核心 16 GB 1024 GB 14英寸 正常的 没有
16 苹果 四核 4 GB 1024 GB 12英寸 高清 没有
17 精神 双核心 4 GB 256 GB 14英寸 正常的 是的
18 其他 双核心 16 GB 512 GB 15.2英寸 高清 是的
19 其他 四核 8 GB 1024 GB 14英寸 正常的 是的
20. 华硕 四核 4 GB 512 GB 12英寸 正常的 是的
21 联想 四核 8 GB 512 GB 15.2英寸 高清 是的
22 宏碁 四核 16 GB 512 GB 14英寸 正常的 是的
23 华硕 四核 8 GB 1024 GB 15.2英寸 正常的 没有
24 宏碁 双核心 8 GB 1024 GB 15.2英寸 高清 是的
25 其他 四核 16 GB 256 GB 12英寸 正常的 没有
26 联想 四核 4 GB 512 GB 14英寸 正常的 没有
27 苹果 双核心 8 GB 512 GB 15.2英寸 正常的 是的
28 华硕 双核心 8 GB 256 GB 14英寸 高清 是的
29 苹果 四核 16 GB 1024 GB 14英寸 高清 没有
30. 联想 双核心 4 GB 1024 GB 12英寸 高清 是的
31 其他 双核心 4 GB 1024 GB 15.2英寸 高清 没有
32 苹果 双核心 4 GB 512 GB 14英寸 高清 是的
33 宏碁 四核 4 GB 256 GB 15.2英寸 高清 没有
34 精神 四核 4 GB 1024 GB 15.2英寸 正常的 是的
35 宏碁 四核 8 GB 256 GB 14英寸 高清 没有
36 宏碁 双核心 4 GB 512 GB 12英寸 正常的 没有

上面的表显示了我们将用于联合分析的分数设计,其中一行对应一次运行。我们的想法是,每个参与我们联合分析的人,将经历每一次运行,并对笔记本电脑进行评级。参与的人越多,我们就能获得更好、更准确的信息,从而估计市场份额,了解我们的潜在客户。现在,让我们来看看,如果我们要运行一个全因子设计,需要多少次运行:

install.packages("AlgDesign")库(AlgDesign) numberlevel = c(c(6,2,3,3,3,2,2)) fulldesign <-gen.factorial(numberlevel) nrow(fulldesign) #运行全阶乘nrow(FracDesign) #运行分数阶乘

在这里,分数阶乘设计的优势变得很明显。如果我们必须运行全因子设计,我们需要让一个人运行1296次。这意味着在这种情况下,每个参与研究的人都需要为1296台笔记本电脑打分!使用分数因子设计,我们设法将其减少到仅36次运行,这是令人难以置信的97%的减少。然而,这只有在变量之间没有交互作用的情况下才有可能。最初我们期望内核和RAM变量之间的交互作用,但在一些采访中,似乎没有任何重要的交互作用。因此,满足了分数因子设计的主要先决条件。我们不会在这里讨论设计实验的缺点和进一步的想法,因为我们想保持简单。

第五步:展示备选方案

因为从一开始就很清楚,Ethos将采用在线销售策略,所以设计一个尽可能现实的替代方案非常重要。虽然对于实体店,您可能会在真实环境中展示不同产品的原型,然后要求对其进行评级,但对于在线场景,您也需要使其具有现实感。因为Ethos考虑在亚马逊上销售笔记本电脑,因为从头开始很难吸引顾客,所以有必要将概念评估适应亚马逊的设计,包括它可能提供的缺点和优点。因此,我构建了一个类似amazon的实验性主页来收集数据。下面是第4步中表格第20次运行在主页上的示例:

一个联合分析的例子
一个联合分析的例子

另一个需要考虑的问题是,在客户开始对笔记本电脑进行评分之前,添加对所有属性及其重要性的描述可能会很有用。学生购买笔记本电脑可以被认为是一项投资,他们将花费相当多的时间,并在购买之前了解自己。它无法与超市里的饮料或冰淇淋相提并论。我们需要确保客户在做出决定之前能够充分了解自己。因此,我们包括所有属性的描述,重要性和相关性。例如,我们会解释说,如果你编辑视频、编辑高分辨率图像或处理大量数据,高内存可能很重要。此外,我们会增加一个约束条件,即他们必须通读描述,并且整个实验不能在30分钟内完成。这迫使客户仔细考虑每一个选择,并真正参与备选方案,以实现现实和准确的评级。

第六步:测量量表

因为我们希望客户对每个选择进行评分,所以我们需要一个度量方法,特别是李克特量表。李克特量表是默认的间隔量表,这意味着我们只知道通过改变属性的级别,整体效用会增加多少。由于我们选择了部分价值模型和分数阶乘设计,我们也受到区间尺度的限制。连续变量或比率变量通常不可能用于分数阶乘设计或部分价值模型,除非我们可以对线性和相互作用做出一些假设,而这些假设是不现实的。但李克特量表的优势在于,它已被证明在研究中更为可靠。一次跑步的评分可能是这样的:

联合分析中李克特量表的例子
联合分析中李克特量表的例子

步骤7:估算方法

最后,可供选择的估计方法已经不多了。对于我们的案例,最好的拟合估计方法是使用多元线性回归来估计每个个体的效用函数,因为多元线性回归能够完美地估计每个因素,并且非常适合分数因子设计。简而言之,在我们的上下文中,该方法将做的是查看客户的评级并计算最可能的效用函数。因此,它试图理解选择,并理解哪些属性对每个人来说是最重要的。

最后,我们创建一个调查,从我们的目标群体中收集参与者,让他们参与我们的调查。他们基本上用从1到9的数字对实验设计中的每一次运行进行评分,数字越高表明笔记本电脑更符合他们的偏好。9表示非常合身,1表示非常不合身。现在我们已经准备好了完整的联合分析,现在是收集数据的时候了。对于我们的例子,我们使用以下代码创建一个模拟数据集:

#######################创建效用函数####数据收集(创建数据集)#创建基础set.seed(1234) n <- 89 #参与者数量数据<- Data .frame(参与者= 1:9 9)数据$Participant <-as.factor(数据$Participant) for (run in 1:36) {Data[,paste(" run ",as.character(run), sep = "")]<- sample(c(1:9), n,取代= TRUE)} #塑造数据数据(c(33) 6日,11日,17日,28日]<拼(c(33) 6日,11日,17日,28日)+ 2 #改进苹果数据(c(8、13、14、15、18 35)]<拼(c(8、13、14、15、18 35)]- 2 #降低精神数据(c(2、4、5、7、8、11、12、13、16、18、19日,25日,28日,29日,31日,32岁,33岁,37)]< -数据(c(2、4、5、7、8、11、12、13、16、18、19、25、28、29、31、32、33岁的37)]- 0.6数据(c(2、3、5、9、11、13、15、16日,19日,23日,26日,30)][< -数据,c(2、3、5、9、11、13、15、16日,19日,23日,26日,30)数据)+ 0.9 (c(2、3、6、9、10、13、18、19、20、21日,22日,23日,25日,28日,29日,31日,33岁,35)]< -数据(c(2、3、6、9、10、13、18、19、20、21日,22日,23日,25日,28日,29日,31日,33岁,35)]+ 1数据[1]< -轮(数据[1])数据[1][[1]< 1]< - 1数据[1]数据[1]>[9]< - 9所示

解决方案:什么对客户来说是重要的,你如何赢得他们?

现在我们收集了数据,是时候运行分析了。我们将分四个步骤进行分析,并尝试回答我们需要了解的问题。首先,我们将估计部分价值模型,并将其可视化为几个变量。零件价值模型应该帮助我们了解目标客户,并帮助我们得出“理想的”笔记本电脑。在第二步中,我们将深入挖掘客户的想法,并试图了解哪些变量真正重要。为此,我们将计算相对变量的重要性并对它们进行比较。我们特别想了解这个品牌是如何影响消费者的,Ethos是否有什么缺点。最后,我们将快速向您展示如何估计潜在的未来偏好份额并进行模拟。我们想要回答的问题是:

  1. 学生理想的笔记本电脑是什么?
  2. 与苹果、戴尔或华硕等知名品牌相比,Ethos的创业公司默默无闻,会不会面临劣势?
  3. 市场上的优先份额是多少?

步骤1:估算部分价值模型

首先,我们需要将结果与设计合并,以便每一行代表一台笔记本电脑及其功能,然后是89名参与者对其的评分:

##########################估算部分价值模型#合并FracDesign和Data install.packages(" Data .table")库(Data .table) Data$Participant <- NULL Data <-转置(Data) rownames(Data) <- c(1:36) joint <- cbind(FracDesign, Data)

在下一步中,我们使用多元线性回归模型估计每个人的部分价值。在这一点上,程序可能会根据目的而有所不同,但由于我们希望在稍后的时间点估计偏好份额,因此我们需要为每个人建立一个模型。

#计算每个人的线性回归install.packages("rlist")库(rlist) regression <- list() for (person in 8:ncol(Conjoint)) {model <- lm(Conjoint[,person]~ factor(Brand) + factor(Cores) + factor(RAM) + factor(HardDrive) + factor(DSize) + factor(DQuality) + factor(触摸屏),data =Conjoint) regression <- list。append(回归模型)}

线性回归的估计是我们的部分价值效用,因此我们需要记住,对于每个分类变量,一个水平被用作参考水平。这意味着对于每个分类变量中的一个级别,不会显示任何估计,因为它的值将自动为0。这表明部分价值效用是区间尺度变量。在为每个人构建包含所有部分价值实用程序的数据框架时,我们需要考虑这一点。下面的代码就是这样做的。它创建了一个数据框架,其中每行代表一个变量的级别,每列代表一个参与者。

#创建dataframe part-worthvalues var < - c(“拦截”,代表(“品牌”,6),代表(“核心”,2),代表(“内存”,3),代表(“硬盘”,3),代表(“DSize”,3),代表(“DQuality”,2),代表(“触摸屏”,2)级< - c(“拦截”,as.character(水平(联合品牌美元)),as.character(水平(联合核美元)),as.character(水平(联合RAM)美元),as.character(水平(联合)硬盘,美元),as.character(水平(联合DSize美元)),as.character(水平(联合DQuality美元)),as.character(levels(joint$TouchScreen))) Results <-data.frame(Variable=vars, levels =lvls) for (person in 1:n) {c <- as.vector(Regressions[[person]]$coefficients) coef <-c(c[1],0,c[2:6],0,c[7],0,c[8:9],0,c[10:11],0,c[12:13],0,c[14],0,c[15]) Results[,paste(" person ",person,sep="")] <-round(coef, digits = 1)}

现在我们有了表格,我们只需计算每个级别的平均值,并绘制每个变量的结果。可选地,将标准偏差添加为每个级别的胡须也可能是有趣的。标准偏差将告诉我们目标群体相对于一个水平的同质程度,并可能提示我们提供多台笔记本电脑是否有用。

#获取平均值并将其可视化为每个变量Results[,"Average"] <-round(rowMeans(Results[,-c(1,2)]),数字= 1)install.packages("ggplot2")库(ggplot2) # Brand subs <- droplevels(子集(Results, variable == "Brand")) subs$Levels <- reorder(subs$Levels,subs$Average) if (min(subs$Average)<0) {subs$Average <- subs$Average + abs(min(subs$Average))} gg1 <- ggplot(data=subs,aes(x=Levels, y=Average),group=1)) + geom_line() + geom_point() + ggtitle("Brand") # Cores subs <- droplevels(子集(Results,Variable == "Cores")) subs$Levels <- reorder(subs$Levels,subs$Average) if (min(subs$Average)<0) {subs$Average <- subs$Average + abs(min(subs$Average))} gg2 <- ggplot(data=subs,aes(x=Levels, y=Average),group=1)) + geom_line() + geom_point() + ggtitle("Cores") # DQuality subs <- droplevels(子集(Results,Variable == "DQuality")) subs$Levels <- reorder(subs$Levels,subs$Average) if (min(subs$Average)<0) {subs$Average <- subs$Average + abs(min(subs$Average))} gg3 <- ggplot(data=subs,aes(x=Levels, y=Average),group=1)) + geom_line() + geom_point() + ggtitle("DQuality") # DSize subs <- droplevels(子集(Results,Variable == "DSize")) subs$Levels <- reorder(subs$Levels,subs$Average) if (min(subs$Average)<0) {subs$Average <- subs$Average + abs(min(subs$Average))} gg4 <- ggplot(data=subs,aes(x=Levels, y=Average),group=1)) + geom_line() + geom_point() + ggtitle("DSize") # HardDrive subs <- droplevels(子集(Results,Variable == "HardDrive")) subs$Levels <- reorder(subs$Levels,subs$Average) if (min(subs$Average)<0) {subs$Average <- subs$Average + abs(min(subs$Average))} gg5 <- ggplot(data=subs,aes(x=Levels, y=Average),group=1)) + geom_line() + geom_point() + ggtitle("HardDrive") # RAM subs <- droplevels(子集(结果,变量== "RAM")) subs$Levels <- reorder(subs$Levels,subs$Average) if (min(subs$Average)<0) {subs$Average <- subs$Average + abs(min(subs$Average))} gg6 <- ggplot(data=subs,aes(x=Levels, y=Average),group=1)) + geom_line() + geom_point() + ggtitle("RAM") #触摸屏subs <- droplevels(子集(结果,变量== "触摸屏"))subs$Levels <- reorder(subs$Levels,subs$Average) if (min(subs$Average)<0) {subs$Average <- subs$Average + abs(min(subs$Average))} gg7 <- ggplot(data=subs,aes(x=Levels, y=Average, group=1)) + geom_line() + geom_point() + ggtitle("触摸屏")install.packages("gridExtra")库(gridExtra)网格。排列(gg1, gg2, gg3, gg4, gg5,gg6, gg7, nrow=4, ncol=2)
用于联合分析的估计部分价值公用事业
针对不同功能的部分实用程序

这些表格是每个联合分析的核心,它们为我们提供了宝贵的信息,告诉我们为Ethos改变笔记本电脑的功能将如何提高效用。例如,将硬盘驱动器从256 GB增加到512 GB,有趣的是,这大大降低了效用,这可能表明目标组的预算较低,更喜欢其他功能。例如,我们可能还将价格作为评估目标群体价格敏感性的特征。一个更有趣的方法是,如果我们使用价格而不是效用作为预测变量,例如,我们根据未来客户愿意为笔记本电脑支付多少钱来衡量效用。

使用这些数据,我们已经可以回答Ethos提出的前两个问题:

  1. 学生理想的笔记本电脑是什么?
    这个问题的答案很简单。我们只考虑在每个变量中最大化效用的水平:一台配备双核处理器的华硕或联想笔记本电脑,一个简单的14英寸屏幕,256gb硬盘,8gb内存和一个触摸屏。
  2. 与苹果、戴尔或华硕等知名品牌相比,Ethos的创业公司默默无闻,会不会面临劣势?
    你肯定意识到,Ethos不能生产“华硕”或“联想”笔记本电脑,这导致了品牌劣势。有趣的是,与苹果或宏碁相比,Ethos将拥有品牌优势,但与华硕或联想相比,显然将处于劣势。这意味着目标客户对品牌有点敏感,但没有预期的那么敏感,特别是因为更有声望的品牌苹果得分更低。然而,如果华硕、联想和Ethos生产完全相同的笔记本电脑,Ethos就会倾向于松动,因此它必须采取不同的策略来击败竞争对手。a)它开始建立品牌并创造独特的用户体验(例如在线订单,免费流媒体等额外优惠)以抵消品牌在该细分市场中的劣势;b)它使用更量身定制的营销策略与不同的市场渠道,这将帮助他们始终比竞争对手更接近目标客户。这个决定取决于Ethos的管理者。

步骤2:相对可变重要性

那么,在制造所需的笔记本电脑时,Ethos应该从哪里开始呢?什么应该是首要任务?解决这个问题的一个简单方法是看相对变量的重要性,它基本上告诉我们,当消费者做出购买决定时,一个变量与其他变量相比有多重要。相对重要性可以通过两步简单地计算出来。首先,对于每个变量,通过从效用最高的水平中减去效用最低的水平来计算最大可能的差异。其次,对于一个变量a来说,它的相对变量重要性就是a的最大可能差值与所有变量的最大可能差值之和的比值。但幸运的是,有一个r函数可以帮我们计算。

#计算相对重要性install.packages("relaimpo") library(relaimpo) Importances <- data.frame(Variable= c("Brand", "RAM", "HardDrive","DSize", "Cores", "DQuality","触摸屏"))for (model in 1:n) {relImp <- calc.relimp(Regressions[[model]], type =c("lmg"), rela = TRUE) relImp <- as.vector(relImp@lmg) Importances[,paste("Person",model,sep="")] <-round(relImp,{Importances$Average <- rowmeans (Importances[,-1]) Importances <- reorder(Importances$Variable,Importances$Average) ggplot(Importances,aes(x=reorder(Variable, Average), y=Average)) + geom_col() + coord_flip() + scale_y_continuous(labels = function(x)paste(x*100, "%")))
表示相对可变重要性的图形
相对可变重要性

第三步:预测市场份额

为了预测市场份额,我们将假设Ethos董事会决定生产我们在第一步中定义的“理想”笔记本电脑。现在董事会想知道,如果Ethos带着笔记本电脑进入市场,在最好的情况下,潜在的市场份额是多少。理想情况下,我们现在应该有一个包含所有品牌的所有可用笔记本电脑的数据框架,我们的笔记本电脑需要与之竞争。不过,为了简单起见,我将创建一个由大约49种不同笔记本电脑组成的竞赛示例,Ethos的笔记本电脑将与之竞争。下面的代码将创建笔记本电脑列表:

######### 预测潜在市场份额#模拟笔记本电脑品牌vnames < - c(“品牌”,“核”,“公”,“硬盘”,“DSize”、“DQuality”、“触屏”)品牌<样本(c(“苹果”、“联想”、“宏碁”、“华硕”,“其他”),49岁,取代= TRUE)核心< -样本(c(“DualCore”、“四核”),49岁,取代= TRUE) RAM < -样本(c(“4 GB”,“8 GB”,16 GB), 49岁,取代= TRUE)硬盘< -样本(c(“256 GB”、“512 GB”,“1024 GB”),49岁,取代= TRUE) DSize < -样例(c(12英寸,14英寸,15.2英寸),49岁replace = TRUE) dquality <-sample(c("Normal", "HD"), 49, replace = TRUE)触摸屏<-sample(c("Yes", "No"), 49, replace = TRUE) Market <- data.frame(a=brand,b=cores, c=ram, d=harddrive, e = dsize, f= dquality, g =触摸屏)names(Market) <- vnames

现在,我基本上是使用我之前导出的回归模型,为每台笔记本电脑的每个用户创建拟合或预测值。

#计算每个用户的每台笔记本电脑的效用分数(参与者在1:n){市场[,粘贴(“P”,参与者,sep=“”)]<-预测(回归[[参与者]],newdata =市场[,1:7])}

最后,我只需要看看每个参与的人“赢得”哪台笔记本电脑,并计算品牌,以得出“市场份额”。“赢”可以被认为是这个人在中性和最优条件下做出的笔记本电脑购买决策。这个过程有一个主要的限制。实际上,我在这里计算的并不是真正的市场份额。这将是一个“优先”的股票,因为你永远不会在市场上找到中性和最佳的条件。中性和最佳条件是,例如,没有任何品牌具有分销渠道优势,或者消费者有机会评估篮子中的所有笔记本电脑,这是相当不可能的。当然,根据实际市场中存在的这些限制因素,通过修正结果来改进方法是可能的,但是偏好份额给你提供了信息,如果你与竞争对手相比没有任何劣势(或优势取决于视角),你将如何站起来。

-unlist(apply(market [,8:ncol(market)], 2, function(x) which(x == max(x))))已购<- market $Brand[已购]brandcount <-as.data.frame(table(已购))brandcount$Freq <- brandcount$Freq/ sum(brandcount$Freq) ggplot(brandcount, aes(x=已购,y=Freq)) + geom_bar(stat="identity"))
该图描述了估计的市场份额
使用联合分析预测市场份额

现在我们可以看到,在我们的模拟市场中,市场将主要由宏碁、华硕和联想主导,而Ethos的市场份额将远远低于1%。这令人惊讶吗?不,有两个原因。首先,正如我们所发现的,Ethos面临着一些显著的品牌劣势。其次,Ethos只销售一台笔记本电脑,而其他竞争对手在我们的模拟市场中平均销售10台笔记本电脑。

结论:独特的分销渠道是打败竞争对手的关键

最后,我们成功地回答了咨询客户Ethos提出的所有三个问题,并展示了联合分析的强大和信息量。当然,也有一些我们没有提到的缺点,比如很难准确地收集数据。在进行联合分析时,还应整合各种方法,以确保有效性和可靠性。

然而,联合分析的主要优点是它是灵活的,您可以根据自己的需要进行调整。首先,如果你想获得更真实的结果,你可以使用不同的偏好模型。其次,在您获得偏好之后,您可以对它们进行进一步分析。您可以进行主成分分析或聚类分析,以找出哪些客户是相似的。你还可以计算你应该推出多少不同的笔记本电脑来优化你的市场份额,或者你甚至可以将联合分析与机器学习方法结合起来。第三,除了使用调查数据,你也可以使用实际购买数据。

那么现在的故事是什么呢?如果Ethos能够以具有竞争力的价格生产和销售笔记本电脑,并且如果市场条件理想,它将能够获得1%的市场份额。Ethos现在知道客户是怎么想的,也知道什么样的笔记本电脑能满足他们的需求。然而,这足以击败竞争对手吗?我的答案是否定的,因为如果Ethos想要打败竞争对手,它就需要开发一个独特的分销渠道。原因很简单。你可以生产出理想的笔记本电脑,但如果你的客户从来没有发现过,他就永远不会购买。因此,你需要在竞争中领先一步。你觉得呢?

进一步的阅读

16条评论

  • 完全同意你的观点,Andrej,谢谢你的图表和解释。

    分销渠道,USP,销售渠道,战略以及以事件形式表达所有内容的适当方式等,他们可以与他们特定的目标受众建立个人联系,这些目标受众的问题将直接得到解决。Ethos需要思考“如果Ethos突然消失了,人们会失去什么?”他们可能会想读一下《妈妈测试:如何与客户交谈并了解你的生意是否是个好主意》——罗伯·菲茨帕特里克著。这将有助于向客户提出正确的问题。

    问题:如果Ethos生产自己的笔记本电脑,如果我买了它,如果它出了什么问题,我还会去商店再次购买Ethos笔记本电脑吗?”

    如果Ethos正在阅读这篇文章,下面的一个案例可能会帮助他们理解我为什么购买苹果产品。

    案例经验:我有一台Mac电脑,如果它消失了,我找不到它,我会直接去苹果专卖店给自己买一个最新版本的同品牌。原因是:苹果关心他们的客户,他们关心设计的每一个细节,他们总是在创新(人们一开始会批评他们的创新,但最终他们会接受它,并开始喜欢它。)问题是,我们都有不同的想法,但我们并不总是付诸行动。我们都有很棒的想法,但我们并不总是执行它们。苹果的想法不同,并将其变为现实,他们改变事物,他们创新,他们敢于尝试新事物。此外,每当他们推出一款产品时,他们都会确保它按照应有的方式运行,而不是为了成为市场上的第一名。他们会改变,不会三思而后行,他们很自信。此外,苹果的客户服务甚至在我的保修期结束时也帮助了我,他们总是很尊重我,当他们的客户有问题时,他们就会出现。

    “理想的笔记本电脑”和“理想的分销渠道”结合在一起,在某种程度上肯定会产生1%的影响。
    公司:Ethos进入这个市场将面临巨大的挑战。我个人不知道Ethos代表什么,他们的价值观是什么,他们代表什么,他们的战略是什么,到目前为止他们帮助了谁,他们在市场上呆了多久,他们经历了什么挑战,他们的企业社会责任是什么,他们的产品是如何生产的,他们的生产伙伴关心他们的员工等等,他们是绿色的吗,他们与(竞争对手、制造商、员工)的关系有多好,谁是公司的领导者,董事的愿景是什么,还有很多“为什么”的问题需要回答。

    如果我不知道上述所有问题的答案,就很难说服我购买Ethos笔记本电脑。

    我希望这条信息具有价值,可以帮助Ethos做出正确的规划和决定。

    • 嘿,Akhmad,

      你跳得真好!从我的立场来看,我想说,有不同的角色和类型的人。确实有人会同意你的观点,但也有人买不起苹果笔记本电脑,他们很乐意买一台简单的。

      我同意,考虑到他们目前的战略和情况,他们几乎不可能与苹果竞争你们所处的客户群。

      关于联合分析的结果,也许从你的评论中还可以学到一个教训。结果1代表一个“普通”顾客。这可能意味着Ethos想要生产的笔记本电脑并不适合任何客户。

      想象一下,在现实中,Ethos想要竞争的部分由两种极端类型组成。第一个代表的是你,第二个代表的是那些想要便宜的笔记本电脑,只有最必要的东西的人。然后计算理想的笔记本电脑,而不事先对客户进行聚类,结果会得到一个介于两种客户类型的理想笔记本电脑之间的笔记本电脑。因此,这两种类型的客户都不会真正满意。

      实际上,我在下面的文章末尾解释了这个问题:http://万博网页在线登录www.chinaqphy.com/how-to-build-the-best-fit-conjoint-analysis-in-7-simple-steps/

      你怎么看?

      • 嗨Andrej,

        你说得很好,我可能没有注意到。我想到了市场竞争,但我没有做分析,因为我只是喜欢电脑,我相信(偏见)有更多的廉价笔记本电脑和许多小公司的激烈竞争,而不是高效的笔记本电脑,这是大公司竞争格局的一部分。你也有一个很好的聚类客户点,找到目标群体,并完全满足他们,这将销售良好。

        我很想知道(虚构的)Ethos进入廉价笔记本电脑市场的策略是什么,以及他们将如何在市场中定位自己。(从你提议的渠道来看,他们的渠道会是什么样子?你有什么独特的想法吗?)

        我想到的一个分销渠道是开放、诚实和幽默(就像他们广告上的“美元剃须俱乐部”)。我知道这可能是一个过度使用的例子,但像这样的病毒式传播内容肯定会促使投资者收购Ethos,用户购买他们的笔记本电脑

        你觉得呢?

        • 嘿,艾哈迈德,谢谢你的评论。我很感激。我认为创业的困难在于不确定什么在市场上行得通。我们真的不知道什么会起作用,因此我们只能在一开始,像你一样,以假设的形式做出有根据的猜测。重要的是收集数据,例如事实,看看这个假设是否在现实中成立,而不仅仅是在我们的想象中成立。

          我们有机会从“美元剃须俱乐部”中学习,并将所学到的经验传授给创业公司。然而,最后要记住,“dolae Shave Club”首先针对的是不同的用户,其次是完全不同的商业模式(基于订阅),第三是面临不同的竞争。因此,我怀疑它会像那样起作用。

    • 嘿,Akhmad,

      你跳得真好!从我的立场来看,我想说,有不同的角色和类型的人。确实有人会同意你的观点,但也有人买不起苹果笔记本电脑,他们很乐意买一台简单的。

      我同意,考虑到他们目前的战略和情况,他们几乎不可能与苹果竞争你们所处的客户群。

      关于联合分析的结果,也许从你的评论中还可以学到一个教训。结果代表一个“普通”客户。这可能意味着Ethos想要生产的笔记本电脑并不适合任何客户。

      想象一下,在现实中,Ethos想要竞争的部分由两种极端类型组成。第一个代表的是你,第二个代表的是那些想要便宜的笔记本电脑,只有最必要的东西的人。然后计算理想的笔记本电脑,而不事先对客户进行聚类,结果会得到一个介于两种客户类型的理想笔记本电脑之间的笔记本电脑。因此,这两种类型的客户都不会真正满意。

      实际上,我在下面的文章末尾解释了这个问题:http://万博网页在线登录www.chinaqphy.com/how-to-build-the-best-fit-conjoint-analysis-in-7-simple-steps/

      你怎么看?

    • 谢谢你,艾希礼!我很高兴你喜欢它。如果我能帮助你,或者你有任何建议,请给我留言!

  • 很喜欢看这个,非常好的东西,你们好。“以后,在一个比现在更美好的世界里,我将渴望得到你更多的爱和更多的了解。威廉·莎士比亚的名言。

  • 读了这篇文章后,我认为它信息量极大。
    我感谢你花时间和精力把这篇内容丰富的文章放在一起。
    我又一次发现自己花了太多时间阅读和离开
    评论。但那又怎样,还是值得的!

留言回复

您的电子邮件地址将不会被公布。必填项被标记*