联合分析的智能产品研发

模拟市场份额与联合分析产品发布

在我们的小案例研究中,我将通过一个联合分析的具体例子,向您展示如何通过客户实际的基础实用程序和偏好来理解客户。这个案子是虚构的。联合分析是一组方法,它使您能够通过查看消费者的决策来获得底层实用程序和偏好。与传统的方法相反,你不需要追着顾客问他喜欢什么,你只需要观察他实际上的选择或判断。基于客户的选择,您可以得出最有可能的偏好集合,这里称为效用函数。如果你想了解更多关于联合分析,请查看my关于联合分析的深入文章。如果你想知道你可以建立自己的联合分析,检查出我的详细的分步指导构建您自己的联合分析

问题是:一家笔记本电脑初创公司能否与苹果、戴尔等公司竞争?

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其主要目标客户:大学生。Ethos想要主要通过平台在网上销售他们的笔记本电脑,将他们的愿景变为现实让人很兴奋。然而,他们知道他们必须做出正确的决定,并且有三个他们想要回答的主要问题。

  1. 什么是学生理想的笔记本电脑?
  2. 与苹果、戴尔或华硕等知名品牌相比,Ethos brand的初创公司默默无闻,这会给公司带来什么不利吗?
  3. 市场上的优先股是多少?

该方法和房地:构造联合分析

在本节中,我将很快变为通过我对你如何构建自己的联合分析提出的七个步骤。

步骤1:问题和属性

在与Ethos的产品经理沟通后,很清楚我们想要寻找的属性是以下几个,并有以下期望:

属性 水平 预期的影响 预期的交互
5:苹果、联想、宏碁、华硕、Ethos等 - -
2:双核,四核 线性增加 内存
内存 3: 4 GB, 8 GB, 16 GB 线性增加
硬盘 3: 256gb、512gb、1024 GB 对数 -
显示屏尺寸 3:12英寸,14英寸,15.2英寸 二次与最优 -
显示质量 2:正常,高清 - -
触摸屏 2:是的,没有 - -

这些是被认为是最重要的变量,因为消费者在这些变量上做决定。理想情况下,这些变量来自定性调查,如焦点小组和访谈。一个有趣的地方是,我们可能期望在可变的核心和RAM之间进行交互,因为对于用户来说,使用小RAM的许多核心远不如使用大量RAM的许多核心有趣。如果交互的概念对您来说是新的,那么我建议您查看介绍中提供的两篇提供理论背景的文章。

第二步:偏好模型

在我们的案例中,问题相对比较清楚,我们想要了解可能的客户。因此,向量模型或混合模型不能进一步帮助我们。另一边的理想点解决方案为每个人提供了一幅有趣的地图,但在回答Ethos提出的第二个和第三个问题时就没那么有用了。在我们的案例中,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因子设计。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来可视化结果。这使得它成为了解客户的理想模型。在市场份额预测方面,混合模型应优于部分价值模型。然而,我们也有很多分类变量,为了简单起见,我们也将使用part-worth模型来预测市场份额。

第三步:数据收集

如果我们想使用部分价值模型,使用概念评估方法是最有意义的。因为Ethos想要在线销售它的笔记本电脑,目标是使联合分析尽可能类似于这种情况。由于在像亚马逊这样的平台上,笔记本电脑通常确实是以一种概念的方式展示的,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,有学生在像亚马逊这样的在线平台上从Ethos网站购买了笔记本电脑。另一种看法是,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,根据与潜在客户构建联合分析之前进行访谈,客户不要对购买笔记本电脑立即作出决定。他们宁愿先通过他们能找到的笔记本电脑上网,使他们的第一次评估。于是,他们在大多数情况下,决定他们认为最好根据自己的喜好之一。这使我们相信,它是有道理的要求我们的顾客对每个备选方案,而不是让他们立即做出决定。

第四步:实验设计

由于不存在交互影响,我们将使用可以简单地使用“DoE”包生成的部分因子设计。使用这个包,有可能测试出最优的水平和变量为一个部分!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,因为其他包需要更深入的知识。我们使用以下代码来生成一个部分阶乘设计,并插入我们的级别描述:

准备步骤4:实验设计#创建一个部分设计install.packages (DoE.base)库(DoE.base) test.design < -oa.design (nlevels = c(6, 2、3、3、3、2、2))FracDesign < -as.data.frame (test.design)名称(FracDesign) < - c(“品牌”,“核”,“公”,“硬盘”,“DSize”、“DQuality”、“触屏”)水平(FracDesign品牌美元)< - c(“苹果”、“联想”、“宏碁”、“华硕”、“精神”、“其他”)水平(FracDesign核心美元)< - c(“双核心”,“四核”)水平(FracDesign RAM美元)< - c(“4 GB”,“8 GB”,16 GB)水平(FracDesign硬盘美元)< - c(“256 GB”、“512 GB”,“1024 GB”)水平(FracDesign DSize美元)< - c(12英寸,14英寸,15.2英寸)的水平(FracDesign DQuality美元)< - c(“正常”、“高清”)水平(FracDesign触摸屏美元)< - c(“是”、“不”)rm (test.design) #保存设计成一个excel文件install.packages (xlsx)库(xlsx)写。xlsx (FracDesign“C: /用户/ Ec万博网页在线登录onomalytics /桌面/ ExperimentalDesign.xlsx”)
内存 硬盘 DSize DQuality 触屏
1 宏碁 双核心 16 GB 1024 GB 12英寸 正常的
2 联想 四核 16 GB 256 GB 15.2英寸 正常的
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寸 高清 没有
苹果 四核 8 GB 256 GB 12英寸 正常的
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寸 正常的 没有
8 华硕 四核 16 GB 1024 GB 12英寸 高清
9 其他 四核 4 GB 256 GB 14寸 高清
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
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寸 正常的
18 其他 双核心 16 GB 512 GB 15.2英寸 高清
19 其他 四核 8 GB 1024 GB 14寸 正常的
20 华硕 四核 4 GB 512 GB 12英寸 正常的
21 联想 四核 8 GB 512 GB 15.2英寸 高清
22 宏碁 四核 16 GB 512 GB 14寸 正常的
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
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寸 正常的 没有
27 苹果 双核心 8 GB 512 GB 15.2英寸 正常的
28 华硕 双核心 8 GB 256 GB 14寸 高清
29 苹果 四核 16 GB 1024 GB 14寸 高清 没有
30. 联想 双核心 4 GB 1024 GB 12英寸 高清
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寸 高清
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
35 宏碁 四核 8 GB 256 GB 14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部分设计,其中一行对应于一次运行。我们的想法是,每个参与我们联合分析的人,都将通过每一次运行和评估笔记本电脑。参与的人越多,我们得到的信息就越好、越准确,以便估计市场份额,了解潜在客户。现在,让我们看看,如果我们要运行一个完整的阶乘设计,需要运行多少次:

#示例全因子设计install.packages( “AlgDesign”)文库(AlgDesign)numberlevel = C(C(6,2,3,3,3,2,2))fulldesign <-gen.factorial(numberlevel)nrow(fulldesign)#运行全因子nrow(FracDesign)#运行fractionalfactorial

在这里,事情变得很明显的部分因子设计的优势。如果我们运行的全因子设计,我们则需要让一个人经历1296点运行。这意味着,参与研究的每个人都需要速度这种情况下,1296点的笔记本电脑!使用部分因子设计,我们设法将其降低到只有36运行,也就是97%的惊人下降。但是,如果有我们的变量之间没有交互效应,这是唯一可能的。最初我们预期的变量内核和RAM之间的相互作用,但在一些采访,好像有似乎不为任何显著的相互作用。因此,对于部分因子设计的主要先决条件得到满足。我们不会讨论的缺点和进一步的想法在这里设计了一个实验,因为我们希望保持它的简单。

步骤5:提供备选方案

因为从一开始就很清楚,这种精神将走向一个在线销售策略,所以设计一个替代方案的展示是非常重要的,它尽可能真实。对于实体商店,您可能会在真实环境中展示不同产品的原型,然后要求进行评级,但您也希望在在线场景中实现它。因为很难从一开始就吸引顾客,所以Ethos公司考虑在亚马逊上销售自己的笔记本电脑,所以有必要将concept evaluation与亚马逊的设计相适应,包括它可能提供的优缺点。所以我搭建了一个类似于amazon的实验主页来收集数据。下面你可以找到一个例子,如何从表第4步运行20在主页上看:

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,在客户开始给笔记本电脑评级之前,添加所有属性的描述以及它们为什么重要可能是有用的。学生购买笔记本电脑可以被认为是一种投资,他们会花费相当多的时间,并在购买前告知自己。它不能和超市里的饮料或冰淇淋相比。我们需要确保客户在做决定前能够充分地了解自己。因此,我们包含了对所有属性、重要性和相关性的描述。例如,我们会解释,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,我们还会增加一个限制,即他们必须通读描述,整个实验不能在30min内完成。这迫使客户仔细考虑每一个选项,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一种选择进行评价,所以我们需要一种公制度量,特别是李克特量表。李克特尺度是每个默认的间隔尺度,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部分阶乘设计,我们也被限制在区间尺度。分数因子设计或部分价值模型通常不可能有连续变量或比率变量,除非我们能对线性和相互作用做出一些假设,而这些假设是完全不现实的。但李克特量表的优势在于,研究证明它更可靠。一次挤兑的评级可能是这样的:

一个用于联合分析的李克特量表的例子
一个用于联合分析的李克特量表的例子

第7步: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,因为多元线性回归完全能够估计每个因素,并且非常适合于部分因子设计。简单地说,在我们的上下文中,该方法将做的是查看客户的评级,并计算最有可能的效用函数。因此,它试图理解选择,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,从目标组收集参与者,并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,数值越大说明笔记本电脑更适合用户的偏好。9表示非常适合,而1表示非常不适合。既然我们已经准备好了完整的联合分析,现在就该收集数据了。对于我们的案例,我们使用以下代码创建一个模拟数据集:

#######################创建效用函数####数据采集(创建数据集)#创建基础set.seed(1234)N < -  89#参加人数数据< -  data.frame(参与者= 1:89)的数据$参与者<-as.factor(数据$参与者),用于(在1:36运行){数据[粘贴( “运行”,as.character(运行),九月= “”)] < - 样品(C(1:9)中,n,替换= TRUE)}#塑造数据Data [,C(6,11,17,28,33)] < -数据[C(6,11,17,28,33)] + 2#提高苹果数据[C(8,13,14,15,18,35)] < - 数据[C(8,13,14,15,18,35)]  -  2#降低风气数据[C(2,4,5,7,8,11,12,13,16,18,19,25,28,29,31,32,33,37)] < - 数据[C(2,4,5,7,8,11,12,13,16,18,19,25,28,29,31,32,33,37)]  -0.6数据[C(2,3,5,9,11,13,15,16,19,23,26,30)] < - 数据[C(2,3,5,9,11,13,15,16,19,23,26,30)] + 0.9 Data[,c(2,3,6,9,10,13,18,19,20,21,22,23,25,28,29,31,33,35)]<- Data[,c(2,3,6,9,10,13,18,19,20,21,22,23,25,28,29,31,33,35)] + 1 Data[,-1] <- round(Data[,-1]) Data[,-1][Data[,-1] < 1] <- 1 Data[,-1][Data[,-1] > 9] <- 9

解决方案:对客户来说什么是重要的,你如何赢得他们?

既然我们已经收集了数据,现在就可以运行分析了。我们将分四个步骤进行分析,并尝试回答我们需要知道的关于Ethos的问题。首先,我们将估计part-worth模型,并对一些变量进行可视化。这部分值得模型应该帮助我们了解目标客户,帮助我们推导出“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,试图理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进行比较。特别是,我们想了解这个品牌是如何影响消费者的,以及Ethos有没有什么缺点。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。我们想回答的问题是:

  1. 什么是学生理想的笔记本电脑?
  2. 与苹果、戴尔或华硕等知名品牌相比,Ethos brand的初创公司默默无闻,这会给公司带来什么不利吗?
  3. 市场上的优先股是多少?

步骤1:评估部分价值模型

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

FracDesign和Data install.packages(“Data .table”)库(Data .table)数据$Participant <- NULL数据<-转置(Data) rownames(Data) <- c(1:36)联合<- 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,根据不同的目的,程序可能会有所不同,但是由于我们想要在稍后的时间估计偏好份额,我们需要为每个人建立一个模型。

每人拿install.packages #计算线性回归(rlist)图书馆(rlist)回归<列表()(人8:ncol(联合)){< - lm模型(联合[,]~因素(品牌)+因子(核心)+因子(RAM) +因子(硬盘)+因子(DSize) +因子(DQuality) +因子(触摸屏),数据=联合)回归< -列表。附加(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,不会显示估计数,因为它的值将自动为0。这向我们展示了部分价值实用程序是区间尺度变量。当我们为每个人构造一个包含所有部分价值实用程序的dataframe时,需要考虑这一点。下面的代码就是这样做的。它创建一个dataframe,其中每行表示一个级别的变量,每列表示一个参与者。

#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(水平(联合触摸屏美元)))结果< -data.frame(变量= var =级水平)(人1:n) {c < - as.vector(回归系数美元[[人]])系数< - c (c [1], 0, c [2:6], 0, c [7], 0, c [8:9], 0, c [11], 0, c [12:13], 0, c [14], 0, c[15])结果[,粘贴(“人”,人,9 = " ")]<轮(系数,位数= 1)}

现在我们有了表,我们只需计算每个级别的平均值并绘制每个变量的结果。还可以选择添加标准偏差作为每个级别的胡须。标准偏差将告诉我们目标群体相对于一个级别的同质性,并可能给我们一个提示,即提供多台笔记本电脑是否有用。

# foreach变量平均值和可视化结果[,“平均”]<轮(rowMeans(结果[- c(1、2)]),数字= 1)install.packages (ggplot2)库(ggplot2) #品牌潜艇< - droplevels(子集(结果,变量= =“品牌”))潜艇水平< -美元重新排序(潜艇美元水平,潜艇平均美元)如果(min(潜艇平均美元)< 0){潜艇平均< -潜艇平均美元+ abs (min(潜艇平均美元))}gg1 < - ggplot (data =潜艇,aes (x =水平,y =平均水平,组= 1))+ geom_line () + geom_point () + ggtitle(“商标”)#核潜艇< - droplevels(子集(结果,变量= =“核”))潜艇水平< -美元重新排序(潜艇美元水平,潜艇平均美元)如果(min(潜艇平均美元)< 0){潜艇平均< -潜艇平均美元+ abs (min(潜艇平均美元))}gg2 < - ggplot (data =潜艇,aes (x =水平,y =平均水平,组= 1))+ geom_line () + geom_point () + ggtitle(“核”)# DQuality潜艇< - droplevels(子集(结果,变量= =“DQuality”))潜艇水平< -美元重新排序(潜艇美元水平,潜艇平均美元)如果(min(潜艇平均美元)< 0){潜艇平均< -潜艇平均美元+ abs (min(潜艇平均美元))}gg3 < - ggplot (data =潜艇,aes (x =水平,y =平均水平,组= 1))+ geom_line () + geom_point () + ggtitle (DQuality) # DSize潜艇< - droplevels(子集(结果,变量= =“DSize”))潜艇水平< -美元重新排序(潜艇美元水平,潜艇平均美元)如果(min(潜艇平均美元)< 0){潜艇平均< -潜艇平均美元+ abs (min(潜艇平均美元))}gg4 < - ggplot (data =潜艇,aes (x =水平,y =平均水平,组= 1))+ geom_line () + geom_point () + ggtitle (DSize) #硬盘潜艇< - droplevels(子集(结果,变量= = "硬盘"))潜艇水平< -美元重新排序(潜艇美元水平,潜艇平均美元)如果(min(潜艇平均美元)< 0){潜艇平均< -潜艇平均美元+ abs (min(潜艇平均美元))}gg5 < - ggplot (data =潜艇,aes (x =水平,y =平均水平,组= 1))+ geom_line () + geom_point () + ggtitle(“硬盘”)# RAM潜艇< - droplevels(子集(结果,变量= =“内存”))潜艇水平< -美元重新排序(潜艇美元水平,潜艇平均美元)如果(min(潜艇平均美元)< 0){潜艇平均< -潜艇平均美元+ abs (min(潜艇平均美元))}gg6 < - ggplot (data =潜艇,aes (x =水平,y =平均水平,组= 1))+ geom_line () + geom_point () + ggtitle (RAM) #触摸屏潜艇< - droplevels(子集(结果,变量= =“触屏”))潜艇水平< -美元重新排序(潜艇美元水平,潜艇平均美元)如果(min(潜艇平均美元)< 0){潜艇平均< -潜艇平均美元+ abs (min(潜艇平均美元))}gg7 < - ggplot (data =潜艇,aes (x =水平,y =平均组= 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效用
部分麦汁实用程序提供不同的功能

这些表格是每一个连接分析的核心,并为我们提供宝贵的信息,如何改变我们的膝上电脑的特性,为Ethos提高效用。例如,有趣的是,将硬盘从256 GB增加到512 GB大大减少了实用程序,这可能表明目标组预算较低,更喜欢其他特性。例如,我们还可以将价格作为特性来评估我们的目标群体的价格敏感性。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一台笔记本电脑支付多少来衡量效用。

利用这些数据,我们已经可以回答Ethos提出的前两个问题:

  1. 什么是学生理想的笔记本电脑?
    这个问题的答案很简单。我们只关注在每个变量中最大化效用的水平:一台华硕(Asus)或联想(Lenovo)笔记本电脑,配备双核处理器、简单的14英寸屏幕、256gb硬盘、8gb内存和触摸屏。
  2. 与苹果、戴尔或华硕等知名品牌相比,Ethos brand的初创公司默默无闻,这会给公司带来什么不利吗?
    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明显处于劣势。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苹果品牌得分较低。然而,如果华硕、联想和Ethos生产的是完全相同的笔记本电脑,那么Ethos就会变得松散,在这方面它不得不采取不同的策略来击败竞争对手。要么)开始建立品牌和创建一个独特的用户体验(例如网上订单,额外提供免费流媒体)为了弥补这部分的品牌劣势或b)它使用更适合自身的营销策略,不同的市场渠道,帮助他们将总是一步到目标客户比竞争对手。决定权在Ethos manager手中。

第2步:相对变量重要性

那么,在生产所需的笔记本电脑时,Ethos应该从哪里开始呢?什么是最重要的?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。相对重要性可以用两步简单地计算出来。首先,对于每个变量,通过从具有最高效用的层次减去具有最低效用的层次来计算可能的最大差异。第二,对于变量a,它的相对变量重要性仅仅是a最大可能差异与所有变量最大可能差异之和的比值。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)库(relaimpo) < -引入data.frame(变量= c(“品牌”,“公”,“硬盘”,“DSize”、“核心”,“DQuality”、“触屏”))为(模型1:n) {relImp < - calc.relimp(回归[[模型]],type = c(液化沼气),rela = TRUE) relImp < - as.vector (relImp@lmg)重要性[,粘贴(“人”模型,9 = " ")]<轮(relImp,位数= 3)}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(label = function(x)paste(x*100, "%")
示出的相对重要性的变量的图
相对变量重要性

第三步:预测市场份额

为了预测市场份额,我们假设Ethos board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将笔记本电脑带入市场,在最好的情况下,潜在的市场份额是多少。理想情况下,我们现在将有一个数据格式,包含所有品牌的笔记本电脑,我们的笔记本电脑将需要与之竞争。然而,为了简单起见,我将创建一个例子,有49种不同的笔记本电脑,Ethos ' laptop将与之竞争。下面的代码将创建笔记本电脑列表:

# # # # # # # # # #模拟预测潜在市场份额从品牌笔记本电脑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a=品牌,b=核心,c=ram, d=硬盘,e = dsize, f= dquality, g =触摸屏<- data.frame(a=品牌,b=核心,c=ram, d=硬盘,e = dsize, f= dquality, g =触摸屏)name (Market) <- vnames (Market

现在,我基本上使用我之前推导出的回归模型为每个用户为每台笔记本电脑创建了拟合值或预测值。

<-predict(Regressions[[participant]], newdata = Market[,1:7])}}

最后,我只是来看看为每个参加,只是算品牌的人,其笔记本电脑的“胜”,以获得“市场份额”。“赢”可以被认为是笔记本电脑的购买决策,这将个体中性,在最佳条件下做出。这里来的过程中的一个主要限制。我在这里算什么,其实,会不会是真正的市场份额。相反,它是一个“偏爱”的份额,因为你永远不会找到在市场中性和最佳条件。中性和最佳条件是,例如,没有分销渠道优势,没有品牌或消费者必须评估在篮下,这是相当不可能所有的笔记本电脑的机会。当然,也可以通过相对于存在于真正的市场,这些制约因素修正的结果,提升方法,但优先股给你的信息,如果你不会有任何缺点,你会怎么受得了(或优势取决于透视)相比,你的竞争对手。

#确定潜在市场份额购买< -unlist(应用(市场[,8:ncol(市场)],2,函数(x) (x = = max (x))))购买<美元市场品牌(购买)brandcount < -as.data.frame(表(购买))brandcount频率< - brandcount频率美元/笔(brandcount频率美元)ggplot (brandcount, aes (x =购买,y =频率))+ geom_bar(统计=“身份”)
该图显示了估计的市场份额
通过联合分析预测市场份额

现在我们可以看到,市场将主要由宏碁,华硕和联想统治,考虑到我们的模拟市场,Ethos将远远没有接近1%的市场份额。这是意外吗?不,有两个原因。首先,我们发现,Ethos brand面临着一些明显的品牌劣势。其次,在我们的模拟市场上,其他竞争对手平均销售10台笔记本电脑,而Ethos air只销售了一台。

结论:独特的分销渠道是赢得竞争的关键

最后,我们成功地回答三个问题,我们的咨询客户校风已经和我们展示了联合分析的强大功能和信息是。当然,也有一些缺点,我们还没有在喜欢的事实,这是很难准确地收集数据感动。当你进行联合分析,你也应该整合的方式,以确保有效性和可靠性。

然而,联合分析的主要优点是它非常灵活,您可以根据自己的需要调整它。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的分析。您可以使用主成分分析或聚类分析来找出哪些客户是相似的。你还可以计算你应该推出多少种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,你可以使用实际的购买数据,而不是调查数据。

那么现在的故事是什么呢?如果Ethos公司能够以具有竞争力的价格生产和销售笔记本电脑,并且市场条件理想,那么它将能够获得1%的市场份额。Ethos公司现在知道客户的想法,也知道什么样的笔记本电脑才能满足他们的需求。然而,这足以击败竞争对手吗?我的回答是否定的,因为如果Ethos想要在竞争中取胜,它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,但如果你的客户永远不会发现,他就永远不会买它。因此,你需要比你的竞争对手领先一步。你觉得怎么样?

进一步的阅读

10评论

  • 完全同意,Andrej,谢谢你的图表和解释。

    分销渠道,USP,销售渠道,销售策略,以及通过活动等形式来表达所有信息的恰当方式,这样他们就可以与他们特别挑选的目标受众建立个人联系,而这些目标受众的问题正得到直接解决。而Ethos需要思考“如果Ethos突然消失了,人们会从Ethos中错过什么?”他们可能会想读一下罗伯·菲茨帕特里克的《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》。这将有助于向客户提出正确的问题。

    问题:如果Ethos的笔记本电脑是他们自己生产的,如果我买了,如果发生了什么意外,我还会去商店再次购买Ethos的笔记本电脑吗?”

    如果校风阅读这篇文章,下面可能有帮助的情况下,他们明白,为什么我买的产品从苹果。

    案例经验:我有一台Mac电脑,如果它消失了,我找不到它,我会直接去苹果商店给自己买同一品牌的最新版本。原因:苹果关心他们的客户,他们关心设计的每一个细节,他们总是创新(人们在一开始批评他们的创新,但他们拥抱它,并开始喜欢它的最后。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,但我们并不总是去执行它们。苹果不一样,他们会把它变成现实,他们改变事物,他们创新,他们敢于尝试新事物。此外,无论何时他们发布一款产品,他们都要确保它以应有的方式运行,而不是为了抢占市场先机。他们会改变,他们不会多想,他们很自信。而且,即使我的保修期已经过期,苹果的客服也帮了我,他们总是很尊重我,当他们的客户有问题的时候,他们也会出现。

    “理想的笔记本电脑”和“理想的分销渠道”下面回答段落的组合,绝对可以有1%的在某一时刻产生影响。
    公司:校风进入这个市场必须克服巨大的挑战。I personally don’t know what Ethos stands for, what their values are, what they represent, what’s their strategy, who did they help so far, how long are they in the market, what challenges they have been through, what’s their corporate social responsibility, how their products are produced, do their producing partners care about their employees etc., are they green, how good is their relationship with (competitors, manufacturers, employees), who is the company leader and what’s the director’s vision and a lot of “why” questions have to be answered.

    如果我不知道答案以上所有这些,这将是很难说服我买校风笔记本电脑。

    我希望这个消息中携带价值,并能帮助民族精神做出正确的规划和正确的决策。

    • 嘿艾哈迈德,

      这是一个非常好的Poing的,你做!从哪里我站着,我会说,有不同的角色和类型的人。的确是有人们谁同意你的观点,但也有谁买不起苹果的笔记本电脑,并高兴地得到一个简单的一个人。

      我同意,考虑到他们目前的战略和处境,他们几乎不可能在你所处的客户群中与苹果竞争。

      关于联合分析的结果,从你的评论中也许还有一个教训需要吸取。结果一个表示“平均”客户。这可能意味着,校风要生产笔记本电脑是不理想的任何客户。

      试想一下,在现实中校风要比赛在由两个极端类型的段。第一个代表你,第二个谁是只有最必要的东西寻找廉价笔记本电脑的人。然后计算理想的笔记本电脑事先不聚类的客户会导致笔记本电脑,既是客户类型的笔记本电脑的理想之间的妥协。其结果是,两个客户类型的非会得到真正的快乐。

      实际上,我在下面这篇文章的最后解释了这个问题:http://万博网页在线登录www.chinaqphy.com/how-to-build-the-best-fit-conjoint-analysis-in-7-simple-steps/

      所以你怎么看?

      • 嗨安德烈,

        你说得很好,我可能没有注意到。我开始思考市场竞争,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更激烈的竞争与许多小的公司比高效的笔记本电脑,这是竞争格局的一部分大公司。你也有一个很好的点,聚集客户,找到目标群体,并完美地满足他们,这将卖得很好。

        我会看看有什么会(虚构的)校风进入预算的笔记本电脑的市场战略,他们将如何在市场上定位自己非常感兴趣。(将他们的渠道样子,从你建议的人。你怎么心里有一些独特的想法?)

        我想到的分销渠道之一是开放、诚实和大量的幽默(就像他们广告上的“美元剃须俱乐部”)。我知道这可能是一个被过度使用的例子,但像这样的病毒式内容肯定会促使投资者收购Ethos and用户购买他们的笔记本电脑

        你觉得怎么样?

        • 嘿艾哈迈德,感谢您的评论。我很感激。我认为,与初创公司的困难是什么将在市场工作的不确定性。我们真的不知道什么工作,所以我们只能为开始,像你这样做的猜测在假设的形式。它是收集数据,例如重要事实,看到这个假设是否可以在现实中保持为真,而不仅仅是在我们的想象。

          有机会的话,我们可以从“元剃须俱乐部”学习,学会转移到启动的教训。但是,请记住,在年底,“Dollae剃须俱乐部”首先针对不同的用户,其次是一个完全不同的商业模式(订阅)工作,第三面临着别样的竞争。因此,我会怀疑它会工作这样。

    • 嘿艾哈迈德,

      这是一个非常好的Poing的,你做!从哪里我站着,我会说,有不同的角色和类型的人。的确是有人们谁同意你的观点,但也有谁买不起苹果的笔记本电脑,并高兴地得到一个简单的一个人。

      我同意,考虑到他们目前的战略和处境,他们几乎不可能在你所处的客户群中与苹果竞争。

      关于联合分析的结果,从你的评论中也许还有一个教训需要吸取。结果代表了一个“普通”客户。这可能意味着,校风要生产笔记本电脑是不理想的任何客户。

      试想一下,在现实中校风要比赛在由两个极端类型的段。第一个代表你,第二个谁是只有最必要的东西寻找廉价笔记本电脑的人。然后计算理想的笔记本电脑事先不聚类的客户会导致笔记本电脑,既是客户类型的笔记本电脑的理想之间的妥协。其结果是,两个客户类型的非会得到真正的快乐。

      实际上,我在下面这篇文章的最后解释了这个问题:http://万博网页在线登录www.chinaqphy.com/how-to-build-the-best-fit-conjoint-analysis-in-7-simple-steps/

      所以你怎么看?

    • 谢谢你,阿什利!我很高兴你喜欢它。如果我可以帮你,或者你有什么建议,拍我的消息!

留下一个回复

您的电子邮件地址将不会被公布。必需的地方已做标记*