市场研究的数据分析方法
市场调研的五个方法与数据分析技巧
市场调研的五个方法与数据分析技巧市场调研是企业在制定市场营销策略时必不可少的一环。
通过对市场进行深入了解，企业能够准确把握消费者需求，以及竞争对手的动态，从而为产品开发和市场推广提供指导。
然而，市场调研并非一项简单的任务，它需要运用多种方法和技巧来收集和分析数据。
本文将介绍市场调研的五个常用方法，并进一步探讨数据分析的关键技巧。
一、访谈法访谈法是最经典且直接的市场调研方法之一。
通过与目标受访者进行面对面或电话交流，调研人员可以深入了解消费者的意愿、喜好以及消费心理。
在访谈过程中，调研人员可以通过开放式或封闭式问题引导受访者表达自己的观点，从而收集到有针对性的数据。
此外，访谈法还可用于获得竞争对手产品信息、行业趋势以及顾客体验等方面的数据。
二、问卷调查问卷调查是市场调研中最常用的方法之一，它可以快速有效地收集大量数据。
通过设计合理的问卷，并将其分发给目标受众，调研人员可以了解消费者对产品特性、价格、品牌认知和购买意愿等方面的看法。
问卷调查可以通过纸质或电子形式进行，具有成本低、样本容量大等优点。
在设计问卷时，需要避免使用主观或歧视性的问题，以确保数据的准确性和客观性。
三、观察法观察法是一种通过直接观察受试者的行为、购买习惯、偏好和反应来获取数据的调研方法。
调研人员可以通过实地观察或视频观察的方式收集数据，然后对所得到的信息进行分析和解读。
观察法适用于研究消费者购物行为、产品使用习惯以及店铺布局等方面的问题。
在使用观察法时，调研人员需要注意保持客观中立，避免对观察对象进行干扰。
四、焦点小组讨论焦点小组讨论是一种通过小组的集体讨论来获取数据的方法。
由于参与者来自不同背景和群体，他们的观点和想法能够为市场调研提供多样化的数据。
在焦点小组讨论中，调研人员需要设定明确的话题，引导参与者进行有效讨论，并记录他们的观点和意见。
通过分析焦点小组讨论的结果，可确定不同群体之间的共同点和差异点，为市场定位和产品开发提供参考。
市场调查报告数据分析方法
市场调查报告数据分析方法市场调查是企业进行战略决策和市场营销的重要工具之一。
通过市场调查可以了解消费者需求、竞争对手情况以及市场趋势等信息，为企业提供决策依据。
然而，市场调查所获得的大量数据需要进行分析和解读，以便从中提炼出有价值的信息。
本文将介绍几种常用的市场调查报告数据分析方法，帮助企业更好地利用调查数据。
一、描述性统计分析描述性统计分析是市场调查报告中最基本的数据分析方法之一。
它通过计算数据的平均值、中位数、标准差、频率分布等指标，对数据进行总结和描述。
这些统计指标可以帮助我们了解数据的分布情况、集中趋势和变异程度。
例如，通过计算产品销售额的平均值和标准差，可以了解产品销售的平均水平和销售波动情况。
二、相关性分析相关性分析是研究变量之间关系的一种方法。
在市场调查中，我们常常需要了解不同变量之间的相关性，以便找出影响市场表现的关键因素。
相关性分析可以通过计算相关系数来衡量变量之间的相关程度。
常用的相关系数包括皮尔逊相关系数和斯皮尔曼相关系数。
例如，在一份市场调查报告中，我们可以计算产品价格与销售数量之间的相关系数，以确定价格对销售的影响程度。
三、回归分析回归分析是一种用于研究变量之间关系的统计方法。
它可以帮助我们预测一个或多个自变量对因变量的影响程度。
在市场调查中，回归分析可以用来建立销售量与价格、广告投入、竞争对手数量等变量之间的关系模型。
通过回归分析，我们可以估计不同因素对销售量的影响，并进行预测和决策。
四、因子分析因子分析是一种用于研究多个变量之间关系的方法。
它可以帮助我们发现潜在的因素或维度，并将多个变量归纳为较少的几个因子。
在市场调查中，因子分析可以用于挖掘潜在的消费者需求和市场趋势。
例如，通过对消费者对产品特征的评价数据进行因子分析，我们可以发现消费者对产品性能、外观、价格等方面的关注程度，并据此进行产品定位和市场策略制定。
五、聚类分析聚类分析是一种将样本或变量划分为不同组的方法。
市场调研数据分析方法
市场调研数据分析方法市场调研是企业了解市场需求、了解竞争对手、制定市场策略的重要手段。
而对于收集到的大量市场调研数据的分析，则是为了深入洞察市场的需要和趋势，为企业提供合理的决策支持。
本文将介绍几种常见的市场调研数据分析方法。
一、定性数据分析方法定性数据是基于描述和主观判断的非数值数据。
其分析方法通常包括以下几种：1. 主题分析：通过对调研数据进行关键词提炼和主题分类，得出不同主题的关键词分布和频次，从而揭示市场需求和潜在痛点。
2. 情感分析：通过对调研数据中客户的评价、评论等进行情感判断，分析市场对产品或服务的态度和情感倾向，进而提出产品改进的建议。
3. 品牌声誉分析：通过对市场调研数据中与品牌相关的内容进行整理和分析，评估品牌在市场中的声誉和形象，从而制定品牌塑造的策略。
二、定量数据分析方法定量数据是基于数值化的数据，可以进行统计和量化分析。
常见的定量数据分析方法包括：1. 描述统计分析：通过计算平均值、中位数、标准差等指标，对市场调研数据进行描述和概括，了解市场的整体状况和趋势。
2. 相关性分析：通过计算不同变量之间的相关系数，揭示变量之间的相关关系，帮助理解市场调研数据中的潜在关联，为企业决策提供依据。
3. 回归分析：通过建立数学模型，分析某个或多个自变量对于因变量的影响程度和方向，预测市场需求的变化和趋势。
4. 聚类分析：将市场调研数据中的个体按照某种特征进行分组，从而得出不同市场群体的特点和需求，为市场定位和产品定位提供指导。
三、数据可视化方法为了更直观地展现市场调研数据的分析结果，数据可视化方法变得越来越重要。
以下是几种常见的数据可视化方法：1. 条形图和柱状图：用于比较不同类别变量之间的数量差异。
2. 折线图：用于显示数据随时间、趋势变化的情况。
3. 散点图：用于展现两个变量之间的关联关系。
4. 饼图：用于呈现不同类别在总体中的占比。
5. 热力图：用于显示数据在不同维度上的分布和密度情况。
市场调研的数据分析方法
市场调研的数据分析方法市场调研是企业在制定市场战略时必不可少的一项工作，通过市场调研可以了解产品的市场需求、竞争对手情况以及消费者的反馈等信息，从而帮助企业作出正确的战略决策。
而在市场调研中，数据分析则是至关重要的环节。
本文将围绕这一主题，简要介绍市场调研的数据分析方法。
一、数据采集在进行数据分析之前，需要先采集数据。
在市场调研中，一般有两种数据采集方式：定性调研和定量调研。
定性调研是指对样本对象进行深度访谈或者小组讨论等方式，以对目标市场进行探究的一种方法。
采用定性调研方式采集的数据不可量化，只能通过文字、语言等方式表达，但是通过这种方式采集的数据往往更为详细，可以提供更多精确的信息。
定量调研则是通过大样本的数值数据进行分析，来得出结论和趋势。
比如问卷调研、网上调查等。
定量调研过程中采集的数据量会较大，可以用数字表示，同时还可以进行数据分析。
二、数据处理采集到数据后，需要对数据进行处理。
研究员需要将数据进行整理、分类、清洗等工作，以保证数据的真实性和完整性。
具体而言，数据处理步骤分为数据清洗、数据分析和结果分析三个阶段。
数据清洗指的是将采集到的原始数据进行初步加工，去除里面的错误、重复等无效数据。
数据分析就是将清洗后的数据按照统计原则分析、分类的过程。
结果分析就是对经过数据分析后的数据进行加工和解释，以便更好地理解数据，并从中提炼出有用的信息。
三、数据分析数据分析的过程中，需要进行多个层面的分析。
常用的数据分析方法包括描述性统计分析、推论性统计分析等。
描述性统计分析是对数据进行简单的汇总和概括，比如计算均值、中位数及标准差等统计指标。
推论性统计分析是将分析结果推广到整个受访人群的过程。
常用方法为假设检验、方差分析、回归分析等。
以上两种数据分析方法的选择往往与采取调研方式有着密切的关系。
数据分析方法并非一成不变，需根据问卷类型、问卷问题等因素进行选择。
四、数据可视化数据可视化是指通过图表、图像等方式将数据呈现出来，以便更好地理解和分析数据。
市场研究的数据分析方法
市场研究的数据分析方法市场研究是为了了解市场行为和市场需求，帮助企业做出决策和制定营销战略。
数据分析方法在市场研究中起到关键作用，它可以揭示市场的趋势、消费者偏好和竞争情况。
以下是一些常用的数据分析方法：1. 数据收集：在市场研究中，数据收集是第一步。
可以通过问卷调查、深度访谈、焦点小组讨论等方式收集数据。
此外，还可以利用现有的市场研究报告和行业数据来补充信息。
2. 数据清洗：在数据收集过程中，往往会获得大量的原始数据，包括有缺失值、错误值和异常值的数据。
因此，在进行数据分析之前，需要对数据进行清洗和整理，以确保数据的准确性。
3. 描述性统计分析：描述性统计分析是对数据的基本特征进行描述和总结，包括均值、中位数、众数、标准差等。
通过描述性统计分析，可以了解数据的分布情况和集中趋势。
4. 相关性分析：相关性分析是研究变量之间的关系和相关程度。
通过计算相关系数，可以判断变量之间的线性关系的强弱和正负。
例如，可以通过相关性分析来研究价格与销量之间的关系。
5. 回归分析：回归分析是通过建立数学模型，预测一个或多个自变量对因变量的影响。
在市场研究中，可以利用回归分析来研究市场因素对销售额、市场份额等业绩指标的影响。
6. 群组分析：群组分析是将样本根据共同特征划分为不同的群组或类别。
通过群组分析，可以识别出不同的市场细分和消费者群体，为精确定位和市场定位提供支持。
7. 时间序列分析：时间序列分析是研究一系列连续观测值随时间变化的规律性。
在市场研究中，可以利用时间序列分析来揭示市场趋势、周期性和季节性变化，为市场预测和计划提供依据。
综上所述，数据分析是市场研究中必不可少的工具之一，通过数据的收集、清洗和分析，可以提供有价值的市场信息和洞察。
不同的数据分析方法可以帮助企业理解市场行为、消费者需求和竞争环境，从而制定适应市场变化的营销策略。
市场研究是企业制定营销策略和决策的重要依据，而数据分析则是市场研究中不可或缺的工具。
市场调研数据分析方法详解
市场调研数据分析方法详解市场调研是企业了解市场需求、消费者行为和竞争对手等信息的必要手段。
通过市场调研数据的分析，企业能够了解市场动态，制定更精准的营销策略，并做出明智的决策。
本文将详细介绍市场调研数据分析的方法。
一、问卷调查分析问卷调查是市场调研中常用的数据收集方法之一。
对于问卷调查的数据分析，可以采用以下方法：1. 数据清洗：对收集到的原始数据进行清洗，去除错误或无效数据。
同时，还需进行数据归类和整理，以便后续分析。
2. 描述性统计分析：对问卷调查的数据进行描述性统计分析，如频率分布、平均数、中位数、众数等。
通过这些统计指标，可以了解样本的基本特征和趋势。
3. 单因素分析：对某一特定因素进行分析，比如性别、年龄、收入等与产品需求之间的关系。
可以利用交叉表、柱状图、饼图等方法进行分析。
4. 相关性分析：通过计算变量之间的相关系数，来判断它们之间的相关性。
相关性分析可以帮助企业找出市场现象背后的关联关系，为制定市场策略提供依据。
二、市场调查分析市场调查是一种主动观察和记录市场状况的方式，可以通过以下方法进行分析：1. 环境分析：对市场环境进行详细分析，包括经济环境、政治环境、社会文化环境和技术环境等，以了解市场的宏观状况。
2. 竞争分析：通过调查和分析竞争对手的产品、价格、渠道和营销策略等信息，以评估企业在市场竞争中的优势和劣势，并制定相应的策略。
3. 潜在需求分析：通过市场调查了解潜在客户的需求和购买习惯等，从而把握市场的机会和潜在的目标市场。
4. 需求预测：通过对市场调查数据的分析，结合趋势和模型的预测方法，对未来市场的需求进行预测，为企业的合理生产和供给提供参考。
三、数据挖掘分析数据挖掘分析是利用统计学、人工智能和机器学习等技术，从大量的数据中挖掘出隐藏的模式和关联规律。
在市场调研中，数据挖掘分析可以帮助企业从各个角度发现市场和客户的新信息。
1. 聚类分析：将相似的数据分成不同的组，以便更好地理解市场细分和客户分类。
市场调研的数据收集和分析方法
市场调研的数据收集和分析方法市场调研是指企业或组织通过对目标市场进行数据收集和分析，以了解市场需求、竞争情况等相关信息的过程。
它是市场营销决策的重要依据之一，有助于企业制定合适的营销策略，提高产品或服务的竞争力。
在进行市场调研时，数据收集和分析是不可或缺的环节。
本文将详细介绍市场调研的数据收集和分析方法，并分点列出具体步骤。
一、数据收集方法1.1 二手资料收集：通过收集已公开发布的报告、统计数据、研究论文等二手资料，获取相关市场信息。
这些资料通常由政府部门、市场研究机构、行业协会等发布，具有一定的可信度和权威性。
1.2 市场观察法：通过实地观察市场，了解消费者的购买行为、消费习惯等信息。
可以通过店面观察、产品展示会、市场调查等方法进行市场观察，从而获取一手的市场信息。
1.3问卷调查法：通过设计并发放问卷调查，收集消费者的意见、偏好、购买行为等数据。
问卷调查可以通过线上或线下方式进行，比如通过邮件、手机短信、微信群发等方式发布问卷，也可以通过面对面的实地调查方式进行。
1.4重点访谈法：通过与相关专家、行业从业者、业内人士进行深入交流，获取有关市场的专业见解和经验。
重点访谈法适用于一些特定的领域或行业，可以获取到更加精准和深入的市场信息。
二、数据分析方法2.1 描述性分析：对收集到的数据进行整理、分类、总结，形成表格、图表等视觉化展示形式。
描述性分析可以帮助快速了解市场现状和趋势，比如通过制作统计表和统计图，可以直观地展示市场规模、增长率、市场份额等方面的数据。
2.2 相关性分析：通过分析市场调研数据中的各个因素之间的相关性，找出影响市场需求、竞争状况的主要因素。
常用的相关性分析方法包括回归分析、相关系数分析等，通过这些方法，可以深入了解不同因素之间的关联程度及影响力。
2.3 传统统计分析：使用统计学方法对市场调研数据进行统计分析，如平均值、中位数、百分比、标准差等等。
传统统计分析可以通过对数据的计算和比较，获得更多关于市场的深入洞察。
市场调研数据分析方法
市场调研数据分析方法市场调研是企业决策过程中不可或缺的一环。
通过收集和分析大量的市场调研数据，企业可以更全面地了解市场需求、竞争状况以及消费者喜好，从而制定相应的市场战略。
然而，市场调研数据往往庞杂且复杂，如何进行准确可靠的数据分析成为一个关键问题。
本文将介绍几种常用的市场调研数据分析方法。
一、描述性统计分析法描述性统计分析是最常用的市场调研数据分析方法之一。
它通过对数据的收集和整理，利用统计指标对数据进行总结和描述。
常用的描述性统计指标有平均数、中位数、众数、标准差等。
通过计算这些指标，可以更直观地了解市场调研数据的分布情况、变化趋势等。
例如，某公司进行了一次市场调研，收集到了1000份顾客满意度调查数据。
通过计算平均数，可以得到顾客的整体满意度水平；通过计算标准差，可以了解顾客满意度的波动情况。
这些统计指标可以帮助企业了解顾客对产品或服务的整体认可度和满意度，为企业的决策提供参考依据。
二、相关性分析法相关性分析是研究调查数据中各个变量之间关系的一种方法。
通过计算变量之间的相关系数，可以判断它们之间的线性关系强弱以及变化趋势。
常用的相关系数有皮尔逊相关系数、斯皮尔曼相关系数等。
以市场销售额和广告投入额为例，通过计算这两个变量的相关系数，可以了解广告投入对销售额的影响程度。
如果相关系数接近于1，说明广告投入和销售额呈正相关关系，即广告投入越多，销售额也越高；如果相关系数接近于0，说明二者之间没有线性关系；而如果相关系数接近于-1，说明广告投入和销售额呈负相关关系，即广告投入越多，销售额越低。
通过相关性分析，企业可以评估市场推广策略的有效性，并作出相应的调整。
三、回归分析法回归分析是一种通过建立数学模型来研究因变量与自变量之间关系的方法。
在市场调研中，回归分析可以用于预测市场需求、估计价格弹性等。
以商品价格和需求量为例，通过回归分析可以建立价格与需求量之间的数学模型。
通过该模型，可以预测在不同价格下的需求量，进而制定合适的定价策略。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
市场研究的数据分析方法
通过本章学习，掌握市场营销研究的基本数据分析方法。
掌握线性回归分析方法及其应用；掌握判别分析法及其应用；了解聚类分析及其具体方法和步骤；了解因子分析方法的数学模型和相关统计量以及基本步骤；了解对应分析方法及其基本步骤；、了解多维偏好分析法的主成分分析模型；了解多维尺度法及其分析步骤；了解联合分析方法的基本模型及其基本步骤。
第一节线性回归分析
一、线性回归方程的基本模型
线性回归分析是考察变量之间的数量关系变化规律，它通过一定的数学表达式—回归方程，来描述这种关系，以确定一个或几个变量的变化对另一个变量的影响程度，为预测提供数学依据。
线性回归方程从样本资料出发，一般利用最小二乘法，根据回归只限于向本资料点在垂直方向上的偏离程度最低的原则，进行回归方程的参数的求解。
根据线性回归方程总之变量的个数，回归方程可分为一元线性回归方程和多元线性回归方程。
（一）一元线性回归模型
一元线性回归模型是两个变量之间的关系可以通过有关的参数直接用直线关系来表示。
（二）多元回归模型
多元线性回归模型中自变量的个数在2个以上。
二、线性回归方程的统计检验
1、回归方程拟合优度检验
2、回归方程的显着性检验
3、回归系数显着性检验
三、回归分析假设条件的检验
1、残差分析
2、多重共线性
3、误差项的序列相关
四、线性回归分析的基本步骤
1、确定回归中的自变量和因变量。
2、从收集到样本资料出发确定自变量和因变量之间的数学关系，即建立回归方程。
3、对回归方程进行各种统计检验。
4、利用回归方程进行预测。
在利用统计软件进行回归分析时，只有第一步由用户给定，其它均可由计算机完成。
第二节判别分析
一、判别分析法的基本思想
判别分析是一种进行统计鉴别和分组的技术，最早由费雪（Fisher）于1936年提出。
它是根据观察或测量到若干变量值，判断研究对象如何分类的方法。
在进行判别分析时，首先必须已知观察对象的分类和若干表明观察对象特征的变量值。
然后再从中筛选出能提供较多信息的变量并建立判别函数，然后利用其结果对待判对象进行判断其类别。
在判别分析中，称分类变量为因变量，而用以分类的其它特征变量称为判别变量或自变量。
简而言之，判别分析包括以下两步：
1、分析和解释各类指标之间存在的差异，并建立判别函数。
2、以第一步的分析结果为依据，将对那些未知分类属性的案例进行判别分类。
二、判别分析基本模型与统计术语
（一）假设条件
1、每一个类别都取自一个多元正态总体的样本
2、所有正态总体的协方差矩阵或相关矩阵都相等
（二）基本模型
判别分析的基本模型是判别函数，它表示为分组变量与满足假设条件的判别变量之间的线性关系。
（三）统计术语
1、先验概率
2、后验概率
3、判别系数
4、结构系数
5、分组的矩心
6、判别力指数
7、残余判别力
三、分析的基本步骤
1、确定研究的问题
2、获取判别分析的数据
3、进行判别分析
4、评价和解释分析结果第三节聚类分析
一、聚类分析的基本思想
聚类分析(又称数字分类学)是新近发展起来的一种研究分类问题的多元统计分析方法。
它是根据事物本身的特性研究个体分类的方法，其基本原则是同类的个体有较大的相似性，而不同类的个体的差异很大。
在聚类分析中，根据分类对象的不同可分为样品聚类(Q型聚类)和变量聚类（R型聚类）两种。
样品聚类是对事件进行聚类，或是说对观测量进行聚类，使对反映被观测对象的特征的变量值进行分类。
变量聚类则是当反映事物特点的变量很多是，我们根据所研究的问题选择部分变量对事物的某一方面进行研究的聚类方法。
二、距离与相似系数
（一）定距或定比率数据的距离和相似系数
1.常用的距离指标有：欧式距离、欧式距离的平方、曼哈顿距离、切比雪夫距离幂距离
2.常用的相似系数指标主要有：余弦系数、皮尔逊相关系数
（二）定类数据的距离
1.卡方距离
2.法方距离
三、聚类方法
（一）层次聚类法
（二）迭代聚类法
四、聚类分析的主要步骤
1．确定研究的问题
2．计算相似性
3．聚类
4．聚类结果的解释和证实
第四节因子分析
一、因子分析的基本思想
因子分析是一项多元统计分析技术，其主要目的就是简化数据。
它通过研究众多变量之间的内部依赖关系，探求观测数据中的基本结构，并用少数几个假想变量来表示基本的数据结果。
这些假设变量是不可观测的，通常称为因子。
它们反映了原来众多的观测变量所代表的主要信息，并能解释这些观测变量之间的相互依存关系。
二、因子分析的数学模型和相关统计量
（一）数学模型
（二）相关统计量
1、因子载荷
2、共同度
3、因子的贡献
4、巴特利特球体检验
5、KMO指数
三、因子分析的基本步骤
1、确定研究变量
2、计算所有变量的相关矩阵
3、构造因子变量
4、因子旋转
第五节对应分析
一、对应分析的基本思想
对应分析（CorrespondenceAnalysis）又称为相应分析，是由法国统计学家J.P.Beozecri于1970提出的，是在R型和Q型因子分析基础上，发展起来的一种多元相依的变量统计分析技术。
它通过分析由定性变量构成的交互汇总表来揭示变量间的关系。
当以变量的一系列类别以及这些类别的分布图来描述变量之间的联系时，使用这一分析技术可以揭示同一变量的各个类别之间的差异以及不同变量各个类别之间的对应关系。
二、有关统计术语与资料格式
（一）统计术语
1．列联表
2．主成分
3．惯量和特征值
（二）数据格式
三、分析的步骤
1．确定研究的内容
2．获取分析资料
3．对列联表作对应分析4．解释结果意义
5．评价分析结果
第六节多维偏好分析
一、主成分分析法简介（一）主成分分析的基本思想
多维偏好分析采用的统计方法就是主成分分析法，因而必须对主成分分析法有一个初步的了解。
主成分分析法就是将原来众多具有一定相关性的指标（如p个指标），重新组合成一组新的相互无关的综合指标来代替原来的指标。
（二）主成分分析的数学模型
(三)主要统计术语
1、偏好评分
2、特征值或惯量
二、分析的基本步骤
1、确定研究的问题
2、资料的收集
3、主成分分析
4、偏好图并解释结果意义
5、评价分析结果
第七节多维尺度法
一、多维尺度法的基本介绍
多维尺度法的基本思想是，将消费者对各种品牌产品的偏好和感觉资料，用r维空间的点来表示。
品牌的点间距离的次序完全反映原始输入的相似次序（两种品
牌间的距离越短，则越相似）。
具体主要包括两步：（1）初步图形结构的构造。
构造一个r维的坐标空间，并用该空间的点分别表示各种品牌的产品，此时点间的距离未必和原始输入的次序相同。
（2）初步图形结构的修改。
通过反复的迭代计算，逐步修改初步图形结构，以得到一个新的图形结构，使得在新的结构中各种品牌的点间距离次序和原始输入次序完全一致。
二、统计术语与数据格式
（一）统计术语
1．接近程度
2．空间图
3．克鲁斯卡系数
4．残差
（二）数据格式
多维尺度法输入的数据是表示待比较事物之间相似程度的矩阵。
三、分析的基本步骤
1、确定研究的问题
2、获取资料
3、作多维尺度分析
4、作空间图并解释结果意义
5、评价分析结果。
第八节联合分析
一、联合分析的基本概念与功能
联合分析方法的基本思想是，通过提供给消费者以不同的属性组合形成的产品，请消费者做出心理判断，按其意愿程度给产品组合打分、排序，然后采用数理分析方法对每个属性水平赋值，使评价结果与消费者的给分尽量保持一致，来分析研究消费的选择行为。
联合分析可应用于以下几个方面：
1、各种属性在消费者选择品牌时的相对重要性
2、估计不同属性的市场占有率
3、确定最受欢迎品牌的属性水平组合
4、根据消费者对属性水平偏好的相似性，进行市场细分。
此外，还可应用于新产品概念的识别、竞争分析、定价研究、广告研究等市场营销的各个领域。
二、联合分析的模型和有关统计术语
（一）联合分析的基本模型
（二）统计术语
1．分值函数
2．属性和水平
3．相对重要性权数4．全轮廓
5．配对表
6．实验设计
7．内部有效性
8．最大效用模型
三、联合分析的基本步骤1．确定研究对象2．确定属性及水平3．实验设计
4．资料的收集
5．计算属性的分值6．评价分析的结果
7．解释结果。