Multivariate Techniques in Business

For at være meningsfuld må spørgsmålet om markedsundersøgelser ofte være komplekse og flerlagede, og svarene kan variere afhængigt af en række forhold og faktorer. Forretningsfolk bruger multivariate teknikker til at analysere forbrugernes reaktioner ved at gruppere de forskellige forbrugersvar i meningsfulde kategorier eller informationsklynger for at bestemme de relevante forhold mellem svarene og det produkt eller den service, der undersøges.

Datatyper

Forbrugerreaktioner kan klassificeres som uafhængige, afhængige og indbyrdes afhængige. Uafhængige svar, som f.eks. En persons alder eller køn, påvirkes ikke af andre variabler eller betingelser. Et afhængigt svar er betinget af en anden uafhængig faktor, såsom hvordan en persons præference for et bestemt videospil er direkte forbundet med hans alder. Et indbyrdes afhængigt svar er en, hvor ingen enkelt faktor eller gruppe af faktorer kan defineres som afhængige eller uafhængige. En persons præferencer vedrørende computere er flerlagede og ikke let forbundet med isolerede faktorer. Den multivariate teknik, der bruges til at analysere markedsundersøgelsesdata afhænger af forholdet mellem faktorerne.

Grupperingsmetoder

De tre mest almindelige multivariate teknikker, der anvendes til at analysere afhængige responser, er kendt som multipel regressionsanalyse, diskriminantanalyse og konjunktanalyse. De tre mest almindelige teknikker, der anvendes til indbyrdes afhængige reaktioner, er klyngeanalyse, faktoranalyse og multidimensionel skalering. Uafhængige svar kan være komponenter i hver gruppe.

Multipel regressionsanalyse

Flere regressionsanalyser er den mest anvendte multivariate teknik. Det bruges som et prognoseværktøj til at analysere forholdet mellem et enkelt afhængigt svar, f.eks. Om forbrugeren foretrækker et bestemt produkt som et varemærke is og to eller flere uafhængige reaktioner, såsom personens alder og indkomst.

Diskriminerende analyse

Discriminantanalyse bruges til at oprette klassifikationer af mennesker baseret på en række forskellige egenskaber, som om personen er en "udendørs" person eller do-it-yourselfer og derefter afgøre, hvilken klassifikation den person, der undersøges passer ind i, baseret på hvordan hans svar matche.

Conjoint Analysis

Konjunktanalyse søger en præference for en kombination af produktegenskaber for at forudsige individuelle præferencer. Det betegnes ofte som "trade-off analyse." Hvis en forbruger siger, at hendes prioriteringer når man handler til sko er komfort, stil, pris og tilgængelighed, kan markedsføreren konkludere, at komfort og stil er det vigtigste. Men de andre faktorer af pris og tilgængelighed kan være højere, hvis de betragtes sammen, så pris og tilgængelighed sammen kan være vigtigere end stil.

Faktoranalyse

Når der er mange indbyrdes afhængige undersøgelsesresponser for at korrelere og analysere, skal dataene reduceres til mindre sæt med tre til fem faktorer. Når man f.eks. Studerer en gruppe kvinder, kan deres karakteristika omfatte højde, vægt, hobbyer, interesser og aktiviteter. Faktoranalyse ville reducere de fem karakteristika i to: størrelse, kombination af højde og vægt og livsstil, der kombinerer hobbyer, interesser og aktiviteter.

Klientanalyse og multidimensionel skalering

Klyngeanalyse reducerer også en stor befolkning til et lille antal gensidigt eksklusive grupper baseret på lignende egenskaber. Eksempler ville være "baby boomers", "geeks" eller "yuppies." Multidimensionel skalering kortlægger forbrugernes reaktioner på en graf ifølge lighed, så forskellige svar kan analyseres ud fra deres nærhed til andre svar.