下载文档原格式
简述联合分析价格定价法
联合分析价格定价法是一种十分流行的价格定价法，它通过客观地分析交易数量、消费行为、价格、收入水平等多维度的市场的影响因子，对未来的市场行为做出预判。
该方法的基本思想是，在建立相关关系模型的基础上，利用回归分析以及因变量的变化，来预测可能发生的市场情况，从而提出正确的定价策略。
首先，要把所有可能影响定价策略的外部因素都考虑进来，比如市场消费层次、消费人口的收入水平、可替换产品、消费者的期望等等。
然后，根据回归模型等方法，将这些变量以一定的关系连接起来，从而得出影响定价的关键变量和如何定价的结论。
联合分析需要考虑哪些因素？
首先，根据市场营销模式，针对产品实际特性、产品特征、产品所属类别、消费者购买意愿等，可以将其分析为以下几个因素：
1、产品特征：产品类别、新颖程度、功能、性能、价格等因素；
2、消费者特征：消费者收入水平、教育水平、性别、年龄、职业和其他社会因素；
3、广告和销售渠道：考虑广告效果、店面位置和定价策略；
4、市场环境：考虑竞争对手的产品、服务和市场位置；
5、其他影响因素：政策要求、大趋势变化等。
同时，为了更好的分析影响因素，还需要结合统计学原理，将这些因素分解为若干个独立变量，并采用相关的统计分析方法，分析这些变量之间的相互关系，从而得出最佳定价结论。
总之，联合分析价格定价法是在针对市场行为过程中所有可能影响定价的相关因素，根据不同的定价模型，在考虑因素的全面性和可靠性的基础上，以及充分考虑消费者偏好和社会经济环境的前提下，运用统计分析方法来提出正确的定价策略。
联合分析也称为结合分析、交互分析，是一种多变量分析方法，最初被应用在心理学研究，但是后来发现其在商业领域更能发挥作用，逐渐成为市场分析的常用方法之一。
一、基本思路联合分析是在已知受测者对某一受测体集合整体评估结果的情形下，经过分解的方法估计其偏好结构。
以上说法比较抽象，结合市场分析角度解释为：我们认为消费者是根据构成产品/服务的多个属性多个水平来进行感知和做偏好判断的，也就是说，消费者对产品/服务的偏好每次并不是基于一个因素而是基于几个因素综合判断的。
单独或直接的询问消费者各个属性的重要性，是不现实，甚至是无用的。
所以在市场研究中，我们要模拟“消费者在面对不同的产品／服务及其组合时，参考多种属性的结合效应之后做出选择”的过程。
通过提供给消费者以不同的属性水平组合形成的产品，并请消费者做出心理判断，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，来分析研究消费者的选择行为，这是一种间接的测量过程。
在联合分析下，产品被理解为属性水平的组合，属性、水平都互为独立变量，这在实际操作中比较困难，因为共线性多少会存在，但只要不严重就没问题。
联合分析的核心在于对单个效用的分析，为此必须考虑大量个体的效用结构。
二、名词解释1.效用的加法模型：假设一种产品或服务有m种属性，每种属性有n种水平，则产品1,2...n的总效用=因子1水平1+...因子m水平n的效用2.属性产品中可能对消费者产生影响的主要特征或指标，相当于方差分析中的因素3.水平属性的不同水平，相当于方差分析中的水平4.正交设计多因素实验的一种优化设计方法，基本思想是选取少数最有代表性的实验充分提取信息，使用的是正交表。
5.轮廓由能描述产品重要特征的属性以及属性的不同水平的组合6.全轮廓所有属性的各种属性水平的组合7.配对表属性间两两配对得到的二维交叉表。
8.相对重要性表示消费者在选择时，某种属性影响消费者决策的重要程度9.内部效应预测效用与实际效用之前的相关程度，用于分析结果的可靠性。
联合分析及案例应用结合分析联合分析又称结合分析（conjoint analysis）是一种有效的市场研究技术，近年来广泛应用于消费品、工业产品和商业服务等相关领域的市场研究中，尤其是在新产品开发、市场占有率分析、竞争分析、市场细分和价格策略等方面，结合分析在我国也越来越受到市场研究公司和企业的重视，本文试图通过对一个新产品开发案例的分析，来阐述结合分析在产品概念测试中的应用。
一、结合分析的基本概念结合分析适用于测量消费者的心理判断，如理解（perceptions）和偏好（preferences），在结合分析中，产品/服务被描述为“轮廓”（profiles），每一个轮廓是由能描述产品/服务重要特征的属性（attributes）以及赋予每一个属性的不同水平的组合构成的，结合分析的一个重要的基本假定是：消费者是根据构成产品/服务的多个属性来进行理解和做偏好判断；在消费者对轮廓的评价结果的基础上，经过分解的方法去估计其偏好结构,从而推算出消费者对该轮廓的多个属性及各属性水平的偏好得分（preference scores），在结合分析中用分值或效用来描述。
结合分析应用于产品概念测试，能够定量测量消费者对产品/服务的某个属性和某个属性水平的偏好或效用，可以用来寻找消费可接受的某种产品/服务的最佳属性及属性水平组合，这种组合最初可能并没有被消费绪所评价。
为了达到这样的目的，首先要估计不同属性水平的效用或分值，进一步计算出属性的相对重要性（attributes relative importance）和轮廓效用(profile utility)，以便定量化地测量消费者的偏好。
二、结合分析的主要步骤1.确定产品或服务的属性与属性水平结合分析首先要对产品或服务的属性和属性水平进行识别，所确定产品或服务的属性和属性水平必须是显著影响消费者购买的因素。
一个典型的结合分析包含6－7个显著因素。
确定了产品属性之后，还应该确定这些属性恰当的水平，例如容量是MP3产品的一个属性，目前市场上的MP3的容量类型主要有：64M、128M和256M等，这些是容量属性的主要属性水平。
联合分析一、案例背景当今世界，零售服务行业的业态界定越来越明确，业态之间以及业态内的竞争非常激烈。
从整个零售服务业来看，除传统的百货商店业态进一步萎缩外，连锁超市业态和连锁会员超市业态的零售商均在蓬勃发展，全球零售业前两名的沃尔玛和家乐福在中国大陆的连锁店数量急剧增加，以会员超市闻名的德国麦德龙和美国普尔斯玛特也大举进入中国。
社区便利店和小型专业连锁超市或加盟店正对传统的社区零售服务业进行整合，区域性的连锁商业仍然在大型连锁超市的夹缝中寻求生存空间。
每一个零售业业主无时无刻不在为提高顾客满意度，留住忠诚的顾客而费尽心思；而消费者在零售店铺品牌、价格、便利性、环境等诸多因素方面，有了更大的自主权。
我们经常感到困惑：几个店铺的规模差不多大，卖的东西也相差无几，为什么有的店铺人来人往，而有的店铺却门可罗雀？什么样的店铺能让顾客更满意？如何实施相应的策略来提高顾客满意度呢？一般认为，消费者在零售店铺购买商品的时候会考虑到两个方面的因素：零售店铺和所需商品的品牌。
如果我们假定同一业态的超市所出售产品的品牌是无差别的，那么影响消费者决策的主要因素就是零售店铺了。
消费者选择零售店铺的过程，是意识到需要为解决某个问题选择一家商店，然后进行内部和可能的外部调查，评价相关店铺，最后按照某种决策规则做出选择的过程。
消费者在选择零售店铺时通常采用的评价标准有五个，分别是：店铺形象、店铺品牌、零售广告、店铺位置与规模、知觉风险与购物导向。
其中知觉风险是指商品或服务使用后达不到预期效果的风险。
一般说来，消费者的购物成本（包括社会成本、金钱成本、时间成本、精力成本等）越高，产品达不到消费者预期的风险也越大。
购物导向指特别强调某些活动的购物方式或风格。
在这五个因素中，前三个为店铺属性，后两个涉及特定目标消费者的特征。
这是以往的研究所得出的结论。
但这五个评价标准是以一种什么样的模式来影响消费者对零售店铺的选择，却是过去的研究所难以解答的。
联合分析法联合分析（Conjoint Analysis，也称交互分析）什么是联合分析？市场研究中一个经常遇到的问题是：在研究的产品或服务中，具有哪些特征的产品最能得到消费者的欢迎。
一件产品通常拥有许多特征如价格、颜色、款式以及产品的特有功能等，那么在这些特性之中，每个特性对消费者的重要程度如何？在同样的（机会）成本下，产品具有哪些特性最能赢得消费者的满意？要解决这类问题，传统的市场研究方法往往只能作定性研究，而难以作出定量的回答。
联合分析（Conjoint Analysis，也译为交互分析）就是针对这些需要而产生的一种市场分析方法。
联合分析法又称多属性组合模型，或状态优先分析，是一种多元的统计分析方法，它产生于1964年。
虽然最初不是为市场营销研究而设计的，但这种分析法在提出不久就被引入市场营销领域，被用来分析产品的多个特性如何影响消费者购买决策问题。
联合分析是用于评估不同属对消费者的相对重要性，以及不同属性水平给消费者带来的效用的统计分析方法。
联合分析始于消费者对产品或服务（刺激物）的总体偏好判断（渴望程度评分，购买意向，偏好排序等），从消费者对不同属性及其水平组成的产品的总体评价（权衡），可以得到联合分析所需要的信息。
[联合分析的基本原理与步骤联合分析是通过假定产品具有某些特征，对现实产品进行模拟，然后让消费者根据自己的喜好对这些虚拟产品进行评价，并采用数理统计方法将这些特性与特征水平的效用分离，从而对每一特征以及特征水平的重要程度作出量化评价的方法。
联合分析的基本假定联合分析假定分析的对象如品牌、产品、商店等，是由一系列的基本特征（如：质量、方便程度、价格）以及产品的专有特征（如电脑的CPU速度、硬盘容量等）所组成的；消费者的抉择过程是理性地考虑这些特征而进行的。
联合分析的主要步骤联合分析通常由以下几部分组成：1．确定产品特征与特征水平：联合分析首先要对产品或服务的特征进行识别。
这些特征与特征水平必须是显著影响消费者购买的因素。
市场研究工具之联合分析原理及实例说明市场研究中一个经常遇到的问题是：在研究的产品或服务中，具有哪些特征的产品最能得到消费者的欢迎。
一件产品通常拥有许多特征如价格、颜色、款式以及产品的特有功能等，那么在这些特性之中，每个特性对消费者的重要程度如何？在同样的（机会）成本下，产品具有哪些特性最能赢得消费者的满意？要解决这类问题，传统的市场研究方法往往只能作定性研究，而难以作出定量的回答。
联合分析（Conjoint Analysis，也译为交互分析）就是针对这些需要而产生的一种市场分析方法。
一、联合分析的基本原理与步骤联合分析是通过假定产品具有某些特征，对现实产品进行模拟，然后让消费者根据自己的喜好对这些虚拟产品进行评价，并采用数理统计方法将这些特性与特征水平的效用分离，从而对每一特征以及特征水平的重要程度作出量化评价的方法。
联合分析的基本假定联合分析假定分析的对象如品牌、产品、商店等，是由一系列的基本特征（如：质量、方便程度、价格）以及产品的专有特征（如电脑的CPU速度、硬盘容量等）所组成的；消费者的抉择过程是理性地考虑这些特征而进行的。
联合分析的主要步骤联合分析通常由以下几部分组成：1．确定产品特征与特征水平：联合分析首先要对产品或服务的特征进行识别。
这些特征与特征水平必须是显著影响消费者购买的因素。
一个典型的联合分析包含6－7个显著因素。
确定了特征之后，还应该确定这些特征恰当的水平，例如CPU类型是电脑产品的一个特征，而目前市场上电脑的CPU类型主要有：奔腾II 450，奔腾II350，赛扬300等，这些是CPU特征的主要特征水平。
特征与特征水平的个数决定了分析过程中要进行估计的参数的个数。
2．产品模拟：联合分析将产品的所有特征与特征水平通盘考虑，并采用正交设计的方法将这些特征与特征水平进行组合，生成一系列虚拟产品。
在实际应用中，通常每一种虚拟产品被分别描述在一卡片上。
3．数据收集：请受访者对虚拟产品进行评价，通过打分、排序等方法调查受访者对虚拟产品的喜好、购买的可能性等。
2.联合分析法相关计算
（1）效用函数及其举例说明
效用函数的形式为：
U(X) =
其中 U（x）为所有属性的效用；n为属性个数；m j 为第i个属性的水平数目；a ij（我们称之为部分值函数）为第i个属性的第j 水平的效用，我们称之为部分值函数,当在某一测试中，这一属性水平组合出现时取1，不出现则取0，x ij为第i个属性的第j个水平组合是否出现。
我们通常采用带虚拟变量（又称作二分变量、哑变量、工具变量或者定型变量）的简单最小二乘法来进行估算。
虚拟变量的取值只有两种，如0和1，虚拟变量重新定义分类通常的做法是，如果需要重新定义的变量有K个类别，则需要使用K-1个虚拟变量，其原因在于只有K-1个虚拟变量是相互独立，第K个类别的情况可以从其他K-1个变量获得。
比如在分析性别这个两类别的变量时，就着急需要一个虚拟变量，样本中男性所占的比例等信息可以从女性所占百分比等信息中推知。
【课堂案例】将“冷冻”食品消费者作为虚拟变量处理
一项消费者对冷冻食品偏好的研究将消费者分为重度使用者、中度使用者、轻度使用者、非使用者。
最初的编码为4、3、2和1。
这样的编码对一些统计数据分析是没有意义的。
所以，为了进行分析，将产品使用者重新用3个虚拟变量X1,X2,X3表示，如表5 所示。
表5—重新定义前后的变量
产品使用最初编码虚拟变量
X1 X2 X3
非使用者 1 1 0 0
轻度使用者 2 0 1 0
中度使用者 3 0 0 1
重度使用者 4 0 0 0
我们以学生对旅游鞋的评价为例说明效用函数的计算。
定性研究确定了三个重要属性：鞋底、鞋面和价格。
如表5—所示，每一个属性均设三个水平。
旅游鞋的属性及其水平
属性
水平
编码描述
鞋底 3 橡胶
2 合成树脂
1 塑料
鞋面 3 真皮
2 帆布
1 尼龙
价格 3 ￥30.00
2 ￥60.00
1 ￥90.00
在对旅游鞋的不同属性组合进行评价时，要求调查对象对估计集中地9种组合打分，采
用的是9级Likert量表（1=不喜欢，9=极喜欢）。
收集定量数据时，消费者给的是分值而不是职位，在这种情况下，判断一般是独立做出的。
这对调查对象来说更方便，也比定序数据更便于分析。
表5—给出了一个调查对象的评分结果。
旅游鞋的属性组合及其得分
用带虚拟变量的普通最小二乘法对表5—提供的数据进行了分析。
因变量为偏好得分，自变量或预测变量时6个虚拟变量，每个原始变量用两个虚拟变量定义。
表5—是住哪换过的数据。
表5—表示每一属性效用函数的估算值。
联合分析的结果
因为变量数为6个，用b 0 ,b 1 ,b 2,b 3 ……b 6代表估算的参数，效用函数可由下式表示：a（x）= b0 + b1 X1+ b 2 X2+b 3 X3+b 4X4+b 5 X5+b 6X6
式中：X1,X2——鞋底的虚拟变量
X3,X4——鞋面的虚拟变量
X5,X6——价格的虚拟变量
对于鞋底，属性水平的虚拟变量取值如下：
其他属性的属性水平的编码相似，参数的估计值如下：
b0=4.222 b0=-0.333 b0=1.333
b0=1.000 b0=1.000 b0=2.333
上述虚拟变量将水平3设为基准水平，因此系数与部分值有关。
每一虚拟变量的系数，表示该水平的部分值与基准水平的部分值之差。
对于鞋底，有：
a 11 - a 13 =
b 1
a 12 - a 13 =
b 2
为了求部分值，需要附加一个约束条件。
因为是用定距尺度估算部分值，原点是人为的，所以附加的约束条件是
a 11+a 12+ a 13 =0
对于第一个属性鞋底有如下公式：
a 11 - a 12 = 1。
000
a 12 - a 13 =-0.333
a 11+a 12+ a 13 =0
解上述方程组，得
a 11=0.778
a 12=-0.556
a 13=-0.222
用相同的方法估算，对于鞋面和价格属性分别有如下公式
鞋面： a 21 - a 23 = b 3
a 22 - a 23 =
b 4
a 11+a 12+ a 13 =0
价格： a 21 - a 23 = b 5
a 22 - a 23 =
b 6
a 11+a 12+ a 13 =0
（2）属性相对重要性
属性的相对重要性的计算，给予这样一个假定，差值越大表示该属性在整体轮廓的重要性越高，差值越小表示越不重要，一般用百分比来表示属性的相对重要性，计算公式如下：
其中： W J=第j个属性的相对重要性
Max(v ij)=第j个属性的最大水平效用值
Min(v ij)=第j个属性的最小水平效用值3.估摸市场占有率
{Max(v ij)- Min(v ij)}表示第i个属性效用函数的全距。
那么，按照属性相对重要性的定义，我们可以计算出上述学生旅游鞋相对重要性的权重。
部分值函数全距和=[0.778-(-0.556)]+[0.445-(-0.556)]+[1.111-(-1.222)]=4.668 鞋底的相对重要性=[0.778-(-0.556)]/ 4.668=0.286
鞋面的相对重要性=[0.445-(-0.556)]/ 4.668=0.214
价格的相对重要性=[1.111-(-1.222)]/ 4.668=0.500
（3）最大效用模型市场占有率
在许多结合分析研究中，获得属性水平的效用值往往并不是市场研究的最终目的，更主要的是寻找产品、服务的最佳市场组合，模拟消费者的市场选择和估计市场占有率，这种市场占有率是基于消费者偏好的市场份额。
同时也可以模拟一种新产品进入市场以后，市场占有率的变化。
最普遍使用的模拟市场占有率的方法是最大效用模型（Maximum Utility Model）,它假定每一个消费者总是购买他或她认为最具有最大轮廓效用的产品，不同的消费者选择每一种产品的概率平均，可以得出预测的市场份额（占有率）。
其他模拟市场占有率的方法有Bradley-Terry-Luce(BTL)模型和logit模型，在BTL模型中，选择概率是效用的线性函数，在logit模型中，选择概率是效用的logit函数，logit函数是非线性的严格递增的函数。
三种模型的概率计算如下：。
