《三等奖作品基于聚类回归分析CLR的市场细分研究》由会员分享，可在线阅读，更多相关《三等奖作品基于聚类回归分析CLR的市场细分研究（9页珍藏版）》请在金锄头文库上搜索。
1、基于聚类回归分析（CLR）的市场细分研究摘要：本文从市场细分方法的角度，打破了传统的根据样本在人口统计变量或心理偏好等多个变量的距离进行细分的思路，采用一种新的聚类回归分析方法基于变量间的因果关系对顾客进行细分，不仅可以把顾客有效地划分成具有不同特点的群体，而且可以根据不同要素的因果关系确定不同群体中的关键影响要素。本文以电热水器行业顾客满意度研究为例，根据不同要素对满意度影响的差异进行市场细分。分析表明，采用这种方法，企业可以在经营管理过程中通过差异化策略获得竞争优势。关键词：市场细分 聚类回归 满意度1、引言随着市场竞争的日益加剧，市场正逐渐完成从卖方市场到买方市场的转变，在买方市场的竞争
2、环境中，传统的大众化营销方式已基本没有成功的可能，广告媒体和分销渠道的多元化也使“所有人都用一种规格”的营销举步维艰。在瞬息万变的市场环境中，客户作为企业的一种资产，对提高企业竞争力的重要性日益增加。但是，企业由于自身实力的限制，不可能对所有的客户付出相同的营销努力（郭俊鹏和刘西林，2006，只有通过市场细分，企业才能发现可以充分发挥其资源优势的细分市场，并在该细分市场中取得竞争优势，达到扬长避短的目的。营销大师菲利普科特勒认为企业所有的营销战略都是建立在STP基础之上的，即细分（Segmentation），目标（Targeting）和定位（Positioning）（菲力普科特勒，2003）。
3、市场细分是企业营销战略的起点，企业的一切营销战略都必需从市场细分出发，没有市场细分，企业在经营时就无法锁定自己的目标市场，就无法在市场竞争中找到自己的定位，当然就更无法针对性地去设计独特的产品去满足市场了，因此有效的市场细分是企业经营成败的关键。自Smith 和 Wendell（1956）首次提出市场细分概念以来，市场细分一直是营销学术界与实业界关注的热点问题，目前市场细分研究主要有两个视角，由此形成了两大流派：一派是消费者导向的细分，研究重点是对消费者的需求和特征进行分类；另一派是产品导向的市场细分，根据不同营销决策目标，围绕某产品或品牌的特定消费情境对消费者进行划分（罗纪宁，2003。市场
4、细分的基础是顾客的差异，不同顾客不仅仅是在年龄、职业、社会阶层、收入等实体特征上存在差异，顾客的情感，在购买和消费过程中的参与程度，转换成本，对品牌的信任和认同，以及是老顾客还是新顾客等都会影响顾客的购买行为（王霞等，2005），因此，简单的基于性别、年龄、收入、职业、地域等人口统计特征的市场细分已无法完全描述消费者的特性，还需要进一步的基于消费者心理和价值观的市场细分（马红中，2004）。在市场细分统计方法上，常用的方法有聚类分析（Cluster Analysis）、多维尺度分析（Multidimensional Scaling）等统计分析方法，这些方法都是基于不同变量样本间的距离进行细分，
5、但是不同变量之间往往会存在着各种各样的相关关系，在细分时不仅要考虑变量自身的属性，还应考虑变量之间的关系。在此基础上，本文将引入一种新的基于变量间因果关系进行市场细分的聚类回归分析（Clusterwise Linear Regression，CLR）方法，介绍该方法在市场细分研究中的应用，并以电热水器行业满意度研究为例，分析不同细分市场不同要素对满意度影响的差异，针对不同细分市场提出该细分市场的关键影响要素，为企业经营管理过程中针对不同的顾客群体实行差异化营销提供支持。2、研究模型传统的市场研究中常用聚类分析（Cluster Analysis）和多维尺度分析（Multidimensional
6、Scaling）等统计分析方法对样本顾客进行细分和定位，这些方法主要是是基于不同变量样本间的距离进行细分。本研究主要是基于变量之间的关系进行细分，因而采用目前国际上较新的聚类回归分析方法（Clusterwise Linear Regression），基于自变量对因变量的影响来细分市场。聚类回归分析方法最早由Spath等人在1979年提出，后来许多学者从模型研究的角度对该模型做了进一步的修正和应用（DeSarbo等，1988；Wedel和Desarbo，1995；Christian，2000）。与传统模型相比，该模型可以在细分顾客的同时，估计每个细分市场的回归方程，即每个细分市场自变量对因变量均
7、值和方差的解释程度。因此，本文将采用该模型细分顾客，并且估计每个细分市场因变量和自变量的回归方程。模型表示如下。对于每个样本的因变量yi，均可以由在不同细分市场上自变量的函数来估计，如公式（1）所示。（1）其中k=1K，表示各细分市场；i=1 I，表示各样本顾客；j1J，表示各个自变量， Xij表示样本顾客i在第j个自变量上的分值，常数项各样本的分值为1；bjk表示第k个细分市场方程j变量的回归系数；k2表示第k个细分市场回归方程的残差；k表示第k个细分市场占所有样本顾客的比例；Xi和bk分别表示Xij和bjk向量。对于所有样本顾客，采用极大似然法估计，即可得到每个细分市场回归方程的系数和残差
8、。如公式（2）所示。 （2）根据贝叶斯原理，可以通过各参数的估计值估计每个样本顾客属于各细分市场的概率，从而估算其属于哪个细分市场。如公式（3）所示。 （3）在模型估计过程中，细分市场的多少K是根据具体的研究而定的。选择几个细分市场一般参考BIC准则（Bayesian Information Criterion），BIC的计算如公式（4）所示。（4）其中Nk是指模型的自由度。在极大似然法的估计中，要使联合概率密度L最大，因而在模型估计的时候，往往先设定不同的细分市场个数K，然后计算不同模型的BIC，选择BIC较小的模型，确定各细分市场。3、研究应用3.1 数据来源为了验证聚类回归分析方法在我国
9、市场细分研究中的应用，我们选择顾客满意度的调查数据进行研究。顾客满意度自从20世纪70年代伴随营销导向的概念提出以来，引起了学术界和企业界的广泛关注。我国学者在90年代末也开始关注顾客满意度概念在营销领域的发展，并构建顾客满意度测评模型，开展相关研究；企业界也相应开展顾客满意度的调查，衡量顾客在购买和消费产品或服务中的满意度，并有针对性的加以改进和提高，获得经济效益。如何提升我国顾客的满意度在市场研究中十分重要。研究数据来自2006年1月完成的电热水器满意度调查。我们采用电话访谈系统对中国50个主要城市的城区和郊区家庭进行随机抽样电话访谈，每个城市的电话号码投放数量按照选定城市的家庭人口数量比
10、例配置。合格访谈对象为拥有电热水器的家庭中18岁以上人群，共采集385个有效样本，调查样本的人口统计分布如表1所示，涉及海尔、阿里斯顿、美的、史密斯和万家乐等品牌，调查中各指标的测量采用10级利克特量表（1代表非常不满意，10代表非常满意）。表1 调查数据分布项目分类频数（%）项目分类频数（%）性别男50.5 学历小学及以下3.1 女49.5 初中/技校13.2 年龄18-2423.1 高中/中专37.3 25-2916.3 大专22.6 30-3416.3 大学及以上23.8 35-396.7 月平均收入（单位：千元）18.8 40-4412.2 1.1-221.9 45-496.1 2.1
11、-324.7 50-548.7 3.1- 411.2 55-592.9 4.1-6.016.7 60-645.1 6.1-8.06.0 652.6 8.1-10.03.3 10.07.4 3.2 探索性因子分析和信度检验电热水器满意度的各项测量指标来自于前期的焦点小组访谈，各项指标的具体内容以及指标的均值和标准差详见表2。针对影响电热水器满意度的各项指标，我们应用SPSS 软件进行探索性因子分析（Exploratory Factory Analysis，EFA）。KMO 值为0.917，通过Bartletts 球形检验（p0.001），数据具备因子分析的条件。我们采用主成分法进行方差最大化（V
12、arimax）正交旋转，提取4个公因子，分别代表顾客对电热水器品牌形象、外观造型、产品功能和安全可靠性的评价，方差累计解释74.01%。分析结果见表2。我们应用SPSS软件对测量问题进行信度检验。信度是指不同问项测量同一潜变量的程度，最常用的方法是估计量表的Cronbach 系数，可接受水平为0.70（Nunnally，1978）。因子分析析出的四个维度信度检验Cronbach 系数均超过了0.7，说明我们所测量的量表具有很高的内部一致性。表2 各项指标的因子分析载荷和信度检验因子项目均值标准差载荷品牌形象品牌知名度7.761.860.860.83品牌口碑7.881.680.74品牌特点7.3
13、51.950.74外观造型造型7.411.820.810.90体积7.621.870.84外观7.611.660.83产品功能加热速度7.481.770.580.78保温效果7.691.720.58附加功能7.251.610.69耗电7.201.440.76安全可靠安全性8.411.460.770.86可靠性8.151.460.81耐用性8.291.470.82满意度的测量主要参考美国顾客满意指数的调查问卷（Fornell等，1996），本文采用“总体满意度”、“与预期比较的满意度”、“与其它品牌比较的满意度”三个观测变量来反映用户的满意程度，我们采用主成分法提取公因子来反映顾客的满意度。表3
14、 满意度的因子分析载荷和信度检验因子项目均值标准差载荷满意度总体满意度8.041.540.890.86与预期比较满意度7.681.710.90与其它品牌比较满意度7.561.630.86以满意度的因子得分为因变量，品牌形象、外观造型、产品功能和安全可靠因子得分为自变量建立回归方程。回归方程R2为0.66，回归分析结果见表5，从总体结果来看，四个因子对顾客满意度的影响差别不大，安全可靠性对满意度的影响相对较大，外观造型对满意度的影响相对较小。然而在企业经营中，如果说各要素对顾客满意度的影响都同等重要，那么针对这样的分析结果无疑不能制定有效的营销策略。因此我们将针对各要素对顾客满意度的影响进一步细
15、分市场。3.3 聚类回归市场细分利用R统计软件根据聚类回归分析原理，以顾客满意的因子得分为因变量，品牌形象、外观造型、产品功能和安全可靠性的因子得分为自变量，建立回归方程并进行聚类回归估计。对于特定的细分市场个数（n=K），首先将所有样本顾客随机分为K个细分市场，估计每个细分市场顾客满意度和各影响因子的回归方程，计算联合概率密度L；然后重复操作，直至联合概率密度L最大，即可得到在K个细分市场条件下样本顾客的划分，并计算模型的BIC。选择不同的细分市场个数K，计算各模型的BIC 和联合概率密度L的对数值，如表4所示。从BIC指标来看，对于所有样本顾客而言，分为2个细分市场的BIC与分为3个细分市场的BIC差别不大，所以本文选择3个细分市场的分类进行分析。
