作為付費的企業(yè)級產(chǎn)品，隨著開放平臺應(yīng)用的增多，我們需要考慮不同市場對不同應(yīng)用或組合的偏好，以及組合價格對企業(yè)用戶的吸引力。借著“企業(yè)QQ平臺應(yīng)用價格研究”，梳理了一下常用的價格研究方法。如圖1所示，針對產(chǎn)品階段與投入資源的差異性，通?？梢詫r格研究策略分為三種：歷史數(shù)據(jù)模型、購買行為實驗控制、模擬購買。

圖1 價格研究的策略

對于尚未進(jìn)入市場的新產(chǎn)品，我們通常采用“模擬購買”的策略，進(jìn)行直接或間接的測量。而不同測量方式費用、復(fù)雜性、結(jié)論適用性、數(shù)據(jù)質(zhì)量都有所不同（見表1），目前市場調(diào)研中廣泛使用的是基于聯(lián)合分析的間接測量。本文將以CBC模型（Choice based conjoint Analysis，基于選擇的結(jié)合分析，也稱離散選擇分析：Discrete Choice Analysis）為代表，簡單介紹聯(lián)合分析測量價格的方法。數(shù)據(jù)搜集與分析過程涉及計算機模擬與算法選擇，篇幅限制，本文不會展開介紹。

表1 模擬購買的測量方法比較

1 聯(lián)合分析的基本假定與概念

基本假定：消費者是根據(jù)構(gòu)成產(chǎn)品/服務(wù)的多個屬性來進(jìn)行感知和作偏好判斷，也就是說，消費者對產(chǎn)品/服務(wù)的偏好每次并不是基于一個因素而是基于幾個因素的結(jié)合來判斷的。單獨或直接的詢問消費者各個屬性的重要性，是不現(xiàn)實，甚至是無用的。所以在市場研究中，我們要模擬“消費者在面對不同的產(chǎn)品／服務(wù)及其組合時，參考多種屬性的結(jié)合效應(yīng)之后做出選擇”的過程。通過提供給消費者以不同的屬性水平組合形成的產(chǎn)品，并請消費者做出心理判斷，然后采用數(shù)理分析方法對每個屬性水平賦值，使評價結(jié)果與消費者的給分盡量保持一致，來分析研究消費者的選擇行為，這是一種間接的測量過程。

基本概念：在聯(lián)合分析中，產(chǎn)品／服務(wù)被描述為“輪廓”（profile），每一個輪廓是由能夠描述產(chǎn)品/服務(wù)重要特征的屬性以及賦予每一個屬性的不同水平的組合構(gòu)成的。消費者對某一輪廓的偏好可以分解成該輪廓的多個屬性的偏好得分，在聯(lián)合分析中用效用值來描述。

2?聯(lián)合分析的操作流程與CBC案例

圖2 聯(lián)合分析的基本操作步驟

確定屬性與水平：這是聯(lián)合分析最重要的一步。所有正面和反面的因素都要考慮，而且要包括所有決定性的關(guān)鍵屬性在內(nèi)。比如考慮產(chǎn)品設(shè)計維度的時候，如果缺少價格因素，就會出現(xiàn)一邊倒的情況，即用戶都會傾向于選擇更好的。一個典型的聯(lián)合分析包含6~7個顯著因素，經(jīng)驗、管理直覺和定性研究是確定產(chǎn)品和服務(wù)的主要屬性所必不可少的。當(dāng)屬性決定之后，還要選擇每個屬性的水平。各屬性所含的水平數(shù)目應(yīng)盡可能平衡（研究表明：一個屬性的水平數(shù)目增加時，即使起點保持不變，該屬性的相對重要性也會提高），水平的范圍（從低到高）可以比實際范圍低一些或高一些，但不能設(shè)定得太離譜，脫離了消費者的真實偏好和感知。

產(chǎn)品模擬與數(shù)據(jù)搜集：產(chǎn)品模擬可以是全輪廓（包含全部屬性），也可以是部分輪廓（包含部分屬性，適用于屬性較多時，通常為3或5個屬性），如圖3所示。

全輪廓 部分輪廓

圖3 全輪廓與部分輪廓示意圖

所示輪廓可以完全用文字描述，也可以輔助于圖片或?qū)嵨锬Ｐ停话阈枰獙⑤喞谱鞒煽ㄆ?/p>

數(shù)據(jù)搜集的方法有基于偏好函數(shù)的排序法和打分法，以及基于離散選擇的方法。前者假設(shè)屬性水平變化時，人的偏好變化函數(shù)是線型、二次型、分段線型或混合型；后者基于多項式logit模型，可以處理基于選擇實驗的行為模型。兩大類方法實驗材料如圖4-5所示。

基于偏好的實驗中，消費者可以對每個輪廓進(jìn)行偏好打分，通常是1-9分，也可以對所有輪廓進(jìn)行排序，當(dāng)輪廓數(shù)較多（大于20）時，較難執(zhí)行。

圖4 基于偏好的實驗材料

基于選擇的實驗中，消費者根據(jù)對每個系列的輪廓進(jìn)行選擇，也可以增加一個“none”選項，即都不選擇。

圖5 基于選擇的實驗材料

下面簡單介紹一個采用全輪廓產(chǎn)品模擬，搜集離散選擇數(shù)據(jù)的案例。如某個產(chǎn)品可以分解為4個屬性的組合，品牌、價格、產(chǎn)品、服務(wù)，品牌有3個水平：品牌A、品牌B、品牌C；價格有3個水平：200元、250元、300元；產(chǎn)品有3個水平：基礎(chǔ)版、標(biāo)準(zhǔn)版、高級版；服務(wù)有3個水平：較差、一般、較好。如果按照全輪廓計算，那么就有3*3*3*3=81個不同的輪廓。通常模擬產(chǎn)品數(shù)量超過30個的全輪廓測試會造成用戶負(fù)擔(dān)，可以采用正交設(shè)計等方式來減少評價的次數(shù)。按照L9（3⁴）進(jìn)行設(shè)計需要作9次測試，最多觀察4因素，每個因素均為3水平，如表2的profile1所示，將水平都記為1、2、3，總共有9個輪廓。如果是基于偏好的方法，可對這些輪廓進(jìn)行偏好打分或排序即可搜集數(shù)據(jù)。而如果是基于選擇的方法，則我們還需要創(chuàng)造每個題目（set）的其他選項，這里介紹一種shifted design的方法。即將每個水平的數(shù)＋1（1變2，2變3，3變1）如此得到profile2，再＋1得到profile3。有多少個水平，依次得到多少個profile。如此，就得到了9個題目。如果需要，還可以設(shè)置“none”選項，則每題共4個選項。類似的，各屬性最大水平數(shù)越多題目也就越多。一般情況下，每個用戶需要判斷9-12題，最好不要超過20個。

表2 shifted design

計算屬性效用：從收集的信息中分離出消費者對每一屬性以及屬性水平的偏好值，這些偏好值也就是該屬性的“效用”。

估計和驗證：建立模型后還須對結(jié)果的信度和效度進(jìn)行評價，以評價在消費者個體層次和消費者群體層次上聯(lián)合分析模型的正確性。

以上兩部分涉及算法選擇與計算機模擬過程，Sawtooth公司是該領(lǐng)域?qū)I(yè)的軟件開發(fā)公司，更多內(nèi)容見http://www.sawtoothsoftware.com。

解釋與應(yīng)用：以下結(jié)合一些模擬結(jié)果對這部分內(nèi)容做簡單闡述。

結(jié)果解釋：消費者對每個屬性的偏好，屬性的相對重要性，以及消費者的類型特點。如圖6所示，用戶最喜歡的產(chǎn)品是高級版，高級版與標(biāo)準(zhǔn)版的偏好差異不大，但用戶對基礎(chǔ)版的偏好顯著低于其它兩個版本；各屬性的相對重要性，從高到低依次為品牌、價格、產(chǎn)品、服務(wù)，相應(yīng)的可以得到各類消費者的占比。

圖6 結(jié)果示意圖

市場預(yù)測：利用效用值來預(yù)測消費者將如何在不同產(chǎn)品中進(jìn)行選擇，從而決定應(yīng)該采取的措施，幫助構(gòu)建市場模擬模型。同時我們也可根據(jù)不同的消費偏好對消費者進(jìn)行市場細(xì)分，作進(jìn)一步分析，研究不同性別、年齡、收入、區(qū)域的消費者是否有相似性。即按照某種屬性的偏好將樣本分類，對每一個消費者的偏好計算不同屬性水平的效用值和屬性的相對重要性，并分析個體或群體對產(chǎn)品服務(wù)的不同組合的偏好反應(yīng)屬性；當(dāng)然也可根據(jù)不同屬性將消費者分類，分析不同群體或整個群體之間的偏好反應(yīng)屬性。如表3所示，可以發(fā)現(xiàn)，女性相對更在意品牌，男性相對更在意產(chǎn)品。18-24歲的用戶價格敏感型占比最高。

表3 分組分析示意表

市場模擬：有了每種屬性水平的效用，將所有屬性的效用值相加計算出產(chǎn)品的價值。市場份額或產(chǎn)品偏好份額通常用該產(chǎn)品效用值與整個市場效用值之比來表示。市場模擬程序可以迅速而且輕易的完成這些計算工作，并將結(jié)果用圖形或數(shù)據(jù)表格的形式表現(xiàn)出來。如圖7所示，品牌A，高級版，服務(wù)較好，定價為300元的產(chǎn)品將獲得50%左右的市場份額。

圖7 產(chǎn)品組合模擬示意圖

我們還可以看到模擬出選擇這個產(chǎn)品的消費者特征，如圖8所示，女性比男性多，35歲以上的占比較多。

圖8 產(chǎn)品組合的分組分析示意圖

此外，還可以模擬當(dāng)品牌A價格發(fā)生變化的時候，三個產(chǎn)品市場份額的變化情況，如圖9所示。

圖9 各產(chǎn)品隨品牌A價格變化模擬示意圖

3?聯(lián)合分析與CBC小結(jié)

在現(xiàn)代市場研究的各個方面，如新產(chǎn)品的概念篩選、開發(fā)，競爭分析，產(chǎn)品定價，市場細(xì)分，廣告，分銷，品牌等領(lǐng)域，都可見到聯(lián)合分析的應(yīng)用。聯(lián)合分析主要解決三個問題：

（1）測量消費者在多屬性選擇時的偏好。

（2）確定消費者在多屬性產(chǎn)品之間作出利弊選擇。

（3）模擬市場，開發(fā)消費者最喜歡的產(chǎn)品/服務(wù)。

CBC區(qū)別于其它聯(lián)合分析的主要特征是被訪者通過從一組概念中選擇來表達(dá)偏好，而不是評級或排名。基于選擇的工作類似購買者在市場上的行為，從一組產(chǎn)品中選擇喜歡的產(chǎn)品，是每個人可以理解的簡單、自然的工作。而且，如果在一組概念中沒有受訪者喜歡的產(chǎn)品，CBC允許受訪者選擇“none”，從而更加真實的模擬了消費者購買產(chǎn)品的過程。

大部分聯(lián)合分析方法僅基于主要影響模型，忽視了交互作用，而CBC在測量屬性之間的交互作用方面具有絕對優(yōu)勢，如在不同品牌對價格變化的敏感程度不同時，CBC通過對交互作用的考察能夠更好的、更全面的考慮價格影響因素，因此更適用于價格研究與新產(chǎn)品市場預(yù)測。

最后，需要注意的是，研究不能解決所有問題，定量的研究方法經(jīng)常用于支持價格決策，但不能代替制定價格戰(zhàn)略本身。

參考文獻(xiàn)

Chrzan, K. (1999). Full versus Partial Profile Choice Experiments: Aggregate and Disaggregate Comparisons. Sawtooth software research paper series.

Chrzan, K., & Orme, B. (2000). An overview and comparison of design strategies for choice-based conjoint analysis. Sawtooth software research paper series.

來自:騰訊ISUX (http://isux.tencent.com/choice-based-conjoint.html)