善用 JMP® 進行消費者與市場研究

行銷相當複雜,也會隨著快速發展的數位技術而日新月異。但是,主要的商業問題並沒有消失:找到對獲利最有幫助的成長機會、開發最好的產品和服務、採行最好的行銷手段,並且盡可能放大異業合作所能發揮的影響力。

除了專注於客戶 (不分既有客群或潛在客群),還有一項當務之急,那就是要懂得善用資料。從推出新的產品或服務,乃至於產品定位、品牌宣傳、廣告、市場分隔以及促銷,只要是攸關尋找消費者與取悅消費者,資料無所不在。儘管數位革命讓人看見能積極改變消費力的希望,但要將這個契機化為現實是有條件的:您必須能夠成功運用新資料進一步了解特定客群真正想要的是什麼,也要知道您該怎麼做才能更加滿足甚至激發他們的需求。

無論使用原始資料或二手資料進行探索、敘述或因果研究,JMP 都提供一整套工具,能用於迅速輕鬆地透過非計量和計量定量資料找到價值。

一般而言,其中牽涉許多變數。相依法的所有變數一律平等,而依賴法則以找出變數群組之間的關係為目的,通常是要找出輸入值 (X) 和輸出值、結果或項目 (Y) 之間的關係。

JMP 能發揮敏捷度和互動能力,因此特別適合特定研究, JMP 的可程式化功能也提供了加速處理例行長期研究的選項,不過,必須使用桌機進行。

無論您的統計學專業知識程度是高或低,JMP 都能協助您了解資料、更快找出新穎的消費者見解,並且讓您能夠與其他利害關係人交流各項研究結果,進而達成共識並採取行動。

探索式研究

關於消費者,不明確的問題和機會通常會結合訪談、焦點團體、觀察和人群研究來釐清。探索式研究也會被用來制定假設並開發度量尺度。主要資料通常很少,而次要資料通常很豐富。

JMP 提供了許多處理主要資料的選項,包括列表、圖形產生器和分類平台。您可以互動式地定義具分組變量的摘要統計表,並產生多種圖形類型,包括地理圖。您也可以探索及分析調查的分類反應模式,以不同格式處理資料。如果資料零散,您可以定義「超級類別」,結合不同層級來增加儲存格數,使結果更可靠。如果您有一組作答者指定是/否值的項目,則項目分析可以是一種替代方法。JMP Pro 提供了精確的漸近檢定,可以更可靠地指示是否具備關聯。文字探索工具可以從文件正文中擷取可能有用的模式,內容可以是簡單的 (例如對調查問題的自由作答),也可以是複雜的 (例如定期維護某件設備的技術人員的意見)。

這些分析也可以用次要資料進行,但由於資料收集目的不同,因此比較難有效地進行處理。JMP 的匯入精靈支援多種檔案類型,包括 SPSS Desktop Reporter。您也可以直接從嵌入在網頁中的 HTML 表格匯入資料,或使用「查詢產生器」來簡化對關係資料的存取。

JMP 的統計發現工作流程非常適合用於不清楚資料的內容以及其如何 (或無法)協助您實現目標的狀況。「資料缺失模式」功能可讓您快速隔離出有參考性的案例。JMP 的動態連結圖形可讓您快速檢視資料中有興趣的結構、隔離異常情況並妥善處理。如需建立關係模型,「評估設計」功能可以顯示資料將實際支援的模型,並預估各個相關條件的影響。

如果您有許多資料欄,而且離群值過多,資料雜亂,則「反應篩選」或「分割」功能或許能讓您仍然獲得有用的見解,以 X 解釋所選之 Y 的變化。

敘述研究

敘述研究通常奠基於已有的探勘,用途是敘述市場、市場區隔、競爭對手以及消費者。這項研究同時也用於衡量議定架構內的績效,通常會持續進行。

大多數的消費者研究資料會有許多資料欄,所以會以採用相依性和相關性的多變量方法,用於較少維度的變異模式。最理想的情況是 (但未必一定是),能夠直接解讀能呈現結果的重要新變數,且資料能夠表現出明顯且資訊豐富的模式。

JMP 提供主成分分析和因子分析,但若難以解讀結果,您仍然可以叢集原始變數並找出最能代表每個叢集的變數,從而縮小維度。當您想要建構相依模型時,這項功能非常有用。知覺圖能幫助您進行跨表格類別資料對應分析或多重對應分析,並與競爭對手比較後,決定您的產品服務定位。或者,您可以使用多元尺度法同時對應多個屬性和多個品牌,這樣通常能夠讓您更加理解消費者認知與市場。

為了將案例區分成獨特群組,JMP 使用階層或 K 近鄰法加上您所選擇的相似度量;在階層案例中,您可以在樹狀圖中直接選取您要保留的叢集。JMP 也提供潛在類別分析,做為另一種能夠達成類似目標的方式。

您可以使用判別分析來分辨最能區分群組的變數,通常這個方法可以取代名目邏輯迴歸。

JMP 也讓您能夠使用「以 X 擬合 Y」建構單純相依模型,它會自動回應您分配給 X 和 Y 角色的變數建模類型,可以統一許多常用的方法,例如 ANOVA 和列聯表分析。上下文特定的選項會運用視覺呈現結果引導您完成後續分析。

您可以透過逐步迴歸選取重要變數,擬合更複雜的相依模型。JMP Pro 是 JMP 進階版,含現代變數選取法,能協助您建構精簡模型。這個版本也提供殘差最大概似法,不論剩下多少資料,都能確保得到可靠的預估值。

係數預估或許實用,但分析 Y 和 X 之間產生的相依性往往更有用,如果您需要查看競爭模型或向他人說明發現結果以利達成共識,尤其是如此。分析工具讓您能夠透過視覺呈現效果與模型進行一致的互動,不論您所採用的建模方法是哪一種皆適用。這個工具也包含一個蒙地卡羅模擬工具,可以用於評估 X 中的實際變數是以何種方式傳播至 Y 中的變數。

最後,處理銷售資料時,您可以使用關聯分析 (又稱購物籃分析) 分辨消費者經常一起購買的商品。


因果研究

原因要能成立,必須要有理論支持、統計關係、正確的時序,以及適度控制任何其他屬於外來的 X。

統計設計實驗根據特定計畫操控 X,刻意誘導 Y 的變異,這在因果研究中是一大利器。不論何種實驗,後續分析都以計畫為本,JMP 提供一套完整的功能,透過簡單易用的方式因應您的實驗目標,從可靠地確立存在於兩種舉措之間的任何差異,到聯合最佳化數個受多個 X 影響的 Y,就實務而言,要分辨其中的差異可能會有難度,甚至難度頗高。

除了一般常用設計之外,JMP 也提供創新的自訂設計工具,可以讓您根據問題調整設計,而不是讓問題去配合設計。此外,JMP 獨家推出新穎的確定性篩選設計,倘若您的問題必須採用序列法,這項設計能發揮相當顯著的優勢。

若使用 JMP,您所製作出來的設計也可以讓消費者簡單選擇產品或服務的特性,從而更明確地表達其偏好,包括「沒有偏好」。製作這類選擇實驗時必須敘述先備知識,才能產生出有效率的設計。將成本納為其中一項因子,或是及早針對提案產品或服務進行這類實驗,可以彰顯相當多的優勢。

除了選擇實驗外,您也可以運用 JMP 設計和分析評等排序聯合實驗。自訂設計工具支援以李克特量表設計消費者評等設計,當您想要強制要求受訪對象區別品牌或產品特色時,您可以使用評等或 MaxDiff 設計,這類設計只會以選擇集裡的「最好」和「最壞」選項為主。

若將因子變動難易度定義為難或非常難,您就可以要求每位受訪者完成多項任務,產生排序設計。這種做法能夠提高涵蓋率,同時也能盡量減少每一位受訪者看見的題數,避免受訪者感到疲乏。您也可以在 JMP 產生的自訂設計中定義禁用組合,以利排除沒有意義的題目。您還可以使用層級貝氏分類法明確模擬受訪者之間的差異。

感覺研究

旨在了解人類的感官對於消費或使用某項產品的整體經驗有何影響。感官品評小組由受過專業訓練的專家組成,他們會反映相當詳細的意見,通常在開發新產品時以及進行變更後需要保障既有產品品質時,就會採用他們的意見。消費者品評小組性質相似,但通常較不嚴格,對於研究市場接受度比較有幫助。兩種品評小組都很重要,但若能成功地將特定一類產品的感官品評結果與消費者品評結果綜合起來,還能進一步發揮更大的作用。

不論您慣用哪一種分析工作流程,JMP 提供您需要的一切製圖和統計工具,幫助您確保品評人員提供可靠的排序和評等,再據以確認您的感官或消費者品評小組是否確實能夠幫助您客觀地從量化角度區分兩種產品的不同。通常會採用 ANOVA 和/或能發揮隨機作用的迴歸演算法,再輔以主成分分析。運用偏最小平方也能夠模擬消費者結果與感官結果之間的關係。

釐清您的方法之後,您很容易就能建構出應用程式,幫助您或他人日後重複同一項分析,或者單純審查或報告重要發現。這個應用程式可以包含適度的自動作業、指引以及解說,以利處理特定情況和資料的細微差別。

預測行為

Y 是使用觀察資料從 X 預測得來的,這些通常是已經取得的資料。只要是可信的,雖然預測未來消費者行為無法證明因果關係,但仍然具有非常大的價值。比方說,好的預測可以幫助您吸引到具有價值的新消費者,或者可以準確鎖定並運用優惠留住即將流失的消費者。

JMP (尤其是JMP Pro) 通常與資料探勘領域息息相關,可以讓您快速輕鬆地建構及比較神經網路與樹狀結構模型,這些模型能夠找出可以重複而非偶然的消費行為。您也可以在相同的架構中處理遞迴模型與偏最小平方,避免出現過度擬合的缺失。

此外,JMP Pro 提供增益建模,可以讓您針對只因是目標客群而對行銷活動有反應的消費者,進一步妥善管理顧客關係。您也可以模擬行動或舉措對個人反應的累加影響,從而了解您的行動或舉措是否能夠發揮您預期的作用。

JMP 的公式庫方便您輕鬆比較及對照競爭模型的效能。選定較好的模型後,您可以使用 C、Python、JavaScript 和 SAS 產生程式碼,再將程式碼部署於其他環境,為新案例計分。

通常只有高階從業人員會想到 JMP,儘管如此,JMP 仍然秉持一貫理念,透過簡單易用的方式提供這些方法,讓所有研究人員都能使用,不至於減弱演算法根基的檢定力。