关于中国消费者分群范式ChinaVals的研究

《关于中国消费者分群范式ChinaVals的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、关于中国消费者分群范式(China-Vals)的研究【原文出处】《南开管理评论》(津)2005年02期第9～15页【作者简介】吴垠，日本九州大学博士，零点研究咨询集团总裁助理兼集团研究总监引言近年来，以消费者为中心的市场竞争形势已使许多企业的市场研究由一般性的社会统计变量向消费者的生活形态、价值观等深层展开。然而，国内这一领域的营销理论基本沿用VALS2模型(ValueandLifestyle)成果。众所周知，我国消费者的观念和行为同西方存在着巨大差异，[1]照搬VALS2模型应用于中国复杂的市场环境显然是十分困难的。因而迫切需要基于中国消费者的大样本调查，结合国内外研究成果和中

2、国具体情况推出具有理论基础和应用性的中国消费者结构范式。本文通过全国30个城市的70684位消费者的入户调查，以被访者的生活形态为分类基础，进行了分群结构范式的探索研究，其成果(CHINA-VALS模型)的14族群的平均正确判别率为93.7%，11项分群指标的累积贡献度为61.38%。一、文献综述从20世纪70年代起，国外学者开始运用心理人口统计特征，作为更深入地理解市场动态和消费者行为差异化的手段，其中较重要的概念就是“生活形态”。[2]“生活形态”的概念最早是心理学家Adler于1927年首先提出的，它是个人认知于一定的社会、文化空间下所显现的外在形态。威廉·莱泽将“价值观与

3、生活形态”这样一个早为社会学家所熟悉的概念引入到了营销学领域。由于这一概念比社会阶层更为生动地揭示了人们的消费方式，逐步得到了营销管理学及消费社会学的应用与关注。米歇尔基于大约1600户美国家庭的调查研究，设计出了称为VALS的系统，开始应用于商业并被国外200多家公司和广告代理商运用于营销实践中。VALS综合两个视角来建立生活方式群体。一是基于社会心理学家马斯洛需求等级理论，二是基于美国社会学家戴维·瑞斯曼提出的“驱动说”。1989年VALS修改为VALS2，将美国成年人划分为八个消费群体并在欧美得到了广泛应用。值得一提的是，作为市场经济及法制高度发达的日本使用的是SRI公司与

4、NTTdata联合开发的Japan-Vals。[3，4]同欧美样比，日本“VALS”模式不能通用的根源是欧美“狩猎民族”与东方“农耕民族”文化底蕴及价值观的巨大差异。虽然我国与日本同属“儒文化圈”，但是两国的经济发展程度与社会结构的差异使得Japan-Vals同样具有相当的局限性。一方面，近年来我国多家大型市场研究机构、企业为了适应社会分层与消费分众的趋势，开始运用实证的研究方法并陆续取得了一定程度的应用成果。张仲梁提出了八类分群概念。[5]向采发研究了上海市消费者的生活方式，[6]定量分析了六类群体。何建新等基于16400个消费者调查，进行了消费者层的划分及应用研究。[7]IM

5、I公司调查的七个城市7093样本得出了七大“IMI消费群”，[8]中国AC尼尔森在三个主要城市利用CATI调查了1500多名被访者得出五种不同面貌群体等。[9]但是，从其中发表的成果来看，还没有形成与Vals模型接近的既有理论基础、又有广泛应用性的社会分层结构范式。另一方面，主要以我国研究机构、高等院校为代表的，围绕着社会分层及分群的研究也有相当多的成果。李强[10]提出社会分层是一种隐藏在社会结构内部的关系，它反映的是社会资源在各群体之间的一种分配，特别是陆学艺等的《当代中国社会阶层研究报告》基于社会、经济、生活方式差异日益明晰化的现象，[11]提出了新的社会阶层划分标准影响巨

6、大。该体系把原来的“两个阶级一个阶层(工人阶级、农民阶级和知识分子阶层)”的社会结构，变成了十大阶层，富于时代感，引起了海内外舆论的普遍关注。但是，这些社会分层研究并不能应用于消费者生活形态、心理及价值观等更深层方面的分析。目前，社会分层研究成果仍然存在着在研究和分析方法上，亟需改进、加强统计分析技术手段。李路路指出的“中国的社会分层研究存在主题丰富，但深化、拓展不够”的现象。[12]综上所述，基于复杂环境下的中国消费者社会分层与分群结构的探讨尚存着巨大的研究空间，迫切需要出现具有中国特色的研究成果。二、研究方法抽样调查按照居住在不同城市的15—64岁成年人口密度分配样本，分层与

7、系统抽样相结合的抽样方法进行抽样，抽样的具体步骤采用分层二阶段抽样进行，抽样在各居委会中抽取20个户样本。每户采用Kish表抽取一人调查。测试分析采用通常的心理描述测试法，统计软件包为SPSS8.0forWindows，97条测试语句，ALPHA信度系数为0.90。三、分析与结果1.因子分析本研究应用因子分析将系列相关因素综合为一个因子，经正交旋转、反复检验97项测试语句后，去掉单一测试语句，最后抽取出特征值大于1的33个语句，共11个评价因素，如表1所示，选取测试语句的因子负荷