聚类分析在汽车市场营销中的应用

《聚类分析在汽车市场营销中的应用》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、聚类分析在汽车市场营销中的应用刘恩华张嘉禾金正青(中国汽车技术研究中心上海工作部，上海200172)【摘要】根据生活方式将消费者分类，为汽车产品的市场细分和市场定位提供可行性的理论前提，统计学中聚类分析方法为解决汽车产品的市场定位技术提供了定量方法。【Abstract】Asthelifestyleofthecustomerhasastrongrelationshipwiththeirchoiceofvehi—cle，wecanclassifythecustomerbytheirlifestyleandprovidef

2、easibletheorypremiseformarketseg。mentandmarkettargeting．Theclusteranalysismethodcanprovideasolutionforautomarketseg—ment．【主题词】市场研究汽车聚类分析自己的情况做出评价。调查中采用6分评价法，10引言分表示“非常不同意”，6分表示“非常同意”。经事先的小样本测试筛选，最终确定32个测试语句，如下所示：本文试利用消费者细分系统和聚类分析方(1)我通常买高品质的产品法，对某地区汽车市场进行问卷调查，根

3、据受访者(2)我通常购买正在流行的产品的生活方式，对问卷数据进行聚类分析，确定受访(3)我经常购买别人推荐的产品者的类别，从而反映该地区整个汽车消费群体的(4)当我购买一种我以前没有购买过的产品类别，进而确定不同消费群体在整个市场中所占时，我会认真阅读产品介绍比重，为汽车产品的市场定位提供数据支持。(32)我选择一种品牌只是因为有促销活动1研究的基本方法聚类分析：本文先对相关因子进行变量聚类，判断类别数目之后，再对记录进行聚类，从而得出研究的基本方法主要包括抽样方法、心理描各类别的频数及比重，结果即市场细分的结果。述

4、测试法和多元分析方法。抽样方法：为了保证足够的样本数量和样本2分析过程的合理分配，本文采用随机抽样调查方法(街头随机拦访形式)，问卷共500份，有效问卷420份。根据问卷结果，设置34个数量变量，问卷编价值及生活方式系统：研究消费者的生活方码用id表示，32句陈述分别用d4—1，d4_2⋯⋯d4—式，通常采用心理描述测试法，即采用一系列关于32表示，本文采用SPSS统计软件处理数据，无缺社会活动、价值观念等内容的陈述，请消费者根据失值。收稿日期：2010—08—16上海汽车2010．10·59·2．1因子分析上。从表

5、3中可看出前11个因子累积公因子方观察各句陈述之间的相关矩阵，从中可看出差比近似于70％，即前11个因子已提取了近70％不同称述之间存在不同程度的相关关系。的信息。从表l黑体数字可以看出各陈述之间存在弱结合图1，可以看出第11个因子之后的因子相关关系。是否可以进行因子分析，还须考察所包含的信息量越来越少，可不予考虑。确定因KMO指标。表2是KMO检验指标(因子分析的子数目之后，须结合对因子负荷矩阵，对因子作出前提条件，通常要求其值大于0．7)，KMO值为合理解释。0．856，表明数据适合做因子分析。表1陈述句的相关关

6、系矩阵我通常买高我通常购买j鹫品质的产品正在流行的产品我通常买高品质的1产品．oo0o．563我通常购买正在流o行的产品．5631．ooo相关我总是力图寻求个性化和独特性o．3860．463图1碎石图系数我希望引人注目o．409o．457从表4黑体数字可以看出，与第一个因子呈我希望自己更迷人，因此我更注重o．448o．481较高相关性的有下列陈述：自己的外表我总是力图寻求个性化和独特性我希望引人注目表2KMo检验指标取样适切性量数．856与第二个因子呈较高相关性的有下列陈述：卡方近似5113．583即使价钱贵一点，我

7、还是喜欢购买国外的品巴特利特球形检验自由度496牌显著性．O00我会这样想如果一个产品是欧美国家生产要较准确、全面地反映消费者更关心的情况，的，它就是物有所值的就需要确定合理的因子数目。一般而言，通过公因子方差比矩阵来反映因子提取原有信息的比依次类推，加以归纳，便可得表5。例。通常公因子方差比累计比重要达到70％以由此可以归纳出11个因子的内涵，并得出11表3公因子方差矩阵表因子序号初始特征值提取因子之后未经旋转的公因子特征值各因子特征值特征值占总方差(％)各因子特征值累计(％)各因子特征值特征值占总方差(％)各因子

8、特征值累计(％)l7．47423．35723．3577．47423．35723．35723．0959．67133．0293．O959．67l33．029l01．0()92．77566．9061．o()92．77566．9O6l11．0o52．52269．4271．[x】52．52269．42712o．7922．47471．9o2320．2o4o