市场研究中的多变量数据分析技术

定义：

• 探讨一个结果变量（也称为因变量）与一个或多个预测变量（也成为自变量）之间关系
• 要求使用者有较好统计学知识，甚至需要专业人员帮助
• 能够帮助产品经理深入洞察客户需求
• 对变量方法应用起来较为复杂，但这种方法为理解时长提供一条独特、有效的路径。
• 挖掘机会，有助于了解现有产品之间的关系，找出市场差距
• 了解客户未确定、未言明的需求。通过间接获取信息（例如：产品的相似度就可替代性的比较），而非这届调查，多变量，多变量分析方法为探明客户的潜意识提供了机会。

分类：

1. Factor Analysis 因子分析
2. Cluster Analysis 聚类分析
3. Multidimensional Scaling MDS 多维尺度分析
4. Conjoint Analysis 联合分析
5. Multiple Regression Analysis 多元回归分析
6. A/B 测试

   1. Factor Analysis 因子分析

• 因子分析用于进行关键变量的优先级排序和分组
• 探索性因子分析和证实性因子分析，在新产品开发中主要是用探索性因子分析
  • 产品属性之间的关系和产品属性对产品偏好的影响
  • 市场上产品之间的关系——消费者们共同感知到的那些产品
• 主要应用于
  • 其一，减少变量数量（降维）
  • 其二，找出变量之间的结构关系

2. Cluster Analysis 聚类分析

• 在相似的基础上收集数据来分类

  3. Multidimensional Scaling MDS 多维尺度分析

• 揭示数据集中各个观测之间的相似程度

• 该方法在以可视化手段揭示客户认为比较相似的产品方面尤其有用
• 能够推断出在多个区域销售的产品中，消费者眼中产品不同维度的重要性
• 能够为发现现有产品存在哪些缺陷提供参考

4. Conjoint Analysis 联合分析

• 统计分析方法，用于确定人们对构成一个产品或服务的不同属性（性能、功能、利益）的重要程度
• 联合分析目的是，确定最能影响客户选择或决策的属性组合

实例：话费套餐

5. Multiple Regression Analysis 多元回归分析

• 在相关变量中将一个变量视为因变量，其他一个或多个变量视为自变量，建立多个变量之间线性或非线性数学模型数量关系式并利用样本数据进行分析

  6. A/B 测试

• A/B测试是一种多变量研究的形式，旨在测试和比较两个样本或变量，而其他形式的多变量测试，如联合分析，涉及两个或多个变量。大多数A/B测试都是在线执行的，并广泛用于web开发和数字营销中，以确定两种变体中哪一种更有效。其他多变量测试消除了对具有相同目标的独立变量运行连续A/B测试的需要。在A/B测试中，研究的样本量被平均分割，对每个变量进行测试。对于多变量测试，可能需要更大的样本，这取决于被测试变量的数量。对于软件和web开发，使用A/B测试而不是多变量测试的驱动因素是所需的时间和流量，所需的洞察力深度，也许还有产品或概念的成熟度。A/B测试可能不适用于获得对新概念的深刻见解。

• A/B测试的例子
• 如果已知被测试的一个或多个变量对期望的结果没有可测量的或显著的影响，那么进行A/B测试可能会更有效。例如，如果登陆页上的主图片位置不会影响转化，而标题或行动宣言的改变会影响转化，一个有效的方法可能是对标题进行A/B测试，而不是包括图片位置替换的的多元测试。