营销组合(4P营销)分析案例:采用SPSS+Excel进行分析

文章目录

  • 1、研究目的:营销决策
  • 2、研究内容:营销组合分析
    • 2.1规模预测分析
      • 2.1.1 预测思路与方法
        • 2.1.2季节分解法预测市场规模
    • 2.2 产品属性分析
      • 2.2.1 KANO模型基本思想
      • 2.2.2 KANO模型的数据分析步骤
        • 2.2.2.1 数据准备
        • 2.2.2.2 Better—Worse系数矩阵
    • 2.3 定价决策分析
      • 2.3.1 PSM模型的基本思想
      • 2.3.2 PSM模型的数据分析步骤
        • 2.3.2.1 数据准备
        • 2.3.2.2 最优价格与价格范围分析
    • 2.4 流量渠道价值评价
      • 2.4.1 数据分析
    • 2.5 促销资源配置

1、研究目的:营销决策

产品、价格、渠道和促销合称营销组合(4P营销),即企业做好产品、定好价格、铺好渠道、打好促销的目的是做出科学的营销决策。

2、研究内容:营销组合分析

  1. 产品决策分析

产品决策分析即生产多少,生产什么: 1. 规模预测分析,市场规模预测和产出规模预测统称为“规模预测”、 2. 产品属性分析

  1. 定价决策分析
  2. 流量渠道价值评估
  3. 促销资源配置分析

2.1规模预测分析

2.1.1 预测思路与方法

预测思路定性预测法定量预测法
类推原则类比法
相关原则市场因素推算法回归分析
惯性原则季节分解法

2.1.2季节分解法预测市场规模

1.数据准备
多渠道对比和询价,收集了大家电近四年的分季度的销售额数据以预测2018年市场规模。
G4ubmV0L3dlaXhpbl80MTg4Mjg5MA==,size_16,color_FFFFFF,t_70)]
2.分析思路
1)明确构成要素
时间序列由长期趋势(T)、季节变动(S)、周期变动(C)、不规则变动(I)构成
在这里插入图片描述
2)确定f表达式
在季节分解法中,有两种备选模型
加法模型:Y=T+S+C+I
乘法模型:Y=T * S * C * I
3)分解构成要素与预测
在这里插入图片描述
第一步:对Y做n项移动平均,剔除S * I;
第二步:对S * I做月度(季度)平均,剔除I;
第三步:对T * C进行线性回归预测,得到T * C 的预测值
3.SPSS操作与结果解读
1)读取数据
2)定义日期:数据-定义日期
在这里插入图片描述在这里插入图片描述
3)求出T * C与S:分析-预测-周期性分解
在这里插入图片描述
在这里插入图片描述
即:
在这里插入图片描述
4)预测
在这里插入图片描述
5)预测T * C
在这里时间与销售额不是因果关系,因此不能叫线性回归,改名为趋势外推:
生成自然数时间序列t:数据-定义日期,生成的结果删除DATE_,保留YEAR_,改名为t
在这里插入图片描述
趋势外推:分析-回归-线性
在这里插入图片描述
在这里插入图片描述
6)预测销售额:转换-计算变量
在这里插入图片描述
在这里插入图片描述

2.2 产品属性分析

2.2.1 KANO模型基本思想

在这里插入图片描述

KANO模型的产品属性分类

必备属性(M),产品最核心的属性;
一维属性(O),与用户态度线性相关的属性;
魅力属性(A),超出用户期望的属性;
可有可无属性(I),是否具备该属性,用户都无所谓;
厌恶属性(R),具备了反而让用户不满的属性。
KANO模型的两大原则
优先原则:M>O>A>I
组合原则:M+O+A(具备所有必备属性,优于市场的一维属性,差异化的魅力属性)
KANO模型的注意事项
用户的差异性;用户需求的发展性
基于KANO模型的问卷设计:定量问卷需要从正反两个角度来询问

2.2.2 KANO模型的数据分析步骤

2.2.2.1 数据准备

问卷设计,结果录入,结果属性类别批量判断(将交叉表转化为一维表、建立辅助列、匹配属性类别)
在这里插入图片描述

2.2.2.2 Better—Worse系数矩阵

1)统计各属性类别的人数分布
在这里插入图片描述
2)计算纵坐标(Better系数)和横坐标(Worse系数)
worse=(O+M)/(T-R-Q)
better=(O+A)/(T-R-Q)

在这里插入图片描述
3)制作和调整散点图
在这里插入图片描述
4)结果解读
优先原则
按照KANO模型的优先原则,产品属性开发顺序依次为必备属性、一维属性、魅力属性和可有可无属性。
综合 Better-Worse系数矩阵(见图8-50),公司应考虑如下
必备属性:“不沾油”和“大排风量”,应优先开发
一维属性:“静音”和“油网易拆卸”,其重要性次于必备属性
魅力属性:“自动清洗”“空气净化”“清洗提示”“自动加压”“一键智控”“动调节风速”“故障自动诊断”“节能省气”,其重要性次于一维属性
可有可无属性:“面板可更换”“灯光可调”“定时”,可不予考虑
组合原则
按照KANO模型的组合原则,一个有竞争力的产品应由三部分组成:必须包含或满足所有的必备属性,再加上比市场领先的竞争对手表现更好的一维属性和差异化的魅力属性。
结合 Better-Worse系数矩阵,公司必须满足用户对吸油烟机的“不沾油”和“大排风量”两个需求:在“静音”和“油网易拆卸”功能上要做到极致,赶超第一梯队的竟争对手;此外,在“自动清洗”“空气净化”“清洗提示”“自动加压”“一键智控”“自动调节风速”“故障自动诊断”“节能省气”功能上需
要分析竟争对手的表现,从中选出最能将自身与竞争对手区隔开的功能,形成自身差异化的卖点。
注意:该结果具有时限性,若针对不同细分市场还需进一步细分

2.3 定价决策分析

研究问题适宜采用的定价分析方法
产品的简单价格变化Gabor Granger法
价格变化对市场占有率和销售量的影响推广的Gabor Granger法或BPTO(考虑竞争)
开发新品或扩张产品线的最优价格及价格可接受范围价格敏感度测试(简称PSM模型)

本次采用PSM模型进行分析

2.3.1 PSM模型的基本思想

1.最优价格点
在这里插入图片描述
采用PSM模型确定最优价格的思路是追求市场规模最大化,对比交点P1-P4可以发现,觉得太贵和觉得太便宜两条曲线与其交点P4构成的上方区域面积最大。
2.可以接受的价格区间
以市场规模为判断标准,可以证明P1和P3所对应的价格范围为可接受的价格区间
3.不同市场的规模
PSM模型除可以给出消费者可接受的价格范围和最优价格之外,还可以给出在每个价格水平上可接受者、有保留接受者和不接受者这三类市场的规模。

  1. 所谓可接受者,是指对于这个价格既不觉得贵也不觉得便宜的人数比例
  2. 所谓有保留接受者,是指对于该价格觉得贵但不是太贵或者觉得便宜但不是太便宜的人数比例
  3. 所谓不接受者,是指觉得该价格太贵或太便宜而不愿意购买的人数比例。

对于每一个价格水平,设:
A=开始觉得便宜的累计人数百分比
B=觉得太便宜,不相信它的质量而不买的累计人数百分比
C=开始觉得贵的累计人数百分比
D=觉得太贵而不买的累计人数百分比
则根据前面对三类市场的界定,可知对于某个价格,这三类市场的规模如下:
可接受者=1-A-C
有保留接受者=A-B+C-D
不接受者=B+D
基于这三类市场规模的数据制作面积图,得到如图所示的效果,该图直观呈现出当价格变化时,三类市场的规模变化。
在这里插入图片描述

2.3.2 PSM模型的数据分析步骤

2.3.2.1 数据准备

问卷设计,结果录入

2.3.2.2 最优价格与价格范围分析

1)列举价格点:500到2000,50一步长
2)使用COUNTIF函数,计算出在各价格点4种态度的人数百分比
在这里插入图片描述
3)计算出在在各价格点4种态度的累计人数百分比
在这里插入图片描述
在这里插入图片描述
4)三类市场的规模分析
在这里插入图片描述
5)结果解读
p1-p4对应的价格分别是867、944、1056、933
1)自动清洗功能最优价格为933元,价格范围为867-1056元
2)自动清洗功能在各价格下的市场规模分布情况。为了直观显示各价格对应的市场规模,可以构造一条辅助线。例如,以950元为例,以该价格点为起点,画一条与横轴垂直的直线,该直线与面积图有3个交点,其纵坐标分别是24%、77%、100%(见图8-60),这表明当价格为950元时,可接受者占24%;有保留接受者占53%;不可接受者占23%。根据这一比例,结合市场的总容量,就可评估接受950元的用户规模了。

2.4 流量渠道价值评价

评价思路:确定影响因素
流量渠道价值的评价指标体系:规模、互动、转化、收益
评价指标:ROI和Engagement
在这里插入图片描述
Engagement(用户参与度)可以归为数量指标和质量指标,主要指标如下:
在这里插入图片描述
在这里插入图片描述

2.4.1 数据分析

1)数据准备
2)评价指标的计算
ROI计算、Engagement的计算
在这里插入图片描述
3)评价方法:矩阵分析
ROI为横轴、Engagement为纵轴做散点图
在这里插入图片描述
第三象限出现原因分析:
客单价=年销售额/成交人数;流量价格=媒介费用/访问人数,以访问人数做横坐标,客单价做纵坐标,流量价格做气泡大小画气泡图
在这里插入图片描述
2,5,6,7渠道的访问人数和客单价都偏低,表明它们带来的流量在数量和质量上都较差,但他们的流量成本却非常高。
4)评价方法:归因分析
1.解决的问题
2.分析工具:GA、Visual IQ、Convertro、AppsFlyer
3.归因分析模型:最后交互模型、第一次交互模型、平均模型、时间衰减模型、自定义模型
4.归因分析计算与解析:1)导出数据源;2)最后交互模型的计算与解析
在这里插入图片描述
使用最后交互模型得到渠道2的ROI为466/76=6,采用不同模型分析后发现渠道2更多是起到一个助攻作用。

2.5 促销资源配置

问题界定与方法选择:此次采用线性规划
资源配置三要素:目标函数、约束条件、决策变量
1)数据准备
2)写出资源配置三要素
3)在Excel中设置目标函数
4)在Excel中设置约束条件
5)加载Excel的规划求解模块
6)在Excel规划求解模块中设置决策变量和目标函数
7)在Excel规划求解模块中设置约束条件
在这里插入图片描述
在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/474892.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

LeetCode MySQL 1445. 苹果和桔子

文章目录1. 题目2. 解题1. 题目 表: Sales ------------------------ | Column Name | Type | ------------------------ | sale_date | date | | fruit | enum | | sold_num | int | ------------------------ (sale_date,fruit) 是该表主…

台达plc自由口通讯_台达PLC和ABB机器人Devicenet通讯

之前有经常遇见台达PLC和第三方机器人进行Devicenet通讯,故作以下整理,方便再次使用。以台达模块DVPDNET-SL与ABB IRC5通讯为例,方法如下:1.硬件连线将PLC模块端和Robot端按照引脚定义接好网线。2.设定模块地址。3.设定模块通讯速…

电子商城战略分析(采用定性与定量分析方法)

文章目录研究目的:战略选择研究内容:环境分析宏观环境分析市场环境分析竞争环境分析定性与定量分析方法定性:SWOT分析定量:内外因素评价矩阵内外因素数据获取内外因素得分计算评分的计算权重的计算最终得分的计算制作战略选择矩阵…

LeetCode MySQL 1393. 股票的资本损益

文章目录1. 题目2. 解题1. 题目 Stocks 表: ------------------------ | Column Name | Type | ------------------------ | stock_name | varchar | | operation | enum | | operation_day | int | | price | int | ------------…

厂办大集体改制不签字_许昌二印,磨砂技术被外国觊觎,老工人说烂在肚子里也不外漏...

仓库租赁成为学习班和俱乐部场所市区计划改造提升老厂院10个,许昌市第二印刷厂有其一。今天,我们一起了解,许昌市第二印刷厂。当时,全国仅三家印刷厂能印制磨砂烟盒,市第二印刷厂位列其中。(你当年抽的磨砂许昌的包装&…

Kaggle:Video Game Sales电子游戏销售分析(Tableau展示)

文章目录项目介绍分析思路导图数据导入数据探索数据展示项目介绍 项目来源:Kaggle; 项目介绍:由vgchartz.com的一个刮版生成的,有一份综合的游戏行业销售数据,希望产生一份综合的游戏行业报告; 数据介绍&a…

LeetCode MySQL 1204. 最后一个能进入电梯的人(累加/变量/窗口函数)

文章目录1. 题目2. 解题1. 题目 表: Queue ---------------------- | Column Name | Type | ---------------------- | person_id | int | | person_name | varchar | | weight | int | | turn | int | ---------------------- person_id 是这个…

facenet训练自己的数据_①如何帮助自己简易分析体测数据②没有私教一个人无法开始训练?...

我们进健身房后,办卡以后,会有教练联系免费帮你做检测,检测后会拿出一张纸,聊完天,你就拿出一张卡,抱着一两个月我就会有巨大改变的决心,你辛苦赚的万八千就消失了.这张纸真的有这么…

Power Bi:零售数据可视化

文章目录理解数据含义确定需要解决的问题根据问题新建度量值确定背景、主题、字体及字体大小结果展示理解数据含义 本次可视化共有四张表,根据数据说明文档选择自己需要的特征,不需要的数据列隐藏。 确定需要解决的问题 根据问题新建度量值 确定背景…

excel打开csv错误换行_「乱吐槽·乱学习」excel高手捷径:一招鲜,吃遍天③

大家好,我是阿乱。话说三十而立,至于立的是什么玩意儿就见仁见智吧(≧∇≦)ノ,不过旗杆什么的先放下来哈,咱们这里说的是身上得有多几个技能,好让我们立于不败之地嘛。当然也欢迎年轻人加入啦,反…

LeetCode MySQL 1308. 不同性别每日分数总计(累加/变量/窗口函数)

文章目录1. 题目2. 解题1. 题目 表: Scores ------------------------ | Column Name | Type | ------------------------ | player_name | varchar | | gender | varchar | | day | date | | score_points | int | -----------------------…

Power Bi:DAX函数总结

文章目录日期与时间函数筛选器函数逻辑判断函数逻辑函数统计函数文本函数日期与时间函数 1.计算年初至今累计--TOTALYTD函数例如计算年初至今累计的销售金额: [年累计金额]: TOTALYTD([销售金额],日历年[日期]) # 如果要加上一个时间截止点,…

MySql:函数总结

文章目录字符串函数数学函数日期和时间函数流程函数其他函数字符串函数 数学函数 日期和时间函数 流程函数 其他函数

endnote怎么和word关联_endnote x9怎么和word关联?Word中用EndNote X9教程

刚刚接触EndNote X9这款文献写作管理软件,不能熟练的在Word中用EndNote X9引入文献,不知道endnote x9怎么和word关联。这里小编为大家带来了Word中用EndNote X9教程,一起来看看吧!下载安装好 word2019与endnote X9打开系统偏好设置…

[Hands On ML] 6. 决策树

文章目录1. 训练与可视化2. 分类预测3. 模型参数4. 回归5. 不稳定性本文为《机器学习实战:基于Scikit-Learn和TensorFlow》的读书笔记。 中文翻译参考 《统计学习方法》决策树笔记 决策树可以分类,也可以回归,还有多输出任务 是随机森林的基…

LeetCode MySQL 1459. 矩形面积

文章目录1. 题目2. 解题1. 题目 表: Points ------------------------ | Column Name | Type | ------------------------ | id | int | | x_value | int | | y_value | int | ------------------------ id 是该表主键. 每个点都表示…

STP分析--保险公司客户分类分析(采用SPSS进行分析)

文章目录研究目的:精准营销研究内容:客户分类维度数据获取与处理设计调查问卷及确定调研计划数据处理数据分析架构客户细分目标客户选择目标客户定位数据分析与输出结果确定分类维度分类维度的消减适应性检验因子提取因子旋转因子命名计算因子得分设置因…

LeetCode MySQL 1468. 计算税后工资

文章目录1. 题目2. 解题1. 题目 Salaries 表: ------------------------ | Column Name | Type | ------------------------ | company_id | int | | employee_id | int | | employee_name | varchar | | salary | int | ----------…

LeetCode MySQL 1421. 净现值查询

文章目录1. 题目2. 解题1. 题目 表: NPV ------------------------ | Column Name | Type | ------------------------ | id | int | | year | int | | npv | int | ------------------------ (id, year) 是该表主键. 该表有…

探索性数据分析EDA及数据分析图表的选择

文章目录一、探索性数据分析EDA二、数据分析图表的选择一、探索性数据分析EDA 探索性数据分析(Exploratory Data Analysis,简称EDA),指对数据分析的过程中尽量不加入先验假设,而是通过作图表和统计等方式来探索数据结构和规律。 在EDA中你可…