牙膏市场竞争力调查研究

刘 罗 曼

(沈阳师范大学 数学与系统科学学院, 沈阳 110034)

0 引 言

多维尺度分析法是一种将多维空间的研究对象简化到低维空间进行定位, 分析和归类, 同时又保留对象间原始关系的数据分析方法[1]。 其特点是将消费者对品牌的感觉偏好, 以点的形式反映在多维空间上, 而对不同品牌的感觉或偏好的差异程度, 则是通过点与点之间的距离体现的, 称这种品牌或项目的空间定位点图为空间图[2-5]。 多维尺度分析经常使用在市场研究中: 可以确定空间的维数(变量,指标), 以反映消费者对不同品牌的认知, 并且在由这些维构筑的空间中标明某关注品牌和消费者心中理想品牌的位置, 选择的品牌不易过少也不易过多, 一般7～9个。 还可以比较消费者和非消费者对企业形象的感觉。 在进行市场细分时, 可以在同一空间对品牌和消费者定位, 然后把具有相似感觉的消费者分组, 归类。 在新产品开发方面, 通过在空间图上寻找间隙, 可以发现由这些间隙为企业带来的潜在契机。 在广告效果的评估方面, 可以用空间图去判定一个广告是否成功地实现了期望的品牌定位。 在价格策略方面, 通过比较加入与不加入价格轴的空间图, 可以推断价格的影响强度。 在分销渠道策略方面, 利用空间图可以判断品牌对不同零售渠道的适应性, 从而为制定有效的分销渠道提供依据。

1 理论依据[7]

1.1 多维尺度分析法定义

1.2 压力指数stress的算法步骤

计算过程是一个迭代求解过程。

步骤1 已知一个相似系数矩阵D=(dij),将其非对角线元素由小到大排列:

步骤4 由于Sk是k的单调下降序列,取k使得Sk适当地小。

2 调查数据

随机调查了16名超市牙膏消费者,请他们对7种不同品牌的牙膏做不相似性数据。不相似性程度评分标准是根据牙膏在“口气清新”“坚固牙齿”“美白牙齿”“防蛀”“防牙龈出血”“抗敏感”和“缓解牙齿疼痛”7个方面的不相似性程度给出评价,最高分为7分,表示不同品牌牙膏在7个方面都不相似,其次是6分,表示不同品牌牙膏在其中的6个方面都不相似,依次类推,最低分为0分,表示不同品牌牙膏在7个方面都相似。用0～7这8个数字作成16个对称的七阶方阵,将1号消费者调查数据列于表1,对这16个对称矩阵做不相似性多维尺度分析,可以判断消费者认为那些品牌的牙膏是相似的,从而可以判断在牙膏市场哪些品牌的牙膏之间具有市场竞争力[8-11]。

表1 不相似性数据表Table 1 Dissimilarity data

3 数据分析[12-15]

表2 二维解决方案迭代过程Table 2 Iteration process for the 2 dimensional solution

表3 S-stress值和RSQ值Table 3 S-stress value and RSQ value

随机对16名超市牙膏消费者对7种不同品牌牙膏做出的不相似性数据做多维尺度分析,分析结果如表2所示。

表2中Iteration为迭代次数,当拟合劣度值(S-stress)的增量(Improvement)小于0.001时停止迭代。本次迭代到第3步时S-stress的增量是0.000 18,小于0.001,迭代过程结束。

表3中给出了每个矩阵的拟合劣度S-stress值和拟合优度RSQ值以及总拟合劣度S-stress值和总拟合优度RSQ值。关于拟合劣度S-stress值评价标准为大于等于20%为模型拟合差,20%～5%为模型拟合一般,小于5%为模型拟合好。拟合优度RSQ值评价标准为越接近于1,模型拟合的越好。本次计算总拟合劣度S-stress值为0.156 05,总拟合优度RSQ值为0.902 77,表明模型拟合还可以。

从图1中可以看出包括三组聚焦点,这意味着消费者认为彼此相似的这些产品:a1(高露洁)和a3(佳洁士)是相似的;a2(黑人)和a4(中华)是相似的;a5(康齿灵),a6(田七)和a7(冷酸灵)是相似的。说明这些相似的牙膏在市场占有率上彼此有竞争。

图1 多维尺度分析图Fig.1 Multidimensional scaling configuration

4 结 论

数据体现了消费者对不同品牌牙膏两两相似的感知程度,通过对数据进行多维尺度分析,了解到目前牙膏市场上彼此有竞争力的几组品牌,一组是人们对高露洁和佳洁士的感知程度是相似的,一组是对黑人和中华的感知程度是相似的,一组是对康齿灵,田七和冷酸灵的感知程度是相似的,并且模型拟合情况也不错,这样,分析结果就给牙膏生产商提供了一定的理论依据,提醒他们在做市场调查时,除了要了解消费者对自己产品各方面的喜好,同时也要了解自己与哪些同行存在市场竞争力,从而创造特色,找出优势,使自己在日益激烈的市场竞争中永久处于不败之地。