(四)聚類分析

　　聚類分析是細分市場的有效工具，同時也可用于研究消費者行為、尋找新的潛在市場、選擇實驗的市場，并作為多元分析的預處理。

　　聚類分析也稱群分析或類分析，是對樣品或變量根據相似性進行分類。對樣品的分類被稱為Q型聚類分析;對變量的分類被稱為R型聚類分析。變量如何選擇，取決于聚類的歸類。變量的類型有三種尺度：

　　(1)間隔尺度，即變量用連續的量來表示，如果存在絕對零點，又稱比例尺度;(2)有序尺度，即變量用有序的等級來表示有次序關系，但沒有數量表示;(3)名義尺度，即變量用一些“類”來表示，這些類之間沒有等級和數量關系，相似物體的集合稱為類。聚類分析方法主要有系統聚類法、樣品聚類法、動態聚類法、模糊聚類法、圖論聚類法和聚類預報法等。

　　用一組復雜數據產生一個相當簡單的類結構，必然要進行“類似度”度量。一般來說，R型聚類統計量(或度量)有夾角余弦、相似系數、同號率;Q型聚類統計量(或度量)有：絕對距離、歐氏距離、明考斯基距離、-切比雪夫距離、馬氏距離、蘭氏距離等。類的特征主要用類的均值、樣本散布陣及樣本協方差陣、類的直徑等來刻畫。

　　(五)判別分析

　　判別分析是根據表明事物特點的變量值和它們所屬的類求出判別函數，根據判別函數對未知所屬類別的事物進行分類的一種分析方法。與聚類分析不同，它需要已知一系列反映事物特性的數值變量及其變量值，根據這些值來對一個樣品進行歸類，看它來自哪個總體。判別分析可根據判別的組數，分為兩組判別分析和多組判別分析;可根據判別函數的形式，分為線性判別和非線性判別;可根據判別時處理變量的方法不同，分為逐步判別、序貫判別等;還可根據判別標準的不同分為距離判別、Fisher判別、Bayes判別等。

　　在市場調研中，—般根據事先確定的因變量(例如產品的主要用戶、普通用戶或非用戶、自有房屋或租賃、電視觀眾或非電視觀眾)找出相應處理的區別性特性。在判別分析中，因變量為類別數據，自變量通常為可度量數據。根據自變量的值將樣本歸類。

　　例：下列最適合用來進行促銷策略目標選定的是( )。

　　A.結合分析

　　B.判別分析

　　C.因子分析

　　D.聚類分析

　　因子分析

　　(六)因子分析

　　基本思想是，根據相關性大小把原始變量分組，使得同組內的變量之間相關性較高，不同組的變量間相關性較低，每組變量代表一個基本結構，并用一個不可觀測的綜合變量表示，這個基本結構稱之為“公共因子”。英國統計學家Moser

　　Scott在1961年對英國157個城鎮發展水平進行調查時，原始測量的變量有57個，通過因子分析發現，只需要用5個新的綜合變量就可以解釋95%的原有信息。因子分析的基本步驟是：(1)確定研究變量;(2)計算所有變量的相關矩陣;(3)構造因子變量;(4)因子旋轉;(5)計算因子得分。

　　因子分析在市場調研中有著廣泛的應用.，主要包括;消費者使用習慣和態度研究(U&A);品牌形象和特性研究;服務質量調查;個性測試;形象調查;市場劃分識別;顧客、產品及行為分類。同時，還可根據因子得分確定不同重要程度的指標，管理者則可根據這些指標的重要性來決定首先解決的市場問題或者產品問題。

　　(七)結合分析

　　也稱交互分析，在歐美國家的市場調研中被廣泛應用。結合分析的基本假設是，產品或研究對象是由一系列的屬性所構成的，例如，電腦產品的屬性為品牌、顯示器、CPU、內存、硬盤等，而各屬性又有一定的水平，如顯示器有14英寸、15英寸、17英寸等，CPU可能有奔騰5、賽揚、K6等。消費者的購買抉擇過程是基于對這些屬性的權衡與考慮做出的理性選擇，因而，結合分析一般步驟為：(1)確定產品或服務的屬性與屬性水平;(2)將產品的所有屬性與屬性水平通盤考慮，并采用正交設計的方法將這些屬性與屬性水平進行組合，生成一系列虛擬產品;(3)請消費者對虛擬產品進行評價，通過打分、排序等方法調查消費者對虛擬產品的喜好、購買的可能性等;(4)計算屬性的效用、計算屬性的模型和方法主要包括最小二乘法回歸、多元方差分析;(5)解釋結果;(6)評估信度和效度，常用的有擬合優度和t檢驗等;(7)市場預測與市場模擬。

　　在市場調研中，結合分析可用于如下幾個方面：(1)決定各種屬性在消費者選擇品牌(產品)時的相對重要性，(2)估計不同屬性水平的市場占有率;(3)確定最受歡迎品牌的屬性水平組合;(4)根據消費者對屬性水平喜好的相似性，進行消費者市場分類，(5)應用于新產品概念識別，(6)競爭分析，(7)定價研究;(8)廣告研究;(9)銷售分布等。