Loading article…
嗜好回帰は、マーケティング担当者が消費者の好む中核的メリットを判断するために使用する統計手法です。通常、 多次元尺度法や因子分析などの製品ポジショニング手法を補完し、知覚マップ上に理想的なベクトルを作成するために使用されます。
応用
研究者は調査の生データから始めて、ポジショニング技術を適用して重要な次元を決定し、これらの次元における競合製品の位置をプロットします。次に、調査データを次元に対して回帰します。独立変数は調査で収集されたデータです。従属変数は嗜好データです。すべての回帰法と同様に、コンピューターはデータを最もよく予測できるように重みを合わせます。結果として得られる回帰線は、ベクトルの傾きが 2 つの次元に対する嗜好の比率であるため、理想ベクトルと呼ばれます。
すべてのデータを回帰分析に使用すると、プログラムは 1 つの方程式、つまり 1 つの理想ベクトルを導き出します。これは鈍い手段になりがちなので、研究者はクラスター分析を使用してプロセスを改良します。これにより、市場セグメントを反映するクラスターが作成されます。次に、各セグメント内のデータに対して個別の選好回帰分析が行われます。これにより、各セグメントの理想ベクトルが提供されます。
代替方法
自己申告重要度法は、統計的補完ではなく直接調査データを使用して重み付けを決定する代替方法です。3 番目の方法は、加法法を使用する コンジョイント分析です。