‘数据分析实战’——营销组合分析（甲厨电公司案例）

第8章 营销组合分析案例解析——甲厨电公司营销决策
8.1 研究目的：营销决策
营销组合：产品，价格，渠道，促销

8.2 研究内容：营销组合分析
8.2.1 产品决策分析

1. 规模预测分析
    市场经济下，需要预测市场规模
    资源约束下，企业需要预测产出规模
   本案例中，甲厨电公司对规模预测需求有三个：
    厨房大家电市场规模预测
    吸油烟机市场规模预测
    吸油烟机生产规模预测

2. 产品属性分析

8.2.2 定价决策分析

8.2.3 流量渠道价值评价
渠道回答的是在哪里买的问题

8.2.4 促销资源配置分析
促销：营销者通过多种手段说服或吸引消费者购买其产品，以达到扩大销售量目的的行为；这里将用线性规划帮助甲厨电公司对多种广告媒体进行有效组合，以实现资源的优化配置。

8.3 规模预测分析
 战略部需求：从公司经营全部品类出发，预测大家电市场规模
 吸油烟机需求：

1. 大致估算吸油烟机市场规模及走向
2. 为生产要素投入提供数据支撑

8.3.1 预测思路与方法
定性预测：基于经验和判断的推断主观性更强
定量预测：基于数据和模型的推断客观性更强

1. 类推原则与方法
   由于同类事物具有相似性，故可用已知事物推断未知的同类事物

2. 相关原则与方法
   已知因的变化可推断果的变化，这种预测思路就是相关原则
    市场因素推算法
    回归分析

市场因素三要素：
 消费者
 购买欲望
 购买量
s=jfg

3. 惯性原则与方法
   由已知推断未知，利用的是结构思维；由过去和现在推断未来，利用的是时间思维。
    市场要平稳，若市场波动性很大，惯性就被打破
    短期预测，若预测期过长，则可能会有一些突发因素打破惯性
   预测方法包含移动平均法，指数平滑法，曲线估计，一般线性模型，ARIMA模型，季节分解法
   
   

8.3.2 季节分解法预测

1. 数据准备
2. 分析思路
   1）明确构成要素
   
   厨房随时间变化呈稳步增长态势，叫做长期趋势（T）
    一年以上的波动叫做周期变动
    一年以内的变动叫做季节变动
    一些不可控因素或特殊事件影响引起销售额的波动
   综上，时间序列由长期趋势(T)，季节变动（S），周期变动（C）和不规则变动(I)构成
   
   Y=f(T,C,S,I)

(2) 确定f表达式
在季节分解法中，f表达式有两种备选模型
 加法模型：Y=T+C+S+I
 乘法模型：Y=TCS*I
加法模型中，T,C,S,I都是绝对数，有同样的量纲；而乘法模型中，只有T是绝对数，C,S,I都是比值，通过影响T来影响Y

3）分解构成要素与预测
第一步：对Y做n项移动平均，剔除SI
第二步：对SI做月度（或季度）平均，剔除I
月度平均法或季度平均法，取决于数据是分月还是分季的
第三步：对TC进行线性回归预测，得到TC预测值T*C

？如何用n项移动平均剔除

8.3.3 类比法与因素推算法预测

1. 数据准备
   （1）基于类推原则
   类推原则：用同类事物的相似性进行预测
   ex:
   

(2) 基于相关原则
相关原则：用相关影响因素进行预测
ex: 影响吸油烟机市场规模的影响因素
 明确衡量市场规模的指标，如保有量，即一个国家或地区百户家庭所有的吸油烟机数量
 由上图可知，我国吸油烟机保有量远小于日本和韩国，且农村保有量不足城镇的1/4
影响农村吸油烟机保有量因素分析：城镇化率

农村保有量较低，新增需求增长空间较大，且城镇化是主要推动因素，故农村应关注新增需求。

由于原材料价格高位运行，城镇居民对吸油烟机新增需求受到抑制，增速放缓；
换句话说，城镇新用户首次购买吸油烟机的动力不足，而与新用户首次购买相对立的是老用户的重复购买，重复购买的原因是更新换代，而吸油烟机使用年限在10年左右，故更新换代是城镇吸油烟机增长的关键推动力。

2. 预测思路
   由于没有建立起明确的影响因素与吸油烟机市场规模的关联，故回归分析用不了，需要用市场因素推算法。
   

3. 预测结果

1. 新增需求量预测
   

2）更新换代预测

注意：由于采用定性预测的市场因素推算法，且推算数据不详实，加入了主观判断，故相对于定量预测，该方法预测失误风险更高。

8.3.4 回归预测
由前面方法可预测出2018年市场规模为14600万台，而甲公司市场份额为15%，故可得出2018年甲公司要生产2190万台；基于该预测，需考虑投入多少生产要素

由道格拉斯生产函数为回归模型可进行回归分析

Y为产出，A,K,L分别为技术，资本和劳动力，a表示资本弹性系数，β表示劳动力弹性系数，μ为随机干扰项
由于上式为非线性回归方程，故需要通过对该函数求对数将其变为线性的。

将线性化的函数结果转换为非线性化的道格拉斯回归方程：

假设检验
 T检验: 对回归系数的检验，即若X与Y相关，则回归系数不等于0
 F检验：对回归方程的检验，即若回归方程有效，则回归方程对样本数据信息的结识量要高于误差项μ对样本数据信息的解释量（和前几章的方差分析是一样的）
若F检验没通过，则表明从样本数据看，劳动力和资本不能充分解释吸油烟机生产规模的变动，可能还有其他重要影响因素没有纳入模型中，需要重新建立模型
若T检验没有通过，如L的回归系数没有通过T检验，则说明L的回归系数等于0不是小概率时间，即L与吸油烟机y（生产规模）的相关性不强，故需剔除L这个自变量，重新回归，然后再次检验，直到所有剩余的自变量都通过检验为止，若剔除法仍有自变量没通过检验，则表明回归模型不恰当，需要重新建立回归模型。
在上式中，回归系数和回归方程都通过了检验，可开始进行回归预测

回归预测
在设定Y=2190万台，L=720人时，可得到资本投入K=178332万元

8.4 产品属性分析
8.4.1 关于产品属性的观点
传统观点：产品属性与用户态度是线性关系，即产品属性表现好则用户满意，反之则用户不满意
赫兹伯格观点：产品属性与用户态度不总是呈线性关系；基于此，在新产品研发中延伸出KANO模型

8.4.2 KANO模型基本思想
1. KANO模型的产品属性分类
 必备属性：产品核心属性；若有，用户认为应该的，若无，用户极度失望
 一维属性：与用户态度线性正相关的属性；若有，用户满意，若无，用户会不满意
 魅力属性：超出用户期望的属性；若有，用户会惊喜，若无，用户不会不满
 可有可无属性：产品无论有无，用户都无所谓
 厌恶属性：具备了反而让用户不满的慢性；若有，用户不能接受，若无，用户能接受

2. KANO模型注意事项
   1）用户的差异性
   对于同一个属性，不同人的态度是不同的
   2）用户需求的发展性
   对于同一个属性，其定义不可能恒定不变