在新产品开发或对现有产品进行改进过程中，经常会有多个产品概念方案可供选择，但目标市场的消费者对这些方案是否认可？他们对各种方案的偏好程度如何？消费者更重视产品/服务的那些属性？他们更喜爱产品各属性的那种表现水平？通过对目标消费者进行产品概念测试，决策者将能对各个产品概念方案的优劣进行评价，并根据消费者对产品或服务各种属性及其各属性水平的偏好对产品概念方案进行优化，从而降低新产品开发失败的风险。
结合分析（conjoint analysis）是一种有效的市场研究技术，近年来广泛应用于消费品、工业产品和商业服务等相关领域的市场研究中，尤其是在新产品开发、市场占有率分析、竞争分析、市场细分和价格策略等方面，结合分析在我国也越来越受到市场研究公司和企业的重视，本文试图通过对一个新产品开发案例的分析，来阐述结合分析在产品概念测试中的应用。
一、结合分析的基本概念
结合分析适用于测量消费者的心理判断，如理解（perceptions）和偏好（preferences），在结合分析中，产品/服务被描述为“轮廓”（profiles），每一个轮廓是由能描述产品/服务重要特征的属性（attributes）以及赋予每一个属性的不同水平的组合构成的，结合分析的一个重要的基本假定是：消费者是根据构成产品/服务的多个属性来进行理解和做偏好判断；在消费者对轮廓的评价结果的基础上，经过分解的方法去估计其偏好结构,从而推算出消费者对该轮廓的多个属性及各属性水平的偏好得分（preference scores），在结合分析中用分值或效用来描述。
结合分析应用于产品概念测试，能够定量测量消费者对产品/服务的某个属性和某个属性水平的偏好或效用，可以用来寻找消费可接受的某种产品/服务的最佳属性及属性水平组合，这种组合最初可能并没有被消费绪所评价。为了达到这样的目的，首先要估计不同属性水平的效用或分值，进一步计算出属性的相对重要性（attributes relative importance）和轮廓效用(profile utility)，以便定量化地测量消费者的偏好。
二、结合分析的主要步骤
1.确定产品或服务的属性与属性水平
结合分析首先要对产品或服务的属性和属性水平进行识别，所确定产品或服务的属性和属性水平必须是显著影响消费者购买的因素。一个典型的结合分析包含6－7个显著因素。确定了产品属性之后，还应该确定这些属性恰当的水平，例如容量是MP3产品的一个属性，目前市场上的MP3的容量类型主要有：64M、128M和256M等，这些是容量属性的主要属性水平。属性与属性水平的个数将决定分析过程中要进行估计的参数的个数
2.产品模拟
结合分析将产品的所有属性与属性水平通盘考虑，并采用正交设计的方法将这些属性与属性水平进行组合，生成一系列模拟产品。在实际应用中，通常每一种模拟产品被分别描述在一卡片上。结合分析的产品模拟主要有两大类方法：配对法（pair wise）和全轮廓法（full-profile）。
配对法也叫两项法（或双因子评价法，two-factors evaluations），被调查者每次评价两个属性，直至所有的属性对都被评价完毕为止。以MP3产品为例，容量和价格属性各有三个属性水平，则要评价的所有组合为3×3＝9个，消费者就要按他们自己的喜好程度在每种组合中对相应的模拟出来的组合从1（表示最不喜欢）至9（或7，表示最喜欢）打分与排序,直到全部填写完毕。
全轮廓法也叫多项法（或多因子评价法，multiple-factor evaluations）。由全部属性的某个水平构成的一个组合叫做一个轮廓（profile）。每个轮廓分别用一张卡片表示，如下列MP3的一个组合产品：容量：128M；音质：好；价格：1000元；外形：时尚。
其实，并不需要对所有组合产品进行评价，且在属性水平较多时实施难度也较大。在配对法中，通常用循环设计来减少组合数。在全轮廓法中，则采用正交设计等方法，以减少组合数，又能反映主效应。
3.数据收集：
请受访者对模拟产品进行评价，通过打分、排序等方法调查受访者对模拟产品的喜好、购买的可能性等。
排序法是要对产品模拟组合中的所有属性水平作相对的评价，要求对每个组合给一个不同的等级。对于配对法，由消费者对每两属性组合的所有产品模拟按自己的意愿进行评价，对全轮廓法需要对所有产品模拟组合排序。从排序中可准确地反应出市场中消费者的行为。
对于打分形式，是要对每一个产品模拟独立地评分，判断可独立进行。采用此方法的人认为此方法对消费者来说比排序更为便利，分析时也容易得多。总的说来，排序和打分形式均可，但近年来人们对打分形式应用得更为评分法变得更为普遍。
4.计算属性的效用：
从收集的信息中分离出消费者对每一属性以及属性水平的偏好值，这些偏好值也就是该属性的“效用”。计算属性的模型和方法有多种，一般地，人们主要用一般最小二乘法回归（OLS）模型、多元方差分析（MONANOVA）模型、LOGIT回归模型等方法。有研究表明OLS回归估计效用值同其它模型的估计一样有效，也是最容易理解的方法。因此用OLS回归的结合分析研究更多，也更普遍。例如：SPSS的Categories模块结合分析就是用OLS回归估计的，而且它能处理排序和评分两种数据。
5.结果解释与应用
结合分析的结果可以在消费者个体层次上进行解释，也就是对每一个消费者的偏好计算不同属性水平的效用值和属性的相对重要性，并且分析个体对产品/服务的不同组合的偏好反应；也可以对结合分析在消费者群体层次上进行解释，首先按照某种属性将消费者进行分类，例如认为价格属性最重要的或者效用值相似的消费者归成一类（集合），然后再分析整个群体或不同类之间的偏好反应，研究人员应根据不同的研究目的来确定进行分析的层次。
三、结合分析的软件化过程
结合分析采用了一系列的现代数理统计方法，如正交设计、回归分析等，这些方法的计算量巨大，只有通过电脑才能实现。因此实际的市场研究中，必须有专门的软件来实现从模拟产品设计到估计效用模型、预测等一系列过程。一些常用的统计软件如SPSS、SAS和BMDP中包含有结合分析的基本模型，此外还有一些结合分析用的专门程序。MONANOVA（Monotone Analysis of Variance）用于分析排序法得到的全轮廓数据。TRADEOFF用于分析配对法，要求数据也是排序法得到的。此外常用的还有LINMAP，ACA（Adaptive Conjoint Analysis），CONJOINT DESIGNER，CONJOINT ANALYZER，CONJOINT LINMAP，SIMGRAF和BRIDERPOSSE（Product Optimization and Selected Segmentation Evaluation）是采用混合型结合分析和实验设计法来优化产品的一般系统。下面详细对目前国内较为流行的用于结合分析的软件SPSS做简要介绍。
SPSS（Statistical Package for Social Science）软件包有一个分类数据处理分析的模块，叫Categories，其中第一部分就是结合分析。它由三个单独的过程组成：ORTHOPLAN，PLANCARDS和CONJOINT。采用的是全轮廓法，即消费者要对由所有属性的某个水平定义的各种产品轮廓作评价（排序或评分）。这种方法的主要优点是比较实际，缺点是要评价的方案数目可能太多。在Categories中，采用了部分因子设计（fractional factorial design），即只取可供选择的方案中的一部分来进行评价。正交表法是其中的一种部分因子设计。
ORTHOPLAN过程生成一个部分因子计划，用于估计主效应，交互作用在此是忽略不考虑的。PLANCARD过程帮助用户生成实施用的“卡片”，以供消费者对各个“卡片”（即各个轮廓）作排序时用。CONJOINT过程采用一般最小二乘（OLS）估计法作结合分析，其研制者认为OLS法在进行结合分析时和其它方法同样有效，而且OLS法还比较简单、易于解释。它允许使用三种方法来收集数据：评分、排序或分类。此外，还允许有四种类型的因子：离散的（discrete），线性的（linear），理想的（ideal）和反理想的（ant ideal）。
四、结合分析的一个实例
以下用一个MP3产品的例子来说明结合分析的在产品测试在的应用，并介绍使用SPSS进行结合分析的程序及步骤。假定某公司打算在市场上推出一款新型的MP3产品，首先要了解消费者对MP3产品的喜好，消费者更重视MP3产品的那些属性或特征，他们对这些属性或特征又有什么特别的偏好，为了设计出受消费者欢迎的MP3，该公司需要开展一次市场调研，对各种配置的MP3产品进行测试。
1.确定产品或服务的属性与属性水平
通过查阅有关广告、收集二手资料和走访MP3的零售商确定：容量、音质、价格、外形、品牌、功能、产地、电池使用时间、线控、屏显等10产品特征是MP3的潜在的重要属性，随机抽取若干消费者对这10个属性的重要度进行前期预调查（采用目前市场调查中常用的对单个属性的重要度分别打分，按分数的平均值排序），从而确定对容量、音质、外形和价格这4个属性进行结合分析，这4个属性及其属性水平如下表所示：
| 属性 | 容量 | 音质 | 外形 | 价格 |
| 属性水平 | 64M 128M 256M | 好 一般 差 | 时尚 一般 传统 | 1000元 1500元 2000元 |
2、产品模拟
利用上述属性与属性水平可以组合起81种模拟产品（3×3×3×3）。如果受访者对所有81种模拟产品进行一一评价，那将是十分麻烦的。结合分析采用数理统计中的正交设计来减少模拟产品数量。在本例中，通过SPSS进行正交设计，所需要测试的模拟产品可以减少到9种。以下是使用SPSS进行正交设计的程序及得出的一个正交设计方案：
| *正交设计. ORTHOPLAN /FACTORS=price '价格'( 1 '1000元' 2 '1500元' 3 '2000元') capacity '容量' ( 1 '64M' 2 '128M' 3 '256M') tonality '音质' ( 1 '差' 2 '一般' 3 '好') fashion '外形' ( 1 '守旧' 2 '一般' 3 '时尚') /OUTFILE='D:\temp\mp3plan.sav'. |
以上程序在SPSS中也可通过窗口实现，执行该SPSS程序，得出正交设计的结果，如下表：
| MP3产品 | 价格 | 容量 | 音质 | 外形 |
| A | 2000 | 128M | 好 | 守旧 |
| B | 2000 | 256M | 差 | 一般 |
| C | 1500 | 64M | 好 | 一般 |
| D | 1500 | 256M | 一般 | 守旧 |
| E | 1500 | 128M | 差 | 时尚 |
| F | 1000 | 256M | 好 | 时尚 |
| G | 1000 | 64M | 差 | 守旧 |
| H | 2000 | 64M | 一般 | 时尚 |
| I | 1000 | 128M | 一般 | 一般 |
3、通过调查收集数据：
对于上面正交设计产生的9个种模拟产品，被调查者需要对每一个模拟产品的偏好进行评价，在实际调查过程中是将每个模拟产品的属性特征打印在一张卡片上，使用SPSS 语句可以一次性生成所有模拟产品的卡片，提高了制作卡片的效率。下面是生成模拟产品卡片的SPSS程序。
| *生成模拟产品的卡片. GET FILE='D:\temp\mp3plan.sav'. PLANCARDS /FACTOR=price capacity tonality fashion /FORMAT card /PAGINATE /OUTFILE='d:\temp\cards.txt'. |
执行上述程序输出所有模拟产品的卡片，以下只例出模拟产品ABCD的卡片输出结果
| 模拟产品A | 模拟产品B | 模拟产品C | 模拟产品D |
| 价格 2000元 容量 128M 音质 好 外形 守旧 | 价格 2000元 容量 256M 音质 差 外形 一般 | 价格 1500元 容量 64M 音质 好 外形 一般 | 价格 1500元 容量 256M 音质 一般 外形 守旧 |
在调查问卷中可设置相关的问题进行数据收集，下面是一个问题的例子。
〖出示模拟产品A的卡片〗请问您有多大可能会购买具有以下产品特征的MP3？(请以1-9为评分标准:“一定会”9分; “一定不会”1分) 【单选】
| 一定不会 | 一定会 | ||||||||
| 购买可能性 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
假定通过调查得到某个消费者对9种模拟产品的评价，数据如下：
| 模拟产品的编号 | A | B | C | D | E | F | G | H | I |
| 购买的可能性 | 5 | 1 | 3 | 4 | 3 | 9 | 1 | 4 | 8 |
4． 计算属性的效用：
计算特征的效用是结合分析的关键步骤。其基本模型是：
(1)
其中：U(x)=所有属性的总效用； ki =属性i的水平数目； m=属性个数； αij＝属性i的第j个水平的分值贡献或效用； Xij＝1 如果第i个属性的第j个水平出现；0 其它情形。 由效用函数可以产生一个衡量每一属性重要程度的指标：相对重要程度Wi
(2)
其中Ci 为属性i的效用变动范围，Ci = {Max(X ij) - Min(X ij)}，对每个I （3）
各属性的相对重要性之和为百分之百。实际应用中，模型的估计几乎完全计依赖于计算机软件。对于本例数据，我们采用SPSS中的Conjoint过程进行分析，其分析程序如下：
| *输入收集的数据. DATA LIST FREE / ID score1 to score9. BEGIN DATA 1 5 1 3 4 3 9 1 4 8 END DATA. SAVE OUTFILE='d:\temp\mp3data.sav'. *进行结合分析. CONJOINT PLAN='d:\temp\mp3plan.sav' /DATA='d:\temp\mp3data.sav' /FACTORS=price capacity tonality fashion /SUBJECT=id /SCORE=score1 to score9 /PLOT=all /UTIL='d:\temp\mp3result.sav'. |
5．结果解释与应用
执行前面的SPSS结合分析的程序，输出如下结果：
| SUBFILE SUMMARY Averaged Importance Utility Factor PRICE 价格 23.53 1.7778 1000元 -.8889 500元 -.8889 2000元 CAPACITY 容量 23.53 -1.5556 64M 1.1111 128M .4444 256M TONALITY 音质 35.29 -2.5556 差 1.1111 一般 1.4444 好 FASHION 外形 17.65 -.8889 守旧 -.2222 一般 1.1111 时尚 4.2222 CONSTANT Pearson's R = 1.000 Significance = . Kendall's tau = 1.000 Significance = .0002 |
上表中：相对重要程度栏表示该MP3各种产品属性在消费者购买选择中的重视程度。可见，对该消费者而言，MP3的音质是消费者最关心的，相对重要程度为35.29％，其次MP3价格和容量也比较重要，这两个属性的重要程度都是23.53%，相对于其它属性而言，该消费者对MP3的外形并不十分重视，其重要程度是17.65%。
属性水平的效用栏表示该属性水平对于该消费者而言的效用。效用越高，则表示该特征水平的越受欢迎。注意这里对于不同属性的属性水平的效用不能进行直接比较，比如不能说音质好的效用比外形时尚的效用好。但在其它属性水平相同的条件下，可以对同一属性下的不同属性水平进行比较，比如在价格、音质和容量属性水平不变的情况下，该消费者认为外形时尚的效用(4.2222)比外形一般(1.1111)的效用要高。可以看出最受该消费者欢迎的MP3产品属性特征是，价格：1000元；容量：128M；音质：好；外形：时尚。
五、结论
本文给出了一个针对个体运用结合分析进行产品测试的案例，测量了消费者对产品/服务的不同属性的偏好反应程度，对不同属性水平给消费带来的效用进行估计，并寻找出最受消费欢迎的产品/服务属性特征组合。按同样的原理和步骤，也可以对结合分析在消费者群体层次上进行解释。可以按照某种属性将消费者进行分类，例如认为价格属性最重要的或者效用值相似的消费者归成一类（集合），从而可以对消费者进行市场细分，并测量不同细分市场目标消费者对产品/服务属性和属性水平的偏好，用于指导厂商针对各个细分市场开发更有针对性的产品/服务。通过专门设计和开展的市场调研，在收集到大量数据的基础上，可以对待选的各种新产品/服务方案将来的市场占有率进行预测，也可以用于产品改进或竞争产品变动（如：降价）后对各种产品/服务将来市场占有率进行预测，本文由于篇幅所限并没有以上问题展开详细的讨论。
参考文献：
[1] 沈浩，柯惠新 《结合分析的原理与应用》 数理统计与管理，1998（4）
[2] 柯惠新，保罗.弗悉诺 《市场营销研究中的结合分析法》 数理统计与管理，1994（6）
[3] 岑咏霆 《联合分析方法在预测中的应用》 工业工程与管理，2002（1）
|
