http://blog.soufun.com/blog/greathuang/

现下的中国的市场调研当中统计方法应用的结果要求并不是很高的，因为在一个行业的起步阶段我们并不会对市场分析要求很高的精度，而是要求有一个总体的了解即可。 在市场调研的统计中，价格是一个十分重要的因素。相应的就有价格弹性分析方法。比如一个物业为每平方米8000元，消费者购买的可能性有多高？这是需要我们做市场调研的人员具体向有关的被选的潜在消费者进行访问、调查的。但是在具体的调查过程中，将会有不同的价格来对应于不同的被访者的心理价位。在得到所有的调查数据之后，我们把相应的数据来输入计算机当中，来进行数据处理，从结果中我们可以看到在不同的价位上，消费者的敏感度。当开发商拿到这个数据后，会综合自己的成本利润要求来确定定价。
　　除了价格弹性分析方法之外，还有价格敏感性的分析方法。比如通过调查客户最高可接纳的、勉强接受的、无法接受的价格，其中也对应着开发商有较好的利润、开发商得到一般的利润、损害开发商的利润。在这两者之间有一个整合的过程，最好是能够找到客户乐意接受，而开发商有较好的利润的价格定位。价格过高无法吸引顾客，而价格过低则会导致开发商的利益受到损害。通过数据分析我们可以得到一个最低的价位和最高的价格。开发商的价格定位就必须要位于这个最低价格和最高价格之间，否则我们价格定位的失误将会使潜在的客户流失。  
　　SWOT分析方法，应用于房地产的研究时，例如对于写字楼的评价，其中的项目包括了外观、物业管理、人员态度、配套功能、车位、空调、周边环境等，通过对使用者的满意度和重要度的调查收集数据，然后以满意度、重要度为轴做一个坐标平面来画散点图。其中在图上的满意度低，但是重要度很高的地方是你着重要改进的地方。
　　聚类分析方法。比如依据人群的特征，可找到不同特征的人们在人口、社会、经济特征等方面的差异；在购房、租房等行为、心理上的差异，为项目的推广时与消费者的沟通提供参考，比如做广告，可依据心理人群分类做不同心理细分市场的需求。具体地讲，我们可以把人群按照心理特征分为时尚消费型、消费谨慎型、自我导向型、消费尝新型、消费实惠型。当我们不断地对其进行细化的时候，我们就可以得到更多详细的市场分类，以便进行更加准确的市场定位。在现下的市场研究中充分地挖掘潜在客户的心理特征和消费习惯，对于产品开发商的决策具有重大的参考和指导意义和价值。在具体地对人们的消费习惯和特点进行分析的时候，我们需要设计相应的问题来取得数据，再通过变量的多重的交叉来综合地分析才可能得到一个全面的结果。
　　联合分析方法。在进行开发的时候，我们要考虑到各种因素，并且把这么多的不同因素综合起来进行考虑，这就需要运用联合分析的方法。比如开进行小区开发的规划的时候，要综合考虑到各种情况比如环境、面积、物业管理、价格。到底什么样的产品属性的组合才可以是最受消费者欢迎的，这也是产品开发商最关心的问题。
　　联合分析主要有两种模式，分为常规型和传统型。一般的联合分析都是在SPSS统计软件当中完成的，而在SPSS当中使用的是常规型的分析方法。通过应用联合分析方法可以进行市场细分，同时估算出各个细分市场的市场占有率，这要求有比较丰富的材料和可靠的数据。









重发：SPSS分析教程和在房地产应用方面的实例（讲义）

greathuang 发表于 2004-5-25 11:34:02 [所有评论] [我要评论]  

以前发的《SPSS分析教程和在房地产应用方面的实例（讲义）第一节》没有图大家看不懂。我存到这个地址下了。大家看看：
ftp://statupload.spymac.net/html/spss/
看能不能用！！
觉得不错的话跟贴，我好继续写下去！





讨论话题：消费者不愿意说出真正的心理价格怎么办？

greathuang 发表于 2004-5-21 9:21:51 [所有评论] [我要评论]  

我们经常对消费者进行调查。比如询问：你觉得理想的总价是多少？你期望的单价是多少？你最喜欢的户型是多少？等等。但是，我们考虑到一些实际情况，比如说调查的时候消费者是不是说出自己的真实数据，说总价总是希望越少越好，面积越大越好等客观因素。很多人策划人员觉得这种问题毫无用处，其实是他们没有能力发掘这些数据。大家认为怎么能通过这些数据能发现消费者的真实想法呢？希望业内人士互相交流！





联合分析和正交实验在地产定位方面的应用

greathuang 发表于 2004-5-21 9:12:30 [所有评论] [我要评论]  




我们在房地产市场研究中一个经常遇到的问题是：在研究的产品或服务中，具有哪些特征的产品最能得到消费者的欢迎。一件产品通常拥有许多特征如价位啦、管理费、面积啦、朝向啦、景观啦、房间数量、装修的层次、付款方式的选择等，那么在这些特性之中，每个特性对消费者的重要程度如何？在同样的（机会）成本下，产品具有哪些特性最能赢得消费者的满意？
　　要解决这类问题，传统的市场研究方法往往只能作定性研究，而难以作出定量的回答。现向大家介绍一种叫做"交互分析"或"联合分析"（Conjoint Analysis）的市场研究和分析技术，令房地产开发商可以轻易把握和预测购买者的需求。
一、联合分析的基本原理与步骤  
联合分析是通过假定产品具有某些特征，对现实产品进行模拟，然后让消费者根据自己的喜好对这些虚拟产品进行评价，并采用数理统计方法将这些特性与特征水平的效用分离，从而对每一特征以及特征水平的重要程度作出量化评价的方法。
联合分析的基本假定
　 我们的联合分析假定分析的对象-------我们的项目，是由一系列的基本特征（如：户型，区域，房间数量，价格）以及产品的专有特征（如绿化面积，朝向，景观等）所组成的；消费者的抉择过程是理性地考虑这些特征而进行的。 联合分析的主要步骤 联合分析通常由以下几部分组成：
1． 确定产品特征与特征水平：联合分析首先要对产品或服务的特征进行识别。这些特征与特征水平必须是显著影响消费者购买的因素。
　一个典型的联合分析包含6－7个显著因素。确定了特征之后，还应该确定这些特征恰当的水平，例如户型类型是楼盘产品的一个特征，而目前市场上楼盘的户型类型主要有：单别墅，联排，花园阳房等，这些是户型特征的主要特征水平。特征与特征水平的个数决定了分析过程中要进行估计的参数的个数。
2． 产品模拟：联合分析将产品的所有特征与特征水平通盘考虑，并采用正交设计的方法将这些特征与特征水平进行组合，生成一系列虚拟产品。在实际应用中，通常每一种虚拟产品被分别描述在一卡片上。
　　
3． 数据收集：请受访者对虚拟产品进行评价，通过打分、排序等方法调查受访者对虚拟产品的喜好、购买的可能性等。  
　　
4． 计算特征的效用：从收集的信息中分离出消费者对每一特征以及特征水平的偏好值，这些偏好值也就是该特征的"效用"。
　　
5． 市场预测：利用效用值来预测消费者将如何在不同产品中进行选择，从而决定应该采取的措施。
二、联合分析的一个实例  
以下用一个例子来说明联合分析的基本方法。  
假定某某公司想做一个以中高档为主的楼盘，公司计划推出一款新产品，定价在6000元左右，以便与市场上的主要中高档产品抗衡。公司决定采用联合分析对产品配置进行分析。
　1。筛选产品特征与特征水平。
   以前的研究表明，楼盘的户型，区域，房间数量是影响消费者选购楼盘的最主要因素。因此我们需要模 拟的特征是价格、房间数量、户型、面积。  
　确定特征水平：XX楼盘目前的主要竞争对手为A楼盘与B楼盘；同时XX楼盘是面向中高档楼盘消费者的，目前市场上的中高档楼盘价格多在5000－7000之间，因此可以考虑的定价为5000，6000，7000；户型类型上，目前较普遍的中高档楼盘为联排，别墅，花洋；面积常见的有200，300，400，因此最终选择的特征水平为：  
价格 房间数量 户型          面积  
5000   5      别墅         200
6000   6       联排        300  
7000   7以上   花洋        400  
　2。建立虚拟产品
　   利用上述特征与特征水平可以组合起81种虚拟产品（3×3×3×3）。如果受访者对所有81种虚拟产   品 进行一一评价，那将是十分麻烦的。联合分析采用数理统计中的正交设计来减少虚拟产品数量。在本例 中，通过正交设计，所需要测试的虚拟产品可以减少到9种。以下是正交设计的一个方案：
虚拟产品 房间数量 价格 户型 面积
A 7房间 5000 花洋 200
B 5房间 7000 别墅 200
C 6房间 5000 别墅 300  
D 6房间 6000 联排 200
E 7房间 6000 别墅 400
F 6房间 7000 花洋 400  
G 7房间 7000 联排 300  
H 5房间 6000 花洋 300  
I 5房间 5000 联排 400  
　3。通过调查收集数据：
　联合分析通过让受访者回答一些经过精心设计的抉择型问题，以揭示出受访者对各特征的重视程度。本 例中我们采用如下提问： 请问您有多大可能会购买以下楼盘（请采用9分法评价，1表示完全不可能，9表示非常可能）
　　产品A（7房间牌楼盘,价格5000元，花洋，面积200）
　　　　　 1　 2 　3 　4 　5　 6 　7 　8 　9
　　完全不可能　　　　　　　　　　　　　　　　　　　　 　 非常可能
　　假定通过调查得到某一消费者对9种产品的评价如下：
虚拟产品序号 A B C D E F G H I  
购买的可能性 8 2 6 8 4 7 5 6 9  
 
　4。　计算特征的效用：
　　计算特征的效用是联合分析的关键步骤。其基本模型是：
　　(1)  
其中：U(x)=所有特征的效用；ki =特征I的水平数目
　　m=特征个数；αij表示特征i的第j个水平的效用。
　 由效用函数可以产生一个衡量每一特征重要程度的指标：相对重要程度Wi  
　　其中Ci为特征i的效用变动范围：  
　　为了估计以上模型(1)中的参数αij,，通常采用哑元法来减少参数，使用最小二乘法估计模型参数。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模块进行分析，得到如下结果：  
特征 特征的相对重要程度 特征水平 特征水平的效用
价格 34.62%
5000 1.556
6000 -0.111  
7000 -1.444  
房间数量 15.38%
6房间 0.889  
5房间 -0.444  
7房间 -0.444
户型 38.46%
别墅 -2.111  
联排 1.222  
花洋 0.889  
面积 11.54%  
300 -0.444  
200 -0.111  
400  0.556  
　　上表中：相对重要程度栏表示该特征在消费者购买选择中所关心的程度。
可见，对该消费者而言，户型类型是消费者最关心的，相对重要程度为38.46％，其次是产品的价格(34.62％)，该消费者对产品的房间数量并不十分重视。  
　　特征水平的效用栏表示该特征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。如在该消费者心目中：6房间房间数量比其他2种房间数量要好。  
　　市场预测与决策  
　　联合分析的迷人之处在于她可以对产品的前景进行预测。在得到产品特征的效用函数后，我们可以对产品的各种特征组合进行模拟决策。在本例中，假定我们的问题是：在价格为6000元时，应该推出何种配置的7房产品，才能战胜目前市场上的主流产品：6房间别墅(7000元,200米，简称Y产品)以及5房间花洋（6000,400，简称Z产品）。7房间楼盘列入考虑的楼盘配置主要有三种，即：X1产品（花洋＋400）；X2（别墅＋400）；X3（别墅＋300）。  
　　为此我们分别计算出Y、Z以及X1，X2，X3产品对消费者的效用：
　　U(Y)=U(价格＋房间数量＋户型＋面积)=-1.444+0.889+1.222+(-0.111)=0.556  
　　U(Z)=(-0.111)+(-0.444)+0.889+0.556=0.889
　　U(X1)=-0.111+(-0.444)+0.889+0.556=0.889
　　U(X2)=-0.111++(-0.444)+1.222+0.556=1.223
　　U(X3)=:-0.111+(-0.444)+1.222+(-0.111)=0.556
　　可见：U(X2)>U(Z)，U(X1)>U(Y)，U(X3) 因此很明显，7房间楼盘的产品要战胜6房间与5房间，必须采用X2产品：户型为别墅，同时面积400的配置。 通过这个简单的例子，可以很容易地推广到更多的特征、更多的特征水平。而对于更多的受访者，在计算出消费者个人的效用函数后，通过聚类分析，可以将消费者划分为不同的消费群体，然后将这些群体作为同质个体处理。
三、联合分析的应用与前景  
　　联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虚拟产品设计到估计效用模型、预测等一系列过程。  
　　联合分析是对人们购买决策的一种现实模拟。因为在实际的抉择过程中，由于价格等原因，人们要对产品的多个特征进行综合考虑，往往要在满足一些要求的前提下，牺牲部分其他特性，是一种对特征的权衡与折衷(Trade-off)。通过联合分析，我们可以模拟出人们的抉择行为，可以预测不同类型的人群抉择的结果。因此，通过联合分析，我们可以了解消费者对产品各特征的重视程度，并利用这些信息开发出具有竞争力的产品。
　  联合分析目前已经广泛应用于消费品、工业品、金融以及其它服务等领域，同样在我们房地产定价和定位方面可以用这种方法。在我们开发的各个方面，如新楼盘的概念筛选、开发，竞争分析，产品定价，市场细分，广告，分销，品牌等领域，都可见到联合分析的应用。


5．





SPSS分析教程和在房地产应用方面的实例（讲义）--第一章

greathuang 发表于 2004-5-20 8:45:33 [所有评论] [我要评论]  

          SPSS分析教程和在房地产应用方面的实例（讲义）
成都海川房产策划部  黄伟 greathuang@263.net
tel:13060081517
028-86138008-684

      第一章．数据的建立和DISCRIPTIVES，MEANS的初步分析
              
现下的中国的市场调研当中统计方法应用的结果要求并不是很高的，因为在一个行业的起步阶段我们并不会对市场分析要求很高的精度，而是要求有一个总体的了解即可。 但是，任何一个成熟的行业都必然是一个专业型很强的结合体，房地产行业亦然。随着将来房地产行业的不断整合和专业化，定性分析占主导地位必定要被定量分析占主导地位的 分析方法所取代，经验的重要性将逐渐被统计分析所弱化。为什么呢？因为统计分析就是对以往获得的经验的定量分析而已，所不同的是：统计是绝对理性化的，统计数据不会说谎的！其实现在的发达国家的决策主要已经考统计分析来说话了，但是大到我们整个国家，小到我们成都地区的房地产行业，统计分析还只是在一个初级应用阶段，技术水平也不高，也不被重视。我们需要用统计数据去分析消费者心理，分析楼盘的价格，分析楼盘的定位等等，那么最直接的方法就是用现在最广泛应用的SPSS去分析。
那么作为并非是统计专业人士的我们，怎样去学习和应用呢？我准备用一些很具体的例子和模块来给大家一步一步讲解，我尽量完全无误的操作一遍：
§1.1 数据的输入和保存
1.1.1 SPSS的界面
当打开SPSS后，展现在我们面前的界面如下：

请将鼠标在上图中的各处停留，很快就会弹出相应部位的名称。
请注意窗口顶部显示为“SPSS for Windows Data Editor”，表明现在所看到的是SPSS的数据管理窗口。这是一个典型的Windows软件界面，有菜单栏、工具栏。特别的，工具栏下方的是数据栏，数据栏下方则是数据管理窗口的主界面。该界面和E购买面积CEL极为相似，由若干行和列组成，每行对应了一条记录，每列则对应了一个变量。由于现在我们没有输入任何数据，所以行、列的标号都是灰色的。请注意第一行第一列的单元格边框为深色，表明该数据单元格为当前单元格。
对数据表界面操作不熟悉的可先温习一下E购买面积CEL的操作（因为它的帮助是中文的），也可以尝试用10.0的中文版操作。我们现在主要用SPSS11.5来操作，因为它的功能更强大，而且现在已经普遍用12.0版本了。
我们当前用的11.5，10.0的SPSS系统打开时会出现一个导航对话框，请单击右下方的Cancer按钮，即可进入上面的主界面。
1.1.2 定义变量
我们需要建立很多个变量，因为我们的调查表有很多问题，我先来定义几个变量：（操作）
界面最左方为变量名，；往下是变量情况描述，可以看到系统默认该变量为数值型，长度为8，有两位小数位，尚无缺失值，显示对齐方式为右对齐；现在系统默认新变量为数值变量；最下方则依次是确定、取消和帮助按钮。
好，先来建立变量家庭人数。请将变量名改为家庭人数，然后单击OK按钮。
在绝大多数情况下，SPSS给出的默认数据类型和数据精度完全可以满足需要，只是不太好看而已。至于标签等比较花哨的选项，反正我也很少用。现在我们才刚刚入门，一切从简。

第一列的名称已经改为了“家庭人数”，这就是我们所定义的新变量“家庭人数”。
现在我们来建立变量购买面积。单击第二行第一列的单元格，同样，将变量名改为购买面积，然后确认。（操作）是分组型的
我们现在再来定义购房单价。同样：（操作）注意是数值型

1.1.3 输入数据
我们先来输入变量购买面积的值，请确认一行二列单元格为当前单元格，弃鼠标而用键盘，输入第一个数据1：（操作）

用类似的输入方式，我们将家庭人数的数目输入完毕：（略）

然后开始输入单价的数据：（略）
1.1.4 保存数据
选择菜单File==>Save，由于该数据从来没有被保存过，所以弹出Save as对话框如下：

单击保存类型列表框，可以看到SPSS所支持的各种数据类型，有DBF、Fo购买面积Pro、E购买面积CEL、ACCESS等，这里我们仍然将其存为SPSS自己的数据格式（*.sav文件）。在文件名框内键入潜在消费者数据并回车，可以看到数据管理窗口左上角由Untitled变为了现在的消费者数据。
为什么这里的对话框会出现汉字？是这样的，需要从编程的角度来解释：SPSS在弹出该对话框时会调用Windows系统的公用函数，由于我们用的是中文Windows系统，所以调用出来的就是中文。
§1.2 数据的预分析
1.2.1 数据的简单描述
首先我们需要知道数据的基本情况，如均数、标准差等。选择Analyze==>Descriptive Statistics==>Descriptives菜单，系统弹出描述对话框如下：（操作）

如果按SPSS标准的叫法，这里应该是调用了Descriptives（应该叫描述，或则描述统计学吧。）过程，为了避免太生硬，我们称为调用对话框，等大家熟悉SPSS了以后，在统计分析中可能两种称呼会混用。
该对话框可分为左右两大部分，左侧为所有可用的侯选变量列表，右侧为选入变量列表。我们只需要描述希望单价，用鼠标选中希望单价，单击中间的 ，变量希望单价的标签就会移入右侧，注意这时OK按钮变黑，表明已经可以进行分析了，单击它，系统会弹出一个新的界面如下所示：
Descriptive Statistics

 N Range Minimum Maximum Sum Mean Std. Deviation Variance
计划单价 55 3700 1800 5500 140800 2560.00 876.356 768000.000
Valid N (listwise) 55