所謂市場調研就是對某一目標，收集、整理、分析有關信息，通過對數據或信息的分析，得到相應結論，從而為企業決策提供參考，實現企業利益最大化。

數據分析是市場調研中重要組成部分，在分析過程中我們會遇到許多統計分析方法。

今天SPSSAU就來介紹8種市場調研中常用的數據統計分析方法，以及如何在SPSSAU使用這些方法。

01 頻數分析：分析比例，掌握基礎信息

無論是哪種領域的統計分析，頻數分析都是最常用的方法。在市場調研中，頻數分析也是最基礎、使用最廣泛的方法。一般可用來統計分析樣本基本信息，統計比例，如消費者的基本信息，對產品的基本態度，是否願意購買產品等。

SPSSAU頻數分析

頻數分析結果

用圖表展示能夠更加清晰對比各項比例，SPSSAU頻數分析默認提供餅圖、圓環圖、柱狀圖、條形圖可選擇。

註：多選題統計頻數或比例用【問卷研究->多選題】。

02 描述分析：定量數據對比

描述分析適用於分析對比定量數據。例如對比各維度均值，了解在哪些方面得分較高，哪些方面得分較低，找出優勢項或短板項，從而制定出有針對性的改善方案。可用於分析產品滿意度、用戶需求等。

SPSSAU描述分析

描述分析結果

如果有多個題要對比平均值，可通過折線圖、柱形圖、雷達圖來展示。

03 IPA分析：滿意度-重要性分析

IPA分析，又叫重要性表現程度分析法。是通過繪製散點圖，對比不同項目或維度的重要度和服務表現，從而直觀的識別出優勢項、劣勢項。適用於服務質量、滿意度分析、產品競爭力分析等。

SPSSAU象限圖

指標在不同的象限中分別對應不同的解釋，針對不同象限可以建立針對性的優化措施。

在第一象限的指標顧客重視度高並且實際滿意度也很高，說明是優勢項可以重點突出或保持。

第二象限指標顧客較重視，但實現感知滿意度不高，說明需要重點加強改善。

第三象限重要性及滿意度都不高，可以作為次重點改進。

第四象限滿意度大於重要性，可以適當減少對這些指標的關注。

04 差異分析：交叉分析，尋找個性差異

上面幾個方法一般只是初步描述研究結果，想要更深入的探究分析項之間的差異性則要進行差異分析。例如探究不同背景的消費者在「認知」，「態度」，「行為」，「原因」上的差異；是大學生還是工薪族更加喜歡我的產品？不同學歷的消費者對於產品的需求有沒有差異等等。

差異分析常見包括幾類分析方法：方差分析、t 檢驗和卡方檢驗。

其實核心的區別在於：數據類型不一樣。如果是定類和定類，此時應該使用卡方分析；如果是定類和定量，此時應該使用方差或者t 檢驗。

方差和T檢驗的區別在於，對於T檢驗的X來講，其只能為2個類別比如男和女。如果X為3個類別比如本科以下，本科，本科以上；此時只能使用方差分析。

三種方法都可在SPSSAU【通用方法】中使用。

05 帕累托圖：抓大放小，把握關鍵因素

帕累托圖，是「二八原則」的圖形化體現。在數據分析中二八原則可以理解為：80%的結果是由20%的因素產生的。

實際應用場景中，帕累托圖可以用來評估產品、劃分客戶、員工管理等，找出找出導致前累積80%的項，並且重點關注和分析。

SPSSAU有兩處提供了帕累托圖分析，一般可用【可視化->帕累托圖】；如果是多選題則使用【問卷研究->多選題】默認會生成帕累托圖。

重點分析累積加和佔比在80%內的相關項目，頻數越靠前說明越是重要因素。

06 聚類分析：用戶分類

通過聚類分析，我們可以找到一類人群的綜合特徵，並按照其特徵細分成不同人群。相比用單一分類標準，聚類分析可以綜合多個指標結果，得到更加合理的類別。

SPSSAU聚類

不同行為的客戶有不同價值，比如可選擇消費次數、購買量、顧客滿意度、忠誠度等指標，對不同價值的客戶進行分類。

當變量較多時，可先做主成分或因子分析，得到每個維度（因子）的數據，再進行聚類。

SPSSAU因子分析

07 對應分析：尋找市場定位

對應分析，是把一個交叉表結果通過圖形的方式展現出來，用以表達不同的變量之間以及不同類別之間的關係。

對應分析可應用在市場細分、產品定位等領域相關中。

SPSSAU對應分析

對應分析圖

通過圖形可以解讀出同一變量各類別的區分程度，以及不同變量各類別間的關聯程度。

第一，考察同一變量：查看同一變量的不同類別是否被清晰區分開。

第二，考察變量間的關係：離原點越遠，意味着該點對於『關係幅度』的表達越強，即說明該點越能體現出『關係』；

第三，在相同區域點與點之間靠得越近，意味着它們之間關聯關係越強；點與點之間靠得越遠，意味着它們之間關聯關係越弱。

08 市場預測：回歸分析

回歸分析是確定兩種或兩種以上變量間影響關係的方法。在市場調研中，回歸分析可以用來探究銷售量、顧客滿意度的影響因素、預測銷售量等。

回歸分析中，最簡單也最常用的就是線性回歸，可在SPSSAU【通用方法->線性回歸】中使用。

SPSSAU線性回歸

當因變量為定類數據，比如研究消費者對於酒精飲料和非酒精飲料的選擇偏好及影響因素時，可以使用SPSSAU進階方法里的二元logit回歸。

SPSSAU二元logit

如果是時間序列數據，可以使用【計量經濟->ARIMA預測】來預測未來預期銷售量，SPSSAU默認自動找出最佳模型輸出預測結果。

ARIMA預測

ARIMA模型擬合圖