Logistic模型市场细分初探(2)

 (二)结果分析

  从图1中圆圈的大小分布来看,越往右圆圈越大,这说明市场禀赋越高的地区,其市场规模越大。从水平方向上看,虚线右半部分的省市多为东部经济发达地区,左半部分的省市多为中西部经济不发达地区。这说明,一个地区的经济发展水平与市场禀赋正相关,经济越是发达,人们的收入水平越高,就越可能购买新产品。从垂直方向上看,虚线上半部分的省市比下半部分更容易受人际传播的影响。进一步分析可知,四个区域具有明显不同的特征:

  Ⅰ区:人际传播较快,市场禀赋较低。包括的地区主要是西部省份,特别是我国的几个少数民族自治区省份,如宁夏、西藏、广西、新疆、内蒙古,全部包含在该区,所以称之为“西部少数民族区”。这一区域经济不发达,消费者购买力较弱,对新产品的需求不旺盛,因此市场禀赋较低。

  在人际传播方面,文化背景和价值观会影响人际传播双方信息的选择、整合和传播方式,进而影响信息的传播效果,从而导致人际传播的差异。不同文化背景下的受者搜寻信息的主动性和所选择的搜寻途径会有所不同。Bruce(2000)在研究中发现,处于同一文化背景下传者和受者之间发生口碑传播的可能性要大于处于不同文化背景下的双方之间的传播,且前者的传播影响强于后者。另一方面,根据交易费用理论,人们总是尽可能地减少不确定性所带来的风险和成本,于是无论是传者还是受者都注重与同文化背景、彼此熟知的人建立互动的人际传播。因此,相通的文化与人际传播的影响呈现一种正相关关系。同理,由于价值观决定了人们对事物的判断和评价,具有相同价值观的传播双方容易达成共识,而彼此价值观相左的人很难有一种互通有无的传播关系,即便有,最终也会在双方的纷争中瓦解。总之,具有相同文化背景和价值观的人们能产生较强的人际影响力。同一自治区的少数民族具有相同的价值观,属于同一文化,因此更利于人际传播,所该区域人际传播对产品扩散的影响较大。

  Ⅱ区:人际传播较慢,市场禀赋较低。该区域主要包括的主要是我国中部省份,经济也不发达,不妨称之为“中部不发达地区”。该地区是中华民族的主要发源地,承载着中华五千年的文明史。历代的改朝换代,兵荒马乱,民不聊生,生活朝不保夕。长期的历史和文化的影响,形成了人民的贫困和相互不信任的局面。由此人际传播效果不佳,市场禀赋较低也就不难理解了。

  Ⅲ区:该区域的特征与Ⅱ区正好相反,人际传播较快,市场禀赋较高。包括的主要是我国经济最发达的省市,如北京、上海、广东、浙江、江苏等,所称之为“东部发达地区”。这一区域是我国改革开放国策的最早受益者,市场经济较为发达,人们的购买力较强,所以市场禀赋较高。同时,该区域市场经过20多年的发展,作为市场经济基石的彼此信任,也在一定程度上建立起来了。另一方面,受沿海海洋文化的影响,人们在思想上也更加开放,更具包容性,人际传播时更容易产生信任感。所以该区域人际传播较快。

  Ⅳ区:人际传播较慢,市场禀赋较高。主要包括和天津、福建和东北三省。相对于前面“东部发达地区”来说,区域虽然也同样地处东部,但在经济方面稍逊一筹,而强于中西部地区,所以称为“东部次发达地区”。相应地在市场禀赋方面的表现也是低于“东部发达地区”而高于“中部不发达地区”。也许因为这一地区的人太能“忽悠”了,过分的能言善辩反而使人们产生戒备心理,人际传播的效率也就打折扣了。这一特点可能东北三省表现最为突出。

  四、结论和讨论

  (一)研究结论

  本文根据市场禀赋和人际传播速度两个市场特征变量,把全国31个省市分成具有明显不同特征的四个细分区域:“西部少数民族区”、“中部不发达地区”、“东部发达地区”和“东部次发达地区”。其中“西部少数民族区”和“东部发达地区”虽然同为人际传播较快的区域,但原因是不一样的:前者多出于文化的原因,后者多是经济因素的影响。

  (二)研究意义

  对于企业营销工作者来说,上述市场细分是有重要意义的:从产品角度来看,市场禀赋高的地区适合销售价值较高的高档产品,反之则销售低档产品;从产品促销方式的选择方面来分析,人际传播速度快的地区适合采用人员推销和营业推广的方式进行产品促销,反之则要更多地依靠大众媒体传播方式进行促销。

  对于手机市场,国外手机巨头非常重视市场调研,并根据市场调研的结果进行消费者细分,准确选择目标市场,精确进行市场定位,它们往往采取高端市场树品牌,中端攫取利润,低端打市场的高中低端通吃的蚕食政策,使国产手机只能在狭小的市场缝隙中勉强生存。国产手机制造商对消费者细分不明确,产品定位模糊,市场失利是很自然的事。因此本文的研究对国产手机厂商采用市场策略具有参考作用。

  (三)研究不足

  传统的市场细分为了更加详细地描述目标消费群体的特征,往往采用多个(一般是2~5个)细分变量,把整个市场细分成几十个甚至成百上千个细分市场,然后再对每个细分市场进行评估,从中选择适合本企业的目标市场,这是一项十分艰难的工作。本文仅根据市场禀赋和人际传播速度两个细分变量进行市场细分,这只是一种粗略的细分,提供的市场信息也是有限的。另一方面,如果能多选择几个代表性的产品进行相同的分析,然后对细分后的市场进行归纳分析,得出的结论也许更有说服力。

【了解更多商业智能行业资讯,商业智能解决方案以及商业智能软件下载请访问FineBI商业智能官网www.finebi.com】

时间: 2024-08-06 15:40:39

Logistic模型市场细分初探(2)的相关文章

Logistic模型市场细分初探(1)

市场细分在战略营销中占据着极其重要的地位.营销大师Kotler等(1999)把市场细分定义为“将市场划分为有着显著需求.特征或行为差异的不同群体的消费者,每一群体的消费者对产品或营销组合有着同质的需求”.Dibb等(2001)认为,市场细分就是将具有异质特征的消费者进行聚类的过程,细分后的每一类消费者具有相似的需求或购买特征.企业则根据自身的资源和外部竞争情况从中选择自己具有比较优势或认为更具有投资价值的细分市场作为企业的目标市场.企业的一切营销战略,都必须从市场细分出发.没有市场细分,企业在经

混沌数学之logistic模型

logistic回归又称logistic回归分析,主要在流行病学中应用较多,比较常用的情形是探索某疾病的危险因素,根据危险因素预测某疾病发生的概率. 相关DEMO参见:混沌数学之离散点集图形DEMO logistic的用途: 一.寻找危险因素,正如上面所说的寻找某一疾病的危险因素等. 二.预测,如果已经建立了logistic回归模型,则可以根据模型,预测在不同的自变量情况下,发生某病或某种情况的概率有多大. 三.判别,实际上跟预测有些类似,也是根据logistic模型,判断某人属于某病或属于某种

TFC360冯燃:手游市场细分领域新秀崛起

狗刨学习网报道/3月17日上午,2015第十届TFC全球移动游戏大会在北京国际会议中心开幕.本届大会以"寻路.跨界.融合"为主题,吸引了超过300位业内重量级嘉宾参与,360手游商务总监冯燃受邀出席大会并发表演讲,向在场嘉宾分享了手游市场细分类型新秀的潜力和价值. 360手游商务总监冯燃 冯燃认为,"经历2014年的发展,国内移动游戏产业逐渐成熟,玩家对于产品的要求和品质大大提高,手游市场的竞争更加激烈."据<2014年中国游戏产业报告>指出,去年手游营

流失预测模型实证-Logistic模型

Logistic模型原理,求解参数过程以及用例: 整个求解过程,就是用前一期的参数来求下一期的参数 用例,代码  待继续..... 原文地址:https://www.cnblogs.com/laoketeng/p/11331284.html

混沌数学之二维logistic模型

上一节讲了logistic混沌模型,这一节对其扩充一下讲二维 Logistic映射.它起着从一维到高维的衔接作用,对二维映射中混沌现象的研究有助于认识和预测更复杂的高维动力系统的性态.通过构造一次藕合和二次祸合的二维Logistic映射研究了二维Logistic映射通向混沌的道路,分析了其分形结构和吸引盆的性质,指出选择不同的控制参数,二维映射可分别按Feigenbaum途径等走向混沌,并且指出在控制参数空间中的较大的区域. 二维滞后Logistic映射的数学方程为: x(n+1)=y(n);y

机器学习——Java调用sklearn生成好的Logistic模型进行鸢尾花的预测

机器学习是python语言的长处,而Java在web开发方面更具有优势,如何通过java来调用python中训练好的模型进行在线的预测呢?在java语言中去调用python构建好的模型主要有三种方法: 1.在Java语言中,通过python的解释器执行python代码,简单来说就是在java中通过python解释器对象,传入写好的python代码,进行执行,这样的方式运行的效率非常低,而且存在很多python包无法使用的情况,只适合做简单的python代码的运行,并不推荐使用. 2.通过PMML

解释机器学习模型的一些方法(二)——在受监管的行业使用机器学习

对于在受监管行业中工作的分析师和数据科学家来说,尽管机器学习可能会带来『能极大提高预测精度』这一好处,然而它可能不足以弥补内部文档需求以及外部监管责任所带来的成本.对于实践者而言,传统线性模型技术可能是预测模型中的唯一选择.然而,创新和竞争的驱动力并不因为你在一个受监管的模式下工作就会止息.在银行,保险以及类似受监管垂直领域里,数据科学家和分析师正面对着这样一个独一无二的难题:他们必须要找到使预测越来越精准的方案,但前提是,保证这些模型和建模过程仍然还是透明.可解释的. 在这一节中所展现的技巧,

deep learning学习(四) 逻辑斯蒂(logistic)回归深入理解和matlab程序求参数

第一节中说了,logistic 回归和线性回归的区别是:线性回归是根据样本X各个维度的Xi的线性叠加(线性叠加的权重系数wi就是模型的参数)来得到预测值的Y,然后最小化所有的样本预测值Y与真实值y'的误差来求得模型参数.我们看到这里的模型的值Y是样本X各个维度的Xi的线性叠加,是线性的. Y=WX (假设W>0),Y的大小是随着X各个维度的叠加和的大小线性增加的,如图(x为了方便取1维): 然后再来看看我们这里的logistic 回归模型,模型公式是:,这里假设W>0,Y与X各维度叠加和(这里

Logistic回归模型和Python实现

回归分析是研究变量之间定量关系的一种统计学方法,具有广泛的应用. Logistic回归模型 线性回归 先从线性回归模型开始,线性回归是最基本的回归模型,它使用线性函数描述两个变量之间的关系,将连续或离散的自变量映射到连续的实数域. 模型数学形式: 引入损失函数(loss function,也称为错误函数)描述模型拟合程度: 使J(w)最小,求解优化问题得到最佳参数. Logistic回归 logistic回归(Logistic regression 或 logit regression)有时也被