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,企业在经营时就如同“瞎子摸象、大海捞针”,根本无法锁定自己的目标市场,也就无法在市场竞争中找到自己的定位。如果没有明确的市场定位,企业也就无法规划和塑造差异化的品牌形象并赋予品牌独特的核心价值,当然就更无法针对性地去设计独特的产品去满足市场了。只有进行市场细分,才有营销战略的差异化。因此,市场细分是企业战略营销的重要组成部分和平台。

  市场细分的依据(或细分变量)通常是消费者的人文统计特征,如年龄、性别、地域、教育文化水平、可支配收入、职业、消费观念、个人偏好等。市场细分的目的是找准目标市场,以便企业有针对性地实施市场推广策略。既然如此,为什么不根据市场本身的特点(如市场禀赋、产品在市场中的扩散速度、市场规模等)进行市场细分呢?基于这种考虑,本文选取市场禀赋和人际传播速度进行市场细分。其中市场禀赋是指一个市场在其初始状态时接受新产品的能力,它与市场的成熟程度以及经济发展水平相关。在我国,东部沿海地区的市场禀赋要比中西部地区较高,对新产品的接受能力较强。人际传播(word of mouth)对于产品的推广非常重要。与媒体广告等其他营销推广形式相比,人际传播具有无可比拟的丰富性与灵活性。在新媒体到传统媒体的转型时期,人际传播在品牌营销、引导性销售方面仍然处于首要地位,被认为是最有效的营销推广形式之一。因此选取市场禀赋和人际传播速度作为市场细分依据有重要意义。可能因为这两个指标较难进行量化处理,所以至今学术界和理论界还没有这方面的研究。

  本文首先以手机产品为例,根据Logistic模型分别对全国31个省市估计市场禀赋和人际传播速度两个参数,然后以此为细分依据对各省市进行区域性市场细分,并分析各个细分市场的特点,以期对企业的营销推广工作有所帮助。

  二、研究方法

  (一)产品选择

  研究我国市场的特点,首先必须选择一个有代表性的产品。本文选取人们比较熟悉的手机产品作为分析对象。移动通信技术是近年来发展最为迅速的技术之一。2002年底,全球手机用户数量首次超过了固定电话用户数量,达11.5亿。到2005年底,全球手机用户数量已突破20亿。2006年底我国手机生产量约为4亿部,占全球产销总量的40%,成为手机生产销售第一大国。随着手机用户数量的逐年增长和手机功能的丰富,手机已经渗透到社会生活的各个层面,给社会政治、经济、文化、教育及个人生活等各个方面带来了深远的影响。

  手机具有复杂的产品属性。针对不同的消费者,它既可能是功能简单、价值几百元的低档消费品,也可能是集相机、MP3、GPS、电脑等功能为一体的价值上万元的高档消费品;既可能是富人的生活必需品,也可能是穷人的奢侈品;既可能是使用数十年的耐用消费品,也可能是经常更换的易耗品。可以说,手机是现代社会最具代表性的商品,以手机产品的扩散来研究市场是比较适合的。

  (二)模型的选择

  研究新产品扩散最常用的模型是著名的Bass模型,但该模型只适用于那些没有重复购买的耐用消费品,而不适合分析手机这一复杂产品,据统计,消费者平均每隔一两年就会换一部新的手机。

  本文采用的是Logistic模型。该模型由美国生物学家和人口统计学家珀尔(R.Pearl)和利德(J.reed)(1920)首先在生物繁殖研究中发现,后被广泛应用于生物生长过程和产业成长过程的描述。实证表明,很多成功推广的新产品和新技术,如传真机,CD,彩色电视机,电子邮件和互联网,其扩散的过程和路径是相似的。它表现为一种“S”型增长特征,即先缓慢启动,然后高速增长,最后减速增长并趋于饱和。本文认为,用Logistic生长曲线函数来分析手机产品特征,有较高的相似性和可行性。

  Logistic模型假定,产品在市场中的扩散速度与其市场占有量和潜在市场容量的乘积成正比。其函数原型为:

  (1)

  其中,t为时间, Y为因变量,这里指手机产品的市场规模,L为Y的最大极限值,表示产品的饱和(或最大)市场容量。M、 r分别为可控参数。 从(1)式解得

  (2)

  在(2)式中令t=0,可知

  (3)

  由(3)式可知参数M主要与初始市场销量Y(0)和饱和市场容量L有关,而后两者又取决于该市场的成熟程度以及消费者的购买能力与产品本身的特性等,所以参数M即代表“市场禀赋”。由(2)式可知,一个地区的市场禀赋越高,新产品在该市场上的销量就越大。

  从(1)式可以看出,参数r反映了已购买手机的消费者(数量为Y)和没有购买手机的消费者(L-Y)的交互作用对手机市场扩张速度 的影响,所以称之为人际传播(或口碑)影响参数。由(2)式可知, r越大,新产品在该市场上的销量Y越大。

  (三)数据收集与选择

  本文没有采用手机在市场上的实际销售量,而是采用普及率指标,它是指拥有手机的人数占地区总人口的比例。其原因有二:一是销售量数据受地区总人数的影响,普及率指标则消除了这一影响。二是普及率可以消除一人几部手机的影响。中国市场成长很快,为反映手机市场的现状,本文所用数据时间段为2002年到2006年,相关数据全部来自信息产业部的官方网站和历年《中国统计年鉴》。

  三、研究结果

  (一)Logistic模型参数估计

  由于(2)式中要估计的参数有三个L、M和r,所以不能用OLS方法,本文采用统计分析软件SPSS for Windows 13.0 中的非线性最小二乘方法,分别对全国及各省市进行估计,结果如表1所示。


从拟合度R2来看,所有地区的拟合值都在0.96以上,说明采用(2)式的拟合效果很好;从T统计值来分析,各省市地区的模型参数的T统计量都达到显著水平,表明参数L、M和r 的估计是有效的。

  如果以市场禀赋M为横轴(为清晰显示,M采用对数形式)、人际传播速度为纵轴,并以全国的M和r 值作为平均水平分界线,则全国31个省市被分成Ⅰ、Ⅱ、Ⅲ、Ⅳ四个市场区域,如图1所示,其中圆圈的大小反映了各省市手机市场规模的大小。由于饱和市场容量L在统计上不太稳定,误差较大,所以本文根据2006年各省市的手机实际普及率来刻画圆圈的大小。需要注意的是,实际普及率接近饱和市场容量L的地区(如北京、上海等)并不意味着市场没有增长空间,因为这些地区消费者的购买类型主要是手机的更换而不是新购。

【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: 2024-07-30 23:51:23

Logistic模型市场细分初探(1)的相关文章

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

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