‘数据分析实战’——用户偏好案例（某彩电企业用户偏好分析）

第5章 用户偏好分析案例解析——某彩电企业用户偏好分析
5.1 研究目的：差异化营销
5.1.1 差异化营销的必要性
由于用户偏好存在差异性，差异化营销可最大限度满足用户需求，从而使企业经营业绩提升。

5.1.2 差异化营销的可行性
基于时间思维和结构思维，用户偏好分为五阶段和七要素，而用户差异也就体现在这里。

 产生需求
 信息收集
 方案必选
 购买决策
 购后行为

5.2 研究内容：五阶段和七要素

5.3 用户偏好数据获取
5.3.1 调研计划
5.3.2 数据录入

5.4 调研数据处理
5.4.1 数据清洗
数据清洗分为数据集成，数据转换，数据消减和数据清洗
 数据集成：将多个数据源数据合并到一起
 数据转换：对数据进行标准化处理
 数据消减：通过因子分析，将数据聚合和降维，以缩小数据规模
 数据清洗：需完成数据筛选，数据查重，数据补缺和数据纠错

5.5 数据分析架构
5.5.1 分析目录

1. 用户整体偏好分析
   频数统计可反映用户偏好

2. 各类用户偏好分析
   将用户偏好和用户基本特征做交叉分析或比较均值
   注意：不能直接做交叉分析或比较均值对比不同用户的偏好差异，而因先做方差分析，检验不同用户间是否存在显著的偏好差异，因为只有存在差异，才需要做差异对比。

3. 用户基本特征描述
   因为用户特征不同，分析结论也往往不一样，故对用户基本特征进行描述，可提醒业务需求方对分析结论的应用场合。

5.5.2 分析体系
用户偏好分析的三个核心问题：
 分析内容
 分析数据
 分析方法

5.6 数据分析方法
5.6.1 频数统计
Ex:

5.6.2 均值分析
Ex:

5.6.3 方差分析
将用户的特征作为因变量，问卷中的问题作为自变量，计算问卷中的问题有哪些问题（自变量）对用户特征（因变量）是显著的。
单因素方差分析：即一个用户特征（因变量）对应一个问题（自变量）
Ex:

5.6.4 比较均值
做方差分析时，是将用户特征当作因变量，问卷调查的问题当作自变量；然而，在完成方差分析，开始做比较均值分析时，则是将问卷调查的问题当作因变量，而用户特征作为自变量进行统计。
注意：比较均值法适用于数值型的数据，如性别对应他人推荐的考虑程度
Ex:

5.6.5 交叉分析

这里的交叉分析就是将一个维度放在行上，第二个维度放在列上，且各行和各列加总为100%。
注意：交叉分析法适用于分类型数据，如性别对应彩电的规格。

5.7 分析结果解读
5.7.1 用户整体偏好分析

注：用比较均值法得到

注：用交叉分析法得到

5.7.2 各类用户偏好检验（使用之前的F检验或者说方差分析中的单因素检验）
不同性别用户在两个方面偏好上存在显著性差异
 对他人推荐的考虑程度
 购买彩电的规格
Ex:


由上图可看出，在性别分类上，他人推荐的考虑程度存在显著性差异；同样在性别分类上，彩电的规格也存在显著性差异。

5.7.3 各类用户偏好对比

在通过显著性差异检验后，基于比较均值分析可知，女性比男性更加看重他人的推荐

在通过显著性差异检验后，基于交叉分析可知，男性和女性都倾向于选择33-39英寸的规格，但相对于女性，男性更倾向于选择大尺寸的彩电。

5.7.4 用户基本特征描述
由图可知，受访的彩电用户中女性居多，占总受访人数的60.3%