- 相关推荐
市场调研数据分析方法
做市场调查的，我们一定要掌握市场调研数据分析方法，以下是小编精心准备的市场调研数据分析方法，大家可以参考以下内容哦！
市场调研数据分析方法 篇1
一、产品经理为什么要做市场调研？调研的目的是什么？
我们在做市场调研前，必须有一个自己的调研思路：我们要调研的对象，需要收集的数据，需要达到的效果等。只有有了明确的目标，才能获得更加有效的数据。
1、通过调研了解市场需求、确定目标用户、确定产品核心，为了更好的制订MRD；
2、为领导在会议上PK提供论据；
3、提高产品的销售决策质量、解决存在于产品销售中的问题或寻找机会等而系统地、客观地识别、收集、分析和传播营销信息，及时掌握一手资源；
4、验证我们定的目标客户是不是我们想要的，目标用户想要什么样的产品或服务；
5、了解我们能不能满足目标用户的需求并且乐于满足目标用户的需求；
6、找准产品机会缺口，然后衡量各种因素，制定产品战略线路；
7、调研到最后，目标越明确，需求确明确，也就会觉得，产品越难做，难以打开市场等；
8、对于全新的产品，调研前PM必须先自己有一个思路，然后通过调研去验证自己的想法的可行性。
二、市场调研的方式方法有哪些？怎样确定调研的维度？
1、问卷调查、用户AB测试、焦点访谈、田野调研、用户访谈、用户日志、入户观察、网上有奖调查；
2、做人物角色分析：设置用户场景、用户角色进行模拟分析；
3、情况推测分析；
4、调研的维度主要从战略层、范围层、结构层、框架层、视觉层来展开（不同的产品从不同的层次来确定调研的维度）
三、如何整理市场调研的数据？
对收集到的调研数据，我们需要整理出那些有效的数据，对于无效数据果断丢弃。对有效数据进行细致的处理、分析。
通过市场调研，我们收集了不少的数据，这些数据都是用户最直接的对产品的某种需求的体现。作为产品经理，我们视这些数据为宝贝，我们需要将这些数据进行整理，让他们变为珍宝。那我们该如何整理呢？
1、将规范的数据按照维度整理、录入，然后进行建模；不规范的数据的话就必须得自己先通过一些定性的处理，让它变得规范，然后再用工具进行分析；
2、封闭性的问题，设置选项归类即可。开放性的问题，建议还是先录下来，然后再头脑风暴整理出有用的东西；
3、定性的，焦点访谈和深访，都可以录音，在事后可以形成访谈记录；焦点访谈的过程中，可以以卡片的形式或者其他的形式让用户做选择题，可以获取少量的有数据性的东西，其他的更多的是观点、方向性的，这个需要在整理访谈记录的时候根据问题来归纳整理；
4、深度访谈的数据整理，我们以前会做头脑风暴，建立很多个用户模型，强行量化这些数据。这个方法比较有效，特别在做人群研究的时候。
四、如何书写市场调研报告？
对整理后的数据，我们最终需要形成书面的市场调研文档报告，以最直观的方式呈现给我们的BOSS，从而获得老板对产品的支持。
1、对市场调研的数据分析后进行的说明总结，用图表或图形的形式最直观呈现；
2、分析用户当前现状，用户对产品的需求点；
3、报告的组成有研究背景、研究目的、研究方法、研究结论等相关内容；
4、根据调研的时候的思路，将报告逐一完善，将数据分析的结论图表化，得出自己的结论总结出趋势和规律
五、数据分析的方式方法有哪些？
1、数据分析需要掌握数据统计软件和数据分析工具（分析工具如SPSS等）；
2、数据分析的主要方法有：
对比分析法:将两个或两个以上的数据进行对比分析，分析其中的差异，从而揭示这些事物发展变化的'规律和情况。对比分为横向对比和纵向对比。
结构分析法:被分析研究总体内各部分与总体之间进行对比分析的方法，即总体内各部分所占的指标。
交叉分析法:同时将两个有一定联系的变量及其值交叉排列在一张表内，使各变量值成为不同变量的交叉点，一般采用二维交叉表进行分析。
分组分析法:按照数据特征，将数据进行分组进行分析的方法。
其他还有比如漏斗图分析法、杜邦分析法、矩阵关联分析法等等。
数据分析的方法有很多种，在进行数据分析的时候，选择有效的数据分析方法，能达到事半功倍的效果。
六、数据分析报告如何指导产品经理进行产品设计？
1、根据调研结论确定产品核心功能
2、把数据分析的结果加入到整个迭代设计的过程中加速产品的迭代更新
3、评估解决方案的可行性。根据实施的结果再去评估解决方案是否真的可行？是否还需要再改进，依此类推
4、通过数据进行分析，得出用户的行为规律，为产品提供支撑
5、日常的运营分析，及时发现产品问题
6、产品后期设定一系列的运营指标进行运营监控，然后反馈产品迭代，指标主要包括：
1、用户的反馈；
2、产品的BUG；
3、市场的反映；
4、产品未来的发展方向；
5、点击率、留存率等等。
市场调研数据分析方法 篇2
01、频数分析：分析比例，掌握基础信息
无论是哪种领域的统计分析，频数分析都是最常用的方法。在市场调研中，频数分析也是最基础、使用最广泛的方法。一般可用来统计分析样本基本信息，统计比例，如消费者的基本信息，对产品的基本态度，是否愿意购买产品等。
02、描述分析：定量数据对比
描述分析适用于分析对比定量数据。例如对比各维度均值，了解在哪些方面得分较高，哪些方面得分较低，找出优势项或短板项，从而制定出有针对性的改善方案。可用于分析产品满意度、用户需求等。
03、IPA分析：满意度-重要性分析
IPA分析，又叫重要性表现程度分析法。是通过绘制散点图，对比不同项目或维度的重要度和服务表现，从而直观的识别出优势项、劣势项。适用于服务质量、满意度分析、产品竞争力分析等。
04、差异分析：交叉分析，寻找个性差异
上面几个方法一般只是初步描述研究结果，想要更深入的探究分析项之间的差异性则要进行差异分析。例如探究不同背景的消费者在“认知”，“态度”，“行为”，“原因”上的差异；是大学生还是工薪族更加喜欢我的产品？不同学历的消费者对于产品的需求有没有差异等等。
差异分析常见包括几类分析方法：方差分析、t检验和卡方检验。
其实核心的区别在于：数据类型不一样。如果是定类和定类，此时应该使用卡方分析；如果是定类和定量，此时应该使用方差或者t检验。
方差和T检验的区别在于，对于T检验的X来讲，其只能为2个类别比如男和女。如果X为3个类别比如本科以下，本科，本科以上；此时只能使用方差分析。
三种方法都可在SPSSAU【通用方法】中使用。
05、帕累托图：抓大放小，把握关键因素
帕累托图，是“二八原则”的图形化体现。在数据分析中二八原则可以理解为：80%的结果是由20%的因素产生的。
实际应用场景中，帕累托图可以用来评估产品、划分客户、员工管理等，找出找出导致前累积80%的项，并且重点关注和分析。
SPSSAU有两处提供了帕累托图分析，一般可用【可视化->帕累托图】；如果是多选题则使用【问卷研究->多选题】默认会生成帕累托图。
重点分析累积加和占比在80%内的相关项目，频数越靠前说明越是重要因素。
06、聚类分析：用户分类
通过聚类分析，我们可以找到一类人群的综合特征，并按照其特征细分成不同人群。相比用单一分类标准，聚类分析可以综合多个指标结果，得到更加合理的类别。
不同行为的客户有不同价值，比如可选择消费次数、购买量、顾客满意度、忠诚度等指标，对不同价值的客户进行分类。
当变量较多时，可先做主成分或因子分析，得到每个维度（因子）的数据，再进行聚类。
07、对应分析：寻找市场定位
对应分析，是把一个交叉表结果通过图形的方式展现出来，用以表达不同的`变量之间以及不同类别之间的关系。
对应分析可应用在市场细分、产品定位等领域相关中。
通过图形可以解读出同一变量各类别的区分程度，以及不同变量各类别间的关联程度。
第一，考察同一变量：查看同一变量的不同类别是否被清晰区分开。
第二，考察变量间的关系：离原点越远，意味着该点对于‘关系幅度’的表达越强，即说明该点越能体现出‘关系’；
第三，在相同区域点与点之间靠得越近，意味着它们之间关联关系越强；点与点之间靠得越远，意味着它们之间关联关系越弱。
08、市场预测：回归分析
回归分析是确定两种或两种以上变量间影响关系的方法。在市场调研中，回归分析可以用来探究销售量、顾客满意度的影响因素、预测销售量等。
回归分析中，最简单也最常用的就是线性回归，可在SPSSAU【通用方法->线性回归】中使用。
【市场调研数据分析方法】相关文章：
多维数据分析方法04-07
数据分析常用方法07-26
关于面向数据流的分析方法04-11
市场调查数据分析方法12-02
常用数据分析方法有哪些04-04
有关多因子变量分析及数据化方法01-06
大数据分析07-20
数据分析报告07-28
数据分析个人总结01-09