1 / 41

Markedsanalyse/Marketing Engineering

Markedsanalyse/Marketing Engineering. Carsten Stig Poulsen Foråret 2008. Formål med kurset. At give den studerende kendskab til marketing modeller og deres anvendelse At kunne opstille relevante modeller og identificere afledte datakrav

janna
Télécharger la présentation

Markedsanalyse/Marketing Engineering

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Markedsanalyse/Marketing Engineering Carsten Stig Poulsen Foråret 2008

  2. Formål med kurset • At give den studerende kendskab til marketing modeller og deres anvendelse • At kunne opstille relevante modeller og identificere afledte datakrav • At kunne estimere modellerne og vurdere sikkerheden heri • At kunne anvende modellerne i relevante sammenhænge Carsten Stig Poulsen Foråret 2008

  3. Plan for kurset • De første fire gange er lærerstyrede suppleret med øvelser • Den femte gang er projektemne seminar • De sidste fire gange studenterstyrede med lærerdeltagelse, fx i form af introducerende oversigtsforelæsning Carsten Stig Poulsen Foråret 2008

  4. Keller: Measuring Brand Equity • The concept of Brand Equity • Marketing perspective on BE • Consumer driven: brand knowledge structures • Response to marketing efforts •  Def. På BE:  Effect of brand knowledge on response • Other conceptualization: BAN, mental map • Brand knowledge • Brand awareness: bredth, depth • Brand image: perceptions, preference Carsten Stig Poulsen Foråret 2008

  5. Keller: Measuring Brand Equity • Sources of BE • qualitative methods • Free associations: likes-dislikes, uniqueness, Wh-questions • Projective methods: completion, comparison tasks • Brand personality and relationship • J. Aaker: 5 dim. in brand personality • S. Fournier: 6 dim. In brand-consumer relationship • Ethnographic and observational methods • Pro/con of qualitative methods Carsten Stig Poulsen Foråret 2008

  6. Keller: Measuring Brand Equity • Quantitative methods • Awareness • Recognition • Recall: • Unaided • Aided, different degrees • Image • Lower level brand associations • Performance related • Brand imagery: user profiles, purchase and usage situations, personality, values, history • Higher level brand associations • Brand judgments: quality, credibility, consideration, superiority • Brand feelings: warmth, fun, excitement, security, social approval, self-respect Carsten Stig Poulsen Foråret 2008

  7. Keller: Measuring Brand Equity • Consequences of (positive) BE • ”distorted” perceptions and interpretation of product • Reduced response elasticity • Larger margins • Trade support • Licensing opportunities • Brand extensions Carsten Stig Poulsen Foråret 2008

  8. Keller: Measuring Brand Equity • Measuring the outcomes • Comparative methods • Brand-based approaches: marketing-mix fixed, brand varying • Marketing-based approaches: brand fixed, marketing-mix varying • Conjoint-measurement: combines the two experimentally • Holistic methods: the overall value of the brand • Residual approaches: the contribution of the brand • Valuation approaches: financial value • Cost approach • Market approach • Income approach: Interbrand methodology Carsten Stig Poulsen Foråret 2008

  9. Carsten Stig Poulsen Foråret 2008

  10. Grundlaget forBrandScape Forbrugernes valg af brands antages at bygge på tre forhold: • Hvilke brands kender forbrugeren, hvilke har hun adgang til at købe, og hvor involveret er hun i dem, dvs. hvilken relation forbrugeren har brands? • Hvilke egenskaber i vid forstand forbinder forbrugeren med de enkelte brands, dvs. hvilket image har de? • Hvordan afvejer forbrugeren brand i forhold til pris, når hun skal vælge et produkt i kategorien. Hvis valget af brand varierer med brugssituationen (f.eks. hverdag/fest), vil analysen være betinget heraf. Carsten Stig Poulsen Foråret 2008

  11. Oversigt over BrandsScape modellens elementer • Trade-off mellem Pris/BrandValue er modellens ”motor” • BrandValue måles indirekte • BrandRelation måler forbrugerens engagement i Brands • BrandImage måler hendes opfattelse af Brands • Modellen bestemmer en (gennem-snitlig) sandsynlighed for valg af brands • Ved aggregering og vejning for købsfrekvens og -mængde fås en modelbestemt markedsandel Carsten Stig Poulsen Foråret 2008

  12. BrandScapePris/BrandValue trade-off • Hvor meget værdsætter forbrugeren – alt andet lige – at det produkt, hun køber, bærer vores brand fremfor konkurrenternes? • Hvor følsom er forbrugeren over for ændringer i prisen på vores brand? To centrale dimensioner er afgørende for værdien af et brand: Carsten Stig Poulsen Foråret 2008

  13. Om måling af Brand Equity: ”The price premium may well be the best single measurement for the strength of brand equity, because in the vast majority of situations whatever equity is based on influences the price a consumer is willing to pay for the brand. So the price premium is a reasonable reflection of the strength of the brand.” David A. Aaker (1996): Building Strong Brands. New York: The Free Press. Carsten Stig Poulsen Foråret 2008

  14. BrandScapePris/BrandValue trade-off • Sammenstilles disse to dimensioner får vi følgende BrandValue matrix: Carsten Stig Poulsen Foråret 2008

  15. BrandScapeMåling afPris/BrandValue trade-off Carsten Stig Poulsen Foråret 2008

  16. BrandScapeBrandValue matrix Carsten Stig Poulsen Foråret 2008

  17. BrandScapeBrandValue matrix med Brand-specifik prisfølsomhed Carsten Stig Poulsen Foråret 2008

  18. BrandScapeMarkedskortet som et ”træ” Carsten Stig Poulsen Foråret 2008

  19. BrandRelationIllustreret ved Markedstræet Carsten Stig Poulsen Foråret 2008

  20. BrandScapeBrandImage Carsten Stig Poulsen Foråret 2008

  21. BrandScapeBrandImage • Imagepositioner er links i forbrugernes bevidsthed mellem brands og egenskaber • Egenskaber kan være produkt attributter, brand associationer, brand personality, etc. • Afdækning af de centrale diskriminerende egenskaber i kategorien ved kvalitative metoder • Afbildes som maps, der viser sammenhængen mellem brands og egenskaber Carsten Stig Poulsen Foråret 2008

  22. BrandScapeBrandImage Carsten Stig Poulsen Foråret 2008

  23. BrandScapeSammenkædning af de tre moduler • Sandsynligheden for at vælge et Brand forklares ved • faserne i relationsmodellen, BrandRelation • associationerne til de enkelte brands, BrandImage • mærkernes iboende værdi,BrandValue • prisen og prisfølsomheden på brands • Herved har vi bevæget os fra det beskrivende til det forklarende niveau • Ved at aggregere valgsandsyn-ligheden over alle forbrugere, vejet for købsfrekvens og -mængde, kan ”markedsandele” simuleres • Herved har vi bevæget os fra det forklarende til det forudsigende niveau Carsten Stig Poulsen Foråret 2008

  24. Market shares Choice probability BrandValue matrix BrandRelation BrandImage Carsten Stig Poulsen Foråret 2008

  25. Putting it all together, inspired by Keller Carsten Stig Poulsen Foråret 2008

  26. Lehman: Using Regression to Answer ”What If” • The regression model • The central role of data • Selecting variables to consider • Getting data/measures of the variables • Missing data • Specifying the mathematical form • Estimating the coefficients (model) • Interpreting the results substantially • Interpreting the results statistically • Uses of regression Carsten Stig Poulsen Foråret 2008

  27. Case: Logoundersøgelsen Carsten Stig Poulsen Foråret 2008

  28. Carsten Stig Poulsen Foråret 2008

  29. Data matrice Carsten Stig Poulsen Foråret 2008

  30. RegressionsanalyseFormål • At finde en sammenhæng mellem en eller flere uafhængige variable og en afhængig variabel y, ofte på lineær form: • At vurdere styrken af sammenhæng mellem den afhængige og de uafhængige variable, som helhed og for hver variabel • At kunne forudsige værdier af y for nye værdier af Carsten Stig Poulsen Foråret 2008

  31. RegressionsanalyseSPSS Input Carsten Stig Poulsen Foråret 2008

  32. RegressionsanalyseSPSS Input Carsten Stig Poulsen Foråret 2008

  33. RegressionsanalyseSPSS Output Carsten Stig Poulsen Foråret 2008

  34. Specifying the mathematical form • Linear in parameters vs. linear in variables • Polynomial regression • Log-linear models • Multiplicative model (Cobb-Douglas function) • Truly non-linear models Carsten Stig Poulsen Foråret 2008

  35. Estimating the coefficients • Ordinary Least Squares (OLS) • Weighted Least Squares (WLS) • error variance heterogeneity • Generalized Least Squares (GLS) • correlated errors • 2 Stage Least Squares (2LS) • simultaneous equation systems • Maximum Likelihood Estimation (MLE) • generally applicable in linear as well as non-linear models Carsten Stig Poulsen Foråret 2008

  36. Technical concerns • Discrete variables • Dummy coding or effects coding • Interaction between explanatory variables • Multiplication of variables (cross-product) • Outliers • Identification, removal, correction, explanation • Multicollinearity • Threat to interpretation • Identification • Remidy Carsten Stig Poulsen Foråret 2008

  37. Technical concerns (cont.) • Omitted variables • When are they a problem? • Causes bias in estimators • Correlation between predictors and error term • Time series • Heterogeneity in coefficients • Observed heterogeneity • Unobserved heterogeneity • Latent class models • Hierarchical Bayes models Carsten Stig Poulsen Foråret 2008

  38. Uses of regression • Key drivers of response • Observed segmentation bases • Unobserved segmentation bases • Forecasting • Interpolation • Extrapolation • Scenarios • Monte Carlo simulations Carsten Stig Poulsen Foråret 2008

  39. Regression model in matrix notation: Why bother? • Compact and elegant notation • Used extensively in multivariate analysis • Reading technical journals (JMR, IJRM, Marketing Science, etc.) requires knowledge of matrix algebra • Unfortunately, not easy to get used to (a little like reading music scores) Carsten Stig Poulsen Foråret 2008

  40. Øvelser • På grundlag af data fra logoundersøgelsen opstilles en regressionsmodel • Lineær i parametre og forklarende variable • Nogle af egenskaberne kan have karakter af idealpunktsmodel (for lidt og for meget). Undersøg dette ved en polynomisk model. (Antag, at idealet er midterværdien på skalaen). • En multiplikativ (Cobb-Douglas) model. • Anvend den lineære model til at forudsige effekten af en design-ændring af et logo. • Reducér antallet af variable i modellen ved hjælp af stepwise regression. • Undersøg, om det kan antages, at den samme regressionsmodel er gældende for alle logoer (Hint: indfør at passende antal dummyer til beskrivelse af logoerne og brug p. 260 i Lehman). Carsten Stig Poulsen Foråret 2008

More Related