主页 > 知识库 > 商标定位的分析模式

商标定位的分析模式

热门标签:百度更新规律 电话销售团队 电话运营中心 使用U盘装系统 百度AI接口 服务器配置 AI人工智能 分布式呼叫中心
商标定位和商标再定位的基础是分析相关市场的现时状况,在这个过程中,需要关注消费者的偏好和竞争者的状态。定位模式体现了消费者角度商标的空间定位,也可以理解为对消费者现有记忆结构方法上的简化表示(Esch,2008,第197页)。这里会使用到不同的方法,在此提到的感知模式基于多元分析方法,由此可以确定感知空间并在距离的基础上研究商标,分析所有相关的框架条件十分重要。除了关注众所周知的消费者需求结构以外,还需要掌握潜在需求,它有助于认识未来的定位机会。因为研究的空间只能通过二维或者三维表示,划定最重要特征的范围就显得尤为必要。一个这种定位模式的维度包括了消费者角度相关的功能性和/或象征性效益维度。在这样的模式中,当再定位商标的实际定位和应有定位都确定时,就把这两点之间的距离定义为再定位强度(参见图3.6)。
“再定位强度表明,两点之间被相关消费者感知到的商标位置在功能性和/或象征性方面的变化范围”(Recke,2010,第62页)。
有很多不同的方法都能分析商标定位,其中包括多维尺度(MDS)分析、联合分析、因子分析和判别分析(Backhausetal.,2011)。
1.基于多维尺度(MDS)的商标定位
多维尺度是商标定位分析框架下最重要的工具之一。MDS包含了大量的数理统计方法, 其目标都是为了估计差异性、特征参数和偏好数据。MDS用来反映商标相关位置的相似度,以期将商标在尽可能少的维度空间中表达出来。除了相似度,还可以分析偏好数据,它可以通过理想矢量和理想点来表达理想商标。
在对商标定位的分析中,多维尺度显现出了各种优缺点。最大的优点是,将感知空间的维度置于消费者对于商标的评价和偏好基础之上,以及同时在一个空间里表示出了商标的实际感知和消费者的“理想商标”。商标实际位置和理想点之间的距离越小,商标被选择的可能性越大。
多维尺度的一个重要缺点是,感知空间的维度没有涉及维度的重要性。因此,商标虽然可能在一个维度上很接近消费者的理想点,但是在商标选择上却并没有意义,因为这个相关维度对于购买行为来说不重要。此外,在多维尺度分析中,为了更好地观察2~3个维度的感知空间,必须采用至少7~8个商标。当消费者的备选集合(考虑购买的商标)呈现出较少商标时,就有可能产生问题。另外,在观察多维尺度要素配置的情况下,所有主观联系的商标都包括进来,因为一个错误就会导致结果的偏差。总的来说,多维尺度非常适合分析大量商标建立起来的市场,在这些市场中有很多购买行为相关的属性都已众所周知。多维尺度对于措施得出的说服力有限,其中一个原因就是感知维度和具体措施之间缺乏联系。
2.基于联合分析的商标定位
联合分析自20世纪80年代起运用到商标定位中,最先是为了找出那些对商标总体效益重要的效益维度。多维尺度评估的是真实商标,而联合分析重点评估的是虚拟商标,即可能的效益联系。这样的分析涉及总体效益的组合相加,其主要应用领域是新产品的定位。另外,联合分析还适合于调查和监控涉及商标特征的消费者偏好并运用于商标控制。同样,在联合分析基础上,还能研究消费者分类、进行价格决策并确定单一定位维度的重要性。
联合分析的优势主要在于,有可能对已经获得的成功进行灵活的再加工。劣势在于,需要提前确定所调查特征以及象征性商标效益维度的一体化几乎不可能,恰恰是这些商标效益在今天对于商标选择有重大意义。另外,还有一个限制是可供调查的特征数量,对于老的方法来说7个变量需要3个指标,新的方法则需要多达30个指标。
总的来说,联合分析特别适合于测量产品和商标偏好,在偏好测量领域中,它是运用最频繁的方法。
表3.1归纳了对这些分析的评估。

标签:四平 湘西 潜江 阿坝 日照 青岛 晋城 十堰

巨人网络通讯声明:本文标题《商标定位的分析模式》,本文关键词  ;如发现本文内容存在版权问题,烦请提供相关信息告之我们,我们将及时沟通与处理。本站内容系统采集于网络,涉及言论、版权与本站无关。
  • 相关文章
  • 下面列出与本文章《商标定位的分析模式》相关的同类信息!
  • 收缩
    • 微信客服
    • 微信二维码
    • 电话咨询

    • 400-1100-266