传统上,组织的销售和市场营销部门会根据其消费者基础的人口统计数据来做出广告决策。一家全国性的消费品公司决定采取不同的方法。
让我们称这家公司为“巨型饮料(GB)”。GB的产品销售给包括大型食品连锁店、大盒商店、便利店和药品连锁店,以及食品行业的自动售货机在内的各种客户。这些分销渠道随后将GB产品销售给消费者。
他们的新策略是将产品组合与消费者实际消费产品的时间和方式相匹配。这使公司能够创建品牌策略,更好地满足消费者需求。他们通过以下方式增加了销售额:
- 优化产品组合
- 以不同的方式看待消费者
- 更好地洞察消费者需求
由于这种重新定位,公司能夠提高市场渗透率,并将整体产品组合的销售额提高了8.9%。
GB需要采取不同的做法
GB是一家国际饮料公司,销售各种水、碳酸软饮料(csd)、果汁和茶。所有产品都通过大型国际分销渠道销售。他们传统的品牌策略是识别消费者基础的人口统计特征,以开展促销和直接广告活动。这些包括性别、年龄、地理位置、收入、种族和民族。
采取不同做法的动力基于以下条件:
- 产品的快速变化带来了持续的增长挑战
- 消费者的需求和偏好正在发生变化
- GB面临越来越多的竞争对手和核心产品类别业务的下滑
- 客户正在寻求帮助,以推动其消费者基础的增长
一家知名的国际咨询公司被聘请来帮助GB制定策略,以与市场上越来越多且更具创新性的公司竞争。咨询师建议,与其使用人口统计数据来帮助开发营销材料,不如将策略基于他们所说的“需求空间”。咨询师的目标是通过以下方式创造可持续增长:
- 从消费者的角度看待产品
- 调整品牌策略以满足消费者需求
- 创建支持品牌策略的商业策略
- 使组织围绕一套清晰的优先事项进行整合
最初的目标是尝试理解消费者如何在GB产品和竞争对手产品之间做出选择。以下是核心策略。
咨询师请来了Chuck,GB的一位资深六西格玛大师级黑带,协助这个项目。由于消费者基础是国际性的,产品组合庞大,收集分析策略所需的数据是一个挑战。
保持简单,这是他们用来收集数据的方法:
- 他们进行了一项主要调查,核心问题相当简单(有22,000名受访者)。
- 人们被问到他们最后一次使用某一类产品(碳酸软饮料、茶、水、牛奶、烈酒、果汁等)的时间,不论品牌。
- 关键的后续问题是:
具体是哪种类型的产品?
你当时感觉如何?
你在一天中的什么时间使用它?
你在使用它时在哪里?
你和谁在一起?
主成分分析(PCA)是一种统计程序,它允许你总结大数据表中的信息内容。咨询师打算在数据收集完成后使用这种统计工具进行分析。
Chuck提出了一个更简单的首轮方法来开始。以下是他们使用的方法。
GB首先使用卡方分析,而不是主成分分析
卡方分析是一种统计工具,用于检查表格格式中捕获的值之间的关系或关联。它比PCA方法简单,但可以在深入PCA之前提供一个快速的初步了解。
首先,让我们看看卡方分析是如何工作的,以帮助你了解GB所做的事情。
基本的表格布局和计算在下面的图形中显示。
点击以下链接以刷新你对上述一些术语的了解:
这是实际卡方表格的格式,包含数据。
以下是计算机输出的一个仿真子集:
P值为0.000表明可以拒绝零假设(类别与情境之间无关联),并接受备选假设(类别与情境之间有关联)。
下一个表格对于解释Chuck如何解读上述最终输出很有用。
请注意,对于每一对类别和情境的搭配,都有三个数字。顶部的数字是该问题的实际响应数量。中间的数字是如果没有关联时你所期望看到的值。最后一个数字是总计算的卡方值。
Chuck对顶部行中的红圈的解读是,当询问特定产品类别3在情境3中的使用时,实际响应数量为378。如果类别与情境之间没有关联,Chuck本应期望看到一个理论值155.7。317.174表示这种配对对总卡方值有显著影响,且使用量超出预期。
这是一个关键发现。
第二行中的红圈显示实际响应仅为8,而预期为109.3。实际响应少于预期。这可以解释为不要在情境2中推广产品类别5,因为人们并不真正将产品类别5的使用与情境2联系起来。
在最终分析中,咨询师和Chuck将卡方结果中的信息与GB的产品组合叠加,得出了以下图形,显示了情境、产品类别、一天中的时间、他们与谁在一起,以及一个年龄人口统计。
使用设计空间策略比仅仅依靠人口统计数据更好
完整的数据收集和分析花了五个月时间完成。使用卡方分析很快,人们能够很容易地理解它。
在等待完成完整的PCA的同时,销售和市场营销部门开始评估GB在最有影响力的设计空间中填补产品的程度以及当前的市场份额。高级领导层还决定让所有部门的人员参与这个概念,无论他们的职能是什么。
整体奖金结构中加入了5%的奖金,这意味着组织中的每个人都被鼓励做他们能做的一切来支持新项目和市场策略的执行。
新策略奏效,增加了销售额和公司员工的参与度
根据最终分析,GB能够识别出他们在许多设计空间中拥有产品。他们能够确定自己是否在市场份额上占据主导地位或竞争力不足。
在一个设计空间显著正面的情况下,GB决定通过更好的广告和促销来增加其存在感,通过引入新产品进入设计空间,或者如果成本效益分析显示不具有财务可行性,则忽略这一机会。
例如,一个顶级机会是在下班后与一群朋友放松时消费的烈酒。不幸的是,GB没有酒精产品,所以他们不得不放弃这个机会。
一旦最终的产品组合确定下来,市场部就开发了一系列针对特定设计空间的广告和促销活动。例如,数据显示,一种低热量可乐最常被下班后希望放松的女性消费。广告展示了这一场景。另一种产品在年轻人外出寻找好时光时最受欢迎,通常在饮酒场所消费。广告也展现了这一点。
如果当前没有产品适合特定的设计空间,就会决定是开发新产品还是不去竞争强劲的对手。由于新策略的整体成功将影响大多数员工(因为包含在奖金结构中),每个人都敏感地了解他们需要做什么才能使这种方法成功。
实施卡方分析以分析数据时的3个最佳实践
销售和市场营销部门没有将这种类型的统计分析作为他们正常查看数据的方式。以下是一些提示,以帮助促进更高级统计工具的应用。
- 教授基础知识:虽然让咨询师完成所有工作并让领导层被动接受他们被告知的内容很容易,但这不是一个好方法。GB让Chuck教授统计分析的基础知识,包括卡方分析、回归分析、MSA和控制图等工具。这使领导层能更好地理解咨询师的结论,并质疑他们的建议。
- 首先使用简单的工具:虽然使用PCA会带来更全面和深入的分析,但GB首先采用更简单的卡方分析是明智的。如果结果不会提供太多价值,就没有必要花费大量时间和资源。卡方分析允许快速浏览和方向性指示,更全面的工具可能会揭示什么。
- 大多数统计工具都是灵活的: 虽然大多数人认为只有制造业才使用高级统计工具,但事实并非如此。卡方分析和大多数其他统计工具可以用于组织中的大多数功能。
卡方分析在帮助GB运用新的市场策略和提高销售方面发挥了作用
GB面临的第一个重大挑战是从向消费者提供传统人口统计模型广告转向更具创新性的设计空间概念。为了适应这一重大思维转变,GB希望收集大量数据。大数据集要求使用一些高级统计工具。卡方分析最适合他们研究的目标。
在分析数据之后,GB能够将其产品组合映射到最有增加销售机会的消费者需求组合上。通过将新策略的成功纳入奖金计划,激励员工考虑他们如何帮助支持该策略。在一年内,大多数新的目标广告已经上线,销售和市场营销副总裁报告销售增长近9%,并展望明年额外的销售增长。