Samenvatting marketing research

Tentamen:
- definities kennen
- Wat is de power van een test?
- Outputs begrijpen
- Verschil tussen anova en logistische regressie
(andere meetschalen)
- Verschil tussen anova en een t toets?
Bij meerdere groepen anova

Samenvatting:

Factor analyse-> deze methode bestaat uit hoofdcomponenten analyse en
gemeenschappelijke factoren analyse. Deze analyse is bedoeld om de
onderlinge verbanden bij grote hoeveelheden variabelen te ontdekken en om
deze te verklaren in termen van hun gemeenschappelijke onderliggende
dimensies (factoren). Het is de bedoeling de variabelen samen te voegen in
een beperkter aantal variabelen zonder hierbij informatie te verliezen.

Conjoint analyse->Deze methode is zeer geschikt voor het evalueren van
complexe zaken. Dit komt doordat er de mogelijkheid is voor de onderzoeker
om zowel het belang als het niveau van een attribuut in te kunnen vullen,
ondanks dat de ondervraagde slechts enkele profielen, combinaties van
attributen, hoeft te beoordelen. Deze methode maakt het mogelijk het
optimale product te ontwerpen.

Cluster analyse-> analylistische methode voor het maken van subgroepen
op basis van eigenschappen/kenmerken. Drie stappen: eerst bepalen
hoeveel clusters er in de database aanwezig zijn. Dan het feitelijk clusteren
van de data, waarna de clusters worden gekarakteriseerd en benoemd.

Multidimentional scaling: het in kaart brengen van gelijkheid en voorkeur
op basis van afstanden in een meervoudig dimensionale ruimte. Het gaat
hierbij om de relatieve positionering van de objecten.

Hoe zit het met het imago t.o.v. de concurrentie?
 MDS
 regressie

NPD-> new product development research
 conjoint analyse
 clustering

Segmentatie:
 clustering


1

,  factor
 anova
 logistische regressie

Marketing mix effectiviteit:
 ANOVA
 Logistic
 Dummy variabele regressie

Effectiviteit van promotie?
 dependence problematiek: -anova (variabelen metrisch)
 verklarende variabelen: wel of niet plaatsen (nominaal/categorisch)
 Logistische regressie: hoe is de resultaats variabele geresulteerd

Efficiëntie van de direct mailing campagnes verhogen:
 Clusteranalyse doen op klantgroepen
 Logistische regressie: resultaatsvariabelen wel of niet kopen.
Verklarende variabelen: marketingactie.

Reorganisatie van schap voor omzetverhoging:
 omzet metrische resultaatsvariabele
 Anova: (ook met experimenten werken)

Fortisbank:
 clustering

CP:
 identificatie van dimensies die tevredenheid bepaalt.

Types van analyse per probleemstelling:
Conjoint per respondent, per groep respondenten.
Segmentation: logistische regressie-> clusters gemaakt.
Resultaatsvariabele: zit iemand in cluster? Verklarende variabele: sociaal
demografisch.

GFK: - MDS/ clustering/reduceren met behulp van factoranalyse/
voorspellen via logistische regressie.

Welke type relatie wordt onderzocht?
Dependence Interdepence
Logistische regressie Factor analyse
Conjoint analyses Cluster analyse
MDS



2

, Multivariate methoden:
1. Dependence/Interdependence
Kunnen de variabelen verdeeld worden in onafhankelijke en afhankelijke
op basis van de theorie?
2. Aantal afhankelijke (resultaats) variabelen (dependent altijd 1)
Als dat kan, hoeveel varibalen worden dan in één analyse als afhankelijke
meegenomen?
3. Data scale of variabelen (metrisch/non metrisch)
Hoe worden de variabelen gemeten?
4. centrale vraag
5. compositional of decompositional(conjoint/MDS overeenkomsten)
6. statistical assumptions
7. theory bases/ exploratory (cluster weinig statistische assumpties)

De eerste vraag bepaalt of er voor een afhankelijkheidstechniek of een
onderling afhankelijk techniek wordt gekozen. Waarbij bij de tweede
methode de variabelen gelijktijdig geanalyseerd worden en geen enkele
individuele variabele of groep van de variabelen wordt gedefinieerd als
(on)afhankelijk. Niet metrische data kunnen met behulp van dummy
variabelen geschikt gemaakt worden voor metrische analyses.

Puur significantie meten is ANOVA, conjoint is specifieke subeffecten.




3