Markedsanalyse/Marketing Engineering Carsten Stig Poulsen Foråret 2008.

Præsentationer af emnet: "Markedsanalyse/Marketing Engineering Carsten Stig Poulsen Foråret 2008."— Præsentationens transcript:

1 Markedsanalyse/Marketing Engineering Carsten Stig Poulsen Foråret 2008

2 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

3 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

4 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

5 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

6 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

7 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

8 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

9 Carsten Stig Poulsen Foråret 2008 9

10 10 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. Grundlaget for BrandScape  Forbrugernes valg af brands antages at bygge på tre forhold:

11 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

12 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:

13 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.

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

15 Carsten Stig Poulsen Foråret 2008 15 BrandScape  Måling af Pris/BrandValue trade-off

16 Carsten Stig Poulsen Foråret 2008 16 BrandScape  BrandValue matrix

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

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

19 Carsten Stig Poulsen Foråret 2008 19 BrandRelation Illustreret ved Markedstræet

20 Carsten Stig Poulsen Foråret 2008 20 BrandScape  BrandImage

21 Carsten Stig Poulsen Foråret 2008 21 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 BrandScape  BrandImage

22 Carsten Stig Poulsen Foråret 2008 22 BrandScape  BrandImage

23 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

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

25

26 Carsten Stig Poulsen Foråret 2008 26 Putting it all together, inspired by Keller

27 Carsten Stig Poulsen Foråret 2008 27 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

28 Carsten Stig Poulsen Foråret 2008 28 Case: Logoundersøgelsen

29 Carsten Stig Poulsen Foråret 2008 29

30 Carsten Stig Poulsen Foråret 2008 30 Data matrice

31 Carsten Stig Poulsen Foråret 2008 31 Regressionsanalyse Formål 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

32 Carsten Stig Poulsen Foråret 2008 32 Regressionsanalyse SPSS Input

33 Carsten Stig Poulsen Foråret 2008 33 Regressionsanalyse SPSS Input

34 Carsten Stig Poulsen Foråret 2008 34 Regressionsanalyse SPSS Output

35 Carsten Stig Poulsen Foråret 2008 35 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

36 Carsten Stig Poulsen Foråret 2008 36 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

37 Carsten Stig Poulsen Foråret 2008 37 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

38 Carsten Stig Poulsen Foråret 2008 38 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

39 Carsten Stig Poulsen Foråret 2008 39 Uses of regression Key drivers of response Observed segmentation bases Unobserved segmentation bases Forecasting –Interpolation –Extrapolation –Scenarios –Monte Carlo simulations

40 Carsten Stig Poulsen Foråret 2008 40 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)

41 Carsten Stig Poulsen Foråret 2008 41 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).