定性与定量研究相结合，评估品牌/产品名称的优劣

文中的消费者（customer）指的是市场中的普通消费者（≈C 端），客户（client）指的是购买市调解决方案的公司（≈B 端）

01 定性研究（Qualitative Research）

定性阶段的目标是探究消费者心智以及提炼消费者声音。

定性阶段会收集意识或潜意识层面的想法，这有助于我们后续设计定量测试。

定性研究能获悉大量有关态度、信念和观点的信息，也能比较不同社会心理背景下的差异。

定性研究为客户提供了更好地理解和评估消费者行为和情绪的可能。

客户也因此能够了解哪些名称会引起消费者积极或消极的反馈。

焦点小组将帮助我们进一步探索了解当前或潜在消费者的观点。

焦点小组将会探讨这些内容：

1、消费者的人口学特征

2、产品名称如何影响消费者的购买过程

3、对候选名称的积极与消极的反应

4、某个名称所欠缺的是什么？

5、名称有多好记？

6、候选名称会唤起哪些想法？

7、为什么比起名称 B 更倾向于选择名称 A？

8、现有或目标消费者的生活方式是怎样的以及他们为什么使用这类产品？

9、他们对产品所产生的情绪

10、消费与购买习惯

02 定量研究（Quantitative Research）

定量阶段的目标是对每个候选产品名称（共 4 个）进行评分和排序。

定量研究将会获得有关产品名称偏好、市场信息和已尽 / 未尽需求的洞察。

基于我们在类似项目中的经验，我们建议使用定量的方式来处理 “消费者的声音”。

下述在线消费者调查的内容就可以被量化：

1、对候选产品名称的偏好程度

2、产品名称的重要性级别

3、他们是否会因为产品名称而不购买产品

4、他们购买某个有特定名称产品的频率

5、他们购买产品的频率以及如何使用产品

6、他们对产品的态度和使用情况

对于每一个产品，我们会询问 2 个问题，外加第 3 个追踪问题：

第 1 个问题是固定总额分配题，用于测量相对偏好度（relative preference）

如：

把 20 分分配给下列四个产品名称，你的分配结果即代表你对于这些名称的相对偏好程度。

这类问题用于测量偏好的程度（可以作为等距或等比数据进行解读）。

需要注意的是，总分数的设定需要能被参与测试的名称数量整除，这样偏好无差异的受访者就能够给予每个选项相同的分数（比如这里, 就是 4*5=20）。

第 2 个问题询问的是对最喜欢的选项的绝对喜爱度（absolute liking）

例如：

如果 1 分表示非常不喜欢，7 分表示非常喜欢，你会给问题一中你最喜欢的产品名称打几分？

这个 7 点计分的量表是经典的李克特量表，不过其他的量表也是可行的。

但是要记住，使用奇数点数的量表允许受访者给出中立的回答，而偶数量表（比如 1-10 分量表）会这让受访者从数学意义上就无法给出中立的回答，我认为在这种情况下是可取的。

第 3 题只对第 2 题中的打分低于某个阈值的受访者询问，探索是否有更好的替代

例如：

你能否提供一个在你看来比【你在题 1 里选的最优选项】更好的名字？

这个问题应当允许跳过，而且需要限制在很短的时间内作答（比如 5 秒），这样才能得到一个下意识的回答，而不是深思熟虑的答案。

一些替代方案和洞察

调查也可以只对 4 个产品询问第二个问题，然后从绝对喜爱度中推测相对偏好度。

不过，这样的问题和固定总额分配题相比，填答者的参与深度会没有那么深，而且会有 “全都选一样” 的风险。

这种风险可能来自受访者不愿做判断，或 “我乱填一下拿钱就好” 的心态。

提及备选名称，有些公司会起一个和产品在语义上有联系的名字。

不过，这也意味着在同一类产品中，名字可能是可互换的。

如果真是这样，我们也能顺理成章地向受访者问一个 “配对” 题。

例如：

请从这 7 个候选的产品名里，分别给这四个产品选一个最佳的名字。

有些客户会对这四个产品设想出不同的消费者画像。

这些画像主要是分类变量（性别、年龄段、种族 / 民族等等）的组合。

因此这些信息也可以在调研中一并采集，这样就能判断不同候选名称的吸引力在人口学背景之间是否存在差异。

03 战略分析（Strategic Analysis）

战略分析会结合从第一阶段的定性研究（焦点小组）以及第二阶段的定量研究（在线消费者调查）中获得的信息，以连贯且有效的形式展示出来。

交付物可以是一份综合性的 PPT 报告，内容包含：

1、消费者对候选产品名称的感知

2、积极的反应

3、消极的反应

4、影响消费者对产品名称感知的因素

5、进阶分析

6、每个产品的最佳名称

7、推荐的名称

8、结论

就进阶分析来说，最好先提出问题, 再选择对应分析工具。

不过，考虑到我们在目标变量（产品名）和人口学变量上采用的是离散选项，我们可以明确地采用非参数检验来考察定序数据之间的关系。

聚类分析以及 Logistic 回归也可能有所帮助，这取决于客户具体想了解些什么，以及更重要的，结果本身。

例如：

最终的交付物将会是一份能给管理层提供行动计划的高影响力报告。