手机态度研究的“进”与“退”

在前面的文章中《费舍宾模型和消费者态度》通过案例延伸简单地讲解了下如何运用费舍宾模型对手机态度进行研究的思路，在本文中将此案例具体展开，站在分析人员的角色上对手机态度研究的过程进行梳理并将在分析过程中进入的误区和纠正的方案总结出来。基于该篇文章，营销人员或对消费者态度感兴趣的学生可以借鉴我们的思路并进行改进，同时在自研的过程避免错误的再次发生。

下面，我将通过对华为荣耀系列的六款手机做具体的模型应用和案例分析，标题中的“进”是指对“重要程度”和“信念”这两个分析维度的计算指标进行量化（对‘重要程度’和‘信念’概念不清，请参阅文章《费舍宾模型和消费者态度》），“退”是指纠正量化测量指标中错误方式，退出误区。

因此，消费者态度的研究对我们了解潜在消费者的行为很大的意义。故，我们选取电商评论(京东商品评论列表)作为手机态度研究的数据来源。

其次，由于手机的生命周期较为短暂，行业竞争的强烈和更新迭代的快速使得营销人员要在手机上市后销售的黄金时段内不断调整营销方案来加大销量，所以我们选取的电商评论时段为每款手机发布一个月内，以期手机的改进意见最有参考价值。

最后，划分手机的各级属性，我们将手机划分为4个一级属性，分别是：

这里对二级和三级属性不一一赘述了，读者可以通过本文附件中的手机属性表来了解具体的划分。

第二步 确定衡量指标

在费舍宾模型中，有两个分析维度，一个是手机属性的重要程度，另一个是消费者赋予手机属性的信念（评价）。对重要程度和信念的衡量指标并不是唯一的，下面确定的衡量标准也并不是最好的，但是最合适的。

重要程度

虽然每个消费者心中对属性的重要程度排序不一，但我们研究的是一个消费者群体，因此我们可以通过所有消费者对属性的提及次数来区分属性之间的重要程度，消费者对某个属性的提及次数越多，说明消费者对该属性越关注，则该属性在消费者心中越重要。

备注：如果要对不同产品之间的属性进行对比，还需要对属性的重要程度进行标准化，如何标准化成了问题。我们先来个情景模拟，假设两个小组，分别是A组和B组，这两个小组各有10人，这两组的人在讨论一群人（包括你），A组10个人中总共提及你10次，B组10个人中总共提及你100次，显然，B组更加关注你。因此，可以通过‘一个属性的提及次数与该手机上市一个月的评论数总和的比重’来对不同产品属性之间的重要程度进行比较。

信念

我们从认知的角度去确定消费者对某款手机具有属性的信念（评价），我们将消费者对每个属性的认知分成三种，分别是正面、中性和负面，并将这三种认知称为消费者对属性的调性评价。我们可以从每个评论中提取不同属性的调性的次数，比如，“某款手机的价格太高”，这个评价中 “价格”属性正面提及1次，所以我们提取“价格”属性正面声量1次，以此类推，从所有评论中可以提及“价格”属性的正面声量、中性声量和负面声量，其他属性的计算方法一样。然后每个属性的三种调性声量之和即为该属性的提及次数。

计算每个属性的认知得分，思路为：

• 一个属性每增加一个正面声量，其信念(评价)得分增加3分；
• 每增加一个中性声量，其信念（评价）得分增加2分；
• 每增加一个负面声量，其信念（评价）得分增加1分，

最后以每个属性的总的得分除以该属性的提及次数来对属性的信念（评价）得分进行标准化(每个属性的信念得分（也称为调性评价得分）=该属性的认知得分/该属性的提及次数)。

如何标准化是分析人员需要重点讨论的地方，同时也是极易进入误区的地方。在对重要程度就进行标准化的过程中，我们曾思考过将一个产品全部属性的提及次数之和作为分母，这是我们进入的误区之一，因为这样我们将无法对不同产品之间的属性进行比较。因而，在分析之前如何做好数据处理工作是重中之重，这是分析结果具有说服力的前提。

第三步 进行数据处理

如何数据处理，这里将不做具体的展开，数据处理之后我们应该得到的数据有荣耀系列手机各个属性的正面声量、中性声量、负面声量、提及次数、重要程度（关注度）和调性评价得分。用Excel来进行数据处理，并将结果保存在Excel中，后续将进入数据分析阶段。

集搜客GooSeeker自研的在线系统可以自动提取各大电商的评论并计算出上述各项指标，用户可通过自定义将消费者对不同产品或是不同属性的态度以各种图表的形式呈现出来，实现用户的个性化定制。

总结

本文主要探讨了费舍宾模型中重要程度和信念的衡量和标准化过程，在下文中将最后的分析结果简单呈现出来，数据分析的过程就像是丛林探险的过程，不知道前方的道路如何，但总是充满了惊喜、未知和冒险，结果可能是“柳暗花明又一村”，也可能是“无疾而终”，但重要的是过程。希望大家能在集搜客社区积极畅谈自己的探索过程。

附件一：手机属性分布一览