预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共30页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

编号: 时间:2021年x月x日 书山有路勤为径,学海无涯苦作舟页码:第页共NUMPAGES30页 第PAGE\*MERGEFORMAT30页共NUMPAGES\*MERGEFORMAT30页 第一部分目标市场定位 很少有一项产品能够同时满足所有消费者的需求,也没有任何一个企业能够占领整个市场,原因在于一方面,构成整个市场的消费者在地域分布、社会背景、行为特征、消费需求和偏好、消费水平与习惯等方面存在的巨大差异造成他们在购买决策和购买行为方面的多元化倾向,另一方面,企业进入不同市场和提供不同产品的能力也是有很大差异的。既然只能满足一部分消费者,那么针对整个市场的营销就是一种浪费,势必严重影响营销效果。因此,每个企业都必须找到它能最好满足的市场部分----合适的目标市场(企业准备进入、集中精力为之服务的某个或几个细分市场。我们习惯称作“目标市场”)。 目标市场定位致力于回答这样一个问题:企业的产品应该面向哪一类或哪几类消费者。具体说,就是为发展商找到并描述其合适的目标市场,确定针对一个或几个目标市场形成独特的产品/营销组合策略,以求获得收益最大化的过程。 本次目标市场定位采用以定量调查分析为主,以定性调查调查为补充的方式进行。 目标市场定位方法一:定量分析 市场分析技术 市场定位的过程如下图所示: 定义市场 确定细分标准 划分市场、描述特征 评估各细分市场 选定一个或多个目标市场 市场定位开始 市场定位结束 房地产市场的开发也需要准确的市场定位,针对阳光100项目,我们主要遵循以下思路进行分析: 非概率的样本选择 样本选择方法的正确与否是调查数据质量优劣的关键。在本次调查中,基于观澜高球城的概念特点并经过对消费者的定性分析,我们采取了非概率的随机抽样方法,主要做法是通过调查员目测和问卷甄别,筛选出真正的潜在购买者——对高档社区感兴趣的人群,事实上将调查对象总体限定为社会中层及以上群体。这样,一方面保证了调查的针对性,另一方面可以在误差最小的前提下提高调查的效率。 多维度的市场细分标准 市场细分的标准有很多,根据其中任何一个都可以将整体市场划分为多种类型,这样划分的结果是各类型之间的差别只限于单一特征方面,而各类型内部个体之间仍然具有很高的异质性,对于产品定位和营销策略研究没有太大的参考意义。因此,我们采取了多维度的细分标准,与单一标准相比,多维度方法有以下特点: 市场细分结果包含了丰富的信息。由于同时从多个维度进行分析,潜在购买者的各方面差异被全方位地考虑进去了,调查资料也被最大程度地利用起来,其结果无疑更能反映复杂的社会群体特征。 各细分市场之间差异明显,而其内部个体之间趋向同质化。也就是说,多维度进行细分的结果使得我们能够清楚地判断每一类型的各方面特征和对不同类型进行区分,从而有利于针对不同类型采取不同的策略。 AIO系统的应用 AIO系统是一种有效的市场细分指标体系,主要包括行动、兴趣、态度和社会经济指标四大类指标,本次研究即采取该指标体系进行市场细分。在具体适用AIO系统时,考虑到兴趣与态度的强烈相关性,我们将其作为一类指标(生活态度)进行研究。 现代的房地产市场不同于一般消费品市场的一个重要特点在于开发商向购买者提供的不仅仅是产品本身,更多的是一种生活方式。有鉴于此,在实际的研究过程中,我们将主要从生活态度类指标对市场进行细分,而以其他指标对市场细分结果进行描述和映证。 市场细分中的多元统计方法应用 多维度的市场细分标准要求在具体的定量分析过程中运用多变量的统计模型,本次研究我们采用的主要有因子分析、聚类分析等多元统计方法和交叉分析、分组分析等其他统计方法,各种统计技术的具体操作和实际意义在报告其他部分有详细介绍。 市场细分过程 市场细分基本过程 市场细分的基本统计分析过程图解: 聚类分析 因子分析 变量1 变量2 变量3 变量4 变量5 变量6 公因子1 公因子2 公因子3 公因子4 整体市场 A市场 B市场 C市场 新变量 基础变量 图解说明: 主要过程分为两个步骤:因子分析是对基础变量(指标)的简化,聚类分析是对样本的分类。 基础变量的来源:有关生活态度、行为方式的具体指标。 因子分析的意义:生活态度、行为方式都是高度抽象的概念,不同的人会产生不同的理解,因此在调查过程中必须使用大量通俗客观的测量语句,以降低抽象层次,使不同个体的回答之间具有可比性。但这样做的同时会产生大量的变量,难以进行综合评价,而且各个变量之间往往存在较强的相关关系,变量之间的高度相关意味着他们所反映的信息高度重合。通过因子分析我们能找到较少的几个因子,它们之间彼此不相关(相对而言),代表了数据的基本结构,反映了信息的基本特征,可以用来衡量高度抽象的概念(因子的个数由SPSS自动生成