時輝 李杏杏南京信息工程大學

省大學生實踐創(chuàng)新訓(xùn)練計劃項目，校教改提升項目（N1885012131)

摘要：隨著南京市經(jīng)濟的發(fā)展，其江北地區(qū)零售商店發(fā)展迅速，零售商之間的競爭也越來越激烈。對零售商店來說，明確其目標市場對其發(fā)展具有重要意義。通過問卷調(diào)查了解江北零售商店具體情況，采用混合回歸模型，對南京市江北零售商店進行市場細分研究，確定其目標市場，并制定零售商店目標市場策略，為零售商店在江北經(jīng)營提供有益的參考。

關(guān)鍵詞：零售商店；混合回歸模型；細分市場

一、引言

近年來，隨著南京市經(jīng)濟的大發(fā)展，江北地區(qū)（包括浦口區(qū)，六合區(qū)）已經(jīng)成為南京經(jīng)濟發(fā)展重要的一極，在經(jīng)濟上對全市的貢獻率已大幅度提升。從產(chǎn)出總量上看，南京市江北地區(qū)生產(chǎn)總值占全市比率由9.11%提高至11.35%；人均GDP由全市平均水平的2/5提高到1/2；工業(yè)總產(chǎn)值占比由全市的1/20提高至1/10；而且江北地區(qū)的總?cè)丝谂c人口密度都有增長，總?cè)丝谟?sPAN lang=EN-US>134.17萬增長至139.64萬，人口密度由564人/平方公里增長至587人/平方公里，人口增長意味著消費需求的增長。從零售業(yè)的消費情況來看，2011年南京市江北地區(qū)社會消費品零售實現(xiàn)327.78億元（包括六合區(qū)194.87億元，浦口區(qū)132.91億元），占全市社會消費品零售總額的12.15%，增長速度是21.04%，相比于全市社會消費品零售17.8%的增長速度要高出3.24個百分點。2010年實現(xiàn)了江北地區(qū)社會消費品總額270.79億元，占全市社會消費品零售總額的11.8%，增長速度是20.08%，相比于全市社會消費品零售18.3%的增長速度要高出1.78個百分點。此外，良好的經(jīng)濟環(huán)境、政府政策的支持以及基礎(chǔ)設(shè)施的建設(shè)，將促進江北零售業(yè)的發(fā)展。

家（限額以上）。據(jù)不完全統(tǒng)計，江北的大型超市和百貨商店的數(shù)量至少有160家，占全市總量的7.3%，而其零售總額占全市的10%左右。目前，許多國外的零售商店進駐江北地區(qū)，比如沃爾瑪、家樂福等，同時國內(nèi)的零售商店也在當?shù)匮杆侔l(fā)展起來，如北京聯(lián)華，華潤蘇果等。這些零售商店的發(fā)展極大的促進了江北地區(qū)經(jīng)濟的快速發(fā)展，也提高了人們生活水平，改變了人們的生活方式。

隨著零售商店的迅速發(fā)展，其面對的競爭越來越激烈，如何在競爭激烈的環(huán)境下確定其目標市場，進一步擴大市場，提供更滿意的服務(wù)，提高企業(yè)的競爭力，是零售商店面臨的一系列問題。因此，對這一課題進行研究有助于零售商店找到適合的目標市場并進行差異化定位，只有這樣才能使得零售商店在激烈的競爭中擴大市場，提高市場占有率。希望通過調(diào)查了解南京江北地區(qū)零售商店的具體情況，運用混合回歸模型進行市場細分，并提出零售商店的目標市場策略，為其在江北經(jīng)營提供有益的參考。

二、研究方法

基于有限混合分布的混合回歸模型 (Mixture Regression Model)，也被稱為潛類別回歸模型（Latent Class Regression Models，LCM），在營銷領(lǐng)域有著比較廣泛的應(yīng)用，尤其是應(yīng)用在市場細分的研究中。學者Everitt BS和Friedrich Leisch詳細的介紹了有限混合回歸模型在市場細分中的原理及在R軟件中的運用。

混合回歸模型是一種以不能直接觀察到的細分變量為基礎(chǔ)進行市場細分的研究方法。在本課題研究中，我們以消費者對零售商店的滿意度為因變量Y，以購買便利、商店形象、商店環(huán)境、商店設(shè)施、人員服務(wù)、商店層面、感知價值、結(jié)帳過程、商店政策和售后服務(wù)10個屬性為自變量，分別為X1，X2，…，X9，X10。其中滿意度和各個屬性變量都通過多個題項來測量，其測量值為對應(yīng)題項得分的平均值。對于指定的受訪者，其線性回歸方程可表示為:

（1）

其中a1…a10是回歸方程的系數(shù)，e為殘差。

在本課題中，第一步設(shè)計問卷；第二步抽樣調(diào)查及問卷檢驗；第三步利用R軟件計算在不同細分市場個數(shù)K下模型的貝葉斯信息標準（Bayesian Information Criterion，BIC），通過BIC來判斷合適的細分市場個數(shù)K，當BIC值最小時對應(yīng)的K值就是適當?shù)募毞质袌鰝�數(shù)；第四步，利用對每個細分市場模型進行分析，確定細分市場的規(guī)模，以及市場模型的系數(shù)。最后，給出建設(shè)性的意見。

三、調(diào)查對象與調(diào)查問卷

（一） 調(diào)查對象

在問卷設(shè)計方面參考了謝贊等人在研究百貨商店市場細分時設(shè)計的問卷，把商店的整體形象劃分為購買便利、商店形象、商店環(huán)境、商店設(shè)施、人員服務(wù)、商店層面、感知價值、結(jié)帳過程、商店政策和售后服務(wù)10個屬性和顧客對商店的滿意度，，并在問題設(shè)計方面做了一些合理的修改。采用問卷調(diào)查的形式，以在超市、商場門口攔截的方法對消費者進行調(diào)查。本次調(diào)查選取江北大廠華潤蘇果，大廠華聯(lián)超市，沃爾瑪弘陽店，泰山世紀華聯(lián)，浦口物美超市，盤城好又多超市、世紀華聯(lián)超市馬鞍店、上海華聯(lián)超市長山連鎖店、蘇果超市管墩店等20家大型超市作為調(diào)查地點。設(shè)計樣本容量為300，由于在調(diào)查時是在商店門口攔截調(diào)查，并且是面對面訪問并指導(dǎo)調(diào)查者填寫問卷，所以回收率是100%，剔出一些無效的問卷，最終獲得的有效問卷有267份。樣本調(diào)查結(jié)果如下：在調(diào)查者中男性約占43.45%，女性占56.55%，男女比例相當，女性略多于男性，這也符合女性更喜歡購物的事實，符合實際情況；在年齡方面，調(diào)查者中在18歲以下約有2.25%，在18至24歲之間約有27.34%，在25到30歲之間約有24.34%，在31至35歲之間有39.33%，在36至40歲之間有4.87%，40歲以上人群約占1.87%；職業(yè)方面，被調(diào)查者中學生約占17.60%，企業(yè)職員占42.32%，公務(wù)員占1.87%，個體戶占26.59%，自由職業(yè)占11.61%，其他約為1.87%；學歷方面，高中以下學歷約有23.97%，大專學歷約占43.82%，本科學歷約占43.82%，研究生學歷約占6.37%，博士學歷約占3.75%；在月收入方面，其中1000元收入以下26.22%，1000至2999約占20.97%，3000至4999元約占30.34%，5000至10000元16.48%，在10000元以上約占5.99%，數(shù)據(jù)分類大致符合實際情況。

（二）調(diào)查問卷的信度和效度分析

利用SPSS軟件對問卷的信度和效度做了檢驗。信度檢驗衡量指標選取內(nèi)部一致性系數(shù)，也就是 Cronbach α 系數(shù)。對江北零售商店的調(diào)查問卷進行信度檢驗，結(jié)果顯示各個屬性的Cronbach α分別為：購買便利（0.874），商店形象（0.868），商店環(huán)境（0.796），商店設(shè)施（0.731），人員服務(wù)（0.815），商品層面（0.759），感知價值（0.892），結(jié)賬過程（0.842），商店政策（0.839），售后服務(wù)（0.895），滿意度（0.897），其中總量表為0.902。可以看出各個Cronbach α系數(shù)值都比較高，均達到了0.7以上，說明此次調(diào)查問卷可靠并且隨機樣本信度具有較高一致性，可以進行一致性的統(tǒng)計分析。

調(diào)查問卷效度檢驗主要包括結(jié)構(gòu)效度和內(nèi)容效度兩個方面。結(jié)構(gòu)效度主要考核數(shù)據(jù)的相關(guān)性和探索性因子分析。進行相關(guān)系數(shù)檢驗，我們采用皮爾森相關(guān)性方法，檢驗每一題的得分與調(diào)查問卷總分之間的相關(guān)性，以此觀察題目與問卷總體的匹配程度。經(jīng)過對問卷的檢驗，各題目的相關(guān)系數(shù)都達到了0.5以上，這說明問卷設(shè)計的題目與調(diào)查目的有很好的相關(guān)性，因此，各個題目都符合調(diào)查的需要。主要用KMO樣本測定和Bartlett 球型檢驗進行變量之間的相關(guān)性檢驗并通過了檢驗。進行變量之間的檢驗之后，需對調(diào)查問卷進行探索性因素分析，由于調(diào)查問卷涉及兩大部分，分別是商店整體形象和滿意度調(diào)查，所以根據(jù)第一部分的10個屬性，設(shè)定因子值為10，第二部分設(shè)定因子值為1，經(jīng)過最大正交旋轉(zhuǎn)后，所有題目的因子荷重都在0.7以上，這說明所有題目的效度都滿足了最低效度的要求，可以用于統(tǒng)計分析。

四、實證結(jié)果與主要結(jié)論

（一）實證結(jié)果

整理回收的問卷，分別計算出10個屬性以及滿意度的測量值，運用R軟件的flexmix包對各個變量做有限的混合回歸分析。在這里細分市場個數(shù)K的范圍在1～300之間。由于K值取1時的結(jié)果對市場細分沒有意義，然而如果K值過大，對企業(yè)來說過多的細分市場意味著更大的成本，故也沒有意義。所以在這里K 取2到9，并在這之間分別對每個數(shù)值進行計算，求出混合模型的BIC值，結(jié)果如表所示。

表1   K迭代數(shù)次后的BIC

K值

Iter迭代次數(shù)

BIC

2

143

590.8993

3

93

598.4944

4

97

572.5361

5

117

612.6825

6

84

611.6221

7

121

582.5760

8

142

554.0130

9

97

598.5752

 

上表的運算結(jié)果顯示，BIC在K取4時最小，也就是說江北零售商店的市場可以分為4個細分市場。用R軟件輸出當K=4時，各個細分市場模型的回歸系數(shù)，以及各個細分市場規(guī)模的大小，如下表2所示。

表2 混合模型系數(shù)

 

Comp.1

細分市場1

Comp.2

細分市場2

Comp.3

細分市場3

Comp.4

細分市場4

coef.(Intercept)

1.11668546 **

（3.1214）

6.627917409***

（5.9910）

0.859668821***

（79.875）

9.034703039***

（26.5540）

coef.X1購買便利

0.42183356***

（11.4426） 

0.006038458

（0.0971）

-0.306668334***

（-105.690）

0.300431963***

（16.3638）

coef.X2商店形象

0.03143981

（1.2100）   

0.150180084**

（2.9077）

0.438959842***

（201.036）

0.069290613**

（3.2050）

coef.X3商店環(huán)境

0.16562073***

（7.1386） 

0.063242974

（1.1105）

0.801984857***

（434.629）

-0.031370460***

（-16.0569）

coef.X4商店設(shè)施

0.17641030***

（4.0893）

0.022152041

（0.3191）

0.791346442***

（101.774）

-0.031232594***

（-11.8026）

coef.X5人員服務(wù)

0.53541203***

（17.7920）

0.128560483*

（2.0939）

0.321957470***

（1106.959）

0.009133931

（0.4901）

coef.X6商品層面

0.56398831***

（20.5001）

0.097164625*

（1.3653）

-0.0037423841***

（-336.679）

0.743217570***

（38.0926）

coef.X7感知價值

0.12476592***

（12.9722）

0.006570329**

（0.1512）

0.895726465***

（393.778）

-0.052946664***

（-29.0349）

coef.X8結(jié)帳過程

0.19610690***

（7.7024）

0.069563887

（1.4310）

0.620533174***

（344.140）

0.205305887***

（13.2767）

coef.X9商店政策

0.20244687***

（7.8173）

0.133574183*

（2.4286）

0.411235640***

（188.661）

0.051775935**

（3.1152）

coef.X10售后服務(wù)

0.40871835***

（22.7162）

0.138313016**

（2.9552）

0.056603886***

（13.982）

0.050706754**

（2.8747）

市場規(guī)模

0.1362

0.6511

0.0566

0.1561

注： Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1；“（）”中為z-value

 

（二）主要結(jié)論

我們對調(diào)查數(shù)據(jù)的計量分析，上表中有個別市場模型的個別系數(shù)的P值大于0.05，沒有通過檢驗，但是由于數(shù)值比較小，對滿意度的影響比較小，可以忽略不計，且在本研究中我們只考慮對細分市場影響較大的屬性，所以各細分市場的模型是可以接受的。結(jié)果如上表所示，并得到如下結(jié)論：

第一、利用R軟件中的flexmix包統(tǒng)計分析，當市場個數(shù)K=4時，樣本數(shù)據(jù)被分為不同的規(guī)模的4組，通過樣本估計總體，我們得到的4個細分市場的市場規(guī)模各不相同，其中細分市場1約占13.62%；細分市場2約占65.11%，市場規(guī)模最大；細分市場3約占5.66%，是最小的一個細分市場；細分市場4約占15.61%，規(guī)模相對較大。

第二、利用R對數(shù)據(jù)作進一步的做統(tǒng)計分析，可以得到4個細分市場的混合回歸模型，上表中的各組數(shù)值為各細分市場的回歸模型系數(shù)，不同的細分市場可以用不同的回歸模型來表示，如細分市場1的回歸模型為：Y=0.422X1+0.031X2+0.166X3+0.176X4+0.535X5+0.564X6+0.125X7+0.196X8+0.202X9+0.409X10+1.117；其他市場以此類推。

），且這兩種屬性的影響具有相當顯著的效果，在細分市場）和結(jié)賬過程（0.205）。

五、研究啟示

由于樣本數(shù)據(jù)在統(tǒng)計中會存在一定的誤差，但不會對市場細分的結(jié)果產(chǎn)生大的影響，在本研究中我們只選取對細分市場影響最大的兩到三個屬性來提出管理經(jīng)營的建議。在不同的目標市場中，不同屬性對最終的滿意度的影響有所不同，企業(yè)在經(jīng)營管理中應(yīng)該注意到屬性的影響的大小的不同，對不同的細分市場采取有針對性的經(jīng)營策略，因此結(jié)合細分市場的回歸模型和市場規(guī)模大小給出如下建議：

細分市場 1：在這個細分市場中，商品層面X6和人員層面X5的變化對滿意度Y的影響較大，且是正相關(guān)關(guān)系，這說明該細分市場中的消費者更加注重商品的質(zhì)量、品種及款式等，應(yīng)該屬于求實心理的消費者。因此在滿足該類消費者的過程中，商店需要提供品種、款式、花色都能達到消費者要求的高品質(zhì)商品。同時該目標市場的消費者重視人員服務(wù)，說明這類顧客在購買商品時除了購物的需求，更加注重企業(yè)的軟服務(wù)質(zhì)量。熱情的人員服務(wù)和良好購物環(huán)境能夠給消費者帶來愉悅的購物心情。所以針對這類顧客企業(yè)要提高服務(wù)質(zhì)量，注重服務(wù)人員的舉止，提高服務(wù)能力。

細分市場 2：在這個細分市場中，商店形象X2和售后服務(wù)X10的變化對滿意度Y的影響較大，說明這部分消費者重視商店形象，所以這類消費者可能是工薪階層，企業(yè)要獲得這類消費者的青睞，就必須提高企業(yè)的形象，提高自己在社會上的責任感，獲得這類顧客的信任。另一方面企業(yè)對待這部分顧客要著重提高售后服務(wù)質(zhì)量，提供快速積極的售后服務(wù)，滿足顧客的服務(wù)需求，同時又能夠提高企業(yè)的形象。此外，該細分市場規(guī)模最大，企業(yè)在經(jīng)營時要予以重視，其他屬性也要給予足夠的關(guān)注。

細分市場 3：在這個細分市場中，感知價值X7和商店環(huán)境X3的變化對滿意度Y的影響較大，這類消費者在消費時對會員卡制度可能有較大的吸引力，對商品的價格合理性要求高，同時對購物環(huán)境也比較敏感。因此，企業(yè)應(yīng)該注重落實會員卡優(yōu)惠制，定期進行會員優(yōu)惠活動，提高消費者信賴，并保持良好的購物環(huán)境。因為該市場規(guī)模相對較小，企業(yè)在管理經(jīng)營時要適當投入，要把更多的資源用在較大規(guī)模的市場中。

細分市場 4：在這個細分市場中，售后服務(wù)X10和購買便利X1的變化對滿意度Y的影響較大，因此企業(yè)要對待這部分顧客既要著重提高售后服務(wù)質(zhì)量，提供快速積極的售后服務(wù)，滿足顧客的服務(wù)需求，又要能夠提高企業(yè)的形象。同時，也要注重提高這類顧客的購買便利，例如擴大停車位、實行專車免費接送等，為顧客提供便利的交通服務(wù)。

六、總結(jié)

通過設(shè)計問卷對南京是江北地區(qū)的零售商店進行滿意度評價調(diào)查，利用混合模型對調(diào)查結(jié)果分析，發(fā)現(xiàn)可以將零售商店細分為4個目標市場。由于江北經(jīng)濟的發(fā)展現(xiàn)狀使得各個細分市場的規(guī)模不同，其中目標市場2和目標市場4在整個市場中的規(guī)模比較大，所以建議企業(yè)在經(jīng)營管理時，既要重視這兩類市場，還要針對不同屬性對滿意度的敏感程度，采取不同策略，如在目標市場2，要提高商店形象和售后服務(wù)的質(zhì)量，以更好滿足消費者需求，獲得較高的顧客忠誠度。文章的不足在于本研究是一種事后研究，無法預(yù)測消費者的偏好是否會改變，即不能確定某個消費者是否會因為環(huán)境或其他的變化在某一個細分市場中改變，以及細分市場的規(guī)模是否會改變。因此，建議零售商店在管理經(jīng)營時，能夠注意收集客戶有用的信息，及時關(guān)注市場變化，制定合理的經(jīng)營戰(zhàn)略。對市場細分的預(yù)測研究將是我們的下一個研究方向。

參考文獻

[1]南京市統(tǒng)計局.南京統(tǒng)計年鑒2012.鳳凰出版社，2012

[2]南京市統(tǒng)計局.南京統(tǒng)計年鑒2011.鳳凰出版社，2011

[3]王高，黃勁松，趙字君，李石磊.應(yīng)用聯(lián)合分析和混合回歸模型進行市場細分[J].數(shù)理統(tǒng)計與管理，2007，26(6)

[4]Everitt BS， Hand DJ. “Finite Mixture Distributions[J]”. Chapman and Hall, London. 1981

[5]Leisch F.“FlexMix: A General Framework for Finite Mixture Models and Latent Class Regression in R.[J]” Journal of Statistical Software， 2004，11(8).

[6] 謝贊.混合回歸模型在百貨商店市場細分中的應(yīng)用[J].數(shù)理統(tǒng)計與管理，2009（2）

[7]王保進.英文視窗版SPSS與行為科學研究[M].北京：北京大學出版社，2007.

[8]馬慶國.管理統(tǒng)計:數(shù)據(jù)獲取、統(tǒng)計原理與SPSS工具與應(yīng)用研究[M].北京：科學出版社，2002．

引用：本文已由現(xiàn)代商業(yè)雜志出版,轉(zhuǎn)載請注明來源.現(xiàn)代商業(yè)

投稿流程：投稿到郵箱（xdsyzzs@126.com） ---- 等待審核結(jié)果（三天之內(nèi)） ---- 審核完畢并回復(fù)稿件錄用情況（以郵件的形式回復(fù)） ---- 作者確定發(fā)表 ---- 辦理相關(guān)手續(xù)后安排排版出刊 ---- 出刊郵寄。

本文編號：16154