对于许多企业而言，品牌是其最有价值的资产。品牌为消费者提供了选择他们的理由，并为某些品牌支付的费用高于其他品牌。此外，它们在品牌认知的基础上为消费者的决策提供“捷径”。由于品牌对企业的成功至关重要，因此大量研究致力于了解它们如何在消费者心目中发挥作用，并最终影响购买决策。
虽然众所周知，品牌对于成功的营销和业务绩效至关重要，但旨在了解与品牌相关的消费者心态的营销研究却难以提供可靠的答案。这使得许多品牌经理在理解如何专注于营销传播以获得最佳成功机会时不知所措。我认为，品牌研究往往如此困难的一个原因是，消费者以高度复杂，多面和流动的方式看待与个人信仰和体验相关的品牌。
研究人员经常努力确定一个单一的，简单的模型或方法，深圳设计公司可以捕获他们想要了解的关于品牌的所有信息，但这种单度量/单一方法方法是错误的。认为像品牌如何推动消费者行为这样丰富而复杂的问题可能并且可能是愚蠢的归结为一个指标，同时仍然提供重要的洞察力。因此，品牌经理和营销研究人员必须采用整体方法来理解品牌。品牌，因为它们存在于消费者心中，随着每种新体验的变化，都是动态的，变化的和不断发展的。因此，鼓励研究人员使用动态方法，采用纵向设计模型来获得最佳见解。右上角是一种使用多种模型和这种设计的方法。
深圳设计公司，深圳品牌设计公司，品牌设计公司，品牌设计公司的7条原则
深圳设计公司，深圳品牌设计公司，品牌设计公司，品牌设计公司的7条原则
深圳设计公司，深圳品牌设计公司，品牌设计公司，品牌设计公司的7条原则
深圳设计公司，深圳品牌设计公司，品牌设计公司，品牌设计公司的7条原则
深圳设计公司，深圳品牌设计公司，品牌设计公司，品牌设计公司的7条原则
深圳设计公司，深圳品牌设计公司，品牌设计公司，品牌设计公司的7条原则
深圳设计公司，深圳品牌设计公司，品牌设计公司，品牌设计公司的7条原则
深圳设计公司，深圳品牌设计公司，品牌设计公司，品牌设计公司的7条原则
深圳设计公司，深圳品牌设计公司，品牌设计公司，品牌设计公司的7条原则
深圳设计公司，深圳品牌设计公司，品牌设计公司，品牌设计公司的7条原则
1.测量什么是相关的（然后再测量一次）
了解品牌在消费者心目中的位置始于收集正确的数据。了解要收集哪些数据可能是一项具有挑战性的任务，但了解品牌如何存在并在心中获取可以提供一个有用的起点。根据一种品牌塑造模型，消费者心目中的品牌健康可以通过四个不同的维度进行量化：
突出：这是头脑中品牌塑造的最初要求。Salience可以捕捉品牌在消费者心目中的程度，或者在考虑购买时包含在心理集中。
差异化：为了在消费者心目中占有一席之地，品牌必须在竞争品牌中占据独特的地位。无论品牌是否与竞争对手截然不同，消费者必须认为品牌在选择集中与其他品牌有所不同。
相关性：虽然差异化很重要，但品牌的成功至关重要，因为品牌以对消费者有意义的方式进行区分品牌设计公司的7条原则。
忠诚度：从概念上讲，忠诚度可以捕捉消费者与品牌联系的程度，鼓励他或她选择其他品牌。忠诚度不仅包括以消费者为中心的方法中的习惯行为，还包括品牌亲和力和联系等措施。
在消费者研究中纳入显着性，差异性，相关性和忠诚度的衡量标准至关重要，但在考虑消费者认知和行为的动态性质时，第二个经常被忽略的步骤同样重要。要完全了解品牌，必须深入研究它如何随时间变化。变化通常很微妙，深圳品牌设计公司特别是对于知名品牌。因此，简单的趋势数据是不够的。重要的是要研究当某些观念和行为发生变化时，这些变化如何影响其他观念和行为。
这种探索最好通过纵向设计研究进行 - 在两个或更多时间点对相同的消费者进行访谈。虽然在多个时间点监控同一个消费者会带来方法上的挑战，但它最终是评估消费者心目中品牌的最有力工具之一。要真正了解品牌变化的方式和原因 - 更重要的是，如何产生战略导向的变革以获得预期的结果 - 纵向数据的力量不容小觑。
2.识别隐藏的功能
现代分析的一个承诺是，它允许研究人员看到通过表面水平检查不明显的隐藏模式或特征。为了实现品牌数据的潜力，研究人员需要超越通常收集和报告的表面指标，并且还要关注多变量方法，例如主成分分析，因子分析和潜变量建模技术。这些多变量方法可以提供有关品牌在消费者中如何被感知的真实结构的有力见解，并且可以帮助研究人员，分析师和关键决策者从大量数据转移到一系列关键的潜在因素，这些因素在一段时间内是健壮的。在下面的示例中，因子分析应用于消费者包装商品品牌的感知数据，以确定四个关键的潜在因素。这些有针对性的数据帮助品牌团队了解消费者如何考虑他们的品牌以及考虑因素中的其他人。
3.确定品牌的差异化点
确定与竞争对手区分的关键点是强大品牌模型的关键组成部分。尽管存在各种方法，但评估差异化的一种有价值的方法是使用对应分析将品牌和感知置于共享的二维空间上以创建“品牌景观”地图。在左图所示的第二个例子中，两个主轴显示了四个冷冻食品竞争者正在工作的景观。X轴识别品牌，重点关注回归天然食品与产品创新。Y轴与专注于良好品味和健康相关维度的品牌形成鲜明对比。通过这种可视化分析，可以很容易地看出特定品牌“拥有”哪些区域以及哪些区域可能缺乏服务。在视觉上，我们可以看到，品牌A在“自然”空间中具有很强的优势，但它在味道/健康方面并没有特别的区别。相比之下，品牌B在“品味”方面与竞争对手高度分化，而在自然/产品方面则不同。统计工具也可以应用于这些地图，以识别地图内的“未分化区域”。品牌设计公司未分化区域是品牌应该关注的领域没有区别; 这表明该品牌并未在消费者心目中有力地代表任何事物。在这个例子中，我们可以看到Brand C属于未分化区域。使用纵向数据跟踪品牌格局内的一段时间内的移动，也可以为品牌在消费者心态中的定位提供有用的见解。
4.通过分析关键品牌驱动因素来评估相关性
虽然多变量方法对于在数据中发现隐藏意义和识别竞争集合中的差异点非常有用，但是使用现代预测分析技术可以最好地识别与消费者最相关的那些元素。使用预测分析来识别需求的关键感知驱动因素是了解品牌消费者相关性的一条特别有力的途径，为品牌的利益相关者提供了巨大的价值。精心调整的回归模型对于了解哪些感知功能是产品需求的关键驱动因素特别有用。了解这种关系可深入了解品牌与消费者的相关性。
通过对已经讨论的方法进行整合，将因子分析（如上所述）得出的因子构建到相关性分析中通常是有用的。这可以提供一个宽屏视图，其中哪些主要因素是需求的驱动因素......而不是陷入个别感知属性的细节中。这些数据通常更易于解释，并且更广泛的品牌利益相关者可以消费。在这个例子中，我们采用了前面确定的四个因素，并使用预测建模来确定它们与一组行为测量的关系。对于该品牌，分析确定健康信息与消费者心中的购买决策最相关。相比之下，围绕使用场合的特定消息传递相对不重要。
在主要竞争对手的背景下审查品牌的相关性可能很有用，因为对竞争对手的看法通常与购买行为相关，就像对品牌本身的看法一样。在下一个示例中，已应用预测分析以识别品牌的感知度量与其竞争对手的感知的相关性。下一页的图表突出显示了该品牌拥有明确区分和相关的感性理念（“我是否感觉良好”）以及那些相关但不完全由品牌拥有的理念的区域（“品牌”健康饮食愉快“）。
5.利用纵向数据的力量
虽然传统的跟踪方法可以通过长时间跟踪相同的个体来实现对品牌的重要理解，但是可以通过在长时间内纵向监视同一组个体来实现更深入的见解。对同一样本进行纵向评估，深圳设计公司采用相同的衡量标准，是了解品牌动态如何随时间变化的最佳方式。
特别是，纵向数据提供了对品牌流失和品牌忠诚度的卓越见解。忠诚的顾客是品牌的圣杯。纵向数据为品牌提供了丰富的见解和工具，例如消费者的忠诚度，以及品牌周围的流失或波动性。对于纵向数据，流失可以量化为进入或退出特定需求量的人的百分比，例如“最常使用的品牌”或“过去一周使用”。需要具有不同流失或忠诚度的品牌采用不同的品牌战略和策略。例如，拥有高度忠诚客户群的品牌应该专注于加深与消费者的关系，而具有大量流失的品牌可能会选择专注于产生大量试用以取代变幻无常的用户群。
6.不要忽视口口相传
特别关键的，经常被忽略的是口碑（WoM）效果。在线评论网站和社交媒体的兴起扩大了WoM影响的范围，深圳品牌设计公司并改变了它在消费者购买决策中的作用。鉴于WoM对于销售的重要性日益增加，企业必须评估其在生成和利用各种WoM方面的有效性。企业必须提出问题并收集如下数据：
人们对我们的品牌和产品有什么样的对话？
当人们与专家或商店员工交谈时，他们是否会对我们的品牌有更好的认识？
当人们分享有关我们品牌的信息时，它是倾向于积极的还是消极的，情绪化的还是无动于衷的？
回答这些问题可能是一个有用的起点，但要真正看到WoM研究的价值，企业必须将其纳入其广告，消费者认知，竞争和销售的背景中。然后，一个品牌可以通过广告大幅扩展其战略性影响销售的点数。此外，WoM可以以特殊方式提供对品牌情感生活的见解。对WoM体验的情感分析可以显示消费者对品牌的情感联系。此分析包括与相关背景的见解，例如与亲密朋友和家人，社交媒体和销售人员的沟通。识别品牌讨论的情感环境可以成为品牌是健康还是朝着有问题的方向发展的有力线索。
7.将不同的数据流放在一起
虽然上述方法可以在基于精心设计的调查所陈述的态度和行为的研究中进行，但是可以通过将来自消费者研究的模型结果与其他行为数据相混合来增加价值和洞察力。例如，使用文本分析对社交媒体聊天进行情绪分析可以是对调查研究中捕获的更传统的感知和WoM度量的有用补充。
将消费者研究与销售数据相结合，深圳设计公司可以通过在可以收集真实采购数据的个人之间进行消费者研究，或者通过寻找将消费者品牌数据与更广泛的销售模式联系起来的策略，将关于消费者如何通过更广泛的业务目标来看待品牌的见解。将定性数据流与定量研究相结合是另一项具有挑战性的任务，它为改善洞察力带来了机会。虽然重要的是每个单独的数据流都是独立的，但是一个品牌可以通过将重要的思想集中在如何使这些经常发散的流彼此协调来最大化其研究的有效性。