结合分析是一种专业技术，用于估测人们对一些能够详细定义某种产品或服务的属性和特征的评价。Discretechoice,Choice Modeling, Hierarchical Choice,CardSorts,Tradeoff Matrices, Preference Based Conjoint和Pair wise Comparisons choice都是结合分析的不同类型。任何一种使用结合分析的调查，其目的是给购买者在做购买决策时考虑的选择范围赋予明确的数值。

结合分析，又称为交互分析，在欧美国家的市场调研中被广泛应用。结合分析的基本假设是，产品或研究对象是有一系列的属性构成的，例如，电脑产品的属性为品牌、显示器、CPU、内存、硬盘等，而各属性又有一定的水平，如显示器有14英寸、15英寸、17英寸等，CPU可能有奔腾5、赛扬、K6等。消费者的购买决策过程是基于对这些属性的权衡与考虑作出的理性选择。

根据结合分析的不同类型，使用不同的统计方法，如普通最小二乘法、加权最小二乘法和分对数分析法将受访者的回答转化成重要性或效用。

用这些统计方法获得的实际数值并不是最重要的，重要的是与各种属性相关的价值，或各属性彼此之间的关系。这些计算方法的目的是以一种能够揭示受访者对每种属性自觉或半自觉的潜在评价的方式来评估受访者的回答。任何一位理性的受访者，在产品其他方面都相同的条件下（质量，特征等），会选择100元而非200元的产品。我们不清楚的是每个人对100元的不同敏感程度。有些人永远不会考虑支付200元来买东西，而另一些人则对不同价格的敏感程度几乎没有什么区别。不考虑价格，一个人如果常选择X品牌而非Y品牌，很显然，他对品牌名称比价格水平看得更重。结合分析可以计算这些选则与另一些选择之间的相对评价。

I.确定产品/服务的哪些属性或特征对市场而言是最重要的。

II.确定对受访者使用何种数据收集方法及如何获得数据（入户面访、街头随访、邮寄问卷等）

III.确定那种结合分析方法最使用于某项研究问题。Choice-based Conjoint和Preference-based conjoint是目前最常用的方法。

IV.构建实验设计，用以计算各项被研究的属性之间的主要影响和交互作用。许多结合分析研究只着重于各种属性的主要影响或直接效用，但当研究价格或品牌等属性时，他们之间潜在的交互作用也应该被考虑进去。

V.收集数据。

VI.计算每个受访者或每组受访者的效用值。

VII.构建市场模拟模型。帮助预测现有产品发生变动带来的影响和新产品的上市。

定义属性

经验、管理直觉和定性研究是确定产品/服务主要属性所必不可少的。仔细考虑，确定属性是非常关键的。属性过多会加重受访者负担，或者降低模型预测的精确性。属性太少，会严重降低模型的预测能力，因为模型中丢失了一些关键信息。

除了建立属性名单外，还必须考虑每个属性的水平等级。对于价格属性而言，属性水平应该明确到100元，200元和300元。如果是非连续型属性，如颜色，属性水平可以是兰色、红色、绿色和黑色。再一次强调，研究人员必须在过多选择和过少选择中找到平衡点。

属性水平应该包含市场上现有的所有同类产品或是不远的将来在市场上存在的产品。对于连续型变量，如价格，3或4个价格水平可以涵盖市场上从低到高的价格。对于非连续型属性，3至5个水平是比较令人满意的，所以必须将最不令人想要的或重要性最低的选择删除掉。

确定属性及属性水平的关键因素在于，如果不能通过使用属性水平很好的定义产品属性，那么产品就不能被准确的模拟。如果一个选择没有被涵盖，它没有落入指定的任意两个属性水平边界范围内，那么对于受访者是如何反应该属性的，就无从的知了。该属性或该属性水平相对于其他属性的重要性也就无法得知了，在模型中也无法计算。

确定A产品的全面评价

有了每种属性水平的效用，将所有属性的效用值相加计算出产品的价值。对于每种属性，挑出与产品关系最近的属性水平并记录其效用值。如果某种产品的一个属性落入两个水平之间（如产品价格为150元，但价格水平是100元和200元），插入新的产品效用值。对每个属性重复计算这一过程。然后把记录的每个属性的效用值相加,计算该产品的整体效用。以此类推，对所有需要通过比较来生成市场模拟模型的产品都可以这样做。

市场份额或产品偏好份额通常用该产品效用值与整个市场效用值之比来表示。市场模拟程序可以迅速而且轻易的完成这些计算工作，并将结果用图形或数据表格的形式表现出来。

在结合分析技术过去的25年历史中，这一方法准确的反映了购买者购买决策的认识思考过程。这种技术被广泛的应用于产品和服务，从通信和工业产品到医疗保健和银行服务。

结合分析模型能很好的表现受访者对不同产品的偏好，揭示受访者会从一系列产品或服务中选择那一种。然而，结合分析模型假设在市场上，具有完备的知识和意识，这意味着所有产品和服务都有着相同的广告、营销和分销水平。这是不现实的，所以需要对广告水平或其他市场因素差异做些调整，但这会阻止产品达到最大潜势。不管这些局限，利用结合分析提供的详细信息，可以为产品或服务设计最佳市场或市场细分，还可以实现所有产品投资组合效益最大化，发现还未被开发的市场和还未被满足的需求。作为商人，其目标就是获得现有产品的信息并将顾客偏好转化成实际的购买行为。

与传统的调查相比，结合分析研究要求受访者进行更多的的信息处理。除了过分单纯化的研究，必须把结合分析问卷直接放到受访者面前，他们才会在审视后填写。实施结合分析的方法有入户面访、街头随访、邮寄问卷。

从结合分析研究中能获得什么

客户可以通过结合分析对所处的市场和消费者对产品/服务的真实评价有全面的了解。把这些信息总结出来，每种属性水平对应着其效用值。你可以针对细分市场设计产品最优组合。

市场模拟可以用来预测对各种假定设想市场是如何反应的。在有些情况下，你可以获得自己的模拟程序。这可以使你和你的管理者们构造自己的市场情景假定，在任何时候都能看到市场对于新产品、降价或其他变动是如何反应的。

哪种结合方法最好

和市场研究相关的有许多因素，哪种结合方法最好需要依情况而定。Choice-based conjoint和Discretechoice-basedmodeling是近4、5年最常使用的方法。他们各有各的优缺点。

Choice-base Conjoint/Discrete Choice Modeling/Choice Modeling的优点

和顾客在商场中的购物过程相似，他们会比较所有可供选择的产品，然后挑出最满意的一种。尽管很难证明，但相信如果一项研究工作越是能够模拟人们的真实行为，那么这项研究结果也就越有效越可信。

每位受访者可以看见产品或服务的多种轮廓，因为Choice-based conjoint在选择栏内，通常提供3个或3个以上的选项。

可以容易地计算出属性之间的交互作用，如价格和品牌。在整体水平分析基础上，无须增加选项设计的复杂性，就可以涵盖属性的交互作用。

Traditional Conjoint/Preference-based Conjoint/Ratings-based Conjoint的优点

将一大组属性分解成较小的组从而便于分析。例如配对比较，就是让受访者在2到4种属性中挑出他们更为偏爱的。某一属性的不同水平分别列成左右两列。这比同时评价15或20项属性容易的多。

在受访者各自水平基础上计算其效用值。尽管近来Choice-base conjoint也采用新的技术计算个体水平效用值，但它还是常在传统的结合分析中用到。

简单的实验设计。传统的结合分析将描述产品的属性用正交表的形式表示出来，Choice-base conjoint需要生成产品属性的正交表，然后通过一种比较每组选择中每一选项的相对优点，并在调查过程中每个属性水平保持一致的方式，由每组选择中的所有选项生成另外的轮廓。

个体水平效用使市场细分简单易行。

易于在混合方法中使用。不考虑价格和品牌，传统结合分析着重于产品的特点，可以算出每位受访者基于某种产品特点的效用值。Choice-based conjoint着重于产品品牌、价格和其他主要特点。

品牌价值和品牌形象

结合分析擅长测量某一品牌名称相对于其竞争对手的价值。不同于其他测量品牌价值的技术，结合分析可以获得相对于另一产品特点和价格，某一产品品牌价值有多高的信息。如果所处的市场对价格非常敏感或期望产品具有特殊的特点能够补偿为品牌价值所做的投资，在这种情况下，只具有品牌优势是不够的。运用结合分析，可以估测市场是如何在品牌、价格和其他一些特点之间做出权衡的。

价格敏感度测量

如前面提到的，结合分析可以测量个体对品牌名称、价格和其他属性的敏感度。每种价格水平的效用值，可以用来测算市场或细分市场对价格差异的敏感度。当计算价格和其他属性间的交互作用时，还可以测算不同品牌名称对价格和其他属性的敏感差异有多大。（具有较强品牌形象的产品，通常价格敏感度比没有品牌形象的产品要低。）

用结合分析进行市场细分

结合分析是测算购买者利益追求的最佳方法。测算实际利益或感知利益关键在于市场细分的方法。了解人们注重产品或服务的哪一方面，可以帮助修正营销计划，进行利益交流，并重新设计现有产品或者开发新产品。

结合分析的另一个优点是可以将研究结果做成市场模拟模型，并能很好的应用于未来。随着新竞争者的进入，新产品的问世，价格战的爆发及厂商广告策略的变动，市场也会随之发生变动。传统的研究方法是每当市场发生重大变动，就需要进行调查，来发现人们对这种变动的感受及它将如何影响人们的购买行为。使用结合分析，将产品或现有产品的改变可以一起输入模拟模型，得出人们对这些变动做出何种反应的预测。在大多数市场上，这些模型可以维持2到3年的精确性，直到需要进行小规模研究来决定是否调整该模型。