北京奢侈品消费者满意度研究 – 市场调查百科 | 专业第三方市场调研公司
专业第三方市场调研公司 咨询热线 021-5299 5391

北京奢侈品消费者满意度研究 – 市场调查百科

本文通过随机抽样方法对北京地区各奢侈品品牌集中的商圈进行调查访问,对收集的数据运用结构方程模型研究北京地区奢侈品消费者满意度,发现北京地区的奢侈品消费者对于心理期望感知的重视远大于其对于质量和奢侈品本身价值的需求。同时对于价值的感知,消费者心理期望较质量感知对其有着更大的影响。

           一、引言
        (一)本文研究背景
        伴随着中国经济增长模式的逐渐转变,我国GDP提升驱动力开始由投资和出口为导向的模式向以消费为导向转移,提高国内消费拉动内需是为了减缓我国近几年因外需性经济增长模式造成的大量外汇流入,政府不断向市场大量增发货币而引发的通胀现象,也是我国经济增长必然要采取的模式。根据凯恩斯的消费理论:经济增长通过居民消费品购买力的增长和消费倾向的变化两个中介因素对消费需求发生影响,经济增长在其它条件不变的情况下,会通过改变生产结构、产品结构,提高产品供给能力,或增加人们的消费欲望,改变人们的消费倾向,达到增加市场需求的作用;另一方面,消费需求对经济增长具有拉动作用,决定经济发展速度的快慢和质量的高低。
        但是由于经济发展增速过快,国内财富的不断积累过程中经济发展不平衡等诸多因素造成我国财富分配的即不平均,民众的收入以及财富呈现两极分化的现象。近几年我国经济发展的基尼系数已经达到了0.5水平,说明中国社会的贫富分化已经突破了合理的限度。地区上来看,以东部沿海地区以及一线城市的居民收入与内陆地区居民收入差距开始呈现不断拉大的局面。随着经济增长的不断提高,国内的富裕阶层以及高收入人群不断扩大,尤其北京、上海、广州等一线城市,近几年人均GDP以相继突破1万美元而迈入世界中等富裕城市的行列。人们的消费已不仅仅停留在满足日常生活的需求,而更多的是以满足精神需求,提高自己个性和以享受为主的消费需要。以北京为例,早在2009年北京市的人均GDP就已突破一万美元,并且作为中国的文化与政治中心,经济发展仅次于上海的前沿都市,北京汇集了大量的富裕阶层和高消费人群。
        随着经济全球化进程的不断加快,以满足奢华享受和体现个性时尚展现的奢侈品消费已经深入中国民众。并且伴随着中国经济实力的不断提升,富裕人群的大量涌现,以及市场经济的不断完善,奢侈品消费在中国已经发展成了完善的市场,培育了大量的消费者。同时,中国奢侈品市场的增长速度也呈现着迅猛的态势。根据高盛公司2010年12月发布的数据,中国奢侈品消费在2010年达到了65亿美元,连续三年全球增长率第一,销售量第一。据我国商务部预计,到2014年,中国将成为全球最大的奢侈品市场,占全球总量的23%左右。在北京等一线发达城市,奢侈品消费已经呈现出由传统的富裕阶层向一般消费大众蔓延的趋势。本文以北京市场为例,通过市场调查研究的形式,以北京奢侈品消费者最近一次奢侈品购买行为为依据,研究北京奢侈品的消费者满意度,并且通过消费者的属性构成对北京市奢侈品消费者未来奢侈品购买行为进行预测。通过以北京奢侈品消费者的研究来描述中国奢侈品消费状况。以及对于该市场的发展在消费者层面上提出建议。
                二、北京奢侈品消费者描述性分析
        (一)调查概况
        1、问卷设计
        本论文数据调查问卷分为两部分,第一部分为满意度指标,根据ACSI的框架,问卷满意度调查部分的问题细分为1个一级指标、6个二级指标以及18个三级指标。一级指标为消费者总体满意度,二级指标是:质量感知、价值感知、期望感知、顾客满意度、顾客沟通、顾客忠诚度。18个三级指标分别是:(1)质量感知下的对于奢侈品品工艺水平、质量水平、可靠程度的感知,(2)价值感知下的商品是否物有所值、性价比高低以及价格支付意愿的评价,(3)期望感知下的对于奢华享受、展现个性品味以及和自己形象相符的评价,(4)顾客满意度下的购物体验和所购商品的评价,(5)顾客沟通下的商家对于争执问题的解决、以及遇到问题后售后服务评价,(6)顾客忠诚度下的对于同一品牌重复购买的可能,以及对关注品牌的价格提升和其他品牌价格下降的抵抗能力,即价格变动后依然购买关注品牌的可能。第二部分为奢侈品消费者属性问题分析。
        2、调查过程
        本文的数据调查执行时间是从2010年1月20日至1月29日,共计10天时间。调查执行范围为北京市的中关村商圈、金融街商圈、王府井商圈、国贸CBD商圈(包括大望路等地)、燕莎商圈(包含蓝色港湾)等北京诸多奢侈品品牌集中汇集的购物中心。采用的调查方式为对出入奢侈品店铺的顾客进行随机访问。
        本次访问共发出问卷358份,经过整理后得到的有效问卷为300份,所有数据均已经过清洗与处理并录入数据库进行后续分析。
        (二)信度和效度分析
        1、信度分析
        为了验证问卷设计的合理性以及问题答案稳定性,保证问题之间是同质,方向一致并且能具备测量的可靠性的回答。我们对所收集的数据进行信度分析。选取的指标为Cronhen Alpha系数,其计算公式为:
        /upload/imgs/2011/10/04/00/1317658897169.jpg
        通过Cronhen Alpha系数统计表,我们可以看出所有潜变量均具有较高的信度,六个潜变量的Cronhen Alpha系数均高于0.7的水平,问卷总体系数高于0.9,达到了0.935。因此问卷问题具备较高的同质性和可靠性。
        2、效度分析
        满意度的调查需要对通过潜变量的设置(二级指标)去反映测量指标的信息(三级指标),因此需要运用因子分析去提取测量指标的信息,并且需要验证我们的测量是否完全的了指标的信息,及问题回答的真实性。而效度的指标通过因子分析来检验。
        /upload/imgs/2011/10/04/00/1317658905846.jpg
        通过因子分析的效度检验,我们得到的KMO值为0.946,接近于1,bartlett值达到3826.35,其相伴概率为0.00,因此我们可以了解到数据的相关系数矩阵明显不同于单位矩阵,因此适合因子分析,通过潜变量提取观测指标的信息,我们通过提取6个单位的因子后,累计方差贡献率达到了82.852%,说明问题回答的大部分信息均可以被潜变量提取,因此我们的测量真实有效,具备很高的效度。
        (三)消费者属性分析
        本次调查的北京地区奢侈品消费者当中超过一半的受访者具备万元以上的收入,其中月收入超过三万元的受访者占到了6.33%的比例。在年龄上,北京奢侈品消费者的构成以31-40岁的中年人为主,受访者占比为46%,21-30岁和41-50岁两个年龄段的受访者比例相似,均超过了23%的水平。在学历上,我们的调查对象中有57%的受访者拥有本科学历,拥有研究生以上学历的受访者占比为41.33%。在奢侈品平均购买频率上来看,24.67%的受访者表示每月会定期购买奢侈品,而每季度购买奢侈品的受访者达到了42.33%,两者合计67.00%。
        /upload/imgs/2011/10/04/00/1317658915977.jpg
        可见,北京地区的奢侈品购买者当中绝大多数人拥有较高的学历,并且拥有丰厚的收入,他们大多是年龄在31-40岁的中年人,拥有较高的人生阅历和欣赏品位,懂得生活的体验、注重奢华的享受。因此在奢侈品购买的频率上较高。本次调查访问中有64%的受访者表示会在近三个月内购买奢侈品。
        (四)满意度指标得分分析
        根据我们运用里克特量表的对所调查的300个样本的三级指标得分,分值范围为1到5分,通过三级指标中每道题的平均得分,计算各二级指标的平均得分,总终汇集成一级指标总满意度平均分。
        通过各指标得分可以看出,消费者对于奢侈品等高档消费产品的所有满意度得分均非常高,消费者在奢侈品的工艺水平以及在奢侈品上所获得的奢华享受、对商品的满意度均有较高的得分,分值均在4.7附近。在商家对遇到问题的处理,以及售后服务上消费者的给分较为适中。同样的,对于奢侈品性价比和更高价格的支付意愿上,消费者的给分均不是很高。对关注品牌价格上涨或其他品牌的价格下降的承受能力得分低反映消费者对品牌忠诚度较低。
        /upload/imgs/2011/10/04/00/1317658927536.jpg
        二级指标中,质量感知拥有最高的4.68得分,对于期望感知和顾客满意的得分其次,分别为4.67和4.65。反应遇到问题解决满意度指标的顾客沟通得分是4.62,相对其他指标较低。顾客忠诚度得分为4.34,得分最低。而一级指标总平均得分为4.59分。
        三、北京奢侈品消费者满意度分析
        (一)奢侈品消费者满意度结构方程建立
        基于ASCI理论框架,运用调查的北京奢侈品消费者满意度数据构建综合描述潜在变量和观测变量相关关系的测量模型和描述潜在变量之间回归关系结构模型的结构方程并且通过路径分析图直观的反映潜在变量与观测变量、潜在变量与潜在变量之间的相互影响。其中本文选取的6个二级指标为潜在变量,通过由16个三级指标构成的观测变量进行的因子分析得出。潜在变量与观测变量的线性函数构成测量方程,而潜在变量与潜在变量之间的回归模型称为结构方程。
        /upload/imgs/2011/10/04/00/1317658941076.jpg
        (1)为测量模型,其中x是外因潜变量的观测指标,ξ是外因潜变量,对结构方程构成影响,但不受结构方程影响。δ是x的测量误差。y是内因潜变量的观测指标,η是内因潜变量,受结构方程影响,也可作用于结构方程。ε是y的测量误差。Λx和Λy分别是测量方程中连接外因潜变量及其观测指标和内因潜变量及其观测指标的系数,也可称为因子载荷。(2)是结构方程,其中的β和Г分别是结构方程中内因潜变量和外因潜变量的回归系数,ζ是结构方程中内因潜变量的测量误差。而结构方程的具体形式为:
        /upload/imgs/2011/10/04/00/1317658951276.jpg
        其中,1是质量感知,2是价值感知,3是顾客满意度,4是顾客沟通,5是顾客忠诚度,以上均为内因潜变量。 是外因潜变量期望感知。
        结构方程的参数估计方法通常有极大似然估计(ML),和偏最小二乘(PLS)等,而学界最为常用的方法为极大似然估计(ML),但其对于变量的分布有着严格的规定,要求数据的分布服从于多元正态,数据资料收集是通过简单抽样的方法得到,而本文的数据是以随机抽样的方式得到的大样本数据。因此符合运用极大似然估计的要求。通过极大似然估计使FML达到最小值时 的估计值便是所需要的目标参数:
        /upload/imgs/2011/10/04/00/1317658960525.jpg
        (二)奢侈品消费者满意度路径分析
        本文通过Amos18.0设定的结构方程对数据进行拟合并建立路径分析模型。
        /upload/imgs/2011/10/04/00/1317658975501.jpg
        为了能够统一变量度量标准,图中所有系数均为标准化系数,是将所有变量标准化后得到的拟合结果。
        根据t法则,模型预估系数数量t=62,(p+q)(p+q+1)/2=152。其中P为外因观测变量数目,q为内因观测变量数目,t<(p+q)(p+q+1)/2,因此模型过度识别。
        /upload/imgs/2011/10/04/00/1317658984803.jpg
        通过方程适配检验参数和拟合指数可知,CMIN:最小样本差异函数值,服从卡方分布,它的值是403.522,相伴概率为0.000,说明样本协方差和模型隐含协方差存在较大差异。CMIN/DF:单位自由度下的卡方值,其值是4.16,略大于合理值3以上,说明模型适配不佳,NFI(假设模型卡方值与虚无模型卡方值的差与虚无模型卡方值的比值)、IFI(在NFI的基础上考虑了自由度的影响)、CFI(从饱和的角度改善NFI值)、分别是规则适配度指数,增值适配度指标,比较适配度指标,这些值约接近1越好,本文中这些值分别是为0.897、0.920、0.919,均高度接近1。RMSEA是渐进残差平方和,用于检测每个自由度的平均样本协方差与平均模型隐含协方差的差异值。其值越小越好,本文中为0.09,以上参数说明方程拟合较好,较为适配。
        /upload/imgs/2011/10/04/00/1317658994837.jpg
        表3-2中,S.E.是系数的标准差,C.R.相当于系数的t值统计量,P是其相伴概率。***表示相伴概率P值低于0.01水平。通过结构方程回归系数检验可知,所有系数均通过检验且在统计意义上显著。
        (三)奢侈品消费者满意度结构方程分析
        1、测量方程分析
        通过图3-1:奢侈品消费者满意度结构方程路径图可知,北京奢侈品消费者在奢侈品质量的感知上受奢侈品工艺水平的影响较大,其制作的工艺的高低以及艺术价值的大小直接决定了消费者对奢侈品质量的评价,而奢侈品实际质量也在消费者对质量评价上占有重要地位。奢侈品的使用可靠程度相反不会有前两者的重要程度。潜变量质量感知在这三个观测变量的因子载荷为0.92、0.91、0.79.
        潜变量价值感知在观测变量物有所值,性价比和支付意愿上的因子载荷为别为0.86、0.60、0.60,说明北京地区的奢侈品消费者对于奢侈品的价值的认同直接影响他们对于奢侈品价值的感知,同样在奢侈品价值的感知上,奢侈品价值与质量的比较并不会很大程度的影响,而北京消费者对于奢侈品价格支付意愿对于价值感知有一定程度的影响。
        潜变量期望感知在观测变量奢华享受、个性品位、形象相符的因子载荷分别是0.90、0.84、0.74,说明北京奢侈品消费者从奢侈品购买上最看重奢华享受的获得,其次是自己的个性和品位得到提升和认同,而对于所购买奢侈品与自己形象相符的评价对于期望感知的影响并不是十分重要。
        潜变量顾客满意度在观测变量体验满意度和商品满意度的因子载荷分别是0.88和0.90,说明影响顾客满意度最广泛的是消费者对商品本身的满意度,其次是对购物体验的满意度评价。
        潜变量顾客沟通在观测变量解决方案和售后服务的因子载荷为0.95、0.74,说明当顾客遇到问题时,商家能够立刻拿出一份合理并且令人满意的解决方案,比提供良好的售后服务更能增进北京奢侈品消费者在顾客沟通解决上的满意度。
        潜变量顾客忠诚度在观测变量重复购买、关注品牌价格下降、其他品牌价格上涨的因子载荷为0.70、0.67、0.59,说明北京奢侈品消费者对奢侈品的重复购买意愿最能影响其忠诚度的大小。并且北京奢侈品消费者的对自己关注的奢侈品品牌价格上涨的抵抗力比对其他奢侈品品牌价格下降的抵抗力更能影响其顾客忠诚度的水平。    
        2、结构方程分析
        外因潜变量期望感知对内因潜变量质量感知的回归系数为1,说明北京奢侈品消费者对奢侈商品的期望感知每增加1单位的得分,其对价值感知平均也会提高1单位的得分。期望感知对价值感知的回归系数0.64大于其对顾客满意度的回归系数0.60,说明期望感知对价值感知的影响要大于其对顾客满意度的影响。期望感知、质量感知、价值感知对顾客满意度的回归系数为别是0.60、0.43、0.33,说明北京奢侈品消费者对奢侈品的期望上的得分最能影响其满意度的水平,而质量对满意度的影响略大于价值对满意度的影响。顾客满意度对顾客沟通以及顾客忠诚度的回归系数分别是0.65和0.80,表示当顾客满意度的得分每增加一个单位,那么消费者对投诉问题处理的满意度将提升0.65个得分,顾客忠诚度的得分将上升0.80,同样顾客沟通对顾客忠诚度的系数-0.12,说明当奢侈品消费者在购物过程之中以及之后对遇到问题后感知的得分每增长一个单位,那么顾客的忠诚度就会减少0.12,说明北京奢侈品消费者在消费时遇到问题将会有损其品牌忠诚度。
        四、北京奢侈品消费者未来购买可能预测分析
        (一)BP神经网络对北京奢侈品消费者分类预测分析
        1、BP神经网络设计
        BP神经网络(Error Back Propagation,BP)是具有非线性变换函数的多层感知器的误差反向的传播网络结构,其基本思想是在学习过程中由信号的正向传播与误差的反响传播两个过程组成,正向传播时,信息由输入层进入中间隐层,然后通过隐层进入输出层,当输出层函数激活后方可输出,然后根据输出结果与导师信息比较进行误差的反馈对之前权层的权值进行调整。
        在进行一般复杂问题的分类讨论时,通常设置一个隐层即可达到很好的分类效果,因此本文设置隐层数量为1,权层为2,及输出层权值和隐层层权值。BP网络的权值调整规则基于误差信息E全局最小化。
        权值调整规则为:
        /upload/imgs/2011/10/04/00/1317659030848.jpg
        2、北京奢侈品消费者属性分类预测分析
        本文所运用的300个北京奢侈品消费者样本中包含了未来对奢侈品购买可能的回答,其中64%的受访者表示未来三个月内会购买奢侈品,以此作为输出导师信息,将样本的收入、年龄、学历、和奢侈品平均购买频率作为属性变量进行输入,通过每一个样本的学习训练过程建立BP神经网络多层感知器,以此可以通过样本属性变量的不同,建立判断样本未来三个月是否会购买奢侈品的分类预测。
        根据我们建立的多层感知器模型对样本训练以及分类的结果可知。原始设定的训练数据占总数据的70%,但是因为拟合较好,迭代次数降低,因此训练数据仅用了69.4%,其余均用于测试数据。最终错误信息交叉熵为94.804,最后一次该值的调整小于1,因此迭代停止。
        /upload/imgs/2011/10/04/00/1317659039809.jpg
        本次训练结果中,分类预测时训练数据的敏感度是tp/(tp+fp)= 70.8%,特异性tn/(tn+fn)= 85.5% 总正确率为75.7%。测试数据的敏感度是tp/(tp+fp)= 79.6%,特异性tn/(tn+fn)= 86.5% 总正确率为82.4%。ROC(receiver operating characteristic,敏感度/1-特异性)的下方面积为85.5%。因此分类预测结果良好。
        /upload/imgs/2011/10/04/00/1317659046763.jpg
        分类预测的以隐层和输出层的最终迭代权值为结果。可用于其他新样本的分类预测。
        /upload/imgs/2011/10/04/00/1317659055797.jpg
        /upload/imgs/2011/10/04/00/1317659066138.jpg
        (二)北京奢侈品消费者属性重要性分析
        通过样本的自变量(奢侈品消费者各种属性)以及因变量(奢侈品购买可能)建立分类预测的BP神经网络之后,为了进一步了解到每个自变量对于因变量的重要性,需要进一步对变量进行敏感度分析。
        敏感度分析以粗糙集理论为工具来处理知识的不确定性和模糊性,主要用于反映输入变量对输出变量的影响程度,属性的重要性是建立对属性分类的效果上的,衡量这一重要程度的方法是从条件属性集中删除待测量属性,然后观察没有这个属性的影响下系统信息分类会产生怎样变化,如果变化大则说明该属性重要程度高。反之,说明重要程度低。用C={ }表示对象集U的条件属性。D表示U的决策属性,条件 属性对决策属性D的影响可以用属性计算公式为:
        /upload/imgs/2011/10/04/00/1317659078327.jpg
        通过基于粗糙集理论的敏感度分析,我们对北京奢侈品消费者的属性重要度作出计算和评判,发现北京奢侈品消费者的收入属性以0.426的重要度排名第一。奢侈品平均购买频率排名第二,其重要度为0.344。学历变量以0.127的重要度排名第三,年龄已0.103的重要度排名最后。
        可见,对于北京奢侈品消费者未来奢侈品购买的可能,收入变量起着至关重要的作用,而消费者平均购买频率对于其未来奢侈品购买也具备一定的影响力。学历变量较年龄变量对于奢侈品购买的重要性更大。
        五、结论
        根据北京奢侈品消费者满意度分析和基于各属性变量的BP神经网络分类预测可知,对于质量上面的感知,北京消费者会对奢侈品的工艺水品和质量上有着严格的要求。在衡量奢侈品价值方面,奢侈品在消费者的内心定位,和心理价值占有绝对重要的地位,而是否与商品质量有正向关联消费者似乎并不关心。而在消费者在奢侈品购买上获得的奢华享受和对其个性品位的展现对满足消费者奢侈品期望有着重要的作用。奢侈品购物过程的体验虽然对于提高消费者满意度有着很高的贡献,但是奢侈品商品本身依然是消费者衡量顾客满意度最主要的依据。当消费者在奢侈品购买过程中遇到问题向商家协商时,如果商家能够给予很好的解决方案,对于消费者满意度提升有着不可忽视的作用。同样商家对于购物过程问题的现场解决比提供良好的售后服务更能让消费者达到满意,同时根据分析可以看出,不论是自己关注品牌的价格提升或者是其他品牌的价格下降,北京消费者对其的抵抗力都不高,而是否愿意重复购买自己关注的品牌是体现其品牌忠诚的重要依据。
        而对于北京奢侈品消费者满意度的提升,满足奢侈品的期望占有主要的位置,而质量和价值对于消费者来讲并不是首要考虑因素,当消费者满意度提升后,消费者在遇到问题时对于商家的解决方案也会拥有较高的满意度,但是反映顾客抱怨的顾客沟通感知的提高会减少消费者的品牌忠诚度。同时如果消费者对于商家的问题解决方案拥有较高的评价,那么将会有助于顾客沟通感知的提高。
        收入是消费者未来是否购买奢侈品最主要的决定因素,收入高的消费群体会愿意更多的享受奢华的享受,愿意在体现自己个性和品位上有较多的财富支出,因此收入的提高有助于消费者短期内奢侈品购买的决策。同时影响未来奢侈品购买决策的第二影响因素是消费者的奢侈品平均购买频率,购买频率高的消费者在奢侈品的购买决策上会拥有一定的惯性,驱使并有助于其购买的决定。相对于年龄对于阅历的体现,学历更高的消费者拥有丰富知识结构,和较为旷阔的人生视野,通过奢华商品的购买能够得到强烈的内在满足,同时会更愿意尝试新鲜事物,对于未知的商品和服务有着很强的接受能力。因此学历对于消费者近期奢侈品购买决策有着重要作用。
        
     

广东快乐十分走势图 广东11选5 时时彩计划 时时彩计划 广东11选5 秒速赛车免费计划 极速3d 广东快乐十分走势图 广东11选5 时时彩平台