- Phân tích kết hợp - Các mô hình này cho phép người tiêu dùng đánh giá một loạt các sản phẩm hoặc dịch vụ thực tế hoặc giả định được xác định bởi các thuộc tính mà chúng mô tả. Câu trả lời của những người tham gia nghiên cứu được sử dụng để xác định giá trị tương đối của từng tính năng.
- Conjoint thích nghi - Mô hình phân tích liên hợp này tạo điều kiện cho việc phân tích một số lượng lớn các thuộc tính sản phẩm hoặc dịch vụ hoặc các mức thuộc tính.
- Cây quyết định - Các mô hình này được sử dụng trong nghiên cứu thị trường để đại diện cho quá trình ra quyết định, có thể bao gồm các kết quả là kết quả của cơ hội, nguồn lực sẵn có hoặc tiện ích.
Cầu khoảng cách giữa cái nhìn sâu sắc và tối ưu hóa: Phân cấp quyết định mua hàng
Nghiên cứu tiến hành ra mắt sản phẩm phải phù hợp với nhiều cấp độ thông tin. Việc xem xét các cách tối ưu hóa một dịch vụ hoặc dòng sản phẩm sẽ có xu hướng thống trị các giai đoạn sớm nhất của lần khởi chạy cho ra mắt sản phẩm, nhưng điều tra các quy trình quyết định mà người tiêu dùng đưa vào chơi tại điểm mua hàng có thể giúp định hình sớm cân nhắc . Một hệ thống phân cấp các loại thu hút người tiêu dùng trong các quyết định mua hàng của họ . Phân cấp này dễ dàng tập trung nhất khi nhiều nguồn dữ liệu và thông tin được sử dụng, bao gồm - quan trọng nhất - nghiên cứu tiếp thị và dữ liệu bán hàng.
Trong khi dữ liệu bán hàng có thể hữu ích đối với những hiểu biết về hiệu suất làm suy yếu hoặc thị phần giảm, nó không có nhiều khả năng dự báo. Kiến thức khách hàng thân mật hơn có thể cung cấp thông tin chi tiết về những gì có khả năng xảy ra với thị phần khi sản phẩm tạm thời hết hàng hoặc bị xóa khỏi dòng sản phẩm.
Nghiên cứu thị trường có thể cung cấp những loại thông tin chi tiết này, cũng như sự hiểu biết về chia sẻ sở thích sản phẩm mới hoặc về việc chuyển đổi hành vi từ các sản phẩm hiện có sang sản phẩm mới ra mắt.
Tối ưu hóa sản phẩm hoặc dịch vụ có thể là một nỗ lực tốn kém và luôn là một lựa chọn có nguy cơ cao đòi hỏi mức độ chính xác cao nhất và khả năng mô phỏng kịch bản rộng và sâu. Cả hai phân tích lựa chọn rời rạc (DCA) hoặc các quá trình liên kết dựa trên lựa chọn (CBC) có thể đáp ứng các nhu cầu nghiên cứu thị trường này.
Cây quyết định: một lựa chọn ngân sách-ý thức
Các mô hình cây quyết định có thể được sử dụng để phát triển một sự hiểu biết sâu hơn về hành vi mua hàng phân cấp của người tiêu dùng . Tìm hiểu các thuộc tính sản phẩm hoặc dịch vụ nào vượt trội hơn một cách khác và làm thế nào, các động lực này liên quan đến tổ chức kệ trong môi trường gạch và vữa, đặt một điểm tốt về cái nhìn sâu sắc của người tiêu dùng. Các mô hình cây quyết định có thể được thao tác để tập trung vào các quan điểm về thương hiệu hoặc các quan điểm sản phẩm. Các mô hình cây quyết định thường tận dụng một đại diện trực quan của các sản phẩm được xem xét để tạo thuận lợi cho quá trình nghiên cứu.
Việc xây dựng cây quyết định là trung tâm của khả năng thu hút và nắm bắt phản hồi phân cấp từ người tiêu dùng trong bối cảnh trải nghiệm khảo sát trực quan .
Do tính chất then chốt của việc nghiên cứu thị trường cây quyết định để thiết lập hướng tiếp thị quan trọng, các phương pháp cây quyết định phải có tính toàn vẹn về cấu trúc và tự tin giảm gánh nặng trả lời . Đi thêm dặm trong thiết kế nghiên cứu thị trường cây quyết định sẽ giúp tránh những cạm bẫy mà các cuộc điều tra nghiên cứu có thể gặp phải.
Hiệu quả của người trả lời speedster trên các kết quả nghiên cứu cuối cùng kết quả có thể có tác động tiêu cực đáng kể đến các quyết định kinh doanh liên quan . Điều quan trọng là phải có quy trình làm sạch chất lượng dữ liệu để xác định người trả lời tốc độ và xóa dữ liệu của họ khỏi tập dữ liệu. Vì những lý do này, các nhà nghiên cứu thị trường có thể sử dụng một quy trình xác minh được xây dựng trong nghiên cứu của cuộc khảo sát hoặc đòi hỏi một cơ hội tiếp theo với mỗi người trả lời . Những phản hồi khảo sát này có thể được xem xét và điều chỉnh khi cần thiết.