如何分析消费者的购买决策（分析消费者市场）

接上一篇《分析消费者市场——购买决策过程（五阶段模型之问题识别）》

令人惊讶的是，消费者通常只会搜寻有限的信息。调查显示，一半的消费者只会在一家商店里寻找耐用品，并且仅有30%的消费者会看一个以上的电器品牌。我们可以将搜索的参与度分为两个水平：温和的搜索状态被称为增强关注（heightened attention）。在这个水平上，一个人对产品信息仅仅表现为被动接受。在下一个水平，这个人可能会进入积极的信息搜索状态：寻找阅读材料、给朋友打电话、上网和到商店了解产品。

营销者必须了解在不同的时间和地点消费者搜索或接收到的信息类型。例如，联合利华与美国最大的零售杂货连锁店克罗格（Kroger）合作，了解到制订膳食计划需要经过三个步骤：讨论吃什么和可能的选择（增强关注），每一餐具体吃什么（信息搜索），最终购买。事实证明，周一是未来一周重要的膳食计划日。早餐期间的谈话通常聚焦在健康上，但在当天的晚些时候，即午餐期间，讨论则更多聚焦于如何将剩饭剩菜重新利用起来。

消费者的主要信息来源可以分为四类：个人的，如家人、朋友、邻居、熟人；商业的，如广告、网站、电子邮件、销售人员、经销商、包装、展示；公共的，如大众媒体、社交媒体、消费者评级组织；以及经验的，如处理、检查或使用产品。

通过这些来源获取的信息的相对数量，以及它们带来的影响，都随产品种类和购买者的特点而变化。一般而言，虽然消费者从商业来源（营销者主导的来源）接收到最多的产品信息，但是，最为有效的信息通常来自个人、经验或独立权威的公共来源。社交媒体的普及模糊了信息来源的界限，并拓宽了信息来源的范围：人们在脸书上分享他们的购物信息，或在亚马逊上撰写产品评论，其他人会把它们视为独立机构，它们的意见有着很大的分量和深远的影响。

每种来源在影响购买决策方面发挥着不同的作用。商业来源通常发挥信息作用，而个人来源则发挥判断或评估作用。例如，内科医生经常通过商业来源了解新药，但会找其他医生进行评估。许多消费者交替使用线上和线下渠道来了解产品和品牌。

消费者依据内部和外部信息来帮助他们做决定。内部信息是基于个人经验。例如，一个想外出就餐的人可能会回想起在当地一家意大利餐厅吃过的大餐，或看过的一家最近新开的法国小酒馆的广告，外部信息来源通常用于高介入度决策，如购买汽车或高端电器。外部信息来源包括：家人、朋友和同事的建议和意见；走访经销商和网上搜索以比较型号和价格；以及《消费者报告》（Consume Reports）等咨询来源。

通过收集信息，消费者了解了竞争品牌及其特点。下图中的第一个方框表明了现有品牌的总集合（total set）。个体消费者仅了解该集合的一个子集，即知晓集（awareness set）。其中只有一些品牌能够满足消费者的最初购买标准，即考虑集（consideration set）。随着消费者收集更多的信息，只有少数选项仍然是强有力的竞争者，即选择集（choice set）。消费者会从这些品牌中做出最终选择。

消费者决策中依次出现的集合

为了理解不同的竞争力以及不同的决策集是如何形成的，营销者需要识别指导消费者决策的属性层次。识别此属性层次的过程被称为市场划分（market partitioning）。多年前，大多数汽车购买者首先决定制造商，再决定其汽车类型，其属性层次为品牌主导型层次（brand-dominant hierarchy）。例如，购买者可能偏爱通用汽车，并在这个集合中选择雪佛兰车型。如今，许多购买者首先决定他们想要购买哪个国家的汽车，其属性层次为国家主导型层次（nation-dominant hierarchy）。例如，购买者可能首先决定他们想买一辆德国车，再选择奥迪，最后锁定奥迪A6。

属性层次还可以揭示顾客细分。首先基于价格做决定的购买者是价格主导型，首先基于汽车类型（轿车、跑车、SUV、混合动力）做决定的购买者是类型主导型，首先基于品牌做决定的购买者是品牌主导型。类型、价格或品牌主导型的消费者构成了一个细分市场，质量和服务主导型的购买者构成了另一个细分市场。每个细分市场都可能有不同的人口统计特征、心理特征和行为方式，以及不同的知晓集、考虑集和选择集。

上面的集合图表明，公司必须制定战略，使其品牌进入潜在顾客的知晓集、考虑集和选择集。如果一个食品店店长首先按照品牌，如达能（Dannon）和优诺来排列酸奶，然后再在每个品牌中按照口味排列，消费者将倾向于从同一品牌中选择他们的口味。然而，如果所有的草莓酸奶都放在一起，然后是所有的香草酸奶，以此类推，消费者很可能会先选择他们想要的口味，然后再选择他们想要的特定口味的品牌。

网上搜索行为可能会有所不同，部分取决于产品信息的呈现方式，例如，产品方案可能会按照其对消费者预期吸引力大小的顺序进行呈现，那么消费者就可能不再像往常那样进行广泛的搜索。越来越复杂的推荐引擎使用算法和数据来发掘消费者的选择模式，并为特定消费者的需要和兴趣推荐最相关的产品。

亚马逊的“商品到商品”的协同过滤算法就是根据那些与消费者购买过的类似产品相匹配的产品线和主题领域向顾客进行推荐。这涉及对数十亿个数据点的分析，这些数据点来自对在线顾客行为的观察，包括购买历史和购物车中删除的产品等。推荐出现在以下几处：个性化推荐和先前浏览过的产品链接，以及帮助亚马逊削减配送成本的“经常一起购买的商品”板块。研究表明，亚马逊上超过三分之一的消费者购买来自产品推荐。

公司还必须识别出消费者选择集中的其他品牌，以便设计合适的竞争性诉求。此外，营销者还应该明确消费者的信息来源，并评估其相对重要性。询问消费者以下问题将有助于公司准备对目标市场的有效沟通：最初如何得知该品牌、之后又了解到什么信息、这些不同信息源的相对重要性。数字营销可以更轻易地发现和分析那些将潜在顾客引流至公司网站的其他网站。例如，亚马逊的联盟网络显示了哪些网站和博客不仅为亚马逊网站带来流量，还为特定产品带来流量。

下一篇预告《分析消费者市场——购买决策过程（五阶段模型之方案评估）》