品牌影响力评估方法编辑本段回目录
近期，聚划算在各类媒体上投放了大量广告，迅速传播了聚划算的品牌形象，在非淘宝用户中培养了品牌认知，同时也在淘宝用户中巩固了品牌理解，从而对聚划算提升品牌价值起到积极作用。
在投放广告前，用研团队Q3时曾对聚划算的品牌影响力进行了考察，着重于六个主要指标：
——熟悉度：用户知道并且了解该品牌的程度，反映市场的表现和地位
——流行度：流行的/大众接受的品牌，反映市场的表现和地位
——相关性：品牌以及产品是否适合目标人群，是品牌资产的基础
——独特性：该品牌区别于其他品牌，反映品牌超越竞争对手的能力和品牌的前景
——高质性：用户感知的质量，是品牌长存最基本的要素
——信任度：用户是否信任，反映品牌带给用户利益和权益的能力
这六个指标在市场调研行业，普遍应用于品牌研究，且每个指标用一句话表述，形成量表，用户填答成本不大。本次移植到互联网创新产品的研究中，基本能达到预期的研究目的。本文不对聚划算的品牌影响力作深入分析，而侧重于分析方法的探讨。
指标降维
本例中通过六个指标评估聚划算的品牌影响力，但可以发现这六个指标之间存在很强的相关性（相关系数均超过0.5，且非常显著正相关），进行综合评估时，需要考虑简化指标。
一般而言，采用主成分分析法或因子分析法。大多数情况下，主成分分析得到的主成分不易解释，而通过因子旋转都可以减少主成分中常有的含糊性，可以使因子负荷的结构更简单，从而更有利于因子的解释。另外，常用软件可以直接输出因子得分的值，而主成分的值需要重新手动计算。
首先对六个指标做因子分析，得到的KMO值为0.891，Bartlett球形检验的值为2747210.409（df=15）达到显著，非常适宜进行因子分析。最终萃取出2个公因子，累积方差贡献率为84.6%（详见下表），解释效果很强；变量原始矩阵与重构矩阵之间的残差>0.05的个数比例为26%，拟合效果较好。
通过因子载荷矩阵能够发现，第一公因子更侧重使用了聚划算之后的心理认知，而第二公因子则更体现事实和现象的感知，因此将第一公因子命名为深层特征，第二公因子命名为表层特征。
另外，相关性指标在两个公因子上的载荷均比较大，一般在考虑建构效度的时候，会把在不同公因子载荷都较大的指标删掉，但本例并不追求建构效度，而是希望尽可能保留指标体系中的指标，达到降维的目的作进一步分析，因此没有删除相关性指标。
计算品牌影响力综合得分
有了两个公因子得分，仍然不能做综合评估。为了更加简化，最终使用一个数据体现品牌综合影响力，需要进一步计算。
因子分析的综合得分需要利用各因子的特征根与因子得分，本例的计算方程如下：
单个样本的综合得分=（特征根1）/（特征根1+特征根2）*公因子1得分+（特征根2）/（特征根1+特征根2）*公因子2得分
由于因子得分是标准化分数，计算得到的综合得分也是标准化分数，需要转化成0-100的数，以便直观体现品牌综合影响力。需要作如下处理：
单个样本品牌综合影响力得分=（单个样本的综合得分—所有样本的综合得分最小值）/（所有样本综合得分的最大值—最小值）*100
如此，就能得到每个样本对聚划算的品牌综合影响力分数，进行不同群体间的对比分析。
对比群体间品牌影响力差异
首先，对男女群体做差异性检验。经独立样本T检验分析可知，男女对聚划算的品牌影响力存在显著差异，男性对聚划算的综合评估更高；
其次，对不同城市级别的群体做差异性检验。经卡方检验（两两比较）可知，不同城市级别用户对聚划算的品牌影响力存在非常显著差异，三线城市用户对聚划算的品牌影响力综合评估最高，而一线城市则综合评估偏低。
经过聚划算业务的调整以及品牌广告传播，相信品牌影响力得分会有较大幅度的提升，有待后续研究验证。
小结
品牌影响力的评估方法，基本操作流程如下：
1、确定评估的分项指标；
2、通过因子分析（或主成分分析），给分项指标降维，并计算公因子得分；
3、计算公因子的综合得分，并转化成0-100的直观分数；
4、对比不同群体的品牌影响力综合得分。
当对比不同品牌，或同一品牌不同阶段的影响力时，需要把数据整合在一起，进行上述计算过程。只有这样，才能保持在同一水平下进行对比。
