在开发新产品或服务时，品牌往往会关注他们希望影响消费者行为的属性，通常使用选择模型来识别最有说服力的特征。
令人惊讶的是，只有您产品中融入的一些属性才能在购买时引起消费者足够的关注，从而以有意义的方式影响选择。
当离散选择模型
属性注意力作为选择标准的组成部分时，它们最能识别最有可能影响消费者选择的属性。在本文中，我们分享了我们认为解决属性注意力问题的最佳方法，即使用改进的选择建模方法。
经典选择模型假设人们在做出选择时会处理所有属性，从而最大化自己的效用。出于各种原因，人们可能不会处理所有属性，而是选择重要的属性和/或忽略不重要的属性。
多年来，基于选择的联合分析 (CBCA) 一直是市场研究的基石。一个基本假设是，通过向消费者展示全套产品属性，消费者 将在决策过程中使用所有信息。挑战在于如何解释属性的较小重要性系数。它之所以很小，是因为该属性经过了处理，但她并不关心它？还是因为该属性被忽略了，根本没有被处理？选择模型假设人们使用权衡决策过程，该过程会考虑所有可用信息。
利用越南人口统计数据为您 越南数据 的业务做出战略决策。我们的完整数据深入描述了越南的人口、消费者行为和市场细分趋势。制定有针对性的营销策略，创建合适的产品组合，并通过查找准确的人口统计信息来寻找增长机会。根据越南市场不断变化的动态做出明智的决策，保持竞争优势。
但这是真的吗所有属
性都被使用了吗？每个人都使用相同的属性吗？当我们假设每个人都关注所有属性，而不是每个人只关注对他们个人而言显著的属性时，CBCA 的预测是否相同？
如果您可以估计谁会利用所有属性信息，谁不会利用所有属性信息，并了解这些属性是什么，那么您将获得比标准“所有属性”假设更好的结果。属性出勤选择模型提供了更好的结果，更贴近选择数据，并更深入地了解究竟是什么驱动了选择行为。
为了调查这个问题，我们使用了一种 CBCA 方法，我们称之为基于属性关注选择的联合分析或 AA-CBCA。数据基于一项关于消费者选择不经常购买的耐用产品的研究，该产品具有七个属性：(1) 品牌；(2-5) 产品性能方面的四个评级（取自可靠的产品评论来源）；(6) 保修年限；(7) 价格。
属性关注度的估计
方法是假设某些人关注或不关注每个属性。事先无法得知某人是否关注每个属性，但我们的 AA-CBCA 方法假设每个人对这七个属性的关注程度不成比例。这种“关注度”由七个潜在（即隐藏或未知）二元指标衡量，每个属性一个。
同时，我们提取了基于选择的潜在类别，这些类别告诉我们，处理的每个属性的重要性在不同人群中是否不同。这是对受访者基 深度分析：3大全球性趋势，宣告品牌长期主义时代已来 于选择的细分，揭示了选择驱动因素各不相同的人。在这种情况下，我们还通过使用七个潜在指标来考虑他们是否关注每个因素。
每位受访者完成 10 项选择任务，其中显示 5 种不同的替代方案：四种品牌产品，由其余 6 种属性描述，加上无选项。我们随机选择一项任务作为保留任务，并使用其余 9 种选项估计 AA-CBCA。目前，我们忽略了基于选择的细分的解释。
我们将仅使用九项选
择任务的 AA-CBCA 结果与不考虑属性出勤率的潜在类别选择模型 (LCCM) 的结果进行了比较。同样，只有 AA-CBCA 包括七个潜在二元属性出勤率组。
贝叶斯信息准则（我们称之为 BIC）是一个数字，用于评估模型的预测与生成模型的数据的拟合程度。在统计学中，BIC 用于比较不同可能模型的结果，并确定哪个模型最适合数据。数字越低越好。
根据 BIC，最佳拟合 电话号码 sa 模型是使用尽可能少的独立变量来解释最大变异量的模型。在这种情况下，“最佳”是指与使用更少或更多潜在选择类别估计的模型相比，具有最小 BIC 的模型。
表格显示了最佳拟合潜在类别选择模型和属性出勤率-CBCA 分析的结果。例如，在 LCCM 行中，与具有两个、三个、四个、五个和七个潜在类别的 LCCM 解决方案相比，六组解决方案产生的 BIC 最低（为了简洁起见，未显示这些结果）。
在属性出勤-CBCA 行中，与更少或更多的潜在类别（每个类别有七个二元 AA 组，同样未显示）相比，具有七个二元属性出勤组和三个选择段的模型提供了最佳拟合度。
您会注意到
属性出勤率-CBCA 的 BIC 小于最佳潜在类别选择模型结果。这意味着属性出勤率-CBCA 比标准潜在类别模型更能整体拟合选择数据。
预测成功率 (PS) 衡量模型预测受访者实际做出的九个选择的能力。与潜在类别选择模型相比，PS 更倾向于属性出勤-CBCA，并且它只需要大约一半的系数。
最后，任何选择模型中的 R 2都衡量了比更简单、更朴素的模型更高的解释力。R 2告诉我们，七个二元属性出勤组和三个选择类别比六组标准 LCCM 能解释更多的数据。
我们还能从属性关注-CBCA 中学到什么？由于人们被分为关注或不关注这七个属性中的每一个，我们可以深入研究。
研究中的产品很
少被购买，因此我们认为这解释了为什么只有三分之一的人使用该品牌名称。人们只是不知道每个品牌的价值，因为他们不经常购买这些产品。
相反，在线评论网站在各个产品类别中都很有名，几乎一直被使用（评级 1 和 3）或几乎总是被使用（评级 2 和 4）。紧随其后的是价格和保修年限（见表格）。
我们还可以问：有多少人会在决策过程中关注或使用全部 7 个产品属性？遗憾的是，只有 10% 的人会使用全部 7 个属性，另有 17% 的人会关注 6 个属性（除品牌外的所有属性），11% 的人会关注 5 个属性（除品牌和保修外的所有属性）。这些发现强烈表明，在与消费者的任何沟通中，产品评级都应占据突出位置。
尤其是对于不经常购
买的产品或人们可能不熟悉产品特性和功能的类别，营销人员设计具有有益和差异化属性的产品或服务非常重要。同样重要的是，了解哪些属性最有可能吸引消费者的注意力，并在消费者考虑您的产品而非竞争对手产品的关键时刻影响他们的选择。因此，我们认为，在开发或营销新产品时，属性关注度-CBCA 是了解买家行为的重要补充，应该纳入您下一次对消费者选择的调查中。
