TWI642017B

TWI642017B - 目標族群評估方法及裝置

Info

Publication number: TWI642017B
Application number: TW106121261A
Authority: TW
Inventors: 范慧宜; 李智; 王湘楹; 王建彬
Original assignee: 財團法人商業發展研究院
Priority date: 2017-06-26
Filing date: 2017-06-26
Publication date: 2018-11-21
Also published as: TW201905795A

Abstract

一種目標族群評估方法及裝置。基於人物誌模型來建構消費者行為資料庫與人物誌資料庫。自消費者行為資料庫獲得符合目標族群的多個評比尺度資料，藉以獲得目標資料。計算目標資料與各人物誌型態所包括的標準分數之間的距離分數。並且，自對應人物誌型態的距離分數中取出最小值，而獲得最小值對應的至少一個人物誌型態。

Description

目標族群評估方法及裝置

本發明是有關於一種決策支援評估方法，且特別是有關於一種目標族群評估方法及裝置。

先前技術中，業者對於城市商圈內消費者資訊收集，多藉由經驗法則、問卷量化調查等報告取得對目標客戶概略樣貌的統計數據值與分析，如：性別、年齡、收入分布等。然而，此等資料收集後或整合而成的數據圖表，並無法以直觀的消費偏好屬性。例如，依據職業類別、經濟狀況下的各族群消費偏好，以及消費群真實樣貎的評估資訊。其次，針對不同品類消費群，業者需要透過大量的資料收集、對比與資料佐證，才能夠得到較為明確的評估結果。其三，忽略城市群內不同城市之間消費市場消費群差異，導致無法透過城市群內單一城市的研究，快速套用到同一城市群內的其他城市。評估結果仍可能消費時間週期、消費管道或因為業者針對於資料的選擇偏頗，產生不正確評估結果，在適用性情形下，評估的公正性亦是有所疑慮。

本發明提供一種目標族群評估方法及裝置，能簡化消費者消費行為評估的複雜度。

本發明的目標族群評估方法，包括：基於人物誌(Persona)模型來建構消費者行為資料庫與人物誌資料庫，人物誌模型包括多個構面因子，消費者行為資料庫包括多個使用者各自的評比尺度資料，評比尺度資料中包括對應至所述構面因子的多個尺度值，人物誌資料庫包括多個人物誌型態，各人物誌型態包括對應至所述構面因子的多個標準分數；自消費者行為資料庫獲得符合目標族群的多個評比尺度資料，藉以獲得目標資料，目標資料包括所述構面因子的多個平均尺度值；計算目標資料與各人物誌型態所包括的標準分數之間的距離分數；以及自對應人物誌型態的距離分數中取出最小值，而獲得最小值對應的至少一個人物誌型態。

本發明的目標族群評估裝置，包括：儲存裝置以及處理器。儲存裝置包括消費者行為資料庫以及人物誌資料庫，並儲存多個程式碼片段。消費者行為資料庫包括多個使用者各自的評比尺度資料，評比尺度資料中包括對應至多個構面因子的多個尺度值。人物誌資料庫包括多個人物誌型態，各人物誌型態包括對應至所述構面因子的多個標準分數。處理器耦接至儲存裝置，處理器執行程式碼片段來完成目標族群評估方法。在目標族群評估方法中，處理器基於人物誌模型來建構消費者行為資料庫與人物誌資料庫，人物誌模型包括所述構面因子，並且，處理器自消費者行為資料庫獲得符合目標族群的多個評比尺度資料，藉以獲得目標資料，目標資料包括所述構面因子的多個平均尺度值，之後，處理器計算目標資料與各人物誌型態所包括的標準分數之間的距離分數，自對應人物誌型態的距離分數中取出最小值，而獲得最小值對應的至少一個人物誌型態。

在本發明的一實施例中，處理器依據商圈、性別以及年齡層級來建構目標族群。

在本發明的一實施例中，所述目標族群評估裝置更包括顯示單元。人物誌資料庫更包括各人物誌型態對應的圖文資料。處理器搜尋人物誌資料庫，以在顯示單元中顯示代表最小值對應的至少一個人物誌型態的圖文資料。

在本發明的一實施例中，處理器計算目標資料與各人物誌型態所包括的標準分數之間的距離分數是透過下列算式而獲得：其中，Sq代表距離分數，代表目標資料的第j個構面因子的平均尺度值，X _ij代表第i個人物誌型態的第j個構面因子的標準分數，n代表構面因子的數量。

在本發明的一實施例中，所述構面因子包括衝動消費性、追隨者與先驅者、感性與理性、基本款與流行款、實惠與精品、消費力以及實體與虛擬。

基於上述，透過人物誌型態呈現方式，依行業種類取得較為明確且直觀性的人物及消費行為樣貌及資料，能使業者便利的利用做為設計目標客戶需求的產品並提高商品適用性。

為讓本發明的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。

100‧‧‧目標族群評估裝置

110‧‧‧處理器

120‧‧‧儲存裝置

130‧‧‧顯示單元

140‧‧‧消費者行為資料庫

150‧‧‧人物誌資料庫

300‧‧‧人物誌模型

S205~S220‧‧‧目標族群評估方法的各步驟

圖1是依照本發明一實施例的目標族群評估裝置的方塊圖。

圖2是依照本發明一實施例的目標族群評估方法的流程圖。

圖3是依照本發明一實施例的人物誌模型的示意圖。

圖4A及圖4B是依照本發明一實施例的人物誌模型對應的圖文資料的示意圖。

本發明透過現有的潛力城市商圈生活型態及消費行為資料，以評估出商圈目標客群的適性資料。以資料探勘技術、統計分析技術、人物誌(Persona)分析技術為手段，結合消費商情研究專家，建立商圈目標客群評估支援決策系統，以透過海外城市複製與擴散之法，逐步勾勒海外消費者行為拓樸，作為開發新興市場消費者洞察之應用。

圖1是依照本發明一實施例的目標族群評估裝置的方塊圖。請參照圖1，目標族群評估裝置100包括處理器110、儲存裝置120以及顯示單元130。處理器110耦接至儲存裝置120以及顯示單元130。

處理器110例如為中央處理單元(Central Processing Unit，CPU)、物理處理單元(Physics Processing Unit，PPU)、可程式化之微處理器(Microprocessor)、嵌入式控制晶片、數位訊號處理器(Digital Signal Processor，DSP)、特殊應用積體電路(Application Specific Integrated Circuits，ASIC)或其他類似裝置。

顯示單元130可以是任一類型的顯示器，例如為陰極射線管(Cathode Ray Tube，CRT)顯示器、液晶顯示器(Liquid Crystal Display，LCD)、電漿顯示器(Plasma Display)、發光二極體(Light-Emitting Diode，LED)顯示器、場發射顯示器(Field Emission Display，FED)等等。顯示單元130亦可以是結合了觸控模組的觸控螢幕。

儲存裝置120例如是任意型式的固定式或可移動式隨機存取記憶體(Random Access Memory，RAM)、唯讀記憶體(Read-Only Memory，ROM)、快閃記憶體(Flash memory)、硬碟或其他類似裝置或這些裝置的組合。儲存裝置120中儲存有多個程式碼片段，上述程式碼片段在被安裝後，會由處理器110來執行，以實現下述目標族群評估方法。

在本實施例中，儲存裝置120包括消費者行為資料庫140以及人物誌資料庫150。然，上述消費者行為資料庫140以及人物誌資料庫150僅為舉例說明，在其他實施例中，可視情況來增減資料庫數量。

圖2是依照本發明一實施例的目標族群評估方法的流程圖。請參照圖1及圖2，在步驟S205中，透過處理器110來建構消費者行為資料庫140與人物誌資料150。

在此，消費者行為資料庫140包括多個使用者各自的評比尺度資料，評比尺度資料中包括對應至多個構面因子的多個尺度值。人物誌資料150包括多個人物誌型態，每一個人物誌型態包括對應至各構面因子的標準分數。

具體而言，以人物誌設計法及KJ(Kawakita Jiro)區塊方法，型塑出對映的人物誌型態，透過人物誌型態來描寫消費嗜好及習慣消費特色資料，並且透過產業分類與多數個商業資料關聯性鏈接，歸納出複數個生活型態及消費行為商機樣態資料。

KJ區塊方法又稱A型圖解法、親和圖法(affinity diagram)，其是將未知的問題、未曾接觸過領域的問題的相關事實、意見或設想之類的語言文字資料收集起來，並利用其內在的相互關係作成歸類合併圖，以便從複雜的現象中整理出思路，抓住實質，找出解決問題的途徑的一種方法。KJ區塊方法所用的工具是A型圖解。而A型圖解就是把收集到的某一特定主題的大量事實、意見或構思語言資料，根據它們相互間的關係分類綜合的一種方法。

人物誌設計法是一種在行銷規劃或商業設計上描繪目標用戶的方法，經常有多種組合，方便規劃者用來分析並設定其針對不同用戶類型所開展的策略。簡單的人物誌型態可能僅具有年紀、職業和一段基本敘述；而詳細一點的人物誌型態可能具有人口、態度、使用物品、喜好、渴望與操作行為等等具體描繪的事物。一個人物誌型態包含虛構的名字、年齡、性別、職業、喜好、使用產品動機、需求、人像圖片等資訊。人像圖片有時採用素描人像的方式，有時則以接近的圖庫模特兒取代。

在此，以商圈、性別與年齡層級來建構出目標族群，進而針對衝動消費性、追隨者與先驅者、感性與理性、基本款與流行款、實惠與精品、消費力、實體與虛擬等構面因子來獲得對應的尺度資料，而依據這些尺度資料來產生對應於目標族群的商圈目標客群評估資料。在此，所述尺度資料例如是採用李克特量表(Likert Scale)而依據商圈範圍內，特定族群於特定日期內的消費品類與消費行為數據推算百分位數，進一步地轉換為五等尺度值，藉由五等尺度值來畫分指數值，並將其指數值建立模糊正倒值矩陣。

圖3是依照本發明一實施例的人物誌模型的示意圖。請參照圖3，人物誌模型300的第一層因子包括外觀(body)、背景(background)、心理(Psyche)、情感與態度(Emotions and attitudes)、個人特色(Personal traits)。第二層因子如下所述。外觀包括身體外型、服裝。背景包括生活現狀、人生哲學、關鍵字、個人屬性。心理包括光明面與陰暗面。情感與態度包括衝動性消費、群聚消費性、通路消費習性(即，實體與虛擬)、促銷吸引力。個人特色包括追隨者與先驅者、感性與理性、基本款與流行款、實惠與精品。

在決定好人物誌模型300之後，便可根據人物誌模型300的內容來設計對應的問卷供使用者進行填寫。例如，以六何法(5W1H)來進行資料關聯性分析，並且採用李克特量表來設計每個問題的評比尺度來設計問卷內容供多個使用者填寫，藉以找出與商業領域資料相關聯的複數個商品類別領域(生活必需品、生活奢侈品、飲食活動、休閒領域、健康領域及學習領域)的偏重資料，再依據這些商品類別領域的偏重資料來歸納出多個客群面向資料。之後，收集各問卷內容，將其數位化後儲存至消費者行為資料庫140。並且，依據人物誌模型來建立多個人物誌型態，並將這些人物誌型態儲存至人物誌資料庫150。

所述六何法又稱5W1H分析法。六何法針對選定的項目、工序或操作，而從原因(WHY)、對象(WHAT)、地點(WHERE)、時間(WHEN)、人員(WHO)、方法(HOW)等六個方面提出問題進行思考。

返回圖2，在步驟S210中，處理器110自消費者行為資料庫140獲得符合目標族群的多個評比尺度資料。例如，假設以“男性洗面乳與中年男性”來建構目標族群，處理器110自消費者行為資料庫140中取出符合目標族群(產品為“男性洗面乳”、性別為“男性”且年齡層級為“中年”)的多個評比尺度資料，並且計算出對應至各個構面因子的平均尺度值。假設總共有20筆符合目標族群的評比尺度資料，則將20筆評比尺度資料中各構面因子加總之後取平均值來作為目標資料。

表1所示為目標資料的表格。表1包括11個項目欄位。項目欄位1為商品類別領域，其包括生活必需品、生活奢侈品、飲食活動、休閒領域、健康領域及學習領域。在此，設定生活必需品對應的代碼為“1”，生活奢侈品對應的代碼為“2”，飲食活動對應的代碼為“3”，休閒領域對應的代碼為“4”，健康領域對應的代碼為“5”，學習領域對應的代碼為“6”。項目欄位2為產品，在此範例中為男性洗面乳。

項目欄位3為性別，男性的代碼為“1”，女性的代碼為“2”。項目欄位4為年齡層級，例如設定為青年、中年以及老年。青年的代碼為“1”，中年的代碼為“2”，老年的代碼為“3”。而項目欄位1~4為本次的用來設定目標族群的參數。

項目欄位5~11為本範例中用來進行計算的7個構面因子，並且設定這7個構面因子為五等尺度值(1~5)。衝動性消費即產品購物決策思考週期，思考週期越短代表衝動性越高，尺度值越高代表衝動性越高。追隨者與先驅者的尺度值越高越接近先驅者，越低則越接近追隨者。感性與理性的尺度值越高越接近理性，越低則越接近感性。基本款與流行款的尺度值越高越接近流行款，越低則越接近基本款。實惠與精品的尺度值越高越接近精品，越低則越接近實惠。消費力的尺度值越高越則消費力越高。實體與虛擬所指為通路消費習性，包括線下(offline)與線上(online)，尺度值越高越接近虛擬，越低則越接近實體。

表2所示為6個人物誌型態的表格。6個人物誌型態A2~F2分別對應的圖像名稱亦為A2~F2。由於所述範例中的目標族群為中年男性，因此處理器110自人物誌資料庫150中取出符合目標族群的人物誌型態，即，性別代碼為“1”，年齡層級代碼為“2” 的人物誌型態。在此，以人物誌型態A2~F2為例進行說明，然，並不以此為限。

接著，在步驟S215中，處理器110計算目標資料與各人物誌型態所包括的標準分數之間的距離分數。所述距離分數是透過下列算式而獲得：其中，Sq代表距離分數，代表目標資料的第j個構面因子的平均尺度值，X _ij代表第i個人物誌型態的第j個構面因子的標準分數，n代表構面因子的數量。

以表1與表2為例，目標資料的項目欄位5~11的平均尺度值為=(2,3,4.5,3.5,4.5,3.5,2,3.5)，人物誌型態編號A2對應的構面因子的標準分數為X _ij(i=1)=(1,2,5,2,1,1,2)，藉由上述公式計算出目標資料對應至人物誌型態A2的距離分數為5.315073。以此類推，分別計算出目標資料對應至人物誌型態B2~F2的距離分數，如表3所示。

之後，在步驟S220中，處理器110自對應人物誌型態的距離分數中取出最小值，而獲得最小值對應的至少一個人物誌型態。在所述範例中(參照表3)，取出最小值2.5對應的人物誌型態B2、F2。而為了便於讓使用者更便利地瞭解目標族群的消費習性與生活形態，處理器110可進一步搜尋人物誌資料庫150，以顯示代表最小值對應的人物誌型態的圖文資料。在所述範例中，即找出人物誌型態B2、F2對應的圖文資料。

圖4A及圖4B是依照本發明一實施例的人物誌模型對應的圖文資料的示意圖。圖4A所示為人物誌型態B2對應的圖文資料，圖4B所示為F2對應的圖文資料。

圖3的人物誌模型300中，追隨者與先驅者、感性與理性、基本與流行、實惠與精品以及通路消費習性(即，實體與虛擬)轉化為“消費特色”，而情感與態度的第二層因子則轉化為消費態度。圖4A及圖4B為事先整理好的預設圖文資料，其中姓名、年齡、性別、職業、屬性、人像圖片、生活目標與內心的光明與陰暗等為虛構。

綜上所述，本發明的資料在被統整且以客觀性的邏輯條件提供參考資料，亦避免同質專家領域影響的資料選擇而有所結果偏頗的問題。而相較傳統如深度訪談法(in-depth interview)及焦點團體(focus group)，本發明可更具體形塑潛在消費者的生活型態及可能的興趣與嗜好，能完全打動消費者，滿足消費者需求，為目標客群下一個完整性定義及分類。簡化消費者消費行為評估的複雜度，用戶或業者透過人物誌設計法呈現方式，依行業種類取得較為明確且直觀性的人物及消費行為樣貌及資料，能使業者便利的利用做為設計目標客戶需求的產品並提高商品適用性。

雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。

Claims

一種目標族群評估方法，包括：基於一人物誌模型來建構一消費者行為資料庫與一人物誌資料庫，該人物誌模型包括多個構面因子，該消費者行為資料庫包括多個使用者各自的一評比尺度資料，該評比尺度資料中包括對應至該些構面因子的多個尺度值，該人物誌資料庫包括多個人物誌型態，每一該些人物誌型態包括對應至該些構面因子的多個標準分數；自該消費者行為資料庫獲得符合一目標族群的多個所述評比尺度資料，藉以獲得一目標資料，該目標資料包括該些構面因子的多個平均尺度值；計算該目標資料與每一該些人物誌型態所包括的該些標準分數之間的一距離分數；以及自對應該些人物誌型態的多個所述距離分數中取出最小值，而獲得該最小值對應的該些人物誌型態至少其中一個。
如申請專利範圍第1項所述的目標族群評估方法，其中更包括：依據一商圈、一性別以及一年齡層級來建構該目標族群。
如申請專利範圍第1項所述的目標族群評估方法，其中該人物誌資料庫更包括每一該些人物誌型態對應的一圖文資料；其中，在獲得該最小值對應的該些人物誌型態其中之一的步驟之後，更包括：搜尋該人物誌資料庫，以顯示代表該最小值對應的該些人物誌型態至少其中一個的該圖文資料。
如申請專利範圍第1項所述的目標族群評估方法，其中計算該目標資料與每一該些人物誌型態所包括的該些標準分數之間的該距離分數是透過下列算式而獲得：；其中，代表該距離分數，代表該目標資料的第j個所述構面因子的平均尺度值，代表第i個所述人物誌型態的第j個所述構面因子的標準分數，n代表所述構面因子的數量。
如申請專利範圍第1項所述的目標族群評估方法，其中該些構面因子包括衝動消費性、追隨者與先驅者、感性與理性、基本與流行、實惠與精品、消費力以及實體與虛擬。
一種目標族群評估裝置，包括：一儲存裝置，包括一消費者行為資料庫以及一人物誌資料庫，並儲存多個程式碼片段，其中該消費者行為資料庫包括多個使用者各自的一評比尺度資料，該評比尺度資料中包括對應至多個構面因子的多個尺度值；該人物誌資料庫包括多個人物誌型態，每一該些人物誌型態包括對應至該些構面因子的多個標準分數；以及一處理器，耦接至該儲存裝置，該處理器執行該些程式碼片段來完成一目標族群評估方法，在該目標族群評估方法中，該處理器基於一人物誌模型來建構該消費者行為資料庫與該人物誌資料庫，該人物誌模型包括該些構面因子，並且，該處理器自該消費者行為資料庫獲得符合該目標族群的多個所述評比尺度資料，藉以獲得一目標資料，該目標資料包括該些構面因子的多個平均尺度值，之後，該處理器計算該目標資料與每一該些人物誌型態所包括的該些標準分數之間的一距離分數，自對應該些人物誌型態的多個所述距離分數中取出最小值，而獲得該最小值對應的該些人物誌型態至少其中一個。
如申請專利範圍第6項所述的目標族群評估裝置，其中該處理器依據一商圈、一性別以及一年齡層級來建構該目標族群。
如申請專利範圍第6項所述的目標族群評估裝置，更包括：一顯示單元，其中，該人物誌資料庫更包括每一該些人物誌型態對應的一圖文資料；該處理器搜尋該人物誌資料庫，以在該顯示單元中顯示代表該最小值對應的該些人物誌型態至少其中一個的該圖文資料。
如申請專利範圍第6項所述的目標族群評估裝置，其中該處理器計算該目標資料與每一該些人物誌型態所包括的該些標準分數之間的該距離分數是透過下列算式而獲得：；其中，代表該距離分數，代表該目標資料的第j個所述構面因子的平均尺度值，代表第i個所述人物誌型態的第j個所述構面因子的標準分數，n代表所述構面因子的數量。
如申請專利範圍第6項所述的目標族群評估裝置，其中該些構面因子包括衝動消費性、追隨者與先驅者、感性與理性、基本款與流行款、實惠與精品、消費力以及實體與虛擬。