品牌形象、品牌个性都是相对的。其原因，2500年前的老子已经有了很深刻的阐述，他说：“美丽之所以是美丽，是有丑恶作为对照，才让人知道什么是美丽，人们之所以知道道善良是因为有不善良作为对照”。
　　市场研究中对于品牌形象、个性的描述，亦如此，单独去描绘某一个品牌的品牌形象本身是没有意义的(为行文方便，本文只介绍品牌形象研究的过程，品牌个性等其他属性的研究方法雷同)。所以市场研究工作人员在品牌研究中至少会同时对两个或者更多数量的品牌展开研究。
　　本文将介绍三种品牌研究的方法，分别是频数差，主成分分析、因子聚类法。
　　首先介绍频数差方法

　　一、频数差方法

图 1 数据差问卷示范

	品牌a	品牌b
优雅的	1	1
漂亮的	2	2
朴实的	3	3
豪爽的	4	4
高学历的	5	5
严谨的	6	6
温顺的	7	7
时尚的	8	8
高科技的	9	9
前卫的	10	10
活泼的	11	11
老练的	12	12
有安全感的	13	13
都市型的	14	14
与众不同的	15	15
传统的	16	16
亲切的	17	17
女性化的	18	18
年轻的	19	19
权重的	20	20

　　图一是某次问卷调查中品牌形象部分题目，首先计算各品牌的频率，然后将各类指标各品牌频率相减，即得到频率差结果，然后作图，可以比较明显看到a、b两个品牌形象上的明显差异。

图 2 品牌形象分析结果
　　b和a品牌个性上的差异

　　我们可以看，b品牌的品牌个性特征在“女性”、“漂亮的”、优雅”等表现非常明显，而a品牌的品牌个性特征在“朴实”、老练”、“传统”上表现非常明显。小结：频率差法适合研究品牌数量较少的时候，简单易学，方便快捷，效果显著。

　　二、主成分分析法

　　主成分分析法涉及到多元统计学内容，具体的原理和细节本文限于篇幅不作阐述，重点介绍—下因子提取需要注意的几个环节。
　　笔者以某次口味评价为例(品牌形象研究方法一样),首先看问卷例题。

随机勾
记录A3	1	2	3	4	5	6	7	8	9	10
品牌	金六福	古绵纯	五粮液	高炉家酒	皖酒王	稻花香	剑南春	泰山特曲	红星二锅头	水井坊
有回味	1	1	1	1	1	1	1	1	1	1
爽口	2	2	2	2	2	2	2	2	2	2
酒香浓郁	3	3	3	3	3	3	3	3	3	3
不冲口	4	4	4	4	4	4	4	4	4	4
后劲绵长	5	5	5	5	5	5	5	5	5	5
度数较高	6	6	6	6	6	6	6	6	6	6
酒味较淡	7	7	7	7	7	7	7	7	7	7
温和的	8	8	8	8	8	8	8	8	8	8
入口顺滑	9	9	9	9	9	9	9	9	9	9
有点辣	10	10	10	10	10	10	10	10	10	10
酒味清香	11	11	11	11	11	11	11	11	11	11
度数较低	12	12	12	12	12	12	12	12	12	12
酒香绵长	13	13	13	13	13	13	13	13	13	13
无	99	99	99	99	99	99	99	99	99	99

　　通过数据分析，提取结果如图三。

图 3 口味频数结果

	金六福	古绵纯	五粮液	高炉家	皖酒王	稻花香	剑南春	泰山特	红星	水井坊	茅台
有回味	30	15	31	2	22	14	18	5	12	7	30
爽口	31	28	33	3	36	13	17	8	20	5	17
酒香浓郁	42	44	83	5	52	24	21	10	32	8	48
不冲口	30	17	29	6	30	9	11	6	11	6	28
后劲绵长	24	21	37	4	26	15	10	7	32	4	21
度数较高	8	5	31	1	20	3	7	3	86	7	8
酒味较淡	21	22	9	4	17	11	6	3	9	2	7
温和的	29	25	21	3	36	10	6	7	4	3	21
入口顺滑	28	24	38	6	46	8	13	8	10	10	15
有点辣	13	10	23	5	14	7	8	7	87	4	16
酒味清香	36	31	52	8	36	14	20	8	13	5	29
度数较低	15	19	7	0	17	4	4	7	1	2	9
酒香绵长	20	22	47	3	34	7	12	6	21	6	34

　　接下来对图三数据进行主成分分析，提取主成分一及主成分二如下：

图 4 主成分特征值

component	Initial Eigenvalues			Extraction Sums of Squared Loadings
	Total	% of Variance	Cumulative %	Total	% of Variance	Cumulative %
1	6.533	59.392	59.392	6.533	59.392	59.392
2	1.564	14.221	73.613	1.564	14.221	73.613
3	0.764	6.948	80.561
4	0.73	6.633	87.195
5	0.624	5.669	92.864
6	0.292	2.658	95.522
7	0.273	2.478	98.000
8	0.132	1.196	99.196
9	0.062	0.563	99.759
10	0.018	0.165	99.924
11	0.008	0.076	100.000

　　第一主成分特征值6.533，第二主成分特征值1.564，两者合计解释了73.613％的方差，说明这种模型是可以接受的，将各品牌在两个主成分上的值和相关系数一起作散点图如下

图 5 主成分分析结果

　　从图五得到的主要结论为：
　　1.消费者对于白酒的口味主要的三个指标为“酒香浓郁”、“度数较高”、“度数较低”。
　　2.“度数较高”与“有点辣”相关性非常强，红星二锅头在这两项指标上消费者比较认可。
　　3.“度数较低”与“酒味较淡”相关性也非常强，而这方面并没有哪一个品牌得到消费者认可(在现有品牌中)。
　　4.大部分品牌都在“酒香浓郁”上得到消费者的认可，而且我们可以看到其他口味指标和“酒香浓郁”都有或多或少的相关性。
　　从以上分析结果，我们可以制订新品牌的品牌策略，比如，“度数较高”产品区域竞争对手较少，“度数较低”产品区域甚至还没有竞争对手，我们可以避开“酒香浓郁”产品区域，进入“度数较高”或者“度数较低”产品区域，当然这要视本身产品特点来决定。
　　小结：主成分分析的优点在于图形简单直观，不仅可以直接呈现品牌与属性的关系，而且各品牌之间、属性之间的关系也一目了然，品牌属性的长短非常明显地揭示了属性的重要性，这一点是其他研究方法很难做到的。
　　缺陷和不足:当运用主成分分析时出现三个或者三个以上主成分时候，主成分分析就会陷入难以取舍的困境，忽略掉最弱小的主成分务必会丧失一些信息，而平面上做出的多维散点图又过于复杂，不仅客户难以看清楚，研究员本身为了呈现三维图形，也会花费不必要的精力。如下：

图 6 三个主要成分的取舍

component	Initial Eigenvalues			Extraction Sums of Squared Loadings
	Total	% of Variance	Cumulative %	Total	% of Variance	Cumulative %
1	5.721	47.677	47.677	5.721	47.677	47.677
2	2.003	16.689	64.365	2.003	16.689	64.365
3	1.536	12.799	77.164	1.536	12.799	77.164
4	0.912	7.601	84.765
5	0.579	4.826	89.591
6	0.391	3.256	92.848
7	0.302	2.515	95.362
8	0.25	2.079	97.441
9	0.196	1.631	99.072
10	0.063	0.523	99.595
11	0.041	0.346	99.941
12	0.007	0.059	100.000

　　三个主成分共解释了77.164％的方差，前两个主成分解释了64.365％的方差，如果仅仅采取前两个主成分进行分析，肯定会损失12.799%的信息。如果取用三个主成分则必须采用三维图形，非常不直观(即使在spss中绘图，标注仍然在二维上)，通常碰到这种情况，笔者会采取第二种方法．因子聚类法。

　　三、因子聚类法

　　因子分析和聚类分析除了在消费者心理分析上得到广泛应用，在品牌研究中一样可以大展拳脚，和主成分分析前半截分析一样(但是因子分析要进行旋转)，得到因子与诸指标的相关数据、各品牌的因子得分之后，再根据因子得分进行聚类分析，通过冰柱图或树图可以很快知道样本聚类的数量。如下：

图 7 * * * * * * HIERARCHICAL CLUSTER ANALYSIS * * * * * *
Dendrogram using Average Linkage(Between Groups)
　　Rescaled Distance Cluster combine

　　从图7可以看到，13个品牌根据因子得分，最佳的聚类数量为7~8，实际上笔者是将品牌划分为7类，分类数据如下：

图 8 因子聚类数据
　　Final Cluster Centers

	Cluster
	1	2	3	4	5	6	7
REGR factor score  1 for analysis 1	-0.53055	3.33765	-0.18091	-0.32154	-0.52612	-0.10495	0.74537
REGR factor score  2 for analysis 1	0.17737	-0.9548	-0.22666	-0.18098	-0.10951	-0.63201	3.41423
REG Rfactor score  3 for anaysis 1	2.72366	0.40494	-0.92707	0.11765	0.24449	0.68333	-0.26299
REGR factor score  4 for analysis 1	-0.60329	-0.4801	-0.12282	0.1488	-0.79228	3.1577	0.47022
REGR factor score  5 for anaysis 1	0.6563	-0.1251	0.54229	-1.69434	0.47832	0.60624	-0.20084

　　通过聚类数据绘图，让我们看看竞争对手的品牌形象特征。

图 9 竞争对手品牌形象

　　竞争对手可靠男人形象鲜明(其实从因子分析中我们知道，可靠男人包含着多重含义，但是主要的含义是“熟悉”、“男性”这两个指标)，这和该品牌价格适中、口味偏辣，酒味醇厚是吻合的。

图 10 客户的老品牌形象

　　而客户的老品牌依托在某种因子上(该因子所创造的文化元素由于项目要求以×××代替)，在可靠男人因子上得分很低，实际上对于消费场合分析中，我们发现，竞争对手的消费场合更多的在私人场合(朋友聚会、亲戚往来等)，而客户老品牌的消费场合更多的是在招待场合(政务招待、生意往来、送礼等).

图 11 客户的新品牌形象

　　客户新品牌的创建比较失败，体现在品牌形象不鲜明，本身客户是打算将新品牌作为老品牌升级产品，实际上在推出的一两年中，新品牌远远没有达到预期。通过品牌形象分析我们可以看到在客户所独有的×××因子上，新品牌居然得不到消费者认可，女性形象反而凸现出来，对于白酒产品来说，女性形象无疑是一个非常不好的兆头。所以，在品牌规划上来，客户首先需要一个与竞争对手针锋相对的品牌，这种品牌应该是男性化的，定位在白酒消费私人场所，价格当然不能过高。而招待场合品牌也需要认真考虑，是延续现有老品牌还是再规划一个新品牌?接下来就是品牌规划的话题，已经超过了市场研究的范畴。
　　最后本文强调一下，品牌形象的评价必须是“有效”，即消费者必须对该品牌比较了解，否则得到的品牌形象是无效的。