本站原创摘 要：虽然多项分对数模型（Multinomial Logit Model,MNL）已广泛应用到营销研究中,但存在口味问题、跨期间的重复选择和替代形式三个局限.混合分对数模型（Mixed Logit模型）将自变量设置成某种参数分布,则可以消除MNL检测设的局限性.笔者采用Mixed Logit模型分析营销变量如何影响顾客的品牌选择及市场份额,发现礼品促销等手段给顾客带来具体利益的促销,影响最大；同时通过模型比较,发现Mixed Logit模型比MNL拟合效果更好.
关 键 词 ：多项分对数模型；Mixed Logit模型；品牌选择
中图分类号：F062.9 文献标识码：A
文章编号：1000-176X（2014）06-0126-06
一、引 言
随着市场竞争的日益激烈,市场营销人员越来越多地讲究促销手段,促销已经成为提高购物者对品牌的关注程度、同时促进整体销售的关键工具.市场营销人员想方设法使用各种促销手段如堆头、人员促销、赠品和促销等来吸引消费者,扩大市场占有率.AC尼尔森的最新调查表明,激烈的市场竞争使得店内促销的重要性日益突显.
为确保促销有效和获得相应的回报,市场营销人员需要运用全面的解决方案来评估促销效力.如何来评价各种促销手段的效果,这些促销究竟对消费者选择品牌造成了多大的影响?以及如何用好这些促销组合?离散选择模型是一个比较好的分析工具.离散选择模型从决策者效用最大化角度出发来研究决策者的选择问题,Multinomial Logit广泛应用于包括在交营销[1]、住房[2]、通信[3]等研究领域.在营销研究中,该模型可以研究促销因素对消费者品牌选择的影响,预测市场份额的变化,对企业的营销决策有非常重要的意义.
多项分对数模型（Multinomial Logit Model, MNL）是离散模型中最为基础,使用最为普遍的一种模型,它具有解析解,可以用数学公式表示顾客采取何种决策的概率.MNL存在着口味问题、跨期间的重复选择和不相关选项间的独立性（又称替代形式）检测设所限制的,仅能够处理消费者的系统性偏好.Mixed Logit模型将原先检测设固定值的系数根据实际情况设置成某种随机分布,解决了MNL的局限问题,从而可以处理消费者的随机性偏好.
1977年Green等[1]首次将MNL系统地运用到市场营销研究中,1983年有学者将MNL应用于消费者对咖啡品牌的选择研究,发表于Marketing Science上引起了营销学术界的重视[2].我国直到2002年才开始有黄晓兰和沈浩[3]等学者将MNL应用在市场研究中[4],对离散选择模型的研究起步较晚[5].
六、结 语
本文试用Mixed Logit模型对商店的扫描数据和观察数据进行实证分析,同时还与MNL进行了比较,研究发现：（1）系数为对数正态分布,人员促销和礼品促销为正态分布的Mixed Logit模型相对合理.（2）品牌本身对顾客带来的效用是显著的,说明不同的品有不同的价值,影响着顾客的选择.（3）礼品促销给顾客带来的效用最大,对顾客的品牌选择非常重要,尽管消费者对礼品促销的平均偏好为正,但是有16.50%的消费者其实并不喜欢礼品促销,他们对礼品促销的偏好是负的.企业在制定营销策略的时候也要注意考虑到这部分消费者；（4）广告类促销和人员类促销给顾客带来的价值也是正的,并且差别不大.但模型显示,广告给所有的消费者带来正效用,而对于人员促销,则有38.79%的消费者其实并不喜欢人员促销,他们对人员促销的偏好是负的.（5）模型比较显示,参数满足对数正态分布,的效用系数为负：根据对数正态分布的性质我们可知,不管分布是在什么位置,其系数均为负,即在其他条件相同的情况下没有人会喜欢高.（6）Mixed Logit模型和MNL的参数估计情况大致相同,拟合效果优于MNL,并且比MNL能够解释更多的内容.
由于Mixed Logit模型比MNL约束条件放得更松,避免了MNL的三个局限性,因此具有更广泛的应用范围.Mixed Logit模型运用的关键是要能够比较客观地选择参数的分布形式,这对该模型的估计结果的准确性有非常重要的意义.