多变量分析（Multivariate Analysis）探讨一个结果变量（也称作因变量）与一个或多个预测变量（也称作自变量）之间的关系。
适用于产品开发的多变量分析方法有很多。
- 因子分析（Factor Analysis);
- 聚类分析（Cluster Analysis）；
- 多维尺度分析（Multidimensional Scaling，MDS）；
- 联合分析（Conjoint Analysis）；
- 多元回归分析（Multiple Regression Analysis）。
因子分析
因子分析方法的主要应用有两种：其一，减少变量的数量；其二，找出变量之间的结构关系。在产品开发中，因子分析能够用于关键变量的优先级排序和分组，比如：
- 产品属性之间的关系和产品属性对产品偏好的影响；
- 市场上产品之间的关系——消费者们共同感知到的那些产品。
多维尺度分析（MDS）
- 以可视化手段表现一个数据集中各个用案之间的相似度；
- 该方法能够以可视化手段呈现出消费者眼中十分相似的产品，这一点极为有用；
- 借助多维尺度空间上的产品分布推断出消费者眼中各个维度的重要性；
- 该方法也能为发掘现有产品的市场空白提供参考。
多维尺度分析的过程大致如下：
- 选择要研究的对象，如在某个特定产品类别中开发和上市一款新产品的可行性。
- 列出现有产品的所有配对组合（如果清单太长，可以减少配对的数量）。
- 从目标市场中抽取一个样本人群（通常为30~50人），让他们对于每组配对中产品的相似度和可替换度打分。
- 采用多维尺度软件分析每组配对的得分，获得一张代表了产品相互关系的可视化图。
- 可视化图中的维度代表了消费者在做出相似度或可替代度的决策时所看重的关键要素，为方便起见，通常选择2~3个维度（见图6.2）。
联合分析
联合分析是一种统计分析方法，用于确定人们对构成一个产品或服务的不同属性 （特性、功能、利益）的看重程度。联合分析的目的是，确定最能影响客户选择或决策的属性组合，组合中的属性数量是既定的。联合分析的过程大致如下：
- 定义新产品的潜在属性，这些属性的水平或特性不同（例如，电池待机时间为1 天、5天或10天)；
- 将不同水平的属性进行随机组合；
- 要求一个消费者样本（通常为30~50人）对这些属性组合打分；
- 分析结果，确定对消费者的决策起到最大影响作用的属性。
联合分析示例
表6.1 联合分析示例
在产品开发决策中多变量分析的价值
- 发掘机会。有助于了解现有产品之间的关系，找出市场差距。
- 了解客户未确定、未言明的需求。通过间接获取信息（例如,产品的相似度或可替代性的比较），而非直接调查，多变量分析方法为探明客户的潜意识提供了机会。
