随着人民群众消费结构的不断升级，中国白酒行业的竞争更趋激烈，品牌化趋势明显，品牌决定着中国白酒的未来。品牌定位就是对品牌要素进行设计和传播，从而使其能在目标顾客心目中占据一个独特的、有价值的位置。品牌定位是寻找竞争优势和市场立足点的有效战略，品牌定位的成功与否关系到白酒企业的兴衰，正确的品牌定位对白酒企业在市场上的成功具有重要的影响[1]。
目前白酒品牌定位的误区主要有[2]：品牌定位过宽，主题模糊；品牌定位过窄，市场萎缩；品牌定位过空，天方夜谭；品牌定位过乱，不知所云；品牌延伸失当，品牌定位稀释等。形成这些误区的一个主要原因是，营销人员主要根据经验和印象、想象，为企业推出品牌定位。然而由于信息量的急剧增加，市场情况的千变万化，营销人员经验的缺乏和过时，其主观想象与客观现实发生偏差的可能性越来越大。随着多元统计技术的发展和普及，品牌定位的科学化势在必行。
在确定品牌属性的过程中，往往需要对多个变量进行大量的观察，收集大量的数据进行分析，寻找规律[3]。在大多数情况下，许多变量之间存在一定的相关关系，因此，有可能用较少的综合指标分析存在于多个变量中的各类信息，而综合指标之间彼此是不相关的，代表各类信息的综合指标成为因子。因子分析法最早由英国心理学家SPEARMEN C等[4]提出的，其宗旨是通过研究含有众多变量的数据结构的特点，找出少数几个能控制基本变量信息的公因子去描述多个变量之间的相关关系[5]。因子分析法的基本思想是通过分析多个变量之间协方差矩阵的内部依赖关系，将相关性比较密切的几个变量归为一类，每一类变量成为一个公因子，以较少的几个公因子反映全部变量[6-7]。因子分析是一种实用的降维技术，是用少数几个因子来描述许多指标或因素之间的联系，以较少几个因子反映原始资料的大部分信息的统计学方法。因子聚类法[8-10]是在得到因子与诸指标的相关数据以及各品牌的因子得分之后，再根据各品牌的因子得分进行聚类分析，通过冰柱图或树图可以知道样本聚类的合适数量，以及每类中包含哪些品牌，从而为白酒品牌定位提供参考。
1 数据描述
本研究以中国白酒品牌为例，来说明因子聚类法在品牌定位研究中的运用。数据来源于采纳品牌营销国际顾问机构，本次调研主要关注了白酒品牌的功能性价值定位，以白酒品牌的口味属性为内容[11]。品牌功能性价值是指产品的物理属性和使用价值，是品牌能提供给顾客的最基本价值。白酒能提供给顾客的功能性价值主要有口感、香气、工艺、功效等。调查者选择中国白酒市场上的11个品牌，让调查对象对每个品牌在列出的13个口味属性中进行多项选择。具体做法是：让每个调查对象根据自己的判断在相应的单元格中划钩，然后汇总统计所有调查对象在各个单元格上的频数，作为每个品牌在各属性上的分值，它反映了消费者对于各品牌在口味属性上的心理认知。汇总之后的频数统计结果见表1。
表1 各品牌口味属性频数统计结果
Table 1 Statistical results of taste attribute frequency of each brand
2 因子分析
2.1 因子分析适合性
由于原始数据中存在13个口味属性指标，较为冗杂，不利于迅速简洁地对品牌的定位做出判断，因此存在数据降维的客观需求，同时又希望不损失大部分原始信息，因子分析法是符合这一需求的多元统计分析方法。接下来拟对上述数据进行因子分析，目的是减少指标的数量，形成若干有意义的公因子。本文使用IBM SPSS Statistics 25软件进行分析。
在做因子分析前，通过描述性统计发现，如果将全部13个口味属性作为因子分析的变量，相关矩阵的行列式值为0，说明变量之间完全线性相关，也就是说，有一些变量是冗余的，不能提供有价值的信息。因此需要去掉一些多余的变量，使得指标的个数小于样本个数[12]。本例中品牌数量为11，保留的指标数量应当小于11，以计算KMO值等检验性指标，判断进行因子分析的适合性。本例中去掉了与其他指标在含义上重合较多的4个变量：爽口、温和的、后劲绵长和入口顺滑，剩余9个属性指标。
接下来进行KMO和Barlett球形检验，以验证是否适合做因子分析。结果发现（表2），KMO统计量的值为0.648，一般认为该数值大于0.6即表示适合做因子分析。Barlett球形检验给出的相伴概率为0.000，一般认为该数值小于0.05即可进行因子分析，因此拒绝Barlett球形检验的零假设，认为适合于因子分析。这说明指标之间存在较强的相关关系，可以用少数几个综合指标来取代原来的9个指标，并且不损失原始资料的大部分信息。
表2 KMO和Bartlett检验结果
Table 2 Results of KMO and Bartlett's test
2.2 公因子提取
采用主成分分析法进行因子分析。提取公因子的方法一般有两种，一是选取相关系数矩阵中特征值大于1的所有因子，二是固定因子个数提取公因子，主要是考虑累积方差贡献率，以及所研究问题本身的特点和现实意义[13]。本研究采用了第二种方法，即固定因子个数提取公因子，并按方差极大法进行了旋转。提取了3个公因子，使得累积方差贡献率超过了95%，而且从第4个特征值开始，出现了迅速递减的趋势（表3）。提取出的这3个公因子也具有很好的命名性，符合白酒口味属性的自身特点和现实意义。从公因子方差来看（表4），旋转后提取出的3个因子可以解释所有9个原始变量各自方差的88%以上，说明经过提取公因子后损失的信息极少，因子分析的效果较好。
表3 主成分分析法提取的因子总方差
Table 3 Total variance of factors extracted by principal component analysis
表4 主成分分析法提取的公因子方差
Table 4 Variance of common factors extracted by principal component analysis
表5 旋转后的因子矩阵
Table 5 Factors matrix after rotation
根据旋转后的因子矩阵（表5），去掉因子载荷在0.4以下的，以便于对所有因子进行归类，并且给3个提取出的公因子命名。为此需要查看哪些指标在哪个公因子上具有较高的因子载荷。结果显示，酒香绵长、酒香浓郁、有回味、酒味清香、不冲口这5个指标在第1个公因子上具有较高的因子载荷，这个公因子可以命名为酒香浓郁。有点辣、度数较高在第2个公因子上具有较高的因子载荷，这个公因子可以命名为度数较高。酒味较淡、度数较低在第3个公因子上具有较高的因子载荷，这个公因子可以命名为酒味较淡。
2.3 根据因子得分描绘认知定位图
在品牌定位研究中，只是提取出公因子还不够，还需要计算因子得分以供后续研究之用。本文根据回归法计算因子得分，并保存每个品牌的因子得分值作为新的变量（表6）。品牌的因子得分反映了顾客对于每个品牌相应属性的认知，据此可以描绘每个品牌在品牌空间中的位置。
表6 各品牌白酒的因子得分
Table 6 Factors score of Baijiu with different brands
从因子得分的协方差矩阵来看（表7），不同因子之间的数据为0，从而证实了3个公因子之间是不相关的。因此可以以3个公因子为轴，做各品牌的因子得分散点图，即认知定位图（图1），从而了解每个品牌在顾客心目中的位置。如果因子分析提取出的公因子有两个，那么认知定位图能比较清楚地显示各品牌在二维空间中的分布，从而有利于判断自身位置和竞争对手位置，找到一个合适的定位位置。然而，由于本研究提取出了3个公因子，因而认知定位图形成一个三维空间，导致各品牌的位置在这样的三维图形的平面表示图中看起来并不是那么直观。因此后面引入聚类分析来更好地处理这个问题，进一步深化研究。
表7 因子得分协方差矩阵
Table 7 Covariance matrix of factors score
图1 各品牌白酒认知定位图
Fig.1 Cognitive positioning mapping of Baijiu with different brands
2.4 聚类分析和条形图
为了能对本研究中的品牌位置有一个更清楚的了解，以因子得分为变量，做Q型层次聚类分析[14-15]。采用类间平均法和平方欧氏距离，11个品牌都进入了聚类分析。从样本类归属情况来看，分为4组比较合适（图2）。为了更清楚地看到各组分组的理由，以及同组内各品牌之间的具体差异，再做基于因子得分的复式条形图[16-17]（图3）。
图2 各品牌白酒的聚类谱系图
Fig.2 Cluster pedigree diagram of Baijiu with different brands
图3 因子得分条形图
Fig.3 Bar chart of factors score
第1组包括金六福、古绵纯、皖酒王。其共同特点是酒精度较低，酒味较淡。皖酒王和金六福在香味上优于古绵纯。第2组包括五粮液和茅台。其共同的口味属性是酒香浓郁。其中，五粮液酒香更浓郁，酒精度更高。第3组包括高炉家酒、稻花香、剑南春、泰山特曲、水井坊。其共同特点是香味不大，酒精度适中。第4组包括红星二锅头。其显著特点是酒精度较高，有点辣。
3 结论
本文说明了运用因子分析和聚类分析进行中国白酒品牌定位研究的方法[18-20]。首先，分析数据是否适合进行因子分析。得到肯定的答案后，再正式进行因子分析，提取出公因子，并使之具有良好的解释能力。然后分析各指标在公因子上的因子载荷，据此为公因子命名。下一步计算因子得分，根据因子得分绘制了品牌认知定位图、谱系图和复式条形图，进行了聚类分组。至此明确了中国白酒市场上消费者看重的口味属性，各品牌在消费者心理认知中所处的位置和主要竞争对手。从分析结果来看，当前中国白酒的主要口味属性有3种：酒香浓郁，酒味较淡和酒精度较高。所考察的白酒品牌根据这3种属性可以相应地分成4组。
本文所介绍的因子聚类分析方法对于白酒品牌进行功能性价值定位具有直接的应用价值。白酒企业以调研消费者对于各品牌属性的心理认知为基础，通过多元统计技术可以得到一个相对客观的品牌定位，而非营销人员和企业自身的主观臆想，有助于改变以往品牌定位不科学的现象，这能够帮助白酒品牌明确自身现有的定位，设计未来调整的方向进行品牌再定位，找到差异化竞争优势和市场立足点。
在运用因子分析法进行品牌定位时，一定要准确选择属性，每方面的属性都有2～3个条目或指标，指标的数目要小于调查品牌的个数。同时因子分析作为一种探索性的初步研究，必须结合其他多元统计方法，比如聚类分析等，以得到更有意义的信息，和更有把握的结论。
最后，本文虽以白酒品牌的口味属性这一品牌功能性价值为内容进行了品牌定位研究，但文中所介绍的因子聚类分析的研究方法适合于基于广泛内容的品牌定位研究，包括品牌认同感，品牌情感性价值，品牌文化性价值，品牌心理价值等，并且适用于广泛类别的品牌定位研究。
[1]程艳红.白酒企业品牌定位研究——以泸州老窖为例[J].江苏商论，2010（8）：29-31.
[2]赵凤超，王炎灿，刘高峰，等.中国白酒品牌核心价值定位探析[J].中国酿造，2008，27（20）：103-105.
[3]LILIEN G L,RANGASWAMY A.New product and brand management:marketing engineering applications[M].New Jersey:Prentice Hall,c2003.
[4]SPEARMAN C."General intelligence," objectively determined and measured[J].Am J Psychol,1904,15(2):201-292.
[5]冯莉钧，贾秀才，汤少梁.基于因子分析法的16 家中药上市公司成长性评价实证研究[J].中草药，2017，48（3）：616-622.
[6]王哲，沙国，杨桔.基于因子分析法的中部城市群创新能力评价研究[J].江淮论坛，2015（1）：104-108，187.
[7]薛薇.统计分析与SPSS 的应用[M].北京：中国人民大学出版社，2001.
[8]LIU S F,ZHANG Y,JIANG M.ANP-based analysis of design strategy,customer demand,and firm performance of the elderly motorized mobility scooter[J].J Interdiscipl Mathemat,2018,21(2):431-437.
[9]ZHU S B,LI Z L,ZHANG S M,et al.Natural gas pipeline valve leakage rate estimation via factor and cluster analysis of acoustic emissions[J].Measurement,2018,125:48-55.
[10]WON J C,IM Y J,LEE J H,et al.Clinical phenotype of diabetic peripheral neuropathy and relation to symptom patterns:cluster and factor analysis in patients with type 2 diabetes in Korea[J].J Diabet Res,2017,2017:1-9.
[11]张济帆.市场研究在品牌研究中的若干方法[J].市场研究，2006（7）：34-38.
[12]郝黎仁，樊元，郝哲欧.SPSS 实用统计分析[M].北京：中国水利水电出版社，2005.
[13]王旭，方虹，张芳，等.基于因子分析的乳制品消费者质量安全信任研究[J].数学的实践与认识，2016，46（16）：69-77.
[14]KHAZAIE H,ZAKIEI A,KOMASI S.A simultaneous cluster analysis of cognitive,emotional,and personality factors and insomnia and sleep quality among earthquake victims[J].Disast Med Public Health Prepared,2019:1-8.
[15]鲁夏平.基于因子聚类分析的广东省流通业综合能力评价[J].商业经济研究，2019，765（2）：140-143.
[16]JIE L L,LIU W D,QIU L P,et al.Regional cluster analysis of Mainland China based on factors of the reliability of air-conditioning systems[J].HVAC Res,2017,23(4):709-724.
[17]ZHANG J,ZHANG L Y,DU M,et al.Identifying the major air pollutants base on factor and cluster analysis,a case study in 74 Chinese cities[J].Atmosph Environ,2016,144:37-46.
[18]朱周俊，袁德义，邹锋，等.不同锥栗农家种种仁中9 种矿质元素含量的因子分析与聚类分析[J].食品科学，2019，40（2）：165-170.
[19]倪向丽.我国省际旅游产业竞争力因子聚类评估[J].统计与决策，2018，34（21）：54-56.
[20]高天宏，杨妃.白酒类上市企业财务特征与财务风险分析研究[J].福建商学院学报，2019（5）：72-79.