品牌价格抵补模型
出自 MBA智库百科(https://wiki.mbalib.com/)
品牌价格抵补模型(Brand Price Trade Off，BPTO模型)
目录 |
品牌价格平衡模型（BPTO）是非常有效的品牌价格分析模型，目前在美国和欧洲已成为一种广泛使用的定价方法。在竞争对手的品牌价格，通过该模型可以得出目标研究品牌在什么价位上会得到最高的市场份额。
通常情况下，企业往往根据历史经验对产品进行定价，因此经常会对定价的范罔感到困惑。特别尼在为产品进行价格调整时，消费者所能承受的最高价格是多少？在什么价格条件下消费者感到比较适合．愿意继续消费？等等诸如此类的问题。在较为简单的价格测试中，企业向购买者询问“产品A卖多少钱您会考虑购买？”或者“假如产品B的价格上升10％你是否还会购买？”，前者无一例外合产生相当低的价格预期；而后者则倾向于低估价格弹性，因此产生过于乐观的预测。它们的局限性在于无法表现真实生活中的购买决且
BPTO试图建立一个模拟价格研究方祛。在测试时通常需要收集被测产品及所有主要竞争对手的产品，其最终结果是要建立所研究品牌和竞争对手品牌的动态关联。
BPTO模型比GABOR GRANGER模型要复杂的多。
BPOT从本质上要解决以下的价格问题：
- 了解在消费者心目中价格和品牌的相对重要性；
- 测量品牌的价格弹性；
- 确定最优价格和价格极限；
- 模拟价格战。
在市场调查时，传统的BPTO有多种数据采集分析方法：
方法一：向被访者出示被测品牌和竞争品牌，计算任何一种价格条件下被访者选择被测品牌和竞争品牌的次数。
方法二：计算每个品牌被访者所能选择的边际价格。开始时的价格应能够反映目前巾场上各品牌间的价格差异，询问被访者在这些价格下，会选择哪个品牌。被选择的品牌将被加价／降价一个价格段，重复问同样的问题；再找出了一个会被选择的品牌，同时对该品牌进行加价／降价，直到最后。
BPTO在消费品、耐用品和服务的定价策略中使用较多，但在使用过程中也存在局限性。BPTO定价策略中一个受到广为关注的问题是这种加价／降价模式让被访者感觉到好象是在玩游戏，而不是在完成一件关系到价格决策的大事。这样被访者会觉得乏味、不真实，不愿意认真投入，容易对付了事。因此有的被访者不论品牌，只选择价格最低的产品；反之，当给出一个市场卜不可能接受的价格时，被访者仍有可能选择他所喜爱的品牌。BPTO还会存在以下两个方面的问题：与模型建立过程有关的错误彻］模型在多大程度上能反映出现实生活巾的实际情况），另一方面是样本设计错误。
BPTO的研究试图建立一个模拟价格研究方法。其通常通过中心地测试(CLT)的方式来完成,测试时需要收集被测产品及所有主要竞争对手的产品。所有产品被标上从最低到最高的价格。这里值得注意的是最低价格和最高价格要求明显低于市场最低价和高于市场最高价。其原因是必须考虑到产品以后可能的降价和涨价。另外，由于测试涉及多个品牌，各品牌之间的顺序可能会影响被访问者的评价，因此，必须保证各品牌顺序的随机性，大视野的做法是利用随机数表，让访问员根据随机数表时刻调整各品牌之间的顺序，消除测试顺序性误差。
我们从图1开始来介绍BPTO问卷过程。在图1中，有5种品牌和5种不同的价格，假如某一被访者首先选择的是C品牌(55RMB), 那么C品牌的价格马上上涨一个幅度(57RMB)，其他品牌价格不变。这时再让该被访者选择，尽管C品牌价格上涨了，该被访者仍然选择C品牌(57RMB)，这时C品牌再上涨一个幅度 (59RMB)，其他品牌价格仍然不变。这样循环下去，图2记录了该消费者的选择轨迹。其选择过程中止的条件是任何一个品牌在所有价位上全部被选完。 BPTO模型的最终结果是建立一个研究品牌和竞争对手品牌的一个动态关联。在竞争对手品牌的价格下，通过该模型可以得出研究品牌在什么价位上会得到最高的市场份额。
适用于考虑品牌竞争的情况
该模型主要的研究目的是：当消费者面对他们喜欢的价格较高的品牌和哪些价格相似的第二选择品牌时，做出的反映情况。消费者是否转换品牌，还是忠实所喜爱的品牌，从而确定品牌的理想价格，为企业品牌战略管理提出指导性建议。
随着计算机网络与通信技术的发展，信息技术在市场预测模型中的应用越来越广泛。基于计算机数据分析的品牌价格平衡模型，成为国外目前最为成功的一种在模拟竞争环境下测试品牌价格策略的高级研究技人
传统BPTO由f要处理的信息量太大，往往只能对相对较小的预测模型进行分析。计算机数据分析的5队，使得BPTO的大规模应用成为可能，许多著名的统计软件均增加了BPTO的计算功能，一些大型的市场研究公司则开发7自己的专用软件。随着这些计算机软件技术的引入，近几年BPTO技术也止在开始进入中国。基于计算机数据分析的BFTO极大地扩展了预测的能力，主要体现在以下几个方面；
- 模拟现实的竞争环境，允许多个竞争品牌和测试品牌共同参与测试；
- 运用联合分析（Conjoint Analysis）技术，可以对数据进行更深入的诊断性分析；
- 模拟预测任何价格战的结果；
- 可以将被访者使用习惯和品牌能力纳入预测模型，从而使预测结果更为可靠。
