消費者多變量分析-找出消費者需求缺失的一塊拼圖

　　利用多變量分析中的PCA、PLS的回歸方法，可以輕易把3D構型的數據回歸整理。以下就是這次案例介紹的數據與展現：
　　本案例中，第一部分有17個品種的番茄、共發展出11個感官特性及14位訓練型品評員。第二部分由379位消費型品評員進行preference test；第三部分，則有17個品種的物化特性。像這樣三個方向的數據，可以怎樣呈現可以最能看出喜好性的趨勢與消費者需求的趨勢?透過PCA分析可以看到下圖左邊是PC1與PC2，可以看出喜好性可以分出2個族群；而右邊的PC3與PC4則又分出第3個族群。

　　繼而可以透過L-PLS的方法，找出對喜好性正向與負項的因子，從而分析出消費者喜好與否的解釋因子，而能做出理想的開發或是銷售計畫。
　　事實上消費者的數據並不需要如此案例的高人次，但是不論是喜好性的消費型品評員或是描述分析的訓練型品評員，有足夠的族群代表性是必要的。只要是想知道反應的範圍都應該設計進去，成為測試族群。PLS的統計假設即使每個區格的代表都只有少數人，也是可以進行的，差別只在風險大小。
　　在台灣一般公司可以應用的品項，像優酪乳、調味醬料等嗜好性比較多元的產品都是很好的應用的對象。比如說預備針對咖哩醬汁進行開發，就可以利用市面上有的產品加上自己預備開發的雛形產品一起進行測試，不僅可以找出自己預備開發的產品的修正方向，還有機會找出消費者尚未被滿足的區塊，進而進行產品概念的拼圖工作。同時還可以蒐集到市場行銷計畫所需要的各種資訊。