版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、品牌定位是品牌研究中的重要理論。近幾十年眾多學者通過品牌概念研究、個性維度研究、應用研究等不斷豐富和擴展了品牌個性定位理論研究。隨著消費者個性化消費趨勢日趨明顯,品牌個性在企業(yè)的競爭中作用越來越突出,研究品牌個性的理論和現(xiàn)實意義也日趨顯著。
本文采用文獻研究、模型應用、個案分析等方法,嘗試構(gòu)建汽車內(nèi)裝飾市場的品牌個性定位模型。
本文首先從品牌定位的概念出發(fā),對國內(nèi)外近年來關(guān)于品牌定位的最新研究成果進行回顧和整
2、理,指出研究中國品牌定位技術(shù)的發(fā)展情況。在理論總結(jié)之后,以Aaker的品牌個性定位技術(shù)為基礎(chǔ),選取國內(nèi)汽車內(nèi)裝飾市場的企業(yè)品牌定位進行實證研究。走訪了廣州、鄭州、臨沂、杭州和上海五個城市,搜集了來自汽車內(nèi)裝飾市場360位消費者的有效數(shù)據(jù),通過統(tǒng)計分析來對模型進行修正,使模型更符合這一特定情景的市場。
通過上述分析得到以下結(jié)論:第一,提出了汽車內(nèi)裝飾市場的品牌個性定位模型,分為9個維度:“質(zhì)樸”“誠信”“愛家”“歡樂”“時尚
3、”“可靠”“實力”“高尚”“堅強”。第二,提煉出汽車內(nèi)裝飾市場品牌個性特征,應向用戶傳遞“安全、可靠、貨真價實”的核心價值理念。而針對不同的細分市場,可通過選取不同輔助特性,有側(cè)重性的宣傳品牌形象。第三,修正后的模型與Aaker的品牌個性模型既有聯(lián)系又有差異。聯(lián)系之處在于,修正后的九個維度是在Aaker的品牌個性模型五維度的基礎(chǔ)上發(fā)展而來,沿用了原來的“高尚”維度命名。而“時尚”“堅強”“高尚”大致一一對應了原來量表中的“刺激”“粗狂”
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 模內(nèi)裝配技術(shù)在汽車內(nèi)飾件模具設(shè)計中的應用研究.pdf
- 車內(nèi)裝飾材料釋放有機污染物采樣-分析方法及應用研究.pdf
- 品牌個性在城市品牌定位中的應用——以天津市城市品牌定位為例.pdf
- 品牌個性定位
- 纖維藝術(shù)在現(xiàn)代室內(nèi)裝飾設(shè)計中的應用研究
- 基于PLCC技術(shù)的汽車內(nèi)數(shù)據(jù)傳輸應用研究.pdf
- 我國傳統(tǒng)室內(nèi)裝飾語言在現(xiàn)代居室中的應用研究.pdf
- 纖維藝術(shù)在現(xiàn)代室內(nèi)裝飾設(shè)計中的應用研究_1134.pdf
- 紡織品軟裝飾在室內(nèi)裝飾設(shè)計中的應用研究.pdf
- 國內(nèi)非織造汽車內(nèi)飾材料的應用研究
- 綜合檢測車內(nèi)部裝飾模塊化設(shè)計應用研究.pdf
- 布貼藝術(shù)在室內(nèi)裝飾中的應用研究.pdf
- 汽車車內(nèi)噪聲源識別方法應用研究.pdf
- 基于品牌個性地圖的企業(yè)品牌定位策略研究.pdf
- 亞麻在汽車內(nèi)飾材料上的應用.pdf
- 北京地區(qū)服裝品牌個性應用研究.pdf
- WSN定位技術(shù)及其在礦井人員定位中的應用研究.pdf
- 戰(zhàn)略聯(lián)盟在我國汽車金融市場的應用研究.pdf
- 電機新技術(shù)在汽車中的應用研究.pdf
- CAN總線技術(shù)在汽車中的應用研究.pdf
評論
0/150
提交評論