模型背景
某品牌知名度，是指目标区域内，有多少人听过这个品牌。
之所以有这样的指标，是因为在人类基因里，深深印刻着熟悉度和好感度正相关的公式。
品牌要想成为品牌，产品要想成为畅销品，首先得让更多的人知道产品、品牌的存在，这是心智占领的第一步。
假设我们为A品牌调研了100个人，细究其品牌知名度，可以拆分成：
- 第一提及品牌知名度。当问“联想到某个行业或者产品，你会想到什么品牌”，100个人有20个回答了A品牌，那第一提及品牌知名度就是 20 / 100 = 0.2
- 提示前品牌知名度。追问“还能联想到什么品牌”，100个人又有30个提到了A，加上第一提及的20个人，提示前品牌知名度 = （20 + 30）/ 100 = 0.5
- 提示后品牌知名度。拿出事先准备的品牌列表，依次询问是否听说过，又有40个人在这个环节想到了A品牌。提示后知名度 = (20 + 30 + 40) / 100 = 0.9
对于超级强势品牌来说，要的是强心智占领，所以更关注第一提及知名度。
常规分析会更关注提示前知名度。毕竟消费者不经提示自己说出来的品牌，才是他在决策时真正想得到的品牌。
初识Graveyard模型
Graveyard模型，脱胎于矩阵分析。模型把提示前品牌知名度和提示后品牌知名度纳入考量，以行业平均表现为纲，对品牌知名度做更立体的判断。
简单的说，Graveyard模型将提示前品牌知名度作为y轴，提示后知名度作为x轴，把我们拿到的品牌知名度数据用散点的形式映射到二维图上。
然后用线性回归对数据做拟合，得到一条贯穿的拟合线。这条拟合线，可以理解为整个行业的品牌，提示前知名度和提示后知名度的关系走向。
根据各品牌所处的位置，结合拟合线，就能从知名度的角度判断品牌是否健康。
模型实战
我们拿到了一批奶茶行业品牌知名度的样本数据，已经按提示前知名度和提示后知名度整理完毕。
数据调研于平行空间，最终解释权归数据不吹牛所有。
为了满足求知若渴的粉丝们练手需求，分别用Excel和Python来实践一下。
Excel版本
画个散点图看下分布：
横坐标是提示后知名度，纵坐标是提示前知名度。
拟合起来也非常简单，右键添加趋势线，默认就是线性拟合。
不得不承认，短平快的绘图、拟合、分析，Excel说第二，还真没人敢说第一。
