1. 回歸分析 (Regression analysis)
在對市場數據的分析中往往會看到變量與變量之間存在一定的相關關系。回歸分析就是研究變量之間相互關系，把其中一些因素作為獨立變量（自變量），而另一些隨機變量作為它們的依賴變量（因變量），用因變量的變化解釋和預測另一個自變量的變化。包括一元線性回歸，多元線性回歸，曲線擬合與非線性回歸等。回歸分析常應用于滿意度研究、市場預測等方面。
2. 因子分析 (Factor Analysis)
因子分析是通過研究眾多變量之間的內部依賴關系，結合主成份分析和因子旋轉，探求觀測數據中的基本結構，將多個實測變量轉換為少數幾個不相關的綜合指標的多元統計分析方法，這些綜合指標往往是不能觀測到的，但這幾個綜合變量更能反映事物的本質。在市場研究中，常與其他分析聯合使用，比如用于回歸及聚類分析，應用于市場細分、滿意度等領域。
3. 主成份分析 (Principal component analysis)
主成份分析的目的是要對多變量數據表進行最佳綜合簡化，也是一種降維的分析方法�；舅枷刖褪菍ふ疫@些變量的線性組合，即主成份，使這些主成份間不相關。為了能用盡量少的主成份個數去反映原始變量間提供的變異信息，要求各主成分的方差從大到小排列。第一主成份最能反映數據間的差異。
4. 聚類分析 (Cluster analysis)
聚類分析的原理是將性質相近的個體歸為一類，性質差異較大的個體屬于不同的類，使得類內個體具有較高的同質性，類間個體具有較高的異質性。在市場研究中，涉及市場細分問題時，通常使用聚類分析加以解決，可以描述每一類群體的內在特征，每一類群體的觀點、看法、價值觀、對事物的評價傾向以及對某一特定產品的態度。
5. 判別分析 (Discriminant analysis)
判別分析是根據觀測到的某些指標對所研究的對象進行分類的一種統計方法。進行判別分析時，通常是根據已掌握的一批分類明確的樣品建立判別函數、分類的規則，然后將待分類的樣本觀測值代入判別函數，求出其函數值，并據此作出判斷。在市場研究中可用于對決策行為預測的結果分類判別；對一個企業進行市場細分以選擇目標市場。
6. 聯合分析 (Conjoint analysis)
聯合分析就是通過對現實產品進行模擬，提供具有不同屬性水平的組合產品，讓消費者根據自己的偏好對這些產品進行評價、比較和選擇，并采用統計方法將這些屬性和屬性水平的效用進行分離，從而得出產品每一個屬性及屬性水平的重要性指標，獲得消費者偏好程度最高的組合產品。聯合分析還可以預測并未實際測試過的產品組合的消費者認同程度和市場份額。
7. 對應分析 (Correspondence analysis)
對應分析通過分析有定性變量構成的交互匯總表來揭示變量間的聯系。通過對應分析，可以把品牌、顧客特點以及他們之間的聯系同時反映在一個二維或三維的分布圖上，顧客認為比較相似的品牌在圖上的分布便會彼此靠近在一起。根據顧客特點與每一品牌之間距離的遠近，還可以區分顧客的哪些特點與喜好某種品牌的關系密切。常應用于品牌形象研究、產品屬性與細分群體的對應關系。
8. 多維偏好分析 (Multidimensional preference analysis)
多維偏好分析通過降維的思想，將多元數據變成通過二維圖形顯示的直觀結果。多維偏好分析常用于分析消費者對產品與服務的偏好傾向，在市場研究中能具體解決如下問題：確定目標消費群體、消費群體的分類和品牌評價等、相互競爭的品牌及尚未被填補的市場。
9. 多維尺度分析 (Multidimensional scaling analysis)
多維尺度分析用于反映多個研究事物間的相似程度，通過適當的降維方法，將這種相似程度在低維度空間中點與點之間的距離表示出來，并有可能幫助識別那些影響事物間相似性的潛在因素。多維尺度分析通常用于分析商品相似性，通過分析消費者對商品的相似性評分，產生這些商品相關性的的圖形，通過圖形可直觀地找出相似性產品（存在競爭可能性的產品）。
10. 基準分析 (Benchmarking analysis)
為了更好地分析競爭者的情況，可以將同行業中最有競爭力的作為基準作更深入的分析。基準分析可以幫助企業在進入海外市前就可以站在較高的角度去制定市場進入策略。
