интересно
Предыдущая | Содержание | Следующая

Многомерное шкалирование и совместный анализ

КРАТКИЙ ОБЗОР

В заключительной главе, посвященной анализу данных, представлены два взаимосвязанных метода анализа восприятий и предпочтений потребителей — многомерное шкалирование (ММШ) и совместный анализ. Мы кратко изложим и проиллюстрируем этапы выполнения многомерного шкалирования и обсудим связь между многомерным шкалированием, факторным и дискриминантным анализом. Затем опишем совместный анализ и представим пошаговую процедуру его выполнения. Кроме того, мы кратко опишем гибридный совместный анализ.

Начнем с примеров, иллюсгрируюших применение многомерного шкалирования и совместного анализа.

Первые два примера показывают, как получают и используют карты восприятия, которые являются ядром многомерного шкалирования. Пример с кредитной карточкой Complete MasterCard Ameritech демонстрирует компромиссы, на которые идут респонденты при оценке вариантов. Метод совместного анализа как раз и опирается на такие компромиссы.

ОСНОВНЫЕ ПОНЯТИЯ МНОГОМЕРНОГО ШКАЛИРОВАНИЯ

Многомерное шкалирование (ММШ) (Multidimensional Scaling — MDS) — это класс методов для представления восприятий и предпочтений респондентов в пространстве с помощью на-глядногоизображения.

Воспринимаемые (психологические) взаимосвязи между объектами представляют в виде геометрическихсвязеи между точками в многомерном пространстве. Эти геометрические предсравнения часто называют пространственными картами. Оси координат на пространственной карте соответствуют психологическим факторам поведения человека или, иначе говоря, основным размерностям, которыми пользуются респонденты для формирования восприятия и предпочтения объектов. Многомерное шкалирование используют в маркетинге, чтобы определить следующее.

Количество и природу измерителей, которые используют потребители, чтобы выразить свое отношение к торговым маркам на рынке.

Позиционирование имеющихся торговых марок согласно этим измерителям.

Позиционирование идеальных потребительских торговых марок по этим измерителям.

Информация, полученная в результате многомерного шкалирования, используется для решения разнообразных задач в маркетинге. Отметим среди них следующие.

Измерение имиджа. Восприятие фирмы потребителями и непотребителями ее продукции в сравнении с собственным восприятием фирмы самой себя.

Сегментация рынка. Расположение в одном и том же пространстве торговых марок и потребителей для выявления относительно однородных по восприятиям групп потребителей.

Разработка нового товара. Многомерное шкалирование позволяет увидеть пробелы на пространственной карте, которые указывают потенциальные возможности для размещения новых товаров. Кроме того, этот анализ используют, чтобы с помощью тестирования оценить новый товар и существующие торговые марки и таким образом определить, как потребители воспринимают новые идеи, заложенные в товаре. Доля предпочтений для каждого нового товара служит индикатором успеха этого изделия.

Я Оценка эффективности рекламы. Пространственные карты можно использовать для определения эффективности рекламы с точки зрения занятия торговой маркой желаемого положения на рынке.

Ценовой анализ. Сравнение пространственных карт, разработанных с учетом и без учета восприятия иены, позволяет определить влияние цены на поведение покупателей.

Решение о числеканалов сбыта. Мнения респондентов о сопоставимости торговых марок с различными торговыми точками могут привести к пространственным картам, полезным для принятия решения о количестве каналов сбыта.

Построение шкалы отношений. Методы многомерного шкалирования используются для разработки соответствующей по размерности и конфигурации шкалы отношений.

СТАТИСТИКИ И ТЕРМИНЫ, ИСПОЛЬЗУЕМЫЕ В МНОГОМЕРНОМ ШКАЛИРОВАНИИ

Ниже перечислены основные статистики, связанные с многомерным шкалированием.

Оценка сходства (similarityjudgments). Рейтинги всех возможных пар торговых марок или других объектов, отражающие их сходство по шкале Лайксрта.

Ранги предпочтений (preference rankings), Рангиторговых марок или других объектов в порядке их уменьшения (от большего к меньшему). Обычно эти данные получают при опросе респондентов.

Стресс (stress). Мера соответствия подогнанной модели исходным данным: чем выше значение стресса, тем ниже качество подгонки модели.

R-квадрат (R-square). R-квадрат— это квадрат коэффициента корреляции, который показывает долю дисперсии оптимально отображенных данных, которые могут быть учтены ММШ. Мера соответствия подогнанной модели исходным данным.

Пространственная карта (spatial map). Воспринимаемые взаимосвязи между торговыми марками или другими объектами, представленные в виде геометрических связей между точками в многомерном пространстве.

Координаты (coordinates). Указывают расположение торговых марок или объектов на пространственной карте.

Развертка (unfolding). Представление торговых марок и респондентов в виде точек в одном и том же пространстве.