Статистики и термины, связанные с совместным анализом

С совместным анализом связаны следующие основные статистики и термины.

Функции частной ценности(part-worth functions), или функции полезности. Эти функции описывают полезность, которую потребители присваивают уровням каждой характеристики.

Веса относительной важности(relative importance weights). Показывают, какие характеристи­ки больше всего влияют на выбор потребителя.

Атрибутивные уровни, уровни характеристик(attribute levels). Показывают значения харак­теристик.

Полные профили(full profiles). Полные профили или конкурентные профили торговых ма­рок, построенные на базе всех характеристик с использованием их уровней.

Парные таблицы(pairwise tables). Таблицы, в которых респонденты одновременно оценива­ют по две характеристики до тех пор, пока не оценят все пары характеристик.

Циклические планы(cyclical designs). Планы, используемые для снижения числа попар­ных сравнений.

Часть III. Сбор, подготовка и анализ данных

Планы дробных факторных экспериментов(fractional factorial designs). Планы, используем для снижения числа профилей объектов, определяемых в полнопрофильном методе.

Ортогональные таблицы(orthogonal arrays). Специальный класс планов дробных факторн экспериментов, который позволяет эффективно оценивать все главные эффекты.

Внутренняя достоверность(internal validity). Определяется на основе корреляции преде] занных оценок проверочных объектов с оценками объектов, данными респондентами.

ВЫПОЛНЕНИЕ СОВМЕСТНОГО АНАЛИЗА

На рис. 21.8 перечислены этапы совместного анализа.

• Формулирование проблемы

Конструирование объектов

Принятие решения о форме исходных щ Выбор метода совместного анализ* Интерпретация результатов

•МШ ::,::•/--

Оценивание надежности и достоверности

ШШЯвНКк

Рис. 21.8. Совместный анализ

Формулирование проблемы включает идентификацию основных характеристик объе* и их уровней. Эти характеристики и их уровни используют для конструирования объекте] задаче совместного оценивания. Респонденты оценивают или ранжируют объекты, испол зуя подходящую шкалу, и полученные данные анализируют. Результаты интерпретируют оценивают их надежность и достоверность. Теперь опишем каждый из этапов совместно анализа детально.

Формулирование проблемы

При формулировании проблемы совместного анализа исследователь должен определить > рактеристики и уровни характеристик (атрибутивные уровни), используемые в конструирон нии объектов. Атрибутивный уровень указывает на значение данной характеристики. С теор тической точки зрения выбранные характеристики должны быть явно выраженными, вноси основной вклад в предпочтения и выбор потребителей. Например, при выборе марки автом биля в характеристики следует включить цену автомобиля, расход бензина на определенн количество километров пути, объем салона автомобиля и т.п. С точки зрения менеджмента, > рактеристики и их уровни должны быть такими, чтобы их можно было контролировать и ю управлять. Доклад менеджеру о том, что потребители предпочитают спортивные автомоби. обычным, выглядит бесполезно до тех пор, пока спортивный и обычный стиль автомобилей выразят через характеристики, которыми менеджер может управлять. Маркетологи могут опр делить интересующие их характеристики в ходе встреч с менеджментом и отраслевыми экспертами, анализа вторичных данных, качественного исследования и предварительного сбора ин­формации. Как правило, исследование с применением совместного анализа включает шесть или семь характеристик объекта.

После определения характеристик следует выбрать подходящие уровни. Их число опре­деляет число оцениваемых параметров, а также влияет на число объектов, которые будут оцениваться респондентами. Чтобы облегчить задачу, стоящую перед респондентами, и при этом оценивать параметры с достаточной точностью, желательно ограничить число уровней, функции полезности или частной ценности для уровней характеристики могут оказаться нелинейными. Например, потребитель предпочитает средний по размеру автомобиль ма­ленькому или большому автомобилю. Аналогично и функция полезности для цены может носить нелинейный характер. Потеря полезности при переходе от дешевого автомобиля к ав­томобилю средней цены может быть намного меньше, чем потеря полезности при переходе от автомобиля средней цены к дорогому. В этих случаях используют, по крайней мере, три уровня. Для некоторых характеристик естественно наличие двух уровней — автомобиль мо­жет иметь или не иметь люк в крыше.

Выбранные атрибутивные уровни влияют на процесс оценивания потребителями авто­мобилей. Если цены на автомобиль данной торговой марки составляют 10, 12 и 14 тысяч долларов, то цена является относительно незначимым фактором. С другой стороны, если це­на варьирует от 10, 20 и далее до 30 тысяч долларов, то она будет важным фактором. Значит, исследователь должен учитывать атрибутивные уровни, превалирующие на рынке, и цели проводимого исследования. Использование атрибутивных уровней, не отражающих истин­ную рыночную картину, снизит достоверность оценок, но увеличит точность, с которой бу­дут оценены параметры. В качестве главного правила стоит запомнить, что выбирать атрибу­тивные уровни надо так, чтобы их диапазоны были несколько шире, чем диапазоны, преоб­ладающие на рынке, но не настолько большие, чтобы неблагоприятно воздействовать на достоверность результатов оценки.

Мы проиллюстрируем методологию совместного анализа на примере оценки студентами кроссовок. Качественное исследование позволило определить три явно выраженные характери­стики кроссовок: материал подошвы, материал верха и цену [24]. Для каждой характеристики определили три уровня, приведенные в табл. 21.2. Эти характеристики и их уровни использо­вали для создания объектов в совместном анализе.

Таблица 21.2. Характеристики кроссовок и их уровни

Уровень

Характеристика	Номер	Описание
Подошва		Резина
		Полиуретан
		Пластик
Верх		Кожа
		Парусина
		Нейлон
Цена		$30,00
		$60,00
		$90,00

Считается, что если на выбор потребителей сильно влияет дизайн изделия, то следует ис­пользовать его изображение, так как выбор в значительной степени зависит от проверки реаль­ных изделий или их фотографий [25].

Построение объектов

Существует два широко распространенных подхода к построению объектов в совместж анализе — попарный подход и метод полного профиля (полнопрофильный метод). В попарнс подходе, также называемом методом двухфакторных оценок, респонденты одновременно оцен вают по две характеристики до тех пор, пока не оценят все возможные пары характеристи Этот подход показан на рис. 21.9 в контексте примера с кроссовками.

Резина

Подошва

Полиуретан

Пластик

Кожа

_,

Парусина

Нейлон

Резина

Подошва

Полиуретан

Пластик

$30

$60

$90

$30

Цена

$60

$90

Кожа

Парусина

Нейлон

Рис. 21.9. Попарный подход к сбору данных дт совместного анализа

Для каждой пары кроссовок респонденты оценивали все комбинации уровней обеих харак теристик, представленных в матричной форме. В подходе полного профиля, также известног под названием метод многофакторных оценок, для всех характеристик строили полные профил

торговых марок. Обычно каждый профиль описывают на отдельной индексной карточке. Этот подход проиллюстрирован в табл. 21.3 также на примере с кроссовками.

Таблица 21.3. Полнопрофильный метод сбора данных для совместного анализа

Пример профиля кроссовок

Подошва Верх Цена (долл.)

Сделана из резины Сделан из нейлона 30

Необходимо оценивать все возможные комбинации, однако это не так просто. В попарном подходе можно снизить число попарных сравнений, используя периодический план. Анало­гично в полнопрофильном методе можно значительно уменьшить число объектов с помощью дробного факторного эксперимента. Специальный класс факторных экспериментов, называе­мый ортогональной таблицей, позволяет эффективно оценивать все главные эффекты. Ортого­нальная таблица допускает измерение всех изучаемых главных эффектов на некоррелирован­ной основе. Эти планы предполагают, что все взаимодействия пренебрежимо малы. Ортого­нальные таблицы составляют, исходя из планов полного факторного эксперимента, заменив выбранные эффекты взаимодействия, которые принимают пренебрежимо малыми, новым фактором [26]. Обычно получают два набора данных. Набор вычисления используют для вычис­ления функций полезности для атрибутивных уровней. Набор проверки достоверности исполь­зуют для оценки надежности и достоверности.

Преимущество попарного метода в том, что он легче для респондентов: им проще высказать свое мнение при попарном сравнении характеристик. Однако относительным недостатком это­го подхода является то, что в нем требуется сделать больше оценок, чем при использовании полнопрофильного метода. Кроме того, задача оценивания может оказаться нереалистичной, если одновременно оценивают только две характеристики. Сравнение двух подходов показыва­ет, что оба метода приводят к сопоставимым функциям полезности, однако полнопрофильный метод распространен больше.'

Полнопрофильный метод использовался в примере с кроссовками. При заданных трех ха­рактеристиках и трех уровнях можно построить 3 х 3 х 3 = 27 профилей. Чтобы уменьшить для респондентов задачу оценки, использовали план факторного эксперимента с дробными откли­ками и составили набор из девяти профилей для создания набора оценочных объектов (табл. 21.4). Другой набор из девяти объектов составлен для проверки достоверности результа­тов. Для обоих наборов (вычисления и проверки достоверности) получили исходные данные. Однако, прежде чем получить исходные данные, необходимо решить вопрос о форме представ­ления исходных данных [27].