Just About Right Scales and Penalty Analysis-RDSi Research

Just About Right (JAR) scales jsou běžně používaným formátem otázek při pokusu o identifikaci výkonu produktu nebo zkušenosti s určitým atributem. Měřítko předpokládá, že existuje ideální pozice pro atribut a možnost být nad nebo pod ideálem. Například, sladkost čokoládové tyčinky by mohla být téměř správná, nebo by to mohlo být buď příliš sladké, nebo ne dost sladké. Abychom to kvantifikovali, vytvoříme pět jedinečných pozic na 5bodové stupnici od příliš sladkých až po vůbec sladké (Obrázek 1).

při zodpovězení otázek může respondent vybrat pouze jednu z pěti odpovědí, což z něj činí jedinou kódovou otázku.

na konci studie budete schopni vytvořit průměrné skóre na těchto datech a najít svou průměrnou pozici ve vztahu k tomu, že máte pravdu. Průměr blízký nule ilustruje, zda jste v souladu s očekáváním spotřebitelů pro tento atribut, ale je důležité se podívat, zda je tento průměr odvozen z polarizovaného nebo jednomyslného bodování.

dalším krokem je posoudit vliv, který má tento atribut na vaše celkové odvolání, a trest, který se vyskytne při nedostatečném výkonu. To vám řekne, zda je tento atribut rozhodující pro optimalizaci, nebo druhořadý význam. K tomu používáme analýzu trestů.

jak to vypočítat:

první krok
nejprve musíte mít otázku, která měří celkovou přitažlivost spotřebitele k produktu, např. jak moc se vám produkt celkově líbí, Kde 5 je jako hodně a 1 je hodně nelíbí? To by také mohlo být požádáno o 7 nebo 10 bodová stupnice, pokud je to výhodné.

musíte mít také řadu stupnic JAR, proti nimž můžete měřit vliv. Například: sladkost, tloušťka, barva a síla vůně.

krok dva
při pohledu na každou z vašich jar váhy, je třeba seskupit spotřebitele, kteří hodnotili produkt příliš sladké, nebo ne dost sladké. Takže ti, kteří si vybrali „trochu příliš sladké“ (4) a „příliš sladké“ (5), nazveme skupinu „A“. Dále ti, kteří kódují „téměř správně“ (3), budou skupina B a ti, kteří vybrali buď „vůbec není dost sladké“ (1) a „není dost sladké“ (2), budou skupina C.takže nyní máte 3 skupiny, A, B A C.

krok tři
Dále budete muset vypočítat velikost každé z těchto dvou skupin vydělením počtu respondentů v každé skupině (A,B,C) celkovým počtem respondentů, kteří odpověděli na vaši studii.

Krok čtyři
nyní se budete muset podívat na to, jak každá z těchto skupin odpověděla na celkovou otázku odvolání. To lze provést v surovém datovém souboru Excel nebo jiném datovém balíčku. Pro každou ze svých skupin musíte vytvořit jedno průměrné skóre. Například skupina A, která považovala produkt za příliš sladký, poskytla průměrnou celkovou přitažlivost 4, 15. Skupina B, která považovala sladkost za téměř správnou, má průměrnou celkovou přitažlivost 4,55 a tak dále.

krok pět
jakmile máte průměrné skóre pro celkové odvolání, pro všechny tři skupiny jste připraveni vypočítat svůj trest. Vezměte skupinu B, ty hodnocení téměř správně, být vaším výchozím bodem. Předpokládejme, že v průměru 4,55 pro celkové odvolání. Nyní odečtěte celkový průměr pro skupinu a od tohoto součtu. Např. 4,55 minus 4,15 se rovná 0,40. To nám říká, že trest za hodnocení produktu jako příliš sladké, je pokles o 0,40 na celkové odvolání. Potom proveďte totéž pro skupinu C.

opakujte to pro každý testovaný atribut.

krok šest
Nyní jste vypočítali sankce za každý atribut a procento spotřebitelů v každé skupině, nyní je můžete vykreslit na grafu, abyste zjistili, kde leží. Při pohledu na tento graf, v pravém horním rohu je kritický roh; to je místo, kde najdete atributy, které mají největší trest na celkové odvolání. Pro vytvoření kritického rohu bychom obvykle protínali osu X, kde atributy ovlivňují celkovou přitažlivost pro více než 20-25% respondentů, a osu Y, kde je pokles trestu 1 bod nebo větší.

tento graf nám ukazuje, že výrobek není dostatečně sladký, barva je příliš světlá, tloušťka je příliš silná a vůně je příliš silná, všechny mají velký trest pro spotřebitele, kteří se mu celkově líbí. Ty je třeba řešit okamžitě.

takže je pro vás analýza trestů tím správným nástrojem? Existuje mnoho kladů na analýzu trestů. Za prvé, je levné spustit a může to udělat kdokoli s aplikací Excel. Nebudete muset zaměstnávat statistiku nebo investovat do drahého softwaru. Je to rychlé spuštění, a rychle zmapovat, takže je efektivní pro analýzu a podávání zpráv. A to je snadno pochopitelné, což znamená, že můžete prokázat roli, kterou má každý atribut na produktu, bez komplikovaných vysvětlení.

existují však nevýhody, z nichž největší je, že se dívá na vztah mezi atributy a celkovou přitažlivost izolovaně; manipulace s jedním atributem by mohla mít vliv na ostatní atributy. A jak již bylo řečeno, některé atributy jsou polarizující, které by mohly zůstat bez povšimnutí analýzou trestu. Konečně. existují další robustnější statistické techniky, které by mohly být použity k lepšímu pochopení role, kterou má každý atribut na celkovém odvolání, ale analýza trestů je dobrým výchozím místem.

Napsat komentář

Vaše e-mailová adresa nebude zveřejněna.