ongeveer juiste schalen (JAR) zijn een veelgebruikte vraagformaat wanneer wordt geprobeerd de prestaties van een product of ervaring te identificeren tegen een bepaald kenmerk. De schaal gaat ervan uit dat er een ideale positie is voor een attribuut, en de mogelijkheid om over of onder het ideaal te zijn. Bijvoorbeeld, de zoetheid van een chocoladereep kan ongeveer goed zijn, of het kan ofwel te zoet zijn, of niet zoet genoeg. Om dit te kwantificeren, creëren we vijf unieke posities op een 5-puntsschaal, variërend van veel te zoet, tot helemaal niet zoet genoeg bijvoorbeeld (figuur 1).
bij het beantwoorden van de vragen kan de respondent slechts één van de vijf antwoorden selecteren, waardoor dit een enkele code-vraag is.
aan het einde van de studie kunt u een gemiddelde score op deze gegevens maken, waarbij u uw gemiddelde positie in relatie tot het feit dat ongeveer goed vindt. Een gemiddelde dicht bij nul zal illustreren of u in overeenstemming bent met de verwachtingen van de consument voor deze eigenschap, maar het is belangrijk om te kijken of dit gemiddelde is afgeleid van gepolariseerde of unanieme waardering.
de volgende stap is het beoordelen van de invloed die deze eigenschap heeft op uw algehele aantrekkingskracht, en de straf die wordt ondervonden wanneer u te weinig presteert. Dit zal u vertellen of deze eigenschap is van cruciaal belang om te optimaliseren, of van secundair belang. Hiervoor gebruiken we Strafanalyse.
hoe wordt dit berekend?:
stap één
Ten eerste moet u een vraag hebben die de algemene aantrekkingskracht van het product van de consument meet, bijvoorbeeld hoeveel vindt u het product in zijn geheel leuk, waarbij 5 veel lijkt en 1 veel afkeer heeft? Dit kan ook worden gevraagd op een schaal van 7 of 10 punten indien gewenst.
u moet ook een reeks JAR-schalen hebben waarmee u de invloed kunt meten. Bijvoorbeeld: zoetheid, dikte, kleur en reuksterkte.
stap twee
als u naar elk van uw schalen kijkt, moet u consumenten groeperen die het product te zoet of niet zoet genoeg vonden. Dus degenen die ‘a little too sweet’ (4) en ‘much too sweet’ (5) kozen, noemen we Groep ‘A’. Vervolgens zijn degenen die ‘bijna goed’ (3) coderen groep B, en degenen die ‘helemaal niet zoet genoeg’ (1) en ‘niet helemaal zoet genoeg’ (2) hebben geselecteerd Groep C. Dus, je hebt nu 3 groepen, A, B en C.
Stap drie
vervolgens moet je de grootte van elk van deze twee groepen berekenen, door het aantal respondenten in elke groep (A,B,C) te delen door het totale aantal respondenten dat je studie heeft beantwoord.
Stap vier
nu moet u bekijken hoe elk van deze groepen de algemene vraag in beroep heeft beantwoord. Dit kan worden gedaan in een raw Excel-gegevensbestand of een ander gegevenspakket. Je moet een gemiddelde score voor elk van uw groepen te creëren. Groep A bijvoorbeeld, die het product te zoet vond, gaf een gemiddelde algemene aantrekkingskracht van 4,15. Groep B, die de zoetheid zowat goed vond, heeft een gemiddelde algemene aantrekkingskracht van 4,55, enzovoort.
Stap vijf
als u voor alle drie de groepen de gemiddelde score voor het algemeen beroep hebt, bent u klaar om uw straf te berekenen. Neem Groep B, die rating ongeveer goed, om uw startpunt te zijn. Laten we uitgaan van een gemiddelde van 4,55 voor de algehele aantrekkingskracht. Trek nu het algemene gemiddelde Voor Groep A van dit totaal af. Bijvoorbeeld 4,55 min 4,15 is gelijk aan 0,40. Dit vertelt ons dat de straf voor het beoordelen van het product als te zoet, is een daling van 0,40 op de algehele aantrekkingskracht. Doe dan hetzelfde voor Groep C.
herhaal dit voor elk kenmerk dat u hebt getest.
stap zes
Nu u de boetes voor elk kenmerk en het percentage consumenten in elke groep hebt berekend, kunt u deze nu in een grafiek plotten om te zien waar ze liggen. Kijkend naar deze grafiek, is de rechterbovenhoek de kritieke hoek; Dit is waar u de attributen zult vinden die de grootste straf op Algemeen beroep hebben. Om de kritieke hoek te maken, snijden we meestal de x-as waar attributen een algemene aantrekkingskracht uitoefenen voor meer dan 20-25% van de respondenten, en de Y-as waar de strafdaling 1 punt of meer is.
deze grafiek toont ons dat het product niet zoet genoeg is, de kleur te licht, de dikte te dik en de geur te sterk zijn, allemaal een grote straf hebben voor de algemene voorkeur van de consument voor het product. Deze moeten onmiddellijk worden aangepakt.
is Strafanalyse het juiste instrument voor u? Er zijn veel voordelen voor Penalty analyse. Ten eerste is het goedkoop om uit te voeren en kan het door iedereen met Excel worden gedaan. U hoeft geen statisticus in dienst te nemen of te investeren in dure software. Het is snel te draaien en snel in kaart te brengen, waardoor het efficiënt is voor analyse en rapportage. En het is gemakkelijk te begrijpen, wat betekent dat u kunt aantonen welke rol elk attribuut heeft op het product zonder ingewikkelde verklaringen.
er zijn echter nadelen, waarvan de grootste is dat het de relatie tussen attributen en algemene aantrekkingskracht afzonderlijk bekijkt; knoeien met één attribuut kan een domino-effect hebben op andere attributen. En zoals eerder besproken, zijn sommige attributen polariserend die onopgemerkt kunnen blijven door de Strafanalyse. Eindelijk. er zijn andere meer robuuste statistische technieken die er zijn die kunnen worden gebruikt om beter te begrijpen van de rol die elk attribuut heeft op de algemene aantrekkingskracht, maar Penalty analyse is een goede startplaats.
