Omtrent Høyre (JAR) skalaer er et vanlig spørsmål format når du prøver å identifisere ytelsen til et produkt eller erfaring mot et bestemt attributt. Skalaen antar at det er en ideell posisjon for et attributt, og muligheten for å være over eller under det ideelle. For eksempel, sødme av en sjokolade bar Kan Være Omtrent Rett, eller det kan være enten for søt, eller ikke søt nok. For å kvantifisere dette, skaper vi fem unike posisjoner på en 5-punkts skala som spenner fra altfor søt, til ikke i det hele tatt søt nok for Eksempel (Figur 1).
når du svarer på spørsmålene, kan respondenten bare velge ett av de fem svarene, noe som gjør dette til et enkelt kodespørsmål.
på slutten av studien vil du kunne lage en gjennomsnittlig poengsum på disse dataene, og finne din gjennomsnittlige posisjon i forhold til å være omtrent riktig. Et gjennomsnitt nær null vil illustrere om du er i tråd med forbrukernes forventninger til dette attributtet, men det er viktig å se om dette gjennomsnittet er avledet fra polarisert eller enstemmig scoring.
neste trinn er å vurdere hvilken innflytelse dette attributtet har på din generelle appell, og straffen som oppstår når du underpresterer. Dette vil fortelle deg om dette attributtet er kritisk for å optimalisere, eller av sekundær betydning. For Dette bruker Vi Straffeanalyse.
slik beregner du det:
Trinn En
for Det Første må du ha et spørsmål som måler forbrukerens generelle appell av produktet, For Eksempel Hvor mye liker du produktet generelt, hvor 5 er som mye og 1 misliker mye? Dette kan også bli spurt på en 7 eller 10 punkts skala hvis ønskelig.
Du må også ha EN REKKE KRUKKESKALAER som du kan måle påvirkningen mot. For eksempel: søthet, tykkelse, farge og luktstyrke.
Trinn To
Når Du Ser på HVER AV KRUKKESKALAENE dine, må du gruppere forbrukere som har vurdert produktet for søtt, eller ikke søtt nok. Så de som valgte ‘litt for søt’ (4) og ‘ mye for søt ‘(5) vi vil kalle gruppe ‘A’. Neste de som kode ‘omtrent rett’ (3) vil være gruppe B, og de som valgte enten ‘ ikke i det hele tatt søt nok ‘(1) og ‘ ikke helt søt nok ‘(2) vil være gruppe C. så, du har nå 3 grupper, A, B og C.
Trinn Tre
neste må du beregne størrelsen på hver av disse to gruppene, ved å dele antall respondenter i hver gruppe (A,B,C) med det totale antall respondenter som besvarte studien.
Trinn Fire
Nå må du se på hvordan hver av disse gruppene besvarte det generelle appellspørsmålet. Dette kan gjøres i en rå Excel-datafil eller en annen datapakke. Du må opprette en gjennomsnittlig poengsum for hver av gruppene dine. For Eksempel, Gruppe A som vurderte produktet å være for søtt, ga en gjennomsnittlig samlet appell på 4.15. Gruppe B, som betraktet søtheten Omtrent Riktig, har en gjennomsnittlig samlet appell på 4,55, og så videre.
Trinn Fem
Når du har dine gjennomsnittlige poeng for generell appell, er du klar til å beregne straffen for alle tre gruppene. Ta Gruppe B, de vurdering Omtrent Rett, å være ditt utgangspunkt. La oss anta et gjennomsnitt på 4,55 for samlet appell. Trekk nå det totale gjennomsnittet For Gruppe A fra denne summen. F. eks 4,55 minus 4,15 tilsvarer 0,40. Dette forteller oss at straffen for å rangere produktet som for søtt, er en nedgang på 0,40 på den generelle appellen. Gjør det samme For Gruppe C.
Gjenta dette for hvert attributt du testet.
Trinn Seks 
nå har du beregnet straffene for hvert attributt, og prosentandelen av forbrukere i hver gruppe, kan du nå plotte disse på en graf for å se hvor de ligger. Ser på denne grafen, øverst til høyre er Det Kritiske Hjørnet; det er her du finner attributtene som har den største straffen på generell appell. For å skape Det Kritiske Hjørnet vil vi typisk krysse x-aksen der attributter utfører generell appell for mer enn 20-25% av respondentene, Og Y-aksen der straffen faller er 1 poeng eller større.
denne grafen viser oss at produktet ikke er søtt nok, fargen er for lys, tykkelsen er for tykk og lukten er for sterk, har alle en stor straff på forbrukernes generelle smak av produktet. Disse må tas opp umiddelbart.
Så Er Penalty Analysis det riktige verktøyet for deg? Vel, det er mange fordeler Til Straffeanalyse. For det første er det billig å kjøre og kan gjøres av alle Med Excel. Du trenger ikke å ansette en statistiker eller investere i dyr programvare. Det er raskt å kjøre, og raskt å kartlegge, noe som gjør det effektivt for analyse og rapportering. Og det er lett å forstå, noe som betyr at du kan demonstrere hvilken rolle hvert attributt har på produktet uten kompliserte forklaringer.
det er imidlertid ulemper, hvorav den største er at den ser på forholdet mellom attributter og generell appell i isolasjon; manipulering med ett attributt kan ha en knock-on effekt på andre attributter. Og som diskutert tidligere, er noen attributter polariserende som kan gå ubemerket av Straffeanalysen. Endelig. det finnes andre mer robuste statistiske teknikker der ute som kan brukes til å bedre forstå hvilken rolle hvert attributt har på generell appell, Men Straffeanalyse er et godt utgangspunkt.
