Just About Right Scales and Penalty Analysis-Rdsi Research

just About Right (JAR) skale są powszechnie używanym formatem pytań podczas próby identyfikacji wydajności produktu lub doświadczenia w stosunku do określonego atrybutu. Skala zakłada, że istnieje idealna pozycja dla atrybutu oraz możliwość bycia nad lub pod ideałem. Na przykład słodycz tabliczki czekolady może być w sam raz, albo może być zbyt słodka, albo niewystarczająco słodka. Aby to obliczyć, tworzymy pięć unikalnych pozycji w 5-punktowej skali, od zbyt słodkiego, do niezbyt słodkiego, na przykład (rysunek 1).

odpowiadając na pytania, respondent może wybrać tylko jedną z pięciu odpowiedzi, co czyni to pytanie pojedynczym kodem.

pod koniec badania będziesz w stanie stworzyć średni wynik na tych danych, znajdując średnią pozycję w stosunku do bycia prawie właściwym. Średnia bliska zeru zilustruje, czy jesteś zgodny z oczekiwaniami konsumentów wobec tego atrybutu, ale ważne jest, aby sprawdzić, czy ta średnia pochodzi z polaryzacji lub jednomyślności punktacji.

następnym etapem jest ocena wpływu, jaki ten atrybut ma na ogólną apelację i karę napotkaną w przypadku niedostatecznego wykonania. Dzięki temu dowiesz się, czy ten atrybut ma kluczowe znaczenie dla optymalizacji, czy ma drugorzędne znaczenie. W tym celu wykorzystujemy analizę Kar.

Jak to obliczyć:

Krok pierwszy
po pierwsze, musisz mieć pytanie, które mierzy ogólną atrakcyjność produktu dla konsumenta, np. ile ogólnie podoba Ci się produkt, gdzie 5 to dużo, a 1 to dużo? Można to również zadać w skali 7 lub 10 punktów, jeśli jest to preferowane.

musisz też mieć serię słoików, na których mierzysz wpływ. Na przykład: słodycz, grubość, kolor i siła zapachu.

Krok drugi
patrząc na każdą wagę słoika, musisz zgrupować konsumentów, którzy ocenili produkt zbyt słodki lub niewystarczająco słodki. Tak więc ci, którzy wybrali’ a little too sweet '(4) i’ much too sweet '(5), nazwiemy grupą’a’. Następnie ci, którzy kodują „just about right” (3), będą grupą B, a ci, którzy wybrali „not at all sweet enough” (1) I „not quite sweet enough” (2), będą grupą C. Tak więc masz teraz 3 grupy, A,B i C.

Krok trzeci
następnie będziesz musiał obliczyć rozmiar każdej z tych dwóch grup,dzieląc liczbę respondentów w każdej grupie (A, B, C) przez całkowitą liczbę respondentów, którzy odpowiedzieli na twoje badanie.

Krok czwarty
teraz musisz przyjrzeć się, jak każda z tych grup odpowiedziała na ogólne Pytanie odwoławcze. Można to zrobić w surowym pliku danych Excel lub innym pakiecie danych. Musisz utworzyć jeden średni wynik dla każdej ze swoich grup. Na przykład grupa A, która uznała produkt za zbyt słodki, dała średnią ogólną atrakcyjność 4,15. Grupa B, która uznała słodycz za prawie słuszną, ma średnią ogólną atrakcyjność 4,55 i tak dalej.

krok piąty
po uzyskaniu średnich wyników za ogólną apelację dla wszystkich trzech grup jesteś gotowy do obliczenia kary. Weź grupę B, te oceny prawie prawo, aby być punktem wyjścia. Załóżmy, że średnia wynosi 4,55 dla ogólnego odwołania. Teraz odjąć ogólną średnią dla grupy A z tej sumy. Np. 4, 55 odjąć 4, 15 równa się 0, 40. To mówi nam, że kara za ocenę produktu jako zbyt słodki, jest spadek o 0,40 na ogólną atrakcyjność. Następnie zrób to samo dla grupy C.

powtórz to dla każdego testowanego atrybutu.

krok szósty
teraz obliczyłeś kary dla każdego atrybutu i procent konsumentów w każdej grupie, możesz teraz narysować je na wykresie, aby zobaczyć, gdzie leżą. Patrząc na ten wykres, prawy górny róg jest narożnikiem krytycznym; tutaj znajdziesz atrybuty, które mają największą karę za ogólną apelację. Aby utworzyć krytyczne narożniki, przecięlibyśmy zazwyczaj oś X, w której atrybuty wpływają na ogólną atrakcyjność dla ponad 20-25% respondentów, oraz oś Y, w której rzut karny wynosi 1 punkt lub więcej.

ten wykres pokazuje nam, że produkt nie jest wystarczająco słodki, kolor jest zbyt jasny, grubość jest zbyt gruba i zapach jest zbyt silny, wszystkie mają dużą karę dla konsumentów ogólnych upodobań produktu. Należy się tym zająć natychmiast.

czy analiza Kar jest dla ciebie odpowiednim narzędziem? Istnieje wiele plusów analizy Kar. Po pierwsze, jest tani w obsłudze i może go wykonać każdy z programem Excel. Nie musisz zatrudniać statystyka lub inwestować w drogie oprogramowanie. Jest szybki w uruchomieniu i szybkie wykresy, co czyni go wydajnym do analizy i raportowania. Jest to łatwe do zrozumienia, co oznacza, że możesz zademonstrować rolę, jaką każdy atrybut ma na produkcie bez skomplikowanych wyjaśnień.

są jednak minusy, z których największym jest to, że patrzy na związek między atrybutami i ogólną atrakcyjność w izolacji; manipulowanie jednym atrybutem może mieć efekt domina na innych atrybutach. Jak wspomniano wcześniej, niektóre atrybuty są polaryzujące, co może pozostać niezauważone przez Analizę Kar. Nareszcie. istnieją inne bardziej solidne techniki statystyczne, które można wykorzystać do lepszego zrozumienia roli, jaką każdy atrybut odgrywa w ogólnym atrakcyjności, ale analiza Kar jest dobrym miejscem wyjścia.

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany.