Autore : Melinda Thielbar
Industria: Beni di consumo in confezione
Area Funzionale: Ricerche di mercato, analisi di sondaggi,
Fase del ciclo di vita del prodotto: Ricerca di mercato
Questo è uno studio inventato sulla consapevolezza del marchio che ho creato per visitare alcuni clienti della ricerca sui consumatori nello spazio CPG. Mostra come utilizzare il Maximum Difference Scaling (MaxDiff) per convincere i clienti a classificare un ampio insieme di marche di barrette di cioccolato senza l'onere cognitivo di classificarle tutte in una volta.
Questo è un problema comune negli studi sui consumatori. Vuoi sapere come reagiranno al tuo prodotto i consumatori medi (ovvero un panel di consumatori non addestrati). Tuttavia, in qualsiasi situazione in cui chiedi a un gruppo non addestrato di identificare cosa gli piace e perché, puoi ottenere una classifica rumorosa che potrebbe cambiare se glielo chiedessi in un giorno diverso. MaxDiff ti consente di presentarli con piccoli invii e quindi dedurre la classifica generale. Ogni set è un risultato più pulito, quindi il risultato complessivo è migliore.
L'analisi della classe latente utilizzata per le informazioni sul rispondente consente al ricercatore di suddividere un ampio gruppo di colonne attitudinali in due colonne di classe latente che possono essere utilizzate in un'ulteriore modellazione.
Le tabelle dati sono:
1) Un elenco dei prodotti da classificare, che può essere utilizzato per mostrare il designer MaxDiff,
2) Un foglio di calcolo Excel con i risultati del sondaggio e un foglio di calcolo con le informazioni risonanti (questa è una buona occasione per mostrare quanto sia facile portare i dati Excel in JMP. Inoltre, i dati di Excel presentano un errore in cui i prodotti sono classificati -1,0,1 in un foglio e 1,2,3 in un altro foglio. Questa è una buona opportunità per mostrare la ricodifica.)
3) Una tabella JMP con i risultati del sondaggio, inclusi gli script di tabelle MaxDiff per Text Explorer (non Pro). Lo script di esportazione del testo ti consente di esplorare ciò che le persone dicono quando scelgono prima ogni tipo di cioccolato.
2) Tabella degli intervistati con script di tabella per l'analisi degli intervistati, incluso uno script di tabella per l'analisi della classe latente. L'LCA mostra che molte diverse variabili demografiche e di atteggiamento possono essere ridotte a 2 serie di classi latenti per questi dati (4 in totale) in base a 1) Quanto cioccolato mangiano gli intervistati e il loro atteggiamento nei confronti del cioccolato (LCA: Candy Tried and Attitude) e 2) domande sull'atteggiamento dei consumatori riguardo a quando è appropriato mangiare cioccolato. L'LCA ci consente, quindi, di creare due colonne di rispondenti che rappresentano 4 delle potenziali centinaia di categorie diverse che dovremmo utilizzare senza di essa.
showSlides.jsl deve essere modificato in modo che punti alla directory con le immagini della diapositiva. In alternativa, puoi utilizzare la presentazione PowerPoint, che ha le stesse informazioni.
Impostazione della scena : spesso devi vedere come il tuo marchio si confronta con altri marchi. Uno studio MaxDiff come questo può essere inserito rapidamente e facilmente in uno strumento di indagine. Questo studio ha chiesto alle persone di classificare marchi noti di tavolette di cioccolato in gruppi di 3 e quindi commentare il motivo per cui hanno classificato ciascun gruppo nel modo in cui lo hanno fatto. Mostreremo come analizzare l'esperimento MaxDiff e come utilizzare il filtro dati con Esplora testo per comprendere i commenti dei consumatori. Vedremo anche come Latent Class Analysis può consentirti di raggruppare rapidamente i partecipanti al sondaggio in base alle loro abitudini e attitudini.
