著者：メリンダ・シールバー
業界：消費財
機能領域:市場調査、調査分析、
製品ライフサイクル段階:市場調査
これは、CPG 分野の消費者調査の顧客を訪問するために作成した、でっち上げのブランド認知度調査です。 最大差分スケーリング (MaxDiff) を使用して、すべてのブランドを一度にランク付けするという認知的負担なしに、多数のブランドのチョコレート バー セットを顧客にランク付けしてもらう方法を示します。
これは、消費者調査における一般的な問題です。 平均的な消費者 (つまり、トレーニングを受けていない消費者パネル) が製品にどのように反応するかを知りたいと考えています。 ただし、トレーニングを受けていないグループに好きなものとその理由を特定するように依頼している状況では、別の日に質問した場合に変化する可能性のある騒々しいランキングを取得できます. MaxDiff を使用すると、小さな送信でそれらを提示し、全体のランキングを推測できます。 各セットはよりクリーンな結果になるため、全体的な結果はより良くなります。
回答者情報に使用される潜在クラス分析により、研究者は態度列の大規模なグループを、さらなるモデリングで使用できる 2 つの潜在クラス列に切り分けることができます。
データ テーブルは次のとおりです。
1) ランク付けする製品のリスト。MaxDiff デザイナーを表示するために使用できます。
2) 調査結果を含む Excel スプレッドシートと、共鳴情報を含むスプレッドシート (これは、Excel データを JMP に取り込むのがいかに簡単かを示す良い機会です。 また、エクセルのデータで、あるシートでは商品が-1,0,1、別のシートでは1,2,3とランク付けされている間違いがあります。 これは、再コード化を示す良い機会です。)
3) テキスト エクスプローラー (非 Pro) 用のテーブル スクリプト MaxDiff を含む調査結果を含む JMP テーブル。 テキスト エクスポーラー スクリプトを使用すると、各種類のチョコレートを最初に選んだときに人々が何を言うかを調べることができます。
2) 潜在クラス分析用のテーブル スクリプトを含む、回答者を分析するためのテーブル スクリプトを含む回答者テーブル。 LCA は、多くの異なる人口統計変数と態度変数が、1) 回答者が食べるチョコレートの量とチョコレートに対する態度 (LCA: Candy Tried and Attitude) に基づいて、このデータの 2 セットの潜在クラス (合計 4 つ) に分類できることを示しています。 、および 2) チョコレートをいつ食べるのが適切かについての消費者の態度の質問。 次に、LCA を使用すると、LCA がなければ使用しなければならない可能性がある数百の異なるカテゴリのうちの 4 つを表す 2 つの回答者列を作成できます。
showSlides.jsl を編集して、スライド イメージのあるディレクトリを指すようにする必要があります。 または、同じ情報を持つ PowerPoint プレゼンテーションを使用することもできます。
シーン設定: 自分のブランドが他のブランドとどのように比較されるかをよく確認する必要があります。 このような MaxDiff 調査は、調査ツールですばやく簡単に実施できます。 この調査では、有名なブランドのチョコレート バーを 3 セットでランク付けし、各グループをそのようにランク付けした理由についてコメントするよう個人に依頼しました。 MaxDiff 実験を分析する方法と、テキスト エクスプローラーでデータ フィルターを使用して消費者のコメントを理解する方法を示します。 また、潜在クラス分析を使用して、アンケートの回答者を習慣や態度に基づいてすばやくグループ化する方法についても説明します。
