Kürzlich mein Kollege Ryan Lekivetz schrieb über unsere Reise zum Discovery Summit Europe in Brüssel und unseren Plan zu testen, ob belgische Schokolade wirklich besser schmeckt als US-Schokolade. Ryan hat gebloggt im Detail über die Einschränkungen des Studiendesigns sowie die damit verbundenen Faktoren. In diesem Blogeintrag werde ich beschreiben, wie wir die Daten gesammelt und die Ergebnisse analysiert haben.
Sensorische Analyse ist ein großes Thema mit einer gut entwickelten Literatur (MacFie & Thomson 1994 und Næs T, Brockhoff PB, Tomic O. (2010) sind gute Referenzen, um sich über das Thema zu informieren). Wir wollten nur eine Frage beantworten: Würden die Leute in einem Blind-Geschmackstest die belgische Schokolade bevorzugen, die wir über den Atlantik transportiert hatten - oder die US-amerikanische Schokolade, die wir im Ecklebensmittelgeschäft kaufen könnten? Angesichts des Wechselkurses von Dollar zu Euro und des begrenzten Platzes in meinem Koffer war dies eine wichtige Frage, die vor dem Discovery Summit Europe 2016 beantwortet werden musste!
Ryans entworfenes Experiment berücksichtigte nicht nur unsere beiden hypothetischen Effekte (Ursprung und Kakaogehalt), sondern randomisierte auch die Reihenfolge der Fragen. Die Studienteilnehmer werden müde, insbesondere bei Geschmackstests. Deshalb mussten wir sicherstellen, dass die Leute ihre Pralinen in der zufälligen Reihenfolge sehen, ohne zu verraten, welche Pralinen sie probieren. Ich hatte auch die Aufgabe, eine US-Schokolade zu finden, die von vergleichbarer Qualität ist wie unsere belgische Schokolade. Dazu später mehr.
Eine saubere Datenerfassung erfordert Vorbereitung.
Ich verbrachte daher einen Abend an meinem Küchentisch, um Pappteller mit ausgewählten Satznummern, Umfrage-IDs und einem "Start Here" -Pfeil (siehe oben) zu kennzeichnen. Jeder der Befragten erhielt eine Tafel mit fünf nebeneinander angeordneten Pralinenpaaren. Auf jedem Teller befinden sich 10 Stück Schokolade und insgesamt 25 Stück (insgesamt 250 Stück).
Sheila Loring, die fleißig Pralinen sortiert.
Jedes Side-by-Side-Paar repräsentiert eine Auswahlmenge im Experiment, und jeder Proband musste wählen, welche Schokolade von jedem Paar (Auswahlmenge) er oder sie bevorzugte.
Es war keine leichte Aufgabe, diese 25 Schokoladenstücke zuzubereiten. Vielen Dank an unsere Dokumentationsspezialistin Sheila Loring und den JMP-Tester Bryan Shepherd für ihre Unterstützung. (Seltsamerweise würden sie keine zusätzliche Schokolade als Dankeschön akzeptieren.)
Nachdem wir die Pappteller geladen hatten, war es Zeit, die Umfragen durchzuführen. Wir haben unsere Umfragen in zwei Gruppen durchgeführt, um nicht 25 Teilnehmer gleichzeitig zu streiten. Zu Beginn jeder Sitzung stellten wir sicher, dass die Teilnehmer wussten, wie sie ihre Schokolade probieren und ihre Teller markieren konnten.
Wenn Sie dies zu Hause ausprobieren, empfehle ich dringend, die Umfragen unmittelbar nach dem Mittagessen durchzuführen. Es ist schwierig, die Testpersonen dazu zu bringen, der Orientierung zuzuhören, wenn direkt vor ihnen köstliche Schokolade sitzt.
Zwei unserer Testpersonen, die über die Geheimnisse der Schokolade nachdenken.
Sobald wir die Daten gesammelt hatten, gab ich sie ein JMP . Meine erste Aufgabe bestand darin, sicherzustellen, dass wir die Daten korrekt erfasst haben, und dafür habe ich die Categorical-Plattform verwendet. Ryans Design war ausgewogen, aber wir hatten im Rahmen unserer Umfrage auch Angaben zu den Befragten (Schokoladenpräferenz und JMP-Abteilung) gesammelt. Ich wollte auch sicherstellen, dass meine Dateneingabe korrekt war.
Hinweis: Dies wurde anhand meiner auserlesenen Antwortdaten durchgeführt, die 10 Zeilen pro Teilnehmer enthalten. Es gibt also tatsächlich fünf Personen, die keine dunkle Schokolade bevorzugen, nicht 50.
Abbildung 1
Ich habe einige Dateneingabefehler mit Categorical gefunden. Irgendwann während der Dateneingabe hatte ich es satt, immer wieder "Development" einzugeben, und fing stattdessen an, "Dev" einzugeben. Ich musste auch ändern, wie ich die Schokoladenpräferenz gemessen habe, weil zwei meiner Umfrageteilnehmer, anstatt "Milch" oder "Dunkel" zu markieren, fleißig wurden und in "Weder noch" schrieben. Abbildung 1 zeigt die Daten, nachdem ich Cols-> Utilities-> verwendet habe Recode, um es zu bereinigen.
Sobald meine Daten sauber waren, war es Zeit, die Choice-Plattform zu nutzen. Analyse-> Verbraucherforschung-> Auswahl brachte mich zu dem Dialog, in dem ich angeben konnte, wie die Daten gesammelt wurden, und die Effekte eingeben konnte.
Figur 2
In Abbildung 2 sehen Sie die Spalten Gruppierung: Teilnehmer-ID, Umfrage-ID und Auswahlsatz-ID. Hiermit wird JMP mitgeteilt, welche Spalten-IDs einen Auswahlsatz für einen bestimmten Teilnehmer eindeutig identifizieren. Weitere Informationen zum Angeben von Gruppierungsspalten für eine Einzeltabellenumfrage finden Sie in der Choice-Dokumentation.
Figur 3
Nachdem ich meine Gruppierungsspalten identifiziert hatte, war es Zeit, die Effekte festzulegen. Abbildung 3 zeigt die Effekte, die ich zum ersten Mal in das Modell eingegeben habe. Beachten Sie, dass Chocolate Preference und JMP Division nur als Interaktionseffekte angezeigt werden. Bei Auswahlmodellen wird die Auswahl eines Themas immer mit allen Entscheidungen verglichen, die in einem bestimmten Auswahlsatz getroffen wurden. Dies bedeutet, dass Sie einen Haupteffekt (fest) für etwas Subjektspezifisches (z. B. für eine Person) nicht abschätzen können bevorzugt dunkle Schokolade). Sie können nur abschätzen, wie sich dies auf die Vorlieben der Probanden für Faktoren auf Produktebene auswirkt (z. B. Prozent Kakao in einem Stück einfacher Schokolade).
Figur 4
Für diese Analyse war ich sehr froh, dass das Dialogfeld Auswahlmodell auch nach dem Klicken auf die Schaltfläche "Ausführen" geöffnet bleibt. Mit dem AIC-Test (niedriger ist besser) und dem Likelihood-Ratio-Test konnte ich meine Modelleffekte relativ schnell reduzieren. Abbildung 4 zeigt mein letztes Modell. Sie sehen, dass der Ursprung bei 95% statistisch nicht signifikant ist. Ich habe es beibehalten, da es unsere interessierende Variable war, und ich wollte es im Zusammenhang mit den anderen Effekten diskutieren, aber ich bin ziemlich sicher, dass ich meine Antwort durch Abbildung 4 hatte.
Abbildung 5 zeigt die Ergebnisse mit dem Wahrscheinlichkeitsprofiler:
Abbildung 5
In diesem Fall ist meine Vergleichsgruppe die belgische Schokolade mit 41% Kakao, und ich stelle sicher, dass die Themeneffekte konsistent sind (so werden Liebhaber von dunkler Schokolade mit anderen Liebhabern von dunkler Schokolade verglichen).
Wie Sie vielleicht erraten haben, bevorzugen Liebhaber von dunkler Schokolade dunkle Schokolade (wie Sie an der Tatsache erkennen können, dass die Linie steigt und dann wieder steigt, wenn der Kakaogehalt zunimmt). Sie scheinen auch eine leichte Vorliebe für belgische Pralinen gegenüber US zu haben. Wenn ich den Schalter für die Basis- und Vergleichsproduktpräferenzen auf „Nicht dunkel“ lege, bleibt die leichte Präferenz für belgische Schokolade bestehen, aber Sie können einen starken Rückgang der Kaufwahrscheinlichkeit zwischen 41% und 60% Kakao feststellen. (Abbildung 6).
Abbildung 6
Tatsächlich zeigt der Probability Profiler, dass, wenn Sie unsere fünf Testpersonen, die keine Präferenz für dunkle Schokolade ausdrücken, mit zwei Schokoladenstücken, die sich nur durch Kakao unterschieden (einer mit 41% Kakao und der andere mit 60% Kakao), unser Modell darstellen sagt nur eine 1% ige Chance voraus, dass sie sich für die dunkle Schokolade entscheiden würden. Der prozentuale Anteil von Kakao ist der wichtigste Faktor für die Vorhersage, welche Personen bevorzugt werden.
Der Gewinner ist also ...
Wenn wir US vs. Belgier, halten den Kakaogehalt und die Schokoladenpräferenzen konstant, sehen wir, dass es einen viel kleineren Unterschied in den vorhergesagten Wahrscheinlichkeiten gibt. Wenn wir zwei Schokoladenstücke mit dem gleichen Kakaogehalt haben, eines aus den USA und eines aus Belgien, und jemanden bitten, sich zwischen ihnen zu entscheiden, sagt das Modell eine Wahrscheinlichkeit von 39% für die Wahl der US-Schokolade und eine Wahrscheinlichkeit von 61% voraus dass sie die belgische Schokolade wählen würden. Man könnte argumentieren, dass belgische Schokolade leicht bevorzugt wird.
Ich habe einige andere Variationen ausprobiert, einschließlich einer Analyse ohne die fünf Liebhaber von Milchschokolade. Der Ursprung war in einigen konkurrierenden Modellen statistisch signifikant, aber der Effekt blieb gleich: 39% Wahrscheinlichkeit USA vs. 61% Belgien. Das Daten sind in der JMP User Community verfügbar wenn Sie eigene Analysen ausprobieren möchten.
Jetzt ist eine Studie mit nur 25 Teilnehmern ziemlich klein, und wenn ich mit einem Kunden zusammenarbeiten würde, würde ich davor warnen, aufgrund meiner Analyse eine große Entscheidung zu treffen. Wenn es jedoch darum geht, zu entscheiden, ob ich bei meiner nächsten Europareise meinen Koffer mit schwerer, schmelzender und platzraubender Schokolade stopfe, habe ich meine Antwort.
- Das Wichtigste ist, dass ich meinen Freunden, die Milchschokolade mögen, Milchschokolade und meinen Freunden, die dunkle Schokolade mögen, dunkle Schokolade mitbringe.
- Wenn man diesen Faktor berücksichtigt, könnte belgische Schokolade etwas besser sein (obwohl ich nicht beweisen kann, dass es so ist bedeutend besser), aber der Effekt ist gering.
Verweise
- MacFie, H. & Thomson, D. (Hrsg.) (1994) Messung der Essenspräferenzen . London: Blackie.
- Næs T, Brockhoff PB, Tomic O. (2010) Statistik für Sensorik und Consumer Science . London: John Wiley & Söhne.
