<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Dieser Artikel erscheint in JMPer-Kabel, Ausgabe 30, Sommer 2015 .
von Melinda Thielbar melinda.thielbar , Senior Research Statistician Entwickler, SAS
Der JMP Profiler ist ein leistungsfähiges Werkzeug zur Visualisierung Ihres Modells. Mit einem Klick können Sie sehen, was das Modell vorhersagt, wenn Sie die Funktionen eines Produkts ändern oder eine Ihrer Annahmen anpassen. Es ist auch ein leistungsfähiges Kommunikationswerkzeug, da Ihr Publikum keinen statistischen Hintergrund benötigt, um die Botschaft des Modells zu verstehen.
In JMP 11 und früheren Versionen war der Profiler in der Choice-Plattform ein Dienstprogramm-Profiler - er zeigte, wie sich das Dienstprogramm Ihres Produkts mit den Funktionsänderungen geändert hat. Für einen Ökonomen oder einen Vermarkter ist der Nutzen ein ziemlich einfaches Konzept. Höherer Nutzen bedeutet ein begehrenswerteres Produkt, das die Leute eher kaufen.
JMP 12 fügt den Probability Profiler und den Multiple Choice Profiler hinzu, zwei neue Tools, mit deren Hilfe Vergleiche zwischen Konkurrenzprodukten visualisiert und der Marktanteil der vorgeschlagenen neuen Produkte vorhergesagt werden kann.
Betrachten Sie die zwei Versionen der Pizzadaten aus der JMP-Beispieldatenbibliothek. Beginnen wir mit dem Beispiel mit mehreren Tabellen in Pizza Profiles.jmp, Pizza Responses.jmp und Pizza Subject.jmp. Diese drei Datensätze ahmen nach, wie oft Auswahldaten gesammelt werden. Faktoren, Antworten und demographische Informationen zu den Teilnehmern befinden sich in separaten Datentabellen.
Wenn Sie das an das Menü Pizza-Profile angehängte Skript ausführen, wird ein Bericht mit Choice-Modelleffekten und Tests des Wahrscheinlichkeitsverhältnisses für die resultierenden Schätzungen erstellt (Abbildung 1). (Hinweis: JMP führt standardmäßig die Wahrscheinlichkeitsverhältnis-Tests durch, wenn sie schnell berechnet werden können. Wenn die Tests nicht standardmäßig erstellt werden, können Sie die Statistik des Wahrscheinlichkeitsverhältnisses immer über das rote Dreieck-Menü anfordern.)
Abbildung 1 Auswahlmodelleffekte und Wahrscheinlichkeitsverhältnis-Tests
Die Effekttests zeigen, welche Faktoren statistisch signifikant sind, und die Vorzeichen der Parameterschätzungen zeigen, ob dieser Faktor dazu führt, dass Personen das Produkt mehr oder weniger wahrscheinlich kaufen. Aus diesem Bericht geht hervor, dass Jack Cheese weniger beliebt ist als Mozzarella, und es gibt eine statistisch signifikante Wechselwirkung zwischen Geschlecht und Präferenzen für Thick Crust und Pepperoni vs. No Toppings.
Mit dem Utility-Profiler (in JMP 11 "The Profiler" genannt) können Sie erklären, wie sich diese Interaktionen auf die Auswahl der Verbraucher auswirken. Wählen Utility-Profiler über das rote Dreieck-Menü des Choice-Modells den Utility-Profiler Ziehen Sie im Gender-Profiler die vertikale Linie von F nach M (Abbildung 2).
Figur 2 Utility-Profiler mit auf M eingestelltem Geschlecht
Der erste Profiler zeigt, dass Männer Thick Crust Pizza mit Peperoni bevorzugen.
Wenn Sie das Geschlecht von M auf F ändern, können Sie die Auswirkungen der Interaktionen deutlich erkennen. Die Steigung der Linie zwischen Pepperoni und "Nein" -Toppings ist negativ, wenn wir den Wert von Gender auf "M" setzen. Wenn wir den Wert von Gender in „F“ ändern, wird die Steigung positiv. Dasselbe gilt für die Steigung der Linie zwischen dicker und dünner Kruste.
Figur 3 Utility-Profiler mit auf F eingestelltem Geschlecht
Dies zeigt, dass Frauen sich eher für dünne Krustenpizza ohne Toppings entscheiden und Männer eher für dicke Krustenpizza mit Pfefferoni.
„Wie viel wahrscheinlicher?“ Und „Wahrscheinlicher im Vergleich zu was?“, Könnte Ihr Marketingmanager fragen. Bis JMP 12 könnte Ihre Antwort lauten: "Lassen Sie mich auf Sie zurückkommen." Jetzt brauchen Sie nur noch den Wahrscheinlichkeits-Profiler.
In JMP 12 befindet sich der Probability Profiler direkt unter dem Utility Profiler im roten Dreieck der Choice-Plattform. Wenn Sie auswählen Wahrscheinlichkeitsprofiler , Sie vergleichen Ihr vorgeschlagenes neues Produkt mit einem Baseline-Produkt. Vielleicht plane ich, eine Thick Crust-Pizza mit Mozzarella-Käse und Pepperoni anzubieten, um die Pizza meines Konkurrenten herauszufordern, eine dicke Kruste mit Jack-Käse und Pepperoni. Wählen Sie aus der Liste Geschlecht in den Grundeinstellungen F aus (Abbildung 4).
Figur 4 ProbabilityProfiler mit Käse auf Mozzarella eingestellt
Der Wahrscheinlichkeits-Profiler macht es leicht zu erkennen, dass mein vorgeschlagenes Produkt eine gute Idee ist. Bei der Wahl zwischen meiner Pizza und der meiner Mitbewerber haben Frauen eine Chance von 92%, meine Pizza auszuwählen (Abbildung 4). Ich kann Geschlecht in den Grundeinstellungen in M ändern, um zu sehen, dass Männer eine 96% ige Chance haben, meine Pizza auszuwählen (Abbildung 5). Einstellungen, die sich auf Personen (also Personen) beziehen, werden immer in den Baseline-Einstellungen angezeigt. Sie vergleichen also immer Äpfel mit Äpfeln, wenn Sie die Auswahlwahrscheinlichkeiten vergleichen.
Abbildung 5 Wahrscheinlichkeitsprofiler mit auf M eingestelltem Geschlecht
Es gibt nicht viele Märkte, in denen die Verbraucher nur zwei Möglichkeiten haben. Möglicherweise kennen Sie mehrere Mitbewerberprodukte und möchten die Pizza mit der höchstmöglichen Auswahlwahrscheinlichkeit gegen alle Produkte entwerfen. Das ist eine Aufgabe für den Multiple Choice Profiler, der sich im roten Dreieckmenü unterhalb des Wahrscheinlichkeits-Profilers befindet.
Auswählen Multiple Choice Profiler Im roten Dreieck-Menü wird ein Dialogfeld angezeigt, in dem Sie gefragt werden, wie viele Auswahlmöglichkeiten Sie erstellen möchten (Abbildung 6). Drei ist die Standardeinstellung, aber Sie können mehr haben.
Abbildung 6 Festlegen der Anzahl der Auswahlmöglichkeiten für das Profil
Statt eines Baseline-Modells und einer Alternative erstellt der Multiple-Choice-Profiler jetzt einen Satz verknüpfter Profiler - einen für jede Alternative (Abbildung 7). In den Dropdown-Listen oben können Sie die Werte der Subjektvariablen auswählen, die Ihre Marktsegmente umfassen. Die Profilschieberegler legen die Eigenschaften der verschiedenen Produkte fest. Unter der Kopfzeile befindet sich auch ein Diagramm, das visuell zeigt, welches Produkt den höchsten erwarteten Marktanteil haben würde.
Abbildung 7 MultipleChoice Profiler für alle Alternativen
Nun ist es leicht zu erkennen, dass eine Pizza mit dünner Kruste mit Mozzarella und keinen Belag die beliebteste Wahl ist.
Alle obigen Beispiele zeigen eine Analyse mit mehreren Tabellen. Wenn Sie normalerweise eine Ein-Tabellen-Analyse durchführen, platziert JMP Ihre Motiveffekte im Multiple-Choice-Profiler (Abbildung 8). (Es gibt keine Möglichkeit für JMP, zu wissen, ob ein Effekt als Motiveffekt oder als Profileffekt gedacht war. Daher trifft JMP die Wahl, die dem Benutzer die größte Flexibilität bietet.)
Abbildung 8 Motiveffekte im Multiple Choice-Profiler
Die Wahrscheinlichkeitsvergleiche im Multiple-Choice-Modell sind eingeschränkt, sodass sie eins ergeben müssen. Die Wahrscheinlichkeitsvergleiche eines Choice-Modells sind nur sinnvoll, wenn Sie innerhalb eines Marktsegments vergleichen. Wenn Sie die Werte der Subjektvariablen ändern, Stellen Sie sicher, dass sie für alle Wahlwahrscheinlichkeiten gleich sind . Andernfalls sind Ihre vorhergesagten Wahrscheinlichkeiten (und damit Marktanteile) nicht korrekt.
Der Utility-Profiler war schon immer ein nützliches Werkzeug zur Visualisierung Ihres Modells. JMP 12 fügt den Wahrscheinlichkeits-Profiler und den Multiple Choice-Profiler hinzu, zwei neue Tools, mit deren Hilfe Vergleiche zwischen verschiedenen Produkten visualisiert und Marktanteile vorhergesagt werden können für vorgeschlagene neue Produkte.
Weitere Informationen zu diesem Thema finden Sie in der JMP-Dokumentation unter Choice-Plattformoptionen .
