网站的可访问性
显示或隐藏菜单栏
主要的家
家庭节
|
内容
日历
链接
|
登录
|

联合分析的口味或类型

联合分析的口味或类型对于那些新的主题联合分析,很容易相信联合分析只有一种类型或版本(你的机构知道的一种类型)。或者相反,被缩写和名称的数量弄得晕晕的——如ACA、CBC、MPC、ACBC、完整的概要、声明的偏好、DCE/离散选择估计等等。

大多数1manbext 研究开展专业使用基于选择,联合分析(CBC)定价和品牌价值研究。较新的自适应类型的联合的诸如自适应选择基于联合分析(ACBC)或基于菜单的联合被用于更复杂的研究。MaxDiff是一种常用的辅助或替代与大量项目的联合分析。然而,不同类型或“风味”可以使用,这取决于手头的任务,并且可能包括购买你自己的任务,配置器或采取的基本原则,并对其进行扩展针对特定市场量身定制的设计。

有参与三个核心部分联合分析设计。首先,产品或服务需要分解成组件属性和水平。然后,决定什么是呈现选项的最佳方式客户或与方法应被用来找出哪些产品配置文件是最优选的决定相结合的消费者(产品简介)(例如选择,排名,评级)。最后的决定该统计估计方法以确定每个属性和电平到市场(也称为部分实在值得)的实用价值。

这些设计决策依赖于要考虑属性的数量,联系方式(在线,面对面的面对面,电话或邮寄)和可用时间接受我们的采访。此外,联合分析的不同口味都有在分析不同的特性。

基于选择-联合分析(CBC)往往是优选的,如果数据需要是也许是因为包含可与彼此交互,或价格涉及属性的更稳健。然而,CBC通常局限于6-8属性和需要在总体水平进行分析,然后需要被用于插补回个体水平公用事业像Hierchical贝叶斯的技术。替代地,如果属性的数量较高,并且需要在一个单独的电平自适应联合分析可以是更多的使用数据。如果碰上联合分析作为一个学生,那么它很可能是通过使用全轮廓联合分析的。还有其他的选项,例如局部轮廓,基于菜单,或一系列其他折衷类型中可用的自适应选择基于联合办法取决于手头的任务。


基于选择的联合分析- CBC

CBC是目前使用的最常见形式。最常见的是CBC是基于一个完整的轮廓的方法(从每个属性的水平显示在产品配置文件),但保持工作的受访者需要做一个minum的量,一组可能的配置文件是在样品上蔓延,因此通常每个受访者会看到8-12选择任务 - 即申请人将被要求从8-12不同的选择集给的选择。

CBC通常显示的不仅仅是两个“产品”的同时,连同一个无 - 的 - 这些选项使更多的现实选择决定进行评估。该功能在用于测试的定价为快速消费品/ CPG型产品为主的货架显示器大量使用,其中可能有30个品牌从在一个“虚拟”的购物环境的同时要选择。

上的受访者可以一次吸收的量的限制,与数量迅速增加的附带大型设计“全轮廓”的组合相结合意味着平均,基于选择-联合通常局限于5-7属性(在对比25-30为ACA)。有所谓的局部轮廓的方法来克服这个限制,,但它们的使用是具有挑战性的。

另一个不同之处在于,默认值是计算整个样本CBC中的效用和重要性。要获得个体水平的估计,需要依靠诸如分层贝叶斯分析之类的技术来推回个体值(在ACA中,效用和重要性是直接计算样本中每个个体的)。对于像分段这样的工作,这会对CBC数据造成一些限制。然而,基于选择的研究最大的好处是需要更短的调查问卷(10-20分钟),如果有必要,可以设计成纯纸质的。

以选择为基础的联合方法的主要优点是结果的稳健性更强——尤其是在定价工作方面,再加上更短的现场工作时间,因此成本更低。它在学术上的严谨也受到人们的青睐。它还支持与固定产品或固定任务的比较,使您能够针对现有的黄金标准测试新的公式,或者,在更专业的离散选择建模形式(特定于交替的设计)中,最终模型可以调优到真实世界的数据,这极大地提高了它的预测能力。

缺点是有可能的属性的下号,除非你使用部分配置文件移动到更复杂的定制设计,以及缺乏直接看重个人级实用程序 - 尽管技术,如分层贝叶斯(HB)分析,力求通过后,以纠正这种特别仿真个人层面的值。但是,如果你正在寻找使用联合分析聚类或分割,你需要知道得到个人层面效用得分需要权衡的。

随着越来越多的在线调研,CBC类型的方法正在以非常少量的属性在很短的在线调查中使用


自适应联合分析 - ACA

随着选择性联合的广泛使用和可用性,ACA已经失宠。然而,它仍然是一种常用的方法,特别是在需要考虑大量属性的情况下,例如在服务设计或理解具有大量特性的产品(如软件)时。

虽然ACA使用相同的涵盖范围广泛的原则,CBC,在设计,实施和计算是完全不同的。而CBC具有受访从多个产品中选择具有全套属性所描述的,使用所有两个或三个的ACA节目描述属性可用并且是成对只选择。还有一个比较长的自我解释的步骤,受访者需要进入主“对”的选择部分之前完成。

ACA的好处是允许使用大量的属性(最多30个)和级别(每个属性最多7个)。然而,ACA确实需要基于计算机的面试,而且大量的属性意味着ACA面试通常持续45分钟或更长时间。此外,为了得到可靠的结果,它所使用的一些简化实用程序计算任务的方法意味着在选择和设计属性时需要谨慎一些。

技术上ACA被称为混合技术,因为它包含随后的权衡任务本身的自我解释'的元素。ACA本身由锯齿软件产生的,并且可以进行面 - 面或上线。电话使用ACA是困难的,纸基问卷调查是不可能的。


离散选择分析/离散选择建模

基于选择的一种更高级的形式是离散选择分析(也称为“陈述偏好研究”或基于选择的另一种特定设计)。DCA研究在交通研究中特别受欢迎,研究的是交通模式选择,例如对火车、汽车和航空公司的偏好。与CBC的主要区别是包含了连续变量,如价格和时间。这允许检查票价随旅行时间的变化而变化的成本,从而确定旅行的时间价值。这使得交通经济学家能够做出这样的论断:“多2厘米的腿部空间就等于多花10分钟或40英镑的车费”,或者“每15分钟多开一趟火车会鼓励x%的汽车司机改乘火车”。

基于保质设计

DCM和CBC的一个特别专家的形式进来的基于货架设计方案,这显示了一系列的产品(SKU),以不同的价格形式。其目的是了解一个特定类别内的价格弹性。这些类型的定价方法非常普遍快速消费品/消费品定价的研究范围内使用,并可以针对零售审计定价数据进行校准。万博投注网址


完整的配置文件

全配置文件是联合的原始形式,是仍在使用,但主要是在美国或学生学习型它会出现项目。如基于选择-联合此使用的属性的数目更局限于描述的产品或服务,但足以卡或处理被示出为一个答复,以使个人级实用程序来计算的。甲部分因子设计用于指定一组固定的需要被示出用于分析型材。困难的是,这并不限制属性的数量相当严重。这可能与3-4属性可以使用,但即使在这个量,它可能涉及的排名或16-24产品外形卡评级。这些老派的研究仍在流行的简单,非基于计算机项目,是学生学习联合首次最为常见。这也是主要形式的非专业在线调查软件来实现,或者他们的联合模块通过SPSS提供。


其他形式和格式

在联合最近的事态发展包括自适应选择基于交合从锯齿,它结合了一个配置器的元件,自适应元件和选择,并基于菜单的联合分析(MBC)(ACBC)方法。

此外,我们有自己的dobney.com软件,允许一系列其他更定制的研究领域,这些领域缺乏传统形式的联合分析,或者从受访者的角度来看,目前的设计似乎太困难。其中包括情感关联任务、曲目购买(即某人购买一系列不同用途的产品)、容量测量和改进的选择显示,如使用滑块或更多的交互式元素来鼓励人们更充分地参与决策过程。同样,在国际研究中,不同形式和货币的价格表示也需要仔细考虑。


决定使用哪种联合分析格式

我们经常发现,联合分析所用的类型的选择取决于多种因素。这是经常有人新的主题,以可视化的所有选项困难。最大的决定因素是属性的数量,并在那里有6-8属性的情况下,可以有多种选择和方法。我们经常会产生多个版本和演示文稿,插图,帮助客户看到并了解哪些形式和演示中使用,而不损害调查的最终统计质量。


参见:


关于开展联合分析研究和哪种类型的联合,以在使用联系我们的帮助和建议info@dobney.com


前一篇:联合分析设计 下一篇文章:联合分析 - 市场建模演示
更多细节

转到Notanant菜单 网站的可访问性

访问级别:公共

这个网站使用饼干。继续使用这个网站,你同意我们使用Cookie的: