Многомерное шкалирование восприятие объектов

Для построения карт-схем восприятия широко используется метод многомерного шкалирования. Многомерное шкалирование — это одно из направлений анализа данных, которые представляют собой матрицу близости между парами объектов (например, товаров). Его цель — изображение данных о сходстве объектов в виде системы точек в пространстве малой размерности, например на двумерной плоскости. Этот метод позволяет не только выявить значимые характеристики, влияющие на потребительские предпочтения, но также дает возможность показать графически результаты и существенно облегчить интерпретацию данных. В его основе лежит идея о том, что фиксируемые при опросе данные можно расположить в виде точек в некотором координатном пространстве. Оси этого пространства соответствуют латентным (скрытым) факторам, в совокупности адекватно описывающим ситуацию. Поиск координатного пространства осуществляется по данным, характеризующим различия или, наоборот, сходство рассматриваемых объектов (товаров).  [c.142]


Подобно многомерному шкалированию, совместный анализ опирается на субъективные оценки респондентов, если в объекты представляют собой изделия или торговые марки, в комбинации уровней характеристик объекта, определяемые Цель ММШ — разработать пространственную карту, объекты в многомерном пространстве восприятий или предпочтений. С совместного анализа маркетологи стремятся определить функции частной или полезности, описывающие полезность, которую потребители уровням каждой характеристики. Два метода взаимно дополняют один другого [21].  [c.792]

Маркетологи используют многомерное шкалирование для пространственного представления о восприятиях и предпочтениях респондентов. Воспринимаемые (психологи-связи между объектами представляют в виде геометрических связей между точками в многомерном пространстве. Формулирование проблемы многомерного шкалирования требует определения торговых марок включенных в анализ. Выбранное число и природа торговых марок влияют на окончательное решение, получаемое ходе анализа. Исходные данные, получаемые от можно связать с восприятиями или предпочтениями. Данные о восприятиях могут быть прямыми или непрямыми. В исследованиях наибольшее распространение получил прямой метод сбора данных.  [c.809]


Данные, касающиеся предпочтений респондентов. С данных о предпочтениях маркетолог-исследователь может увидеть порядок предпочтения объектов респондентами с точки зрения какого-либо их свойства. Обычный способ получения таких данных — ранжирование предпочтений. От респондентов требуется торговые марки в порядке снижения их предпочтения (от наиболее предпочитаемого к наименее). Альтернативно, респондентов можно попросить выполнить попарное сравнение и указать, какую торговую марку они предпочитают в данной паре. Другой метод сбора данных о предпочтениях — получение оценок предпочтений для разных торговых марок. (Ранжирование, попарное сравнение и определение рейтинга изложены в главах 8 и 9 при обсуждении методов шкалирования). Если в основе пространственной карты лежат данные о предпочтениях, то расстояние означает различие в предпочтениях. Конфигурация, из данных о предпочтениях, может сильно отличаться от конфигурации, полученной на основе данных сходства объектов. Две торговые марки можно воспринимать как различные на карте восприятий, и как одинаковые на карте предпочтений, и наоборот, зубные пасты rest и Pepsodent могут восприниматься группой респондентов как совершенно разные, и поэтому соответствующие им точки будут далеко отстоять друг от друга на карте восприятий. Однако респонденты могут в равной степени предпочитать эти две марки зубной пасты, и поэтому на карте предпочтений точки, соответствующие маркам этих зубных паст, находятся недалеко одна от другой. Чтобы проиллюстрировать процедуру многомерного шкалирования, мы используем данные восприятий, полученные в примере с зубной а затем рассмотрим шкалирование данных о предпочтениях.  [c.782]

Смотреть страницы где упоминается термин Многомерное шкалирование восприятие объектов

: [c.143]   
Маркетинговые исследования Издание 3 (2002) -- [ c.0 ]