СТАТИСТИКИ И ТЕРМИНЫ, ИСПОЛЬЗУЕМЫЕ В МНОГОМЕРНОМ ШКАЛИРОВАНИИ
Ниже перечислены основные статистики, связанные с многомерным шкалированием.
• Оценка сходства(similarity judgments). Рейтинги всех возможных пар торговых марок или других объектов, отражающие их сходство по шкале Лайкерта.
• Ранги предпочтений(preference rankings). Ранги торговых марок или других объектов в порядке их уменьшения (от большего к меньшему). Обычно эти данные получают при опросе респондентов.
• Стресс(stress). Мера соответствия подогнанной модели исходным данным: чем выше значение стресса, тем ниже качество подгонки модели.
• R-квадрат(R-square). R-квадрат— это квадрат коэффициента корреляции, который показывает долю дисперсии оптимально отображенных данных, которые могут быть учтены ММШ. Мера соответствия подогнанной модели исходным данным.
• Пространственная карта(spatial map). Воспринимаемые взаимосвязи между торговьи марками или другими объектами, представленные в виде геометрических связей меж точками в многомерном пространстве.
• Координаты(coordinates). Указывают расположение торговых марок или объектов на щ странственной карте.
• Развертка(unfolding). Представление торговых марок и респондентов в виде точек в одн и том же пространстве.
ВЫПОЛНЕНИЕ МНОГОМЕРНОГО ШКАЛИРОВАНИЯ
На рис. 21.1 показаны этапы многомерного шкалирования.
ме исходных
Выбор метода Ш Принятие решения о числе размерностей
Обозначение размерностей и интерпретация к точек на пространственной карте
э надежности и достоверности Рис. 21.1. Многомерное шкалирование
Исследователь должен тщательно сформулировать проблему многомерного шкалирован! поскольку можно использовать большое разнообразие исходных данных. Задача маркетолога определить соответствующую форму для получения данных и выбрать метод многомерно шкалирования для их анализа. Важный аспект решения включает определение размерное для пространственной карты. Кроме того, следует обозначить оси координат на карте и инт( претировать выведенную на основе данных конфигурацию точек. И наконец, исследовате должен оценить качество полученных результатов [4]. Мы опишем каждый из этих этапов, i чав с формулирования проблемы.
Формулирование проблемы
При формулировании проблемы исследователю необходимо конкретизировать цель i пользования результатов многомерного шкалирования и выбрать торговые марки или Д{ гие объекты, которые предполагается проанализировать. Именно они определяют разме ность шкалирования и получаемые конфигурации. Чтобы получить хорошо определяем пространственную карту, следует включить как минимум восемь торговых марок или объе тов. Включение свыше 25 торговых марок, вероятно, будет громоздким и утомит респонде дов при опросе.
Очень внимательно надо подходить к выбору конкретных торговых марок или объектов. Предположим, что исследователь заинтересован узнать восприятия покупателей автомобилей. Если автомобили-люкс не включены в набор объектов, результаты могут быть искажены. В основе выбора количества торговых марок и их конкретных наименований должна лежать проблема, маркетингового исследования, теоретические предпосылки и интуиция исследователя.
Многомерное шкалирование проиллюстрировано нами с позиции получения пространственной карты для 10 известных марок зубной пасты: Aqua-Fresh, Crest, Colgate, Aim, Gleem, Macleans, Ultra Brite, Close-Up, Pepsodent и Dentagard. Перед тем как начать анализ, ответим на вопрос: как получить данные по этим маркам.
Получение исходных данных
Как показано на рис. 21.2, исходные данные, полученные от респондентов, должны быть связаны с восприятиями или предпочтениями.
| Исходныед | энные ММШ llfl | |
| [ | i | |
| Bocnp | ИЯТИЯ | Предпочтения |
Прямые подходы (суждения респондентов о сходстве)
Непрямые подходы (рейтинги характеристик)
Рис. 21.2. Исходные данные для многомерного шкалирования
Вначале мы обсудим данные, касающиеся восприятия объектов, которые могут быть прямыми или непрямыми.
Восприятие объектов: прямые подходы. При использовании прямого подхода к сбору данных о восприятии респондентов просят оценить, используя их собственный критерий, насколько похожи или не похожи между собой различные известные торговые марки. От респондентов часто требуется оценить все возможные пары известных торговых марок, рассматривая их сходство по шкале Лайкерта. Эти данные связаны с оценками респондентов о сходстве товаров. Например, оценки сходства по всем возможным парам марок зубной пасты можно получить в таком виде.
Crest по сравнению с Colgate Aqua-Fresh по сравнению с Crest Crest по сравнению с Aim
| епохожи Очень похожи | |||||
| 1 2 | |||||
| 1 2 | |||||
| 1 2 |
Colgate по сравнению с Aqua-Fresh 1 23456 7
Число оцениваемых пар равно пх(п — 1)/2, где п — число объектов. Существуют и другие методы сбора данных. Респондентов можно попросить проранжировать все возможные пары от наиболее похожих к наименее похожим. В другом методе респонденты ранжируют известные торговые марки по сравнению с определенной базовой торговой маркой. Каждая торговая ма[ ка, в свою очередь, служит такой базой.
В нашем примере использовали прямой метод. Респондентов попросили высказать свое мн< ние о сходстве для всех 45 (10 х 9/2) пар торговых марок зубной пасты, используя семибалльну шкалу. Данные, полученные от одного из респондентов, представлены в табл. 21.1 [5].
Таблица 21.1. Рейтинги сходства известных торговых марок зубной пасты
| Aqua-Fresh | Crest Colgate Aim | Gleem Macleans Ultra Brite Close- Up Pepsodent Dentagan | |||||
| Aqua-Fresh Crest Colgate | 5 6 | 7 | |||||
| Aim | |||||||
| Gleem | |||||||
| Macleans | |||||||
| Ultra Brite | |||||||
| Close-Up | 5 6 | ||||||
| Pepsodent | 6 7 | ||||||
| Dentagard | 3 3 | 4 3 |
Восприятие объектов: непрямые подходы. Непрямые подходы(derived approaches) к c6of данных о восприятии основаны на характеристиках объектов и требуют, чтобы респондент оценивали объекты, исходя из их определенных характеристик, используя семантическу дифференциальную шкалу или шкалу Лайкерта.