تجزیه و تحلیل پیوندی چیست؟انواع مختلف و چه موقع از آنها استفاده کنید

11 دقیقه Read Analysis Analysis یک رویکرد تحقیقاتی در بازار محبوب برای اندازه گیری ارزشی است که مصرف کنندگان بر روی فردی و بسته های ویژگی های یک محصول قرار می دهند.

تجزیه و تحلیل پیوسته توضیح داد

تجزیه و تحلیل ترکیب می تواند به عنوان یک روش آماری مبتنی بر پیمایشی مورد استفاده در تحقیقات بازار تعریف شود. این روش بهینه برای اندازه گیری مقداری است که مصرف کنندگان بر روی ویژگی های یک محصول یا خدمات قرار می دهند. این رویکرد که معمولاً استفاده می شود سناریوهای زندگی واقعی و تکنیک های آماری را با مدل سازی تصمیمات واقعی بازار ترکیب می کند.

بسته های تست محصول و مزایای کارمندان نمونه هایی از استفاده از تجزیه و تحلیل پیوسته است. نظرسنجی های Conjoint مجموعه ای از بسته ها را به پاسخ دهندگان نشان می دهد که متغیرهای ویژگی برای درک بهتر کدام ویژگی ها تصمیمات مربوط به خرید را دارند.

توجه: برای یک راهنمای عمیق برای تجزیه و تحلیل پیوسته ، کتاب الکترونیکی رایگان ما را بارگیری کنید: 12 تصمیمات تجاری می توانید با تجزیه و تحلیل پیوسته بهینه کنید

تجزیه و تحلیل پیوندی مبتنی بر منو

تجزیه و تحلیل پیوسته مبتنی بر منو یک روش تجزیه و تحلیل است که به سرعت در دنیای بازاریابی حرکت می کند. یک دلیل این است که تجزیه و تحلیل پیوسته مبتنی بر منو به هر یک از مخاطب اجازه می دهد تا محصول یا خدمات خود را بسته بندی کنند.

مطالعات پیوسته می تواند به شما در تعیین قیمت گذاری ، ویژگی های محصول ، تنظیمات محصول ، بسته های بسته بندی یا موارد فوق کمک کند. Conjoint مفید است زیرا موقعیت های خرید در دنیای واقعی را شبیه سازی می کند که از پاسخ دهندگان می خواهد یک گزینه را برای دیگری تجارت کنند.

به عنوان مثال ، در یک نظرسنجی ، مخاطب لیستی از ویژگی های قیمت های مرتبط نشان داده شده است. سپس پاسخ دهنده ضمن نگه داشتن قیمت به عنوان عاملی در تصمیم خود ، آنچه را که می خواهند در محصول ایده آل خود انتخاب می کند. برای شخصی که تحقیقات بازار را انجام می دهد ، می توان با تجزیه و تحلیل آنچه انتخاب شده و آنچه از آن باقی مانده است ، اطلاعات کلیدی بدست آورد. اگر ویژگی A برای 100 دلار در سوال منو گنجانده شده بود اما ویژگی B برای 100 دلار نبود ، می توان فرض کرد که این پاسخ دهنده ترجیح می دهد ویژگی بیش از ویژگی را داشته باشد.

نتیجه تجزیه و تحلیل پیوسته مبتنی بر منو این است که ما می توانیم معاملات تجاری را که مصرف کنندگان مایل به ایجاد آن هستند شناسایی کنیم. ما می توانیم روندهایی را که نشان دهنده ویژگی های باید در مقابل ویژگی های لوکس باشد ، کشف کنیم.

این واقعیت را اضافه کنید که تجزیه و تحلیل پیوسته مبتنی بر منو یک فرآیند جذاب تر و تعاملی تر برای Taker Survey است ، و می توان دید که چرا تجزیه و تحلیل پیوند مبتنی بر منو به روشی فزاینده محبوب برای ارزیابی ابزار ویژگی ها تبدیل می شود.

عملکرد پیشرفته Qualtrics امکان بررسی کامل ترکیب را فراهم می کند - ساخته شده با نگاه دقیق و احساس لازم برای ارائه یک تجربه قابل اعتماد و آسان برای درک کننده. این به معنای داده های با کیفیت بهتر برای شما است.

روشهای متعددی وجود دارد که از Qualtrics موجود است.

• تجزیه و تحلیل پیوندی کامل
• تجزیه و تحلیل مبتنی بر انتخاب/گسسته انتخاب
• تجزیه و تحلیل ترکیب سازگار
• تجزیه و تحلیل پیوندی Max-Diff

برای ارائه حس این گزینه ها ، بحث زیر مروری بر روشهای تجزیه و تحلیل پیوسته ارائه می دهد.

تجزیه و تحلیل مبادله دو گی

شاید نخستین روش جمع آوری داده های پیوسته درگیر مجموعه ای از ویژگی های ویژگی (دو ویژگی در یک زمان) باشد که در آن پاسخ دهندگان ترجیحات خود را برای ترکیب های مختلف سطح ویژگی ها رتبه بندی می کردند. به عنوان مثال ، اگر دو ویژگی هر یک سه سطح داشته باشند ، جدول دارای نه سلول است و پاسخ دهندگان ترجیحات مبادله خود را از 1 تا 9 رتبه بندی می کنند.

رویکرد دو عاملی در یک زمان ، خواسته های شناختی کمی از پاسخ دهنده را ایجاد می کند و پیروی از آن ساده است اما هم وقت گیر است و هم خسته کننده است. علاوه بر این ، پاسخ دهندگان اغلب جای خود را در جدول از دست می دهند یا فقط برای انجام کار ، الگوی تلفیقی ایجاد می کنند. از همه مهمتر ، با این حال ، این کار غیر واقعی است که گزینه های واقعی خود را برای ارزیابی دو ویژگی در یک زمان ارائه نمی دهند.

تجزیه و تحلیل پیوندی کامل

تجزیه و تحلیل پیوندهای کامل ، رویکرد نمایش تعداد زیادی از توضیحات کامل محصول را به مخاطب نشان می دهد. ارزیابی این بسته ها مقادیر زیادی از اطلاعات را برای هر مشتری/پاسخ دهنده به دست می آورد. تجزیه و تحلیل پیوندهای کامل یک رویکرد محبوب برای اندازه گیری خدمات ویژگی ها بوده است. در کار پیوند کامل ، توضیحات مختلف محصول (یا حتی محصولات واقعی متفاوت) برای پذیرش یا ارزیابی ترجیح به پاسخ دهنده ارائه می شود.

هر نمایه محصول بخشی از یک طرح آزمایشی فاکتوریل کسری را نشان می دهد که به طور مساوی وقوع هر ویژگی را با سایر ویژگی ها مطابقت می دهد. با کنترل جفت های ویژگی، محقق می تواند ویژگی ها را با ترجیحات نمایه مرتبط کند و سودمندی پاسخ دهنده را برای هر سطح از هر ویژگی آزمایش شده تخمین بزند. در کار رتبه بندی، پاسخ دهنده اولویت یا احتمال خرید خود را می دهد. در حالی که بسیاری از ویژگی ها و سطوح ممکن است مورد مطالعه قرار گیرند، این نوع پیوند بهتر است در جایی که تعداد متوسطی از پروفایل ها ارائه می شوند استفاده شود، در نتیجه خستگی پاسخ دهنده را به حداقل می رساند. عملکرد پیشرفته Qualtrics از طرح های آزمایشی برای کاهش تعداد درخواست های ارزیابی در نظرسنجی استفاده می کند. خروجی و تجزیه و تحلیل انباشته شده از بررسی های مشترک با مشخصات کامل مشابه مدل های دیگر مشترک است.

تحلیل ترکیبی تطبیقی

تجزیه و تحلیل ترکیبی تطبیقی مجموعه های انتخابی را که به پاسخ دهندگان ارائه می شود بر اساس ترجیح آنها تغییر می دهد. این انطباق ترجیحی ترین ویژگی و سطوح پاسخ دهنده را هدف قرار می دهد، در نتیجه تمرین مشترک را کارآمدتر می کند و هیچ سؤالی را در سطوح با جذابیت کم یا بدون جذابیت هدر نمی دهد. هر بسته نشان داده شده رقابتی تر است و داده های «هوشمندتر» به دست می دهد.

تحلیل ترکیبی تطبیقی اغلب برای نظرسنجی کننده جذاب تر است و بنابراین می تواند داده های مرتبط تری تولید کند. طول بررسی را بدون کاهش قدرت معیارها یا شبیه سازی های تحلیل مشترک کاهش می دهد. راه های متعددی برای انطباق سناریوهای مشترک با پاسخ دهنده وجود دارد. معمولاً طراحی بر اساس مهمترین سطوح ویژگی است. همانطور که هر بسته برای ارزیابی ارائه می شود، نظرسنجی انتخاب را به حساب می آورد و سپس سوال بعدی را کارآمدتر می کند. ترکیبی از روش های ارزیابی مشخصات کامل و ویژگی ها می تواند مورد استفاده قرار گیرد و به آن تحلیل ترکیبی ترکیبی گفته می شود.

پیوند مبتنی بر انتخاب

تجزیه و تحلیل ترکیبی مبتنی بر انتخاب (CBC) (همچنین به عنوان تجزیه و تحلیل ترکیبی انتخاب گسسته شناخته می شود) رایج ترین شکل تجزیه و تحلیل ترکیبی است. پیوند مبتنی بر انتخاب، پاسخ دهنده را ملزم می کند که ترجیح داده شده ترین مفهوم نمایه کامل خود را انتخاب کند. این انتخاب به طور مکرر از مجموعه ای از 3-5 مفهوم مشخصات کامل انجام می شود.

تصور می شود که این فعالیت انتخاب یک موقعیت خرید واقعی را شبیه سازی می کند، در نتیجه رفتار خرید واقعی را تقلید می کند. اهمیت و اولویت برای ویژگی ها و سطوح ویژگی ها را می توان از مبادلاتی که هنگام انتخاب یکی (یا هیچ کدام) از گزینه های موجود انجام می شود، استنتاج کرد. طرح های ترکیبی مبتنی بر انتخاب به تعداد ویژگی ها و سطوح بستگی دارد. اغلب، این تعداد زیاد است و یک طرح آزمایشی برای جلوگیری از خستگی پاسخ دهنده اجرا می شود. Qualtrics انعطاف پذیری فوق العاده ای را در استفاده از طرح های آزمایشی در بررسی مشترک فراهم می کند.

خروجی یک تحلیل ترکیبی مبتنی بر انتخاب، تخمین های بسیار خوبی از اهمیت ویژگی ها، به ویژه در رابطه با قیمت گذاری ارائه می دهد. نتایج می توانند ارزش هر سطح و ترکیباتی را که محصولات بهینه را تشکیل می دهند تخمین بزنند. شبیه سازها اولویت و ارزش یک بسته انتخابی و سهم انتخابی مورد انتظار (جانشین سهم بازار) را گزارش می کنند.

تحلیل مشترک خود توضیحی

تجزیه و تحلیل ترکیبی خود توضیح داده شده یک رویکرد ساده اما شگفت آور قوی ارائه می کند که پیاده سازی آن آسان است و نیازی به توسعه مفاهیم کامل ندارد. تحلیل ترکیبی خود توضیحی یک رویکرد ترکیبی است که بر ارزیابی ویژگی های مختلف یک محصول تمرکز دارد. این مدل تجزیه و تحلیل مشترک به طور صریح در مورد اولویت برای هر سطح ویژگی به جای ترجیح برای مجموعه ای از ویژگی ها می پرسد.

اگرچه رویکرد متفاوت است، اما نتیجه همچنان یکسان است، زیرا تخمین هایی با کیفیت بالا از ابزارهای ترجیحی تولید می کند.

• ابتدا، مانند ACA، فاکتورها و سطوح برای حذف در صورت عدم پذیرش در محصولات تحت هیچ شرایطی به پاسخ دهندگان ارائه می شود.
• برای هر ویژگی، پاسخ دهنده سطوحی را که بیشترین و کمترین ترجیح را دارد انتخاب می کند
• در مرحله بعد، سطوح باقیمانده هر ویژگی در رابطه با سطوح ترجیحی و کم ترجیح رتبه بندی می شوند
• در نهایت، ما اندازه گیری می کنیم که ویژگی کلی در اولویت آنها چقدر مهم است. اهمیت نسبی ترجیحی ترین سطح هر ویژگی با استفاده از یک مقیاس جمع ثابت (تخصیص 100 امتیاز بین مطلوب ترین سطوح هر ویژگی) اندازه گیری می شود.
• سپس امتیازهای مطلوبیت سطح ویژگی با اهمیت ویژگی وزن می شوند تا مقادیر سودمندی برای هر سطح ویژگی ارائه شود.

تجزیه و تحلیل ترکیبی خود توضیحی به تحلیل آماری یا منطق اکتشافی مورد نیاز در بسیاری از رویکردهای مشترک دیگر نیاز ندارد. نشان داده شده است که این رویکرد نتایجی برابر یا برتر از رویکردهای کامل ارائه می کند و تقاضاهای کمتری را از پاسخ دهنده ایجاد می کند. برخی محدودیت ها برای تجزیه و تحلیل ترکیبی خود توضیحی وجود دارد، از جمله عدم توانایی در مبادله قیمت با سایر بسته های ویژگی. در این شرایط، پاسخ دهنده همیشه کمترین قیمت را ترجیح می دهد و سایر مدل های تحلیل ترکیبی مناسب تر هستند.

تحلیل مشترک حداکثر تفاوت

تحلیل ترکیبی Max-Diff مجموعه ای از بسته ها را ارائه می کند که باید در بهترین/مرجب ترین و بدترین/کم ترین سناریو انتخاب شوند. پاسخ دهندگان می توانند به سرعت بهترین و بدترین موارد را در یک لیست نشان دهند، اما اغلب در تلاش برای رمزگشایی احساسات خود برای "میانه" هستند. Max-Diff اغلب کار ساده تری است زیرا مصرف کنندگان در قضاوت های مقایسه ای به خوبی آموزش دیده اند.

تحلیل مشترک Max-Diff زمانی که وظیفه تصمیم گیری ارزیابی انتخاب محصول است یک روش ایده آل است. یک طرح آزمایشی برای ایجاد تعادل و نمایش مناسب مجموعه های اقلام استفاده می شود. چندین رویکرد وجود دارد که می توان با تجزیه و تحلیل مطالعات Max-Diff از جمله: مدل سازی ترکیبی سلسله مراتبی بیز برای استخراج تخمین امتیاز سودمندی، تحلیل شمارش بهترین/بدترین و تحلیل TURF استفاده کرد.

تحلیل سلسله مراتبی بیز (HB)

تجزیه و تحلیل سلسله مراتبی بیز (HB) به طور مشابه برای تخمین ابزارهای سطح ویژگی از داده های انتخابی استفاده می شود. HB مخصوصاً در شرایطی مفید است که وظیفه جمع آوری داده ها آنقدر زیاد است که پاسخ دهنده نمی تواند به طور منطقی ارزیابی اولویت ها را برای تمام سطوح ویژگی ارائه دهد. بیز سلسله مراتبی به عنوان بخشی از فرآیند تخمین ابزارهای سطح ویژگی برای هر فرد، اندازه گیری پاسخگوی فردی را بر روی ویژگی های بسیار متغیر متمرکز می کند و زمانی که تنوع سطح ویژگی کوچک تر است، از میانگین های سطح ویژگی نمونه استفاده می کند. این رویکرد مجدداً اجازه می دهد تا ویژگی ها و سطوح بیشتری را با مقادیر کمتری از داده های جمع آوری شده از هر پاسخگو تخمین بزنند.

Conjoint یک تکنیک تجزیه و تحلیل بسیار موثر است

روش تجزیه و تحلیل متقابل بیش از 30 سال است که در برابر بررسی شدید دانشگاهیان و محققان حرفه ای مقاومت کرده است. این به طور گسترده در محصولات مصرفی، کالاهای بادوام، داروسازی، حمل و نقل و صنایع خدماتی استفاده می شود و باید جزء اصلی در جعبه ابزار تحقیق شما باشد.