zum Hauptinhalt springen
Loading...
Skip to article
  • Qualtrics Platform
    Qualtrics Platform
  • Customer Journey Optimizer
    Customer Journey Optimizer
  • XM Discover
    XM Discover
  • Qualtrics Social Connect
    Qualtrics Social Connect

MaxDiff-Clustering


Was this helpful?


This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

The feedback you submit here is used only to help improve this page.

That’s great! Thank you for your feedback!

Thank you for your feedback!


Informationen zum MaxDiff-Clustering

In den Populationen der Befragten befinden sich Gruppen von Gleichgesinnten. Diese Gruppen oder „Cluster“ können durch die Ähnlichkeit der bevorzugtesten Funktionen der einzelnen Teilnehmer bestimmt werden. Indem wir jeden Teilnehmer basierend auf seinem individuellen Nutzen für jedes Attribut gruppieren, können wir Teilpopulationen ermitteln und ermitteln, aus welchen demografischen Daten sich diese Unterpopulationen zusammensetzen.

Tipp: Diese Funktion ist unglaublich nützlich, wenn Sie Segmente definieren möchten.

Umfrage für Clustering vorbereiten

Bevor Sie das MaxDiff-Clustering verwenden können, müssen Sie sicherstellen, dass die Umfrage Ihres MaxDiff-Projekts die richtigen Fragen stellt. Das bedeutet, dass Sie bestimmte Funktionen einrichten müssen, bevor Sie Daten sammeln.

Stellen Sie im Umfrage-Reiter sicher, dass Sie einem Nicht-MaxDiff-Block Fragen hinzugefügt haben. Im folgenden Beispiel enthält der Block Demografie eine Frage zum Alter, zur Anzahl der Personen im Haushalt des Teilnehmers und mehr.

Eine Umfrage mit demografischen Fragen

Der Block Demographics befindet sich direkt über dem MaxDiff-Block, kann aber beliebig verschoben werden.

Der Block ist zugeklappt, sodass Sie sehen können, dass er sich über dem Conjoint-Block befindet.

Fragenformatierung

Sie können MaxDiff-Clustering nur mit Multiple-Choice-Fragen mit Einfachauswahl durchführen. Dies liegt daran, dass sie eine begrenzte Auswahl an Auswahlmöglichkeiten bieten, die leicht analysiert werden können.

  • Demografie: Fragen Sie nach grundlegenden beschreibenden Informationen wie Alter, Einkommensklasse, Rasse oder Geschlecht.
  • Verhalten: Fragen Sie, wie Kunden mit Ihrer Marke und Ihren Produkten interagieren, oder nach Verhaltensweisen, die sich auf ihr Kaufverhalten beziehen können. Sie können beispielsweise fragen, wie oft der Kunde einkauft.
  • Operative Daten: Hierbei handelt es sich um Informationen wie die auf Ihrer Website aufgewendete Zeit oder die Beschäftigungsdauer eines Mitarbeiters in Ihrem Unternehmen.
  • Fragenformate: Formatieren Sie Fragen zu Verhaltensweisen und Überzeugungen als Skalen. Der Bereich auf einer Skala kann uns dabei helfen zu verstehen, welche Skalenwerte korreliert sind und somit ungefähr im selben Cluster liegen. Ja/Nein-Fragen und Fragen mit Einzelauswahl sind für die Clusteranalyse nicht so nützlich.
    Beispiel: Wenn Sie fragen: „Was für ein Käufer sind Sie?“ und die Optionen „Prefer Shopping at malls“, „Prefer Shopping online“ und „Prefer Shopping at boutiques“ anbieten, möchte der Clustering-Algorithmus die Teilnehmer in drei Gruppen aufteilen, eine für jede Antwort. Wenn Sie diese stattdessen als eine Reihe von Fragen gestellt haben (z. B. „Einkaufen Sie gerne in den Malls?“) Mit den Antworten 1 bis 7 kann der Clustering-Algorithmus besser erkennen, was die verschiedenen Käufer voneinander trennt.
Tipp: Wenn Sie mit dem Hinzufügen von Fragen fertig sind, vergessen Sie nicht, sie zu veröffentlichen.

Cluster aktivieren

Clustering finden Sie auf der Registerkarte Reports im Abschnitt MaxDiff Clustering.

Clustering-Registerkarte für ein maxdiff-Projekt.

Damit Daten zum ersten Mal angezeigt werden, müssen Sie stattdessen im Abschnitt MaxDiff-Analyse auf Aktualisieren klicken.

Drucktaste "Aktualisieren" auf der Registerkarte "MaxDiff-Analyse" ganz rechts

Tipp: Wie MaxDiff-Analyseberichte wird der MaxDiff-Clustering-Bericht stündlich aktualisiert.

Anpassung der im Clustering verwendeten Demografien

Standardmäßig verwendet das MaxDiff-Clustering jede Multiple-Choice-Frage, die Sie gestellt haben. Sie müssen jedoch nicht jede Frage verwenden, wenn Sie nicht möchten, und Sie können Inhalt hinzufügen und entfernen, um zu sehen, welche verschiedenen Cluster diese Funktion Ihnen empfiehlt.

Demografische Daten entfernen

Klicken Sie im Feld rechts neben der Kopfzeile Clusterdetails auf das X für eine Frage, um sie aus der Cluster-Analyse zu entfernen. Das Entfernen einer Frage führt nicht dazu, dass die Cluster neu berechnet werden.

Registerkarte "Clustering" für ein maxdiff-Projekt. Klicken Sie auf das x neben einem Clustering-Feld, um es zu entfernen.

Hinzufügen von Demografien

Klicken Sie im Feld rechts neben dem Kopf Clusterdetails auf den Dropdown-Pfeil. Wählen Sie dann die Fragen aus, die Sie wieder zu den Clustern hinzufügen möchten.

Dropdown-Liste für die Auswahl von Cluster-Details

Empfohlene Cluster

Sobald Sie genügend Daten gesammelt und Ihre MaxDiff-Clustering-Seite aktualisiert haben, werden Ihnen mit dieser Funktion Cluster empfohlen. Diese Cluster werden anhand der Ähnlichkeit der bevorzugtesten Funktionen der Befragten ermittelt.  Ihr individuelles Hilfsprogramm für jedes Attribut wird berechnet. Anschließend werden die in diesen Clustern gemeinsamen demografischen Daten hervorgehoben, damit Sie besser nachvollziehen können, wie verschiedene Populationen Ihre Produkte bevorzugen.

Markieren Sie einen Cluster im oberen Diagramm, um mehr über diesen Cluster zu erfahren. Klicken Sie darauf, um die Clusterdetails unten zu öffnen.

Cluster für einen maxdiff

Cluster-Details

Abschnitt maxdiff clustering

  1. Zusammenfassung: Die obere Leiste der Clusterdetails bietet eine kurze Zusammenfassung der wichtigsten Details, in erster Linie, welches Cluster es ist, die statistische Bedeutung des Clusters, wie die Teilnehmer die demografischen Fragen im Allgemeinen beantwortet haben, wie viele Antworten in diesem Cluster sind und für wie viel Prozent der Antworten dieses Cluster gilt. Sie können auch auf diesen Teil klicken, um die restlichen Informationen zu expandieren und zu komprimieren.
    Beispiel: Im hier abgebildeten Cluster 1 stammen die Antworten meist von Personen, die die eigene Wohnung besitzen. 4 Teilnehmer passen in der Regel zu diesem Muster, das 80 % des gesamten Datenbestands beträgt. Da es sich um einen sehr kleinen Datenbestand handelt, sollten wahrscheinlich keine Entscheidungen auf der Grundlage dieser Ergebnisse getroffen werden. Darauf deutet auch die schwache Stärke des Clusters hin.
  2. Demografie: Eine Reihe von Aufschlüsselungsbalken, die zeigen, wie die Mitglieder dieses Clusters auf die demografischen Fragen reagiert haben. Jede Aufgliederungsleiste ist durch die Antwort gekennzeichnet, die am stärksten mit den Dienstprogrammbewertungen für die bevorzugtesten Funktionen korreliert. Sie sehen jedoch, dass die Personen in einem Cluster in der Art und Weise, wie sie geantwortet haben, variieren.
    Beispiel: Das Jahreseinkommen von Cluster 1 wird als “$20.000 – $29.000” aufgeführt. Dies ist jedoch nicht das häufigste Jahreseinkommen für diesen Cluster, da der Balken für “$ 70.000 – $79.000” am Ende viel länger ist. Das liegt daran, dass diejenigen, die ein geringeres Einkommen haben, einfach eher vernünftige Preise, Dauerhaltbarkeit usw. haben als diejenigen im Cluster, die ein höheres Jahreseinkommen haben.
  3. Die fünf wichtigsten Funktionen: Dies sind die fünf Funktionen, die die Mitglieder des Clusters bei der Auswahl von Funktionen aus einer Liste am ehesten als bevorzugt angegeben haben. Die hervorgehobenen Demografien weisen hohe Utility-Scores für die hier ausgewählten Attribute auf.
  4. Analysevorschau: Klicken Sie auf diese Schaltfläche, um den MaxDiff-Analysebericht nur für die Daten dieses Clusters anzuzeigen.
Tipp: Denken Sie daran, dass die „Demographien“ in diesen Diagrammen die Nicht-MaxDiff-Fragen sind, die Sie auf der Registerkarte Umfrage erstellt haben.

Clusterstärke ermitteln

Qualtrics verwendet eine Metrik namens Silhouetten-Scoring, um die Stärke jedes Clusters zu ermitteln. Diese Bewertung ergibt einen Wert zwischen 0 und 1, der bestimmt, wie eng die Umfrageteilnehmer geclustert sind. Wir verwenden die folgende Tabelle, um den Silhouetten-Score in die Cluster-Stärke zu konvertieren:

Korrelations-Score Beziehungsstärke Beschriftung der Clusterstärke
0.71 bis 1.0 Sehr enge Beziehung Stark
0,51 bis 0,70 Eher starke Beziehung Eher stark
0,26 bis 0,50 Teilweise schwache Beziehung Eher schwach
0 bis 0,25 Keine signifikante Beziehung Schwach

 

Cluster auf Berichte anwenden

Cluster können auf den MaxDiff-Analysebericht angewendet werden, sodass Sie genauere Details darüber sehen können, wie Teilnehmer in diesem Cluster die ihnen angezeigten Attribute ausgewertet haben.

Wählen Sie im Abschnitt MaxDiff-Analyse der Registerkarte Berichte einen Cluster aus der Dropdown-Liste Segmente oben links aus.

In den MaxDiff-Berichten wird die Dropdown-Liste aufgeklappt und ein Cluster ausgewählt.

Sie können auch Vorschau der Analyse auswählen, wenn Sie auf der Registerkarte Berichte im Abschnitt MaxDiff-Clustering einen Cluster ausgewählt haben.

Bild der Registerkarte maxdiff clustering

Drucktaste "Analysevorschau" innerhalb eines Clusters

Viele Seiten dieses Portals wurden mithilfe maschineller Übersetzung aus dem Englischen übersetzt. Obwohl wir bei Qualtrics die bestmögliche maschinelle Übersetzung ausgewählt haben, um ein möglichst gutes Ergebnis zu bieten, ist maschinelle Übersetzung nie perfekt. Der englische Originaltext gilt als offizielle Version. Abweichungen zwischen dem englischen Originaltext und den maschinellen Übersetzungen sind nicht rechtlich bindend.