MaxDiff Analysis Sicherheitserklärung

Was ist MaxDiff-Analyse?

Definition

Die MaxDiff-Analyse ist eine Marktforschungstechnik zur Messung der Präferenz und Wichtigkeit, die die Befragten auf eine Liste von Elementen setzen. Sie kann eine entscheidende Rolle spielen, wenn es darum geht, die Kompromisse zu verstehen, die die Menschen eingehen würden, und stellt letztendlich eine Rangfolge der Liste bereit. Sie kann in Listen mit Funktionen eines Produkts, Nachrichten, Forderungen, Attributen, Merkmalen usw. verwendet werden. Sie wird manchmal als beste Skalierung oder maximale Differenzskalierung bezeichnet und wurde von J.J. entwickelt. In: Louviere.

Wie wird es durchgeführt?

Die MaxDiff-Analyse wird durchgeführt, indem den Teilnehmern Teilmengen von Elementen aus einer Liste angezeigt werden und der Umfrageteilnehmer die besten und schlechtesten oder am wenigsten bevorzugten Optionen aus dieser Liste ermittelt. Der Grund für diesen Ansatz ist, dass es für einen Umfrageteilnehmer schwierig sein kann, eine Rangfolge von 7 oder mehr Elementen in einer Umfrage festzulegen. Was MaxDiff also nutzt, ist unsere Fähigkeit, die Eisen (beste und schlechteste) aus einer Liste zu identifizieren und die Aufgabe in einer verständlicheren Anzahl von Elementen gleichzeitig zu vereinfachen.

Ein Antwortender sieht in der Regel 5 bis 15 Fragen, bei denen 3 bis 5 Elemente angezeigt werden, und er wird gebeten, die besten und schlechtesten aus der Liste anzugeben. Dies liefert sehr genaue Daten, da es für Umfrageteilnehmer eine verständlichere Aufgabe ist, als die gesamte Liste zu präsentieren.

Die Schritte zum Ausführen einer MaxDiff-Analyse sind:

1. Ermitteln Sie die zu testenden Attribute in der MaxDiff-Analyse.
2. Generieren Sie das experimentelle Design.
3. Programmieren Sie die Umfrage, die die MaxDiff-Aufgaben hostet.
4. Antworten sammeln.
5. Analysieren Sie die MaxDiff-Ergebnisse.
6. Melden Sie die Ergebnisse.

Jede dieser Maßnahmen baut auf der vorherigen Aktion auf, indem sie auf das Endziel hinarbeiten, die Präferenzen der Befragten zu verstehen.

Qualtrics hat eine MaxDiff-XM-Lösung entwickelt, die es Forschern ermöglicht, die Befragten im Rahmen eines größeren Forschungsziels schnell und einfach durch Kompromissübungen zu führen.

Für welche Geschäftsziele liefert die MaxDiff-Analyse Antworten?

MaxDiff kann wichtige Geschäftsziele erreichen. Dazu gehören:

• Wie priorisieren die Teilnehmer Paketfunktionen?
• Worauf konzentrieren sich die Befragten bei ihrer Kaufentscheidung?
• Wie treffen verschiedene Botschaften und Produktansprüche auf eine Zielgruppe zu?
• Wie werden unterschiedliche Produkte oder Dienstleistungen vom Markt wahrgenommen und bewertet, wenn man darum gebeten wird, aus einer endlichen Liste zu wählen?
• Wie stehen verschiedene Marken im Vergleich zueinander und wie ordnen die Befragten sie in eine Rangfolge ein?
• Welche Kompromisse werden die Befragten treffen, wenn sie mit unterschiedlichen Kombinationen von Funktionen konfrontiert sind?

Wie Sie sehen, kann die MaxDiff-Analyse Daten für wichtige und dynamische Geschäftsfragen bereitstellen. Es gibt auch viele nicht produktbezogene Anfragen, die MaxDiff beantworten kann.

MaxDiff kann aufgrund seiner Flexibilität und des einfachen Ergebnisses für viele Anwendungsfälle eine sehr effektive Forschungsmethode sein. Es sollte das Instrument der Wahl sein, wenn Forscher Einblicke in die Rangfolge einer Liste benötigen.

MaxDiff-Attribute

Mit der MaxDiff-Analyse suchen wir eine Liste von Attribute die als Angebote für und für sich fungieren, und nicht als Attribute, die gebündelt werden sollen. Daher sollten sich die Positionen gegenseitig ausschließen und eigenständig sein. Die Elemente können Merkmale/Funktionen eines Produkts, Nachrichten oder Ansprüche zu einem Produkt, Vorteile, die Benutzern oder Mitarbeitern angeboten werden, und viele andere Anwendungsfälle sein.

Bei einer MaxDiff-Analyse möchten Sie in der Regel 8 bis 25 Positionen auflisten. Je mehr Elemente Sie einschließen, desto mehr Fragen müssen Sie stellen. Versuchen Sie daher, die Müdigkeit der Teilnehmer beim Entwerfen Ihrer Recherche im Auge zu behalten.

Versuchsdesign

Experimentelles Design und MaxDiff-Analyse

Das experimentelle Design von MaxDiff bestimmt, welche Elemente in den Fragen angezeigt werden, die den Teilnehmern gestellt werden. Das Design stellt eine ordnungsgemäße Repräsentation des Endergebnisses der Sicherstellung korrekter und zuverlässiger Ergebnisse sicher. Bei richtigem Design sammelt die Umfrage die Daten, die für die Rangfolge der Elemente erforderlich sind.

Die allgemeine Regel lautet, dass jeder Teilnehmer jeden Artikel dreimal sehen soll. Das Nebenprodukt dieser Regel ist, dass mehr MaxDiff-Elemente zu weiteren Fragen führen. Zusätzlich zu dieser Regel gibt es weitere Bedingungen, die Qualtrics bei der Generierung des experimentellen Designs berücksichtigt, darunter Randomisierung, Positionssaldo, Paired Balance und Item Networking.

• Zufallsauswahl: Die Frage und Position innerhalb einer Frage, in der ein MaxDiff-Element angezeigt wird, wird zufällig zugeordnet.
• Positionssaldo: Gibt an, wie oft jedes Element innerhalb des Fragensatzes eines Antwortenden (auch als “Version” bezeichnet) ausgeglichen ist und relativ oft angezeigt wird. Die Anzahl, wie oft jede Position angezeigt wird, wird auch über alle Versionen hinweg ausgeglichen.
• Paarweise Abrechnung: Die Anzahl, wie oft jedes Element mit allen anderen Elementen angezeigt wird, ist für alle Teilnehmer relativ ausgeglichen.
• Elementnetzwerk: Dies wird auch als Connectivity bezeichnet. Diese Regel stellt sicher, dass es bei einer Aufteilung der Artikel in zwei gleiche Gruppen nie einen Artikel innerhalb einer Gruppe geben würde, der nie mit einem der Artikel in der anderen Gruppe angezeigt wird.

Umfrage & Stichprobenumfang

Umfrageprogrammierung

Die MaxDiff-Analyse basiert auf Umfrageantworten. Wenn eine MaxDiff-Studie durchgeführt wird, ist dies in der Regel der Schwerpunkt der Umfrage, sie muss jedoch nicht vollständig sein. Entscheidend ist, dass die Übung MaxDiff innerhalb der Umfrage prägnant und gut strukturiert ist.

MaxDiff-Umfragen umfassen in der Regel kontrolliertere Fragen, um sicherzustellen, dass die richtige Art von Teilnehmern die Umfrage abschließt, Einführungs- und Schulungsressourcen sowie demografische Fragen. Es gibt keine harten Regeln dafür, wie viele weitere Fragen einer MaxDiff-Studie hinzugefügt werden können oder wo im Umfragenverlauf der MaxDiff fallen sollte. Es sei darauf hingewiesen, dass jede Frage, die von den Befragten außerhalb der Übung MaxDiff gestellt wird, Zeit und Fokus in Anspruch nimmt, die ansonsten der Übung MaxDiff gegeben werden könnten.

Die Umfragelänge sollte bei der Konzeption und Entwicklung der Studie berücksichtigt werden. Wenn ein Umfrageteilnehmer von der Umfrage übermüdet wird, ist es weniger wahrscheinlich, dass er durchdachte Antworten gibt und somit die Qualität Ihrer Daten senkt. Umfragen, die mehr als 10-15 Minuten in Anspruch nehmen, sind anfälliger für Müdigkeit und Datenqualitätsprobleme.

Die Daten aus einer MaxDiff-Studie sind nur relativ und genau, wenn der Teilnehmer die Prämisse der Studie vollständig versteht.  Viele Studien sind Testkonzepte, die bekannt und mit der breiten Öffentlichkeit verwandt sind. Ist dies jedoch nicht der Fall, sollte im Vorfeld der MaxDiff-Übung Zeit aufgewendet werden, um den Teilnehmer durch Beschreibungen und/oder Videos angemessen zu schulen.  Je klarer und vorstellbarer ein Produkt für den Umfrageteilnehmer ist, umso wirklicher werden die daraus resultierenden Versorgungsergebnisse sein.

Neben dem einfachen und unkomplizierten Text und den Beschreibungen sollte das Layout jeder Frage auch dem Verständnis und der Klarheit dienen. Auf diese Weise kann der Teilnehmer Vergleiche durchführen und endgültige Antworten geben.

Stichprobengröße

Entscheidend für den Erfolg und die Genauigkeit der MaxDiff-Ergebnisse ist die Anzahl der zu erfassenden Antworten sowie die Relevanz des Themas für die Personen, die an der Umfrage teilnehmen. Eine allgemeine Faustregel besteht darin, einen Mindestgesamtprobenumfang von 300 zu sammeln.  Vor diesem Hintergrund ist es auch wichtig, die Anzahl der gesammelten Antworten in Segmenten von Interesse zu berücksichtigen. Wir empfehlen, dass jedes Segment ein n > 150 hat.

Es ist wichtig, dass die Personen, die die MaxDiff-Übung durchführen, diejenigen reflektieren, die letztlich der Käufer oder der Zielmarkt wären. Häufig werden Forscher zu Beginn der Umfrage demografische Fragen hinzufügen, um sicherzustellen, dass irrelevante Populationen (z. B. diejenigen außerhalb des angestrebten Altersbereichs oder der Region, in der das Produkt verfügbar sein wird) durchsucht werden. Alternativ werden Unternehmen häufig Listen aktueller oder potenzieller Kunden haben, an die sie die Umfrage verteilen können.

Modellierung der MaxDiff-Analyse

Übersicht

Bei der Analyse der MaxDiff-Antwort werden die Auswahlen der Teilnehmer in Präferenzen übersetzt. Das Ergebnis der Analyse ist eine Rangliste der Präferenzen für die verschiedenen getesteten Positionen.

Kern der Analyse ist die statistische Modellierung, die das Hilfsprogramm abschätzt, das Umfrageteilnehmer jedem Element zuordnen. Die MaxDiff-Analyse erhält aufgrund ihrer statistischen Modellierung einen einschüchternden Ruf als “komplex”, aber das ist auch das, was MaxDiff zu einer erstklassigen Forschungstechnik gemacht hat. Für die Berechnung dieser Dienstprogrammpräferenzen werden verschiedene statistische Ansätze verwendet, einschließlich Regression und multinomialer logistischer Regressionsmodellierung, die in der Regel auf aggregierter Ebene durchgeführt werden.

Unabhängig davon, wie die Umfrageauswahl modelliert wird, handelt es sich bei der Ausgabe um Hilfsprogrammkoeffizienten, die den Wert oder die Präferenz darstellen, den bzw. die die Teilnehmerbasis für das unterschiedliche MaxDiff-Element hat. Für Designs und Analysemethoden, die die Berechnung von Versorgungsbewertungen auf individueller Ebene ermöglichen, können wir Präferenzmodelle für jeden einzelnen Teilnehmer ableiten. Dies kann aus verschiedenen Gründen von Vorteil sein, darunter die Segmentierung verschiedener Datenausschnitte, die latente Klassenanalyse und die Erreichbarkeit von Simulationen. Der Hauptansatz zur Erstellung individueller Gebrauchsmodelle ist die hierarchische Bayes-Schätzung. Hierbei handelt es sich um eine Technik, die Bayesische Methoden verwendet, um den relativen Wert jeder zu testenden Variable auf Wahrscheinlichkeit abzuleiten.

Hierarchische Bayes-Schätzung

Die hierarchische Schätzung von Bayes (HB) ist ein iterativer Prozess. Es umfasst ein untergeordnetes Modell, das die relativen Hilfsprogramme des Einzelnen für die getesteten Attribute abschätzt, sowie ein übergeordnetes Modell, das die Präferenz der Bevölkerung prognostiziert. Diese beiden arbeiten zusammen, bis die Analyse die Koeffizienten konvergeniert, die den Wert jedes Attributs für jedes einzelne darstellen.

In gewisser Weise ermöglicht die HB-Schätzung die Aufnahme von Informationen aus anderen Antworten, um noch bessere und stabilere Ergebnisse auf individueller Ebene zu erzielen. Sie ist sehr robust und ermöglicht es uns, einen umfassenden Einblick in die Präferenzen der Teilnehmer zu erhalten, auch wenn wir dem Teilnehmer weniger Aufgaben präsentieren.

Die Technik wird aufgrund der über- und untergeordneten Modelle als “hierarchisch” betrachtet.  Dieser Ansatz schätzt die durchschnittlichen Präferenzen (höhere Ebene) und misst dann, wie unterschiedlich sich die einzelnen Umfrageteilnehmer von dieser Verteilung unterscheiden, um ihre spezifischen Versorgungsunternehmen abzuleiten (niedrigere Ebene).  Der Prozess wiederholt sich über eine Reihe von Iterationen, um uns letztendlich bei der Wahrscheinlichkeit zu helfen, dass ein bestimmtes Konzept basierend auf seinem Dienstprogramm (also einem multinomialen logistischen Regressionsmodell) ausgewählt wird.

Das Qualtrics-MaxDiff-Analyseprojekt verwendet die in STAN geschriebene hierarchische Bayes-Schätzung, um individuelle Präferenzen zu berechnen.

Individuelle Hilfskoeffizienten

Das Ergebnis des Bayesianischen Modells sind Präferenzwerte, die den Nutzen darstellen, den die einzelnen Personen mit jeder Variable wahrnehmen. Diese Scores werden häufig als Partworth-Dienstprogramme bezeichnet und bilden die Grundlage für alle Zusammenfassungsmetriken, die aus der MaxDiff-Studie hervorgehen.

Die Dienstprogrammdatei enthält eine Zeile für jeden Teilnehmer, der in die MaxDiff-Analyse einbezogen wird, und eine Spalte für jede eindeutige Stufe, die in der Studie getestet wurde. Bei der Modellierung der Präferenzen jedes Umfrageteilnehmers helfen uns die Versorgungsunternehmen dabei, vorherzusagen, welche Auswahl die Befragten treffen würden, wenn sie mit unterschiedlichen Aufstellungen konfrontiert wären.

Die Dienstprogramme haben eine Ordinalzahl und geben die Rangfolge der Liste der Variablen an.

MaxDiff-Zusammenfassungsmetriken

MaxDiff-Zusammenfassungsmetriken

Nachdem die Analyse die Hilfsmittelkoeffizienten ermittelt hat, können Ergebnisse und Ergebnisse vorbereitet werden, um die Ergebnisse der Studie darzustellen. Die Hilfsprogramme sind die Bausteine aller Zusammenfassungsmetriken.

Die wichtigsten Zusammenfassungskennzahlen, die in der Regel mit der MaxDiff-Analyse einhergehen, sind im Folgenden aufgeführt:

• Präferenzanteil: Der Präferenzanteil ist die Messung der Wahrscheinlichkeit, dass eine Position vor einer anderen Position gewählt würde, wenn ein Teilnehmer gebeten würde, aus allen Optionen das Beste auszuwählen. Es handelt sich um ein Produkt der Versorgungsunternehmen, das mit einem multinomialen logistischen Regressionsmodell berechnet wird. Es wird abgeleitet, indem das Dienstprogramm für Positionen exponiert und durch die Summe aller Dienstprogramme für exponentiierte Positionen dividiert wird.
• Durchschnittliches Dienstprogramm: Die durchschnittliche Bewertung jedes Elements für alle Umfrageteilnehmer. Dabei handelt es sich um eine Ordinalzahl, die die relative Präferenz zwischen den Positionen anzeigt. Die durchschnittlichen Dienstprogramme können einige Richtungen vermitteln, sollten jedoch keine eigenständige Metrik sein, um die MaxDiff-Analyse zusammenzufassen.
• Zählanalyse: Bei der Zählanalyse handelt es sich um eine Metrik, die uns einfach den Prozentsatz angibt, zu dem jede Position am häufigsten/am wenigsten ausgewählt wurde, als sie angezeigt wurde.

Verankerte MaxDiff

Was ist verankerter MaxDiff?

Verankerter MaxDiff ist eine ergänzende Methodik, bei der nach jeder MaxDiff-Aufgabe eine Folgefrage gestellt wird. Sie weist einige Ähnlichkeiten mit der Dual-Choice-Conjoint-Analyse sowohl in Bezug darauf auf, wie die Frage gestellt wird, als auch, wie sie modelliert wird.

Der Ansatz beinhaltet, unmittelbar nach jeder MaxDiff-Aufgabe eine Frage zu stellen. Nachdem die Artikelliste angezeigt wurde, wird der Antwortende gefragt, ob:

1. Alle Elemente, die sie oben sehen, sind wichtig/bevorzugt.
2. Einige der oben angezeigten Elemente sind wichtig/bevorzugt und einige unwichtig/nicht bevorzugt.
3. Alle Elemente, die sie oben sehen, sind unwichtig/nicht bevorzugt.

Diese Daten werden im statistischen Modell berücksichtigt. Sie gibt einen Überblick über den Ankerpunkt, an dem sich die Ausgabe des Versorgungsunternehmens über und unter einer Zeile befindet, in der Positionen tatsächlich als wichtig oder bevorzugt angesehen werden.

Verdolmetschung verankerter Maxdiff

Mit verankertem maxdiff zeigt das Präferenz-Share-Diagramm wichtige Funktionen blau und nicht wichtige Funktionen rot an. Wenn alle Features blau sind, hat das Modell alle Features als oberhalb des Ankerpunkts bewertet. Die Legende unten im Diagramm zeigt die Farbe und Wichtigkeit der enthaltenen Funktionen an.

FAQs