MaxDiff – Sicherheitserklärung

Was ist MaxDiff?

Definition

MaxDiff ist eine Marktforschungstechnik zur Messung der Präferenz und Wichtigkeit, die die Befragten auf eine Liste von Elementen setzen. Es kann eine entscheidende Rolle spielen, um die Kompromisse zu verstehen, die Menschen treffen würden, und bietet letztendlich eine Rangfolge der Liste. Es kann auf Listen von Funktionen/Features eines Produkts, Messaging, Claims, Attributen, Merkmalen und vielem mehr verwendet werden. Sie wird manchmal als schlechteste Skalierung oder maximale Differenzskalierung bezeichnet und wurde von J.J. entwickelt. Louviere.

Wie wird sie durchgeführt?

MaxDiff wird durchgeführt, indem Teilmengen von Elementen aus einer Liste angezeigt werden und der Befragte:r die besten und schlechtesten oder am wenigsten bevorzugten Optionen aus dieser Liste identifiziert. Der Grund für diesen Ansatz ist, dass es für Befragte:r schwierig sein kann, in einer Umfrage eine Rangfolge von 7 oder mehr Elementen festzulegen. MaxDiff also nutzt, ist unsere Fähigkeit, die Polare (am besten und am schlechtesten) aus einer Liste zu identifizieren, und vereinfacht die Aufgabe in einer verdaulicheren Anzahl von Elementen auf einmal.

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

Die Schritte zum Ausführen einer MaxDiff sind:

1. Legen Sie die Attribute fest, die in der MaxDiff getestet werden sollen.
2. Generieren Sie das experimentelle Design.
3. Programmieren Sie die Umfrage, die die MaxDiff hostet.
4. Antworten sammeln.
5. Analysieren Sie die MaxDiff.
6. Melden Sie die Ergebnisse.

Jeder von ihnen baut auf der vorherigen Aktion auf, um das Ziel zu erreichen, die Präferenzen der Umfrageteilnehmer zu verstehen.

Qualtrics hat eine MaxDiff entwickelt, die es Forschern ermöglicht, Umfrageteilnehmer im Rahmen eines größeren Forschungsziels schnell und einfach durch Trade-Off-Übungen zu führen.

Für welche Geschäftsziele liefert die MaxDiff Antworten?

MaxDiff erreichen kann. Dazu gehören:

• Wie priorisieren Umfrageteilnehmer Paketfunktionen?
• Worauf konzentrieren sich die Befragten bei der Kaufentscheidung?
• Wie klingen verschiedene Messaging- und Produktansprüche bei einer Ziel an?
• Wie nimmt der Markt verschiedene Produkte oder Dienstleistungen wahr und schätzt sie, wenn er sie aus einer begrenzten Liste auswählt?
• Wie vergleichen sich verschiedene Marken miteinander, und wie ordnen sie die Teilnehmer in einer Rangfolge?
• Welche Kompromisse werden die Teilnehmer treffen, wenn sie mit verschiedenen Kombinationen von Funktionen konfrontiert sind?

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

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

MaxDiff

Mit MaxDiff suchen wir nach einer Liste von Attribute die als Angebote in und für sich selbst fungieren und nicht als Attribute, die gebündelt werden sollen. Daher sollten sich die Positionen gegenseitig ausschließen und eigenständig sein. Bei den Positionen kann es sich um Funktionen eines Produkts, Nachrichten oder Ansprüche zu einem Produkt, vorteile, die Benutzern oder Mitarbeitern angeboten werden, und viele andere Anwendungsfälle handeln.

Für eine MaxDiff 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 Befragte:r beim Entwerfen Ihrer Recherche im Auge zu behalten.

Versuchsdesign

Experimentelles Design und MaxDiff

MaxDiff bestimmt, welche Elemente den Teilnehmern in den Fragen angezeigt werden. Das Design gewährleistet eine korrekte Darstellung für das ultimative Ergebnis der Sicherung genauer und zuverlässiger Ergebnisse. Bei korrekter Gestaltung erfasst die Umfrage die Daten, die für die Rangfolge der Elemente erforderlich sind.

Die allgemeine Regel ist, dass jeder Befragte:r jedes Element dreimal sehen soll. Das Nebenprodukt dieser Regel besteht darin, dass mehr MaxDiff zu mehr Fragen führen. Zusätzlich zu dieser Regel gibt es weitere Bedingungen, die Qualtrics bei der Erstellung des experimentellen Designs einhält, darunter Randomisierung, Artikelbilanz, Paired Balance und Artikelnetzwerk.

• Randomisierung: Die Frage und Position innerhalb einer Frage, in der ein MaxDiff angezeigt wird, wird zufällig zugewiesen.
• Positionssaldo: Die Anzahl, wie oft jedes Element im Fragensatz eines Befragte:r (auch „Version“ genannt) ausgeglichen ist und relativ oft angezeigt wird. Wie oft jede Position angezeigt wird, wird ebenfalls ausgeglichen. über alle Versionen.
• Gepaarte Bilanz: Die Anzahl, wie oft jedes Element zusammen mit allen anderen Elementen angezeigt wird, ist relativ ausgeglichen für alle Umfrageteilnehmer.
• Positionsnetzwerk: Dies wird auch als Konnektivität bezeichnet. Diese Regel stellt sicher, dass es bei der Aufteilung der Positionen in zwei gleiche Gruppen nie eine Position innerhalb einer Gruppe geben würde, die nie mit einer der Positionen in der anderen Gruppe angezeigt wird.

Umfrage& Stichprobe

Umfrage

MaxDiff basiert auf Umfrage. Wenn eine MaxDiff durchgeführt wird, ist dies in der Regel der Schwerpunkt der Umfrage sein. Unabhängig davon ist es wichtig, dass die MaxDiff innerhalb der Umfrage prägnant und gut strukturiert ist.

MaxDiff umfassen häufig Screener-Fragen, um sicherzustellen, dass die richtige Art von Umfrageteilnehmern die Umfrage ausfüllt, Einführungs- und ressourcen sowie demografische Fragen. Es gibt keine harten Regeln dafür, wie viele andere Fragen zu einer MaxDiff hinzugefügt werden können oder wo im Umfragenverlauf der MaxDiff liegen sollte. Es ist zu beachten, dass jede Frage, die von den Teilnehmern außerhalb der MaxDiff gestellt wird, Zeit und Fokus beansprucht, die andernfalls der MaxDiff zugewiesen werden könnte.

Umfrage sollte berücksichtigt werden, da die Studie konzipiert und erstellt wird. Wenn ein Befragte:r durch die Umfrage ermüdet wird, ist es weniger wahrscheinlich, dass er nachdenkliche Antworten gibt und somit die Qualität Ihrer Daten senkt. Umfragen, die mehr als 10-15 Minuten dauern, sind anfälliger für Probleme mit Müdigkeit und Datenqualität.

Die Daten aus einer MaxDiff sind nur dann relativ und genau, wenn der Befragte:r die Prämisse der Studie vollständig versteht.  Viele Studien sind Testkonzepte, die bekannt und für die breite Öffentlichkeit zugänglich sind. Wenn dies jedoch nicht der Fall ist, sollte vor der MaxDiff Zeit eingeräumt werden, um den Befragte:r durch Beschreibungen und/oder Videos angemessen zu schulen.  Je klarer und vorstellbarer ein Produkt für den Umfrageteilnehmer ist, desto zutreffender werden die daraus resultierenden Nützlichkeitswerte sein.

Zusätzlich zur Text und Beschreibungen einfach und unkompliziert zu sein, Layout jeder Frage sollte auch Verständnis und Klarheit verleihen. Auf diese Weise kann der Befragte:r Vergleiche durchführen und definitiv antworten.

Stichprobengröße

Entscheidend für den Erfolg und die Genauigkeit der MaxDiff ist die Anzahl der zu erfassenden Antworten sowie die Relevanz des Themas für die an der Umfrage teilnehmenden Personen. Eine allgemeine Faustregel besteht darin, eine minimale Stichprobe von 300 zu sammeln.  Vor diesem Hintergrund ist es auch wichtig, Segmente Interesse an der Anzahl der gesammelten Antworten. Wir empfehlen, dass jedes Segment ein n > 150 hat.

Es ist wichtig, dass die Personen, die die MaxDiff durchführen, diejenigen reflektieren, die letztendlich der Käufer oder der Ziel wären. Häufig werden Forscher zu Beginn der Umfrage demografische Fragen hinzufügen, um sicherzustellen, dass irrelevante Bevölkerungsgruppen aussortiert werden (z. B. außerhalb des angestrebten Altersbereichs oder der Region, in der das Produkt verfügbar sein wird). Alternativ verfügen Unternehmen häufig über Listen mit aktuellen oder potenziellen Kunden, in denen sie die Umfrage bereitstellen können.

Modellierung der MaxDiff

Übersicht

Bei der Analyse der MaxDiff werden Befragte:r in Einstellungen übersetzt. Das Ergebnis der Analyse ist eine Rangfolge der Präferenzen für die verschiedenen getesteten Elemente.

Im Mittelpunkt der Analyse steht die statistische Modellierung, die das Hilfsprogramm schätzt, das die Teilnehmer jedem Element zuordnen. MaxDiff erhält aufgrund ihrer statistischen Modellierung einen einschüchternden Ruf als “komplex”, aber dies hat MaxDiff auch zu einer erstklassigen Forschungstechnik gemacht. Es gibt mehrere statistische Ansätze zur Berechnung dieser Nutzenpräferenzen, einschließlich Regression und multinomialer logistischer Regressionsmodellierung, die in der Regel auf aggregierter Ebene durchgeführt werden.

Unabhängig davon, wie die Umfrage modelliert wird, handelt es sich bei der Ausgabe um Nützlichkeitskoeffizienten, die den Wert oder die Präferenz darstellen, den die Befragte:r für das eindeutige MaxDiff hat. Für Designs und Analysemethoden, die individuelle Berechnungen von Nutzwerten ermöglichen, können wir Präferenzmodelle für jeden einzelnen Befragte:r ableiten. Dies kann aus einer Reihe von Gründen vorteilhaft sein, einschließlich Segmentierung verschiedener Datenschnitte, latenter Klassenanalyse und Reichweitensimulationen. Der primäre Ansatz zur Erzielung individueller Gebrauchsmodelle ist die hierarchische Bayes-Schätzung. Dies ist eine Technik, die Bayessche Methoden verwendet, um den relativen Wert jeder zu testenden Variablen wahrscheinlich abzuleiten.

Hierarchische Bayes-Schätzung

Die hierarchische Bayes-Schätzung (HB-Schätzung) ist ein iterativer Prozess. Es umfasst ein Modell Ebene, das die relativen Versorgungsleistungen des Einzelnen für die getesteten Attribute schätzt, sowie ein Modell auf oberer Ebene, das die Präferenz der Bevölkerung prognostiziert. Diese beiden arbeiten zusammen, bis die Analyse die Koeffizienten umrechnet, die den Wert jedes Attribut für jeden einzelnen darstellen.

In gewisser Hinsicht 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 guten Erkenntnis in die Präferenzen der Befragte:r zu erhalten, auch wenn dem Befragte:r weniger Aufgaben präsentiert werden.

Die Technik gilt aufgrund der übergeordneten und untergeordneten Modelle als “hierarchisch”.  Dieser Ansatz schätzt die durchschnittlichen Präferenzen (höhere Ebene) und misst dann, wie unterschiedlich die einzelnen Befragte:r von dieser Verteilung sind, um ihre spezifischen Hilfsprogramme (niedrigere Ebene) abzuleiten.  Der Prozess wiederholt sich über eine Reihe von Iterationen, um uns letztendlich dabei zu helfen, die Wahrscheinlichkeit zu ermitteln, dass ein bestimmtes Konzept basierend auf seinem Nutzen ausgewählt wird (also ein multinomiales logistisches Regressionsmodell).

Das Projekt Qualtrics MaxDiff Analysis“ verwendet die hierarchische Bayes-Schätzung, die in STAN um individuelle Präferenz-Utilities zu berechnen.

Individuelle Ebene

Das Ergebnis des Bayesschen Modells sind Präferenz-Scores, die den Nutzen darstellen, den die einzelnen Personen mit jeder Variablen wahrnehmen. Diese Scores werden häufig als partworth utilities bezeichnet und bilden die Grundlage für alle zusammenfassenden Metriken, die aus der MaxDiff hervorgegangen sind.

Die Hilfsprogrammdatei hätte eine Zeile für jeden Befragte:r, der in der MaxDiff enthalten ist, und eine Spalte für jede eindeutige Ebene, die in der Studie getestet wurde. Bei der Modellierung der Präferenzen jedes Befragte:r helfen uns die Hilfsprogramme dabei, vorherzusagen, welche Auswahl die Umfrageteilnehmer treffen würden, wenn sie mit unterschiedlichen Aufstellungen konfrontiert sind.

Die Dienstprogramme sind ordinal und geben uns die Rangfolge der Variablenliste an.

MaxDiff

MaxDiff

Nachdem die Analyse die Nutzkoeffizienten ermittelt hat, können Outputs und Deliverables vorbereitet werden, um die Ergebnisse der Studie zu präsentieren. Die Hilfsprogramme sind die Bausteine aller Zusammenfassungsmetriken.

Die wichtigsten zusammenfassenden Metriken, die in der Regel die MaxDiff begleiten, sind im Folgenden aufgeführt:

• Präferenzanteil: Der Präferenzanteil ist die Messung der Wahrscheinlichkeit, dass ein Artikel gegenüber einem anderen ausgewählt würde, wenn ein Befragte:r aufgefordert wurde, die beste aus allen Optionen auszuwählen. Es handelt sich um ein Produkt der Versorgungsunternehmen, das mit einem multinomialen logistischen Regressionsmodell berechnet wird, und wird abgeleitet, indem das Element-Utility exponentialisiert und durch die Summe aller Versorgungsleistungen aller exponentierten Positionen dividiert wird.
• Durchschnittliche Nützlichkeit: Die durchschnittliche Nützlichkeitsbewertung jedes Elements für alle Umfrageteilnehmer. Diese sind in der Natur ordinal und zeigen die relative Präferenz zwischen den Artikeln. Die durchschnittlichen Hilfsprogramme können ein gewisses direktionales Verständnis vermitteln, sollten jedoch keine eigenständige Metrik sein, um die MaxDiff zusammenzufassen.
• Zählanalyse: Die Zählanalyse ist eine Metrik, die uns einfach den Prozentsatz der Zeit angibt, zu der jede Position am meisten/am wenigsten ausgewählt wurde, als sie angezeigt wurde.

Verankerte MaxDiff

Was ist verankertes MaxDiff?

Verankertes MaxDiff ist eine ergänzende Methodik, bei der nach jeder MaxDiff eine Folgefrage gestellt wird. Es hat einige Ähnlichkeiten mit der Conjoint-Analyse sowohl in der Frage als auch in der Modellierung.

Der Ansatz umfasst das Stellen einer Frage unmittelbar nach jeder MaxDiff. Nachdem die Liste der Elemente angezeigt wurde, wird der Befragte:r gefragt, ob:

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

Diese Daten werden im statistischen Modell berücksichtigt. Sie liefert ein Verständnis des Ankerpunkts für die Stelle, an der die Ausgabe des Hilfsprogramms über und unter einer Zeile liegt, in der Positionen als wichtig oder bevorzugt betrachtet werden.

Verankertes Maxdiff interpretieren

Mit verankertem maxdiff zeigt das Präferenzanteil-Diagramm wichtige Funktionen blau und nicht wichtige Funktionen rot an. Wenn alle Merkmale blau sind, hat das Modell alle Merkmale so bewertet, dass sie über dem Ankerpunkt liegen. Die Legende unten im Diagramm zeigt die Farbe und Wichtigkeit der enthaltenen Funktionen an.

FAQs