Plantilla de artículo

¿Qué es el análisis MaxDiff ?

Definición

El análisis MaxDiff es una técnica de investigación de mercado para medir la preferencia y la importancia que los encuestados otorgan a una lista de elementos. Puede desempeñar un papel fundamental a la hora de comprender las compensaciones que las personas harían y, en última instancia, proporciona un orden de clasificación de la lista. Se puede utilizar en listas de características/funcionalidades de un producto, mensajes, reclamaciones, atributos, características y mucho más. A veces se lo denomina escala mejor-peor o escala de diferencia máxima, y fue desarrollado por JJ Louvière.

¿Cómo se lleva a cabo?

El análisis MaxDiff se lleva a cabo mostrando a los participantes subconjuntos de elementos de una lista y pidiendo al encuestado que identifique las opciones mejores y peores o las más y menos preferidas de dicha lista. La razón por la que adoptamos este enfoque es que puede resultar difícil para un encuestado orden de preferencia 7 o más elementos en una experiencia de encuesta . Entonces, lo que MaxDiff aprovecha es nuestra capacidad de identificar los polares (mejores y peores) de una lista y simplifica la tarea en un número más digerible de elementos a la vez.

Un encuestado normalmente verá entre 5 y 15 preguntas donde se muestran entre 3 y 5 elementos y se le pide que indique el mejor y el peor de la lista. Esto produce datos muy precisos, ya que es una tarea más comprensible para los encuesta que presentar la lista completa.

Los pasos para ejecutar un análisis MaxDiff son:

1. Determinar los atributos que se probarán en el análisis MaxDiff .
2. Generar el diseño experimental.
3. Programe la encuesta que alberga las tareas MaxDiff .
4. Recopile respuestas.
5. Analice los resultados de MaxDiff .
6. Informar los hallazgos.

Cada uno de ellos se basa en la acción anterior para trabajar hacia el objetivo final de comprender las preferencias de los encuestados.

Qualtrics ha desarrollado una solución MaxDiff XM que permite a los investigadores realizar de forma rápida y sencilla ejercicios de compensación con los encuestados como parte de un objetivo de investigación más amplio.

¿Qué objetivos comerciales responde el análisis MaxDiff ?

Hay objetivos comerciales clave que MaxDiff puede cumplir. Esto incluye lo siguiente:

• ¿Cómo priorizan los encuestados las características o funcionalidades del paquete?
• ¿En qué se fijan los encuestados al tomar su decisión de compra?
• ¿Cómo resuenan los distintos mensajes y afirmaciones de productos en un público objetivo ?
• Cuando se le pide elegir entre una lista finita, ¿cómo percibe y valora el mercado los diferentes productos o servicios?
• ¿Cómo se comparan las diferentes marcas entre sí y cómo las ordenan los encuestados?
• ¿Qué compensaciones harán los encuestados cuando se enfrenten a diferentes combinaciones de características?

Como puede ver, el análisis MaxDiff puede proporcionar datos para preguntas comerciales esenciales y dinámicas. MaxDiff también puede responder muchas consultas no relacionadas con el producto.

MaxDiff puede ser un método de investigación muy eficaz para muchos casos de uso debido a su flexibilidad y fácil obtención de resultados. Debería ser el instrumento de opción siempre que los investigadores necesiten información sobre el orden de clasificación de una lista.

Atributos MaxDiff

Con el análisis MaxDiff , buscamos una lista de atributos que actúan como ofrendas en sí mismas y no como atributos que deben agruparse. Por lo tanto, los elementos deben ser mutuamente excluyentes y autónomos. Los elementos pueden ser características/funcionalidades de un producto, mensajes o afirmaciones sobre un producto, beneficios ofrecidos a los usuarios o empleados y muchos otros casos de uso.

Para un análisis MaxDiff , generalmente se desea lista entre 8 y 25 elementos. Cuantos más elementos incluya, más preguntas necesitará formular, así que intente tener en cuenta la fatiga del encuestado cuando diseñe su investigación.

Diseño experimental

Diseño experimental y análisis MaxDiff

El diseño experimental de MaxDiff determina qué elementos se mostrarán en las preguntas presentadas a los encuestados. El diseño garantiza una representación adecuada para el resultado final de asegurar resultados precisos y confiables. Si se diseña correctamente, la encuesta recopilará los datos necesarios para ordenar los elementos.

La regla general es que queremos que cada encuestado vea cada elemento tres veces. El resultado de esta regla es que más elementos MaxDiff generarán más preguntas. Además de esta regla, también hay otras condiciones que Qualtrics respeta como parte de la generación del diseño experimental, entre las que se incluyen: aleatorización, equilibrio de elementos, equilibrio por pares y redes de elementos.

• Aleatorización:La pregunta y la posición dentro de una pregunta en la que aparece un elemento MaxDiff se asignan de forma aleatoria.
• Saldo del artículo:La cantidad de veces que se muestra cada elemento dentro del conjunto de preguntas de un encuestado (también conocido como la “versión”) está equilibrada y se muestra relativamente la misma cantidad de veces. El número de veces que se muestra cada elemento también está equilibrado. al otro lado de Todas las versiones.
• Saldo emparejado:El número de veces que se muestra cada elemento junto con todos los demás elementos está relativamente equilibrado entre todos los encuestados.
• Redes de artículos:Esto también se conoce como conectividad. Esta regla garantiza que si los elementos se dividen en dos grupos iguales, nunca habrá un elemento dentro de un grupo que no se muestre con ninguno de los elementos del otro grupo.

Encuesta y tamaño de la Muestra

Programación de Encuesta

El análisis MaxDiff se basa en las respuestas de la encuesta . Cuando se realiza un estudio MaxDiff , normalmente es el foco de la encuesta, pero no tiene por qué ser la totalidad de esta. De todos modos, es fundamental que el ejercicio MaxDiff dentro de la encuesta sea conciso y esté bien estructurado.

Las encuestas MaxDiff comúnmente incluyen preguntas de selección para garantizar que el tipo correcto de encuestados complete la encuesta, introducción y recurso educativos, y preguntas demográficas. No existen reglas estrictas sobre cuántas otras preguntas se pueden agregar a un estudio MaxDiff o en qué parte del flujo de la encuesta debe ubicarse MaxDiff . Se debe tener en cuenta que cualquier pregunta formulada a los encuestados fuera del ejercicio MaxDiff requiere tiempo y atención que de otro modo podrían dedicarse al ejercicio MaxDiff .

La longitud de la Encuesta debe tenerse en cuenta a medida que se diseña y desarrolla el estudio. Cuando un encuestado está cansado de la encuesta, es menos probable que dé respuestas bien pensadas, lo que reduce la calidad de los datos. Las encuestas que duran más de 10 a 15 minutos son más susceptibles a la fatiga y a problemas de calidad de los datos.

Los datos extraídos de un estudio MaxDiff solo son relativos y precisos si el encuestado comprende plenamente la premisa del estudio.  Muchos estudios están probando conceptos que son bien conocidos y comprensibles para el público en general. Sin embargo, si ese no es el caso, se debe dedicar tiempo antes del ejercicio MaxDiff para educar adecuadamente al encuestado mediante descripciones y/o videos.  Cuanto más claro e imaginable sea un producto para el encuestado, más verdaderas serán las puntuaciones de utilidad resultantes.

Además de la texto y descripciones Siendo simple y directo, el disposición El planteamiento de cada pregunta también debe contribuir a la comprensión y claridad. Esto permite al encuestado hacer comparaciones y responder de manera definitiva.

Tamaño de muestra

Para el éxito y la precisión de los resultados de MaxDiff es fundamental la cantidad de respuestas a recopilar, así como la relevancia del sujeto para las personas que realizan la encuesta. Una regla general es recolectar un tamaño de muestra total mínimo de 300.  Teniendo esto en mente, también es importante tener en cuenta segmentos de interés en el número de respuestas recogidas. Recomendamos que cada segmento tenga un > 150.

Es importante que las personas que realicen el ejercicio MaxDiff reflejen a quienes en última instancia serán el comprador o el mercado objetivo . Con frecuencia, los investigadores agregarán preguntas demográficas al comienzo de la encuesta para garantizar que se excluyan las poblaciones irrelevantes (por ejemplo, aquellas fuera del rango de edad objetivo o la región donde estará disponible el producto). Alternativamente, las empresas a menudo tendrán listas de clientes actuales o potenciales a quienes pueden aplicar la encuesta .

Modelado del análisis MaxDiff

Visión general

Al analizar la respuesta de MaxDiff , las selecciones de los encuestados se traducen en preferencias. El resultado del análisis será una lista ordenada por rango de las preferencias para los diferentes elementos evaluados.

En el centro del análisis se encuentra el modelo estadístico que estima la utilidad que los encuestados asignan a cada elemento. El análisis MaxDiff tiene una reputación intimidante de ser “complejo” debido a su modelado estadístico, pero esto también es lo que ha hecho de MaxDiff una técnica de investigación de clase mundial. Existen varios enfoques estadísticos utilizados para calcular estas preferencias de utilidad, incluidos los modelos de regresión y regresión logística multinomial, que normalmente se realizan a nivel agregado.

Independientemente de la forma en que se modelen las selecciones de la encuesta , el resultado son coeficientes de utilidad que representan el valor o la preferencia que la base de encuestados tiene por el elemento MaxDiff específico. Para diseños y métodos de análisis que permitan cálculos de puntajes de utilidad a nivel individual, podemos derivar modelos de preferencia para cada encuestado. Esto puede resultar ventajoso por varias razones, incluida la segmentación de varios cortes de datos, el análisis de clases latentes y las simulaciones de alcance. El enfoque principal adoptado para generar modelos de utilidad basados en individuos es la estimación bayesiana jerárquica. Esta es una técnica que utiliza métodos bayesianos para derivar probabilísticamente el valor relativo de cada variable que se prueba.

Estimación jerárquica de Bayes

La estimación Bayes jerárquica (HB) es un proceso iterativo. Incluye un modelo de nivel inferior que estima las utilidades relativas del individuo para los atributos evaluados, así como un modelo de nivel superior que predice la preferencia de la población. Estos dos trabajan juntos hasta que el análisis converge en los coeficientes que representan el valor de cada atributo para cada individuo.

En cierto sentido, la estimación de HB permite tomar prestada información de otras respuestas para obtener resultados a nivel individual aún mejores y más estables. Es muy sólido y nos permite obtener una gran Insight de las preferencias de los encuestados, incluso al tiempo que les presenta menos tareas.

La técnica se considera “jerárquica” debido a los modelos de nivel superior e inferior.  Este enfoque estima las preferencias promedio ( nivel superior) y luego mide cuán diferente es cada encuestado de esa distribución para derivar sus utilidades específicas ( nivel inferior).  El proceso se repite a lo largo de una serie de iteraciones para ayudarnos en última instancia a precisar la probabilidad de que se seleccione un concepto específico en función de su utilidad (de ahí el nombre de modelo de regresión logística multinomial).

El proyecto de análisis MaxDiff de Qualtrics utiliza la estimación bayesiana jerárquica escrita en ESTANTAR para calcular las utilidades de preferencia individual.

Coeficientes de utilidad a Nivel individual

El resultado del modelo bayesiano son puntuaciones de preferencia que representan la utilidad que los individuos perciben con cada variable. Estas puntuaciones se denominan frecuentemente utilidades de valor parcial y son la base de todas las métricas de resumen producidas a partir del estudio MaxDiff .

El archivo de utilidad tendría una fila para cada encuestado incluido en el análisis MaxDiff y una columna para cada nivel único evaluado dentro del estudio. Al modelar las preferencias de cada encuestado, las utilidades nos ayudan a predecir qué selecciones harían los encuestados ante diferentes alineaciones.

Las utilidades son de naturaleza ordinal y nos indican el orden de preferencia de la lista de variables.

Métricas de resumen de MaxDiff

Métricas de resumen de MaxDiff

Una vez que el análisis determina los coeficientes de utilidad, se pueden preparar resultados y entregables para mostrar los hallazgos del estudio. Las utilidades son los componentes básicos de todas las métricas de resumen.

A continuación se detallan las métricas de resumen principales que suelen acompañar el análisis MaxDiff :

• Compartir preferencia:La cuota de preferencia es la medida de la probabilidad de que se elija un artículo sobre otro si se le pide a un encuestado que seleccione la mejor de todas las opciones. Es un producto de las utilidades calculadas utilizando un modelo de regresión logística multinomial, y se obtiene exponenciando la utilidad del artículo y dividiéndola por la suma de las utilidades de todos los artículos exponenciados.
• Utilidad media:La puntuación de utilidad promedio de cada elemento entre todos los encuestados. Estos son de naturaleza ordinal y mostrarán la preferencia relativa entre elementos. Las utilidades promedio pueden brindar cierta comprensión direccional, pero no deberían ser una métrica independiente para resumir el análisis MaxDiff .
• Análisis de recuentos: El análisis de conteo es una métrica que simplemente nos dice el porcentaje de veces que cada elemento fue seleccionado con mayor o menor frecuencia cuando se mostró.

MaxDiff anclado

¿Qué es Anchored MaxDiff?

Anchored MaxDiff es una metodología complementaria en la que se realiza una pregunta de seguimiento después de cada tarea de MaxDiff . Tiene algunas similitudes con el análisis conjunto de opción dual tanto en cómo se formula la pregunta como en cómo se modela.

El enfoque incluye hacer una pregunta inmediatamente después de cada tarea MaxDiff . Después de que se le presente la lista de elementos, se le pregunta al encuestado si:

1. Todos los elementos que ven arriba son importantes/preferibles.
2. Algunos de los elementos que ven arriba son importantes/preferidos y otros no son importantes/no son preferidos.
3. Todos los elementos que ven arriba no son importantes o no son preferidos.

Estos datos se incluyen en el modelo estadístico. Proporciona una comprensión del punto de anclaje que indica dónde se encuentra el resultado de utilidad por encima y por debajo de una línea donde los artículos realmente se consideran importantes o preferidos.

Interpretación de Maxdiff anclado

Con maxdiff anclado, el gráfico de preferencias compartidas mostrará las características importantes en azul y las características no importantes en rojo. Si todas las características son azules, el modelo ha evaluado que todas las características están por encima del punto de anclaje. La leyenda en la parte inferior del gráfico indica el color y la importancia de las características incluidas.

Preguntas frecuentes