Différence maximum Déclaration de sécurité

Qu’est-ce que la différence maximum ?

Définition

L’analyse de la Différence maximum est une technique d’étude de marché permettant de mesurer la préférence et l’importance que les personnes interrogées accordent à une liste d’éléments. La Technologie de l’information peut jouer un rôle essentiel dans la compréhension des compromis que les gens feraient et permet en fin de compte d’établir un ordre de classement de la liste. Elle peut être utilisée pour les listes de fonctions d’un produit, les messages, les revendications, les attributs, les caractéristiques et bien d’autres choses encore. Cette technologie, parfois appelée “best-worst scaling” ou “maximum difference scaling”, a été mise au point par J. J. Louvière.

Quelle est la technologie de l’information ?

L’analyse par Différence maximum est réalisée en montrant aux participants des sous-ensembles d’éléments d’une liste et en demandant au répondant d’identifier la meilleure et la pire ou la plus et la moins préférée des options de cette liste. La raison pour laquelle nous adoptons cette approche est qu’il peut être difficile pour une personne interrogée de classer 7 informations ou plus dans une enquête. La Différence maximum exploite donc notre capacité à identifier les pôles (le meilleur et le pire) d’une liste, et simplifie la tâche en un nombre plus digeste d’éléments à la fois.

En règle générale, un répondant doit répondre à 5 à 15 questions portant sur 3 à 5 éléments, et doit indiquer le meilleur et le pire de la liste. Cette méthode permet d’obtenir des données très précises, car elle constitue une tâche plus compréhensible pour les participants à l’enquête que la présentation de la liste entière.

Les étapes de l’exécution d’une analyse de Différence maximum sont les suivantes :

1. Déterminer les attributs à tester dans l’analyse de la Différence Maximum.
2. Générer le plan d’expérience.
3. Programmer l’enquête qui héberge les tâches de Différence maximum.
4. Recueillir les réponses.
5. Analyser les résultats de la Différence maximum.
6. Rapports sur les résultats.

Chacune de ces actions s’appuie sur la précédente pour atteindre l’objectif final qui est de comprendre les préférences des personnes interrogées.

Qualtrics a développé une solution Différence Maximum XM qui permet aux chercheurs de soumettre rapidement et simplement les personnes interrogées à des exercices de compromis dans le cadre d’un objectif de recherche plus large.

A quels objectifs commerciaux l’analyse de la Différence Maximum apporte-t-elle des réponses ?

Il existe des objectifs commerciaux clés que la Différence maximum peut atteindre. Cela comprend notamment :

• Comment les personnes interrogées classent-elles par ordre de priorité les fonctions ou les fonctionnalités du paquet ?
• Sur quoi les personnes interrogées se concentrent-elles lorsqu’elles prennent leur décision d’achat ?
• Comment les différents messages et les revendications de produits trouvent-ils un écho auprès d’une cible ?
• Lorsqu’on lui demande de choisir parmi une liste finie, comment le marché perçoit-il et évalue-t-il les différents produits ou services ?
• Comment les différentes organisations se comparent-elles les unes aux autres et comment les personnes interrogées les classent-elles ?
• Quels arbitrages les personnes interrogées feront-elles lorsqu’elles seront confrontées à différentes combinaisons de fonctions ?

Comme vous pouvez le constater, l’analyse de la Différence maximum peut fournir des données pour des questions commerciales essentielles et dynamiques. Il existe également de nombreuses questions non liées aux produits auxquelles Différence maximum peut répondre.

La Différence maximum peut être une méthode de recherche très efficace pour de nombreux cas d’utilisation en raison de sa flexibilité et de sa facilité de sortie. La Technologie de l’information devrait être l’instrument de choix lorsque les chercheurs ont besoin d’informations sur l’ordre de classement d’une liste.

Attributs de la Différence maximum

Dans le cadre de l’analyse de la Différence maximum, nous recherchons une liste de attributs qui agissent comme des offres en soi, plutôt que comme des attributs à regrouper. Les éléments doivent donc s’exclure mutuellement et être indépendants les uns des autres. Il peut s’agir de fonctions/fonctionnalités d’un produit, de messages ou d’affirmations concernant un produit, d’avantages offerts aux utilisateurs ou aux employés, et de bien d’autres cas d’utilisation.

Pour une analyse de Différence maximum, vous souhaitez généralement dresser une liste de 8 à 25 éléments. Plus vous incluez d’éléments, plus vous devrez poser de questions, alors essayez de garder à l’esprit la fatigue des répondants lorsque vous concevez votre recherche.

Conception expérimentale

Conception expérimentale et analyse de la Différence Maximum

Le plan d’expérience de Différence maximum détermine les éléments qui apparaîtront dans les questions présentées aux personnes interrogées. La conception garantit une représentation appropriée pour obtenir des résultats précis et fiables. Si elle est conçue correctement, l’enquête recueillera les données nécessaires pour établir un ordre de classement des éléments.

La règle générale est que nous voulons que chaque personne interrogée voie chaque élément trois fois. Cette règle a pour conséquence qu’un plus grand nombre d’éléments de la Différence maximum entraînera un plus grand nombre de questions. En plus de cette règle, Qualtrics respecte d’autres conditions dans le cadre de la génération du plan d’expérience, notamment : Générateur de randomisation, Équilibre des items, Équilibre par paires et Mise en réseau des items.

• Générateur de randomisation: La question et la position à l’intérieur d’une question dans laquelle un élément de Différence maximum apparaît sont attribuées de manière aléatoire.
• Équilibre des éléments: Le nombre de fois que chaque élément est montré dans l’ensemble de questions d’un répondant (également connu sous le nom de “version”) est équilibré et est montré relativement le même nombre de fois. Le nombre de fois où chaque élément est montré est également équilibré entre toutes les versions.
• Équilibre par paires: Le nombre de fois où chaque élément est montré avec tous les autres éléments est relativement équilibré entre tous les répondants.
• Mise en réseau des éléments: On parle également de connectivité. Cette règle garantit que si les éléments sont séparés en deux groupes égaux, il n’y aura jamais un élément d’un groupe qui ne sera jamais montré avec l’un des éléments de l’autre groupe.

Enquête &amp ; taille de l’échantillon

Programmation de l’enquête

L’analyse de Différence maximum est alimentée par les réponses aux enquêtes. Lorsqu’une étude de Différence maximum est menée, elle est généralement au centre de l’enquête, mais elle ne doit pas nécessairement en constituer l’intégralité. Quoi qu’il en soit, il est essentiel que l’exercice de Différence maximum dans l’enquête soit concis et bien structuré.

Les enquêtes de Différence maximum comprennent généralement des questions de sélection pour s’assurer que le bon type de répondants répond à l’enquête, une introduction et des ressources éducatives, ainsi que des questions démographiques. Il n’existe pas de règles strictes concernant le nombre de questions pouvant être ajoutées à une étude de Différence maximum ou l’endroit du flux d’enquête où la Différence maximum doit se situer. Il convient de noter que toute question posée aux répondants en dehors de l’exercice de Différence Maximum prend du temps et de l’attention qui pourraient être consacrés à l’exercice de Différence Maximum.

La longueur de l’enquête doit être prise en compte lors de la conception et de l’élaboration de l’étude. Lorsqu’un répondant est fatigué par l’enquête, il est moins susceptible de donner des réponses réfléchies, ce qui réduit la qualité de vos données. Les enquêtes qui durent plus de 10 à 15 minutes sont plus sujettes à la fatigue et aux problèmes de qualité des données.

Les données recueillies dans le cadre d’une étude de Différence maximum ne sont relatives et précises que si la personne interrogée comprend parfaitement les prémisses de l’étude. De nombreuses études testent des concepts bien connus du grand public. Toutefois, si ce n’est pas le cas, il convient de consacrer du temps, avant l’exercice de Différence Maximum, pour éduquer correctement le répondant au moyen de descriptions et/ou de vidéos. Plus un produit est clair et imaginable pour l’enquêteur, plus les notations d’utilité qui en résulteront seront justes.

Outre le fait que le texte et les descriptions doivent être simples et directs, la présentation de chaque question doit également favoriser la compréhension et la clarté. Cela permet au répondant de faire des comparaisons et de répondre de manière définitive.

Taille de l’échantillon

La réussite et la précision des résultats de la Différence maximum dépendent du nombre de réponses à collecter ainsi que de la pertinence de la matière évaluée pour les personnes participant à l’enquête. Une règle générale consiste à constituer un échantillon total d’au moins 300 personnes. Dans cette optique, il est également important de prendre en compte les segments d’ intérêt dans le nombre de réponses collectées. Nous recommandons que chaque segment ait un n &gt ; 150.

Il est important que les personnes qui participent à l’exercice de Différence maximum soient représentatives de celles qui seront en fin de compte l’acheteur ou le marché cible. Souvent, les chercheurs ajoutent des questions démographiques au début de l’Enquête pour s’assurer que les populations non pertinentes sont éliminées (par exemple, celles qui ne font pas partie de la tranche d’âge ciblée ou de la région où le produit sera disponible). Par ailleurs, les entreprises disposent souvent de listes de clients actuels ou potentiels auxquels elles peuvent envoyer l’enquête.

Modélisation de l’analyse de la différence maximum

Présentation

Lors de l’analyse des réponses maximum, les sélections des répondants sont traduites en préférences. Le résultat de l’analyse sera une liste de classement des préférences pour les différents articles testés.

Au cœur de l’analyse se trouve la modélisation statistique qui estime l’utilité que les personnes interrogées attribuent à chaque élément. L’analyse de la Différence maximum a une réputation intimidante de “complexité” en raison de sa modélisation statistique, mais c’est aussi ce qui a fait de la Différence maximum une technique de recherche de classe mondiale. Plusieurs approches statistiques sont utilisées pour calculer ces préférences d’utilité, notamment les modèles de régression et de régression logistique multinomiale, qui sont généralement réalisés au niveau agrégé.

Quelle que soit la manière dont les choix de l’enquête sont modélisés, les résultats sont des coefficients d’utilité qui représentent la valeur ou la préférence que la base des répondants a pour l’élément distinct de la Différence Maximum. Pour les niveaux et les méthodes d’analyse qui permettent de calculer les notations d’utilité au niveau individuel, nous pouvons dériver des modèles de préférence pour chaque personne interrogée. Cela peut être avantageux pour un certain nombre de raisons, notamment la segmentation de diverses coupes de données, l’analyse des classes latentes et les simulations de portée. La principale approche adoptée pour produire des modèles d’utilité basés sur les individus est l’estimation hiérarchique de Bayes. Il s’agit d’une technique qui utilise des méthodes bayésiennes pour calculer de manière probabiliste la valeur relative de chaque variable testée.

Estimation hiérarchique de Bayes

L’estimation hiérarchique de Bayes (HB) est un processus itératif. Elle comprend un modèle de niveau inférieur qui estime les utilités relatives des individus pour les attributs testés, ainsi qu’un modèle de niveau supérieur qui prédit les préférences de la population. Ces deux éléments travaillent ensemble jusqu’à ce que l’analyse converge vers les coefficients qui représentent la valeur de chaque attribut pour chaque individu.

Dans un certain niveau, l’estimation HB permet d’emprunter des informations à d’autres réponses pour obtenir des résultats encore meilleurs et plus stables au niveau individuel. Cette technologie est très robuste et nous permet d’obtenir des informations très précises sur les préférences des répondants, tout en leur présentant moins de tâches.

La technique est dite “hiérarchique” en raison des modèles de niveau supérieur et inférieur. Cette approche permet d’estimer les préférences moyennes (niveau supérieur), puis d’évaluer dans quelle mesure chaque personne interrogée diffère de cette distribution pour en déduire ses utilités spécifiques (niveau inférieur). Le processus se répète sur un certain nombre d’itérations pour finalement nous aider à affiner la probabilité qu’un concept spécifique soit sélectionné sur la base de son utilité (donc un modèle de régression logistique multinomiale).

Le projet d’analyse de la Différence Maximum de Qualtrics utilise l’estimation hiérarchique de Bayes écrite en STAN pour calculer les utilités des préférences individuelles.

Coefficients d’utilité au niveau individuel

Le résultat du modèle bayésien est une notation des préférences qui représente l’utilité que les individus perçoivent pour chaque variable. Ces notations sont souvent appelées “utilités” et constituent la base de tous les récapitulatifs des scores produits à partir de l’étude de la Différence maximum.

Le fichier utilitaire comporte une ligne pour chaque répondant inclus dans l’analyse de la Différence Maximum et une colonne pour chaque niveau unique testé dans le cadre de l’étude. En modélisant les préférences de chaque personne interrogée, les utilitaires nous aident à prédire les choix que les personnes interrogées feraient lorsqu’elles seraient confrontées à différentes combinaisons.

Les utilités sont de nature ordinale et nous indiquent l’ordre de classement de la liste des variables.

Différence maximum : métriques récapitulatives

Différence maximum : métriques récapitulatives

Une fois que l’analyse a déterminé les coefficients d’utilité, des résultats et des produits peuvent être préparés pour présenter les conclusions de l’étude. Les services publics sont les blocs de construction de toutes les mesures de synthèse.

Les principales mesures récapitulatives qui accompagnent généralement l’analyse de la Différence Maximum sont détaillées ci-dessous :

• Part de préférence: La part de préférence est la mesure de la probabilité qu’un élément soit choisi plutôt qu’un autre si l’on demande au répondant de choisir le meilleur parmi toutes les options. Il s’agit d’un produit des utilités calculées à l’aide d’un modèle de régression logistique multinomial, obtenu en exponentialisant l’utilité de l’élément et en la divisant par la somme des utilités de tous les éléments exponentialisés.
• Utilité moyenne: La notation moyenne de l’utilité de chaque élément pour l’ensemble des répondants. Ils sont de nature ordinale et montrent la préférence relative entre les éléments. La moyenne des utilités peut donner une idée de la direction à prendre, mais ne doit pas être une mesure autonome pour résumer l’analyse de la Différence Maximum.
• Analyse de comptage : L’analyse des nombres est une métrique qui nous indique simplement le pourcentage de temps où chaque information a été sélectionnée le plus/le moins lorsqu’elle a été montrée.

Différence maximum ancrée

Qu’est-ce que la Différence maximum ancrée ?

La Différence maximum ancrée est une méthodologie complémentaire dans laquelle une question de suivi est posée après chaque tâche de Différence maximum. Elle présente certaines similitudes avec l’analyse conjointe à double choix, tant dans la façon dont la question est posée que dans la façon dont elle est modélisée.

L’approche consiste à poser une question immédiatement après chaque tâche de Différence maximum. Après s’être vu présenter la liste d’articles, le répondant est invité à indiquer si :

1. Tous les éléments mentionnés ci-dessus sont importants/préférés.
2. Certains des éléments qu’ils voient ci-dessus sont importants/préférés et d’autres non importants/non préférés.
3. Tous les éléments qu’ils voient ci-dessus sont sans importance/non préférés.

Ces données sont prises en compte dans le modèle statistique. Elle permet de comprendre le point d’ancrage où la production d’utilité se situe au-dessus et au-dessous d’une ligne où les informations sont effectivement jugées importantes ou préférées.

Interprétation de la Différence maximum ancrée

Avec la Différence maximum ancrée, le graphique de partage des préférences affichera les fonctions importantes en bleu et les fonctions non importantes en rouge. Si toutes les fonctions sont bleues, le modèle a évalué toutes les fonctions comme étant au-dessus du point d’ancrage. La légende au bas du graphique indique la couleur et l’importance des fonctions incluses.

FAQ