: Siehe auch: Gemeinsame Analyse (im Marketing), Gemeinsame Analyse (in der Gesundheitsfürsorge), IDDEA, Regel, die Experimentieren Entwickelt.

Gemeinsame Analyse, auch genannt Mehrattribut compositional Modelle oder hat Vorzugsanalyse festgesetzt, ist eine statistische Technik, die in der mathematischen Psychologie entstanden ist. Heute wird es in vielen der Sozialwissenschaften und angewandten Naturwissenschaften einschließlich des Marketings, des Produktmanagements und der Operationsforschung verwendet. Es soll mit der Theorie des gemeinsamen Maßes nicht verwirrt sein.

Methodik

Gemeinsame Analyse verlangt, dass Forschungsteilnehmer eine Reihe von Umtauschen machen. Die Analyse dieser Umtausche wird die ziemliche Bedeutung von Teilattributen offenbaren. Um die prophetische Fähigkeit dieser Analyse zu verbessern, sollten Forschungsteilnehmer in ähnliche Segmente gruppiert werden, die auf Zielen, Werten und/oder anderen Faktoren gestützt sind.

Die Übung kann verwaltet werden, um Befragte auf mehrere verschiedene Weisen zu überblicken. Traditionell wird es als eine sich aufreihende Übung und manchmal als eine geltende Übung verwaltet (wo der Befragte jedes Umtausch-Drehbuch eine Kerbe-Anzeigen-Bitte zuerkennt).

In neueren Jahren ist es übliche Praxis geworden, um die Umtausche als eine auserlesene Übung zu präsentieren (wo der Befragte einfach die bevorzugteste Alternative aus einer Auswahl an konkurrierenden Alternativen - besonders üblich wählt, wenn er Verbraucherwahlen vortäuscht) oder als eine unveränderliche Summe-Zuteilungsübung (besonders üblich in der pharmazeutischen Marktforschung, wo Ärzte wahrscheinliche Anteile des Vorschreibens anzeigen, und jede Alternative im Umtausch die Beschreibung eine echte oder hypothetische Therapie ist).

Analyse wird mit einer Form des vielfachen rückwärts Gehens traditionell ausgeführt, aber mehr kürzlich ist der Gebrauch der hierarchischen Analyse von Bayesian weit verbreitet geworden, ziemlich robusten statistischen Modellen des individuellen beklagten Entscheidungsverhaltens ermöglichend, entwickelt zu werden.

Wenn es viele Attribute gibt, schließen Experimente mit der Gemeinsamen Analyse Probleme der Informationsüberlastung ein, die die Gültigkeit solcher Experimente betreffen. Der Einfluss dieser Probleme kann vermieden oder durch das Verwenden Hierarchischer Informationsintegration reduziert werden.

Beispiel

Ein Immobilien-Entwickler interessiert sich für das Gebäude eines Hochhaus-Komplexes der Wohnung in der Nähe von einer städtischen Universität von Ivy League. Um den Erfolg des Projektes zu sichern, wird ein Marktforschungsunternehmen angestellt, um Fokus-Gruppen mit aktuellen Studenten zu führen. Studenten werden durch das Studienjahr (Student im ersten Jahr, oberer classmen, Absolventenstudien) und Betrag der erhaltenen finanziellen Unterstützung segmentiert.

Studienteilnehmern wird eine Reihe von Index-Karten gegeben. Jede Karte hat 6 Attribute, um das potenzielle Bauprojekt zu beschreiben (Nähe zum Campus, kosten Sie Fernmeldepakete, Wäscherei-Optionen, Grundrisse und Sicherheitseigenschaften angeboten). Die geschätzten Kosten, um das auf jeder Karte beschriebene Gebäude zu bauen, sind gleichwertig.

Teilnehmer werden gebeten, die Karten von meist bis ansprechendesten zu bestellen. Das erzwungen, Übung aufreihend, wird die Prioritäten und Einstellungen der Teilnehmer indirekt offenbaren. Multi-variate Regressionsanalyse kann verwendet werden, um die Kraft von Einstellungen über Zielmarktsegmente zu bestimmen.

Links