Малхорта, Нэреш К. Маркетинговые исследования. Практическое руководство

Подождите немного. Документ загружается.

ГИБРИДНЫЙ СОВМЕСТНЫЙ АНАЛИЗ

Гибридный

совместный анализ (hybrid conjoint analysis) представляет собой попытку упро-

стить обременительную задачу сбора данных в обычном совместном анализе.

Гибридный совместный анализ (hybrid conjoint

analysis)

Форма

совместного анализа, которая упрощает задачу сбора данных и определяет избран-

ные взаимодействия, а также все главные

эффекты.

Каждый респондент оценивает много профилей, даже если оценивают только одни ли-

нейные функции полезности без каких-либо эффектов взаимодействий. В модели частной

ценности

или модели главных эффектов значение

комбинации

представляет собой просто

сумму отдельных главных эффектов (линейных функций полезности). Фактически, две ха-

рактеристики взаимодействуют в том смысле, что респондент может оценить комбинацию

выше среднего вклада отдельных

полезностей.

Гибридная модель разработана для двух глав-

ных целей — упростить задачу сбора данных и допустить вычисление избранных взаимодей-

ствий (на уровне подгруппы) так же, как и все главные (или линейные) эффекты на инди-

видуальном уровне.

В гибридном подходе респонденты оценивают ограниченное количество, обычно не боль-

ше девяти таких объектов совместного анализа, как полные профили. Эти профили выбирают

из большого основного набора, и разные респонденты оценивают различные наборы профи-

лей, так что в

конце

концов оцениваются все рассматриваемые профили. В дополнение рес-

понденты прямо оценивают относительную важность каждой характеристики и желательность

уровней каждой

характеристики.

Комбинируя прямые оценки с оценками, полученными оце-

нивай

нем

объектов для совместного

анализа,

можно определить модель на агрегатном уровне и

при этом сохранить некоторые индивидуальные различия

[35].

Многомерное шкалирование и совместный

анализ-—

взаимодополняющие методы,

кото-

рые используются вместе, как это и показано в следующем примере.

ПРИМЕР. Fusilade вне конкуренции

Руководство компании

I Americas

Agricultural

Products колебалось, стоит ли снижать

цену на выпускаемый ею гербицид Fusilade. Оно сомневалось, что эта продукция

'выживет"

в условиях рынка с умеренными ценами. Поэтому, чтобы оценить относи-

тельную значимость различных характеристик, учитываемых при выборе гербицидов,

компания разработала план опроса, способ измерения восприятий и карту восприятий

основных

гербицидов

по одним и тем же характеристикам. Маркетологи опросили 601

фермера,

занимающегося

выращиванием сои и хлопка, которые имели не меньше 200 ак-

ров земли под этими культурами и широко применяли гербициды. Сначала провели со-

вместный анализ, чтобы определить

относительную

значимость характеристик гербици-

дов, которыми руководствовались фермеры при выборе гербицидов. Затем маркетологи

[

использовали многомерное шкалирование, чтобы получить карту восприятий гербици-

дов. Изучение показало, что цена гербицидов очень влияет на их

выбор,

респонденты

были особенно чувствительны к цене, если стоимость гербицида превышала 18 долларов

на акр. Но цена оказалась не единственным определяющим фактором. Фермеры

также

учитывали, сколько видов сорной травы может уничтожить данный гербицид. Они могли

заплатить и более высокую цену, если бы это помогло им избавиться от сорняков. Иссле-

дование показало, что

гербициды,

которые не уничтожают даже один из четырех самых

распространенных видов

сорняков,

должны стоить дешево, чтобы завоевать

приемлемую

долю рынка. Fusilade хорошо

зарекомендовал

себя. Более того, многомерное шкалирова-

ние показало, что один из конкурентов Fusilade считается более дорогим. Поэтому компа-

ния

I Americas

Agricultural

Products решила придерживаться

первоначального

уровня цен,

решив не снизижать цену на выпускаемый ею гербицид Fusilade [36].

804 Часть III. Сбор, подготовка и анализ данных

Как многомерное шкалирование, так и совместный анализ полезны при международных

маркетинговых исследованиях, что и проиллюстрировано врезками 21.3 "Практика маркетин-

говых исследований" [37] и

21.4

"Практика маркетинговых исследований" [38].

Врезка 21.3. Практика маркетинговых исследований

Что значит репутация на автомобильных рынках Европы?

Европейские производители автомобилей все больше акцентируют внимание на ха-

рактеристике, которую конкуренты

не

смогут ни купить, ни создать, — на репутации. Для

ЗЛ/И^это

прекрасные инженерные разработки. А. В. Volvo из

Швеиии

имеет репутацию

производителя самых безопасных автомобилей. Итальянский автомобиль

Alfa

Romeo ос-

нащен знаменитым двигателем, который обеспечил победу в многочисленных автогон-

ках. Французский Renault обладает способностью выходить из самых трудных ситуации.

С другой стороны, японские автомобили совершенны в технологическом плане, но зато

не имеют класса или завоеванной репутации. Например, Lexus и

Infiniti

— хорошие авто-

мобили, но им не хватает классности. Филипп Гамба

(Philip

Gamba), вице-президент

Renault,

полагает, что японским маркам не хватает

'"французской

утонченности"

в дизайне

автомобилей. В настоящее время Renault выпускает автомобили, делая акцент на комфор-

те. Компания BMW старается подчеркнуть

не

престижность владения автомобилем по-

вышенной

комфортности, а "внутреннюю

ценность"

своих автомобилей. Донесение этой

ценности до потребителя приобретает все большее значение.

Технические

характеристики автомобилей и завоеванная

репутация—

важные характе-

ристики, или размерности, в автомобильных предпочтениях

европейцев.

Поэтому позиции

различных европейских автомобилей именно в отношении этих двух характеристик показа-

ны на следующей диаграмме.

Высокие

о,

5 Низкие

• Lexus

* Infiniti

•

Ford Taurus

BMW

• •

Alpha •

Romeo Mercedes

•Renault

Volvo

Высокие

Низкие

Завоеванная репутация

BMW добилась

наилучшей

позиции по обеим характеристикам. Обычно большинство

американских и японских автомобилей 1990-х годов ориентировались на качество, надеж-

ность и эффективность. Однако, чтобы конкурировать на европейском рынке в XXI столе-

тии, американцы и японцы столкнулись с необходимостью добавить дополнительную ха-

рактеристику — репутацию. Это требует от американских и японских производителей авто-

мобилей

новых маркетинговых стратегий.

Глава 21. Многомерное шкалирование и совместный анализ

805

Врезка 21.4. Практика маркетинговых исследований

Потрясающим

стиральные

порошки

Fab дают бой

В конце 90-х годов прошлого века обострилась конкуренция на рынке стиральных по-

рошков Таиланда. Суперконцентрированные стиральные порошки быстро становились

прообразом новых эффективных

моющих

средств, завоевав 50% рынка к концу 1998 года.

Изучение рыночного потенциала в Таиланде показало, что производство суперконцентратов

растет до 40% в год, Кроме того, эта категория порошков уже доминировала на таких азиат-

ских рынках, как Тайвань, Гонконг и Сингапур. Поэтому компания

Colgate,

имея в своей

линии стиральный порошок Fab Power Plus, вступила в новый виток конкуренции, желая

захватить 4% рынка. Главными игроками на рынке были

Као

Corporation's Attack (14.6%),

Lever Brothers' Breeze Ultra (2,8%) Lion Corporation's Pao M. Wash (1,1%) и Lever's Ото (0,4%).

Исходя из качественных исследований и вторичных данных, Colgate оценила критические

факторы, влияющие на успех на рынке концентрированных порошков. Эти факторы вклю-

чали требования по охране окружающей среды, возможность ручной и машинной стирки,

превосходные моющие свойства, оптимальный уровень

ценообразования

при ручной стирке

и торговую марку. Изучение рынка также выявило, что ни одна из марок не является одина-

ково эффективной при ручной и машинной стирке. Стиральный порошок Pao Hand Force

предназначен для ручной стирки. Порошок Pao M. Wash представлял собой версию для ма-

шинной стирки. Порошок

Breezematic

разработан исключительно для машинной стирки.

Поэтому желательно было разработать формулу, удовлетворяющую обоим условиям, — руч-

ной и машинной стирке. Компания составила план проведения совместного анализа, при

этом данные характеристики имели два или три уровня каждый. От респондентов собрали

рейтинги предпочтений. Затем оценили полезности факторов на индивидуальном и груп-

повом уровнях. Результаты показали, что фактор "способность к ручной стирке" вносит

наиболее существенный вклад в предпочтения, что подтверждали и ранние заявления по-

требителей. Исходя из этих фактов, порошок Fab Power Plus успешно вывели на рынок под

торговой маркой

продукта,

приспособленного для ручной и машинной стирки.

ИСПОЛЬЗОВАНИЕ INTERNET И КОМПЬЮТЕРА

настоящему

времени

разработано

несколько компьютерных программ для проведения

многомерного шкалирования. Программа

ALSCAL,

доступная как в программном пакете

SPSS, так и в SAS, включает несколько различных моделей многомерного шкалирования и мо-

жет использоваться для выполнения анализов на индивидуальном или агрегатном уровне.

Существуют и широко используются и другие программы для ММШ.

• Программа MDSCAL 5M позволяет получить пространственную карту для конкретного

числа измерений. В программе используются разнообразные форматы исходных данных

и меры расстояний.

•

KYST

позволяет выполнить шкалирование метрических и неметрических данных, а

также развертку данных о сходстве.

• INDSCAL, показывая при шкалировании индивидуальные различия, полезна для вы-

полнения ММШ на агрегатном уровне. Данные сходства используют как исходные.

• PREFMAP выполняет внешний анализ данных о предпочтениях. Эта программа ис-

пользует известную пространственную карту торговых марок или стимулов для отобра-

жения данных о предпочтениях индивидуумов. PREFMAP2 выполняет и внутренний,

и внешний анализы.

• Программа PC-MDS содержит множество алгоритмов многомерного шкалирования,

включая факторный анализ,

дискриминантный

анализ и некоторые другие многомер-

ные методы.

806

Часть III. Сбор, подготовка и анализ данных

• АРМ — программа адаптивного составления пространственных карт восприятий, обра-

батывает до 30 торговых марок и 50 характеристик. Не ограничивает количество респон-

дентов для одного исследования или

количество

компьютеров, которые можно исполь-

зовать для сбора данных.

•

MAPWISE,

разработанная компанией Market Action Research Software, Inc., составляет про-

странственные карты восприятий для выполнения анализа соответствий. Программа

CORRESPONDENCE ANALYSIS, разработанная компанией Beaumont Organization Ltd.,

выполняет анализ соответствий, моделирование типа

"а

что, если" и анализ идеального то-

вара. Программа SIMCA компании

Greenacre

также выполняет анализ соответствий.

Если в совместном анализе в качестве метода вычисления используют регрессию по методу

наименьших квадратов, то соответствующие программы широко доступны, особенно про-

граммные пакеты SAS, SPSS, BMDP, Minitab и Excel. (Это обсуждалось в главе 17.) Также есть

несколько специализированных программ для выполнения совместного анализа. Программа

MONANOVA (Monotone analysis of variance) — неметрический метод, который использует пол-

нопрофильные данные. Для парных данных используется процедура TRADEOFF, также яв-

ляющаяся неметрическим методом, который использует ранги предпочтений для пар характе-

ристика—уровень.

К другим популярным программам относятся LINMAP и АСА (адаптивный

совместный анализ). АСА делает акцент на характеристиках и уровнях, которые наилучшим

образом подходят каждому отдельному респонденту. PC-MDS также содержит программу для

совместного анализа. К другим полезным программам (включая программное обеспечение

компании

Bretton-Clark)

относятся: CONJOINT DESIGNER, CONJOINT ANALYZER,

CONJOINT

LINMAP,

SIMGRAF и программа BRIDGER. POSSE

(product

optimization and se-

lected segmentation

evaluation)

компании Robinson Associates, Inc. — обобщенная система для оп-

тимизации продукта и сервисных планов с помощью гибридного совместного анализа и экспе-

риментальных методов плана. Она использует модели выбора потребителей, моделирование

поверхности отклика и методы оптимизации для разработки оптимальных конфигураций про-

дукта. Также существуют программы совместного анализа на основе выбора (choice-based con-

joint —

СВС)

и программы совместного анализа с использованием мультимедиа, которые де-

монстрируют характеристики продукта, а не просто описывают их, например программы ком-

пании

Sawtooth

Technologies (www.sawtooth.com).

В центре

внимания

Burke

Основная роль компании Burke — помочь клиентам в разработке планов маркетинговых

исследований. Часто клиенты приходят в компанию с просьбой провести исследование по-

требителей их продукции. Наша

обязанность—

дать клиенту рекомендации относительно

применения результатов маркетингового исследования. Например, в совместном анализе

(методом полного профиля) производителей мобильных телефонов клиенту предложен сле-

дующий план исследования.

Факторы — уровни

Электропитание — 3 или 6 ватт

Вес — 10 или 14 унций

Длительность работы аккумуляторов — 30 минут; 1 час;

1,5

часа и 2 часа разговора.

Торговая марка —

А',

Цена — бесплатно при условии контракта на два года; 100, 200 долларов или 250 долларов

(в случае покупки телефона вы, по желанию, можете использовать любой контрактный план).

Технические условия плана исследования — полный факторный анализ включает 2 х 2 х

4x2x4=

128 возможных комбинаций

Поскольку-

респонденте

кой оценке 128 возможных комбинаций параметров сотовых

телефонов вопрос

даже

не ставился, выбран план факторного эксперимента с дробными ре-

пликами (только главные эффекты), использующий 16 профилей. Чтобы представить себе

I одну из наших задач в этом плане, ниже даны ответы гипотетического респондента.

16 профилей имели следующий вид.

Глава 21. Многомерное шкалирование и совместный анализ 807

Профиль 1

Профиль 2

Профиль 3

Профиль 4

. Профиль 5

Профиль 6

Профиль 7

Профиль 8

Профиль 9

Профи ль 10

Профиль

Профиль 12

Профиль 13

Профиль

Профиль 15

Профиль

Электропитание

3 ватт

6 ватт

3 ватт

6 ватт

3 ватт

Звап

6 ватт

3 ватт

6 ватт

3 ватт

6 ватт

Звап

Зватт

ватт

Вес

10 унций

унций

10 унций

Нунций

14 унций

10 унций

Нунций

14 унций

10 унций

Время разговора

30 минут

1 час

1,5 часа

1,5

часа

1,5

часа

2 часа

Марка

Цена телефона

Бесплатно

S200

$250

$100

$250

$200

Бесплатно

$200

Бесплатно

$100

$250

$100

Бесплатно

$200

Примечание:

Время

разговора

для профилей

1-4

приведено в минутах, для профилей 5-16 - в

часах.

Рейтинги намерения покупки по 10-ти балльной шкале, представленные одним из рес-

пондентов,

приведены

ниже:

Профиль 1 : 2 Профиль 9 : 1

Профиль 2 : 5 Профиль 10 ; 1

Профиль 3

Профиль 4

Профиль 5

Профиль 6

Профиль 7

Профиль

11:

Профиль 12

Профиль

13:6

Профиль

14:8

Профиль

15:3

Профиль 8 : 6 Профиль 16 : 5

Выполнив регрессионный анализ этих данных методом наименьших квадратов с матри-

цей

плана в

качестве

предиктора, получили следующие результаты.

Характеристика

Значение полезности

Относительная

важность

Электропитание

-1,12

1,12

18,8%

3 ватта

6 ватт

Вес

унций

14 унций

Длительность работы аккумуляторов

30 минут

1 час

1,5 часа

часа

0,375

- 0,375

-1,875

- 0,375

0,875

1,375

6,0%

27,1%

808

Часть III. Сбор, подготовка и анализ данных

Торговая марка

А 1,5

-1,5

25,0%

Цена

телефона

Бесплатно в случае двухгодичного контракта - 0,375

$100 1,875

$200 -0,625

$250 -0,875 22,9%

Почему фирма Burke провела исследование таким образом?

Во-первых, руководство фирмы-заказчика хотело выяснить чувствительность своих

потре-

бителей к

цене.

Разработанная модель предполагала, что или обе торговые марки (А и В) имеют

одинаковую ценовую эластичность или руководство фирмы сможет извлечь необходимую ин-

формацию из "средней" ценовой эластичности для двух торговых марок. Клиента прямо спро-

сили об этом, выяснилось, что он не рассматривал такую ситуацию, когда эта "ценовая чувст-

вительность" не может фактически соответствовать и той, и другой торговой марке. Фирма

Burke предложила

план,

в котором исследовалось бы взаимодействие между торговой маркой и

ценой, так как это и есть способ проверки

ценовой

эластичности торговой марки (а не среднего

значения ценовой эластичности двух торговых марок).

РЕЗЮМЕ

Маркетологи используют многомерное шкалирование для

получения

пространственного

представления о восприятиях и предпочтениях респондентов. Воспринимаемые (психологи-

ческие)

связи между объектами представляют в виде геометрических связей между точками в

многомерном пространстве. Формулирование проблемы многомерного шкалирования

(ММШ)

требует определения торговых марок

(объектов),

включенных в анализ. Выбранное

число и природа торговых марок влияют на окончательное решение, получаемое

ходе анализа.

Исходные данные, получаемые от

респондентов,

можно связать с восприятиями или предпоч-

тениями. Данные о восприятиях могут быть прямыми или непрямыми. В

маркетинговых

ис-

следованиях наибольшее распространение получил прямой метод сбора данных.

Выбор метода ММШ зависит от природы исходных данных

(метрические

или

неметриче-

ские), а также от того, что именно подлежит шкалированию — восприятия или предпочтения.

Другим

определяющим

фактором

является

уровень проведения анализа— индивидуальный

или агрегатный. В

основе

решения о

числе

размерностей, в котором нужно получить результат

анализа, лежат теоретические предпосылки,

интерпретируемость

получаемых результатов, кри-

терий изогнутости и легкость в использовании данного числа размерностей. Обозначение осей

является трудной задачей, и решение о названиях координатных осей принимает сам исследо-

ватель, исходя из своего опыта. Для

определения

достоверности и надежности решений ММШ

существует

несколько принципов. Данные о предпочтениях можно подвергнуть внутреннему

или внешнему анализу. Если исходные данные носят качественный характер, то их можно

проанализировать анализом соответствий. Если к сбору данных применили атрибутивный

подход, то пространственные карты можно также получить с

помошью

факторного или

дис-

криминантного

анализов.

Совместный анализ основан на положении, что относительную важность, которую придают

потребители ясно выраженным характеристикам, а также полезности, которые они связывают с

уровнями характеристик, можно определить из оценок потребителями профилей торговых ма-

рок,

построенных

с использованием этих характеристик и их уровней. Обычно для конструи-

рования объектов применяют полнопрофильный и попарный методы.

Исходные

данные бы-

вают неметрическими (ранги) или метрическими (рейтинги). Обычно зависимая переменная

представляет собой

предпочтение

или намерение совершить покупку.

Глава

21.

Многомерное шкалирование и совместный анализ 809

Хотя для анализа данных в совместном анализе существуют и другие процедуры, все боль-

шее значение приобретает регрессия с фиктивными переменными. Интерпретация результатов

требует изучения функций полезности и весов относительной важности. Несколько методов

имеется для

оценки

надежности и достоверности результатов совместного анализа.

ОСНОВНЫЕ ТЕРМИНЫ И ПОНЯТИЯ

R-квадрат

(R-square)

анализ соответствий (correspondence

analysis)

атрибутивные уровни (attribute levels)

веса относительной значимости (relative

importance weights)

внешний анализ предпочтений (external

analysis

of preferences)

внутренний

анализ предпочтений

(internal analysis of preferences)

внутренняя достоверность (internal

validity)

гибридный совместный анализ (hybrid

conjoint analysis)

координаты (coordinates)

критерий изогнутости (elbow criterion)

ММШ метрических данных (metric

DS)

ММШ неметрических данных (nonmetric

MDS)

многомерное шкалирование — ММШ

(Multidimensional Scaling

—

MDS)

модель совместного анализа (conjoint

analysis model)

непрямые методы (derived approaches)

ортогональные таблицы (orthogonal arrays)

оценки сходства (similarity judgments)

парные таблицы

(pairwise

tables)

планы дробного факторного эксперимен-

та (fractional factorial designes)

полные профили (full

profiles)

пространственная карта (spatial map)

развертка (unfolding)

ранги

предпочтений (preference rankings)

совместный анализ (conjoint analysis)

стресс (stress)

функции частной ценности (part-worth

functions)

циклические планы (cyclical designs)

УПРАЖНЕНИЯ

Вопросы

1. Для каких целей используют многомерное шкалирование?

2. Что такое

пространственная

карта?

3. Расскажите об этапах выполнения многомерного шкалирования.

4. Опишите прямые и непрямые методы для получения исходных данных для ММШ.

5. Какие факторы влияют на выбор метода ММШ?

6. Чем руководствуются маркетологи при принятии решения о числе размерностей, в которых

получают решение ММШ?

7. Опишите способы, посредством которых можно оценить надежность и достоверность ре-

шений ММШ.

Какое

отличие между внутренним и внешним анализом данных о восприятиях?

9. Кратко опишите анализ соответствий.

10. Что включает в себя формулирование проблемы совместного анализа?

П. Опишите полно-профильный метод построения объектов в совместном анализе.

810

Часть III. Сбор, подготовка и анализ данных

12. Опишите попарный метод построения объектов в совместном анализе,

13. Каким образом используют регрессионный анализ для анализа совместных данных?

14. Покажите графически, что такое функции полезности.

15. Какими методами оценивают надежность и

достоверность

результатов совместного анализа?

16. Кратко опишите гибридный совместный анализ.

Задачи

1. Определите две проблемы маркетинговых исследований, в которых применяется много-

мерное шкалирование. Объясните, как вы применили бы в таких ситуациях

МШ.

2. Определите две проблемы маркетинговых исследований, в которых применим совместный

анализ. Объясните, как вы применили бы совместный анализ в таких ситуациях.

УПРАЖНЕНИЯ С ИСПОЛЬЗОВАНИЕМ

INTERNET И КОМПЬЮТЕРА

1. Проанализируйте данные

табл.

21.1, используя метод ММШ. Сравните полученные вами

результаты с результатами, приведенными в тексте.

2. Рассмотрите

следующие

12 марок мыла:

Jergens,

Dove, Zest, Dial, Camay, Ivory, Palmolive,

Irish Spring, Lux, Safeguard, Tone и Monchel. Сформируйте все возможные 66 пар этих марок.

Оцените эти пары марок мыла по сходству, используя семибалльную шкалу. Проанализи-

руйте мнения респондентов о сходстве для 12 марок мыла. Используйте подходящий метод

ММШ, такой как ALSCAL или KYST. Дайте названия размерностям и интерпретируйте

вашу собственную пространственную карту.

3. Постройте девять

профилей

кроссовок, приведенных в табл. 21.4. Оцените их в соответст-

вии с вашими предпочтениями, используя

девяти

балльную

рейтинговую шкалу. Исполь-

зуйте регрессию для разработки функций частной ценности для трех характеристик кроссо-

вок, используя полученные вами данные. Насколько сравнимы ваши результаты с резуль-

татами, приведенными в тексте?

КОММЕНТАРИИ

Paul

Е. Green, Frank J. Carmone, Jr., Scott

Smith.

Multidimensional

Scaling: Concepts and

Applications

(Boston,

MA:

Allyn

& Bacon, 1989), p.

16—17.

См. также статью

Nikhil

Deogun,

"Coke Claims Dominance in the Mideast and North Africa,

dut

Pepsi

Disagrees",

Wall Street

Journal, March 3, 1998, p. A4.

Alt

Kara, Erdener

Kaynak,

Orsay

Kucukemiroglu,

"Credit Card Development Strategies for the

Youth Market: The

Use

Conjoint

Analysis",

Internationa!

Journal of Bank Marketing, June 1994,

30—36;

Mary

Tonnenberger,

"In

Search of the Perfect Plastic", Quirk's Marketing Research

Review, May 1992, p. 427-450.

3. Обзор применения многомерного шкалирования в маркетинговых исследованиях приве-

ден в работе J. Douglass Carroll, Paul E. Green, "Psychometric Methods in Marketing Research:

Part II: Multidimensional Scaling", Journal of Marketing Research, February 1997, p.

193—204;

Lee

G. Cooper, "A Review of Multidimensional Scaling in

Marketing

Research",

Applied Psychological

Measurement,

Fall 1983, p. 427-450.

4. Прекрасное изложение различных аспектов многомерного шкалирования можно найти в ра-

боте

MarkL.

Davison,

Multidimensional Scaling

(Melbourne,

Krieger

Publishing Company, 1992).

Глава

21.

Многомерное шкалирование и совместный анализ

811

5. Данные обычно обрабатывают как симметричные. Об асимметричном методе см. в статье

Wayne S. Desarbo, Ajay К.

Manrai,

"A New

Multidimensional

Scaling Methodology for the

Analysis of Asymmetric

Proximity

Data in Marketing Research", Marketing

Science,

Winter 1992,

1—20.

О других

методах

обработки данных многомерного шкалирования см. работу

Tammo

H.A.

Bijmolt, Michel

Wedel,

'The

Effects of

Alternative

Methods of Collecting

Similarity Data for Multidimensional

Scaling",

International Journal of Research in

Marketing,

November 1995, p. 363-371.

6. См. работы

Ingwer

Borg, Patrick J.

Groenen,

Modern

Multidimensional

Scaling

Theory and

Applications (New York, NY:

Springer-Verlag,

1996); Naresh

Malhotra,

Arun K.

Kain,

Christian

Pinson,

"The

Robustness of MDS Configurations in the Case of

Incomplete

Data", Journal of

Marketing

Research,

February 1988, p.

95—102;

Jan-Benedict E.M. Steenkamp, Hans C.M. Van

Trijp, "Task Experience and Validity in Perceptual Mapping: A Comparison of Two Consumer-

Adaptive Techniques", International Journal of Research in Marketing,

July

1996, p.

265—276.

7. T. Cox, Multidimensional

Scaling

(New York: Routledge, Chapman &

Hall,

1994).

8. Стресс

Краскаля,

вероятно, чаще других используется как мера неадекватности. См. работу

Ingwer

Borg,

Patrick J. Groenen, Modern

Multidimensional

Scaling Theory and Applications (New

York, NY: Springer-Verlag, 1996). Исходную статью см. в работе

J.B.

Kruskal,

"Multidimensional

Scaling by Optimizing Goodness of Fit to a

Nonmetric

Hypothesis",

Psychometrika,

March 1964, p.

1—27.

9. J.

Douglass

Carroll, Paul E. Green, "Psychometric Methods in Marketing Research:

Part

II.

Multidimensional Scaling", Journal of Marketing Research, February 1997, p.

193—204;

Naresh K.

Malhotra, "Validity and Structural Reliability of Multidimensional Scaling",

Journal

of Marketing

Research, May

19S7,

p. 164-173,

10. Относительно

недавней

проверки надежности и достоверности решений ММШ см. статью

Jan-Benedict E.M. Steenkamp, Hans C.M. Van Trijp, Jos M.F. Ten

Berge,

''Perceptual

Mapping

Based on Idiosyncratic

Sets

of Attributes",

Journal

of Marketing Research. February 1994, p.

l>-27.

11. Joseph F. Hair, Jr., Ralph E. Anderson, Ronald L.

Tatham,

William C. Black,

Multivariaie

Data

Analysis with Readings,

5th ed.

(Upper

Saddle

River,

NJ:

Prentice Hall, Inc.,

1999),

484-555.

12.

См., например, работы Wayne S. DeSarbo, M.R. Young,

Arvind

Rangaswamy,

Parametric

Multisimensional Unfolding Procedure for Incomplete Nonmetric Preference/Choice

Set

data

Marketing Research", Journal of Marketing Research, November 1997, p.

499—516;

David B.

Mackay,

Robert F. Easley, Joseph L. Zinnes, "A Single Ideal Point Model for Market Structure

Analysis", Journal of

Marketing

Research, November 1995, p.

433—443.

13. Ian Murphy,

"Downscale

Luxury Cars Drive to the Heart of Baby Boomers", Marketing News,

October 1997, p. 1, 19.

14. О современном применении анализа соответствия см. работы J.J. Math, M. Candel, Eric

Maris,

"Perceptual

Analysis of Two-Way Two-Mode

Frequency

Data: Probability Matrix

Decomposition and Two

Alternatives",

International

Journal of Research in

Marketing,

October 197,

321—339;

Paul E. Green, Abba M.

Krieger,

"A Simple Approach to Target Market Advertising

Strategy", Journal of the Market Research Society,

April

1993, p.

161—170.

15.

Ali

Kara,

Erdener

Kaynak, Orsay

Kucukemiroglu,

"Positioning

of Fast Food Outlets in Two Regions

of North

America:

Comparative

Study Using

Correspondence

Analysis",

Journal of Professional

Services

Marketing,

February

1996,

99—119;

Terrcnce V. O'Brien, "Correspondence Analysis",

Marketing Research: A Magazine of Management & Applications, Fall 1993, p.

54—56.

16.

Jorg

Blasius, Michael L. Greenacre,

Visualization

of Categorical Data (New York, NY: Academic

Press,

1998);

Michael J. Greenacre, Correspondence Analysis in Practice

(New

York, NY: Academic

Press, 1993);

Michael

L. Greenacre, "The

Carroll-Green-Schaffer

Scaling

in Correspondence

Analysis: A Theoretical

and

Empirical Appraisal", Journal of Marketing Research, August 1989,

358—365;

Michael L. Grccnacre, Theory and

Applications

Correspondence

Analysis

{New

York,

NY: Academic Press, 1984); Donna L. Hoffman, George R.

Franke,"Correspondence

Analysis:

812 Часть ill. Сбор, подготовка и анализ

данных

Graphical Representation of Categorical Data in Marketing Research",

Journal

Marketing

Research,

August

19S6, p. 213-227.

17. Об использовании факторного анализа при построении

пространственных

карт см. статью

Larry

Hasson,

"Monitoring

Social Change",

Journal

She

Market Research Society, January 1995,

p. 69-80.

18. John R.

Hauser,

Frank S. Koppelman,

"Alternative

Perceptual Mapping Techniques: Relative

Accuracy and

Usefulness'',

Journal of

Marketing

Research, November 1979, p.

495—506.

Хаузер и

Коппельман

считают, что факторный анализ важнее дискриминантного. См. также моно-

графию

Inwer

Borg,

Patric J.

Groenen,

Modern

Multidimensional

Scaling Theory and

Applications

(New

York,

NY:

Spring-Verlag,

1996).

19. О современном применении совместного анализа см. работы V.

Srinivasan,

Chan Su Park,

"Surprising Robustness of the

Self-Explicated

Approach to Customer Preference Structure

Measurement",

Journal

of Marketing

Research,

May 1997, p. 286-291; Paul E. Green, Abba M.

Krieger,

"Segmenting

Markets with Conjoint Analysis", Journal of

Marketing,

October 1991, p.

20-31.

20. F.J. Danaher, "Using

Conjoint

Analysis to Determine the Relative Importance of Service Attributes

Measured in Customer Satisfaction

Surveys",

Journal

Retailing,

Summer 1997, p.

235—260.

21. Обзор применения совместного анализа в маркетинге см. в работах J. Douglass Carroll, Paul

E. Green, "Psychometric Methods in Marketing Research:

Part

I. Conjoint Analysis", Journal of

Marketing Research, November

1995,

385—391;

Paul

Green,

V. Srinivasan,

"Conjoint

Analysis

in Marketing: New Development with

Implications

for Research and Practice",

Journal

of Marketing,

October 1990, p.

3—19;

Paul E. Green, V. Srinivasan, "Conjoint Analysis in Consumer Research:

Issues and

Outlook",

Journal of Consumer Research, September 1978, p.

102-123.

22. Judith Thomas Miller, James R. Ogden, Craig A.

Latshaw,

"Using

Trade-Off

Analysis to Determine

Value-Price Sensitivity of Custom Calling Features", American Business Review, January 1998, p.

8—13.

23. Dick R. Wittink, Marco Vriens,

Wim

Burhenne,

"Commercial

Uses of Conjoint

Analysis

in Europe:

Results and Critical Reflections", International Journal of Research in

Marketing,

January 1994,

41—52;

Dick R. Wittink, Philippe Cattin, "Commercial Use of Conjoint Analysis: An Update",

Journal of Marketing, July 1989, p.

91—97.

Об использовании совместного анализа для

измере-

ния

ценовой

чувствительности см. статью

"Multi-Stage

Conjoint Methods to Measure Price

Sensitivity",

Sawtooth News, Winter 1994/1995, p. 5-6.

24. Эти три характеристики представляют собой поднабор из набора в пять характеристик, ко-

торый использован в работе Michael Etgar, Naresh К. Malhotra,

"Determinants

of Price

Dependency: Personal and Perceptual Factors", Journal of Consumer

Research,

September 1981,

217—222.

См. также статью Jan-Benedict E.M.

Steenkamp,

Dick R. Wittink, "The Metric

Quality

of Full-Profile Judgements and the Number of Attribute Levels Effect in Conjoint Analysis",

International Journal Research in Marketing, June 1994, p. 275-286.

25. Gerard H.

Loosschilder,

Edward

Rosbergen,

Marco Vriens, Dick R. Wittink,

"Pictorial

Stimuli in

Conjoint

Analysis-to-Support

Product Styling Decisions", Journal of [he Market Research

Society,

January

1995,

p. 17-34.

26. J. Douglass Carroll, Paul E. Green,

"Psychometric

Methods in Marketing Research: Part I. Conjoint

Analysis", Journal of Marketing Research, November

1995,

385—391;

Warren F. Kuhfeld, Randall

D. Tobias,

Mark

Garrat,

"Efficient

Experimental Designs with Marketing Applications", Journal of

Marketing Research, November 1994, p.

545—557;

Sidney

Addelman,

"Orthogonal Main-Effect

Plans for Asymmetrical

Factorial

Experiments",

Technotnetrics,

February

1962,

p. 21-36; Paul E.

Green, "On the Design of Choice Experiments

Involving

Multifactor Alternatives", Journal of

Consumer Research, September 1974. p.

61—68.

27. Можно использовать более сложные планы совместного анализа. См., например, статью

Harmen Oppewal, Jordan J.

Louviere,

Harry J.

Timmcrmans,

"Modeling Hierarchical Conjoint

Processes with Integrated Choice Experiments",

Journal

Marketing

Research,

February'

1994,

p. 15-27.

Глава

21.

Многомерное шкалирование и совместный анализ 813