CSDCA Common Scale Discrete Choice Analysis Analýza diskrétních voleb se společnou škálou preferencí.

Slides:



Advertisements
Podobné prezentace
Typy otázek v dotazníku
Advertisements

Hodnocení konkurenčního postavení produktu. 2 Agregační hodnocení konkurenčního postavení KS = a * TZ + b * EZ + c * MZ PT = a*TP + b*EP + c*MP PT KS.
CRM a konkurenceschopnost vybraných firem Jan Němeček Univerzita Hradec Králové.
Metoda QFD metoda plánování jakosti založená na principu maticového diagramu umožňuje transformaci požadavků zákazníků do navrhovaného produktu a procesu.
Testování neparametrických hypotéz
Testování statistických hypotéz
Poptávka na trhu zboží a služeb
Databázové systémy Přednáška č. 2 Proces návrhu databáze.
Hodnotový management Teorie rozhodování
Sociologie – metody a techniky sociologického výzkumu
Hodnocení práce Hodnocení práce je nástrojem zajišťujícím, aby požadavky, náročnost, složitost a podmínky práce se odrazily v diferenciaci odměny pracovníka.
Biologická diverzita a Indexy biodiverzity
Teorie psychodiagnostiky a psychometrie
Testování obalu přednáška.
Vybrané metody analýzy
Možnosti modelování požadavků na informační systém
Spotřebitelský výzkum
1 Kriteria hodnocení simulace – Balanced Scorecard (BSC) Toto metoda může být s úspěchem využita i pro stanovování cílů konkrétních projektů. Detailně.
Výukový materiál zpracovaný v rámci projektu Označení:Sada: Ověření ve výuce:Třída: Datum: Registrační číslo projektu:CZ.1.07/1.5.00/ VY_32_INOVACE_MAM_KC_1_09.
LETNÍ semestr a MAVY2 Úvod, požadavky 1. přednáška.
Testy významnosti Karel Mach. Princip (podstata): Potvrzení H O Vyvrácení H O →přijmutí H 1 (H A ) Ptáme se:  1.) Pochází zkoumaný výběr (jeho x, s 2.
Analýza poptávky. Poptávka po produkci firmy jako významný parametr rozhodování firmy. Faktory determinující poptávku a odhady poptávkových funkcí. Alternativní.
Dokumentace informačního systému
Vývoj výrobku Firmy musí pružně reagovat na změny ( v lidských potřebách, technologii, technice, v počtu a síle konkurence,…) a vyvíjet nové výrobky. Novými.
Metody výběru variant Používají se pro výběr v případě více variant řešení stejného problému Lze vybírat dle jednoho nebo více kritérií V případě více.
Strategické plánování. Management rozhoduje o: Předmětu podnikání Jeho cíli Způsobu, jak k tomu cíli dospět STRATEGICKÉ PLÁNOVÁNÍ.
Výukový materiál zpracován v rámci projektu EU peníze školám
PRŮMYSLOVÝ MARKETING - VŽ
DKV část 31 Design kvantitativního výzkumu 4. část ( ) Jiří Šafr UK FHS Historická sociologie (LS 2010)
Produkt Centrum pro virtuální a moderní metody a formy vzdělávání na
Zablokování (deadlock, smrtelné objetí, uváznutí)
Příprava zákona o elektronických komunikacích Jaromír Šiška, CSc. náměstek ministra - ředitel sekce elektronických komunikací a poštovních služeb Konference.
Pohled z ptačí perspektivy
Poptávka na trhu zboží a služeb Ing. Vojtěch Jindra
Rozhodovací proces, podpory rozhodovacích procesů
MARKETINGOVÝ VÝZKUM TABÁKOVÝCH VÝROBKŮ Monika Ferdová Radka Hejzlarová Petra Stádníková Kristýna Voborníková VSRR 3. ročník, cvičení - středa 15:45hod.
Praktikum 4c: Tabulky, baterie otázek 16/5/08. Tabulky - metoda popisu dat.
KORPUSY A KVANTITATIVNÍ DATA Úvod do korpusové lingvistiky 11.
Marketingový průzkum Milan Mrázek Matematika & Business
AKAD. ROK 2008/2009, LS PRŮMYSLOVÝ MARKETING - VŽ1 P R Ů M Y S L O V Ý M A R K E T I N G 8.
Metody sociálního výzkumu 5. blok Denní studium LS 2007/
Metoda QFD Ing. Zdeněk Aleš, Ph.D. prof. Ing. Václav Legát, DrSc.
Inferenční statistika - úvod
Úkol na příští seminář: Poziční mapa služeb nabízených „vaší organizací“ Poziční mapa služeb nabízených „vaší organizací“ Zamyslete se nad možným.
Assessment centrum.
Geografické informační systémy pojetí, definice, součásti
Výukový materiál zpracovaný v rámci projektu Označení:Sada: Ověření ve výuce:Třída: Datum: Registrační číslo projektu:CZ.1.07/1.5.00/ VY_32_INOVACE_MAM_KC_1_10.
Gender Pay Gap a jeho determinanty s využitím dat EU-SILC 2005 PhDr. Martina Mysíková IES FSV UK ČSÚ.
Testování hypotéz Testování hypotéz o rozdílu průměrů  t-test pro nezávislé výběry  t-test pro závislé výběry.
Model struktury strategického managementu
Ověření modelů a modelování Kateřina Růžičková. Posouzení kvality modelu Ověření (verifikace) ● kvalitativní hodnocení správnosti modelu ● zda model přijatelně.
Vysoká škola technická a ekonomická v Českých Budějovicích Ústav podnikové strategie Návrh marketingového mixu obchodního podniku Autor bakalářské práce:
Návrh účinné marketingové komunikace podniku v oblasti služeb
Podklady pro zpracování semestrální práce
OBIMA - Object Image Analysis
CSDCA Common Scale Discrete Choice Analysis
MARKETING Přednáška P
Induktivní statistika - úvod
Stanovení ceny v marketingu
Induktivní statistika
Portfolio analýza Model GE
- váhy jednotlivých studií
Spojitá a kategoriální data Základní popisné statistiky
Příklad (investiční projekt)
Plánování přesnosti měření v IG Úvod – základní nástroje TCHAVP
Lineární regrese.
Prezentace výzkumu Zbiroh 2018
MARKETING Přednáška P
Induktivní statistika
Základy statistiky.
Transkript prezentace:

CSDCA Common Scale Discrete Choice Analysis Analýza diskrétních voleb se společnou škálou preferencí

Conjoint – výhody Metoda Conjoint je velmi účinná pro zjištění vnímání vlastností produktu a jejich vlivu na rozhodování při výběru a volbě produktu. Poskytuje: – Odhad přijetí produktu zákazníky (akceptance) Tržní potenciál Očekávaný podíl na trhu – Porovnání vlivu změn hodnot atributů produktu na míru jeho přijetí – Simulaci rozhodnutí zákazníků v přítomnosti konkurenčních produktů v závislosti na změně atributů produktu – Zjištění hodnot dotazovaných citlivostí na cenu. Jsou to Vlastní cenová elasticita Křížová cenová elasticita Odhad optimální tržní ceny (relativně ke známým cenám konkurenčních produktů) – Odhad parciálních elasticit substituce pro kvantitativní atributy (zobecněná důležitost atributu)

Conjoint – nevýhody Vedle výhod má metoda Conjoint z hlediska uživatele výsledků některé všeobecně známé nevýhody plynoucí zejména z matematického modelu a provedení dotazování úlohy typu Conjoint. – Preference hladin jsou vyjádřeny v jednotkách logit, které pro většinu uživatelů nejsou bez transformace pochopitelné, a proto ani využitelné. – Preference hladin lze vzájemně porovnávat pouze u hladin téhož atributu. Hladiny různých atributů vzájemně porovnávat nelze, protože každý atribut má jiný referenční bod (počátek stupnice), zvolený buď subjektivně nebo výpočetním algoritmem (tj. ve většině případů tzv. centrovaných utilit). – Hodnoty preferencí hladin atributů nemají žádný vztah ke vnímání (tj. nevyjadřují, zda je hladina vnímána pozitivně nebo negativně). – Výpočet průměru individuálních hodnot preferencí pro studovaný segment není teoreticky oprávněný a neměl by být využíván pro interpretaci. Z prostého důvodu, že jiný postup není dostupný, se tak často děje.

Řešení: Common Scale Discrete Choice Analysis Základem je hybridní postup dotazování a matematický model odhadu preferencí hladin všech atributů na stejné škále. Dotazování má 2, případně 3 sekce: 1.Určení preferovaného pořadí hladin každého atributu, např. značek nebo barevznačekbarev o Neurčuje se u atributů s přirozeným pořadím preferencí, např. Ceny 2.Určení motivujících a odrazujících hladin atributů v jednotlivých profilech ze znáhodněné množiny profilů např. profilu 1, profilu_2 a dalších podle potřebyprofilu 1profilu_2 o Jde o postup dotazování “Best-Worst Case 2” [Louviere et al., 1995] ze třídy postupů “Maximum Difference Scaling” 3.Určení preferencí volby profilu z několika znáhodněných množin profilů o Je to v principu doplňkový conjoint ve formátu CBC nebo SCT – Sequential Choice Test. Může být vynechán, není-li nutné zpřesnění odhadnutých preferencí pro simulaci trhu. Funkční příklad dotazníku je na

CSDCA - Výhody Všechna hlediska souvisejí s manažerským přístupem k hodnocení významu a důležitosti hladin atributů. – Hodnoty individuálních preferencí hladin všech atributů odpovídají jejich percepčnímu hodnocení respondentem. Jsou tedy tím, co lze považovat za důležitost z manažerského pohledu. – Preference na společné škále lze převést na procenta vlivů hladin všech atributů. Tyto vlivy je možno agregovat jak pro určitý segment respondentů, tak převážením na celkovou populaci. – Hladiny s vlivem pod určitou prahovou hodnotou lze zanedbat, aniž by se významně ovlivnila celková struktura vlivů. Rovněž je možno z úvah vyřadit nevyužitelné nebo nerealizovatelné hladiny, např. příliš nízké ceny, vysoké benefity, apod. To je výhodné např. pro pozicování produktu na trhu, v diferenčním marketingu, a jinde.

CSDCA: Silné a slabé stránky Silné stránky – Dotazování snižuje počet lhostejných a nekonzistentních odpovědí respondentů. Otázky v prvních dvou sekcích jsou jednoduché a snadno pochopitelné. Zjednodušující strategie odpovědí v prvních dvou sekcích nemá smysl a je tím téměř vyloučena. Měnící se podoba otázek udržuje respondentovu pozornost. – Zákazy mezi hladinami atributů nevnášejí systematickou odchylku do odhadů preferencí. Slabé stránky – Náročnost návrhu dotazování a zpracování dat je vyšší než u běžného CBC. – Interakce mezi atributy nejsou odhadnutelné. – Alternativně specifické produkty a služby jsou vyloučeny, protože jejich atributy nemohou být současně v jednom profilu. – Při vynechání 3. sekce (conjoint v provedení CBC nebo SCT), tj. bez analýzy odpovědí “considered jointly” na úplné profily, nelze plně spoléhat na správnost hodnot preferencí a simulaci trhu. Zkušenosti zatím chybí.

CSDCA: Převzatý příklad Atribut "Superior contrast rating" (skór 6) dává HD televizoru dvojnásobnou pravděpodobnost volby než atribut "2 year warranty" se skórem 3. Skór pro "Wired & WiFi internet" překonává 3 značky z celkem 6 testovaných značek. Skóry hladin všech atributů na společné škále usnadňují jejich interpretaci. Obvyklé nepříjemné vlastnosti, které často matou koncové uživatele analýzy typu conjoint, jako je nemožnost porovnat preference různých atributů a škály hodnot, které nedovolují přímé poměrové porovnání vlivu hladin, jsou zcela vyloučeny. – Studie: Ochota k pořízení HD televizoru – Dotazováno v prosinci 2012 – Celkem 1200 respondentů ve 4 skupinách s různým plánem dotazování – Uvedené výsledky jsou pro skupinu 292 respondentů

Analýza diskrétních voleb na společné škále preferencí děkuje za pozornost

Setřídění preferencí značek postupnou volbou Po zvolení preferované značky jsou opakovaně nabízeny zbylé značky až do vyčerpání seznamu nebo odmítnutí další značky akceptovat. ( Zpět )

Setřídění preferencí barev postupnou volbou ( Zpět )

Preference hladin různých atributů ( Zpět ) Dotazování postupem Best-Worst Case 2

Preference hladin různých atributů Dotazování postupem Best-Worst Case 2 ( Zpět )

Setříděné zjištěné preference hladin atributů ( Zpět )