Пример сравнения результатов, получаемых при использовании метода карты восприятия и метода выбор важнейших характеристик.

Рассмотрим результаты, полученные при использовании различных методов исследования. Базовым исследованием явилось исследование, в котором респондентов последовательно просили 1) указать не более пяти важнейших характеристик товара; 2) охарактеризовать марку, которую они считают лучшей. Как видно из Таблицы 1, частота выбора "важнейших" характеристик и характеристик "лучшего бренда" различна, что с позиции формальной логики уже несколько странно.

Таблица 1. Вероятность выбора характеристик в зависимости от задания.

Критерий товара/бренда в данной товарной группе	Вероятность выбора критерия в качестве одного из пяти важнейших для данной товарной группы	Вероятность выбора критерия в качестве характеристики лучшего (идеального) бренда в данной товарной группе	Отношение вероятности выбора данного критерия в качестве "важнейшей характеристики" для товара данной товарной группы и вероятности выбора в качестве характеристи "лучшего" бренда в данной товарной группе
К1	0,23	0,09	2,60
К2	0,29	0,25	1,14
К3	0,57	0,46	1,25
К4	0,64	0,50	1,29
К5	0,12	0,10	1,18
К6	0,32	0,26	1,22
К7	0,24	0,14	1,70
К8	0,30	0,33	0,93
К9	0,45	0,37	1,23
К10	0,21	0,16	1,29
К11	0,16	0,10	1,61
К12	0,24	0,30	0,81
К13	0,05	0,06	0,78
К14	0,05	0,09	0,50
К15	0,15	0,09	1,65
К16	0,03	0,01	3,00
К17	0,03	0,03	1,00

Аналогичная проблема возникает при попытке сравнить оценки нескольких брендов их пользователями. Как видно из приведенного ниже графика, вероятность выбора той или иной характеристики по отношению к конкретному бренду, гораздо меньше, чем выбор "важнейших" или "лучших" характеристик.

Сравнение нескольких брендов при такой технологии также вызывает много проблем: чисто зрительно самый лучший Brand6, а также позиции "2" и "3", но уровень продаж не отражал таких положительных оценок ни до, ни после исследования (обычно изменения "образа бренда" опережают рыночную судьбу: имидж страдает раньше, чем продажи; а для новых брендов можно предсказать скорость роста в зависимости от привлекательности его имиджа для потребителей).

Считается, что использование факторного анализа позволяет выделить факторы, скрытые от непосредственного наблюдения, но объясняющие несколько первичных переменных. Попытка провести факторный анализ данных, собранных по методу "выбора характеристик", привели к малоинтересному результату, так как два первых фактора описывали всего 18% дисперсии.

	Eigenval	% total Variance	Cumul. Eigenval	Cumul. %
	1,936997	11,39410	1,936997	11,39410
	1,264151	7,43618	3,201148	18,83028

Как видно из приведенной выше карты, по первому фактору лидирует Brand6 и выраженность характеристики по первому фактору при традиционном подходе к интерпретации таких данных позволяла бы утверждать о лидирующем положении бренда. Проблема была опять же в отсутствии внешней валидности этих результатов.

Проведение исследования по методике многомерного шкалирования позволило получить более информативное решение. Прежде всего, два первых фактора, полученных даже без улучшения модели, описывали уже 46% дисперсии (всего значимые факторы описывали около 2/3 дисперсии). Что более важно, полученные результаты обладали гораздо большей внешней валидностью: позиции 4 и 5 являлись активно рекламируемыми и конкурирующими брендами, а бренд1 занимал третью позицию. Бренды 2 и 6 по известности и использованию занимали последние места, а бренд 3 был широко известен и мифологизирован по историческим причинам, но на рынке практически не представлен.

Дата добавления: 2015-07-11