Глава 21. Многомерное шкалирование и совместный анализ 4 страница

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

К 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 selected

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 conjoint

— 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).

1 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', В

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

4 x 2 x 4= 128 возможных комбинаций

Поскольку- о 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 IПрофи ль 10

Профиль 1 1

Профиль 12

Профиль 13

Профиль 14

Профиль 15

Профиль 56

Электропитание

3 ватт

6 ватт

6 ватт

3 ватт

6 ватт

3 ватт

Звап

6 ватт

3 ватт

6 ватт

6 ватт

3 ватт

6 ватт

Звап

Зватт

6 ватт

Вес

10 унций

10 унций

14 унций

14 унций

10 унций

10 унций

Нунций

14 унций

14 унций

14 унций

10 унций

10 унций

Нунций

14 унций

10 унций

10 унций

Время разговора

30 минут

30 минут

30 минут

30 минут

1 час

1 час

1 час

1 час

1,5 часа

1,5 часа

1,5 часа

1,5 часа

2 часа

2 часа

2 часа

2 часа

Марка

В

В

А

А

А

А

в

А

А

В

в

В

в

А

А

Цена телефона

Бесплатно

S200

$250

$100

$100

$250

$200

Бесплатно

$200

Бесплатно

$100

$250

$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: 10

Профиль 12:5

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

10 унций

14 унций

Длительность работы аккумуляторов

30 минут

1 час

1,5 часа

2 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

и -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 в 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 M 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.

8. 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 М 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

1. Paul Е. Green, Frank J. Carmone, Jr., Scott M. 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.

2. Alt Kara, Erdener Kaynak, Orsay Kucukemiroglu, "Credit Card Development Strategies for the

Youth Market: The Use of Conjoint Analysis", Internationa! Journal of Bank Marketing, June 1994,

p. 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,

p. 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 K. 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), p. 484-555.

12. См., например, работы Wayne S. DeSarbo, M.R. Young, Arvind Rangaswamy, "A 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,

p. 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: A Comparative Study Using Correspondence Analysis", Journal of Professional

Services Marketing, February 1996, p. 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,

p. 358—365; Michael L. Grccnacre, Theory and Applications of 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 of Marketing

Research, August 19S6, p. 213-227.

17. Об использовании факторного анализа при построении пространственных карт см. статью

Larry Hasson, "Monitoring Social Change", Journal of 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 of 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, p. 385—391; Paul E. 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,

p. 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,

p. 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, p. 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 of Marketing Research, February' 1994,

p. 15-27.

Глава 21. Многомерное шкалирование и совместный анализ 813

28. J. Douglass Carroll, Paul E. Green, "Psychometric Methods in Marketing Research: Part I. Conjoint

Analysis", Journal of Marketing Research, November 1995, p. 385—391; Arun K. Jain, Franklin

Acito, Naresh K. Malhotra, Vijay Mahajan, "A Comparison of the Internal Validity of Alternative

Поиск по сайту: