Выбор метода многомерного шкалирования.

Выбор конкретного метода многомерного шкалирования зависит от того, какие именно данные – о восприятиях или о предпочтениях, подлежат шкалированию, или необходимо проанализировать оба их вида. Определяющим фактором является природа исходных данных. Соответственно различают методы многомерного шкалирования:

– метрические – предполагают, что исходные данные интервальные или относительные;

– неметрические – предполагают, что исходные данные являются порядковыми, но в результате анализа они преобразуются в интервальные или относительные.

Затем необходимо решить, какие будут применяться методы изучения оценок отдельных респондентов:

– индивидуальные карты восприятия – проблема заключается в их большом количестве даже в случае использования выборки умеренного объема;

– групповые карты восприятия – обычно вопросы маркетингового планирования рассматриваются с учетом поведения рыночных сегментов, а не отдельных покупателей. Однако при объединении индивидуальны данных необходимо сделать некоторые допущения. Возможно ли, чтобы респонденты использовали одинаковое число критериев для оценки разных марок? А если это число окажется одинаковым, то будут ли одинаковыми сами критерии? Если ответ на последний вопрос будет отрицательным, то какие критерии следует использовать для объединения респондентов в группы? Один из популярных алгоритмов, INDSCAL (шкалирование индивидуальных различий) предполагает, что для оценки подобия объектов все респонденты использует одни и те же критерии, но затем они придают разное весовое значение каждому из параметров при формировании своих суждений.

Если собраны данные о предпочтениях респондентов, то можно выполнить развертывание, т.е. разместить «идеальные» для каждого из них точки в пространстве, в котором расположены торговые марки или объекты. Это можно осуществить с помощью двух способов:

– внутреннее развертывание – если собраны только данные о предпочтениях, можно выполнить их внутренний анализ предпочтений. При этом не только идеальные для респондентов точки, но и точки торговых марок или объектов размещаются по данным о предпочтениях;

– внешнее развертывание – если кроме этого имеются данные о близости торговых марок или объектов, то можно выполнить внешний анализ предпочтений. В этом случае сначала по данным о сходстве размещаются соответствующие им точки, а затем к готовой информации по данным о предпочтениях добавляется идеальная точка каждого респондента.