Измерение восприятия цены посредством совместного анализа

В рассматриваемом примере задача заключалась в том, чтобы измерить и сравнить чувствительность к цене для четырех марок, конкурирующих в сегменте сигарет из смешанных табаков: «Мальборо», «Барклай», «Кэмел» и «Светлые Галуаз». Марку сигарет можно определить как совокупность следующих семи характеристик: название, количество сигарет в пачке, жесткость пачки, длина сигареты, содержание смол и никотина в каждой сигарете, диаметр сигареты и цена пачки. Четыре исследованные марки различаются только по трем из этих характеристик: марке, содержанию смол (С) и никотина (Н), цене; следовательно, только три эти характеристики являются детерминирующими выбор (Herwats, 1986).

Для каждой из этих характеристик рассматривались четыре уровня:

Марка: «Барклай», «Кэмел», «Мальборо» и «Светлые Галуаз». Содержание: (С = 1 мг, Н = 0, 2 мг); (С = 4 мг, Н = 0, 4 мг); (С = мг, Н = 0, 7 мг); (С = 15 мг, Н = 1 мг). Цена: 57, 62, 67, 72 бельгийских франка (Ф).

Таким образом, всего аналитик мог сформировать 64 возможные комбинации этих компонентов (4x4x4). При данном общем количестве комбинаций задача проранжировать или упорядочить их была бы для респондентов слишком сложной. Использование эффективных планов эксперимента указывает путь для отбора сокращенного числа из 64 воз-можных комбинаций. В данном случае была использована схема латин-ского квадрата 4x4, пренебрегающая взаимодействиями одновременно трех факторов. и респондентов просили проранжировать 16 отобранных комбинаций (см. табл. 5.3).

Таблица 5.3. Пример моделирования предпочтений декомпозиционным методом. Сегмент сигарет из смешанных табаков в Бельгии.

Например, совокупность 6 (К-62-9/0,7) сформирована таким образом: марка «Кэмел», по цене 62 Ф, с содержанием смол 9 мг и никотина 0, 7 мг. Респондент 27 поставил ее на 27-е место. Обычно аналитик, чтобы облегчить задания респондентам, использует различные вспомогательные средства (макеты, товарные знаки и т.д.).

Как показано в табл. 5.3, каждая комбинация из k переменных может быть описана набором из k-1 двоичных переменных (0, 1), обозначающих отсутствие или присутствие данного уровня по каждой характеристике. В линейной регрессионной модели эти двоичные переменные используются как переменные, объясняющие предпочтительное ранжирование для каждого респондента.