zum Hauptinhalt springen
Loading...
Skip to article
  • Qualtrics Platform
    Qualtrics Platform
  • Customer Journey Optimizer
    Customer Journey Optimizer
  • XM Discover
    XM Discover
  • Qualtrics Social Connect
    Qualtrics Social Connect

Conjoint-Clustering


Was this helpful?


This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

The feedback you submit here is used only to help improve this page.

That’s great! Thank you for your feedback!

Thank you for your feedback!


Conjoint-Clustering

In den Populationen der Befragten befinden sich Gruppen von Gleichgesinnten. Diese Gruppen oder “Cluster” können durch die Ähnlichkeit des optimalen Pakets der einzelnen Teilnehmer bestimmt werden. Indem wir jeden Teilnehmer basierend auf seinem individuellen Nutzen für jedes Attribut gruppieren, können wir Teilpopulationen ermitteln und ermitteln, aus welchen demografischen Daten sich diese Unterpopulationen zusammensetzen.

Tipp: Diese Funktion ist unglaublich nützlich, wenn Sie Segmente definieren möchten.

Umfrage für Clustering vorbereiten

Bevor Sie Conjoint-Clustering verwenden können, müssen Sie sicherstellen, dass die Umfrage Ihres Conjoint-Projekts die richtigen Fragen stellt. Das bedeutet, dass Sie bestimmte Funktionen einrichten müssen, bevor Sie Daten sammeln.

Stellen Sie im Umfrage-Reiter sicher, dass Sie einem Nicht-Conjoint-Block Fragen hinzugefügt haben. Im folgenden Beispiel enthält der Block Demografie eine Frage zum Alter, zur Anzahl der Personen im Haushalt des Teilnehmers und mehr.

Eine Umfrage mit demografischen Fragen

Der Block Demografie befindet sich direkt über dem Conjoint-Block, kann aber beliebig verschoben werden.

Der Block ist zugeklappt, sodass Sie sehen können, dass er sich über dem Conjoint-Block befindet.

Fragenformatierung

Sie können Conjoint-Clustering nur mit Multiple-Choice-Fragen mit Einfachauswahl durchführen. Dies liegt daran, dass sie eine begrenzte Auswahl an Auswahlmöglichkeiten bieten, die leicht analysiert werden können. Sie können auch Umfragemetadaten wie Startdatum, IP-Adresse, Empfängerinformationen usw. verwenden.

  • Demografie: Fragen Sie nach grundlegenden beschreibenden Informationen wie Alter, Einkommensklasse, Rasse oder Geschlecht.
  • Verhalten: Fragen Sie, wie Kunden mit Ihrer Marke und Ihren Produkten interagieren, oder nach Verhaltensweisen, die sich auf ihr Kaufverhalten beziehen können. Sie können beispielsweise fragen, wie oft der Kunde einkauft.
  • Operative Daten: Hierbei handelt es sich um Informationen wie die auf Ihrer Website aufgewendete Zeit oder die Beschäftigungsdauer eines Mitarbeiters in Ihrem Unternehmen.
  • Fragenformate: Formatieren Sie Fragen zu Verhaltensweisen und Überzeugungen als Skalen. Der Bereich auf einer Skala kann uns dabei helfen zu verstehen, welche Skalenwerte korreliert sind und somit ungefähr im selben Cluster liegen. Ja/Nein-Fragen und Fragen mit Einzelauswahl sind für die Clusteranalyse nicht so nützlich.
    Beispiel: Wenn Sie fragen: „Was für ein Käufer sind Sie?“ und die Optionen „Prefer Shopping at malls“, „Prefer Shopping online“ und „Prefer Shopping at boutiques“ anbieten, möchte der Clustering-Algorithmus die Teilnehmer in drei Gruppen aufteilen, eine für jede Antwort. Wenn Sie diese stattdessen als eine Reihe von Fragen gestellt haben (z. B. „Einkaufen Sie gerne in den Malls?“) Mit den Antworten 1 bis 7 kann der Clustering-Algorithmus besser erkennen, was die verschiedenen Käufer voneinander trennt.
Tipp: Wenn Sie mit dem Hinzufügen von Fragen fertig sind, vergessen Sie nicht, sie zu veröffentlichen.

Cluster aktivieren

Aktualisieren Sie den blauen Link in der Mitte der Seite Conjoint-Clustering.

  1. Wechseln Sie zur Registerkarte Berichte Ihres Conjoints.
  2. Wählen Sie Conjoint-Clustering.
  3. Wenn Sie diese Registerkarte zum ersten Mal aufrufen, müssen Sie möglicherweise auf Aktualisieren klicken, um die Clusterberechnungen zu starten.
Tipp: Wie Conjoint-Ergebnisse und der Simulator aktualisiert sich der Conjoint-Clustering-Report stündlich.

Anpassung der im Clustering verwendeten Demografien

Standardmäßig verwendet das Conjoint-Clustering jede Multiple-Choice-Frage, die Sie gestellt haben. Sie müssen jedoch nicht jede Frage verwenden, wenn Sie nicht möchten, und Sie können Inhalt hinzufügen und entfernen, um zu sehen, welche verschiedenen Cluster diese Funktion Ihnen empfiehlt.

&amp wird hinzugefügt; Demografie wird entfernt

Wählen Sie im Feld rechts neben der Kopfzeile Clusterdetails eine Frage aus, die Sie zur Cluster-Analyse hinzufügen oder daraus entfernen möchten. Das Entfernen einer Frage führt nicht dazu, dass die Cluster neu berechnet werden.

Feld unter dem Hauptdiagramm mit einer Liste von Umfragefragen

Empfohlene Cluster

Sobald Sie genügend Daten gesammelt und Ihre Conjoint-Clustering-Seite aktualisiert haben, werden Ihnen mit dieser Funktion Cluster empfohlen. Diese Cluster werden auf der Grundlage der Ähnlichkeit des optimalen Pakets der Befragten ermittelt.  Ihr individuelles Hilfsprogramm für jedes Attribut wird berechnet. Anschließend werden die in diesen Clustern gemeinsamen demografischen Daten hervorgehoben, damit Sie besser nachvollziehen können, wie verschiedene Populationen Ihre Produkte bevorzugen.

Markieren Sie einen Cluster im oberen Diagramm, um mehr über diesen Cluster zu erfahren. Klicken Sie darauf, um die Clusterdetails unten zu öffnen.

Cluster für ein Conjoint-Projekt

Cluster-Details

Conjoint-Clustering-Abschnitt

  1. Zusammenfassung: Die obere Leiste der Clusterdetails bietet eine kurze Zusammenfassung der wichtigsten Details, in erster Linie, welches Cluster es ist, die statistische Bedeutung des Clusters, wie die Teilnehmer die demografischen Fragen im Allgemeinen beantwortet haben, wie viele Antworten in diesem Cluster sind und für wie viel Prozent der Antworten dieses Cluster gilt. Sie können auch auf diesen Teil klicken, um die restlichen Informationen zu expandieren und zu komprimieren.
    Beispiel: Im hier abgebildeten Cluster 1 sind die Antworten tendenziell von 50.000 bis 59.999 Dollar pro Jahr, die Wohnungen mieten und Single sind. Die Clusterstärke ist schwach, d. h. der Cluster ist statistisch nicht signifikant. Im Allgemeinen passen 7 Befragte zu diesem Muster, das 77,8 % des gesamten Datensatzes beträgt. Da es sich um einen sehr kleinen Datenbestand handelt, sollten wahrscheinlich keine Entscheidungen auf der Grundlage dieser Ergebnisse getroffen werden.
  2. Demografie: Eine Reihe von Aufschlüsselungsbalken, die zeigen, wie die Mitglieder dieses Clusters auf die demografischen Fragen reagiert haben. Jeder Aufrissbalken ist durch die Antwort gekennzeichnet, die am stärksten mit den Hilfsprogramm-Scores für die Attribute des optimalen Pakets korreliert. Sie sehen jedoch, dass die Personen in einem Cluster in ihrer Antwort variieren.
    Beispiel: Das bevorzugte Wohnungsverhältnis des Clusters 1 ist eine Wohnung. Wohnungen sind jedoch nicht als die gebräuchlichste Wahl für diesen Cluster aufgeführt. Denn wer in Wohnungen wohnt, hat sich einfach eher für 2 Wochen mit 1500 Dollar für einen Urlaub nach Jamaika entschieden, um das bestmögliche Paket zu sein als diejenigen im Cluster, die andere Wohnverhältnisse haben.
  3. Optimales Paket: Dies ist das beste Paket für die Mitglieder des Clusters. Die hervorgehobenen Demografien weisen hohe Utility-Scores für die hier ausgewählten Attribute auf.
  4. Analysevorschau und Pakete simulieren: Klicken Sie auf diese Schaltflächen, um die Conjoint-Ergebnisse und den Simulator nur für die Daten dieses Clusters anzuzeigen.
Tipp: Denken Sie daran, dass die „Demographien“ in diesen Diagrammen die nicht zusammenhängenden Fragen sind, die Sie auf der Registerkarte Umfrage angelegt haben.

Clusterstärke ermitteln

Qualtrics verwendet eine Metrik namens Silhouetten-Scoring, um die Stärke jedes Clusters zu ermitteln. Diese Bewertung ergibt einen Wert zwischen 0 und 1, der bestimmt, wie eng die Umfrageteilnehmer geclustert sind. Wir verwenden die folgende Tabelle, um den Silhouetten-Score in die Cluster-Stärke zu konvertieren:

Korrelations-Score Beziehungsstärke Beschriftung der Clusterstärke
0.71 bis 1.0 Sehr enge Beziehung Stark
0,51 bis 0,70 Eher starke Beziehung Eher stark
0,26 bis 0,50 Teilweise schwache Beziehung Eher schwach
0 bis 0,25 Keine signifikante Beziehung Schwach

Cluster auf Berichte und den Simulator anwenden

Cluster können auf die Conjoint-Ergebnisse und den Simulator angewendet werden, sodass Sie genauere Details darüber sehen können, wie Teilnehmer in diesem Cluster die ihnen angezeigten Attribute ausgewertet haben.

Conjoint-Analyseberichte

Wählen Sie im Abschnitt Conjoint-Analyse der Registerkarte Berichte einen Cluster aus der Dropdown-Liste oben links aus.

In den Conjoint-Berichten wird die Dropdown-Liste expandiert und ein Cluster ausgewählt.

Sie können auch Vorschau der Analyse auswählen, wenn Sie auf der Registerkarte Berichte im Abschnitt Conjoint-Clustering einen Cluster ausgewählt haben.

Registerkarte Conjoint-Clustering für die Vorschau einer Analyse

Simulator

Tipp: Sie können zwar keinen Simulator freigeben, der nur die Daten Ihres Clusters enthält, aber diese Cluster sind für diejenigen verfügbar, mit denen Sie den Simulator geteilt haben. Es steht den Kollegen frei, diese Cluster nach eigenem Ermessen auf den Simulator anzuwenden.

Wählen Sie auf der Registerkarte Simulator einen Cluster aus der Dropdown-Liste oben rechts aus.

Öffnen der Dropdown-Liste auf der Registerkarte Simulator

Sie können auch Pakete simulieren auswählen, wenn Sie auf der Registerkarte Reports im Abschnitt Conjoint-Clustering einen Cluster ausgewählt haben.

Registerkarte Conjoint-Clustering zur Paketsimulation

Viele Seiten dieses Portals wurden mithilfe maschineller Übersetzung aus dem Englischen übersetzt. Obwohl wir bei Qualtrics die bestmögliche maschinelle Übersetzung ausgewählt haben, um ein möglichst gutes Ergebnis zu bieten, ist maschinelle Übersetzung nie perfekt. Der englische Originaltext gilt als offizielle Version. Abweichungen zwischen dem englischen Originaltext und den maschinellen Übersetzungen sind nicht rechtlich bindend.