Clustering conjoint

À propos de la segmentation conjointe

Au sein des populations interrogées, les personnes interrogées sont des groupes de personnes partageant le même point de vue. Ces groupes, ou « groupes », peuvent être déterminés par la similarité du package optimal de chaque répondant. En regroupant chaque répondant en fonction de son utilité individuelle pour chaque attribut, nous pouvons déterminer les sous-populations et les données démographiques qui composent ces sous-populations.

Préparation d’une enquête pour le clustering

Avant de pouvoir utiliser l’agrégation conjointe, vous devez vous assurer que l’enquête de votre projet conjoint pose les bonnes questions. Cela signifie que vous devez configurer certaines fonctionnalités avant de collecter des données.

Dans l’onglet Enquête, assurez-vous d’avoir ajouté des questions à un bloc non conjoint. Dans l’exemple ci-dessous, le bloc Données démographiques a une question sur l’âge, le nombre de personnes dans le ménage du répondant et bien plus encore.

Le bloc Données démographiques est situé juste au-dessus du bloc conjoint, bien que vous puissiez le déplacer à votre convenance.

Mise en forme des questions

Vous ne pouvez réaliser un clustering conjoint qu’à l’aide de questions à choix multiples à réponse unique. En effet, ils offrent une sélection finie de choix facilement analysables. Vous pouvez également utiliser certaines métadonnées d’enquête, telles que la date de début, l’adresse IP, les informations sur le destinataire, etc.

• Données démographiques : demandez des informations descriptives de base, telles que l’âge, la tranche de revenus, la race ou le sexe.
• Comportement : demandez aux clients comment interagir avec votre marque et vos produits, ou aux comportements liés à leur comportement d’achat. Par exemple, vous pouvez demander à quelle fréquence le client fait ses courses.
• Données opérationnelles : il s’agit d’informations telles que le temps passé sur votre site Web ou l’occupation d’un salarié dans votre société.
• Formats de question : mettez en forme les questions sur les comportements et les croyances sous forme d’échelles. La plage sur une échelle peut nous aider à comprendre quels points d’échelle sont corrélés et donc grossièrement dans le même cluster ; les questions Oui/Non et à sélection unique ne sont pas aussi utiles pour l’analyse de groupes.
  Exemple : si vous demandez « Quel type d’acheteur êtes-vous ? » et proposer les options « Privilégier le shopping dans les centres commerciaux », « Privilégier les achats en ligne » et « Préférer faire ses courses dans les boutiques », l’algorithme de regroupement voudra diviser les répondants en trois groupes, un pour chaque réponse. Si vous avez plutôt posé ces questions sous la forme d’une série de questions (par exemple, « Aimez-vous faire vos courses dans les centres commerciaux ? ») avec les réponses 1 à 7, l’algorithme de clustering fera un meilleur travail pour vraiment discerner ce qui sépare les différents acheteurs les uns des autres.

Activation des clusters

1. Accédez à l’onglet Rapports de votre analyse conjointe.
2. Sélectionnez Clustering conjoint.
3. Lorsque vous accédez à cet onglet pour la première fois, vous devrez peut-être cliquer sur Actualiser pour démarrer les calculs de cluster.

Ajustement des données démographiques utilisées dans le regroupement

Par défaut, l’agrégation conjointe utilisera chaque question d’enquête à choix multiples que vous avez effectuée. Cependant, vous n’avez pas besoin d’utiliser toutes les questions si vous ne le souhaitez pas et vous pouvez ajouter et supprimer du contenu pour voir les différents groupes recommandés par cette fonctionnalité.

Ajout et suppression de données démographiques

Dans la zone à droite de l’en-tête Détails du cluster, sélectionnez une question à ajouter ou à supprimer de l’analyse de cluster. La suppression d’une question n’entraîne pas le recalcul des clusters.

Clusters recommandés

Une fois que vous aurez collecté suffisamment de données et actualisé votre page de mise en cluster conjointe, cette fonctionnalité vous recommandera des clusters. Ces groupes sont déterminés en fonction de la similarité du paquet optimal des répondants.  Leur utilité individuelle pour chaque attribut est calculée, puis les données démographiques communes à ces groupes sont mises en évidence afin que vous puissiez mieux comprendre comment les différentes populations préfèrent vos produits.

Mettez en surbrillance un cluster dans le graphique supérieur pour en savoir plus sur ce cluster. Cliquez dessus pour ouvrir les détails du cluster ci-dessous.

Détails du cluster

1. Résumé : la barre supérieure des détails du cluster donne un résumé rapide des détails les plus importants, principalement le cluster auquel il s’agit, la signification statistique du cluster, la manière dont les répondants ont généralement répondu aux questions démographiques, le nombre de réponses dans ce cluster et le pourcentage de réponses auquel ce cluster s’applique. Vous pouvez également cliquer sur cette partie pour développer et réduire le reste des informations.
   Exemple : dans le cluster 1 illustré ici, les réponses proviennent généralement des personnes qui gagnent 50 000 $ à 59 999 $ par an, qui louent des appartements et sont célibataires. La force du cluster est faible, ce qui signifie que le cluster n’est pas statistiquement significatif. 7 répondants correspondent généralement à ce modèle, qui est 77,8 % du jeu de données complet. Il s’agit d’un très petit ensemble de données, il est donc probable que les décisions ne doivent pas être prises sur la base de ces résultats.
2. Démographie : série de barres de répartition affichant la manière dont les membres de ce cluster ont répondu aux questions démographiques. Chaque barre de répartition est étiquetée par la réponse la plus fortement corrélée aux scores de l’utilitaire pour les attributs du package optimal. Cependant, vous verrez que les personnes d’un cluster varieront dans leur réponse.
   Exemple : La disposition de vie préférée du cluster 1 est un appartement. Cependant, les appartements ne sont pas répertoriés comme le choix le plus courant pour ce cluster. C’est parce que ceux qui vivent dans des appartements sont tout simplement plus susceptibles d’avoir choisi une vacances en Jamaïque pendant 2 semaines à 1500 $ pour être le meilleur forfait possible que ceux du cluster qui ont des conditions de vie différentes.
3. Package optimal : il s’agit du meilleur package pour les membres du cluster. Les données démographiques mises en surbrillance ont des scores d’utilité élevés pour les attributs sélectionnés ici.
4. Aperçu de l’analyse et simulation des packages : cliquez sur ces boutons pour afficher les résultats conjoints et le simulateur pour les données de ce cluster, uniquement.

Détermination de la force du cluster

Qualtrics utilise une mesure appelée évaluation de la silhouette pour déterminer la force de chaque cluster. Ce score génère une valeur comprise entre 0 et 1 qui détermine le degré de regroupement des répondants. Nous utilisons le tableau suivant pour convertir le score de silhouette en force de cluster :

Application de clusters aux rapports et au simulateur

Les clusters peuvent être appliqués aux résultats conjoints et au simulateur afin que vous puissiez voir des détails plus spécifiques sur la manière dont les répondants de ce cluster ont évalué les attributs qui leur sont présentés.

Rapports d’analyse conjointe

Dans la section Analyse conjointe de l’onglet Rapports, sélectionnez un cluster dans la liste déroulante en haut à gauche.

Vous pouvez également sélectionner Aperçu de l’analyse lorsque vous avez sélectionné un cluster dans la section Mise en cluster conjointe de l’onglet Rapports.

Simulateur

Dans l’onglet Simulateur, sélectionnez un cluster dans la liste déroulante en haut à droite.

Vous pouvez également sélectionner Simuler packages lorsque vous avez sélectionné un cluster dans la section Clustering conjoint de l’onglet Rapports.