Passa al contenuto principale
Loading...
Skip to article
  • Qualtrics Platform
    Qualtrics Platform
  • Customer Journey Optimizer
    Customer Journey Optimizer
  • XM Discover
    XM Discover
  • Qualtrics Social Connect
    Qualtrics Social Connect

Clustering MaxDiff


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!


Informazioni sul clustering MaxDiff

All’interno delle popolazioni di intervistati del sondaggio ci sono gruppi di persone con idee simili. Questi gruppi, o “cluster”, possono essere determinati in base alla somiglianza delle funzioni preferite da ciascun intervistato. Raggruppando ogni intervistato in base alla propria utilità individuale per ogni attributo, possiamo determinare le sottopopolazioni e quali demografie compongono queste sottopopolazioni.

Qtip: questa funzionalità è incredibilmente utile quando si desidera definire i segmenti.

Preparazione di un sondaggio per il clustering

Prima di poter utilizzare il clustering MaxDiff, devi assicurarti che il sondaggio del tuo progetto MaxDiff stia ponendo le domande giuste. Ciò significa che è necessario configurare determinate funzionalità prima di raccogliere i dati.

Nella scheda Sondaggio, assicurati di aver aggiunto domande a un blocco non MaxDiff. Nell’esempio seguente, il blocco demografico ha una domanda sull’età, sul numero di persone nel nucleo familiare dell’intervistato e altro ancora.

Un sondaggio con domande demografiche

Il blocco Demografia si trova proprio sopra il blocco MaxDiff, anche se è possibile spostarlo come desiderato.

Il blocco è compresso, quindi puoi vedere il fatto che è sopra il blocco congiunto

Formattazione domanda

È possibile condurre il clustering MaxDiff solo utilizzando domande a scelta multipla a selezione singola. Questo perché offrono una selezione finita di scelte che possono essere facilmente analizzate.

  • Demografia: Chiedi informazioni descrittive di base, come età, fascia di reddito, razza o genere.
  • Comportamento: Chiedi in che modo i clienti interagiscono con il tuo brand e con i tuoi prodotti, o sui comportamenti che possono essere correlati al loro comportamento di acquisto. Ad esempio, è possibile chiedere con quale frequenza il cliente va a fare acquisti.
  • Dati operativi: si tratta di informazioni quali il tempo impiegato nel sito Web o la permanenza in carica di un dipendente nell’azienda.
  • Formati delle domande: Formatta le domande sui comportamenti e le convinzioni come scale. L’intervallo su una scala può aiutarci a capire quali punti di scala sono correlati e quindi approssimativamente nello stesso cluster; le domande Sì/No e quelle a selezione singola non sono così utili per l’analisi dei cluster.
    Esempio: se ti chiedi “Che tipo di acquirente sei?” e offri le opzioni “Preferisci lo shopping ai centri commerciali”, “Preferisci lo shopping online” e “Preferisci lo shopping alle boutique”, l’algoritmo di clustering vorrà dividere gli intervistati in tre gruppi, uno per ogni risposta. Se invece ti sei posto come una serie di domande (es. “Ti piace fare acquisti ai centri commerciali?”) con le risposte da 1 a 7, l’algoritmo di clustering farà un lavoro migliore per capire davvero cosa separa i diversi acquirenti l’uno dall’altro.
Consiglio Q: una volta terminata l’aggiunta di domande, non dimenticare di pubblicare.

Attivazione di cluster

Il clustering è disponibile nella sezione Clustering MaxDiff della scheda Report.

il tab di clustering per un progetto maxdiff.

Per visualizzare i dati per la prima volta, potrebbe essere necessario fare clic su Aggiorna nella sezione Analisi MaxDiff.

Pulsante Aggiorna all’estrema destra della scheda Analisi MaxDiff

Qtip: Come i rapporti di analisi MaxDiff, il rapporto di clustering MaxDiff viene aggiornato ogni ora.

Adeguamento dei dati demografici utilizzati nel clustering

Per impostazione predefinita, il clustering MaxDiff utilizzerà ogni domanda del sondaggio a scelta multipla effettuata. Tuttavia, non è necessario utilizzare ogni domanda se non si desidera ed è possibile aggiungere e rimuovere contenuti per visualizzare i diversi cluster consigliati da questa funzionalità.

Rimozione dei dati demografici

Nella casella a destra dell’intestazione Dettagli cluster, fare clic sulla X su una domanda per rimuoverla dall’analisi cluster. La rimozione di una domanda non comporta il ricalcolo dei cluster.

il tab di clustering per un progetto maxdiff. fare clic sulla x accanto a un campo di clustering per rimuoverlo

Aggiunta di dati demografici

Nella casella a destra dell’intestazione Dettagli cluster, fare clic sulla freccia dell’elenco a discesa. Quindi seleziona le domande che desideri aggiungere di nuovo ai cluster.

lelenco a discesa per la selezione dei dettagli del cluster

Cluster consigliati

Una volta raccolto un numero sufficiente di dati e aggiornata la pagina di clustering MaxDiff, questa funzione ti consiglierà dei cluster. Questi cluster sono determinati in base alla somiglianza delle funzioni preferite degli intervistati.  La loro utilità individuale per ogni attributo viene calcolata, quindi i dati demografici comuni tra questi cluster vengono evidenziati in modo da poter comprendere meglio in che modo le diverse popolazioni preferiscono i propri prodotti.

Evidenziare un cluster nel grafico superiore per maggiori informazioni su di esso. Fare clic su di esso per aprire i dettagli cluster di seguito.

cluster per diff. max

Dettagli cluster

la sezione di clustering maxdiff

  1. Riepilogo: la barra superiore dei dettagli del cluster fornisce un rapido riepilogo dei dettagli più salienti, principalmente quale cluster è, la significatività statistica del cluster, il modo in cui gli intervistati hanno generalmente risposto alle domande demografiche, il numero di risposte in questo cluster e la percentuale di risposte a cui questo cluster si applica. È anche possibile fare clic su questa parte per espandere e comprimere il resto delle informazioni.
    Esempio: Nel Cluster 1 qui raffigurato, le risposte tendono a provenire da persone che possiedono il proprio appartamento. 4 intervistati generalmente si adattano a questo modello, che è l’80% dell’intera serie di dati. Si tratta di un set di dati molto piccolo, quindi è probabile che le decisioni non debbano essere prese sulla base di questi risultati. Ciò è indicato anche dalla debole forza dell’ammasso.
  2. Demografia: una serie di barre di suddivisione che mostrano come i membri di questo cluster hanno risposto alle domande demografiche. Ogni barra di suddivisione è etichettata dalla risposta che è maggiormente correlata ai punteggi di utilità per le funzionalità preferite, tuttavia, vedrai che le persone in un cluster varieranno nel modo in cui hanno risposto.
    Esempio: il reddito annuo del Cluster 1 è elencato come “$20.000 – $29.000.” Tuttavia, questo non è il reddito annuo più comune per questo cluster, poiché possiamo vedere che la barra per “$70.000 – $79.000” alla fine è molto più lunga. Ciò è dovuto al fatto che coloro che hanno un reddito inferiore hanno più probabilità di valutare prezzi ragionevoli, durabilità e così via, rispetto a coloro che nel cluster hanno un reddito annuo più elevato.
  3. Prime cinque funzionalità: queste sono le cinque funzionalità che i membri del cluster hanno più probabilità di indicare come preferite quando selezionano le funzionalità da un elenco. I dati demografici evidenziati hanno punteggi di utilità elevati per gli attributi selezionati qui.
  4. Anteprima analisi: fare clic su questo pulsante per visualizzare il report Analisi MaxDiff solo per i dati di questo cluster.
Qtip: Ricordate che le “Demografiche” in questi grafici sono le domande non MaxDiff che hai creato nella scheda “Sondaggio”.

Determinazione della forza del cluster

Qualtrics utilizza una metrica chiamata punteggio della silhouette per determinare la forza di ogni cluster. Questo punteggio produce un valore compreso tra 0 e 1 che determina il grado di clustering degli intervistati. La seguente tabella viene utilizzata per la conversione dal punteggio di silhouette all’intensità del cluster:

Punteggio correlazione Forza della relazione Etichetta resistenza cluster
Da 0,71 a 1,0 Relazione molto forte Forte
Da 0,51 a 0,70 Relazione abbastanza forte Abbastanza forte
Da 0,26 a 0,50 Relazione un po’ debole Abbastanza debole
Da 0 a 0,25 Nessuna relazione significativa Debole

 

Applicazione di cluster a report

I cluster possono essere applicati al report Analisi MaxDiff in modo da poter visualizzare dettagli più specifici su come gli intervistati in questo cluster hanno valutato gli attributi loro presentati.

Mentre nella sezione Analisi MaxDiff della scheda Rapporti, selezionare un cluster dall’elenco a discesa Segmenti in alto a sinistra.

Nei report MaxDiff, lelenco a discesa è espanso e viene selezionato un cluster

È anche possibile selezionare Anteprima analisi quando è stato selezionato un cluster nella sezione Clustering MaxDiff della scheda Report.

immagine del tab di clustering maxdiff

Pulsante di analisi dellanteprima allinterno di un cluster

Molte delle pagine di questo sito sono state tradotte dall'originale in inglese mediante traduzione automatica. Sebbene in Qualtrics abbiamo profuso il massimo impegno per avere le migliori traduzioni automatiche possibili, queste non sono mai perfette. Il testo originale inglese è considerato la versione ufficiale, e qualsiasi discrepanza tra questo e le traduzioni automatiche non è legalmente vincolante.