Создаем
карты восприятия имиджа

при помощи «correspondence analysis»

Correspondence analysis (анализ соответствий) — это способ визуализации многомерных таблиц сопряженности. При помощи него создаются двухмерные карты, которые отражают зависимости между любым количеством столбцов и строк. Вам не нужно медитировать над многомерными таблицами, достаточно посмотреть на карту, где каждая строка и столбец превращаются в отдельную точку.

КАК ЭТО РАБОТАЕТ
По математической сущности correspondence analysis очень похож на PCA (анализ главных компонент). Попарные расстояния между объектами (измеренные хи-квадратом) моделируется на двухмерную плоскость, как плоская тень объемного облака. Часть информации теряется, зато оставшаяся представляется в удобочитаемой форме.

Маркетологи используют этот инструмент для создания вот таких карт восприятия:

Карта восприятия отражает имидж и близость марок друг к другу

В других случаях анализ соответствий применяется в разведочном анализе данных:

для сегментации рынка, поиска кластеров;
для поиска наиболее дифференцирующих характеристик;
создания карт, которые отражают близость объектов, их характеристик и аудиторий;
визуализации абсолютно любых таблиц сопряженности.

Как создать карту восприятия
имиджа бренда

1. Проведите опрос целевой аудитории
Нужно задать вопрос:

«Какой марке больше всего подходит высказывание ______________?»
В качестве ответа можно выбрать одну или несколько марок. Список высказываний ранжируется каждый раз.

2. Постройте перекрестную таблицу
Такой тип таблиц также известен, как «сводная таблица» и «таблица сопряженности»

3. Примените correspondence analysis к перекрестной таблице
Для этого понадобится функция из программы SPSS или Statistica, специальный макрос Excel или несколько строк на языке R:

функция для correspondence analysis в R


install.packages("MASS")  #скачивание библиотеки для correspondence analysis
library(MASS) #подключение библиотеки
plot(corresp(mytable)) #где mytable - это перекрестная таблица с ответами респондентов

4. Корректно интерпретируйте результаты
Чтобы сделать правильные выводы, обратите внимание на следующие показатели:

Доля инерции, которую объясняет каждая ось. Обычно 2-х осей хватает, чтобы объяснить 70-90% инерции исходных данных. Бывают случаи, когда для создания полной картины хватает одной оси, а бывает, что не хватает и четырех.
Квадрат косинуса. Этот показатель рассчитывается для каждой строки и столбца. Он отражает то, насколько точка на графике объясняется осью. Аналог корреляции с компонентов в PCA.
Абсолютный вклад. Используется для интерпретации осей. Строки и столбцы с высоким абсолютным вкладом являются определяющими геометрическую конфигурацию графика. Точки с минимальными значениями, наоборот, можно удалить из визуализации.

Пример карты аудитории публичных личностей, построенный путем применения анализа соответствий к социально-демографическим характеристикам и интересам их подписчиков в социальных сетях

Понравилась статья?