Wykorzystanie wirtualnego sklepu jako narzędzia badawczego do badania zachowań konsumentów w sklepie
July 24th, 2017
Ten artykuł opisuje wykorzystanie wirtualnego sklepu stacjonarnego do tworzenia wirtualnych środowisk zakupowych w celu zbadania zachowań konsumentów w sklepie. Przedstawiono opis protokołu do budowy i przeprowadzania eksperymentów, przykładowe wyniki eksperymentu dotyczącego układu sklepu oraz ważne kwestie, które należy wziąć pod uwagę podczas przeprowadzania eksperymentów w sklepie wirtualnym.
Ogólnym celem tego protokołu jest dostarczenie informacji o tym, kiedy wirtualny supermarket może być pomocny w badaniach konsumenckich i jak można wykorzystać oprogramowanie wirtualnego supermarketu. Wirtualny sklep pomaga odpowiedzieć na kluczowe pytania dotyczące tego, jak konsumenci reagują na taktyki marketingowe w sklepie, zwłaszcza gdy są one trudne do udostępnienia w prawdziwym życiu, takie jak układ sklepu. Główną zaletą tej techniki jest to, że wirtualny sklep umożliwia badanie zachowań konsumentów w sklepie w realistycznym i elastycznym, a jednocześnie wysoce kontrolowanym środowisku.
Znaczenie wirtualnego sklepu w badaniach zachowań konsumentów wykracza poza tradycyjny handel detaliczny, ponieważ wirtualna rzeczywistość nie ogranicza się do rzeczywistych lub obecnych środowisk zakupowych. Ogólnie rzecz biorąc, osoby, które są nowe w tych metodach, będą miały problemy, ponieważ wirtualny sklep składa się z wielu funkcji i funkcji. Wizualna demonstracja tej metody ma kluczowe znaczenie, ponieważ etapy przygotowania i gromadzenia danych mogą być trudne do nauczenia.
Wiele szczegółów wymaga specjalistycznej wiedzy, aby zapewnić prawidłowe przygotowanie i wdrożenie. Zacznij od otwarcia interfejsu kreatora wirtualnego sklepu, klikając dwukrotnie ikonę edytora VirtualShop na pulpicie. Otwórz szablon sklepu, który jest odpowiedni dla badania, klikając Plik, a następnie klikając przycisk Otwórz.
Wybierz żądany szablon sklepu. Aby dokonać modyfikacji sklepu w oparciu o warunki eksperymentalne i plan badań, użyj prawego przycisku myszy i poruszaj myszą, aby powiększać i pomniejszać. Użyj lewego przycisku myszy i przesuń mysz, aby zmienić punkt widzenia.
Zastąp istniejące produkty interesującymi Cię produktami, klikając dwukrotnie istniejący produkt, a następnie naciskając przycisk Usuń na klawiaturze, aby usunąć ten produkt. Następnie kliknij niebieską strzałkę na pasku menu, aby otworzyć bibliotekę produktów. Kliknij opcję Kategoria produktu, a następnie wybierz odpowiednią kategorię produktów.
Na przykład owoce. Przeciągnij wybrany produkt, przytrzymując lewy przycisk myszy, i umieść produkt na żądanej półce. Aby skonfigurować główny eksperyment, najpierw wybierz nazwę warunku sklepu w polu ShopConfig i wpisz nazwę środowiska sklepu w polu Środowisko, na przykład Supermarket001.
Kliknij Odśwież sklep, aby otworzyć sklep dla głównego testu. Następnie pojawi się pole Rozpocznij. Następnie otwórz program do zarządzania danymi na innym komputerze.
Utwórz nową obserwację, klikając opcję Obserwacja na górnym pasku menu, a następnie klikając pozycję Obserwacja i nowa. Nazwij obserwację i kliknij przycisk OK. Rozpocznij nagrywanie, naciskając przycisk w czerwonym kółku, a następnie wypełnij zmienne zdefiniowane przez użytkownika, takie jak warunek eksperymentalny, a następnie kliknij przycisk OK. Upewnij się, że program rozpoczyna rejestrowanie danych, sprawdzając, czy okna wtyczki danych stanu i wtyczki zdarzenia stanu pokazują zielone znaczniki wyboru, że upływa czas i że liczba kolumn próbki w oknie wtyczki danych stanu rośnie. Teraz, gdy konfiguracja jest gotowa do głównego zadania, posadź uczestnika, który już wykonał zadanie ćwiczeniowe, przed środkowym ekranem LCD i w niewielkiej odległości od środkowego ekranu.
Dostosuj krzesło tak, aby poziom oczu uczestnika odpowiadał położeniu ekranów. Następnie poinstruuj uczestnika, aby nacisnął przycisk Rozpocznij, aby rozpocząć wizytę w sklepie. Poinformuj uczestnika, aby używał joysticka do poruszania się po sklepie lub do zmiany poziomu wzroku.
Powiedz im, aby używali myszki do wybierania, kupowania lub zwracania produktów oraz aby wybrali kierunek spaceru na skrzyżowaniu. Następnie zostaw uczestnika samego, aby mógł robić zakupy bez przerwy. Sprawdź ponownie program do zarządzania danymi, aby upewnić się, że dane są rejestrowane, sprawdzając wtyczkę danych stanu i okna wtyczki zdarzenia stanu, pokazujące rosnącą liczbę próbek i zdarzeń.
Poczekaj, aż uczestnik skończy zakupy w wirtualnym sklepie. Przypomnij uczestnikowi, aby sprawdził koszyk, naciskając F1, i nacisnął Escape, aby zakończyć zadanie zakupów. Następnie naciśnij przycisk stop programu do zarządzania danymi na drugim komputerze, aby zatrzymać nagrywanie.
Zaprowadź uczestnika do innego obszaru i poproś go, aby wypełnił kwestionariusz mierzący jego doświadczenia zakupowe, postrzeganie sklepu i chęć ponownego odwiedzenia sklepu. Na koniec wróć do programu do zarządzania danymi i kliknij przycisk Wizualizuj, aby sprawdzić zarejestrowane dane. Upewnij się, że wykres i dane zakupionych produktów są pokazane.
Skonfiguruj filtr danych dla zachowań związanych z zakupami, klikając Profil danych w folderze Analizy w kolumnie menu po lewej stronie. Następnie wybierz pole Zagnieżdż nad zachowaniami pod nagłówkiem Wybierz interwały, co spowoduje wyświetlenie pola zagnieżdżonych zachowań. Następnie zaznacz wszystkie interesujące Cię zachowania i kliknij przycisk OK. Przeciągnij pole zachowań zagnieżdżonych i upuść je między polami Początek i Wyniki.
Następnie upewnij się, że wszystkie pola są połączone strzałkami i że w polu Wyniki jest wyświetlana prawidłowa liczba obserwacji. W folderze Analizy kliknij pozycję Analizy zachowania, a następnie kliknij pozycję Nowa analiza zachowania, aby otworzyć tabelę wyników związanych z zachowaniem. Kliknij Oblicz w lewym górnym rogu paska menu, aby wyodrębnić wyniki.
Upewnij się, że zachowania zakupowe uczestnika są wyświetlane w osobnych wierszach. Na koniec kliknij przycisk Eksportuj, aby wyeksportować dane i nazwij wyeksportowany plik. W tym badaniu sklepy w supermarketach zostały zbudowane przy użyciu czterech różnych układów, w których długość półek, krótkie i długie półki oraz orientacja półek, równoległe i nierównoległe, były zróżnicowane.
Wyniki wykazały, że gdy półki były ustawione równolegle, długość półek nie miała wpływu na liczbę badanych produktów, ani na liczbę zakupionych produktów. W przeciwieństwie do tego, gdy orientacja półek była nieporównywalna, krótsze długości półek stymulowały większą liczbę badanych i kupowanych produktów niż dłuższe półki. Oprócz zachowań związanych z wyborem produktów, wirtualny sklep rejestrował również całkowity czas zakupów i dystans przejścia, co wskazywało na istotne różnice między równoległą i nieporównywalną orientacją półek.
Wreszcie, wyniki ujawniły, że konsumenci o motywacji hedonistycznej poszukiwali i kupowali więcej produktów niż konsumenci o motywacji utylitarnej. Spędzają też więcej czasu w sklepie i chodzą pieszo na dłuższe dystanse. Próbując wykonać tę procedurę, należy pamiętać, że sesja treningowa jest niezbędna, aby zapoznać uczestnika z wirtualnym sklepem i zminimalizować uprzedzenia generowane przez różne umiejętności obsługi komputera.
Co więcej, jasne instrukcje dotyczące tego, co uczestnik powinien, a czego nie powinien robić, są niezwykle ważne, aby pomóc uczestnikowi ukończyć eksperyment. Zgodnie z tą procedurą, inne narzędzia, takie jak eye tracker, mogą się łączyć, aby odpowiedzieć na pytania, takie jak informacje, których konsumenci używają do dokonywania wyborów. Technika ta toruje drogę naukowcom zajmującym się badaniami konsumenckimi do badania reakcji konsumentów na strategie marketingowe w sklepach i na nowe produkty, których nie ma jeszcze na rynku.
Po obejrzeniu tego filmu powinieneś dobrze zrozumieć, jak korzystać z wirtualnego supermarketu na komputerze stacjonarnym do tworzenia wirtualnych środowisk zakupowych i badania zachowań konsumentów w sklepie. Nie zapominaj, że wirtualny sklep to nowa technologia komputerowa, która jest w fazie rozwoju. Należy ostrzec osoby wyszukujące, aby zapisywały dane tak często, jak to możliwe, aby uniknąć utraty danych.
View the full transcript and gain access to thousands of scientific videos
Przegląd
Ten dokument omawia wykorzystanie wirtualnego sklepu na komputerze stacjonarnym do tworzenia wirtualnych środowisk zakupowych dla badań nad zachowaniami konsumentów. Przedstawia protokół budowy i prowadzenia eksperymentów, w tym przykładowe wyniki dotyczące układu sklepu oraz zagadnienia związane z prowadzeniem eksperymentów w wirtualnym sklepie.
Kluczowe elementy badania
Obszar nauki
- Zachowania konsumentów
- Aplikacje rzeczywistości wirtualnej
- Badania marketingowe
Tło
- Wirtualne supermarkety mogą pomóc w badaniach nad zachowaniami konsumentów.
- Umożliwiają badanie taktyk marketingowych w sklepie.
- Środowiska te są przydatne, gdy trudno jest udostępniać prawdziwe dane.
- Nowi użytkownicy mogą znajdować funkcje i funkcje złożone.
Cel badania
- Zbadanie reakcji konsumentów na marketing w sklepie.
- Przedstawienie zalet wirtualnych środowisk zakupowych.
- Przedstawienie protokołu prowadzenia eksperymentów w wirtualnym sklepie.
Stosowane metody
- Tworzenie wirtualnych środowisk zakupowych.
- Projekt eksperymentu skoncentrowany na układzie sklepu.
- Zbieranie danych w kontrolowanym wirtualnym otoczeniu.
- Demonstracje wizualne w celu ułatwienia zrozumienia.
Główne wyniki
- Wgląd w zachowania konsumentów w wirtualnych środowiskach.
- Dowód na skuteczność układu sklepu na wybory konsumentów.
- Wykazanie elastyczności wirtualnych środowisk do badań.
- Identyfikacja wyzwań dla nowych użytkowników technologii.
Wnioski
- Wirtualne sklepy są cennym narzędziem do badania zachowań konsumentów.
- Zapewniają realistyczne, ale kontrolowane środowisko badawcze.
- Właściwe szkolenie i pomoce wizualne są niezbędne do efektywnego użytkowania.
Często zadawane pytania
Executive Industry Relevance
Understanding consumer responses to in-store marketing tactics is critical for optimizing product placement, packaging, and promotional strategies in the pharmaceutical and consumer health sectors. Virtual store environments enable realistic yet controlled investigation of shelf layout, product assortment, and navigation behaviors that directly influence purchase decisions. This approach supports predictive confidence in early-stage concept testing and reduces reliance on costly real-world pilots.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables hypothesis testing of how environmental factors like shelf length and orientation influence consumer examination and selection behaviors.
- Operational Value: Provides a flexible, reusable platform to test product concepts without physical prototyping or market availability constraints.
Screening & Assay Development
- Scientific Value: Generates quantitative dependent variables such as shopping time, walking speed, and number of products examined to evaluate consumer engagement.
- Operational Value: Standardizes data collection through automated logging of behavioral metrics, supporting reproducible experimental conditions across studies.
Translational & Preclinical Research
- Scientific Value: Captures motivation-driven behaviors (hedonic vs. utilitarian) that correlate with deeper consumer engagement and product affinity.
- Operational Value: Facilitates translation of virtual findings to real-world retail strategies by isolating environmental variables difficult to manipulate in physical stores.
Pipeline & Workflow Integration
The virtual store method integrates into the consumer insights workflow by enabling early-stage hypothesis generation and behavioral de-risking before market testing or clinical translation of OTC products.
- Discovery Biology: Supports interrogation of how store layout influences product discovery and decision-making pathways in simulated environments.
- Screening: Delivers assay-ready behavioral outputs like product examination counts and purchase rates for comparative condition analysis.
- Analytics: Enables extraction of nested behavior data streams (e.g., time, distance, selection patterns) for statistical comparison across experimental layouts.
- Translational Research: Connects virtual observations to real-world shelf optimization by demonstrating how orientation and length affect movement and choice.
- Enterprise Reuse: Functions as a reconfigurable platform for testing multiple product categories, layouts, and consumer segments without physical reconstruction.
Operational & Enterprise Impact
- Scientific Value: Reduces mechanistic ambiguity in consumer behavior by isolating environmental influences on product interaction and choice.
- Operational Value: Ensures reproducibility through standardized data management plugins and synchronized event tracking across devices.
- Strategic Value: Improves go/no-go decisions for product concepts by predicting real-world shelf performance under controlled variables.
- Portfolio Impact: Enables risk-adjusted prioritization of packaging, placement, and formulation strategies based on observed navigation and selection patterns.
Implementation Considerations
- Requires expertise in virtual environment setup, including template modification and product library configuration.
- Dependent on dual-computer synchronization: one for virtual store rendering, another for data management and behavioral logging.
- Necessitates participant training and practice sessions to minimize bias from varying computer literacy or navigation skills.
- Requires clear instructional protocols to standardize participant actions (e.g., joystick use, product selection, cart verification).
- Limited to behaviors observable in a desktop VR setting; does not capture physiological or neurocognitive responses without external sensor integration.
