Zastosowanie programu personalizacji eMASS jako narzędzia badawczego do oceny korzyści dla konsumentów
27 września 2019
Prezentowany tutaj jest protokół do badania reakcji konsumentów na masową personalizację w kontekście sprzedaży detalicznej online. Protokół szczegółowo opisuje procedurę ankiety online oraz sposób analizowania danych za pomocą modelowania równań strukturalnych i różnic grupowych przy użyciu analiz średnich utajonych.
Nasz protokół wymaga, aby uczestnicy doświadczyli masowej personalizacji przed wzięciem udziału w ankiecie i wykorzystuje dane z ankiety do testowania relacji między odpowiedziami konsumentów. Protokół umożliwia zastosowanie danych konsumenckich do modelowania równań strukturalnych i analizy średnich utajonych w celu uzyskania zaawansowanych danych statystycznych i zwiększenia wiarygodności badań. Nasze badanie przyniesie korzyści badaniom nad wpływem technologii handlu detalicznego lub marketingu na reakcje konsumentów.
Chociaż testowanie kilku testów niezmienniczości, takich jak niezmienniczość konfiguracyjna, macierzowa i skalarna, może być trudne, zalecamy cierpliwość i bardzo dokładne przestrzeganie tej procedury w celu zwiększenia jakości danych. Procedurę zademonstruje Hiyun Kim, uczennica klasy A z mojego laboratorium. Skorzystaj z ankiety online, aby zrekrutować konsumentki, które mają doświadczenie w zakupach odzieży online.
Wyślij wiadomość e-mail z zaproszeniem do kwalifikujących się uczestników, która zawiera informacje dotyczące celu badania i zapewnienie o poufności odpowiedzi. Wyślij wytyczne do tych uczestników ankiety, którzy zgodzą się wziąć udział w ankiecie pokazującej, jak tworzyć trencze za pomocą programu do personalizacji. Uczestnicy, którzy wyrażą zgodę na udział w ankiecie, rozpoczynają procedurę ankiety.
Otrzymują link, który jest połączony z programem eMass Customization w istniejącej witrynie zakupowej i są proszeni o wyobrażenie sobie, że jesteś wystarczająco zamożny, aby kupić fajne ubrania i musisz kupić trencz, aby wziąć udział w ważnym spotkaniu. Będziesz chciał stworzyć wyjątkowy trencz. Przeglądając Internet, natrafiasz na idealną stronę internetową z odzieżą, która ma program masowej personalizacji.
W ciągu 24 godzin od otrzymania scenariusza aktywuj link do ankiety, aby uczestnicy, którzy skończyli swój trencz i są gotowi do wzięcia udziału w ankiecie, mogli kliknąć w link do ankiety. W ankiecie poproś uczestników, aby przesłali zrzut ekranu i cenę stworzonego przez siebie trencza na pierwszą stronę ankiety. Następnie poproś uczestników, aby wypełnili kwestionariusz online dotyczący postrzeganych korzyści i emocjonalnego przywiązania do spersonalizowanego produktu oraz stosunku do programu dostosowywania, intencji lojalnościowych i pytań demograficznych.
Zapewnij nagrodę pieniężną tym uczestnikom, którzy wypełnią ankietę. Po zakończeniu wszystkich ankiet należy zapisać dane ankiety w pliku SPSS zawierającym wszystkie odpowiedzi uczestników ankiety i wykorzystać oczyszczone dane do przeprowadzenia analizy modelowania równań strukturalnych. Korzystając z podziału mediany, zsumuj i uśrednij wyniki sześciu elementów innowacyjności mody i oblicz medianę wyniku innowacyjności mody.
W menu przekształcenia kliknij recode na różne zmienne i zakoduj jedną dla grupy innowacyjnej o niskiej modzie, jeśli średni wynik jest niższy niż mediana. Kliknij dwukrotnie zmienną grupy modowej innowacji, aby przenieść ją do pola Podziel obserwacje według. Następnie przypisz lokalizację katalogu plików wyjściowych, aby zapisać pliki jako Data_low innowacyjność mody.
innovativeness. sav mody sav i Data_high w przypisanym katalogu. Aby potwierdzić zbieżną poprawność, kliknij opcję wybierz pliki danych, Data_TOTAL.sav.
Opracuj model pomiarowy na podstawie pytań badawczych, aby uwzględnić pięć zmiennych utajonych i 17 zmiennych obserwowanych. Ustaw każdą z wariancji zmiennych utajonych jako jedną i kliknij przycisk Oblicz oszacowania. Następnie sprawdź wskaźniki dopasowania modelu pomiarowego na podstawie wyników konfirmacyjnej analizy czynnikowej pojedynczej grupy, indeksu dobroci dopasowania, skorygowanego indeksu dobroci dopasowania, unormowanego indeksu dopasowania, indeksu Tuckera Lewisa, porównawczego indeksu dopasowania i błędu aproksymacji średniej kwadratowej.
W tej reprezentatywnej analizie przeprowadzono jednogrupową konfirmacyjną analizę czynnikową z pięcioma zmiennymi utajonymi i 17 zmiennymi obserwowanymi. Wszystkie krytyczne współczynniki współczynników były istotne, co oznacza, że osiągnięto trafność zbieżną. Wskaźniki dopasowania modelowania równań strukturalnych pojedynczej grupy wykazały akceptowalne dopasowanie.
Przejście od konfirmacyjnej analizy czynnikowej pojedynczej grupy do wielogrupowej potwierdzającej analizy czynnikowej w celu walidacji krzyżowej pięcioczynnikowego modelu pomiaru dla obu grup ujawnia, że osiągnięto niezmienniczość konfiguracyjną i że wszystkie krytyczne współczynniki współczynników były znaczące. Aby przetestować niezmienniczość metryczną, współczynniki zostały ograniczone tak, aby były takie same w dwóch grupach i przeprowadzono kolejną wielogrupową konfirmacyjną analizę czynnikową, wskazując, że różnica chi-kwadrat wynosząca 14,728 nie była istotna i że niezmienność metryki została spełniona. Ponieważ zaakceptowano model niezmienniczości metrycznej, przetestowano niezmienniczość skalarną.
Ponieważ pełny model niezmienniczości metrycznej/pełnej skalarnej był zagnieżdżony w pełnym modelu niezmienniczości metrycznej, przeprowadzono test różnicy chi-kwadrat, który wykazał, że różnica chi-kwadrat wynosząca 11,18 nie jest istotna, a niezmienniczość skalarna została spełniona. Biorąc pod uwagę, że osiągnięto niezmienniczość konfiguracyjną, niezmienniczość metryczną i niezmienniczość skalarną, przeprowadzono analizę średniej utajonej i określono średnie pięciu zmiennych utajonych dla grup o wysokiej innowacyjności, które były wartościami dodatnimi, które były znacznie wyższe niż dla grup o niskiej innowacyjności mody. Program masowej personalizacji może wydawać się trudny w zależności od indywidualnego postrzegania złożoności zadania.
Pamiętaj, aby zapewnić uczestnikom wystarczająco dużo czasu na zaaklimatyzowanie się w programie dostosowywania. Aby rozwiązać problem różnic grupowych w relacjach między zmiennymi utajonymi, można przeprowadzić modelowanie równań strukturalnych wielu grup w celu porównania przeszłych współczynników w grupach. Większość badaczy wykorzystała modelowanie równań strukturalnych wielu grup do porównań grup.
Nasze badanie stanowi kolejny sposób na przeprowadzenie wielu porównań grup w obszarze nauk społecznych.
Wyświetl pełny transkrypt i uzyskaj dostęp do tysięcy filmów naukowych
Przegląd
Niniejszy protokół opisuje metodę badania reakcji konsumentów na masową customizację w handlu internetowym. Szczegółowo przedstawiono procedurę ankiety online oraz analizę danych z wykorzystaniem modelowania równań strukturalnych i analizy średnich utajonych.
Kluczowe elementy badania
Dziedzina nauki
- Zachowania konsumentów
- Sprzedaż detaliczna online
- Modelowanie statystyczne
Wstęp
- Uczestnicy doświadczają masowej customizacji przed wypełnieniem ankiety.
- Dane z ankiety są wykorzystywane do badania zależności między odpowiedziami konsumentów.
- Protokół ten zwiększa trafność wyników badań.
- W celu poprawy jakości danych zaleca się przeprowadzenie testów niezmienniczości.
Cel badania
- Zbadanie reakcji konsumentów na technologie detaliczne.
- Zastosowanie zaawansowanych metod statystycznych do analizy danych.
- Przedstawienie spostrzeżeń na temat wpływu masowej personalizacji na zachowania konsumentów.
Zastosowane metody
- Rekrutacja konsumentek z doświadczeniem w zakupach odzieży za pomocą ankiety online.
- Modelowanie równań strukturalnych do analizy danych.
- Analiza średnich latentnych w celu oceny różnic między grupami.
- Testowanie niezmienniczości w celu zapewnienia jakości danych.
Główne wyniki
- Reakcje konsumentów można skutecznie analizować przy użyciu zaproponowanych metod.
- Protokół umożliwia uzyskanie zaawansowanych wniosków statystycznych.
- Cierpliwość w przestrzeganiu procedury poprawia jakość danych.
Wnioski
- Badanie przyczynia się do zrozumienia zachowań konsumentów w handlu internetowym.
- Wykazuje ono znaczenie rygoru metodologicznego w badaniach konsumenckich.
- Przyszłe badania mogą opierać się na tych wynikach, aby zgłębić dalsze implikacje.
Najczęściej zadawane pytania
Znaczenie dla przemysłu
Niniejszy protokół demonstruje, w jaki sposób rygorystyczna walidacja statystyczna danych dotyczących odpowiedzi konsumentów może wspomóc walidację celu oraz rozwój testów w badaniach i rozwoju (R&D) biofarmaceutycznym. Poprzez zastosowanie testowania niezmienności pomiaru oraz analizy średnich ukrytych, metoda ta wspiera mechanistyczną redukcję ryzyka i zwiększa pewność predykcyjną we wczesnej fazie odkrywania. Podejście to umożliwia zespołom interdyscyplinarnym porównywanie odpowiedzi biologicznych w różnych subpopulacjach przy użyciu zwalidowanych wyników ilościowych.
Strategiczne zastosowania w badaniach i rozwoju biofarmaceutycznym
Wczesne etapy odkrywania i walidacja celu
- Wartość naukowa: Umożliwia weryfikację hipotez terapeutycznych poprzez badanie niezmienności pomiarowej w podgrupach biologicznych.
- Wartość operacyjna: Wspiera ograniczanie ryzyka biologicznego poprzez analizę średnich utajonych, która kwantyfikuje istotne różnice w aktywacji szlaków.
- Wartość prognostyczna: Usprawnia selekcję portfolio poprzez identyfikację mechanizmów docelowych wykazujących spójne wzorce odpowiedzi w różnych modelach wariantowych.
Przesiewanie i opracowywanie testów
- Wartość naukowa: Przygotowuje zwalidowane systemy biologiczne do dalszych etapów analizy poprzez potwierdzenie równoważności pomiarów.
- Wartość operacyjna: Rozwiązuje kwestie standaryzacji i powtarzalności testów poprzez badanie niezmienniczości konfiguracyjnej,metrycznej i skalarnej.
- Skalowalność: Wskazuje na gotowość do screeningu poprzez zapewnienie porównywalności wyników ilościowych w różnych warunkach eksperymentalnych.
Badania translacyjne i przedkliniczne
- Ciągłość translacyjna: Opisuje, w jaki sposób niezmienne pomiary wspierają spójność z biomarkerami translacyjnymi na etapie odkrywania oraz w fazie przedklinicznej.
- Decyzje skorygowane o ryzyko: Umożliwia zachowanie ciągłości od etapu odkrywania po walidację przedkliniczną poprzez potwierdzenie stabilności konstruktu.
- Mechanistyczna redukcja ryzyka: Koncentruje się na wartości predykcyjnej podczas oceny zaangażowania celu w układach istotnych dla danej choroby.
Integracja potoku i przepływu pracy
Metoda ta wpisuje się w kontinuum odkryć, od testowania hipotez po identyfikację związków wiodących, szczególnie w przypadku porównywania odpowiedzi biologicznych w różnych modelach wariantowych.
- Biologia odkrywcza: Wspiera testowanie hipotez i wyjaśnianie szlaków sygnałowych poprzez walidację modeli pomiarowych przed porównaniem konstruktów latentnych.
- Screening: Opisuje gotowość testu poprzez zwalidowane modele pomiarowe, które zapewniają powtarzalne wyniki ilościowe.
- Analityka: Wskazuje modelowanie równań strukturalnych oraz analizę średnich latentnych jako wyniki statystyczne umożliwiające porównanie warunków biologicznych.
- Badania translacyjne: Łączy metodę z ciągłością przedkliniczną poprzez potwierdzenie niezmienniczości pomiarowej, która jest warunkiem koniecznym dla poprawnego dopasowania biomarkerów.
- Ponowne wykorzystanie w przedsiębiorstwie: Przedstawia procedurę testowania niezmienniczości jako możliwość wielokrotnego wykorzystania w celu standaryzacji porównań międzybadawczych.
Wpływ operacyjny i przedsiębiorczy
- Wartość naukowa: Pewność prognostyczna, walidacja celu, redukcja niejednoznaczności mechanistycznej dzięki zwalidowanym modelom pomiarowym.
- Wartość operacyjna: Standaryzacja, powtarzalność i skalowalność analiz biologicznych poprzez testowanie niezmienniczości.
- Wartość strategiczna: Lepsze decyzje typu go/no-go, efektywność kapitałowa oraz zredukowane ryzyko biologiczne na późnych etapach dzięki zapewnieniu równoważności pomiarów.
- Wpływ na portfolio: Priorytetyzacja skorygowana o ryzyko oraz decyzje o dalszym rozwoju oparte na różnicach średnich utajonych z użyciem zwalidowanych skal.
Wskazówki dotyczące wdrożenia
- Wymagana wiedza specjalistyczna z zakresu modelowania równań strukturalnych oraz analizy czynnikowej potwierdzającej.
- Zapotrzebowanie na instrumentarium i infrastrukturę analityczną w postaci oprogramowania do statystyki wielowymiarowej (np. SPSS, AMOS).
- Wymogi standaryzacji międzyzespołowej w zakresie definiowania zmiennych latentnych i wskaźników obserwowalnych.
- Kwestie adaptacji w różnych systemach modelowania podczas wdrażania protokołów testowania niezmienniczości.
- Ograniczenia praktyczne obejmują wymogi dotyczące wielkości próby dla analizy wielogrupowej oraz złożoność testowania niezmienniczości podłużnej.
