Segmentacja łańcuchów środków-celów w wywiadach drabinkowych - podejście sekwencyjne

• Autorzy: Anna Myrda

Warianty tytułu

Means-End Chains Segmentation in Laddering - Sequential Approach

• Języki publikacji: PL

Abstrakty

Teoria środków-celów pozwala na wyjaśnianie zachowań konsumentów ich strukturami poznawczo-motywacyjnymi i dostarcza narzędzi badawczych umożliwiających dotarcie do tych struktur. Efektem przeprowadzenia wywiadów drabinkowych są zestawy sekwencyjnych danych jakościowych, które można wykorzystać w trakcie segmentacji. Celem rozważań jest wskazanie, czy i w jakim stopniu miary odległości wykorzystane w trakcie analizy skupień opartej na sekwencyjnych danych jakościowych wpływają na jej końcowe wyniki. Na potrzeby analiz wygenerowano zbiór składający się ze 120 obserwacji opisanych sekwencją danych złożoną z 3 elementów (A-K-W). Do wyznaczenia podobieństwa między obiektami użyto 6 miar odległości, do oceny zgodności uzyskanych podziałów zbioru wykorzystano skorygowany indeks Randa; dla każdego z podziałów zbioru wyliczono wartości jednej miary poprawności skupień. Z przeprowadzonych analiz wynika, że sposób wyznaczania podobieństwa między obiektami może wpłynąć na wyniki grupowania. (abstrakt oryginalny)

EN

Means-end theory is tool used for better understanding consumer decision - making by their cognitive structures and it provides research tools to reaching these structures. The results of the laddering interviews are sets of sequence qualitative data that can be used during segmentation. The purpose of the article was to show whether and to what extent the measure distances used in the cluster analysis based on the sequence data affect the final results of the analysis. For the purposes of analysis, dataset was generated - there were 120 observations described by sequence data composed of three elements (attribute, consequence, value; in the Figure: A-K-W). To determine the similarity between objects six distance measures were used, the adjusted Rand index was used to assess the compatibility of the partitions of the set; for each of the partitions of the simple measure of cluster correctness was calculated. The analyses show that the method of determining the similarity between objects can affect results of the clustering. (original abstract)

Słowa kluczowe

PL

Decyzje konsumenckie; Segmentacja; Analiza skupień; Sekwencyjność

EN

Consumer decision; Segmentation; Cluster analysis; Sequencing

• Czasopismo: Handel Wewnętrzny
• Rocznik: 2014
• Numer: nr 1 tom 2
• Strony: 116--127

Twórcy

autor

Anna Myrda

• Uniwersytet Ekonomiczny w Krakowie

Bibliografia

• Elzinga C.H. (2008), Sequence analysis: metric representations of categorical time series, http://home.fsw.vu.nl/ch.elzinga/MetricsRevision.pdf [dostęp: 22.02.2013].
• Gabadinho A., Ritschard G., Müller N.S., Studer M. (2011), Analyzing and Visualizing State Sequences in R with TraMineR, "Journal of Statistical Software", No. 40(4).
• Gabadinho A., Ritschard G., Studer M., Muller N. (2009), Mining sequence data in R with the TraMineR package: A user's guide, http://mephisto.unige.ch/pub/TraMineR/doc/1.2/TraMineR-1.2-Users-Guide.pdf [dostęp: 23.02.2013].
• Grabiński T. (1992), Metody taksonometrii, Wydawnictwo AE w Krakowie, Kraków.
• Hamming R.W. (1950), Error-Detecting and Error-Correcting Codes, "Bell System Technical Journal", No. 26.
• Hubert L., Arabie P. (1985), Comparing partitions, "Journal of Classification", No. 2.
• Kąciak E. (2011), Teoria środków - celów w segmentacji rynku. Studium metodologiczno- empiryczne, Wolters Kluwer Polska, Warszawa.
• Kolenda M. (2006), Taksonomia numeryczna. Klasyfikacja, porządkowanie i analiza obiektów wielocechowych, Wydawnictwo AE im. O. Langego, Wrocław.
• Lesnard L. (2006), Optimal Matching and Social Sciences, (w:)"Série des Documents de Travail du CREST", Institut National de la Statistique et des Etudes Economiques, Paris.
• Levenshtein V.I. (1966), Binary codes capable of correcting deletions, insertions and reversals, "Soviet Physics Doklady", No. 10 (8).
• Navarro G. (2001), A Guided Tour to Approximate String Matching, "ACM Computing Surveys", No. 33(1).
• Olson J.C., Reynolds T.J. (2001), The Means-End Approach to Understanding Consumer Decision Making, (w:) Reynolds T.J., Olson J.C. (eds.), Understanding Consumer decision Making. The Means-End Approach to Marketing Decision Making and Advertising Strategy (3-20), Mahwah, Lawrence Earlbaum Associates, New Jork.
• Reynolds T.J., Gutman J. (2001), Laddering Theory, Mhetod, Analysis, and Interpretation, (w:) Reynolds T.J., Olson J.C. (eds.), Understanding Consumer decision Making. The Means-End Approach to Marketing Decision Making and Advertising Strategy (25-62), Mahwah, Lawrence Earlbaum Associates, New York.