精华内容
下载资源
问答
  • 通过科学的定性、定量研究,可以了解消费者对产品本身的真实感受与喜好,为企业准确把握产品的市场前景,为...以下则是其就产品口味测试服务项目中具体研究方法。 口味测试研究方法: 定性研究  通过消费者深度访

    通过科学的定性、定量研究,可以了解消费者对产品本身的真实感受与喜好,为企业准确把握产品的市场前景,为产品改进、创新提供思路。具体来讲,不同阶段的口味测试可以为企业提供经济价值。开元研究,成立于2002年,是一家专业的市场调研公司。产品、消费者研究是开元作为综合性调研公司的重要业务内容之一。以下则是其就产品口味测试服务项目中具体研究方法。

    口味测试研究方法:
    定性研究

        通过消费者深度访谈、小组座谈,以及专家访问等形式,确定该产品口味的所有属性。企业必须清楚地知道消费者的这些口味属性的改变如何通过配方调整来实现,且能让消费者通过味觉、嗅觉、触觉等感官感受到。
    定量研究
        一般通过预约访问、定点街访或入户访问的方式。调查主要指标包括:
      1、被访者对该产品口味的整体喜好程度;

    2、被访者对产品各口味属性的评价;

    3、被访者对该产品所承载的功能的评价;

    4、被访者对该产品喜欢与不喜欢方面的描述。

    展开全文
  • 酸奶饮料新产品口味测试研究案例 配对设计是将受试对象按配对条件配成对子,每对中的个体接受不同的处理。配对设计一般以主要的非实验因素作为配比条件,而不以实验因素作为配比条件。 配伍(伍,即队伍,组)...

    酸奶饮料新产品口味测试研究案例

     

    配对设计是将受试对象按配对条件配成对子,每对中的个体接受不同的处理。配对设计一般以主要的非实验因素作为配比条件,而不以实验因素作为配比条件。

     

    配伍(伍,即队伍,组)设计是配对设计的扩展。

     

    配伍组设计又称随机区组设计,为配对设计的扩展,是将受试对象条件(影响实验结果的主要非处理因素)相同或相近者组成若干个区组,再将每个区组中的各受试对象随机分配到各处理组。每个区组中包含的受试对象数等于处理组数。随机区组设计可保证区组内的受试对象有较好的同质性,因此组间均衡性较好,与完全随机设计相比可以提高实验效率。

     

     

    案例导读:

    本案例需要对10组酸奶样品的口味评分进行比较,从中选择最受消费者欢迎的新品。

    在对案例数据进行详细统计描述后,分析师采样多因素方差分析模型得到了口味测试均数的比较结果,从中选择最优样品组,并利用该模型对城市间的差异、城市与品牌的交互作用等问题进行探讨。

     

    分析方法:

    交叉表、多因素方差分析模型

     

    分析过程:

    数据:拆分文件

    描述统计:交叉表

    比较均值:均值

    统计图:误差线条图

    一般线性模型:单变量

     

    学后建议:

    第7章,深入学习方差分析模型

     

    案例背景

    研究项目概况

    为了争夺奶制品市场,某企业研制了两种新口味的酸奶饮料,希望能够扩大自身的市场份额。为了验证新产品是否比市场上的现有产品受消费者欢迎,特委托某市场研究公司在全国范围内选取4个城市,在每个城市采取街访的方式来对消费者进行调查,随机品尝10种样品中的一种,并给出口味的评分(9分制),具体研究概况如下。

     

    分析目的:

    1,这10种样品中更受消费者欢迎的是哪几种?

    2,消费者的口味倾向在这4个城市之间有无差异?

     

    预期目标:

    1,这两种试制品的口味评分不低于另外8种已面市的产品。

    2,如果能够从中筛选出最优的一种,则最为理想。

     

    分析思路与商业理解

     

    数据理解+研究设计框架复查+均值的列表描述+均值的图形描述

     

    不同品牌的评分差异分析

    单因素方差分析模型简介+模型结构+模型检验+单因素方差分析模型的应用条件

     

    品牌作用的总体检验

     

    组件两两比较

    上面的结果表明品牌间是有差异的,但究竟是那些品牌之间有差异那?为了进一步回答此问题,在方法分析后需要使用两两比较方法作进一步的分析。这里采用比较常见的SNK法进行两两比较,操作如下:

     

    表6.5是用SNK法进行两两比较的结果,该方法的输出结果比较特别。简单地说,首先它会将各组在表格纵向按照均数大小排序,然后表格的横向被分成若干个亚组(subsets),不同亚组间的P值小于0.05,而同一亚组内的各组均数则两两无差别,比较的P值均大于0.05。从表6.5中可见,10种品牌被分在两个不同的亚组中,.......

     

    常见两两比较方法的特点

    如何选择两两比较方法

     

    方差齐性检验+误差方差等同性的Levene检验

     

    两因素方差分析模型分析

    两因素方差分析模型简介+多因素方差分析模型的结构+方差分析模型的检验

    方差分析模型的常用术语:

    因素(factor)或者水平(level)+单元(cell)+元素(Element)+均衡(Balance)+协变量(Covariates)+交互作用(Interaction)

     

    拟合包括交互项的饱和模型

    拟合只包含主效应的饱和模型

    组间两两比较

     

    随机因素分析

    至此,对本例的分析似乎已告一段落,但必须指出的是:在本例中,我们将品牌和城市均设定为固定因素,对品牌而言,研究者只希望比较10种样品中哪个更受欢迎,没有任何问题。但是对城市而言,如果研究者只希望分析4个城市间的口味评分有无差异,则以上分析结果是正确的;但如果实际目的是通过这4个城市来推断全国所有同类城市的口味评分有无差异,则这里涉及将结果外推到未出现在样本中的其他城市的问题,它就应当是一个随机因素。换言之,这里的分析结果只能说在这4个城市间是有效的,但不能全国其他城市的情况。

     

    固定因素+随机因素

     

    分析结论与讨论

     

    分析结论

    第一,在10种样品中,大致可分为两个评价层次,口味评分较高的是香*、海*、子*和两种试制品,他们之间无差异。两种试制品的人群测试效果应当是令人满意的,可以考虑投入生产,推向市场。

    第二,在研究中涉及的4个城市中,受访者对相同样品的评分有所差异,广州的平均评分低于北京、上海、成都。

    第三,本次研究中未发现品牌和城市间存在交互作用,即品牌口味评分间的差异在不同城市间是相同的,尚未发现特殊的地域偏好。

     

    Benchmark:用还是不用

     

    参考:IBM SPSS数据分析与挖掘实战案例精粹

    参考:酸奶饮料新产品口味测试研究案例

     

     

     

    展开全文
  • 项目背景:在问卷调研的基础上,分析两种新口味酸奶饮料口味情况; 分析思路:主要通过均数比较的方式,评价口味的差别,因此使用方差分析; 数据分析: 1.通过:分析--描述--交叉表 查看样本的分布情况;总的来...

    项目背景:在问卷调研的基础上,分析两种新口味酸奶饮料口味情况;

    分析思路:主要通过均数比较的方式,评价口味的差别,因此使用方差分析;

    数据分析:

    1.通过:分析--描述--交叉表 查看样本的分布情况;总的来看每个城市的样本量都大于30,符合普通方差分析模型的要求

    方差分析模型应用时对样本的要求如下:

    (1)独立性:各样本必须是相互独立的随机样本,样本含量尽可能相等或相差不大;

    (2)可比性 :样本均值不相同,可比较;

    (3)正态性:样本的总体服从正态分布或近似正态分布,偏态分布不适用于方差分析,对偏态分布应考虑用对数转换、平方根变换、倒数变换、平方根反正弦变换等变量变换方法变为正态或接近正态分布后再进行方差分析。

    (4)方差齐性;各组之间的方差具有齐性;

     2、查看各个口味酸奶的平均值:试制品1的口味评分最高,但是依然不能确定在统计学上具有显著差异

     3、由于该数据有两个维度,因此在进行均值比较时,需要排除:城市的影响;可以使用:数据--拆分文件--按组织输出;

    4、单因素方差分析模型简介

    y=u+a+b-->u为总体的平均水平,a为影响因素在i水平下对应变量的附加效应,所以a之和为0,b为服从正态分布的随机变量

    检验时,若a不为0,则表示有显著差异;

    5、品牌作用的总体检验:分析---一般线性模型---单变量

     结果解读:第一行“corrected model”检验的是,在所有因素(品牌)影响下,假设口味均无差异,假设不成立

    第三行“brand”,检验的是,在brand因素的影响下,假设口味无差异,假设不成立;

    6、究竟哪些品牌之间有显著差异呢?两两比较方法:分析---一般线性模型---单变量---两两比较,选项(方差齐性检验)

    S-K-N----常用,但是当比较的次数较多时,假阳性很高

    LSD,Bonferroni------存在明确的对照组,进行验证性研究,计划好的几个组间的比较

    TUKEY-----多个均数间的两两比较

    Scheffe----其他
    7、上面分四个城市考察了品牌的影响,现在进一步考察城市和品牌两个因素的方差分析模型;

    分析步骤:

    1、数据---拆分文件---分析所有个案,不创建组;

    2、分析---一般线性模型---单变量(因变量--口感评分,固定因子--品牌和城市)

    结果显示:城市和品牌对口感评分均有影响,两者的交互作用,无统计学意义; 

    问题:在进行两两比较时,只选择了随机的两个子集进行分析,是否按照不同品牌之间的口感评分进行比较更为合适;

    展开全文
  • 消费者的口味在不同城市有什么不同 分析城市和品牌是否存在交互作用   交叉表   不同因素下均值描述 步骤:分析——比较均值——均值 条图显示不同品牌的口味评分均值(带误差线)   不同品牌评分...

    分析目的

    • 在10中种样品中,最受欢迎的是哪几种
    • 消费者的口味在不同城市有什么不同
    • 分析城市和品牌是否存在交互作用

     

    交叉表

     

    不同因素下均值描述

    步骤:分析——比较均值——均值

    条图显示不同品牌的口味评分均值(带误差线)

     

    不同品牌评分分析

    避免城市因素的干扰(可能存在交互项),对每个城市的样本分别进行分析

    按城市分割文件

    步骤:数据——拆分文件——选择城市作为分组依据

     

    单因素方差分析

    由于品牌的值为字符串变量,无法在比较均值——单因素ANONA分析中显示,因此采用一般线性模型——单因素即可

    由上图可知,p<0.05,拒绝原假设:没有差异。推出在成都不同品牌间的评分是有显著性差异的(其他城市与上表类似,不再赘述)。

    两两比较到底是哪几种品牌有明显的差异

    S-N-K检验

    不同子集的个体是有显著差异的,例如子集1中的"三*"和子集2中的"试制品2"

    不同两两比较的检验选择:

    单因素方差分析需要满足方差齐性检验

    P>0.05,接受原假设,认为方差是相等的,满足方差齐性

     

    建立包含交互效应的饱和模型的方差分析

    步骤:分析——一般线性模型——单因素

    交互项的的p值>0.05,表明交互相关不显著。

    剔除交互项,建立主效应的方差分析模型

     

    因为交互项的影响不显著,因此可以直接选择city和brand两两比较

    由上图可知,广州的评分比成都评分小好多,其他城市两两差异不明显;10种样品种,试制品1的评分最好,且香*、海*、子*、试制品1、试制品2的评分五明显差异。

     

    python实现

    交叉表

    import pandas as pd
    import numpy as np
    import matplotlib.pyplot as plt
    plt.style.use("ggplot")
    
    data = pd.read_csv(r"C:\Users\Administrator\Desktop\city&brand.csv",encoding = "utf-8")
    
    data.groupby(["city","brand"]).count().unstack()
    	result
    brand	E	F	G	H	I	J	K	L	M	N
    city										
    1	40	40	37	45	37	51	48	48	43	46
    2	44	41	42	44	36	47	42	46	53	52
    3	33	43	46	51	57	36	48	38	36	37
    4	45	38	44	38	43	48	44	44	55	45

    不同城市、品牌的评分均值

    data.groupby(["city"]).result.mean()
    
    city
    1    6.222989
    2    6.165548
    3    5.920000
    4    6.306306
    Name: result, dtype: float64
    
    data.groupby(["brand"]).result.mean()
    
    brand
    E    5.845679
    F    5.598765
    G    6.692308
    H    5.679775
    I    5.895954
    J    5.736264
    K    6.747253
    L    6.409091
    M    6.385027
    N    6.494444
    Name: result, dtype: float64
    

    不同品牌的评分均值柱状图

    brand_std = data.groupby(["brand"]).result.mean().std()
    data_brand = data.groupby(["brand"]).result.mean()
    data_brand.plot(kind = "bar",yerr = brand_std,error_kw ={'ecolor':"k","elinewidth":1,"capsize":4})

    选取成都做单因素方差分析

    from statsmodels.formula.api import ols
    from statsmodels.stats.anova import anova_lm
    
    data_chengdu = data[data["city"]==4]
    model = ols("result ~ brand",data_chengdu).fit()
    anovat = anova_lm(model)
    print(anovat)
                 df       sum_sq    mean_sq         F    PR(>F)
    brand       9.0   129.160998  14.351222  4.205042  0.000031
    Residual  434.0  1481.181344   3.412860       NaN       NaN

    和spss的方差分析结果一样。

    s-n-k检验没有在python相应的库中找到。。。。。。。。

    建立包含交互效应的饱和模型(在python里,分类变量的值必须为字符串格式,后面改了过来,检验才正确)

    tra_dict = {1:"上海",2:"北京",3:"广州",4:"成都"}
    data.city = data.city.map(tra_dict)
    
    formula = 'result ~ brand + city + brand:city'
    anova_results = anova_lm(ols(formula,data).fit())
    print(anova_results)
    
    
    
                    df       sum_sq    mean_sq         F        PR(>F)
    brand          9.0   303.967975  33.774219  8.746265  6.030751e-13
    city           3.0    32.674024  10.891341  2.820452  3.769134e-02
    brand:city    27.0   120.666503   4.469130  1.157338  2.633372e-01
    Residual    1711.0  6607.127820   3.861559       NaN           NaN

    除了sum_sq有些差别外,其他值都是和spss检验一样的。

    剔除交互项

    formula = 'result ~ brand + city '
    anova_results = anova_lm(ols(formula,data).fit())
    print(anova_results)
    
                  df       sum_sq    mean_sq         F        PR(>F)
    brand        9.0   303.967975  33.774219  8.724939  6.486587e-13
    city         3.0    32.674024  10.891341  2.813575  3.803745e-02
    Residual  1738.0  6727.794323   3.870998       NaN           NaN

    完。

    展开全文
  • 比较均值:列表和图形 拆分文件 单因素方差分析 双因素方差分析(含交互项、只含主效应) 组间两两比较 随机因素分析 ...将样本的总变异分解为随机误差的作用、某影响因素的作用。...分析10种不同口味(8个竞争...
  • 产品留置测试

    2014-03-21 14:37:10
    产品留置测试是开元研究调研公司市场调研中测试产品的方法之一:把待测试产品放在消费者家里或其它自然的使用环境里,让消费者按自己的习惯方式使用产品,然后进行回访,了解消费者对产品的评价,。 何时使用产品...
  • 产品测试

    2014-03-21 13:01:55
    产品要经历引入、成长、成熟和衰退的生命周期,在成熟期或衰退期,公司必须扮演一个积极的角色来扩展产品线延长产品生命周期、重新设计产品以保持其优势、开发新产品来维持年收入; 新产品上市研究是基于完整新产品...
  • 产品包装测试方法

    2014-03-21 11:22:21
    包装是产品重要属性之一。产品的包装除了具有保护产品、携带便利的功能外,新颖... 对新产品上市或者老产品变换包装时,通常需要在目标消费者中进行效果测试测试的要点包括:包装是否能够清楚的传送产品(品牌)所具
  • 产品测试研究

    2014-03-17 10:29:58
    产品设计阶段的概念测试、价格测试一直到产品上市前的包装测试、广告测试等。产品测试研究能够帮助企业的研发人员解决如下方面的问题:  如何使产品的属性特征最优化从而更吸引顾客;   如何确定产品的竞争...
  • 您的产品需要消费者为您买单,顾客真的需要你们的产品和服务吗?消费者购买你们产品的动机强烈吗?您的产品能满足顾客的需求吗?等等一些列问题,对于需要企业而言,找一家专业的市场调研公司是很有必要的,开元研究...
  • 发信人: oOluluOo (同心而离居,忧伤以终老), 信区: WorkLife 标 题: 我想对师弟师妹说-----小企业网络安全产品测试 发信站: 北邮人论坛 (Mon Oct 19 23:03:18 2009), 站内 各位看官看完了外企、国企等精英人士的...
  • 对“待就业六人组”的Beta产品测试报告 安装成功截图 第一次上手体验感觉如何?能否正常运行? 第一次上手体验,界面简洁明了,简约的风格比较迎合个人的口味;能够正常运行; 该产品具有哪些功能? 查询校园招聘...
  • 测试

    2013-01-07 18:12:11
    如何保证软件产品的质量:  BUG修复,代码重构,调试,测试,评审,试运行 软件测试的目的: 找bUG,帮助开发组提高产品质量保证产品整体在某个层次上是合格的  软件测试是质量体系与生产体系的交集,在...
  • 先前的研究表明,个人消费者在给定的产品类别中可能有多种口味。 多口味偏好可能存在于以大产品属性空间和许多不同产品为特征的类别中,例如音乐、视频、餐厅或书籍。 捕捉这种多口味消费者之间的异质性需要新的方法...
  • Hibernate和Spring测试HSQLDB

    千次阅读 2013-11-06 22:59:07
    测试你的对象,您将在运行您的应用程序的确切数据库方言,它始终是一个好主意,但是从一个单元测试的角度来看,你真的只关注Hibernate的对象和它们之间的关系。正因为如此,Hypersonic SQL数据库(HSQLDB)提供了一...
  • LR测试

    2018-04-07 12:29:00
    LoadRunner种预测系统行性能负载测试工具通模拟千万用户实施并发负载及实性能监测式确认查找问题LoadRunner能够整企业架构进行测试通使用 LoadRunner企业能限度缩短测试间优化性能加速应用系统发布周期 LoadRunner种...
  • 数据分析运营---A/B测试中20个必须知道的问题

    万次阅读 多人点赞 2017-04-29 23:49:08
    在网站和移动产品设计和开发中、以及互联网产品运营中,我们经常...虽然传统解决办法多数情况下也是有效的,但A/B 测试(A/B Testing)可能是解决这类问题的一个更好的方法。在软件开发中,产品需求通过多种技术手段来
  • 做为一个测试人员,设计测试用例可以说看家本领,不管你到那一个层次,都需要时时揣摩。我也一直在考虑如何设计出高质量的测试用例,经过多年的学习和实践,从中得出一些心得,在此班门弄斧一番,另外也想抛一块砖换...
  • 导读: 主要引用自豆瓣python小组里的对口味相似度算法的讨论。 enjoy (成都): 问题:类似豆瓣的口味匹配运算,这个也是我比较挠头的. 目前只是简单建立模型如下: A集合中有若干成员a1,a2,a3…… B集合中有若干...
  • 基于需求的测试

    2019-01-13 20:07:05
    但大产品boss一看,明显不对自己的口味,于是乎这次的大改版马上就有进行了一个大改版,改回去了原来的样子。  从上面的例子中可以看出,需求实现后又被推翻的根本原因在于: 需求调研、分析阶段上下级未达成...
  • 继续这个系列的学习,这一节重点介绍目前流行的性能测试工具以及如何选择适合项目的工具。在此之前,我已经对性能测试工具的原理与架构做了分析。 http://www.cnblogs.com/fnng/archive/2012/07/31/2617546.html ...
  • 产品上市预测是企业遇到的最重要的任务之一。预测结果将影响营销策略的制定,它对于生产计划也很重要。因此新品上市-产品预测这一环节就显得尤为重要了,与此同时,找一家专业的市场调研...示例:以牛奶口味测试为例
  • 前言 阿里的许多实践看似简单,背后却蕴涵着许多思考,譬如测试环境的管理...除此以外,还有许多不对外部用户开放的运行环境,用于产品团队日常的开发和验证,统称为测试环境。正式环境的稳定性,除去软件自身的质...
  • 在竞争日益激烈、新产品的开发和推广具有很大的风险性,如何降低和规避风险是每个积极开发新产品的企业必须面对的问题。...以下则是开元研究全新方案:新品上市调查方案(2)—产品测试中口味测试
  • 用HSQLDB数据库测试Hibernate和Spring

    千次阅读 2016-08-01 14:20:39
    原文地址:  ... 用Hibernate编写应用程序时,你的首要目标是制定正确的域模型,包括对象和关系,然后让Hibernate担心...它总是一个好主意,在您运行的应用程序中来测试您的对象与具体的数据库方言,但是从一个单
  • 移动app测试浅析

    2016-05-27 14:48:00
    移动互联网走到今天,App寡头化的趋势已经越来越明显,同时用户的口味越来越高,这对移动App开发者提出了更高的要求。几年前可能你有一个创意,随便做一个App,就算功能简单,Bug很多,也会有不少用户会使用,因为...
  • 在阿里,我们如何管理测试环境? 前言:良好的代码提交习惯、适当的变更前检查有助于减少故障的发生,但无法彻底杜绝后患。增加多套测试环境副本能够有效控制故障的影响范围,然而企业的资源终归有限,降低测试...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 4,186
精华内容 1,674
关键字:

产品口味测试