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

Код:

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.

Источник: http://www.tidydata.ru/correspondence-analysis