In der ersten Spalte „Werbung“ findet ihr den Namen einer geschalteten Anzeige. Diese taucht in der geschalteten Anzeige nicht auf sondern dient lediglich der Unterscheidung.
Die nächsten Spalten (B - W) stellen verschiedene Komponenten der Werbeanzeigen dar. Wenn nun eine Zahl in dieser Region auftaucht, bedeutet dies, dass in der entsprechenden Anzeige die entsprechende Komponente angezeigt wird. Die Zahl selbst spiegelt die Priorität wieder, wie wichtig diese Komponente in der entsprechenden Anzeige ist. Eine 1 bedeutet höchste Priorität. Die unwichtigste Komponente erhält die Zahl 9. Wir durften lediglich 9 Komponenten (aber auch weniger) pro Anzeige implementieren.
In den letzten drei Spalten findet ihr die Bewertung der jeweiligen Zielgruppe für die gesamte Anzeige. Es gibt drei verschiedene Zielgruppen welche alle Anzeigen bewertet haben.
Nun möchte ich wissen welche Komponenten ich bei welcher Zielgruppe mit welcher Priorität in meine Anzeigen implementieren soll.
Es ist außerdem zu vermuten, dass weniger Komponenten in einer Werbung bei bestimmten Zielgruppen besser ankommen als wenn 9 Komponenten in einer Anzeige vorkommen. Aber dies würde die Auswertung wohl zu kompliziert machen, oder?
um eine statistisch relevante Aussage zu machen, mußt Du „alle“ Einzeldaten liefern! D.h. die in Deiner Tabelle aufsummierten Werte können höchstens mittels eines Pareto-Diagramms dargestellt werden, mehr nicht! Typischerweise sind aber deutlich größere Stichproben erforderlich (sh. „conjoint Analyse“ im www)um eine repräsentative Aussage zu Kundenpräferenzen zu machen.
Wenn du die kpl. Originaldaten liefern kannst, kann ich die mittels DOE Analyse mal durchchecken.
Gruß, Michael Langecker (Moers)
_______________________________________________________
Habe die Tabelle mal aktualisiert. Sind jetzt die
neuesten Daten drin.
Dies ist nur eine Computersimulation. Mehr Daten gibt
es leider nicht dazu.
Habe die neuen Daten etwas aufbereitet. Nun haben die
hohen Zahlen auch die höchste Priorität.
Denke mal, das es jetzt einfacher zu handhaben ist,
oder?
nein , das ist noch immer nicht, was ich meine. Um ein Modell, bzw. einen signifikanten Zusammenhang zwischen „input Faktoren“ und „Outputs“ zu erkennen, wird jeder einzelne Datensatz der Befragung gebraucht! Z.B. wenn insg. 1000 Leute der Zielgruppe nach ihren Bewertungen der Spalten B-W pro Kategorie (Add name) befragt wurden, müssen auch diese 1000 Datensätze analysiert werden! Ein Datensatz pro Kategorie reicht da leider bei weitem nicht aus…
So sollte eine repräsentative Datenerhebung in etwa aussehen:
Pro Kategorie (Add name) = min. 90 Leute (30 workhorse, 30 Mercedes, 30 Traveler) nach Ihren Bewertungen fragen und diese Zeile für Zeile aufnehmen. Mit 15 Kategorien ergibt das somit insg. 1350 Datensätze. Diese können dann ausgewertet werden.
Wenn das zu viel Aufwandt ist, sollte die Anzahl der Kategorien reduziert werden, nicht die Anzahl der Messungen pro Kategorie und Usergruppe!!! -> Die Samplesize 30 ist das absolute min. (…sonst wird es vermutlich keine signifikanten Unterschiede geben).
danke für deine Zeit. Tja, leider ist dies nur ein Spiel, und mehr Daten werden uns nicht zur Verfügung gestellt.
Da kann man anscheinend nichts machen.
