Analysemethoden

De gebruikte methode voor de conjuncte analyse is de Conjoint Value Analysis (Green et al 2001). Respondenten geven een score aan verschillende profielen op een schaal van 1 tot 10 of 1 tot 100. De 1 tot 10 schaal is in dit onderzoek gebruikt. Voor een voorbeeld van de profielen, zie de enquête in bijlage E. De methode die wordt toegepast betreft een zogenaamd full profile onderzoek: volledige productprofielen (in dit geval SIS-onderdelen) worden gemaakt uit alle attributen. Elk profiel wordt apart weergegeven en beoordeeld door de respondent.

Zoals eerder genoemd, wordt er gebruik gemaakt van een orthogonaal design om alle effecten te kunnen benaderen, bepalen en te verwerken in de enquête. De keuze voor conjoint value analysis is gemaakt op basis van het toepassingsgebied: de bepaling van productsamenstelling(en) en het gebruik voor de plaatsing van zogenaamde ‘me too’ producten in de markt (Van Nierop 2008). In dit onderzoek wordt namelijk onderzocht hoe een ‘me too’ dienst (SIS’s worden ook toegepast door de concurrenten van ASICS) het beste in de markt gezet kan worden op basis van doelgroepvoorkeur voor de samenstelling. Toepassing van SPSS conjoint op de gevonden SIS factoren en attributen levert een orthogonaal design van 18 profielen op. Een voorbeeld hiervan is figuur 6, alle profielen zijn te vinden in de enquête in bijlage E.

Figuur 6. Voorbeeld van een van de gebruikte profielen

4.5 Analysemethoden

Om tot de gewenste informatie te komen, worden op de data van de interviews en de enquête zes verschillende analysemethoden toegepast. Een overzicht:

1. Q-sorting interviews

De data van de 5 sorteringen van stellingen van de experts worden ingevoerd in het PQmethod programma (Schmolck, 2002) dat de statistische analyse mogelijk maakt. SPSS werkt in dit geval niet, omdat het programma geen mogelijkheid heeft om factoranalyse uit te voeren op kleinere groepen respondenten. Dit komt omdat het systeem alleen met principal component analysis werkt. Deze analysemethode is niet toepasbaar op de data die gegenereerd wordt vanuit een Q-sort (Schmolck 2002). De factoranalyse van de Q-sorts zal vervolgens inzicht geven in de factoren die SIS’s vormen. Deze analyse is al aan bod gekomen in paragraaf 4.3.

2. Algemene analyse enquête

Bij de algemene analyse zal de data van de enquête aan simpele beschrijvende analyses onderworpen worden om een beeld te schetsen van de respondenten. Technieken die hierbij gebruikt worden zijn frequentiebepalingen en het berekenen van gemiddelden. Deze informatie dient als beschrijving van de respondenten.

De in de enquête gebruikte stellingen met betrekking tot de relatiebepalende factoren zullen aan de hand van correlaties getoetst worden op samenhang. Onderlinge samenhang tussen variabelen geeft informatie over hoe een variabele zal veranderen onder de invloed van verandering bij een andere variabele (Malhotra 2004). Vanuit het literatuuronderzoek zijn al duidelijke richtlijnen naar voren gekomen betreffende welke variabelen relatiebepalend zijn, de vraag is echter welke situationeel toe te passen om een wenselijk effect te realiseren. Door de gegevens te correleren kan ook uitgezocht worden of er ook afwijkingen zijn ten opzichte van de bestaande literatuur.

4. Conjuncte analyse

Een conjuncte analyse geeft de geïndividualiseerde opvattingen van de respondenten ten aanzien van de verschillende productsamenstellingen. Dit worden de utilityscores of path-worth functions genoemd (Malhotra 2004). Deze utilityscores geven het nut of de waarde die de respondent hecht aan een bepaalde productsamenstelling weer. Op basis van de utilityscores is zeer goed af te leiden welke productsamenstelling (factoren die het product bepalen) het beste werken voor de benadering van de doelgroep als het individu. Door utilityscores te berekenen voor de respondenten is het mogelijk er achter te komen wat de meest ideale samenstelling van een SIS is voor de betreffende doelgroep evenals het individu. 5. Cluster analyse

Cluster analyse geeft de onderzoeker de mogelijkheid om uit een groep respondenten, kleinere groepen te maken die dezelfde waarden of attitudes op variabelen en stellingen delen (Malhotra 2004). Deze groepen zijn homogeen. Over homogene groepen kunnen gemakkelijker generaliserende uitspraken worden gedaan. Dit kan in het kader zijn van bepaalde eigenschappen die de leden van de groepen delen, maar ook in de benadering van een dergelijke groep, waar de leden allen ontvankelijk voor zijn.

De cluster analyses worden toegepast op de data die uit de conjuncte analyse naar voren zijn gekomen (de utilityscores op de SIS elementen). Op basis van de utilities die vanuit de conjuncte analyses aan de respondenten gekoppeld worden, kunnen er mogelijke groepen gevormd worden die dezelfde voorkeur voor SIS kenmerken hebben.

6. Discriminant analyse

Discriminant functies worden gebruikt om te onderzoeken welke variabelen twee of meer natuurlijke groepen onderscheiden (Malhotra 2004). De techniek wordt veelal toegepast wanneer de afhankelijke variabele categoriaal is, bijvoorbeeld een groepslidmaatschap, en de onafhankelijke of verklarende interval of geschaald zijn, bijvoorbeeld leeftijd en niveau van vertrouwen in de partner (Malhotra 2004).

De toegevoegde waarde van deze methode voor het onderzoek is dat het een vervolg aan de uitkomsten van de clusteranalyse kan geven. Uit de clusteranalyse komen mogelijk twee of meer groepen naar voren die op basis van de utilityscores uit de conjuncte analyse overeenkomsten vertonen. Hiermee kan aangegeven worden dat een bepaalde groep een bepaalde benadering van SIS wenst die niet zal gelden voor een andere groep. Deze data zegt echter nog niets over de demografische, of relatiespecifieke voorkeuren van deze groepen, laat staan over hun oordeel over relatiemarketing. Door middel van discriminant analyse kunnen deze variabelen wel aangetoond worden en kan er een completer advies gegeven worden met betrekking tot de juiste vorm van relatiemarketing en SIS benadering van retailers.

Deze manier om met behulp van discriminantanalyses clusters te evalueren en interpreteren, heeft drie voordelen (Howard, Mostafa & Sharp,1982):

Het voorziet in een identificatie van de relatieve belangrijkheid van elke variabele om voor onderscheid te zorgen tussen de clusters.

Het ondersteunt bij het vaststellen van de geloofwaardigheid van de clusters en geeft een identificatie van de betrouwbaarheid van het clusteringproces.

4.6 Conclusie

Uit de onderzoeksopzet blijkt dat er een combinatie van verschillende methoden toegepast wordt. Zo is de conjuncte analyse niet mogelijk zonder input uit kwalitatief onderzoek. Het opstellen en uitwerken van het Q-sorting gedeelte is een klein onderzoek op zichzelf. De verschillende technieken die voor de analyse gebruikt zullen worden zijn eveneens duidelijk uiteengezet. In het volgende hoofdstuk zullen de resultaten van deze aanpak besproken worden.