Sensostat Попробовать демо

Учебник · Модуль 06

Потребительские (аффективные) методы

Гедонические тесты по ISO 11136, 9-балльная шкала, парное предпочтение, JAR и penalty analysis, CATA/RATA с критерием Кокрана.

Модуль 06 из 11~30 мин чтенияинтерактив + проверочный тест
Потребительский тест: участники оценивают продукт дома и в лаборатории, отвечая на гедонические вопросы
Потребительский тест измеряет не «что чувствует человек», а «нравится ли ему»: 100+ наивных потребителей вместо 12 обученных дегустаторов.

Аффективные методы: спрашиваем «нравится ли?»

Потребительские (аффективные) методы измеряют субъективную реакцию: приемлемость, предпочтение, эмоции. Здесь «прибор» — не калиброванная панель, а реальный потребитель, поэтому нужны сотни респондентов и честная статистика средних. Методическая рамка — ISO 11136:2014 (+Amd 1:2020; российский аналог ГОСТ ISO 11136-2017).

Главный инструмент — девятибалльная гедоническая шкала Перьяма (1957): от «очень нравится» до «очень не нравится». Обработка: средние ± доверительные интервалы, ANOVA (продукт — фиксированный, респондент — случайный фактор), пост-хок Tukey, далее — сегментация предпочтений иерархической кластеризацией (метод Уорда): «средний потребитель» часто не существует, существуют 2–3 сегмента с противоположными вкусами.

Потребительский тест · Образец 761
Последовательно-монадическая подача · ISO 11136

Насколько вам в целом понравился образец?

CLT vs HUT: централизованный тест (central location test, CLT) в лаборатории — контроль условий, но «стерильный» контекст; домашний тест (home use test, HUT) — реальный контекст потребления, но нет контроля подачи. Часто связка: CLT для отбора, HUT для финальной проверки.

Предпочтение

  • Парное предпочтение (paired preference): «какой из двух образцов вы предпочитаете?» Статистика — двусторонний биномиальный тест с p₀ = 1/2 (модуль 04 умеет считать и его — в демо Sensostat это отдельный метод).
  • Ранговое предпочтение (ISO 8587:2006): респонденты ранжируют 3–6 образцов; анализ — критерий Фридмана с пост-хок сравнениями (см. модуль 09).
  • Шкала покупательского намерения (5 баллов: «точно куплю» … «точно не куплю») — мост между сенсорикой и маркетинговым прогнозом.

JAR-шкалы и penalty analysis

Шкала JAR (just-about-right, «в самый раз») — биполярная пятибалльная шкала по конкретному атрибуту: 1 — «слишком мало», 3 — «в самый раз», 5 — «слишком много». Она отвечает на вопрос технолога: «что подкрутить в рецептуре?».

Penalty analysis связывает отклонения от JAR с потерей общей приемлемости: mean drop = средний liking группы «JAR» минус средний liking группы отклонения. Правила чтения:

  • анализировать атрибут, если ≥ 20 % респондентов вне JAR (при меньшей доле выводы нестабильны);
  • значимость mean drop — t-критерий, при малых группах — бутстреп (например, 10 000 ресэмплов);
  • приоритет доработки = комбинация доли недовольных и величины penalty.

Карта penalty analysis интерактив

Учебный пример: снековый батончик, 120 респондентов. Ось X — доля респондентов вне JAR, ось Y — падение общей приемлемости (баллы 9-балльной шкалы). Верхний правый угол — приоритетные доработки. Нажмите на точку, чтобы увидеть расшифровку.

Нажмите на точку атрибута.

Как считается penalty — микропример (учебные данные, батончик, атрибут «сладость», 120 респондентов):

Группа по JARnДоляСредний likingMean drop
«Мало сладко» (1–2)3428 %5,9−1,5
«В самый раз» (3)6453 %7,4—
«Слишком сладко» (4–5)2218 %6,7−0,7

Читаем: 28 % считают батончик недостаточно сладким, и их средняя приемлемость на 1,5 балла ниже группы «JAR» — при пороге 20 % это приоритетная доработка (поднять сладость). Группа «слишком сладко» меньше порога (18 %) и penalty умеренный — выводы по ней нестабильны, фиксируем, но не действуем.

CATA и RATA: потребительское профилирование

CATA (check-all-that-apply) — респондент отмечает все подходящие дескрипторы из списка 15–20 терминов. Не требует обучения, работает с 60–100 потребителями. RATA (rate-all-that-apply) добавляет оценку интенсивности отмеченных атрибутов.

Обработка CATA:

  • таблица частот «атрибут × продукт»;
  • критерий Кокрана Q по каждому атрибуту — различаются ли продукты по частоте упоминаний;
  • попарные сравнения — критерий Макнемара с поправкой на множественные сравнения;
  • карта «продукты–атрибуты» — корреспондентский анализ (CA) с бутстреп-эллипсами стабильности.

Воспроизводимый пример: 80 респондентов, 4 снека, атрибут «слишком сладкий». Частоты упоминаний: A = 8, B = 34, C = 12, D = 29. Критерий Кокрана Q = 31,31 (df = 3), p < 0,0001 — продукты значимо различаются по воспринимаемой сладости. Попарно Макнемар: B против C — p ≈ 0,0002; различие B/D против A/C подтверждено. Интерпретация: «B и D воспринимаются потребителями как чрезмерно сладкие».

Карта корреспондентского анализа CATA (иллюстративная)

Продукты (крупные точки) притягиваются к характерным для них атрибутам: «B» и «D» — к «слишком сладкий» и «приторный», «A» — к «натуральный» и «хрустящий». Расстояние читается как сила ассоциации.

Правила дизайна потребительских тестов

  • Объём выборки: скрининг — 30–50 респондентов, полноценный тест — 100+, для сегментации — 150+. CATA/JAR стабилизируются от ~50, для публикаций — 80–100+.
  • Рекрутинг по целевой группе: реальные потребители категории, а не «кто проходил мимо»; квоты по полу/возрасту, если продукт сегментирован.
  • Подача: последовательно-монадическая (по одному продукту с полной анкетой); слепые коды; порядок — латинский квадрат.
  • Не задавайте потребителю аналитические вопросы («оцените интенсивность ноты изоамилацетата») — он ответит, но ответ будет шумом. Потребитель отвечает за «нравится», панель — за «что и сколько».

Что почитать дальше

Проверьте себя

тест модуля 06

Три вопроса по потребительским методам

1. В JAR-тесте атрибут «сладость» вне зоны JAR у 12 % респондентов, penalty значимый. Что делать?

Правило ≥ 20 %: на малой группе mean drop считается по считанным респондентам и нестабилен. Значимость теста не отменяет правила достаточности выборки.

2. Чем CATA отличается от описательного анализа QDA?

Разные данные — разная статистика: частоты против шкальных средних. CATA не измеряет интенсивность, а фиксирует «заметность» атрибута.

3. Зачем после гедонического теста делают кластеризацию потребителей?

Классический пример — кофе: средний liking 6,2 скрывает сегмент «любители крепкого» (8,5) и сегмент «любители мягкого» (4,1). Средний продукт не нравится никому.

Потребительский тест без таблиц вручную

В демо Sensostat уже работают парное предпочтение и 9-балльная гедоника с автоматической статистикой и выводом на языке заказчика.

Попробовать демо →