1.3. Tổng quan về phương pháp nghiên cứu
1.3.1. Tổng quan về Preference Mapping (PM)
1.3.1.1. Giới thiệu Preference Mapping (PM)
Preference Mapping (PM) được định nghĩa là phương pháp luận để điều tra thị
Regression. Dữ liệu về thị hiếu của người tiêu dùng có thể được phân tích độc lập mà không cần đến các bộ dữ liệu khác. Tuy vậy mối quan tâm chính thường nằm ở việc tìm hiểu mối quan hệ về sự yêu thích của ngườu tiêu dùng đối với sản phẩm là do những thuộc tính cảm quan nào của sản phẩm mang lại. Phương pháp này rất quan trọng với một số lĩnh vực như phát triển sản phẩm và cải tiến sản phẩm, nhưng phương pháp này cũng có thể đƣợc sử dụng cho các mục đích khác nhƣ mô tả sản phẩm (Helgesen và Nổs, 1995).
PM có thể trả lời đƣợc cho những câu hỏi: Những mẫu/ sản phẩm nào trong danh sách mẫu đƣợc thích nhiều nhất và ít nhất? Các thuộc tính cảm quan nào đặc trưng cho các mẫu được yêu thích nhiều nhất và ít nhất (xu hướng của sự yêu thích nằm ở đặc tính nào)? Người tiêu dùng nào thích những mẫu nào (phân loại) và những đặc trƣng của từng phân khúc khách hàng khác nhau (về tôn giáo, thói quen và thái độ) (Nổs and Nyvold, 2004)
Dữ liệu quan trọng nhất của PM là bảng dữ liệu sự cho điểm về mức độ chấp nhận của người tiêu dùng đối với tất cả các sản phẩm. Điều này đòi hỏi tập dữ liệu thứ nhất phải có hàng và cột tương ứng với số lượng mẫu (J) nhân với số lượng người tiêu dùng (N). Tập dữ liệu thứ hai là tập dữ liệu cảm quan có cùng số hàng (mẫu) nhƣ tập dữ liệu trên, nhưng các cột trong bảng ở đây tương ứng với thuộc tính cảm quan (K) (Tormod Nổs, Per B. Brockhoff and Oliver Tomic, 2010). Đƣợc mụ tả cụ thể ở hỡnh sau:
Hình 1.3.Mối tương quan giữa hai tập giữ liệu chính trong phân tích PM
Hình 1.3. Mối tương quan giữa hai tập giữ liệu chính trong phân tích PM
1.3.1.2. Phân loại
PM được chia làm hai phương pháp: Internal Preference Mapping và External Preference Mapping:
Internal Preference Mapping: phương pháp luận để điều tra thị hiếu của người tiêu dùng đối với một loạt các sản phẩm bằng cách sử dụng dữ liệu chính là điểm thị hiếu của người tiêu dùng đối với các sản phẩm và dữ liệu phụ là dữ liệu mô tả các sản phẩm kết hợp với phương pháp phân tích dữ liệu đa chiều MDPREF (Multidimensional Analysis of Preference Data) và phương pháp PCA (phân tích thành phần chính). Kết quả thể hiện thứ nhất là bản đồ thị hiếu (các sản phẩm đƣợc định vị trên bản đồ theo thị hiếu của người tiêu dùng) và thứ hai là sự tương quan thị hiếu của người tiêu dùng cùng với các tính chất cảm quan của sản phẩm. (Schlich P, McEwan J.A, 1992, 339- 340) Ở một thí nghiệm về sản phẩm táo:
Hình 1.4.Internal Preference Map
Hai đồ thị ở hình sẽ chồng lên nhau tạo thành Internal Preference Map. Mỗi vector ở hình tượng trưng cho 1 người tiêu dùng, mỗi điểm trên hình A chỉ mỗi sản phẩm đƣợc phân bố bởi điểm thị hiếu.
External Preference Mapping: phương pháp này cho phép liên kết thị hiếu của người tiêu dùng với một số đặc tính hóa học, cảm quan, ..v..v của sản phẩm. Cách tiếp
cận này là cần thiết vì nó mang lại cơ sở đáng tin cậy cho bộ phận R&D để điều chỉnh và tạo ra các sản phẩm phù hợp với mong đợi của người tiêu dùng.
Hình 1.5. External Preference Mapping.
Khác với Internal Preference Mapping, bước đầu tiên là lập bản đồ các sản phẩm dựa trên các đặc tính của sản phẩm mà cụ thể là thuộc tính cảm quan. Điều này có thể thực hiện bằng các kỹ thuật phân tích thành phần chính nhƣ Principal Component Analysis (PCA), Correspondence Analysis (CA) hoặc General Procrustes Analysis (GPA). Kết quả đầu tiên này đƣợc đặt tên là bản đồ mô tả cảm quan của các sản phẩm mà ởđó các sản phẩm đƣợc phân bố trên bản đồ với một tọa độ nhất định cùng với các tính chất cảm quan xung quanh nó. Đối với phương pháp này, điểm thị hiếu của người tiêu dùng kết hợp với tọa độ cố định của các sản phẩm trên bản đồ mô tả cảm quan để tạo ra
người tiêu dùng) dựa trên cách cho điểm từng sản phẩm phụ thuộc các đặc tính cảm quan khác nhau của sản phẩm. (Schlich P, McEwan J.A, 1992, Cartographie des Préférences, 342-344)
Mô hình đầy đủ cho mỗi người tiêu dùng được viết như sau:
Y = SiaiXi + SibiXi² + SijcijXiXj
Phương thức PREFMAP sử dụng bốn mô hình con: mô hình vector, mô hình điểm lý tưởng, mô hình elip và mô hình bậc hai. Mỗi mô hình sẽ có bi và cij khác nhau tạo nên các đặc tính thể hiện sự ƣa thích khác nhau trong từng bản đồ thị hiếu. Nhƣ trong mô hình vector có bi và cij bằng 0 và nó giải thích sự yêu thích sản phẩm bằng cách chiếu các sản phẩm trên các vectơ khác nhau. Hạn chế của mô hình này là nó không xét đến một số tiêu chí nhƣ độ mặn hoặc nhiệt độ, sự ƣa thích có thể tăng cho đến khi một giá trị tối ưu, và sau đó giảm. Trong mô hình điểm lý tưởng bi là xác định và cij bằng 0, mô hình này là một hình có dạng Hyperpol, điểm lý tưởng là nơi chỉ sản phẩm được yêu thích nhất. Mô hình elip (đường cong tượng trưng cho phương trình bậc hai) có cij bằng 0 và. Mô hình bề mặt bậc hai: Mô hình này tương ứng với mô hình hoàn chỉnh mà hình dạng là một bề mặt hyperpol. Mô hình này cho phép đƣa vào các tương tác giữa các đặc tính (cijXiXj) .(Schlich P, McEwan J.A, 1992, 353-355)
1.3.1.3. Mẫu và người thử
Việc lựa chọn mẫu để thử nghiệm trong PM thường được cân bằng bởi hoàn cảnh thực tế, các dữ liệu đáng tin cậy và độ tin cậy của dữ liệu đối với số lƣợng sản phẩm thử ít nhất. Nó phụ thuộc chủ yếu vào loại mẫu, ví dụ nhƣ mẫu xúc xích cay có nhiều vấn đề như mùi vị đặc trưng, cường độ cao hơn các sản phẩm ít có tính đặc trưng như bánh quy hay các loại nước. Thông thường số lượng mẫu không vượt quá 8-12 sản phẩm và 5-6 sản phẩm là một sự lựa chọn nhiều nhất trong các thí nghiệm của PM (Helgesen et al., 1997). Thông thường sẽ có 5 tới 10 mẫu cho mỗi người tiêu dùng, tùy thuộc vào loại mẫu được sử dụng. Nếu các mẫu đặc biệt có mùi vị hoặc hương vị, trong hầu hết các trường hợp tốt hơn là gần 5 đến hơn 10. Các sản phẩm được lựa chọn phải có sự phân khúc sản phẩm rõ rệt (Johansen et al., 2010)
Về số lượng người thử, rất nhiều nghiên cứu sử dụng một số lượng người tiêu dùng từ 100 đến 150. Đó là kinh nghiệm chung của các nhà khoa học, rằng điều này là đủ để cung cấp kết quả thú vị và chính xác. Thậm chí một số nhỏ hơn có thể trong một số trường hợp được sử dụng nếu cần thiết, nhưng thấp hơn 50-60 không được khuyến khích.
PM được sử dụng phổ biến nhất là những phương pháp dựa trên mô hình tuyến tính cho mối quan hệ giữa dữ liệu cảm quan và dữ liệu ưa thích cho mỗi người tiêu dùng. Các mô hình này giả định rằng các sở thích cho mỗi người tiêu dùng hoặc giảm hoặc tăng tuyến tính cho mỗi thuộc tính cảm quan. Ví dụ, nếu người tiêu dùng thích vị ngọt, thì gia tăng sự yêu thích cho sản phẩm tăng lên cùng với mức độ ngọt tăng trong phạm vi thí nghiệm. Đây có thể là một giả định hợp lí, nhƣng đối với một số thuộc tính và đặc biệt nếu trong phạm vi thử nghiệm lớn, điều này có thể biểu hiện quá đơn giản hóa. Người tiêu dùng có thể cho một thuộc tính đến một điểm nào đó, nhưng không vượt quá. Một phương pháp tiên tiến hơn của các phương pháp xử lý vấn đề này là mô hình điểm lý tưởng cho phép các đỉnh núi và thung lũng trên bản đồ. Thông thường các mô hình này đƣợc dựa trên các mô hình đa thức bậc hai. Đối với ví dụ về vị ngọt, điều này có nghĩa là thấp hơn một giới hạn nhất định, sự ƣa thích tăng lên tức là vị ngọt cũng tăng, trong khi ở trên giới hạn này, sự yêu thích giảm. Đối với tất cả các phương pháp có sẵn, kết quả đƣợc trình bày trong bản đồ các thuộc tính cảm quan, của các mẫu và của người tiêu dùng thích . Đôi khi hai đối tượng được trình bày với nhau bằng những cái gọi là biplots hoặc trong triplots nếu cả ba cái đƣợc xem xét cùng nhau (Martens et al., 2005)