Các bước tiến hành - Phương thức tiến hành của Lad- 123docz.net

6. Phương thức tiến hành của Laddering

6.2. Các bước tiến hành

Cuộc phỏng vấn laddering cơ bản có hai bước quan trọng. Đầu tiên, người phỏng vấn phải xác định các tiêu chuẩn lựa chọn quan trọng mà người tiêu dùng yêu cầu để sử dụng trong việc đưa ra một sự lựa chọn mua hàng từ trong các quá trình xem xét, lựa chọn thay thế (có lẽ một số thương hiệu khác nhau).

Thứ hai, người phỏng vấn tìm kiếm để tìm hiểu lý do tại sao những tiêu chuẩn được lựa chọn là quan trọng, nổi bật, hoặc có liên quan đến người tiêu dùng. Điều này được thực hiện bằng cách hỏi một loạt các câu hỏi đơn giản "tại sao" ("Tại sao nó quan trọng với bạn”). Cách tiếp cận cuối có nghĩa là giả định rằng người tiêu dùng đánh giá cao các thuộc tính nhất định của sản phẩm bởi vì những thuộc tính đó được xem là công cụ sản xuất (hoặc dẫn đến) quan trọng có liên quan đến kết quả hay hậu quả.

Cuộc phỏng vấn laddering vẫn tiếp tục thăm dò khách hàng, nhiều lý do trừu tượng nổi bật hay tầm quan trọng bằng cách hỏi lý do tại sao mỗi kết quả được đề cập là quan trọng cho người tiêu dùng ("Tại sao nó quan trọng với bạn rằng tài khoản của bạn có thuận tiện cho việc đi làm"). Gần như luôn luôn, kết quả là rất quan trọng bởi vì nó dẫn đến một hệ quả trừu tượng rất cao, ("Một vị trí thuận tiện giúp tôi tiết kiệm thời gian và vì thế tôi có nhiều thời gian hơn với gia đình của tôi"). Một số cuộc phỏng vấn laddering đạt được mức độ giá trị trừu tượng rất cao, ("Dành nhiều thời gian hơn với gia đình tôi làm cho tôi cảm thấy như là cha mẹ tốt").

Hầu hết các cuộc phỏng vấn laddering dừng lại ở mức độ đánh giá cao, cơ bản là sự

"kết thúc" của một chuỗi nguyên nhân kết quả, bởi vì không có giá trị hiệu quả ở mức độ cao hơn để nó được xem là hàng đầu. Như với hầu hết các phương pháp định tính, người phỏng vấn là công cụ quan trọng trong Laddering. Các dữ liệu mà Laddering có là những gì mà người phỏng vấn thu thập được. Mặc dù có vẻ đơn giản và dễ dàng, nhưng các cuộc phỏng vấn laddering thực sự là khá phức tạp. Cuộc phỏng vấn laddering đạt kết quả tốt đòi hỏi người phỏng vấn thông minh và giàu kinh nghiệm.

Người phỏng vấn cần hiểu khái niệm cơ sở cho việc tiếp cận chuỗi mean - end. Họ cần phải hiểu được logic của cuộc phỏng vấn laddering và biết lý do tại sao những điều

nào đó cần được thăm dò và nhấn mạnh. Cán bộ phỏng vấn phải nhanh chóng xác định những khái niệm quan trọng và theo dõi ý kiến để xác định các khái niệm không phải được bỏ qua.

Thực tế các cuộc phỏng vấn được thực hiện dưới sự giám sát của một người phỏng vấn có tay nghề cao là điều lý tưởng để đạt được kiến thức cần thiết về laddering. Tuy nhiên ở một mức độ nào đó, người phỏng vấn có thể tìm hiểu được các thông tin hữu ích thông qua việc đọc về kỹ thuật laddering.

6.3. Thu thập dữ liệu

Vấn đề đầu tiên các nhà nghiên cứu gần đây đề cập đến đầu tiên là vấn đề thu thập dữ liệu. Gengler (1990) đã sử dụng một chương trình máy tính tương tác để đánh giá thế mạnh của việc kết hợp giữa các khái niệm. Các khái niệm được ưu tiên suy ra trong nhóm tập trung.

Vallette-Florence và Rapacchi (1990) đã sử dụng một thẻ phân loại nhiệm vụ các khái niệm nhóm có liên quan. Cả hai kỹ thuật này phụ thuộc nhiều vào một định nghĩa các khái niệm có liên quan và kém tôn trọng định dạng mở-kết thúc các cuộc phỏng vấn laddering. Tuy nhiên, cả hai kỹ thuật nhanh hơn và dễ dàng hơn để quản lý hơn so với các cuộc phỏng vấn laddering. Vấn đề chính là có hay không các nhà nghiên cứu cảm thấy người tiêu dùng đồng nhất và dự đoán được, đủ để sử dụng một bộ định trước các khái niệm.

Walker và Olson (1991) đã sử dụng một kỹ thuật giấy và bút chì thu thập dữ liệu.

Trong kỹ thuật của họ, một câu hỏi được một nhóm các cá nhân quản lý đồng thời.

Điều này cho thấy kỹ thuật hứa hẹn, nhưng ngăn cản tìm hiểu đặc tính sâu sắc các chỉ tiêu của laddering. Tóm lại, một số các nhà nghiên cứu đang cố gắng để tìm thấy phương pháp thu thập dữ liệu hiệu quả, nhưng trong số này vừa có tiềm năng vừa có thiếu sót khi so sánh với các kỹ thuật laddering của Reynolds và Gutman (1988).

6.4. Phân tích số liệu

Vấn đề thứ hai là cung cấp một nơi tốt hơn để nâng cao hiệu quả khi tiến hành một nghiên cứu means - end: hợp lý và nâng cao quá trình phân tích. Phân tích dữ liệu laddering là một nhiệm vụ phức tạp đòi hỏi nhiều nỗ lực bởi rất nhiều các nhà phân tích có tay nghề cao cho một nghiên cứu vừa. Các bước phân tích cơ bản có thể được tóm tắt như sau (xemReynolds&Gutman,năm1988, một mô tả chi tiết những công việc này):

• Chia nhỏ dữ liệu thô, dữ liệu phỏng vấn được chia thành các cụm từ riêng biệt.

Những cụm từ này là những yếu tố cơ bản phân tích tiếp theo. Điều này liên quan đến việc xem xét các ghi chú, đúng nguyên văn hoặc băng của các đầu dò để thảo luận các yếu tố đại diện tốt nhất cho các khái niệm được thể hiện bởi mỗi cá nhân chủ đề.

• Phân tích nội dung của các yếu tố được lựa chọn ở bước 1.

• Tổng kết của kết hợp giữa các mã nội dung, kết quả trong một đánh giá định lượng của tất cả các mối quan hệ kết hợp, tác động có thời hạn.

• Xây dựng một sơ đồ có ý nghĩa đại diện cho chính ý nghĩa kết quả, được gọi là một HVM.

6.4.1. Bản đồ giá trị cấu trúc (HVM)

Bản đồ giá trị cấu trúc (HVM), kết quả chính từ một phân tích lacddering là đặc tính của một nhóm người trả lời. Có hai quan điểm (one modest, one ambitious) của HVM. Quan điểm modest là một thiết bị cho phép chúng ta nhìn thấy những kết quả chính từ một nghiên cứu của một nhóm người được hỏi Laddering mà không cần phải đi qua tất cả các thang đo riêng lẻ. Quan điểm ambitious là một đánh giá cơ cấu nhận thức của một nhóm người trả lời. Trong khi tài liệu Laddering không có một lập trường rõ ràng mà xem ta nên áp dụng, quan điểm ambitious sẽ phù hợp với nhiều nghiên cứu trước đây đánh giá kết cấu nhận thức, đặc biệt là trong các mô hình kết hợp(Deese, 1965; Szalay & Deese, 1978). Các đối số cho quan điểm ambitious chạy như sau: ở

mức độ cá nhân, dữ liệu không đủ phong phú để đánh giá cơ cấu nhận thức của một người trả lời.

Trong nghiên cứu Laddering, 2 – 3 thang đo thu được từ câu trả lời riêng lẻ của từng người cho thấy từ một khía cạnh cấu trúc nhận thức của mình, nhưng họ không phải đánh giá cấu trúc nhận thức của bản thân bởi vì cấu trúc nhận thức không phải là một tập hợp các chuỗi duy nhất nhưng các mạng lưới tương quan liên kết với nhau.

Tuy nhiên khi ta có được thang đo từ một nhóm người trả lời đồng nhất, thang đo thu được từ chúng thực hiện với nhau và phân tích bởi một thuật toán thích hợp, đưa ra đánh giá cấu trúc nhận thức của nhóm này.

Quan điểm thực hiện cần xác định những hoạt động được chấp nhận khi tập hợp dữ liệu Laddering. Trong các cuộc thảo luận sau đây, giả định thông qua quan điểm ambitious. Tuy nhiên, vấn đề thảo luận sẽ ảnh hưởng đến xử lý số liệu bản đồ giá trị thứ bậc cũng có khi chỉ quan điểm modest được thông qua.

6.4.2. Phân tích trên máy tính dữ liệu mean – end

Sự phân tích của các câu trả lời thu thập được thông qua phỏng vấn Laddering bao gồm một số bước. Để minh họa quá trình này, các dữ liệu thu thập trên sự lựa chọn của người tiêu dùng thực phẩm cho răng nanh của họ được sử dụng như là một

Ví dụ: Thiết lập dữ liệu này chứa câu trả lời từ 67 cuộc phỏng vấn Laddering, với thang đo 1 - 4 được tạo ra từ mỗi chủ thể. Các cuộc thảo luận của phân tích được giới hạn trình bày các giai đoạn phân tích phải đi qua, những cân nhắc quan trọng ở mỗi giai đoạn, và làm thế nào các giai đoạn này có thể tạo điều kiện thuận lợi bằng cách sử dụng Gengler và Reynolds (1989) công cụ hỗ trợ quyết định, LADDERMAP.

Giai đoạn A: Xác định yếu tố của một chuỗi Means - End

Trước hết, bản chất của các dữ liệu thô từ các lực lượng nhà phân tích Laddering để tách các câu trả lời của mỗi cá nhân thành nhiều đoạn ý nghĩa. những phần này tương ứng với các mức khác biệt về ý nghĩa sản phẩm được xác định bởi các nhà phân tích trong phạm vi thang đo. Hai quyết định quan trọng phải được thực hiện

bởi các nhà phân tích ở giai đoạn này. Đầu tiên, bởi vì các cuộc phỏng vấn được mở và đàm thoại tự nhiên, câu trả lời không phù hợp đến chủ đề phải được loại bỏ. Thứ hai, quy định cụ thể gì hợp thành một đoạn ý nghĩa là cực kỳ quan trọng bởi vì các đơn vị này là cơ sở của tất cả các giai đoạn phân tích tiếp tục.

Ví dụ: Một đoạn trích từ một cuộc phỏng vấn Laddering điển hình như "Tôi thích thương hiệu J (thức ăn cho chó) bởi vì nó thì khô và giòn và nó làm sạch răng cho con chó của tôi khi nó ăn’’. Trong tuyên bố này, đối tượng đang thực sự nói rõ hai khối khác nhau của phương tiện cấp thông tin, cụ thể, thuộc tính "khô và giòn" và kết quả

"làm sạch răng cho con chó của tôi’’. Phần mềm LADDERMAP được thiết kế để hỗ trợ trong giai đoạn này. một tương tác tính năng nhập dữ liệu được cung cấp. Theo tính năng này, nhà phân tích có thể nhập nhiều thang đo cho mỗi đối tượng phỏng vấn và lên đến mười "khối" có nghĩa đầy đủ cho mỗi bậc thang. Khi thang được nhập vào mỗi người trả lời, chuyên gia phân tích được nhắc nhở cho giai đoạn đầu của nội dung phân tích được phân loại từng "đoạn" như là một thuộc tính, một hệ quả, hoặc một giá trị.

Phân loại này tạo cơ sở nền tảng lý thuyết của phân tích và hỗ trợ các nhà phân tích nhận thức rõ những gì đang có và không có liên quan "khối" bao gồm từ những câu trả lời đúng nguyên văn.

Giai đoạn B: Phân tích nội dung của dữ liệu Means - End

Tiếp theo, "khối" có nghĩa là phải có nội dung phân tích theo thứ tự để tổng hợp và khái quát hóa giữa các đối tượng. Quá trình này liên quan đến hai bước. Bước đầu tiên là xác định một từ của nội dung mã số mà phân loại có thể được thực hiện. Điều này liên quan đến việc đánh giá sơ bộ các dữ liệu và thiết lập phát triển toàn diện (và đầy đủ) các loại để phân loại tất cả các phần. Bước thứ hai là sự phân công thực tế nguyên văn mỗi mã. Trong một loại sản phẩm tốt được xác định trong đó các nhà phân tích thường có những hiểu biết mạnh và cái nhìn sâu sắc vào nhận thức và động lực của người tiêu dùng, nhiều loại mã số có thể được định nghĩa ưu tiên. Thường xuyên hơn,

tuy nhiên, trong các bước phân tích dữ liệu laddering của sự xác định mã và quá trình phân loại được đan xen và mã số chủ yếu rút ra trong quá trình phân loại

Màn Hình LADDER EDIT Thức Ăn Chó Tiêu Đề ID = 007 Thang Đo = 4

>Tự Do Hơn Để Làm Những Việc Nhiều Hơn Cho Tôi VALUE Từ Đồng Nghĩa: Thành Tựu

>Tiết Kiệm Cho Tôi Thời Gian

CONSEQUENCE Từ Đồng Nghĩa: Tiết Kiệm Thời Gian

>Ít Lộn Xộn, Thuận Tiện

CONSEQUENCE Từ Đồng Nghĩa: Sự Tiện Lợi

> Kết Cấu Khô

ATTRIBUTE Từ Đồng Nghĩa: Mùa Khô

Màn Hình ID = LE-2 Nhập F10 Để Thoát Ra, F1 Để Được Giúp Đỡ Hình 3: Màn hình thang đo từ phần mềm LadderMap

Để tạo điều kiện thuận lợi cho nhiệm vụ này cần nhiều lao động đánh giá cao và đệ quy (dùng hàm hay kĩ thuật để gọi lại chính nó), vốn đòi hỏi con người phán quyết chuyên sâu và ra quyết định, phần mềm cho phép mã hóa tính tương tác trong một định dạng dễ sử dụng. Nội dung thực tế từ các cuộc phỏng vấn được hiển thị trên màn hình, được nhóm theo các mã số đã được chỉ định. Ví dụ của màn hình được hiển thị trong hình.5,2, mà các câu trả lời đúng nguyên văn đã được mã hóa theo các chuyên mục của

"Hương vị" và vị giác’’. Nếu, sau khi kiểm tra, nó được tìm thấy là một số khái niệm được chỉ định không chính xác, nó có thể được sửa chữa dễ dàng và giao cho mã nội dung thích hợp. Ngoài ra, nếu chương trình ban đầu mã hóa là rất cụ thể. Ví dụ, các mã

"Hương vị" và "vị giác" ở trên có thể được kết hợp theo hương vị. Tương tự như các mã sau đó có thể được phân nhóm hệ thống dọc một cách dễ dàng theo một mã lớn hơn, thực hiện tái chỉ định là một nhiệm vụ dễ dàng. Ví dụ, trong hình 4 tất cả các mục trong mục "vị giác" được dễ dàng di chuyển dưới tiêu đề chính của "hương vị" bằng cách đơn giản gán "vị giác" dưới "Hương vị" trong các chương trình mã hóa. Điều này cho phép các nhà phân tích để phân chia, kết hợp, hoặc xác định lại danh mục một cách

nhanh chóng và dễ dàng trên mạng(on – line). Nội dung phân tích nhiệm vụ thực sự là trung tâm phân tích laddering. Đây là bước, nơi mà dữ liệu định tính (đúng nguyên văn, nguyên câu trả lời từ các cuộc phỏng vấn laddering) được chuyển đổi thành mã số danh nghĩa có thể được định lượng. Bởi vì mã số có thể dễ dàng kết hợp phân cấp trong mỗi phần mềm khác khi sử dụng. Chúng ta giới thiệu một số lượng lớn các mã rất cụ thể khi lần đầu tiên phân tích dữ liệu và dần dần kết hợp và họp thành nhóm ý nghĩa tương tự cho đến khi quản lý số lượng còn lại khoảng 50. Tuy nhiên, nếu bạn đang thực hiện phân tích bằng tay, chúng tôi khuyên bạn nên cố gắng giảm số lượng mã số khoảng 50 ngay lập tức. Mặc dù điều này có thể dẫn đến một phân loại sai cao hơn một chút, sự kết hợp các loại bằng tay sẽ được hạn chế khó khăn và chán, bên cạnh việc dễ gây lỗi. Báo cáo danh sách đơn vị từ các phần mềm, bản báo cáo những câu trả lời đúng nguyên văn được phân loại theo từng mã nội dung, có thể được tham khảo tại bất kỳ điểm nào sau nàyđể xem chính xác những gì đã bị sụp đổ thành các mã nội dung cuối. Bất cứ sự phân tích sâu hơn nào của dữ liệu chỉ tốt như phân tích nội dung. Do đó, nhiệm vụ này không thể đánh giá thấp về tầm quan trọng.

>Hương Thơm n=5 Ngon, Giống Như Thịt n = 1 Hương Vị Rắn Chắc n = 1 Mùi Vị Như Thịt Thực Sự n = 1 Hương Vị Đa Dạng n = 1 Hương Vị Giống Thịt n = 1

> Mùi Vị n = 3 Thị Hiếu Tốt Hơn So Với Các Nhãn Hiệu Khác n = 1 Ngon n = 1 Con Chó Của Tôi Thích Mùi Vị n = 1

F2-EDIT SYN F3-Thay Đổi ACV F4-Theo Dõi Mã F10 Thoát Hình 4: Thực hiện nội dung phân tích tương tác

>Hương Thơm n=5 Ngon, Giống Như Thịt n= 1 Hương Vị Rắn Chắc n = 1 Mùi Vị Như Thịt Thực Sự n = 1 Hương Vị Đa Dạng n = 1 Hương Vị Giống Thịt n = 1

> Mùi Vị n = 3 Thị Hiếu Tốt Hơn So Với Các Nhãn Hiệu Khác n = 1 Ngon n = 1 Con Chó Của Tôi Thích Mùi Vị n = 1

F2-EDIT SYN F3-Thay Đổi ACV F4-Theo Dõi Mã F10 Thoát Hình 5: Kết hợp hai chuyên mục trong quá trình phân tích nội dung

Giai đoạn C: Việc xác định sự liên kết giữa mã Nội dung

Một khi các dữ liệu laddering được phân loại thành các mã, nó có thể được phân tích định lượng để tạo ra một giản đồ biễu diễn cấu trúc ý nghĩa. Kết quả cuối cùng của phân tích dữ liệu laddering là một đồ thị đại diện cấu trúc Means – end tổng hợp trên tất cả các đối tượng, HVM. HVM bao gồm các mã nội dung khác nhau có nguồn gốc từ nội dung phân tích được sắp xếp trên bản đồ và kết nối với các đường. Những đường này cho thấy các đường phổ biến về ý nghĩa, đại diện cho các thuộc tính sản phẩm liên quan đến các giá trị cá nhân như thế nào. Mục tiêu chính của phân tích là việc xây dựng của HVM. đó là khuôn khổ để đánh giá vị trí chiến lược trên thị trường.

bao gồm hai giai đoạn này, xác định những gì kết nối cần phải được đại diện trên HVM, hoặc hướng biểu đồ, và xây dựng HVM có thễ đọc được dễ dàng.

Reynolds and Gutman (1988) trình bày một nguyên tắc quyết định dễ hiểu để xác định các liên kết gì nên được minh họa trong HVM. Mỗi liên kết được so sánh với một ngưỡng mức độ. Nếu một liên kết có một thế mạnh cao hơn hoặc bằng giá trị thì liên kết đó hoặc kết nối liên kết được minh họa trên HVM.. Các phần mềm LADDERMAP thực hiện quy tắc này quyết định trong thuật toán xây dựng HVM.

Thuật toán bao gồm ba bước: Đầu tiên, chúng ta xây dựng một hàm ma trận tổng trong đó chứa các nội dung tổng quát của tất cả các trường hợp nơi mà các khái niệm đã được liên kết trong các cuộc phỏng vấn laddering. Các liên kết này có thể được tính theo hai cách, chỉ bao gồm các liên kết trực tiếp hoặc cộng các liên kết trực tiếp với liên kết gián tiếp. Để minh họa liên kết trực tiếp và gián tiếp, xem xét một chuỗi phương tiện cấp của A → B → C. Ở đây, chúng tôi có mối quan hệ liên kết trực tiếp từ A đến B và từ B đến C, liên kết gián tiếp từ A đến C. Tổng của các liên kết trực tiếp và gián tiếp là một chỉ số về độ mạnh của một liên kết. Thông thường, nhiều thang đo sẽ được thu thập từ mỗi cá nhân trong một cuộc phỏng vấn. Số lượng thang đo gợi ra từ mỗi người trả lời cá nhân thường phụ thuộc kiến thức sâu rộng của người trả lời hoặc bao gồm danh mục sản phẩm. Ngoài ra, một người trả lời có thể đặt tên một mối liên