Contents

1 讌螳(conceptual map)
2 (snake plot)
3 語 螳譴豺
4 Conjoint Analysis
5 (utility)
6 Conjoint Analysis 襦
7 Conjoint Analysis Step
8 2 蠏朱(two factors time approach)
9 R 伎 Conjoint Analysis
10 谿瑚襭



[edit]

1 讌螳(conceptual map) #

  • 譯 2螳讌 (蟇一 谿)
  • 螻螳蟆 螳豺襯 襷伎朱, 蟆曙る覿 谿覲 譴 焔(CBP; core benefit proposition)
conjoint01.jpg

[edit]

2 (snake plot) #

  • 1谿 needs 蟯蟯螻 覲伎
  • 讌螳 覲伎

snake_plot01.jpg
snake_plot02.jpg

[edit]

3 語 螳譴豺 #

  • 旧(螻螳)螳 讌
  • conjoint analysis, preference regression (誤蠏)

[edit]

4 Conjoint Analysis #

  • 煙 覿 螻殊
  • 觜るゼ 伎 讌覃危蟆 煙伎 蟲(trade-off)蟯螻襯 覲伎譴朱 觜 蟆一 れ朱 覲伎譯朱 蠍磯
conjoint02.jpg

[edit]

5 (utility) #

企, 螳碁 麹 語 譯手
conjoint03.jpg

[edit]

6 Conjoint Analysis 襦 #

磯り骸 血ロ蠍一 譴 螻螳 語
conjoint04.jpg

螻
譴讌 + 磯()4 + 3.3 = 7.33
讌 + 谿 + 磯()3 + 3.3 = 6.33
......

螻磯 螳 譟壱 螻螳 磯襯 伎 螳 譴蟆 螳 語企. 讀, 譴讌 血リ骸 磯 れ る 螻螳 譯 伎 蟆企朱 蟆磯.
[edit]

7 Conjoint Analysis Step #

  1. or 觜れ 蟯 炎骸 譴 (Concept )
    • 覓朱Μ 轟
    • 蠍一 轟
    • /觜 蠍磯
    • /覯
    • 螳豺
    • ｸ
  2. 旧蟆 襦
  3. 覦 蟆一(, )
  4. 蠍一 (旧れ 蟆一 蠍一)
  5. 一危 覿 覦覯 蟆一
  6. 一危 蟆郁骸 伎

[edit]

8 2 蠏朱(two factors time approach) #

  • 旧 狩 覲伎襴 譴
  • 豌 覲伎襴 襦 碁, 蟲襷れ 旧 るゼ る 蟆 蠍一誤.

[edit]

9 R 伎 Conjoint Analysis #



BrandColorPrice
A Red $50
B Blue $100
C $150

  • 3 brands 2 colors 3 prices = 18 cards
  • 讀, 18螳讌 讌螳 . 

install.packages("faisalconjoint")
library("faisalconjoint")
data(traditional_data)
data(traditional_levels)
faisalconjoint(traditional_data,traditional_levels)

conjoint.png

library("sqldf")
prof <- sqldf("select Brand, Color, Price from traditional_data")
Conjoint(traditional_data$Ranks, prof, traditional_levels)

data(herbata)
x<-as.data.frame(hprof)
y1<-as.data.frame(hpref[1:nrow(x),1])
model=caModel(y1, x)
print(model)

觜螳 螳 譴蟆 螳 語 襴企慨覃 れ螻 螳.
  1. 螳蟆
    1. 50
    2. 100
    3. 150
  2. 觚
    1. C
    2. B
    3. A

    1. Blue
    2. Red
讀, 螳蟆 > 觚(C) > (Blue) 朱 譴螳 . 螳 碁螳 譟壱 50讌襴 C觚 Blue 貉 企.
[edit]

10 谿瑚襭 #