초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

기업은 신제품을 출시할 때, 제품의 여러 가지 속성들이 어느 수준 조합에서 소비자 선호도가 가장 높은지 조사할 필요가 있다. 이 때 실험계획법의 요인설계를 이용하면 여러 수준 조합의 제품 프로파일들을 효율적으로 생성하고 유의한 속성을 파악할 수 있다. 또한 요인설계의 블록화를 통해 응답자별로 다른 설문 조사지로 유의한 속성을 찾아낼 수 있다. 본 연구는 2수준과 ...

기업은 신제품을 출시할 때, 제품의 여러 가지 속성들이 어느 수준 조합에서 소비자 선호도가 가장 높은지 조사할 필요가 있다. 이 때 실험계획법의 요인설계를 이용하면 여러 수준 조합의 제품 프로파일들을 효율적으로 생성하고 유의한 속성을 파악할 수 있다. 또한 요인설계의 블록화를 통해 응답자별로 다른 설문 조사지로 유의한 속성을 찾아낼 수 있다. 본 연구는 2수준과 3수준의 속성이 혼합된 Mixed level 설계를 SPSS와 SAS를 이용하여 어떻게 생성할 수 있는지 구체적인 가이드라인을 제안 한다. 2^(2)×3^(3)설계를 통해 각 패키지별로 어떤 알고리즘을 거치는지 제시하고 이를 이용하여 다양한 Mixed level 설계 생성에 응용할 수 있다는 점에서 본 연구의 실용성을 찾을 수 있다. SPSS는 Addelman의 직교계획을 이용하여 설문지를 생성한다. SAS를 이용할 경우에는 Proc factex를 이용하여 Mixed level 설계를 생성하였다. Proc factex는 먼저 설계된 디자인의 실험점을 후에 설계된 실험점마다 반복하는 방법을 통해 두 개의 디자인을 합성한다. SPSS설계는 한 가지 종류의 설문지를 생성하는 반면 SAS설계는 블록을 만들어서 응답자에 대응시켜 응답자마다 다른 설문지를 생성한다. 설문지 생성 후, 컨조인트 분석을 이용하여 유의한 속성을 파악한다. 컨조인트 분석은 소비자가 제품의 어떤 속성을 가장 선호하는지 파악할 수 있는 분석으로 기업의 마케팅에서 유용하게 활용할 수 있다. 본 연구는 2^(2)×3^(3)설계를 이용하여 SPSS와 SAS설계의 컨조인트 분석은 어떻게 수행되는지 비교한다. 먼저 주효과만 추정하는 모형을 이용하여 SPSS, SAS설계의 정밀성 차이를 비교한다. 그 결과 SPSS설계가 유의하지 않은 속성을 더 많이 찾아내므로 블록화를 이용한 SAS설계가 더 정밀함을 알 수 있었다. 또한 SAS설계를 이용하여 주효과와 이인자 교호작용을 추정하는 모형에 적합시킨 후 GLM분석으로 유의한 효과를 파악한다. 결과적으로 이인자교호작용 모형에 적합시켰을 때 평균선호도가 가장 높은 최적조건을 찾아내었다. 따라서 블록이 있는 Mixed level 설계를 통해 속성의 주효과는 물론이고 교호작용효과까지 추정하여 제품 속성간의 상승 또는 하강효과를 찾아낼 수 있다.

Abstract ▼ AI-Helper

Conjoint Analysis is a useful method that can figure out what consumers want in marketing. The purpose of the study is suggestion about how to generate 2^(2)×3^(3) design by using typical statistical packages such as SPSS, SAS. SPSS can generate orthogonal mixed level design based on Addelman’s algo...

Conjoint Analysis is a useful method that can figure out what consumers want in marketing. The purpose of the study is suggestion about how to generate 2^(2)×3^(3) design by using typical statistical packages such as SPSS, SAS. SPSS can generate orthogonal mixed level design based on Addelman’s algorithm. In SAS, we can generate mixed level design with block by using proc factex module. After generating design, I compared process of conjoint analysis in SPSS and SAS by using 2^(2)×3^(3) design. As a result, SAS design with block is more delicate design than SPSS design. Furthermore we can find all important factors including interaction effect in main effect and interaction effect model by using SAS design. Therefore mixed level design with block can estimate not only main effect but also interaction effect, so it will be helpful to survey consumer’s preference for new product in marketing.