Behandling av data bli treffsikker!

Størrelse: px

Begynne med side:

Download "Behandling av data bli treffsikker!"

Johannes Nilssen
8 år siden
Visninger:

1 Behandling av data bli treffsikker! Betydningen av god metode i forbrukerforskningen Tormod Næs

2 Effektiv bruk av metode er avgjørende! Gjelder alt som er diskutert tidligere Planlegging - forsøksopplegg Så mye informasjon som mulig per kostnadsenhet Valg av produkter valg av konsumenter - gjennomføringen Validitet og reliabilitet Analyse/tolkning av resultatene - Gode konklusjoner for riktige beslutninger Ofte store datasett umulig å få oversikt uten god metode Gode visuelle fremstillinger er NB!

kostnadsenhet Valg av produkter valg av konsumenter - gjennomføringen Validitet og reliabilitet

3 PU-prosessen Mange faser: Ide-generering, konseptutforming, prototyper Alltid en kombinasjon av analyse, kreativitet, beslutninger og erfaring Viktig å få alle til å bidra produkt- og matkompetanse markedskompetanse, prosess- og metodekompetanse

beslutninger og erfaring Viktig å få alle til å bidra produkt-

4 Etablere prototyper til testing Typisk: Man har et konsept og ønsker å teste det ut i markedet. Oftest ikke helt presist og veldefinert. Hvordan etablere/velge prototyper? Hvordan få innsikt i hva forbrukerne liker og hvorfor? Lage effektivt forsøksopplegg Samle data: Kjemi, sensorikk, forbrukerpreferanser, forbrukerholdninger og -vaner Analysere dataene Kreativt design metode som sikrer at alle aktører får innflytelse Identifisere egenskaper som man forventer at påvirker liking Prioritere de viktigste Statistisk forsøksdesign i de prioriterte egenskapene Lage prototypene Sensorisk analyse for å verifisere og forstå Forbrukerundersøkelse (forsøksdesign) Analyse preference mapping - ANOVA Tolkning ikke bare valg av den beste, men også forståelse

Lage effektivt forsøksopplegg Samle data: Kjemi, sensorikk, forbrukerpreferanser, forbrukerholdninger og -vaner Analysere dataene Kreativt design metode som sikrer at alle aktører får

5 Statistisk forsøksdesign enkelt eksempel Lage prototyper Designet sikrer objektiv variasjon Høy Produktutvikler definerer hvordan (Realisere designet) Sensorisk analyse for å verifisere Saltsmak Lav Lav Høy Søtsmak (Bruker ofte også når designet er basert på ingredienser og prosessbetingelser) Finnes mange metoder for forskjellige formål

for å verifisere Saltsmak Lav Lav Høy Søtsmak (Bruker ofte også når designet er basert

6 Planlegging av forbrukerundersøkelser (Forsøksdesign også viktig her) Målgruppe? Antall? Hvordan velge (representativt, tilfeldig)? Alle prøver til alle? Kontekst, hvor, info. gitt til konsumentene?

7 Forskjellige typer egenskaper Extrinsic pris, etikett, emballasje Første gangs kjøp Intrinsic sensoriske egenskaper Andre gangs kjøp Hvilke skal vi konsentrere oss om (interaksjoner) Kombinasjoner ConsumerCheck prosjektet NFR og norsk industri samarbeid med dansk, italiensk, australsk og sørafrikansk team

konsentrere oss om (interaksjoner) Kombinasjoner ConsumerCheck prosjektet NFR

8 Datatyper og relasjonen mellom dem Produktegenskaper kjemi, sensorikk, extrinsic Forbrukeregenskaper Holdninger, vaner, demografi Forbrukerpreferanser Prototyper

9 Er interessert i Gjennomsnittlig liking Produkter eller faktorer Faktorer en fordel for å få innsikt og mulighet til forbedring Individuelle forskjeller Segmenter

10 Main Effects Plot for Informed liking Fitted Means 6,2 6,0 5,8 5,6 Mean 5,4 5,2 5, Product Eksempel fra forbrukerundersøkelse av skinke fra Spania og Norge Hersleth, et al. (2010). FQP fra Truefood

fra forbrukerundersøkelse av skinke fra Spania og Norge

11 Plott av residualer fra modellen for å studere individuelle forskjeller Score plot for residuals from expected liking 6 Group N2 N1 0 S2 S1-2 Second component -4-5,0-2,5 0,0 2,5 5,0 First component Valgte to segmenter, nokså forkjellige preferansemønster

2 4 2 N2 N1 0 S2 S1-2 Second component -4-5,0-2,5 0,0 2,5 5,0 First

12 Prepare dishes that I know will succeed Sampling new and different foods Stick to familiar dishes Buying new foods rather than well-know foods Cluster 1 Cluster 2 Afraid of eating new things Kobling av segmenter og info. om forbrukerne

rather than well-know foods Cluster 1 Cluster 2 Afraid of

13 To viktige arbeidshester Preference mapping og conjoint analyse To enkle eksempler

14 Eksempel - eplejuice Prøver med - lavt, middels og høyt sukkernivå - lavt og høyt syrenivå - 6 prøver totalt 125 forbrukere liking Datasett: 6x125 tabell forstå? Drivers of liking, individuelle forskjeller

totalt 125 forbrukere liking Datasett: 6x125 tabell

15 PCA plots preference maps Klar hovedtendens, men også Store individuelle forskjeller

16 Eksempel på bruk av conjoint analyse Forbrukertest av fårepølse Tre faktorer Pris (2 nivå) Fett % (2 nivå) 4 forskjellige produkter Dette resulterer i 4x2x2=16 kombinasjoner Datasett (100*16). Forstå uten statistikk? ANOVA - Gjennomsnitt og individuelle forskjeller - segmenter

resulterer i 4x2x2=16 kombinasjoner Datasett (100*16).

17 Gjennomsnitt Alle faktorer er sterkt signifikante Splittet på kjønn Også her kan man se på individuelle forskjeller og relasjon til informasjon om forbrukerne

18 Ny bok fra NOFIMA (and DTU), 2010 (Næs, Brockhoff and Tomic) Publisher: John Wiley and Sons, UK Nyttig for forskere, industri og studenter State of the art Dekker både sensorikk og forbrukerundersøkelser Det meste basert på eksempler fra Matforsk/Nofima Eksempel-del og metode-del

Like dokumenter

TRUEFOOD. endret fettinnhold og fettsyresammensetning. Eksempler fra forbrukerstudier av ost med. Arnstein Ovrum, NILF

TRUEFOOD. endret fettinnhold og fettsyresammensetning. Eksempler fra forbrukerstudier av ost med. Arnstein Ovrum, NILF TRUEFOOD Eksempler fra forbrukerstudier av ost med endret fettinnhold og fettsyresammensetning Margrethe Hersleth og Valerie Lengard, Nofima Mat & Arnstein Ovrum, NILF Truefood min presentasjon idag Mål