Percepční mapa konkurenčních produktů s ideálními vektory
Preferenční regrese je statistická technika, kterou používají obchodníci k určení preferovaných základních výhod spotřebitelů. Obvykle doplňuje techniky určování polohy produktů, jako je vícerozměrné škálování nebo analýza faktorů, a používá se k vytváření ideálních vektorů na percepčních mapách.
Výzkumníci začínají se surovými daty z průzkumů, používají lokalizační techniky k určení důležitých dimenzí a zakreslení pozice konkurenčních produktů na těchto dimenzích. Dále regresují data z průzkumu vůči dimenzím. Nezávislé proměnné jsou data shromážděná v průzkumu. Závislá proměnná je údaj preference. Jako všechny regresní metody, počítač přizpůsobuje váhy, aby mohl nejlépe předpovědět data. Výsledná regresní přímka je označována jako ideální vektor, protože sklon vektoru je poměr preferencí pro tyto dva dimenze.
Pokud jsou v regresi použita všechna data, program odvodí jedinou rovnici, a tudíž jediný ideální vektor. To bývá tupý nástroj, takže výzkumníci zpřesňují proces pomocí clusterové analýzy. Tím se vytvářejí clustery, které odrážejí tržní segmenty. Oddělené regrese preferencí se pak provádějí na datech v rámci každého segmentu. To poskytuje ideální vektor pro každý segment.
Metoda vlastního stanovení důležitosti je alternativní metoda, při níž se pro stanovení váhových koeficientů místo statistických imputací používají údaje z přímého šetření. Třetí metodou je konjunkturální analýza, při níž se používá aditivní metoda.