当您推出一款新食品时，消费者的感官实验反馈至关重要。然而，食物的感官体验——质地、风味和气味的不同细微差别——可能非常主观，并且因人而异。研究人员如何使用感官聚类方法对消费者进行分组？
Lumivero 定量研究主管 Fabien Llobell 博士已将感官数据分析作为其研究重点。在Lumivero 虚拟会议上，Llobell 博士在其题为“使用 XLSTAT 分析消费者数据”的网络研讨会上分享了一种使用 XLSTAT 的创新分析技术，该技术通过对覆盆子果酱感官实验中生成的调查数据进行RATA（全量评分）数据分析，解决了这一难题。
本文探讨了 Llobell 博士在 XLSTAT 方面的开发如何实现感官数据分析的这一突破。
继续阅读或观看网络研讨会点播以了解更多信息。
什么是 RATA 数据分析？
RATA数据分析是一种调查或感官评估技术，可以对产品的多种属性进行分级评估。评估员（在本例中是品尝五种不同覆盆子果酱的品尝者）将收到一份调查问卷，批量短信尼泊尔 其中列出了每种产品的各种品质。每种属性都有一个与之相关的评分量表，评估员可以勾选任何适用于他们所品尝产品的属性，然后根据0到3的等级对其强度进行评分。
RATA 分析建立在类似的方法论 CATA（即“Check-All-That-Apply”）之上。RATA 能够提供深入的洞察，因为它允许研究人员捕捉某个特性的强度以及是否存在的数据。与必须对所有属性进行评分的问卷调查相比，RATA 分析对评估人员的负担也更小——他们可以跳过任何他们认为产品不具备的属性。
然而，RATA 的详细数据输出使得基于它的调查分析变得更加复杂，特别是在将评估员分组为具有相似敏感性的集群时。
分析感官数据并比较各个评估员的反应
Llobell 博士的案例研究中，97 位评估员对他们尝试过的覆盆子果酱给出了回应和评分。每位评估员的数据集被称为一个区块。为了定义评估员之间的相似性，他运用了 Salton-Caussin 公式来确定两位评估员的回应在多大程度上相同。
对所有评估员进行分析后，Llobell 博士生成了一个相似度矩阵，显示了每位评估员与调查组中其他评估员的一致性程度。接下来，如何在 Windows 11 中自定义应用程序通知设置 就是定义聚类的问题了。
构建集群和传感图
Llobell 博士已经发明了XLSTAT 中的 CLUSCATA 方法，这是一种基于 CATA 调查数据对受访者进行聚类的常用方法。但他该如何解释 RATA 调查方法带来的额外复杂性和细微差别呢？
为了解决这一难题，他开发了一种分区算法，该算法根据评估者在所有属性上的答案的同质性将评估者分类到各个集群中——这种方法现在已在RATA 数据分析中的 XLSTAT中编码。
RATA 聚类分析不仅能让研究人员利用这类感官数据构建消费者聚类，还能让他们根据评估员的反馈，为每种产品绘制感官地图。印度短信 这些地图直观地展现了每种产品与调查数据中提到的属性之间的联系，例如覆盆子酱的案例：
使用XLSTAT实现您自己的数据突破
想要了解更多关于如何使用 XLSTAT 更有效地分析感官数据（包括 RATA 调查问卷）的信息吗？立即申请 XLSTAT 演示版。