【模型故事】奖惩分析（Penalty Analysis）

发布日期：2021年08月26日    作者：张弛

我最早用奖惩分析是在十几年前，当时做啤酒口味测试，开始用最简单的总体喜好度和口味二级指标满意度，例如特定啤酒产品，消费者对酒劲、香气、苦味等感知好不好。很快我们就发现结果很难解释，就以酒劲来说，有的人不满意是因为酒劲太小，有的人不满意是因为酒劲太大。

所以，虽然这种喜好度五级量表，可以利用显著性检验/相关/回归分析等方式来进行统计分析，进而识别哪些二级指标对总体喜好度有更为显著的影响，但不足在于：即使被访者回答不喜欢，也难以从评价中得知酒体本身到底应该如何改善。带着这个问题我们请教了一圈定量研究专家，很快我们找到了更好的工具：奖惩分析（Penalty。Analysis）。奖惩分析的核心是JAR量表，Just-About-Right，简称JAR。还是啤酒口味测试，JAR的提问方式为：请问你认为该啤酒酒劲大小的程度如何？请用1~5分来评价，1分表示太淡，5分表示太浓，3分表示正好。这种情况下，关于酒劲的评价得分并非越高越好，而是越靠近3分越好。
JA问题的优势是，可以借助于消费者的个人感知标准，确定最优的属性改进方向和大致改进尺度。因此JAR问题可以帮助产品开发人员直观地诊断产品的缺陷，确定产品属性改进方向和程度。

当我们使用口味总体喜好度和多个具体指标的JAR量表，首先通过显著性检验/相关/回归分析等方式来识别多个具体指标的口味重要性，其次，采用JAR分析，综合考虑反应产品酒劲过浓和过淡的人群百分比，以及过浓的人更容易不满意还是过淡的人更容易不满意，从而识别酒劲应该改进的方向。

现在，奖惩分析依然是各头部食品饮料客户进行定量的消费者口味测试的主打工具，也是和研发结合的最紧密的工具，是所有严肃的研究人员必须掌握的定量工具。