Asteikoista ja segmentoinnista Kimmo Vehkalahti professori (mvs.), soveltavan tilastotieteen dosentti Helsingin yliopisto, matematiikan ja tilastotieteen laitos http://www.helsinki.fi/people/kimmo.vehkalahti/suomeksi.html Suomen Markkinointitutkimusseura ry 25.9.2009 1 / 27
Kuvia ja kaavioita Googlen kuvahaulla segmentation Lähde: http://www.marketingteacher.com/ 2 / 27
Kuvia ja kaavioita Googlen kuvahaulla segmentation Lähde: http://www-edc.eng.cam.ac.uk/betterdesign/ 3 / 27
Kuvia ja kaavioita Googlen kuvahaulla segmentation Lähde: http://www.nmisolutions.com/ 4 / 27
Kuvia ja kaavioita Googlen kuvahaulla segmentation Lähde: http://www.savitzresearch.com/ 5 / 27
Kuvia ja kaavioita Googlen kuvahaulla segmentation Lähde: http://www.b2binternational.com/ 6 / 27
Kuvia ja kaavioita Googlen kuvahaulla segmentation Lähde: http://www.mappinganalytics.com/ 7 / 27
Kuvia ja kaavioita Googlen kuvahaulla segmentation Lähde: http://www.marketingteacher.com/ 8 / 27
Kuvia ja kaavioita Googlen kuvahaulla segmentation Lähde: http://www.cati.si/en/valicon/solutions/segmentation/ 9 / 27
Kuvia ja kaavioita Googlen kuvahaulla segmentation Lähde: http://www.decisionsupportsciences.com/ 10 / 27
Segmentointia(kin) edeltää mittaus ja tiedonkeruu Mittaus ja tiedonkeruu ovat keskeiset epävarmuuden lähteet kyselytutkimuksissa (kuten muissakin tilastollisissa tutkimuksissa). Virhemarginaalia on vaikea arvioida, sillä se sisältää aineksia molemmista. Tyypilliset arviot (... virhemarginaali oli ±2 %... ) liittyvät otantaan. Tiedonkeruun luotettavuus rakentuu monista seikoista: otanta edellyttää hyvin määriteltyä perusjoukkoa aina ei ole kyseessä otanta eikä otos (vaan näyte) yleistäminen on yleensä mahdollista vain otoksesta haasteita tuovat mm. otoskoko ja vastauskato (Tiedonkeruun haasteisiin en puutu tässä yhteydessä enempää.) Mittauksen luotettavuus koostuu kahdesta eri asiasta: 1. validiteetti: mitataanko sitä mitä pitikin? 2. reliabiliteetti: mitataanko riittävän tarkasti? Erityisesti jälkimmäiseen liittyy olennaisesti mittaustaso, ja sen yhteydessä puhutaan (paljon!) asteikoista. 11 / 27
Mittaustaso ratkaisee, mitä datalla voi tehdä Mittaustaso vaikuttaa mittauksen luotettavuuteen sekä siihen, miten mittauksia voidaan tilastollisesti analysoida. Mitä korkeampi mittaustaso, sitä enemmän on vaihtoehtoisia analysointitapoja. Jälkikäteen mittaustasoa ei voi nostaa, joten on pyrittävä mittaamaan mahdollisimman korkeatasoisesti. Jos on mahdollista mitata määrää, ei kannata tyytyä luokittelemaan, toisin sanoen mittaamaan vain laadullista eroa. Toisaalta kaikkea ei voi mitata määrällisesti. Silloin on vastaavasti luokiteltava mahdollisimman hyvin. Mittaustason määrittelee lopulta se, miten jonkin mittarin yksittäiseen osioon voidaan vastata. Mittaustasot voi siten tiivistää kolmeen päätyyppiin: luokittelu, järjestäminen ja mittaaminen. Seuraavaksi perehdytään mittaustasoihin tarkastelemalla kirjani esimerkkejä, jotka ovat peräisin Maarit Valtarin sosiaalipsykologian väitöstutkimuksesta (suomalaisten naisten tyytyväisyys omaan ulkonäköönsä). 12 / 27
Luokittelu Useimmissa kirjoissa käytetään termiä luokitteluasteikko tai laatueroasteikko, mutta on selvempää puhua pelkästään luokittelusta. (Sana asteikko sisältää ajatuksen asioiden välisestä, sisäisestä järjestyksestä, joka ei luokittelutasoon kuulu.) Esimerkki: Mikä on nykyinen työllisyystilanteenne? Ympyröikää yksi vaihtoehto. 1. Kokopäiväinen palkansaaja 2. Osapäivätoiminen palkansaaja 3. Maatalousyrittäjä tai työssä perheen maatilalla 4. Muu yrittäjä 5. Työtön tai lomautettu 6. Eläkeläinen 7. Opiskelija 8. Kotia hoitamassa/kotiäiti 9. Äitiysloma 10. Muu vaihtoehto, mikä? 13 / 27
Luokittelu (jatkoa) Seuraavassa vastaaja saa valita niin monta kohtaa kuin haluaa. Valittavien vaihtoehtojen määrää voidaan myös rajata. Esimerkki: Ulkonäön kuvailu valmiilla vaihtoehdoilla. Ympyröikää tai alleviivatkaa seuraavista ilmaisuista ne, jotka mielestänne kuvaavat ulkonäköänne. Voitte valita niin monta kuin haluatte. alipainoinen / edustava / epämiellyttävä / epäsiisti / epäsuhtainen / erikoinen / erittäin kaunis / erittäin ruma / hauskannäköinen / hento / herttainen / hienostunut / hoikka / hyvin säilynyt / hyvävartaloinen / iso / kaunis / kivannäköinen / klassinen / komea / kookas / kurvikas / kurviton / leidimäinen / laiha / lattarintainen / lauta, luuviulu / leveä / lihava / liian lyhyt / luonnollinen / lyhyt / läski / miellyttävä / muodikas / muodoton / naisellinen / nuhruinen / nuorekas / näyttävä / paksu / pehmeä / persoonallinen / pieni / pitkä / poikamainen / poikkeava / pulska, pullea / pyöreä / rehevä / ruma / rupsahtanut / ryhdikäs / ryhditön / seksikäs / sensuelli / sievä / siisti / siro / sopusuhtainen / suuri / söpö / tanttamainen / tasapaksu / tavallisennäköinen / tukeva / tyttömäinen / tyylikäs / upea / urheilullinen / vastenmielinen / viehättävä / voimakasrakenteinen / ylipainoinen 14 / 27
Järjestäminen Mahdollisuus asettaa luokat johonkin sisällön kannalta mielekkääseen järjestykseen nostaa mittauksen tasoa. Yleensä luokat järjestelee kysymyksen suunnittelija, mutta järjestäminen voidaan antaa vastaajankin tehtäväksi. Järjestämisestä käytetään myös nimeä järjestysasteikko. Järjestämisen pitää perustua vaihtoehtojen sisältöön. Äskeisen esimerkin vaihtoehtojen aakkosjärjestys on vain ulkoinen järjestys, joka ei muuta luokittelua järjestysasteikoksi, kuten ei myöskään se, että sattumalta ensimmäisenä esiintyy luokka alipainoinen ja viimeisenä ylipainoinen. Koska välissä olevat luokat eivät muodosta mitään jatkumoa näiden välille, kyseessä on pelkkä luokittelu. Vaihtoehdot eivät ole edes toisensa poissulkevia. Sinänsä jokainen vaihtoehdoista muodostaa yksinkertaisimman mahdollisen järjestysasteikon sen perusteella, onko sana valittu vai ei, esimerkiksi iso tai ei iso. 15 / 27
Järjestäminen (jatkoa) Toisinaan vastaajaa pyydetään asettamaan joitakin annetuista vaihtoehdoista (tuotteet, brändit jne.) paremmuus- tms. järjestykseen. Tämänkaltainen mittaus on melko epätarkkaa ja vastausten analysointi pinnallista. Asteikko jolla vertailu tapahtuu, jää liikaa vastaajan määriteltäväksi, eivätkä vastaukset ole välttämättä vertailukelpoisia. On parempi, että tutkija määrittelee käytettävän asteikon. Monet tyypilliset kyselytutkimuksen taustatiedot, kuten koulutustaso, edustavat järjestystasoista mittausta. Seuraavassa esimerkissä koulutustasoa kuvaavilla luokilla 1 4 on ulkoisten numeroiden lisäksi selvä sisäinen järjestys alemmasta peruskoulutuksesta korkeampaan. Esimerkki: Peruskoulutus, neljä vaihtoehtoa. Mikä on peruskoulutuksenne? 1. Osa kansa- tai peruskoulua tai vähemmän 2. Kansa- tai kansalaiskoulu 3. Keski- tai peruskoulu 4. Ylioppilas 16 / 27
Järjestäminen (jatkoa) Numeroista huolimatta laskemisessa ei äskeisillä luvuilla ole mieltä. Ei siis kannata raportoida: peruskoulutus oli noin 3.6. Mittaustaso vaikuttaa myös tulosten esittämiseen. Seuraavassa mitataan liikuntaharrastamisen aktiivisuutta. Vastausvaihtoehdot muodostavat jatkumon, jonka ääripäät ovat joka päivä ja en koskaan. Muuttamalla sanalliset vaihtoehdot liikunnan harrastamiskertojen määriksi viikossa nähtäisiin, etteivät ne asetu asteikolle tasaisin välein (ei tarvitsekaan). Esimerkki: Liikunnan harrastaminen, aktiivisuusasteikko. Kuinka usein harrastatte liikuntaa? 1. Joka päivä 2. Viisi kertaa viikossa 3. Kolme kertaa viikossa 4. Kerran tai kaksi kertaa viikossa 5. Muutaman kerran kuukaudessa tai harvemmin 6. En koskaan 17 / 27
Järjestäminen (jatkoa) Painohuolia mitataan ohessa jatkumolla, jonka ääripäinä ovat aina ja en koskaan. Viimeinen vaihtoehto on sama kuin liikuntaharrastusesimerkissä, mutta muut vaihtoehdot ovat epämääräisempiä. Mitattava ilmiö määrää vaihtoehtojen sanavalinnat. Liikunnan harrastaminen on fyysistä toimintaa, kun taas huolissaan olo on mielentila. Esimerkki: Huolissaan olo painosta, ääripäät ja välit. Kuinka usein olette huolissanne painostanne? 1. Aina 2. Lähes aina 3. Usein 4. Joskus 5. Harvoin 6. En koskaan Liikunnan harrastamisen osalta mittausta voitaisiin haluttaessa tarkentaa lisäämällä vaihtoehtoja. Huolissaan olon kohdalla se tuskin olisi mahdollista, ainakaan jos haluttaisiin ilmaista vaihtoehdot sanallisesti. Esimerkiksi sanavalinnoilla miltei aina, lähes aina tai erittäin usein, todella usein, hyvin usein, kovin usein tulisi kyseenalaiseksi, olisivatko vaihtoehdot edes yksikäsitteisessä järjestyksessä. Mittaus ei tarkentuisi päinvastoin. 18 / 27
Mittaaminen Mittaamiseksi kutsutaan varsinaista numeerista mittausta, joka kattaa kaiken sen mihin luokittelu ja järjestäminen eivät yllä. Kirjallisuudessa puhutaan myös väli(matka-)asteikosta ja suhdeasteikosta. Aineiston analyysissa niillä ei ole suurta eroa. Väliasteikossa asteikon pykälien välit ovat yhtäsuuria, mutta nollakohta ei ole yksikäsitteisesti määritelty ja näin ollen suhteelliset tarkastelut eivät ole mahdollisia. Yleisin esimerkki on lämpötila, vaikkakaan sitä ei ole tapana mitata kyselytutkimuksilla. (Toisinaan näkee kyllä kiinnostusta vaaleihin mitattavan vaalilämpömittareilla.) Esimerkissä alla on näytteitä suhdeasteikollisesta mittaamisesta senttimetreinä, kilogrammoina ja euroina. Suhdeasteikolle on ominaista hyvin määritelty mittayksikkö ja määrän mittaaminen, jolloin asteikossa on yksikäsitteinen nollakohta. Suhdeasteikolla mitatut arvot eivät siis voi olla negatiivisia. Esimerkki: Pituus, paino ja rahan käyttö vaatteisiin. Kuinka pitkä olette ja paljonko painatte? Pituus cm Paino kg Paljonko suurin piirtein käytätte rahaa vuosittain vaatetukseenne? Noin euroa vuodessa 19 / 27
Mittaaminen (jatkoa) Käytännön kannalta olennaisin ero koskee järjestämistä ja mittaamista, tarkemmin sanottuna järjestysasteikkoa ja väliasteikkoa. Vaikka joissain tilanteissa ero onkin selvä, on myös paljon tilanteita, joissa ero voi vaikuttaa hämärämmältä. Monet kyselytutkimuksen keskeiset mittaustavat kuten asennemittaukset käsitetään kirjallisuudessa järjestysasteikoiksi. Yleisin näistä tunnetaan Likertin asteikkona: Esimerkki: Käsityksiä ulkonäön merkityksestä. Ympyröikää omaa käsitystänne parhaiten vastaava vaihtoehto. Vaihtoehdot ovat: 1: Täysin samaa mieltä, 2: Osin samaa mieltä, 3: Ei samaa eikä eri mieltä, 4: Osin eri mieltä, 5: Täysin eri mieltä. Ulkonäkö on liian arvostetussa asemassa. 1 2 3 4 5 Miellyttävästä ulkonäöstä on hyötyä. 1 2 3 4 5 Hyvännäköiset ihmiset pärjäävät paremmin. 1 2 3 4 5 20 / 27
Mittaaminen (jatkoa) Likertin asteikko täyttää hyvin järjestysasteikon tunnusmerkit, mutta jos siihen tyydytään, ei päästä analyyseissa pitkälle, sillä järjestysasteikolle soveltuvia tilastollisia menetelmiä on vähän. Valtaosa menetelmistä nojaa keskiarvoihin, hajontoihin ja korrelaatioihin, jotka edellyttävät väliasteikollista mittausta. Käytännössä Likertin asteikoilla tehdään tilastollista analyysia ikään kuin kyseessä olisi väliasteikko. Ilman mitään perusteluja toiminta voi tuntua aika ristiriitaiselta! Ensinnäkin on tärkeää, että käytettävä asteikko muodostaa selvän, yksiulotteisen jatkumon jostain ääripäästä toiseen. Tyypilliset ääripäät täysin samaa mieltä ja täysin eri mieltä eivät tässä suhteessa ole ongelma. Ongelma ilmeneekin yleensä asteikon keskellä, johon saatetaan sijoittaa kaikenlaisia vaihtoehtoja. Likertin asteikon rakenteeseen kuuluu, että keskimmäinen vaihtoehto on neutraali, esimerkiksi ei samaa eikä eri mieltä. Kokonaan toinen asia on EOS, johon en tässä yhteydessä puutu (ks. kirja!) 21 / 27
Mittaaminen (jatkoa) Väliasteikossa vaaditaan myös, että vaihtoehtojen välit ovat yhtä suuria. Numeroina ajateltuna on itsestään selvää, että asteikossa 1 5 vaihtoehtojen 1 ja 2 väli on ykkösen mittainen, samoin vaihtoehtojen 3 ja 4. Vaihtoehdot ovat siis yhtä etäällä. Kun sanalliset ilmaisut korvataan numeroilla, ei olekaan enää selvää minkä mittaisia eri vaihtoehtojen välit ovat. Millä perusteella esimerkiksi täysin samaa mieltä ja osin samaa mieltä olisivat yhtä kaukana toisistaan kuin vaikkapa ei samaa eikä eri mieltä ja osin eri mieltä? Usein kuultu vastaus tähän kysymykseen on, ettei mitään perustetta ole. Tällainen vastaus tarkoittaisi, että Likertin asteikkoa olisi syytä pitää vain järjestysasteikkona. Silloin välien suuruudet voivat vaihdella, kunhan järjestys säilyy. Tästä kuitenkin seuraa jo edellä mainittu ongelma: järjestysasteikolle soveltuvia tilastollisia menetelmiä on vähän. Analyyseissa ei päästä eteenpäin, jos ei voida laskea tarvittavia tunnuslukuja kuten korrelaatioita. 22 / 27
Mittaaminen (jatkoa) Tyypillinen Likertin asteikkojen käytännön soveltaminen on perusteltavissa yksinkertaisesti mittauksen käsittein. Asteikko voidaan mieltää väliasteikoksi, jossa poikkeamat yhtä suurista väleistä johtuvat mittauksen vääjäämättömistä häiriötekijöistä, satunnaisista mittausvirheistä. Jos niitä ei olisi, kyseessä olisi puhdas väliasteikko. Likertin asteikoista voi siis vallan hyvin laskea keskiarvoja, hajontoja ja korrelaatioita, kunhan ei tyydy pelkästään niihin vaan soveltaa menetelmiä, joilla mittausvirheiden vaikutuksia saadaan hälvennettyä (menetelmistä keskeisin on faktorianalyysi). Yleensä Likertin asteikoissa on viisi vaihtoehtoa (sitä pidetään sopivana määränä käsitettäväksi yhtaikaa). Joissain tilanteissa voi olla hyödyllistä laajentaa valikoimaa seitsemään sisällyttämällä mukaan vielä painavammat ääripäät, esimerkiksi ehdottomasti samaa mieltä ja ehdottomasti eri mieltä. 23 / 27
Mittaaminen (jatkoa) Varsinkin palautelomakkeissa näkee käytettävän niin sanottua kouluarvosana-asteikkoa. Se tarkoittaa seitsemänportaista asteikkoa, jonka numeroarvot ovat 4, 5,..., 9, 10. Tilastollisesti on samantekevää, mitä kohtaa lukusuorasta käytetään, mutta sisällöllisesti kouluarvosana-asteikko on sen verran ongelmallinen, ettei sitä kannata käyttää. Kaikille ei ole edes selvää, mitä kouluarvosana-asteikolla tarkoitetaan, koska se on saatettu useissa kouluissa korvata toisenlaisilla asteikoilla. Vaikka asteikko olisi omilta kouluajoilta tuttu, ei ole sama asia arvioida jotain asteikolla, jolla on tullut itse aikanaan arvioiduksi. Käsityksiin kouluarvosana-asteikosta heijastuu myös vastaajan oma koulumenestys. Harva osaa käyttää tätä asteikkoa koko laajuudelta, esimerkiksi arvosanoihin 9 ja 10 tottuneelle asteikon alkupää on tuntematon ja toisinpäin. Tämänkaltaiset arvolataukset eivät kuulu hyvään mittaukseen. 24 / 27
Mittaaminen (jatkoa) Eräs vertailuun perustuva mittaustapa tunnetaan nimellä semanttinen differentiaali tai Osgoodin asteikko. Edellä esitetyn sanaluettelon sijasta asioita voisi mitata tällä tekniikalla hakemalla sopivia laatusanapareja, kuten ulkonäkötutkimuksen pohjalta keksityssä esimerkissä alla. Yleensä on tapana käyttää seitsemänportaista asteikkoa, joka voi olla näkyvissä numeroina, tyhjinä kohtina johon laitetaan rasti tai verkkolomakkeessa liukurina joka asetetaan haluttuun kohtaan. Esimerkki: Ulkonäön luonnehdintoja laatusanapareilla. Arvioikaa ulkonäköänne seuraavien sanaparien avulla: alipainoinen 1 2 3 4 5 6 7 ylipainoinen miellyttävä 1 2 3 4 5 6 7 epämiellyttävä epäsiisti 1 2 3 4 5 6 7 siisti ruma 1 2 3 4 5 6 7 kaunis laiha 1 2 3 4 5 6 7 lihava tyttömäinen 1 2 3 4 5 6 7 poikamainen Sanaparit kannattaa laittaa vaihtelevaan järjestykseen eikä kasata kaikkia hyviä tai huonoja ominaisuuksia samalle puolelle. 25 / 27
Mittaaminen (jatkoa) Osgoodin asteikko on kätevä mittaustapa tilanteisiin, joissa sanoille löytyy selviä vastinpareja. Myös Likertin asteikkoa käytetään paljon siten, että vain ääripäät kuvataan sanallisesti, siis ikään kuin Osgoodin asteikon tapaan. Selvempää on kuitenkin kuvata kaikki vaihtoehdot sanallisesti, jotta vastaajat ymmärtävät asteikon mahdollisimman yhtenäisellä tavalla. Tällöin tulee myös selvemmin esiin, mitä keskimmäisellä vaihtoehdolla tarkoitetaan. Edellä on monessa kohtaa noussut esiin asteikko, jossa on vain kaksi vaihtoehtoa. Tällainen dikotominen asteikko on siitä erikoinen, että se voi edustaa mitä tahansa mittaustasoa. Kun vaihtoehtoja on kaksi, ne voidaan asettaa järjestykseen. Oikea suunta riippuu tulkinnasta samaan tapaan kuin useampiportaisissakin järjestysasteikoissa. Vaihtoehtojen väleistäkään ei tule mitään ongelmaa, sillä niitä on vain yksi. Näin dikotominen asteikko on myös väliasteikko, joten sen arvoilla voidaan ť(periaatteessa) tehdä kaikkia tarvittavia laskelmia. 26 / 27
Asteikoista analyyseihin (Esityksen lopuksi pari demoa siitä, minkä tyyppisiin tilastollisiin menetelmiin segmentointityökalut perustuvat.) 27 / 27