Abrir navegação
AbrirAbrir o espaço de trabalho

Ferramentas de pesquisa · Ferramenta grátis de pesquisa de marca

Mapa perceptual de marcas (análise de correspondência)

Transforme uma tabela de “quais atributos descrevem quais marcas” em um mapa perceptual e veja de relance como cada marca está posicionada e no que ela se diferencia. Cole uma tabela-resumo ou abra os dados por entrevistado; o arquivo é processado no seu navegador.

Faça um mapa perceptual online

Cole uma tabela marca × atributo com contagens ou percentuais, ou abra um arquivo por entrevistado com uma grade de múltipla escolha e a ferramenta conta as associações. Grátis, sem cadastro e sem enviar o arquivo.

De onde vem a tabela marca × atributo

Marcas nas linhas e atributos nas colunas, com os nomes na primeira linha e na primeira coluna. Cole do Excel ou do Google Sheets, ou digite valores separados por vírgula ou ponto e vírgula. Células vazias contam como 0.

As células são
01

Mapa simétrico ou assimétrico?

O mapa simétrico desenha marcas e atributos em coordenadas principais. É o mapa perceptual mais comum, porque as duas nuvens de pontos ficam na mesma escala, mas só as distâncias dentro de cada conjunto são definidas: de marca para marca e de atributo para atributo. Uma marca ao lado de um atributo não significa necessariamente uma associação forte; leia as ligações pela direção a partir do centro e confirme na lista “O que cada marca representa”.

O mapa assimétrico (principal nas linhas) mantém as marcas em coordenadas principais e desenha os atributos em coordenadas padrão, que são os vértices do espaço. Assim, cada marca é a média ponderada dos pontos dos atributos, é puxada na direção dos atributos que a descrevem, e as distâncias entre marcas e atributos podem ser interpretadas. É o mapa certo quando a pergunta é “quais associações cada marca possui”.

02

Fórmula

Seja P a tabela dividida pelo total N, e r e c as massas de linha e de coluna (proporções marginais). Os resíduos padronizados S = D_r^−½ (P − r cᵀ) D_c^−½ passam por uma decomposição em valores singulares, S = U Σ Vᵀ. A inércia principal da dimensão k é λ_k = σ_k², e a inércia total Σ λ_k é igual a χ² ÷ N.

As coordenadas principais das linhas (marcas) são F = D_r^−½ U Σ e as das colunas (atributos), G = D_c^−½ V Σ; as coordenadas padrão se obtêm dividindo por σ_k. A contribuição é massa × coordenada padrão², ou seja, a parcela da inércia de uma dimensão devida a um ponto; o cos² é coordenada principal² ÷ quadrado da distância qui-quadrado ao centro e indica quão bem a dimensão representa o ponto. Os pontos suplementares são posicionados pela fórmula de transição: o perfil do ponto × as coordenadas padrão do outro conjunto.

03

Exemplo prático

“Usar dados de exemplo” e “Carregar tabela de exemplo” carregam um estudo sintético de imagem de redes de cafeterias: 500 entrevistados marcam quais de oito atributos descrevem cinco redes fictícias e “minha cafeteria ideal”. A dimensão 1 explica 53,7% da inércia e a dimensão 2, 41,0%; assim, o mapa mostra 94,7% da associação marca–atributo, um resumo fiel da tabela.

A dimensão 1 contrapõe “bom custo-benefício” e “atendimento rápido” (com Brewline) a “sabor ótimo” (com Copper Kettle e Harbor Roast); a dimensão 2 contrapõe “equipe simpática” e “tradicional” (com Copper Kettle e Daybreak) a “moderna” e “premium” (com Summit). A Brewline se destaca muito acima do esperado em “atendimento rápido” (índice 220) e “bom custo-benefício” (índice 179).

“Minha cafeteria ideal” é uma linha suplementar: é projetada sobre o mapa sem participar da construção dos eixos. Ela fica mais perto de Harbor Roast, e seus atributos acima do esperado são, em ordem, “sabor ótimo”, “tradicional” e “premium”. São essas as associações que uma marca deveria trabalhar para conquistar.

04

Quando usar e quando não usar

A análise de correspondência serve para qualquer tabela de contagens de dupla entrada, especialmente em estudos de imagem e de associação de marca.

  • Grades de imagem ou de associação de marca: quais palavras combinam com quais marcas.
  • Qualquer outra tabela de contagens de dupla entrada: produtos × ocasiões de consumo, lojas × motivos de escolha, segmentos × respostas.
  • Projetar uma “marca ideal”, uma nova onda ou um concorrente em um mapa já existente como ponto suplementar.
  • Notas em escala (médias por marca): use uma tabela de médias ou uma análise de componentes principais.
  • Tabelas muito esparsas: marcas ou palavras com pouquíssimas menções ficam mal posicionadas; torne-as suplementares.
  • Ler um mapa simétrico como se as distâncias entre marcas e atributos tivessem significado: elas não têm.
05

Como interpretar os resultados

Veja primeiro quanta inércia as duas primeiras dimensões explicam (abaixo de uns 60%, o mapa esconde bastante coisa) e depois quais pontos mais contribuem para cada eixo, para dar nome a ele. Interprete só os pontos com boa qualidade (cos² somado nas duas dimensões acima de cerca de 0,5) e confirme as ligações entre marcas e atributos na lista de atributos acima do esperado ou em um mapa assimétrico.

Referências

Leituras recomendadas

  • Greenacre, M. (2017). Correspondence Analysis in Practice (3rd ed.). CRC Press.

  • Greenacre, M. J. (1984). Theory and Applications of Correspondence Analysis. Academic Press.

  • Benzécri, J.-P. (1973). L’Analyse des Données. Tome 2: L’Analyse des Correspondances. Dunod.

Perguntas frequentes

Dúvidas comuns

O que é inércia na análise de correspondência?

Inércia é a estatística qui-quadrado da tabela dividida pelo seu total: mede quanto os perfis das marcas se afastam do perfil médio. Cada dimensão capta uma parte (a sua inércia principal), e a porcentagem somada pelas duas primeiras dimensões indica quanto da tabela o mapa mostra.

Posso interpretar a distância entre uma marca e um atributo?

Não em um mapa simétrico, em que os dois conjuntos estão em coordenadas principais e só as distâncias entre marcas e entre atributos são definidas. Em um mapa assimétrico (principal nas linhas), as marcas são médias ponderadas dos pontos dos atributos, então cada marca fica na direção dos atributos que a descrevem e as distâncias entre marcas e atributos podem ser interpretadas.

Devo colar contagens ou percentuais?

Contagens, se você tiver. Percentuais sobre o total geram exatamente o mesmo mapa, porque a análise de correspondência usa só proporções, mas o teste qui-quadrado precisa de contagens. Percentuais por linha dão o mesmo peso a todas as marcas, o que muda o mapa; isso pode ser o que você quer quando as marcas têm tamanhos muito diferentes.

O que são marcas e atributos suplementares?

São pontos colocados no mapa depois que ele é construído, com as mesmas fórmulas de transição, sem influenciar os eixos. São usados principalmente para uma linha de “marca ideal”, a onda do ano anterior ou palavras pouco escolhidas que, de outra forma, dominariam uma dimensão.

O teste qui-quadrado vale para grades de marca de múltipla escolha?

Só de forma aproximada. Em uma grade de múltipla escolha, um entrevistado pode marcar várias palavras para várias marcas, então as células não são observações independentes e o valor-p fica otimista demais. Use o mapa de forma descritiva; o teste faz sentido em tabelas em que cada contagem corresponde a um entrevistado ou a um evento diferente.

Leve os resultados para as tabelas cruzadas

Abra o mesmo arquivo no espaço de trabalho do Crosstabs para montar tabelas com banners, ponderação e testes de significância. Grátis, sem cadastro, e os dados continuam no seu navegador.

Abrir o espaço de trabalho

· Versão em inglês desta página