如何閱讀懲罰圖
圖中每個點代表某個屬性的一側。橫軸是該側受訪者占比，縱軸是喜好度平均下降。右上方的點——人數多且下降大——是優先改善的方向。位於虛線行動線左側的點涉及的人太少，即使下降幅度很大，也不足以支持修改配方；這類高點往往是小樣本帶來的雜訊。
如果平均下降是負數，代表該側受訪者反而比「剛剛好」組更喜歡產品，這通常表示受訪者對量表的理解有偏差或該組樣本太小，而不是真實的偏好。
計算公式
加權懲罰 =（「剛剛好」組平均喜好度 − 該側平均喜好度）× 該側受訪者占比。
「剛剛好」組是選擇量表中點的受訪者（5 點量表為 3，3 點量表為 2，7 點量表為 4）；低於中點為「太弱」，高於中點為「太強」，兩側分別分析。選用的顯著性檢定是 Welch 雙樣本 t 檢定，比較「剛剛好」組與該側，自由度採用 Welch–Satterthwaite 近似。
分析實例
按「使用範例資料」會載入一份合成的零食測試資料：600 位受訪者給出整體喜好度（1–9 分），以及甜度、鹹度、酥脆度三個 5 點 JAR 量表評分。以甜度為例，38.2% 的受訪者認為「剛剛好」（平均喜好度 6.42），40.8% 認為太甜（平均 4.77），21.0% 認為不夠甜（平均 6.02）。
「太甜」的平均下降為 1.65 分，加權懲罰 = 1.65 × 40.8% ≈ 0.67。依加權懲罰排序，達到 20% 行動線的方向中，「太甜」最大（40.8%，平均下降 1.65，加權懲罰 0.67），其次是「不夠鹹」（35.7%，平均下降 0.99，加權懲罰 0.35）。酥脆度兩側分別為 23.3% 和 22.3%，平均下降只有 0.22 和 0.35。
因此，改良的優先順序是先處理加權懲罰最大的方向，再處理第二名；平均下降很小的屬性可以維持不變。
適合與不適合的情境
懲罰分析回答的是「哪個屬性該往哪個方向調整」，前提是量表有明確的「剛剛好」中點。
- 含 JAR 量表和整體喜好度題目的產品測試或概念測試。
- 決定需要調整哪些屬性，以及調整的方向。
- 在相同屬性上比較多個原型產品。
- 強度量表或喜好量表，沒有「剛剛好」中點。
- 樣本很小——某一側少於約 20 人時，平均下降不穩定。
- 彼此連動的屬性（例如甜度與風味強度）——懲罰互相重疊，不能直接相加。
如何解讀結果
優先處理既常見（至少 20% 的受訪者）又代價高（9 分制下平均下降約 0.5 分以上）的方向，並依加權懲罰排序。除非顯著性檢定支持，否則不要根據小樣本組的大幅下降做決策。