一文读懂感官数据实验类型与分析方法

摘要：在产品研发、市场调研等众多领域中，感官数据的分析至关重要。它能帮助我们深入了解消费者对产品的感受，从而优化产品品质、提升市场竞争力。本文将详细解读感官数据的分析方法，助您找到最适合的工具。

导语：

在产品研发、市场调研等众多领域中，感官数据的分析至关重要。它能帮助我们深入了解消费者对产品的感受，从而优化产品品质、提升市场竞争力。本文将详细解读感官数据的分析方法，助您找到最适合的工具。

感官实验主要分为差异实验、感官剖面实验、时间相关实验等类型。差异实验评估产品间的总体差异，如通过三角测试等方法判断产品的可区分性；感官剖面实验由多个评估员对多个产品的多种属性进行评级，能获取更全面的感官信息；时间相关实验则关注感官属性随时间的变化。

1.感官辨别测试（如三角测试）

方法：评估员面对三个产品（两个相似产品和一个目标产品），需指出目标产品。适用场景：常用于初步评估新产品是否易于区分。

2.成对比较实验（基于偏好或属性强度）

方法：评估员对每对产品根据偏好或特定属性选择 “获胜” 产品，使用 General Bradley - Terry 模型分析数据。适用场景：对产品按属性强度或偏好进行分类，量化选择产品的几率。

3.成对比较实验（量化产品间相似性或差异性）

方法：评估员对每对产品的差异性或相似性进行数值量化，通过多维尺度分析（MDS）绘制产品地图。适用场景：直观呈现产品间的相似或差异程度。

4.自由排序实验

方法：评估员将产品分组，使相似产品归为一组，利用 Free sorting 数据分析评估对象间的距离。适用场景：探索产品的自然分组情况。

5.投射映射 /“napping” 实验

方法：评估员在桌布上根据产品的相似性放置产品，使用 STATIS 分析对象间的总体差异。适用场景：从评估员的主观感受出发，分析产品的相似性。

实验设置要点：需在多种限制条件下组织实验，确保数据的可用性，可借助 “感官数据分析实验设计” 工具。

数据收集尺度：

定量（数字）尺度：如 5、7 或 9 点李克特量表或线性量表，结果精确，但需对评估小组进行深度培训。恰到好处（JAR）尺度：如 3 或 5 点量表，中间点为最理想状态，便于通过惩罚分析优化产品。CATA（二元）尺度：评估员仅标记产品中属性的存在或不存在，适合未经培训的消费者参与实验。

2.数据分析方法

多元技术（当评级为定量时）

主成分分析（PCA）：广泛用于获取感官属性、产品间关系及产品属性特征的总体概况，但会忽略评估员个体差异。广义 Procrustes 分析（GPA）：考虑并纠正评估员个体差异，可研究评估员间的共识，也适用于自由选择剖面数据。STATIS：考虑评估员效应，降低非典型评估员的影响，基于 RV 系数比较评估员评级。多重因子分析（MFA）：用于探索多表数据关系，可揭示不同感官属性子集间的关系。CLUSTATIS：根据评估员对产品的感知对其进行分类，突出不同观点。

评估小组可靠性分析（当评级为定量时）

通过语义差异图比较评估员在给定产品属性上的一致性，分析评估员的判别能力、一致性和重复性。

产品快速表征与比较（当评级为定量时）

方差分析（ANOVA）：传统方法，用于比较产品在各属性上的差异，可通过双向 ANOVA 考虑评估员效应，借助多重比较程序找出显著差异产品。产品表征：基于 ANOVA，快速确定产品中显著高于或低于平均值的感官属性。语义差异图：可视化比较产品属性。

感官数据与偏好关联（当评级为定量时）

外部偏好映射：将偏好数据根据感官数据建模，通过 PCA 地图展示产品感官空间及偏好区域，引导产品感官开发，偏好和感官数据可由不同小组提供。偏最小二乘回归（PLS）：根据产品感官评价建模偏好，可选择单一或多个偏好变量，也可用于识别感官属性的化学驱动因素。内部偏好映射：单独分析偏好数据，无需参考感官空间，可检测不同偏好消费者集群。

JAR 尺度感官数据与偏好关联

惩罚分析：专门用于关联 JAR 感官数据与偏好，实现产品的精细优化，但感官和偏好评级需由同一小组提供。

CATA 尺度数据处理

CATA 数据分析：比较产品的二元尺度感官轮廓，若有偏好数据，可确定产品优化所需属性，涉及 Cochran’s Q 检验、对应分析和主坐标分析等统计程序。CATATIS：在限制非典型评估员影响方面改进 CATA 多元方法。CLUSCATA：基于产品感知对受试者进行分类，适用于异质受试者小组。时间相关实验方法概述与静态感官属性评级不同，时间相关实验采用动态分析方法探索感官轮廓随时间的变化。具体实验方法时间感觉优势（TDS）和 TCATA：评估员在每个时间步检查属性是否存在，TDS 更具描述性，TCATA 包含显著性检验和产品轨迹图。时间 - 强度：仅比较产品在单一属性上随时间的变化，输入数据需为定量，假设评价为钟形曲线，通过 ANOVA 比较曲线参数。