เข้าสู่ระบบลงทะเบียน →

📊 ผลการวิเคราะห์

ศึกษาความพึงพอใจระหว่าง Human vs VoiceBot ในงาน Call Center

ไม่แน่ใจว่าเลือกอันไหน? ใช้ค่าตั้งต้น MNL ได้เลย — เป็นวิธีที่งานวิจัยส่วนใหญ่รายงาน หรือเปิดแท็บ เปรียบเทียบวิธี เพื่อให้ระบบบอกว่าควรใช้อันไหนกับข้อมูลชุดนี้

⌕FILTER · ANALYSIS301/301responses
EXPAND ▼

สรุปผลแบบอ่านง่าย

ไม่ต้องรู้สถิติก็อ่านได้

สิ่งที่ผู้ตอบให้ความสำคัญมากที่สุดคือ เวลารอรับสาย (คิดเป็น 36.8% ของการตัดสินใจทั้งหมด) รองลงมาคือ ความถูกต้องของข้อมูล ที่ 35.0%

ถ้าจะออกแบบสินค้าให้ถูกใจที่สุด ควรเลือกความสำคัญ
เวลารอรับสาย: รับสายทันที (แทนที่จะเป็น รอ 5 นาทีขึ้นไป)
36.8%
ความถูกต้องของข้อมูล: ข้อมูลแม่นยำและน่าเชื่อถือ (แทนที่จะเป็น ข้อมูลเพียงระดับเบื้องต้นทั่วไป)
35.0%
การจดจำข้อมูลลูกค้า: จำประวัติได้ทันที (แทนที่จะเป็น ต้องแจ้งข้อมูลใหม่ทุกครั้ง)
11.7%
ผลลัพธ์การแก้ปัญหา: แก้ปัญหาได้ในสายเดียว (แทนที่จะเป็น ต้องโอนสายหรือรอติดต่อกลับ)
9.7%
ประเภทผู้ให้บริการ: Human Agent (แทนที่จะเป็น Voicebot AI)
3.9%
รูปแบบการสื่อสาร: เป็นกันเองและเห็นใจ (แทนที่จะเป็น ทางการและกระชับ)
3.0%

เชื่อผลนี้ได้แค่ไหน? จำนวนผู้ตอบผ่านเกณฑ์แล้ว · ความแม่นของแบบจำลอง (McFadden ρ²) = 0.180 — พอใช้

ตัวเลข "ความสำคัญ" บอกว่าปัจจัยนั้นทำให้คนเปลี่ยนใจได้มากแค่ไหน เมื่อเทียบกับปัจจัยอื่นในแบบสอบถามนี้ — รวมกันทุกปัจจัยได้ 100%

จำนวนผู้ตอบ

301

คน

ข้อมูลพอหรือยัง

ข้อมูลเพียงพอ

คะแนนความเพียงพอ 2408 (เกณฑ์สบายๆ คือ 1000)

→ แยกวิเคราะห์รายกลุ่มย่อยได้

คุณลักษณะ

6

รายการ

AI ตีความผลและข้อเสนอแนะ

📊 วิธีเดียว: AI จะวิเคราะห์ผลจาก Multinomial Logit (MNL) ที่กำลังแสดงอยู่บน UI

ใช้ AI วิเคราะห์และแปลผลข้อมูลให้เข้าใจง่าย พร้อมข้อเสนอแนะเชิงธุรกิจ

สัดส่วนความสำคัญของแต่ละคุณลักษณะ

แผนภูมิวงกลมแสดงสัดส่วนความสำคัญ (% จาก 100%)
📊 วิธีการคำนวณปัจจุบัน: Multinomial Logit (MNL)
Logit coefficients (reference level = 0). Positive = preferred, Negative = less preferred

  • การจดจำข้อมูลลูกค้า
  • ความถูกต้องของข้อมูล
  • ประเภทผู้ให้บริการ
  • ผลลัพธ์การแก้ปัญหา
  • รูปแบบการสื่อสาร
  • เวลารอรับสาย

คุณลักษณะที่ผู้บริโภคให้ความสำคัญ

ตัวเลขแสดงระดับความสำคัญ (% จาก 100%)

1

เวลารอรับสาย

36.8%

ความสำคัญ

เปรียบเทียบ Utility ของแต่ละระดับ:

รับสายทันทีรอไม่เกิน 3 นาทีรอ 5 นาทีขึ้นไป00.350.71.051.4Utility

💡 แท่งสูง = ผู้บริโภคให้คะแนนมากกว่า (ชอบมากกว่า)

2

ความถูกต้องของข้อมูล

35.0%

ความสำคัญ

เปรียบเทียบ Utility ของแต่ละระดับ:

ข้อมูลแม่นยำและน่าเชื่อถือข้อมูลเพียงระดับเบื้องต้นทั่วไป00.350.71.051.4Utility

💡 แท่งสูง = ผู้บริโภคให้คะแนนมากกว่า (ชอบมากกว่า)

3

การจดจำข้อมูลลูกค้า

11.7%

ความสำคัญ

เปรียบเทียบ Utility ของแต่ละระดับ:

จำประวัติได้ทันทีต้องแจ้งข้อมูลใหม่ทุกครั้ง00.150.30.450.6Utility

💡 แท่งสูง = ผู้บริโภคให้คะแนนมากกว่า (ชอบมากกว่า)

4

ผลลัพธ์การแก้ปัญหา

9.7%

ความสำคัญ

เปรียบเทียบ Utility ของแต่ละระดับ:

แก้ปัญหาได้ในสายเดียวต้องโอนสายหรือรอติดต่อกลับ00.090.180.270.36Utility

💡 แท่งสูง = ผู้บริโภคให้คะแนนมากกว่า (ชอบมากกว่า)

5

ประเภทผู้ให้บริการ

3.9%

ความสำคัญ

เปรียบเทียบ Utility ของแต่ละระดับ:

Human AgentVoicebot AI-0.16-0.12-0.08-0.040Utility

💡 แท่งสูง = ผู้บริโภคให้คะแนนมากกว่า (ชอบมากกว่า)

6

รูปแบบการสื่อสาร

3.0%

ความสำคัญ

เปรียบเทียบ Utility ของแต่ละระดับ:

เป็นกันเองและเห็นใจทางการและกระชับ-0.12-0.09-0.06-0.030Utility

💡 แท่งสูง = ผู้บริโภคให้คะแนนมากกว่า (ชอบมากกว่า)

💡 วิธีอ่านผลการวิเคราะห์

  • • ความสำคัญ (%): ยิ่งสูง = ผู้บริโภคให้ความสำคัญมากกว่า เช่น 40% หมายถึงคุณลักษณะนี้มีอิทธิพล 40% ต่อการตัดสินใจซื้อ
  • • ระดับที่ชอบ: ระดับที่มี ⭐ คือสิ่งที่ผู้บริโภคต้องการมากที่สุด
  • • ตัวเลข Utility: ยิ่งสูง = ยิ่งถูกเลือกบ่อย (ตัวเลขสัมพันธ์กัน ไม่ใช่ร้อยละ)
  • • คำแนะนำ: ใช้ปุ่ม "วิเคราะห์ด้วย AI" เพื่อรับคำแนะนำเชิงธุรกิจที่เข้าใจง่าย
  1. Multinomial Logit (MNL) (จาก cache)
  2. Multinomial Logit (MNL) (จาก cache)