In consumer studies, segmentation has been widely applied to identify consumer subsets on the basis of their preference for a set of products. From the last decade onwards, a more comprehensive evaluation of product performance has led to take into account various information such as consumer emotion assessment or hedonic measures on several aspects, like taste, visual and flavor. This multi-attribute evaluation of products naturally yields a three-way (products by consumers by attributes) data structure. In order to identify segments of consumers on the basis of such three-way data, the Three-Way Cluster analysis around Latent Variables (CLV3W) approach (Wilderjans & Cariou, 2016) is considered. This method groups the consumers into clusters and estimates for each cluster an associated latent product variable and attribute weights, along with a set of consumer loadings, which may be used for the purpose of cluster-specific product characterization. As consumers who rate the products along the attributes in an opposite way (i.e., raters’ disagreement) should not be in the same cluster, in this paper, we propose to add a non-negativity constraint on the consumer loadings and to integrate this constraint within the versatile CLV3W approach. This non-negatively constrained criterion implies that the latent variable for each cluster is determined such that consumers within each cluster are as much related – in terms of a positive covariance – as possible with this latent product component. This approach is applied to a consumer emotion ratings dataset related to coffee aromas.

中文翻译：

---

基于非负约束CLV3W的多属性产品评价中的消费者细分

在消费者研究中，细分已被广泛应用于根据消费者对一组产品的偏好来识别消费者子集。从过去十年开始，对产品性能的更全面评估导致考虑各种信息，例如消费者情绪评估或在口味、视觉和风味等多个方面的享乐措施。这种对产品的多属性评估自然会产生三向（消费者的产品按属性）数据结构。为了根据此类三向数据识别消费者细分，考虑了围绕潜在变量的三向聚类分析 (CLV3W) 方法 (Wilderjans & Cariou, 2016)。该方法将消费者分组并为每个集群估计相关的潜在产品变量和属性权重，以及一组消费者负载，可用于特定集群的产品特征。由于以相反的方式（即评价者的分歧）对产品进行评分的消费者不应在同一个集群中，因此在本文中，我们建议在消费者负载上添加一个非负约束并整合该约束在通用 CLV3W 方法中。这种非负约束标准意味着确定每个集群的潜在变量，以便每个集群内的消费者尽可能多地与该潜在产品组件相关（就正协方差而言）。该方法应用于与咖啡香气相关的消费者情绪评级数据集。可用于特定集群的产品特征。由于以相反的方式（即评价者的分歧）对产品进行评分的消费者不应在同一个集群中，因此在本文中，我们建议在消费者负载上添加一个非负约束并整合该约束在通用 CLV3W 方法中。这种非负约束标准意味着确定每个集群的潜在变量，以便每个集群内的消费者尽可能多地与该潜在产品组件相关（就正协方差而言）。该方法应用于与咖啡香气相关的消费者情绪评级数据集。可用于特定集群的产品特征。由于以相反的方式（即评价者的分歧）对产品进行评分的消费者不应在同一个集群中，因此在本文中，我们建议在消费者负载上添加一个非负约束并整合该约束在通用 CLV3W 方法中。这种非负约束标准意味着确定每个集群的潜在变量，以便每个集群内的消费者尽可能多地与该潜在产品组件相关（就正协方差而言）。这种方法应用于与咖啡香气相关的消费者情绪评级数据集。在本文中，我们建议在消费者负载上添加一个非负约束，并将此约束集成到通用的 CLV3W 方法中。这种非负约束标准意味着确定每个集群的潜在变量，以便每个集群内的消费者尽可能多地与该潜在产品组件相关（就正协方差而言）。这种方法应用于与咖啡香气相关的消费者情绪评级数据集。在本文中，我们建议在消费者负载上添加一个非负约束，并将此约束集成到通用的 CLV3W 方法中。这种非负约束标准意味着确定每个集群的潜在变量，以便每个集群内的消费者尽可能多地与该潜在产品组件相关（就正协方差而言）。这种方法应用于与咖啡香气相关的消费者情绪评级数据集。这种非负约束标准意味着确定每个集群的潜在变量，以便每个集群内的消费者尽可能多地与该潜在产品组件相关（就正协方差而言）。该方法应用于与咖啡香气相关的消费者情绪评级数据集。这种非负约束标准意味着确定每个集群的潜在变量，以便每个集群内的消费者尽可能多地与该潜在产品组件相关（就正协方差而言）。该方法应用于与咖啡香气相关的消费者情绪评级数据集。