Multidimensionale skaleringsteknikker, eller non metric mapping, er en teknik hvor respondenterne ikke skal begrunde deres valg og indstillinger, men alene udspørges om deres opfattelse af afstande.

Afstande
Det svarer i princippet til at man kan udarbejde et landkort alene baseret på angivelse af, hvordan byer og steder ligger i forhold til hinanden. Forudsat at de udspurgte har viden om afstandene (og der er tilstrækkelig mange opservationer) vil kortet blive rigtigt.
Udspørgningen kan foregå på flere måder (fx parvise sammenligninger: hvilke mærker ligner hinanden mest) eller ved præferencer, men den væsentlige fordel ved teknikken er at respondenternes egne begrundelser for oplevelse af afstandene ikke indgår i databehandlingen.

Ingen subjektivitet
Vi undgår således problemer med at respondenterne muligvis ikke kan formulere og begrunde deres indstilling, eller den skævhed at respondenterne har tilbøjelighed til at svare som man mener er "rigtigt" eller ønsket.
Endvidere bevæger vi os fra producentens til forbrugerens kriterier for valg og indstillinger.

Økonomisk overkommelig i dag
Teknikken er ikke ny, men på grund af den omfattende databehandling var den tidligere særdeles dyr. I dag har vi adgang til væsentlig større datakraft - til væsentlig lavere omkostning.

Kreativt værktøj
Helt tilbage i 1970'erne arbejdede Lintas med de multivariable skaleringsteknikker på den måde, at det eneste analysemateriale, der indgik i talbehandlingen, var en rækkefølgeprioritering af præferencen for en stribe konkurrerende kendte mærker. Det spændende og kreativt inspirerende arbejde var at give de mest betydende afstandsdimensioner (variabler) en efterspørgselsmæssig relevant beskrivelse.

Anvendelighed
Behovet for at vide noget om virksomhedens og/eller produkternes positionering på markedet er fast element i alle markedsføringsplaner. Multidimensionale skaleringer kan være værktøjet til at vise dette.
Metodevalget afhænger af datastrukturen (hvilke forklarende variable er der, hvor betydende er de, forhåndskendskab til sammenhængen mmm).

Dimensionerne
I princippet er opgaven at bestemme de betydende dimensioner og at placere virksomhederne/ mærkerne i forhold til hinanden mht disse dimensioner. Rent grafisk er det nemt nok når vi taler om 2 betydende dimensioner, og 3 er ok, om end besværligere (Lego-klodser kan bruges her). Vanskeligere bliver det med flere dimensioner, hvor vi så ofte må arbejde med flere landskaber (perceptual maps) simultant.
Hvis analysen viser, at dimension 1 (fx en specifik produktegenskab) forklarer 25% af variationen mellem mærkerne, og dimension 2 forklarer 18%, mangler vi forsat forklaring af de resterende 57% af forskellen mellem mærker-ne. Eksempelvis kunne den 3. vigtigste dimen-sion vises på et nyt diagram, fortsat med dimension 1 ud ad abscissen, men med den 3. dimension op ad ordinaten. Eller som nævnt før kan man bygge en tredimensional model med Lego-klodser.
Jo længere ud ad de to dimensioner fra centrum (oligo), jo klarere profilering. Og omvendt jo tættere mærkerne eller virksomhederne er placeret ved centrum, jo mindre markans - man er lige god til det alt sammen, eller lige dårlig. Også kaldet profilgrød. Midterfeltet kaldes ofte den grå zone.
Kontinuerte analyser af denne slags kan give et værdifuldt grundlag for løbende tilpasning af markedsføringsaktiviteterne: hvor vil vi hen, hvordan kommer vi derhen, og kommer vi derhen - eller er vi på rette vej.

Korrespondanceanalyser
Eller på engelsk Correspondence Analysis er betegnelsen for en non metric mapping baseret på krydstabuleringer - altså binære tal (eller "simple dual scaling"). Der foretages fx ikke nogen rækkefølgesortering eller skalering, men er i princippet en ja/nej analyse. Har mærke (eller virksomhed) den givne egenskab etc. Udtrykket grafisk prioriteringsplot anvendes også. Outputtet bliver som den ovenstående grafik med fordeling af mærkerne på en todimensional - eventuelt tredimensional - grafik. Eksempelvis analyseinstituttet GfK arbejder en del med disse korrespondanceanalyser.