Conjoint-analyse – introduktion og oversigt

Conjoint-oversigt


Conjoint-analyse har til formål at finde den optimale positionering mellem lav pris-lav kvalitet og høj pris-høj kvalitet med hensyn til pris og funktioner ved at kvantificere de afvejninger og kompromiser, som kunderne indgår i deres beslutningstagning.

Alle kunder, der træffer valg mellem produkter og tjenester, står over for afvejninger (se vores conjoint-demonstration). Er høj kvalitet f.eks. vigtigere end en lav pris og hurtig levering? Eller er god service vigtigere end design og udseende?

For virksomheder betyder en præcis forståelse af, hvordan kunderne værdsætter forskellige elementer i et produkt eller en tjenesteydelse, at produktudviklingen kan optimeres, så den giver den bedste balance mellem funktioner eller kvalitet til den pris, som kunden er villig til at betale. På et marked som helhed kan dette bruges til at definere det bedste produktsortiment for forskellige segmenter eller markedsbehov og afbalancere funktioner, værdi og pris på tværs af et produktsortiment for at maksimere kundeværdien og markedsafkastet.

Et etableret og effektivt middel til at vurdere kundeværdien

Med løbende udvikling og forbedringer, siden det blev opfundet i 1970’erne, er conjoint-analyse blevet et centralt værktøj til produktplanlægning og prisundersøgelser. Ved at forstå præcist, hvordan folk træffer beslutninger, og hvad de lægger vægt på i dine produkter og tjenester, kan du finde frem til det optimale niveau af funktioner og tjenester, der afbalancerer værdien for kunden og omkostningerne for virksomheden, og forudsige den potentielle efterspørgsel eller markedsandel i en konkurrencesituation på markedet.

Det er dog en sofistikeret teknik, og der kræves ekspertise for at sikre, at design og output opfylder virksomhedens mål.

Conjoint-principper – attributter og niveauer

Principperne bag conjoint-analyse starter med at opdele et produkt eller en tjenesteydelse i dens bestanddele (kaldet attributter og niveauer – se afsnittet om, hvordan man udformer en conjoint-analyseundersøgelse) for derefter at afprøve kombinationer af disse dele for at finde ud af, hvad kunderne foretrækker. Ved at tilrettelægge undersøgelsen hensigtsmæssigt ved hjælp af nøje udvalgte statistiske design (også kaldet eksperimentelle design) er det derefter muligt at anvende statistisk analyse til at beregne værdien eller nytteværdien af hver enkelt del af produktet eller tjenesteydelsen i form af dens bidrag til kundens beslutning.

En computer kan f.eks. beskrives ved hjælp af attributter som processortype, harddiskstørrelse og hukommelsesmængde. Hver af disse attributter er opdelt i niveauer – f.eks. kan niveauerne for attributten hukommelsesstørrelse være 1 GB, 2 GB, 3 GB og 4 GB.

Fra attributter og niveauer til produktprofiler og valgopgaver

Disse attributter og niveauer kan bruges til at definere forskellige produkter ved at vælge forskellige niveauer for forskellige produkter, så det første trin i conjoint-analysen er at skabe et sæt produktprofiler (mulige kombinationer af attributter og niveauer) for at frembringe et sæt muligheder, som kunderne eller respondenterne derefter bliver bedt om at vælge imellem – kendt som valgsæt eller valgopgaver.

Det er klart, at antallet af potentielle profiler stiger hurtigt for hver ny attribut, der tilføjes, efterhånden som antallet af mulige kombinationer stiger, så der findes statistiske teknikker og designmetoder til at forenkle både antallet af profiler, der skal testes, og den måde, hvorpå præferencerne testes, således at der kan indsamles den størst mulige mængde valgoplysninger fra det mindste sæt af valgopgaver.

Valg af den rigtige type eller smag af conjoint-analyse

Den præcise fremgangsmåde ved udarbejdelsen af “valgopgaver” afhænger af, hvilken type eller smag af conjoint-analyse der er mest hensigtsmæssig at anvende. Den mest almindelige fremgangsmåde er valgbaseret conjoint (CBC), men der findes også andre varianter. Studerende får ofte undervisning i fuldprofileret conjoint-analyse ved hjælp af vurderinger eller kort, mens der til flere attributter anvendes adaptive designs som f.eks. adaptiv conjoint-analyse (ACA), menubaseret conjoint-analyse eller adaptiv valgbaseret conjoint-analyse (ACBC). Økonomer vil måske se på metoderne for erklærede præferencer eller diskrete valg.

Conjoint-analyse er måske ikke den rigtige løsning. Andre tilgange såsom MaxDiff, Simalto eller behovshierarkiundersøgelser har hver især forskellige måder at forvalte balancen mellem antallet af attributter, der kan medtages, og den relative kompleksitet af de valg, der skal vises, for at få data af god kvalitet.

Statistisk design og analyse

En conjointanalyseundersøgelse er afhængig af et passende statistisk design for at kunne estimere nyttemodellerne. Når alle valgopgaverne er blevet udført, indebærer analysen en modellering af, hvad der drev kundernes valg eller præferencer ud fra de tilbudte produktprofiler.

Det statistiske output kvantificerer derefter både det, der driver præferencen ud fra de viste attributter og niveauer – kendt som nytteværdier eller delværdier og vigtighedsscorer. Disse utilities giver en måling af værdien for hvert niveau af hver egenskab i form af dens bidrag til de valg, der blev truffet, og viser således den relative værdi af et niveau i forhold til et andet.

Markedsmodeller – forudsigelse af markedspotentialet

Det statistiske output giver et detaljeret kvantificeret billede af, hvordan kunderne træffer beslutninger, og et sæt data, der kan bruges til at opbygge markedsmodeller, som kan forudsige præferencer eller estimere markedsandele under nye markedsforhold med henblik på at forudsige virkningen af produkt- eller tjenesteændringer på markedet. For virksomhederne giver dette dem mulighed for at se, hvor og hvordan de kan opnå de største forbedringer i forhold til deres konkurrenter, hvor de kan skabe merværdi for kunderne, hvordan prisen påvirker beslutningerne og dermed forudsige efterspørgsel og indtjening. Det er ikke overraskende, at conjoint-analyse er blevet et vigtigt redskab i opbygningen og udviklingen af markedsstrategier.

Ved at kombinere disse markedsmodeller med interne projektkalkulationer kan virksomhederne evaluere beslutninger med hensyn til investeringsafkastet (ROI), inden de går på markedet. F.eks. ved at afgøre, hvilke ressourcer der skal bruges på udvikling af nye produkter og på hvilke områder. Valgbaseret conjoint- eller discrete choice-modellering danner også grundlag for mange prisundersøgelser og kraftfuld behovsbaseret segmentering.

“Vi ledte efter et bureau, der kunne forstå vores løsninger og komplekse kundebase for at overføre denne forståelse til en omfattende kundeundersøgelse.
dobney.com fik hurtigt en dyb indsigt i de særlige forhold i vores virksomhed og designede en fremragende, state-of-the-art conjoint-undersøgelse. De leverede en professionel og individuel service af en kvalitet, som vi aldrig havde oplevet før. Det var fantastisk at arbejde sammen med dobney.com, og resultaterne af undersøgelsen er af uvurderlig værdi for os.”

Marketingchef, Leica Microsystems

Alternativer til conjoint – fra MaxDiff til konfiguratorer og e-commerce mock-ups

Conjoint-analyse er relativt kompleks, da det kræver en forståelse af, hvordan man bruger og opretter attributter og niveauer, hvilken smag man skal bruge, hvordan man laver produktprofilerne, hvilken valgopgave man skal tilbyde, og derefter hvordan man analyserer dataene og opbygger markedsmodellen. Det er muligt at bruge standardprogrammer, som giver vejledning og hjælp, men det kan også gøre det let at begå fejl eller generere dårlige designs. Og conjoint-analyse passer ikke altid, især ikke hvis der er mange niveauer eller en dybere, mere følelsesmæssig drivkraft i beslutningstagningen. Så afhængigt af produktet eller tjenesten er det muligt, at standardmetoder ikke altid er egnede, og at der er behov for andre metoder. Heldigvis findes der en række beslægtede metoder, der anvendes som alternativer til conjoint-analyse, f.eks. MaxDiff, konfiguratorer eller Simalto (også kendt som trade-off-grids). MaxDiff handler mere om at måle værdien ud fra en liste af elementer end om at generere komplette produkter, men den anvender mange af de samme funktioner og analyser som conjoint. Simalto opdeler ligesom conjoint-analysen produkter i attributter og niveauer, men præsenterer dem derefter som et gitter af valgmuligheder for respondenterne.

En række andre undersøgelsesteknikker, herunder menubygning (opbygning af et konfigureret produkt ud fra en række udvalgte muligheder) og søge- og filterundersøgelser i form af mock-ups i stil med e-handel, hvor respondenterne går på jagt efter deres mest foretrukne produkter, kan også anvendes i forbindelse med eller som alternativer til conjoint-analysen.

Demonstrationer og yderligere læsning

For at se det matematiske arbejde har vi et fuldt udbygget simpelt conjoint-analyse-arbejdseksempel i Excel for at vise, hvordan conjoint-analyse fungerer til at estimere delværdier eller nytteværdier fra design til analyse.

  • Se vores interaktive øjeblikkelige conjoint-analyse-demonstration, der viser, hvordan kundeværdi kan beregnes ud fra valg.
  • Se, hvordan conjoint-markedsmodeller og simulatorer fungerer for at muliggøre bedre ROI-beslutninger baseret på kundeværdier.
  • Conjoint-analysens designprincipper
  • Conjoint-analysetyper eller varianter

Hvis du ønsker hjælp og rådgivning om brug af conjoint-analyse til markedsmodellering, eller hvis du ønsker at udføre conjoint-analyseundersøgelser, kan du sende en e-mail til [email protected]

Skriv en kommentar