Conjoint-analyysi – johdanto ja yleiskatsaus

Conjoint-yleiskatsaus


Conjoint-analyysin avulla pyritään löytämään optimaalinen sijoittuminen hinnan ja ominaisuuksien suhteen alhaisen hinnan ja alhaisen laadun sekä korkean hinnan ja korkean laadun välille kvantifioimalla asiakkaiden päätöksenteossaan tekemät kompromissit.

Jokainen asiakas, joka tekee valintoja tuotteiden ja palvelujen välillä, joutuu tekemään kompromisseja (ks. conjoint-esittelymme). Onko korkea laatu tärkeämpää kuin esimerkiksi alhainen hinta ja nopea toimitus? Tai onko hyvä palvelu tärkeämpää kuin muotoilu ja ulkonäkö?

Yritysten kannalta se, että ne ymmärtävät tarkkaan, miten asiakkaat arvostavat tuotteen tai palvelun eri osatekijöitä, tarkoittaa, että tuotekehitystä voidaan optimoida siten, että saadaan paras mahdollinen tasapaino ominaisuuksien tai laadun välillä hinnoilla, jotka asiakas on valmis maksamaan. Kokonaismarkkinoilla tätä voidaan käyttää parhaan tuotevalikoiman määrittelyyn eri segmenteille tai markkinoiden tarpeisiin, jolloin ominaisuudet, arvo ja hinta voidaan tasapainottaa koko tuotevalikoimassa asiakasarvon ja markkinatuottojen maksimoimiseksi.

Vakiintunut ja tehokas keino arvioida asiakkaiden arvoa

Konjoint-analyysi on kehittynyt ja parantunut jatkuvasti siitä lähtien, kun se keksittiin 1970-luvulla, ja siitä on tullut tuotesuunnittelun ja hinnoittelututkimuksen keskeinen väline. Kun ymmärretään tarkkaan, miten ihmiset tekevät päätöksiä ja mitä he arvostavat tuotteissasi ja palveluissasi, voidaan selvittää ”sweetspot” eli optimaalinen ominaisuuksien ja palvelujen taso, joka tasapainottaa asiakkaan saaman arvon ja yritykselle aiheutuvat kustannukset keskenään, sekä ennustaa potentiaalista kysyntää tai markkinaosuutta kilpailluilla markkinoilla.

Se on kuitenkin kehittynyt tekniikka, ja tarvitaan asiantuntemusta, jotta voidaan varmistua siitä, että suunnittelulla ja tuotoksilla saavutetaan liiketoiminnan tavoitteet.

Conjoint-analyysin periaatteet – ominaisuudet ja tasot

Conjoint-analyysin periaatteet alkavat siitä, että tuote tai palvelu jaetaan osiin (joita kutsutaan ominaisuuksiksi ja tasoiksi – ks. kohta Conjoint-analyysitutkimuksen suunnittelu), minkä jälkeen testataan näiden osien yhdistelmiä, jotta saadaan selville, mitä asiakkaat suosivat. Kun tutkimus suunnitellaan tarkoituksenmukaisesti käyttäen huolellisesti valittuja tilastollisia malleja (joita kutsutaan myös kokeellisiksi malleiksi), on mahdollista käyttää tilastollista analyysia tuotteen tai palvelun kunkin osan arvon tai hyödyllisyyspisteytyksen selvittämiseksi sen mukaan, miten se vaikuttaa asiakkaan päätökseen.

Esimerkiksi tietokonetta voidaan kuvata sellaisilla ominaisuuksilla kuin prosessorin tyyppi, kiintolevyn koko ja muistin määrä. Kukin näistä ominaisuuksista jaetaan tasoihin – esimerkiksi muistin kokoa koskevan ominaisuuden tasot voivat olla 1GB, 2GB, 3GB ja 4GB.

Aattribuuteista ja tasoista tuoteprofiileihin ja valintatehtäviin

Näitä attribuutteja ja tasoja voidaan käyttää erilaisten tuotteiden määrittelyyn valitsemalla eri tuotteille eri tasot, joten conjoint-analyysin ensimmäisessä vaiheessa luodaan joukko tuoteprofiileja (attribuuttien ja tasojen mahdollisia yhdistelmiä), joiden avulla tuotetaan joukko vaihtoehtoja, joista asiakkaita tai vastaajia pyydetään valitsemaan.

Potentiaalisten profiilien määrä kasvaa luonnollisesti nopeasti jokaista uutta lisättyä ominaisuutta kohden, kun mahdollisten yhdistelmien määrä kasvaa, joten on olemassa tilastollisia tekniikoita ja suunnittelumenetelmiä, joilla voidaan yksinkertaistaa sekä testattavien profiilien määrää että tapaa, jolla mieltymyksiä testataan, jotta mahdollisimman suuri määrä valintatietoa voidaan kerätä mahdollisimman pienestä valintatehtävien joukosta.

Oikean conjoint-analyysityypin tai -muodon valitseminen

Tarkka lähestymistapa ”valintatehtävien” luomiseen riippuu siitä, minkä tyyppistä tai -muotoista conjoint-analyysia on tarkoituksenmukaisinta käyttää. Yleisin lähestymistapa on valintoihin perustuva conjoint-analyysi (CBC), mutta muitakin lähestymistapoja on olemassa. Opiskelijoille opetetaan usein täysprofiilista conjoint-analyysia, jossa käytetään luokituksia tai kortteja, kun taas useampien ominaisuuksien kohdalla käytetään adaptiivisia malleja, kuten adaptiivista conjoint-analyysia (ACA), valikkopohjaista conjoint-analyysia (menu-based conjoint) tai adaptiivista valintaan perustuvaa conjoint-analyysia (ACBC). Taloustieteilijät saattavat käyttää Stated Preference- tai Discrete Choice Methods -menetelmiä.

Conjoint-analyysi ei välttämättä ole oikea vaihtoehto. Muilla lähestymistavoilla, kuten MaxDiff-, Simalto- tai tarvehierarkiatutkimuksilla, on kullakin erilaisia tapoja hallita tasapainoa mukaan otettavien ominaisuuksien lukumäärän ja niiden valintojen suhteellisen monimutkaisuuden välillä, jotka on esitettävä laadukkaan tiedon saamiseksi.

Statistinen suunnittelu ja analyysi

Conjoint-analyysitutkimus on riippuvainen asianmukaisesta tilastollisesta suunnittelusta, jotta hyödyllisyysmallit voidaan estimoida. Kun kaikki valintatehtävät on suoritettu, analyysissä mallinnetaan, mikä johti asiakkaiden valintoihin tai mieltymyksiin tarjotuista tuoteprofiileista.

Tilastollisessa tuotoksessa kvantifioidaan tällöin sekä se, mikä johti mieltymykseen esitetyistä attribuuteista ja tasoista – joita kutsutaan hyötyarvoiksi tai osa-arvoiksi ja tärkeyspisteiksi. Nämä hyötyarvot antavat arvoa kullekin tasolle, kullekin ominaisuudelle, sen osuuden osalta tehtyihin valintoihin, ja siten ne osoittavat yhden tason suhteellisen arvon suhteessa toiseen.

Markkinamallit – markkinapotentiaalin ennustaminen

Tilastollinen tuotos antaa yksityiskohtaisen kvantifioidun kuvan siitä, miten asiakkaat tekevät päätöksiä, ja tietopaketin, jota voidaan käyttää markkinamallien rakentamiseen, joiden avulla voidaan ennustaa mieltymyksiä tai arvioida markkinaosuuksia uusissa markkinaolosuhteissa ja ennustaa tuote- tai palvelumuutosten vaikutuksia markkinoihin. Yrityksille tämä antaa mahdollisuuden nähdä, missä ja miten ne voivat saavuttaa suurimmat parannukset kilpailijoihinsa nähden, missä ne voivat tuottaa lisäarvoa asiakkaalle, miten hinta vaikuttaa päätöksiin ja näin ollen ennustaa kysyntää ja tuloja. Ei ole yllättävää, että conjoint-analyysistä on tullut keskeinen väline markkinastrategioiden laatimisessa ja kehittämisessä.

Yhdistämällä nämä markkinamallit sisäisiin hankekustannuslaskelmiin yritykset voivat arvioida päätöksiä sijoitetun pääoman tuoton (ROI) kannalta ennen markkinoille menoa. Esimerkiksi sen määrittämiseksi, mitä resursseja uusien tuotteiden kehittämiseen kannattaa käyttää ja millä aloilla. Valintoihin perustuva conjoint- tai diskreetti valintamallinnus muodostaa myös perustan suurelle osalle hinnoittelututkimuksista ja tehokkaalle tarvelähtöiselle segmentoinnille.”

”Etsimme toimistoa, joka pystyisi ymmärtämään ratkaisujamme ja monimutkaista asiakaskuntaamme ja siirtämään tämän ymmärryksen kattavaan asiakaskyselyyn.”
dobney.com sai nopeasti syvällisen ymmärryksen liiketoimintamme erityispiirteistä ja suunnitteli erinomaisen, nykyaikaisen conjoint-tutkimuksen. He tarjosivat ammattitaitoista ja yksilöllistä palvelua, jonka laatua emme olleet koskaan aiemmin kokeneet. Dobney.comin kanssa oli hienoa tehdä yhteistyötä, ja tutkimuksesta saadut tulokset ovat meille korvaamattoman arvokkaita.”

Markkinointipäällikkö, Leica Microsystems

Vaihtoehtoja conjoint-tutkimukselle – MaxDiffistä konfiguraattoreihin ja sähköisen kaupankäynnin mokkuloihin

Conjoint-analyysi on suhteellisen monimutkainen, sillä se edellyttää ymmärrystä siitä, miten attribuutteja ja tasoja käytetään ja luodaan, mitä makua käytetään, miten tuoteprofiileja laaditaan, millainen valintatehtävä tarjotaan, ja sen jälkeen siitä, miten tietoja analysoidaan ja miten rakennetaan tuotemalli. On mahdollista käyttää valmiita ohjelmistoja, jotka tarjoavat opastusta ja apua, mutta niiden avulla voi myös helposti tehdä virheitä tai luoda huonoja malleja. Conjoint-analyysi ei myöskään aina sovi, erityisesti jos päätöksentekoon liittyy monia tasoja tai syvempiä emotionaalisia tekijöitä. Tuotteesta tai palvelusta riippuen on siis mahdollista, että valmiit lähestymistavat eivät aina sovellu ja tarvitaan muita menetelmiä. Onneksi on olemassa useita asiaan liittyviä lähestymistapoja, joita käytetään vaihtoehtona conjoint-analyysille, kuten MaxDiff, konfiguraattorit tai Simalto (tunnetaan myös nimellä trade-off grids). MaxDiff-analyysissä mitataan enemmänkin arvoa erilaisten kohteiden luettelosta kuin tuotetaan kokonaisia tuotteita, mutta siinä käytetään monia samoja ominaisuuksia ja analyysejä kuin conjoint-analyysissä. Simalto, kuten conjoint-analyysi, pilkkoo tuotteet attribuutteihin ja tasoihin, mutta esittää ne sitten vastaajille vaihtoehtojen ruudukkona.

Vaikka muita tutkimustekniikoita, kuten valikoiden rakentamista (konfiguroidun tuotteen rakentaminen valituista vaihtoehdoista) ja haku- ja suodatintutkimuksia sähköisen kaupankäynnin tyylisten mock-upien muodossa, joissa vastaajat metsästävät mieleisimpiä tuotteitaan, voidaan myös käyttää conjoint-analyysin yhteydessä tai sen vaihtoehtoina.

Demonstraatiot ja lisälukemista

Matemaattisen työskentelyn havainnollistamiseksi meillä on täysin valmis yksinkertainen Conjoint-analyysin työstöesimerkki Excelissä, joka osoittaa, miten Conjoint-analyysi toimii osa-arvojen tai hyötyjen arvioimiseksi suunnittelusta analyysiin.

  • Katso vuorovaikutteinen välitön conjoint-analyysin esittelymme, jossa näytetään, miten asiakasarvo voidaan laskea valinnoista.
  • Katso, miten conjoint-markkinamallit ja simulaattorit toimivat, jotta voit tehdä parempia ROI-päätöksiä asiakasarvojen perusteella.
  • Conjoint-analyysin suunnitteluperiaatteet
  • Conjoint-analyysin tyypit tai muodot

Apua ja neuvoja Conjoint-analyysin käyttämiseen markkinamallinnuksessa tai Conjoint-analyysitutkimuksen toteuttamiseen saat sähköpostitse osoitteesta [email protected]

.

Jätä kommentti