Conjoint analysis – wprowadzenie i przegląd

Przegląd Conjoint


Conjoint analysis ma na celu znalezienie optymalnej pozycji pomiędzy niską ceną-niską jakością a wysoką ceną-wysoką jakością pod względem ceny i cech poprzez kwantyfikację kompromisów i kompromisów podejmowanych przez klientów w procesie podejmowania decyzji.

Każdy klient dokonujący wyboru pomiędzy produktami i usługami staje w obliczu kompromisów (zobacz naszą demonstrację conjoint). Czy na przykład wysoka jakość jest ważniejsza od niskiej ceny i szybkiej dostawy? Albo czy dobra obsługa jest ważniejsza niż design i wygląd?

Dla firm, dokładne zrozumienie jak klienci cenią różne elementy produktu lub usługi oznacza, że rozwój produktu może być zoptymalizowany, aby zapewnić najlepszą równowagę cech lub jakości za cenę, którą klient jest skłonny zapłacić. Na rynku jako całości, może to być wykorzystane do określenia najlepszej gamy produktów dla różnych segmentów lub potrzeb rynku, równoważąc cechy, wartość i cenę w całym zestawie produktów w celu zmaksymalizowania wartości klienta i zwrotów rynkowych.

Ustalone i potężne środki szacowania wartości klienta

Z ciągłym rozwojem i ulepszeniami od czasu jej wynalezienia w latach 70-tych, analiza conjoint stała się podstawowym narzędziem planowania produktu i badań cenowych. Poprzez dokładne zrozumienie, w jaki sposób ludzie podejmują decyzje i co cenią w swoich produktach i usługach, można wypracować „sweetspot” lub optymalny poziom funkcji i usług, które równoważą wartość dla klienta z kosztami dla firmy oraz przewidzieć potencjalny popyt lub udział w rynku w konkurencyjnej sytuacji rynkowej.

Jest to jednak wyrafinowana technika i wymagana jest wiedza specjalistyczna, aby zapewnić, że projekt i wyniki osiągną cele biznesowe.

Zasady conjoint – atrybuty i poziomy

Zasady stojące za analizą conjoint rozpoczynają się od rozbicia produktu lub usługi na jego części składowe (zwane atrybutami i poziomami – patrz sekcja jak zaprojektować badanie conjoint), a następnie przetestowania kombinacji tych części, aby dowiedzieć się, co preferują klienci. Poprzez odpowiednie zaprojektowanie badania z wykorzystaniem starannie dobranych projektów statystycznych (znanych również jako projekty eksperymentalne) możliwe jest następnie wykorzystanie analizy statystycznej do opracowania wartości lub wyniku użyteczności każdej części produktu lub usługi pod względem jej wkładu w decyzję klienta.

Na przykład komputer może być opisany pod względem atrybutów, takich jak typ procesora, rozmiar dysku twardego i ilość pamięci. Każdy z tych atrybutów jest podzielony na poziomy – na przykład poziomy atrybutu wielkości pamięci mogą wynosić 1GB, 2GB, 3GB i 4GB.

Od atrybutów i poziomów do profili produktów i zadań wyboru

Te atrybuty i poziomy mogą być użyte do zdefiniowania różnych produktów poprzez wybór różnych poziomów dla różnych produktów, więc pierwszym etapem analizy conjoint jest stworzenie zestawu profili produktów (możliwych kombinacji atrybutów i poziomów) w celu stworzenia zestawu opcji, z których klienci lub respondenci są następnie proszeni o dokonanie wyboru – znanych jako zestawy wyboru lub zadania wyboru.

Oczywiście, liczba potencjalnych profili szybko wzrasta dla każdego nowego dodanego atrybutu, ponieważ liczba możliwych kombinacji wzrasta, więc istnieją techniki statystyczne i metody projektowania w celu uproszczenia zarówno liczby profili do przetestowania, jak i sposobu, w jaki preferencje są testowane, tak aby maksymalna ilość informacji o wyborze mogła być zebrana z najmniejszego zestawu zadań wyboru.

Wybór właściwego typu lub smaku analizy conjoint

Precyzyjne podejście do tworzenia „zadań wyboru” zależy od tego, który typ lub smak analizy conjoint jest najbardziej odpowiedni do wykorzystania. Najbardziej powszechnym podejściem jest analiza conjoint oparta na wyborze (CBC), ale istnieją również inne jej odmiany. Studenci często uczą się pełnoprofilowej conjoint z wykorzystaniem ocen lub kart, dla większej ilości atrybutów stosuje się adaptacyjne projekty, takie jak adaptacyjna analiza conjoint (ACA), menu-based conjoint lub adaptacyjna analiza conjoint oparta na wyborze (ACBC). Ekonomiści mogą przyjrzeć się Stated Preference lub Discrete Choice Methods.

Analiza conjoint może nie być właściwą opcją. Inne podejścia, takie jak MaxDiff, Simalto lub badania hierarchii potrzeb, każde z nich ma inne sposoby zarządzania równowagą pomiędzy liczbą atrybutów, które mogą być włączone i względną złożonością wyborów, które muszą być pokazane w celu uzyskania dobrej jakości danych.

Projekt statystyczny i analiza

Badanie conjoint analysis opiera się na odpowiednim projekcie statystycznym, aby móc oszacować modele użyteczności. Po wykonaniu wszystkich zadań związanych z wyborem, analiza obejmuje modelowanie tego, co kierowało wyborami lub preferencjami klientów na podstawie oferowanych profili produktów.

Wyniki statystyczne określają ilościowo zarówno to, co kieruje preferencjami na podstawie przedstawionych atrybutów i poziomów – znane jako narzędzia lub wartości częściowe i wyniki ważności. Te narzędzia dają pomiar wartości dla każdego poziomu, każdego atrybutu, w kategoriach jego wkładu w wybory, które zostały dokonane i tak pokazuje względną wartość jednego poziomu w stosunku do innego.

Modele rynkowe – prognozowanie potencjału rynkowego

Wyniki statystyczne dają szczegółowy ilościowy obraz tego, jak klienci podejmują decyzje, oraz zestaw danych, które mogą być wykorzystane do budowy modeli rynkowych, które mogą przewidzieć preferencje lub oszacować udział w rynku w nowych warunkach rynkowych w celu prognozowania wpływu zmian produktu lub usługi na rynek. Dla przedsiębiorstw pozwala to zobaczyć, gdzie i w jaki sposób mogą uzyskać największą przewagę nad konkurentami, gdzie mogą dodać wartość dla klienta, jak cena wpływa na decyzje, a więc prognozować popyt i przychody. Nic dziwnego, że analiza conjoint stała się kluczowym narzędziem w budowaniu i rozwijaniu strategii rynkowych.

Poprzez połączenie tych modeli rynkowych z wewnętrznymi kosztorysami projektów, firmy mogą oceniać decyzje pod względem zwrotu z inwestycji (ROI) przed wejściem na rynek. Na przykład określenie, jakie zasoby przeznaczyć na rozwój nowych produktów i w jakich obszarach. Oparte na wyborze modelowanie conjoint lub dyskretnego wyboru stanowi również podstawę wielu badań cenowych i potężnej segmentacji opartej na potrzebach.

„Szukaliśmy agencji, która byłaby w stanie zrozumieć nasze rozwiązania i złożoną bazę klientów, aby przenieść to zrozumienie na kompleksowe badanie klienta.
dobney.com szybko uzyskał głęboki wgląd w specyfikę naszego biznesu i zaprojektował doskonałe, nowoczesne badanie conjoint. Dostarczyli profesjonalną i indywidualną obsługę o jakości, jakiej nigdy wcześniej nie doświadczyliśmy. Praca z dobney.com była wspaniała, a wnioski z badania są dla nas bezcenne.”

Marketing Manager, Leica Microsystems

Alternatywy dla conjoint – od MaxDiff do konfiguratorów i makiet e-commerce

Analiza conjoint jest stosunkowo skomplikowana, ponieważ wymaga zrozumienia, jak używać i tworzyć atrybuty i poziomy, jakiego smaku używać, jak tworzyć profile produktów, jakie zadanie wyboru oferować, a następnie jak analizować dane i budować model rynku. Możliwe jest użycie gotowego oprogramowania, które zapewni wskazówki i pomoc, ale może też sprawić, że łatwo będzie popełnić błędy lub wygenerować słabe projekty. A analiza conjoint nie zawsze pasuje, szczególnie jeśli istnieje wiele poziomów lub głębsze, bardziej emocjonalne dążenie do podejmowania decyzji. Tak więc, w zależności od produktu lub usługi, możliwe jest, że gotowe podejścia nie zawsze są odpowiednie i potrzebne są inne metody. Na szczęście istnieje szereg pokrewnych podejść stosowanych jako alternatywa dla analizy conjoint, takich jak MaxDiff, konfiguratory lub Simalto (znane również jako siatki kompromisów). MaxDiff jest bardziej ukierunkowany na pomiar wartości z listy elementów, niż na generowanie kompletnych produktów, ale wykorzystuje wiele z tych samych funkcji i analiz co conjoint. Simalto, podobnie jak analiza conjoint, rozbija produkty na atrybuty i poziomy, ale następnie przedstawia je respondentom w formie siatki opcji.

Szereg innych technik badawczych, w tym tworzenie menu (budowanie skonfigurowanego produktu z szeregu wybranych opcji) oraz badania typu „szukaj i filtruj” w formie makiet w stylu e-commerce, w których respondenci polują na najbardziej preferowane produkty, mogą być również stosowane w połączeniu z analizą conjoint lub jako jej alternatywa.

Demonstracje i dalsza lektura

Aby zobaczyć matematyczne działanie mamy w pełni opracowany prosty przykład działania analizy conjoint w Excelu, aby pokazać jak działa analiza conjoint w celu oszacowania part-worths lub utilities od projektu do analizy.

  • Zobacz naszą interaktywną demonstrację natychmiastowej analizy conjoint pokazującą, jak można obliczyć wartość klienta na podstawie wyborów.
  • Zobacz, jak działają modele i symulatory rynku conjoint, aby umożliwić podejmowanie lepszych decyzji ROI na podstawie wartości klienta.
  • Zasady projektowania analizy conjoint
  • Rodzaje lub smaki analizy conjoint

Po pomoc i porady na temat wykorzystania analizy conjoint do modelowania rynku lub przeprowadzenia badań z wykorzystaniem analizy conjoint napisz na adres [email protected]

.

Dodaj komentarz