Konjointanalys – introduktion och översikt

Konjointöversikt


Konjointanalysen syftar till att hitta den optimala placeringen mellan lågpris-lågkvalitativ och högpris-högkvalitativ i termer av pris och egenskaper genom att kvantifiera de kompromisser som kunderna gör när de fattar beslut.

Alla kunder som gör val mellan produkter och tjänster ställs inför avvägningar (se vår conjoint-demonstration). Är hög kvalitet viktigare än till exempel ett lågt pris och snabb leverans? Eller är god service viktigare än design och utseende?

För företag innebär en exakt förståelse av hur kunderna värderar olika delar av en produkt eller tjänst att produktutvecklingen kan optimeras för att ge den bästa balansen av funktioner eller kvalitet till de priser som kunden är villig att betala. På en marknad som helhet kan detta användas för att definiera det bästa produktsortimentet för olika segment eller marknadsbehov, genom att balansera funktioner, värde och pris i en produktuppsättning för att maximera kundvärdet och marknadsavkastningen.

Ett etablerat och kraftfullt sätt att uppskatta kundvärdet

Med kontinuerlig utveckling och förbättringar sedan den uppfanns på 1970-talet har conjoint-analys blivit ett centralt verktyg för produktplanering och prissättningsforskning. Genom att förstå exakt hur människor fattar beslut och vad de värdesätter i dina produkter och tjänster kan du räkna ut den optimala nivån av funktioner och tjänster som balanserar värdet för kunden mot kostnaden för företaget och prognostisera potentiell efterfrågan eller marknadsandelar i en konkurrensutsatt marknadssituation.

Det är dock en sofistikerad teknik och det krävs expertis för att se till att utformningen och resultaten kommer att uppnå affärsmålen.

Konjointprinciper – attribut och nivåer

Principerna bakom conjointanalys börjar med att bryta ner en produkt eller tjänst i dess beståndsdelar (kallade attribut och nivåer – se avsnittet om hur man utformar en conjointanalysstudie) för att sedan testa kombinationer av dessa delar för att ta reda på vad kunderna föredrar. Genom att utforma studien på lämpligt sätt med hjälp av noggrant utvalda statistiska konstruktioner (även kallade experimentella konstruktioner) är det sedan möjligt att använda statistisk analys för att räkna ut värdet, eller nyttopoängen, för varje del av produkten eller tjänsten i termer av dess bidrag till kundens beslut.

En dator kan till exempel beskrivas i termer av attribut som processortyp, hårddiskstorlek och mängden minne. Var och en av dessa egenskaper delas upp i nivåer – till exempel kan nivåerna för minnesstorlek vara 1 GB, 2 GB, 3 GB och 4 GB.

Från attribut och nivåer till produktprofiler och valuppgifter

Dessa attribut och nivåer kan användas för att definiera olika produkter genom att välja olika nivåer för olika produkter, så det första steget i conjoint-analysen är att skapa en uppsättning produktprofiler (möjliga kombinationer av attribut och nivåer) för att producera en uppsättning alternativ som kunderna eller de tillfrågade sedan ombeds att välja mellan – kända som valuppsättningar eller valuppgifter.

Oppenbarligen ökar antalet potentiella profiler snabbt för varje nytt attribut som läggs till eftersom antalet möjliga kombinationer ökar, så det finns statistiska tekniker och konstruktionsmetoder för att förenkla både antalet profiler som ska testas och det sätt på vilket preferenser testas så att största möjliga mängd valinformation kan samlas in från minsta möjliga uppsättning av valuppgifter.

Välja rätt typ eller smak av conjoint-analys

Det exakta tillvägagångssättet för att skapa ”valuppgifter” beror på vilken typ eller smak av conjoint-analys som är lämpligast att använda. Den vanligaste metoden är valbaserad conjoint (CBC), men det finns även andra varianter. Eleverna får ofta lära sig att använda sig av en fullprofilerad conjoint med hjälp av betyg eller kort, men för fler attribut används adaptiva metoder, t.ex. adaptiv conjoint-analys (ACA), menybaserad conjoint eller adaptiv valbaserad conjoint (ACBC). Ekonomer kan titta på metoder för uttalade preferenser eller diskreta val.

Conjoint-analys kanske inte är rätt alternativ. Andra tillvägagångssätt som MaxDiff, Simalto eller studier av behovshierarkier har olika sätt att hantera balansen mellan antalet attribut som kan inkluderas och den relativa komplexiteten hos de val som måste visas för att få data av god kvalitet.

Statistisk utformning och analys

En studie med conjoint-analys är beroende av en lämplig statistisk utformning för att kunna skatta nyttomodellerna. När alla valuppgifter har slutförts innebär analysen att modellera vad som drev kundernas val eller preferenser från de erbjudna produktprofilerna.

Det statistiska resultatet kvantifierar sedan både vad som driver preferensen från de attribut och nivåer som visas – kända som nyttoeffekter eller delvärden och betydelsepoäng. Dessa verktyg ger ett mått på värdet av varje nivå, av varje attribut, i termer av dess bidrag till de val som gjordes och visar således det relativa värdet av en nivå i förhållande till en annan.

Marknadsmodeller – prognostisera marknadspotentialen

Det statistiska resultatet ger en detaljerad kvantifierad bild av hur kunderna fattar beslut, och en uppsättning data som kan användas för att bygga upp marknadsmodeller som kan förutsäga preferenser eller uppskatta marknadsandelar under nya marknadsförhållanden för att förutse effekten av produkt- eller tjänsteförändringar på marknaden. För företagen innebär detta att de kan se var och hur de kan uppnå de största förbättringarna jämfört med konkurrenterna, var de kan skapa mervärde för kunden, hur priset påverkar besluten och på så sätt prognostisera efterfrågan och intäkter. Det är inte förvånande att conjoint analysis har blivit ett viktigt verktyg för att bygga upp och utveckla marknadsstrategier.

Genom att kombinera dessa marknadsmodeller med interna projektkostnadsberäkningar kan företag utvärdera beslut i termer av avkastning på investeringar (ROI) innan de går ut på marknaden. Exempelvis kan man avgöra vilka resurser som ska läggas på utveckling av nya produkter och inom vilka områden. Valbaserad conjoint- eller diskret valmodellering utgör också grunden för många prisundersökningar och kraftfull behovsbaserad segmentering.

”Vi letade efter en byrå som kunde förstå våra lösningar och vår komplexa kundbas för att överföra denna förståelse till en omfattande kundundersökning.
dobney.com fick snabbt en djupgående insikt i vår affärsverksamhets särdrag och utformade en utmärkt, toppmodern conjoint-undersökning. De levererade professionell och individuell service av en kvalitet som vi aldrig tidigare hade upplevt. Det var fantastiskt att arbeta med dobney.com och resultaten från undersökningen är ovärderliga för oss.”

Marketing Manager, Leica Microsystems

Alternativ till conjoint – från MaxDiff till konfiguratorer och mock-ups för e-handel

Conjoint-analyser är relativt komplexa eftersom de kräver förståelse för hur man använder och skapar attribut och nivåer, vilken smak man ska använda, hur man gör produktprofiler, vilken valuppgift man ska erbjuda och sedan hur man analyserar data och bygger upp marknadsmodellen. Det är möjligt att använda standardprogramvara som ger vägledning och hjälp, men det kan också göra det lätt att göra misstag eller skapa dåliga konstruktioner. Och conjoint-analys passar inte alltid, särskilt inte om det finns många nivåer eller en djupare, mer känslomässig drivkraft i beslutsfattandet. Beroende på produkten eller tjänsten kan det alltså hända att standardmetoder inte alltid är lämpliga och att andra metoder behövs. Lyckligtvis finns det ett antal relaterade metoder som används som alternativ till conjoint-analys, t.ex. MaxDiff, konfiguratorer eller Simalto (även känt som trade-off grids). MaxDiff handlar mer om att mäta värdet från en lista med artiklar än att generera kompletta produkter, men den använder många av samma funktioner och analysmetoder som conjoint. Simalto, liksom conjoint-analysen, bryter ner produkter i attribut och nivåer, men presenterar dem sedan som ett rutnät av alternativ för respondenterna.

En rad andra forskningstekniker, inklusive menybygge (bygga en konfigurerad produkt från en rad utvalda alternativ), och sök- och filterstudier i form av mock-ups i stil med e-handelsmodeller, där respondenterna jagar efter de produkter de föredrar mest, kan också användas i samband med eller som alternativ till conjoint-analysen.

Demonstrationer och vidare läsning

För att se de matematiska funktionerna har vi ett fullständigt utarbetat enkelt exempel på conjoint-analys i Excel för att visa hur conjoint-analysen fungerar för att uppskatta delvärden eller nyttigheter från design till analys.

  • Se vår interaktiva demonstration av omedelbar conjoint-analys som visar hur kundvärde kan beräknas utifrån val.
  • Se hur conjoint-marknadsmodeller och simulatorer fungerar för att möjliggöra bättre ROI-beslut baserade på kundvärden.
  • Konjointanalysens utformningsprinciper
  • Konjointanalysens typer eller smaker

För att få hjälp och råd om hur man använder conjoint-analys för marknadsmodellering, eller för att utföra conjoint-analysundersökningar, skicka ett e-postmeddelande till [email protected]

.

Lämna en kommentar