252 Conjoint Analysis - Ramkhamhaeng University · 333*322 = 324 Concept จุดที่เราต้องพิจารณาคือมี concept card มากมายเกินไปคือมากเกิน

วารสารรามค าแหง ISNN 0125-300 X ปท 29 ฉบบพเศษ บทความวชาการ/วทยานพนธ ฉบบท 2 เมษายน-มถนายน 2555

252

Conjoint Analysis

รองศาสตราจารย ดร. มนตร พรยะกล

Email: mpir [email protected], 2012

ภาควชาสถต คณะวทยาศาสตร มหาวทยาลยรามค าแหง

Conjoint analysis คอ เทคนคการวเคราะหความชอบ/ความเอนเอยง ทจะชอบ (preference)

ของกลมคน เชน กลมลกคา กลมพนกงาน โดยเราอาจสนใจวาควรมอบคณคาใดบางใหลกคา (คณภาพ

ผลตภณฑ คณภาพบรการ การบรการกอนขาย การบรการหลงขาย) เราควรลด cost (เงน เวลา ความ

เสยง ผลกระทบทท าใหเลวลง เชน ผลของยา) (Kotri, 2006) การบรการบอปลาส าหรบนกตกปลา

เราอาจสนใจศกษาวาลกคานกตกปลาตองการตกปลาขนาดใด ตองการตกปลากตว ตองการประสบ

ผลส าเรจในการตกปลาสงต าเพยงใด จ านวนปลาตามขนาดใดทกฎหมายก าหนด คาใชจายมาตกปลาท

ยอมรบได (Hicks, 2002)

ในการศกษาดวย Conjoint analysis เรามข นตอนดงน

ข นท วธการ 1. ก าหนดลกษณะผลตภณฑ (product attribute ) 2. ก าหนดวธจดเกบขอมล 3. เสนอ concept card 4. ก าหนดวธเสนอ/แสดงลกษณะผลตภณฑ 5. ใหคะแนน 6. รวบรวมขอมล

7. ก าหนดตวแบบ

ความตองการของลกคา VS ความตองการของบรษท Full concept, paired Comparison ทก Concept หรอบางสวนของ Concept กราฟ, ขอความ คะแนน, อนดบ, Likert สวนใหญเปนการสมภาษณเพอขอใหคะแนนหรอ ใหระบล าดบของ Card vector, ideal-point , part-worth

วธวเคราะหขอมลวธทงายคอใชวธวเคราะหสมการถดถอยเพอค านวณหาคา เรยกวา part-worth

utility ของผตอบแตละคน เรยกผตอบวา subject หมายความวาเมอเราก าหนด Concept card ของ

mailto:[email protected]


253

ลกษณะผลตภณฑหรอลกษณะเดนของบรษท เราจะใหผตอบใหคะแนนแกแต ละ Concept card

อาจใชวธใหคะแนน ในชวง 1-100 หรอใหอนดบแก card ซงซ าได หรอใหเรยง Card จะไดอนดบไม

ซ า แลววเคราะหสมการถดถอย ตวแปรตามคอ preference ตวแปรอสระคอรหสของ attribute แต

ละตว เราจะไดสมการประมาณคาท ง สนเทาก บจ านวนผตอบ แต ละสมการใชหาค าพยากรณ

preference ของผตอบแตละคน และสามารถน าคาสมประสทธมารวมกนโดยอาจรวมจากท งกล ม

ผตอบ หรอรวมเฉพาะกลมทแยกกนตาม segment คานเรยกวา total utility ซงจะถกน าไปใชเพอ

แสดงความส าคญของ factor ตาม segment นนๆ

การเลอก Attribute หรอ factor

ในเบองตนเราตองก าหนด attribute ของผลตภณฑหรอของวตถ (Subject) ทจะศกษา กรณ

ผลตภณฑเราจะก าหนดสมบต (attribute) ตามความสนใจของลกคา โดยอาศยค าแนะน าของลกคาท

เราบนทกเอาไว หรออาศยการสงแบบสอบถามไปใหตอบวาชอบผลตภณฑทมลกษณะใด หรอ

อยากไดคณคาแบบใดบาง หรออาศยการสมภาษณเจาะลก 5-17 คน (Pullman, 2002) หรออาศย key

competence ทองคการมอย โดยทวไปจะก าหนดสมบตผลตภณฑไว 6-8 รายการ แตละสมบต

ก าหนดใหมระดบเพยง 2-4 ระดบ ท งนพบวา attribute ทดควรม level ทใกลกบชวตจรงของผตอบ

ใกลกบลกษณะทเปนไปไดของผลตภณฑ และควรม key competence ขององคการรวมเปน attribute

ดวย และก าหนดใหม Concept card ประมาณ 12-30 รายการกพอ คอพอเหมาะทจะท าใหไดค าตอบ

ทถกตอง (Oppewal and Vriens, 2000) ตวอยาง เชน ในการศกษาสมบตของลกกอลฟ เราก าหนด

สมบตไว 3 ประการ แตละสมบตจะม level หรอ alternative ดงน

สมบต ระดบ (level หรอ alternative) 1. ระยะไดรฟเฉลย (หลา) 275 250 225 2. อายเฉลย (หลม) 54 36 18 3. ราคา (ลกละ) $1.25 $1.50 $1.75

เมอค านวณจ านวน Concept card (หรอเรยกวา utility หรอ incentive) จะได concept ท ง สน 3*3*3

= 27 Concept


254

หรอในเรองการผลตแผนพมพพลาสตกของ บรษท Estiko-Plastar ในเอสโนเนย (Kotri, 2006)

ก าหนดสมบตและระดบของพลาสตกไว ดงตารางตอไปนซงกรณของบรษท Estiko-Plastar นจะ

เหนวาสมบตมท งความตองการของลกคา และ Key competence ของบรษท และพบวาม concept ถง

3*3*3*3*2*2 = 324 Concept จดทเราตองพจารณาคอม concept card มากมายเกนไปคอมากเกน

สมบต ระดบ 1. คณภาพวตถดบและการหลอม

2. ระยะเวลาสงมอบ 3. คณภาพการพมพ

4. ราคา

5. ความสามารถในการบรหารการขาย 6. ความยดหยนในการผลต

ต ากวาระดบเฉลยของตลาด, ระดบเฉลยของตลาด, สงกวาระดบเฉลยของตลาด 14 วน, 21 วน, 30 วน ต ากวาระดบเฉลยของตลาด, ระดบเฉลยของตลาด, สงกวาระดบเฉลยของตลาด ต ากวาระดบราคาเฉลยตลาด 10%, ระดบราคาเฉลยตลาด, สงกวาระดบราคาเฉลยตลาด 10% ไมคอยเกงและสอสารไมด, เกงและสอสารด ไมคอยยดหยน ผลตไดแค 60% ของความตองการ, ยดหยนผลตไดไมนอยกวา 95% ของความตองการ

กวาทผตอบใหคะแนนหรอระบล าดบความชอบได ซงจรง ๆ แลวการดมากมายขนาดนใครกคงให

คะแนนไมไหว อกทงบาง Concept กเปนไปไมได บางสวนกเกอบเหมอนกน และในตวอยางเรอง

การเลอกหอพกนกศกษาปรากฏสมบตและ level ดงน สมบต level

1. ระยะเดนถงมหาวทยาลย (นาท) 2. เสยงดงในหอพก 3. ความปลอดภยในบรเวณทต ง 4. สภาพหอพก 5. ขนาดพนทหองนงเลน (ตร.ม.) 6. คาเชาเดอนละ (USD)

30, 20, 10 ดงมาก, ดงปานกลาง , เงยบ ไมคอยปลอดภย, ปลอดภย, ปลอดภยนอยทสด เกา, ปรบปรงบางบรเวณ , ปรบปรงทกบรเวณ 12, 20, 70 540, 360, 225

จะเหนวามจ านวน Concept card ไดท งสน 3*3*3*3*3*3 = 729 จากท ง 3 ตวอยางจะเหนวาม concept

card มากมายทเราจะขอใหผตอบใหคะแนนความชอบ/ความพอใจซงในทางปฏบตเราไมท าเชนนน


255

เพราะม concept card มากมายเกนไป บางสวนทไมสอความหมาย บางสวนเปนไปไมได บางสวน

ใกลเคยงกนจนผตอบแยกไมออก เชน

Card 1 = (เดน 30 นาท, เสยงดงมาก, ไมปลอดภย, เกา, ขนาด 12 ตร.ม., คาเชา $ 540 ) เปน

card ทเปนไปไมได

Card 2 = (เดน 30 นาท, เสยงดงมาก, ไมคอยปลอดภย, เกา, ขนาด 20 ตร.ม. ค าเชา $ 540)

เปน card ทเปนไปไมไดเชนกนและแทบจะเหมอนกบ Card 1 ท าใหผตอบสบสน (confound) มาก

วาจะใหคะแนนความชอบอยางไร

ดวยเหตนเราจงนยมคด card ทเปนไปไมไดและ card ท Confound ทงไปเหลอไว เฉพาะ

Card ทอสระตอกน (independent หรอ Orthogonal) ซงอาจใชวธปรกษาหารอก น ชวยก นคดทง

หรอสงรนดวยโปรแกรมสถต เชน ใน SPSS Orthogonal Design ซงโปรแกรมจะหา Concept ท

อสระหรอต งฉากกน (independent or orthogonal) ดวยการสรางเลขสมขนแลวทดสอบและคดทง

เหลอ Concept เพยงเลกนอย ทวไปแลวจะเหลอเพยง 12-30 รายการ ท งยงอนญาตใหเราสามารถ

ก าหนดไดเองวาจะใหมก Orthogonal concept ท ง นเพราะเหนวาเปนเรองของค ณภาพขอมล

preference เพราะยงม Concept card มากกจะยงมคณภาพขอมลต า

2. การเลอกวธเกบขอมล

การท างาน Conjoint analysis จะเรมตนทการก าหนด concept card ทเปนอสระตอกน จากนน

จงคอยน า card เหลานไมใหผตอบใหคะแนน อาจโดยการเทยบเปนคๆ วาชอบ card ใดมากกวา หรอ

ใหระบอนดบ (rank) หรอเรยงล าดบ card หรอใหคะแนน 1-10 หรอ 1-100 หรอ Likert 1-7 โดย

ผตอบ 1 คนตองตอบทก card ถาม 25 card กคอ 25 ตวแปร ค า attribute ใน card เปนค าตวแปร

อสระ คา Preference เปนคาตวแปรตาม เมอเกบขอมลจากผตอบ n คนก จะไดขอมล n เรคคอรด

(แถว) เรยกวา data file

3. การสราง Concept card หรอ Orthogonal plan การสราง Plan file ใน SPSS ท าดงน


256

Data > Orthogonal Design> เลอก generate หรอ display ตอนแรกนใหเลอก generate จากน

คอยเลอก display เพอขอด concept card เมอเลอก generate ใหตอบ dialog box ดงน

ในบอกซ Factor Name ใสชอ factor กด Add แลว define values เพอระบระดบ (level หรอ

alternative) ท าอยางนจนครบทก factor แลวกด create new data file เพอเก บผลลพธคอ concept

card กดท File แลวระบชอไฟลและทอยตามตองการ ถาไมระบจะเกบในไฟล ชอ ortho.sav ถากด

paste จะไดโปรแกรม orthoplan ใหกด run ภายหลง แตถากด OK จะไดผลลพธเปน Concept card

ท Option เราสามารถระบจ านวน card ต าทสด และระบจ านวน Holdout ซงเปน Concept ทลกคา

ก าหนด แตจะไมท าอะไรกบ Option กได

การท างานของ SPSS ในชนนใชเลขสมเปนขอมลเพอตด card ทไมจ าเปนทง ถาระบ seed

เดมทกครงทรนกจะได card ชดเดม ถาไมยงเกยวกบ seed กจะได card ทไมเหมอนเดมแตก ไมผด

อะไรเพราะสามารถม orthogonal plan ไดมากกวา 1 plan ถาเลอก display โปรแกรมจะสงใหเปด

ไฟล (คอ ortho.sav หรอชออนในเสนทางอน) ตอบ dialog โดยเลอก factor สงไปในบอกซชอ

factor เมอกด run จะปรากฏ concept card ในหนาตาง Data Editor ขอดขอมลและ data dictionary

โดยกดแทบ Data View หรอ Variable View

4. การน าเสนอ Concept card

จาก Concept card ทไดเราจะน า card ไปใหผตอบใหขอมล preference กอน การใหค าอธบาย

แก card เราอาจใชวธบรรยายความของแตละ card ซงยงยากมาก ทางชวยหนงคอ หาค าไข (keyword)

ทแทนความหมาย concept card นน หรอใชภาพแทน

5. การรวบรวมขอมล

การใหคะแนน Preference แกแตละ card เราอาจใหผตอบเรยงล าดบ card ตามความชอบ

หรอใหคะแนนแกแตละ card หรอใชวธสมภาษณ สวน level ของ attribute จะใชท าเปน dummy

โดยก าหนดคะแนน 0, 1 แกแตละหน

6. ตวแบบของ Preference


257

เราสามารถก าหนดตวแบบของ Preference (หรอ utility function form) ได 3 แบบ คอ

1) Vector model (SPSS เรยกวา Linear) 2) Ideal-point model (SPSS เรยก ideal และ anti ideal)

และ 3) Part-worth model การใชตวแบบใดเราควรมความรเดม (priori) เกยวก บเรองนนมากอน

vector model (หรอ linear utility function) ใช ในกรณทเมอ attribute เพมขน (ลดลง) มผลให

preference เพม (ลด) หรอ ลด (เพม) ideal-point model ใชในกรณท attribute เพม (ลด) ไปเรอยๆ

preference จะเพม (ลด) ไปเรอยๆ เชนกน แตพอถงจดหนงกลบไมเพมตามแตกลบลดลง หรอลดลง

ไปเรอยๆ แตพอถงจดๆ หรอกลบเพมขน เชน เรองความยาวของตวถงรถยนตนงสวนบคคล ตวถง

รถสน ๆ preference จะนอย เมอตวรถยาวขน ๆ คา preference จะเพมขนๆ แตพอถงจดหนง ทเปน

ความยาวพอเหมาะในใจของผตอบแลวหากมความยาวเพมขนกวานกจะไมชอบ คา preference จะ

ลดลง ๆ กรณนคอ ideal-point model หรอในเรองการเตมน าตาลในเคกจะมจดหนงทไมจดเกนไป

ไมหวานเกนไป กลาวคอในการผลตเคกเราจะทดลองเตมน าตาลเพอเพมความหวานทละนอย ถาม

ความหวานเพมขนลกคาจะชอบมากขนแตพอถงจด ๆ หนงจะรสกวาหวานเกนไปกจะชอบนอยลง

ในตวแบบท ง 2 น Vector model จะเครงครดทสด ขณะท part-worth model จะผอนปรน

ทสด ขณะท Ideal-point model ตองการทราบจดทเหมาะสม

โดยทวไปแลวการวเคราะห Conjoint เราจะวเคราะหดวย multivariate regression analysis

เปาหมายของการวเคราะหอยทการพยากรณ มใชทปจจยสาเหต เราจงไมสนใจนยส าคญของ part-

worth utility จากตารางตอไปนซงแสดงคา Preference ของผตอบ 1 คน ทตอบสนองตอ card ตางๆ

จ านวน m ใบแตละใบม t attribute

Concept card ท Utility หรอ Preference attribute 1 2 3

m

S1

S2

S3

Sm

y11 y12 y13 yt1 y12 y22 y32 yt2 y13 y23 y13 yt3

y1m y2m y3m ytm


258

จากตาราง

t = จ านวน level แตละ product attribute

j = 1, 2, 3,…, t = ระดบท p ของ card

yjp , p = 1, 2, … , t = ระดบท p ของ card ท j

sj , j = 1,2,…,m = preference ตอ card ท j

wp = partial utility parameter ของระดบท p

xp = ideal point ของผตอบของระดบท p

dj2 = preference ตอ card ท j

fp = part-worth ของระดบท p

ตวแบบตาง ๆ จงปรากฏดงน

1. Vector model sj = wi yj1+w2yj2+…+ wtyjt it j = 1, 2,…, m (m = จ านวน card)

2. ideal-point model

dj2 = w1 (yj1-x1)

2 + w2 (yj2-x2)2+…+ wt (yjt-xt)

2

3. part-worth model

sj = f1yj1+f2yj2 + …+ ft yjt , j = 1,2,…,m

จะเหนวาตวแบบทกตวแบบสามารถวเคราะหไดดวย OLS ท งน yjp จะเปนรหสของหน เชน 0, 1 ถา

เปนขอมลในมาตราชวงขนไปใหแปลงรหสใหเปน nominal scale หรอเปลยนไปใชวธ Perceptual

mapping แทน (Huber and Fiedler, 1996)

การวเคราะหสมการถดถอยเราไมตองสนใจเรองความมนยส าคญเพราะเปนเรองของการ

พยากรณ สงทตองท าคอน าคาพยากรณของ sj คอ j มาหาคาสหสมพนธกน ถา r มคาระหวาง 0.7

ถง 0.8 ใหถอวาม model validity สง (Oppewal & Vriens, 2000)


259

7. ค านวณหาคา relative importance ของ attribute

คา Relative importance คอคาทใชแสดงการเปรยบเทยบระหวาง attribute วาใครส าคญกวา

ใครลดหลนกนอยางไรโดยเสนอเปนรอยละ การค านวณจะพจารณาจาก part-worth utility ของ

ผตอบทละคน (1 คนมสมการถดถอย 1 สมการ) โดยค านวณหาค าพสยของ utility ของแตละคน

ตวอยางเชน ผตอบคนท 1 มคา utility ของ attribute ระดบตาง ๆ ดงตาราง

จากนน าคา Relative importance ของแตละ factor มาหาคาเฉลย คาเฉลยจงใชแสดงความส าคญของ

แตละตวแปร ขอใหสงเกตวาถาพสยของผตอบแตละคนมคาสงคาเฉลยกจะสงตามไปดวย แปลวา

ความแตกตางระหวาง part-worth utility ของ attribute แสดงถงความส าคญของ factor คอยงตางกน

มากกยงส าคญมาก

Attribute level Part-worth utility พสย attribute importance

ตราสนคา A B C ราคา $ 50 $ 75 $ 100 ส แดง ชมพ

A 30 60-20 = 40

= 20.7%

ตราสนคา B 60 C 20 $50 90 90-0 = 90

= 60%

ราคา $75 50 $100 0 ส แดง 20 20-0 = 20

= 133%

ชมพ 0

รวม = 40+90+20 = 150

ภาพ Card 1 ภาพ attribute และการค านวณ relative importance

นนคอ Qp =

; p = 1, 2, … , t ; t = จ านวน attribute

และพบวา Relative importance ของ factor p คอ

; p = 1, 2, … , k เมอ k = จ านวน

factor


260

8. การจ าลองแบบ

หลงจากวเคราะห conjoint แลว เราสามารถน าคา preference จาก data file ไปวเคราะหโดย

ใช plan file เดมแตใหเพม concept อน ๆ ทเราสนใจแตไมเคยปรากฏเปน card ทผตอบเคยเหน การ

จ าลองแบบจะท าใหทราบคาเปนรอยละหรอความนาจะเปนทผตอบจะชอบ card ใหมนน ถารอยละ

มคาสงกแปลวานาจะเปนไปไดทจะใช card นน วธค านวณคาความนาจะเปนอาจใชวธ maximum

likelihood (ML) วธ Bradley-Terry-Luce (BTL) และวธ Logit หรอน าเสนอพรอมกนท ง 3 วธแลว

ใหเราเลอกดผลลพธเอง

9. การรนโปรแกรม Conjoint ดวย SPSS

ในการรน SPSS Conjoint นนเรายงตองรนดวยการเขยนโปรแกรมเอง ดค าสงไดจาก help

menuโดยขอด command referece การรนโปรแกรม Conjoint analysis จะตองมไฟล 2 ไฟลคอ

1. Plan file เกดจากการท า fractional orthogonal design เพอใหเหลอเฉพาะ concept ทเปน

อสระตอกนเทานน ซงเราตอง save เอาไวท งตองพมพออกมาท าเปน card เพอใหผตอบใหคะแนน

preference เหตทตอง save เอาไว เพราะเราจะใช plan file นในตอนรน conjoint และเพราะ

orthogonal plan มไดหลาย plan หากไม save ก อาจได plan ใหมทไมใช card ชดทผตอบไดให

คะแนนไปแลว

2. Data file เกดจากการน า card ทไดในขอ 1 ไปใหผตอบใหคะแนนหรอระบอนดบหรอเรยง

card ซงเมอน า Card มาคยขอมลจะเปนดงนคอ 1. Card จะมคะแนน Preference 1 คา ดงนน 1

Column คอ คา Preference 1 คา ถาม 25 card จะมคา Preference 25 คาเรยงทางนอน ดงนนขอมล 1

แถวจงเปนคา Preference Card 25 ใบของผตอบ 1 คน ดงตาราง (ขอมลสมมต)

คนท (ID) Pref1 Pref2 Pref3 Pref4 Pref25

1 2

m

25 40

50

30 45

60

40 50

52

60 70

69

90 80

92


261

แตถาเราขอใหผตอบเรยงล าดบ card คาของ Pref 1, … , Pref 25 จะเปนหมายเลขล าดบ 1 ถง 25 ถา

เราขอใหผตอบก าหนดอนดบให card คาจะเปนเลขล าดบแตอาจซ าคาไดเพราะ card บางสวนไม

ตางกนมากในสายตาหรอในความรสกของผตอบท าใหผตอบอาจระบอนดบไวเทากน

Data file นจะไมมขอมล level ของ attribute เพราะคาเหลานนอยในไฟล plan แลว เวลาเรยก

ใชเราตองเรยกมาท ง 2 ไฟล plan file จะมปรยายวา ortho.sav แตเราจะต งชอเปนอยางอนและก าหนดท

อยไวทใดกได

คาของระดบ (level) ของ attribute อาจก าหนดไดดงน (ถารนดวยเอกเซล แตถารนโปรแกรม

Orthogonal design โปรแกรมจะก าหนดคาใหเอง)

1. ถาตวแปร (factor) มคามากกวา 2 ระดบ เชนรปแบบหบหอม 3 ระดบใหก าหนดหนไว 3

ตวดงน

A = {1 ถาใชแพคเคจแบบ A 0 ถาใชแพคเคจแบบอน}

รปแบบหบหอคอ B = {1 ถาใชแพคเคจแบบ B 0 ถาใชแพคเคจแบบอน}

C = {1 ถาใชแพคเคจแบบ C 0 ถาใชแพคเคจแบบอน}

การรนสมการถดถอยโดยใชทกหนและก าหนดใหม Constance ดวยจะเกดปญหา multicollinearity

ทางออกคอคงทกหนเอาไวแตตด Constance ออกไป หรอคง Constance เอาไว แต ตดหนทง 1 ตว

ซงจะใชเปนตวอางองทมคาสมประสทธเทากบ 0

2. ถาตวแปรมเพยง 2 ระดบใหก าหนดคา เปน 0, 1 เชน สชมพ = 1 สแดง = 0


262


263

1) การสราง Plan file

การสราง Plan file มว ตถประสงคทจะสราง Concept card (หรอ incentive card) ท เปน

อสระตอกนเพอใหผตอบใหคะแนนหรอใหล าดบ จากนนสง Save ลงไฟลโดยก าหนดชอไฟลและท

อยของไฟล ถาไมก าหนดจะเปนชอปรยายคอ ortho.sav หรออาจสงใหเปน active file คอครองทใน

สวนความจ า

การสราง Concept card โปรแกรม SPSS จะสรางขอมลดวยเลขสมเพอตรวจสอบวา concept

ใดบางเปนอสระตอกน (orthogonal) ผลลพธทไดกคอ concept กลมหนงในจ านวนทเหมาะสมหรอ

เราจะก าหนดเองวาตองมจ านวนขนต าเทาไรกได แตถาสงซ าอกจะได Concept ใหมอกชดหนงทอาจ

ไมตรงกบชดเดม ทเปนเชนนเพราะ Orthogonal concept มไดมากกวา 1 ชด ถาเกรงวาผลการศกษา

จะไมแนนอนกใหระบคาเรมตนของเลขสม (seed) ใหเปนเลขจ านวนเดมระหวาง 0-2,000,000,000

ไวเสมอ กจะได Concept card ชดเดม การสราง card แบบนกคอการวางแผนการทดลองแบบ fractional

orthogonal factorial design ในโปรแกรม SPSS เรยก Concept หรอ incentive วา Case หรอ Profile

เรยกผตอบวา Subject


264

Concept card เหลานเกดขนจากระบวนการทางสถต ผวจยอาจไมสบายใจวาตนไมมสทธ

ก าหนด Concept ตามใจผบรโภคหรอตามทเราเหนวาควรเปน Concept ท เหมาะสม เรองนท าได

โดยใหก าหนด simulated concept ไดเองจ านวนหนง

ดตวอยางเรองเครองท าความสะอาดพรม (ตวอยางของ Green and Wind, 1973) บรษท

ตองการศกษาวาในการท าความสะอาดเครองท าความสะอาดพรมนน ควรใช incentive ใดจงจะ

ถกใจตลาด (Consumer preference) โดยม product attribute ดงนคอ รปแบบของหบหอ 3 แบบ (A*,

B*, C*) ใหรหสเปน 1, 2 , 3 ตราสนคา 3 ตรา (K2R, Glory, Bissell) ใหรหสเปน 1, 2, 3 ราคา 3 ราคา

($1.19 , $ 1.39, $.59) ใหรหสเปน 1, 2, 3 ตรารบประกนคณภาพ (คลาย ๆ ตรา สมอ.) (ไมม, ม) ให

รหสเปน 1, 2 การรบประกนคนเงน (ไมม, ม) ใหรหสเปน 1, 2 ตวอยางนจะพบวาม Incentive

เทากบ 3 * 3 * 3 *2 * 2 = 108 card ซงผตอบไมสามารถตอบไดครบ อกท งบาง card อาจไมมความ

เปนไปได หรออาจใกลเคยงก นจนแยกไมออก ค าสง Orthogonal design จะชวยจดใหม card ท

อสระกนจ านวนหนงดงน

Data > orthogonal Design > Generate แลวตอบไดอะลอกตามทกล าวมาขางตน เมอกด

paste จะไดโปรแกรมซงใหสงรนดวยเมน run หรอ กดท run icon หรอกด OK กได

การขอดผลลพธ Concept card ใหไปทหนาต าง Data Editor กดทแทบ data view หรอสง

Data > Orthogonal Design> Display เปดไฟลทสง Save เอาไวตอบ dialog โดยสงตวแปรลงในชอง

factor เชคเครองถกท listing for experimenter กด OK จะไดผลตรงกนดงน


265

สงเกตทหวคอลมนจะใชชอเตมของตวแปร (factor) แทนชอตวแปรทมกยอส นๆ แต ถาเช คถกท

profile for subject (แปลวา card ทจะสงใหผตอบ) จะแสดง Card เปนใบๆ ดงตวอยาง Card เหล าน

เรยกไดหลายชอ อาจเรยกวา Product profile หรอเรยกวา incentive card หรอเรยกวา Concept card

การ export ตารางทไดไปเปน HTML, Word/RTF หรอ PPT ใหคลกทตาราง> กดเมาสขวา >

export


266

2) การรน Conjoint

ใหเปด Data file ขนมากอนแลวเปดหนาตาง Syntax (File > open > Syntax) แลวพมพค าสง

ดงตอไปน หรอระบชอ Syntax file วา Conjoint.sps และแกไขค าสงเลกนอย Data file ท เปดขนคอ

ไฟลทใหผตอบ 10 คน แสดง Preference ตอ incentive card 22 ใบ ดวยการก าหนดอนดบความชอบ

ตอ Card ตาง ๆ ไฟลนมอยในโฟลเดอร <Samples> โดยใหสงเปดไฟลดงน

File > open > data > carpet_perfs.sav

จากนเปด Syntax file ดวยค าสง

File > open > syntax > conjoin.sps จะไดไฟลดงน

CONJOINT PLAN='file specification'


267

/DATA='file specification'

/SEQUENCE=PREF1 TO PREF22

/SUBJECT=ID

/FACTORS=PACKAGE BRAND (DISCRETE)

PRICE (LINEAR LESS)

SEAL (LINEAR MORE) MONEY (LINEAR MORE)

/PRINT=SUMMARYONLY.

ค าสงยอย PLAN ใชระบชอ plan file ทเราสง save เอาไวในข นตอน Orthogonal design ถา

เกบไวในชอ carpet_plan.sav ใน C:\Program Files (x86)\IBM\SPSS\Statistics\19\Samples\ English\

ใหสงวา PLAN = ‘C:\Program Files (x86)\IBM\SPSS\Statistics\19\Samples\English\ carpet_plan.sav’

ค าสงยอย DATA ใหระบ data file ทเราสง save เอาไวหลงจากการท า data entry เชน data

file ชอ carpet_perfs.sav เกบไวใน C:\Program Files (x86)\IBM\SPSS\Statistics\19\Samples\English\ ให

สง /DATA = ‘C:\Program Files (x86)\IBM\SPSS\Statistics\19\Samples\English\carpet_prefs.sav’

แตถาไดเปดไฟล carpet. perfs.sav เอาไวแลวไฟลนกจะจองทสวนความจ าเอาไวเรยกวา active file

ใหเรยกมาใชเลยวา /DATA = * ไมตองใสเครองหมายค าพด เครองหมาย * หมายถง active file

ค าสงยอย SEQUENCE ใชระบชอตวแปรใน data file เปน profile number ในทนคอตวแปร

PREF1 to PREF22 เรยงกนเปน 1 แถวตาม profile case (concept หรอ incentive) ดงนน 1 แถวจง

เปนการตอบสนองตอ card 22 ใบของผตอบ 1 คน การระบ Profile number และ Subject number

ใหสงตอๆ กน

/SEQUENCE = PREF 1 to PREF22

/SUBJECT = ID

ค าสงยอย FACTORS ใชระบ factor คอ ตวแปรอสระตามชอตวแปร (variable name) ใน

plan file ใหระบความสมพนธระหวางตวแปรเหลานกบคา preference ดวยโดยระบดวย keyword

ดงน (keyword คอลกษณะทแสดงไวหลงชอตวแปร factor)


268

DISCRETE แสดงวาระดบของ factor เปนตวแปรกล ม (category) และไมระบทศทาง

ความสมพนธ เปนค าไขทเปนปรยาย เชน

/FACTORS = PACKUGE BRAND (DISCRTE)

LINEAR แสดงวาคา preference สมพนธเชงเสนก บ factor เชน preference สงถา price ต า

preference ต าถา price สง ความสมพนธทเปนทางลบแบบนใหเพมค าวา LESS ตามไปอก 1 ค า เชน

/FACTORS = PRICE (LINEAR LESS)

กรณสมพนธทางบวก เชน ถามเครองหมายมาตรฐานอตสาหกรรม Preference จะสง ถาไม

มเครองหมายอตสาหกรรม preference จะต า ถารบรองคนเงน preference จะสง ถาไมรบรองคนเงน

preference จะต า สงดงน

/FACTORS = SEAL (LINEAR MORE)

/FACTORS = MONEY (LINEAR MORE)

ค าไขพวกนไมมผลตอคาประมาณสมการถดถอย (Part-worth utility) แตจะแสดงผลใหเหนในผลลพธ

ของ Reversal คอ แสดงจ านวนผตอบทแสดง preference สวนทางกบทควรจะเปน ซงอาจไมผด เชน

เราคาดวาราคาถก preference จะสง ราคาแพง preference จะต า เราจงระบวา

/FACTORS = PRICE (LINEAR LESS) และเมอรน Conjoint อาจพบวามคนทคดตรงขาม

คอ ราคาถก preference จะต า ราคาแพง preference จะสง ซงไมผดเพราะเปนความจรงในคนกล ม

หนงซงอาจเปนกลมใหญทเขาใจปรชญาวาราคาตองเปนไปตามคณภาพ

ส าหรบกรณ Ideal-point และ anti-ideal point ใหพจารณาตามสถานการณ เชน เรองความ

ยาวของตวถงรถยนต เปนตน

ค าสงยอย PRINT ใชแสดงผลในภาพรวมหรอรายบคคลของผตอบ ค าไข SUMMARYONLY

ใชแสดงผลในภาพรวม ค าไข ANALYSIS จะแสดงผลเปนรายบคคล

ค าสงรวมท ง Subcommand และ keyword มรายละเอยดปรากฏใน IBM SPSS Statistics 19

Command Syntax Reference โดยเขาดทางเมน Help


269

ผลการรน Conjoint จะปรากฏตารางตาง ๆ ดงน

1. ตาราง Model description จะแสดงใหทราบวาม factor อะไรบาง แตละตวมก level และ

ตวแปร (factor) เหลานสมพนธกบ preference อยางไร discrete หรอ linear หรอ ideal หรอ anti-ideal

2. ตาราง Utility จะแสดงคาสมประสทธการถดถอย เรยกวา part-worth utility พรอมค า

สวนเบยงเบนมาตรฐาน คาสมประสทธการถดถอย (Utility Estimate) คอสมประสทธของ level

ตาง ๆ ของ factor คาเหลานเมอน ามารวมกนตรง ๆ ตาม incentive จะไดคา total utility ของ concept

นน และถาคณกบคา level จะไดคาคาดคะเนของ concept นน คาสมประสทธ utility จะมทศทาง

สอดคลองกบความสมพนธระหวาง factor นนกบคา preference เชน ราคาสมพนธก บ preference

สนคายงแพงลกคากยงไมชอบ เครองหมายจะเปนลบ การมตรารบรองคณภาพ และการรบประกน

คนเงนลกคาชอบ เครองหมายจะเปนบวก

คา Total utility ทค านวณไดใชแสดงความส าคญของ incentive และคาประมาณของความชอบ

ซงจะถกน าไปใชหาคาสหสมพนธกบคาจรงของ ความชอบทมตอ incentive นนๆ คาสหสมพนธใช

แสดงใหเหนวาสมการถดถอยแสดงผลเปนคาประมาณไดแมนย าเพยงใด เรยกวาคา Validity

Package brand Price seal money total utility predicted preference A K2R $1.19 no no -2.233+.367-6.659+2 -2.233*1+.367*1- 6.59*1.19+2.00*1 +1.25+12.87 = 7.595 1.25*1 +12.870 = 6.405 A Glory $1.19 no no -2.233-.350-6.595+2 - 2.233*1-.350*2-6.595*1.19+2.*1+ +1.25+12.87 = 6.878 1.25*1+12.870 = 5.262 A Bissell $ 1.19 no no - 2.233-.017-6.595 -2.233*1-.019*3-6.595*1.19+2.00 +2+1.25+12.870 = 7.211 +1+1.25*1+12.870 = 5.905

3. ตาราง Importance value หรอ relative importance เปนตารางทเกดจากคาเฉลยของ Qp ใน

กลมผตอบ คานเปนคารอยละ คารอยละสงท factor ใดแสดงวา factor นนมความส าคญมากกวา factor

ทมคาต ากวา ซงในเชงนโยบายเราจะเพงความสนใจไปท factor ทใหค า relative importance สง ๆ


270

แตเราเพงความสนใจท factor ทใหคา relative importance ต าดวยกไดเพราะจะไดแก ไขเนองจาก

เหนวาเปนจดออน

4. ตาราง Coefficient คอตารางแสดงคาสมประสทธถดถอยของแตละ factor คานหากน าเอา

คาของระดบมาคณกจะเปนสมประสทธของระดบ

เชน ราคา = 1.19 ดงนนสมประสทธของราคา =1.19 คอ -5.542*1.19 = -6.594 ราคา = 1.39 ดงนนสมประสทธของ ราคา = 1.39 คอ = -5.542*1.39 = -7.703 Seal = yes ดงนนสมประสทธของ seal = yes คอ 2*2 = 4 5. ตาราง Correlation ใชแสดงคาสหสมพนธระหวางคาจรงของ preference กบคาประมาณ

ของ preference โดยแสดงการค านวณคา r มา 2 สตรคอ Person Product Moment กบสตร Kendall’s Tau ท งแสดงคา r ส าหรบกรณ holdout case ใหดวยซงเปนคาทใชส าหรบตรวจสอบ validity ของคา r กลาวคอโดยธรรมดาเราจะหาคา Conjoint โดยวเคราะหครงละ 1 คน ซงมขอมลมากนอยตามจ านวน card ซงหาก Card มจ านวนเพมขนอกเทากบจ านวน holdout case กจะท าใหมขอมลเพมขนค า r ก จะไดรบการค านวณจากขอมลจ านวนมากขนจงมความเทยงตรงสงขน ดวยเหตนเราจงควรใหความสนใจทคา Kendall’s Tau for holdout ดวยสงเกตวาคานมกจะต ากวาอก 2 คา

6. ผลจาก Simulation เปนผลของการรน Conjoint ของ simulated case ซงผวจยก าหนดได

เอง โดยปกตเรามกก าหนด level ใหแกผลตภณฑหนงทอาจเปนของเราโดยแปรคา level ของแตละ

factor ไปหลาย ๆ ทางเลอกโดยก าหนดให level ของสนคาค แขงอนคงทแลวรนโปรแกรมซ าๆ ตาม

incentive นน ๆ การจ าลองแบบจงเปนขอเดนของ conjoint analysis ทท าใหทราบวาเราควรปรบ

attribute ของสนคา/บรการของเราตรงจดใดจงจะมผลดและไดเปรยบค แข งขน ผลการรนจะถก

น าเสนอเปน preference score และ preference probability คา preference score คอ total preference

จะเสนอใหดวา simulation card แตละ card มคา total preference เท าไร card ใดมาก card ใดนอย

และมคนชอบ card นนๆ รอยละเทาไร

7. จ านวน Reversal ใชแสดงใหเหนวาในแตละ factor มคนเหนวาในแตละ factor มคนเหน

สวนทางกบความสมพนธทควรจะเปนระหวาง preference กบ factor นนกคน ใครบาง (subject ท


271

เทาไร) เชน ราคาทสงขนควรทผตอบจะไมชอบ ราคาสนคาทต าลง ๆ ควรมผตอบจะชอบมากขน ๆ

แตจากตารางพบวาผตอบเหนสวนทาง 3 รายการ มผเหนสวนทางเรองการรบประกนคนเงน 2 ราย

มคนเหนสวนทางเรองการมตรารบประกนคณภาพ 2 ราย รวมเปน 7 ราย โดยผตอบรายท 1 ม

ความเหนสวนทาง 1 factor รายท 2 มความเหนสวนทาง 2 factor รายท 6 มความเหนสวนทาง 1

factor รายท 9 มความเหนสวนทาง 1 factor รายท 10 มความเหนสวนทาง 2 factor ตารางสรปจะ

บอกวามผตอบ 3 คนมความเหนสวนทางคนละ 1 factor และม 2 คนทมความเหนสวนทางคนละ 2

factor

10. สรปขอดและขอจ ากดของ Conjoint analysis

Conjoint analysis มขอดดงน

1. เปนเครองมอทมประสทธภาพในการศกษาค ณค าทจะมอบใหลกคา (Customer value)

โดยเราสามารถก าหนด incentive ไดเองและทดสอบไดดวยการ simulation วาลกคาควรไดรบอะไร

โดยไมตองไปถามลกคาโดยตรง

2. สามารถประมาณความตองการไดอยางถกตองเพราะ Conjoint analysis สามารถประมาณ

แสดงผลการศกษาไดในระดบรายบคคล (โดยสง /PRINT = ANALYSIS) ท าใหทราบคณคาทลกคา

รายบคคลควรไดรบและคณคาในแตละ attribute)

3. ใชเปนเครองมอก าหนดราคาโดยเราสามารถจ าลองแบบโดยการแปรคาราคาไปเรอย ๆ ท า

ใหเหนวาลกคาม preference ทเปลยนไปตามราคาทเราทดลองปรบสงขนเพยงใด

4. ใชเปนเกณฑก าหนดสวนของตลาด (market segment) เรองนกระท าไดจากการท าการ

วเคราะหแยกตามกลมลกคา (segment) ผลการวเคราะหจะช ว า factor ใดมผลตอ preference มาก

factor ใดมผลนอยจะไดด าเนนกลยทธแกแตละสวนไดอยางถกตอง

5. ใชเปนเกณฑพฒนาผลตภณฑใหมโดยผานการจ าลองแบบเพราะเราสามารถก าหนด ให card

มลกษณะใกลผลตภณฑในตลาดจรง หรอหากจะสรางความแตกตางกก าหนด card ใหมลกษณะ

แหวกแนวออกไป


272

เอกสารอางอง

Green, P. E. and Srinivasan, V. (1978). “Conjoin Analysis in Consumer Research: Issue

and Outlook”, Journal of Consumer Research, Vol. 5, pp. 103-23.

Green, P. E., Kriegger, A. M. and Wind, Y. (2001), Thirty Years of Conjoint Analysis,

Interface, 31:3, part2 of 2, May June 2001, pp. S56-S75.

Hicks, R. L. (2002). “State Preference Method foe Environmental Management:

Recreation Summer Flounder Angling in the Northeastern United States”, Final report prepared

for Fisheries Statistics and Economics Division, Office of Science and Technology, National

Marine Fisheries Service.

Huber, J. and Fiedler, J. A. (1996). “Comparing Perceptual Mapping and Conjoint

Analysis: The Political Landscape”, Sawtooth Software Reference.

Kotri, A. (2006). “Analyzing Customer Value Using Conjoint Analysis: The Example of a

Packaging Company”, University of Tartu, City of Tartu, Estonia.

Oppewal, H. and Vriens, M. (2000). “Measuring Perceived Service Quality Using

Integrated Conjoint Experiment”, International Journal of Bank Marketing, 18/4, pp. 154-169.

Orme, B. (2010). Getting Start with Conjoint Analysis: Strategies for Product Design

and Pricing Research. Second Edition, Research Publisher LLC, Madison, Wis.

Pullman, M. E. , Moore, W. L. and ,, Wardell, D. G. (2002) “A comparison of quality function deployment and conjoint analysis in new product design”, Journal of Production Innovation Management, 19(5), September 2002, pp. 354-364,DOI: 10.1111/1540-5885.1950354. SPSS Inc. (2010). IBM SPSS Conjoint 19, Retrieved February 12, 2012 from

http://www.unileon.es/ficheros/servicios/informatica/spss/spanish/IBM-SPSS_conjoint.pdf.

Documents

252 Conjoint Analysis - Ramkhamhaeng University · 3*3*3*3*2*2 = 324 Concept จุดที่เราต้องพิจารณาคือมี concept card มากมายเกินไปคือมากเกิน

252 Conjoint Analysis - Ramkhamhaeng University · 333*322 = 324 Concept จุดที่เราต้องพิจารณาคือมี concept card มากมายเกินไปคือมากเกิน