Ana Bardorfer

CONJOINT ANALIZA

Metoda v tržnem raziskovanju

Vsebina predstavitve Kaj je conjoint analiza? Primer conjoint analize Načrtovanje conjoint analize Uporaba conjoint analize Uporabnost in fleksibilnost

conjoint analize

Kaj je conjoint analiza? Tradicionalni pristop k ocenjevanju izdelkov ali storitev temelji Tradicionalni pristop k ocenjevanju izdelkov ali storitev temelji

na ocenjevanju vsake lastnosti posebej na neki lestivici.na ocenjevanju vsake lastnosti posebej na neki lestivici.

Ko se odločam za nakup čistilnega sredstva za pranje perila, kako pomembna je…

Ne kaže realnega stanja zaradi socialno zaželjenjih odgovorovNe kaže realnega stanja zaradi socialno zaželjenjih odgovorov V povprečju vprašani odgovarjajo z relativno visokimi V povprečju vprašani odgovarjajo z relativno visokimi

ocenami pomembnosti ocenami pomembnosti Razporeditev rezultatov je nesimetričnaRazporeditev rezultatov je nesimetrična Med ocenami so relativno majhne razlikeMed ocenami so relativno majhne razlike

  Ni pomembno

              Zelo pomembno

Cena za kg   1 2 3 4 5 6 7  

Oblika   1 2 3 4 5 6 7  

Znamka   1 2 3 4 5 6 7  

...Kaj je conjoint analiza?

Temelji na predpostavki, da potrošnik v nakupnem procesu med seboj preimerja in vrednosti (»consider«) cel spekter značilnosti in koristi izdelka oz. storitve hkrati (»jointly«), pri čemer pripisuje večjo ali manjšo težo določenim atributov na račun drugih atributov.

Conjoint analiza = CONSIDER + JOINTLYje multivariatna metoda, ki omogoča

merjenje preferenc med konkurenčnimi storitvami

Osnovna ideja CA je torej v tem, da je možno vsak izdelek oz. storitev opisati z določenim relevantnim številom atributov in nivoju atributov – s profili izdelka oz. storitve

Primer conjoint analizeČistilno sredstvo za pranje perila lahko opišemo s 3

atributi: Cena Oblika oz. priročnost uporabe Znamka

FAKTOR ali ATRIBUT LEVEL

Cena za kg v SIT 1000 1500

Oblika Tekočina Prašek

Znamka Henkel Procter&Gamble

Iz dveh atributov s po dvema ravnema lahko skonstruiramo 2x2x2 = 8 različnih dražljajev

Opisi dražljajev

D Oblika Cena v SIT Znamka

1 Tekočina 1000 Henkel

2 Tekočina 1000 Procter&Gamble

3 Tekočina 1500 Henkel

4 Tekočina 1500 Procter&Gamble

5 Prašek 1000 Henkel

6 Prašek 1000 Procter&Gamble

7 Prašek 1500 Henkel

8 Prašek 1500 Procter&Gamble

Rangi respondenta

Opisi dražljajev Rangi

D Oblika Cena v SIT Znamka Respondent

1 Tekočina 1000 Henkel 1

2 Tekočina 1000 Procter&Gamble 2

3 Tekočina 1500 Henkel 5

4 Tekočina 1500 Procter&Gamble 6

5 Prašek 1000 Henkel 3

6 Prašek 1000 Procter&Gamble 4

7 Prašek 1500 Henkel 7

8 Prašek 1500 Procter&Gamble 8

oseba pralnim sredstvom za 1000 sit pripiše najvišje, medtem ko tistim za 1500 sit najnižje range

bolj torej preferira cenejše pralno sredstvo

znamkam pripisuje tako visoke kot nizke range

Posebno ne preferira nobene od znamk

Izračun delnih koristi in pomembnosti atributov

Level faktorja Rangi R¯ R’= R¯-R¯total

OBLIKA      

Tekočina 1,2,5,6 3,5 -1,0

Prašek 3,4,7,8 5,5 +1,0

CENA v SIT      

1000 1,2,3,4 2,5 -2,0

1500 5,6,7,8 6,5 2,0

ZNAMKA      

Henkel 1,3,5,7 4,0 -0,5

Procter&Gamble 2,4,6,8 5,0 +0,5

Izračun delnih koristi in pomembnosti atributov

 Level faktorja

 -R’

 (- R’)2

 SD

Ocenjena DK

Razpon DK

Pomembnost faktorja

OBLIKA            

Tekočina 1,0 1,0 +,571 +,756 1,512 28,6%

Prašek -1,0 1,0 -,571 -,756    

CENA v SIT            

1000 2,0 4,0 +2,284

+1,511 3,022 57,1%

1500 -2,0 4,0 -2,284 -1,511    

ZNAMKA            

Henkel 0,5 0,25 +,143 +,378 ,756 14,3%

Procter&Gamble

-0,5 0,25 -,143 -,378    

             

∑(R’)2   10,5        

Standardizirana vrednost

  ,571        

∑razpon DK         5,290  

Kaj lahko zaključimo iz delnih koristi?

Tej osebi je veliko bolj pomembna cena 1000 SIT kot 1500 SIT

Bolj preferira pralno sredstvo obliki tekočine, kot pa praška

Bolj preferira znamko Henkel

Kaj lahko zaključimo iz pomembnosti faktorjev?

Tej osebi je najpomembnejši faktor oz. atribut cena, nato oblika in šele nato znamka proizvajalca

Seveda, le če naš model veljaven, točen in zanesljiv!!!

Kako lahko te zaključke uporabimo? V oglaševanju:

Pri tej osebi bo oglas, ki poudarja znamko proizvajalca neuspešen

Oglas mora poudarjati nizko ceno ali pa npr. dejstvo, da z nakupom tega pralnega sredstva potrošnik pravzaprav privarčuje

Pri conjoint modeliranju: Preverjamo kako uspešni bi bili neki produkti, še preden

jih lansiramo na trg Dobimo % potrošnikov, ki bi uporabljali vsakega od teh

izdelkov

... In še marsikje

ČS 1 Henkel 1500 SIT

Tekoči

ČS 2 Henkel 1500 SIT

Prašek

ČS 3 Henkel 1500 SIT

Prašek

Načrtovanje conjoint analize

Raziskovalec mora v načrtu razčistiti več vprašanj:

1. Opredelitev ciljev2. Izbira conjoint metodologije3. Izbira načina zbiranja podatkov4. Definiranje bazične oblike modela5. Specifikacija dražljajev6. Ocenjevanje conjoint modela – goodness of fit7. Interpretacija rezultatov8. Validacija rezultatov

1. Opredelitev ciljev Določiti prispevek prediktivnih variabel (atributov) in

njihovih ravni pri določanju potrošnikove preference Koliko cena prispeva k volji do nakupa izdelka Katera cena je optimalna?

Ustanoviti veljaven model potrošnikovih sodb Omogoča napovedovanje sprejemljivost potrošnika

ali segmentov potrošnikov za katero koli kombinacijo atributov, tudi tistih, ki jih potrošnik originalno ni evaluiral

Ali je enostaven model dodajanja (aditivni model) zadovoljiv, ali moramo vnesti bolj kompleksno evalvacijo preference za adekvatnejšo sliko (aditivni + interakcijski model)?

2. Izbira conjoint metodologije

    Alternativne CA

Karakteristike

Tradicionalna CA

Adaptive CA

Choice-based CA

Max. število atributov

9 30 6

Level analize Individualen Individualen Skupinski

Model Aditiven Aditiven Aditiven + interaktiven

3. Načini zbiranja podatkov - tradicionalna CA

    Faktor 1: Cena    

Faktor 2:  

Znamka Henkel

  P&G

1000 SIT 1500 SIT 2000 SIT

     

     

Cena: 1000 SITZnamka: Henkel Oblika: v tekoči obliki

Cena: 1000 SITZnamka: HenkelOblika: v tekoči obliki

Cena: 1500 SITZnamka: HenkelOblika: v obliki praška

PROTI

Razprodaja ali trade-off

Celostni profil

Rangiranje ali ocenjevanje

Primerjanje v parih

3. Načini zbiranja podatkov- Alternativne CA

Adaptive Conjoint Analysis (ACA) Za katerega od dveh čistilnih sredstev za pranje perila se bi raje odločili?

 ALI

      Močna prednostlevi izbiri

1 – 2 – 3 – 4 – 5 – 6 – 7 – 8 – 9Močna prednost desni izbiri

 ALI

      1 – 2 – 3 – 4 – 5 – 6 – 7 – 8 – 9

(1) (2) (3) (4)

1500 SITV tekoči oblikiHenkel

1500 SITV obliki praškaProcter&Gamble

1000 SITV obliki praškaProcter&Gamble

Nobeden:Če bi bila to edina izbira, se ne bi odločil za nobega od teh

1500 SITV tekoči obliki

Henkel

1500 SITV tekoči obliki

Procter&Gamble

Choice-based Conjoint (CBA)

Pritisnite številko, ki odgovarja vašemu izboru

4. Definiranje bazične oblike modela

Kompozicijsko pravilo respondenta opisuje način, na katerega respondent kombinira delne koristi oz. vrednosti faktorjev v totalno korist

Aditivno kompozicijsko pravilo Respondent enostavno sešteva delne koristi

in tako dobi celotno vrednost za neko kombinacijo levelov atributov

Interaktivno kompozicijsko pravilo Upošteva interakcijske efekte – respondent

sešteva delne koristi, vendar so lahko leveli atributov v interakciji

5. Specifikacija dražljajev

Kakšni naj bodo faktorji in njihovi leveli?

Sporočljivi – naj omogočajo realistično evalvacijo Vključimo senzorne komponente, če je

potrebno

Akcijski – natančna konceptualizacija, da so dražljaji razločni

Npr. kvaliteta in primernost nista natančna atributa

Opis kot nizko, srednje, visoko ni primeren

5. Specifikacija dražljajev Število faktorjev oz. atributov

Min. Št. Faktorjev = totalno št. Levelov preko vseh

F / št. Faktorjev – 1 Faktorska multikolinearnost

pomanjkanje konceptualne neodvisnosti med faktorji

Cena kot faktor Število levelov

Priporočljivo je enako število ravni po faktorjih Razpon faktorskih levelov

Naj bo verjeten oz. realen

6. Ocenjevanje conjoint modelaKako konsistenstno naš conjoint model napovedujepreference vsakega respondenta? Korelacija:

Spearmanov Rho ali Kendalov Tau za nemetrične podatke (rangi)

Pearsonov koeficient korelacije za metrične podatke (ocene)

Uporaba holdout dražljajev Dodatni dražljaji, katere respondent oceni hkrati z

ostalimi Parametri iz ocenjenega conjoint modela so nato

uporabljeni za napoved preferenc za ta nov set dražljajev,

napovedi pa nato primerjamo z dejanskimi ocenami in tako dobimo zanesljivost conjoint modela

7. Interpretacija rezultatov Na individualnem nivoju

Vsak respondent je obravnavan posebej Analiza delnih koristi za vsak faktor, pri čemer

upoštevamo njihovo magnitudo in morebitni vzorec

Primerjava med faktorji – delne koristi na standardni skali

Na skupinskem nivoju Daje skromne rezultate Uporabna v primeru, ko imamo opravka s

skupino z izredno homogenim vedenjem Omogoča bolj natančno določanje tržnega deleža

8. Validacija rezultatov

Na internalni ravni Ali je izbrano kompozicijsko pravilo primerno? Holdout dražljaji

Na eksternalni ravni Raziskave kažejo, da rezultati conjoint analize

zadovoljivo visoko korelirajo z rezultati iz tradicionalnega merjenja preferenc

Uporaba conjoint analizeCA nam odgovarja na naslednja vprašanja: Kateri novi izdelki oziroma storitve bodo uspešni? Na kakšen tržni delež lahko računamo na podlagi

preferenc potrošnikov? Katere značilnosti izdelka oziroma storitve so gonilo pri

nakupnem odločanju? Ali obstajajo tržni segmenti za določen izdelek oziroma

storitev? Kakšna vrsta oglaševanja bo najbolj uspešna pri teh

segmentih? Ali bodo spremembe izdelka oziroma storitve

pripomogle k večji naklonjenosti potrošnikov in prodaji? Kakšna je optimalna cena izdelka oziroma storitve? Ali lahko ceno dvignemo brez velike izgube v prodaji?

... Uporaba conjoint analize

Področja, kjer CA lahko uspešno uporabimo so torej:

Razvoj in testiranje novih izdelkov oziroma storitev z optimalno kombinacijo značilnosti

Cenovna politika Tržna segmentacija:

Analiza na individualnem nivoju Izbiramo respondente, ki imajo podobno

preferenčno strukturo za določene kombinacije atributov in njihovih levelov, ki tvorijo izdelek

... Uporaba conjoint analize – področja uporabe Analiza profita:

Če poznamo ceno vsake lastnosti, lahko skonstruramo ceno vsakega potencialnega izdelka na podlagi tržnega deleža in absolutnega deleža prodaje in lahko tako napovemo uspešnost izedelka

Dobimo oceno občutljivosti cene Uporaba analize tako na individualnem kot

skupinskem nivoju

»What if« analiza ali conjoint simulatorji: generiramo lastne hipotetične produkte in njihovo

uspešnost, še preden jih lansiramo na trg Oglaševanje Identifkacija tržnih priložnosti Distribucija

Zakaj je conjoint analiza tako uporabno orodje?

Uporaba možna tudi na nominalnem nivoju Dražljaji blizu naravni situaciji (izbira med

predstavljenimi izdelki) Vprašani lahko ocenjujejo, rangiranjo, izbirajo med pari

ali večimi profili (izdelki) Rezultat je profil za posameznika, skupino ali celoten

vzorec Izračunane so “delne koristi” za vsako lastnost vsakega

faktorja Temelji na ANOVA-i glavnih učinkov (main-effects

ANOVA) in multipli regresiji Tehnika razstavlja sodbe na dele (lastnosti faktorjev) CA je občutljiva tudi za majhne razlike v ocenah

posameznih atributov oz. lastnosti.