Analiza Cojoint to technika analityczna ciesząca się rosnącą popularnością - wyszukiwarka Google po wpisaniu hasła "Conjoint Analysis" w 2006 r. wyświetlała około 400 000 wyników (Schmidt, Hollensen 2006: 461) w 2012 - około 760 000. Ma czym polega fenomen tej metody? Procedura analizy Conjoint, uwzględniając, iż wybór produktu lub usługi jest złożonym procesem decyzyjnym, stawia respondenta w sytuacji zbliżonej do tej, w której znajduje się on podejmując swoje decyzje zakupowe (por. Louviere 1988).
Analiza Conjoint opiera się na zasadzie równoczesnego addytywnego pomiaru łącznego. Zgodnie z jej logiką, pomiar danej cechy, reprezentowanej przez zmienną zależną (tę, której zróżnicowanie chcemy wyjaśnić) możliwy jest z wykorzystaniem powiązanych w sposób przyczynowy zmiennych niezależnych, które wywierają wpływ na ową cechę w sposób jednoczesny oraz addytywny (Sagan 2009: 40). W przypadku analizy Conjoint tym, co chcemy wyjaśnić, są preferencje klientów wobec konkretnych wariantów prezentowanych im wersji produktów lub usług (tzw. profili). Zmiennymi niezależnymi, za pomocą których staramy się wyjaśnić owe preferencje są wartości (poziomy) cech (atrybutów) charakteryzujące poszczególne profile. Preferencje te w analizie Conjoint traktowane są jako całkowite użyteczności danego wariantu produktu dla konkretnych respondentów - celem analizy Conjoint jest dokonanie procesu ich dekompozycji, polegającego na wyliczeniu tzw. użyteczności cząstkowej, czyli udziału danego poziomu atrybutu w całkowitej użyteczności produktu (Walesiak, Bąk 2000: 5).
Dzięki wykorzystaniu procedury Conjoint możemy uzyskać informacje o:
Procedura badań Conjoint obejmuje 7 zasadniczych etapów (por. ibidem: 13):
1) specyfikacja zmiennych (atrybutów opisujących usługi/produkty),
2) określenie poziomów poszczególnych zmiennych,
3) wybór typu modelu,
4) wybór metody gromadzenia danych,
5) analiza danych,
6) interpretacja wyników,
7) zastosowanie w zarządzaniu marketingowym.
Spośród zmiennych - atrybutów, opisujących dany produkt/usługę należy wybrać te z nich, które zostaną wykorzystane w badaniu do opisu wariantów produktów (profili). Ograniczeniem dla liczby wykorzystanych w badaniu atrybutów są przede wszystkim możliwości percepcyjne respondenta: im więcej atrybutów i ich poziomów, tym więcej wariantów, które będzie musiał poddać ocenie respondent. W sytuacji, gdy chcemy, by respondent ocenił jednocześnie wszystkie warianty produktu, należy ograniczyć liczbę wykorzystanych atrybutów opisujących warianty produktów do 6 (ibidem: 23).
Kolejną decyzją, którą należy podjąć w procesie planowania procedury badań Conjoint, jest określenie poziomów cech (atrybutów) poszczególnych zmiennych, tj. wartości, jakie mogą one przyjmować. Podobnie jak w wypadku określania liczby zmiennych wykorzystanych w analizie należy pamiętać o tym, że im więcej potencjalnych poziomów cech wykorzystanych w analizie zostanie wyróżnionych, tym więcej potencjalnych wariantów produktów (profili) jakie musi poddać ocenie respondent, a zatem większy wysiłek poznawczy respondenta.
Kiedy już zostaną określone zmienne oraz ich poziomy, przechodzimy do etapu planowania badania, w którym dokonujemy wyboru typu modelu oraz określenia metody gromadzenia danych. Najczęściej badacz wybiera pomiędzy dwoma typami modeli - modelem addytywnym, uwzględniającym jedynie efekty główne oddziaływania poszczególnych atrybutów na całkowitą użyteczność wariantów produktu oraz modelem multiplikatywnym, biorącym pod uwagę również interakcje między atrybutami, czyli efekty ich współoddziaływania na całkowitą użyteczność wariantu (por. ibidem: 25).
ResearchOnline oferuje pierwszą z tych opcji, zdecydowanie częściej wykorzystywaną w praktyce badawczej.
Kolejny krok, czyli wybór metody gromadzenia danych, określić można jako kluczowy dla całej procedury badawczej. To, na jaką metodę gromadzenia danych badacz zdecyduje się w fazie planowania badania "determinuje bowiem złożoność obliczeniową zadania estymacji parametrów w modelu analizy Conjoint, a przez to określa charakter możliwych do zastosowania technik szacowania wartości użyteczności cząstkowych" oraz wywiera kluczowy wpływ na poziom wiarygodności ocen uczestników badania (Walesiak, Bąk 2000: 19).
Zasadniczo zwykło się wyróżniać 3 metody gromadzenia danych: metodę wszystkich profilów wyboru, metodę korzystającą z macierzy kompromisów (zwaną także metodą prezentacji dwóch atrybutów jednocześnie) a także metodę porównywania wariantów parami (por. ibidem: 21-22).
Kreator badań Conjoint ResearchOnline daje możliwość wykorzystania metody pełnych profili oraz metody porównywania obiektów parami.
W przypadku metody pełnych profili, jak wskazuje sama nazwa, respondentowi prezentowane są jednocześnie wszystkie możliwe warianty produktów/usług (profile). Zaletą metody pełnych profili jest to, iż respondent jest w jej przypadku postawiony w sytuacji najbardziej zbliżonej do tej, z jaką styka się podczas dokonywania wyborów konsumenckich spośród szerokiej palety dostępnych na rynku towarów czy też usług (ibidem: 23). Możemy zatem w kontekście metody pełnych profili mówić o jej zdolności do mierzenia całości ocen preferencji, odnoszących się do poszczególnych wariantów produktu (por. Green, Srinivasan 1990:6). W wypadku, gdy warianty produktów (profile) są opisane przez wiele atrybutów, posiadających dodatkowo relatywnie dużą liczbę poziomów, wykorzystanie metody pełnych profili staje się problematyczne - jednoczesna ocena kilkuset czy kilkudziesięciu profili przekracza możliwości ludzkiej percepcji.
Jeśli nie chcemy rezygnować z ustalonej liczby wykorzystanych w badaniu atrybutów oraz ich cech, rozwiązaniem są alternatywy wobec prezentacji wszystkich profili (czyli tzw. pełnego eksperymentu czynnikowego) - próba losowa profili lub też wykorzystanie tzw. planu ortogonalnego.
Doborem profili, które zostaną zaprezentowane respondentom, kieruje w wypadku planu ortogonalnego zasada, zgodnie z którą dana kombinacja dwóch poziomów różnych atrybutów (zmiennych) pojawia się w wygenerowanym zestawie profili równie często jak wszystkie pozostałe możliwe kombinacje dwu poziomów atrybutów, wykorzystanych w badaniu (por. Kuhfeld 2006: 316).
Ocena każdego z profili dokonywana jest na skali interwałowej bądź ilorazowej - projektując badanie w serwisie ResearchOnline badacz ma możliwość określenia rozpiętości skali oraz szerokości przedziałów.
Alternatywą dla metody pełnych profili jest metoda porównywania parami, w której respondent wybiera preferowaną przez siebie opcję spośród dwu prezentowanych wariantów produktu, opisanych wszystkimi wyróżnionymi atrybutami. Niewątpliwą zaletą tej metody gromadzenia danych jest fakt, że osoba biorąca udział w badaniu nie jest postawiona przed koniecznością dokonywania jednoczesnej oceny znacznej ilości profili (ibidem: 24). Jako że respondentowi są prezentowane jedynie niektóre pary profili, zaleca się, aby stosować w przypadku jej wykorzystania zasadę przechodniości preferencji (jeśli A>B oraz B>C, to A>C) (ibidem).
Wybór metody gromadzenia danych determinuje wykorzystywaną w procedurze analitycznej metodę estymacji parametrów modelu (użyteczności cząstkowych). Zastosowanie skali interwałowej w metodach pełnych profili oraz metodach eksperymentalnych wiąże się z wykorzystaniem metrycznych procedur estymacji parametrów modelu (najczęściej wykorzystywana jest w tym kontekście metoda najmniejszych kwadratów) (por. ibidem). W wypadku skorzystania z metody porównywania parami, popularnym rozwiązaniem jest wykorzystanie modelu probitowego (por. Harrison et al. 2005).
Przed przystąpieniem do realizacji badania należy podjąć ponadto decyzję, w jaki sposób będą prezentowane respondentom poszczególne profile produktu (czy będzie to np. opis słowny czy też zdjęcie bądź grafika) a także odpowiednio dobrać próbę, na której zrealizowane zostanie badanie. Zgodnie z wytycznymi, proponowanymi przez Cattina i Wittinka (por. 1982), próba powinna obejmować od 100 do 1000 respondentów.
Po zebraniu, wprowadzeniu danych do bazy i jej odpowiednim wyczyszczeniu można przejść do etapu finalnego - właściwej analizy. Jej rezultaty pozwalają na uzyskanie odpowiedzi na następujące pytania:
Prognoza udziału poszczególnych wariantów produktu w rynku (tzw. analiza symulacyjna) może odbywać się przy wykorzystaniu jednej z trzech dostępnych metod: modelu Bradleya-Terry'ego-Luce'a (model probabilistyczny BTL), modelu logitowego lub modelu największej użyteczności. W przypadku modelu BTL udział produktu w rynku obliczany jest poprzez podzielenie całkowitej użyteczności danego wariantu produktu/usługi (profilu) przez sumę użyteczności wszystkich wariantów produktu, które czynimy przedmiotem naszej symulacji. Model logitowy jest wariacją modelu BTL, w którym wykorzystywane są logarytmy naturalne użyteczności całkowitych. Wykorzystując model maksymalnej użyteczności dla każdego z wariantów produktu (profilu), biorącego udział w symulacji rynkowej oblicza się odsetek respondentów, dla których dany profil (wariant produktu) uzyskał najwyższą całkowitą ocenę użyteczności (Walesiak, Bąk 2000: 48).
Magierowski M., Tompolska A. Analiza Conjoint. Dostępny: http://www.researchonline.pl/baza?podkategoria=31, data dostępu: .././../2013.
Cattin, P., Wittink, D. R. 1982.Commercial Use of Conjoint Analysis. Journal of Marketing, Summer, s. 44-53.
Green, P., Srinivasan, V. 1990. Conjoint Analysis in Marketing: New Developments With Implications for Research and Practice. Journal of Marketing, vol. 54, s. 3-19.
Harrison, R. W., Gillespie, J., Fields, G. 2005. Analysis of Cardinal and Ordinal Assumptions in Conjoint Analysis, Agricultural and Resource Economics Review, vol. 34/2, s. 238-252.
Kuhfeld, W. E. 2006. Construction of Efficient Designs for Disrete Choice Experiments. W: Rajiv Grover, Marco Vriens (red.) The Handbook of Marketing Research: Uses, Misuses and Future Advances, Sage Publications.
Louviere, J. 1988. Analyzing Decision Making: Metric Conjoint Analysis. Sage Publications.
Schmidt, M. J., Hollensen, S. 2006. Marketing Research. An International Approach. Harlow: Pearson Education.
Sagan, A. 2009. Analiza preferencji konsumentów z wykorzystaniem programu STATISTICA -analiza conjoint i skalowanie wielowymiarowe.
Walesiak, M., Bąk, A. 2000. Conjoint analysis w badaniach marketingowych. Wrocław: Wydawnictwo Akademii Ekonomicznej im. Oskara Langego.
100 000+
Zrealizowanych ankiet. Dołącz do grona naszych klientów!
