Analiza conjoint
CZYM JEST CONJOINT?
Analiza Conjoint jest narzędziem wykorzystywanym w badaniach dotyczących preferencji konsumenckich. Polega ona na przedstawieniu respondentom grupy obiektów (produktów, usług, etc.), które charakteryzują się różnym poziomem wybranych zmiennych objaśniających. Analiza wykorzystuje zasadę dekompozycji, która dokonywana jest w oparciu o łączne pomiary upodobań badanych uznawane za zmienną zależną. Oceny profili stanowią jednocześnie użyteczność całkowitą, która w trakcie badania dzielona jest na użyteczności cząstkowe każdego z atrybutów zmiennych objaśniających. Dzięki temu analiza Conjoint umożliwia ocenienie istotności poszczególnych parametrów charakteryzujących profile.
W metodzie Conjoint istnieje kilka sposobów prezentacji danych ankietowanym.
- Metoda pełnych profili wyboru (fuli-profile approach),
- Metoda prezentacji dwóch atrybutów jednocześnie nazywana również metodą korzystającą z macierzy kompromisów (two-attributes-at-a-time approach lub trade-off matrix approach),
- Metoda porównywania profili parami (pairwise comparison method),
- Metoda wyboru spośród zbiorów profili (the experimental choice approach),
- Metoda oceny poziomów i atrybutów (self-explicated data approach).
Za pomocą analizy Conjoint można otrzymać informacje o optymalnym produkcie w opinii badanej grupy respondentów, jak również o istności poszczególnych atrybutów dla każdego z ankietowanych.
DZIAŁANIE:
W zależności od skali pomiaru zmiennej zależnej, analizę Conjoint można podzielić na metryczne oraz niemetryczne procedury estymacji. Do metrycznych metod estymacji parametrów wykorzystuje się zmienne zależne opisane na skali przedziałowej lub ilorazowej. Jedną z nich jest klasyczna metoda najmniejszych kwadratów, gdzie zmienną zależną stanowi ocena nadana poszczególnym profilom przez każdego z respondentów, a zmienne objaśniające definiuje związek między poziomami ich atrybutów a użytecznościami cząstkowymi. Z kolei przykładem niemetrycznej procedury estymacji, w której wykorzystywana jest porządkowa zmienna zależna, jest iteracyjna metoda monotonicznej analizy wariancji.
Ważnym założeniem metody Conjoint jest określenie co najmniej takiej liczby profili, jaka jest łączna liczba atrybutów opisujących wszystkie cechy.
PRZYKŁAD:
W celu zobrazowania metody conjoint można posłużyć się wbudowanym w program R pakietem danych „czekolada”. Zawiera on 1392 odpowiedzi 87 ankietowanych, którzy oceniali 16 profili charakteryzujących różne czekolady. Każdy z profili charakteryzowało 5 czynników będących zmiennymi kategorycznymi, które opisuje poniższa tabela:
| RODZAJ | 1 mleczna |
| 2 nadziewana | |
| 3 bakaliowa | |
| 4 gorzka | |
| CENA | 1 niska |
| 2 średnia | |
| 3 wysoka | |
| OPAKOWANIE | 1 miękkie |
| 2 twarde | |
| WAGA | 1 mała |
| 2 średnia | |
| 3 duża | |
| KALORIE | 1 mało |
| 2 dużo |
Charakterystykę poszczególnych profili zamieszczono w następującej tabeli:
| PROFIL | RODZAJ | CENA | OPAKOWANIE | WAGA | KALORIE |
|---|---|---|---|---|---|
| 1 | 3 | 3 | 1 | 2 | 1 |
| 2 | 3 | 2 | 2 | 1 | 2 |
| 3 | 2 | 1 | 2 | 1 | 1 |
| 4 | 4 | 1 | 2 | 1 | 1 |
| 5 | 4 | 2 | 2 | 2 | 1 |
| 6 | 1 | 1 | 2 | 2 | 2 |
| 7 | 4 | 3 | 1 | 2 | 2 |
| 8 | 1 | 2 | 1 | 3 | 1 |
| 9 | 3 | 1 | 2 | 3 | 2 |
| 10 | 3 | 1 | 1 | 1 | 1 |
| 11 | 1 | 3 | 2 | 1 | 2 |
| 12 | 2 | 2 | 1 | 1 | 2 |
| 13 | 2 | 3 | 2 | 3 | 1 |
| 14 | 1 | 1 | 1 | 1 | 1 |
| 15 | 4 | 1 | 1 | 3 | 2 |
| 16 | 2 | 1 | 1 | 2 | 2 |
Za pomocą pakietu Conjoint programu R dokonano analizy, która wykazała następujące użyteczności poszczególnych atrybutów przy wyborze czekolady przez badanych:
| CZYNNIK | ATRYBUT | UŻYTECZNOŚĆ | ISTOTNOŚĆ |
|---|---|---|---|
| rodzaj | mleczna | -1,0891 | 56,79% |
| nadziewana | -0,7328 | ||
| bakaliowa | -0,9224 | ||
| gorzka | 2,7443 | ||
| cena | niska | -0,5709 | 16,42% |
| średnia | 0,1188 | ||
| wysoka | 0,4521 | ||
| opakowanie | miękkie | -0,0287 | 5,43% |
| twarde | 0,0287 | ||
| waga | mała | -0,1686 | 10,61% |
| średnia | 0,1734 | ||
| duża | -0,0048 | ||
| kalorie | mało | -0,6466 | 10,75% |
| dużo | 0,6466 |
Na podstawie tabeli można wnioskować, że najistotniejszym dla klientów czynnikiem jest rodzaj czekolady – 56,79%, drugim w kolejności jest jej cena – 16,42%. Najmniej istotne dla kupujących okazało się opakowanie – 5,43%.
Idealnym produktem, o największej użyteczności dla konsumentów, jest droga, średniej wielkości, gorzka czekolada w twardym opakowaniu zawierająca dużo kalorii.
Dodatkowo analiza Conjoint umożliwia weryfikację istotności poszczególnych atrybutów dla każdego z respondentów. Przykładowo:
| ATRYBUT | mleczna | nadziewana | bakaliowa | gorzka | niska | średnia | wysoka | miękkie | twarde | mała | średnia | duża | mało | dużo |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| RESPONDENT 1 | 2 | -2 | 6 | -6 | 0 | -0,25 | 0,25 | 0 | 0 | -0,333 | -0,083 | 0,417 | -1 | 1 |
| RESPONDENT 2 | 0 | -2,75 | 0,5 | 2,25 | -2,667 | 0,333 | 2,333 | 0,5 | -0,5 | 2,667 | -1,083 | -1,583 | 0,25 | -0,25 |
| RESPONDENT 3 | -6 | 2 | -2 | 6 | -0,667 | -0,167 | 0,833 | 0,375 | -0,375 | 0,167 | 0,042 | -0,208 | -0,375 | 0,375 |
Dla respondenta 1 najlepszą jest droga, duża, wysokokaloryczna czekolada bakaliowa, natomiast respondent 2 najczęściej wybiera taką, która jest droga, mała, w miękkim opakowaniu, małokaloryczna i gorzka, z kolei respondent 3 decyduje się na małą, w miękkim opakowaniu, droższą, z dużą ilością kalorii czekoladę gorzką.
OPRACOWAŁY: Aneta Bech, Małgorzata Lipus
LITERATURA:
[1] M. Walesiak Gromadzenie danych w procedurze Conjoint analysis [link] [dostęp dnia 22.07.2016]
[2] M. Pełka, A. Rybicka Pomiar i analiza preferencji wyrażonych z wykorzystaniem pakietu Conjoint programu R [link] [dostęp dnia 22.07.2016]
[3] Tłuczak Pomiar wieloczynnikowy w analizie preferencji konsumentów żywnościowych produktów regionalnych [link] [dostęp dnia 22.07.2016]
[4] Szymańska, D. Dziedzic, Conjoint analysis jako metoda analizy preferencji konsumentów [link] [dostęp dnia 22.07.2016]
[5] M. Kumala Conjoint Analysis w badaniach użyteczności stron WWW [link] [dostęp dnia 22.07.2016]
[6] Sawtooth Software Inc. The CBC System for Choice-Based Conjoint Analysis [link] [dostęp dnia 22.07.2016]
