Применение метода совместного анализа

Совместный анализ

Атрибут – одна из изучаемых характеристик продукта (пример: бренд,цвет, цена).

Уровни атрибута – совокупность значений, которые может принимать атрибут. Например, атрибут «цвет» имеет уровни «красный», «синий», «зелёный» и т.п. Все уровни атрибута должны быть взаимоисключающими.

Полезность – численное выражение степени предпочтения респондентом того или иного уровня атрибута (частичная полезность) или продукта в целом (общая полезность как сумма полезностей всех уровней атрибутов продукта).

Профиль продукта – описание продукта с помощью изучаемых атрибутов.

Важность атрибута – степень влияния атрибута на предпочтение продукта в целом. Она равна разнице между полезностями наиболее и наименее предпочитаемого уровня атрибута

Совместный анализ представляет собой особый вид методологии для количественных маркетинговых исследований, основанный на эксперименте.

Респонденту в рамках каждого задания представляется для ознакомления несколько «продуктов»-концептов (обычно от 3 до 6), которые представляют собой наборы характеристик продукта – различные комбинации уровней рассматриваемых атрибутов. Концепты, атрибуты и их уровни могут быть как реальные (уже представленные на рынке), так и предполагаемые к выходу на рынок. В каждом задании респондент должен (в зависимости от методологии) либо оценить каждый концепты по шкале, либо упорядочить концепты по степени предпочтения, либо выбрать лучший (и худший) концепт. Каждый респондент выполняет одинаковое количество заданий оценки/выбора концептов, обычно от 6 до 8.

Становление метода совместного анализа

Истоки совместного анализа лежат в экспериментальной психологии и психометрики. Сам метод совместного анализа закрепился в исследовательском дискурсе в начале 70-х годов XX в.

В 1964 году вышла в свет статья Данкана Люче и Джона Тьюки «Simultaneous Conjoint Measurement: A New Type of Fundamental Measurement», в которой впервые был введён термин «совместное измерение». Совместное измерение понималось как совокупность шкал для зависимых переменных, которые определяют порядок совместного воздействия на независимую переменную по предопределённым сочетательным правилам. Авторы использовали совместное измерение для анализа роли отдельных характеристик, на которые «расчленялись» цельные акты человеческой деятельности (поступки, суждения и т.д.).

В 1971 году Пол Грин предложил адаптировать и использовать подход Люче и Тьюки для решения задач маркетингового характера: для анализа принятия потребителем комплексных решений, для оценки важности различных характеристик продукта, для моделирования потребительского поведения.

Именно Питер Грин заложил фундамент реализации метода оценивающего совместного анализа (Conjoint Value Analysis, CVA). Сбор данных осуществлялся следующим образом:

С помощью ортогонального плана генерировался набор определённого количества карточек-профилей продукта (количество профилей прямо зависит от количества атрибутов).

Респондентам предлагали оценить каждую карточку из заданногонабора. Оценка осуществлялась сортировкой карточек респондентом от наиболее предпочтительного варианта до самого непредпочтительного.

Анализируя порядок сортировки, исследователь мог статистически определить важность каждого атрибута как на уровне всех опрошенных в целом, так и на уровне каждого отдельного респондента. При росте количества изучаемых атрибутов (и соответственном росте количества карточек в ортогональном плане) оценка сортировкой заменялась оценкой независимым рангом (например, 10-бальным), а полезности вычислялись с помощью регрессии.

Независимо от Питера Грина в начале 70-х годов Ричард Джонсон разработал метод парных сравнений выборов, уместный для сравнений с большим количеством атрибутов (больше 10)20. В рамках данного метода респонденты ранжировали предпочтения между несколькими парными комбинациями атрибутов.

Пример: моделируется ситуация покупки компьютера, изучаются атрибуты «частота процессора» и «цена». Респонденту необходимо заполнить «матрицу выбора». Он сравнивает все возможные комбинации уровней двух атрибутов (совмещённых уровней) и ранжирует их от наиболее предпочтительного варианта (1) к наименее предпочтительному.

В рамках данного метода респонденту необходимо заполнить такое число «матриц выбора», которое «покроет» все изучаемые атрибуты (но не все возможные комбинации атрибутов). Таким образом, исследователь имеет возможность оценить уровень предпочтения атрибута и его важность для каждого респондента. Однако, методика Джонсона имеет очевидные недостатки в сравнении с методикой Грина.

Во-первых, метод парных сравнений выборов не является полнопрофильным и не воспроизводит саму ситуацию выбора продукта. Во-вторых, респондентам довольно трудно обращаться с многочисленными матрицами выбора, которые предполагаются в случае значительного количества исследуемых атрибутов. Для устранения неудобства инструментария для респондентов,

Джонсону удалось к концу 80-х годов разработать новый, прогрессивный метод совместного анализа – адаптивный совместный анализ (Adaptive Conjoint Analysis, ACA). Особенность метода состоит в том, что набор атрибутов адаптируется под каждого конкретного респондента, то есть респондент оценивает только те атрибуты, которые имеют к нему отношение либо значимы для него. Главным преимуществом данного метода является возможность исследовать существенно больший набор атрибутов, избегая информационного переутомления респондента. Однако для реализации данного метода необходимо специальное платное программное обеспечение (например, от компании Sawtooth Software).

Совместный анализ, основанный на выборе

В середине 70-х годов XX в. был разработан метод совместного анализа, основанный на «дискретном выборе» (choice-based conjoint, CBC). Основу данного метода заложила работа Даниэля Макфаддена «Conditional Logit Analysis of Qualitative Choice Behavior»22. Важнейшей отличительной чертой метода CBC, благодаря которой он стал так популярен среди теоретиков и практиков, является высокий уровень сходства экспериментальной ситуации с ситуацией выбора товара и услуги в реальной конкурентной среде.

Респондент при выполнении заданий не ранжирует профили продуктов в зависимости от предпочтений, а просто выбирает наиболее привлекательный профиль из доступных альтернатив. Количество профилей в одном задании как правило может составлять от 2 до 5. В некоторых случаях у респондента есть техническая возможность не выбирать ничего из предложенного. В то время, как по своей сути метод CBC всегда соответствует описанным выше принципам, сам опросник может значительно варьироваться. Классическим вариантом, к которому склоняются большинство исследователей, является CBC-анализ с одним выбором. То есть респонденту предлагается выбрать один продукт с определёнными характеристиками из каждого отдельно взятого набора продуктов (single choice или choose one approach).

Другим вариантом организации опросника является экспериментальная ситуация, когда респонденту предлагается определить свои следующие 10 покупок (за каждую покупку можно приобрести только один продукт), указав при этом, какое количество каждого из продуктов они купят (chip allocation или equal sum approach). Суть этого подхода в том, что респондент в рамках каждого задания распределяет 10 условных единиц (“chips”) между вариантами из предложенного набора продуктов (полных профилей). Крайними случаями может оказаться отнесение всех 10 единиц одному продукту (или же совершение 10 покупок одного продукта) и распределение всех единиц поровну, например, по 2 на 5 продуктов.

Кроме того, существует также распространённый вариант организации опросника метода CBC, когда респондента просят указать лучшую и худшую альтернативу профиля в рамках одного задания или сделать «второй выбор» из оставшихся альтернатив23.

В 1999 году Дж. Пиннел (J. Pinnell) предположил, что в рамках ситуации выбора на респондента могут оказывать влияние дополнительные обстоятельства. Например, в ситуации выбора пивной продукции, респондент может отдавать предпочтение различным брендам в зависимости от того, в каких условиях предполагается её потребление: в компании друзей, в баре или в домашних условиях. Соответственно, исключение такого дополнительного контекста из CBC-анализа может приводить к значительным искажениям результатов. В связи с этим было предложено внести следующие изменения в методику проведения исследования: сначала респонденту задавались вопросы о том, какие обстоятельства могут оказать влияние на выбор того или иного продукта, а уже только затем предлагалось сделать дискретный выбор, в зависимости от предложенного контекста или ситуационного сценария.

Важной особенностью и преимуществом метода CBC является то, что по сравнению с предыдущими методами совместного анализа здесь наблюдается ситуация, когда значимость наиболее важных атрибутов профиля (или продукта) возрастает, тогда как значимость неважных для респондента атрибутов наоборот уменьшается. Данное явление имеет место из-за «дихотомизации» оценки профиля продукта в рамках ситуации выбора. В рамках метода CBC на агрегированном уровне данных могут анализироваться не только «главные эффекты» уровней атрибутов, но также и эффекты взаимодействия, что является значительным преимуществом метода.

Среди явных недостатков «дискретного выбора» можно отметить необходимость большей выборки в сравнении с методами CVA и ACA. На сегодняшний день совместный анализ, основанный на дискретном выборе, является одной из самых популярных техник совместного анализа. В 1993 году компания Sawtooth Software создала специальное программное обеспечение для метода дискретного выбора. Также была реализована возможность анализа полезностей на индивидуальном уровне, используя иерархические методы Байеса (CBC HB (hierarchical Bayes)).

Читайте также:  Чем вывести алкоголь перед анализами

Модели совместного анализа

Выделяют 2 группы математических моделей в совместном анализе:

  • Модели предпочтения полезности (описывают взаимоотношения уровней в рамках одного атрибута)
  • Общие модели (описывают взаимоотношение общей полезности профиля продукта с полезностями составляющих его уровней атрибутов).

Для модели предпочтения полезности выделяются три способа моделирования через математические формулы взаимоотношений полезностей уровней внутри одного атрибута. К таким способам относят модель идеальной точки (и её частный случай модель антиидеальной точки), векторную модель и модель дискретной частичной полезности (part-worth model).

Преимуществом модели идеальной точки является тот факт, что она может быть применена как к атрибуту цены, так и к другим качественным атрибутам продукта или услуги. Данная модель отражается криволинейной функцией (модель квадратичной регрессии), в рамках которой определяется идеальное значения для уровня атрибута. Логика метода идеальной точки подразумевает наличие у каждого респондента своего собственного наиболее предпочтительного уровня внутри каждого из атрибутов. Отклонения от этого уровня неминуемо приводит к уменьшению полезности. Частный случай данной модели — антиидеальная точка — подразумевает то, что у респондента существует некоторое значение уровня внутри каждого атрибута с наименьшим показателем полезности. Соответственно, чем более удалённый уровень от данной точки выбирает респондент, тем больше его полезность.

В рамках линейной зависимости (модели линейной регрессии) отражается изменение величины полезности и величины уровня атрибута в векторной модели. Таким образом, увеличение ранга атрибута в данной логике должно привести к линейному увеличению или уменьшению полезности. Векторная модель может быть успешно применена для анализа полезности внутри атрибута, выражаемого числовыми значениями (вес, цена и пр.).

Модель дискретной частичной полезности (part-worth model) отражается кривой, состоящей из прямолинейных участков, соединяющих точки, которые соответствуют оценкам полезности для уровней атрибутов. Данная модель исходит из убеждения, что между уровнями атрибута и степенью их полезностью однозначная форма зависимости отсутствует. Утверждается дискретный характер уровней атрибутов, что требует вычисления в каждой отдельной точке полезности, как функции от данного конкретного уровня.

Данная модель является наиболее распространённой в рамках совместного анализа в настоящее время.

Источник

Совместный анализ чего то

Часто отношение можно измерить, только если рассматривать несколько атрибутов вместе, в то время как рассмотрение этих атрибутов по отдельности ничего не даст.

Для примера полезно сравнить такие товары, как компьютер, автомобиль и кофеварка. Сравнение будет производиться с точки зрения характеристик, определяющих их качество.

В компьютере главными потребительскими характеристиками являются быстродействие процессора, объем оперативной памяти для работы, объем диска для хранения программ и данных. Эти характеристики достаточно независимы, так как компьютер специально строится по модульному принципу. Если не хватает оперативной памяти, то ее можно просто докупить. Если мал объем диска, то его можно заменить более дорогой моделью, не затрагивая других важных характеристик.

В автомобиле все характеристики неразрывно связаны между собой. Экономичность выше для двигателей меньшей можности, безопасность выше у автомобилей большего размера. Но характеристики автомобиля сложны для анализа, так как обычно потребители указывают не менее пятидесяти характеристик таких обобщенных категорий, как экономичность, комфортность, престижность, надежность и др.

У кофеварки же важных характеристик немного (большинство пользователей назовет время закипания, объем и цену). Но и эти характеристики сильно взаимосвязаны. Если требуется увеличить объем, то увеличится и время закипания. Если потребуется ускорить закипание, то потребуется более дорогой нагреватель большей мощности.

Очевидно, что такой набор взаимосвязанных характеристик надо изучать совместно.

Описание метода

Именно для случая тесно взаимосвязанных характеристик, которые нельзя рассматривать по отдельности, и используется метод совместного анализа.

Пусть кофеварки могут иметь следующие характеристики: цену ( 800 , 1000 и 1200 руб.), емкость ( 1 чашку, 2 чашек, 5 чашек) и время закипания ( 1 мин, 3 мин, 5 мин, 10 мин). Очевидно, что обычно потребителя предпочтитают экстремальные значения атрибутов: лучшая кофеварка – самая дешевая, самая большая и самая быстрая. Такие атрибуты называются базовыми.

При использовании метода совместного анализа составляются карточки со всеми возможными комбинациями атрибутов (для данного примера их будет 3 ´ 3 ´ 4=36 ) . Опрашиваемый должен расположить их по предпочтению (обычно в два этапа, как в предыдущем примере). Самому плохому объекту присваивается одно очко, следующему – два и т.д. Таким образом, чем лучше объект, тем больше он имеет очков.

Самая хорошая кофеварка будет, скорее всего, иметь цену 800 р. , емкость – 5 чашек, время закипания – 1 минуту. Выбор варианта, следующего за самым хорошим, уже покажет, что важнее для респондента. Если следующий вариант будет дороже, то цена, скорее всего, будет наименее важным параметром, так как респондент готов поступиться ей в первую очередь. Более дорогая кофеварка для него почти так же хороша, как и самая лучшая.

Полный анализ результатов опроса проводится по следующим шагам.

Шаг 1. Варианты комбинаций признаков, записанные на карточках, последовательно нумеруются в соответствии с ответом респондента от 1 (самая плохая комбинация) до числа, равного количеству карточек (для примера – 36 ).

Шаг 2. Каждому значению каждого атрибута назначается произвольный вес. Для примера общее количество таких весов – 3+3+4=10 . Удобно начать с единичных значений всех весов.

Шаг 3. Рассчитываются веса всех комбинаций как сумма весов атрибутов. Например, для самой плохой кофеварки суммарный вес будет равен

(вес цены 800 р.) + (вес времени 10 минут) +
+ (вес емкости 1 чашка) = 1+1+1 = 3.

Вначале веса всех комбинаций будут равны 3 . Эта ситуация отражена как начальная на р Рис. 40 , а.

Шаг 4. Значения выбранных весов атрибутов изменяются до тех пор, пока не будет достигнуто наилучшее совпадение веса каждого варианта и присвоенного ему номера. Иными словами, цель поиска итоговых весов атрибутов – добиться того, чтобы у самой плохой кофеварки суммарный вес был бы равен 1 , у следующей – 2 и т.д., а у самой хорошей – 36 . Тогда веса «хороших» значений атрибутов будут велики.

Такую процедуру можно реализовать в MS Excel с помощью средства Поиск решения . Ставится оптимизационная задача: найти минимальное значение суммы квадратов (или абсолютных значений) отклонений сумм весов от номеров вариантов по всем вариантам при изменении весов атрибутов.

В идеале веса вариантов совпадут с номерами этих же вариантов (идеальная линия на р Рис. 40 , а). Реально же веса параметров не удается подобрать так, чтобы вес каждого варианта совпал с его номером.

Если наблюдается точное соответствие номера варианта и его веса, то отвечающий переупростил задачу, использовав принцип лексикографического упорядочивания вариантов. Такая ситуация вряд ли реальна: хорошая кофеварка может быть дорогая и большая, но не очень быстрая, чуть хуже оказывается вариант для приготовления кофе «на скорую руку» – маленькая быстрая кофеварка средней цены.

Если же респондент просто разместил карточки случайным образом, то кривая зависимости веса варианта от его номера будет сильно отклоняться от идеала то в одну, то в другую сторону.

Поэтому наиболее достоверным следует считать ответ, при обработке которого оказалось, тчо кривая отклоняется от идеала на ограниченую величину. Более подробно вопрос оценки достоверности ответов приведен в [24].

Рис. 40 . Иллюстрация метода объединенных измерений

Шаг 5. Строятся графики полученных весов: по оси абсцисс – значение атрибута, по оси ординат – вес. Построенные в одном масштабе, они могут рассказать о том, как воспринимаются атрибуты (р Рис. 40 , б). Тот атрибут, который имеет наибольшую разницу значений весов, является наиболее важным. В данном случае это время закипания.Это может служить хорошей основой для сегментирования.

Иногда график имеет четко выраженный излом. Например, для цены он может идти горизонтально, а затем иметь резкий спад. Это говорит о наличии границы эластичности спроса. Это позволяет оценить, что потребитель может «стерпеть», а от чего тоно откажется.

Читайте также:  ДНК диагностика в Уфе ДНК анализы от Инто Стил

Бывает, что максимум графика приходится на среднее значение, тогда оно является наиболее предпочтительным.

По графикам можно определить, какими характеристиками должен обладать вновь разрабатываемый прибор. Для этого следует взять то значение каждого параметра, которое имеет наибольший вес среди вариантов значений данного параметра Для примера р Рис. 40 следует разрабатывать быструю кофеварку средней емкости по средней цене, так как время закипания – важнейший параметр и респондент считает наилучшим минимальное время. Средняя и низкая цена воспринимаются почти одинаково, но более высокая цена даст большую прибыль. Наилучшая емкость – средняя. Если же производство такой «идеальной» кофеварки технически сложно, то можно либо увеличить время закипания, так как разница весов для времени закипания в одну и три минуты мала, либо снизить емкость по той же причине.

Данный метод, как и метод многомерного шкалирования, анализирует мнение одного человека. Группировка респондентов по результатам измерений дает основу для сегментирования. Можно объединить в один сегмент ценовых покупателей, а затем разбить их на подсегменты по предпочтительной цене.

Но более полезно сегментировать опрошенных по их представлению об идеальном товаре. Для этого для каждого опрошенного выписываются по два-три наилучших варината и ищутся такие значения параметров кофеварки, которые удовлетворят наибольшее число потребителей. Потребители этого типа составят сегмент наибольшего размера.

В другом варинате обработки результатов находится минимальне количество вариантов, которые удовлетворят 90% опрошенных. Здесь сегменты формируются из потребителей, которые предпчитают каждую из выбранных кофеварок. Такое сегментирование отвечает на важный вопрос о том, сколько модификаций товара следует выпускать.

Проблемы применения метода

1. Выбор атрибутов. Они должны быть важными, влияющими на выбор товара, и в то же время должна иметься возможность управлять ими при разработке новых товаров. Можно вводить и качественные атрибуты, измеряемые в номинальной шкале, например, тип нагревателя: спиральный или плоский.

2. Определение количества уровней атрибутов. Их не должно быть слишком много, чтобы не затруднять респондента. В то же время для выявления сложной формы результирующих кривых требуется несколько значений.

3. Задание значений атрибутов. Они должны быть реальными, чтобы к опросу отнеслись серьезно (где это видано: суперкофеварка за 100 р.?).

4. Состоятельность ответов. Респондент может запутаться в ответах. Чтобы помочь ему, можно воспользоваться компьютером, коорый выводит на экран пару карточек с вариантами и спрашивает, какой из вариантов лучше. Но при этом может возникнуть противоречивость ответов, которую следует выявлять и исправлять с помощью респондента.

5. Выбор формы представления вопросов и природы суждений. Можно предъявлять для сортировки карточки со словесным описанием, разбить опрос на параграфы (1 параграф – 1 вопрос), либо предъявлять наглядные картинки и даже образцы.

6. Агрегирование суждений. Метод основан на анализе индивидуального мнения. Усреднение снизит ценность проделанной работы. Компромисс – группировка ответов, в частности, с применением кластерного анализа.

7. Добросовестность ответов. Следует решить, что делать с небрежными ответами. Обычно проверяют, как сказывается их учет или неучет на результаты исследований. В отчете следует привести выводы по этому вопросу.

Источник



Совместный анализ

Совместный анализ (сonjoint analysis) – это метод поиска оптимального сочетания характеристик товара с помощью математического анализа оценок, выставленных покупателями по каждой комбинации этих характеристик. Сonjoint анализ часто используют для разработки новых товаров и услуг.

Цель совместного анализа – определить оптимальное сочетание характеристик нового или уже существующего продукта.

При измерении предпочтений потребителей предполагается, что на принятие решения о выборе товара влияет сразу несколько свойств, как и в реальной жизни. Покупатель оценивает товар в целом, т.е. все его свойства одновременно (conjoint происходит от англ. consider jointly – рассматривать совместно). Поэтому необходимо анализировать предпочтения не отдельно по атрибутам, а по их комбинациям. Например, картонный пакет яблочного сока марки B объемом упаковки 400 мл сравнивается со стеклянной бутылкой сока марки A объемом упаковки 500 мл.

Математический анализ предпочтений определяет иерархию ценностей, лежащую в основе выбора. В Conjoint-анализе выдвигается предположение о том, что свойства товара должны быть независимы.

Главное преимущество метода совместного анализа в том, что он позволяет делать прогнозы относительно предпочтений потребителей в реальной ситуации покупки. Среди прочих достоинств можно назвать:

  • возможность изучения психологических компромиссов, неизбежных при оценке сразу нескольких атрибутов;
  • выявление реальных, часто скрытых мотивов, не осознаваемых респондентом;
  • способность моделировать взаимодействие между атрибутами.

Conjoint анализ применяют в маркетинге для выбора оптимального сочетания характеристик товара и определения значимости этих характеристик. Например, определение наилучшего сочетания экономичности двигателя грузовика и вместительности грузовика, или поиск компромисса между количеством и сложностью встроенных функций телефона и ценой телефона. Изучение приоритетов потребителей по ключевым атрибутам: сервис, цены, имидж, качество, широта ассортимента для розничной сети.

Conjoint анализ используют в исследовании восприятия потребителями дизайна нового продукта. Например, рестайлинг торговых марок, когда выбирают компромисс между узнаваемостью торговой марки и формой упаковки.

Сonjoint анализ позволяет выбрать наиболее привлекательные сегменты рынка на основе их относительного размера и уровня доходов и разработать стратегию работы с выбранными сегментами на основе информации о потребительских предпочтениях данных сегментов.

Источник

Применение метода совместного анализа

Совместный анализ (conjoint analysis) — это специальная технология сбора и анализа данных, используемая, как правило, в маркетинговых исследованиях. При помощи совместного анализа маркетологи определяют наилучшую конфигурацию новых или уже существующих продуктов (или услуг). Самой важной целью совместного анализа является измерение степени предпочтения потребителем одного из конкурирующих продуктов (услуг) в условиях предположения о комплексной оценке всех атрибутов, составляющих продукт.

Работа содержит 1 файл

Применение метода совместного анализа.docx

Применение метода совместного анализа

Менеджеры по маркетингу современных компаний стоят перед рядом важных для них проблем, связанных с оценкой прибыльности и объема продаж, с вычислением доли рынка в изменяющихся маркетинговых условиях. Это такие проблемы, как:

  • Прогноз прибыльности и /или доли рынка для новой концепции продукта, исходя из текущего предложения конкурентов.
  • Прогноз влияния новых продуктов конкурента на доход или долю рынка, если не делать никаких изменений в конкурентной позиции фирмы.
  • Прогноз уровня переключения покупателей на наши новые продукты как с наших текущих продуктов (каннибализм), так и с продуктов наших конкурентов (вовлечение).
  • Прогноз различий для первых трех пунктов по ключевым сегментам рынка.
  • Прогноз реакции на стратегию ввода нового продукта. Должен ли вводиться новый продукт, и если да, какова оптимальная конфигурация для этого нового продукта? Кроме того, должны ли цена и другие атрибуты текущих продуктов быть изменены в ответ на новые условия конкуренции?
  • Прогноз влияния ситуационных переменных на предпочтения потребителя.
  • Прогноз различий в отклике на альтернативные рекламные стратегии и / или рекламные темы.
  • Прогноз отклика потребителя на альтернативные ценовые стратегии, специфические уровни цены, и предлагаемые изменения цены.
  • Прогноз отклика на стратегии распределения, включая такие вопросы, как определение оптимальных каналов распространения, количество и тип торговых точек, выбор поставщика и т.д.

Каждая из перечисленных проблем может решаться при использовании методологии совместного анализа. Вообще говоря, решения, основанные на применении метода совместного анализа, могут быть применены при модификации любой из компонент marketing mix, то есть, при изменении продукта, цены, продвижения или распределения. Эти решения могут быть сфокусированы на новых сегментах или перепозиционировании продукта.

Совместный анализ (conjoint analysis) — это специальная технология сбора и анализа данных, используемая, как правило, в маркетинговых исследованиях. При помощи совместного анализа маркетологи определяют наилучшую конфигурацию новых или уже существующих продуктов (или услуг). Самой важной целью совместного анализа является измерение степени предпочтения потребителем одного из конкурирующих продуктов (услуг) в условиях предположения о комплексной оценке всех атрибутов, составляющих продукт. Название "совместный" (conjoint) происходит как раз от слов consider jointly — "рассматривать совместно".

Читайте также:  Экономический анализ как метод научного исследования

Эта технология получила широкое распространение в странах с развитой рыночной экономикой с середины 90-х годов. В России совместный анализ практически не применяется, вероятно, из-за отсутствия соответствующих специалистов. В предлагаемом тексте мы поможем вам понять не только теоретические основы совместного анализа (СА), но и практические аспекты сбора и анализа данных для СА. Для различных форм совместного анализа в литературе могут использоваться такие термины, как Discrete Choice (дискретный выбор), Choice Modeling (моделирование выбора), Hierarchical Choice (иерархический выбор), Card Sorts (сортировка карточек), Tradeoff Matrices (матрицы обмена), Preference Based Conjoint (совместный анализ, основанный на предпочтениях) и Pairwise Comparisons (парные сравнения). В просторечии этот метод именуется "конджоинт".

Области применения совместного анализа

Совместный анализ — это наиболее популярный, простой и точный метод для определения самого лучшего набора атрибутов, составляющих продукт или услугу, предлагаемые на рынке. Разновидности совместного анализа применяются также для позиционирования торговых марок, предпочитаемых цен, в социологических и психологических исследованиях.

Совместный анализ может быть применен к самым разнообразным категориям продуктов (услуг) на различных этапах жизненного цикла.

Необходимость использования совместного анализа

Предположим, что компания, производящая прохладительные напитки, хочет узнать относительную привлекательность различных концентраций подсластителя, и предположим также, что для проверки выбраны два уровня его концентрации. Относительно просто разработать эксперимент для проверки напитков, в котором рекрутируются две группы респондентов, близких настолько, насколько это возможно (по демографическим признакам). Представители каждой группы пробуют один из вариантов напитка. Необходимо сделать это тестирование настолько идентичным, насколько это возможно, а единственным различием в экспериментах — различной концентрацией подсластителя. Когда проверяется общая привлекательность напитков для двух групп, любые различия в уровнях привлекательности между ними могут быть присвоены различным концентрациям подсластителя — и мы сможем определить эффект этого параметра.

Теперь предположим, что подсластитель является не единственным изменяемым параметром напитка, а что компания также интересуется уровнем газированности. Вообще-то можно было бы повторить эксперимент с подсластителем, одновременно изменяя уровни газированности. Таким образом мы качественно измерим и этот параметр, но стоимость эксперимента возрастет вдвое в связи с необходимостью привлечения двух дополнительных групп респондентов. Кроме того, появится и другая проблема. Если мы проводим эксперимент с газированностью и подсластителем независимо, мы не узнаем, как эти изменения "взаимодействуют" друг с другом, в том смысле, что предпочтение более газированной воды может зависеть от ее сладости, или наоборот, предпочтение более сладкого напитка может зависеть от количества "пузырьков".

Допустим, что предлагается только два уровня сладости и газированности, тогда для решения задачи необходимо произвести напиток с четырьмя различными комбинациями переменных, то есть:

Переменная 1 2 3 4

Сладость высокая низкая высокая низкая

Газированность высокая низкая низкая высокая

Если мы рекрутируем отдельные выборки для каждой из этих комбинаций, то необходимо использовать дисперсионный анализ не только для определения вклада каждой из переменных и ее различных уровней, но и для определения степени, с которой они все взаимодействуют друг с другом. Только в этом случае мы сможем эффективно использовать данные.

Далее всюду в тексте в качестве примера будем рассматривать гипотетическую компанию, проводящую количественное маркетинговое исследование.

Компания "РиК" ("Рога и Копыта"), производящая вареные хвосты, планирует создать более привлекательную упаковку для своей продукции.

Будет ли новая упаковка более привлекательной по сравнению с упаковками конкурентов, даже если те изменят свою упаковку?

В маркетинговых исследованиях наиболее часто совместный анализ применяется для вычисления степени "важности", которую покупатели (респонденты) присваивают различным характеристикам продукта.

Фактически измерение важности является проблемой, волнующей исследователей уже много лет. В противоположность другим областям исследований, требующих измерения — таким как поведение, образ торговых марок, и так далее — "важность", безусловно, гораздо более сложный тип информации.

Иногда трудно понять, почему это может быть сложным. Ведь не может быть ничего проще, чем попросить людей проранжировать характеристики продукта, а затем выяснить, насколько важна для них каждая из характеристик. Должны быть использованы разнообразные системы сбора данных — шкалы определения важности, приемы ранжирования и так далее.

Маркетологи из компании "Рога и Копыта" пошли сначала именно по этому пути. Та часть вопросника, которым они хотели воспользоваться для выяснения предпочтений, выглядела довольно традиционно. В нее были включены вопросы типа:

Какая упаковка для вареных хвостов Вам больше всего нравится? (открытый)

Что для Вас лично является наиболее важным атрибутом упаковки с вареными хвостами? (открытый)

Определение важности некоторых атрибутов (по шкале Лайкерта).

Выбор для каждого атрибута наиболее предпочтительного варианта.

Однако исследователи, применяющие этот подход — известный как "прямой" — обнаруживают ряд проблем.

  • Разделение. Зачастую обнаруживается, что шкалы ранжирования важности дают плохое разделение. И это понятно, так как ничего не мешает респонденту облегчить себе задачу и отмечать все атрибуты, как очень важные для него. Таким образом игнорируется тот факт, что, как правило, в реальном мире хорошие показатели по одному атрибуту перевешивают другие недостатки.
  • "Социальные атрибуты". Другая проблема возникает, когда используются атрибуты для позиционирования социальных ценностей — другими словами, респонденты говорят интервьюеру о важности какого-то атрибута для людей того круга, к которому они принадлежат.

Например, шоферов просили проранжировать набор характеристик автомобиля по их важности при принятии решения о его приобретении. В этом случае было отмечено, что атрибуты безопасности имеют более высокий ранг, чем остальные атрибуты, например стильность и мощность. Легко увидеть почему — шоферы предпочитают идентифицировать себя как осторожных, законопослушных и бережливых граждан. Это отвечает тому, что психологи называют "социо-нормативным давлением".

Этот эффект не обязательно проявляется во всех исследованиях, но может появится там, где используются атрибуты-образы, что предполагает высокую степень социального или эмоционального содержания.

Для того, чтобы обойти проблемы "прямых" методов, исследователи часто адаптируют другие формы решения проблемы. Один из способов — просить респондентов ранжировать несколько продуктов или торговых марок по соответствующим атрибутам (то есть получить рейтинг образов марок), и проверить статистическую корреляцию между этими рейтингами и некоторым общим рейтингом предпочтения. Доводом в пользу этого метода является то, что получается большая положительная корреляция, когда градации образов, данных марками для какого-либо атрибута, увеличиваются и уменьшаются вместе с общим рейтингом — и соответственно общий рейтинг сильно связан с мнением по атрибуту — то есть влияет на него.

Проблема с корреляционным подходом двойная. Во-первых, делается предположение об эквивалентности простых корреляций с влиянием — это допущение пользуется дурной славой (другими словами, делается предположение, что если две переменные возрастают или убывают одновременно, то одна из них влияет на другую).

Во-вторых, данные-образы, порождаемые маркетинговыми исследованиями, часто дают высокий уровень "автокорреляции" — то есть тенденции атрибутов коррелировать друг с другом. Это является следствием "гало-эффекта" — тенденции респондентов, любящих продукт, ранжировать его высоко по всем атрибутам. Обратное верно для продуктов, которые нравятся менее всего.

Во многих отношениях совместный анализ — лучшая технология для измерения важности атрибутов. Во-первых из-за того, что это "непрямой" метод, так как он заставляет респондента думать не о том, что важно, а только о его предпочтении. А это, в свою очередь делает возможным измерение важности посредством "декомпозиции" указанных предпочтений, так что может быть сделан вывод о важности составляющих факторов.

В то же время совместный анализ лучше других методов измерения важности, так как оперирует исключительно с фиксированными уровнями атрибутов, а не работает с ними как с полными сущностями. Например, может быть более полезным выяснить важность, присвоенную различным объемам двигателя, а не важность объема двигателя как такового.

Преимущества и недостатки совместного анализа

Еще одно из главных преимуществ СА (кроме вышеперечисленных) — моделирование реальной ситуации выбора товаров (услуг) потребителем.

К недостаткам СА по сравнению с другими методами сбора и анализ информации, можно отнести следующее:

Источник

Adblock
detector