Подготовка к тестированию концепции

Для определения важности отдельных характеристик товара, а также оптимального их сочетания применяют совместный анализ (conjoint analysis).

Все большую популярность в последние годы приобретает Conjoint (совместный) анализ. В исследовании еще в 1989 году Виттник и Каттин пришли к выводу, что ежегодно выполняется около 400 коммерческих заказов по реализации этой процедуры.

Сферы приложения:
В большинстве случаев (59%) метод применяется в секторе конечных потребительских товаров. 18% приходится на товары промышленного потребления, 9%-финансовый сектор, и остальное – на прочие сферы деятельности.

Основные направления применения conjoint в маркетинге – разработка новых продуктов и услуг, репозиционирование, анализ и сегментация рынка.

Чаще всего в реализации conjoint используются: методы планирования экспериментов, рейтинговые оценки, частные функции полезности, метод наименьших квадратов.

Этапы conjoint анализа

1. Формулировка проблемы

Предположим мы разрабатываем новый продукт и хотим определить оптимальные характеристики продукта. Тогда на стадии формулирования проблемы исследователь должен определить ключевые характеристики продукта и возможные уровни этих характеристик. Характеристики должны быть ярко выраженными и в высокой степени определять предпочтения и выбор покупателей. Важно, чтобы характеристики и их уровни были контролируемыми, т.е., чтобы ими можно было бы управлять. Говорить о том, что потребители предпочитают спортивные автомобили, бесполезно, пока мы не выразим свойство «спортивности» через набор управляемых характеристик (скорость, маневренность, форма корпуса и т.д.).

2. Выбор модели предпочтений:

Существуют несколько типов моделей, описывающих влияние уровня характеристики продукта на степень потребительского предпочтения. Различаются эти модели формой связи. Векторная модель (линейная), модель идеального товара (линейно-квадратичная), модель частной функции полезности (кусочно-линейная), комбинированные модели.
Как уже обращалось внимание, чаще всего используется подход, основанный на построении частной функции полезности.

Как правило, на практике применяется модель следующего вида:

где
- полная полезность альтернативного варианта
- вклад частной ценности или полезности, соответствующей j-му уровню (j=1… )
- число уровней характеристики i
m – число характеристик
- 1, если присутствует j-й уровень i-й характеристики, 0-иначе

Важность i-ой характеристики определяют через диапазон полезностей по всем уровням этой характеристики:

Важность характеристики нормируют для уточнения ее важности относительно других характеристик , рассчитываемое как отношение веса каждой отдельной характеристики к сумме всех показателей важности.
Сами же оценки полезности каждой из характеристик, как правило, оцениваются с помощью регрессионного анализа с использованием dummy переменных.

3. Выбор метода сбора данных:

Существует два широко распространенных подхода к решению этой задачи: метод двухфакторных оценок (по парные сравнения) и метод полного профиля. В первом случае респонденты одновременно оценивают по две характеристики, до тех пор, пока не оценят все возможные пары характеристик на всех их уровнях. В подходе полного профиля, также известного как метод многофакторных сравнений, строятся карточки, с различными вариантами реализации продукта. Варианты отличаются друг от друга значениями ключевых характеристик. Респонденту предлагается провести ранжирование предложенных вариантов продукта.

4. Разработка плана входных данных:

Большинство методов сбора данных при их «лобовой» реализации предполагает заполнение и обработку избыточного числа информации. Для того, чтобы сократить трудоемкость и продолжительность этих процедур, используются специальные методы разработки плана входных данных. Например, если разрабатываемый продукт имеет 4 ключевых характеристики, влияющих на потребительские предпочтения. А каждая характеристика в свою очередь имеет по три уровня, то при реализации метода многофакторных сравнений потребителям придется ранжировать 81 вариант продукта, что безусловно приводит к некорректным результатам оценки. Использование методик: дробных факторных планов, случайной выборки из многомерного распределения, Парето-оптимальных планов позволяет сократить число сравниваемых вариантов продукта до 9.

При использовании парных сравнений используют другие методы, снижающие число необходимых сравнений.

5. Представление входных данных

Эффективность проведения процедуры conjoint во многом определяется правильным представлением информации респонденту. Если на выбор потребителей сильно влияет дизайн изделия, то следует использовать его изображение, или сам объект, так как выбор в значительной степени зависит от проверки реальных изделий или их фотографий. Такая ситуация и встречается чаще всего. Существенно реже применяется вербальное описание характеристик продукта. Практика выявила следующие формы представления: устное описание, картинка, представление в виде трехмерной модели или знакомство непосредственно с продуктом.

6. Выбор шкалы измерения для зависимой переменной

Исходные данные для анализа могут быть метрическими и неметрическими. Для получения неметрических данных респондентов просят дать оценку в виде рангов. При парных сравнениях респонденты ранжируют все ячейки каждой матрицы сравнений, определяя их желательность. При полнопрофильном методе они ранжируют все профили объектов. Ранги включают относительные оценки атрибутивных уровней. Сторонники ранжированных данных предполагают, что такие данные точно отражают поведение потребителей на рынке.

При использовании метрических переменных, респонденты пользуются рейтингами, а не рангами. Сторонники рейтинговых данных предполагают, что они удобнее для респондентов, и анализировать их легче, чем ранжированные данные. Последнее время наблюдается рост исследований именно с рейтинговыми данными.

7. Выбор метода оценивания:

Метрические методы (множественная регрессия), неметрические методы (Linmap, MONANOVA, PREFMAP, неметрический алгоритм Джонсона), а также методы, анализирующие вероятность выбора покупателем конкретной спецификации (probit, logit).

В рассматриваемом примере мы будем анализировать возможности маркетинга новой насадки для удаления загрязнений с ковров и обивки. В центре изучения находятся пять характеристик продукта, которые, как предполагается, определяют выбор покупателя: - форма насадки (3 варианта представлены на рисунке 1) - бренд компании-производителя (K2R, Glory, Bissell) - цена ($1.19, $1.39 и $1.59) - наличие или отсутствия штампа «одобрено» Good Housekeping - гарантия возврата денег Таким образом, имеем 3*3*3*2*2 = 108 возможных вариантов. рисунок 1. Варианты форм насадок Для решения проблемы снижения размерности в данном примере был использован дробный факторный план. Это позволило снизить число сравниваемых вариантов с 108 до 18. На рисунке 2 представлен результат ранжирования 18 профилей продукта. Самому предпочтительному присваивался ранг 1. Рисунок 2.Дробный факторный план и результаты ранжирования профилей С помощью компьютерной программы была проведена оценка полезности каждого уровня заданных характеристик. Результаты представлены на рис. 3. Рисунок 3. Результаты реализации Conjoint анализа На графиках видно, что вариант продукта, который стоял первым в таблице рисунка 2 получил следующие оценки полезности: • полезность, которую имеет форма «А» для потребителя была оценена как 0,1; • бренд «K2R» - 0,3; • цена на уровне $1,19 – 1.0; • отсутствия знака «одобрено» - 0,2, • отсутствия гарантии возврата денег - 0,2. Отсюда и суммарная полезность этого набора факторов – 1,8. Согласно результатам ранжирования, этот продукт занимает по предпочтительности 13-е место. Продукт же, получивший первый ранг, имел значение функции полезности равное 3,1. Но приведенные выше характеристики в некотором смысле дефективные: они не учитывают относительную важность факторов. Таким образом, интерпретируя полученные результаты, следует обратить внимание на схему, находящуюся в нижней части рисунка 3. Сформирована она была следующим образом: 1. сначала были рассчитаны разницы между оценкой полезности самого высокого и самого низкого уровня каждого из факторов: • форма насадки: 1-0,1=0,9 • бренд: 0,5-0,2 = 0,3 • цена: 1-0,1=0,9 • «одобрено»: 0,3-0,2=0,1 • гарантия возврата денег: 0,7-0,2=0,5 2. рассчитывается сумма значений, полученных на предыдущем шаге (2,7) 3. рассчитывается относительная значимость характеристики форма насадки: 0,9/2,7 = 33% бренд: 0,3/2,7 = 11% цена: 0,9/2,7 = 33% «одобрено»: 0,1/2,7 = 4% гарантия возврата денег: 0,5/2,7 = 19%

Применение полученных результатов

1. Если принять бренд как заданный (ввиду невозможности его изменения), наиболее предпочтительной оказывается насадка, имеющая форму «В», гарантию возврата денег, штамп «одобрено», и продающаяся по цене $1,19.

2. Если сравнивать влияние повышения цены на 20 центов до $1,39 (-0,2 полезности) и отказа от гарантии возврата денег (-0,5 полезности) на покупательские предпочтения, то следует остановиться на повышении цены. В этом случае полезность, воспринимаемая покупателем повысится, по сравнению с альтернативой на 0,3 пункта

3. Управление с помощью фактора «одобрено» малоэффективно

4. Сравнительные оценки полезности брендов позволяют определить, насколько сильное влияние имеет наш бренд на решение, принимаемое покупателем, а также дать количественную оценку значимости брендов конкурентов.