Modèle d’article

Qu’est-ce que l’analyse conjointe ?

Définition

L’analyse conjointe est une technique d’étude de marché permettant de mesurer la préférence et l’importance que les personnes interrogées (clients) accordent aux différents éléments d’un produit ou d’un service. La technologie de l’information peut jouer un rôle essentiel dans la compréhension des compromis que les gens feraient lorsqu’on leur propose différentes options et différentes configurations de produits. Au cœur de l’analyse conjointe se trouve l’idée que les attributs d’un produit peuvent augmenter ou diminuer la probabilité d’achat d’une offre globale ; nous pouvons donc quantifier cette préférence.

Comment se déroule une analyse conjointe ?

L’analyse conjointe consiste à présenter aux participants différentes formules (également appelées offres groupées, produits ou options). Les participants sont invités à évaluer ces offres et à en choisir une en fonction de ce qu’ils sont le plus susceptibles d’acheter ou de ce qui est le plus attrayant pour eux. Le répondant devra choisir parmi une série d’offres, en faisant des compromis au fur et à mesure.

Les enquêtes conjointes comportent généralement entre deux et quatre paquets par question. Les choix effectués par les participants mettent en lumière les fonctions et les combinaisons de fonctions les plus fréquentes dans les offres groupées favorables, ainsi que les fonctions et les combinaisons de fonctions les plus fréquentes dans les offres groupées défavorables.

Les étapes d’une analyse conjointe sont les suivantes :

1. Déterminer les attributs à tester dans l’analyse conjointe.
2. Générer le plan d’expérience.
3. Concevoir l’enquête qui héberge les tâches conjointes.
4. Recueillir les réponses.
5. Analyser les résultats conjoints.
6. Rapports sur les résultats.

Chacune de ces étapes s’appuie sur la précédente et tend vers l’objectif final : comprendre les compromis et les préférences de la clientèle.

Qualtrics a développé une solution XM qui permet aux chercheurs de mener rapidement et simplement des analyses conjointes et de soumettre les personnes interrogées à des exercices de compromis. Il existe différentes méthodes et approches pour collecter les données relatives aux choix, qui sont connues sous le nom de types conjoints. La solution Qualtrics XM supporte actuellement l’analyse conjointe (discrète) basée sur le choix.

À quels objectifs commerciaux l’analyse conjointe répond-elle ?

Conjoint se spécialise dans la réponse aux questions auxquelles aucune autre méthodologie ne peut répondre. Voici quelques-unes de ces questions :

• Quelle fonction d’un produit est la plus importante et la plus influente pour mesurer la préférence et l’attrait ?
• Sur quoi les clients se concentrent-ils lorsqu’ils prennent leur décision d’achat ? Qu’est-ce qui a le plus d’impact sur la décision d’achat ?
• Quel rôle le prix joue-t-il dans la prise de décision et quels sont les points positifs en matière de prix ?
• Dans quelle mesure les clients seront-ils sensibles aux changements de prix ?
• Quelle est la valeur monétaire ou relative pour le marché de chacune des fonctions que nous envisageons d’inclure ? Combien les clients seraient-ils prêts à payer en plus pour une fonction de premier ordre ?
• Quels sont les compromis que nos clients sont susceptibles de faire ? Si nous savons que nous devons augmenter le prix, quelles fonctions ou fonctionnalités pouvons-nous ajouter à notre offre pour ne pas perdre notre attrait et notre part de marché ?
• Quelle est la part de marché des différents produits ? Comment l’évolution et la modification de la configuration des produits affectent-elles la part de marché ?
• Comment les produits que nous envisageons se comparent-ils à ceux de la concurrence ? Que pouvons-nous faire pour concurrencer au mieux ce qui existe actuellement sur le marché ?
• Si nous cherchons à modifier notre produit existant, quelles sont les meilleures améliorations à apporter ? Qu’est-ce qui trouvera le plus d’écho auprès de nos clients actuels ?
• Quel est le produit optimal que nous pouvons offrir pour augmenter le nombre d’acheteurs ? Pour maximiser nos revenus ? Pour maximiser nos profits ?

Comme vous pouvez le constater, l’analyse conjointe peut fournir des informations sur des questions commerciales diverses et dynamiques – et il ne s’agit là que des questions liées aux produits auxquelles elle répond. La longueur et la légitimité de cette Liste expliquent en grande partie l’engouement de ceux qui mènent régulièrement des analyses conjointes. Les conjoints donnent une vision d’un large éventail d’objectifs commerciaux et peuvent apporter une confiance cruciale aux chercheurs et aux organisations.

Définition des attributs conjoints

Fonctions et niveaux

La structure des variables que nous voulons incorporer dans une analyse conjointe est la suivante fonctions et niveaux. Les fonctions sont les catégories primaires des variables ; chaque fonction se compose d’un ensemble de niveaux, qui sont des unités plus spécifiques de chaque fonction.

Le choix des fonctions et des niveaux à intégrer dans l’étude est délicat. Si vous ne testez pas une variable, vous n’aurez aucune idée de sa préférence, mais si vous testez trop de fonctions et de niveaux, vous risquez de lasser les répondants, d’obtenir des réponses incohérentes et des données sans valeur.

Il n’existe pas d’approche unique en ce qui concerne le nombre de questions et d’informations à présenter à chaque personne interrogée. Bien que les différents types de conjoints puissent faciliter l’utilisation d’un plus grand nombre ou d’un plus petit nombre de variables, les chercheurs souhaitent traditionnellement inclure 2 à 8 fonctions avec 2 à 7 niveaux par fonction. Cette expérience convenant le mieux au répondant, elle est considérée comme le point idéal pour l’analyse conjointe basée sur le choix et donne généralement les meilleurs résultats.

Gardez à l’esprit que plus vous incluez de fonctions et de niveaux, plus le questionnaire sera difficile et difficile à comprendre pour les personnes interrogées. Plus de fonctions et de niveaux signifient que nous devons poser plus de questions. Ce tiraillement entre le fait de tester ou non un attribut d’un produit est une décision importante qu’il ne faut pas négliger. Les chercheurs doivent examiner attentivement ce qui doit être inclus dans l’enquête conjointe et ce qui doit en être exclu.

Quel que soit le nombre d’attributs testés dans l’enquête conjointe, il est essentiel qu’ils soient clairs et concis. Si les personnes interrogées ne peuvent pas comprendre les offres groupées qu’elles évaluent, les données ne signifient rien. Le texte utilisé pour les fonctions et leurs niveaux doit les décrire de manière claire et précise. Le créateur de l’étude doit prendre en compte et même se concentrer sur la personne qui réalise l’enquête et sur le contexte dans lequel elle se trouve par rapport au produit examiné. Posez-vous la question suivante : “Est-ce qu’une personne extérieure à notre entreprise comprendra ces offres groupées ?”

N’oubliez pas qu’un texte long peut encombrer la page et rendre les tâches de choix décourageantes et accablantes. L’utilisation d’images peut constituer une amélioration fantastique lorsqu’il semble difficile de trouver les mots justes pour définir un attribut. l’expression “une image vaut mille mots” peut s’appliquer à l’analyse conjointe.

Exclusions &amp ; paires interdites

Lorsque l’équipe détermine les attributs du produit à tester, il est important de rechercher les combinaisons qui n’ont aucun sens. Il ne s’agit pas nécessairement de deux niveaux qu’il est improbable d’associer, mais de deux niveaux qu’il serait déroutant et impossible d’associer. Il s’agit généralement de exclusions, ou des paires interdites.

La suppression des paires interdites crée des trous dans notre conception et notre modèle et réduit la nature indépendante des variables.

Conception expérimentale

Plan d’expérience et Analyse conjointe

La nature de la plupart des projets d’analyse conjointe fait que toutes les combinaisons ne peuvent pas être présentées à un répondant. Une Liste de toutes les combinaisons, ou de la factorielle complète, peut facilement atteindre des centaines ou des milliers de liasses. Il est évident que nous ne pourrons jamais montrer à chaque répondant toutes les liasses possibles. Mais comment obtenir des informations sur la favorabilité des différentes combinaisons ?

Comme pour d’autres approches expérimentales, des principes stratégiques et scientifiques sont mis à profit pour déterminer comment obtenir une lecture de l’ensemble de l’espace de combinaison tout en n’en montrant qu’un sous-ensemble. Les plans d’expérience conjoints maximisent le nombre de points de données et la couverture des paquets potentiels, tout en minimisant le nombre de profils que nous exposons au répondant.

Il existe plusieurs approches pour déterminer les cartes qui seront présentées au répondant. Une carte est une liasse ou un profil présenté à l’évaluateur. Dans le passé, lorsque les ordinateurs n’étaient pas aussi accessibles et puissants qu’aujourd’hui, des tableaux de conception prédéfinis étaient générés et référencés par les chercheurs. Vous devez identifier le nombre de fonctions et de niveaux (souvent un 3×3 ou un 4×4), trouver le tableau de conception correspondant et l’incorporer dans votre enquête. Toutefois, ces tableaux réduisent la flexibilité dont la plupart des chercheurs ont besoin pour définir l’espace des attributs des fonctions.

Aujourd’hui, la plupart des conceptions conjointes basées sur le choix et sur l’évaluation comprennent des jeux de cartes factorielles fractionnaires qui seront présentés aux personnes interrogées. La factorielle fractionnaire signifie que nous montrerons une fraction de la factorielle complète.

Plusieurs éléments clés permettent de déterminer le sous-ensemble stratégique de profils qui sera affiché dans l’enquête :

• Les jeux de cartes doivent être relativement équilibrés à chaque niveau. Cela signifie qu’au sein d’une fonction, chaque niveau doit être inclus dans un nombre similaire de liasses.
• Il ne devrait pas y avoir un niveau qui figure dans six offres groupées, tandis qu’un autre niveau n’est inclus que dans une seule offre groupée. Comme pour toute enquête, les techniques de randomisation améliorent la validité des réponses et contrôlent le biais de l’ordre psychologique.
• Les modèles conjoints sont les mieux adaptés lorsqu’il existe un grand nombre de versions ou de blocs qui intègrent tous un sous-ensemble de paquets. Jordan Louviere (l’un des premiers pionniers de la modélisation des choix) et les fondateurs de Choix Software sont tous deux d’accord pour dire que plus il y a de versions qui font partie de la conception globale, mieux c’est. Un répondant serait assigné à l’une de ces versions, ce qui dicterait les constructions du paquet qui lui seraient présentées.
• L’orthogonalité et l’efficacité d sont d’autres principes souvent inclus dans les discussions sur la conception conjointe. La nécessité et l’importance d’intégrer ces concepts dans la conception expérimentale des études conjointes font l’objet de débats.

Les questions de base qui doivent être introduites dans la conception d’un modèle conjoint basé sur les choix sont le nombre de questions ou de tâches qui seront présentées au répondant ainsi que le nombre de choix ou d’alternatives qu’il y aura par question. L’approche traditionnelle basée sur les choix prévoit généralement deux choix et demande au répondant de choisir entre l’option A et l’option B. Ceci étant dit, il est tout à fait approprié de présenter trois paquets ou plus par question. La principale question à se poser est de savoir si un plus grand nombre d’alternatives ne risque pas d’accabler le répondant. Tâche parfois ardue que d’évaluer deux offres groupées par préférence. En outre, si l’option “aucun de ces choix” doit être incluse dans l’étude, l’espace disponible à l’écran pourrait permettre une meilleure expérience avec deux choix et l’option “aucun”.

Le nombre de questions qui composeront la partie conjointe de l’enquête doit être calculé en fonction du nombre de choix par tâche et de la taille des attributs conjoints testés. La formule générale pour déterminer le nombre de cartes à afficher est la suivante

: Nombre de cartes = Nombre total de niveaux – Nombre de fonctions + 1Le

nombre total de niveaux est simplement la somme du nombre de niveaux de toutes les fonctions. Sur la base du nombre total de cartes et du nombre de choix par question, il est facile de déterminer le nombre de questions.

Toutefois, certains appels sont plus subjectifs que d’autres. Par exemple, vous devrez peut-être décider s’il convient de raccourcir l’enquête en réduisant le nombre de questions et en augmentant le nombre de paquets par question, ou si cela nuit à la qualité des données. La meilleure approche pour résoudre le problème de l’équilibre entre les questions et les alternatives par question est tout simplement de tester. Créez l’enquête et répondez-y. Distribuez-le à vos collègues et demandez-leur leur avis sur la densité de la question par rapport à la longueur de l’enquête.

Technologie de l’information sur la conception expérimentale d’une étude de conjonction Qualtrics

Qualtrics utilise une approche de conception de la généralisation de la randomisation qui encourage un certain, mais pas trop, chevauchement avec les niveaux. L’approche est similaire à la conception de chevauchement équilibré de Sawtooth. Cette approche est très efficace lorsqu’elle est associée à des techniques d’estimation bayésienne hiérarchique. La base de l’approche de conception consiste à présenter à différents répondants différents paquets qu’ils doivent évaluer. Nous voulons nous assurer que les différents niveaux sont correctement représentés pour l’évaluateur. Le modèle est formulé avec des versions qui sont l’ensemble des questions. Chaque version comporte le même nombre de tâches et chaque tâche comporte le même nombre de choix.

Le nombre de versions est calculé à l’aide de la formule suivante :

Nombre de versions = (Nombre de base * Nombre maximal de niveaux dans une fonction) / (Nombre de choix par question * nombre de questions)

Le résultat de cette formule est arrondi au nombre le plus proche divisible par 10.

Le numéro de base est 750 si le nombre total de niveaux de toutes les fonctions est inférieur ou égal à 10, et il est 1 000 si le nombre total de niveaux de toutes les fonctions est supérieur à 10.

L’algorithme génère d’abord aléatoirement des offres groupées pour chacune des tâches et chacun des choix. La technologie Chronomètre ensuite chaque version afin de garantir un équilibre relatif entre le nombre de fois où chaque niveau est montré. L’algorithme ne force pas chaque niveau à être montré exactement le même nombre de fois, mais veille à ce que la différence entre le niveau le plus vu dans cette version et le niveau le moins vu ne soit pas supérieure à un écart de deux. Les versions qui ne remplissent pas ces conditions sont remaniées jusqu’à ce qu’elles respectent les règles d’équilibre. L’algorithme se poursuit jusqu’à ce que le nombre souhaité de versions soit généré.

Enquête &amp ; taille de l’échantillon

Programmation de l’enquête

L’analyse conjointe est alimentée par les réponses recueillies dans le cadre de l’enquête. L’enquête est le point de contact avec les personnes interrogées où la conception est présentée et où les choix de compromis sont effectués.

Lorsqu’une étude conjointe est réalisée, elle constitue généralement l’objet de l’enquête, mais pas sa totalité. Il est essentiel que l’exercice conjoint de l’enquête soit concis et bien structuré. Les données et les informations ne seront précises que si les paquets sont clairs. Une enquête conjointe peut généralement inclure des questions de sélection (pour s’assurer que le bon type de répondant est sélectionné), une introduction avec des ressources éducatives et des questions démographiques. Il n’existe pas de règles strictes concernant le nombre d’autres questions pouvant être ajoutées à une étude conjointe, ou l’endroit du Flux ENQUÊTE où la question conjointe doit se situer. Il convient de noter que toute question posée aux répondants en dehors de l’exercice conjoint prend du temps et de l’attention qui pourraient être consacrés à l’exercice conjoint. La longueur de l’enquête doit être prise en compte lors de la conception et de l’élaboration de l’étude. Fatiguer un répondant est un moyen infaillible de dégrader la qualité de l’étude. Les enquêtes qui durent plus de 10 à 15 minutes sont plus sujettes à la fatigue et aux problèmes de qualité des données.

Les données recueillies dans le cadre d’une étude conjointe ne sont exactes que si la personne interrogée peut se placer de manière réaliste dans un contexte d’achat réel. Dans le cadre de l’analyse conjointe, il est essentiel de s’assurer que le répondant est pleinement informé des offres qu’il va sélectionner. De nombreuses études testent des concepts bien connus et compréhensibles par le grand public. Toutefois, si ce n’est pas le cas de votre projet, il convient de consacrer du temps, avant le projet conjoint, à la formation des répondants au moyen de descriptions et/ou de vidéos. Plus un paquet est clair pour le responsable de l’enquête, plus les résultats seront justes.

Outre les descriptions simples et directes, la présentation des cartes doit également favoriser la compréhension et la clarté. Cela permet au répondant de faire des comparaisons et de répondre de manière définitive.

Taille de l’échantillon

Le nombre de réponses à recueillir et leur pertinence pour les personnes participant à l’enquête sont déterminants pour la réussite et la précision des résultats conjoints. Voici une équation que Sawtooth Software utilise pour déterminer le nombre de réponses :

Nombre de répondants = (multiplicateur*c)/(t*a)

multiplicateur = 750-1000

c = le plus grand nombre de niveaux pour toutes les fonctions

t = nombre de tâches ou de questions

a = nombre d’alternatives ou de choix par question

Nous recommandons que le multiplicateur soit de 750 pour les grands projets et de 1000 pour les petits projets. Sawtooth recommande un multiplicateur de 300 à 500, mais nous pensons qu’un nombre plus élevé permet d’obtenir des résultats et des simulations plus concluants.

Il est important que les personnes qui participent à l’exercice conjoint soient représentatives de celles qui seraient susceptibles d’acheter, de commander et d’inscrire votre produit ou service. Souvent, les chercheurs définissent des critères de sélection au début de l’enquête afin de s’assurer que des opinions pertinentes sont recueillies. Par ailleurs, les groupes disposent souvent de listes de clients actuels ou potentiels auxquels ils peuvent envoyer l’enquête.

Modélisation de l’analyse conjointe

Présentation

L’analyse conjointe est le moment où les données se transforment en prédictions et en modèles. C’est la technologie de l’information qui traduit les choix des répondants en préférences. L’analyse permettra de comprendre ce qui a de la valeur et ce qui n’en a pas, et d’éclairer la manière dont les combinaisons devraient être regroupées.

Le cœur de l’analyse est la modélisation statistique qui estime l’utilité que les personnes interrogées attribuent à chaque niveau. En raison de la modélisation statistique, l’Analyse conjointe a la réputation d’être “complexe”, mais c’est aussi ce qui lui permet d’avoir la réputation d’être une technique de recherche de classe mondiale. Plusieurs approches statistiques sont utilisées pour calculer les préférences d’utilité, notamment la régression et la modélisation logistique multinomiale, généralement menées au niveau agrégé.

Quelle que soit la manière dont les choix de l’enquête sont modélisés, la Fonction doit être constituée de coefficients d’utilité qui représentent la valeur ou la préférence que la base des répondants a pour les différents niveaux de chaque fonction. Pour les niveaux et les méthodes d’analyse qui permettent de calculer les notations d’utilité au niveau individuel, nous pouvons dériver des modèles de préférence pour chaque personne interrogée. Cela peut être avantageux pour un certain nombre de raisons, notamment la segmentation de diverses coupes de données, l’analyse des classes latentes et les simulations. La principale approche adoptée pour produire des modèles d’utilité basés sur l’individu est l’estimation hiérarchique de Bayes (HB). Cette technique utilise des méthodes bayésiennes pour calculer de manière probabiliste la valeur relative de chaque variable testée.

Estimation hiérarchique de Bayes

L’estimation hiérarchique de Bayes (HB) est un processus itératif qui englobe un modèle de niveau inférieur qui estime les utilités relatives de l’individu pour les attributs testés, ainsi qu’un modèle de niveau supérieur qui met en évidence les prédictions de préférence de la population. Ces deux éléments travaillent ensemble jusqu’à ce que l’analyse converge vers les coefficients qui représentent la valeur de chaque attribut pour chaque individu. L’estimation HB emprunte des informations à d’autres réponses pour obtenir des résultats encore meilleurs et plus stables au niveau individuel. La Technologie est très robuste et nous permet d’obtenir de très bonnes informations sur les préférences des clients, tout en présentant moins de tâches aux personnes interrogées.

La technique est dite “hiérarchique” en raison des modèles de niveau supérieur et inférieur. Cette approche permet d’estimer les préférences moyennes (modèle de niveau supérieur), puis d’évaluer dans quelle mesure chaque personne interrogée diffère de cette distribution afin d’en déduire ses utilités spécifiques (modèle de niveau inférieur). Le processus se répète sur un certain nombre d’itérations pour finalement nous aider à affiner la probabilité qu’un concept spécifique soit sélectionné sur la base de sa construction. Qualtrics utilise spécifiquement un modèle de régression logistique multinomiale.

La solution d’analyse conjointe de Qualtrics utilise l’estimation hiérarchique de Bayes écrite en STAN pour calculer les utilités des préférences individuelles. Qualtrics exécute 1000 itérations par chaîne de Markov et 4 chaînes.

Coefficients d’utilité au niveau individuel

Le résultat du modèle bayésien est une notation des préférences qui représente l’utilité que l’individu attache à chaque niveau. Ces notations sont souvent appelées “utilités de part et d’autre” et constituent la base de tous les récapitulatifs des scores et des simulations dérivées de l’étude conjointe. Le fichier d’utilité comporterait une ligne pour chaque répondant inclus dans l’analyse conjointe et une colonne pour chaque test de niveau unique dans le cadre de l’étude. En modélisant les préférences de chaque personne interrogée, les utilités nous aident à prédire les choix que les personnes interrogées feraient lorsqu’elles seraient confrontées à différentes offres. Les utilités sont de nature ordinale et nous indiquent l’ordre de classement de chaque niveau testé avec une certaine magnitude de contribution à l’utilité totale d’un paquet.

Les notations d’utilité en parité sont centrées sur zéro et se situent généralement entre -5 et +5. Dans la solution conjointe, les notations brutes d’utilité pour chaque individu peuvent être exportées vers un CSV à l’aide de l’option Métriques récapitulatives.

Synthèse des mesures et rapports conjoints

Métriques de synthèse conjointe

Avec les coefficients d’utilité dérivés comme base de l’analyse, des résultats et des livrables peuvent être préparés pour présenter les conclusions de l’étude. Ils constitueront les blocs de tous les indicateurs de synthèse et de toutes les simulations. Les principaux indicateurs de synthèse qui accompagnent généralement l’analyse conjointe sont détaillés ci-dessous.

• Importance de la fonction: Le degré d’influence et d’impact d’une fonction dans la prise de décision parmi les configurations de produits. Plus la fonction est importante, plus elle a de pondération et de contrôle sur ce qui fait un produit favorable. L’importance de la fonction est calculée en prenant la distance entre le meilleur et le plus mauvais niveau de cette fonction. Plus la distance est grande, plus la fonction est importante. Pour comprendre l’importance d’une fonction, il suffit de considérer que les niveaux de cette fonction ont un impact important sur la sélection ou non d’un paquet dans un modèle conjoint basé sur le choix.
• Notations moyennes d’utilité: La notation moyenne de l’utilité de chaque niveau pour l’ensemble des répondants. Elles sont de nature ordinale et montrent la préférence relative entre les niveaux. La moyenne des utilités peut donner une idée de la direction à prendre, mais ne doit pas être une mesure autonome pour résumer l’analyse conjointe.
• Notations des premiers choix: Les notations de premier choix indiquent le pourcentage de répondants qui ont trouvé le plus d’utilité aux différents niveaux. Dans les coefficients d’utilité de chaque personne interrogée, il y aura un niveau supérieur ou préféré pour chaque fonction. Les notations du premier choix correspondront à la distribution des répondants qui ont estimé que ce niveau était la meilleure option pour cette fonction.
• Part de préférence: La part de préférence est la mesure de la probabilité qu’un niveau soit choisi plutôt qu’un autre, toutes les autres fonctions étant maintenues constantes. Il s’agit d’un produit des utilités calculées à l’aide d’un modèle de régression logistique multinomiale, obtenu en exponentialisant l’utilité du niveau et en la séparant de la somme de tous les niveaux exponentialisés de la fonction.
• Volonté de payer: Le montant qu’un client est prêt à payer pour un attribut particulier d’un produit en comparaison avec un autre attribut. En règle générale, nous recommandons de définir un niveau de base ou un niveau actuel, puis nous pouvons déterminer dans quelle mesure le client est prêt à payer plus ou moins par comparaison avec le niveau de base. Chaque niveau peut avoir un consentement à payer par rapport au cas de base. Elle ne peut être utilisée que lorsque le prix ou le coût est une fonction de l’analyse conjointe. La technologie est calculée en déterminant la différence d’utilité entre les différents niveaux de prix, puis en appliquant ce ratio aux autres niveaux et à leurs notations d’utilité. Nous aimons généralement calculer le consentement à payer au niveau du répondant, puis l’agréger et le résumer.
• Paquets optimaux: Il s’agit du paquet optimal en ce qui concerne la maximisation de la préférence et de l’attrait du client. Cette technologie ne correspond pas toujours à l’approche exacte qu’une organisation souhaite adopter, car le coût de la mise en œuvre peut être prohibitif, mais elle peut servir d’orientation.

Rapports sur les résultats de l’analyse conjointe

L’analyse conjointe peut fournir une variété d’informations incroyables sur le comportement prévu des clients. Différents graphiques de tendances peuvent mettre en évidence les tendances et les points communs des réponses. Mais le principal résultat d’une étude d’analyse conjointe devrait toujours être le simulateur conjoint. Le simulateur devrait être l’outil de choix pour répondre à des questions clés telles que les compromis que feraient les clients et la comparaison des différents outils entre eux. Les mesures récapitulatives énumérées ci-dessus sont utiles et servent à quelque chose, mais elles devraient toujours vous renvoyer au simulateur.

Simulations d’analyse conjointe

Qu’est-ce qu’un simulateur ?

Le simulateur d’ analyse conjointe est un outil interactif qui permet de tester et de prédire les préférences parmi des configurations de produits plausibles. Le simulateur comprend généralement une série de menus déroulants qui permettent de créer des ensembles composés des attributs qui ont été inclus dans l’étude conjointe. À la base, l’analyse conjointe est une technique qui permet de reconnaître les compromis que les clients feraient lorsqu’on leur présente différents choix. Le simulateur de préférences incarne cet objectif en rapportant l’estimation du compromis que les clients feraient lorsqu’on leur présente deux options ou plus. Les scénarios possibles dans un simulateur peuvent être astronomiques, car les constructions de produits et les segments à inclure peuvent être modifiés.

Outre l’analyse conjointe évidente, il existe une variété d’utilisations qui sont extrêmement utiles pour tirer des enseignements des résultats conjoints. Les pratiques les plus courantes avec le simulateur sont l’analyse du paysage concurrentiel, l’amélioration à partir d’un produit de base et la valeur relative des attributs du produit.

Objectifs commerciaux couverts par le simulateur de conjoncture

Analyse du paysage concurrentiel à l’aide d’un simulateurLes

entreprises
prospères

regardent souvent par-dessus leur épaule pour comparer leurs concurrents. L’analyse conjointe est un excellent outil pour déterminer comment les configurations potentielles des produits d’une entreprise se comparent aux options concurrentes sur le marché. Cela dépend toutefois de l’inclusion des attributs des produits concurrents dans les fonctions et les niveaux de l’étude. Dans le simulateur, les attributs des produits des concurrents peuvent être présentés, puis, avec les options restantes, vous pouvez définir différentes offres groupées pour voir comment elles se positionneraient par rapport au marché existant.

Améliorer un produit existant à l’aide d’un simulateurSouvent

, les produits doivent faire l’objet de révisions et d’améliorations pour garder une longueur d’avance sur leurs concurrents et rester pertinents et innovants. Cela nécessite des ajustements progressifs. Une étude conjointe est une méthodologie fantastique pour comprendre où les entreprises peuvent apporter les changements les plus convaincants pour attirer de nouveaux prospects et fidéliser leurs utilisateurs actuels. Une fois les données en main, un simulateur peut être utilisé pour déterminer ce qu’il adviendrait si des changements étaient apportés aux attributs. l‘”option 1″ du simulateur peut être définie comme étant le produit actuel, et l'”option 2″ peut être modifiée de manière itérative par le contrôleur afin de découvrir où se trouvent les gains les plus importants.

Évaluer la valeur relative des attributs d’un produit à l’aide d’un simulateurTout

produit est, à la base, une combinaison de fonctions multiples. La technologie de l’information est la somme de ses parties. Saisir la préférence de ces parties est essentiel à l’analyse conjointe. En développant la notion de “préférence”, il est logique d’essayer de quantifier davantage la valeur de chaque niveau. Si le prix a été inclus dans le jeu d’attributs, le simulateur peut être un outil remarquable pour déduire cette valeur. Le processus consisterait à reproduire la même configuration de produit dans l'”Option 1″ et l'”Option 2″ En modifiant un seul niveau ou un groupe de niveaux, vous constaterez que la part préférentielle n’est plus égale. Avec l’autre option, déplacez le niveau de prix pour trouver le point où les deux paquets sont à nouveau égaux. La différence de prix entre l'”Option 1″ et l'”Option 2″ peut être interprétée comme la valeur relative de ce niveau ou de ce groupe de niveaux.

FAQ