Modello di articolo

Che cos’è l’analisi congiunta?

Definizione

L’analisi congiunta è una tecnica di ricerca di mercato per misurare la preferenza e l’importanza che gli intervistati (clienti) attribuiscono ai vari elementi di un prodotto o servizio. Può svolgere un ruolo fondamentale nella comprensione dei compromessi che le persone farebbero quando gli vengono offerte diverse opzioni di prodotto e diverse configurazioni di prodotto. Il cuore dell’Analisi congiunta è l’idea che gli attributi del prodotto possano aumentare o diminuire la probabilità di acquisto di un pacchetto complessivo; in questo modo possiamo quantificare la preferenza.

Come si svolge un’analisi congiunta?

L’analisi congiunta viene condotta mostrando ai partecipanti pacchetti diversi (chiamati anche pacchetti, prodotti o opzioni). I partecipanti vengono istruiti a valutare questi pacchetti e a selezionarne uno in base a ciò che è più probabile che acquistino o a ciò che è più attraente per loro. L’intervistato dovrà scegliere tra una serie di pacchetti, facendo dei compromessi man mano che procede.

I sondaggi congiunti hanno di solito da due a quattro pacchetti per domanda. Le selezioni effettuate dai partecipanti fanno luce su quali funzioni e combinazioni di funzioni sono più frequenti nei pacchetti favorevoli e su quali funzioni e combinazioni di funzioni sono più comuni tra i pacchetti sfavorevoli.

I passi per eseguire un’analisi congiunta sono i seguenti:

1. Determinare gli attributi da testare nell’Analisi congiunta.
2. Generare il disegno sperimentale.
3. Progettare il sondaggio che ospita le attività di conjoint.
4. Raccogli risposte.
5. Analizzare i risultati del conjoint.
6. Rapporti sui risultati.

Ognuna di queste fasi si basa sulla precedente e lavora per raggiungere l’obiettivo finale: comprendere i compromessi e le preferenze favorevoli della clientela.

QUALTRrics ha sviluppato una Soluzione XM che consente ai ricercatori di condurre in modo rapido e semplice l’Analisi congiunta e di sottoporre gli intervistati a esercizi di trade-off. Esistono diversi metodi e approcci per la raccolta dei dati di scelta, noti come tipi di conjoint. La Soluzione XM di Qualtrics supporta attualmente l’analisi congiunta basata sulla scelta (discreta).

A quali obiettivi aziendali risponde l’analisi congiunta?

Conjoint è specializzato nel rispondere a domande a cui nessun’altra metodologia può rispondere. Alcune di queste domande includono:

• Quale funzione o funzionalità di un prodotto è più importante e influente nel misurare la preferenza e l’attrattiva?
• Su cosa si concentrano i clienti quando prendono una decisione d’acquisto? Che cosa ha il maggiore impatto sull’acquisto o meno?
• Che ruolo ha il prezzo nel processo decisionale e quali sono i punti di forza del prezzo?
• Quanto saranno sensibili i clienti alle variazioni di prezzo?
• Qual è il valore monetario o relativo per il mercato di ciascuna funzione che stiamo pensando di includere? Quanto sarebbero disposti a pagare in più i clienti per una funzione premium?
• Quali sono i compromessi che i nostri clienti saranno propensi a fare? Se sappiamo di dover aumentare il prezzo, quali funzioni o funzionalità possiamo aggiungere alla nostra offerta per non perdere appeal e quote di mercato?
• Come si presenta la quota di mercato per i diversi prodotti? In che modo lo spostamento e la modifica della configurazione dei prodotti influisce sulla quota di mercato?
• Come si collocano i prodotti che stiamo considerando rispetto alla concorrenza? Cosa possiamo fare per competere al meglio con ciò che è attualmente sul mercato?
• Se vogliamo modificare il nostro prodotto esistente, quali sono i migliori miglioramenti che possiamo apportare? Cosa risuonerà meglio con i nostri clienti esistenti?
• Qual è il prodotto ottimale che possiamo offrire per aumentare il numero di acquirenti? Per massimizzare le nostre entrate? Per massimizzare i nostri profitti?

Come si può vedere, l’Analisi congiunta può fornire informazioni su questioni aziendali diverse e dinamiche, e queste sono solo le domande relative ai prodotti a cui risponde. La lunghezza e la legittimità di questa lista è una delle ragioni principali per cui coloro che conducono regolarmente analisi congiunte vi sono così affezionati. Le Congiunzioni forniscono una visione di un’ampia gamma di obiettivi aziendali e possono fornire una fiducia cruciale a ricercatori e organizzazioni.

Definizione degli attributi del Conjoint

Funzione e Livelli

La struttura delle variabili che vogliamo incorporare in un’analisi congiunta sono fUNZIONI E LIVELLI. Le funzioni sono le categorie primarie delle variabili; ogni funzione è costituita da un insieme di livelli, che sono unità più specifiche di ogni funzione.

È difficile decidere quali funzioni e livelli incorporare nello studio. Se non si testa una variabile, non si avrà alcuna visione della sua preferenza, ma testare troppe funzioni e livelli può portare alla stanchezza dei rispondenti, a risposte incoerenti e a dati inutili.

Non esiste un approccio unico per tutti quando si tratta del numero di domande e di pacchetti da presentare a ciascun rispondente. Sebbene i diversi tipi di conjoint possano favorire un numero maggiore o minore di variabili, tradizionalmente i ricercatori vorrebbero includere 2-8 funzioni con 2-7 livelli per ogni funzione. Poiché questa esperienza si adatta meglio all’intervistato, è considerata il punto di forza dell’Analisi congiunta basata sulla scelta e in genere produce i risultati migliori.

Tenete presente che più funzioni e livelli includete, più difficile e travolgente sarà il conjoint per gli intervistati. Più funzioni e livelli significano che dobbiamo porre più domande. Questo braccio di ferro tra testare o meno un attributo del prodotto è una decisione importante che non deve essere trascurata. I ricercatori devono valutare attentamente cosa inserire nel conjoint e cosa escludere.

Indipendentemente dal numero di attributi da testare nel conjoint, è essenziale che siano chiari e concisi. Se gli intervistati non sono in grado di comprendere i pacchetti che stanno valutando, i dati non avranno alcun significato. Il testo utilizzato per le funzioni e i livelli deve descriverle in modo chiaro e accurato. L’ideatore del sondaggio dovrebbe considerare e persino concentrarsi su chi lo fa e sul contesto in cui si trova il prodotto in esame. Chiedetevi: “Qualcuno al di fuori della nostra azienda capirà questi pacchetti?”

Tenete presente che un testo lungo può ingombrare la pagina e rendere le attività di scelta scoraggianti e opprimenti. Un fantastico miglioramento può essere l’utilizzo di immagini quando trovare le parole giuste per definire un attributo sembra impegnativo. l’espressione “Un’immagine vale più di mille parole” può essere vera nell’analisi congiunta.

Esclusioni e coppie vietate

Quando il team determina gli attributi del prodotto da testare, è importante cercare le combinazioni che non hanno senso combinare. Non si tratta necessariamente di due livelli che difficilmente possono essere abbinati insieme, ma di due livelli che sarebbero confusi e impossibili da abbinare. Questi sono tipicamente indicati come esclusioni, o coppie vietate.

L’eliminazione delle coppie proibite crea dei buchi nel nostro disegno e nel nostro modello e riduce la natura indipendente delle variabili, per cui è opportuno evitarle quando possibile.

Disegno sperimentale

Disegno sperimentale e Analisi CONGIUNTA

La natura della maggior parte dei progetti di analisi congiunta è che non tutte le combinazioni possono essere mostrate a un rispondente. Una lista di tutte le combinazioni, o dell’intero fattoriale, può facilmente raggiungere le centinaia o le migliaia di mazzi. Ovviamente, non potremo mai mostrare a tutti gli intervistati ogni possibile pacchetto. Ma come possiamo ottenere informazioni sulla convenienza delle diverse combinazioni?

Analogamente ad altri approcci sperimentali, vengono sfruttati principi strategici e scientifici per capire come ottenere una lettura dell’intero spazio delle combinazioni mostrandone solo un sottoinsieme. I disegni sperimentali dei conjoints massimizzano il numero di punti dati e la copertura dei potenziali pacchetti, riducendo al minimo il numero di profili esposti all’intervistato.

Esistono diversi approcci per determinare le schede da presentare all’intervistato. Una scheda è un pacchetto o un profilo che viene presentato all’intervistato per essere valutato. In passato, quando i computer non erano così accessibili e potenti come oggi, i ricercatori generavano tabelle di progettazione predefinite e vi facevano riferimento. Si identifica il numero di funzioni e di livelli (spesso un 3×3 o un 4×4) e si va a cercare la tabella di progettazione corrispondente e la si incorpora nel sondaggio. Tuttavia, queste tabelle riducono la flessibilità che la maggior parte dei ricercatori desidera e di cui ha bisogno per definire lo spazio degli attributi delle funzioni.

Ora, la maggior parte dei progetti di conjoint basati sulla scelta e sui giudizi racchiudono insiemi di carte a fattori frazionari che saranno presentati agli intervistati. Il fattoriale frazionario significa che mostreremo una frazione del fattoriale completo.

Ci sono diversi ingredienti chiave per determinare quale sottoinsieme strategico di profili verrà visualizzato all’interno del sondaggio:

• I set di carte devono avere un relativo equilibrio in ogni livello. Ciò significa che all’interno di una funzione, ogni livello dovrebbe essere incluso in un numero simile di bundle.
• Non dovrebbe esserci un livello che viene mostrato in sei pacchetti, mentre un altro livello è incluso solo in un pacchetto. Come per qualsiasi sondaggio, le tecniche di randomizzazione migliorano la validità delle risposte e controllano i pregiudizi psicologici.
• I progetti conjoint sono più adatti quando ci sono molte versioni o blocchi che incorporano tutti un sottoinsieme di fasci. Jordan Louviere (uno dei primi pionieri della modellazione a scelta) e i fondatori di Sawtooth Software sono entrambi d’accordo sul fatto che più versioni fanno parte del progetto complessivo, meglio è. L’intervistato sarebbe stato assegnato a una di queste versioni, che avrebbe determinato i costrutti del pacchetto che gli sarebbero stati presentati.
• Altri principi spesso inclusi nelle discussioni sul conjoint design sono l’ortogonalità e la d-efficienza. Esistono dibattiti sulla necessità e l’importanza di integrare questi concetti nel disegno sperimentale degli studi conjoint.

Le domande di base che devono essere inserite nella generazione del design per la SCELTA DELLA DOMANDA sono il numero di domande o attività che verranno presentate all’intervistato e il numero di scelte o alternative per ogni domanda. L’approccio tradizionale basato sulla scelta prevede in genere due scelte e il rispondente deve scegliere tra l’opzione A e l’opzione B. Detto questo, è sicuramente appropriato mostrare tre o più mazzi per ogni domanda. La questione principale su cui riflettere è se un maggior numero di alternative possa creare un’esperienza eccessiva per l’intervistato. A volte il solo fatto di valutare due pacchetti per la preferenza può essere un’attività scoraggiante. Inoltre, se nello studio deve essere inclusa l’opzione “nessuno di questi”, lo spazio sullo schermo potrebbe consentire un’esperienza migliore con due scelte e l’opzione “nessuno”.

Il numero di domande che comporranno la parte del sondaggio di PROVA deve essere calcolato in base al numero di scelte per attività e alla dimensione degli attributi da testare. La formula generale per determinare il numero di carte da visualizzare è

:Numero di carte = Numero totale di livelli – Numero di funzioni + 1Il

numero totale di livelli è semplicemente la somma del numero di livelli di tutte le funzioni. In base al numero totale di schede e al numero di scelte della domanda, è facile invertire il numero di domande.

Tuttavia, alcune chiamate sono più soggettive di altre. Ad esempio, potrebbe essere necessario decidere se il sondaggio debba essere abbreviato riducendo il numero di domande e aumentando i bundle per domanda, o se questo possa compromettere la qualità dei dati. L’approccio migliore per risolvere il problema dell’equilibrio tra domande e alternative per domanda è semplicemente quello di eseguire dei test. Creare il sondaggio e rispondere. Distribuisci il sondaggio ai colleghi e chiedi la loro opinione sulla densità delle domande rispetto alla lunghezza del sondaggio.

Come un Conjoint di Qualtrics genera il proprio disegno sperimentale

Qualtrics utilizza un approccio di progettazione a bilanciamento randomizzatore che incoraggia una certa, ma non eccessiva, sovrapposizione dei livelli. L’approccio è simile al Balanced Overlap Design di Sawtooth. Questo approccio è molto efficace se abbinato a tecniche di stima bayesiana gerarchica. La base dell’approccio progettuale consiste nel presentare ai diversi intervistati pacchetti diversi da valutare. Vogliamo assicurarci che i diversi livelli siano adeguatamente rappresentati per la valutazione. Il disegno è formulato con le versioni, che sono l’insieme delle domande. All’interno di ogni versione ci sono lo stesso numero di attività e all’interno di ogni attività c’è lo stesso numero di scelte.

Il numero di versioni viene calcolato con la seguente formula:

Numero di versioni = (Numero di base * Numero massimo di livelli in qualsiasi funzione) / (Scelta della domanda * Numero di domande)

Il risultato di questa formula viene arrotondato al più vicino numero tondo divisibile per 10.

Il Numero base è 750 se il numero totale di livelli di tutte le funzioni è inferiore o uguale a 10 ed è 1.000 se il numero totale di livelli di tutte le funzioni è superiore a 10.

L’algoritmo genera innanzitutto dei mazzi in modo casuale per ciascuna attività e scelta. Quindi esegue controlli su ogni versione per garantire un relativo equilibrio nel numero di volte in cui ogni livello viene mostrato. L’algoritmo non obbliga a mostrare ogni livello esattamente lo stesso numero di volte, ma garantisce che la differenza tra il livello più visto in quella versione e quello meno visto non sia superiore a una deviazione di due. Le versioni che non soddisfano queste condizioni vengono rifattorizzate finché non rispettano le regole di equilibrio. L’algoritmo continua finché non viene generato il numero di versioni desiderato.

Sondaggio & Campione; Dimensione del campione

Programmazione del sondaggio

L’analisi congiunta è alimentata dalle risposte raccolte attraverso il sondaggio. Il sondaggio è il punto di contatto con gli intervistati in cui viene presentato il progetto e vengono effettuate le scelte di compromesso.

Quando viene condotto uno studio congiunto, di solito è il fulcro del sondaggio, ma non la sua totalità. È fondamentale che l’esercizio di conjoint all’interno del sondaggio sia conciso e ben strutturato. I dati e gli approfondimenti saranno accurati solo se i pacchetti sono chiari. Un sondaggio congiunto può comunemente includere domande di selezione (per assicurarsi che il tipo di intervistato sia quello giusto), un’introduzione con risorse educative e domande demografiche. Non ci sono regole ferree su quante altre domande possano essere aggiunte a uno studio conjoint, o su quale sia la posizione del Flusso del sondaggio in cui il conjoint dovrebbe rientrare. Va notato che qualsiasi domanda posta agli intervistati al di fuori del conjoint richiede tempo e attenzione che potrebbero essere dedicati all’esercizio del conjoint. La lunghezza del sondaggio deve essere presa in considerazione durante la progettazione e la realizzazione dello studio. Affaticare un intervistato è un modo sicuro per degradare il livello dello studio. I sondaggi che durano più di 10-15 minuti sono più suscettibili di affaticamento e di problemi di qualità dei dati

I dati raccolti da un conjoint study sono accurati solo se l’intervistato può mettersi realisticamente in un contesto di acquisto reale. Assicurarsi che l’intervistato sia pienamente informato sui pacchetti tra cui dovrà scegliere è un must dell’analisi congiunta. Molti studi testano concetti ben noti e assimilabili dal grande pubblico. Tuttavia, se questo non è il caso del vostro progetto, è necessario dedicare del tempo prima del progetto di analisi congiunta per educare adeguatamente il rispondente attraverso descrizioni e/o video. Quanto più chiaro è un pacchetto per il rilevatore del sondaggio, tanto più veritiere saranno le utenze risultanti.

Oltre a descrizioni semplici e dirette, anche il layout delle schede deve favorire la comprensione e la chiarezza. Ciò consente all’intervistato di fare confronti e di rispondere in modo definitivo.

Dimensioni del campione

Il numero di risposte da raccogliere e la rilevanza per le persone che partecipano al sondaggio sono fondamentali per il successo e l’accuratezza dei risultati del conjoint. Ecco l’equazione utilizzata da Sawtooth Software per determinare il numero di risposte:

Numero di rispondenti = (moltiplicatore*c)/(t*a)

moltiplicatore = 750-1000

c = maggior numero di livelli tra tutte le funzioni

t = numero di attività o domande

a = numero di alternative o scelte per ogni domanda

Si consiglia un moltiplicatore di 750 per i progetti più grandi e di 1000 per quelli più piccoli. Sawtooth raccomanda un moltiplicatore compreso tra 300 e 500, ma riteniamo che un numero maggiore fornisca risultati e simulazioni più convincenti.

È importante che le persone che partecipano all’esercizio di conjoint riflettano quelle che potrebbero acquistare, ordinare e optare per il vostro prodotto o servizio. Spesso, i ricercatori definiscono gli screeners all’inizio del sondaggio per garantire la raccolta di opinioni pertinenti. In alternativa, i gruppi dispongono spesso di liste di clienti attuali o potenziali a cui distribuire il sondaggio.

Modellizzazione dell’analisi congiunta

Panoramica

L’analisi congiunta è il momento in cui i dati si trasformano in previsioni e modelli. È il luogo in cui le selezioni dei rispondenti vengono tradotte in preferenze. Il risultato dell’analisi sarà una comprensione di ciò che è prezioso e di ciò che non lo è, e illuminerà il modo in cui le combinazioni dovrebbero essere raggruppate.

Il cuore dell’analisi è la modellazione statistica che stima l’utilità che gli intervistati assegnano a ciascun livello. A causa della modellazione statistica, l’analisi congiunta ha la reputazione di essere “complessa”, ma questo è anche ciò che permette all’analisi congiunta di avere la reputazione di essere una tecnica di ricerca di livello mondiale. Esistono diversi approcci statistici utilizzati per calcolare le preferenze di utilità, tra cui la regressione e la modellazione logistica multinomiale, tipicamente condotta a livello aggregato.

Indipendentemente dal modo in cui vengono modellate le selezioni del sondaggio, il risultato dovrebbe essere costituito da coefficienti di utilità che rappresentano il valore o la preferenza che la base dei rispondenti ha per i diversi livelli di ciascuna funzione. Per i disegni e i metodi di analisi che consentono di calcolare i punteggi di utilità a livello individuale, possiamo ricavare modelli di preferenza per ogni singolo intervistato. Ciò può essere vantaggioso per una serie di motivi, tra cui la segmentazione di vari tagli di dati, l’analisi di classi latenti e le simulazioni. L’approccio principale adottato per produrre modelli di utilità basati sull’individuo è la stima di Hierarchical Bayes (HB). Questa tecnica utilizza metodi bayesiani per ricavare in modo probabilistico il valore relativo di ciascuna variabile in esame.

Stima gerarchica di Bayes

La stima gerarchica di Bayes (HB) è un processo iterativo che comprende un modello di livello inferiore, che stima il benessere relativo dell’individuo per gli attributi testati, e un modello di livello superiore che individua le previsioni di preferenza della popolazione. Questi due elementi lavorano insieme finché l’analisi non converge sui coefficienti che rappresentano il valore di ciascun attributo per ogni individuo. La stima di HB prende in prestito informazioni da altre risposte per ottenere risultati a livello individuale ancora migliori e più stabili. È molto robusto e ci permette di ottenere un’ottima lettura delle preferenze dei clienti, anche presentando un numero inferiore di attività all’intervistato.

La tecnica è considerata “gerarchica” a causa dei modelli di livello superiore e inferiore. Questo approccio stima le preferenze medie (modello di livello superiore) e poi misura quanto ogni intervistato si discosta da questa distribuzione per ricavare le sue utilità specifiche (modello di livello inferiore). Il processo si ripete per un certo numero di iterazioni per aiutarci a definire la probabilità che un concetto specifico venga selezionato in base al suo costrutto. Qualtrics utilizza in particolare un modello di regressione logistica multinomiale.

La soluzione di analisi congiunta di QUALTRICS utilizza la stima di Hierarchical Bayes scritta in STAN per calcolare le utilità delle preferenze individuali. Qualtrics esegue 1000 iterazioni per catena di Markov ed esegue 4 catene.

Coefficienti di utilità a livello individuale

I risultati del modello bayesiano sono punteggi di preferenza che rappresentano l’utilità che l’individuo attribuisce a ciascun livello. Questi punteggi sono spesso chiamati utilità partworth e sono la base di tutte le metriche di sintesi e delle simulazioni derivate dallo studio conjoint. Il file di utilità conterrebbe una riga per ogni rispondente incluso nell’Analisi congiunta e una colonna per ogni test di livello unico all’interno dello studio. Nel modellare le preferenze di ciascun intervistato, le utilità ci aiutano a prevedere le scelte che gli intervistati farebbero di fronte a diversi pacchetti. Le utilità sono di tipo ordinale e indicano l’ordine di classificazione di ciascun livello testato con una certa entità di contributo all’utilità totale di un pacchetto.

I punteggi di utilità partworth sono centrati su zero e sono generalmente compresi nell’intervallo tra -5 e +5. Nella soluzione conjoint, i punteggi di utilità grezzi per ogni individuo possono essere esportati in un CSV utilizzando l’opzione Riepilogo dei punteggi.

Metriche di riepilogo e rapporti congiunti

Metriche di riepilogo congiunte

Con i coefficienti di utilità derivati come base dell’analisi, si possono preparare output e deliverable per presentare i risultati dello studio. Saranno i blocchi di tutte le metriche di sintesi e delle simulazioni. Le metriche di sintesi principali che di solito accompagnano l’analisi congiunta sono descritte di seguito.

• Importanza della funzione: La quantità di influenza e di impatto che una funzione ha nel processo decisionale tra le configurazioni di prodotto. Maggiore è l’importanza della funzione, maggiore è la sua ponderazione e il controllo su ciò che rende un prodotto favorevole. L’importanza della funzione viene calcolata considerando la distanza tra il livello migliore e quello peggiore all’interno della funzione stessa. Maggiore è la distanza, più importante è la funzione. Un modo semplice per pensare all’importanza di una funzione è che i livelli di quella funzione hanno un grande impatto sulla selezione o meno di un pacchetto in un modello di scelta basato su conjoint.
• Punteggio medio di utilità: Punteggio medio di utilità di ciascun livello per tutti gli intervistati. Questi sono di natura ordinale e mostrano la preferenza relativa tra i livelli. La media delle utilità può fornire una comprensione direzionale, ma non dovrebbe essere una metrica a sé stante per riassumere l’analisi congiunta.
• Punteggi di preferenza di prima scelta: I punteggi di preferenza di prima scelta indicano la percentuale di intervistati che hanno trovato maggiore utilità con i diversi livelli. All’interno dei coefficienti di utilità di ciascun intervistato si troverà un livello massimo o il più preferito per ogni funzione. I punteggi della prima scelta saranno la distribuzione dei rispondenti che hanno trovato quel livello come l’opzione migliore per quella funzione.
• Quota di preferenza: La quota di preferenza è la misura della probabilità che un livello venga scelto rispetto a un altro, mantenendo costanti tutte le altre funzioni. È il prodotto delle utilità calcolate con un modello di regressione logistica multinomiale e si ottiene esponenziando l’utilità del livello e divisore per la somma di tutti i livelli esponenziati all’interno della funzione.
• Retribuzione: La quantità di denaro che un cliente è disposto a pagare per un particolare attributo di un prodotto in confronto a un altro attributo. In genere consigliamo di definire un livello di base o di caso corrente, per poi determinare quanto i clienti sono disposti a pagare in più o in meno rispetto al livello di base. Ogni livello può avere una disponibilità di retribuzione rispetto al caso base. Si può usare solo quando il prezzo o il costo sono una funzione dell’Analisi congiunta. Si calcola trovando la differenza di utilità tra i diversi livelli di prezzo e applicando il rapporto dollaro/utilità agli altri livelli e ai loro punteggi di utilità. Di solito ci piace calcolare la disponibilità a pagare a livello di intervistati e poi aggregare e riassumere.
• Pacchetti ottimali: Questo è il pacchetto ottimale per quanto riguarda la massimizzazione della preferenza e dell’attrattiva del cliente. Questo potrebbe non essere sempre l’approccio esatto verso il quale un’organizzazione vorrebbe muoversi, poiché il costo dell’implementazione potrebbe essere proibitivo, ma può orientare la direzione.

Rapporti sulle intuizioni dell’analisi congiunta

L’analisi congiunta può fornire una serie di intuizioni incredibili sul comportamento previsto dei clienti. Diverse metriche e grafici possono mostrare le tendenze e i punti in comune delle risposte. Ma l’output principale di uno studio di analisi congiunta dovrebbe sempre essere il simulatore di conjoint. Il simulatore dovrebbe essere lo strumento di scelta della domanda per rispondere a domande chiave come i compromessi che i clienti farebbero e il confronto tra i diversi pacchetti. Le metriche di riepilogo elencate in precedenza sono utili e servono a qualcosa, ma devono sempre rimandare al simulatore.

Simulazioni di analisi congiunta

Che cos’è un simulatore?

Il simulatore di analisi congiunta è uno strumento interattivo che facilita la verifica e la previsione delle preferenze tra configurazioni di prodotto plausibili. Il simulatore include in genere una serie di menu a tendina che consentono di creare pacchetti costituiti dagli attributi inclusi nello studio conjoint. L’analisi congiunta è una tecnica per riconoscere i compromessi che i clienti farebbero di fronte a scelte diverse. Il simulatore di preferenze incarna questo obiettivo riportando la stima del compromesso che i clienti farebbero quando gli vengono presentate 2 o più opzioni. Gli scenari potenziali all’interno di un simulatore possono essere astronomici, poiché i costrutti del prodotto e i segmenti da includere possono essere modificati.

Oltre all’ovvia analisi congiunta, vi è una serie di utilizzi che sono estremamente preziosi per ricavare informazioni dai risultati dell’analisi congiunta. Le pratiche più diffuse con il simulatore sono l’analisi del panorama competitivo, il miglioramento a partire da un prodotto di base e il valore relativo degli attributi del prodotto.

Obiettivi aziendali coperti dal Simulatore Conjoint

Analisi del panorama competitivo con un simulatoreLe

aziende
sane

si guardano spesso alle spalle per verificare il confronto con la concorrenza. L’analisi congiunta è un ottimo strumento per scoprire come le potenziali configurazioni di prodotto di un’azienda si confrontino con le opzioni concorrenti sul mercato. Ciò dipende tuttavia dall’inclusione degli attributi dei prodotti concorrenti nelle funzioni e nei livelli dello studio. All’interno del simulatore si possono definire gli attributi dei prodotti della concorrenza e poi, con le opzioni rimanenti, si possono definire diversi pacchetti per vedere in anteprima come si collocherebbero rispetto al mercato esistente.

Innovazione di un prodotto esistente con un simulatoreSpesso

i prodotti devono essere sottoposti a revisioni e miglioramenti per essere all’avanguardia rispetto alla concorrenza e rimanere rilevanti e innovativi. Ciò richiede aggiustamenti progressivi. Un conjoint study è una metodologia fantastica per capire dove le aziende possono apportare i cambiamenti più convincenti per entusiasmare nuovi potenziali clienti e fidelizzare gli utenti attuali. Con i dati in mano, è possibile utilizzare un simulatore per catturare le ipotesi di modifica degli attributi. l‘”opzione 1″ all’interno del simulatore può essere impostata come il prodotto attuale, mentre l'”opzione 2″ può essere modificata iterativamente dal controllore per scoprire dove sono disponibili i maggiori guadagni.

Valutare il valore relativo degli attributi di un prodotto con un simulatoreOgni

prodotto è, nella sua essenza, una combinazione di più funzioni. È una somma di parti. Cogliere le preferenze di queste parti è essenziale per l’Analisi congiunta. Espandendo il concetto di “preferenza”, ha senso cercare di quantificare ulteriormente il valore di ciascun livello. Se il prezzo è stato incluso nell’insieme di attributi, il simulatore può essere uno strumento eccezionale per dedurre tale valore. Il processo consiste nel rispecchiare la stessa configurazione di prodotto in “Opzione 1” e “Opzione 2” Modificando un singolo livello o un gruppo di livelli, la quota di preferenza non sarà più uguale. Con l’altra opzione, spostate il livello di prezzo per trovare il punto in cui i due pacchetti sono di nuovo uguali. La differenza di prezzo tra “Opzione 1” e “Opzione 2” può essere interpretata come il valore relativo di quel livello o gruppo di livelli.

FAQ