::

::

Conjoint

::

3

Agenda

Conjoint analiza- Ideja- Tipi CA- Terminologija, proces- Primeri treh osnovnih tipov CA

::

Conjoint analiza

Ask people what they want, and they say, “the best of everything”.Ask them what they would like to spend, and they say, “a little as possible”.

– Bryan K. Orme

::

5

MožnostiPlača

Službena pot % časa

Dopust (tedni)

Bonus

A 1.500 € 0 2 10%

B 1.500 € 25 3 20%

C 1.500 € 75 4 30%

D 2.000 € 25 2 30%

E 2.000 € 75 3 10%

F 2.000 € 0 4 20%

G 2.500 € 75 2 20%

H 2.500 € 0 3 30%

I 2.500 € 25 4 10%

Sposojeno od: Batsell R., Chrzan K., Baggett S., SawtoothSoftware Conference, Barcelona 2008.

::

6

Vprašanje:

• Kaj najbolj opisuje kako ste se odločili?

5. Vsakemu atributu sem določil utež. Potem sem za vsako možnost vsako vrednost atributa pomnožil z utežjo, seštel te produkte in izbral tisto možnost z največjo vrednostjo

6. Izbral sem možnosti z lastnostjo, ki mi je najbolj privlačna. Med možnostmi, ki so bile po tej lastnosti izenačene sem izbral glede na drugo lastnost, ki mi je najbolj privlačna itd.

7. Izločil sem možnosti, ki niso imele tistega kar želim. Med preostalimi možnostim sem zopet izločil tiste, ki niso imele tistega, kar želim itd.

8. Kombinacija 1,2 in 3.

Sposojeno od: Batsell R., Chrzan K., Baggett S., SawtoothSoftware Conference, Barcelona 2008.

::

7Sposojeno od: Batsell R., Chrzan K., Baggett S., SawtoothSoftware Conference, Barcelona 2008.

Kaj najbolj opisuje kako ste se odločili?

3 %Vsakemu atributu sem določil utež. Potem sem za vsako možnost vsako vrednost atributa

pomnožil z utežjo, seštel te produkte in izbral tisto možnost z največjo vrednostjo

58 %Izbral sem možnosti z lastnostjo, ki mi je najbolj privlačna. Med možnostmi, ki so bile po tej

lastnosti izenačene sem izbral glede na drugo lastnost, ki mi je najbolj privlačna itd.

11 %Izločil sem možnosti, ki niso imele tistega kar želim. Med preostalimi možnostim sem zopet

izločil tiste, ki niso imele tistega, kar želim itd.

28 %Kombinacija 1,2 in 3.

::

8

Ideja CA

• Ljudje ne morejo / znajo zanesljivo izražati kako vrednotijo posamezne lastnosti izdelka / storitve.

• Vendar nimajo težav pri vrednotenju (ocenjevanj / izbiranju) celostnega izdelka / storitve

- Bolj realistično- Ocena / izbira pa je funkcija vrednosti posameznih (vendar združenih “conjoined”)

delov izdelka / storitve.

• Izdelek / storitev lahko razbijemo na lastnosti (Atributi in njihovi nivoji)• Gleda na to kako ljudje vrednotijo celostne profile / koncepte izdelka / storitve,

lahko ugotovimo “preferenčne” vrednosti posameznih lastnosti izdelka / storitve• Namesto dirketnih vprašanj o preferencah, pomembnosti,..., opazujemo celostno

vrednotenje izdelka / storitve

::

9

Dva osnovna tipa CA

• Tradicionalna CA- Uporablja podatke na osnovi ocenjevalnih lestvic, rangiranj serij enega profila ali

parov profilov- S simulatorjem ocenjujemo verjetne preference / izbire

• Ne opazujemo izbir

• Choice-based CA (CBC).- Uporablja podatke na osnovi serije izbir med različnimi alternativami in uporablja

verjetnostne modele.- S simulatorjem ocenjujemo verjetne preference / izbire

• Opazujemo izbire

::

10

CA terminologija

• Atribut- Lastnost izdelka / storitve: znamka, cena, tip embalaže,...

• Nivo atributa- Vrednost oz. nabor vrednosti atributa:

• Coca Cola, Pepsi,..., 0.5€, 0.6€,..., 0,33 l pločevinka, 0,5 l plastenka

• Profil / Koncept- Kombinacija nivojev: Coca-Cola 0.5€ v 0,33 l pločevinki

• Naloga- 2 ali več profilov / konceptov med katerimi izbira respondent

• Načrt- Kombinacije nivojev atributov, ki tvorijo profile / koncepte izdelkov / storitev in kako

so te združene v nalogo.

::

11

Načrt

• Ortogonalnost:- Vsak nivo posameznega atributa se pojavlja v enakem številu skupaj z vsakim

drugim nivojem ostalih atributov. (Ni korelacije med pari atributov)

• Uravnoteženost nivojev:- Znotraj vsakega atributa se posamezni nivo pojavlja v enakem številu.

• Minimalno prekrivanje:- Maksimalna razpršenost med nivoji posameznega atributa pri posamezni nalogi

(nivoji se ne ponavljajo).

• Načrti, ki so ortogonalni in uravnoteženi so optimalno učinkoviti.

• V realnem svetu uporabljamo dobro uravnotežene in “skoraj” ortogonalne načrte.

::

12

CA Proces

• Identifikacija atributov, ki so pomembni pri odločanju.• Definiranje nivojev oz. vrednosti vsakega atributa, ki kar najbolje predstavljajo

variacije na trgu.• Izdelava profilov / konceptov – Conjoint načrt• Zbiranje podatkov na nekem vzorcu• Analiza podatkov

- Utility / Part-Worths / Koristi- Relativne pomembnosti- Simulacije- Optimizacije

::

13

Osnovni tipi CA

• CVA – Conjoint Value Analysis (tradicionalni Conjoint)- 1 ali 2 polna profila / koncepts- 1 ali več načrtov- Rangiranje / Ocenjevanje- Individualne ocene utilitijev / koristi

• Le še cca. 2%-5% projektov (raziskava SS)

::

14

Osnovni tipi CA

• ACA – Adaptive Conjoint Analysis- 2 delna profila / koncepta- Možnost manipuliranje kompleksnosti profilov / konceptov- Vsak respondent ima “svoj” načrt- Ocenjevanje- Individualne ocene utilitijev / koristi

• Cca. 5%-10% projektov (raziskava SS)

::

15

Screening, “preference”

::

16

Screening, “pomembnost”

::

17

Conjoint del

::

18

Kalibracijski del

::

19

Osnovni tipi CA

• CBC – Choice Based Conjoint- 2 ali več profilov / konceptov- Polni ali delni profili / koncepti- Več CJ načrtov- Alternative specific designs- Fiksne oz. konstantne alternative

• (ne bi kupil nič od tega; ostal bi pri sedanjem ponudniku; NONE)

- Izbire, razporeditev (Constant Sum allocation)- Skupinske in / ali individualne ocene utilitijev / koristi

• 85% ali več projektov (raziskava SS)

::

20

CBC naloga

::

21

Alternative specific

::

22

Polni profil - Delni profil

::

23

Kaj lahko počnemo s Conjoint podatki?

• Predikcije “izhodiščnega stanja” (Base case) skozi opisne podatke- Kdo izbere kaj?

• Input za segmentacije (cluster analysis, latent class,...)• Simulacije (what if?)

- Sensitiviti analize (sistematično what if?)

• Optimizacije (“najboljše” konfiguracije izdelka / storitve)

• Simulator oponaša določeno situacijo, ki se v realnosti lahko zgodi ali pa ne (flight simulator).

• Namen je oceniti verjeten učinek spremembe izdelka / storitve.• Za to simulator potrebuje input:

- Podatki, ki opisujejo določeno situacijo (definicija scenarija)- Podatki o tem kako potrošniki reagirajo na spremembe (utilitiji / koristi)- Definicija modela

• Sprememba enega ali več podatkov pomeni nov scenarij in nov rezultat.

::

24

Simulacije – Kaj moramo vedeti?

• Conjoint analiza NE napoveduje dejanskih tržnih deležev!- Vpogled v dinamiko dogajanja na trgu- Lahko se zelo približamo dejanskim tržnim deležem

• Pri analizi in simulacijah se z analitičnimi utežmi lahko približamo obstoječemu stanju na trgu.

- Analitične uteži, ki jih lahko pripišemo posameznim izdelkom / blagovnim znamkam lahko odsevajo:

• Trenutni tržni delež – ne priporočamo!• Zgodovino (leta prisotnosti na prodajnem mestu i.e. seznanjenost in navajenost potrošnikov) • Penetracijo na prodajnem mestu (delež prodajnih mest, na katerih lahko potrošniki kupijo izdelek)• Oglaševalske napore…

::

25

Optimizacije

• Simulacije so le majhen korak k optimizaciji- Upoštevajo konkurenčni okvir- Upoštevajo heterogenost porabnikov- Napovedujejo dinamiko dogajanja na trgu

• Simulacije dajejo odgovor na vprašanje- “Kako dober bo TA izdelek?”

• Raziskovalci pa porabimo ogromno časa, da najdemo odgovor na vprašanje:- “Kateri izdelek bo najboljši, najbolj optimalen?”

• Leto 2003- Prve komercialno dostopne metode optimizacij (Sawtooth Software)

::

26

Optimizacije

• Ogromno različnih konfiguracij izdelka / storitve- 4 atributi, vsak 4 nivoje -> 256 možnih kombinacij!- 10 atributov, vsak 5 nivojev -> 5¹º možnih konfiguracij izdelka / storitve, skoraj 10

milijonov!

• Če optimiziramo več izdelkov hkrati, je prostor še večji

::

27

Optimizacije

Metode optimizacije:• Exhaustive Search

- Pregleda vse možne kombinacije• Vedno najde najboljšo rešitev• Časovno potratno• Več ur do več dni, tednov,...

• Hill-Climbing metode- Grid Search- Gradient Search- Stochastic Search

• Lokalno optimalne

• Genetični algoritmi- Ideja temelji na conceptu Darwinove teorije

Prof

it

Tip embalažeOkus

::

28

Optimizacija

• Genetični algoritem- Vsak izdelek / storitev je “kromosom”- Vsak atribut je “gen”

Znamka in model

Cena Paket Vezava

Produkt 1 Nokia 6101 15.000 SIT Smart I. 12 months

Produkt 2Motorola

V36010.000 SIT Smart III. 24 months

Produkt 3Samsung

E86045.000 SIT Orto Smart 12 months

...

Produkt 300 Siemens C75 15.000 Smart III. 24 months

kromosomi

geni

::

29

Optimizacija

• Generiraj množico naključnih produktov – kromosomov- Npr. 300 iz možnih 768 produktov (12 telefonov x 8 cen x 4 paketi x 2 časovne

vezave)- Razvrsti produkte glede na nek kriterij (korist, preferenčni delež, dohodek, profit)

Znamka in model

Cena Paket Vezava Delež / dohodek/ profit...

Produkt 1 Nokia 6101 15.000 SIT Smart I. 12 months 10%/10M/2M

Produkt 2 Motorola V360

10.000 SIT Smart III. 24 months 8%/8M/3M

Produkt 3 Samsung E860

45.000 SIT Orto Smart 12 months 7,9%/6M/4M

...

Produkt 300 Siemens C75

15.000 Smart III. 24 months 0,3%/1M/0.75M

::

30

Optimizacija

• Ohrani najbolj uspešne in zavrži najmanj uspešne produkte

Znamka in model

Cena Paket Vezava Delež/dohodek/profit...

Produkt 1

Produkt 2

Produkt 3

...

...

...

Produkt 150

Produkt 151

Produkt 152

Produkt 298

Produkt 299

Produkt 300

Ohrani najboljuspešne

Zavrži najmanjuspešne

::

31

Optimizacija

• Naj se najbolj uspešni “parijo med seboj”. “Potomci” naj zamenjajo tiste, ki smo jih zavrgli.

- Predpostavljamo, da najbolj uspešni starši “producirajo” uspešne potomce.- Potomci so kombinacija lastnosti staršev

• Potomci so funkcija dedovanja in mutacije:- Vsak potomec je kombinacija lastnosti starša, prav tako pa je podvržen mutacijam.

Znamka in model

Cena Paket Vezava

Starš A Produkt A Nokia 6101 15.000 SIT Smart I. 12 months

Starš B Produkt B Samsung E860 45.000 SIT Orto Smart 12 months

Potomec C

Produkt C Nokia 6101 45.000 SIT Orto Smart 24 months

Dedovanje Mutacija

Sta

rši s

e p

arij

o ..

.

... in imajo potomca

::

32

Optimizacija

• Ponovi- Razvrsti produkte glede na nek kriterij (korist, preferenčni delež, dohodek, profit)- Zavrži najmanj uspešne- Parjenje, produkcija potomcev

• Ponavljaj toliko časa…• ... dokler ne pridemo do generacije v kateri ne opazimo značilnih izboljšav

- Npr. ko v 5-ih generacijah ni več značilnih izboljšav.

• Pokaži “n” najbolj uspešnih,- Npr.: pokaži 20 najboljših izdelkov

::

33

“Life is one big conjoint analysis . . . one tradeoff after another.”

– Paul E. Green