6. Conjoint Analysis

IntroducciónEs una técnica que permite determinar cómo las personasdesarrollan sus preferencias por los productos o servicios.

Se basa en la teoría de que las personas asignan valor a unproducto o servicio combinando cantidades separadas delSe basa en la teoría de que las personas asignan valor a unproducto o servicio combinando cantidades separadas del«valor» que proporciona cada atributo.

Evaluar cada atributo por separado y después identificarcuáles son los que más gustan podría generar un monstruopor el hecho de no considerar la interacción de factores.(Empaque grande, etiqueta pequeña, de tapa con corcho)

Definiciones ImportantesLa técnica cuenta con cinco conceptos básicos que se deben conocer:

� Factor o Atributo: Son las características sobre las cuales puede variar el producto:

Marca SaborPrecio IngredientesColor MaterialPrecio IngredientesColor MaterialTamaño Precio

Tunbusch (1987) hay tres tipos básicos de atributos:

� Atributos físicos: los que se refieren al producto mismo, por ejemplo, color, tipo deenvase, etiqueta, tamaño, precio, etc.

� Atributos sobre los beneficios del producto: los que se refieren a los beneficios que seobtienen, como por ejemplo: suaviza, limpia, aromatiza, etc.

� Atributos de posicionamiento psicológico: los que se refieren al usuario, como porejemplo: seguridad, pasión, soledad, etc.

� Niveles: Corresponde al número de opciones que tiene cada factor/atributo.

MarcaPrecio (Miles) Color Estilo

Nokia $ 150 Negro Deslizable

Samsung $ 180 Rojo Con tapa

Motorola $ 200 Normal

$ 250

� Utilidad: Es la base/modelo conceptual que permite medir el valor de cada nivel de un factor. No tiene ninguna equivalencia con otra medida.

«El nivel de utilidad obtenido es una adecuada combinación de atributos, ponderadospor la importancia relativa de cada uno en la contribución de la utilidad total de unbien particular» (Ortúzar, 2000).

� Estímulos: Son necesarios para determinar la utilidad(valor) que tiene cada nivel, es necesario presentar alos sujetos estímulos que representen diferentesproductos para que los califiquen, ordenen oseleccionen de acuerdo a su grado de preferencia ointención de compra.

� Diseño Ortogonal: En castellano, tiene que ver con elhecho de que todos los factores y niveles seanevaluados y en la misma cantidad de veces – siguiendounos modelos estadísticos esto permitirá evaluarcualquier combinación que genera un producto asídicha combinación no haya sido evaluada.

Usos y aplicaciones� Diseño de productos.

� Estrategias de precios.

� simulación de mercado sobre la conducta quetendrían los consumidores bajo diferentes escenariosde productos. What if?de productos. What if?

� Determinar el ranking y peso de importancia factores yniveles en el modelo.

� Segmentación de mercados

� Canibalización

� Brand Equity*

* El brand equity en esta metodología se mide de manera diferente que en Brand Equity Tracking, sin embargo se espera que el rating entre las marcas se conserven entre las dos metodologías.

Tipos de Conjoint� Full Profile (70’s)

� Conjoint Value Analysis (CVA)

� Adaptive Conjoint Analysis (ACA)

Choice Based Conjoint (CBC) o (DCA)� Choice Based Conjoint (CBC) o (DCA)

� Maximum Difference Scaling (MaxDiff)

� Adaptive Choice Based Conjoint (ACBC)

Full ProfileTécnica en la que se eligen hasta 8 factores con sus respectivos niveles, apartir de un diseño ortogonal se determinan los estímulos que seránordenados por los encuestados.

Supuestos y Limitaciones:� El número de estímulos no debe superar los 30.� La cantidad de niveles debe ser aproximadamente la misma.� La cantidad de niveles debe ser aproximadamente la misma.� No existe la posibilidad de NO compra.� Los factores cumplen la propiedad de independencia estadística o no

correlación.

Esta última es fundamental, significa que no existe relación alguna entrefactores. Ej. Precio y Tamaño, al hacer todas las combinaciones algunasopciones serían absurdas como presentación grande al precio más bajo.

8 factores con 3 niveles c/u produce 3^8=6561 !!!

Full ProfileConstrucción de tarjetas:

SOFWARESin Aire AcondicionadoSin vidrios eléctricosCon Película de

PARA EL ENTREVISTADO

Con Película de =Con Película de

seguridadSin SunroofCon GPSMarca: BMW

Con Película de seguridadCon GPSMarca: BMW

=

Podemos observar que el diseño de salida tiene un formato más denso y contiene información irrelevante para el entrevistado, ya que NO es necesario decirle lo que NO va traer AA; mejor decirle lo que SI va a contener.

Full ProfileRecolección de la información:

Rankings: el entrevistado ordena las tarjetas de las más preferida a la menos preferida.

Una manera de simplificarle la tarea al entrevistado es llevarlo por pasos:

• Primer paso: que las ordene en tres montones (las opciones que más le gustaría comprar, las opciones que ni le gustan ni le disgustan y un tercer montón con las opciones que menos le gustaría comprar).

• Segundo paso: cada tarjeta de cada montón la ordena desde la que más le gusta hasta la que menos le gusta.

• Tercer paso: asegurarse que todas las tarjetas están “rankeadas” de las más preferida a la menos preferida.

Full ProfileRecolección de la información:

Ratings: El entrevistado califica cada tarjeta en función de una escala, usualmente es la de disposición de compra. Las escalas pueden ser de gusto, preferencia, etc. Y pueden ser de 5, 7, 10 o 100 puntos. No hay evidencia de que los resultados difieran significativamente.

Green y Srinivasan (1978) han llegado a la conclusión de que uno u otro método producen resultados muy semejantes. Los rankings forzan al respondente a fijarse más en cada opción al momento de ordenar cada tarjeta, y son muy útiles cuando tienes 30 o menos estímulos. Los ratings son más fáciles de contestar por el entrevistado y pueden ser usados con pocos o muchos estímulos; sin embargo, la posibilidad de empates es clara, esto es que a varios estímulos los califique con el mismo número.

Full ProfileEntregables:Simulador What If?:

Atributo: Precio Color … Empaque

Simulador:

«$2000» «Rojo» … «Lata»

Proba. de éxito = xx %

*Modelo BTL, Logit, Sobrevida,…*Tabla de importancias/Preferencias Globales por atributo y nivel*Utilidades

Conjoint Value Analysis (CVA)

Los supuestos y limitaciones son las misma del fullprofile, tiene un nombre distinto porque el primero endesarrollar Conjoint la Companía Bretton Clark y sucompetencia Sawtooth implementó lo mismo perocompetencia Sawtooth implementó lo mismo peropermitía 10 atributos y 15 niveles cada uno.

Adaptative Conjoint Analysis (ACA)Dos virtudes principales:

� Puede manejar hasta 30 factores� Permite cierta correlación entre factores ya que se pueden

eliminar algunas combinaciones absurdas*.

Fue el primero en ofrecer una manera única para medir laFue el primero en ofrecer una manera única para medir lasensibilidad de los precios de las características individuales.

Su desempeño es menor que CVA puesto que el método es trade-off, es decir, pone a elegir entre este y este cuál prefiere.

A un entrevistado no se le presentan todas las combinaciones –diseño muestral distinto.

*Se debe tener precaución al eliminar las combinaciones denominadas absurdas de tal forma que no se sesguen las elecciones.

Adaptative Conjoint Analysis (ACA)Recolección de la información:

• Primer paso: Cada persona califica en una escala de importancia a cada atributo, los atributos evaluados como más importantes (para esa persona) son seleccionados para efectuar todas las combinaciones, las cuales le serán presentadas en forma de pares para conocer cuál eligiría.

• Segundo paso: Para cada entrevistado, las combinaciones pueden ser • Segundo paso: Para cada entrevistado, las combinaciones pueden ser distintas. Por tanto, es necesario aplicarlo vía computadora, el programa reconocerá a los atributos evaluados como más importantes, los seleccionará y efectuará todas las combinaciones de pares.

• Tercer paso: Se le presenta a los entrevistados dos alternativas al mismo tiempo y la persona escoge una de ellas, posteriormente se le muestran otras dos opciones y vuelve a escoger una de ellas y así sucesivamente

Desarrollada por Johnson en 1974 para resolver el problema del manejo de muchos atributos, pues deja que sea el mismo entrevistado quién decida cuales son los atributos más importantes.

Johnson, R. M., "Trade-off Analysis of Consumer Values," Journal of Marketing Research, vol. 11 (1974): pp. 121-127.

Choice Based Conjoint (CBC)También denominado Discrete Choice Analysis (DCA)

� Permite la NO compra� Elimina el problema de correlación entre factores eliminando

relaciones indeseables.relaciones indeseables.

CBC puede llegar a medir hasta seis atributos con nueve niveles cadauno. En contraste con cualquiera de ACA o CVA, los resultados de CBCse analizan en conjunto, o nivel de grupo. Los resultados se analizanen conjunto, puesto que las elecciones ofrecen menos informaciónestadística por parte demandada que los enfoques tradicionales.

Es una de las técnicas más preferidas para evaluar la sensibilidad deprecio. Mientras que full profile se usa para diseño de productos.

*Se debe tener precaución al eliminar las combinaciones denominadas absurdas de tal forma que no se sesguen las elecciones.

Choice Based Conjoint (CBC)Construcción de tarjetas: Difiere de Full Profile, acá una tarjeta no representa unproducto sino un juego de compra (Shopping Game):

MARCA AGUA

OEISIS

2Ho

PRECIO

$1800, $1900, $2000

$1800, $1900, $20002Ho

Kristal

Dasconi

$1800, $2000

$1800, $2000

Total tarjetas (full factorial) = 3x3x2x2 =36

Choice Based Conjoint (CBC)Construcción de tarjetas: Difiere de Full Profile, acá una tarjeta no representa unproducto sino un juego de compra (Shopping Game):

OEISIS 2Ho Kristal Dasconi

*Los juegos de compra son generados por SPSS y no necesariamente se deben evaluar todos, un diseño factorial fraccionado/ortogonal permitirá reducir el número de tarjetas a evaluar (también aplica en full profile). Acá puede existir siempre un atributo que permita seleccionar la opción Ninguno o amarrarle a una marca una promoción (ej. Detergente A + Suavizante Gratis!).

$1800 $1900 $1800 $2000

Choice Based Conjoint (CBC)Recolección de la información:

A cada encuestado se le presentan los «Shopping games» y en cada uno él debe elegir el producto de su preferencia.

Supongamos que usted tiene que comprar una botella de agua y tiene las siguientes opciones, ¿cuál compraría?siguientes opciones, ¿cuál compraría?

Shopping Game# 1

OISIS 2Ho Kristal Dasconi Ninguna

Marque la opción $1800 $1900 $1800 $2000

(sólo marque una) X

Choice Based Conjoint (CBC)Recolección de la información:

De esta manera los datos para el entrevistado 1 podrían ser:

Shopping Game

Opción elegidaGame

1 2

2 1

3 4

: :

36 3

Nótese que la opción 1 no siempre será la misma pero eso se puede resolver en procesamiento, adicionalmente es importante la rotación del orden de los shopping games para evitar sesgo de selección.

Choice Based Conjoint (CBC)A veces se usa un modelo de Cox, Logit,… para estimar los coeficientes de un modelo que permita hacer el simulador What if?

ELECCION DE UN PRODUCTO X

En función de…

Factores controlados en el estudio:

MarcaEn función de…

Precio

Presentación ()

Este modelo permite estudiar:

Efecto global de marca

Efecto de global precio

Efecto de precio por marca

Efecto de precio por presentación

Choice Based Conjoint (CBC)Entregables: Gráfica Market Share

Choice Based Conjoint (CBC)Entregables: Simulador

Espacio para ser modificado por el

cliente. Y=f(x)

Maximum difference scaling(Maxdiff)La metodología MaxDiff (creada por Jordan Louviere en 1987) permite ordenar yestablecer rankings (de importancia, de molestias, de interés,…) de grandes listasde atributos. Parte de un análisis posterior del total de los datos (HierarchicalBayes) que consigue estimar un ranking de todos estos atributos a nivelindividual, permitiendo su segmentación.individual, permitiendo su segmentación.

Se basa en una batería de preguntas en las que se pide al entrevistado elatributo más importante y el menos importante para un conjunto deatributos, presentados en bloques de 3, 4 ó 5 atributos. De esta forma se reduce demanera significativa el número de preguntas necesarias en comparación con lasescalas tradicionales de valoración (puntuar cada item en una escala); y además esmás fácil de contestar, ya que las personas son mejores juzgando extremos quediscriminando entre ítems de importancia media.

Maximum difference scaling(Maxdiff)� Un pequeño ejemplo: ¿Cuál de estas cervezas te gusta más? ¿Y cuál menos?

A) Cerveza A

� B) Cerveza B

� C) Cerveza C� C) Cerveza C

� D) Cerveza D

Si preferimos la Cerveza A y la que nos gusta menos es la Cerveza D; sólo con estos dos respuestas, ya hemos contestado que: A > B, A > C, A > D, B > D, C > D; sólo nos queda la incógnita de saber qué gusta más, si la cerveza C o la cerveza D; pero a través de los demás encuestados y con modelos Bayesianos basados en modelos Multinomial Logit es posible llegar a una respuesta.

No se recomienda que la cantidad de atributos evaluados en conjunto supere los 7.

Adaptive Choice Based Conjoint(ACBC)

Combinada con muestreo para balancear

Discrete Choice Models: Covariance Heterogeneity Model (CHM),Mixed Logit model: McFadden and Train 2000 and Latent Segment:

Kamakura and Russell 1989

[ ]

[ ]∑=

+β

+β=

J

1j

X)w(

X)w(

ijkkk

kikk

e

eP

∑

=

=

J

j

ij

i

e

e

1

)X(

)X(

Pβλ

βλMixed LogitMNL(λ=1)

27

=1j∑=j 1

∑=

βγ

βγ=

J

1j

)X)(Xexp(

)X()Xexp(

ijj

ii

e

eP

CHM

Extensiones de modelos básicos

[ ]

[ ]∑=

β

β=θ

J

1j

X

X

ijksks

ksiks

e

esP

LatentSegment

EJEMPLOS ILUSTRATIVOS

Full Profile: El Hombre IdealEn una discusión varias mujeres difieren sobre:¿Cuál es la característica/atributo más importante ala hora de elegir un hombre?

¿Qué tenga dinero?� ¿Qué tenga dinero?

� ¿Qué tenga una buena apariencia física?

� ¿Qué sea inteligente?

Full Profile: El Hombre IdealPara resolver esta duda le han preguntado a un experto eninvestigación, quién si dudarlo recomienda usar un Conjointya que esta metodología permite conocer cómo las mujeresdesarrollan su preferencia por un hombre y determinar queinfluye más si el dinero, la apariencia física o la inteligencia.

Diseño Experimental:

� Atributo 1: Dinero Niveles: Tiene, No tiene

� Atributo2: Apariencia física Niveles: Tiene, No tiene

� Atributo 3: Inteligencia Niveles: Tiene, No tiene

Full Profile: El Hombre IdealDiseño Experimental:

� Número de estímulos a evaluar: Productoria de número deniveles de cada factor/atributo.� 2 x 2 x 2 = 8

Recolección:

A continuación le voy a mostrar una serie de tarjetas, cadauna de ellas describe a un hombre diferente con algunascaracterísticas que pueden gustarle más que otras, quisieraque las ordenara desde la que representa al hombre que leparece, en su conjunto, el más atractivo hasta el que le parecemenos atractivo.

Full Profile: El Hombre Ideal

Ver Cálculos:

Plantilla Full Profile.xlsx

Conjoint Full Profile en SPSS

Conjoint CBC en SPSS

Conjoint en R

Funciones• caPartUtilities(y, x, z): Utilidades individuales• caTotalUtilities(y, x): Matriz de utilidades total•caImportance(y, x) : Calcula la importancia de todos los atributos•caUtilities(y, x, z): Calcula las utilidades de cada nivel de los atributos•Conjoint(y, x, z): Modelo y gráficos parciales de utilidades cuya suma es 100%.•ShowAllUtilities(y, x, z): Muestra varios a la vez.•ShowAllUtilities(y, x, z): Muestra varios a la vez.•caBTL(sym, y, x): Estima coeficientes usando el modelo BTL (Bradley-Terry-Luce). •caLogit(sym, y, x): Estima coeficientes usando el modelo Logit.•caMaxUtility(sym, y, x): Estima coeficientes usando el modelo de máximautilidad•ShowAllSimulations(sym, y, x): Retorna los 3 modelos anteriores.•caModel(y, x): Estima los parámetros del modelo Conjoint.•caSegmentation(y, x, c=3): Agrupa los respondientes en c grupos por k-medias

ESTIMACIÓN

ESTIMACIÓN

ESTIMACIÓNEstimación de utilidades individuales a nivel global

En tipo…Negro=-1.889, Verde=0.111 --> Rojo = -(Negro+Verde)=1.778Es más atractivo en color rojo que en cualquiera de los demás suj 1

ESTIMACIÓNEstimación de utilidades generales sin discriminar por consumidor

ESTIMACIÓN

ESTIMACIÓN

ESTIMACIÓN

ESTIMACIÓN

SIMULACIÓN

Si tenemos perfiles de simulación se puede hacer de forma separada por los modelos BTL – caBTL(), Logit – CaLogit() o Máxima Utilidad – caMaxUtility(), o usar la función que los saca todos