Conjoint-анализ (анализ совместной полезности) — это статистический метод, используемый для измерения того, как люди ценят различные атрибуты (характеристики), составляющие продукт или услугу. Он основан на идее, что потребители оценивают предложения не по отдельным характеристикам, а как целостные профили, делая компромиссы между ними.
2. Происхождение и контекст
Метод был разработан в математической психологии (работы Луса и Тьюки) в 1960-х годах, а его широкое применение в маркетинге началось в 1970-х. Он основан на теории полезности и моделировании потребительского выбора, позволяя декомпозировать общее предпочтение на составляющие.
3. Суть метода простыми словами
Метод помогает ответить на вопрос: «Что для покупателя важнее: цена, бренд или функционал?». Вместо того чтобы напрямую спрашивать об этом, респондентам показывают несколько гипотетических продуктов (например, разные смартфоны), сочетающих эти характеристики в разных комбинациях, и просят выбрать наиболее предпочтительный или ранжировать их. Анализируя эти выборы, можно вычислить, какой вклад каждая характеристика (и её значение) вносит в общую привлекательность товара.
Типичный процесс проведения conjoint-анализа включает этапы:
Определение атрибутов и их уровней. Выбираются ключевые характеристики продукта (например, для автомобиля: бренд, цена, тип двигателя, цвет). Для каждого атрибута определяются конкретные значения-уровни (бренд: Toyota, Kia; цена: 1.5 млн, 2 млн руб.).
Создание экспериментального дизайна. Генерируется набор гипотетических продуктов (профилей), представляющих собой различные комбинации уровней атрибутов. Используются специальные планы (например, ортогональный дизайн), чтобы минимизировать число профилей при сохранении статистической достоверности.
Сбор данных. Респондентам предъявляются сгенерированные профили (часто парами или наборами) и просят оценить их по шкале, ранжировать или сделать выбор между ними в смоделированной ситуации покупки.
Статистический анализ и оценка полезности (utility). С помощью методов регрессионного анализа (обычно логит- или пробит-модели) вычисляется частичная полезность (part-worth utility) для каждого уровня атрибутов. Эта полезность показывает, насколько данный уровень увеличивает или уменьшает общую привлекательность продукта в глазах потребителя.
Расчёт относительной важности атрибутов. На основе размаха полезности (разницы между самым высоким и низким уровнем) для каждого атрибута вычисляется его важность в процентах, показывающая, какой вес этот атрибут имеет в общем решении.
Моделирование рыночных сценариев (симуляция). На основе оценённых полезностей строится модель, позволяющая прогнозировать долю рынка или вероятность выбора для новых, ещё не существующих комбинаций атрибутов (новых продуктов, изменений в цене).
Пример для кофе: Атрибуты: Тип зерен (арабика, робуста, смесь), Цена (200, 300, 400 руб.), Обжарка (светлая, средняя, тёмная). Респондент выбирает между профилями: «Арабика, 400 руб., светлая обжарка» vs «Смесь, 200 руб., тёмная обжарка». Анализ выявит, готов ли он переплачивать за арабику.
Результат анализа: Для смартфона атрибут «Объём памяти» имеет относительную важность 40%, «Цена» — 35%, «Бренд» — 25%. Это означает, что потребители в первую очередь смотрят на память.
Симуляция: Модель показывает, что увеличение памяти со 128 ГБ до 256 ГБ при росте цены на 10% повысит прогнозируемую долю выбора с 15% до 22%.
6. Области применения
Маркетинговые исследования (ценообразование, позиционирование, разработка нового продукта), экономика, транспортное планирование, экологические исследования (оценка стоимости природных объектов), политический анализ.
7. Преимущества
Измеряет предпочтения в реалистичных условиях выбора, где приходится идти на компромиссы.
Позволяет оценить ценность отдельных характеристик, в том числе тех, которые не продаются отдельно (например, бренд).
Даёт основу для прогнозирования доли рынка для новых продуктов до их запуска.
Позволяет сегментировать рынок на основе сходства предпочтений (адаптивный conjoint).
8. Ограничения и недостатки
Сложность и высокая стоимость проведения, требующая специального программного обеспечения и экспертизы.
Число оцениваемых атрибутов и уровней ограничено когнитивными возможностями респондентов (обычно не более 6-7 атрибутов).
Результаты зависят от корректности выбора атрибутов и их уровней; упущение важного атрибута искажает модель.
Предсказательная способность модели может снижаться в динамично меняющейся рыночной среде.