Конджойнт-анализ (совместный анализ) — это многомерный статистический метод маркетинговых исследований, используемый для количественного измерения предпочтений потребителей путем оценки полезности (частичной полезности) отдельных атрибутов продукта или услуги. Метод позволяет определить, какие характеристики товара наиболее значимы для потребителя и какова их относительная ценность в процессе выбора.
2. Происхождение и контекст
Метод был разработан в 1970-х годах профессором Полом Грином и его коллегами в Уортонской школе бизнеса. Конджойнт-анализ основан на математической психологии и теории принятия решений. Широкое распространение получил в 1980-1990-е годы как ключевой инструмент для оптимизации продуктов и ценообразования.
3. Суть простыми словами
Вместо того чтобы прямо спрашивать потребителя «Что для вас важнее: цена или качество?», исследователь предлагает ему выбирать из нескольких вариантов продукта, где все характеристики (цена, бренд, дизайн, гарантия) представлены в разных комбинациях. Анализируя сотни таких выборов, компьютер вычисляет, сколько «полезности» (в баллах или деньгах) добавляет или убирает каждая характеристика. Это похоже на то, как мы узнаём истинные вкусы человека, наблюдая, какое мороженое он выбирает, а не спрашивая его об этом напрямую.
4. Как применяется метод
1.Определение цели и ключевых атрибутов: Исследователь определяет категорию продукта и выделяет 4-7 наиболее важных атрибутов (характеристик), влияющих на выбор. Для каждого атрибута определяются уровни (значения). Например, для смартфона:
2.Построение плана эксперимента: Полное число возможных комбинаций (полный факторный план) слишком велико. Используются специальные алгоритмы (дробный факторный план) для сокращения числа профилей до 12-20.
3.Разработка дизайна задания: Создаются карточки с описанием продуктов или интерактивные задания, где респондент последовательно выбирает лучший вариант из 2-4 представленных профилей (выбор из наборов) или ранжирует/оценивает профили.
4.Сбор данных: Опрос проводится на целевой аудитории (обычно 200-400 респондентов). Каждый респондент выполняет 10-15 заданий на выбор.
5.Статистическая обработка: С помощью регрессионного анализа (логистическая регрессия, иерархические байесовские модели) для каждого респондента рассчитываются частичные полезности (part-worth utilities) каждого уровня атрибутов.
6.Агрегирование и сегментация: Индивидуальные полезности усредняются по выборке, анализируются в разрезе сегментов потребителей.
7.Интерпретация и моделирование:
Расчет относительной важности атрибутов (в %).
Расчет готовности платить (WTP — willingness to pay) за улучшение характеристик.
Моделирование рыночной доли для различных конфигураций продукта при разной цене.