WikiDer > Совместный анализ

Conjoint analysis
Пример опроса на основе совместного анализа на основе выбора с приложением к маркетингу (изучение предпочтений в мороженом)

Совместный анализ - это основанный на опросах статистический метод, используемый в исследовании рынка, который помогает определить, как люди ценят различные атрибуты (характеристики, функции, преимущества), составляющие отдельный продукт или услугу.

Целью совместного анализа является определение того, какая комбинация ограниченного числа атрибутов больше всего влияет на выбор или принятие решения респондентом. Респондентам демонстрируется контролируемый набор потенциальных продуктов или услуг, и путем анализа того, как они делают выбор среди этих продуктов, можно определить неявную оценку отдельных элементов, составляющих продукт или услугу. Эти неявные оценки (полезности или частичная стоимость) могут использоваться для создания рыночных моделей, которые оценивают долю рынка, доход и даже прибыльность новых разработок.

Конджойнт-анализ возник в математическая психология и был разработан профессором маркетинга Пол Э. Грин на Wharton School Пенсильванского университета. Среди других выдающихся пионеров конджойнт-анализа профессор В. "Сеину" Шринивасан из Стэнфордского университета, который разработал процедуру линейного программирования (LINMAP) для ранжирования упорядоченных данных, а также самоочевидный подход, и Джордан Лувьер (Университет штата Айова), который изобрел и разработал основанные на выборе подходы к совместному анализу и связанные с ним методы, такие как лучшее – худшее масштабирование.

Сегодня он используется во многих социальных и прикладных науках, включая маркетинг, Управление продуктом, и исследование операций. Он часто используется при проверке приемлемости покупателем дизайн новых продуктов, при оценке привлекательности реклама И в сервис-дизайн. Он был использован в Позиционирование продукта, но есть люди, которые поднимают проблемы с этим приложением совместного анализа.

Методы совместного анализа могут также называться мультиатрибутным композиционным моделированием, моделированием дискретного выбора или исследованием заявленных предпочтений и являются частью более широкого набора инструментов анализа компромиссов, используемых для систематического анализа решений. Эти инструменты включают компромисс между брендом и ценой, Simalto, и математические подходы, такие как AHP,[1] эволюционные алгоритмы или же экспериментирование по разработке правил.

Совместный дизайн

Сфера продукта или услуги описывается с помощью ряда атрибутов. Например, телевизор может иметь такие атрибуты, как размер экрана, формат экрана, марка, цена и т. Д. Затем каждый атрибут можно разбить на несколько уровней. Например, уровни для формата экрана могут быть LED, LCD или Plasma.

Респондентам показывают набор продуктов, прототипов, макетов или изображений, созданных на основе комбинации уровней всех или некоторых составляющих атрибутов, и просят выбрать из них, оценить или оценить продукты, которые им показывают. Каждый пример достаточно похож, чтобы потребители увидели в нем близкие аналоги, но достаточно непохожий, чтобы респонденты могли четко определить свои предпочтения. Каждый пример состоит из уникального сочетания характеристик продукта. Данные могут состоять из индивидуальных оценок, порядков ранжирования или выбора среди альтернативных комбинаций.

Совместное проектирование включает четыре различных этапа:

  1. Определите тип обучения
  2. Определите соответствующие атрибуты
  3. Укажите уровни атрибутов
  4. Анкета дизайна

1. Определите тип обучения.

Могут быть разработаны различные типы исследований:

  • Конджойнт на основе рейтинга
  • Конджойнт на основе рейтинга
  • Конджойнт на основе выбора

2. Определите соответствующие атрибуты

Атрибуты в совместном анализе должны:

  • иметь отношение к принятию управленческих решений,
  • иметь разные уровни в реальной жизни,
  • ожидается, что это повлияет на предпочтения,
  • быть четко определенным и понятным,
  • желательно не иметь сильной корреляции (исключение - цена и бренд),
  • состоят как минимум из двух уровней.

3. Укажите уровни атрибутов.

Уровни атрибутов должны быть:

  • однозначный,
  • взаимоисключающий,
  • реалистично.

4. Разработайте анкету

По мере увеличения количества комбинаций атрибутов и уровней количество потенциальных профилей увеличивается в геометрической прогрессии. Как следствие, дробный факторный план обычно используется для уменьшения количества оцениваемых профилей, обеспечивая при этом наличие достаточного количества данных для статистического анализа, в результате чего респондент получает тщательно контролируемый набор «профилей».

Типы

Самыми ранними формами совместного анализа, начиная с 1970-х годов, были так называемые исследования полного профиля, в которых использовался небольшой набор атрибутов (обычно от 4 до 5) для создания профилей, которые показывались респондентам, часто на отдельных карточках. Затем респонденты оценили или оценили эти профили. Используя относительно простой фиктивная переменная регрессивный анализ могут быть рассчитаны неявные полезности для уровней, которые лучше всего воспроизводят ранги или рейтинги, указанные респондентами. В этих ранних конструкциях были замечены два недостатка.

Во-первых, количество используемых атрибутов было сильно ограничено. При большом количестве атрибутов задача рассмотрения для респондентов становится слишком большой, и даже при дробном факторном дизайне количество профилей для оценки может быстро увеличиваться. Чтобы использовать больше атрибутов (до 30), были разработаны гибридные совместные методы, которые объединяли самоэкспликацию (рейтинг или ранжирование уровней и атрибутов) с последующими объединенными задачами. Как бумажные, так и адаптивные компьютерные вопросники стали вариантами, начиная с 1980-х годов.

Второй недостаток заключался в том, что рейтинги или ранжирование профилей были нереалистичными и не имели прямой связи с теорией поведения. В реальных жизненных ситуациях покупатели выбирают среди альтернатив, а не ранжируют или оценивают их. Джордан Лувьер впервые применил подход, в котором использовалась только задача выбора, которая стала основой конджойнт-анализ на основе выбора и анализ дискретного выбора. Это заявленное исследование предпочтений связано с эконометрическое моделирование и может быть связан с выявленное предпочтение где модели выбора калибруются на основе реальных, а не данных обследования. Первоначально объединенный анализ на основе выбора не мог предоставить полезности на индивидуальном уровне, и исследователи разработали агрегированные модели для представления рыночных предпочтений. Это сделало его непригодным для исследований сегментации рынка. С более новой иерархической Байесовский методов анализа, можно оценить коммунальные услуги на индивидуальном уровне, которые обеспечивают более глубокое понимание неоднородных предпочтений отдельных лиц и сегментов рынка.

Сбор информации

Данные для совместного анализа чаще всего собираются посредством исследования рынка, хотя совместный анализ также может применяться к тщательно разработанным конфигуратор или данные из правильно спроектированного тестовый рынок эксперимент. Эмпирические правила исследования рынка применяются в отношении размера статистической выборки и точности при разработке интервью для совместного анализа.

Длина объединенного вопросника зависит от количества оцениваемых атрибутов и выбранного метода совместного анализа. Типичный адаптивный объединенный вопросник с 20-25 атрибутами может занять более 30 минут.[нужна цитата]. Объединение на основе выбора с использованием меньшего набора профилей, распределенных по выборке в целом, может быть выполнено менее чем за 15 минут. Упражнения по выбору могут отображаться как макет витрины магазина или в какой-либо другой моделируемой торговой среде.

Анализ

Пример вывода совместного анализа с применением в маркетинге.

В зависимости от типа модели для оценки функций полезности могут использоваться различные эконометрические и статистические методы. Эти полезные функции указывают на воспринимаемую ценность функции и насколько чувствительны восприятия и предпочтения потребителей к изменениям характеристик продукта. Фактическая процедура оценки будет зависеть от дизайна задачи и профилей респондентов, а также от шкалы измерения, используемой для обозначения предпочтений (с интервальной шкалой, ранжирование или дискретный выбор). Для оценки утилит для каждого уровня атрибутов с использованием задач полного профиля на основе рейтингов, линейная регрессия может быть подходящим для задач, основанных на выборе, оценка максимального правдоподобия обычно с логистическая регрессия обычно используется. Первоначальные методы оценки полезности представляли собой монотонный анализ дисперсии или методы линейного программирования, но современная практика маркетинговых исследований сместилась в сторону моделей, основанных на выборе, с использованием полиномиального логита, смешанных версий этой модели и других усовершенствований. Байесовские оценки также очень популярны. В настоящее время относительно популярны и иерархические байесовские процедуры.

Преимущества и недостатки

Преимущества

  • оценивает психологические компромиссы, на которые идут потребители при одновременной оценке нескольких атрибутов
  • может измерять предпочтения на индивидуальном уровне
  • выявляет реальные или скрытые факторы, которые могут быть не очевидны самим респондентам
  • имитирует реалистичный выбор или покупательскую задачу
  • умеет использовать физические объекты
  • при правильном проектировании может моделировать взаимодействия между атрибутами
  • может использоваться для разработки сегментации на основе потребностей при применении моделей, которые признают неоднородность вкусов респондентов

Недостатки

  • разработка совместных исследований может быть сложной
  • сталкиваясь со слишком большим количеством функций и профилей продуктов, респонденты часто прибегают к стратегиям упрощения
  • трудно использовать для исследования позиционирования продукта, потому что нет процедуры преобразования представлений о фактических характеристиках в представления об ограниченном наборе основных функций
  • респонденты не могут сформулировать свое отношение к новым категориям или могут чувствовать себя вынужденными думать о проблемах, о которых они иначе не задумывались бы.
  • плохо спланированные исследования могут переоценить эмоционально нагруженные характеристики продукта и недооценить конкретные характеристики
  • не принимает во внимание количество продуктов, приобретенных на одного респондента, но взвешивание респондентов по их самооценкам объема покупок или расширений, таких как объемный совместный анализ, может исправить это

Практическое применение

Исследования рынка

Одно из практических применений совместного анализа в бизнес-анализе дается в следующем примере. Застройщик заинтересован в строительстве многоэтажного жилого комплекса рядом с городским университетом Лиги плюща. Чтобы обеспечить успех проекта, нанимается фирма по исследованию рынка, которая проводит фокус-группы с нынешними студентами. Студенты разделены по учебному году (первокурсник, старшеклассники, аспирант) и размеру полученной финансовой помощи. Участникам исследования показан ряд сценариев выбора, включающих различные варианты проживания в квартире, указанные по 6 атрибутам (близость к университетскому городку, стоимость, телекоммуникационные пакеты, варианты прачечной, планы этажей и предлагаемые функции безопасности). Ориентировочная стоимость строительства здания для каждого варианта квартиры эквивалентна. Участникам предлагается выбрать предпочтительный вариант квартиры в рамках каждого сценария выбора. Это упражнение по принудительному выбору выявляет приоритеты и предпочтения участников. Полиномиальная логистическая регрессия может использоваться для оценки оценок полезности для каждого уровня атрибута из 6 атрибутов, участвующих в совместном эксперименте. Используя эти оценки полезности, можно спрогнозировать рыночное предпочтение любой комбинации уровней атрибутов, описывающих потенциальные варианты проживания в квартире.

Судебный процесс

Федеральные суды в Соединенных Штатах разрешили свидетелям-экспертам использовать совместный анализ для подтверждения своего мнения об ущербе, который нарушитель патента должен уплатить, чтобы компенсировать патентообладателю нарушение его прав.[2] Тем не менее, ученые-правоведы отметили, что судебная практика Федерального округа по использованию совместного анализа в расчетах патентных убытков остается в стадии формирования.[3]

Одним из примеров этого является то, как Apple использовала совместный анализ, чтобы доказать ущерб, понесенный нарушением авторских прав Samsung, и увеличить размер компенсации по делу.

Смотрите также

Рекомендации

  1. ^ Айзерман MJ, ван Тиль JA, Bridges JF (212). «Сравнение процесса аналитической иерархии и методов совместного анализа в оценке альтернативных методов лечения реабилитации после инсульта». Пациент. 5 (1): 45–56. Дои:10.2165/11587140-000000000-00000. PMID 22185216. S2CID 207299893.
  2. ^ Корнельский университет против Hewlett-Packard Co., 609 F. Supp. 2d 279 (N.D.N.Y., 2009 г.); Sentius Int'l, LLC против Microsoft Corp., № 5: 13-cv-00825, 2015 WL 331939 (N.D. Cal. 23 января 2015 г.).
  3. ^ Дж. Грегори Сидак и Джереми О. Ског, Использование совместного анализа для распределения патентных убытков(Рабочий документ Criterion Economics, 29 января 2016 г.), https://www.criterioneconomics.com/using-conjoint-analysis-to-apportion-patent-damages.html.

внешняя ссылка