ФОКУЗ 
Тендеры и лиды
Информация
Представьте, что вы разрабатываете новый продукт. Что важнее для покупателей: низкая цена, известный бренд, расширенная гарантия или дополнительные функции? Если спросить людей напрямую, ответы часто оказываются неточными. В реальной жизни покупатели всегда идут на компромиссы.
Именно поэтому в маркетинговых исследованиях используют Conjoint-анализ (Conjoint Analysis) — метод, который позволяет определить, какие характеристики продукта действительно влияют на выбор клиента и сколько ценности имеет каждая из них.
Что такое Conjoint-анализ
Conjoint-анализ (анализ совместной полезности) — это статистический метод исследования предпочтений потребителей, который оценивает влияние различных характеристик товара или услуги на решение о покупке.
В отличие от обычных опросов, где человека спрашивают:
«Что для вас важнее — цена или бренд?»
Conjoint-анализ предлагает выбрать между несколькими вариантами продукта, отличающимися сразу несколькими характеристиками.
Например:
Вариант А
Apple
256 ГБ памяти
Цена 90 000 ₽
или
Вариант Б
Samsung
512 ГБ памяти
Цена 70 000 ₽
По множеству подобных выборов можно вычислить, насколько ценен для покупателя каждый параметр.
Именно поэтому метод считается одним из самых точных инструментов исследования потребительских предпочтений.
История метода
Основы Conjoint-анализа были разработаны в 1960-х годах в математической психологии (работы R. Duncan Luce и John Tukey).
В 1970-х метод начал активно использоваться в маркетинговых исследованиях, а сегодня применяется крупнейшими мировыми компаниями при разработке новых продуктов, выборе цены и прогнозировании спроса.
Современные версии метода активно используют логит-модели, машинное обучение и Байесовскую статистику.
Как работает Conjoint-анализ
Главная идея метода проста.
Покупатель никогда не оценивает характеристики отдельно.
Он оценивает продукт целиком.
Например, автомобиль воспринимается одновременно по:
цене;
бренду;
расходу топлива;
мощности двигателя;
коробке передач;
дизайну.
Conjoint-анализ позволяет разделить итоговую оценку на отдельные составляющие и определить:
какие характеристики наиболее важны;
сколько "стоит" каждая характеристика в глазах покупателя;
какие комбинации дадут максимальную вероятность покупки.
Этапы проведения Conjoint-анализа
Сначала выбираются характеристики продукта.
Например, для смартфона:
бренд;
цена;
объем памяти;
камера.
Эти характеристики называют атрибутами.
Для каждого атрибута задаются варианты.
Например:
Цена
50 000 ₽
70 000 ₽
90 000 ₽
Память
128 ГБ
256 ГБ
512 ГБ
Именно комбинации этих уровней будут оцениваться респондентами.
Из всех уровней автоматически формируются различные комбинации.
Например:
Бренд
Цена
Память
Камера
Apple
70 000 ₽
256 ГБ
Отличная
Samsung
50 000 ₽
512 ГБ
Хорошая
90 000 ₽
128 ГБ
Профессиональная
Каждая строка — отдельный вариант продукта.
Респондентам показывают несколько вариантов.
Их просят:
выбрать лучший;
расставить по порядку;
оценить по шкале.
Современные исследования чаще используют Choice-Based Conjoint (CBC), когда участник просто выбирает наиболее привлекательный вариант.
После сбора ответов строится статистическая модель.
Она рассчитывает частичную полезность (Part-worth Utility) каждого уровня атрибута.
Например:
Атрибут
Полезность
Apple
+35
Samsung
+20
+15
Цена 50 000 ₽
+42
Цена 90 000 ₽
–28
Чем выше полезность, тем сильнее характеристика влияет на выбор.
После этого определяется относительная важность каждой характеристики.
Например:
Цена — 38%
Объем памяти — 30%
Камера — 18%
Бренд — 14%
Получается понятная картина того, что действительно влияет на решение покупателя.
Наша система сама подберет вам исполнителей на услуги, связанные с разработкой сайта или приложения, поисковой оптимизацией, контекстной рекламой, маркетингом, SMM и PR.
Заполнить заявку
13691 тендер
проведено за восемь лет работы нашего сайта.
После построения модели можно проверить различные сценарии.
Например:
Что произойдет, если:
увеличить память до 512 ГБ;
поднять цену на 10%;
заменить бренд;
добавить бесплатную доставку?
Модель покажет прогнозируемую вероятность выбора нового продукта и поможет оценить потенциальную долю рынка еще до запуска.
Примеры Conjoint-анализа
Атрибуты
бренд;
цена;
память;
качество камеры.
Всего комбинаций:
3 × 3 × 3 × 3 = 81 вариант
Очевидно, что показывать человеку все 81 вариант нельзя. Поэтому используются специальные экспериментальные планы, которые сокращают число карточек без потери качества анализа.
Атрибуты:
сорт кофе;
размер;
цена;
степень обжарки.
Всего возможных комбинаций:
81
Исследование покажет, готовы ли покупатели платить больше за арабику или предпочитают более низкую цену.
Атрибуты:
авиакомпания;
стоимость;
время полета;
багаж;
питание.
Количество комбинаций:
243
Такой анализ позволяет определить, что важнее пассажирам: цена, скорость перелета или включенный багаж.
Исследуются:
кузов;
двигатель;
коробка передач;
цена;
расход топлива.
Количество возможных комбинаций:
324
Результаты помогают производителям понять, какие комплектации будут пользоваться наибольшим спросом.
Можно исследовать влияние:
звездности;
цены;
расстояния до моря;
типа завтрака;
наличия Wi-Fi.
Комбинаций:
243
Оцениваются:
процессор;
объем оперативной памяти;
тип накопителя;
размер экрана;
цена.
Всего:
432 комбинации
Очень сложный пример.
Исследуются:
страна;
сорт;
год урожая;
цена;
тип вина.
Количество комбинаций достигает:
1600
В таких случаях применяются дробные экспериментальные планы, позволяющие существенно сократить число оцениваемых вариантов.
Где применяется Conjoint-анализ
Метод широко используется в самых разных областях.
Наиболее распространенные направления:
маркетинговые исследования;
разработка новых продуктов;
выбор оптимальной цены;
продуктовые исследования;
UX-исследования;
тестирование новых тарифов;
оценка упаковки;
прогнозирование спроса;
моделирование доли рынка;
транспортное планирование;
экономика;
политические исследования;
экологические проекты.
Преимущества Conjoint-анализа
Основные достоинства метода:
моделирует реальные ситуации выбора;
учитывает компромиссы между характеристиками;
позволяет измерить ценность каждой характеристики;
помогает определить оптимальную цену;
прогнозирует вероятность покупки еще до выхода продукта на рынок;
позволяет тестировать десятки концепций без производства прототипов;
помогает сегментировать аудиторию по предпочтениям.
Недостатки метода
Несмотря на высокую точность, у метода есть ограничения.
К ним относятся:
сложность подготовки исследования;
необходимость статистического анализа;
ограниченное число атрибутов (обычно 5–7), чтобы не перегружать респондентов;
высокая чувствительность к правильному выбору характеристик;
необходимость достаточно большой выборки для получения надежных результатов.
Чем Conjoint-анализ отличается от обычного опроса
При обычном опросе респондент отвечает на вопросы напрямую.
Например:
«Насколько важна для вас цена?»
На практике люди часто переоценивают или недооценивают влияние отдельных факторов.
Conjoint-анализ оценивает не слова, а реальные предпочтения, заставляя выбирать между альтернативами. Благодаря этому результаты значительно ближе к поведению покупателей в реальной жизни.
Как проводить Conjoint-анализ в ФОКУЗ
Платформа ФОКУЗ поддерживает проведение конджойнт-анализа: в конструкторе исследований доступна соответствующая методика, позволяющая создавать исследования для оценки потребительских предпочтений, тестирования концепций продуктов и анализа выбора между различными комбинациями характеристик. Полученные данные помогают определить значимость отдельных параметров продукта, выявить реальные предпочтения аудитории и принимать обоснованные решения при разработке, позиционировании и ценообразовании
Заключение
Conjoint-анализ — один из наиболее точных методов маркетинговых исследований, позволяющий понять, какие характеристики продукта действительно влияют на выбор покупателей. Вместо прямых вопросов он моделирует реальные ситуации принятия решений, благодаря чему помогает определить ценность отдельных атрибутов, оптимизировать продукт, выбрать цену и спрогнозировать рыночный спрос.
Для компаний, разрабатывающих новые товары, услуги или тарифы, Conjoint-анализ является эффективным инструментом принятия решений на основе данных, а не предположений.
