MCSP 8.

ANALIZA CONJOINT

Analiza conjoint este o tehnic folosit pentru msurarea, analizarea i previzionarea rspunsului
clienilor la noi produse sau mbuntiri ale produselor existente. Preferinele clienilor pentru produse i
servicii (exprimate de obicei sub forma de descrieri i imagini) sunt descompuse n grupe de valoare (utiliti)
asociate cu fiecare nivel al fiecarui atribut al produsului. Grupele de valoare se pot recombina apoi pentru a
prezice preferinele clienilor pentru orice combinaie de proprieti. Se pot previziona de asemenea cota de
pia posibil sau profitul pe care l poate genera un nou produs atunci cnd este introdus ntr-o pia n care
sunt disponibile i alte produse ale competitorilor. Analiza conjoint se poate folosi i pentru a determina un
concept de produs optim i pentru a identifica segmente de pia care preuiesc mai mult un anumit concept de
produs.

Analiza conjoint pentru proiectarea produselor

Pentru mrfurile cu un singur atribut de interes (de exemplu preul), nu e foarte dificil de a realiza o
ierarhizare a produselor disponibile pe baza acelui unic atribut. De exemplu, toi ar trebui s prefere produsul
cu preul mai mic, atunci cnd toate produsele sunt identice. Dar, cum putem genera asemenea clasificri dac
produsele au atribute multiple, cum se ntmpl de cele mai multe ori? Dezavantajul la abordarea tradiional
este faptul c variante de alegere sunt prezentate din perspectiva atributelor analizate independent, unul cte
unul. Analiza conjoint prezint alternative de alegere ntre produsele definite de seturi de atribute. Meritul
analizei conjoint este faptul c solicit respondentului s fac alegeri n acelai mod ca un consumator: avnd n
vedere simultan toate atributele produsului i tranzacionnd ntre caracteristici, una mpotriva alteia.
n acest context analiza conjoint este folosit pentru a msura i nelege preferinele clienilor.
Rezultatele acestei analize pot fi folosite mai departe pentru a simula reacia pieei la produse noi.
Exist trei etape ntr-o analiz conjoint tipic:
1. Proiectarea instrumentului de colectare a datelor
2. Colectarea datelor de la consumatori
3. Analiza datelor i simularea rspunsului pieei.

Proiectarea unui studiu conjoint

Analiza conjoint pornete de la premisa c produsele pot fi clasificate dupa un anumit set de atribute. De
exemplu, pizza poate avea urmtoarele atribute (caracteristici): mrime, tip de blat, cantitate de brnz, tip
de mezel folosit, pre etc... Fiecare tip de pizza poate fi apoi descris ca o combinaie de niveluri ale acestor
atribute.
Obiectivul etapei de proiectare este de a specifica un set de variante ale unui anumit produs n vederea
evalurii lor de ctre cumprtori, ntr-un asemenea mod nct acele evaluri s poat fi descompuse apoi n
categorii valorice pe care fiecare client le ataeaz fiecrui atribut al produsului.
Dezvoltarea unui asemenea proiect nu e un lucru simplu. De exemplu, dac exist 6 atribute ale
produsului, fiecare atribut avnd 4 niveluri (variante) posibile, atunci putem crea 4 6 (=4096) produse
diferite. Nu e rezonabil ca fiecare client s evalueze toate acele produse. n contextul analizei conjoint,
respondentului i se prezint o fraciune reprezentativ (numit serie ortogonal) din toate combinaiile
posibile ale nivelurilor factorului. Dac un client evalueaz doar 25 de produse, datele sunt suficiente pentru
a estima categoriile valorice pentru nivelurile atributelor. Aceast selecie este conceput astfel nct s
capteze principalele efecte pentru fiecare nivel al atributelor factorului. Interaciunile dintre nivelurile
atributelor unui factor cu nivelurile atributelor altui factor sunt presupune a fi neglijabile.
n aceast analiz se pleac de la premisa unui proces de decizie n care toate atributele intr simultan n
procesul de evaluare, ceea ce ne impune s ne limitm la relativ puine proprieti pentru a nu solicita un
1

efort exagerat al persoanei chestionate i s alegem caracteristici relevante ale produsului analizat. Trebuie
alese proprieti care se presupune c ar fi relevante pentru decizia de cumprare, ceea ce nseamn c sunt
relevante pentru evaluarea utilitii totale. Nu n ultimul rnd trebuie considerate i posibilitile tehnice de
realizare a produsului de ctre productor.
Grupele de produse trebuie s satisfac cerina de ortogonalitate (independena atributelor) ceea ce
nseamn c utilitatea unui nivel al unui atribut nu trebuie s fie influenat de ctre alte proprieti. n
cadrul grupelor de produse selectate, fiecare nivel al unui atribut se combin n aproximativ aceeai
proporie cu nivelurile altor atribute. Astfel, dac selectm oricare dou atribute A i B, atunci probabilitatea
de a gsi nivelul Bi ntr-un grup de produse este aceeai indiferent de nivelul atributului A j prezent n
grupulul de produse. Multe pachete software pot crea asemenea combinaii ortogonale automat. Utilizatorii
experimentai pot crea proiecte alternative care iau n considerare att efectele principale ct i interaciile,
sau pot crea proiecte non-ortogonale care sunt de asemenea eficiente n a obine informaii de la participanii
la studiu (de exemplu analiza conjoint adaptiv).
Fiecare atribut Xi are mai multe niveluri. Cnd estimm utilitile asociate nivelurilor acestor atribute,
numrul de parametrii independeni ce pot fi estimai este egal cu:

n
i 1

1 1

(1)

unde N este numrul de atribute i ni este numrul de niveluri valorice ale atributului i. Pentru fiecare atribut
al unui produs, putem stabili arbitrar valoarea cea mai mic pentru utilitate (de exemplu, egal cu 0). Putem
seta de asemenea arbitrar i utilitatea total maxim pentru orice produs (de exemplu, egal cu 100).
n unele cazuri combinaiile ortogonale pot avea ca rezultat produse nerealiste, atunci cnd participanii
la studiu percep unele atribute folosite ca fiind corelate. De exemplu, puterea unui automobil i consumul
acestuia au n general o corelare negativ, dar combinaiile ortogonale automate pot defini produse ipotetice
ce combin putere mare cu niveluri nerealist de mari pentru consumul de combustibil. Dac un produs este
nerealist ntr-o combinaie ortogonal, exist cteva posibiliti de remediere a acestui lucru:
1. Putem combina atributele i dezvolta un nou set de niveluri pentru atributul combinat. De exemplu,
puterea i consumul pot fi combinate ntr-un atribut numit performan cu nivelul ridicat asociat cu
puterea mare i consum redus, i nivel redus asociat cu putere mic i consum mare.
2. Putem nlocui produsele nerealiste cu alte combinaii generate aleator, dar fr s dubleze unele
combinaii deja alese. n timp ce aceast abordare compromite ortogonalitatea, ea nu va afecta
semnificativ estimrile funciilor de utilitate dac nlocuim puine grupe de produse (mai puin de 5%).
3. Putem forma alte combinaii ortogonale (dei acest remediu necesit expertiz ridicat)
Un alt lucru ce trebuie avut n vedere n dezvoltarea unui design acceptabil este natura exact a
instrumentului de colectare a datelor. Aici exist mai multe opiuni, inclusiv:
1. participanii sorteaz i ierarhizeaz un set de carduri, fiecare coninnd o descriere a unui produs.
2. participanii acord un calificativ pentru fiecare produs, pe o scar de la 0 la 100, pentru a reflecta
probabilitatea lor de a cumpra acel produs.
3. participanilor li se prezint diferite produse, cte dou la un moment dat, iar ei repartizeaz 100 de
puncte ntre cele dou produse.
4. participanilor li se ofer succesiv mai multe seturi de produse i ei aleg cte un produs preferat din
fiecare set.
Fiecare din aceste metode de culegere a datelor are asociate anumite dezavantaje i beneficii.

Folosirea datelor colectate ntr-o analiz conjoint pentru simularea pieei

2

n funcie de natura exact a datelor colectate, exist diverse opiuni pentru analizarea datelor i
pentru a crea o funcie de valoare a fiecrui atribut. Dac datele au fost colectate conform opiunilor 1 i
2 din lista anterioar, cea mai simpl abordare este de a utiliza regresia cu variabile dummy:
K

Mk

Rij aikm x jkm ij

(2)

k 1 m 1

unde,
j = un produs (concept) particular inclus in studiu; i = un respondent
Rij = ratingul acordat de respondentul i pentru produsul j (variant: ratingul poate fi rsturnat, a..
rangurile cele mai mari corespund produselor preferate)
aikm = valoarea (utilitatea) acordat de respondentul i nivelului m al atributului k (m=1,2,...M k;
k=1,2,...K); Mk= numarul de niveluri ale atributului k; K= numarul de atribute
xjkm= variabila dummy care ia valoarea 1 daca al m-lea nivel al atributului k este prezent la produsul j i
valoarea 0 n caz contrar;
ij = eroarea.

Pentru a facilita interpretarea, estimaiile a ikm obtinute in urma regresiei pot fi rescalate astfel
incat nivelul cel mai puin preferat pentru fiecare atribut sa fie setat la 0 si combinatia maxima de
produse preferate la 100, ceea ce conduce la rezultate comparabile. Valorile aikm rescalate sunt:

~a
ikm

a ikm min a ikm

max a ikm min a ikm

a ikm estimate pentru

Utilitatea total a produsului j pentru consumatorul i este suma utilitilor ~
toate nivelurile Mk ale tuturor atributelor K:
K

Mk

~ x
U ij a
ikm jkm

(3)

k 1 m 1

Produsul j este orice produs care poate fi proiectat utiliznd atribute i niveluri, inclusiv un
produs care nu au fost inclus n estimarea valorilor (utilitilor).
Un motiv important pentru utilizarea pe scar larg a analizei conjoint este c, odat ce valorile
sunt estimate la un eantion reprezentativ de respondenti, este uor de a evalua succesul probabil al unui
produs nou n diverse condiii de piata. Una din intrebari ar putea fi: ce cota de piata ar avea un nou
produs propus ntr-o pia cu mai multi competitori specifici existenti?
Pentru a rspunde la aceasta ntrebare mai nti specificam toate produsele existente sub forma
unor combinaii intre nivelurile atributelor studiate, estimam valorile utilitilor acestora i apoi
calculm utilitatea noului produs ca sum a utilitilor nivelurilor atributelor sale specifice.

Transformarea preferintelor in alegeri.

3

Pentru a completa simularea trebuie sa specificam o regula de alegere pentru a transforma

valoarea produsului in alegerea cea mai probabil pe care consumatorul o va face. Trei dintre cele mai
commune reguli de alegere sunt: utilitatea maxima, cota de utilitate si distributia.
Regula utilitatii maxime. n conformitate cu aceast regul, vom presupune c fiecare client n
parte alege dintre variantele disponibile de produse, inclusiv un nou concept de produs, pe acela care
ofer cea mai mare utilitate. Aceasta regula este cea mai potrivita pentru cazuri precum achiziii puin
frecvente: autoturisme, computere, alte bunuri de folosin ndelungat cumprate rar.
Putem calcula cota de pia mj pentru un produs raportand numrul de clieni pentru care acel
produs ofer cea mai mare utilitate la numrul total de clieni n studiu. Uneori poate fi necesar s se
pondereze pentru fiecare client probabilitatea de a achizitiona produsul j cu volumul relativ de achiziii
pe care clientul le face din acea categorie de produse:

mj =

(4)

unde
I = numrul de clieni care particip la studiu;
J = numrul de variante de produse disponibile dintre care alege clientul, inclusiv noile produse;
mj = cota de pia a produsului j;
wi = volumul relativ al achiziiilor fcute de clientul i; pentru ntregul grup de clieni volumul mediu de
achiziii este indexat la valoarea 1;
pij = probabilitatea ca clientul i s aleag produsul j (proporia achiziiilor pe care clientul i le face din
produsul j).
Regula cotei de utilitate. Aceast regul se bazeaz pe ideea c, cu cat
utilitatea relativ a unui produs j din setul de produse J este mai mare pentru un anumit client, cu att
este mai mare probabilitatea pij ca el sa aleaga acel produs. Astfel, fiecare produs j deine o parte din
achiziiile cumprtorului i, direct proporional cu ponderea produsului n preferinele cumprtorului:
pij

uij
J

u
j 1

pentru j din setul de produse J,

(5)

ij

unde uij este utilitatea estimata a produsului j pentru clientul i.

Putem apoi obine cota de pia pentru produsul j ca medie a valorilor probabilitilor p ij pe
ansamblul clienilor (folosind eventual o medie ponderat ca n ecuaia (4)).
I

p
i 1

ij

Aceast regula de alegere este deosebit de importanta pentru produse frecvent achiziionate, cum
ar fi bunuri de consum preambalate. Aceast regula de alegere este larg aplicat n studiile conjoint i
adesea furnizeaz estimri corecte ale cotelor de pia.
Regula de distributie a alegerii. Aceasta regula este similara cu regula cotei de utilitate, dar baza
teoretic este diferita. Cnd aplicm modelul cotei de utilitate presupunem c funciile de utilitate sunt n
4

esen corecte, dar un element aleator apare la transformarea utilitilor n alegeri. n aplicarea regulii de
distributie a alegerii presupunem c valorile utilitilor sunt calculate ca realizari medii ale unui proces
aleator, astfel incat produsul cu utilitate maxim variaz la ntmplare de la o achiziie la alta. Regula de
distributie a alegerii d apoi proporia cazurilor n care produsul j va avea utilitate maxim:

pij =

pentru j din setul de produse J.

(6)

Atat regula cotei de utilitate, cat si regula de distributie a alegerii, au o proprietate cunoscuta ca
AII (independena fa de alternative irelevante). Probabilitatea alegerii din orice subset de variante
depinde numai de alternativele incluse n set i este independent de orice alte variante care nu sunt
incluse. Aceast proprietate implic faptul c, n cazul n care de exemplu ai prefera bere light celei
normale, adugnd o bere normala (aadar o alternativ irelevanta) la setul dumneavoastra de alegeri sar micsora probabilitatea de a alege o bere light.
Cum ar trebui s selectai aceste reguli? Regula utilitatii maxime (numit i regula primei
alegeri) este simpla i alegerile anticipate folosind aceast regul nu sunt afectate de transformari
pozitive liniare ale funciei de utilitate. Aceast regul este relevant n special pentru produsele cu
preturi mari i n cazul n care clienii sunt foarte implicai n deciziile de cumprare. Totui, aceast
regul prezice cote de pia extreme, adic are o tendin de a produce cote de pia mai aproape de zero
i unu, comparativ cu alte reguli de alegere. De asemenea, este mai puin robust - mici modificri n
valorile de utilitate ale produselor pot schimba drastic cotele lor de piata. Pe de alt parte, previziunile
cotei de piata fcute prin regulile cotei de utilitate si distributiei alegerilor sunt sensibile la scala pe care
este msurat utilitatea. Ponderea cotei de piata obinut prin regula cotei de utilitate se va schimba n
cazul n care se adaug o valoare constant la utilitatile calculate ale fiecrui produs, dar ele sunt
nemodificate n cazul n care toate valorile utilitatilor sunt nmulite cu o constant. Cota de pia si
obinut prin regula distributiei alegerilor nu este modificat n cazul n care se adaug o constanta la
utilitati, dar se va schimba n cazul n care se multiplic toate utilitile cu o constant. Astfel, fiecare
regul i are avantajele i limitele proprii.
O modalitate de a alege ntre aceste trei reguli. n primul rnd, pentru fiecare regul, calculati
cotele de pia estimate doar pentru produsele existente, apoi utilizai regula de alegere care produce
cotele de pia cele aproape (in sensul celor mai mici patrate) de valoarea real a cotei de pia a acestor
produse. Aceasta presupune folosirea unui eantion reprezentativ de clieni pentru studiu. Aceast
abordare poate fi formalizat folosind o alt regula de alegere, numita regula Alpha.
Regula Alpha este o combinaie intre regula utilitatii maxime i regula cotei de utilitate.

Pij=

(7)

Pentru a determina cea mai bun valoare pentru , am minimizat "entropia" reprezentnd
mrimea abaterilor cotelor de piata calculate de la valorile lor efective:

Entropia= m j ln ~ j
j
m j ( )

(8)

unde j este un indice care s reprezinte un produs existent, m j este cota de pia real pentru produsul j,
~
iar m j este cota de pia calculat pentru produsul j pentru orice .

Segmentarea clienilor pe baza preferinelor lor

Pn acum ne-am concentrat asupra nivelurilor individuale ale analizei conjoint si a
comportamentului prevazut al pietei prin agregarea alegerilor individuale ale clientilor. Aadar, am
grupat implicit toti clientii ntr-un singur segment. n cazul n care piaa este constituit din grupuri
distincte de clieni exist mai multe opiuni.
1.Segmentarea ex-post: am putea aplica analiza cluster tradiional asupra datelor pentru a
identifica segmentele de clieni cu diferite preferine.
2. Segmentarea latent este util atunci cnd nu tim (sau nu putem aproxima satisfctor)
numrul de segmente. Aceast abordare necesit un eantion mai mare dect analiza cluster.
3. Ierarhic Bayes: presupunem c clienii provin din una sau mai multe populaii (de exemplu,
dintr-un amestec de populaii finite). Clienii din fiecare populaie au diferite funcii de utilitate, stabilite
dup o anumit distribuie. n acest caz vom putea estima funciile de utilitate ale fiecarui respondent cu
condiia ca el sa apartina unei anumite populaii (segment).Valoarea acestor estimri poate fi folosita n
simulri pentru a determina cota de piata previzionata pentru un produs specificat din orice segment,
precum i pentru populaia total. Metoda Ierarhic Bayes este laborioas, dar acum sunt disponibile
pachete software.
EXEMPLU
O companie interesat de promovarea unui nou tip de detergent Biocarpet dorete s analizeze influena
a cinci factori asupra preferinei consumatorilor: design-ul ambalajului, marca, preul, sigiliul Good
Housekeeping i garania.

Numele variabilei
Ambalaj
Marc
Pre
Sigiliu
Bani

Variabila marc

Valoarea marc

Design-ul ambalajului
Numele mrcii
Preul produsului
Sigiliu Good Housekeeping
Garanie

A*, B*, C*
K2R, Glory, Bissell
$1.19, $1.39, $1.59
nu, da
nu, da

Pot exista i ali factori care caracterizeaz produsul Biocarpet, dar aceti sunt singurii factori care
prezint interes pentru management-ul companiei. Acesta este un aspect important al analizei conjoint: se aleg
acei factori (variabilele independente) care influeneaz consistent preferinele subiecilor (variabilele
dependente).
Primul pas al analizei combinate este crearea unor combinaii ale nivelurilor factorilor, prezentate
subiecilor ca profile ale produsului. Din moment ce chiar un numr mic de factori i cteva niveluri ale fiecrui
factor conduc la un numr inimaginabil de profile poteniale ale produsului, este necesar generarea unui subset
cu dispunere ortoganal.
Procedura Orthogonal Design genereaz o dispunere ortogonal i stocheaz datele ntr-un fiier plan.
Spre deosebire de majoritatea procedurilor, nu este necesar un set de date activ; exist opiunea de a crea acest
set, genernd variabile nume, variabile marc i valori marc din opiunea de dialog.
Pentru crearea unei dispuneri ortogonale:
From the menu choose:
Data
Orthogonal Design
Generate...

Introducei n caseta de text Factor Name ambalajul i n caseta text Factor Label designul
ambalajului.
6


Click Add.

Selectati itemul designul ambalajului

Click Define Values.

Introduceti valorile 1, 2 si 3 pentru a reprezenta variantele designului ambalajului (A*, B* si C*).

Introducei de asemenea etichetele A *, B *, C *.

Click Continue.
Procesul se repet pentru ceilali factori: nume de marc, pre, sigiliu i bani. Se vor utiliza valorile i
mrcile din tabelul urmtor.
Factori
Ambalaj
Marc
Pre
Sigiliu
Bani

Valori
1, 2, 3
1, 2, 3
1.19, 1.39, 1.59
1, 2
1, 2

Mrci
A*, B*, C*
K2R, Glory, Bissell
$1.19, $1.39, $1.59
nu, da
nu, da

Generarea unui design ortogonal implic utilizarea un set de valori aleatoare. Dac se dorete duplicarea
design-ului utilizat n acest caz e necesar selectarea valorii iniiale naintea generrii design-ului (se selecteaz
Reset random number seed to i se introduce valoarea 2000000) i resetarea la aceai valoare pentru
urmtoarea generare a design-ului.
Click Options.
n Minimum number of cases to generate text box, tasteaz 18. Procedura determin automat
numrul minim de cazuri necesare pentru a permite estimarea utilitilor. Dac numrul minim de cazuri
generat este prea mic pentru utilizare sau dac exist consideraii de design experimental care impun un
anumit numr de cazuri poate fi specificat numrul de cazuri dorit (de ex. 18).

Se selecteaz Number of holdout cases i se tasteaz 4. Cazurile Holdout sunt evaluate de

subieci, dar nu sunt utilizate n analiza conjoint pentru estimarea utilitilor. Ele sunt utilizate pentru
verificarea validitii utilitilor estimate. Cazurile holdout sunt generate dintr-un alt plan aleator, nu din
planul ortogonal experimental.
Click Continue n csua de dialog Generate Orthogonal Design Options.
Odat terminat specificaia factorilor se selecteaz New data file din Data File group in csua de dialog
Generate Orthogonal Design pentru a salva design-ul generat i se specific numele fiierului: carpet_plan.sav.
Click OK n csua de dialog Generate Orthogonal Design.
Design-ul ortogonal se gsete acum n Data Editor i poate fi vizualizat mai bine prin expunerea valorilor
marc n locul valorilor actuale. Aceasta funcie se realizeaz prin selectarea Value Labels din meniul View.
Variabilele din fisierul de date sunt factorii utilizai pentru specificarea design-ului. Fiecare caz reprezint
un profil al produsului din design. Dou variabile suplimentare, CARD_ i STATUS_, apar n fiierul de date.
CARD_ aloc un numr secvenial (de la 1 la 22) fiecrui profil utilizat pentru a-l identifica. STATUS_ indic
dac profilul este parte a design-ului experimental (primele 18 cazuri), un caz holdout (ultimele 4 cazuri) sau un
caz de simulare.
Ex.
ambalaj marca

pret

sigiliu bani STATUS_

CARD_

14 A*

Glory

$1.19 da

nu

Design

14

15 B*

K2R

$1.39 da

da

Design

15

16 A*

K2R

$1.19 nu

nu

Design

16

17 A*

Bissel

$1.59 nu

da

Design

17

l
18 B*

Bissel
l

$1.19 nu

nu

Design

18

19 A*

Bissel
l

$1.59 da

nu

Holdout

19

20 C*

K2R

$1.19 da

nu

Holdout

20

21 A*

Glory

$1.59 nu

nu

Holdout

21

22 A*

Bissel
l

$1.19 nu

nu

Holdout

22

Design-ul experimental este input n analiza datelor i este recomandat s fie salvat n format SPSS.
Prezentul design a fost salvat n carpet_plan.sav.
Odat creat design-ul ortogonal, este necesar ca profilele produsului s fie evaluate de ctre subieci. n
acest scop se poate obine o listare a tuturor profilelor ntr-un singur tabel sau fiecare profil ntr-un tabel separat.
Pentru afiarea design-ului ortogonal:
From the menus choose:
Data
Orthogonal Design
Display...
Se selecteaz ambalajul, marca, preul, sigiliul i banii
ca factori.
Informaia coninut n variabilele STATUS_ i CARD_
este automat inclus n output, aadar nu trebuie selectate.
Se selecteaz Listing for experimenter n Format.
Aceasta determin prezentarea ntregului design
ortogonal ntr-un singur tabel.
Click OK.
Rezultatul arat design-ul ortogonal ca i n Data Editor un rnd pentru fiecare profil, cu factorii pe
coloane. Cazurile holdout sunt identificate cu nota de subsol a. Acest aspect prezint interes pentru experiment,
dar subiecii nu trebuie s tie care din cazuri, dac exist unele, sunt holdouts. n funcie de cum sunt definite
profilele finale ale produsului, tabelul poate fi salvat ca HTML, Word/RTF, Excel sau PowerPoint. Acest lucru
se realizeaz uor, selectnd tabelul din Viewer, click dreapta i selectare Export. De asemenea, dac se
reutilizeaz o versiune anterior exportat pentru crearea profilelor finale ale produsului, trebuie avut grij ca
notele de subsol pentru cazurile holdout s fie terse.

Card List
Card ID

package design

brand name

price

good
seal

housekeeping money-back
guarantee

A*

Glory

$1.39

yes

no

B*

K2R

$1.19

no

no

B*

Glory

$1.39

no

yes

C*

Glory

$1.59

no

no

C*

Bissel

$1.39

no

no

A*

Bissel

$1.39

no

no

B*

Bissel

$1.59

yes

no

A*

K2R

$1.59

no

yes

C*

K2R

$1.39

no

no

10

10

C*

Glory

$1.19

no

yes

11

11

C*

K2R

$1.59

yes

no

12

12

B*

Glory

$1.59

no

no

13

13

C*

Bissel

$1.19

yes

yes

14

14

A*

Glory

$1.19

yes

no

15

15

B*

K2R

$1.39

yes

yes

16

16

A*

K2R

$1.19

no

no

17

17

A*

Bissel

$1.59

no

yes

18

18

B*

Bissel

$1.19

no

no

19a

19

A*

Bissel

$1.59

yes

no

20a

20

C*

K2R

$1.19

yes

no

21a

21

A*

Glory

$1.59

no

no

22a

22

A*

Bissel

$1.19

no

no

a. Holdout

Este posibil ca s se genereze un tabel separat pentru fiecare profil al produsului (tabele pot fi salvate pe
slide-uri separate PowerPoint). Pentru aceasta:
Click pe butonul Recall si selectati Display Design.
Deselectati Listing for experimenter si selectati Profiles for subjects.
Click OK.
Informaia pentru fiecare profil al produsului este acum prezentat ntr-un tabel separat. n plus, cazurile
holdout nu se disting de restul cazurilor, astfel c nu e necesar tergerea elementelor de identificare fa de
restul cazurilor, ca n cazul prezentrii profilelor ntr-un singur tabel.
Profile Number 1
Card ID

package design

brand name

price

good
seal

A*

Glory

$1.39

yes

housekeeping money-back
guarantee
no

Profile Number 2
Card ID

package design

brand name

price

good
seal

B*

K2R

$1.19

no

housekeeping money-back
guarantee
no

Profile Number 3
Card ID

package design

brand name

price

good
seal

B*

Glory

$1.39

no

housekeeping money-back
guarantee
yes

Profile Number 4
Card ID

package design

brand name

price

good
seal

C*

Glory

$1.59

no

housekeeping money-back
guarantee
no

Profile Number 5
Card ID

package design

brand name

price

good
seal

C*

Bissell

$1.39

no

housekeeping money-back
guarantee
no

Profile Number 6
Card ID

package design

brand name

price

good
seal

A*

Bissell

$1.39

no

Profile Number 7
Profile Number 8

housekeeping money-back
guarantee
no

CardID
ID
Card

package
packagedesign
design

brandbrand
namename

priceprice

7
8

B*
A*

Bissell
K2R

$1.59
$1.59

good housekeeping money-back

goodsealhousekeeping money-back
guarantee
seal
guarantee
yes
no
no
yes

Profile Number 9
Card ID

package design

brand name

price

good
seal

C*

K2R

$1.39

no

housekeeping money-back
guarantee
no

Profile Number 10
Card ID

package design

brand name

price

good
seal

10

C*

Glory

$1.19

no

housekeeping money-back
guarantee
yes

Profile Number 11
Card ID

package design

brand name

price

good
seal

11

C*

K2R

$1.59

yes

housekeeping money-back
guarantee
no

Profile Number 12
Card ID

package design

brand name

price

good
seal

12

B*

Glory

$1.59

no

housekeeping money-back
guarantee
no

Profile Number 13
good
seal

housekeeping money-back
guarantee

$1.19
price

yes
good
seal

yes
housekeeping money-back
guarantee

K2R

$1.39

yes

Card ID
package design
Profile Number 15
13
C*
Card ID
package design

brand name

price

Bissell
brand name

15

B*

yes

Profile Number 16
Card ID

package design

brand name

price

good
seal

16

A*

K2R

$1.19

no

10

housekeeping money-back
guarantee
no

Profile Number 17
Card ID

package design

brand name

price

good
seal

17

A*

Bissell

$1.59

no

housekeeping money-back
guarantee
yes

Profile Number 18
Card ID

package design

brand name

price

good
seal

18

B*

Bissell

$1.19

no

housekeeping money-back
guarantee
no

Profile Number 19
Card ID

package design

brand name

price

good
seal

19

A*

Bissell

$1.59

yes

housekeeping money-back
guarantee
no

Profile Number 20
Card ID

package design

brand name

price

good
seal

20

C*

K2R

$1.19

yes

housekeeping money-back
guarantee
no

Profile Number 21
Card ID

package design

brand name

price

good
seal

21

A*

Glory

$1.59

no

housekeeping money-back
guarantee
no

Profile Number 22
Card ID

package design

brand name

price

good
seal

22

A*

Bissell

$1.19

no

housekeeping money-back
guarantee
no

Rularea analizei conjoint

Zece consumatori evalueaz cele 22 de profile ale produsului definite de cei 5 factori, ncepnd cu profilul
cel mai puin preferat. Variabilele PREF1 i PREF22 conin date de identificare ale profilelor asociate, aa cum
au fost definite n carpet_plan.sav. Datele privind preferinele subiecilor sunt salvate n carpet_prefs.sav. Datele
constau din rspunsurile celor 10 subieci, fiecare identificat prin valoarea unic a variabilei ID. Subiecilor li sa cerut s clasifice cele 22 de profile ale produsului, ncepnd cu cel mai puin preferat (care primete rangul
22). Variabilele PREF1 pn la PREF22 conin ID-urile profilelor produsului asociat (ID-ul din
carpet_plan.sav). Subiectului 1, spre exemplu, i-a plcut cel mai mult profilul 13, astfel nct PREF1 are
valoarea 13.
ID

pref1

pref2

pref3

pref4

pref5

pref6

pref7

pref8

pref9

pref10

pref11

pref12

pref13

pref14

pref15

pref16

pref17

pref18

pref19

pref20

pref21

pref22

13

15

20

14

11

19

10

17

12

21

18

22

16

15

18

12

11

20

16

21

22

17

19

14

10

13

18

14

16

22

13

20

10

15

12

19

17

21

11

13

10

20

14

18

16

22

15

17

11

19

12

21

13

18

10

20

15

11

12

22

14

16

19

21

17

15

12

18

20

10

11

13

16

14

22

21

19

17

13

15

18

10

20

14

11

19

17

12

16

21

22

15

13

16

22

21

18

10

20

14

11

17

19

12

20

10

11

13

15

12

18

21

14

16

22

17

19

10

21

19

17

11

12

15

14

16

22

20

10

13

18

11

Analiza datelor necesit folosirea sintaxei de comand. Sintaxa funciei CONJOINT se gsete n fiierul
conjoint.sps.
CONJOINT PLAN='file specification'
/DATA='file specification'
/SEQUENCE=PREF1 TO PREF22
/SUBJECT=ID
/FACTORS=PACKAGE BRAND (DISCRETE)
PRICE (LINEAR LESS)
SEAL (LINEAR MORE) MONEY (LINEAR MORE)
/PRINT=SUMMARYONLY.

Subcomanda PLAN specific fiierul care conine design-ul ortogonal, n acest exemplu
carpet_plan.sav.

Subcomanda DATA specific fiierul care conine datele privind preferinele, n acest
exemplu carpet_prefs.sav; dac se alege fiierul cu datele privind preferinele ca set de date activ, specificaia
fiierului poate fi nlocuit cu un (*), fr ghilimele.

Subcomanda SEQUENCE arat c fiecare informaie din fiierul cu date privind preferina
e un numr al profilului, ncepnd cu cel mai preferat profil (PREF1) i terminnd cu cel mai puin preferat profil
(PREF22).

Subcomanda SUBJECT arat c variabila ID identific subiecii.

Subcomanda FACTORS arat un model care descrie relaia ateptat dintre datele privind
preferina i factorii specificai (variabile definite n fiierul plan).
Cuvntul cheie DISCRETE indic faptul c nivelurile factorului sunt categoriale i c nu se face nici o
presupunere cu privire la relaia dintre factor i preferine. Aceast opiune este implicit. Acesta este cazul
variabilelor ambalaj i marca.
Cuvntul cheie LINEAR este folosit pentru ceilali factori dac se preconizeaz o legtur liniar a
preferinelor n raport cu factorul. Spre exemplu, e de ateptat ca preferina s fie, n mod normal, liniar n
raport cu preul. Pot fi specificate i modelele ptratice cu cuvintele cheie IDEAL i ANTIIDEAL.
Cuvintele cheie MORE i LESS, dup LINEAR, indic sensul (direct sau invers) ateptat pentru relaia
liniar dintre preferine i factor. Cuvntul cheie LESS indic faptul c nivelurile inferioare ale unui factorului
sunt preferabile; este folosit pentru pre deoarece ne ateptm ca preferina s mai mare n cazul preurilor mici.
Cuvntul cheie MORE indic faptul c niveluri mai ridicate ale factorului sunt probabil preferate; ne ateptm
ca preferina s fie mai mare n cazul produsului cu sigiliul Good Housekeeping sau n cazul existenei unei
garanii, deci este folosit pentru variabilele sigiliu i bani (cu precizarea c, pentru ambii factori, nivelurile au
fost setate la 1 pentru nu i 2 pentru da). Specificarea MORE sau LESS nu schimb semnele coeficienilor i nu
afecteaz estimarea utilitilor. Aceste cuvinte cheie sunt folosite doar pentru identificarea subiecilor ale cror
estimri nu se ndreapt n direcia ateptat.
n mod similar, alegerea IDEAL sau ANTIIDEAL nu afecteaz coeficienii sau utilitile.
Cuvntul cheie IDEAL indic o relaie patratica de ateptat ntre preferine i factor. Se presupune c
exist un nivel ideal pentru factor, i distana fa de acest punct (n orice direcie) este asociat cu scderea
preferinei. Factorii descrii cu acest model ar trebui s aib cel puin trei niveluri.
Cuvntul cheie ANTIIDEAL indic o relaie ptratic de ateptat ntre preferine i factor. Se presupune c
exist un nivel cel mai ru pentru factor, iar distana de la acest punct (n orice direcie) este asociat cu
creterea preferinei. Factorii descrii cu acest model ar trebui s aib cel puin trei niveluri.

Subcomanda PRINT controleaz modul n care se afieaz rezultatele. Dac avei un numr
mare de subieci, putei alege limitarea output-ului doar la rezultatele sintetice pentru ntregul grup
(SUMMARYONLY), omind informaiile detaliate pentru fiecare subiect.
Se activeaz comanda syntax. Se aleg ci valide pentru carpet_prefs.sav i carpet_plan.sav.
Tabelul urmtor arat estimaiile medii ale utilitii i erorile standard pentru fiecare nivel al fiecrui
factor. Valorile de utilitate mari indic o preferin mai mare. Cum era de ateptat, exist o relaie invers ntre
pre i utilitate, cu preurile mari corespunznd utilitilor mici (valorile negative mai mari nseamn utilitate
12

mai mic). Prezena unui sigiliu de aprobare sau garania returnrii banilor corespund unor utiliti mai ridicate,
cum se anticipa.
Nume
ambalaj
marca
pret
sigiliu
bani
(constant)

A*
B*
C*
K2R
Glory
Bissell
$1.19
$1.39
$1.59
nu
da
nu
da

Utility Estimate
-2.233
1.867
.367
.367
-.350
-.017
-6.595
-7.703
-8.811
2.000
4.000
1.250
2.500
12.870

Std. Error
.192
.192
.192
.192
.192
.192
.988
1.154
1.320
.287
.575
.287
.575
1.282

Din moment ce utilitile sunt exprimate ntr-o unitate de msur comun, ele pot fi nsumate pentru a
afla utilitatea total pentru oricare din combinaii. Spre exemplu, utilitatea total pentru Biocarpet cu ambalaj de
tip B*, marc K2R, pre $1.19, fr sigiliu sau garanie financiar este:
utilitate(ambalaj B*) + utilitate(K2R) + utilitate($1.19) + utilitate(fr sigiliu) + utilitate(fr garanie
financiar) + constant = 1.867 + 0.367 + (6.595) + 2.000 + 1.250 + 12.870 = 11.759
Dac Biocarpet are ambalajul C*, marca Bissell, preul $1.59, un sigiliu sau garanie financiar,
utilitatea total este:
0.367 + (0.017) + (8.811) + 4.000 + 2.500 + 12.870 = 10.909
Tabelul urmtor arat coeficienii de regresie liniar pentru acei factori specificai ca LINEAR.
Utilitatea pentru un anumit nivel al factorului este determinat prin multiplicarea nivelului cu
coeficientul corespunztor. Spre exemplu, utilitatea previzionat pentru un pre de $1.19 a fost listat ca 6.595
n tabelul utilitilor. A rezultat din nmulirea nivelul preului (1.19) cu coeficientul estimat pentru variabila pre
(5.542):
1.19X(5.542) = 6.595.
Valorile medii ale utilitilor (de la cea mai mare la cea mai mic) pentru fiecare factor arat ct de
important este factorul n cadrul preferinei: factorii cu utiliti mari joac un rol mai important dect cei cu
utiliti mai mici. Tabelul urmtor ofer o imagine a importanei relative a fiecrui factor: valorile sunt calculate
lund utilitatea fiecrui factor i mprind-o la suma utilitilor pentru toi factorii => valorile reprezint
procente i suma e 100%. Calculele se fac separat pentru fiecare subiect i rezultatul se calculeaz ca o medie
pentru toi subiecii.
ambalaj
marca
pret
sigiliu
bani

35.635
14.911
29.410
11.172
8.872

Trebuie notat faptul c, n timp ce utilitile i coeficienii de regresie din design-urile ortogonale sunt
aceleai cu sau fr subcomanda SUBJECT, gradele de importan vor fi n general diferite. Fr subcomanda
SUBJECT, gradele de importan pot fi calculate direct din utilitile din tabelul de sintez, ca i n cazul
subiecilor individuali. Totui, cnd o subcomand SUBJECT este utilizat, gradele de importan sunt calculate
ca medie a valorilor determinate pentru subieci individuali. Aceste utiliti n medie vor fi diferinte de cele
calculate folosind sinteza utilitilor.
13

Rezultatele arat c design-ul ambalajelor influeneaz cel mai mult preferina. Acest lucru indic faptul
c exist o mare diferen de preferine ntre profilele produsului cu cel mai dorit ambalaj i cele cu cel mai
puin dorit ambalaj. Rezultatele mai arat i c garania financiar joac rolul cel mai puin important n
determinarea preferinei. Preul joac un rol mai puin important dect design-ul ambalajului. Acest lucru poate
fi datorat faptului c nu exist diferene mari ntre tipurile de Biocarpet n funcie de pre.
Corelaii. Tabelul urmtor prezint dou tipuri de statistici, Pearson's R i Kendall's tau, care arat
msura corelaiei dintre preferinele estimate i cele observate.
Value
Pearsons R
.982
Kendalls tau
.892
Kendalls tau for Holdouts .667

Sig.
.000
.000
.087

Tabelul arat de asemenea coeficientul Kendall doar pentru profilele holdout. Trebuie amintit faptul c
profilele holdout (patru n exemplul curent) au fost clasificate de ctre subieci dar nu au fost folosite n
procedura pentru estimarea utilitilor. n schimb, se calculeaz corelaiile dintre rangurile observate i cele
estimate pentru aceste profile, ca o verificare a validitii estimrii utilitilor.
n cazul multor analize conjoint, numrul parametrilor este apropiat de numrul profilelor clasificate,
ceea ce are un efect artificial de cretere a corelaiei dintre scorurile observate i cele estimate. n aceste cazuri,
corelaiile pentru profilurile Holdout pot da o imagine mai bun a adecvrii modelului, dar profilurile Holdout
vor produce ntotdeauna coeficieni de corelaie mai mici.
Preferine mpotriva ateptrilor. Cnd se specific modele LINEAR pentru factori se alege o direcie
ateptat (LESS sau MORE) pentru relaia liniar dintre valoarea variabilei i preferina pentru acea valoare.
Procedura de analiz arat numrul subiecilor cu preferine opuse relaiei ateptate, spre exemplu o preferin
mai mare pentru preuri mari sau o preferin mai sczut pentru garanii financiare. Aceste cazuri sunt numite
reversals.
Tabelul urmtor afieaz numrul de preferine mpotriva ateptrilor pentru fiecare factor i pentru
fiecare subiect. De exemplu, trei subieci au manifestat o inversare de pre, adic au preferat profilele produselor
cu preuri mai mari, doi au preferat produse fr garanie etc.
Reversals
3
2

pret
bani
Factor

Subject

sigiliu

marca

ambalaj

Subject 1

Subject 2

Subject 3

Subject 4

Subject 5

14

Subject 6

Subject 7

Subject 8

Subject 9

10

Subject 10

Rularea simulrilor
Adevrata putere a analizei conjoint este abilitatea de a anticipa preferina pentru profile de
produs care nu au fost evaluate direct de ctre subieci. Acestea sunt denumite cazuri de simulare.
Simularea de cazuri este inclusa ca parte a planului, mpreuna cu profilele de la designul ortogonal si
orice holdout al profilurilor.
Cel mai simplu mod pentru a introduce cazurile de simulare este din Data Editor, folosind
valoarea etichetelor create cnd ai generat designul experimental. Pentru a aduga un caz de simulare n
fiierul plan, pe un rnd nou n fereastra Data View, selectai o celul i introducei valoarea dorit
(etichetele valorice din lista pot fi afiate alegand Labels Value din meniul View).
Repetai pentru toate variabilele (factori).
Selectai Simulation ca valoare pentru variabila STATUS_.
Introducei o valoare ntreag care va fi folosit ca identificator pentru
variabila CARD_. Cazurile simulate ar trebui numerotate separat de celelalte cazuri.

Dou cazuri de simulare au fost incluse n carpet_plan.sav. Analiza cazurilor de simulare se realizeaz cu
aceeai sintax de comand folosit mai devreme (sintaxa din fiierul conjoint.sps). Putei alege s rulai
simulari mpreun cu analiza iniial sau simulri n orice moment ulterior relund analiza Conjoint cu fiierul
plan completat cu cazurile de simulare.
Probabilitile preferinelor de simulare
Tabelul urmtor cuprinde probabilitile estimate de a alege fiecare dintre cazurile de simulare ca fiind
cel mai preferat, sub trei modele diferite de probabilitate-de-alegere.

15


Modelul utiliti maxime determin probabilitatea mprind numrul de
respondeni previzionat s aleag un anumit profil la numrul total de respondeni. Pentru fiecare
respondent, alegerea anticipat este pur i simplu profilul cu cea mai mare utilitate total.

Modelul BTL (Bradley-Terry-Luce) determin probabilitatea ca raport ntre

utilitatea unui profil i cea pentru toate profilurile de simulare, calculnd apoi o medie pentru toi
respondenii.

loc de utilitati.

Modelul Logit este similar cu BTL, dar folosete logaritmul natural al utilitilor n

Toate cele trei modele au indicat c profilul de simulare 2 ar fi preferat n ntregul grup de 10 subieci din
acest studiu.

16