ANALIZA CONJOINT, MAER MATEI MONICA, 2019

Analiza conjoint bazată pe alegeri (choice based conjoint)

Există două modalități principale de a observa comportamentul decidenților într-o analiză de

tip conjoint: prin ordonare sau prin alegeri. În cadrul primei abordări, respondenții primesc
sarcina de a ordona un set de profile (de la cel mai preferat la cel mai puțin preferat) sau de a
le evalua pe rând acordându-le un scor. În cadrul celei de-a doua abordări, respondenții primesc
sarcini constând în alegerea unui profil preferat dintr-un set de câteva profile diferite. Deși
prima metodă de colectare a datelor conține mai multe informații cea de-a doua este mult mai
apropiată de un proces decizional real.
Dacă experimentul conjoint funcționează pe bază de alegeri, respondentul primește sarcina de
a alege dintre 2 sau mai multe profile. Această sarcină se repetă de câteva ori pentru diverse
combinații de profile iar estimarea măsurilor specifice unei analize conjoint se va realiza pe
baza unui model logit condiționat. Această abordare este preferată celor tradiționale bazate pe
ordonare deoarece reflectă mult mai bine comportamentul decidențilordin viața reală. În plus
sarcina care revine respondenților este mult mai simplă: trebuie să evalueaze un număr redus
de variante și să aleagă una dintre ele spre deosebire de situațiile în care ar trebui sa ordoneze
o listă de profile sau să le acorde o notă într-un interval specificat.
Cele mai cunoscute studii care folosesc metodologia specifică modelării alegerilor multiple
sunt cele ale lui McFadden (1974) care analizează preferințele legate de modalitatea de
transport către locul de muncă. În general, în acest cadru, consumatorul k poate alege dintre J
alternative. Presupunem că utilitatea profilului j este o funcție liniară de forma:
U kj  zkj    kj
(5.2)
U kj  max U kl
Iar respondentul va alege profilul j atunci când lJ . Modelul statistic pe care baza
căruia se va face estimarea pornește de la probabilitatea ca alternativa j să fie cea preferată:
Pr ob(U kj  U kl ), l  j
(5.3)
În condițiile unei anumite ipoteze făcute asupra distribuției celor J erori identic și independent
distribuite1, notând cu Yk variabila aleatoarea care indică alegerea făcută de respondentul k,
vom avea următoarea relație:
exp( zkj  )
Pr ob(Yk  j )  J

 exp( z  )
j 1
kj
(5.4)
Aceasta reprezintă formalizarea matematică a modelului logit condiționat.
Utilitatea acordată de individul k profilului j depinde de aspecte specifice individului dar și de
caracteristicile profilului. În consecință putem considera următoarele partiționări ale vectorului
argument și ale vectorului coeficienților:
zkj  [ xkj , w k ]
  [ , ]

1
Distribuție Gumbela valorilor extreme (McFadden, 1974a)
ANALIZA CONJOINT, MAER MATEI MONICA, 2019

Unde:
xkj
reprezintă atributele produsului
wk reprezintă caracteristicile individului

Folosind aceste notații, probabilitatea alegerii profilului j se va scrie:

exp( xkj  )  exp( wk )
Pr ob(Yk  j )  J
[ exp( xkj  )]  exp( wk )
j 1
. (5.5)
În cazul în care experimentul este construit astfel încât fiecare respondent primește sarcina de
a alege dintre două profile diferite, utilitatea alternativei j se poate scrie astfel:
𝑈𝑗 = 𝑣𝑗 + 𝜀𝑗 , 𝑗 ∈ {1,2} (5.6)
Unde 𝜀𝑖 este variabila aleatoare care surprinde termenul eroare iar 𝑣𝑗 este o funcție ce depinde
de vectorul x reprezentând atributele care descriu profilele: 𝑣𝑗 = 𝑥𝛽
Probabilitatea ca utilitatea primei alternative să fie mai mare decât utilitatea asociată celui de-
al doilea profil se formulează matematic astfel:
𝑃𝑟𝑜𝑏[𝑈1 > 𝑈2 +∝] = 𝑃𝑟𝑜𝑏[𝜀1 − 𝜀2 > 𝛼 − (𝑣1 − 𝑣2 )] (5.7)
Presupunând că termenul 𝜀 = 𝜀1 − 𝜀2 urmează distribuția logistică, obținem următoarea
relație:
1
𝑃𝑟𝑜𝑏[𝑈1 > 𝑈2 +∝] = (5.8)
1+exp (𝛼−𝑥𝛽)

Parametrul 𝛼 reprezintă pragul pe care diferența 𝑈1 − 𝑈2 trebuie să-l depășească pentru ca

prima alternatvivă să fie cea preferată.

Pași parcurși pentru a construi experimentul conjoint cu ajutorului

mediului statistic R

Întrebarea la care urmărește să răspundă aplicaţia dezvoltată în cadrul acestui capitol este
următoarea: Care este contribuția atributelor ce definesc o cafea la decizia finală a unui
consumator?
Pentru aplicarea acestei analize a fost elaborat un chestionar astfel încât să simuleze procesul
de alegere a cafelei, respondenții primind sarcina de a alege dintre diferite profile de cafea. Au
fost utilizate cinci atribute pentru a defini produsul analizat, fiecare fiind reprezentat ca o
variabilă categorială cu 2 nivele astfel:
 Recipient: plastic/carton
 Lapte: da/nu
 Automat: da/nu
 Preț mai mare de 5 lei: da/nu
ANALIZA CONJOINT, MAER MATEI MONICA, 2019

 Râjnită: da/nu
Prima caracteristică (Recipient) indică dacă băutura este servită în recipient de plastic sau de
carton. Dacă al doilea atribut (Lapte) va primi eticheta “da” atunci produsul conţine lapte. A
treia caracteristică este introdusă cu scopul de a investiga preferinţele consumatorilor privind
modul de preparare al cafelei. Cele două variante propuse sunt: cafea preparată de un automat
de cafea sau preparată în cadrul unei cafenele de către o persoană. Variabila preţ este construită
ca o variabilă categorială cu 2 nivele şi va arată în ce măsură consumatorii sunt dispuşi să
plătească mai mult de 5 lei pentru o cafea. Ultima caracteristică (Râjnită), va reflecta cât de
important este ca băutura cumparată să fie preparată din cafea râjnită, alternativa fiind
produsele instant.
Pentru implementarea unei soluții care să răspundă la această întrebare am folosit biblioteca
support.CE din mediul statistic R (Aizaki, 2012). Pașii parcuși în acest proces pot fi sintetizați
astfel:
- Generarea setului complet de profile în care fiecare atribut este descris de două
nivele. Numărul total de profile posibile rezultate din combinații ale nivelelelor
luate de cele 5 atribute este de 32.
- Au fost extrase aleator 6 de profile dintre cele 32 de profile posibile.
- A fost generată matricea experimentului. Aceasta constă în şase sarcini. Fiecare
sarcină constă în alegerea profilului preferat din două alternative. Există două
metode de generare a matricii: ”metoda rotirii” şi metoda „mix and match”. Prima
se bazează pe următorul raţionament: vom avea o “urnă”cu profile care va fi folosită
pentru a extrage aleator prima alternativă din fiecare întrebare/sarcină. Acestea
provin dintr-un vector de profile ortogonal. A doua alternativă a fiecărei sarcini se
obține adăugând o constantă (în cazul nostru 1) la fiecare nivel al atributelor din
prima alternativă. În cadrul celei de a doua metode de generare a matricii
experimentului conjoint, se populează și a două „urnă” prin aceeași metodă de
adăugare a unei constante. În acest caz, o pereche de profile ce va constitui o sarcină
din cadrul unui bloc, se va obține extrăgând aleator un profil din prima urnă și unul
din cea ce-a doua. În cadrul aplicaţiei descrise în acest capitol a fost utilizată a doua
metodă.
- Transformarea acestei matrici în chestionar.
ANALIZA CONJOINT, MAER MATEI MONICA, 2019

Question 1
alt.1 alt.2
Recipient "carton" "plastic"
Lapte "nu" "nu"
Automat "nu" "da"
Pretpeste5 "nu" "nu"
Rajnita "nu" "nu"

Question 2
alt.1 alt.2
Recipient "plastic" "carton"
Lapte "nu" "da"
Automat "da" "nu"
Pretpeste5 "da" "nu"
Rajnita "nu" "da"

Question 3
alt.1 alt.2
Recipient "carton" "carton"
Lapte "da" "nu"
Automat "da" "da"
Pretpeste5 "nu" "da"
Rajnita "da" "da"

Question 4
alt.1 alt.2
Recipient "carton" "plastic"
Lapte "da" "nu"
Automat "nu" "nu"
Pretpeste5 "da" "da"
Rajnita "da" "nu"

Question 5
alt.1 alt.2
Recipient "plastic" "plastic"
Lapte "da" "da"
Automat "nu" "da"
Pretpeste5 "nu" "da"
Rajnita "nu" "da"

Question 6
alt.1 alt.2
Recipient "plastic" "carton"
Lapte "nu" "da"
Automat "nu" "da"
Pretpeste5 "nu" "da"
Rajnita "da" "nu"

Figura 5.1 Sarcinile respondenţilor

Experimentul descris aici conţine un singur bloc, ceea ce înseamnă că toţi respondenţii au
primit aceleaşi sarcini. Prima întrebare solicită respondentului să evalueze următoarele două
profilele:
- Alternativa 1 - recipient de carton, fără lapte, preparat la o cafenea, preţ care nu
depăşeşte 5 lei, preparată din alte ingrediente decât cafea râjnită
- Alternativa 2- recipient de plastic, fără lapte, achiziţionată de la un automat, preţ
sub pragul de 5 lei, preparată din alte ingrediente decât cafea râjnită.
Pentru a continua analiza de tip conjoint informaţiile conţinute în matricile generate anterior
vor fi completate cu o matrice a răspunsurilor de forma:
ANALIZA CONJOINT, MAER MATEI MONICA, 2019

Figura 5.2 Matricea răspunsurilor

În această matrice pe fiecare rând vom avea alegerile făcute de fiecare respondent. De exemplu,
din prima linie a matricii extragem următoarele informații: individul identificat cu codul 1 a
primit întrebările din blocul 1, la prima întrebare a ales profilul 1, la a doua întrebare a ales
profilul 1, la întrebarea trei a preferat alternativa a doua. Pentru a putea estima utilitățile
asociate fiecărui atribut informațiile oferite de cele două matrici se combină sub forma unei
matrici care va constitui argumentul funcției care estimează modelul logit condiționat.

Figura 5.3 Setul de date pe care se estimează logit condiționat

În cadrul acestei matrici unui respondent i se alocă un număr de linii egal cu produsul dintre
numărul de întrebări din blocul repartizat acestui și numărul de alternative din cadrul unei
întrebări. În studiul nostru, fiecărui respondent îi sunt asociate 12 linii. În consecință matricea
completă va avea 6000 de linii. Sunt două variabile noi specifice acestei matrici: variabila RES
și variabila STR.
RES este o variabilă care indică dacă respondentul a ales profilul prezentat pe linia respectivă.
Variabila STR este o combinație între codul de identificare al respondentului și numărul
întrebării plasate pe linia respectivă. Coloanele 7-11 reprezintă atributele care caracterizează
fiecare profil. Pentru acestea am utilizat următoarea codificare: 1 – dacă recipientul este din
carton, 0 - dacă recipientul este din plastic, 1 - cafeaua este fară lapte, 0 - cafeaua este cu
lapte, 1 – cafeaua nu este de la automat, 0 - cafeaua este de la automat, 1 – preț sunt 5 lei, 0 -
preț peste 5 lei, 1 –produse instant, 0 - cafea râjnită.

Dimensiunea redusă a eșantionului corelată cu structura răspunsurilor și a matricii profilelor

au făcut ca modelul construit să nu permită estimarea coeficienților pentru variabila pret.
Tabel 5.1 Coeficienţii modelului logit condiţionat
ANALIZA CONJOINT, MAER MATEI MONICA, 2019

Această analiză a avut ca scop identificarea acelor atribute importante pentru consumatorii de
cafea și a nivelelor acestora care aduc o utilitate mai mare. În condiţiile în care coeficienţii
estimaţi ar fi semnificativi statistic, o astfel de analiză ar conduce la următoarele concluzii:
- Șansele ca o cafea fără lapte să fie selectată sunt cu 58% mai mici decat sansele ca o
cafea cu lapte să fie selectată.
- Șansele ca un consumator să aleagă o cafea care este preparată la o cafenea sunt cu
60% mai mari decât șansele unei cafele de la automat
- Șansele ca o cafea în recipient de carton să fie selectată sunt cu 48% mai mari decât în
cazul recipientului de plastic.
- Respondenții preferă cafeaua cu lapte, preparată manual, în recipient de carton.
- În ceea ce privește ultima caracterstică privind conţinutul băuturii, coeficientul estimat
nu este semnificativ statistic, p-value fiind de 0.911, foarte mare față de valoarea lui p-
value asociat celorlalte variabile. Acest rezultat sugerează că această caracteristică nu
influenţează decizia consumatorilor. Însă este posibil ca valoarea nesemnificativă a
acestui atribut să fie o consecinţă a faptului ordinea în care apar atributele în sarcinile
din chestionar nu a fost schimbată de la o întrebare la alta. Se apelează la astfel de
procedee pentru a ţine respondentul cât mai activ, evitând automatismele.

Referinţe
Aizaki, H. (2012). Basic functions for supporting an implementation of choice experiments in
R. Journal of statistical software, 50, 1-24.
Green, P.E., Rao, V. R. (1971). Conjoint measurement for quantifying judgmental data. Journal of
marketing research. 8 (3), pp. 355-363
Green, P.E., Srinivasan, V. (1978). Conjoint Analysis in Consumer Research:Issues and Outlook.
Journal of consumer research.5(2), pp. 103-123
Green, P.E., Srinivasan, V. (1990). Conjoint analysis in marketing: new developments with
implications for research and practice. Journal of marketing 54(1), pp. 3-19.
Green, P. E. (1974). On the Design of Choice Experiments Involving Multi-factor Alternatives,”Journal
of Consumer Research, 1, pp. 61-8.
Gustafsson, A., Herrmann, A., Huber,F. (2000). Conjoint measurement. Methods and
applications.Springer-Verlag.Berlin.
Luce, R.D., Tukey, J.W. (1964). Simultaneous conjoint measurement- a new type of fundamental
measurement, Journal of mathematical psychology, 1, 1-27.
McFadden, D. (1974). The measurement of urban travel demand. Journal of public economics, 3(4),
303-328.
Moore, W.L., Holbrook, M. B. (1990). Conjoint analysis on objects with environmentally correlated
attributes: the questionable importance of representative design. Journal of Consumer Research 16 (4).
Rao, V. R. (2011). Conjoint measurement in marketing analysis. Marketing Classics Press.
Reibstein, D., Bateson, J. E., & Boulding, W. (1988). Conjoint analysis reliability: Empirical
findings. Marketing Science, 7(3), 271-286.
ANALIZA CONJOINT, MAER MATEI MONICA, 2019

Wittink, D. R., & Cattin, P. (1989). Commercial use of conjoint analysis: An update. The Journal of
Marketing, 91-96.
Wittink, D. R., Krishnamurthi, L., & Nutter, J. B. (1982). Comparing derived importance weights across
attributes. Journal of Consumer Research, 471-474