Analiza conjoint (skrót od consider jointly - czyli „rozważaj łącznie”) to bardzo popularny w badaniach ilościowych sposób na zrozumienie znaczenia poszczególnych składowych usługi czy produktu dla konsumentów. W serwisie www.relevantinsights.com ukazał się interesujący tekst Michaeli Mora, krótko opisujący nieporozumienia i mity wokół analizy conjoint. Ponieważ  interesują nas nie tylko strategiczne tematy marketingowe, ale również badawcze „bebechy”, z zainteresowaniem przeczytaliśmy ten artykuł, a poniżej streszczamy jego główne tezy.

Główne mity i nieporozumienia wobec analizy conjoint dotyczą następujących tematów:

1. Udziały w rynku. Wielu klientów i badaczy uważa, że analiza conjoint pozwoli na uzyskanie informacji o udziałach rynkowych testowanego produktu lub usługi. To nieprawda. To, co analiza conjoint jest w stanie dać, to informacja jakie odsetek ludzi / klientów preferuje produkt w stosunku do innych ujętych w teście. Jednak aby uzyskać wiarygodną predykcję udziałów w rynku, należałoby uwzględnić w modelu szereg innych czynników, jak świadomość, dystrybucja, komunikacja, rekomendacja sprzedawcy w sklepie itp. Analiza conjoint może być więc używana jako uproszczony wskaźnik szans produktu na rynku, a nie prognoza sprzedaży. Wniosek: na wyniki analizy nakładajmy intelektualny filtr, lub wzbogacajmy model o dodatkowe parametry.

2. Dobre i złe cechy produktu. Wynikiem analizy conjoint jest informacja jaką użyteczność (lub jakie znaczenie) mają poszczególne badane cechy produktu dla klientów. Jednak trzeba pamiętać, że nie są to informacje natury absolutnej.  Ważność poszczególnych elementów jest czysto relatywna i dotyczy tylko cech uwzględnionych w badaniu. Wyniki testu mogłyby ulec zmianie, gdyby w badaniu uwzględnione zostało więcej cech, lub inne cechy produktu. Wniosek: rozważnie dobierajmy zmienne w badaniu. 

3. Ceny. Klienci często spodziewają się, że analiza conjoint pozwoli wyznaczyć optymalną cenę produktu lub usługi. Jednak w rzeczywistości technika ta pozwala raczej na zrozumienie elastyczności cenowej. Poszukiwanie optymalnej ceny wymaga równoległego zastosowanie dodatkowo innych metod pomiaru. Wniosek: zawsze dokładnie sprawdźmy, jakich informacji o cenie szukamy. Nie wystarczy hasło „badanie cenowe”.

4. Duże próby. W poszukiwaniu pewności uzyskanych wyników wielu klientów i badaczy stara się realizować badania conjoint na bardzo dużych próbach. Jednak często możliwe jest stosowanie prób mniejszych (np. 400 osób). Taka sytuacja jest możliwa na przykład wtedy, kiedy w jednym badaniu użyjemy kilku technik analizy conjoint (np. choice based + adaptive + menu based). To prawda, pracy analitycznej będzie więcej, jednak dzięki mniejszej próbie może się to opłacać! Wniosek: zawsze sprawdźmy dokładnie czy duża próba jest niezbędna.

Źródło: www.relevantinsights.com