Metoda v tržnem raziskovanju

Slides:



Advertisements
Similar presentations
Ma.
Advertisements

Click on each of us to hear our sounds.
HIRAGANA by number of strokes Images from:
INTELIGENTNI SISTEMI POSLOVNA INTELIGENCA M. Gams.
ma mu mi mo me pe pi pa pu po si sa so.
Zakaj postati podjetnik?. Nekateri izmed razlogov, zakaj… Ne dvomite več v svoje sposobnosti, pa bi se radi sem ter tja zopet vprašali, če ste res top.
REPUBLIKA SLOVENIJA MINISTRSTVO ZA INFRASTRUKTURO IN PROSTOR Javno naročanje Petra Ložar 
Sílabas con m,p,s tema 2. pe so ma si mu se.
SREČNO NOVO LETO 2009 Lara Koren, 2.c.
Statistično zaključevanje (inferenčna statistika)
Področje: 3.05 Reprodukcija človeka
Demografski izzivi in spremembe ter ekonomske posledice – ocena nekaterih ukrepov za slovenijo Aleš delakorda ljubljana, 22. junij 2016.
Slovenija in razvoj e-vsebin v primerjavi s svetovnimi trendi
6. poglavje: Računalniška vezja
Project management implementation from the practical point of view
Srečko Bončina Izposoja e-knjig eBooks na EBSCOHost-u
Tečaj SPSS in statistike
SPACE OF OPPORTUNITIES
Policy experimentation project in 10 EU countries
SELACAL SOLARNI FOTONAPETOSTNI SISTEM ZA TOPLO VODO
Ocenjevanje vrednosti blagovnih znamk (BZ)
Projekt eMarket Services
Kako bolje izkoristiti že razpoložljive vire primarnih podatkov?
Poimenovanje kazalnikov dohodka in revščine
Priprava trženjskih strategij in aktivnosti
Prednosti segmentacije tržišta
FMEA (Failure Mode and Effects Analysis) Analiza možnih napak in njihovih posledic Povzetek izobraževanja g. Branislava Čergića Mateja Hočevar.
Uvod v Python
Facility Projektni forum
Sodelovanje za razvijanje podjetnosti v šolah in vrtcih
PRAVIČNA TRGOVINA Neža Dolmovič, 8.b April 2014.
R V P 2 Predavanje 04 Animacija RVP2 Animacija.
Razumevanje sodobnega trženja
ENERGETIKA IN ENERGETSKE NAPRAVE
Irena Setinšek, IRM Mediana Janez Jereb, IRM Mediana
Fotografiranje hrane Predmet: Tipografija in reprodukcija.
Odkrivanje zakonitosti iz podatkov
Modulacija in demodulacija signalov (prirejeno po gradivu avtorja N
THE PAST SIMPLE TENSE navadni preteklik.
Tatjana Welzer Družovec (Inštitut za informatiko, FERI Maribor)
OBDELAVA (PROCESIRANJE PODATKOV)
Predavateljica: mag. Metka Galič, univ.dipl.oec.
IP naslovi Mojca Ciglarič.
Microsoftove rešitve za šolstvo
Glavne lastnosti multimetrov so:
MS Excel, Open Office Calc, Gnumeric …
v raziskovanju družinske terapije
MODELIRANJE UVOD.
22. marketinški fokus - Ljubljana,
Miselni preboj za novi zagon Slovenije
Šalej Mirko Iskraemeco, d.d. Kranj
mag. Aleš Klemenčič, univ. dipl. ing. el.
Referat za NIT Anže Povhe, 4.b
QALY Leta zdravstveno kakovostnega življenja
OSMOSE Predstavitev projekta
Binarna logistična regresija
Pred teboj so naloge pisnega deljenja.
UML – je standardno pogoj za univerzalno ?
Ela Reven, Katarina urbančič
Ugani število Napišimo program, ki si “izmisli” naključno število, potem pa nas v zanki sprašuje, katero je izmišljeno število. Če število uganemo, nas.
E-mobilnost in njena integracija v elektroenergetski sistem
MessageBox.
Korelacijske metode psihologija (1.st.) – 2. letnik 2011/12
TERMODINAMIKA / THERMODYNAMICS
Zunanje motnje pri neinvazivnih meritvah krvnega tlaka
Razlaga korelacije vzročna povezanost X in Y ???
Informacijska varnost v Oracle okolju
Ključni kazalniki uspeha in vloga coachinga
Katedra za metalne konstrukcije
Virtualizacija poslovnih procesa metodom „Swimlane“ dijagrama
Presentation transcript:

Metoda v tržnem raziskovanju CONJOINT ANALIZA Metoda v tržnem raziskovanju Ana Bardorfer

Vsebina predstavitve Kaj je conjoint analiza? Primer conjoint analize Načrtovanje conjoint analize Uporaba conjoint analize Uporabnost in fleksibilnost conjoint analize

Kaj je conjoint analiza? Tradicionalni pristop k ocenjevanju izdelkov ali storitev temelji na ocenjevanju vsake lastnosti posebej na neki lestivici. Ko se odločam za nakup čistilnega sredstva za pranje perila, kako pomembna je… Ne kaže realnega stanja zaradi socialno zaželjenjih odgovorov V povprečju vprašani odgovarjajo z relativno visokimi ocenami pomembnosti Razporeditev rezultatov je nesimetrična Med ocenami so relativno majhne razlike   Ni pomembno Zelo pomembno Cena za kg 1 2 3 4 5 6 7 Oblika Znamka

...Kaj je conjoint analiza? Temelji na predpostavki, da potrošnik v nakupnem procesu med seboj preimerja in vrednosti (»consider«) cel spekter značilnosti in koristi izdelka oz. storitve hkrati (»jointly«), pri čemer pripisuje večjo ali manjšo težo določenim atributov na račun drugih atributov. Conjoint analiza = CONSIDER + JOINTLY je multivariatna metoda, ki omogoča merjenje preferenc med konkurenčnimi storitvami Osnovna ideja CA je torej v tem, da je možno vsak izdelek oz. storitev opisati z določenim relevantnim številom atributov in nivoju atributov – s profili izdelka oz. storitve

Primer conjoint analize Čistilno sredstvo za pranje perila lahko opišemo s 3 atributi: Cena Oblika oz. priročnost uporabe Znamka FAKTOR ali ATRIBUT LEVEL Cena za kg v SIT 1000 1500 Oblika Tekočina Prašek Znamka Henkel Procter&Gamble

Iz dveh atributov s po dvema ravnema lahko skonstruiramo 2x2x2 = 8 različnih dražljajev Opisi dražljajev D Oblika Cena v SIT Znamka 1 Tekočina 1000 Henkel 2 Procter&Gamble 3 1500 4 5 Prašek 6 7 8

Rangi respondenta Opisi dražljajev Rangi D Oblika Cena v SIT Znamka Respondent 1 Tekočina 1000 Henkel 2 Procter&Gamble 3 1500 5 4 6 Prašek 7 8 oseba pralnim sredstvom za 1000 sit pripiše najvišje, medtem ko tistim za 1500 sit najnižje range bolj torej preferira cenejše pralno sredstvo znamkam pripisuje tako visoke kot nizke range Posebno ne preferira nobene od znamk

Izračun delnih koristi in pomembnosti atributov Level faktorja Rangi R¯ R’= R¯-R¯total OBLIKA   Tekočina 1,2,5,6 3,5 -1,0 Prašek 3,4,7,8 5,5 +1,0 CENA v SIT 1000 1,2,3,4 2,5 -2,0 1500 5,6,7,8 6,5 2,0 ZNAMKA Henkel 1,3,5,7 4,0 -0,5 Procter&Gamble 2,4,6,8 5,0 +0,5

Izračun delnih koristi in pomembnosti atributov   Level faktorja -R’ (- R’)2 SD Ocenjena DK Razpon DK Pomembnost faktorja OBLIKA Tekočina 1,0 +,571 +,756 1,512 28,6% Prašek -1,0 -,571 -,756 CENA v SIT 1000 2,0 4,0 +2,284 +1,511 3,022 57,1% 1500 -2,0 -2,284 -1,511 ZNAMKA Henkel 0,5 0,25 +,143 +,378 ,756 14,3% Procter&Gamble -0,5 -,143 -,378 ∑(R’)2 10,5 Standardizirana vrednost ,571 ∑razpon DK 5,290

Kaj lahko zaključimo iz delnih koristi? Tej osebi je veliko bolj pomembna cena 1000 SIT kot 1500 SIT Bolj preferira pralno sredstvo obliki tekočine, kot pa praška Bolj preferira znamko Henkel Kaj lahko zaključimo iz pomembnosti faktorjev? Tej osebi je najpomembnejši faktor oz. atribut cena, nato oblika in šele nato znamka proizvajalca Seveda, le če naš model veljaven, točen in zanesljiv!!!

Kako lahko te zaključke uporabimo? V oglaševanju: Pri tej osebi bo oglas, ki poudarja znamko proizvajalca neuspešen Oglas mora poudarjati nizko ceno ali pa npr. dejstvo, da z nakupom tega pralnega sredstva potrošnik pravzaprav privarčuje Pri conjoint modeliranju: Preverjamo kako uspešni bi bili neki produkti, še preden jih lansiramo na trg Dobimo % potrošnikov, ki bi uporabljali vsakega od teh izdelkov ... In še marsikje ČS 1 Henkel 1500 SIT Tekoči ČS 2 Prašek ČS 3

Načrtovanje conjoint analize Raziskovalec mora v načrtu razčistiti več vprašanj: Opredelitev ciljev Izbira conjoint metodologije Izbira načina zbiranja podatkov Definiranje bazične oblike modela Specifikacija dražljajev Ocenjevanje conjoint modela – goodness of fit Interpretacija rezultatov Validacija rezultatov

1. Opredelitev ciljev Določiti prispevek prediktivnih variabel (atributov) in njihovih ravni pri določanju potrošnikove preference Koliko cena prispeva k volji do nakupa izdelka Katera cena je optimalna? Ustanoviti veljaven model potrošnikovih sodb Omogoča napovedovanje sprejemljivost potrošnika ali segmentov potrošnikov za katero koli kombinacijo atributov, tudi tistih, ki jih potrošnik originalno ni evaluiral Ali je enostaven model dodajanja (aditivni model) zadovoljiv, ali moramo vnesti bolj kompleksno evalvacijo preference za adekvatnejšo sliko (aditivni + interakcijski model)?

2. Izbira conjoint metodologije   Alternativne CA Karakteristike Tradicionalna CA Adaptive CA Choice-based CA Max. število atributov 9 30 6 Level analize Individualen Skupinski Model Aditiven Aditiven + interaktiven

3. Načini zbiranja podatkov - tradicionalna CA Razprodaja ali trade-off   Faktor 1: Cena Faktor 2: Znamka Henkel P&G 1000 SIT 1500 SIT 2000 SIT Celostni profil Cena: 1000 SIT Znamka: Henkel Oblika: v tekoči obliki Rangiranje ali ocenjevanje Primerjanje v parih Cena: 1000 SIT Znamka: Henkel Oblika: v tekoči obliki Cena: 1500 SIT Znamka: Henkel Oblika: v obliki praška PROTI

3. Načini zbiranja podatkov - Alternativne CA Adaptive Conjoint Analysis (ACA) Za katerega od dveh čistilnih sredstev za pranje perila se bi raje odločili? 1500 SIT V tekoči obliki Henkel 1500 SIT V tekoči obliki Procter&Gamble   ALI 1 – 2 – 3 – 4 – 5 – 6 – 7 – 8 – 9   ALI Močna prednost levi izbiri 1 – 2 – 3 – 4 – 5 – 6 – 7 – 8 – 9 desni izbiri Choice-based Conjoint (CBA) (1) (2) (3) (4) 1500 SIT V tekoči obliki Henkel V obliki praška Procter&Gamble 1000 SIT Nobeden: Če bi bila to edina izbira, se ne bi odločil za nobega od teh Pritisnite številko, ki odgovarja vašemu izboru

4. Definiranje bazične oblike modela Kompozicijsko pravilo respondenta opisuje način, na katerega respondent kombinira delne koristi oz. vrednosti faktorjev v totalno korist Aditivno kompozicijsko pravilo Respondent enostavno sešteva delne koristi in tako dobi celotno vrednost za neko kombinacijo levelov atributov Interaktivno kompozicijsko pravilo Upošteva interakcijske efekte – respondent sešteva delne koristi, vendar so lahko leveli atributov v interakciji

5. Specifikacija dražljajev Kakšni naj bodo faktorji in njihovi leveli? Sporočljivi – naj omogočajo realistično evalvacijo Vključimo senzorne komponente, če je potrebno Akcijski – natančna konceptualizacija, da so dražljaji razločni Npr. kvaliteta in primernost nista natančna atributa Opis kot nizko, srednje, visoko ni primeren

5. Specifikacija dražljajev Število faktorjev oz. atributov Min. Št. Faktorjev = totalno št. Levelov preko vseh F / št. Faktorjev – 1 Faktorska multikolinearnost pomanjkanje konceptualne neodvisnosti med faktorji Cena kot faktor Število levelov Priporočljivo je enako število ravni po faktorjih Razpon faktorskih levelov Naj bo verjeten oz. realen

6. Ocenjevanje conjoint modela Kako konsistenstno naš conjoint model napoveduje preference vsakega respondenta? Korelacija: Spearmanov Rho ali Kendalov Tau za nemetrične podatke (rangi) Pearsonov koeficient korelacije za metrične podatke (ocene) Uporaba holdout dražljajev Dodatni dražljaji, katere respondent oceni hkrati z ostalimi Parametri iz ocenjenega conjoint modela so nato uporabljeni za napoved preferenc za ta nov set dražljajev, napovedi pa nato primerjamo z dejanskimi ocenami in tako dobimo zanesljivost conjoint modela

7. Interpretacija rezultatov Na individualnem nivoju Vsak respondent je obravnavan posebej Analiza delnih koristi za vsak faktor, pri čemer upoštevamo njihovo magnitudo in morebitni vzorec Primerjava med faktorji – delne koristi na standardni skali Na skupinskem nivoju Daje skromne rezultate Uporabna v primeru, ko imamo opravka s skupino z izredno homogenim vedenjem Omogoča bolj natančno določanje tržnega deleža

8. Validacija rezultatov Na internalni ravni Ali je izbrano kompozicijsko pravilo primerno? Holdout dražljaji Na eksternalni ravni Raziskave kažejo, da rezultati conjoint analize zadovoljivo visoko korelirajo z rezultati iz tradicionalnega merjenja preferenc

Uporaba conjoint analize CA nam odgovarja na naslednja vprašanja: Kateri novi izdelki oziroma storitve bodo uspešni? Na kakšen tržni delež lahko računamo na podlagi preferenc potrošnikov? Katere značilnosti izdelka oziroma storitve so gonilo pri nakupnem odločanju? Ali obstajajo tržni segmenti za določen izdelek oziroma storitev? Kakšna vrsta oglaševanja bo najbolj uspešna pri teh segmentih? Ali bodo spremembe izdelka oziroma storitve pripomogle k večji naklonjenosti potrošnikov in prodaji? Kakšna je optimalna cena izdelka oziroma storitve? Ali lahko ceno dvignemo brez velike izgube v prodaji?

... Uporaba conjoint analize Področja, kjer CA lahko uspešno uporabimo so torej: Razvoj in testiranje novih izdelkov oziroma storitev z optimalno kombinacijo značilnosti Cenovna politika Tržna segmentacija: Analiza na individualnem nivoju Izbiramo respondente, ki imajo podobno preferenčno strukturo za določene kombinacije atributov in njihovih levelov, ki tvorijo izdelek

... Uporaba conjoint analize – področja uporabe Analiza profita: Če poznamo ceno vsake lastnosti, lahko skonstruramo ceno vsakega potencialnega izdelka na podlagi tržnega deleža in absolutnega deleža prodaje in lahko tako napovemo uspešnost izedelka Dobimo oceno občutljivosti cene Uporaba analize tako na individualnem kot skupinskem nivoju »What if« analiza ali conjoint simulatorji: generiramo lastne hipotetične produkte in njihovo uspešnost, še preden jih lansiramo na trg Oglaševanje Identifkacija tržnih priložnosti Distribucija

Zakaj je conjoint analiza tako uporabno orodje? Uporaba možna tudi na nominalnem nivoju Dražljaji blizu naravni situaciji (izbira med predstavljenimi izdelki) Vprašani lahko ocenjujejo, rangiranjo, izbirajo med pari ali večimi profili (izdelki) Rezultat je profil za posameznika, skupino ali celoten vzorec Izračunane so “delne koristi” za vsako lastnost vsakega faktorja Temelji na ANOVA-i glavnih učinkov (main-effects ANOVA) in multipli regresiji Tehnika razstavlja sodbe na dele (lastnosti faktorjev) CA je občutljiva tudi za majhne razlike v ocenah posameznih atributov oz. lastnosti.