Understanding consumer 1: conjoint analysis, Appunti di Marketing

Scarica Understanding consumer 1: conjoint analysis e più Appunti in PDF di Marketing solo su Docsity! La conjoint analysis È una tecnica più sofisticata rispetto a fishbein che consente di fare analisi interessanti per supportare le decisioni di marketing. La conjoint analysis si basa su un approccio di scomposizione attraverso cui i giudizi globali espressi dai soggetti con riferimento ad un insieme di profili di offerta alternativi ( anziché chiedere giudizi sui singoli attributi si richiede al consumatore un giudizio complessivo del prodotto/servizio) in funzione di come variano le sue preferenze al variare dei prodotti e delle caratteristiche, attraverso una regressione statistica di riesce a stimare qual è il valore che il consumatore attribuisce alle singole caratteristiche del prodotto. Valutazione globale sul profilo di offerta = variabile dipendente Livelli degli attributi che compongono il profilo = variabile indipendente  si stima l’impatto (beta della regressione) delle variabile indipendente sulla variabile dipendente Come si arriva all’output della conjoint analysis 1. Identificazione dei benefici, degli attributi e dei livelli prestazione: definire sulla base di interviste e osservazioni quello che accade nel mercato in termini di attributi rilevanti e capire quale livello di prestazione che il singolo attributo può avere 2. Combinazione dei livelli di prestazione degli attributi e selezione dei prodotti simulati (concept, profilo di prodotto o card) da sottoporre al giudizio e valutazione del campione rispondente 3. Rilevazione delle preferenze o delle priorità di scelta relative all’alternativa offerta (nella globalità del prodotto) 4. Misurazione del contributo di ciascun livello di prestazione alla formazione del valore globalmente percepito nel prodotto (utilizzo della regressione multipla) 5. Misurazione dell’importanza relativa di ciascun attributo in funzione del gap di valore parziale tra i suoi livelli estremi alla sommatoria dei gap 6. Misurazione del valore monetario dell’utilità (valore - parziale) in funzione del rapporto tra il gap di prezzo e il gap di utilità/disutilità connesso al prezzo Esempio 1. Identificazione dei benefici rilevanti di prodotto, degli attributi e livelli di prestazione  Elenco ogni attributo: design, numero cilindri, marca, frizione idraulica, prezzo  E i suoi possibili livelli: carenata; naked – 2,4 – Honda; kawasaki – Si;no – 5900; 6900; 7900€ 2. Combinazione dei livelli di prestazione  2x2x2x2x3 (livelli degli attributi) individuo 48 diversi profili di offerta  cercare sempre di contenere il numero degli attributi e rispetti livelli perché difficilmente i consumatore valuta tanti profili in modo attento  Occorre quindi selezionare un numero limitato di profili di combinazione di prodotto  si applica una tecnica statistica dei disegno fattoriali frazionati che aiuta il ricercatore a selezionare un sottoinsieme dei profili e arrivare ad un numero più realistico  Si determina una perdita di informazione che comporta anche la perdita della possibilità di stimare gli effetti i interazione fra gli attributi ma è un passaggio necessario per non raccogliere quantità di dati poco affidabili 3. Rilevazione delle preferenze o delle priorità di scelta relative all’alternativa di offerta  Sottopongono i concept precedentemente selezionati al giudizio del mio campione mediante survey o esperimenti (ritorno del discorso di costruire un campione coerente e significativo altrimenti i dati non sono effettivamente utili) 4. Misurazione del contributo in ciascun livello di prestazione alla formazione del valore globalmente percepito del prodotto  Stimo il variare di ogni specifico attributo sia in grado di spiegare le differenze nei giudizi dati  analisi di regressione  Regressione statistica: stimo quanto ogni attributo contribuisce all’utilità totale del consumatore (= stima dei coefficiente di utilità) B0= parte di utilità totale non spiegata dagli attributi e dai profili presi in considerazione Output della conjoint analysis La somma delle due utilità fa zero e questo dipende da come sono codificate le due variabili: se la variabile è trattata come discreta (non ci sono soluzioni intermedie) allora la somma sarà pari a zero mentre se le variabili sono codificate come continue (la variabile può assumere qualunque livello all’interno della forchetta individuata) allora l’analisi di regressione stima un vettore (il