初探Conjoint 之CBC模型

不懂技术怎么做产品?15天在线学习,补齐产品经理必备技术知识,再也不被开发忽悠。了解一下>

本文作者主要与大家探讨的是,在工作中最常见也最常用的Conjoint中的一种模型:CBC(Choice-Based Conjoint)。enjoy~

关于Conjoint

联合分析(Conjoint Analysis)是一种用于评估不同属性对消费者的相对重要性,以及不同属性水平给消费者带来的效用的统计分析方法。近年来被广泛应用于新产品开发、市场占有率分析、竞争分析、市场细分和价格策略等市场研究领域

曾经我们使用简单的回归来分析联合分析的数据,但是随着产品的复杂程度的增加,这种方式就不太适用了:一方面是当产品的属性和水平较多时,每个消费者需要评估的概念产品数量变得更多,可能需要评估几十甚至上百个概念产品,而消费者不可能有耐心完成这么冗长的评估;
另一方面在于打分这种评估方式存在很多缺陷,不同消费者所理解的打分尺度是不同的。

CBC模型

在此背景下,一种新的联合分析方法走上了历史的舞台,这就是今天想跟大家一起探讨在工作中最常见也最常用的Conjoint中的一种模型:CBC(Choice-Based Conjoint), 基于选择的联合分析,也称离散选择。

我们今天只探讨如何实现,关于数据分析笔者希望能在下一期的拙文与大家做深入的探讨。

基本概念:

1. 产品/服务被描述为“轮廓”(profile)

2. 每一个轮廓是由能够描述产品/服务重要特征的属性以及赋予每一个属性的不同水平的组合构成的。消费者对某一轮廓的偏好可以分解成该轮廓的多个属性的偏好得分,在联合分析中用效用值来描述。

基本假定:

1. 消费者是根据构成产品/服务的多个属性来进行理解和做偏好判断;

2. 在消费者对轮廓的评价结果基础上,通过分解的方法估算其偏好结构,从而推算出消费者对该轮廓的多个属性及各属性水平的偏好得分,在Conjoint中以效用来描述。

主要特征:

被访者通过从一组概念中选择来表达偏好,而不是评级或排名。CBC需要消费者回答的问题更加贴近消费者真实的消费决策,从一组产品中选择喜欢的产品,是每个人可以理解的简单、自然的工作。

建立CBC项目的主要步骤:

1、确定产品或服务的属性与属性水平

CBC分析首先要对产品或服务的属性和属性水平进行识别,所确定产品或服务的属性和属性水平必须是显著影响消费者购买的因素。一个典型的Conjoint包含6-7个显著因素。

确定了产品属性之后,还应该确定这些属性恰当的水平。例如包装形式是牛奶产品的一个属性,目前市场上的牛奶产品的包装形式主要有:康美包、利乐TT包和利乐钻石包等,这些是牛奶包装形式的主要属性水平。

属性与属性水平的个数将决定分析过程中要进行估计的参数的个数。

2、产品模拟

CBC分析将产品的所有属性与属性水平通盘考虑,并采用正交设计的方法将这些属性与属性水平进行组合,生成一系列模拟产品。在实际应用中,通常每一种模拟产品被分别描述在一个卡片上,模拟主要有两大类方法:配对法(pair wise)和全轮廓法(full-profile)。

实际操作中并不需要对所有组合产品进行评价,且在属性水平较多时实施难度也较大。在配对法中,通常用循环设计来减少组合数。在全轮廓法中,则采用正交设计等方法,以减少组合数,又能反映主效应。

3、数据收集

请受访者对模拟产品进行评价,通过打分、排序等方法调查受访者对模拟产品的喜好、购买的可能性等。

CBC中常用的是排序法。排序法是要对产品模拟组合中的所有属性水平作相对应的评价,要求对每个组合给一个不同的等级。

4、计算属性的效用

这步要求从收集的信息中分离出消费者对每一属性以及属性水平的偏好值,这些偏好值也就是该属性的“效用”。

计算属性的模型和方法有多种,研究表明OLS回归估计效用值同其它模型的估计一样有效,也是最容易理解的方法。因此用OLS回归的结合分析研究更多,也更普遍。例如:SPSS的Categories模块联合分析就是用OLS回归估计的,而且它能处理排序和评分两种数据。

5、结果解释与应用

CBC分析的结果可以在消费者个体层次上进行解释,也就是对每一个消费者的偏好计算不同属性水平的效用值和属性的相对重要性,并且分析个体对产品/服务的不同组合的偏好反应;

也可以对Conjoint在消费者群体层次上进行解释,首先按照某种属性将消费者进行分类,例如认为价格属性最重要的或者效用值相似的消费者归成一类(集合),然后再分析整个群体或不同类之间的偏好反应,研究人员应根据不同的研究目的来确定进行分析的层次。

 

作者:小敏,微信公众号:「极速洞察」

本文由 @小敏 原创发布于人人都是产品经理。未经许可,禁止转载。

题图来自 Pexels,基于 CC0 协议

给作者打赏,鼓励TA抓紧创作!
4人打赏
评论
欢迎留言讨论~!