Сопряженный анализ

Сопряженный анализ

Сопряженный анализ — это широко распространенный метод маркетинговых исследований, который позволяет выработать количественные меры относительной значимости уровней атрибутов, которые называются полезностью. На основе этих индивидуальных уровней полезности осуществляется сегментация рынка по группам людей, которые ищут определенные выгоды товара (потребности, вкусы или предпочтения), как описывалось в гл. 3.

Сегментация по выгодам может использоваться для внесения конструктивных изменений в существующие товары или для определения оптимальной конструкции нового товара. Полезность также влияет на ключевые маркетинговые решения, такие как ценообразование и продвижение на рынок, предоставляя данные о чувствительности к цене потребителей и определяя характеристики, которые выше оцениваются потребителями.

Простейший подход к сопряженному анализу называется «полный контур». Лучше всего объяснить на примере, как работает такой подход. Рассмотрим такой товар, как будильник/радио со следующими составляющими или функциональными характеристиками:

Атрибут/характеристика Уровни атрибута

1. Марка Sony

AT&T

Без марки

2. Длина волны только средние

только УКВ

средние и УКВ

3. Цена $15

$20

$30

На основе этих трех атрибутов, имеющих каждый по 3 уровня, можно получить 27 различных полных профилей. Один профиль, например, может быть будильник «Сони» с УКВ и средними волнами по цене 30 долларов. Для того чтобы получить полезность каждого уровня трех атрибутов, респондентов объединенной задачи просят сделать рейтинг каждого из 27 профилей на шкале от 1 до 100 и измерить вероятность покупки или общей положительной реакции. Данные рейтингов вместе со спецификацией каждого профиля, определенного респондентами, действуют как входные данные для оценки процедуры, используемой для,выявления полезности.

Сама процедура оценки очень проста и использует регрессионную модель. Для нашего примера будильника/радио этот результат выражается следующей регрессионной моделью:

у = ?₀ + ?₁ sony + ?₂ AT + ?₃ укв + ?₄ св укв + ?₅ 20 + ?₆ 30 + Е,

где у — это рейтинг профиля по шкале от 1 до 100, а переменные Sony, AT и др.— это уровни атрибутов каждого профиля, представленные респонденту. Эти переменные определяются следующим образом:

sony = 1 , когда марка «Сони»

0 — все прочие

AT = 1, когда марка AT&T

0 — все прочие

УКВ = 1, когда есть только частота УКВ

0 — все прочие

СВ УКВ = 1, когда есть только частота УКВ и

0 — все прочие

20 = 1, когда цена 20 долларов

0 — все прочие

30 = 1, когда цена 30 долларов

0 — все прочие

Традиционно, для оценки регрессионных моделей, описанных выше, используется метод наименьших средних квадратов, а параметры оценки от J31 до рб используются « для расчета добавленной полезности радио «Сони», радио AT&T, с СВ, с GB и УКВ, по цене 20 долларов и 30 долларов.

Распространенная и часто встречающаяся проблема в сопряженном анализе — это то, что полезность, полученная в результате процедур, описанных выше, не всегда соответствует признакам и/или порядку. Например, в случае с будильником/радио, рассмотрим респондента, чьи оценки полезности показывают, что он предпочитает будильник/радио без торговой марки будильникам «Сони» или AT&T или предпочитает товар только с УКВ, а не товар с тем и другим диапазонами. Порядковые нарушения такого типа, которые не соответствуют предыдущим разумным ожиданиям, увеличивают сомнения в полезности сопряженного анализа для «конструирования» рыночных сегментов или прогнозирования долей рынка для новых товаров.

В последнее, время было предложено решение этой проблемы, в котором используется Байесовский подход для того, чтобы убедиться, что оценки полезности имеют правильный знак и упорядоченную расстановку. Предложенные процедуры позволяют использовать предыдущие предположения о знаке и расстановке параметрических оценок. Например, в случае с будильником/радио предыдущие предположения о предпочтениях потребителей могут автоматически использоваться в процедуре оценки:

Предыдущие предположения ад- Интерпретация

министрации о потребительских

предпочтения

1. ?_1,?₂ > 0 Торговые марки «Сони» и AT&T предпочитаются товару без марки при условии, что все остальные уровни атрибутов одинаковы.

2. ?₄ > 0 Наличие СВ и УКВ предпочитается товару только с СВ при условии, что все остальные уровни атрибутов одинаковы.

3. ?_4, ?₆ <0 Цена 15 долларов предпочитается цене 20 или 30 долларов при условии, что все остальные уровни атрибутов одинаковы.

4. ?_{5 >} ?₆ Цена 20 долларов предпочитается цене 30 долларов при условии, что все остальные уровни-атрибутов

Показано, что использование упорядоченных предварительных предположений об оценке параметров дает в результате, меры характеристик-уровней полезности с полной достоверностью и последовательностью.