Análisis de conjuntos (Conjoint Analysis) Análisis de conjuntos (Conjoint Analysis) 2009 FACTUMMERCADOTÉCNICO.

Presentación del tema: "Análisis de conjuntos (Conjoint Analysis) Análisis de conjuntos (Conjoint Analysis) 2009 FACTUMMERCADOTÉCNICO."— Transcripción de la presentación:

1 Análisis de conjuntos (Conjoint Analysis) Análisis de conjuntos (Conjoint Analysis) 2009 FACTUMMERCADOTÉCNICO

2 Análisis de Conjuntos (Conjoint)  El análisis de conjuntos o “Conjoint” se ha convertido en una de las metodologías cuantitativas más usadas en investigación de mercados.  Normalmente se usa para determinar la importancia de distintas variables o características de un producto; para conocer cómo puede variar la penetración de un producto ante distintos escenarios de mercado (si añadimos o quitamos marcas, características) o si modificamos los precios, podremos ver cambios en demanda.  En otras palabras, sirve para realizar investigación de modificaciones a productos existentes, desarrollo de nuevos productos, extensiones de línea, etc.  En vez de preguntar directamente a los entrevistados qué prefieren en un producto o que atributos consideran los más importantes por separado, el conjoint usa un contexto más real donde un entrevistado evalúa “perfiles” de productos.  Cada perfil incluye múltiples conjuntos de características o conjuntos de factores que afectan a un producto como publicidad, promociones, (de ahí su nombre)  El “conjoint” puede identificar cuál es la característica que hace que la gente prefiera o no una determinada combinación; además, se puede saber si los consumidores eligen por marca, por sabor, por dulzor, etc.

3  Existen distintos tipos de análisis de conjuntos. Uno de los que ofrece mejores posibilidades (el que se usó en este ejemplo) es el basado en elecciones discretas. Es decir, puedo escoger “un producto o perfil” u “otro” pero no “parte” de uno o de otro.  Este modo de elegir por parte del consumidor es mucho más similar a lo que nos enfrentamos en un supermercado. Además, elegir el producto de preferencia es mucho más sencillo para los entrevistados.  Dentro de los análisis de elección discreta tenemos en CBC (que incluye la elección de todos los atributos en cada escenario) o el ACA (que incluye la elección de solo algunos atributos que se van rotando) Análisis de Conjoint basado en Elecciones CBC (Choice Based Conjoint) Para facilitar el levantamiento, el diseño del análisis se hace desde un inicio en computadora y al entrevistado le aparece una pantalla de Bienvenida en donde se explica el procedimiento a seguir, y después van apareciendo distintas pantallas con los “perfiles” posibles a escoger. ¿Cómo se presenta al entrevistado?

4

5 “perfil” 12345 Sabor peraSabor durazno Sabor piñaSabor mandarina No escogería ninguno Muy dulceNada dulceUn poco dulceMuy dulce En lataEn tetrabirkEn vidrioEn lata Con gasSin gasCon vitaminasCon minerales Marca Del Valle Marca JumexMarca SonrisaMarca Del Fuerte Si tuviera sólo estas opciones en su tienda favorita, usted compraría una bebida que fuera… Recuerde que no hay respuestas correctas o incorrectas. Únicamente queremos saber su preferencia

6  Los entrevistados normalmente contestan entre 12 y 30 escenarios posibles, cada uno con diferentes alternativas (5 en el ejemplo anterior).  Es muy importante la forma en que se diseñan las preguntas pues, dependiendo de cuántas son y cuántos valores tiene cada una se determinará el número de escenarios que cada individuo vea e incluso influirá en el tamaño de la muestra.  No todos los individuos evalúan todos los perfiles, sino que estos son incluidos en forma aleatoria para que cada individuo evalúa relativamente pocos escenarios, pero para que el total de la muestra sí haya evaluado todas las posibilidades permitiendo así construir escenarios sobre ellas.  En este ejemplo las variables o atributos a medir y los valores o niveles que se usaron para el ejercicio se presentan a continuación  Como se verá, normalmente en productos de consumo, la variable “sabor” es bastante importante. Por lo mismo, era la que más variaba en los distintos perfiles presentados.

7 1. sabor2. marca3. adiciones4. dulzor5. envase PeraSonrisaCon mineralesMuy dulceLata DuraznoDel ValleCon vitaminasAlgo dulceTetra brik PiñaJumexCon gasPoco dulceVidrio MandarinaDel FuerteNada dulce NaranjaAdes Variables incluidas en el análisis de conjuntos (CONJOINT) y valores de cada una… Es muy importante tener en cuenta que en este ejercicio se está diseñando un producto o concepto nuevo, por lo que el entrevistado no prueba físicamente ninguno, sino que el ejercicio se basa en sus percepciones y experiencias previas.

8  Los resultados del análisis normalmente incluyen un set completo de valores de las preferencias de los entrevistados (normalmente conocidas como “utilidades parciales”)  Estas utilidades nos dicen como afecta el valor o nivel de cada variable y al mismo tiempo nos permite tener la importancia global de cada variable.  En otras palabras, no solo nos dirá qué tan importante es la variable “sabor” vs. “dulzor” o “envase”, sino que, dentro de “sabor” nos dirá cómo afecta cada una de las alternativas para el consumidor (por ejemplo “naranja” vs. “pera” o “mandarina”).  Hay que recordar que la “importancia” de una variable no es un porcentaje (sino la diferencia entre los valores máximo y mínimo de una variable), Ii = (Max Ui – Min Ui) * 100 / Σj (Max Uj – Min Uj)) En donde: Ii = Importancia del atributo i Max Ui = Utilidad máxima del atributo i Min Ui = Utilidad mínima del atributo i Σj = Suma de las diferencias de utilidades de todos los atributos

9 1 sabor Utilidad 2 marcaUtilidad 3 adicionesUtilidad 4 dulzorUtilidad 5 envaseUtilidad Pera18.6Sonrisa-2.4Con vitaminas 6.9Muy dulce -3.6Lata-8.9 Durazno11.6Del Valle 6.4Con minerales 4.7Algo dulce 8.8Tetra brik 6.7 Piña7.4Jumex7.6Con gas -11.6Poco dulce 3.1Vidrio2.2 Manda rina -10.5Del Fuerte -8.2Nada dulce -8.3 Naranja-27.1Ades-3.4 Valor (utilidad) de los valores de cada variable Las utilidades son expresiones numéricas del valor que los consumidores dan a cada atributo. Una utilidad pequeña o negativa significa menor valor. En este tipo de análisis específico, la suma de las utilidades positivas y negativas da siempre “0”. El atributo con las utilidades más grandes será más importante en la decisión de compra.

10 Importancia de las variables incluidas en el “Conjoint” (Total y por plaza) En todo producto de bebidas y alimentos, lógicamente el sabor juega un papel central y le sigue la marca. Se dan algunas diferencias por plaza como que la marca es más importante en Monterrey mientras el Sabor es en Guadalajara. La importancia de estas variables NO es un porcentaje, sino que se obtiene considerando los pesos máximos y mínimos o utilidades que se dan a cada variable

11 Shares de mercado Como resultado de todo lo anterior, se puede establecer cuál sería la “preferencia relativa” de un consumidor por distintas marcas / productos. En otras palabras, el % de personas que lo escogió, nos daría una idea de cuál es su participación relativa de mercado (“share”) vs. El resto de los productos evaluados. A continuación se presenta este escenario base, donde ya se ve cuál es la preferencia por distintas marcas / sabores con base en todo el análisis anterior de las variables incluidas. Nótese cómo los productos de pera son de los que tienen preferencias más altas, aunque claro influyen otros aspectos como la marca, dulzor, etc.

12 Otra de las ventajas relativas del análisis de conjuntos o “conjoint” es que, con base en las variables estudiadas, se pueden establecer distintos escenarios posibles que ayuden a establecer “qué pasaría si”…. (“what if”). En este estudio se vio que era muy importante el sabor pera en un producto y, de hecho, los que tenían este sabor fueron de los más “valorados” por los entrevistados. Por ello, se decidió ver “qué pasaría si un nuevo fabricante o el cliente que manda hacer el estudio sacara un producto de “pera”. Los resultados se presentan a continuación (Nota técnica. Para la simulación de escenarios, dentro de los modelos que existen, se ocupó el análisis jerárquico de Bayes para la estimación que se explica como anexo) Simulación de escenarios

13 SIMULACIÓN DE ESCENARIOS AGREGANDO NUEVAS PRESENTACIONES DE PRODUCTOS En este nuevo escenario, se ve claramente que si el fabricante nuevo o nuestro cliente sacara un producto de pera, podría lograr un “share” importante de mercado. Desde luego influirán otros aspectos como el valor de marca, pero de entrada se ve como una posibilidad interesante.

14 Anexos metodológicos 1.Análisis jerárquico de Bayes Anexos metodológicos 1.Análisis jerárquico de Bayes 2009 FACTUM

15 1. Análisis jerárquico de Bayes Para los más interesados en las tripas de este tipo de análisis, hablamos un poco más de los modelos para simulaciones de mercado que utiliza el análisis de conjuntos, y el que utilizamos en este caso. El conjoint con un modelo “Logit” cuenta con la gran desventaja de apoyarse en la postura de teorías de “utilidades constantes”. Esta teoría nos dice que el ser humano es probabilístico y que la utilidad o importancia relativa de cada alternativa es “constante”. Es decir, que un consumidor no siempre decide adquirir el producto que le proporciona mayor utilidad, sino que tendrá únicamente una “cierta probabilidad de elegirlo”. De esta forma, cada individuo tiene un probabilidad asignada de elegir alguna alternativa mediante una función de distribución. Lo erróneo de este tipo de utilidades constantes se puede ver reflejado en la paradoja de los “camiones rojos y azules”

16 1. Análisis jerárquico de Bayes (cont) Esta paradoja consiste en un problema de transporte en donde una persona tiene que elegir entre distintos medios para llegar a su casa. Las opciones con las que cuenta son: 1)autobuses, 2)microbuses, 3)metro o 4)auto. Las probabilidades asignadas para cada alternativa (utilizando la teoría de utilidades constantes” es de.25 (1/4) Ahora, si añadimos una nueva línea de autobuses pero cuya única variante es el color del camión (de ahí el nombre de “rojos” y “azules”) la probabilidad de ir en autobús subiría ahora a 2/5 o.40 (.20 de los camiones rojos y.20 de los azules) Para solucionar lo anterior se sustituye el modelo “logit” con el Análisis Jerárquico de Bayes” el cual considera que cada entrevistado es “único y “heterogéneo” con lo que, al introducir una nueva variante de un producto, no todos los individuos le asignarán un porcentaje de su consumo de acuerdo a su preferencia previa con la marca.

17 1. Análisis jerárquico de Bayes (cont) Esto es claro en el caso de “Jumex tomate” que, a pesar de que la marca tiene una alta valoración, el jugo de tomate se ve que tiene una utilidad muy baja (muy poco preferido) por lo que no es tan escogido como otros sabores. El análisis de Bayes se realiza, por lo mismo, a nivel individuo y no a nivel agregado como lo hace el “logit”. Esto no quiere decir que bajo el modelo de Bayes no se puedan ver valores agregados (o a nivel total). Su ventaja radica en que se aplican a los datos dos tipos de análisis: El primero es a nivel de individuos (asume una distribución normal multivariada para determinar la probabilidad de que cada individuo seleccione una cierta alternativa) El segundo hace uso de un modelo logit pero multinomial. Esto es, primero realiza una estimación de los parámetros, para después modelar (sin considerar dichos parámetros como constantes)

18 Anexos metodológicos 2. Explicación breve de usos, funcionamiento y pasos Anexos metodológicos 2. Explicación breve de usos, funcionamiento y pasos 2009 FACTUM

19 Usos de un análisis de Conjoint Existen diversos usos para un análisis de Conjoint dentro de los cuales se encuentran: 1.Predecir la rentabilidad y/o el share de mercado de un nuevo producto propuesto dada una cierta competencia existente en el mercado. 2.Predecir el impacto de nuevos productos competidores en las ganancias o share de mercado. 3.Predecir el canibalismo entre nuestros productos y nuevos productos de la competencia o entre productos de la competencia y nuevos productos nuestros. 4.Responder a preguntas como ¿debe introducirse un nuevo producto? Si sí, ¿cual es el diseño o características óptimas de dicho producto? Y ¿se deberá modificar el precio o alguna otra característica con base en lo que ofrece la competencia? 5.Predecir el impacto de variables temporales en la preferencia de los consumidores como la presencia de campañas o temas publicitarios. 6.Predecir el comportamiento de los consumidores ante cambios en precios.

20 ¿Cómo funciona el análisis de Conjoint? El análisis de Conjoint mide juicios psicológicos (como preferencia del consumidor o aceptación) o semejanzas y diferencias percibidas entre diversas alternativas. Uno de los métodos más comunes para el análisis de Conjoint es mediante Mínimos Cuadrados Ordinarios (OLS model) el cual tiene como objetivo producir un conjunto de utilidades que identificar la preferencia del entrevistado para cada nivel de atributos de un producto. Matemáticamente, el modelo OLS resuelve una matriz dummy de avariables independientes en donde cada variable indica la presencia o ausencia de un nivel de atributo en particular. La variable dependiente es la evaluación del entrevistado al escenario construido por las variables independientes. Z i = f(y i1, i2... im ) = B li1 (x li1 ) + B 2i2 (x 2i2 ) +,..., + B mim (x mim ) En donde: B = Los pesos de las Betas estimados en la regresión x = La matriz de variables dummy que identifica los niveles del diseño factorial Y = El rango o calificación de cada entrevistado

21 Pasospara un análisis de Conjoint Pasos para un análisis de Conjoint Se le presentan al entrevistado una serie de perfiles (es decir, los productos con ciertos atributos en cierto nivel). El orden y la cantidad en que se presentan estos estímulos se determina mediante un diseño factorial completo o incompleto. El entrevistado califica o selecciona entre los estímulos de acuerdo con algún criterio general como preferencia, aceptación, familiaridad o intención de compra. En el análisis de los datos se identifican pesos parciales para los diversos niveles de los atributos de tal manera que la combinación de estos pesos de la utilidad total para un determinado perfil (una vez más, la utilidad para un determinado producto con un cierto nivel en sus atributos). Se definen una serie de objetos para el simulador de elecciones. Basado en cálculo de los pesos parciales, el simulador calcula el valor de la utilidad para cada uno de los objetos definidos en la simulación.

22 Finalmente se utilizan modelos de simulación basados en diversas reglas de decisión (como por ejemplo, modelos de primera elección, probabilidad promedio, logit o modelo jerárquico de Bayes que es el utilizado en el estudio actual para evitar conflictos como el típico problema de “autobus rojo y autobus azul”) para estimar la elección de los entrevistados así como para calcular los shares globales de cada producto. Pasospara un análisis de Conjoint (cont) Pasos para un análisis de Conjoint (cont)

23 Cálculo de la importancia de cada factor/atributo Al estimar la utilidad para cada factor es posible estimar el promedio de importancia de cada uno de estos factores/atributos además de la utilidad promedio de cada uno de los niveles de estos factores. La importancia de cada uno de estos factores/atributos se estima como una función del rango de utilidades observadas para cada uno de los niveles de estos factores. Esto significa que un atributo con un amplio rango de utilidades en sus niveles tendrá una mayor importancia estimada. I i = ( Max U i – Min U i ) * 100 / Σ j ( Max U j – Min U j )) En donde: Ii = Importancia del atributo i Max Ui = Utilidad máxima del atributo i Min Ui = Utilidad mínima del atributo i Σ j = Suma de las diferencias de utilidades de todos los atributos

24 En muchos casos las utilidades son presentadas como porcentajes centrados en cero indicando, de esta manera, que las utilidades negativas indican que dichos niveles afectan negativamente a la preferencia del entrevistado, mientras que valores positivos afectan positivamente. El cero, entonces, es un nivel de un factor/atributo que no esta perjudicando ni beneficiando al producto. Como ya se vio anteriormente, mientras más amplio sea la separación entre la utilidad mínima y máxima de un cierto factor/atributo, mayor será la importancia estimada del mismo. ¿Cómo leer los datos?