콘조인트 분석

Conjoint analysis
마케팅 적용에 따른 선택 기반 결합 분석 조사 예(아이스크림 선호도 조사)

컨조인트 분석은 개별 제품 또는 서비스를 구성하는 다양한 속성(특징, 기능, 이점)을 어떻게 가치 있게 평가하는지를 결정하는 데 도움이 되는 시장 조사에 사용되는 조사 기반 통계 기법입니다.

결합 분석의 목적은 제한된 수의 속성 조합이 응답자 선택 또는 의사결정에 가장 영향을 미치는지를 결정하는 것이다.잠재적 제품 또는 서비스의 통제된 집합이 설문 응답자에게 제시되며, 이러한 제품 중 선택 방법을 분석함으로써 제품 또는 서비스를 구성하는 개별 요소의 암묵적 평가를 결정할 수 있다.이러한 암묵적 가치 평가(효용 또는 부분 가치)는 새로운 설계의 시장 점유율, 수익 및 수익성을 추정하는 시장 모델을 만드는 데 사용될 수 있다.

컨조인트 분석은 수리심리학에서 시작되었으며 마케팅 교수인 폴 E에 의해 개발되었다. 펜실베니아 대학의 와튼 스쿨에서 그린 박사입니다.기타 저명한 결합점 분석 선구자에는 서열 데이터에 대한 선형 프로그래밍(LINMAP) 프로시저를 개발한 스탠포드 대학의 V. "Seenu" Srinivasan 교수 및 결합점 분석 및 관련 테크에 대한 선택 기반 접근법을 발명 및 개발한 Jordan Louviere(Iowa 대학)가 있습니다.최적의 스케일링과 같은 hniques.

현재는 마케팅, 제품 관리, 운영 연구 등 사회과학 및 응용과학 분야에서 많이 사용되고 있습니다.신제품 디자인에 대한 고객 수용 테스트, 광고의 매력 평가 및 서비스 설계에 자주 사용됩니다.제품 포지셔닝에 사용되었지만, 이 콘조인트 분석의 적용에 문제를 제기하는 사람도 있습니다.

결합점 분석 기법은 다중 속성 구성 모델링, 이산 선택 모델링 또는 명시적 선호 연구로도 언급될 수 있으며, 의사결정의 체계적 분석에 사용되는 광범위한 트레이드오프 분석 도구의 일부이다.이러한 툴에는 브랜드 가격 트레이드오프, Simalto 및 AHP,[1] PAPRIKA,[2][3] 진화 알고리즘 또는 규칙 개발 실험과 같은 수학적 접근법이 포함됩니다.

컨조인트 설계

제품 또는 서비스 영역은 다양한 속성으로 설명됩니다.예를 들어, 텔레비전은 화면 크기, 화면 형식, 브랜드, 가격 등의 속성을 가질 수 있습니다.그런 다음 각 속성을 여러 레벨로 나눌 수 있습니다.예를 들어, 화면 포맷의 레벨은 LED, LCD 또는 Plasma입니다.

응답자에게는 전체 또는 일부 구성 속성의 수준 조합으로 만든 제품, 프로토타입, 실물 또는 그림이 표시되고 표시된 제품 중에서 선택, 순위 지정 또는 등급을 지정하도록 요청됩니다.각각의 사례는 소비자들이 근접한 대안으로 볼 정도로 유사하지만, 응답자들이 명확하게 선호도를 결정할 수 있을 정도로 유사하지 않다.각 예는 제품 기능의 고유한 조합으로 구성되어 있습니다.데이터는 개별 등급, 순위 또는 대체 조합 중에서 선택할 수 있습니다.

컨조인트 설계에는 다음 4가지 단계가 포함됩니다.

  1. 스터디 유형 결정
  2. 관련 속성 식별
  3. 특성의 수준을 지정합니다.
  4. 설계 앙케이트

1. 연구의 종류를 결정한다.

다음과 같은 다양한 유형의 스터디가 설계될 수 있습니다.

  • 랭킹 베이스의 접속
  • 등급 기준 접속점
  • 선택 기반의 접속

2. 관련 특성을 특정한다.

결합 분석의 속성은 다음과 같습니다.

  • 경영진의 의사결정과 관련이 있다.
  • 실제 생활에서 다양한 수준을 가지고 있습니다.
  • 선호도에 영향을 미칠 것으로 예상된다.
  • 명확하게 정의되고 전달될 수 있습니다.
  • 가급적 강한 상관관계를 나타내지 않는 것이 좋다(가격과 브랜드는 예외이다).
  • 2개 이상의 레벨로 구성됩니다.

3. 속성의 수준을 지정합니다.

속성의 수준은 다음과 같습니다.

  • 애매하지 않다
  • 상호 배타적
  • 현실적

4. 디자인 앙케이트

속성과 수준의 조합 수가 증가함에 따라 잠재적 프로필의 수가 기하급수적으로 증가합니다.따라서 부분 요인 설계는 일반적으로 평가할 프로파일의 수를 줄이면서 통계 분석에 사용할 수 있는 충분한 데이터를 보장하고, 결과적으로 응답자가 고려할 수 있도록 주의 깊게 통제된 "프로파일" 세트를 생성하기 위해 사용된다.

가장 오래된 형태와 결점

1970년대부터 시작된 결합점 분석의 가장 초기 형태는 풀 프로파일 연구로 알려진 것으로, 응답자에게 표시되는 프로파일을 작성하기 위해 작은 속성 세트(일반적으로 4 ~5)가 사용되었습니다.그 후 응답자들은 이러한 프로파일의 순위를 매기거나 등급을 매겼다.비교적 단순한 더미 변수 회귀 분석을 사용하여 응답자가 지정한 등급이나 등급을 가장 잘 재현하는 수준에 대한 암묵적 효용을 계산할 수 있다.이러한 초기 설계에서 두 가지 단점이 발견되었습니다.

첫째, 사용 중인 속성의 수가 크게 제한되었습니다.속성 수가 많으면 응답자에 대한 고려 과제가 너무 커지며 부분 요인 설계를 사용하더라도 평가를 위한 프로파일의 수가 빠르게 증가할 수 있다.더 많은 속성(최대 30개)을 사용하기 위해 자가 설명(수준과 속성의 등급 또는 순위)과 결합 작업을 결합하는 하이브리드 결합점 기술이 개발되었다.종이 기반 설문지와 적응형 컴퓨터 지원 설문지 모두 1980년대부터 옵션이 되었습니다.

두 번째 단점은 프로파일의 등급이나 순위가 비현실적이고 행동 이론과 직접 연결되지 않았다는 것이다.실제 상황에서 구매자들은 순위를 매기거나 등급을 매기는 대신 대안 중에서 선택합니다.Jordan Louviere는 선택 기반 결합점 분석과 이산 선택 분석의 기초가 되는 선택 작업만 사용하는 접근방식을 개척했습니다.이 명시된 선호도 연구는 계량경제학 모델링과 연계되어 있으며, 선택 모델이 조사 데이터가 아닌 실제 데이터에 기초하여 보정되는 밝혀진 선호도와 연계될 수 있다.원래 선택 기반 연결점 분석은 개인 수준의 효용을 제공할 수 없었으며 연구자들은 시장의 선호도를 나타내기 위해 통합 모델을 개발했다.이로 인해 시장 세분화 연구에 적합하지 않게 되었습니다.새로운 계층적 베이지안 분석 기법을 사용하면 개인과 시장 세그먼트에 걸쳐 이질적인 선호에 대한 더 큰 통찰력을 제공하는 개인 수준의 효용을 추정할 수 있다.

정보 수집

컨조인트 분석을 위한 데이터는 일반적으로 시장 조사 조사를 통해 수집되지만, 컨조인트 분석을 신중하게 설계된 구성자 또는 적절하게 설계된 테스트 시장 실험의 데이터에도 적용할 수 있습니다.시장조사 경험칙은 컨조인트 분석 인터뷰를 설계할 때 통계 표본 크기 및 정확도와 관련하여 적용된다.

연결점 설문지의 길이는 평가할 속성의 수와 선택한 연결점 분석 방법에 따라 달라집니다.20~25개의 Atribut을 가진 일반적인 적응형 컨조인트 앙케이트는 완료하는[citation needed] 데 30분 이상 걸릴 수 있습니다.샘플 전체에 분산된 보다 작은 프로파일세트를 사용함으로써 선택 기반의 접속은 15분 이내에 완료될 수 있습니다.선택 연습은 매장 전면 유형 레이아웃 또는 기타 시뮬레이션된 쇼핑 환경에서 표시할 수 있습니다.

분석.

마케팅에 대한 응용 프로그램과의 결합 분석의 샘플 출력입니다.

모델의 유형에 따라 효용 함수를 추정하기 위해 다양한 계량 및 통계 방법을 사용할 수 있다.이러한 유틸리티 기능은 기능의 인식된 가치와 제품 특징의 변화에 대한 소비자의 인식과 선호도가 얼마나 민감한지를 나타냅니다.실제 추정 절차는 선호도를 나타내는 데 사용되는 측정 척도(간격 척도, 순위 또는 이산 선택)와 응답자를 위한 과제 및 프로필의 설계에 따라 달라진다.등급 기반 전체 프로파일 작업을 사용하여 각 속성 수준에 대한 효용을 추정하는 경우 선형 회귀 분석이 적합할 수 있으며, 선택 기반 작업의 경우 일반적으로 로지스틱 회귀 분석과 함께 최대우도 추정이 사용됩니다.원래의 효용 추정 방법은 분산의 단조로운 분석 또는 선형 프로그래밍 기법이었지만, 현대의 마케팅 연구 관행은 다항 로짓, 이 모델의 혼합 버전 및 기타 개선 사항을 사용하는 선택 기반 모델로 전환되었다.베이지안 추정기 또한 매우 인기가 있다.계층적 베이지안 절차도 오늘날 비교적 인기가 있다.

장점과 단점

이점

  • 소비자가 여러 속성을 함께 평가할 때 이루어지는 심리적 트레이드오프를 추정한다.
  • 개인 수준에서 선호도를 측정할 수 있습니다.
  • 응답자 자신에게는 분명하지 않을 수 있는 실제 또는 숨겨진 동인을 발견한다.
  • 현실적인 선택이나 쇼핑 태스크 모방
  • 물리적인 오브젝트를 사용할 수 있음
  • 적절하게 설계된 경우 속성 간의 상호작용을 모델링할 수 있는가?
  • 취향의 응답자 이질성을 인식하는 모델을 적용할 때 니즈 기반 세분화를 개발하는 데 사용될 수 있다.

단점들

  • 결합점 연구를 설계하는 것은 복잡할 수 있다
  • 너무 많은 제품 기능과 제품 프로파일에 직면했을 때 응답자들은 종종 심플화 전략에 의존합니다.
  • 실제 특징에 대한 인식을 축소된 기본 특징 집합에 대한 인식으로 변환하는 절차가 없기 때문에 제품 포지셔닝 연구에 사용하기 어렵다.
  • 응답자는 새로운 카테고리에 대한 태도를 명확하게 표현할 수 없거나, 그렇지 않으면 별로 생각하지 않을 문제에 대해 생각하지 않을 수 없다고 느낄 수 있다.
  • 서투르게 설계된 연구는 감성적인 제품 특징을 과대평가하고 구체적인 특징을 과소평가할 수 있다
  • 응답자 1인당 구입한 제품의 수량은 고려하지 않지만, 스스로 판단한 구매량 또는 용량 측정 결합 분석과 같은 확장에 따라 응답자에게 가중치를 부여하면 이 문제를 해결할 수 있다.

실용적인 응용 프로그램

시장 조사

비즈니스 분석에 대한 결합점 분석의 실용적인 적용 예는 다음과 같습니다. 한 부동산 개발자가 도시 Ivy League 대학 근처에 고층 아파트 단지를 건설하는 데 관심이 있습니다.프로젝트의 성공을 보장하기 위해 시장 조사 회사를 고용하여 현재 학생들과 포커스 그룹을 운영하고 있습니다.학생들은 학년(신입생, 상급생, 대학원생)과 재정 지원액에 따라 세분화된다.조사 참가자에게는, 6개의 속성(캠퍼스 근방, 코스트, 통신 패키지, 세탁 옵션, 플로어 도면, 시큐러티 기능등)에 기재되어 있는 다양한 아파트 생활 옵션과 관련된 일련의 선택 시나리오가 표시됩니다.각 아파트 옵션과 관련된 건물의 건설 예상 비용은 동일합니다.참가자들은 각각의 선택 시나리오에서 선호하는 아파트 옵션을 선택하도록 요구됩니다.이 강제 선택 연습은 참가자의 우선 순위와 선호도를 드러냅니다.다항 로지스틱 회귀 분석을 사용하여 연결점 실험에 포함된 6개 속성의 각 속성 수준에 대한 효용 점수를 추정할 수 있습니다.이러한 효용 점수를 사용하여 잠재적 아파트 거주 옵션을 설명하는 속성 수준의 조합에 대한 시장 선호도를 예측할 수 있다.

소송

미국 연방법원은 특허권 침해자가 특허권자에게 권리를 [4]침해한 것에 대해 배상하기 위해 지불해야 하는 손해에 대한 의견을 뒷받침하기 위해 전문가 증인이 결합 분석을 사용할 수 있도록 허용했다.그럼에도 불구하고, 법률학자들은 특허 피해 계산에 결합 분석의 사용에 대한 연방 서킷의 법률이 형성 [5]단계에 머물러 있다는 점에 주목했다.

애플이 삼성의 저작권 침해로 인한 피해를 입증하고 배상액을 늘리기 위해 컨조인트 분석을 사용한 것이 그 예다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ Ijzerman MJ, van Til JA, Bridges JF (212). "A comparison of analytic hierarchy process and conjoint analysis methods in assessing treatment alternatives for stroke rehabilitation". The Patient. 5 (1): 45–56. doi:10.2165/11587140-000000000-00000. PMID 22185216. S2CID 207299893.
  2. ^ Liberman AL, Pinto D, Rostanski SK, Labovitz DL, Naidech AM, Prabhakaran S (2019). "Clinical decision-making for thrombolysis of acute minor stroke using adaptive conjoint analysis". The Neurohospitalist. 9 (1): 9–14. doi:10.1177/1941874418799563. PMC 6327243. PMID 30671158.
  3. ^ Al-Isma'ili A, Li M, Shen J, He Q (2016). "Cloud computing adoption decision modelling for SMEs: a conjoint analysis". International Journal of Web and Grid Services. 12 (3): 296–327. doi:10.1504/IJWGS.2016.079157.
  4. ^ 코넬 대학교 대휴렛패커드사, F609번지부록 2d 279 (2009년 N.D.N.Y.)Sentius Int'l, LLC 대 Microsoft Corp., No. 5:13-cv-00825, 2015 WL 331939 (2015년 1월 23일 N.D. Cal.
  5. ^ J. 그레고리 시닥과 제레미 O.Skog, Using Conjoint Analysis to Argotation Parames, (기준경제학 실무논문, 2016년 1월 29일), https://www.criterioneconomics.com/using-conjoint-analysis-to-apportion-patent-damages.html.

외부 링크