Alternativas al análisis conjoint


Existen varias alternativas al análisis conjoint, algunas de las cuales están desactualizadas, mientras que otras tienen propósitos ligeramente diferentes. Por favor, no dudes en contactarnos para obtener ayuda si estás evaluando alguno de los siguientes métodos.

MaxDiff

MaxDiff (Escala de diferencia máxima, BWS o escala de mejor-peor) es una técnica estadística que ayuda a priorizar diferentes elementos, por ejemplo, las características del producto. A diferencia de los análisis conjoint, un estudio MaxDiff no suele considerar los productos como combinaciones de niveles agrupados por atributo. En MaxDiff, los investigadores tienen la libertad de examinar las características de una manera más aleatoria, lo que implica un costo en capacidades analíticas y una profundidad en el análisis limitada.

Cada pregunta de MaxDiff presenta un grupo de 2 a 5 características de las cuales el encuestado tiene que indicar cuál es la característica es más importante o deseable y cuál es la menos importante o deseable. Por ejemplo, se les puede pedir a los encuestados que elijan las características más atractivas y menos atractivas de los siguientes teléfonos inteligentes:

Más atractivo Característica Menos atractivo
Pantalla de 6”
Color plateado
Incluye un mes de datos móviles gratuitos
Sin botón físico de “Inicio”

MaxDiff y la escala Mejor – Peor se consideran técnicas ligeramente diferentes, con varios usos específicos para distintas necesidades de investigación. Sin embargo, MaxDiff es generalmente una técnica menos poderosa que el conjoint basado en elecciones cuando se trata de simulaciones de las preferencias del consumidor. Conociendo esto, puedes usar MaxDiff en Conjoint.ly.

Conjoint auto explicado

Antes que nada, el “análisis conjoint auto explicado” no es un análisis conjoint. Es una técnica más antigua que intenta presentar resultados similares a un conjoint, pero lo hace de una forma incompleta. Conjoint.ly no ofrece el análisis conjoint auto explicado dentro de sus productos.

¿Cuál es la similitud con el análisis conjoint?

Como el análisis conjoint normal, esta técnica asume que las preferencias de las personas por los productos son una suma de preferencias por las diferentes características (niveles de atributos). Matemáticamente hablando, este modelo se puede expresar como:

$$ P_c = \sum_j {D_{jk}I_j} $$

dónde:

  • Pc es la preferencia por el concepto del producto c,
  • Djk es el atractivo del nivel k aplicable para el atributo j,
  • Ij es la importancia del atributo j.

¿Qué es diferente?

A diferencia del análisis conjoint convencional, donde los encuestados ven grupos de preguntas cuidadosamente elaboradas sobre el producto que elegirían o comprarían, en el conjoint auto explicado, los encuestados suelen responder a dos preguntas:

  1. Todos los niveles de todos los atributos se presentan al encuestado y se evalúa el atractivo de cada nivel (utilizando una escala de clasificación o una escala de 0 a 100). Los niveles a menudo se agrupan por atributo.
  2. Para cada encuestado, la encuesta mostrará el nivel más deseable de cada atributo (según lo informado por el participante en la pregunta anterior). Estos niveles se evalúan en una pregunta de suma constante para asignar puntuaciones de importancia relativa a los atributos.

¿Qué tiene de malo?

Este enfoque ha demostrado ser incorrecto. No está respaldado por la teoría de marketing (por ejemplo, la teoría de la utilidad aleatoria). En términos prácticos, los estudios que involucran análisis conjoint auto explicado producen resultados poco confiables. La razón es que no utilizan tres propiedades importantes del análisis conjoint basado en elecciones:

  • El análisis conjoint consiste en pedir a las personas que “consideren las opciones en conjunto”. En el conjoint auto explicado, los encuestados no tienen la oportunidad de evaluar grupos de productos, solo se les pide que vean niveles y atributos por separado.
  • En un conjoint auto explicado, los encuestados no están tomando decisiones como lo harían en la vida real. Se pide a los encuestados que evalúen los factores que impulsan sus decisiones; sin embargo, en realidad, las personas a menudo no pueden describir lo qué impulsa su comportamiento (es posible que no se conozcan a sí mismos o que tengan miedo de decirlo).
  • El conjoint auto explicado no se basa en análisis de regresión que permite calcular intervalos de confianza y realizar simulaciones sólidas de participación de mercado.

En conclusión, recomendamos que utilizar el análisis conjoint basado en la elección en lugar del conjoint auto explicado.

Análisis de compensación para dos atributos

El análisis de compensaciones para dos atributos fue una de las primeras técnicas de investigación tipo conjoint en la que se mostraba a los encuestados una serie de tablas con opciones. Cada tabla contiene todas las posibles combinaciones de niveles para dos atributos. Los encuestados deben clasificar cada columna de la tabla según sus preferencias.

Por ejemplo, considera un producto que tiene tres atributos, dos niveles en cada uno:

  • Tamaño
    • Grande
    • Pequeño
  • Color
    • Azul
    • Blanco
  • Precio
    • $10
    • $20

A cada encuestado se le muestran tres tablas (preguntas), con cuatro conceptos en cada una:


Pregunta 1

Alternativa 1 Alternativa 2 Alternativa 3 Alternativa 4
Tamaño Grande Grande Pequeño Pequeño
Color Azul Blanco Azul Blanco
Ranking (1 al 4)

Pregunta 2

Alternativa 1 Alternativa 2 Alternativa 3 Alternativa 4
Tamaño Grande Grande Pequeño Pequeño
Precio $10 $20 $10 $20
Ranking (1 al 4)

Pregunta 3

Alternativa 1 Alternativa 2 Alternativa 3 Alternativa 4
Color Azul Azul Blanco Blanco
Precio $10 $20 $10 $20
Ranking (1 al 4)

Este enfoque tiene una menor carga cognitiva para los participantes y es fácil de implementar. Sin embargo, presenta importantes inconvenientes por lo que en la práctica actualmente no se utiliza:

  • El ejercicio no es realista gracias a que las alternativas en la vida real no se evalúan como combinaciones únicamente de dos atributos.
  • En caso de que existan muchos atributos o niveles, los encuestados se aburren y, a menudo, desarrollan patrones rápidos para completar la encuesta rápidamente.

Con estos métodos, se desarrollaron una serie de enfoques relacionados, como SIMALTO (compensación simultánea de niveles de múltiples atributos), sin embargo, el análisis conjoint basado en opciones ha remplazado a todas estas metodologías obsoletas.