Evita los errores más comunes con consejos prácticos para crear estudios conjoint


El equipo de investigación de Conjoint.ly ha apoyado a sus clientes en la realización de numerosos proyectos de investigación que incluyen el análisis conjoint, y ha adquirido una gran experiencia en el camino. En esta guía, compartimos nuestros aprendizajes más importantes de proyectos anteriores para asegurar que el tuyo sea un éxito. (También encontrarás varias recomendaciones en otras páginas).

Nueve consejos para especificar atributos y niveles

Los atributos son “dimensiones” del producto (como el precio, el color, la forma, el tamaño, la marca, la ubicación):

  1. Incluye los atributos que consideres más importantes para los clientes a la hora de comprar, así como cualquier atributo cuya importancia quieras comprobar. Por ejemplo, si conocemos que los clientes se guían por el precio y el tamaño, y queremos investigar si el color es importante, incluye los tres atributos (precio, tamaño y color).

  2. Intenta no incluir más de siete atributos porque podría confundir a los encuestados o podría parecer sobrecargado, especialmente en los dispositivos móviles.

  3. Si el precio es incluido (es decir, si se está probando un bien de consumo), por lo general debe incluirse como atributo aunque no estés interesado en conocer su importancia, esto gracias a que:

    • Ayuda a que el estudio sea más realista.

    • Permite comparar otros atributos en relación con el precio en varios estudios (por ejemplo, si decides realizar otro estudio con un grupo distinto de atributos).

Los niveles son los “valores” que puede tomar cada atributo. Por ejemplo, el atributo “color” puede tener los niveles “azul”, “rojo”, “transparente”. El atributo “características” puede ser “no incluye actualizaciones”, “actualización automática cada mes durante un año”, “actualizaciones automáticas de por vida”.

  1. Ten en cuenta que necesitas tener al menos dos niveles por atributo. Si uno de tus atributos sólo tiene un nivel, defínelo como característica en la descripción de tu producto.

  2. Los niveles deben ser precisos: por ejemplo, los niveles de la potencia del motor de un coche son 1.5L, 1.8L, 2.0L, en lugar de “menos de 1.5L” o “más de 2L”.

  3. Los niveles deben parecer realistas para el consumidor (pero necesariamente factibles para la línea de producción en la actualidad).

  4. Asegúrate de que los niveles son mutuamente excluyentes dentro de cada atributo. Por ejemplo, considera las texturas de pañuelos. Para este atributo, se pueden especificar los niveles “reciclado” y “tejido”. Esto no es mutuamente excluyente porque “reciclado” puede ser “tejido”. Esto puede evitarse especificando dos atributos:

    • AtributoTextura": “textura similar al tejido”, “textura simple”;

    • AtributoReciclado": “reciclado”, “no reciclado”.

Tanto para los atributos como para los niveles:

  1. Cuando describas tanto los atributos como los niveles, utiliza un lenguaje que entiendan los clientes gracias a que en su pantalla verán los atributos y los niveles exactamente como los estas describiendo. Piensa en el tipo de lenguaje que se usaría en la publicidad orientada al cliente. Debes pedir a los vendedores y al equipo de marketing que comprueben la comprensibilidad del estudio conjoint antes de enviarlo a tus clientes o a los encuestados del panel.

  2. Una imagen vale más que mil palabras. Utiliza imágenes, especialmente si tienes problemas para describir las características del producto.

Cinco errores comunes en los estudios conjoint

A continuación, recopilamos los cinco errores más comunes que se cometen al elaborar e interpretar un estudio conjoint, para que puedas evitarlos.

1. Probar demasiadas características en un solo experimento conjunto

Normalmente, los consumidores solo se centran en las características más importantes a la hora de comprar, por lo que no es necesario incluir todas las características del producto. Ten en cuenta dos factores:

  • Cuantas más características incluyas, más difícil será para los encuestados comparar cada opción en el estudio conjoint.

  • La complejidad del experimento y el tamaño de la muestra aumentarán con cada característica adicional, lo que hará que el experimento sea más costoso sin mejorar necesariamente la fiabilidad de sus resultados.

2. Exceder los límites de lo que puede manejar un solo conjoint

Al igual que el error de añadir demasiadas características, incluir demasiados inputs también hará que la encuesta sea demasiado compleja, aumentando el tamaño de la muestra y el coste. Puntos para tener en cuenta:

  • Incluye hasta 7 atributos con suficientes niveles para que sean un reflejo del mercado. También puedes incluir preguntas adicionales, pero mantenlas al mínimo para evitar fatiga en los encuestados.

  • Los puntos de precio deben oscilar entre el ~60% y el 140% del precio real. Si no estás seguro del precio real, realiza un estudio Van Westendorp para acotarlo.

  • Haz un número moderado de preguntas conjoint (entre 10 y 14). Tener más de 14 preguntas puede provocar fatiga en el encuestado. El valor automático por defecto en Conjoint.ly es de alrededor de 12 (dependiendo de su configuración).

3. No distinguir con claridad las características

Los encuestados pueden confundirse cuando una característica es una combinación de varios parámetros. Por ejemplo, si una oferta promocional está incluida en el precio total, los encuestados pueden confundirse si el parámetro del precio promocional adicional no está claramente identificado.

Esta confusión también puede surgir entre productos con variaciones técnicas. Por ejemplo, el detergente para ropa está disponible en distintas variedades similares (por ejemplo, líquido y concentrado). Para diferenciar claramente cada sustancia y hacer una comparación justa, los encuestados necesitarían que se les explicaran las características específicas de cada una.

Cómo evitarlo:

  • Las características del producto deben estar claramente diferenciadas.

  • Añadir información adicional para cada atributo puede despejar posibles confusiones.

  • Añadir páginas de introducción sobre las características antes del estudio conjoint.

4. Basarse exclusivamente en las puntuaciones promedio de la utilidad

Los estudios conjoint proporcionan un rico conjunto de datos sobre las preferencias de los encuestados para los niveles evaluados. Fijarse exclusivamente en las puntuaciones promedio con una calificación alta te impide aprovechar al máximo estos datos. Siempre es bueno experimentar con las simulaciones además de las puntuaciones promedio de utilidad para comprender mejor las preferencias de los consumidores.

5. No ajustar las cuotas de preferencia a las condiciones del mercado

Una de las ventajas de hacer un análisis conjoint es que se aproxima a las cuotas de mercado en función de las preferencias de los clientes. Pero recuerda: la simulación de la cuota de mercado basada en el análisis conjoint no es confiable por si sola ya que es casi imposible que:

  • Se incluyan todas las ofertas de los competidores en el mercado.
  • Predecir los cambios en el comportamiento de los consumidores y los futuros lanzamientos de productos por parte de los competidores.
  • Considerar perfectamente la disponibilidad de los productos en las estanterías,
  • Suponer que el producto final en el estante será exactamente como el que se prueba en el conjoint.

¿Debe incluir a la competencia en su investigación?

Si el estudio trata de la fijación de precios, no cabe duda de que debes incluir a los competidores en su estudio conjoint. Para ilustrar esto, veamos dos ejemplos:

Sin competencia

En el análisis que se muestra a continuación, sólo había un producto en el conjoint, lo que significa que los encuestados podían elegir entre el producto A (área roja) o "ninguno de los anteriores" (es decir, no comprar el producto A). Esta es una situación poco realista porque los encuestados suelen tener varias opciones en el mercado. Como resultado, los gráficos de elasticidad tienden a ser planos y subestiman la elasticidad del precio:

Sin competidores
Con la competencia

A modo de comparación, se muestra el análisis del mismo producto A (en rojo) con algunas opciones de la competencia incluidas. Como puede apreciarse, los resultados son bastante diferentes, casi opuestos.

Con competidores

Esta segunda opción es mucho más realista porque, en realidad, los consumidores tienen más opciones que considerar y tomar su decisión de compra entre las opciones disponibles.

En esencia, la investigación de precios consiste en plantear la pregunta “si ofreces el producto X al precio $y, ¿qué % de personas estarán dispuestas a comprarlo?”. Al realizar las pruebas en un contexto competitivo (es decir, incluyendo a la competencia), hacemos que el estudio sea más realista, ya que permitimos que los consumidores cambien de marca cuando se simule otra marca a un precio más elevado.

Definición de la muestra para la investigación de precios

Cuando se realiza una investigación sobre precios, es especialmente importante contar con una muestra representativa de compradores de la categoría, con cuotas por ingresos familiares y uso de la marca (el género y la edad son menos relevantes, pero pueden ser útiles para equilibrar la muestra).

Al sobremuestrear a los compradores de marcas específicas, se corre el riesgo de subestimar la elasticidad del precio de la demanda de esas marcas.

Consideraciones especiales para los bienes de consumo

Para los que trabajan en mercados de bienes de consumo masivo/fabricación de productos básicos, tenemos algunas recomendaciones especiales:

  • Como regla general, para los estudios en los que los objetivos clave son la fijación u optimización del rango de precios (y en los que las simulaciones serán los principales resultados), se deben incluir las SKU que representen hasta el ~80% del mercado. Hacerlo requerirá un poco de calibración y, según nuestra experiencia, deberíamos incluir SKUs que representen:

    • Las principales SKU por ventas.
    • Las marcas más destacadas (por ejemplo, los recién llegados al mercado).
    • Las variantes del producto que deseas evaluar.
    • Tus competidores más directos y comparables (en términos de tamaño de envase, nivel de precio, características clave).
    • Al menos una o dos referencias de la competencia en cada uno de los grupos de tamaño clave (por ejemplo, en pequeño, mediano y grande).
    • Al menos una o dos referencias de la competencia en cada uno de los niveles de valor/precio (por ejemplo, económico, medio y premium).
  • Lo ideal es pensar en los artículos (sus atributos y niveles) que se venderán dentro de dos o tres meses, no en lo que hay hoy en el mercado.

  • Cuando pienses en el precio piensa siempre también en el tamaño En algunos mercados también es necesario mostrar el precio por paquete o el precio por 100g. La opción conditional display logic puede ayudarle en este sentido.

  • Incluye una opción de exclusión (es decir, ninguna de las anteriores) ya que es posible que el consumidor no quiera aceptar ninguna de las opciones en la vida real. Esto es absolutamente necesario para la fijación de precios.

  • Utiliza la herramienta de optimización de imágenes Conjoint.ly para asegurarte de que:

    • Las imágenes tengan un tamaño proporcional al del envase.
    • Las imágenes tengan una calidad uniforme, especialmente para los dispositivos móviles.
  • No incluyas más de 5 alternativas por pantalla (tarea de elección). Por lo general, la visualización virtual de los estantes con docenas de SKU mostradas a la vez no es esencial, gracias a que no hemos visto ninguna prueba en la literatura académica o en la práctica de que la visualización virtual de los estantes prediga los resultados del mercado mejor que un simple conjoint, sin embargo, si es más costosa y laboriosa.

Lo que debería tener todo proyecto de investigación de mercado

Por último, tenemos algunas ideas que se aplican a todos los estudios de investigación en línea:

  1. Incluye algunas preguntas de perfil para conocer mejor los datos demográficos de tus clientes: por ejemplo, edad, ingresos, nivel de educación. Conjoint.ly también permite analizar estos datos.

  2. Incluye preguntas abiertas. Aunque no estés interesado en escuchar lo que tus clientes quieren decir en un formato de preguntas abiertas, son una gran manera de identificar y eliminar a los encuestados de baja calidad.

  3. Prueba la encuesta con un gran número de personas (colegas o con la función Quick Feedback) para asegurar que tu encuesta cumple los objetivos de la investigación.