¿Qué es el análisis Conjoint?
El análisis conjoint es un método popular de investigación de precios y productos que revela las preferencias de los consumidores y utiliza esta información para seleccionar las características de un artículo, evaluar la sensibilidad al precio, pronosticar participación en el mercado y predecir el comportamiento para lanzamientos de nuevos productos o servicios.
El análisis conjoint se utiliza frecuentemente en diferentes industrias y para todo tipo de productos, como bienes de consumo masivo, artículos eléctricos, planes de seguro de vida, viviendas para jubilados, artículos de lujo y viajes aéreos. Se aplica en varios casos donde el interés consiste en descubrir qué tipo de producto es probable que compren los consumidores y cuáles son las características que valoran más (y menos). Por esta razón es un método común en campos de marketing, publicidad y gestión de productos.
Las empresas de todos los tamaños pueden beneficiarse del análisis conjoint, incluidas incluso las tiendas de comestibles y los restaurantes locales, y su alcance no se limita a entidades con fines de lucro, por ejemplo, las organizaciones benéficas pueden utilizar técnicas de análisis conjoint para conocer las preferencias de los donantes.
¿Cómo funciona un análisis conjoint?
El análisis conjoint funciona dividiendo un producto o servicio en sus componentes (denominados atributos y niveles), posteriormente se prueban diferentes combinaciones de estos componentes para identificar las preferencias del consumidor. Por ejemplo, consideremos un estudio sobre teléfonos inteligentes. El teléfono inteligente se clasifica en cuatro atributos que se dividen en diferentes categorías para crear niveles:

Así es como la combinación de estos atributos y niveles pueden aparecer dentro de las opciones para un encuestado en un análisis conjoint:

Más allá de simplemente preguntar a los encuestados qué les gusta de un producto, o qué características encuentran más importantes, el análisis conjoint emplea un enfoque más realista: pedir a cada encuestado que elija entre posibles conceptos de producto (o alternativas) formados a través de la combinación de atributos y niveles. Estas combinaciones son cuidadosamente seleccionadas y agrupadas en conjuntos de opciones (o preguntas). A cada encuestado se le suelen presentar de 8 a 12 preguntas. El proceso de ajustar los atributos y niveles en conceptos de productos y luego en conjuntos de opciones se llama diseño experimental y requiere un análisis estadístico y matemático extenso (realizado automáticamente por Conjoint.ly o manualmente por investigadores).
Con los resultados de la encuesta, es posible calcular un valor numérico que mide en cuánto influyó cada atributo y nivel en las elecciones del encuestado. Cada uno de estos valores se denomina utilidad parcial” (también conocido como “Partworth Utlility” o “nivel de preferencia”). El siguiente ejemplo muestra el nivel de preferencia para los atributos y niveles de un plan de telefonía móvil.

Los niveles de preferencia se utilizan para construir simuladores que pronostican la participación en el mercado para un conjunto de diferentes productos ofrecidos. Al usar el simulador para modelar las decisiones de los encuestados, podemos identificar las características específicas y los precios que equilibran el valor para el cliente con el costo para la empresa y pronosticar la demanda potencial en una situación de mercado competitiva. El siguiente ejemplo muestra cómo las diferentes cantidades de datos móviles en un plan de celular afectarán la participación de mercado para una empresa.

¿Por qué hacer un análisis conjoint con Conjoint.ly?
Conjoint.ly automatiza el proceso de diseño experimental, el cual en ocasiones puede ser complicado, utilizando una metodología de vanguardia. Esto brinda control a nuestros clientes sobre configuraciones específicas, como el número de conceptos por cada conjunto de opciones y el número de opciones por cada encuestado. Cuando configuramos un experimento de análisis conjoint los encuestados completan las tareas de elección dentro del diseño del experimento lo cual generalmente requiere unos pocos cientos de respuestas, pero puede variar según la complejidad del estudio.
Una vez que hemos reunido el tamaño de muestra recomendado de encuestados, nuestra herramienta produce un informe de la encuesta, el cual contiene varios resultados detallados. Los resultados para análisis tipo Brand Specific Conjoint, Conjoint Genérico, y Brand-Price Trade-Off incluyen estimaciones de las preferencias de los encuestados, el perfil general de la muestra, la segmentación y las simulaciones interactivas. Conjoint.ly estima y representa gráficamente las preferencias relativas, las proyecciones de ingresos y la elasticidad de los precios mediante simuladores.
Hay muchos tipos de análisis conjoint, clasificados por tipo de respuesta, enfoque de preguntas y formato de diseño. Todos los tipos de análisis conjunto tienen los mismos conceptos básicos, pero no todos son tan efectivos como otros. Es por eso por lo que Conjoint.ly ofrece dos diseños clave, el genérico y el brand-specific, además utiliza el tipo de respuesta más probado, desarrollado y teóricamente sólido: el análisis conjoint basado en elecciones (CBC por sus siglas en inglés). El poder predictivo del CBC supera con creces sus alternativas, como SIMALTO y el conjoint auto explicativo, lo que lo convierte en la opción ideal para su próximo experimento.
¿No tiene un gran presupuesto de marketing para realizar análisis Conjoint? No hay ningún problema: Conjoint.ly realiza un análisis completo por usted, de manera asequible. . A diferencia de las herramientas de software de escritorio, Conjoint.ly no requiere que profundice en la metodología avanzada del análisis conjoint. Su empresa puede confiar en la funcionalidad completa de nuestro software para ofrecer análisis de alta calidad y resultados precisos. Incorporamos un enfoque ágil que lo pone al control del proceso de investigación sin la necesidad de tener conocimientos avanzados.
Conjoint.ly se diferencia de los demás por las siguientes características:
Somos especialistas en técnicas de análisis conjoint. Conjoint.ly ofrece un conjunto completo de reportes y funciones a través de una interfaz amigable.
Rápido de configurar. Configurar su experimento es rápido y sin complicaciones con nuestro sencillo asistente, que lo ayuda a elegir la configuración adecuada y sugiere su tamaño mínimo de muestra. No necesitará personalizar ni probar ninguna encuesta; nuestro sistema lo hace por usted. Conjoint.ly puede enviar invitaciones a los participantes en su nombre o generar un enlace para compartir.
Fácil y práctico para los encuestados. Los participantes del experimento solo necesitan unos minutos para completar una encuesta y pueden responder preguntas con facilidad en su teléfono móvil, tableta o computadora.
Analítica inteligente hecha para usted. Detrás de nuestra interfaz, Conjoint.ly utiliza herramientas y métodos analíticos de última generación para calcular los valores y verificar la validez de los informes. Los resultados están disponibles para cualquier aplicación del análisis conjoint (determinación de precios, selección de características, pruebas de productos, entrada en nuevos mercados, análisis de canibalización, etc.) y en cualquier industria (telecomunicaciones, SaaS, FMCG, automotriz, servicios financieros, recursos humanos, etc.).
Nuestro equipo de soporte está listo para ayudarlo con sus estudios si necesita ayuda.
Principales resultados
Considere que está lanzando un nuevo producto y desea abordar varias preguntas de investigación. A través del siguiente ejemplo, demostramos cómo se pueden utilizar varios resultados del informe generado por Conjoint.ly para obtener información.
- Evaluar la importancia relativa de los atributos (niveles de preferencia para atributos/utilidades). Puede identificar la característica más importante que buscan los consumidores al considerar su producto o servicio.
- Evaluar el valor relativo por niveles (preferencia por cada nivel/utilidad por nivel). Las preferencias de los consumidores se pueden dividir aún más, mostrando la calificación para cada nivel individual.
- Evaluar el potencial de un nuevo lanzamiento. Puede simular lanzamientos de nuevos productos (NPD por sus siglas en inglés) para ver la redistribución de preferencias y participación en los ingresos.
- Evaluar el impacto de las nuevas características del producto. Los niveles de preferencia y las proyecciones de ingresos (suponiendo que se ofrezcan 1000 unidades) se pueden simular para ayudar a agregar o modificar características del producto. En el siguiente escenario, se muestran dos escenarios para cuatro marcas de automóviles junto con sus niveles de preferencias y sus proyecciones de ingresos.
- Encontrar precios óptimos. La elasticidad precio de la demanda se puede calcular para múltiples escenarios seleccionando dos puntos de una simulación del nivel de preferencias. En este caso, al seleccionar los dos precios de $ 23 000 y $ 25 000 para la marca Ladina Klubnika se mostrará un mensaje indicando que la elasticidad precio de la demanda es elástica.
- Clasificar a sus clientes potenciales. Si desea explorar las características de aquellas personas con más probabilidades de comprar su producto, puede habilitar la segmentación basada en preferencias por conceptos para un escenario particular.
History of conjoint analysis
El análisis conjoint tiene sus raíces en la investigación académica de la década de 1960 y se ha utilizado comercialmente desde la década de 1970. En 1964, dos matemáticos, Duncan Luce y John Tukey publicaron un complejo y nada intuitivo artículo (según los estándares modernos) llamado ‘Simultaneous conjoint measurement: A new type of fundamental measurement’. En términos abstractos, esbozaron la idea de “medir la bondad intrínseca de determinadas características de los objetos midiendo la bondad de un objeto en su conjunto”.
El artículo no mencionó la recopilación de datos, productos, características, precios u otros elementos que hoy asociamos con el análisis conjunto, pero despertó el interés académico en el tema y quizás dio lugar al nombre de conjoint. No solo impulsó varios estudios sobre el tema, también marcó la pauta para futuros desarrollos en el área. Con el tiempo, esta metodología se ha vuelto técnica hasta el punto de ser inaccesible para la mayoría de las personas y siendo liderada por académicos estadounidenses con un fuerte énfasis en el funcionamiento estadístico de la investigación mediante encuestas.
Green and Srinivasin (1978) coinciden en que la teoría de la medición conjunta se desarrolló en el artículo de Luce y Tukey, pero que “el primer enfoque detallado y orientado al consumidor” fue el de Green y Rao (1971) ‘Conjoint Measurement for Quantifying Judgmental Data’. En 1974, El profesor Paul E. Green escribió ‘On the Design of Choice Experiments Involving Multifactor Alternatives’, consolidando el impacto del análisis conjoint en la investigación de mercado.
Durante las siguientes décadas, el análisis conjunto se convirtió en un método cada vez más popular en todo el mundo con estudios notables en los años 80 y 90 que destacaron su creciente adopción y desarrollo durante este tiempo (Wittink & Cattin 1989; Wittink, Vriens, and Burhenne 1994 cited in Green, Kreiger & Wind 2001).
Las encuestas de análisis conjoint se desarrollan continuamente en una amplia variedad de plataformas, a través de las cuales se pueden implementar distintos tipos de análisis conjoint. Hoy en día, este tipo de análisis prospera como una herramienta generalizada basada en una metodología robusta y usada con frecuencia por los investigadores de mercado quienes la consideran como una herramienta indispensable para entender las preferencias y el costo de oportunidad de los consumidores.
Un ejemplo simple de análisis conjoint en Excel
Para ampliar su comprensión, puede descargar nuestro ejemplo de análisis conjoint en Excel, también disponible en Google Sheets (que puede copiar para editar). Este ejemplo cubre:
- Los insumos necesarios para un análisis conjoint.
- Preguntas presentadas a los encuestados.
- Calculations of preference scores (relative preferences and importance scores of attributes)
Este ejemplo se limita a:
- Diez respuestas basadas en elecciones (en un análisis real recopilamos cerca de 12 opciones con 100 a 2000 registros).
- Cuatro atributos con dos niveles cada uno (en pruebas reales podemos tener hasta una docena de atributos y varias docenas más de niveles).
- Unaregresión lineal múltiple ((en un análisis real, utilizamos un modelo jerárquico bayesiano logístico multinomial);
- Un diseño factorial fraccional.
Si desea experimentar con una verdadera herramienta de software de análisis conjoint en línea, regístrese en nuestra plataforma para navegar por nuestros informes de ejemplo o crear su propio experimento de análisis conjoint..
Preguntas frecuentes
¿Quién inventó el análisis Conjoint?
Los matemáticos Duncan Luce y John Tukey publicaron la primera fuente sobre el conjunto en 1964, llamado ‘Simultaneous conjoint measurement: A new type of fundamental measurement’.
Sin embargo, en general se acepta que el artículo de 1971 de Paul E. Green y Vithala R. Rao, ‘Conjoint Measurement for Quantifying Judgmental Data’ es “el primer enfoque detallado y orientado al consumidor” del tema. Ver Historia del análisis conjunto.
¿El análisis conjoint es cualitativo o cuantitativo?
¿Por qué se utiliza el análisis conjoint?
¿Qué es el análisis basado en elecciones?
¿Qué es el análisis conjoint adaptativo?
¿Qué es el análisis de elección discreta?
¿Cuál es la diferencia entre los experimentos de elección conjunta y discreta?
¿Cuáles son los pasos del análisis conjunto?
- Reconocer el problema empresarial.
- Crear preguntas de investigación.
- Elegir la metodología de la encuesta.
- Recolectar datos.
- Limpiar datos.
- Analizar datos.
- Preparar la presentación.
- Determinar la acción comercial.
¿Qué es la utilidad parcial?
¿Para qué se utilizan las utilidades parciales y las simulaciones conjoint?
¿Puedo realizar análisis de segmentación y agrupamiento?
Para obtener más contenido sobre el análisis conjunto, te invitamos a leer guías adicionales de nuestra serie sobre el análisis conjunto: