¿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:

Example of attributes and levels in a conjoint exercise

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

Example conjoint choice task

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.

Preference scores are calculated for each attribute and level

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.

Simulating market shares across different product scenarios

¿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.

  1. 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.
    Consumer preferences displayed through attribute preference scores

  2. 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.
    Consumer preferences displayed through level preference scores

  3. 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.
    Simulation of baseline for preference shares for Ladina Klubnia

  4. 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.
    Ladina Klubnia preference shares simulation of Automatic versus Manual


  1. 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.
    Simulation of price elasticity preference shares for Ladina Klubnia

  2. 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.
    Respondents most inclined to buy Ladina Klubnika with automatic transmission

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:

  1. Los insumos necesarios para un análisis conjoint.
  2. Preguntas presentadas a los encuestados.
  3. Calculations of preference scores (relative preferences and importance scores of attributes)

Este ejemplo se limita a:

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?

El análisis conjoint es una forma de investigación cuantitativa. Se pide a los participantes que completen encuestas con una serie de conceptos de productos que se presentan en conjuntos de opciones.

¿Por qué se utiliza el análisis conjoint?

La investigación de mercado permite evaluar los productos antes del lanzamiento, gracias a que es demasiado costoso lanzar productos al mercado sin probarlos (por su alto nivel de fracaso). Mientras que los otros métodos de investigación no son adecuados para tener en cuenta los factores clave del mercado (demanda y competencia), un análisis tipo conjoint utiliza una metodología más realista y cercana a una situación de compra real.

¿Qué es el análisis basado en elecciones?

El análisis basado en la elección (también conocido como experimentación de elección discreta) es un tipo de respuesta que se utiliza en estudios conjoint en donde los encuestados eligen qué opción comprarían. Se considera el método más confiable para recopilar respuestas, ya que es el más realista en un contexto de investigación de mercado.

¿Qué es el análisis conjoint adaptativo?

A diferencia del análisis conjoint genérico, en los estudios conjoint adaptativos las preguntas no están predeterminadas, en su lugar, la encuesta “se adapta” a las elecciones de los encuestados para crear cada pregunta. Es adecuado para estudios en los que hay una gran cantidad de atributos que de otro modo no encajarían funcionalmente en un análisis conjoint genérico.

¿Qué es el análisis de elección discreta?

El análisis de elección discreta es la evaluación de datos que contienen elecciones realizadas por personas entre varias alternativas. Por lo general, queremos comprender qué impulsó a las personas a tomar estas decisiones. Por ejemplo, ¿cómo afecta el clima a la elección de las personas de salir a comer, pedir comida a domicilio o cocinar en casa? Un análisis conjoint basado en la elección es otro ejemplo de análisis de elección discreta.

¿Cuál es la diferencia entre los experimentos de elección conjunta y discreta?

El análisis conjoint es una técnica basada en encuestas para presentar a los encuestados varias opciones (cada una descrita en términos de características y niveles de precios) y medir su respuesta a estas opciones. Cuando la respuesta es su elección entre estas opciones (en lugar de clasificar o calificar cada una de estas opciones), se denomina análisis conjoint basado en la elección (que es el tipo más común de experimentos de elección discreta).

¿Cuáles son los pasos del análisis conjunto?

  1. Reconocer el problema empresarial.
  2. Crear preguntas de investigación.
  3. Elegir la metodología de la encuesta.
  4. Recolectar datos.
  5. Limpiar datos.
  6. Analizar datos.
  7. Preparar la presentación.
  8. Determinar la acción comercial.

¿Qué es la utilidad parcial?

La valoración relativa (también conocido como nivel relativo de preferencias o valoración relativa) es un puntaje numérico que mide cuánto influye cada característica del producto en la selección de un concepto en particular por parte del encuestado.

¿Para qué se utilizan las utilidades parciales y las simulaciones conjoint?

Las utilidades parciales (también conocidas como nivel relativo de preferencias) son útiles para describir las preferencias medias de sus clientes (o subgrupos). Por ejemplo, puede encontrar que sus clientes en general prefieren un color, sabor o precio en particular (frente a otro color / sabor / precio). Las utilidades parciales son el resultado clave de un análisis conjoint genérico porque ayudan con la selección de funciones. Las simulaciones en este tipo de análisis sobre la participación en las preferencias son útiles para mostrar que el porcentaje de personas elegirá un color / sabor / precio en particular dada la elección de otros productos con diferente color / sabor / precio. Las simulaciones son el resultado clave de la combinación específica de marca y la compensación de precio de marca porque ayudan a predecir la adopción, los ingresos, la elasticidad del precio y la canibalización.

¿Puedo realizar análisis de segmentación y agrupamiento?

Sí, en caso de usar técnicas modernas de análisis, como un modelo jerárquico bayesiano (el cual es predeterminado en Conjoint.ly), obtienes puntuaciones de preferencia a nivel individual (coeficientes del modelo). Estas puntuaciones se pueden utilizar para agrupar respuestas e investigar segmentos de compradores.

Para obtener más contenido sobre el análisis conjunto, te invitamos a leer guías adicionales de nuestra serie sobre el análisis conjunto: