MD

Análisis MaxDiff

El análisis MaxDiff es una técnica robusta para clasificación de elementos. Puede ser utilizada para clasificar:

  • Sabores para tus productos, basados en las preferencias del consumidor.
  • Ocaciones de uso basados en frecuencia
  • Aspectos más valorados de tu marca basados en la satisfacción del consumidor
  • Características principales de un producto según su importancia.

El análisis MaxDiff estadísticamente es parecido a un análisis conjoint. Su nombre proviene de la escala de clasificación “diferencia máxima” (Maximum difference por sus siglas en inglés) también llamada escala best – worst (mejor – peor).

Tradicionalmente en un análisis Maxdiff cada producto es tratado como un artículo individual, mientras que en un análisis conjoint se tratan los productos como una combinación de niveles y de atributos. Como tal, un análisis conjoint produce una clasificación de productos basada en la suma de preferencias para cada nivel por atributo en un producto, mientras que el análisis MaxDiff genera clasificaciones preguntando al encuestado directamente. Sin embargo, el enfoque de Conjoint.ly para MaxDiff permite:

  • Evaluar múltiples atributos en la misma encuesta.
  • Realizar combinaciones de atributos por marca cuando estos son substancialmente diferentes entre sí (si este fuera el caso, primero es necesario generar el experimento como si fuera un Brand-Specific Conjoint y luego convertirlo en un MaxDiff).
  • Simular la distribución de las preferencias, en un nivel altamente significativo.

Principales resultados de un análisis MaxDiff

Relative importance of levels

Utilidades relativas por niveles

¿Cómo clasifican los clientes las posibles opciones de color del teléfono?

Cada nivel por atributo se clasifica con base en su desempeño durante el proceso de toma de decisiones por parte de los clientes. En nuestro ejemplo, el color azul marino es el color preferido (en relación con las otras opciones de color) y su valoración se muestra como positiva. El color amarillo es el menos elegido y, por lo tanto, se muestra como negativo. Es importante recordar que el valor asociado a cada atributo es solamente relativo a las demás opciones que se muestran a los encuestados. Por ejemplo, solamente podemos indicar que el color rojo se mostrará como negativo cuando se lo compare con este conjunto específico de colores (en otras palabras, con los niveles establecidos en el estudio): probar el color rojo con una gama diferente de colores podría generar un resultado positivo.

Ranked list of product constructs

Ranking de las posibles combinaciones de productos

Genera todas las posibles combinaciones de niveles y ordénalas según la preferencia de los clientes.

Conjoint.ly muestra el listado completo de productos utilizando todas las posibles combinaciones de niveles. Se muestra el ranking basándose en el rendimiento relativo de los niveles que los conforman. Este módulo te permite identificar la mejor combinación de niveles que construyen el producto que tus clientes elegirían sobre otros.

Market segmentation

Segmentación de mercado

Descubre como cambian las preferencias entre segmentos.

A través de Conjoint.ly puedes ampliar la información de tus informes en varios segmentos utilizando la información recolectada automáticamente por nuestro sistema: Respuestas a preguntas adicionales (por ejemplo, opción múltiple), resultados de simulaciones o variables GET, entre otros. Para cada segmento, brindamos los mismos análisis y detalles de información descritos anteriormente.

Works with TURF Simulator

Funciona con el Simulador TURF

Realiza un análisis TURF sobre los datos utilizando el Simulador de Análisis TURF.

El análisis TURF tiene como objetivo encontrar la combinación de artículos que atrae a la mayor proporción de consumidores. Conjoint.ly facilita el análisis TURF al permitir exportar tus datos directamente al simulador de análisis TURF de Conjoint.ly con un solo click.


Cómo funciona?

En esta metodología, Conjoint.ly presenta a cada encuestado una selección de opciones elegidas al azar y le pide que seleccione qué opción es la mejor y cuál es la peor. A cada encuestado se le pide que complete entre 12 y 16 preguntas.

El resultado principal del método es un gráfico de barras de las preferencias promedio. Las utilidades de preferencia son puntuaciones relativas, sin unidades, que representan la preferencia relativa por cada uno de los elementos del MaxDiff. En este gráfico, los elementos con una mayor puntuación de preferencia son más preferidos

Un resultado alternativo del MaxDiff es un gráfico de barras que muestra el porcentaje elegido como mejor/peor y el porcentaje neto. Este resultado muestra el número de veces que cada característica fue elegida como parte de la mejor opción y el número de veces que la característica fue elegida como parte de la peor opción, dividido por el número de veces que la característica fue presentada a los encuestados y expresado como un porcentaje. El porcentaje neto es simplemente el mejor porcentaje - peor porcentaje y es otra forma de medir la preferencia de los encuestados por las características. Por ejemplo, supongamos que realizamos un MaxDiff sobre los sabores de los refrescos. Se presentó Cola a los encuestados en 100 pruebas. De esos 100 ensayos, fue seleccionada la mejor opción 76 veces, y seleccionada como la peor opción 6 veces. A continuación, se calculan los resultados:

  • Mejor porcentaje: 76/100 = 76%
  • Peor porcentaje: 6/100 = 6%
  • Porcentaje neto: 76%-6% = 70%

Ahora, en comparación con otro sabor, el Kiwi, que tiene un mejor porcentaje del 11%, un peor porcentaje del 70% y un porcentaje neto del -59%, podemos deducir que los encuestados prefieren la Cola al Kiwi.

Con la herramienta de análisis MaxDiff de Conjoint.ly, puedes realizar un MaxDiff sobre el sabor, el tamaño del envase, el formato y cualquier otro atributo que desees probar en el mismo experimento. Las utilidades de preferencia y los resultados porcentuales elegidos se presentan para cada uno de estos atributos por separado.

Configuración en Conjoint.ly

Para configurar un MaxDiff en Conjoint.ly tendrás que preparar una lista de atributos y niveles que desees probar. A continuación, sólo tiene que añadir estos atributos y niveles en la pantalla de configuración del experimento.

Conjoint.ly también te permite presentar a los encuestadas preguntas adicionales: Opción múltiple, Escala Likert, Van Westerndorp, elasticidad precio de la demanda Gabor Granger, ec.

Sólo se puede presentar un bloque MaxDiff a los encuestados, pero se puede añadir cualquier número de preguntas adicionales.

¿Cuál es la diferencia entre MaxDiff y el análisis conjoint?

Ambas técnicas son similares en el sentido de que presentan a los encuestados un conjunto de opciones y les piden que elijan, un método que se basa en las decisiones de compensación de los consumidores que imitan de forma más realista las decisiones que los encuestados tomarían en la vida real. Sin embargo, hay algunas diferencias fundamentales en el enfoque y el uso entre los experimentos MaxDiff y conjoint:

MaxDiff Conjoint
Vista del encuestado
Respondent view of a MaxDiff
Respondent view of a Generic Conjoint
¿Cuándo lo usamos? Crear un ranking para diferentes alternativas, como, por ejemplo:
  • Características de un producto por importancia
  • Aspectos de las marcas por satisfacción de los clientes,
  • Sabores o variantes de productos por preferencias de los consumidores,
  • Ocasiones de uso por frecuencia.
  • Selección de características para productos nuevos o renovados
  • Disposición marginal a pagar por características específicas,
  • Probar la marca, el envase y claims,
  • Encontrar el precio óptimo de los productos, teniendo en cuenta las ofertas de la competencia.
Similitudes
  • Ambas técnicas son herramientas analíticas avanzadas, que se construyen sobre la base de las decisiones de compensación (trade-off) de los consumidores.
  • Ambas técnicas dan como resultado puntuaciones de utilidad a escala que pueden transformarse fácilmente en probabilidades a escala de ratios de modo que pueden jerarquizarse.
  • Ambas técnicas son experimentos de elección discreta.
Diferencias
  • Se pide a los encuestados que elijan su alternativa favorita y la que menos les gusta.
  • Los resultados se puntúan directamente de los encuestados.
  • Se pide a los encuestados que hagan una única elección entre el conjunto de alternativas, para su opción más preferida.
  • Los resultados se calculan sumando todas las puntuaciones a nivel individual.
Example

Un fabricante de carros quiere saber cuál es el color de carro preferido por los consumidores.

El análisis MaxDiff se utiliza para proporcionar una clasificación sólida de los colores según las preferencias del consumidor.

Un fabricante de carros quiere saber en qué medida contribuye cada atributo de un carro a la decisión de compra de los consumidores.

También busca la combinación óptima de estos componentes que le permita aumentar su cuota de mercado.


Soluciones completas para la investigación de características y claims

CG
Optimización de rangos
Características y claims

Conjoint genérico

Selección de características, claims y medidas de disposición marginal a pagar para características de un solo producto.

BSC
Investigación de precios
Optimización de rangos

Brand-Specific conjoint

Selección de características, claims e investigación de precios en mercados donde las características de los productos varían entre marcas, SKU o niveles de precios.

CT
características y claims

Claims Test

Prueba los precios de los bienes de consumo nuevos y existentes en un contexto competitivo utilizando gráficos de elasticidad, ingresos y proyecciones de rentabilidad.

MD
Optimización de rangos
Características and claims

Análisis MaxDiff

Análisis MaxDiff para una clasificación sólida de las características de tu producto según las preferencias del consumidor u ocasiones de uso por frecuencia.

PVS
Optimización de rangos

Product Variant Selector

Selección de características, claims e investigación de precios en mercados donde las características de los productos varían entre marcas, SKU o niveles de precios

BPTO
Investigación de precios

Brand-Price Trade-Off

Evalúa precios de productos nuevos y existentes en un contexto competitivo usando gráficos de elasticidad, ingresos y proyecciones de rentabilidad.

GG
Investigación de precios

Método de fijación de precios Gabor-Granger

Determina la elasticidad del precio para un solo producto e identifica la maximización de ingresos y el nivel de precios.

VW
Investigación de precios

Medidor Van Westendorp de sensibilidad de precios

El medidor de sensibilidad al precio ayuda a determinar el rango de precios psicológicamente aceptable para un solo producto y estimar aproximadamente la elasticidad precio.

AB
Prueba de conceptos

A/B Test

Realiza comparaciones específicas entre dos elementos para determinar cuál tiene el mejor desempeño.

MT
Prueba de conceptos

Monadic Test

Compara el desempeño de conceptos o productos mediante pruebas enfocadas.

TURF
Optimización de rangos
Características y claims

Simulador de análisis TURF

Realiza análisis TURF automatizados para cualquier conjunto de datos utilizando la herramienta de análisis TURF de Conjoint.ly.

DIY

Diseño experimental DIY

Permite que modeladores de opciones avanzadas carguen sus propios diseños experimentales y realicen la recopilación de datos en Conjoint.ly.

HE

Herramienta gratuita de encuestas

Herramienta de encuestas en línea funcional con varios tipos de preguntas, lógica, aleatorización e informes para un número ilimitado de respuestas y encuestas.