Conjoint analiza

2.5.1.1 Definicija raziskovalne metode

Conjoint analizo, imenovano tudi trade - off analiza, Walley in soavtorji definirajo kot statistično tehniko, »s katero iščemo relativno pomembnost atributov in vrednosti, ki jo porabniki pripišejo tem atributom ..., ko so soočeni z več produktnimi koncepti, ki se med seboj sistematično razlikujejo« (Walley et alteri 1999, 149). Isti avtorji povzemajo tudi Kotlerja, ki podaja definicijo conjoint analize kot »statistična tehnika, katere namen je raz- staviti porabnikovo preferenco za različne ponudbe40 z namenom določiti uporabnostno funkcijo vsakemu atributu in relativno pomembnost vsakega atributa« (prav tam).

Malhotra (2004, 621) podaja podobno definicijo – »conjoint analiza skuša določiti relativen pomen, ki ga porabniki pripisujejo atributom in uporabnost, ki jo pripišejo določenim vrednostim teh atributov«. Malhotra (2004, 417) razvršča conjoint analizo med »multivariate«41 statistične metode za raziskavo porabnikovega vedenja, in to med tiste metode, kjer je ena spremenljivka odvisna.

Navedimo še definicijo Dicksona (1994, 274), ki pravi, da je conjoint analiza popularna tržno raziskovalna metoda, ki nam omogoča generirati kvantitativna merila relativne pomembnosti atributov in njihovih vrednosti, kar Dickson imenuje koristnost (angl. utility). Na osnovi teh koristnosti, meni Dickson (prav tam), je možno segmentirati tržišče po skupinah porabnikov s podobnimi značilnostmi (potrebe, okus ali preference).

Conjoint analiza je torej pomembno orodje v raziskavi tržišča, ko iščemo informacije o pomembnih, manj pomembnih in nepomembnih lastnostih izdelka (atributih). Raziskovalcu pomaga najti odovore na vprašanja, kot so: Kateri atributi so pomembni in kateri so nepomembni za potrošnike izdelka ali koristnike uslug? Katere ravni ali vrednosti atributov so najbolj in katere najmanj zaželene (Bastič in soavtorji 2007, 9)? S conjoint analizo ugotavljamo relativni pomen, ki ga porabniki pripisujejo pomembnim atributom, kakor tudi koristnost, ki jo porabniki zaznajo za posamezne vrednosti (ravni) teh atributov. Za te informacije pa potrebujemo porabnikove ocene o željenosti dejanskih ali potencialnih izdelkov, sestavljenih iz atributov, ki jih raziskujemo. Med proučevane atribute lahko vključimo tudi enega ali več novih atributov ali nove vrednosti atributov, zato nam ta metoda

40 _{Produktov oziroma storitev – dodal B.E.} 41 _{Navedba po izvirniku v angleščini.}

omogoča ocenjevati tudi odziv uporabnikov na nove izdelke in predvideti njihovo uspešnost (prav tam).

2.5.1.2 Uporabnost in omejitve conjoint analize

Čeprav lahko začetke conjoint analize zasledimo že v dvajsetih letih prejšnjega stoletja (Walley et alteri 1999, 150), je koncept kot takšen zastavljen šele v letu 1964 v delu psihologa Luce in statistika Tukey-a (Gustaffson et alteri 2003, 5). Ta raziskovalna metoda je bila razvita na polju matematike, psihologije in psihometrije, kjer so jo uporabljali za ocenjevanje večatributnih alternativ. V sedemdesetih so jo najprej uporabljali za merjenje porabnikovih nakupnih odločitev. Z razvojem ustreznih računalniških programov je conjoint analiza postala bolj uporabljana tudi na drugih področjih (Gustafsson et alteri, 6):

- pri načrtovanju novih proizvodov – za ugotavljanje preferenčnega učinka za inovacije; - izboljševanje trenutnih rezultatov,

- na področju cenovne politike, - na področju oglaševanja, - na področju distribucije, - kontrolinga,

- dodatnih plačil zaposlenih,

pa tudi na področju strateškega marketinga kot npr.: - na področju segmentacije tržišč in

- na področju simuliranja nakupnih odločitev.

Walley (1999, 150) in soavtorji navajajo MacLachlana in soavtorje, ki pravijo, da je conjoint analiza »dober zunanji odsev notranje realnosti«. To je rezultat dveh značilnosti conjoint analize (prav tam):

- Conjoint analiza temelji na predpostavki, da so nakupne odločitve rezultat ne le enega dejavnika, ampak da so rezultat večih dejavnikov, ali atributov, ki delujejo skupno (angl. conjointly). Ker conjoint analiza v praksi od respondentov zahteva, da naredijo odločitev, ki je rezultat premisleka o več atributih hkrati, velja za bolj realistično oceno nakupnih odločitev kot metode s skaliranjem, kjer respondent ocenjuje vsak atribut posamezno in neodvisno od vrednosti drugih atributov. Nadalje, zato ker so atributi po svoji naravi zelo raznoliki, conjoint analiza poda vrednost s skupno skalo, kar nam dovoljuje neposredno ocenjevanje.

- Klasične raziskovalne tehnike, s katerimi želimo ugotoviti pomembnost posameznih produktnih atributov neodvisno kot rezultat pokažejo, da so vsi atributi »zelo pomembni«.

To seveda v trženjski praksi ni uporabno, najverjetneje pa tudi ni točno. Ta pojav izhaja iz nezmožnosti respondentov, da bi uravnotežili atribute, kot bi jih v dejanskih nakupnih situacijah. Pri conjoint analizi torej ne sprašujemo, kateri atributi so pomembni, ampak raje posnemamo dejansko nakupno situacijo. S tem conjoint analiza zaobide problem, kjer respondenti odgovarjajo eno, v praksi pa ravnajo drugače – torej posledično pridemo do rezultatov, ki imajo višjo veljavnost in so bolj precizni.

Kot eno izmed ključnih omejitev pri raziskovanju z metodo conjoint analize Oppewal in Vriens (2000, 155) navajata nezmožnost obravnave velikega števila atributov. To še posebej velja pri večjem številu proučevanih vrednosti posameznega atributa. Po splošni oceni je količina med 8 do 10 atributov tista, ki še predstavlja količino podatkov, ki jo respondent zmore oceniti.

Pri predpostavki, da imajo vsi atributi enako število ravni, je število možnih konceptov enako km, kjer je k število ravni in m število atributov. Pri večjem številu atributov in njihovih ravni bi ocenjevanje celotnega sklopa alternativnih izdelkov predstavljalo veliko dela za anketirance, kar zmanjšuje zanesljivost njihovih ocen. Zato se v takih primerih uporablja pristop »fractional factorial design«, s katerim se iz množice vseh alternativnih izdelkov izbere manjše število, ki omogoča ocenitev koristnosti vseh parametrov modela z manj dela za anketirance (Bastič in ostali 2007, 10). Tak pristop smo uporabili tudi v naši raziskavi.

2.5.1.3 Potek conjoint analize

Za conjoint analizo kot raziskovalno metodo smo torej že ugotovili, da je njeno širšo uporabo omogočil razvoj ustrezne računalniške (strojne in programske) opreme, s katero lahko statistično obdelamo veliko množico različnih možnosti. Sama uporabnost metode še ni dokončna, razvijajo se nove različice te metode, ki skušajo preseči omejitve, ki izhajajo iz dejstva, da porabnik – anketiranec lahko logično obdela le omejeno količino različnih možnosti kombinacij posameznih atributov. Razvijajo se novi modeli, tehnike in uporaba, pričakovati pa je še kompleksnejše različice (Green v Gustafsson et alteri 2003, 2). Te zelo kompleksne različice so seveda tudi zahtevnejše z vidika samega poteka in izpeljave raziskave.

Enega bolj celovitih pogledov kako izpeljati kompleksno različico conjoint analize nam predstavljajo Gustafsson in soavtorji (2003, 9), ki navajajo sedem korakov v izvedbi conjoint analize. Pri vsakem koraku je na voljo več vsebinskih ali statistično–matematičnih modelov, ki seveda v medsebojni interakciji vplivajo na rezultat. Zelo podobno definira potek raziskovalne metode tudi Malhotra (2004, 623), ki sam potek razdeli v 6 korakov, Walley in soavtorji (1999, 152–155) pa navajajo samo tri korake. Potek conjoint analize povzet po omenjenih avtorjih in kot prikazan na Sliki 13, povzemamo v nadaljevanju.

Slika 13: Potek conjoint analize (povzeto po navedeni literaturi).

- Definiranje problema

V tem koraku moramo določiti atribute in nivoje atributov, ki jih bomo uporabili pri raziskavi. Seveda obstaja več tehnik, kako lahko določimo te atribute in njihov izbor. V kolikor gre le za omejeno število atributov, lahko uporabimo kar vse, pri selekciji nekaj atributov izmed mnogih možnosti pa lahko uporabimo tehnike globinskega intervjuja, skupinskih diskusij in

DEFINIRANJE PROBLEMA

- izbor atributov

- določitev nivojev in relacij

OBLIKOVANJE VPRAŠALNIKA

- full (factoring) design

- reduced design (ortogonalna vrsta)

PREDSTAVITEV VPRAŠALNIKA

- parna primerjava ali polni profil

- rangiranje ali ocenjevanje

- način anketiranja (osebno, telefon) in način predstavitve (vizualno, verbalno)

UPORABA ALGORITMA

- kriterij razpoložljivosti in uporabnosti

INTERPRETACIJA REZULTATOV

- atributi in njihovi nivoji

- vedenje porabnikov

OCENA ZANESLJIVOSTI IN UPORABNOSTI

- statistične metode

podobnih pilotnih raziskav (Walley et alteri 1999, 153), lahko pa tudi v razgovorih z managementom in strokovnjaki (Bastič in ostali 2007, 10), z analizo sekundarnih podatkov in podobno (Malhotra 2004, 623). Običajno določimo nekaj pomembnejših »determinantnih« atributov (Walley et alteri, prav tam). Vsem atributom je potrebno določiti vrednosti – nivoje, ki so lahko binarni (npr. z ali brez) lahko pa imajo tudi več vrednosti – npr. blagovne znamke).

Pomembna predpostavka pri uporabi conjoint analize je, da nekaterim vrednostim atributa pripisuje porabnik večji pomen kot drugim (Bastič in ostali 2007, 9). V kolikor je temu tako lahko v modelu vnaprej določimo odnos (relacije) med relativnimi koristmi, ki jih porabnikom prinašajo posamezne vrednosti izbranih atributov. Te relacije so lahko:

a) diskretne (kadar ne predpostavljamo večje relativne koristi ene vrednosti atributa pred relativno koristijo druge vrednosti atributa);

b) linearne na način več, kadar predpostavljamo, da bo relativna korist za porabnika večja, v kolikor bo količinska izraženost atributa večja (npr. relativna korist servisne mreže z mnogimi servisnimi postajami je večja od relativne koristi servisne mreže z manj servisnimi postajami), kar lahko matematično izrazimo u (x) > u (y);

c) linearne na način manj, kadar predpostavljamo, da bo relativna korist za porabnika večja, v kolikor bo količinska izraženost atributa manjša (tak tipičen primer je atribut cena – predpostavlja se, da nižja cena predstavlja za porabnika večjo koristnost kot višja cena);

d) idealna, ki temelji na kvadratni funkciji in predpostavlja, da obstaja neka idealna točka, kjer je relativna korist za uporabnika največja – z oddaljevanjem od te točke ( v eno ali drugo smer) se relativna korist za porabnika manjša – prikazana v koordinatnem sistemu ima ta funkcija obliko narobe obrnjenega »U«;

e) antiidealna, ki je podobna idealni, s to razliko, da se izbere točka, kjer je relativna koristnost vrednosti atributa za porabnika najmanjša, ter z oddaljevanjem od te točke narašča – prikazana v koordinatnem sistemu ima ta funkcija obliko črke »U«.

- Oblikovanje vprašalnika

Z uporabo večjega števila atributov (npr. 4) in v primeru večjega števila njihovih vrednosti (npr. 4) dobimo lahko množico možnih konceptov posameznih izdelkov (pri zgoraj omenjenem primeru kar 4*4*4*4 = 256), ki očitno predstavljajo ne le težavo pri obdelavi podatkov, temveč predvsem težavo za respondenta, da logično in v skladu z lastnimi preferencami razvrsti posamezne izdelke. Gustaffsonn in soavtorji (2003, 17) omenjajo število 30 kot zgornje število izdelkov, za katere je še možno pričakovati razumen in zanesljiv odgovor anketiranca. Kadar uporabimo vse možne koncepte (kombinacije atributov in njihovih vrednosti), govorimo o t. i. popolni obliki – angl. full (factorial) design (prav tam). Z namenom, da se zmanjša število konceptov do količine, ki je še sprejemljiva za potek raziskave, se uporablja pristop po t. i. zmanjšani obliki – angl. reduced design (prav tam) oz. kot že omenjeno »fractional factorial design«. Načeloma obstajata dva načina zmanjšanja števila konceptov izdelkov (kombinacij atributov in njihovih vrednosti). Prvi je »naključno

vzorčenje«, kjer gre za to, da zmanjšamo število konceptov izdelkov s preprostim naključnim odvzemanjem izdelkov do želenega števila, drugi pa je t. i. ortogonalna vrsta, ki je podmnožica množice vseh možnih konceptov izdelka oziroma storitve in omogoča izračun relativnega pomena vseh proučevanih vrednosti atributov. Do te zmanjšane (pod)množice konceptov, ki omogočajo izvedbo conjoint analize na sprejemljivem številu (včasih občutno zmanjšanem) variant atributov in njihovih vrednosti in ki pri tem še zagotavljajo statistično zanesljivost (Walley et alteri, prav tam), pridemo s sistematičnim izločanjem konceptov na način, da se ohrani neodvisnost atributov (Gustafsson et alteri, 2003, 18).

- Predstavitev vprašalnika

Respondentu lahko predstavimo vprašalnik na dva načina. Prvi se imenuje t. i. parna primerjava (angl. »paired comparison«, kot Walley in soavtorji navajajo AMA), kjer gre za koncept, kjer se respondentu predočita dva koncepta naenkrat (par) in v primerjavi teh dveh se respondent odloči za tisto, ki bolj odraža njegovo preferenco do navedene kombinacije atributov in njihovih vrednosti. Takšna »parna primerjava« se izvede za vse možne pare. Drug način je t. i. polni profil (angl. full profile), kjer so atributi in njihove vrednosti navedene na karticah in respondent mora vse kartice razvrstiti od najbolj zaželene do najmanj zaželene. »Zaželene« v conjoint analizi ponavadi pomeni namero za nakupom (Malhotra, prav tam). Walley in soavtorji (prav tam) navajajo »pravilo palca«, po katerem je priporočljivo uporabiti parno primerjavo v primerih, kjer je pri posameznih atributih navedenih šest ali več nivojev, v primerih, ko je teh nivojev manj pa je bolj priporočljiva metoda polnega profila. Respondent lahko posamezne kombinacije samo rangira (od bolj zaželene do manj) – angl. ranking method, v zadnjem času pa se vse bolj uveljavlja metrična oblika (angl. rating method), kjer respondent tudi ovrednoti (npr. s podeljevanjem točk od 0 do 100) posamezno kombinacijo (atributov in njihovih nivojev). Malhotra (prav tam) navaja, da je v zadnjih letih postala bolj običajna ravno uporaba metrične oblike ocenjevanja posameznih kombinacij. Sama predstavitev lahko poteka kot verbalna ali vizualna predstavitev, lahko pa se pri predstavitvi vprašalnika odločimo tudi za kombinacijo teh dveh pristopov. Gustafsson in soavtorji (prav tam) uvajajo še nadaljnji korak v poteku, ki ga imenujejo izbor načina zbiranja podatkov – gre za odločitev, ali bomo podatke zbirali z osebnim razgovorom z respondentom, ali s poštnim razpošiljanjem vprašalnika oziroma računalniškim intervjujem42.

- Uporaba algoritma

Danes je na voljo več računalniških programov za obdelavo podatkov z metodo conjoint analize: SPSS (ki je zelo priljubljen zaradi svoje uporabnosti v windows okolju) in LOGIT, MONANOVA, LINMAP (ki jih Malhotra označuje kot primernejše za ne-metrične modele), pa tudi OLS, JOHNSON in nekateri starejši (npr. POLYCON). Gustaffson in soavtorji (2003, 23) navajajo študijo Jaina in soavtorjev, ki so primerjali algoritme MONANOVA, JOHNSON, LINMAP in OLS in ugotavljajo, da so bili rezultati zelo podobni pri vseh uporabljenih programih.

42 _{Domnevamo, da Gustafsson in soavtorji mislijo CATI - computer aided telephone intervieving – torej}

telefonsko anketiranje s pomočjo direktnega vnosa v računalnik in računalniške obdelave tako vnesenih podatkov.

- Interpretacija rezultatov

Delne koristi, ki jih pridobimo z izvedbo conjoint analize so vsekakor, da določimo tiste atribute, ki najbolj prispevajo k preferenci določenega produkta ali storitve. Ta delna korist je običajno motiv za izvedbo conjoint analize, kjer pobuda za izvedbo prihaja iz poslovnih nagibov – torej predvsem takrat, ko se poizkuša definirati uspeh ali neuspeh določenih trženjskih elementov – npr. produkta ali oglaševanja. Vsekakor pa je seveda, predvsem s teoretičnega vidika, pomemben vpogled v vedenje porabnikov kot večje skupine, navajajo Gustafsson in soavtorji (2003, 25). Isti vir (2003, 28) povzema Wittinka in Keila, ki pravita, da ugotavljanje tržnih preferenc v določenem času ni dovolj. Upoštevajoč naraščajočo dinamiko tržišč, predlagata kontinuirano izvedbo conjoint analiz. To imenujeta »continuous conjoint analysis«.

- Ocena zanesljivosti in uporabnosti

Ocena zanesljivosti vpliva na uporabnost rezultatov v poslovnem okolju. Rezultati raziskav kot podlaga za strateške trženjske odločitve so uporabni samo, če je stopnja njihove zanesljivosti visoka. Relativna nezanesljivost izhaja iz dejstva, da se v praksi praviloma uporablja zmanjšana oblika – »reduced design« in ne full factorial design pri možnostih kombinacij atributov in njihovih nivojev. Določena stopnja svobode pri oblikovanju parametrov za posamezno kombinacijo seveda ima povraten vpliv na zanesljivost (Gustafsson et alteri 2003, 26). Isti vir navaja vrsto raziskav, ki se v zadnjem času ukvarjajo z identifikacijo stopnje zanesljivost v primeru izvedbe conjoint analize po različnih pristopih. Tudi Malhotra (2004, 629) navaja nekaj postopkov, ki so na voljo za oceno zanesljivosti in veljavnosti rezultatov conjoint analize. Nekateri postopki temeljijo na matematično statističnih metodah (npr. regresijska analiza), drugi pa so usmerjeni bolj pragmatično – kot so npr. test-retest, in pa postopek, ki temelji na oblikovanju podvzorcev iz osnovnega vzorca ter primerjanje rezultatov med posameznimi podvzorci z namenom ugotoviti stabilnost rezultatov, ki veljajo za osnovni vzorec.

Povsem pragmatična metoda preverjanja zanesljivosti rezultatov conjoint analize je tudi primerjava z rezultati, ki jih za opazovanje istega problema dobimo po kakšni drugi metodi, npr. multidimenzionalnem skaliranju (MDS)43. V ta namen smo v naši raziskavi uporabili metodo semantičnega diferenciala.