Tras dos posts dedicados a hacer una descripción conceptual de un estudio del análisis Conjoint, entramos por fin en materia. Anteriormente, hablamos del concepto de utilidad y en esta entrega de nuestra serie de publicaciones dedicadas a esta metodología te explicamos qué debes hacer para llevar a cabo un estudio de este tipo. Empezamos por las fases de un estudio Conjoint.
Un Conjoint es un experimento
Un análisis Conjoint es algo más que una encuesta. No nos limitamos a preguntar a una muestra de nuestros consumidores su opinión sobre un producto. Estamos sometiendo a nuestros consumidores a un experimento. Les mostramos unos estímulos siguiendo una planificación previa, observamos su comportamiento y analizamos los datos que obtenemos.
Por lo tanto, como todo experimento, un Conjoint consta de tres fases:
1 - Diseño experimental.
2 - Ejecución del experimento, en nuestro caso es la programación y administración del cuestionario.
3 - Análisis de resultados.
Diseño experimental
Queremos medir las preferencias que los participantes tienen respecto a unos productos. Para ello, mostraremos grupos de productos y pediremos a los respondientes que elijan su opción preferida entre los mostrados. Pero, ¿qué productos debo mostrar y en qué forma los agrupo? Dar respuesta a estas preguntas es hacer un diseño experimental. Un diseño es la definición de qué estímulos verá la muestra con el objetivo de optimizar la información que quiero obtener.
Elaborar un diseño experimental no es una tarea simple. Normalmente estudiaremos un producto con varios atributos, cada uno de ellos con diferentes niveles. Los posibles diseños experimentales que puedo hacer para estudiar un producto son múltiples.
Veámoslo con un ejemplo. Imaginemos que quiero hacer un Conjoint sobre coches y que hemos definido 4 atributos a estudiar (marca, carrocería, potencia, color), cada uno con 5 niveles (por ejemplo, el color podría ser negro, blanco, rojo, azul y verde). Combinando los diferentes atributos tengo 5x5x5x5=625 coches diferentes. Si en mi estudio quiero mostrar los productos de 4 en 4, para que el encuestado elija en cada ocasión cual es su opción preferida, podría hacer un total de 625x624x623x622 = 1,5x1011 agrupaciones diferentes.
Viendo el ejemplo anterior, está claro que no puedo hacer – salvo en ocasiones excepcionales – un diseño experimental consistente en preguntar todo a todo el mundo. Debo elegir un conjunto de productos y combinarlos de forma adecuada en una serie de preguntas para lograr información no sesgada de todos los atributos y niveles.
Intuitivamente podemos pensar cómo debe ser un buen diseño. Los niveles de los diferentes atributos deberían aparecer un número parejo de veces y deberían compararse entre ellos por igual. Pero, ¿Cómo logro este objetivo? En el próximo post veremos diferentes estrategias para lograrlo y os hablaremos de un concepto, la eficiencia, que nos permite tener una medida objetiva de la bondad de un diseño.
Programación del cuestionario
El cuestionario online es un elemento clave de la investigación cuya importancia a menudo es infravalorada. Existen softwares especializados en estudios Conjoints, capaces de hacer buenos diseños y análisis precisos, pero que ofrecen una experiencia al encuestado muy pobre.
La encuesta es un factor decisivo en la calidad de la información que recolectamos. Expertos metodólogos de todo el mundo han estudiado la influencia que puede tener un formato concreto de pregunta en el dato observado. Esto es especialmente cierto en un estudio Conjoint. Estamos tratando de simular el comportamiento normal de una persona como consumidor, le estamos pidiendo que nos diga qué producto compraría entre varias opciones.
Debemos programar encuestas que reproduzcan lo más fielmente posible una situación de compra, que muestren los productos de forma realista, a ser posible usando fotografías y descripciones similares a las que un consumidor encontraría si fuese a comprar el producto. La simple enumeración de atributos de un producto, en formato tabla de características técnicas, puede producir resultados de baja calidad.
En el post #7 os explicaremos qué tecnologías se utilizan para programar cuestionarios Conjoint y qué posibilidades nos ofrecen para capturar la atención del encuestado y obtener información más veraz.
Análisis de resultados
Hacer un buen diseño experimental es complejo, pero hacer un buen análisis de resultados no le va a la zaga. Existen diferentes formas de afrontar el análisis y diversos modelos estadísticos para tratar de reproducir el comportamiento de los consumidores.
La principal decisión que debemos tomar en el momento de analizar resultados es optar por un análisis agregado o por un análisis individualizado.
En un análisis agregado nuestro objetivo es determinar la utilidad media que los consumidores perciben de cada nivel de cada atributo presente en mi producto.
Una vez tengo estas utilidades medias, puedo determinar – siempre a nivel agregado – qué atributos-niveles se perciben más positivamente y qué peso tiene cada atributo en la toma de decisiones. También puedo simular qué porcentaje de consumidores va a elegir cada uno de los posibles productos que puedo crear mediante la combinación de atributos.
Sin embargo, el análisis agregado puede ocultar muchos matices. Los modelos agregados parten de la premisa de que todos los consumidores se comportan de forma similar. Si hay una gran diversidad de opiniones, el modelo puede dar información muy imprecisa. Por ejemplo, un nivel de un atributo puede recibir una utilidad agregada baja y sin embargo estar ocultando un grupo de consumidores que valoran ese nivel muy por encima de la media.
El análisis individual es la solución a este problema. Nos permite calcular utilidades distintas para cada encuestado. Una vez tenemos las utilidades, podemos promediarlas, pero también podemos agrupar participantes, analizar utilidades por sexo, edad o cualquier otra variable, y hacer predicciones de market share más precisas, capturando el comportamiento de cada individuo.
A lo mejor te preguntas por qué podríamos querer hacer un análisis agregado si, al parecer, todo son ventajas cuando usamos el análisis individual. Durante mucho tiempo el análisis individual ha sido muy costoso en términos de tiempo de cálculo. Sólo con la llegada de modernos y potentes ordenadores ha sido posible reducir el tiempo de análisis a minutos, o unas pocas horas en casos muy complejos. Por otra parte, si el interés únicamente es tener una perspectiva general de utilidades medias, el análisis agregado es suficiente.
En el próximo post abordaremos cómo diseñar un análisis Conjoint. Y lo haremos sin dar nada por sentado, empezando por cómo debemos elegir los atributos del producto que deben formar parte del experimento.
¿Te ha gustado el post? ¿Quieres profundizar más sobre el tema? Pues hemos preparado una serie de diez cápsulas sobre Conjoint. ¡No te pierdas ninguna!
ÍNDICE: Serie Cápsulas sobre Conjoint
Cápsula 1: Qué es un estudio Conjoint y cómo utilizarlo
Cápsula 2: Entendiendo el concepto de utilidad
Cápsula 3: Fases de un Conjoint
Cápsula 4: Diseño experimental, parámetros de diseño
Cápsula 5: Diseño experimental, calidad de un diseño
Cápsula 6: Diseño experimental y estrategias para encontrar un buen diseño
Cápsula 7: Programación de cuestionarios Conjoint
Cápsula 8 - Análisis agregado de un Conjoint
