El análisis conjunto es una técnica estadística basada en encuestas utilizada en la investigación de mercado que ayuda a determinar cómo las personas valoran los diferentes atributos (características, funciones, beneficios) que conforman un producto o servicio individual.
El objetivo del análisis conjunto es determinar qué combinación de un número limitado de atributos es más influyente en la elección o toma de decisiones del encuestado. Se muestra a los encuestados un conjunto controlado de productos o servicios potenciales y, al analizar cómo eligen entre estos productos, se puede determinar la valoración implícita de los elementos individuales que componen el producto o servicio. Estas valoraciones implícitas (servicios públicos o valores parciales) se pueden utilizar para crear modelos de mercado que estimen la participación de mercado, los ingresos e incluso la rentabilidad de nuevos diseños.
El análisis conjunto se originó en la psicología matemática y fue desarrollado por el profesor de marketing Paul E. Green en la Wharton School de la Universidad de Pensilvania . Otros pioneros destacados del análisis conjunto incluyen al profesor V. "Seenu" Srinivasan de la Universidad de Stanford, quien desarrolló un procedimiento de programación lineal (LINMAP) para datos ordenados por rango, así como un enfoque autoexplicado, y Jordan Louviere (Universidad de Iowa), quien inventó y desarrolló enfoques basados en la elección para el análisis conjunto y técnicas relacionadas, como la escala mejor-peor .
Hoy en día se utiliza en muchas de las ciencias sociales y ciencias aplicadas, incluido el marketing , la gestión de productos y la investigación de operaciones . Se utiliza frecuentemente para probar la aceptación por parte del cliente de nuevos diseños de productos , para evaluar el atractivo de los anuncios y en el diseño de servicios . Se ha utilizado en el posicionamiento de productos , pero hay quienes plantean problemas con esta aplicación del análisis conjunto.
Las técnicas de análisis conjunto también pueden denominarse modelos compositivos de atributos múltiples, modelos de elección discreta o investigación de preferencias declaradas, y son parte de un conjunto más amplio de herramientas de análisis de compensaciones utilizadas para el análisis sistemático de decisiones. Estas herramientas incluyen Brand-Price Trade-Off, Simalto y enfoques matemáticos como AHP , [1] PAPRIKA , [2] [3] algoritmos evolutivos o experimentación de desarrollo de reglas.
Un área de producto o servicio se describe en términos de una serie de atributos. Por ejemplo, un televisor puede tener atributos de tamaño de pantalla, formato de pantalla, marca, precio, etc. Luego, cada atributo se puede dividir en varios niveles. Por ejemplo, los niveles para el formato de pantalla pueden ser LED, LCD o Plasma. [ cita necesaria ]
A los encuestados se les muestra un conjunto de productos, prototipos, maquetas o imágenes creadas a partir de una combinación de niveles de todos o algunos de los atributos constituyentes y se les pide que elijan, clasifiquen o califiquen los productos que se les muestran. Cada ejemplo es lo suficientemente similar como para que los consumidores los vean como sustitutos cercanos, pero lo suficientemente diferente como para que los encuestados puedan determinar claramente una preferencia. Cada ejemplo se compone de una combinación única de características del producto. Los datos pueden consistir en calificaciones individuales, órdenes de clasificación o elecciones entre combinaciones alternativas. [ cita necesaria ]
El diseño conjunto implica cuatro pasos diferentes:
Existen diferentes tipos de estudios que se pueden diseñar:
Los atributos en el análisis conjunto deberían:
Los niveles de atributos deben ser:
A medida que aumenta el número de combinaciones de atributos y niveles, el número de perfiles potenciales aumenta exponencialmente. En consecuencia, el diseño factorial fraccionado se utiliza comúnmente para reducir la cantidad de perfiles a evaluar, al tiempo que se garantiza que haya suficientes datos disponibles para el análisis estadístico, lo que da como resultado un conjunto de "perfiles" cuidadosamente controlados para que los considere el encuestado. [ cita necesaria ]
Las primeras formas de análisis conjunto que comenzaron en la década de 1970 fueron los conocidos como estudios de perfil completo, en los que se utilizaba un pequeño conjunto de atributos (normalmente de 4 a 5) para crear perfiles que se mostraban a los encuestados, a menudo en tarjetas individuales. Luego, los encuestados clasificaron o calificaron estos perfiles. Usando un análisis de regresión de variables ficticias relativamente simple , se podrían calcular las utilidades implícitas para los niveles que mejor reproducían las clasificaciones o calificaciones especificadas por los encuestados. Se observaron dos inconvenientes en estos primeros diseños. [ cita necesaria ]
En primer lugar, el número de atributos utilizados estaba muy restringido. Con un gran número de atributos, la tarea de consideración para los encuestados se vuelve demasiado grande e incluso con diseños factoriales fraccionados el número de perfiles para evaluación puede aumentar rápidamente. Para utilizar más atributos (hasta 30), se desarrollaron técnicas conjuntas híbridas que combinaban la autoexplicación (calificación o clasificación de niveles y atributos) seguida de tareas conjuntas. Tanto los cuestionarios en papel como los adaptados asistidos por computadora se convirtieron en opciones a partir de la década de 1980. [ cita necesaria ]
El segundo inconveniente fue que las calificaciones o clasificaciones de perfiles no eran realistas y no se vinculaban directamente con la teoría del comportamiento. En situaciones de la vida real, los compradores eligen entre alternativas en lugar de clasificarlas o calificarlas. Jordan Louviere fue pionero en un enfoque que utilizaba únicamente una tarea de elección que se convirtió en la base del análisis conjunto basado en la elección y del análisis de elección discreta . Esta investigación sobre la preferencia declarada está vinculada a los modelos econométricos y puede vincularse a la preferencia revelada , en la que los modelos de elección se calibran sobre la base de datos reales y no de encuestas. Originalmente, el análisis conjunto basado en elecciones no podía proporcionar utilidades a nivel individual y los investigadores desarrollaron modelos agregados para representar las preferencias del mercado. Esto lo hizo inadecuado para estudios de segmentación de mercado . Con las nuevas técnicas de análisis bayesiano jerárquico , se pueden estimar utilidades a nivel individual que proporcionen una mayor comprensión de las preferencias heterogéneas entre individuos y segmentos de mercado. [ cita necesaria ]
Los datos para el análisis conjunto se recopilan más comúnmente a través de una encuesta de investigación de mercado, aunque el análisis conjunto también se puede aplicar a un configurador cuidadosamente diseñado o a datos de un experimento de prueba de mercado diseñado apropiadamente . Se aplican reglas generales de investigación de mercado con respecto al tamaño de la muestra estadística y la precisión al diseñar entrevistas de análisis conjunto. [ cita necesaria ]
La extensión del cuestionario conjunto depende del número de atributos a evaluar y del método de análisis conjunto seleccionado. Un cuestionario conjunto adaptativo típico con 20 a 25 atributos puede tardar más de 30 minutos en completarse [ cita requerida ] . El conjunto basado en la elección, mediante el uso de un conjunto de perfiles más pequeño distribuido en toda la muestra, se puede completar en menos de 15 minutos. Los ejercicios de elección se pueden mostrar como un diseño tipo fachada de tienda o en algún otro entorno de compras simulado. [ cita necesaria ]
Debido a que los diseños conjuntos son complicados, generalmente generan errores de medición sustanciales (como lo indica la baja confiabilidad intra-encuestados), lo que puede inducir un sesgo sustancial en cualquier dirección y en cualquier cantidad; este sesgo debe corregirse en los análisis estadísticos de datos conjuntos. [4] Dependiendo del tipo de modelo, se pueden utilizar diferentes métodos econométricos y estadísticos para estimar funciones de utilidad. Estas funciones de utilidad indican el valor percibido de la característica y cuán sensibles son las percepciones y preferencias del consumidor a los cambios en las características del producto. El procedimiento de estimación real dependerá del diseño de la tarea y de los perfiles de los encuestados y de la escala de medición utilizada para indicar las preferencias (escala de intervalo, clasificación o elección discreta). Para estimar las utilidades para cada nivel de atributo utilizando tareas de perfil completo basadas en calificaciones, la regresión lineal puede ser apropiada; para tareas basadas en elecciones, normalmente se usa la estimación de máxima verosimilitud, generalmente con regresión logística . Los métodos originales de estimación de utilidad eran análisis monótonos de varianza o técnicas de programación lineal, pero la práctica contemporánea de investigación de mercados se ha desplazado hacia modelos basados en elecciones que utilizan logit multinomial, versiones mixtas de este modelo y otras mejoras. Los estimadores bayesianos también son muy populares. Los procedimientos bayesianos jerárquicos también son relativamente populares hoy en día. [ cita necesaria ]
El siguiente ejemplo ofrece una aplicación práctica del análisis conjunto en el análisis de negocios: un promotor inmobiliario está interesado en construir un complejo de apartamentos de gran altura cerca de una universidad urbana de la Ivy League. Para garantizar el éxito del proyecto, se contrata una empresa de investigación de mercado para realizar grupos focales con estudiantes actuales. Los estudiantes están segmentados por año académico (estudiantes de primer año, estudiantes de último año, estudios de posgrado) y cantidad de ayuda financiera recibida. A los participantes del estudio se les muestra una serie de escenarios de elección, que involucran diferentes opciones de vida en apartamentos especificadas en seis atributos (proximidad al campus, costo, paquetes de telecomunicaciones, opciones de lavandería, planos de planta y características de seguridad ofrecidas). El costo estimado para construir el edificio asociado a cada opción de departamento es equivalente. Se pide a los participantes que elijan su opción de apartamento preferida dentro de cada escenario de elección. Este ejercicio de elección forzada revela las prioridades y preferencias de los participantes. Se puede utilizar la regresión logística multinomial para estimar las puntuaciones de utilidad para cada nivel de atributo de los seis atributos involucrados en el experimento conjunto. Utilizando estos puntajes de utilidad, se puede predecir la preferencia del mercado por cualquier combinación de niveles de atributos que describan opciones potenciales de vida en departamentos. [ cita necesaria ]
El enfoque de investigación de mercado, Mind Genomics (MG), es una aplicación del Análisis Conjunto (CA). La CA se lleva a cabo para evaluar la aceptación del consumidor, presentándoles un conjunto de atributos del producto y evaluando sus preferencias por diferentes combinaciones de atributos estimando las puntuaciones de utilidad para diferentes niveles de atributos. MG aplicando CA profundiza en los aspectos psicológicos y emocionales que influyen en la toma de decisiones, ayudando en la identificación inicial de los atributos que son más destacados para los consumidores y ayudando a los investigadores a refinar los atributos que se utilizarán en CA. [5]
Los tribunales federales de Estados Unidos han permitido que los peritos utilicen análisis conjuntos para respaldar sus opiniones sobre los daños que un infractor de una patente debería pagar para compensar al titular de la patente por violar sus derechos. [6] No obstante, los juristas han señalado que la jurisprudencia del Circuito Federal sobre el uso del análisis conjunto en los cálculos de daños y perjuicios de patentes permanece en una etapa formativa. [7]
Un ejemplo de esto es cómo Apple utilizó un análisis conjunto para demostrar los daños sufridos por la infracción de derechos de autor de Samsung y aumentar su compensación en el caso. [ cita necesaria ]