Conjoint

Hvis du har brug for at få vurderet hvor attraktive forskellige egenskaber ved dit produkt er, det kan fx være priser, emballage eller lignende, så bør du overveje en conjoint analyse.

I en conjoint analyse præsenteres respondenterne for en række komplette produkter, som er sammensat af de forskellige egenskaber. Respondenterne skal altså vurdere produktet som helhed, frem for en enkeltstående evaluering af egenskaberne hver for sig. Det er med til at skabe en realistisk evalueringssituation, som beslutningstageren også gennemgår i en faktisk købssituation.

Hver respondent vurderer en række forskellige produktkombinationer, og efterfølgende er det muligt at estimere potentialer ved forskellige sammensætninger - og derigennem forudsige konsekvenser af ændringer i produktets sammensætning og betydningen af hver enkelt egenskab.

Muligheden for estimering af forventet effekt ved forskellige sammensætninger af produktet gør også, at resultatbearbejdning ved conjoint er en "iterativ" proces, hvor det gennem simuleringer er muligt at lave adskillige test på potentiale. Dertil har Wilke udviklet et særligt simulatorprogram, så du efterfølgende selv kan lege med tallene og beregne hvad effekten ved ændringer er.

Den væsentligste styrke ved conjoint ligger i test på relativ effekt ved ændringer, mere end på absolut effekt. Man får således et billede af den relative vigtighed af en egenskab versus en anden egenskab.

Hos Wilke har vi stor erfaring med conjoint analyser, og det er en metode vi har anvendt med stor succes inden for en række forskellige brancher og produkter. Bl.a. har vi lavet conjoint analyser for teleprodukter, sammensætning af tv-pakker og forskellige former for fødevarer. Der findes flere forskellige varianter af conjoint analyser, men hos Wilke arbejder vi med de mest anvendte/dokumenterede metoder inden for området, som fx:

• Choice Based Conjoint - også kaldet CBC
• Adaptive Conjoint Analysis - også kaldet ACA
• Adaptive Choice Based Conjoint - ACBC (betatester indtil ultimo 2009)
• Hierarchical Baysiansk analyse - optimering af respondentdata til individniveau
• Latent class - segmentering af conjoint-data i klynger
• MaxDiff analyse - metriske rangordningsdata
• Build-your-own - Svarpersoner sammensætter selv produktet