Конджойнт-анализ: что это и как провести

Автор

Р. Дункан Льюс и Джон Тьюки (теория измерений); Пол Э. Грин и Витхала Р. Рао (маркетинг); Джордан Лувьер и Джордж Вудворт (конджойнт на основе выбора), 1964; 1971; 1983

Уровень

301 · Продвинутый

Подходит

растущая компания, корпорация

Время на внедрение

4–8 недель на первое исследование: одна-две недели качественной работы, неделя на дизайн и тест, две недели в поле, одна-две недели на анализ

Что понадобится

решение по цене или продукту, по которому есть два-четыре реальных варианта · качественные интервью, которые покажут, какие атрибуты покупатели взвешивают · доступ к 300 и более респондентам из целевого рынка · программа для опросов с поддержкой конджойнта на основе выбора и аналитик, умеющий читать логит-модель

Конджойнт-анализ — опрос-эксперимент, который измеряет, как покупатели обменивают одну характеристику на другую и на цену. Он не спрашивает людей, что они ценят, а показывает им готовые предложения, каждое из которых собрано из запланированного набора характеристик, и смотрит, что они выберут. Затем модель восстанавливает по этим выборам оценку для каждого уровня характеристики — частную полезность (part-worth).

У метода два корня. Математика — это совместное измерение, описанное Р. Дунканом Льюсом и Джоном Тьюки (R. Duncan Luce, John Tukey) в 1964 году. Применение в маркетинге увидел Пол Грин из Wharton: по данным Wharton Magazine, идея и название появились у него примерно в 1964 году, а его статья 1971 года с Витхалой Рао (Vithala Rao) в Journal of Marketing Research ввела метод в эту область. В той первой работе, как рассказывает Джон Хаузер, одна домохозяйка ранжировала все 36 возможных профилей из трёх характеристик. Тридцать лет спустя Грин, Абба Кригер и Йорам Винд назвали его любимым методом маркетологов для изучения компромиссов: к тому времени за ним стояли тысячи применений.

Зачем просить выбрать, а не оценить

Потому что на словах людям важно всё. Попросите владельца магазина оценить плату, скорость выплаты и поддержку по шкале от 1 до 10, и все три получат по 8. Предложите выбрать между дешёвым тарифом с медленными выплатами и более дорогим с быстрыми, и настоящий приоритет станет виден.

Ранние конджойнт-исследования опирались на ранжирование и оценки профилей. В 1983 году Джордан Лувьер и Джордж Вудворт (Jordan Louviere, George Woodworth) соединили конджойнт с моделями дискретного выбора из эконометрики, так возник конджойнт на основе выбора (choice-based conjoint, CBC). Респонденты видят несколько профилей сразу и выбирают один или отвечают «ничего из этого», если ничто не привлекает. История метода Джоэла Хьюбера (Joel Huber) фиксирует возврат от оценок к выборам, а опрос пользователей Sawtooth Software 2019 года показал, что CBC — самая используемая разновидность с большим отрывом.

Как строится исследование

Конджойнт-исследование держится на трёх частях.

Первое — атрибуты и уровни. Атрибут — характеристика, которую покупатель взвешивает, например ежемесячная плата; уровень — одно из её значений, скажем 1 500 ₽. Берут их из интервью, а не из дорожной карты продукта. Уровни должны быть реалистичными: профиль, в который никто не поверит, модели ничего не даёт.

Экспериментальный дизайн решает, какие профили показывать вместе. Программа строит дробный план, в котором каждый уровень встречается примерно одинаково часто, а атрибуты меняются независимо друг от друга. Каждый респондент проходит серию таких заданий. Рекомендации Sawtooth Software по размеру выборки советуют 300 респондентов, 200 на каждую подгруппу в отчёте и не меньше 500 показов каждого уровня на всю выборку.

Оценка превращает выборы в частные полезности. Мультиномиальная логит-модель даёт средние частные полезности по выборке. Иерархический байесовский метод, введённый в конджойнт Ленком, Десарбо, Грином и Янгом в 1996 году, оценивает частные полезности для каждого респондента по меньшему числу заданий, поэтому выборку можно сегментировать.

Частные полезности и важность

Частная полезность — это полезность, которую уровень добавляет предложению, на шкале, общей для всех атрибутов. Сложите частные полезности уровней предложения и получите его суммарную полезность. Сравните суммарные полезности, и можно предсказать, какое предложение выберет респондент.

Важность — это размах частных полезностей атрибута, делённый на сумму всех размахов. Возьмём иллюстративное платёжное исследование с тремя атрибутами. Плата даёт размах 1,8 пункта между 0 и 3 000 ₽, скорость выплаты — 0,9, поддержка — 0,3. Сумма равна 3,0, поэтому на плату приходится три пятых важности, на скорость три десятых, на поддержку одна десятая.

Важность зависит от выбранных вами уровней. Проверьте плату от 0 до 10 000 ₽, и она покажется важнее, чем в исследовании, где проверяли от 1 000 до 2 000 ₽. Поэтому в отчёте указывайте важность вместе с диапазонами.

Готовность платить и моделирование рынка

По частным полезностям функцию можно оценить в деньгах. В примере с платежами 3 000 ₽ ежемесячной платы обходятся в 1,8 пункта, значит, каждая 1 000 ₽ стоит 0,6 пункта. Выплата в тот же день добавляет 0,9 пункта к выплате на следующий день: 0,9 / 0,6 × 1 000 ₽ — около 1 500 ₽ в месяц.

Считайте эту цифру верхней границей. Алленби, Бразелл, Хауэлл и Росси (Allenby, Brazell, Howell, Rossi, 2014) доказывают, что экономическая ценность функции — это изменение равновесной прибыли с ней и без неё, а оно зависит от того, что предлагают конкуренты и сколько всё стоит. Их исследование цифровых фотоаппаратов показало, что ответы по такой мере сильно расходятся с привычной арифметикой готовности платить.

Надёжнее симулятор выбора. Введите свои планируемые предложения и текущие предложения соперников, и модель предскажет долю предпочтений для каждого. В примере тариф с выплатой в тот же день за 1 500 ₽ и поддержкой по почте и бесплатный конкурент с выплатой на следующий день набирают одинаковую суммарную полезность, и каждый берёт 50%. Добавьте платному тарифу поддержку по телефону, и его доля вырастет примерно до 57%. Грин и Шринивасан (1990) считают симуляторы стандартной частью метода.

Где результаты ошибаются

Ответы гипотетические, а с воображаемыми деньгами люди щедрее. Дин, Гревал и Лихти (Ding, Grewal, Liechty, 2005) провели конджойнт в ресторане: участники ели выбранный ужин. Такие исследования с реальными последствиями выбора (incentive-aligned) предсказали последующие покупки точнее гипотетических. Если реальных последствий выбора не устроить, сверьте симулятор с известными долями рынка, прежде чем ему доверять.

У исследователей в здравоохранении для этого есть формальные стандарты. Рабочая группа ISPOR опубликовала в 2011 году чек-лист для конджойнт-исследований в здравоохранении, а в 2013-м — руководство по дизайну. Политологи используют полностью рандомизированный конджойнт, чтобы оценить причинный эффект каждого атрибута на выбор между кандидатами. В 2012 году в патентном процессе Apple против Samsung использовали конджойнт-опросы Джона Хаузера из MIT, чтобы оценить спрос на спорные функции, как пишет Sawtooth Software.

Конджойнт, MaxDiff и прямые вопросы о цене

MaxDiff быстрее, когда вопрос в том, какую из 20 функций делать первой: респонденты выбирают лучший и худший пункт из коротких списков. Конджойнт оправдывает свою цену, когда функции связаны с ценой. В Growth Lab от Pushers его применяют после интервью jobs-to-be-done, которые назвали атрибуты, достойные проверки.

Как применять: Конджойнт-анализ: что это и как провести по шагам

1. Запишите решение. Назовите выбор, который должно закрыть исследование: например, какой из трёх тарифов запускать или оправдывает ли выплата в тот же день более высокую комиссию. Исследование без решения даёт красивый график и никаких действий. Результат: одно предложение, в котором названо решение и тот, кто его примет.
2. Выберите атрибуты и уровни по интервью. Проведите интервью или разберите обращения в поддержку, чтобы найти пять-восемь атрибутов, которые покупатели упоминают, сравнивая варианты. Дайте каждому два-пять уровней, реалистичных и таких, которые ваша команда может сделать или взять за них деньги. Результат: таблица атрибутов с уровнями, записанными словами покупателя.
3. Постройте экспериментальный дизайн. Сгенерируйте в конджойнт-программе сбалансированный дизайн, где каждый уровень встречается примерно одинаково часто. Запланируйте столько заданий и респондентов, чтобы каждый уровень был показан не меньше 500 раз на всю выборку, как рекомендует Sawtooth Software. Результат: набор заданий на выбор, в каждом несколько профилей и вариант «ничего из этого».
4. Проверьте опрос, затем запустите в поле. Дайте пройти опрос десяти людям из целевого рынка и отметьте задания, которых они не понимают, и профили, которые выглядят нелепо. Исправьте их и запускайте минимум на 300 респондентов, по 200 на каждую подгруппу, о которой будете отчитываться. Результат: чистые данные о выборе от нужных людей.
5. Оцените частные полезности и важность. Оцените иерархическую байесовскую (HB) или мультиномиальную логит-модель, чтобы получить частную полезность для каждого уровня, затем посчитайте важность каждого атрибута по размаху его полезностей. Проверьте, что полезность цены падает по мере её роста. Результат: таблица частных полезностей и рейтинг важности, который вы сможете объяснить команде.
6. Смоделируйте рынок и решайте. Загрузите частные полезности в симулятор выбора, добавьте своё предложение и текущие предложения конкурентов и проверьте варианты из первого шага. Сравните прогнозную долю и выручку и примите решение. Результат: рекомендованные предложение и цена с расчётной долей рынка в обоснование.

Примеры

Courtyard by Marriott

В 1980-е годы Marriott с помощью конджойнт-анализа проектировал новую гостиничную сеть. Джерри Винд, Пол Грин и коллеги сообщили в Interfaces в 1989 году, что исследование определило целевые сегменты, сервисное позиционирование и планировку номеров. По данным статьи Джона Хаузера памяти Пола Грина 2010 года, оно охватило около 50 характеристик со 160 уровнями, которые показывали на картинках, трёхмерных моделях и в реальных номерах с разной обстановкой. Marriott протестировал концепцию Courtyard на рынке и затем запустил её по всей стране.

Ортодонтические клиники Шотландии

Мэнди Райан и Шелли Фаррар описали в BMJ в 2000 году конджойнт-исследование, где ортодонтических пациентов в Грампиане просили обменять срок ожидания (4, 8, 12 или 16 месяцев) на приём в местной клинике вместо больницы. Респонденты предпочли помощь рядом с домом и были готовы ждать примерно на 1,3 месяца дольше ради первого приёма в местной клинике и примерно на 1,5 месяца ради повторных. Атрибута цены в исследовании не было, поэтому удобство оценили в месяцах ожидания.

Тариф платёжного сервиса для интернет-магазинов

Иллюстративный пример, реальная компания не подразумевается. Платёжный провайдер тестирует три атрибута: ежемесячную плату (0, 1 500 или 3 000 ₽), скорость выплаты (на следующий день или в тот же день) и поддержку (почта или телефон). Модель даёт плате размах частных полезностей 1,8 пункта на 3 000 ₽, то есть каждая 1 000 ₽ стоит 0,6 пункта. Выплата в тот же день стоит на 0,9 пункта больше, чем на следующий, то есть около 1 500 ₽ в месяц. Поддержка по телефону добавляет 0,3 пункта, около 500 ₽. Симулятор затем показывает, что если к тарифу с выплатой в тот же день за 1 500 ₽ добавить телефонную поддержку, его доля против бесплатного конкурента с выплатой на следующий день вырастет с 50% примерно до 57%.

Когда применять

Применяйте метод, когда команде нужно выбрать между конкретными вариантами предложения или ценами до запуска, когда характеристики связаны с ценой и заинтересованные стороны спорят, что важнее, или когда нужно оценить, как ход конкурента сдвинет доли. Лучше всего он работает для продуктов, которые покупатели уже понимают, с атрибутами, которые можно ясно описать в опросе.

Когда не применять

Не берите метод для продуктов настолько новых, что покупатели не могут оценить атрибуты, для решений, где всё определяет один атрибут, и когда вы можете опросить меньше примерно 200 человек. Он также не подскажет, какие атрибуты тестировать: это нужно узнать заранее из интервью. Для ранжирования длинного списка функций или сообщений без сборки целых продуктов быстрее MaxDiff.

Частые ошибки

• Тестируют атрибуты, которые волнуют команду, а не те, что взвешивают покупатели, потому что перед дизайном никто не провёл интервью.
• Берут такой широкий разброс цен, что самый дешёвый вариант выигрывает в каждом задании, и про остальные атрибуты модель ничего не узнаёт.
• Читают соотношения частных полезностей как цену, которую готов платить рынок, хотя на деле стоимость функции определяют предложения конкурентов и затраты.
• Укладывают в каждый профиль десять и больше атрибутов, и респонденты начинают выбирать по одному-двум, игнорируя остальные.
• Выдают оценки важности за постоянные свойства покупателей, хотя они зависят от диапазонов уровней, выбранных для исследования.

Вопросы и ответы

Что такое конджойнт-анализ простыми словами?

Это игра в опросе: люди выбирают между полными продуктами, каждый из которых собран из набора характеристик и цены. Наборы намеренно варьируют, и по выборам модель вычисляет, насколько каждая характеристика и уровень цены влияют на решение. На выходе оценка для каждого уровня, и команды используют её, чтобы проектировать предложения и назначать цены.

Чем конджойнт-анализ отличается от MaxDiff?

Конджойнт показывает полные продукты с несколькими атрибутами и просит выбрать, поэтому он измеряет обмен одного на другое и цену. MaxDiff показывает короткий список отдельных пунктов, обычно четыре-пять, и просит назвать лучший и худший. MaxDiff быстро ранжирует много функций или сообщений, но не умеет моделировать долю рынка и цену.

Сколько респондентов нужно для конджойнт-исследования?

Ориентир Sawtooth Software — около 300 респондентов на исследование и не меньше 200 на подгруппу, о которой вы отчитываетесь отдельно. Вторая проверка: каждый уровень атрибута должен встретиться не меньше 500 раз у всех респондентов вместе, а надёжнее — 1000. Чем больше атрибутов и уровней, тем больше нужно людей.

Как рассчитать готовность платить по конджойнт-анализу?

Обычный приём — разделить частную полезность функции на полезность одной денежной единицы из атрибута цены. Алленби, Бразелл, Хауэлл и Росси показали в 2014 году, что так ценность можно завысить, потому что настоящая стоимость функции зависит от предложений конкурентов и от затрат. Более надёжный ответ даёт рыночный симулятор.

Почему метод называется конджойнт?

Название идёт от совместного измерения (conjoint measurement), раздела математической психологии, описанного Льюсом и Тьюки в 1964 году. Conjoint означает «соединённый». Сноска в переиздании истории Джоэла Хьюбера от Sawtooth Software называет популярное объяснение «рассматривать совместно» ошибочным прочтением. Название маркетинговому методу дал Пол Грин в 1960-е годы.

Источники

1. R. Duncan Luce, John W. Tukey, Simultaneous conjoint measurement: A new type of fundamental measurement, Journal of Mathematical Psychology 1(1), 1964
2. Paul E. Green, Vithala R. Rao, Conjoint Measurement for Quantifying Judgmental Data, Journal of Marketing Research 8(3), 1971
3. Paul E. Green, V. Srinivasan, Conjoint Analysis in Consumer Research: Issues and Outlook, Journal of Consumer Research 5(2), 1978
4. Jordan J. Louviere, George Woodworth, Design and Analysis of Simulated Consumer Choice or Allocation Experiments, Journal of Marketing Research 20(4), 1983
5. Dick R. Wittink, Philippe Cattin, Commercial Use of Conjoint Analysis: An Update, Journal of Marketing 53(3), 1989
6. Jerry Wind, Paul E. Green, Douglas Shifflet, Marsha Scarbrough, Courtyard by Marriott: Designing a Hotel Facility with Consumer-Based Marketing Models, Interfaces 19(1), 1989
7. Paul E. Green, V. Srinivasan, Conjoint Analysis in Marketing: New Developments with Implications for Research and Practice, Journal of Marketing 54(4), 1990
8. Peter J. Lenk, Wayne S. DeSarbo, Paul E. Green, Martin R. Young, Hierarchical Bayes Conjoint Analysis, Marketing Science 15(2), 1996
9. Jordan J. Louviere, David A. Hensher, Joffre D. Swait, Stated Choice Methods: Analysis and Applications, Cambridge University Press, 2000
10. Mandy Ryan, Shelley Farrar, Using conjoint analysis to elicit preferences for health care, BMJ 320, 2000
11. Paul E. Green, Abba M. Krieger, Yoram Wind, Thirty Years of Conjoint Analysis: Reflections and Prospects, Interfaces 31(3 suppl.), 2001
12. Joel Huber, Conjoint Analysis: How We Got Here and Where We Are (An Update), Sawtooth Software Research Paper Series, 2005
13. Min Ding, Rajdeep Grewal, John Liechty, Incentive-Aligned Conjoint Analysis, Journal of Marketing Research 42(1), 2005
14. John R. Hauser, Paul E. Green: An Applications' Guru, MIT Sloan School of Management, 2010
15. John F. P. Bridges et al., Conjoint Analysis Applications in Health: a Checklist, ISPOR Task Force report, Value in Health 14(4), 2011
16. F. Reed Johnson et al., Constructing Experimental Designs for Discrete-Choice Experiments, ISPOR Task Force report, Value in Health 16(1), 2013
17. Jens Hainmueller, Daniel J. Hopkins, Teppei Yamamoto, Causal Inference in Conjoint Analysis, Political Analysis 22(1), 2014
18. Greg M. Allenby, Jeff D. Brazell, John R. Howell, Peter E. Rossi, Economic valuation of product features, Quantitative Marketing and Economics 12(4), 2014
19. Vithala R. Rao, Applied Conjoint Analysis, Springer, 2014
20. Jordan J. Louviere, Terry N. Flynn, A. A. J. Marley, Best-Worst Scaling: Theory, Methods and Applications, Cambridge University Press, 2015
21. Wharton Magazine, The father of conjoint analysis: Paul Green
22. University of Pennsylvania Almanac, Obituary of Paul E. Green, October 2012
23. Sawtooth Software, Choice-Based Conjoint (CBC)
24. Sawtooth Software, Sample size rules of thumb for conjoint analysis
25. Sawtooth Software, Results of the Sawtooth Software user survey, 2019
26. Sawtooth Software, 5 examples of conjoint analysis studies in the real world
27. Sawtooth Software, MaxDiff

Обновлено 15 октября 2026

Илья ПушинОснователь PUSHERS & COO Fintech ServiceИлья строит операционные системы для растущих компаний в медицине и финтехе. С 2021 года руководит трансграничными платежами в ARBI Exchange, лицензированном обменнике в Таиланде, включая KYC, AML и выход в новые юрисдикции.Об автореLinkedIn