Análisis de medidas conjuntas (conjoint analysis)

Transcripción

1 Análisis de medidas conuntas (conoint analysis). Introducción Como ya hemos dicho anteriormente, esta técnica de análisis nos sirve para analizar la importancia que dan los consumidores a cada uno de los factores que caracterizan un determinado producto, a partir de sus preferencias sobre el producto en general. Por tanto, para llevar a cabo un análisis de medidas conuntas (AMC), desde un principio hay que tener presente cuál es el producto que se quiere analizar y cuáles son las características que lo configuran. En este sentido, si por eemplo queremos analizar páginas web, deberemos determinar cuáles son sus características propias, como por eemplo la amplitud y profundidad de información que proporcionan, la velocidad de carga, el diseño de la página, la usabilidad, las posibilidades de personalización, etc. Así, a partir de las preferencias de los usuarios sobre páginas web que tienen diferentes combinaciones de estas características, podremos extraer las preferencias de los usuarios sobre las características que los particularizan. 2. Planteamiento del problema Centrémonos en el eemplo anterior. Como hemos visto, el producto obeto de estudio (páginas web) puede tener diferentes configuraciones según las características o factores que presenta. Así, por eemplo, podemos estar ante una página web con poca información, con rápido acceso, buen diseño, baa usabilidad y sin que se pueda personalizar, o bien ante una página con mucha información, rápido acceso, un pobre diseño, también con baa usabilidad y con posibilidades de personalizar la información que aparece. Las combinaciones son, por tanto, muy diversas. Una parte del planteamiento del problema pasará, además de por determinar cuáles son los factores que debemos tener en cuenta, por concretar con qué grados o niveles se pueden medir estas características. En el siguiente cuadro vemos la propuesta que hacemos para el eemplo de las páginas web: Producto Factores Niveles Información Mucha Poca Velocidad de carga Rápida Lenta Página web Diseño atractivo Mucho Medio Poco Usabilidad Alta Baa Personalización Sí No

2 2 Análisis de medidas conuntas (conoint analysis) Según los factores (en total hemos descrito cinco) y según los niveles de dichos factores, se pueden dar hasta 62 opciones diferentes del mismo producto: Opciones En general, para un producto que tiene n factores, con diferentes niveles cada uno de ellos, tendremos la expresión siguiente: Opciones niveles factor niveles factor 2... niveles factor n Presentar a un consumidor las diferentes opciones que se pueden dar del producto para que indique sus preferencias, ordenándolas, por eemplo, de más preferido a menos, puede resultar una tarea imposible de llevar a la práctica. En el caso de la página web, qué consumidor sería capaz de indicar sus preferencias sobre las 62 opciones diferentes? Lo que se hace habitualmente para reducir el número de opciones que se presentan a valorar es:!" por un lado, reconsiderar el número de factores que en un principio se habían establecido, para reducir su número, y,!" por el otro, seleccionar sólo algunas de las opciones que sean representativas del resto de las combinaciones. Para que las estimaciones que se realizarán en los posteriores análisis sean fiables, se establece que el número mínimo de opciones que deben valorar los consumidores viene dado por la expresión siguiente: Mínimo de opciones Total de niveles Total factores En nuestro caso se decide, en primer lugar, reducir el número de factores a sólo tres: información, velocidad de carga y usabilidad. De esta manera pasamos a tener, de entrada, 27 opciones diferentes. En segundo lugar, teniendo en cuenta que el número mínimo de opciones que debemos presentar a los consumidores es, considerando la anterior reducción de factores, el siguiente: Mínimo de opciones 9 3 7, pasamos a elegir de entre las 27 opciones aquellas combinaciones que sean representativas. Qué queremos decir con que sean representativas? Pues que en las combinaciones finalmente elegidas cada nivel de un determinado factor aparezca combinado con el resto de los niveles de forma proporcional. En nuestro eemplo se decide presentar finalmente ocho opciones, una más que lo que nos marca el mínimo. Cómo elegiremos estas opciones? En primer lugar debemos dibuar una tabla con las diferentes opciones y los diferentes niveles. A continuación vamos marcando las diferentes combinaciones, de forma que nos aparezcan proporcionalmente todos los diferentes niveles. Como se puede

3 3 Análisis de medidas conuntas (conoint analysis) observar, todos los niveles aparecen marcados al menos dos veces y, además, no hay ninguno que aparezca más de tres veces Información Velocidad Usabilidad Much Poca Rápida Lenta Alta Baa a Una vez seleccionadas las ocho opciones, que llamaremos de ahora en adelante taretas, se presentan a los consumidores para que las ordenen según sus preferencias, de forma que atribuyan un 8 para la preferida y un para la que les guste menos. De esta manera cada consumidor entrevistado deberá presentar una tabla parecida a la que sigue: Preferencias Tareta 2 Tareta 2 Tareta 3 4 Tareta 4 6 Tareta 5 3 Tareta 6 7 Tareta 7 5 Tareta 8 8 Una vez llegados a este punto, ya estamos en disposición de encontrar cuál es la valoración de cada uno de los factores, y los respectivos niveles, sobre la valoración global de la tareta. Lo haremos a partir de un análisis de regresión múltiple que nos permitirá estimar una función de utilidad a partir de la cual relacionaremos niveles (variables independientes o explicativas) y preferencias (variables dependientes o explicadas).

4 4 Análisis de medidas conuntas (conoint analysis) 3. Análisis de regresión múltiple 3.. Planteamiento general En general, si utilizamos la variable para indicar que el nivel del factor i se da en la tareta,, o no,, y si utilizamos la variable para indicar la preferencia que tiene un determinado consumidor sobre la tareta, entonces tenemos que la función de utilidad que queremos estimar es la siguiente: α β,, i, donde los coeficientes β configuran el vector de utilidades, también llamado partworth, que nos indica la utilidad que un determinado nivel proporciona al consumidor entrevistado. Si intentamos estimar directamente esta ecuación, tendremos problemas de multicolinealidad, derivados del hecho de que todos los factores (con un nivel determinado) deben estar presentes en cada una de las taretas. Observad que, para una tareta y un factor i, siempre se cumple la igualdad siguiente: Por tanto, deberemos tener en cuenta estas restricciones a la hora de hacer las estimaciones por medio de mínimos cuadrados ordinarios, deberemos introducir estas restricciones en la función de utilidad inicial. La manera de introducir estas restricciones es aislando uno de los niveles y sustituyéndolo. Sin pérdida de generalidad, podemos suponer que el nivel que sustituimos siempre es el primero,. Por tanto, tendremos lo siguiente: i En cuanto a la función de utilidad, obtendremos la expresión siguiente: δ,, i, donde δ α i β i β β i

5 5 Análisis de medidas conuntas (conoint analysis) A partir de estas dos últimas ecuaciones, y una vez estimada la función de utilidad con las restricciones introducidas (es decir, una vez conocidos δ y ), podremos recuperar los valores iniciales α y β que queríamos encontrar inicialmente. Sin pérdida de generalidad, y dado que lo que nos interesa es la importancia relativa de los diferentes factores/niveles, podemos far los valores de los coeficientes β i a cero. De esta manera tendremos lo siguiente: α δ β i β, Una vez que sabemos cómo encontrar el coeficiente de utilidad para cada uno de los niveles, podemos plantearnos la medición de la importancia de cada factor. La importancia de un determinado factor i se mide a partir de la diferencia entre la utilidad más alta y más baa que se obtiene para los niveles de factor concreto. Es decir, la importancia vendrá dada por la expresión siguiente: Importancia del factor i máx{ β } mín{ β } Como siempre, finalmente nos interesará encontrar la importancia de cada factor relativa al resto de los factores. Por este motivo hablaremos de la importancia relativa de un factor i: Importancia relativa del factor i { Importancia del factor t} t Importancia del factor i 3.2. El eemplo de las páginas web En este subapartado reproduciremos todos los pasos que hemos definido anteriormente tomando como eemplo el caso de las páginas web que ya habíamos introducido. Como recordaréis, nos habíamos quedado en un punto en el que teníamos definidas las taretas y en el que disponíamos también de una ordenación de éstas realizada según las preferencias de un supuesto consumidor. Dado que teníamos tres factores con tres niveles cada uno, la función de utilidad que queremos estudiar se puede escribir de la siguiente manera, para cada tareta,..., 8: Factor información Factor velocidad Factor usabilidad α β β2 2 β3 3 β 2 2 β β β 3 3 β β donde:

6 6 Análisis de medidas conuntas (conoint analysis) Ahora, introduciendo la restricción que nos evitará tener problemas de multicolinealidad, tenemos la expresión siguiente: δ Tenemos que estimar esta expresión usando mínimos cuadrados ordinarios a partir de los datos que teníamos inicialmente. Para esta ecuación el vector continúa siendo el mismo, pero la matriz de datos cambia, de modo que debemos eliminar las columnas correspondientes a, 2 y 3. Por tanto, deberemos realizar la regresión utilizando los datos siguientes: * El resultado que se obtiene de la regresión a partir de estos datos es el siguiente: ,,37 4, 2,54,5,62,46 2 Llegados a este punto, ya estamos en disposición de calcular las utilidades de cada nivel, así como la importancia (relativa) de cada factor: Producto Factores Niveles Utilida d Importancia Importancia relativa

7 7 Análisis de medidas conuntas (conoint analysis) Página web Información Velocidad de carga Usabilidad Mucha Poca Rápida Lenta Alta Baa,,62,5, 2,54 4,,,37,87 2,2 28,96% 4, 59,5%,87,89% Por tanto, la principal conclusión es que, para el usuario encuestado, el factor más importante de todos los que caracterizan las páginas web es la velocidad de carga de la página. A continuación aparecen los otros dos factores, amplitud y profundidad de información que proporciona, y la usabilidad, que es el factor más importante en la función de utilidad. Qué pasaría si entrevistásemos a otro usuario y obtuviéramos un vector de preferencias diferente? Pues que, dado que realizamos el análisis consumidor a consumidor, usuario a usuario, los resultados finales podrían cambiar. Cada usuario puede dar una importancia diferente a cada factor. Para tener una idea más general del mercado, y no individual, se puede realizar una encuesta a un número representativo de consumidores y después usar la media de las preferencias que han marcado para cada una de las taretas como variable dependiente del estudio.