Laboratorio di statec e am 1

La Conjoint Analysis
Obiettivo:
comprendere come soddisfare al meglio le esigenze del cliente
Strumento:
conjoint analysis: tecnica di analisi utile per misurare ’importanza relativa di un insieme di
attributi di un prodotto/servizio
Punto di partenza:
Lancaster: “utilità d’uso di un bene deriva dalle singole caratteristiche che lo compongono”
valutazioni globali di potenziali acquirenti relativamente a insieme di alternative
Sviluppo del metodo:
scomposizione dell’utilità globale del prodotto nelle utilità di ciascun attributo
 Laboratorio di statec e am 2

Come sceglie il consumatore:

la funzione di utilità del consumatore
 indica il livello di soddisfazione che un consumatore ottiene da un certo bene o da un paniere
di beni con date caratteristiche
 assegna un livello di utilità ad ogni bene (o paniere di beni)

U = f(W1,W2,…, Wk )

U := livello di utilità
W 1 W2 … Wk := caratteristiche del bene o del paniere di beni
 Laboratorio di statec e am 3

Come modellare la scelta:

 Esperimento - proposta di prodotti alternativi
 I prodotti possibili derivano da come si manifestano congiuntamente le diverse caratteristiche
 Il consumatore sceglie tra prodotti alternativi in base all’utilità
 L’utilità dipende dalle caratteristiche dei prodotti
 Laboratorio di statec e am 4

Come modellare la scelta:

Le preferenze espresse dal cliente non riguardano i singoli livelli degli attributi
 chiedere il livello preferito per ogni attributo non è efficace perché i clienti preferiscono:
marche note piuttosto che sconosciute
prezzi bassi piuttosto che alti
prestazioni più elevate possibile

Nella realtà esistono trade-off nelle scelte di acquisto di cui bisogna tener conto
 giudizio globale riproduce il comportamento di acquisto
 Laboratorio di statec e am 5

Disegno di una conjoint analisys

per il lancio di una nuova tipologia di conto corrente bancario
da Molteni Troilo, Ricerche di Marketing (pg. 363-369)

Attributo Livello1 Livello2 Livello3 n. livelli

Spese mensili gratuito 7.5 Euro 12.5 Euro 3
Assicurazioni legate all'uso c/c sì no 2
Online bancario gratuito sì no 2
Assicurazione gratuita viaggi tempo libero sì no 2
Trading online (sconto 50% commissioni) sì no 2
10/15% in funzione
Sconti su nuove polizze della polizza no 2
esclusa RCA

Gratuita primo anno,

Carta di credito poi 20 euro/anno
no 2

Totale livelli 192

 Laboratorio di statec e am 6

Esempio di disegno fattoriale frazionato - lancio di una nuova tipologia di conto

corrente bancario
Spese Assicurazioni Online Assicurazione Trading online Sconti su nuove Carta di credito
mensili legate bancario gratuita viaggi (sconto 50% polizze
all'uso c/c gratuito tempo libero commissioni)
1 Sì Sì Sì 10/15% in funzione Gratuita primo
7.5 Euro della polizza anno,
No esclusa RCA poi 20 euro/anno
2 Sì No No Nessuna Gratuita primo
7.5 Euro anno,
No poi 20 euro/anno
3 Gratuito No No Sì Sì Nessuna Gratuita primo
anno,
poi 20 euro/anno
4 Gratuito Sì Sì No Sì Nessuna
5 Gratuito Sì Sì Sì No 10/15% in funzione
della polizza
esclusa RCA
6 12.5 No Sì No Sì 10/15% in funzione
Euro della polizza
esclusa RCA
7 12.5 Sì No No No Nessuna Gratuita primo
Euro anno,
poi 20 euro/anno
 Laboratorio di statec e am 7
Spese Assicurazioni Online Assicurazione Trading online Sconti su nuove Carta di credito
mensili legate bancario gratuita viaggi (sconto 50% polizze
all'uso c/c gratuito tempo libero commissioni)
8 Gratuito No No No Sì Nessuna Gratuita
9 Gratuito No No No No 10/15% in funzione Gratuita primo
della polizza anno,
esclusa RCA poi 20 euro/anno
10 Gratuito Sì Sì Sì Sì Nessuna Gratuita primo
anno,
poi 20 euro/anno
11 Gratuito Sì Sì No No 10/15% in funzione Gratuita primo
della polizza anno,
esclusa RCA poi 20 euro/anno
12 7.5 Euro Sì No Sì No Nessuna Gratuita
13 No No Sì 10/15% in funzione Gratuita
7.5 Euro della polizza
Sì esclusa RCA
14 12.5 Sì Sì No Nessuna Gratuita
Euro No
15 12.5 Sì No Sì Sì 10/15% in funzione Gratuita primo
Euro della polizza anno,
esclusa RCA poi 20 euro/anno
16 Gratuito No No Sì No 10/15% in funzione Gratuita
della polizza
esclusa RCA
 Laboratorio di statec e am 8

Output di una conjoint analisys

Average
Attributo Livello Utility
Importance
Spese mensili gratuito 0.0000
7.5 Euro -1.0241
12.5 Euro -1.7069 45.11
Assicurazioni legate all'uso c/c Sì 0.2311
No -0.2311 12.22
Online bancario gratuito Sì 0.1900
No -0.1900 10.04
Assicurazione gratuita viaggi tempo libero Sì 0.1063
No -0.1063 5.62
Trading online (sconto 50% commissioni) Sì 0.0788
No -0.0788 4.17
10/15% in funzione
Sconti su nuove polizze della polizza 0.1262
esclusa RCA
No -0.1262 6.67
Gratuita primo anno,
Carta di credito 0.3059
poi 20 euro/anno
No -0.3059 16.17
 Laboratorio di statec e am 9

Media delle utilità parziali sul totale del campione

 Laboratorio di statec e am 10

Media delle utilità parziali sui 3 cluster

 Laboratorio di statec e am 11

Terminologia di base
Profilo o stimolo: prodotto
p: 1,…, P è una specifica combinazione dei livelli degli attributi

Attributi: caratteristiche del prodotto/servizio in esame.

k: 1,…, K variabili che il ricercatore controlla
(in un esperimento per misurare l’effetto sull’utilità del consumatore)

Livelli: sono le diverse modalità con cui si manifestano gli attributi.

l: 1,…, Lk
 Laboratorio di statec e am 12

Esempio: libreria
Profilo o stimolo:

Attributi: COLORE e DIMENSIONE

Livelli: COLORE: BIANCO o NERO

DIMENSIONE: SINGOLA o DOPPIA
 Laboratorio di statec e am 13

Come misurare l’utilità?

Intervista a un campione di potenziali clienti

Richiesta ai consumatori di valutazione di ciascuno dei P prodotti presentati tramite

l’espressione di:
voto (vp)
ordinamento (rp)

Modello additivo: l’utilità di un possibile prodotto per un rispondente è data dalla somma
delle utilità dei livelli di ciascun attributo da cui il prodotto è composto
 Laboratorio di statec e am 14

Il part-worth model
Le utilità parziali riferite ai singoli livelli degli attributi sono denominate part-worth.

Abbinando modello additivo e analisi di regressione è possibile stimare la funzione di utilità

individuale di ogni rispondente:

Modello:

𝑌𝑝 = ∑ ∑ 𝑤𝑘𝑙 𝐷𝑝𝑘𝑙 + 𝜀𝑝
𝑘 𝑙

𝑌𝑝 := utilità del prodotto p (voto o preferenza) (𝑌𝑝 = 𝑣𝑝 ; 𝑌𝑝 = 𝑃 − 𝑟𝑝 + 1);

𝑤𝑘𝑙 := utilità parziale riferita al livello l dell’attributo k
𝐷𝑝𝑘𝑙 := variabile dummy che assume valore 1 se il livello l dell’attributo k è presente nel profilo p e
valore 0 altrimenti
𝜀𝑝 := errore casuale
ESEMPIO PANETTONE
 Laboratorio di statec e am 15

Nuovo tipo di panettone:

Canditi: si o no
Prezzo: € 3, € 4 o € 5,

Numero profili possibili: P = 3  2 = 6

Il rispondente fornisce il seguente ordine di preferenza:

canditi sì sì no sì no no
prezzo €3 €4 €3 €5 €4 €5
P 1 2 3 4 5 6
V 6 5 4 3 2 1
 Laboratorio di statec e am 16

Il part-worth model
Le utilità parziali riferite ai singoli livelli degli attributi sono denominate part-worth.

Abbinando modello additivo e analisi di regressione è possibile stimare la funzione di utilità

individuale di ogni rispondente:

Modello:

𝑌𝑝 = ∑ ∑ 𝑤𝑘𝑙 𝐷𝑝𝑘𝑙 + 𝜀𝑝
𝑘 𝑙

𝑌𝑝 := utilità del prodotto p

𝑤𝑘𝑙 := utilità parziale riferita al livello l dell’attributo k
𝐷𝑝𝑘𝑙 := variabile dummy che assume valore 1 se il livello l dell’attributo k è presente nel profilo p e
valore 0 altrimenti
𝜀𝑝 := errore casuale
 Laboratorio di statec e am 17

ANALISI INDIVIDUALI
Analisi individuale: stimo modello predittivo per ogni rispondente

Possibile segmentazione a posteriori aggregando consumatori con funzioni di

utilità simili
 Laboratorio di statec e am 18

ESEMPIO PANETTONE

Attributo k Livello l
canditi 1 sì 1
W1. no 2
prezzo 2 €3 1
W2. €4 2
€5 3

PROFILO 1: Canditi - € 3
Y1 = w11 ∙ 1 + w12 ∙ 0 + w21 ∙ 1 + w22 ∙ 0 + w22 ∙ 0 + ε1 = w11 + w21 + ε1

PROFILO 2: Canditi - € 5
𝑌2 = 𝑤11 ∙ 1 + 𝑤12 ∙ 0 + 𝑤21 ∙ 0 + 𝑤22 ∙ 0 + 𝑤22 ∙ 1 + 𝜀2 = 𝑤11 + 𝑤22 + 𝜀2
 Laboratorio di statec e am 19

Modello part-worth additivo in forma matriciale

𝑌 = 𝐷𝑤 + 𝜀
𝑌1 10 1 0 0 𝑤11 𝜀1
𝑌2 10 0 1 0 𝑤12 𝜀2
𝑌3 10 001 𝑤 𝜀3
= + 𝜀
𝑌4 01 1 0 0 𝑤21 4
22 𝜀5
𝑌5 01 0 1 0 [𝑤 ]
[𝑌6 ] [0 1 0 0 1] 23 [𝜀6 ]
 Laboratorio di statec e am 20

Stima dei parametri: la multicollinearità

La stima del vettore dei parametri w con il metodo dei minimi quadrati è data da:

𝑤
̂11
𝑤
̂12
̂21 = (𝐷′𝐷 )−1 𝐷′𝑌
𝑤
𝑤
̂22
[𝑤
̂23 ]

Ma (𝐷′𝐷 )−1 non può essere calcolata a causa della multicollinearità delle variabili dummy
incluse nella matrice D, cioè al fatto che ogni colonna della matrice può essere espressa come
combinazione lineare delle altre.
Rimedio alla multicollinearità
 Laboratorio di statec e am 21

Modello specificato … con codifica disgiuntiva

𝑌1 1 1 10 𝜀1
𝑌2 1 1 0 1 𝛽0 𝜀2
𝑌3 1 1 0 0 𝛽11 𝜀3
= [ ]+ 𝜀
𝑌4 1 0 1 0 𝛽21 4
𝑌5 1 0 0 1 𝛽22 𝜀5
[𝑌6 ] [1 0 00] [𝜀6 ]

𝑌 = 𝐷𝛽 + 𝜀
 Laboratorio di statec e am 22

Modello specificato … con codifica contrasto

𝑌1 1 1 1 0 𝜀1
𝑌2 1 1 0 1 𝛼0 𝜀2
𝑌3 1 1 −1 −1 𝛼11 𝜀3
= [ 𝛼21 ] + 𝜀4
𝑌4 1 −1 1 0
𝑌5 1 −1 0 1 𝛼22 𝜀5
[𝑌6 ] [1 −1 −1−1 ] [𝜀6 ]

𝑌 = 𝐸𝛼 + 𝜀

La stima del vettore dei parametri 𝛼 con il metodo dei minimi quadrati è data da:

𝛼̂0
𝛼̂11
[ ] = (𝐸′𝐸 )−1 𝐸′𝑌
𝛼̂21
𝛼̂22
 Laboratorio di statec e am 23

𝛼̂0 := utilità media dei profili

𝛼̂𝑘𝑙 := variazione di utilità rispetto al profilo medio che si ottiene portando l’attributo k a livello l

E la stima delle utilità parziali è data da:

𝛼̂𝑘𝑙 𝑝𝑒𝑟 𝑙 = 1, … , 𝑙𝑘 − 1
𝑤
̂𝑘𝑙 ={ 𝑙𝑘 −1
− ∑𝑙=1 𝛼̂𝑘𝑙 𝑝𝑒𝑟 𝑙 = 𝑙𝑘
 Laboratorio di statec e am 24

ESEMPIO PANETTONI
Il rispondente fornisce il seguente ordine di preferenza:

canditi Sì sì no sì no no
prezzo €3 €4 €3 €5 €4 €5
rank 1 2 3 4 5 6

rank Y canditi prezzo c1 p1 p2

1 6 Sì 3 1 1 0
2 5 Sì 4 1 0 1
3 4 No 3 -1 1 0
4 3 Sì 5 1 -1 -1
5 2 No 4 -1 0 1
6 1 No 5 -1 -1 -1
 Laboratorio di statec e am 25

regress Y c1 p1 p2
Source | SS df MS Number of obs = 6
-------------+------------------------------ F( 3, 2) = 34.33
Model | 17.1666667 3 5.72222222 Prob > F = 0.0284
Residual | .333333333 2 .166666667 R-squared = 0.9810
-------------+------------------------------ Adj R-squared = 0.9524
Total | 17.5 5 3.5 Root MSE = .40825

------------------------------------------------------------------------------
u | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
c1 | 1.166667 .1666667 7.00 0.020 .4495579 1.883775
p1 | 1.5 .2357023 6.36 0.024 .485855 2.514145
p2 | 0 .2357023 0.00 1.000 -1.014145 1.014145
_cons | 3.5 .1666667 21.00 0.002 2.782891 4.217109
------------------------------------------------------------------------------
 Laboratorio di statec e am 26

Importanza relativa degli attributi

Concetto: quanto più la modifica dei livelli di un attributo influisce sull’utilità tanto maggiore è l’importanza di quel fattore

Importanza relativa dell’attributo k:

max(𝑤𝑘𝑙 ) − min(𝑤𝑘𝑙 )
𝑙 𝑙
𝐼𝑅𝑘 = %
∑𝑘 [max(𝑤𝑘𝑙 ) − min(𝑤𝑘𝑙 )]
𝑙 𝑙

attributo livello 𝑤̂𝑘𝑙 range Importanza

canditi sì 1.17 2.34 43.8%
no -1.17
prezzo 3 1.50 3.00 56.2%
4 0
5 -1.50
 Laboratorio di statec e am 27

Il numero di parametri del problema

Numero di attributi K
Numero di livelli di ciascun attributo: L1, L2,…, LK
Numero di profili (prodotti) possibili: P = L1  L2  …  LK
Numero di parametri del modello additivo: Q = L1 + L2 + … + LK
Numero di parametri del modello specificato: Q' = Q - K + 1 = L1 + L2 + … + LK - K +1

Se il numero di livelli è uguale per ogni attributo ed è pari ad L:

Numero di profili (prodotti) possibili: P = LK
Numero di parametri del modello additivo: Q=KL
Numero di parametri del modello specificato: Q' = K  (L - 1) + 1
 Laboratorio di statec e am 28

Il numero dei profili

Trade off tra realismo di prodotto <-> fatica del questionario

Basato su
Ricerche qualitative e ricerche management
4-8 attributi
2-3 livelli per attributo

Per valutare 16-18 schede prodotto occorrono 15-20 minuti

Se non riesco a ridurre i profili, occorre eliminare attributo

Da full-profile a frazionario
perdita informazioni
frazionario confonde non spiega interazioni
 Laboratorio di statec e am 29

Effetti principali ed effetti di interazione

EFFETTO PRINCIPALE DI UN ATTRIBUTO

 cambiamento nella risposta media dovuto ad un cambiamento di livello dell’attributo

INTERAZIONE TRA ATTRIBUTI

 effetto combinato di due o più attributi
 cambiamento nella risposta media dovuto al cambiamento contemporaneo nel livello di due o
più attributi
 Laboratorio di statec e am 30

Quanti profili? Design Of Experiments (DOE)

DOE
insieme di tecniche statistiche e sperimentali finalizzate a comprendere l’effetto su una variabile
dipendente (risposta)
di una o più variabili indipendenti (fattori o trattamenti)

Ogni fattore è caratterizzato da un campo di variazione noto e discreto all’interno di un insieme di

livelli

Obiettivo:
definire criteri che permettano di utilizzare un numero minimo di osservazioni sperimentali per
conoscere l’effetto dei fattori sulla risposta
 Laboratorio di statec e am 31

Piani fattoriali
Piano fattoriale := insieme delle prove sperimentali determinate dalle combinazioni dei
livelli dei fattori
Piano fattoriale LK := piano fattoriale che include K fattori con L livelli ciascuno

Piano fattoriale completo:= include tutte le combinazioni possibili dei livelli

 permette di stimare le interazioni ma include molte prove
 Laboratorio di statec e am 32

DOE e Conjoint Analysis

Risposta := giudizio del rispondente (utilità)

Fattori := attributi
Livelli := modalità degli attributi
Piano fattoriale := insieme dei profili considerati nell’intervista

Quanti e quali profili presentare al rispondente per stimare gli effetti in modo appropriato
minimizzando il numero di stimoli (profili) presentati?  DOE

Come determinare un piano frazionato?

Tramite software per piani più complessi.
 Laboratorio di statec e am 33

Le Fasi Operative della Conjoint Analysis

1. Individuazione degli attributi e dei livelli di interesse
2. Predisposizione dei profili di prodotto (combinazioni o stimoli) da sottoporre al giudizio degli
intervistati  piano sperimentale
3. Interviste sul campo
4. Elaborazione delle informazioni raccolte e individuazioni dei segmenti tramite una cluster
5. Simulazione delle quote