November 6, 2014 | Cristina Medina

Conjoint I - O que é Conjoint e como utilizá-lo

Iniciamos com este post uma série de 10 entregas (a ser publicada todas as quintas) que por meio destas queremos explicar o que são os estudos Conjoint, para que são utilizados e como você pode finalizá-los. Nosso propósito é acabar com o mito que cerca esta metodologia e que faz com que muitos pesquisadores do mercado acreditem que um Conjoint não está ao seu alcance. Para ele explicaremos passo a passo tudo o que deverias saber sobre esta forma de investigação, sem dar nada por sabido, entrando em detalhe quando acharmos conveniente, mas mantendo sempre uma linguagem simples e direta. Veremos se o Conseguimos!

O que é um estudo Conjoint?

É uma técnica estática que permite avaliar em que medida os consumidores valorizam as características que compõe um produto ou serviço. Esta avaliação se faz pedindo á uma amostra da população que indique suas preferências sobre uma gama de possíveis produtos, cada um definido por algumas características determinadas. A análise de suas preferências nos permite conhecer como os consumidores valorizam cada uma das características que compõe o produto.

Antes de seguir, um pouco de terminologia. A partir deste momento, usaremos a palavra atributo para nos referir a uma característica de um produto: a cor de um carro, o preço do computador, a marca de algumas calças... As diferentes alternativas que podem ter um atributo, nomearemos de níveis. Assim, por exemplo, o atributo cor deum carro poderia ter 5 níveis “branco, preto, vermelho, azul e verde”. Por ultimo, o valor que um usuário percebe de um atributo-nível recebe o nome utilidade. Trataremos de respeitar esta nomenclatura daqui por diante.

conjoint-utilidades

Usando esta terminologia, podemos dizer que um Conjoint permite calcular qual utilidade percebem os  consumidores nos diferentes níveis de cada atributo de um produto.

Mas, por que faz falta um estudo Conjoint para medir a utilidade dos atributos? Não podemos perguntar diretamente aos consumidores pelos atributos? A resposta é não. Perguntar diretamente não funciona.

Vejamos um exemplo. Suponhamos que queremos determinar o que um motorista mais valoriza na hora de comprar um carro. Se perguntarmos para ele o nível de importância da segurança, preço e conforto, seguramente nos responderá que todos são importantes. Apenas obteremos informação de suas respostas.

Um estudo Conjoint combina os diferentes níveis de atributos para criar produtos realistas. Por exemplo, poderíamos perguntar por um carro muito seguro, mas muito caro e com baixo nível de conforto. Ou por um carro menos seguro, mas muito econômico e com nível de médio de conforto. Ao perguntar por produtos, combinamos bons e maus produtos para o respondente, e o obrigamos a decidir em função do qual é mais importante para ele. Estas decisões contém informação realista que nos permite estimar quais atributos estão sendo mais valorizados por decisor (é dizer, qual tem maior utilidade).

conjoint-cor

Um pouco da história...

Devemos buscar a origem desta técnica na área de psicologia matemática, nos anos 70. A ideia nasceu de Paul Green em Wharton School da Universidade de Pensilvania. Green foi o primeiro a perguntar sobre produtos compostos para medir atributos. Nos anos 80, Jordan Louviere (Universidade de lowa) desenvolveu uma melhora decisiva desta técnica: em vez de medir a preferência do consumidor mediante escalas numéricas, propôs empregar comparações entre diferentes produtos. Analisando as escolhas do entrevistado era possível inferir qual valor tinha cada atributo. Desta forma, Louviere deu lugar ao que hoje em dia se conhece como técnicas Choice-based Conjoint (CBC) e outras técnicas relacionadas, como o Maxdiff, das quais falaremos mais adiante.

A metodologia Conjoint recebeu grande atenção por parte dos profissionais de psicologia, marketing, publicidade, economistas e designers. No entanto, seu uso se viu limitado durante muitos anos, principalmente por duas razões. A primeira a complexidade de arquitetar, executar e analisar um estudo deste tipo, algo que muitas vezes tem intimidado profissionais que potencialmente poderiam ter se beneficiado desta técnica. A segunda razão, a potência dos computadores dos anos 80 e 90 não permitia analisar estudos Conjoint moderadamente complexas.

Nos últimos 5 anos esta técnica voltou receber atenção dos pesquisadores. Por uma parte, os atuais computadores podem finalizar uma analise complexa em minutos, ou no máximo em algumas poucas horas. Este fato permitiu o desenvolvimento de novos modelos matemáticos para estimar utilidades com maior precisão, inclusive chegar a estimar a utilidade em nível de individuo. Por último, a interrupção do questionário online melhorou a obtenção de informação dos consumidores.

 

Em quais casos é útil um Conjoint

Algumas das coisas que podemos fazer graças aos resultados dos estudos Conjoint são:

  • Detectar quais níveis dos atributos de um produto são mais valorizados pelos consumidores.
  • Saber quanto pesa um atributo na decisão de compra.
  • Predizer o êxito que podemos esperar de um novo produto.
  • Avaliar o Market share que resultaria em enfrentar diversos produtos, nossos ou da concorrência.
  • Identificar os produtos mais rentáveis (combinando utilidade e custos)
  • Identificar nichos de mercado onde um determinado produto terá uma maior escolha.

Por fim, Conjoint proporciona umas valorizações numéricas – as utilidade – de cada nível-atributo que podemos transformar em uma predição de consumo.

 

Tipos de Conjoints

Existem diversos tipos de Conjoint. O conjoint tradicional, conhecido como CVA o Conjoint Value Analysis, foi a primeira técnica desenvolvida nos anos 70, mesmo que atualmente seu uso é escasso. Este método mostra ao respondente uma seleção de diferentes produtos, resultado de combinar os níveis dos diferentes atributos, e pede ao respondente que expresse sua preferência mediante uma escala numérica (eu gosto deste produto “2”, este outro eu gosto “8”).

 conjoint-escala

A análise deste tipo de Conjoint é simples. Inicia da hipótese de que a valorização atribuída pelo entrevistado é diretamente a utilidade que percebe de um produto. A utilidade é uma das partes que compõem o produto é calculada mediante uma regressão linear múltipla.

Posteriormente ao CVA, desenvolveu-se uma técnica melhor conhecida como Conjoint Adaptativo (ACAAdaptative Conjoint Analysis), que permitia analisar mais atributos que o Conjoint tradicional. Para ele, mostramos produtos descritos somente com uma parte dos atributos (não todos de uma vez). Para otimizar a quantidade de informação que obteremos, o ACA é capaz  de decidir na hora, dependendo do que o entrevistado vai respondendo, quais produtos é mais conveniente mostrar.

Porém, a autentica revolução do Conjoint chegou com o CBC ou Choice-based Conjoint. Em um questionário CBC, em vez de pedir ao entrevistado que assine atribua um valor a cada produto, mostraremos um grupo de produtos e pediremos que ele escolha de todos qual ele prefere. Escolher entre produtos em vez de atribuir um número a cada um é mais simples para o participante. Afinal de contas, escolher entre varias alternativas é o que fazemos com os consumidores no nosso dia a dia.

conjoint-selecção

Em contrapartida, uma escolha proporciona menos informação que uma valorização. Se alguém nos disser que prefere A ao invés de B, só saberemos que A>B. Mas não sabemos se é muito maior ou só um pouco. Se o obrigamos a atribuir um valor 9 para todos os consumidores? Até que ponto é confiável uma escala numérica? As escolhas são dados brutos, mas nos obriga a fazer mais perguntas para medir a intensidade da preferência.

Outra contrapartida do CBC é a análise. O modelo que permite calcular as utilidades dos níveis-atributos é muito mais complexo que uma egressão linear. Os modelos não lineares são conhecidos como modelos de escolha discreta.

Estima-se que aproximadamente 90% dos estudos Conjoints que são realizados atualmente se baseiam na escolha (são CBC). Este dado fala da potencia desta metodologia, porque a partir deste momento nos concentraremos nela.

 

O Maxdiff, um caso especial

O MaxDiff  é uma técnica que se inclui habitualmente dentro das metodologias Conjoint, ainda que estritamente não seja assim. Permite medir o grau de preferência respeitando os diferentes níveis de um único atributo. No entanto, não estamos combinando atributos, que é o que define um estudo conjoint.

Porém, a forma em que Maxdiff alcança seus objetivos é muito similar ao do Conjoint CBC. Mostra um conjunto de conceitos e pergunta ao respondente que escolha o melhor e o pior. A análise de resultados é idêntica ao empregado em CBC.

conjoint-tipos

 

Maxdiff é uma técnica que da muitos bons resultados para medir com precisão as preferencias, aproveitando as virtudes de escolher em relação ao valor. Emprega-se com êxito para medir preferencia por marcas, escolher nomes de produtos, formatos de embases, logotipos, etc. Oferece resultados muito mais diferenciados que uma valorização mediante escalas likert tradicional e como já explicamos em seu dia.

 

Casos de êxito

As análises Conjoint e as técnicas de análises da decisão em geral, se usam com êxitos em diferentes lugares. Um caso emblemático é o da disputa da Apple e Samsung em relação ao uso de patentes. O que pode fornecer o Conjoint em problemas deste tipo? A simulação de cenários de mercado que não se realizaram. Apple usou técnica para estimar quantos negócios haveria obtido se os produtos da Samsung no houvessem usados benefícios sobre as quais a Apple reclamava exclusividade de uso.

Os modelos estatísticos empregados pelo Conjoint se empregam com frequência para avaliar cenários hipotéticos. Daniel McFadden premio Nobel de economia, já nos 70 aplicou com êxito estas técnicas para predizer o números de viajantes que escolheram um novo sistema de transporte urbano em São Francisco.

Esta capacidade de predizer cenários motivou o uso destas técnicas por parte de entidades reguladoras que devem imputar o beneficio- ou o prejuízo- que uma mudança legal pode ocasionar. Kenneth E. Train relata em seu livro Métodos de escolha discreta com simulação  como são usadas para calcular compensações econômicas em casos de contaminação ou para avaliar em que medida suportam a carga de um imposto de diferentes segmentos de população.

No próximo post aprofundaremos no conceito de utilidade, a chave para compreender o que nos fornece um estudo Conjoint.

Te esperamos!

Cristina Medina

About the author

Cristina Medina | PR & Communications Manager, Nicequest (Netquest)

FREE EBOOK

The essentials of online data collection

Download ebook

Netquest Blog Archives

Search and discover over last years latest market research topics.

View the archives

Assine no nosso blog

Receba as últimas notícias aqui ou no seu email.

Subscribe to our blog