April 10, 2015 | Ferran Savín

Simulador de mercados Netquest Conjoint

La herramienta avanzada que completa un análisis Conjoint

En meses pasados hemos publicando en el blog hasta diez artículos en formato de cápsulas formativas sobre el análisis Conjoint. En ellas definíamos los principales conceptos técnicos relativos a estos estudios, presentábamos los algoritmos que utilizamos,  sus prestaciones y las ventajas de los análisis Conjoint. Pero nos quedaba por explicar la herramienta más potente que podemos generar gracias a un análisis Conjoint: el simulador de mercado.

Qué es un simulador de mercado

El simulador de mercado permite a cualquier investigador o manager estudiar hipotéticos escenarios de mercado. Puede ayudarnos a definir nuevos productos, estrategias de posicionamiento o estrategias de precios entre muchas otras posibilidades.

Un simulador se construye a partir de los resultados de un estudio Conjoint. Este tipo de estudio nos permite calcular la utilidad que cada uno de los participantes en el estudio otorga a cada nivel de cada uno de los atributos que definen los productos valorados (análisis individual), así como un cálculo agregado de dichas utilidades (análisis agregado).

 

conjoint-simulator

Interpretar y manejar correctamente las utilidades resultantes de un Conjoint no es una tarea simple. Detectar atributos positivos y negativos, incluso valorar qué atributos son más relevantes, es relativamente sencillo. Pero llegar a estimar qué éxito de ventas va a tener una combinación de atributos es una tarea más compleja. Éste es el principal motivo que lleva a personas no expertas en la metodología a fallar en la detección segmentos o nichos de mercado importantes.

Un simulador de mercados como el que ofrece Netquest como opción a su servicio Conjoint permite tener en un sólo dashboard todos los resultados. Con ello se mejora substancialmente la interpretación y capacidad de predicción.

 

¿Por qué podemos simular el mercado a partir de un Conjoint?

Para responder a esta pregunta nos ayudaremos de un ejemplo ficticio. Vamos a suponer que en el mercado de transporte de pasajeros, los servicios se componen únicamente de dos atributos: tipo de transporte y precio. Cada uno de estos atributos tiene sus respectivos niveles (por ejemplo, el tipo de transporte puede ser el avión, el tren o el autobús).

En las tablas siguientes tenemos los resultados para uno de los respondientes, es decir, la utilidad que ese respondiente asigna a cada uno de los niveles de los atributos:

tabla-conjoint

Si quisiéramos predecir que escogería este consumidor si tuviera que elegir entre ir en tren por 90 euros o en autobús por 110 euros, deberíamos hacer el siguiente cálculo:

  • Tren (2,0 unidades de utilidad) + 90 euros (2,2 uds.) = 4,2 uds.
  • Autobús (3,0 uds.) + 110 euros (-1,0 uds.) = 2,0 uds.

A la vista de los resultados anteriores, podemos predecir que este respondiente escogerá la opción de ir en tren por 90 euros, porque esa decisión le ofrece una utilidad mayor.

Este análisis simplista se puede sofisticar teniendo en cuenta que toda estimación de utilidad conlleva cierto error. Para ello, transformaríamos la predicción sobre si el usuario elegirá el tren o el autobús, en una probabilidad. Por ejemplo, si estuviésemos trabajando con un modelo estadístico conocido como “Logit”, podríamos transformar utilidades en probabilidades de elección como sigue:

  • Probabilidad de escoger “tren a 90€”: e4,2 / (e4,2 + e2,0) = 90%
  • Probabilidad de escoger “autobús a 100€”: 100% – 90% = 10%

En el supuesto anterior hemos analizado qué sucede con un solo respondiente, pero si quisiéramos el resultado agregado de 350 respondientes el cálculo se sofistica. Existen varias formas de simular qué pasaría en el mercado a partir de la información de una muestra. La simulación más simple es aquella que utiliza la media de las utilidades de toda la muestra.

Esta forma de estimar el comportamiento del mercado es muy simplista: la media puede ser el resultado de grupos de consumidores con preferencias muy dispares. Por ello, los simuladores más avanzados utilizan modelos estadísticos más sofisticados, como el modelo logit jerárquico bayesiano y otros modelos de elección discreta que permiten estimar las utilidades individuo a individuo. Esto permitiría, entre otras cosas, analizar el mercado por segmentos de consumidores.

 

¿Cómo podemos calcular la predicción de ventas y la cuota de mercado en un mismo simulador?

Primero necesitamos definir qué entendemos por predicción de ventas. En un simulador Conjoint la predicción de ventas es el porcentaje de personas del target que comprarán uno de los servicios disponibles en el mercado, servicios que tendremos que configurar en el simulador.

Si consideramos que el mercado de transporte de pasajeros está compuesto únicamente por tres servicios:

  • Avión a 110€
  • Tren a 20€
  • Autobús a110€

podríamos llegar a calcular, por ejemplo, que del total del target un 20% compraría el billete de avión, el 34% el billete de tren y el 16% iría en autobús, pero un 20% no compraría ninguno de los servicios ofrecidos. Si sumamos los usuarios que comprarían alguno de los productos, obtenemos que el 80% formarían el mercado de esta categoría frente a un 20% de individuos que no compraría ningún producto ofrecido.

En cambio, la cuota de mercado se define como el porcentaje de ventas de cada uno de los servicios en relación al total del mercado de los servicios estudiados. Sería equivalente a quitar del cómputo aquellas personas que no van a comprar ninguno de los productos disponibles en el mercado. En el ejemplo anterior, resultarían unas cuotas de mercado de 25% para el avión, 43% para el tren y 33% para el autobús. La suma de las cuotas de mercado de cada uno de los servicios suma necesariamente 100%.

Es importante tener en cuenta que para poder calcular el éxito de ventas de un producto es necesario incluir en el set de preguntas del cuestionario la opción “ninguna de las anteriores”. De esta forma podremos calcular la utilidad de la opción “no comprar” y obtener así el porcentaje de personas que no comprarían ninguno de los servicios ofrecidos. De lo contrario, sólo podremos calcular cuotas de mercado.

 

Elasticidades y estimación de la curvas de demanda

Otro ejercicio interesante que puede realizarse a partir de un simulador es el análisis de elasticidad de la demanda, que permite calcular qué cambio se produciría en la demanda si variamos un atributo del producto. Típicamente se hace respecto al precio, pero puede plantearse respecto a cualquier producto.

Para entender como funciona la elasticidad en un simulador debemos tener en cuenta que:

  • La elasticidad se calcula respecto a una situación concreta de mercado.
  • El simulador permite predecir cómo cambiará la cuota de mercado si cambiamos los atributos.

Para facilitar la comprensión utilizaremos un estudio real sobre seguros de automóviles. A modo de ejemplo, configuramos una situación de partida del mercado de seguros en la que sólo hay tres productos. El simulador estima una cuotas de mercado (market share) para cada producto:

market-share

El primer producto, enmarcado por un  recuadro negro, es el  producto base para el cálculo de elasticidades, es decir, mi producto. El resto representan los productos de mis competidores.

El cálculo de las elasticidades nos muestra unos gráficos como los que se adjuntan a continuación, en los que se puede observar cómo evolucionará el market share de mi producto (3%) si modifico todos los atributos de uno en uno, dejando el resto inalterados.

 

elasticidad-conjoint

La franja gris señaliza la configuración inicial del producto. La curva azul del gráfico indica la evolución del market share cuando vamos cambiando un atributo concreto a sus diferentes niveles.

En este ejemplo concreto, el primer gráfico (“Elasticidad – precio”) nos indica que el market share de mi producto pasaría de un 3% a un 4% si el precio bajase de 600€ a 500€ por año, a un 5% si bajase hasta 400€, de 7% si bajase a 300€ y de un 10% si bajase a 200€.

En el segundo gráfico se hace el mismo análisis respecto a la cobertura: si mantenemos todo el resto de atributos del producto igual, pasar de una cobertura a terceros básica a una cobertura a terceros con opciones permitiría pasar de un market share del 3% al 5%. A medida que vamos mejorando las coberturas, el market share subirá hasta un 21%.

 

Casos prácticos

En este artículo hemos revisado muy brevemente las  funcionalidades de un simulador Conjoint. Para terminar nos gustaría numerar algunas potencialidades de una herramienta como ésta. El simulador permite entre otras cosas:

  • Diseñar productos nuevos para segmentos de mercado concretos.
  • Customizar productos y visualizar el éxito de ventas.
  • Predecir cuotas de mercados.
  • Si se conoce el coste se puede calcular las rentabilidades esperadas.
  • Calcular la curva de demanda a partir de las elasticidades.
  • Visualizar el efecto del lanzamiento de un nuevo producto o servicio.

Todas estas posibilidades que ofrece un simulador Conjoint  se le debe añadir el hecho de que es una herramienta de uso intuitivo, que nos permite  hacer una investigación avanzada y compleja de una forma realmente simple.

Ferran Savín

About the author

Ferran Savín | Global Product Manager

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

Suscribete a nuestro blog

Recibe las últimas noticias en tu email.

Subscribe to our blog

netquest-blog-suscription-shape-illustration

Hey!

Enjoying what you've been reading?

Subscribe for more!

Hey!

Enjoying what you've been reading?

Subscribe for more!

Get access to the latest news and exclusive content.

I'm already subscribed. Close