January 30, 2015 | Albert Turbina

Cápsula 10: Aplicación del Conjoint a un caso real

 

Como remate final de la serie de posts sobre el conjoint, hoy vamos a hablar sobre la aplicación a un caso real.

Se trata de un estudio en el sector de los seguros de automóvil realizado en colaboración entre la consultora de investigación ‘The Cocktail Analysis’ y Netquest.

Logo_Netquest-1.png  logo-fd8ca707ce811be4ca6218b12af9427f

Tal como se describen ellos mismos: “The Cocktail Analysis es una consultora de investigación de mercados especializada en tendencias de consumo, comunicación y nuevas tecnologías.“

Descripción del estudio y objetivos

 

La pregunta que ‘The Cocktail Analysis’ se planteaba era: “¿Qué elementos son críticos para que nuestro producto sea el finalmente escogido por el consumidor?” Es por eso que desde Netquest podíamos aportar nuestro conocimiento en Conjoints para solucionar este caso.

El reto es identificar la configuración idónea de un producto de seguros de automóvil, algo que puede resultar muy complejo debido a la variedad de compañías, tipos de seguros y parámetros que definen cada producto.

El objetivo principal del proyecto es realizar un análisis de preferencias de los distintos elementos que configuran el seguro de un coche.

Más concretamente hablamos de:

  • Conocer los aspectos más importantes en la contratación y cuales menos importantes
  • Qué relación hay entre la cobertura y el precio que se está dispuesto a pagar
  • Qué opciones dan valor añadido al producto
  • Qué tendencias sociodemográficas existen en función de los distintos productos

 

¿Por qué aplicar la metodología Conjoint a este estudio?

Siempre que queramos conocer qué valor aporta al consumidor una característica de nuestro producto, inevitablemente deberíamos pensar en esta técnica. La encuesta clásica, en la que preguntamos directamente por cada atributo de un producto, simplemente no funciona.

El conjoint obliga al entrevistado a sospesar productos reales encontrando cosas que le gustan y otros que no, así revelamos qué factores son realmente claves en su toma de decisión.

 

Diseño experimental

 

Tal como se explica en el capítulo 4 de la serie de post sobre el conjoint,  la selección de atributos y niveles a estudiar es un punto clave en todo el conjoint, pues de ello depende el diseño que se va a generar y los resultados obtenidos sean aplicables a la realidad.

En este caso los atributos y niveles seleccionados fueron los siguientes:

Sin título

Se decidió realizar el ejercicio de contratación 10 veces por persona.

Puede parecer un número alto, enfrentarse a 10 decisiones diferentes de seleccionar un producto, y pare ello mostramos solo 3 por pantalla, así resulta más sencillo tomar la decisión y comparar entre los diferentes productos.

Para aumentar la variabilidad del diseño se realizaron 20 versiones diferentes del diseño, que fueron preguntadas aproximadamente a 450 personas.

En resumen:

  • 20 versiones
  • 10 sets (pantallas o preguntas realizadas)
  • 3 alternativas (productos por pantalla)
  • 6 atributos con hasta 8 niveles diferentes

En el algoritmo de diseño se incluyeron distintas restricciones para no obtener grupos de productos objetivamente mejores en el mismo set.

Un ejemplo de producto objetivamente mejor que el otro es el que tiene la misma configuración en todo, pero uno simplemente es más económico que el otro.

Una configuración así no aportaría información relevante al conjoint, porque ya sabemos de antemano la información que el precio es un factor que cuanto más caro sea, menor utilidad tendrá. (Por lo menos en productos de consumo estándar, como es el caso de un seguro). Y eso no aportaría información al algoritmo de análisis.

 

Muestra y programación

 

El estudio se realizó a población internauta que contrató un seguro para el coche en el último año, con un total de 469 entrevistas y una duración del cuestionario de 10 minutos.

El campo del estudio se realizó durante el mes de noviembre de 2014.

En este enlace se puede realizar la encuesta y ver como se planteó el conjoint:

Esta es la muestra de las tarjetas que se mostraban como productos:

Sin título

En este caso se quería realizar un estudio sin considerar la opción “No contrataría ninguna” así obteníamos más información acerca de las preferencias y no perdíamos información por culpa de esta opción.

De todos modos para lograr saber a posteriori la penetración de mercado que tendría un producto, necesitamos comprarlo con la opción ‘No lo contrataría’.

La decisión que tomamos, es simplemente preguntarlo después. Justo cuando el entrevistado termina de seleccionar la opción que le parece más atractiva, le preguntábamos si realmente contrataría esta opción.

Sin título2

Con esto se pretendía conseguir un doble análisis mucho más rico en información entre productos y versus el mercado.

Análisis

En este caso se optó por realizar un análisis individual (Más info en la cápsula 9 de conjoints) ya que se pretendía analizar comportamientos según perfil sociodemográfico.

El método utilizado fue el Hierarchical Bayesian. Este análisis parte del conjunto y particulariza los resultados de acuerdo a la información disponible para cada individuo, así, si no dispone de información suficiente de un individuo, la suple con la información del grupo.

Es un resultado que requiere de cierto tiempo de ejecución pero que da buenos resultados cuando necesitamos realizar análisis segmentados.

Resultados

Algunos de los resultados más relevantes fueron los siguientes:

 

 

  • La importancia de los atributos reside básicamente en el precio y las coberturas, soprendentemente la marca es un atributo sin apenas relevancia en la toma de decisión.
    Sin título3
  • El interés de una contratación aumenta más de un 30% si añadimos coche de sustitución a la propuesta.
  • Pasar de 0 a 1 parte aumenta notablemente el interés por contratar ese seguro, en este caso más de un 30%. Pero ya pasar de 2 a 3 o más tiene una influencia mucho menor en el interés.
  • El conjoint permite realizar una simulación de marketshare según determinados grupos y características de productos que se pueden ver, así comparar el interés real en la decisión entre diferentes productos. Gracias a la opción que incluimos asociada a cada pregunta sobre si contrataría o no ese seguro que había seleccionado, podemos incluir en el análisis la opción “No contrataría ninguna opción” y obtener así datos de mercado.

Sin título4

  • A nivel sociodemográfico también se pueden realizar análisis como para un determinado producto comparar entre sexos o entre tramos de edad.
    En la imagen siguiente se puede ver como para un determinado seguro, las pólizas básicas plantean más interés en los hombres que en las mujeres y que las pólizas con más coberturas generan más interés en la gente más senior.

Sin título5

Conclusiones

A nivel del estudio quizás la mayor conclusión que se puede observar es la poca influencia de la marca en la toma de decisión, solo representa un 4% de ello. Los aspectos como el coche de sustitución y los partes anuales aumentan el valor añadido de la oferta y lo valora positivamente.

Por lo que se refiere a la metodología usada, nos ha permitido realizar un análisis en mucha profundidad de los parámetros que componen un producto de una aseguradora, además de poder analizarlo por diferentes perfiles y configuraciones.

 

Si queréis consultar el informe completo de resultados, estad atentos al blog de ‘The Cocktail Analysis”:

¡En los próximos días podréis consultarlo!

 

 

Download Netquest panel book

  

¿Te ha gustado el post? ¿Quieres profundizar más sobre el tema? Pues hemos preparado una serie de diez cápsulas sobre Conjoint. ¡No te pierdas ninguna!

ÍNDICE: Serie Cápsulas sobre Conjoint

Cápsula 1: Qué es un estudio Conjoint y cómo utilizarlo

Cápsula 2: Entendiendo el concepto de utilidad

Cápsula 3: Fases de un Conjoint

Cápsula 4: Diseño experimental, parámetros de diseño

Cápsula 5: Diseño experimental, calidad de un diseño

Cápsula 6: Diseño experimental y estrategias para encontrar un buen diseño

Cápsula 7: Programación de cuestionarios Conjoint

Cápsula 8 - Análisis agregado de un Conjoint

Cápsula 9: Análisis Individual de un Conjoint

Cápsula 10: Aplicación del Conjoint a un caso real

Albert Turbina

About the author

Albert Turbina | Head of the panel experience, 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

Suscribete a nuestro blog

Recibe las últimas noticias en tu email.

Subscribe to our blog

netquest-blog-suscription-shape-illustration

Hey!

It looks that you are enjoying what you've been reading

Want to read more?

Hey!

It looks that you are enjoying what you've been reading

Want to read more?

Have access to more genuine content, subscribe to our blog.

I'm already subscribed. Close