A primeira fase de um estudo Conjoint é elaborar um desenho experimental. E para fazer um bom desenho, devemos fixar alguns parâmetros: número de atributos a declarar, níveis diferentes de cada atributo, quantidade de perguntas que deve responder cada interrogado,… Fixar corretamente estes parâmetros permitirá obter resultados fiáveis. Vejamos algumas considerações a ter em conta.
Definindo atributos
Vimos na cápsula I que o objetivo de um Conjoint é medir a utilidade que tem para o consumidor cada atributo que compõe um produto (um carro, pode ser a cor, o preço, a potência…). Em concreto, medimos a utilidade dos possíveis níveis de cada atributo (a cor verde, um preço de 15.000$, uma potência de 120CV).
O primeiro passo para fazer um desenho é identificar atributos. Qualquer produto tem uma enorme quantidade de atributos. Em um carro, podemos falar do tipo de carroceria, tamanho, cor, marca, consumo, potência… e poderíamos seguir até identificar atributos como a cor da tampa da gasolina. A questão é, onde se acaba isto? Posso trabalhar só com uns poucos atributos? Quais devo eleger?
Posso e devo trabalhar com uns poucos atributos, relevantes para minha tomada de decisões. E devo assegurar que o restante dos atributos não estudados não afetem as respostas dos participantes na pesquisa. Para isso, devo indicar ao respondente da pesquisa que assuma que o resto de atributos não mencionados são idênticos para qualquer produto mostrado.
Em ocasiões é conveniente ajudar ao repondente fixando explicitamente esses atributos não estudados. Por exemplo, suponhamos um Conjoint sobre carros, queremos estudar os atributos de marca, preço e potência. Poderia suceder que a marca A tenha maior tradição fazendo desportivos e a marca B fabricando veículos todo terreno. O respondente, de forma quase inconsciente, ao eleger um veículo da marca A poderia estar manifestando sua preferência pelos veículos desportivos. Para evitar este efeito, podemos incluir uma mensagem como “compara os seguintes veículos supondo que todos eles são carros utilitários de 5 portas e 120 CV de potência”. Desta forma, evitamos que um atributo não desejado entre em jogo.
Por último, os atributos devem ser independentes entre eles. Se não é assim, poderias estar contabilizando por duplicado a utilidade dos atributos.
Definindo níveis
Uma vez temos claros os atributos, devemos definir que níveis estudamos para cada atributo. Os níveis devem ser uma lista finita de possíveis valores do atributo. Tem em conta as seguintes considerações para definir teus níveis:
• Os níveis devem ser mutuamente excludentes. Por exemplo, se definimos um atributo “equipamento” num Conjoint sobre carros, a lista de níveis não pode ser “ar acondicionado”, “airbag” e “abs”. Um carro poderia ter os 3 níveis simultaneamente. Num caso assim, deveríamos criar 3 atributos, cada um com níveis “sim” ou “não”.
- Os níveis devem ser frases com um significado concreto e unívoco. Evita descrições genéricas (“altas prestações”, “sob consumo”…).
- Evita usar castas de valores (“entre 90CV e 150CV”), é melhor especificar valores concretos (“120 CV”).
- Trata de usar um número similar de níveis entre todos os atributos. Existem estudos que demonstram que os atributos com mais níveis tendem a receber mais importância nos resultados, tanto por um efeito psicológico do respondente como por efeitos no próprio algoritmo de estimação de utilidades.
- Não é necessário que os níveis cubram todos os possíveis valores que pode tomar um atributo. Mas devemos ter claro que os resultados que obteremos refletirão unicamente a variabilidade que tenhamos incluído nos níveis.
Vejamos um exemplo deste efeito. Imaginemos que em nosso Conjoint de carros definimos só dois níveis para o atributo potência: 100CV e 110CV. Pelo contrário, definimos grande quantidade de níveis de preço, que vão desde 8.000$ a 40.000$. Provavelmente a utilidade que resultará para a variação de potência será mínima frente ao preço. Poderíamos chegar à conclusão de que os consumidores não consideram a potência de um carro no momento de compra, quando em realidade o que medimos é que não são sensíveis a uma diferença mínima de potência.
Versões, sets e alternativas
Um desenho é um conjunto de perguntas ou sets. Um set é um conjunto de alternativas de produto, entre as quais o interrogado deve escolher sua opção preferida. E cada produto é uma combinação de níveis concretos dos atributos que estejamos estudando.
Em nosso estudo de carros, poderíamos definir um desenho de 10 sets, com 3 alternativas por set. Para cada alternativa de cada set deveríamos definir um produto: um VW branco a 15.000$, um Renault vermelho a 20.000$... Em ocasiões, quando a quantidade de atributos e níveis é grande, fazer um bom desenho requereria fazer muitas perguntas ou sets por respondente. Mas não é viável fazer a uma pessoa mais de 15-20 perguntas repetitivas, a qualidade da informação que nos daria se veria afetada.
Para sortear esta dificuldade se costumam definir várias versões diferentes do desenho, com produtos diferentes. Dividindo a mostra e atribuindo cada parte a uma versão diferente, conseguimos maior diversidade de informação, melhora-o nossas estimações de utilidade.
Recomendações gerais
A seguir daremos alguns conselhos relativos a como dimensionar um estudo Conjoint:
1 . O número ótimo de atributos a incluir num Conjoint é 5, o máximo recomendado é 10.
2 . O número de níveis por atributo ótimo é 5, o máximo recomendado é 10.
3 . O número de sets por respondente não deveria ser superior a 20. Para evitar o esgotamento do participante se recomenda empregar entre 10-15.
4 . O número de produtos mostrados dentro de cada set deveria estar entre 2 e 6. Dependerá da complexidade dos produtos mostrados (com produtos mais complexos é melhor reduzir a quantidade de alternativas a eleger no set).
Se estamos frente a um estudo Maxdiff (recorda: mostramos conceitos simples e perguntamos qual é o pior e qual é o melhor), deverias respeitar estas recomendações:
1 . O número máximo recomendado de conceitos é 30.
2 . Recomenda-se mostrar entre 3 e 6 conceitos por pergunta/set. Alguns experientes consideram que 4 é o número ótimo.
3 . O número de sets mostrado por respondiente pode estar entre 15 e 20, já que as perguntas Maxdiff não são tão pesadas como outro tipo de perguntas clássicas.
4 . Se queres fazer análise individualizada, é recomendável que cada indivíduo veja 3 ou mais vezes cada conceito. Se vais analisar os resultados a nível de grupo, podes mostrar 1 vez cada conceito a cada indivíduo, inclusive menos (podes permitir do que um indivíduo não veja alguns conceitos).
Erro de estimação
Quando estimamos as utilidades dos diferentes atributos-níveis, como em qualquer estimação estatística, cometemos um erro. Este erro é a soma de dois erros de natureza diferente:
1 . O erro amostral: pelo fato de que a pesquisa a administramos uma mostra do universo estudado, e não à totalidade do mesmo, cometemos um erro de estimação. A forma de calcular este erro é a mesma da de qualquer pesquisa. E a forma de reduzi-lo, é incrementar o tamanho da mostra.
2 . O erro de medida: é o erro cometido pelas limitações que o próprio questionário tem para capturar informação de cada indivíduo em concreto. No caso de estudos Conjoint tipo CBC, estamos inferindo umas utilidades a partir de simples comparações. Quando dizemos que o produto A é melhor do que o B, não sabemos se é muito melhor ou pouco. Além disso, quando temos muitos atributos-níveis, não é viável mostrar todos os possíveis produtos nem todas as possíveis agrupações de produtos.
A forma de reduzir este erro é incrementar a quantidade de perguntas que realizamos a cada indivíduo. Obviamente, isto tem um limite. É por isso que te facilitamos as recomendações anteriores sobre quantidade de atributos, níveis, sets, etc. Se os respeitamos, só deverias se preocupar pelo erro mostral
Regras simples para fixar o tamanho de mostra
A análise Conjoint se baseia num modelo não linear e isso dificulta o cálculo do erro máximo de estimação que vamos cometer com um tamanho de mostra dado. Esse erro dependerá das utilidades que vamos estimar. Para calcular o erro de estimação preciso conhecer as utilidades, mas para conhecer as utilidades preciso realizar o estudo. Para resolver este problema, existem algumas regras simples que nos ajudam fixar o tamanho de mostra que precisamos. A mais habitual é o seguinte
N x T x A/ C > 1000
Onde:
- N: Tamanho da mostra
- T: Número de sets por respondente
- A: Número de alternativas por set
- C: O número de níveis do atributo que mais níveis tem. Para um maxdiff, C é diretamente o número de conceitos a avaliar.
Algumas considerações finais relativas ao tamanho da mostra:
- Na prática, a maior parte de estudos se realizam com amostras entre 200 e 1200 pessoas
- 300 é um tamanho habitual para amostras homogéneas de pessoas.
- Se o objetivo do estudo é comparar utilidades entre grupos e detectar diferenças significativas, deveria ter no mínimo 200 pessoas em cada grupo.
Esperamos que este post te ajuda a definir os parâmetros de desenho. No próximo post te explicaremos como, uma vez fixamos os parâmetros de desenho, podemos encontrar um desenho concreto que satisfaça os condicionantes impostos. Para isso, teremos que usar uma medida que nos permita saber se um desenho é melhor do que outro.
