Depois de dois posts dedicados à descrição conceitual de um estudo Conjoint, entramos por fim na matéria. Nesta capsula da nossa serie de publicações dedicadas a esta metodologia, explicaremos o que se deve fazer para concluir um estudo deste tipo. Começamos pelas fases de um estudo Conjoint.
Um Conjoint é um experimento
Um estudo Conjoint é mais que um questionário. Não nos limitamos a perguntar a uma amostra de nossos consumidores sua opinião sobre um produto. Estamos submetendo nossos consumidores a um experimento. Mostramos a eles alguns estímulos seguindo uma planificação previa, observamos seu comportamento e analisamos os dados obtidos.
No entanto, como todo experimento, um Conjoint possui três fases:
1 - Desenho experimental
2 - Execução do experimento, em nosso caso, a programação e administração do questionário.
3 - Analise de resultados.
Desenho experimental
Queremos medir a preferência que os participantes têm sobre alguns produtos. Para ele, mostraremos grupos de produtos e pediremos aos respondentes que escolham sua opção preferida entre as que foram mostradas. Mas, quais produtos devo mostrar e em qual forma eu agrupo? Dar respostas a estas perguntas é fazer um desenho experimental. Um desenho é a definição de quais estímulos mostraremos com o objetivo de otimizar a informação que quero obter.
Elaborar um desenho experimental não é uma tarefa simples. Normalmente estudaremos um produto com vários atributos, cada um deles com diferentes níveis. Os possíveis projetos experimentais que posso fazer para estudar um produto são múltiplos.
Imaginemos que quero fazer um conjoint sobre carros e que definimos 4 atributos a estudar (marca, carroceria, potência e cor), cada um com 5 níveis (por exemplo, a cor poderia ser preto, branco, vermelho, azul e verde). Combinando os diferentes atributos tenho 5x5x5x5= 625 carros diferentes. Se no meu estudo quero mostrar os produtos de 4 em 4, para que o entrevistado escolha em cada ocasião qual é sua opção preferida, poderia fazer um total de 625x624x623x622= 1,5x10¹¹ agrupações diferentes.
Intuitivamente podemos pensar como deve ser um bom projeto. Os níveis dos diferentes atributos deveriam aparecer um número par de vezes e deveriam comparar-se entre eles por igual. Mas como alcanço este objetivo? No próximo post veremos diferentes estratégias para alcança-lo e falaremos de um conceito, a eficiência, que nos permite ter uma medida objetiva de um bom desenho.
Programação do Questionário.
O questionário online é um elemento chave da pesquisa cuja importância muitas vezes é subvalorizada. Existem softwares especializados em estudos conjoints, capazes de fazer bons projetos e analises preciosas, mas que oferecem uma experiência ao entrevistado muito pobre.
O questionário é um fator decisivo na qualidade da informação que coletamos. Metodólogos de todo o mundo estudaram a influência que pode ter um formato concreto de pergunta no dado observado. Isto é especialmente ao certo um estudo conjoint. Estamos tratando de simular o comportamento normal de uma pessoa com consumidor, estamos pedindo a ele que nos diga qual produto compraria entre várias opções.
Devemos programar perguntas que reproduzam o mais fielmente possível uma situação de compra, que mostrem os produtos de formar realista, se possível usando fotografias e descrições similares as que um consumidor encontraria se fosse comprar o produto. A simples enumeração de atributos de um produto em formato planilha de características técnicas, pode produzir resultados de baixa qualidade.
Analises de resultados
Fazer um bom projeto experimental é complexo, mas fazer uma boa analise de resultados não fica atrás. Existem diferentes formas de afrontar a análise e diversos modelos estáticos para tratar de reproduzir o comportamento dos consumidores.
A principal decisão que devemos tomar no momento de analisar resultados é optar por uma analise agregado ou por uma analise individualizado.
Em uma analise agregada nosso objetivo é determinar a utilidade media que os consumidores percebem de cada nível de cada atributo presente no produto.
Uma vez que tenho estas utilidades medias, posso determinar – sempre em nível agregado – quais atributos se percebem mais positivamente e qual peso tem cada atributo na tomada de decisões. Também posso simular qual porcentagem de consumidores vai escolher cada um dos possíveis produtos que posso criar mediante a combinação de atributos.
Porém, a analise agregada pode ocultar muitas combinações. Os modelos agregados partem da ideia de que todos os consumidores se comportam de forma similar. Se há uma grande diversidade de opiniões, o modelo pode dar informação muito imprecisa. Por exemplo, um nível de um atributo pode receber uma utilidade agregada baixa, mas, estar ocultando um grupo de consumidores que valorizam esse nível muito por cima da média.
A analise individual é a solução para este problema. Nos permite calcular utilidades distintas para cada entrevistado.
Uma vez que temos as utilidades, podemos determinar a media, mas também podemos agrupar participantes, analisar utilidades por sexo, idade ou qualquer outra variável, e fazer previsões de Market Share mais precisas, capturando o comportamento de cada indivíduo.
Talvez você se pergunte porque poderíamos querer fazer uma analise agregada, aparentemente todas são vantagens quando usamos a analise individual. Durante muito tempo a analise individual teve custos elevados em termos de tempo de cálculo. Somente com a chegada de modernos e potentes computadores foi possível reduzir o tempo de analises para minutos, ou algumas poucas horas em casos muito complexo. Por outra parte, se o interesse unicamente era ter uma perspectiva geral de utilidades médias, a analise agregada é suficiente.
No próximo post abordaremos como planejar um experimento Conjoint. Começaremos por como devemos escolher os atributos do produto que devem formar parte do experimento.
