Conjoint analysis jako metoda analizy preferencji konsumentów
Transkrypt
Conjoint analysis jako metoda analizy preferencji konsumentów
Zeszyty Naukowe AE w Krakowie, nr 680, 2005 Anna Szymańska Dorota Dziedzic Conjoint analysis jako metoda analizy preferencji konsumentów Wstęp Istotnym aspektem, mającym decydujący wpływ na sukcesy rynkowe przedsiębiorstwa jest zrozumienie postępowania konsumenta oraz poznanie jego preferencji. Poznanie oczekiwań konsumenta w stosunku do oferowanego produktu jak również preferowanych cech determinujących jego wybór ułatwi udoskonalenie produktu, poprawienie jego parametrów, nadanie mu najbardziej pożądanych cech. Postępowanie konsumenta definiowane jest jako zespół myśli, uczuć i działań związanych z nabywaniem i konsumowaniem dóbr i usług. W zachowaniach konsumentów istotnym jest ukierunkowanie i zorganizowanie ciągów reakcji na bodźce wynikające z dążenia do zaspokojenia potrzeb1. Zachowania konsumentów są dla przedsiębiorstwa źródłem inspiracji, pozwalają weryfikować podejmowane decyzje marketingowe we wszystkich fazach kształtowania oferty rynkowej. W związku z powyższym kluczowym zadaniem jest prowadzenie badań nad zachowaniami konsumentów. Celem ich jest usprawnienie procesów dostosowywania oferty przedsiębiorstwa do oczekiwań nabywców. Ważnym jest nie tylko poznanie, ale również antycypowanie potrzeb, a nawet ich tworzenie. Wymaga to poznania cech konsumentów, realizowanych w społeczeństwie stylów życia oraz prawidłowości ujawniających się w zachowaniach konsumentów na rynku. Skuteczną metodą pozwalającą poznać oczekiwania klientów, dokonać pomiaru ich preferencji oraz zbadać podobieństwa i różnice istniejące między alternatywnymi możliwościami wyboru spośród całej gamy oferowanych produktów jest conjoint analysis. Już sama nazwa wskazuje, że metoda ta polega na analizowaniu wpływu łącznego oddziaływania wielu cech produktu na dokonywane przez konsumentów decyzje zakupu wybranego produktu2. Podstawowym zastosowaniem tej metody jest badanie dojrzałości rynkowej nowego produktu, pozycji rynkowej istniejących marek, konsekwencji przeobrażenia produktu, 1 Mazurek-Łopacińska K., Zachowania nabywców jako podstawa strategii marketingowej, Wydawnictwo AE we Wrocławiu, Wrocław 1997, s.10. 2 Conjoint analysis tutorial, www.designing.com (data odczytu 12.03.2004). 1 Zeszyty Naukowe AE w Krakowie, nr 680, 2005 poziomu akceptacji nowych wariantów produktów, szacunkowego udziału w rynku nowych produktów w polu działania konkurencji oraz określenia ceny przynoszącej optymalny zysk3. Głównym celem niniejszego artykułu jest przeprowadzenie analizy preferencji konsumentów przy zastosowaniu conjoint analysis. Efektem końcowym analizy będzie opracowanie profilu produktu oraz wyznaczenie charakterystyk opisujących potencjalnych nabywców należących do wyodrębnionego segmentu. 1. Charakterystyka metody conjoint analysis Conjoint analysis wykorzystywana jest do określenia preferencji respondenta ze względu na poszczególne atrybuty produktu oraz korzyści uzyskiwane przez kupującego w zależności od wartości poszczególnych atrybutów produktu. Metoda ta umożliwia równoległe zbadanie preferencji i segmentacji rynku oraz stworzenie idealnego produktu dla poszczególnych segmentów rynku. Koncentruje się przede wszystkim na ocenie produktu, nazwie i cenie. Pomijane są natomiast inne elementy marketingu-mix jak promocja czy dystrybucja4. Metoda ta umożliwia symulowanie wyborów nabywców po wprowadzeniu zmodyfikowanego lub nowego produktu jak również rozwijanie modelu produktu. Koncentruje się na atrybutach produktu i ceny, gdyż umożliwia dokładne określenie, jaki poziom ceny lub parametru technicznego produktu jest satysfakcjonujący dla nabywcy5. W ujęciu szczegółowym modele conjoint analysis uwzględniają poniższe zjawiska: - reguły określające sposób powiązania zmiennych tj. charakter zależności zachodzących między zmiennymi, - struktury preferencji tj. rodzaj zależności zachodzących między wartościami użyteczności cząstkowych a wartościami poziomów zmiennych. Wyróżnia się dwa typy modeli określających zależność użyteczności całkowitej od użyteczności cząstkowych: model addytywny (model efektów głównych) oraz model uwzględniający interakcje między zmiennymi (model efektów głównych i współdziałania). Decyzja dotycząca wyboru modelu przesądza o tym, w jaki sposób zmienne są wzajemnie powiązane z punktu widzenia respondenta oceniającego profil charakteryzowany tymi zmiennymi. Dla przykładu model addytywny implikuje mniejszą liczbę profili do oceny 3 Produkttest via Conjoint-Measurement, www.psychonomicd.de/article/articleprint/63/1/11/,, (data odczytu 27.04.2004). 4 Techniki badawcze, WWW.indicator.pl/conjoint.html (data odczytu 12.03.2004). 5 Kłeczek R., Kowal W., Woźniczka J., Strategiczne planowanie marketingowe, Polskie Wydawnictwo Ekonomiczne, Warszawa 1997, s.118 2 Zeszyty Naukowe AE w Krakowie, nr 680, 2005 niż model uwzględniający interakcje między zmiennymi. Gwarantuje on również łatwiejsze uzyskanie estymatorów użyteczności cząstkowych. Analizując zależności zachodzące między użytecznościami cząstkowymi a poziomami zmiennych wyróżnia się: model liniowy (wektorowy), model kwadratowy (idealny lub antyidealny), model odrębnych użyteczności cząstkowych oraz model mieszany. W modelu liniowym poszukuje się oszacowania tylko jednego parametru wyrażającego wagę danej zmiennej objaśniającej. Jest on następnie mnożony przez kolejne wartości poziomów tej zmiennej. Zakłada się tu istnienie liniowego związku między wartościami użyteczności cząstkowych zmiennych objaśniających a wartościami poziomów tych zmiennych. W modelu kwadratowym poza istnieniem liniowego związku między wartościami użyteczności cząstkowych zmiennych objaśniających a wartościami poziomów tych zmiennych, dopuszcza się możliwość występowania zależności krzywoliniowej. W przypadku modelu odrębnych użyteczności cząstkowych z każdym poziomem zmiennej objaśniającej może być związana inna wartość parametru określającego kierunek oraz siłę związku zachodzącego między użytecznościami cząstkowymi i poziomami zmiennych. Model mieszany charakteryzuje się tym, że zależności zachodzące między wartościami użyteczności całkowitych poszczególnych profili prezentowanych respondentom do oceny a wartościami poziomów zmiennych objaśniających opisujących te obiekty są analizowane odrębnie dla każdej zmiennej objaśniającej6. Materiał badawczy wykorzystywany w conjoint analysis stanowią przede wszystkim dane marketingowe uzyskiwane zwykle w wyniku badań ankietowych. Metoda gromadzenia danych zastosowana w badaniach ma decydujący wpływ na wybór odpowiednich technik szacowania wartości użyteczności cząstkowych oraz poziom wiarygodności ocen dokonywanych przez respondentów. Metody stosowane do prezentacji danych to przede wszystkim: - metoda pełnych profili wyboru (full-profile approach) – obejmuje zbiór wszystkich możliwych profili będących kombinacją atrybutów i ich poziomów, - metoda prezentacji dwóch atrybutów jednocześnie nazywana również metodą korzystającą z macierzy kompromisów (two-attributes-at-a-time approach lub trade-off matrix approach) – polega na prezentowaniu respondentom do oceny par atrybutów w 6 Walesiak M., Bąk A., Conjoint analysis w badaniach marketingowych, Wydawnictwo AE we Wrocławiu, Wrocław 2000, s. 24-27. 3 Zeszyty Naukowe AE w Krakowie, nr 680, 2005 formie macierzy; liczba kolumn (wierszy) macierzy jest równa liczbie poziomów pierwszego (drugiego) z atrybutów, - metoda porównywania profili parami (pairwise comparision method) – łączy w sobie metodę pełnych profili wyborów z metodą korzystania z macierzy kompromisów; respondent porównuje profile parami, nie ocenia wszystkich profili jednocześnie ale w każdym kroku określania swoich preferencji wskazuje na jeden z dwóch prezentowanych profili, - metoda wyboru spośród zbiorów profili (the experimental choice approach) – tworzone są zbiory profili (każdy zbiór zawiera dwa lub więcej profili), respondenci natomiast proszeni są o wybór najbardziej preferowanego profilu w ramach każdego zbioru, - metoda oceny poziomów i atrybutów (self-explicated data approach)- składa się z dwóch etapów. W pierwszym etapie respondent ocenia poziomy atrybutów ( np. w skali 10 punktowej) a następnie określa relatywną ważność poszczególnych atrybutów opisujących badane obiekty. Iloczyn oceny poziomu oraz oceny atrybutu daje użyteczność cząstkową a suma tych profili dla wszystkich atrybutów to użyteczność całkowita7. Zadaniem metod pomiaru łącznego oddziaływania zmiennych jest określenie łącznego wpływu dwóch lub więcej zmiennych niezależnych na zmienną zależną. Zmienna zależna mierzona jest na skali porządkowej, przedziałowej lub ilorazowej. Zależnie od stosowanej skali pomiaru wyróżnia się metryczne procedury estymacji dla zmiennej zależnej mierzonej na skali przedziałowej lub ilorazowej oraz niemetryczne procedury estymacji dla zmiennej zależnej mierzonej na skali porządkowej. Stosowane są również metody bazujące na prawdopodobieństwie wyboru. Metody te stosowane są głównie w badaniach marketingowych, w celu pomiaru preferencji konsumentów w stosunku do produktów opisanych wieloma zmiennymi. Rezultatem zastosowania tych metod jest macierz współczynników użyteczności8. Przykładem metrycznej metody estymacji parametrów jest klasyczna metoda najmniejszych kwadratów (OLS – Ordinary Least Squares). Zmienną zależną stanowi ocena przypisana przez respondenta poszczególnym profilom, natomiast sposób zdefiniowania zmiennych objaśniających uzależniony jest od założonego związku między użytecznościami cząstkowymi i poziomami zmiennych. Wpływ poziomu zmiennej na ocenę poszczególnych 7 Walesiak M., Gromadzenie danych w procedurze conjoint analysis, Przegląd Statystyczny, vol.48, 2001, s.4144. 8 Dziechciarz J., Walesiak M., Gromadzenie i analiza danych marketingowych wspomagane komputerem, Prace Naukowe AE Wrocław, „Informatyka i Ekonomia”, 1997, nr 743, s. 42-43. 4 Zeszyty Naukowe AE w Krakowie, nr 680, 2005 profili określany jest przez sztuczne zmienne objaśniające. Liczba sztucznych zmiennych musi być mniejsza o jeden od liczby poziomów danej zmiennej nominalnej. Liczba zmiennych wprowadzanych do modelu zależy od liczby profili ocenianych przez respondentów. Procedura monotonicznej analizy wariancji (MONANOVA – MONotonic ANalysis Of Ariance) to przykład niemetrycznej metody estymacji parametrów. Polega ona na odtwarzaniu położenia n obiektów w t-wymiarowej przestrzeni na podstawie znanego uporządkowania rangowego tych obiektów. Uporządkowanie to można uzyskać poprzez badania ankietowe. MONANOVA jest procedurą iteracyjną, która w kolejnych cyklach przybliża rozwiązanie optymalne. W przypadku, gdy zmienna objaśniana ma charakter dychotomiczny (jest zmienną dwumianową, np. zero-jedynkową) stosuje się probabilistyczne metody estymacji parametrów modelu, takie jak analiza logitowa oraz analiza probitowa. Obie metody umożliwiają transformację prawdopodobieństwa z przedziału [0;1]na przedział (-∞,+∞). W wyniku zastosowania transformacji logitowej powstaje poprawny logitowy model regresji. Przekształcenie logitowe definiuje się za pomocą wzoru: p logit(p) = log ------1–p gdzie: logit(p) – wartość logitu dla danego p, p – wartość prawdopodobieństwa lub częstość występowania określonego zdarzenia w próbie. W wyniku zastosowania transformacji probitowej powstaje poprawny probitowy model regresji. Przekształcenie probitowe definiuje się za pomocą wzoru: probit(p) = F-1(p) gdzie: p – wartość prawdopodobieństwa lub częstość występowania określonego zdarzenia, F – dystrybuanta standaryzowanej zmiennej o rozkładzie normalnym (rozkładu normalnego o wartości oczekiwanej równej 0 i odchyleniu standardowemu równemu 1)9. Procedura metody conjoint analysis składa się z kilku etapów. Pierwszym etapem jest określenie dla danego produktu lub usługi, 9 podstawowych charakterystyk Walesiak M., Bąk A., Conjoint analysis w badaniach marketingowych, Wydawnictwo AE we Wrocławiu, Wrocław 2000, s. 45-60. Porównaj: Zależności przyczynowo-skutkowe w badaniach rynkowych i marketingowych, pod red. Mynarskiego S., Wydawnictwo AE w Krakowie, Kraków 2002, s.159-170. 5 oraz Zeszyty Naukowe AE w Krakowie, nr 680, 2005 odpowiadających im poziomów. Na tej podstawie tworzy się zbór hipotetycznych produktów. Ich liczba jest iloczynem liczby poziomów wyróżnionych dla wszystkich charakterystyk produktów. Kolejnym etapem jest ustalenie zbioru respondentów badania. Każdy z respondentów proszony jest o ocenę hipotetycznych produktów na skali porządkowej, przedziałowej lub ilorazowej biorąc pod uwagę skłonność do nabycia danego produktu. Następnie szacuje się wartości użyteczności wiązane przez respondenta z danym poziomem zmiennej. Uzyskuje się w ten sposób macierz użyteczności cząstkowych, w której liczba wierszy odpowiada liczbie respondentów, natomiast liczba kolumn liczbie wyróżnionych poziomów dla wszystkich zmiennych10. Rezultatem zastosowania metody conjoint analysis jest uzyskanie użyteczności cząstkowych. Użyteczności cząstkowe wykorzystywane są w badaniach marketingowych w celu: - zdefiniowania produktu o optymalnych charakterystykach, - określenia relatywnej ważności każdej zmiennej przy wyborze produktu przez nabywcę, - określenie użyteczności każdego poziomu danej zmiennej, - oszacowania udziału w rynku wybranych produktów, - segmentacji rynku i pozycjonowania produktu11. Główne zalety stosowania conjoint analysis jako testu produktów to przede wszystkim: - w procesie porównawczym oceniane są całe produkty, a nie wyizolowane ich cechy, - określone zostają najistotniejsze dla klienta właściwości produktu oraz kombinacje cech produktów mających największy wpływ na prawdopodobieństwo zakupu produktu, - określona zostaje najbardziej preferowana zależność pomiędzy ceną a użytecznością danego produktu, - preferencje popytu mogą być indywidualnie analizowane, - biorąc pod uwagę wpływ ofert konkurencji można określić, które tendencyjne wypowiedzi mają największe szanse w alternatywnych strategiach marketingowych, - istnieje wysoka zgodność z rzeczywistością12. 10 Walesiak M., Gromadzenie danych w procedurze conjoint analysis, op. cit., s. 41-44. Porównaj: Walesiak M., Metody analizy danych marketingowych, PWN, Warszawa 1996, s.90-92. 11 Zastosowanie metod wielowymiarowych w badaniach segmentacji i selektywności rynku, pod red. Mynarskiego S., Wydawnictwo AE w Krakowie, Kraków 1999, s. 85. 12 Produkttest via Conjoint-Measurement, www.psychonomicd.de/article/articleprint/63/1/11/, (data odczytu 27.04.2004). 6 Zeszyty Naukowe AE w Krakowie, nr 680, 2005 Z drugiej strony należy jednak pamiętać, że conjoint analysis nie jest precyzyjnie zdefiniowaną metodą badań, ale złożoną z wielu elementów procedurą badawczą. Mogą być w niej stosowane alternatywne techniki estymacji parametrów oraz różnorodne ścieżki analizy danych. Wiąże się to z pewnymi trudnościami polegającymi na konieczności wyboru kierunku postępowania w sytuacji, w której nie istnieją jednoznaczne kryteria hierarchii istniejących wariantów postępowania. Właściwości formalne i obliczeniowe (numeryczne) poszczególnych metod i technik oraz ich konfiguracje wciąż stanowią przedmiot badań13. 2. Metodologia badań z zastosowaniem metody conjoint analysis W celu zaprezentowania metodologii badań prowadzonych przy pomocy conjoint analysis badaniu poddano grupę 105 studentów dwóch krakowskich uczelni wyższych, zróżnicowanych pod względem płci, wieku, miejsca zamieszkania i miejsca pochodzenia. Próbę dobrano losowo. Przedmiotem badań było poznanie preferencji wybranego segmentu rynku wobec oferty dwóch kluczowych producentów napojów gazowanych typu „cola” w Polsce. Badanie miało na celu sprecyzowanie podstawowych cech produktu, które najpełniej zaspokajałyby potrzeby przedstawicieli wybranego segmentu. Jako narzędzie pomiarowe posłużył kwestionariusz ankiety z zastosowaniem skal nominalnych, porządkowych i stosunkowych oraz pytań otwartych. Przed rozpoczęciem badań określono problem badawczy, który miał ułatwić zebranie informacji koniecznych do zbadania preferencji wybranego segmentu rynku na rynku napojów gazowanych typu „cola”. Respondenci stanęli przed wyborem napoju typu „cola” produkowanego przez dwóch producentów (Coca-Cola, PEPSI Co.). W opracowaniu każdy wariant opisany był przez trzy zmienne determinujące wybór: Z1 – marka: - Coca-Cola, - PEPSI; Z2 – smak: - klasyczny, - light, - owocowy; Z3 – opakownie: - puszka, 13 Zastosowanie metod wielowymiarowych w badaniach segmentacji i selektywności rynku, pod red. Mynarskiego S., op. cit., s85. 7 Zeszyty Naukowe AE w Krakowie, nr 680, 2005 - butelka z tworzywa sztucznego 0,5l, - butelka z tworzywa sztucznego 2,0l. Zbiór atrybutów i ich poziomów uwzględnionych w badaniu został wytypowany na podstawie wstępnego sondażu przeprowadzonego wśród studentów. W oparciu o wyróżnione zmienne oraz odpowiadające im poziomy utworzono zbiór 18 hipotetycznych wariantów produktu. Liczba ta jest iloczynem liczby poziomów wszystkich zmiennych opisujących warianty wyboru napoju gazowanego typu „cola” (3 zmienne o 2,3,3 poziomach). Następnie za pomocą klasycznej metody najmniejszych kwadratów dokonano estymacji użyteczności cząstkowych w oparciu o uzyskane oceny respondentów. 3. Wyniki przeprowadzonych badań Na podstawie badań ustalono, że 85 % badanych respondentów pije napoje gazowane typu „cola”. Osoby te charakteryzują się różnymi preferencjami w zakresie wybieranych marek, preferowanego smaku oraz rodzajów i pojemności opakowania. Konsumenci wybierając daną markę napoju kierują się różnymi motywami. W oparciu o przeprowadzone badania ankietowe zbadano, która z marek napojów gazowanych typu „cola” jest najczęściej wybierana przez respondentów. Wyniki badań zostały zaprezentowane na rysunku 1. Jak wynika z badań, marką najczęściej wybieraną przez respondentów jest Coca-Cola, dla której wartość użyteczności cząstkowej wynosi 2,87. Wartość użyteczności cząstkowej dla Pepsi wynosi 0. wskaźnik użyteczności 3,5 3 2,5 2 1,5 1 0,5 0 coca-cola pepsi marka Rys.1. Preferowane marki napojów typu „cola”. Źródło: opracowanie własne. 8 Zeszyty Naukowe AE w Krakowie, nr 680, 2005 Badaniu poddano również preferencje konsumentów dotyczące najczęściej wybieranego smaku napojów gazowanych typu „cola” (rysunek 2). Z rysunku 2 wynika, że przeważająca większość badanych respondentów wybiera napoje o smaku klasycznym – wartość użyteczności cząstkowej wynosi 8,54. Nieco mniej respondentów decyduje się na dietetyczne napoje light (zawierające aspatran zamiast cukru). Tu wartość użyteczności cząstkowej wynosi 5,66. Najmniej respondentów preferuje napoje gazowane typu „cola” o smaku owocowym (wartość użyteczności cząstkowej 0). wskaźnik użyteczności 10 8 6 4 2 0 owocowy klasyczny light smak Rys.2. Preferencje konsumentów dotyczące smaku napojów gazowanych typu „cola”. Źródło: opracowanie własne. Konsumenci mogą kupować napoje gazowane typu „cola” w różnych opakowaniach. Zróżnicowanie to dotyczy zarówno materiału, z którego wykonane jest opakowanie jak i pojemności opakowania. Ich preferencje zostały przedstawione na rysunku 3. Największym powodzeniem cieszą się napoje w butelkach z tworzywa sztucznego o pojemności 0,5l. Ten rodzaj opakowania wybiera większość badanych (wartość użyteczności cząstkowej 2,71). Znacznie mniejszym zainteresowaniem cieszą się napoje w butelkach z tworzywa o pojemności 2,0l (wartość użyteczności cząstkowej 0,95) oraz napoje w puszkach wartość użyteczności cząstkowej 0). 9 Zeszyty Naukowe AE w Krakowie, nr 680, 2005 wskaźnik użyteczności 3 2,5 2 1,5 1 0,5 0 puszka PET 0,5l PET 2,0l opakowanie Rys.3. Preferencje konsumentów dotyczące rodzaju opakowania napojów typu „cola”. Źródło: opracowanie własne. Przeprowadzono również analizę determinant wpływających na wybór konkretnej marki napoju typu „cola”. W oparciu o zebrane dane stwierdzono, że największe znaczenie przy wyborze konkretnej marki napoju typu „cola” ma smak (średnia arytmetyczna 4,73). Znacznie mniejsze znaczenie ma dla respondentów mają marka oraz rodzaj opakowania średnia arytmetyczna (uzyskana średnia arytmetyczna odpowiednio 1,43 oraz 1,22). 5 4,5 4 3,5 3 2,5 2 1,5 1 0,5 0 smak marka opakowanie Rys.4. Ważność poszczególnych zmiennych przy wyborze marki napoju typu „cola”. Źródło: opracowanie własne. 10 Zeszyty Naukowe AE w Krakowie, nr 680, 2005 W badaniach uczestniczyły 62 kobiety oraz 44 mężczyzn. Jak się okazało, 13% badanych kobiet oraz niecałe 3% badanych mężczyzn deklaruje, że nie pije napojów gazowanych typu „cola”. Analizując tylko kobiety pijące napoje gazowane typu „cola”, aż 62% wybiera Pepsi, a zaledwie 38% Coca-Colę. Zupełnie inaczej preferencje te wyglądają w przypadku mężczyzn. Ponad 52% badanych mężczyzn (pijących napoje gazowane typu „cola”) wybiera Coca-Cola, a 46% Pepsi. Z rysunku 5 wynika, że mężczyźni mając do wyboru Coca-Colę oraz Pepsi zdecydowanie chętniej wybiorą Coca-Colę ( użyteczność cząstkowa 3,34). Konieczność zakupu Pepsi (użyteczność cząstkowa 0) zamiast Coca-Coli stanowiłaby dla nich duży dyskomfort, o czym świadczy spora rozpiętość między wartościami użyteczności każdego z napojów. W przypadku kobiet natomiast, mimo iż preferują one Pepsi, nie ma to aż tak dużego znaczenia. Potwierdza to niewielka różnica między wartościami użyteczności analizowanych marek. wskaźnik użyteczności 4 3 2 1 0 -1 Coca-Cola Pepsi marka kobiety mężczyźni Rys.5. Preferowane marki napojów typu „cola”. Źródło: opracowanie własne. W kwestii smaku (rysunek 6) zarówno kobiety jak i mężczyźni wykazują jednakowe preferencje. Zdecydowanie wybierają smak klasyczny (użyteczność cząstkowa 5,07) przed smakiem light (użyteczność cząstkowa dla kobiet 2,54 oraz dla mężczyzn 2,75) oraz smakiem owocowym (użyteczność cząstkowa 0). 11 Zeszyty Naukowe AE w Krakowie, nr 680, 2005 wskaźnik użyteczności 6 5 4 3 2 1 0 owocowy klasyczny light smak kobiety mężczyźni Rys.6. Preferencje konsumentów dotyczące smaku napojów gazowanych typu „cola”. Źródło: opracowanie własne. Również w przypadku wybieranych typów opakowań preferencje zarówno kobiet jak i mężczyzn są zbliżone. W obu przypadkach najmniej preferowanym opakowaniem jest butelka z tworzywa sztucznego (PET) o pojemności 2,0l (użyteczność cząstkowa dla kobiet -0,8 a dla mężczyzn -1,65), natomiast najczęściej wybieranym opakowaniem jest butelka z tworzywa sztucznego (PET) o pojemności 0,5l (użyteczność cząstkowa dla kobiet 0,95 a dla mężczyzn 0,3). wskaźnik użyteczności 1,5 1 0,5 0 -0,5 puszka PET 0,5l PET 2,0l -1 -1,5 -2 opakowanie kobiety mężczyźni Rys.7. Preferencje konsumentów dotyczące rodzaju opakowania napojów typu „cola”. Źródło: opracowanie własne. 12 Zeszyty Naukowe AE w Krakowie, nr 680, 2005 Aż 26% respondentów zamieszkujących wieś nie pije napojów gazowanych typu „cola”. Natomiast ci, którzy deklarują spożywanie ww. napojów, z reguły wybierają CocaColą (2,20) o smaku klasycznym (4,98 – klasyczny, 3,34 – light, 0 - owocowy) w opakowaniu PET 0,5l (1,24). Mieszkańcy miasta zwykle piją Coca-Colę, chociaż różnica wartości użyteczności jest niewielka – 0,42 dla Coca-Coli i 0 dla Pepsi. Zdecydowanie preferują oni smak klasyczny (5,52 – klasyczny, 2,35- light, 0 - owocowy) oraz opakowanie PET 0,5l (0,48). Zakończenie W oparciu o przeprowadzone badania sprecyzowano preferowany profil produktu dla badanego segmentu rynku, którym był rynek studentów krakowskich uczelni. Preferowanym i najczęściej wybieranym napojem gazowanym typu „cola” jest Pepsi (w przypadku kobiet) oraz Coca-Cola (w przypadku mężczyzn) o smaku klasycznym, w opakowaniu z tworzywa sztucznego, o pojemności 0,5l. Wyznaczono również charakterystyki opisujące potencjalnych nabywców wyodrębnionego segmentu. Są to przede wszystkim mieszkańcy miasta, spożywający Pepsi (w przypadku kobiet) lub Coca-Colę (w przypadku mężczyzn) o smaku klasycznym, w opakowaniu z tworzywa sztucznego, o pojemności 0,5l. 13 Zeszyty Naukowe AE w Krakowie, nr 680, 2005 LITERATURA 1. Conjoint analysis tutorial, www.designing.com (data odczytu 12.03.2004). 2. Dziechciarz J., Walesiak M., Gromadzenie i analiza danych marketingowych wspomagane komputerem, Prace Naukowe AE Wrocław, „Informatyka i Ekonomia”, 1997, nr 743. 3. Kłeczek R., Kowal W., Woźniczka J., Strategiczne planowanie marketingowe, Polskie Wydawnictwo Ekonomiczne, Warszawa 1997. 4. Mazurek-Łopacińska K., Zachowania nabywców jako podstawa strategii marketingowej, Wydawnictwo AE we Wrocławiu, Wrocław 1997. 5. Produkttest via Conjoint-Measurement, www.psychonomicd.de/article/articleprint/63/1/11/ (data odczytu 27.04.2004) 6. Walesiak M., Bąk A., Conjoint analysis w badaniach marketingowych, Wydawnictwo AE we Wrocławiu, Wrocław 2000. 7. Walesiak M., Gromadzenie danych w procedurze conjoint analysis, Przegląd Statystyczny, vol.48, 2001. 8. Walesiak M., Metody analizy danych marketingowych, PWN, Warszawa 1996. 9. Techniki badawcze, WWW.indicator.pl/conjoint.html (data odczytu 12.03.2004). 10. Zależności przyczynowo-skutkowe w badaniach rynkowych i marketingowych, pod red. Mynarskiego S., Wydawnictwo AE w Krakowie, Kraków 2002. 11. Zastosowanie metod wielowymiarowych w badaniach segmentacji i selektywności rynku, pod red. Mynarskiego S., Wydawnictwo AE w Krakowie, Kraków 1999. 14