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