Zastosowanie analizy con-joint w wycenie nowych produktów

Transkrypt

1 Tekst po zmianach opublikowany w: Pindelski Mikołaj Zastosowanie analizy Con-Joint w wycenie nowych produktów w Współczesne wyzwania dla przedsiębiorstw, pod red. Naukową M.Aluchna, wyd. Oficyna Wydawnicza SGH, 2010r. str Dr Mikołaj Pindelski Katedra Teorii Zarządzania Szkoła Główna Handlowa Zastosowanie analizy con-joint w wycenie nowych produktów Wstęp Nieliniowość otoczenia i nieciągłość zachodzących zmian daje się wyraźnie we znaki zarówno menedżerom, jak i teoretykom zarządzania. W zrozumieniu wielu zjawisk znana i stosowana dotychczas wiedza o organizacji, produktach i ich funkcjonowaniu na rynku pomaga w coraz mniejszym stopniu. Na to nakłada się niezwykła szerokość oferty skierowanej do coraz węższych segmentów. Również coraz mniej pomagają więc badania i analizy deskryptywne, opisujące postawy, wzory zachowań czy kryteria demograficzne. Coraz trudniej jest więc zarówno prognozować jak i ustalać zmienne w przyszłych okresach. Kryzys dotychczas stosowanych narzędzi jest wyraźny. Znakomita większość dotyczy 2-4 zmiennych i zakłada liniowość ich zmiany w czasie. Jeśli przedwczoraj zyski ze sprzedaży wyniosły 5zł, wczoraj 6, a dziś 7, to jutrzejszy wynik zapewne wyniesie 8. Szeregi i ciągi decydują o przyszłości. Jak jednak zauważa wielu autorów, wynik w czwartym okresie może przecież wynieść zarówno 120 jak i Rynek zmienia się bardzo szybko i to w wielu wymiarach. W tak wielu, że nie ma modeli mogących te zmiany objąć. Zatem przed osobami zarządzającymi całymi organizacjami, czy tylko produktami stoi dziś ogromne wyzwanie. Muszą nie tylko uwzględniać szereg elementów mogących wpływać na obiekt, którym

2 zarządzają, jak również wielość możliwości i wariantów decyzyjnych przed którymi stają zarówno menedżerowie jak i klienci. Wynikająca z tych zmian wielość scenariuszy według których mogą się zachowywać klienci, jest co najmniej równie trudna do oszacowania. Jedną z metod pozwalających na ocenę zachowań ludzi w kontekście mnogości scenariuszy i wariantów decyzyjnych jest analiza con-joint. Może być z dobrym wynikiem stosowana wszędzie tam, gdzie wielość parametrów i elementów wpływa na decyzję. Przykładem mogą być telefony komórkowe czy notebooki. Liczba cech, parametrów i elementów z których się one składają oraz jednocześnie będących istotnymi z punktu widzenia nabywcy uniemożliwiają podjęcie jednoznacznej decyzji np. o ustaleniu zależności pomiędzy każdym z parametrów, a ich wpływem na wysokość ceny. Podobnie trudno jest ustalić, którą z cech produktu należy rozwijać, które zaś wygenerują rosnące koszty krańcowe przy jednoczesny spadku przychodów krańcowych. Często przychodzi tu z pomocą intuicja, opinia ekspertów, wskazówki inżynierów czy zachowania konkurencji. Strategie takie są jednak w znacznej mierze krótkowzroczne i działania z nich wynikające można porównać do poszukiwania w ciemności i w nieznanym pomieszczeniu włącznika światła. Pewną pomocą są przeprowadzane niejednokrotnie badania weryfikujące pewne hipotezy. Niestety nie pokazują one preferencji, a jedynie potwierdzają lub odrzucają stawiany przed całym badaniem cel. Przykładem może być weryfikacja przez grupy fokusowe gotowego produktu, jego przydatności czy wyglądu. Badania te nie dostarczają jednak wystarczającej wiedzy na temat możliwych innych wyborów. Pozwalają ustalić jedynie np. poziom satysfakcji z użytkowania. O tym jak bardzo takie wnioski mogą być mylące przekonały się wielokrotnie różne przedsiębiorstwa, opierając na nich swoje strategie. Analiza con-joint, czerpiąc z tych metod najlepsze rozwiązania, umożliwia jednocześnie badanie preferencji względnych. 1. Definicja Termin conjoint analysis wywodzi się z jęz. angielskiego i w polskiej literaturze tematu jest określany jako analiza ConJoint, pomiar wzajemnego oddziaływania czy współoddziaływania zmiennych (Walesiak, 1996), pomiar wieloczynnikowy lub łączny (Kaczmarczyk, 1995) oraz analizą kojarzenia cech (Mynarski 1996), analizą skojarzeń (Kotler, 1994). Analiza ta zawiera szereg metod oparty na analizie wyłonionych cech i parametrów, pomocnych w estymacji modeli preferencji potencjalnych klientów. Metoda ta różni się w sposób istotny od metod 2

3 ustalających preferencje nabywców, w których użyteczność łączna zestawu cech danego obiektu stanowi sumę poszczególnych, określonych w przebiegu badania wartości. Pomimo różnych odmian, ConJoint opisuje reakcje respondentów na przedstawiony im opis produktu lub wariantu decyzji. Definicyjnie, ConJoint, czyli współzależności użyteczności cząstkowych, wymaga od badacza takiego ich zestawienia, by możliwym stało się odkrycie zależności, którymi się one kierują. Con Joint służy również prognozowaniu zjawisk wynikających ze zmiany części lub nawet wszystkich parametrów. Jest to podstawowa cecha różniąca tę metodę analizy od opartych na bezpośredniej deklaracji respondenta o poziomie użyteczności cechy. Drugą zasadniczą różnicą między metodologią stosowana w analizie ConJoint, a metodami. Zatem do dalszych analiz przyjęto definicję, iż metoda ta ukazuje współzależność cech analizowanych z cechą bazową, za którą przyjęto tu wartość rynkową rozumianą jako cenę produktu. 2. Założenia metod ConJoint W roku 1964, dwóch matematyków Luce i Tukey (Luce, Tukey, 1964) przedstawili model rozwiązywania problemu podejmowania decyzji na podstawie analizy porównawczej wielu zmiennych. Wymagał on co prawda wyraźnego wyodrębnienia poszczególnych elementów, ale w wyniku ich odpowiedniego zestawienia dawał obraz faktycznej sytuacji wyboru i w efekcie wyceny rynkowej. Metodę tę do analizy preferencji i wyceny zastosowali w latach 70 XXw. Green i Rao (Green, Rao 1975). Utworzyli oni macierz różnych kombinacji dla kilku produktów i kilku kluczowych dla nich cech. Obrazuje to poniższy przykład oparty o parametry telefonów komórkowych, zawarty w tabeli 1. Tab. 1 zestawienie cech telefonów komórkowych marka Waga (w gr.) Czas pracy na baterii (w godz.) Aparat fot. (w M-piks) Liczba wpisów w książce adresowej Cena (w zł) Samsung , Sony-Ericsson , Nokia ,

4 W kilka lat później pojawiło się oprogramowanie ACA (Adaptive Conjoint Analysis) wspomagające wykorzystanie tej koncepcji, a jeszcze przed rokiem 1990 dodano do niego moduł umożliwiający dopasowanie poszczególnych ocen wariantów do każdego z badanych. Jak wynika z tabeli 1, już tylko przy porównaniu trzech telefonów i pięciu cech powstaje wielka kombinacja potencjalnych możliwości. Pierwotnie, dla każdego z analizowanych produktów drukowano specjalną kartę. Zestaw tych kart przekazywano respondentowi z prośbą o ich uszeregowanie i na tej podstawie ustalany był ranking badanych obiektów. W kolejnych turach pytań zmieniano zapisy na kartach, tworząc różne kombinacje z wybranych cech. Na podstawie obserwacji w różnicach rankingów oraz stosowania regresji liniowej wnioskowano o wartościach rynkowych poszczególnych cech. Tab. 2. pierwotna karta badań con-joint Na ile chętnie kupiłbyś telefon komórkowy, zaznacz odpowiedź na skali od 0 wcale do 10 zdecydowanie Nokia Waga: 112gr Praca na baterii: 54h Aparat fotograficzny 3,2 Mpiks Liczba wpisów w książce telefonicznej: 1200 Cena: 990zł (wcale) (zdecydowanie) Jak już jednak wspomniano, w analizowanej konfiguracji powstałoby 3 6 kombinacji różnych cech, czyli 729 kart. Co jednak czyni metodę wyjątkowo użyteczną to fakt, że badani mogą ocenić jedynie niewielką część kart. W analizowanym przypadku wystarczy prawdopodobnie już ok. 30 zestawień. Wynik z takiej cząstkowej analizy pozwala przewidzieć ich reakcje na pozostałe kombinacje. Częściowe wyniki pozwalają na ustalenie ogólnych zależności pomiędzy np. cechą a wartością rynkową oraz poziomu oceny poszczególnych cech. Można również poszukiwać zależności pomiędzy poszczególnymi cechami oraz odpowiedzi na pytania np. o ile wzrośnie wartość produktu w chwili obniżenia jego wagi lub urządzenie którego z producentów najbardziej skorzysta na wydłużeniu czasu działania baterii. 4

5 Analiza con-joint zakłada, iż wszystkie uwzględniane parametry pozostają równorzędne. Użyteczność jak również istotność każdego z nich obliczane są w sposób identyczny zarówno dla wymiarów, które można w sposób naturalny uporządkować (np. waga), jak również takich, których uporządkowanie stanowi znaczna trudność lub nawet jest niemożliwe (np. wygląd). Wynika to z założenia liniowości modelu poszczególnych zależności. Liniowy model pozwala w sposób relatywnie prosty obliczyć użyteczność wybranej oferty, i to wykraczając poza zestaw prezentowanych w badaniu. Oznacza to, iż metoda ta zakłada potencjalną możliwość odniesienia analizowanych wymiarów do jednego, którym zwykle pozostaje wartość rynkowa wyrażana ceną. Metoda zakłada również, iż osoba dokonująca wyboru zachowuje się racjonalnie oraz posiada pełną dostępną wiedzę na temat produktów i cech je opisujących. Należ tu również podkreślić, że w analizie ConJoint istnieje założenie przechodniości relacji, czyli jeśli telefon X jest bardziej preferowany niż telefon Y, ten zaś niż telefon Z, to zgodnie założeniem metody X jest bardziej preferowane przez Z. Niekiedy jest to niezwykle trudne lub niemożliwe do udowodnienia. Założenia te wynikają z faktu, iż ConJoint bazuje na analizie wariancji. Typowym rezultatem jest więc określenie użyteczności dla dyskretnych poziomów atrybutów. Wskaźniki te są pomocne w modelowaniu struktury preferencji. Współczynniki użyteczności mogą mieć istotne znaczenie w praktyce. Jeśli przebieg badania tego wymaga, odpowiednio skonstruowana analiza powinna umożliwiać określenie użyteczności dla zmiennych nie estymowanych. Zwykle w tym celu stosowana jest interpolacja liniowa pomiędzy wartościami które zostały uprzednio poddane szacowaniu. Opcja ta dotyczy wyłącznie zmiennych opisanych funkcjami liniowymi (np. różne poziomy cen), dla danych nominalnych bezcelowym jest określanie koncepcji produktu złożonego z cech nie objętych badaniem. Część badaczy (Pekelman, Psubrata, 1979) do opisania funkcji użyteczności sugeruje jednak, zamiast szacowania kilku dyskretnych poziomów cech, stosowanie technik opartych na programowaniu liniowym. Wykazują oni, że takie ujęcie ma duże znaczenie aplikacyjne, wyraźnie widoczne w projektowaniu nowych produktów. W tym przypadku, szacowanie użyteczności nieuwzględnionych w badaniu parametrów powinno w jak najwyższym stopniu unikać wszelkich błędów, gdyż mogą one w szczególny sposób prowadzić do produktów nie trafiających w potrzeby nabywców. 3. Przebieg analizy 5

6 Pierwszy etap badania dotyczy ustalenia zestawu atrybutów istotnych dla oceny produktu lub usługi. Dla poszczególnych atrybutów definiowane są poziomy, uwzględnione późniejszym okresie podczas przebiegu badania. Przeprowadzony w kolejnym etapie wywiad polega na ocenie rankingu poszczególnych wariantów. Ranking ten jest określany na podstawie ocen atrakcyjności jak również porównań. Kombinacje parametrów ukazane są jako pojedyncze zestawy lub są porównywane podobnie jak w opisanej w rozdziale 3. adaptywnej analizie ConJoint, w której uczestnicy badania oceniają liczne zestawy. Niekiedy, po określeniu rankingu, analizowane zestawy zbierane są w grupy opisane prawdopodobieństwem zakupu. Ważnym elementem klasycznej analizy conjoint jest dołączenie do badania pełnego profilu badanego produktu. Jednym z wariantów tego typu badania respondent ocenia i wybiera spośród 3-5 ofert zawartych w zestawach. Dopuszcza się również możliwość odrzucenia wszystkich przedstawionych ofert. W związku z tym uproszczeniem, część analityków jest zdania, że ten wariant w stosunkowo najlepszym stopniu odpowiada realnej sytuacji wyboru. Jeszcze innym podejściem jest symulator rynku, polegający na losowym doborze, znacznej liczby scenariuszy. Respondenci zwykle otrzymują od 7 do kilkunastu zestawów, w ramach których dokonują wyboru. Poszczególne warianty nie powinny zawierać powyżej 6 parametrów, gdyż znacząco wpływa to na znużenie uczestników. Oprócz szeregu wyników, ten typ analizy ConJoint pozwala również na ustalenie krzywych elastyczności popytu. Wymagana tu jest jednak duża próba respondentów oraz zaawansowane techniki statystycznej obróbki danych. W związku ze znaczną ilością losowo generowanych scenariuszy oraz koniecznością obróbki licznych odpowiedzi zwykle używane jest tu specjalistyczne oprogramowanie komputerowe, co w połączeniu z koniecznością prowadzenia badania w specjalnym, odpowiednio wyposażonym pomieszczeniu znacząco podnosi koszty prowadzenia badań tą metodą. 4. Adaptywna analiza ConJoint Analiza adaptywna metody ConJoint stosowana jest zwykle w sytuacji, w której wymagane jest wykorzystanie znacznej liczby parametrów. W podstawowym układzie, liczba stworzonych ofert znacząco wykraczałaby ponad percepcję statystycznych respondentów. Aby uprościć przebieg, każdy z respondentów, przed przystąpieniem do badania deklaruje subiektywnie postrzeganą istotność parametrów oceny. Te, które okażą się dla danej osoby najmniej istotne nie są obiektem dalszej części badania. Przykładem w analizowanej sytuacji 6

7 może być osoba, która nie korzysta z książki adresowej w telefonie komórkowym. Dla niej parametr ilości wpisów nie powinien zostać uwzględniony w zestawieniach. Oferty tworzone w takim badaniu zawierają więc znacząco ograniczoną liczbę parametrów. Zestawione za każdym razem w pary, generowane za każdym razem na podstawie poprzednich odpowiedzi, pomimo mnogości cech pozwalają na szybką relatywnie skuteczną ocenę. Uczestnictwo w takich badaniach może jawić się więc stosunkowo łatwym, choć od strony dynamicznego generowania zestawień oraz późniejszej obróbki danych, zadanie już tak proste nie jest Tab. 3 Adaptywna analiza ConJoint Którą z ofert Pan(i) preferuje i w jakim stopniu Nokia Waga: 112gr Praca na baterii: 54h Cena: 990zł Samsung Waga: 100gr Praca na baterii: 60h Cena: 690zł (Nokia) (Samsung) Model adaptywny wymaga użycia komputerów, dynamicznych baz danych. Koszt tego typu analizy, po uwzględnieniu oprogramowania oraz konieczności obróbki znacznej liczby wyników jest dość znaczny. Nie mniej jednak, dzięki zaawansowaniu, szerokości modelu oraz uwzględnianiu, w zasadzie, pełnego zestawu zmiennych, jego użyteczność jest znaczna. Otrzymane bogactwo wyników jest nadzwyczaj znaczne. Na podstawie tych wyników można niejednokrotnie określić nie istniejące jeszcze alternatywne zestawy cech produktów, elastyczność cenową jak również opisanie potencjalnych scenariuszy uwzględniających różnego rodzaju kombinacje i zmiany zależności parametrów. Wartość tego podejścia rośnie, wraz ze wzrostem liczby rozważanych parametrów. Inne podejścia ConJoint, w takiej sytuacji nie dają wiarygodnych wyników. Podejście adaptywne posiada jednak również liczne wady. Jest w zasadzie bezużyteczne w przypadku analizy czynników niekognitywnych, jak wspomniany już wygląd. Podstawową jest jednak zagrożenie niedostatecznego uwzględnienia ważności ceny i w efekcie 7

8 niemożliwość ustalenia elastyczności cenowej. Nie bez znaczenia są również kryteria kosztu wynikające z konieczności zakupu specjalistycznego sprzętu i oprogramowania, gdyż wywiady realizowane są techniką Computer Aided Price Index (CAPI). 5. Badanie 5.1. założenia badania Celem prezentowanego badania metodą ConJoint jest ustalenie użyteczności cząstkowych dla każdego z prezentowanych wariantów. Składają się one na użyteczność całkowitą każdego z zestawień cech. Zgodnie z założeniami metody, przyjęto założenia podstawowe o racjonalności zachowań osób badanych, czyli dokonywaniu za każdym razem wyboru obiektu stanowiącego faktycznie wyższą użyteczność. Uchylenie tego założenia podważałoby całość stosowanego modelu. Kolejnym jest wymienione wcześniej założenie o przechodniości preferencji. Badanie przeprowadzono na 24 respondentach, osobach w wieku lata, studentach polskich uczelni wyższych, według metody adaptywnej. Zgodnie z przyjętym modelem, poproszono badanych o uszeregowanie preferencji przygotowanych kart produktów. W wyniku tego etapu znaleziono liczby odzwierciedlające tak stworzony ranking. Do oceny wyników preferencji poszczególnych wariantów wykorzystano oprogramowanie SPSS. Jako zmienne niezależne przyjęto atrybuty na zapisane na kartach, zaś zmiennymi zależnymi ustalono pozycję danej karty w rankingu przedstawionym przez badanych. Zgodnie z modelem wykorzystywanym w oprogramowaniu SPSS, wykorzystywana jest funkcja regresji. R = b 0 + b 1 X 1 + b 2 X 2 + b 3 X 3 + b 4 X 4 + b 5 X 5 + b 6 X 6 + b 7 X 7 + b 8 X 8 + b 9 X 9 + b 10 X gdzie: R wartość zmiennej zależnej, (pozycja danej karty w rankingu) b 0 stała równania regresji. Xi zmienne odpowiadające wariantom dla każdego atrybutu (waga, czas pracy, aparat itd.). 8

9 Jak wynika z wzoru 1.1., obliczenie użyteczności cząstkowych dla każdej karty opiera się na wyznaczeniu współczynników b i równania regresji, zwanych tu współczynnikami kierunkowymi Wyniki badania Wynikiem badania 1 są ustalone użyteczności cząstkowe poszczególnych atrybutów. Użytecznością cząstkową jest uśredniona użyteczność parametru dla wszystkich badanych osób. Zgodnie z przedstawionym wzorem 1.1, użyteczność wariantu jest opisana jako wartość współczynników kierunkowych b i. Wykr. 1 użyteczność marki Nokia Sony- Ericsson Samsung -0,4-0,2 0 0,2 0,4 0,6 0,8 Badani w wyraźny sposób bardziej cenią sobie markę Nokia, aniżeli pozostałe. Użyteczność marki Samsung jest tu relatywnie najniższa. Wykr 2. użyteczność wagi ,1 0,2 0,3 0,4 1 Badanie przeprowadzono z wykorzystaniem oprogramowania SPSS 9

10 Badani stwierdzili, iż użyteczność wagi najniższej ma dla nich znaczenie, natomiast w przypadku porównania parami wag wyższych, waga staje się bez znaczenia. Zatem można przypuszczać, iż granicą użyteczności jest waga telefonu wynosząca 100 gram Wykr. 3. użyteczność czasu pracy na bateriach ,2 0 0,2 0,4 0,6 0,8 Wyraźnie stwierdzono zależność, iż wraz ze wzrostem czasu pracy na bateriach, użyteczność telefonu rośnie. Wykr. 4. użyteczność rozdzielczości aparatu 3,2 2,4 2-0,4-0,2 0 0,2 0,4 0,6 0,8 Relatywnie wysoką użyteczność stanowi tu najwyższa rozdzielczość wmontowanego w telefon aparatu Wykr. 5. użyteczność liczby wpisów 10

11 ,2 0,4 0,6 0,8 1 W badaniu stwierdzono, iż użyteczność liczby wpisów jest zerowa, a zatem rozwijanie dodatkowej liczby wpisów adresowych nie znajduje uzasadnienia. Ważność atrybutów wyliczono z wzoru 1.2. RuAi I Ai= 1.2. R uai gdzie: I A i - ważność i-tego atrybutu; R uai - rozstęp użyteczności cząstkowych i-tego atrybutu; SUM R uai - suma rozstępów wszystkich atrybutów. Wykr. 7. suma ważności atrybutów marka czas pracy na bat waga aparat l.wpisów Jak wynika z zestawienia zawartego na wykresie 7., najważniejszym atrybutem stała się marka telefonu, zaś mniej ważnym jest aparat. Pozostałe parametry jawią się jako mało ważne w kontekście generowania wartości produktu 11

12 Ciekawą możliwością jaką daje metoda ConJoint jest dokonywanie różnych symulacji. W tabeli 6. przedstawiono użyteczności dla poszczególnych badanych jednego z parametrów. Tabela uzupełniona wszystkimi użytecznościami, dla każdego z atrybutów stanowi bogate źródło do symulacji. Można bowiem zestawiać różne cechy i tworzyć dowolne produkty jednocześnie znając ich użyteczność dla poszczególnych osób. Można również odpowiedzieć na pytanie, która kombinacja będzie postrzegana jako najbardziej wartościowa. Będzie nią ta, której użyteczności cząstkowe będą najwyższe. Tab. 6 wybrane wartości do prognozy użyteczności parametru waga marka uczestnicy Samsung Sony-Ericsson Nokia 1-0,3 0,3 0,6 2-0,2 0,3 0,6 3-0,3 0,2 0,5 4-0,3 0,2 0,5 5-0,2 0,3 0,5 6-0,3 0,3 0,5 7-0,1 0,3 0,5 8-0,1 0,4 0,6 9-0,1 0,3 0,6 10-0,2 0,3 0,6 11-0,3 0,3 0,5 12-0,1 0,3 0,5 13-0,2 0,3 0,5 14-0,2 0,3 0,6 15-0,1 0,3 0,8 16-0,2 0,3 0,8 17-0,4 0,4 0,8 18-0,3 0,3 0,4 19 0,1 0,3 0,7 20-0,5 0,2 0,6 21-0,2 0,2 0,6 22-0,3 0,2 0,7 23 0,1 0,5 0,7 24-0,1 0,4 0,7 źródło: opracowanie własne Zakończenie 12

13 Analizy typu conjoint stanowią połączenie wielu metod polegających na łączonym pomiarze licznych atrybutów sytuacji decyzyjnych, a dokładniej wariantów wyboru. Analizy conjoint jednakże, nie uwzględniają faktu, iż w rzeczywistości nabywca wybiera bez dostatecznej wiedzy o wszystkich ofertach na rynku. Zasada ograniczonej racjonalności decydenta działa również tutaj. Podobnie jak znakomita większość zbliżonych metod, pomijają emocje związane z sytuacją zakupową. Nie uwzględniają również dostępności czy walorów promocyjnych. Nie zawsze też oczywistym jest równorzędność poszczególnych cech. W wielu przypadkach założenie to należy poddać uważnej weryfikacji, gdyż mogłoby się okazać, że efektem analizy będą dywagacje na temat czy telefon jest cięższy czy ma więcej wpisów. Analizy conjoint zatem nie powinny być jedynym narzędziem ustalania możliwych wariantów rozwoju udziałów w rynku. Mogą co najwyżej wskazać, jakie zmiany wpłyną na wzrost lub spadek udziałów oraz pomogą w określeniu względnych rozmiarów zmian. Nie jest również wykluczone, że wyniki nie będą odpowiadać rzeczywistości jako,ze niektóre kombinacje są w oczywisty sposób wykluczone. Niekiedy jednak, model nie wykazuje odpowiednio wysokiej wartości jaką niektóre kombinacje mogą nieść klientowi. Analizy ConJoint nie sprawdzają się więc w sytuacjach, gdzie zmienne są wyjątkowo nieprzewidywalne i nieliniowe. Niestety nie ma jednoznacznej możliwości weryfikacji, czy sytuacja taka właśnie wystąpiła. Nie mniej jednak analizy typu ConJoint stanowią ciekawe źródło wiedzy o mechanizmach tworzenia wartości rynkowej produktów. Mogą również służyć do wyceny produktów nowych, zestawionych z zestawu analizowanych cech. Określone wartości, czy użyteczności tych parametrów dla klientów stwarzają środowisko do rozwoju nowatorskich i odmiennych od dotychczas występujących koncepcji. Bibliografia Pełna bibliografia dostępna w: Pindelski Mikołaj Zastosowanie analizy Con-Joint w wycenie nowych produktów w: Współczesne wyzwania dla przedsiębiorstw, pod red. Naukową M.Aluchna, wyd. Oficyna Wydawnicza SGH, 2010r. str