Magdalena Kumala Conjoint Analysis w badaniach uytecznoci stron WWW (Rozdział pracy magisterskiej pt. Uyteczno stron WWW w relacji firmy z klientem. Promotor: dr hab. in. Jerzy Grobelny, Prof. PWr) W zwizku z coraz wiksz popularnoci Internetu na wiecie w tym równie w naszym kraju, wzrasta potrzeba odpowiedniego dopasowania tego medium do potrzeb uytkowników. Odpowiednie cechy, umiejtnie dopasowane do potrzeb człowieka parametry stron WWW, znacznie poprawiaj komfort poruszania si w przestrzeni internetowej, stwarzajc tym samym przyjazne rodowisko pracy umoliwiajce szybkie zdobywanie potrzebnych informacji i płynne poruszanie si po Sieci. Tym samym interfejs rynku w Internecie w znacznym stopniu moe wpłyn na działalno firmy online. Chcc odnie sukces w erze interaktywnej konieczne jest opanowanie podstawowych metod opracowania interfejsów zorientowanych na klienta. 4.. Conjoint Analysis a teoria uytecznoci Proces podejmowania decyzji w działalnoci człowieka był i jest przedmiotem bada przedstawicieli wielu dziedzin nauki. W obszarze szczególnego zainteresowania znajduj si zachowania ludzkie, zarówno indywidualne jak i społeczne. Ekonomia jest jedn z nauk, na uytek której powstało wiele teorii majcych na celu wyjanienie zachowa głównych podmiotów ycia gospodarczego konsumentów. Teorie te opieraj si na załoeniu, i konsumenci nabywajcy okrelone dobra lub usługi postpuj w sposób racjonalny a ich decyzje i wybory s optymalne w aktualnie istniejcych i ograniczajcych obszar dopuszczalnych rozwiza warunkach. Konsumenci dokonujcy wyboru w zakresie zakupu kieruj si zasad maksymalizacji korzyci. Klient realizujc okrelon struktur konsumpcji (koszyk towarów) odczuwa subiektywn satysfakcj, któr okrela si mianem uytecznoci. Uyteczno towaru oznacza takie jego właciwoci, e w danych okolicznociach jest w stanie zaspokoi aktualne potrzeby i oczekiwania konsumenta. W celu przypisania charakterystyki liczbowej kademu z wariantów wród których klient dokonuje wyboru definiuje si funkcj uytecznoci: U i = ψ ( z,..., z K ) M. Walesiak, A. Bk, Conjoint Analysis w badaniach marketingowych, s. 8 9
Magdalena Kumala Praca Magisterska gdzie: Ψ i rodzaj zalenoci midzy zmiennymi, Z = (z,...,z K ) zbiór rozpatrywanych wariantów. Teoria uytecznoci ma za zadanie ułatwi wyjanienie zachowa konsumentów na rynku. Bezporedni pomiar uytecznoci rozumianej jako subiektywna satysfakcja konsumenta nie jest moliwy. Wprowadzono zatem pojcie preferencji, które umoliwia pewn kwantyfikacj uytecznoci. Preferencja jest to relacja pomidzy obiektami wielowymiarowymi (koszykami dóbr), która posiada cechy tj.: zwrotno: (x,x 2 ) (x,x 2 ), przechodnio: jeeli (x,x 2 ) (y,y 2 ) oraz (y,y 2 ) (z,z 2 ) to (x,x 2 ) (z,z 2 ), spójno: (x,x 2 ) (y,y 2 ) lub (y,y 2 ) (x,x 2 ) lub (x,x 2 ) (y,y 2 ), gdzie: (x,x 2 ), (y,y 2 ), (z,z 2 ) koszyki dóbr, relacja preferencji, relacja obojtnoci. Funkcja uytecznoci umoliwia przypisanie poszczególnym koszykom dóbr wartoci i uporzdkowanie ich zgodnie z preferencjami klienta. Teoria uytecznoci jest wykorzystywana w metodzie Conjoint Analysis jako podstawa koncepcyjna i metodologiczna ułatwiajca opisanie i wyjanienie zachowa konsumenckich. Pomiar preferencji w metodzie Conjoint Analysis W metodzie C.A. w celu pomiaru struktury preferencji konstruuje si w sposób formalny nastpujcy model ogólny 2 : U = f u, u,..., u ), is s ( ( is ) 2( is ) m( is ) gdzie: U is uyteczno całkowita i-tego profilu dla s-tego respondenta (konsumenta, nabywcy), f (S) posta analityczna funkcji preferencji s-tego respondenta (konsumenta, nabywcy), u j(is) usytuowanie i-tego profilu ze wzgldu na j-t zmienn postrzegane przez s-tego respondenta (konsumenta, nabywcy). 2 Tame, s. 20 92
Rozdział 4 Conjoint Analysis w badaniach uytecznoci stron WWW Zatem respondenci przypisuj poszczególnym wariantom oceny (preferencje), które stanowi wartoci zmiennej zalenej. S one nazywane uytecznociami całkowitymi wariantów (profilów, obiektów) poddawanych ocenie. Uytecznoci całkowite s wic wynikiem pomiaru bezporedniego. Wartoci zmiennych objaniajcych reprezentuj natomiast poziomy atrybutów opisujcych oceniane profile. W zalenoci od tego jak respondent postrzega warto poszczególnych poziomów atrybutów, wpływa na pozycj profilu (jego uyteczno całkowit). Procedura C.A. prowadzi do dekompozycji uytecznoci całkowitych na tzw. uytecznoci czstkowe zwizane z poszczególnymi poziomami zmiennych objaniajcych. Uytecznoci czstkowe s rezultatem estymacji. Modele konstruowane w metodzie C.A. uwzgldniaj sposób powizania zmiennych (charakter zalenoci zachodzcych midzy zmiennymi) a take rodzaj zalenoci zachodzcych midzy wartociami uytecznoci czstkowych a wartociami poziomów zmiennych. W procesie postrzegania i percepcji produktu uytkownik dy do oszacowania uytecznoci całkowitej danego wariantu na postawie uytecznoci czstkowych poszczególnych zmiennych. Sposób w jaki konsument scala uytecznoci czstkowe odzwierciedlaj powizania pomidzy zmiennymi. Zaleno uytecznoci całkowitej od uytecznoci czstkowych okrelaj dwa typy modeli: model addytywny (efektów głównych), model uwzgldniajcy interakcje midzy zmiennymi objaniajcymi (efektów głównych i współdziałania). Wród zwizków zachodzcych pomidzy uytecznociami czstkowymi (odzwierciedlajcymi preferencje respondentów) i poziomami zmiennych objaniajcych rozrónia si nastpujce typy: model liniowy (wektorowy), model kwadratowy, model odrbnych uytecznoci czstkowych. 4.2. Metoda Conjoint Analysis Twórcami podstaw teoretycznych metody Conjoint Analysis (C.A.) s: psycholog matematyczny R. D. Luce oraz statystyk J. W. Tukey. W polskojzycznej literaturze przedmiotu mona spotka wiele nazw tej metody tj.: addytywny pomiar łczny, pomiar 93
Magdalena Kumala Praca Magisterska wieloczynnikowy, pomiar łcznego oddziaływania zmiennych, analiza kojarzenia cech, analiza koincydencji, analiza skojarze lub analiza kombinacji atrybutów. C.A. naley do grupy metod klasyfikacji i analizy danych wykorzystujcych tzw. podejcie dekompozycyjne do pomiaru preferencji nabywców. W metodzie tej przedstawia si nabywcom do oceny zbiór profilów (produktów lub usług, rzeczywistych albo hipotetycznych) opisanych wybranymi atrybutami (zmiennymi objaniajcymi) w celu uzyskania informacji o całkowitych preferencjach odnonie tych profilów (zbiór wartoci zmiennej zalenej). Na podstawie zgromadzonych ocen (preferencji) respondentów dokonuje si, z wykorzystaniem metod statystycznych, podziału (dekompozycji) całkowitych preferencji poprzez obliczenie udziału kadego z atrybutów w oszacowanej całkowitej wartoci uytecznoci profilu 3. 4.2.. Wybrane obszary zastosowa Conjoint Analysis Ju w latach siedemdziesitych metoda C.A. stała si jednym z podstawowych narzdzi pomiaru preferencji nabywców w zakresie wyboru sporód produktów i usług opisanych wieloma zmiennymi. Oszacowano, e w latach osiemdziesitych dokonano ponad czterysta komercyjnych zastosowa tej metody. Zastosowania te obejmowały takie dobra i usługi jak 4 : dobra konsumpcyjne trwałego uytku (np. samochody, aparaty fotograficzne, mieszkania, opony do samochodów), dobra konsumpcyjne nietrwałego uytku (np. kosmetyki, rodki czystoci, paliwa), usługi finansowe (np. karty kredytowe, polisy ubezpieczeniowe, karty stałego klienta), inne usługi (np. usługi telefoniczne, usługi medyczne, wypoyczalnie samochodów), dobra przemysłowe (np. kopiarki, drukarki, komputery osobiste), transport (np. linie lotnicze, transport kolejowy). W latach 80/90 przeprowadzono badania ankietowe w USA i Europie, które miały na celu zbadanie komercyjnych zastosowa metody C.A. ze wzgldu na: kategorie produktu lub usługi, cel badania, metody gromadzenia danych, skal pomiaru odpowiedzi respondentów, metod estymacji. 3 M. Walesiak, A. Bk, Conjoint Analysis w badaniach marketingowych, s. 4 4 Tame, s. 69-70 94
Rozdział 4 Conjoint Analysis w badaniach uytecznoci stron WWW Najwikszy odsetek zastosowa C.A. dotyczył dóbr konsumpcyjnych (w Europie 54%, USA 59%). Cele w jakich realizowano badania dotyczyły (kolejno według odsetka zastosowa) : ustalenia ceny, identyfikacji nowego produktu, segmentacji rynku, analizy konkurencyjnoci. Wród metod gromadzenia danych najczciej wykorzystywano wywiad osobisty, metod komputerowo-interakcyjn, wywiad telefoniczny, kwestionariusz wysyłany poczt. Wyróni mona trzy główne sposoby wykorzystania metody C.A.: Analiza preferencji, Segmentacja rynku, Analiza symulacyjna. Analiza preferencji Analiza preferencji polega na oszacowaniu wartoci uytecznoci, jakie przypisuj respondenci poszczególnym poziomom zmiennej. W wyniku zastosowania metodologii conjoint analysis otrzymuje si macierz uytecznoci czstkowych, w której liczba wierszy odpowiada liczbie respondentów, a liczba kolumn liczbie poziomów wyrónionych dla wszystkich zmiennych. Wartoci uytecznoci czstkowych zebrane w formie takiej włanie macierzy poddaje si dalszej analizie i interpretacji. Stanowi one podstaw segmentacji rynku oraz słu prognozowaniu udziału nowych produktów (usług) w rynku. W badaniach marketingowych macierz uytecznoci czstkowych wykorzystuje si w celu 5 : obliczenia uytecznoci całkowitej dla kadego respondenta z osobna oraz dla zbiorowoci respondentów, okrelenia relatywnej wanoci kadej zmiennej w procesie wyboru produktu (usługi) przez nabywc, wydzielenia segmentów potencjalnych nabywców o zblionych preferencjach wyboru, prognozowania udziału w rynku wybranych produktów i usług. Segmentacja rynku Strategiczne badania marketingowe obejmuj trzy fazy 6 : segmentacj rynku identyfikacja bazy segmentacji i podział rynku na segmenty, opracowanie profilów powstałych segmentów, 5 M. Walesiak, A. Bk, Conjoint Analysis w badaniach marketingowych, s. 73 6 P. Kotler, Marketing. Analiza, planowanie, wdraanie i kontrola, 994, s. 243 95
Magdalena Kumala Praca Magisterska wybór rynku docelowego ocena atrakcyjnoci kadego segmentu, wybór docelowych segmentów, pozycjonowanie produktu identyfikacja moliwych koncepcji pozycjonowania dla kadego segmentu, wybór, rozwinicie i przekazanie wybranej koncepcji pozycjonowania. Istotnym elementem procesu segmentacji rynku jest dobór odpowiedniej bazy segmentacji, któr tworz: zmienne segmentacji uytecznoci czstkowe atrybutów produktów. Podczas segmentacji dokonywanej metod conjoint analysis, korzysta si z macierzy uytecznoci czstkowych. Stanowi ona podstaw segmentacji nabywców, poniewa odzwierciedla reakcje konsumentów na poszczególne warianty produktów. Grupowanie klientów odbywa si na podstawie uytecznoci czstkowych, wanoci zmiennych oraz preferencji respondentów wobec produktów. Po wyodrbnieniu istotnych segmentów tworzy si ich profile. Opracowanie profilu obejmuje: ustalenie wanoci zmiennych w segmencie, wyznaczenie charakterystyk opisujcych potencjalnych nabywców w segmencie. Opracowane profile powstałych segmentów stanowi podstaw do analizy symulacyjnej. Analiza symulacyjna Symulacja jest metod stosowan do przewidywania przyszłoci. Symulacja jest sdem hipotetycznym. Polega na przewidywaniu, jakie zdarzenie mogłoby mie miejsce, gdyby wystpiły okrelone warunki. Na gruncie ekonomii modelowanie symulacyjne znajduje zastosowanie w tych dziedzinach, w których kluczow rol odgrywa proces podejmowania decyzji, zwłaszcza w warunkach niepewnoci, ryzyka, niepełnej informacji oraz wielowariantowoci rozwiza. Z tych te wzgldów metody symulacyjne s bardzo uytecznym i czsto wykorzystywanym narzdziem do tworzenia modeli symulacyjnych firm, rynku, zarzdzania, marketingu, produkcji, zapasów, kolejek itp. 7. 7 M. Walesiak, A. Bk, Conjoint Analysis w badaniach marketingowych, s. 83 96
Rozdział 4 Conjoint Analysis w badaniach uytecznoci stron WWW Metody modelowania symulacyjnego rynku wykorzystujce rezultaty conjoint analysis pozwalaj pozna efekty takich działa rynkowych, jak 8 : modyfikacja produktu (usługi), poszukiwanie optymalnego produktu dla rynku lub optymalnych produktów dla poszczególnych segmentów rynku, kształtowanie i wprowadzanie na rynek nowego produktu, modyfikacja linii produktu, analiza konkurencji na rynku lub w segmentach rynku, analiza efektu kanibalizacji" (tzn. wypierania z rynku jednego produktu przez inny), analiza komplementarnoci produktów, analiza substytucyjnoci produktów, analiza skutków wycofania produktu z rynku, analiza skutków wprowadzenia nowego produktu na rynek, analiza udziałów w rynku i segmentach rynku. Ogólna procedura modelowania symulacyjnego rynku na podstawie wyników uzyskanych metod conjoint analysis obejmuje nastpujce etapy 9 : oszacowanie indywidualnych uytecznoci czstkowych poziomów atrybutów w przekroju respondentów lub grup respondentów (segmentów rynku), wybór produktów do analizy symulacyjnej umoliwiajcej znalezienie najlepszego produktu dla całej zbiorowoci nabywców lub dla kadego z segmentów, prognozowanie udziału w rynku zaprojektowanych produktów dla całej zbiorowoci nabywców lub w segmentach rynku, wybór optymalnych konfiguracji. 4.2.2. Uproszczony przykład problemu badawczego z zastosowaniem C.A. Aby zobrazowa zastosowanie C.A. przedstawi konkretny przykład 0. Przypumy, e chcemy zarezerwowa lot lini lotnicz i mamy wybór pomidzy wydaniem $400 lub $700 za bilet. Gdyby to była jedyna decyzja jak musimy podj wybór jest jasny: nisza cena biletu jest bardziej podana. Jeeli jedynym rozwaaniem podczas rezerwowania lotu byłoby siedzenie w standardowym albo szerokim fotelu to prawdopodobnie preferowalibymy drug 8 A. Bk, Wykorzystanie symulacyjnych własnoci conjoint analysis w badaniach marketingowych, 999 9 M. Walesiak, A. Bk, Conjoint Analysis w badaniach marketingowych, s. 85 0 M. Rice, Ph.D. Manager, Online Services 97
Magdalena Kumala Praca Magisterska opcj. Przypumy, e moemy dokona wyboru pomidzy dwoma opcjami: bezporednim lotem, który trwa 3 godziny a lotem trwajcym 5 godzin z midzyldowaniem. Prawdopodobnie kady wybrałby bezporedni lot. Jednak podczas rzeczywistych sytuacji zakupowych konsumenci nie podejmuj decyzji w oparciu o pojedyncze atrybuty jak na przykład komfort. Konsumenci badaj zasig cech lub atrybutów a nastpnie wypracowuj sd dotyczcy ich kocowego wyboru zakupowego. C.A. ma za zadanie okreli kombinacj atrybutów, które bd najwicej zadowalajce dla konsumenta. Innymi słowy, dziki C.A. przedsibiorstwa mog ustala optymalne cechy dla swojego produktu bd usługi. W dodatku, C.A. identyfikuje najlepszy przekaz reklamowy poprzez identyfikacj cech, które s najwaniejsze podczas wyboru produktu. Podsumowujc, wartoci C.A. jest to, e przewiduje które produkty bd usługi wybior ludzie i szacuje jak wag przypisuj ludzie poszczególnym czynnikom lecym u podstaw ich decyzji. Jest to zatem jedna z najbardziej potnych, wszechstronnych i strategicznie wanych technik badawczych. Problem badawczy C.A. przedstawia alternatywy wyboru pomidzy produktami/usługami zdefiniowanymi przez zespoły atrybutów. Mona to zilustrowa poprzez nastpujcy przykład wyboru: preferujesz lot ze standardowymi siedzeniami (Standard), który kosztuje $400 i trwa 5 godzin czy lot za $700, szerokie fotele (Extra) i trwajcy 3 godziny? Rozwijajc ten problem widzimy, e komfort, cena i czas trwania s jedynymi istotnymi atrybutami. Mamy zatem 8 potencjalnych moliwoci wyboru. Profil Komfort Cena Czas Extra $700 5 h 2 Extra $700 3 h 3 Extra $400 5 h 4 Extra $400 3 h 5 Standard $700 5 h 6 Standard $700 3 h 7 Standard $400 5 h 8 Standard $400 3 h Majc powysze alternatywy, profil nr 4 bdzie prawdopodobnie najbardziej preferowanym wyborem podczas gdy profil nr 5 najmniej preferowanym. Preferencje 98
Rozdział 4 Conjoint Analysis w badaniach uytecznoci stron WWW odnonie pozostałych kombinacji atrybutów bd determinowane tym, co dla indywidualnych klientów bdzie najwaniejsze. C.A. moe by stosowana do ustalania relatywnej wanoci kadego z atrybutów, poziomu atrybutu i kombinacji atrybutów. Gdy najbardziej preferowany produkt nie jest osigalny (wykonalny) z rónych przyczyn (np. linia lotnicza nie oferuje moliwoci lotu z ekstra szerokimi siedzeniami, trwajcego 3 godziny, za $400) wtedy C.A. zidentyfikuje kolejn z najbardziej preferowanych alternatyw. Jeeli jestemy w posiadaniu innych informacji o podróujcych tj. pochodzenie demograficzne moemy by w stanie zidentyfikowa segmenty rynku dla których pocigajce bd róne produkty. Na przykład, podróujcy w interesach i wakacyjni podróujcy mog mie bardzo odmienne preferencje odnonie dostpnych ofert. C.A. pozwala badaczom analizowa decyzje zakupowe jakie ludzie podejmuj podczas wybierania produktu. Pozwala to na zaprojektowanie produktu/usługi która bdzie najbardziej odpowiednia dla specyficznych rynków. Podróni mog zwraca uwag na komfort i czas lotu ale dokonywa selekcji w oparciu o cen. W tym przypadku cena podróy bdzie miała warto uytecznoci. Uyteczno mona zdefiniowa jako liczb reprezentujc warto jak konsumenci nadaj konkretnemu atrybutowi (relatywna warto atrybutu). Im mniejsza uyteczno, tym mniejsza warto. Wysz uyteczno wyznacza wysza przypisana warto. Ponisze zestawienie prezentuje list hipotetycznych uytecznoci poszczególnych wariantów lotu dla indywidualnych konsumentów: Czas Uyteczno 3 h 42 5 h 22 Komfort Uyteczno Extra 5 Standard 2 Cena Uyteczno $400 6 $700 5 Bazujc na uytecznociach, jakie przypisali konsumenci poszczególnym atrybutom moemy dokona nastpujcych konkluzji: konsumenci przypisali wysz warto wariantowi z 3 godzinami lotu (uyteczno 42) ni z 5 godzinami (uyteczno 22), 99
Magdalena Kumala Praca Magisterska dla konsumentów nie ma wikszego znaczenia komfort (rodzaj siedzenia). Uytecznoci przypisywane tym opcjom s bardzo zblione: 2 i 5, Konsumenci przypisali duo wiksz warto cenie lotu wynoszcej $400 ni $700. Powyszy przykład przedstawia indywidualne uytecznoci. redni uyteczno mona skalkulowa dla wszystkich konsumentów bd dla specyficznych podgrup konsumentów. Uytecznoci te mówi nam take o zasigu w jakim kady z atrybutów wpływa na decyzje wyboru konkretnego lotu. Wano atrybutu moe by skalkulowana poprzez analiz rangi uytecznoci (tj. rónic pomidzy najnisz i najwysz uytecznoci) dokonan wród wszystkich poziomów atrybutów. Ranga ta reprezentuje maksymalny wpływ jaki atrybut moe mie na produkt. Uywajc hipotetycznych uytecznoci moemy skalkulowa relatywn wano kadego z atrybutów opisujcych produkt. Opierajc si nadal na przykładzie wyboru opcji lotu przedstawi poniej rangi kadego z atrybutów charakteryzujcego opcje wyboru: Czas: Ranga = 20 (42-22), Komfort: Ranga = 3 (5-2), Cena: Ranga = 56 (6-5). Rangi te mówi nam o relatywnej wanoci kadego z atrybutów. Koszt jest najistotniejszym czynnikiem podczas wyboru usługi jako e ma najwysz warto uytecznoci. Kolejnym najwaniejszym atrybutem jest czas trwania lotu. Widzimy, e komfort siedzenia jest relatywnie nieistotny dla konsumentów. Dlatego te, reklama kładca nacisk na komfort siedzenia moe okaza si nieefektywna. Marketerzy mog wykorzysta zdobyte w ten sposób informacje podczas projektowania produktów i/lub usług które bd najblisze w usatysfakcjonowaniu wanych segmentów rynku. C.A. identyfikuje relatywny wkład kadego czynnika podczas procesu wyboru. Technika ta moe by take uywana podczas identyfikacji moliwoci (okazji) rozwoju cech produktu które nie s obecnie dostpne. Symulacja wyboru Oprócz dostarczania informacji o wanoci poszczególnych cech produktu, C.A. umoliwia take przeprowadzanie komputerowej symulacji dokonywania wyboru. Symulacja wyboru ujawnia preferencje konsumentów odnonie specyficznych produktów definiowanych przez badaczy. W naszym przykładzie, symulacja wskae nam korzystne i niekorzystne pakiety usług lotniczych zanim zostan one dostarczone klientom. 00
Rozdział 4 Conjoint Analysis w badaniach uytecznoci stron WWW Na przykład, załómy, e badacze zdefiniowali 3 pakiety usług: Opcja nr Cena Czas Midzyldowania Posiłek $300 5 h 2 Obiad 2 $400 4 h Przekska 3 $500 3 h Bezporedni Nie ma Symulacja Conjoint wskae procentowo konsumentów preferujcych poszczególne opcje pakietów. Pokae nam, którzy konsumenci s chtni podróowa dłuej w zamian za nisz cen pod warunkiem, e otrzymaj posiłek. Symulacja pozwala przybliy preferencje, sprzeda i udział poszczególnych opcji usługi zanim zostan one uruchomione. Moe zosta przeprowadzona interaktywnie dziki komputerom. Uzyskujemy w ten sposób szybko i łatwo spojrzenie na wszystkie moliwe opcje. Badacze mog na przykład chcie okreli co si stanie jeli cena zmieni si o $50, $00 lub $50, jaki bdzie to miało wpływ na decyzje konsumentów. C.A. pozwala na obserwowanie interakcji pomidzy atrybutami. Np. konsumenci mog chtnie zapłaci $50 wicej za lot pod warunkiem, e otrzymaj gorcy posiłek zamiast przekski. Gromadzenie danych Aby móc przeprowadzi C.A. naley zgromadzi dane z próbki konsumentów. Dane te, mona zebra dogodnie w miejscach tj. centra sprzeday lub poprzez Internet. W poprzednim przykładzie dane mog by zebrane w porcie lotniczym lub w biurze agencji podróy. Przykładowa wielko 200-250 na ogół wystarcza aby dostarczy wiarygodnych danych o konsumentach odnonie produktów lub usług. Zbieranie danych wymaga przedstawiania respondentom serii kart, które zawieraj opis produktu lub usługi. Typowa karta badajca preferencje klientów linii lotniczych podróujcych w sprawach zwizanych z biznesem moe wyglda nastpujco: Podczas kolejnego lotu za granic, z jakim prawdopodobiestwem wybierze Pan(i) lot opisany nastpujcymi cechami? Prosz zaznaczy właciwy numer od do 0 wskazujcy Pana(i) odczucia. Jedno midzyldowanie Szerokie fotele Czas odlotu: przed 8:00 rano nigdy nie wybrałbym tego lotu zdecydowanie wybieram ten lot 2 3 4 5 6 7 8 9 0 0
Magdalena Kumala Praca Magisterska Istnieje problem zwizany z całkowit liczb kart, które naley przedstawi pojedynczym respondentom. W typowym badaniu C.A., respondenci musz dokona oceny pomidzy 0-20 profilami. Jakiego typu przedsibiorstwa uywaj metody C.A.? Szeroka rónorodno przedsibiorstw produkcyjnych i usługowych z powodzeniem stosuje C.A. Survey Site przeprowadziło ostatnio 3 krajowych bada metod Conjoint (w 7 jzykach) dla firmy Microsoft (www.microsoft.com). W badaniu tym obserwowano zainteresowanie odwiedzajcych serwis online otrzymywaniem rozmaitych premii. The Western Canada Lottery Corporation (WCLC) stosuje C.A. do ustalania, które cechy produkowanych przez nich gier s najwaniejsze dla uytkowników. WCLC przeprowadziła szereg symulacji wyboru w celu zdecydowania czy modyfikacje obecnych na rynku gier mogłyby wzmocni ich atrakcyjno. Bazujc na wynikach badania, the Lottery Corporation, dokonało przeprojektowania istniejcych produktów. 4.2.3. Procedura badawcza Procedura badawcza conjoint analysis składa si z kilku etapów, które przedstawiaj si nastpujco:. Specyfikacja problemu badawczego 2. Wybór postaci modelu zalenoci zmiennych 3. Wybór postaci modelu preferencji 4. Wybór metody prezentacji danych 5. Generowanie zbioru profilów 6. Okrelenie formy i sposobu prezentacji profilów 7. Okrelenie skali pomiaru zmiennej zalenej 8. Wybór metody estymacji parametrów (uytecznoci czstkowych) modelu conjoint analysis 9. Ocena wiarygodnoci pomiaru 0. Interpretacja wyników pomiaru metod conjoint analysis Specyfikacja problemu badawczego W pierwszym etapie naley sformułowa problem badawczy. Polega to na sporzdzeniu listy podstawowych atrybutów produktu (usługi), które klient moe bra pod Marshall Rice, Ph.D. Manager, Online Services 02
Rozdział 4 Conjoint Analysis w badaniach uytecznoci stron WWW uwag przy jego ocenie. Okrelamy take poziomy wartoci dla kadego z atrybutów (tzn. jakie wartoci moe przyjmowa). Istotne jest, aby w badaniu uwzgldni najistotniejsze atrybuty oraz ich wpływ na pozostałe parametry opisujce produkt (usług) (czy zachodz midzy nimi interakcje). Istnieje zalecenie, aby do opisu jednego profilu stosowa nie wicej ni 6 atrybutów. Wraz ze wzrostem liczby atrybutów ronie ilo moliwych kombinacji przedstawianych respondentom do oceny. Stanowi to niewtpliwe ograniczenie tej metodologii. Kolejn czynnoci na tym etapie badania jest okrelenie poziomów dla kadego z atrybutów. Im wiksza ilo poziomów, tym bardziej precyzyjny opis profilów. Jednoczenie powoduje to obnienie jakoci ocen respondentów. Liczba poziomów dla wszystkich atrybutów powinna by zbliona i mieci si w przedziale od 3 do 5. Wprowadzenie tylko dwóch poziomów powoduje, e wród typów zwizków zachodzcych midzy uytecznociami czstkowymi i poziomami zmiennych wystpi tylko liniowy. Dopiero uwzgldnienie trzech poziomów pozwala rozpatrywa zwizki np. kwadratowe 2. Wybór postaci modelu zalenoci zmiennych W procesie postrzegania i percepcji produktu (usługi) respondent łczy uytecznoci czstkowe poszczególnych zmiennych w celu oszacowania uytecznoci całkowitej danego wariantu. Sposób powizania zmiennych okrela zatem zaleno uytecznoci całkowitej od uytecznoci czstkowych. Istniej dwa modele opisujce sposób powizania zmiennych: Model addytywny (uwzgldniajcy tylko efekty główne), Model uwzgldniajcy interakcje midzy zmiennymi. Model addytywny przyjmuje nastpujc posta: m m j U ˆ = b + u x, (4.) is s j= p= gdzie: Û is oszacowana uyteczno całkowita i-tego profilu dla s-tego respondenta, b s wyraz wolny modelu, u jp(s) szacowana uyteczno czstkowa p-tego poziomu j-tej zmiennej objaniajcej dla s- tego respondenta (reprezentuje efekt główny p-tego poziomu j-tej zmiennej objaniajcej), j =,..., m numer zmiennej objaniajcej (atrybutu), jp( s) jp( i) 2 M. Walesiak, A. Bk, Conjoint Analysis w badaniach marketingowych, s. 23 03
Magdalena Kumala Praca Magisterska x jp(i) zmienna sztuczna reprezentujca poziomy zmiennej objaniajcej, np. w wypadku kodowania zero-jedynkowego zmienna ta przyjmuje wartoci l lub 0 zgodnie z zasad: x jp(i) = 0 gdy p-ty poziom j-tej zmiennej wystpuje w i-tym profilu, w przeciwnym razie, m j liczba poziomów j-tej zmiennej objaniajcej. Model uwzgldniajcy, oprócz efektów głównych, równie wybrane interakcje wystpujce midzy atrybutami wymaga szacowania uytecznoci czstkowych dla kadego respondenta wynikajcych z efektu dwuczynnikowych interakcji midzy zmiennymi objaniajcymi. W zalenoci od reguły okrelajcej sposób powizania zmiennych róna bdzie liczba obiektów (profilów) ocenianych przez respondenta oraz metoda estymacji, która bdzie uyta do oszacowania wartoci uytecznoci czstkowych. Model addytywny implikuje mniejsz liczb profilów do oceny, a take gwarantuje łatwiejsze uzyskanie estymatorów uytecznoci czstkowych. Wybór postaci modelu preferencji Model preferencji opisuje rodzaj zalenoci zachodzcych midzy wartociami uytecznoci całkowitych poszczególnych profilów ocenianych przez respondentów a wartociami poziomów zmiennych objaniajcych opisujcych te profile. Zalenoci te mog by analizowane odrbnie dla kadej zmiennej objaniajcej. Struktura preferencji oznacza wówczas rodzaj zalenoci wystpujcych midzy uytecznociami czstkowymi zmiennych opisujcych obiekt a poszczególnymi wartociami poziomów tych zmiennych. Rozrónia si nastpujce typy zwizków zachodzcych midzy uytecznociami czstkowymi i poziomami zmiennych 3 : model liniowy (wektorowy), model kwadratowy, model odrbnych uytecznoci czstkowych, model mieszany. 3 M. Walesiak, A. Bk, Conjoint Analysis w badaniach marketingowych, s. 26 04
Rozdział 4 Conjoint Analysis w badaniach uytecznoci stron WWW Model liniowy ma posta: U is = b s + m j= w js y ji, (4.2) gdzie: U is ocena wyraajca preferencj (uyteczno całkowit) s-tego respondenta wzgldem i- tego obiektu (profilu), w js indywidualna waga j-tej zmiennej (atrybutu) dla s-tego respondenta (parametr modelu), y ji warto j-tej zmiennej i-tego obiektu (profilu), b s wyraz wolny; j =,..., m numer atrybutu (zmiennej). W modelu liniowym poszukuje si oszacowania tylko jednego parametru wyraajcego wag danej zmiennej objaniajcej (analogicznie do współczynnika regresji w liniowym modelu regresji), który jest nastpnie mnoony przez kolejne wartoci poziomów tej zmiennej. Zakłada si zatem istnienie liniowego (prostoliniowego) zwizku midzy wartociami uytecznoci czstkowych zmiennych objaniajcych a wartociami poziomów tych zmiennych. Jest to najbardziej restrykcyjne załoenie dotyczce postaci zalenoci opisujcej struktur preferencji. W modelu kwadratowym załoenie o cile liniowym zwizku midzy wartociami uytecznoci czstkowych zmiennych objaniajcych a wartociami poziomów tych zmiennych jest złagodzone przez dopuszczenie moliwoci wystpowania zalenoci krzywoliniowej. W modelu odrbnych uytecznoci czstkowych z kadym poziomem zmiennej objaniajcej moe by zwizana inna warto parametru okrelajcego kierunek oraz sił zwizku zachodzcego midzy uytecznociami czstkowymi i poziomami zmiennych. Model mieszany to konstrukcja bdca kombinacj powyszych modeli. Metoda prezentacji danych Materiałem badawczym wykorzystywanym w conjoint analysis s dane marketingowe uzyskiwane najczciej w wyniku bada ankietowych. W metodzie conjoint analysis najczciej stosuje si nastpujce metody prezentacji danych: metod pełnych profilów wyboru, metod korzystajc z macierzy kompromisów (metoda prezentacji dwóch atrybutów jednoczenie), metod porównywania wariantów parami. 05
Magdalena Kumala Praca Magisterska W metodzie pełnych profilów wyboru przedstawia si respondentom zbiór wszystkich moliwych wariantów bdcych kombinacj atrybutów i ich poziomów. Liczba prezentowanych respondentowi wariantów jest równa iloczynowi poziomów poszczególnych atrybutów (moe przyjmowa due wartoci przekraczajce moliwoci precyzyjnej oceny). Respondent ma za zadanie okreli porzdek rangowy ocenianych wariantów zgodnie z własnymi preferencjami oraz wzgldn atrakcyjno przedstawionych mu wariantów (np. na skali pozycyjnej). Metoda ta pozwala stworzy sytuacj z jaka konsumenci spotykaj si w rzeczywistoci. Musz oni dokona wyboru sporód wielu obiektów charakteryzowanych wszystkimi wybranymi atrybutami jednoczenie. Pomiar moe by przeprowadzony na skali porzdkowej, przedziałowej lub ilorazowej. Najwiksz wad tej metody jest ograniczona liczba atrybutów i poziomów uwzgldnianych w badaniu. Zbyt dua liczba wygenerowanych wariantów moe mie negatywny wpływ na wiarygodno ocen dokonywanych przez respondentów. W metodzie korzystajcej z macierzy kompromisów prezentuje si respondentom do oceny pary atrybutów w formie tablic dwuwymiarowych (macierzy). Liczba kolumn macierzy jest równa liczbie poziomów pierwszego z atrybutów, natomiast liczba wierszy odpowiada liczbie poziomów drugiego z atrybutów. Rozpatrywane s w tej metodzie wszystkie moliwe pary atrybutów, co oznacza, e w wypadku ogólnym m wyselekcjonowanych atrybutów otrzymuje si m(m-)/2 macierzy. Respondent ocenia kad par atrybutów osobno, wpisujc na przeciciu kolumn i wierszy rangi wskazujce na jego preferencje. W tej metodzie jest moliwe uwzgldnienie duej liczby atrybutów, poniewa respondent dokonuje w danym momencie kompromisowego rangowania kombinacji otrzymanych na skutek zestawienia tylko dwóch atrybutów. Do wad tej metody zalicza si wynikajc z jej istoty sztuczno, polegajc na tym. e respondent musi ocenia obiekt w poszczególnych krokach ankiety na podstawie fragmentarycznych informacji (wyłczajc skrajny przypadek, kiedy wyselekcjonowano do bada tylko dwa atrybuty). W rzeczywistoci bowiem obiekt dostpny na rynku postrzegany jest przez konsumenta jako obraz bdcy rezultatem oddziaływania wszystkich atrybutów jednoczenie oraz interakcji zachodzcych midzy nimi. Ponadto metoda ta stwarza w sytuacji duej liczby atrybutów pewn uciliwo dla respondenta, który w swoich ocenach musi bra je wszystkie pod uwag. Moe to prowadzi do przeceniania znaczenia atrybutów mniej wanych i niedoceniania rangi atrybutów istotnych. Metoda porównywania parami polega na prezentacji obiektów bdcych przedmiotem oceny parami, przy czym kady obiekt opisany jest kompletnym zestawem atrybutów. Respondent nie jest tutaj zmuszony do percepcji duej liczby obiektów, ale na 06
Rozdział 4 Conjoint Analysis w badaniach uytecznoci stron WWW kadym etapie okrelania swoich preferencji wskazuje na jeden z dwóch prezentowanych mu obiektów. W zwizku z tym przy liczbie n obiektów dokonuje n(n-)/2 wskaza. W celu uzyskania jednoznacznoci ocen respondentów postuluje si w tej metodzie, aby była przestrzegana zasada przechodnioci preferencji oznaczajca, i jeeli A>B i B>C, to A>C (gdzie symbol > oznacza preferencj lewego argumentu wzgldem prawego). Generowanie zbioru profilów Na etapie generowania profilów przedstawianych respondentom do oceny wykorzystuje si rónorodne schematy planowania dowiadcze. Rodzaj schematu jest zdeterminowany sposobem prezentacji danych (atrybutów i ich poziomów). W przypadku metody pełnych profilów i metody porównywania parami znane s charakterystyki poszczególnych wariantów. Umoliwia to przedstawienie respondentom do oceny wszystkich wariantów lub w przypadku, gdy liczba atrybutów i liczba poziomów s zbyt wysokie, tylko pewnego ich podzbioru. Prezentacja wszystkich moliwych kombinacji moe przyj form pełnego eksperymentu czynnikowego. Liczba profilów w tym schemacie jest równa iloczynowi poziomów poszczególnych atrybutów. Dowiadczenie to polega na rejestrowaniu pomiarów wartoci zmiennej objanianej (obiektu, wariantu) przy rónych kombinacjach (profilach) wartoci zmiennych objaniajcych (atrybutów). Zmienne objaniajce nazywa si czynnikami, natomiast ich wartoci poziomami. Czsto wystpowania okrelonych poziomów zmiennych objaniajcych kształtuje wartoci zmiennej objanianej. Obserwacje zmiennej objanianej zarejestrowane dla tych samych kombinacji poziomów zmiennych objaniajcych nazywa si replikacjami (powtórzeniami). Jeeli natomiast skala bada jest dua i nie jest moliwe ani te podane przeprowadzenie pełnego eksperymentu czynnikowego, to projektowany jest czstkowy eksperyment czynnikowy. Eksperyment tego typu obejmuje tylko pewn prób (frakcj) pobran zgodnie z okrelonym schematem z pełnego zbioru wszystkich moliwych kombinacji. Wybór schematu czynnikowego zaley przede wszystkim od przyjtej przez badacza postaci modelu conjoint analysis, okrelajcej zaleno uytecznoci całkowitej od uytecznoci czstkowych (model addytywny oraz model uwzgldniajcy interakcje midzy atrybutami). Eksperyment czciowo czynnikowy zmierza do redukcji liczby wariantów, która ma by przedstawiona respondentom do oceny. W eksperymentach tego rodzaju korzysta si ze schematów stosowanych w dowiadczalnictwie i statystyce matematycznej, gwarantujcych zachowanie wymaganych reguł statystycznych dotyczcych jakoci modelu. 07
Magdalena Kumala Praca Magisterska W sytuacji, w której stosowana jest metoda oparta na macierzach kompromisów, musz zosta uwzgldnione w badaniach wszystkie moliwe kombinacje (pary) wyselekcjonowanych atrybutów (dla m atrybutów takich kombinacji jest m(m-l)/2). Wynika to z tego, e w celu uzyskania oszacowania całkowitej uytecznoci poszczególnych wariantów musi by znana hierarchia wszystkich atrybutów i ich poziomów. Do opisu obiektów wielowymiarowych stosuje si m.in. modele regresji wielorakiej lub wielowymiarowe modele analizy wariancji. Wielowymiarowa analiza wariancji jest stosowana wówczas, gdy zmienne objaniajce s mierzone na skalach słabych, niemetrycznych. Analiza regresji wielorakiej jest natomiast wykorzystywana wtedy, gdy zmienne objaniajce s mierzone na skalach mocnych, metrycznych. Poniewa analiza regresji wielorakiej znosi pewne istotne ograniczenia obowizujce w analizie wariancji, w zwizku z tym dy si do wykorzystywania jej zalet równie wówczas, gdy w zbiorze zmiennych objaniajcych znajduj si te zmienne niemetryczne. Podstawowym warunkiem uprawniajcym do stosowania analizy regresji wielorakiej w wypadku danych niemetrycznych jest odpowiednie przekodowanie zmierzonych wartoci zmiennych objaniajcych za pomoc tzw. zmiennych sztucznych. Do najczciej stosowanych metod kodowania poziomów zmiennych niemetrycznych nale: kodowanie zero-jedynkowe, kodowanie quasi-eksperymentalne, kodowanie ortogonalne, W metodzie kodowania zero-jedynkowego dla p-poziomowej zmiennej tworzy si r nowych zmiennych sztucznych, reprezentujcych zasób informacyjny odpowiadajcy rzeczywistej zmiennej objaniajcej (przy czym r = p ). Zmienna sztuczna zero-jedynkowa przyjmuje warto l, jeeli dany poziom zmiennej niemetrycznej wystpuje w ocenianym profilu, natomiast 0 w przeciwnym razie. Kodowanie zero-jedynkowe mona zapisa za pomoc formuły 4 : x i, = 0 gdy poziom a wystpuje w i-tym profilu, w przeciwnym razie, x i,2 x i, p = 0 = 0 gdy poziom a 2 wystpuje w i-tym profilu, w przeciwnym razie, (4.3)... gdy poziom a p- wystpuje w i-tym profilu, w przeciwnym razie, 4 M. Walesiak, A. Bk, Conjoint Analysis w badaniach marketingowych, s. 39 08
Rozdział 4 Conjoint Analysis w badaniach uytecznoci stron WWW gdzie: x i,...x i,p- realizacje zmiennej sztucznej, a...a p- poziomy rzeczywistej zmiennej niemetrycznej. W wypadku procedury kodowania quasi-eksperymentalnego do zakodowania p- poziomowej zmiennej niemetrycznej równie wystarcza p nowych zmiennych sztucznych. Jednak w odrónieniu od kodowania zero-jedynkowego w kodowaniu quasieksperymentalnym wykorzystywane s trzy wartoci do zakodowania poziomów zmiennej niemetrycznej, tzn. (0, l, l). W sposób formalny kodowanie quasi-eksperymentalne mona zapisa za pomoc formuły 5 : x i, gdy poziom a wystpuje w i-tym profilu, = gdy poziom a p wystpuje w i-tym profilu, w przeciwnym razie, 0 x i,2 x i, p = 0 = 0 gdy poziom a 2 wystpuje w i-tym profilu, gdy poziom a p wystpuje w i-tym profilu, w przeciwnym razie, (4.4) gdy poziom a p- wystpuje w i-tym profilu, poziom a p wystpuje w i-tym profilu, w przeciwnym razie, gdzie: x i,...x i,p- realizacje zmiennej sztucznej, a...a p- poziomy rzeczywistej zmiennej niemetrycznej. W kodowaniu ortogonalnym do zakodowania p-poziomowej zmiennej niemetrycznej równie wystarczy uy p l zmiennych sztucznych. Współczynniki uywane w tej metodzie do kodowania poziomów zmiennej niemetrycznej mog by dowolnymi liczbami, ale tak dobranymi, aby utworzone nowe zmienne sztuczne były ortogonalne, czyli wzajemnie niezalene. W zwizku z tym współczynniki korelacji midzy sztucznymi s równe zeru, sumy realizacji zmiennych sztucznych s równe zeru oraz rednie arytmetyczne realizacji tych zmiennych s równe. 5 tame, s. 40 09
Magdalena Kumala Praca Magisterska Okrelenie formy i sposobu prezentacji profilów Profile prezentowane respondentom do oceny mog by przedstawione w rónych formach. Typowymi formami i sposobami prezentacji profilów s: opis słowny profilów, forma kart z opisami słownymi poziomów poszczególnych atrybutów, forma graficzna (rysunki lub fotografie), model trójwymiarowy, produkty fizyczne. Okrelenie skali pomiaru zmiennej zalenej Preferencje respondentów odnonie poszczególnych profilów (wartoci zmiennej zalenej, oceny przypisane poszczególnym profilom) mierzone s na skali. Mamy tutaj do wyboru cztery typy skal pomiarowych: ilorazow, przedziałow, porzdkow, nominaln. Naturalnym pocztkiem skali ilorazowej jest punkt zerowy, który oznacza zupełny brak wielkoci mierzonej zmiennej. Na skali ilorazowej respondenci oceniaj profile: przez podanie prawdopodobiestwa subiektywnego ich wyboru (zakłada si, e człowiek jest w stanie przypisywa liczbowe miary sile swoich przekona), na skali stałych sum (respondent dokonuje podziału procentów lub stałej kwoty pienidzy zgodnie z jego preferencjami wobec ocenianych profili). W przypadku skali przedziałowej respondenci oceniaj poszczególne profile na skali pozycyjnej, gdzie wartoci ekstremalne oznaczaj odpowiednio profil najmniej atrakcyjny i najbardziej atrakcyjny. Pomiar taki traktuje si jako przedziałowy. Nie jest to pomiar na skali przedziałowej sensu stricto, poniewa nie mona tutaj okreli stałej jednostki. Na skali porzdkowej respondenci porzdkuj poszczególne profile przez nadanie im rang bdcych np. kolejnymi liczbami naturalnymi (rang l przyporzdkowuje si profilowi, który był wybierany w pierwszej kolejnoci, rang n profilowi, który był wybierany w ostatniej kolejnoci. Istnieje take moliwo wybierania przez respondentów jednego sporód dwóch wariantów (skala nominalna dwumianowa) lub jednego sporód wicej ni dwóch profilów (skala wielomianowa). 0
Rozdział 4 Conjoint Analysis w badaniach uytecznoci stron WWW Wybór metody estymacji parametrów Estymacja parametrów (uytecznoci czstkowych) jest jednym z najwaniejszych etapów w procedurze conjoint analysis. Celem estymacji parametrów jest oszacowanie wartoci uytecznoci czstkowych poziomów atrybutów. Metody estymacji mona podzieli na trzy grupy 6 : Metryczne metody estymacji, Niemetryczne metody estymacji, Metody bazujce na prawdopodobiestwie wyboru stosowane w dyskretnych modelach wyboru (CBC Choice Based Conjoint analysis). Wybór metody estymacji parametrów uzaleniony jest od zastosowanej wczeniej metody gromadzenia danych od niej zaley złoono obliczeniowa zadania i charakter moliwych do zastosowania technik szacowania uytecznoci czstkowych. Zajm si tylko jedn z metod estymacji, nalec do pierwszej grupy metod metrycznych. Metody metryczne stosuje si wówczas, gdy wartoci zmiennej objanianej s mierzone co najmniej na skali przedziałowej. Do metod tego typu zalicza si klasyczna metoda najmniejszych kwadratów (OLS Ordinary Least Squares). Jest to najczciej stosowana metoda estymacji parametrów addytywnego modelu conjoint analysis w przypadku danych metrycznych. W analizie regresji zmienn zalen jest ocena (preferencja) przypisana przez danego respondenta poszczególnym profilom. Sposób zdefiniowania zmiennych objaniajcych w modelu regresji wielorakiej uzaleniony jest od przyjtego typu zwizku zachodzcego midzy uytecznociami czstkowymi i poziomami zmiennych. Ogólny model regresji wielorakiej przyjmuje posta: m Yˆ = b + b Z, (4.5) s 0s j= gdzie: b s,..., b ms parametry równania regresji, b 0s wyraz wolny, s numer respondenta, Z,..., Z m zmienne objaniajce (atrybuty). js js 6 M. Walesiak, A. Bk, Conjoint Analysis w badaniach marketingowych, s. 46
Magdalena Kumala Praca Magisterska Dla modelu odrbnych uytecznoci czstkowych konstruuje si model regresji wielorakiej ze zmiennymi sztucznymi postaci: n Yˆ = b + b X, (4.6) s 0s p= ps ps gdzie: b s,..., b ns parametry równania regresji, X,..., X n zmienne sztuczne. Dla tego modelu poziomy zmiennych objaniajcych s kategoriami. Wpływ kadego poziomu zmiennej na ocen przypisan profilom przez danego respondenta uwzgldnia si przez wprowadzenie do modelu sztucznych zmiennych objaniajcych. Liczba zmiennych sztucznych musi by mniejsza o jeden od liczby poziomów danej zmiennej nominalnej. Przykładowe zmienne sztuczne o dwóch i trzech poziomach definiuje si wykorzystujc kodowanie quasi-eksperymentalne (lewa kolumna) i kodowanie zerojedynkowe (prawa kolumna) nastpujco 7 : Zmienna Z j X p Zmienna Z j X p Poziom I Poziom I lub Poziom II - Poziom II 0 Zmienna Z j X p X q Zmienna Z j X p X q Poziom I Poziom II Poziom III 0-0 - lub Poziom I Poziom II Poziom III 0 0 0 0 gdzie: j numer zmiennej Z j, p,q numery zmiennych sztucznych. Liczba zmiennych wprowadzonych do modelu (6) uzaleniona jest od liczby profilów ocenianych przez respondentów. Liczba profilów powinna by co najmniej równa liczbie szacowanych parametrów modelu. 7 M. Walesiak, Metody analizy danych marketingowych, 996, s. 9-92 2
Rozdział 4 Conjoint Analysis w badaniach uytecznoci stron WWW W wyniku oszacowania parametrów modelu (4.6) dla kadego respondenta s otrzymuje si oszacowania uytecznoci czstkowych liczone nastpujco 8 : a) dla zmiennej o dwóch poziomach Zmienna sztuczna X p Uytecznoci czstkowe Zmienna Z j sposób I sposób II sposób I sposób II s s Poziom I U j = bps U j = b ps s Poziom II 0 - U 0 = j2 U s j2 = b ps b) dla zmiennej o trzech poziomach Zmienna sztuczna X p X q Uytecznoci czstkowe Zmienna Z j sposób sposób sposób I II I II I II Poziom I 0 0 s s U j = bps U j = b s Poziom II 0 0 U j = bqs ps U = b s 2 j2 qs s s Poziom III 0-0 - U 0 U = ( b + b ) = j3 j3 ps qs Zakładajc, e zmienne objaniajce (atrybuty) mierzone s na skali przedziałowej lub ilorazowej, budujemy liniowy (wektorowy) model regresji wielorakiej o postaci (4.5). Dla kadej zmiennej objaniajcej po oszacowaniu modelu otrzymuje si warto jednego współczynnika. W celu obliczenia uytecznoci czstkowych naley przemnoy warto otrzymanego współczynnika przez poziomy danej zmiennej objaniajcej. W modelu kwadratowym równie zakłada si, e zmienne objaniajce (dla których wyodrbniono co najmniej trzy poziomy) mierzone s na skali przedziałowej lub ilorazowej. Budowa modelu kwadratowego oznacza, e w modelu regresji (4.5) w miejsce kadej zmiennej Z j wstawiamy dwie zmienne (obserwacje na badanej zmiennej oraz ich kwadraty), otrzymujc po oszacowaniu modelu wartoci dwóch współczynników. W celu obliczenia uytecznoci czstkowych naley przemnoy warto pierwszego współczynnika przez poziom danej zmiennej objaniajcej, a nastpnie doda iloczyn drugiego współczynnika i kwadratu poziomu danej zmiennej objaniajcej 9. 8 tame, s. 92 9 Walesiak, A. Bk, Conjoint Analysis w badaniach marketingowych, s. 47-50 3
Magdalena Kumala Praca Magisterska 4.3. Analiza preferencji uytkowników odnonie wybranych elementów stron WWW W rozdziale 3 zostały przedstawione podstawowe aspekty tworzenia prezentacji WWW. Maj one na celu zapewnienie poprawnoci i efektywnoci projektowanych stron WWW. Pomimo, i istniej tzw. przykazania webmastera to jednak kocowy efekt tworzenia stron WWW nie zaley tylko i wyłcznie od ich przestrzegania. Istnieje wiele decyzji odnonie poszczególnych elementów strony tj. nawigacja czy szata graficzna, które naley podj samodzielnie. W przypadku firmowych serwisów poza spójnym wygldem najwaniejsze s przede wszystkim cechy ułatwiajce i uatrakcyjniajce kontakt uytkownika z serwisem. Projektowane strony WWW, tak jak wielu innego typu produktów, powinno przede wszystkim spełnia oczekiwania potencjalnych klientów. Niniejszy rozdział przedstawia prób wykorzystania modelu Conjoint Analysis w projektowaniu efektywnego i zgodnego z preferencjami uytkownika serwisu WWW. Problem badawczy Projektant firmowej strony WWW staje przed wyborem jednego z kilku moliwych wariantów ostatecznego wygldu serwisu. Rozwaania dotycz trzech wybranych elementów strony internetowej tj. rodzaj paska nawigacyjnego (Pasek nawigacyjny): Tekstowy, Graficzny charakter grafiki strony (Grafika): Animowana, Statyczna sposób wskazywania poziomu nawigacji (Poziom nawigacji): Drzewko, cieka (Elementy te zostały szczegółowo opisane w objanieniach do ankiety Załcznik nr 2, str. 3) Zatem mamy do czynienia z omioma wariantami opisanymi przez trzy zmienne Z, Z 2 i Z 3 : Z Rodzaj paska nawigacyjnego Tekstowy Graficzny Z 2 Charakter grafiki strony Animowana Statyczna Z 3 Sposób wskazania poziomu nawigacji cieka Drzewko 4
Rozdział 4 Conjoint Analysis w badaniach uytecznoci stron WWW Zbiór atrybutów i ich poziomów uwzgldnionych w badaniu został wytypowany dla potrzeb realizacji próbnego badania metod C.A. Na podstawie wyrónionych zmiennych oraz odpowiadajcych im poziomów mona utworzy zbiór hipotetycznych wariantów wyboru bdcych kombinacj cech charakteryzujcych stron WWW. Ich liczba jest iloczynem liczby poziomów wszystkich zmiennych opisujcych profile. W analizowanym badaniu wyróniono trzy zmienne, kada o dwóch poziomach, zatem otrzymano 8 hipotetycznych profilów: Zestaw I Zestaw II Zestaw III Zestaw IV Pasek nawigacyjny Graficzny Graficzny Graficzny Graficzny Grafika Animowana Statyczna Animowana Statyczna Poziom nawigacji Drzewko Drzewko cieka cieka Zestaw V Zestaw VI Zestaw VII Zestaw VIII Pasek nawigacyjny Tekstowy Tekstowy Tekstowy Tekstowy Grafika Animowana Statyczna Animowana Statyczna Poziom nawigacji Drzewko Drzewko cieka cieka Badania ankietowe zostały przeprowadzone w czerwcu 2002 roku (w Załczniku nr znajduj si kwestionariusze ankietowe, str. 29). Badaniem objto 50 osób uytkowników Internetu. Celem badania ankietowego było uporzdkowanie wygenerowanych profilów według stopnia ich atrakcyjnoci (okrelenie rednich uytecznoci całkowitych poszczególnych wariantów). Respondenci mieli za zadanie dokona porównania przedstawionych im wariantów parami: Dokonaj porównania zestawów parami. Oce, który z zestawów preferujesz i w jakim stopniu od '' do '7' ('' oznacza, e preferujesz obydwa zestawy w równym stopniu, 2 niewiele bardziej korzystny, 7 zdecydowanie bardziej mi odpowiada). Poniej przedstawionych zestawów znajduje si tabela, w której naley zaznaczy odpowiedzi. Przykład. Porównuj Zestaw I z V. Zestaw V oceniam jako korzystniejszy w porównaniu z Zestawem I, ale w niewielkim stopniu (2). Wstawiam znak po stronie Zestawu V. 7 6 5 4 3 2 2 3 4 5 6 7 Zestaw I X Zestaw V 5
Magdalena Kumala Praca Magisterska Uzyskane w ten sposób informacje zostały poddane analizie metod AHP (Analytic Hierarchy Process), której wynikiem jest hierarchia badanych profilów według stopnia ich atrakcyjnoci. AHP Analytic Hierarchy Process (Analityczny Proces Decyzyjny) AHP jest opracowan przez T.Saaty ego (profesora Wharton School of Business), coraz czciej stosowan w wielu dziedzinach metod ułatwiajc dokonywanie optymalnych wyborów w sytuacji gdy decydent ma do dyspozycji wiksz ilo kryteriów oceny rónych wariantów decyzyjnych. Metoda ta daje moliwo redukcji złoonych wyborów do serii prostych porówna czynników lub wariantów parami a taki wybór z punktu widzenia psychologii jest bardziej skuteczny i efektywny. Owe porównywanie parami pozwala w rezultacie na dokonanie liczbowej miary (hierarchii) wanoci badanych czynników lub wariantów 20. W metodzie tej wykorzystuje si subiektywne preferencje uytkowników. Na wstpie okrela si zbiór istotnych dla badanej grupy kryteriów opisujcych przedmiot rozwaa. Kolejne czynnoci maj na celu uporzdkowanie wygenerowanych kryteriów według ich wanoci (hierarchia wanoci kryteriów). Ustalenie wag odbywa si poprzez porównywanie parami kryteriów (kady z kadym) i ocenie w jakim stopniu jeden jest istotniejszy od drugiego. Uporzdkowanie kryteriów w ten sposób pozwala na wybór rozwizania, które w najwikszym stopniu spełnia najwaniejsze kryteria. Przebieg oblicze według procedury obliczeniowej metody AHP Dane uzyskane z ankiet, w których respondenci porównywali parami przedstawione im profile, zostały nastpnie zapisane w formie macierzy złoonej z wartoci współczynników dominacji jednego kryterium nad drugim. Współczynniki wzajemnej dominacji kryteriów mog przyj wartoci: P ij stopie dominacji kryterium i nad j (P ij = 0,..., 7), P ji = /P ij, w przypadku dominacji kryterium j nad i, Stopie dominacji okrelano w skali od 0 do 7, gdzie: w przypadku braku dominacji, gdy kryteria maj takie same znaczenie, 2 w przypadku niewielkiej przewagi jednego kryterium na drugim, 3 umiarkowana dominacja, 20 http://republika.pl/dnagorko/ahp.htm 6