¿Qué es el análisis conjoint y para qué sirve?
El análisis conjoint sirve para decidir cómo armar un producto y a qué precio venderlo antes de fabricarlo, cuando hay varias características en juego y cada mejora cuesta plata. Una pregunta directa no lo logra: si le pides al comprador que califique el precio, el sabor y el envase por separado, les pone nota alta a los tres. En una marca de consumo masivo en Chile se usa para decisiones como estas:
- Formato y precio de un lanzamiento: si conviene el formato familiar o un repuesto en bolsa, y en qué tramo de precio.
- Qué atributo comunicar: si el comprador de galletas valora más «sin azúcar añadida» o un envase que se vuelve a cerrar.
- Cuánto sobreprecio aguanta la marca frente al líder o a la marca propia de una cadena.
- Cómo reaccionaría el comprador si un competidor baja su precio o cambia de envase.
¿Cómo se diseña un análisis conjoint? Atributos, niveles y tareas
Un análisis conjoint se diseña eligiendo los atributos, fijando sus niveles, armando las combinaciones que se van a mostrar, definiendo la tarea y decidiendo a quién se le pregunta. Un atributo es una característica que varía entre productos, como el precio o el tamaño, y un nivel es cada valor que puede tomar, como tres precios distintos. Un error de diseño no se corrige después: si el precio más alto probado es el que la marca cobra hoy, el estudio no puede decir qué pasa con un alza.
- Atributos: solo los que cambian la decisión y que la marca puede mover.
- Niveles: realistas y sin ambigüedad. Los precios se escriben como en la góndola, terminados en 90, y dentro del rango que existe en la categoría.
- Combinaciones: como los productos posibles son la multiplicación de los niveles de cada atributo, se usa un diseño factorial fraccionado, que muestra solo una parte y aun así estima el efecto de cada nivel, como explica el capítulo de análisis conjunto de la Universidad de Castilla-La Mancha.
- Tarea: ordenar o puntuar tarjetas con productos completos, o escoger uno entre varios en pantallas sucesivas, con la opción de no comprar ninguno.
- Muestra: compradores de la categoría, con casos suficientes en cada segmento que se quiera leer aparte, como regiones. El muestreo define cuánto puedes confiar en cada corte.
¿Qué tipos de conjoint existen?
Los tipos de conjoint se distinguen por lo que se le pide a la persona: ordenar o puntuar tarjetas, escoger entre alternativas, o combinar preguntas directas con tareas que se ajustan a cada respuesta. Los tres entregan un valor por nivel; cambian en qué tan parecida es la tarea a una compra.
Con modelos bayesianos jerárquicos, que estiman a cada persona apoyándose en lo que respondió el resto de la muestra, se obtienen utilidades individuales y no solo las del promedio. Eso permite separar a quienes eligen por precio de quienes eligen por marca.
- Por tarjetas o perfil completo: la forma original, de los años setenta. Cada tarjeta describe un producto y la persona las ordena o les pone nota. Funcionaba con pocos atributos, típicamente 4 o 5, según el resumen de la técnica en Wikipedia.
- Basado en elección: la persona ve varios productos y escoge uno, o ninguno, como en la góndola. Lo desarrolló el investigador Jordan Louviere y sirve especialmente para precio, porque imita una compra en vez de pedir una nota.
- Adaptativo o híbrido: primero pregunta qué atributos importan y después ajusta las combinaciones a cada persona. Soporta más atributos, a cambio de mezclar lo declarado con lo elegido.
¿Qué entrega un análisis conjoint? Utilidades, importancia relativa y simulador
Un análisis conjoint entrega la utilidad de cada nivel, la importancia relativa de cada atributo y un simulador que estima la preferencia por cualquier combinación. Los tres salen del mismo modelo, y de ellos se deriva la disposición a pagar.
- Utilidades parciales: un puntaje por nivel que dice cuánto suma o resta a la preferencia. Se comparan dentro de un mismo atributo: una utilidad negativa no significa rechazo, sino que ese nivel gusta menos que los otros de su atributo.
- Importancia relativa: la distancia entre el mejor y el peor nivel de cada atributo, dividida por la suma de esas distancias. Si los precios probados están muy juntos, el precio parecerá poco importante aunque en la sala no lo sea.
- Simulador de share de preferencia: se arman escenarios de góndola (tu producto, el líder y la marca propia, cada uno con su precio) y el modelo calcula qué parte de la muestra escogería cada opción. Sirve para probar un alza o un formato nuevo sin salir a terreno.
- Disposición a pagar: al dividir la utilidad de una mejora por lo que vale cada peso, se estima cuánto más pagaría el comprador por ella. Vale solo dentro del rango de precios probado, y suele salir más alta que en la caja porque en la encuesta nadie paga.
¿Qué es un conjoint de precio y en qué se diferencia de la elasticidad?
Un conjoint de precio es un análisis conjoint donde el precio se prueba junto con la marca y el formato, para estimar cuánto se mueve la preferencia cuando el precio sube o baja frente a los competidores. Su ventaja es que prueba precios que todavía no existen en la góndola, como el de un formato que la marca no ha lanzado.
La elasticidad precio medida con ventas observa lo contrario: lo que ya pasó cuando el precio cambió de verdad, con promociones, quiebres y competencia incluidos. Las dos se complementan: el conjoint ayuda a escoger antes de decidir, y la venta real dice cuánto aguantó el precio después. El escalonamiento de formatos y la política de ofertas pertenecen al pricing.
¿Cuál es el límite del análisis conjoint? Elegir en una encuesta no es comprar
El límite del análisis conjoint es que mide una elección declarada: la persona escoge sin pagar, frente a una pantalla donde todos los productos están disponibles, bien exhibidos y sin la oferta de un competidor al lado. En la sala decide en segundos y a veces su marca no está.
Por eso el share de preferencia no es un share de mercado. El simulador supone que todos conocen el producto y lo encuentran; la venta real depende de la distribución y de cuántos hogares llegan a probarlo.
El simulador tiene además un sesgo propio. El modelo logit supone que una opción nueva le quita preferencia a todas las demás en la misma proporción, lo que se conoce como independencia de alternativas irrelevantes. Si la marca agrega un sabor casi igual al que ya vende, el simulador le asigna preferencia sacada también del competidor, cuando en la góndola se la quitaría sobre todo a su propio producto. Las utilidades individuales reducen ese sesgo, pero no lo eliminan.
La literatura de la técnica propone calibrar los modelos de preferencia declarada con compra real. En una marca, eso es contrastar el escenario ganador con lo que los hogares compran después: si lo probaron, si repitieron y a qué precio. La distancia entre lo que la gente declara y lo que registra su boleta está explicada en compra real vs. encuesta declarada.
¿Qué errores comunes arruinan un análisis conjoint?
Un error frecuente en un análisis conjoint es preguntarle a quien no compra la categoría: sus elecciones pesan igual que las de un comprador frecuente, aunque no muevan la venta. Filtrar por compra declarada ayuda, pero la persona puede recordar mal; una encuesta a compradores con la compra verificada evita ese problema. Otros errores frecuentes:
- Demasiados atributos: la persona deja de comparar y escoge mirando uno solo, casi siempre el precio.
- Combinaciones imposibles: la marca premium con el precio de la marca propia crea productos que nadie verá y ensucia ambas utilidades.
- Esconder el precio por litro: si los formatos tienen tamaños distintos y la góndola muestra el precio por unidad de medida, la pantalla tiene que mostrarlo igual.
- Leer el share de preferencia como pronóstico de venta: el simulador ordena opciones, no dice cuántas unidades se venderán.
- Dejar fuera la opción de no comprar: sin ella, el modelo supone que alguien siempre compra, aunque el precio suba mucho.