Análise conjunta de fatores baseadas em escolhas: estimação e inferências

Abstract

Qualquer empresa orientada para o mercado consumidor tem por objetivo oferecer um produto ou serviço, melhor do que seus concorrentes, para que o consumidor venha a preferí-lo e até mesmo pagar um preço maior por ele. Portanto é de interesse conhecer métodos de análise estatística que possam auxiliar nas pesquisas que visem estudar a preferência do consumidor. Uma das metodologias de maior difusão para a análise do mercado consumidor utilizada atualmente é a conjoint analysis traduzida como Análise Conjunta de Fatores (ANCF), conforme proposto por Minim et al. (2006). Apesar da literatura sobre a utilização desta metodologia em pesquisas de mercado ser extensa, ainda existem muitas oportunidades para o estudo de sua utilização, principalmente, relacionadas à análise per si, tais como a inclusão de interações entre fatores no modelo e testes de significância para as importâncias relativas dos fatores. Quando utilizada para avaliar muitos atributos ou atributos com muitos níveis, a ANCF na sua forma tradicional não é indicada. Uma alternativa é apresentar todos os tratamentos ao consumidor e este escolhe o(s) de sua preferência ao invés de atribuir notas ou rank a todos, o que na prática é mais representativo do ambiente real de compra. Essa metodologia é denominada, Choice Based Conjoint Analysis, traduzida como Análise Conjunta de Fatores Baseada em Escolhas (ANCFE). Na presente dissertação descreve-se o modelo da ANCF e suas pressuposições, além de mostrar como é feito a estimação dos parâmetros do modelo, apresenta-se algumas das principais vantagens e desvantagens do modelo e um exemplo de aplicação. Descreve-se também detalhadamente o desenvolvimento do modelo da ANCFE, a estimação dos parâmetros por máxima verossimilhança, com exemplos de aplicação, além de apresentar um estudo por simulação de dados para ilustrar uma comparação entre as metodologias ANCF e ANCFE. Neste estudo foram simuladas notas de aceitação ou intenção de compra atribuídas por 200 consumidores para 8 alternativas de um produto hipotético. Na análise dos resultados da simulação é possível notar que em termos de interpretação as duas metodologias se complementam, dificultando a escolha de uma delas. Porém, a metodologia ANCFE tem a vantagem de ser mais próximo do ambiente real de compra.

In order to achieve consumer preference and higher sell prices, enterprises nowadays must develop products and services that are better than thoses offered by the competitors. Better in the sense that they meet consumers desires or needs because they were developed from research work that evaluated consumer preferences. Conjoint analysis (CA) is a statistical methodology very useful in such studies. Although the literature on CA applied to marketing research is vast, there still exists plenty of topics for important research work such as inclusion of interaction among attributes (or factors) in the regression model and significance test for the relative importance of attributes estimated from CA. When there exists many important attributes, for example five or more, the usual CA should not be used because requires consumer to evaluate many alternatives of a product or service (treatments). An alternative is to use choice based conjoint analysis (CBCA) in which the set of treatments is presented and the consumer is required only to choose one or more of its preference, ratter than to evaluted each one as in the usual CA. Hence, CBCA even presents a more realistic scenario than CA. In this text we present a review on consumer preference studies, including its origins and examples of applications, a review on conjoint analysis (CA) with modelling details, interpretation of results and examples. We present in details this alternative to CA named choice based conjoint analysis (CBCA). Details of the model development and estimation by maximum likelihood are presented as well as an example of application, a simulation study to compare both techniques, CA and CBCA, involving preference rates given by 200 consumers to eight alternatives of an hypothetical product. From this simulation study we concluded that both techniques give important informations and should be considered complementary to each other rather than competitive ones. References and appendix with SAS and Maple programs complement are text.