Per distinguersi nel contesto competitivo è cruciale per un’azienda conoscere, sapersi adeguare e allo stesso tempo soddisfare le esigenze dei propri consumatori attuali e potenziali. La comprensione del comportamento del consumatore diventa così un presupposto necessario per creare un prodotto che rientri nelle preferenze dei clienti a cui l’azienda intende rivolgersi.

1. Adaptive Choice-Based Conjoint Analysis
vs
Full Profile Conjoint Analysis.
Un'analisi empirica.
Ariella Maria Angelica Cetta

2. Literature review
Metodo di CA Pro Contro
Conjoint
Value
Analysis
- Valido sia per valutare il design di
prodotto che per questioni
relative al prezzo
- Può essere somministrato sia su
carta che via web/pc
- Mostra i profili in full profile,
simulando secondo molti il
mondo reale
- Limita la numerosità degli
attributi studiabili: più di 6
renderebbero il questionario
troppo lungo
- Limitata capacità di misurare le
interazioni e altri effetti di
prim’ordine
Adaptive
Conjoint
Analysis
- Possibilità di misurare numerosi
attributi senza stancare i rispondenti
- I rispondenti trovano il questionario
più interessante e coinvolgente
- Questionario efficiente: elevato
tasso di informazioni raccolte per
sforzo del rispondente
- Il profilo parziale presentato è meno
realistico
- Spesso non valido per ricerche di
pricing perché tende a sottostimare
l’importanza del prezzo
- Deve essere somministrato via
web/pc
Choice-Based
Conjoint
- Più semplicità di risposta
- Design flessibili (profili sia full che
parziali, su carta o via web/pc)
- Misura l’alternativa “Nessuno”
- Molto valido per misurare il prezzo
- Necessario avere un campione
relativamente ampio (n=>200),
altrimenti è necessario ridurre la lista
degli attributi e chiedere più
domande a ogni rispondente
- Limitato numero di attributi,
altrimenti questionario troppo
complicato
- Non flessibile
Adaptive
Choice-Based
Conjoint
- Gli stessi pro della CBC, ma
eseguibile anche con campioni
più piccoli
- Scelta ottima soprattutto con 5+
attributi
- Valido per misurare il prezzo
- Favorisce comportamenti non
compensativi
- L’interazione elevata si traduce in
un maggiore coinvolgimento del
rispondente
- Il questionario risulta spesso 2-3
volte più lungo di una CBC
similare
- Attualmente non supporta alcuni
extra offerti dalla CBC
- Più complessa da programmare
ed analizzare
- Deve essere somministrata via
web/pc
- Risulta essere eccessivo per studi
con pochi attributi (4 o meno)
Metodo di CA Pro Contro
Metodi di Conjoint Analysis
1/14
Fonte: rielaborazione personale da Sawtooth Software

3. Confronto tra metodi di Conjoint Analysis
2/14
Ricerca comparativa già riscontrabile in letteratura:
Non si sono però ritrovati nella letteratura esistente studi di raffronto tra la tecnica a profili completi e quella Adaptive Choice-Based.
Acito, F. e Jain, A. K. (1980). “Evaluation of Conjoint Analysis Results: A Comparison of Methods”. Journal of Marketing
Research, vol. 17, n. 1, pp. 106-112.
Elrod, T., Louviere, J. J. e Davey, K. S. (1992). “An Empirical Comparison of Ratings-Based and Choice-Based Conjoint Models”.
Journal of Marketing Research, vol. 29, n. 3, pp. 368-377.
Vriens, M., Oppewal, H., e Wedel, M. (1998). “Ratings-based versus choice-based latent class conjoint models--An empirical
comparison”. International Journal of Market Research, vol. 40, n 3, pp. 1 - 11
Pullman, M. E. et al. (1999). “A Comparison of Conjoint Methods When There Are Many Attributes”. Marketing Letters, vol. 10, n.
2, pp. 125-138.
Boyle, K. J., Holmes, T. P., Teisl, M. F., e Roe, B. (2001). “A Comparison of Conjoint Analysis Response Formats”. American
Journal Of Agricultural Economics, vol. 83, n. 2, pp. 441-454.
Meißner, M. e Decker, R. (2009). “An Empirical Comparison of CBC and AHP for Measuring Consumer Preferences“. Proceedings
of the ISAHP 2009 Conference
Jervis, S. M., Ennis, J. M. e Drake, M. A. (2012). “A comparison of Adaptive Choice-Based Conjoint and Choice-based conjoint to
determine key choice attributes of sour cream with limited sample size”. Journal of Sensory Studies, vol. 27, Issue 6, pp. 451-
462.
Bauer, R., Menrad, K. e Decker, T. (2015). “Adaptive Hybrid Methods for Choice-Based Conjoint Analysis - A Comparative Study“.
International Journal of Marketing Studies, vol. 7, n. 1, pp. 1-14.
Literature review

4. Literaturereview
Country of Origin Effect
«La generale percezione che i consumatori si creano in relazione ai prodotti provenienti
da un particolare paese, basata sulla loro percezione precedente della produzione e delle
forze e debolezze di marketing del paese stesso».
(Roth e Romeo, 1992)
«L’immagine, la reputazione, lo stereotipo che imprenditori e consumatori attribuiscono a
prodotti provenienti da uno specifico paese. Questa immagine è creata da variabili quali prodotti
rappresentativi o caratteristiche della nazione, il contesto economico e politico, la storia e le tradizioni».
(Nagashima, 1970)
«Inizialmente, quando i consumatori non conoscono bene i prodotti di un determinato paese, l’immagine del
paese stesso può fungere da alone da cui i consumatori desumono attributi di prodotto e può
potenzialmente incidere indirettamente sull’attitudine verso il brand attraverso benefici inferenziali. Al contrario,
quanto di consumatori diventano pratici con i prodotti di un determinato paese, l’immagine di paese può
diventare un costrutto che sintetizza le convinzioni dei consumatori riguardo agli attributi di prodotto e
incide direttamente sulla loto attitudine verso il brand».
(Han, 1989)
Country
of Origin
Effect
Country
image
3/14
Roth, M. S. e Romeo, J. B. (1992). “Matching product category and country image perceptions: a framework for managing country-of-origin effects”. Journal of International Business Studies, vol. 23, Issue 3, pp. 477-497.
Nagashima, A. (1970). “A comparison of Japanese and US attitudes towards foreign products”. Journal of Marketing, vol. 34, n. 1, pp. 68-74.
Han, C. M. (1989). “Country image: halo or summary construct?”, Journal of Marketing Research, vol. 26, pp. 222-229.
Literature review

5. RQ 1
Esistono differenze tra le stime di utilità risultanti dai due metodi di conjoint analysis oggetto di ricerca?
Se esistono, di quale entità sono?
RQ 2
Come sono percepiti i due questionari in termini di realismo, complessità e coinvolgimento? Esistono
differenze tra le percezioni delle due diverse metodologie?
RQ 3
Quanto tempo è necessario per la compilazione dei due questionari? Esistono differenze consistenti tra
le due metodologie?
RQ 4
Quanti rispondenti abbandonano la compilazione dei questionari? In quale punto dei questionari stessi?
Esistono differenze tra i tassi di caduta delle due metodologie?
La Country of Brand svedese ottiene – come ipotizzato dalla letteratura in argomento – un valore di
utilità significativo in entrambe le conjoint analysis?
RQ 5
Cosa si è indagato?
4/14
Domande di ricerca

6. Ricerca quantitativa
Metodo di ricerca
Ricerca qualitativa
Articolazione del metodo di ricerca
5/14
Un focus group con 7 partecipanti
Due interviste in profondità
- Attributi più rilevanti e più ricercati nell’acquisto di
arredamento
- Principali associazioni al “paese Svezia”
e al “brand IKEA”
Due questionari
distinti:
Full Profile conjoint analysis
Adaptive Choice-Based conjoint analysis
▪ Metodo CAWI
▪ Ordine alternato dei due link
▪ Campione non casuale: campionamento non probabilistico per convenienza
Varietà di colori disponibili: disponibile in 2 colori – disponibile in 5 colori
Country of Manufacturing: prodotto in Cina – prodotto in Svezia
Country of Brand: prodotto di brand cinese – prodotto di brand svedese
Materiale: articolo in legno – articolo in truciolare
Montaggio: montaggio offerto dal rivenditore – montaggio autonomo
Prezzo: 40 € – 80 €
Ma attenzione ad omogeneità nonostante indipendenza → comparabilità

7. Risultati emersi in sintesi
Stima di utilità
Attributi Livelli Utilità medie FP Utilità medie ACBC
Varietà di colori
Disponibile in 2 colori -0,140 -20,48107
Disponibile in 5 colori 0,140 20,48107
Paese di produzione
Prodotto in Cina -0,512 -68,14897
Prodotto in Svezia 0,512 68,14897
Paese del brand
Brand svedese 0,501 61,65806
Brand cinese -0,501 -61,65806
Materiale
In legno 0,339 59,76797
In truciolare -0,339 -59,76797
Montaggio
Montaggio autonomo -0,291 -26,72902
Montaggio offerto dal rivenditore 0,291 26,72902
Prezzo
40 € 0,326 49,29796
80 € -0,326 -49,29796
Costante 3,654 114,65200
Importanze medie
Questionario
Varietà
colori
COM COB Materiale Montaggio Prezzo
ACBC
Media 7,3978 22,8287 20,8259 20,1371 10,9996 17,8109
N 174 174 174 174 174 174
Deviazione std. 4,093 10,630 10,430 9,474 8,535 13,896
Full
Profile
Media 13,1036 19,6645 18,7023 16,9056 15,4675 16,1567
N 193 193 193 193 193 193
Deviazione std. 13,165 15,215 15,861 16,467 12,242 13,410
RQ 1
Esistono differenze tra le stime di utilità risultanti dai due metodi di conjoint analysis oggetto di
ricerca? Se esistono, di quale entità sono?
6/14
,000 ,023 ,135 ,024
,000 ,247
• Bassa significatività in corrispondenza degli attributi con le importanze più alte
• Alta significatività solo per i due attributi con le importanze più basse
→ I risultati derivati dai due metodi in termini di stima di utilità sono
grandemente equiparabili
1 Significatività del test F

8. Realismo
Genere Media N Deviazione std.
Uomo 5,6812 69 1,41933
Donna 4,8790 124 1,73249
Media 5,1658 193 1,66879
Risultati emersi in sintesi
Valutazioni qualitative Realismo Complessità Coinvolgimento
Full profile
Media 5,1658 4,3057 4,1865
Deviazione std. 1,66879 1,92701 2,29275
ACBC
Media 6,2299 4,3391 5,8276
Deviazione std. 1,83858 2,39097 1,82600
Totale
Media 5,6703 4,3215 4,9646
Deviazione std. 1,82806 2,15649 2,23762
Complessità
Genere Media N Deviazione std.
Uomo 3,9275 69 2,17146
Donna 4,5161 124 1,75065
Media 4,3057 193 1,92701
Realismo
Età Media N Deviazione std.
18-24 6,4043 47 1,70242
25-34 6,6596 47 1,77270
35-49 6,2174 23 1,56544
50-64 6,0000 42 2,01216
65+ 5,0000 15 1,92725
Media 6,2299 174 1,83858
Complessità
Genere Media N Deviazione std.
Uomo 4,9016 61 2,40628
Donna 4,0354 113 2,33731
Media 4,3391 174 2,39097
Coinvolgimento
Età Media N Deviazione std.
18-24 6,2128 47 1,35030
25-34 6,4043 47 1,76512
35-49 5,5217 23 1,78044
50-64 5,3095 42 2,04209
65+ 4,7333 15 1,98086
Media 5,8276 174 1,82600
Full Profile
ACBC
RQ 2
Come sono percepiti i due questionari in termini di realismo, complessità e coinvolgimento? Esistono
differenze tra le percezioni delle due diverse metodologie?
7/14
,883,000 ,000
,001
,042
,033
,022
,002
2 Significatività dei test F
2
2 22
2
2
2
2

9. Risultati emersi in sintesi
Durata in secondi
Questionario Media N Deviazione std.
Full profile 357,35 193 296,17835
ACBC 601,37 174 625,69322
Totale 473,05 367 495,93886
Media N Deviazione std.
Full profile 245,6154 39 250,19662
ACBC 432,3404 47 239,30427
Totale 347,6628 86 260,22920
Full profile 288,1250 32 160,36284
ACBC 578,9149 47 368,38052
Totale 461,1266 79 333,00159
Full profile 316,2432 37 135,02004
ACBC 530,5652 23 315,63627
Totale 398,4000 60 243,54613
Full profile 440,0923 65 401,16014
ACBC 809,8333 42 1125,55185
Totale 585,2243 107 787,45478
Full profile 493,1500 20 250,70622
ACBC 726,3333 15 289,93439
Totale 593,0857 35 288,86964
Full profile 357,3523 193 296,17835
ACBC 601,3793 174 625,69322
Totale 473,0490 367 495,93886
50-64
65+
Totale
Durata media per fasce d'età
Età
18-24
25-34
35-49
RQ 3
Quanto tempo è necessario per la compilazione dei due questionari? Esistono differenze consistenti
tra le due metodologie?
8/14
• Full Profile → 6 minuti
• ACBC → 10 minuti
68,28%
,000
4-5 min
7-9 min
7-8 min
12-14 min
,006
Δ = 3,11 min
Δ = 6,15 min
ρ = 0,177
η2 = 0,039
Misure di
linearità
,001
• Il tempo richiesto per la compilazione del questionario
ACBC è significativamente superiore
• Il tempo necessario al rispondente è direttamente
proporzionale alla sua età
• Anche la differenza tra i tempi richiesti dai due metodi
aumenta all’aumentare dell’età
Delta
187
290
214
369
233
3
3 Significatività dei test F
3
3

10. Risultati emersi in sintesi
Questionario*Completamento
Questionario
Totale
Full Profile ACBC
Terminati
Conteggio 193 174 367
% dei Terminati 52,59% 47,41% 100%
% in Questionario 60,69% 47,54% 53,65%
Non terminati
Conteggio 80 133 213
% in Non terminati 37,56% 62,44% 100%
% in Questionario 25,16% 36,34% 31,14%
00:00
Conteggio 45 59 104
% in 00:00 43,27% 56,73% 100%
% in Questionario 14,15% 16,12% 15,21%
Totale Conteggio 318 366 684
RQ 4
Quanti rispondenti abbandonano la compilazione dei questionari? In quale punto dei questionari
stessi? Esistono differenze tra i tassi di caduta delle due metodologie?
Progresso * Non Terminati
Questionario
Full Profile ACBC
Progresso
Presentazione
della tecnica CA
Conteggio 41 66
% in Non terminati 51,25% 49,62%
Durante CA
Conteggio 35 65
% in Non terminati 43,75% 48,87%
Qualitative sul
questionario
Conteggio 2 -
% in Non terminati 2,50% 0,00%
Ultimo acquisto di
arredamento
Conteggio 1 1
% in Non terminati 1,25% 0,75%
COM di IKEA
Conteggio 1 1
% in Non terminati 1,25% 0,75%
Totale
Conteggio 80 133
% in Non terminati 100,00% 100,00%
9/14
,002
• Sul totale dei rispondenti ai due questionari alternativi, a fronte di un tasso simile di
malfunzionamenti, il questionario Full Profile vede un tasso decisamente superiore di
risposte terminate
• Il questionario ACBC prevale sia sul totale dei casi «Non terminati» che in quelli «00:00»
• Abbandono in calo nella FP, stabile nella ACBC
Il 54,29%
dopo solo le
prime due
schede di
prodotto
4 Significatività del test chi-quadrato
4

11. Risultati emersi in sintesi
10/14
0,00%
10,00%
20,00%
30,00%
40,00%
50,00%
60,00%
0,00%
20,00%
40,00%
60,00%
80,00%
FB app per
Android
FB app per
IPhone
Chrome Safari Altro
Questionari terminati – Browser
Full Profile ACBC % Full Profile % ACBC
,000
0,00%
10,00%
20,00%
30,00%
40,00%
50,00%
0,00%
20,00%
40,00%
60,00%
80,00%
FB app per
Android
FB app per
IPhone
Chrome Safari Altro
Esito - Browser
Terminati Non terminati 00:00
% dei Terminati % dei Non terminati % dei 00:00
,088
• Sistema operativo:
- Omogeneità tra Android e MacOS/iOS (insieme formano il 91,4%)
- Terminati: Windows > MacOS/iOS > Android
- Non Terminati e 00:00: Android > MacOS/iOS > Windows
• Browser: Chrome e Safari (75%), applicazioni (22%)
→ Diverso rapporto Terminati / Non Terminati
- ACBC: app > browser «fissi»
- FP: browser «fissi» > app
Continua: i fattori esogeniRQ 4
0,00%
15,00%
30,00%
45,00%
60,00%
0,00%
20,00%
40,00%
60,00%
80,00%
Android MacOS/iOS Windows
Esito - OS
Terminati Non terminati 00:00
% dei Terminati % dei Non terminati % dei 00:00
,007
App: soprattutto under34
Browser «fissi»: soprattutto
over50
,000
5 Significatività dei test chi-quadrato
,000
5
5
5
5
5

12. Risultati emersi in sintesi
Centri finali del cluster Full Profile
Cluster
Pragmatici Made-in Esigenti Parsimoniosi
Utilità 2 colori -0,07 0,06 -0,36 -0,31
Utilità 5 colori 0,07 -0,06 0,36 0,31
Utilità produzione in Cina -0,41 -0,55 -0,74 -0,34
Utilità produzione in Svezia 0,41 0,55 0,74 0,34
Utilità brand svedese 0,26 0,26 1,31 0,36
Utilità brand cinese -0,26 -0,26 -1,31 -0,36
Utilità legno 1,00 0,13 0,14 0,28
Utilità truciolare -1,00 -0,13 -0,14 -0,28
Utilità montaggio autonomo -0,46 -0,09 -0,31 -0,43
Utilità montaggio offerto 0,46 0,09 0,31 0,43
Utilità 40 € 0,12 0,22 0,09 0,89
Utilità 80 € -0,12 -0,22 -0,09 -0,89
Centri finali del cluster ACBC
Cluster
Pragmatici Made-in Esigenti Parsimoniosi
Utilità 2 colori -18,64 -21,83 -15,80 -25,70
Utilità 5 colori 18,64 21,83 15,80 25,70
Utilità produzione in Cina -55,47 -87,73 -92,28 -38,09
Utilità produzione in Svezia 55,47 87,73 92,28 38,09
Utilità brand svedese 49,05 48,36 97,15 43,40
Utilità brand cinese -49,05 -48,36 -97,15 -43,40
Utilità legno 87,22 57,83 44,91 56,85
Utilità truciolare -87,22 -57,83 -44,91 -56,85
Utilità montaggio autonomo -62,99 -9,46 -21,22 -18,78
Utilità montaggio offerto 62,99 9,46 21,22 18,78
Utilità 40 € 15,79 61,57 10,13 105,32
Utilità 80 € -15,79 -61,57 -10,13 -105,32
La Country of Brand svedese ottiene – come ipotizzato dalla letteratura in argomento – un
valore di utilità significativo in entrambe le conjoint analysis?
RQ 5
11/14
• 4 cluster distinti e riscontrabili in entrambi i campioni
• A prescindere dal cluster di appartenenza, tutti i rispondenti valutano positivamente il
brand svedese
o Un cluster in particolare dà grande importanza a brand e produzione svedese

13. Contributi incrementali
Metodo di
CA
Pro Contro
CVA
- Valido sia per valutare design di prodotto che
per questioni relative al prezzo
- Può essere somministrato sia su carta che
via web/pc
- Mostra i profili in full profile, che secondo
molti simula il mondo reale
- Limita la numerosità degli attributi
studiabili: più di 6 renderebbero il
questionario troppo lungo
- Limitata capacità di misurare le
interazioni e altri effetti di prim’ordine
ACBC
- Gli stessi pro della CBC, ma eseguibile anche
con campioni più piccoli
- Scelta ottima soprattutto con 5+ attributi
- Valido per misurare il prezzo
- Favorisce comportamenti non compensativi
- L’interazione elevata si traduce in un
maggiore coinvolgimento del rispondente
- Il questionario risulta spesso 2-3 volte
più lungo di una CBC similare
- Attualmente non supporta alcuni extra
offerti dalla CBC
- Più complessa da programmare ed
analizzare
- Deve essere somministrata via web/pc
- Risulta essere eccessivo per studi con
pochi attributi (4 o meno)
Conferme e smentite
12/14
FP di 6 attributi con 2 livelli
ciascuno: dura la metà ma
complessità comparabile ad ACBC
Campioni
effettivamente
contenuti
Coinvolgimento
percepito elevato
Tempo richiesto per la
compilazione
decisamente maggiore
rispetto alla FP
Necessità di utilizzare il software
Lighthouse di Sawtooth Software
Realismo percepito
inferiore rispetto all’ACBC
Fonte: rielaborazione personale da Sawtooth Software

14. Contributi incrementali
Novità
13/14
• Le fasce più adulte presentano un tasso di compilazione
superiore per il questionario Full Profile rispetto all’ACBC
Si ricollega a:
Full Profile → Browser «fissi»→ Fasce più adulte
• Le complessità percepite a livello medio non presentano
scostamenti significativi
Ma:
Da considerare contestualmente alla
durata:
FP circa la metà di ACBC
• Durata: non solo doppia per l’ACBC, ma dipendente anche dall’età del
rispondente
• Il tasso di caduta nel questionario ACBC è significativamente più elevato, e aumenta
nel corso della tecnica stessa (diversamente da quanto accade nella Full Profile).
• L’esito del questionario dipende significativamente dal sistema operativo e dal browser
utilizzati
Le due tecniche alternative studiate – in generale equiparabili in termini di risultati ottenuti – differiscono per numerosi aspetti.
Sono proprio questi altri fattori – ulteriori – da tenere in considerazione per la scelta ponderata tra le due possibili tecniche di conjoint analysis.
È forse il coinvolgimento
percepito a mitigare la
complessità dovuta
all’articolazione delle scelte
per l’ACBC?
→

15. Limiti del lavoro
I limiti del lavoro e gli ostacoli incontrati
14/14
E. Caratteristiche cluster:
• Dimensioni dei cluster
• Omogeneità dei cluster
A. Lighthouse di Sawtooth Software
B. Diffusione di due questionari
separati
C. Trattamento della variabile prezzo:
• No summed price
• No variabile lineare
D. Caratteristiche campione:
• Dimensione dei campioni
• Omogeneità dei due campioni
Attesa per la licenza
Periodo di apertura limitata
Novità
→ L’argomento trattato – considerati limiti e ostacoli – merita senza dubbio uno studio più ampio e approfondito per verificare a pieno la validità dei risultati conseguiti
Ostacoli
Limiti