SPSS konjoint analizi

1. KONJOİNT
ANALİZİ

2. Konjoint Analizi Nedir?
• Konjoint sözcüğü, CONside ve JOINT sözcüklerinin birleşiminden
oluşmaktadır. Konjoint Analizi, bugüne kadar otomotiv, mobil
teknolojiler, bilgi teknolojileri, perakende, sağlık gibi pek çok alanda
kullanılmıştır. Bu analizin adı dilimize biraz daha yakın olarak
"ilişkilerin analizi" veya "birliktelikler analizi" olarak ifade edilebilir.
• Konjoint analizi, ürünler yada hizmetler için geliştirilen özelliklerin
nasıl tepki gördüğünün anlaşılmasında kullanılan çok değişkenli bir
tekniktir.

3. Konjoint Analizi Nedir?
• Konjoint Analizini diğer pek çok istatistiksel analiz tekniğinden
ayıran ise, nitelikleri nicel olarak karşılaştırabilme imkanı
sunmasıdır. Bu analiz sayesinde, sayısal olarak ifade edilmeyen
özellikler (ör: renk, marka, sahip olunan ve olunmayan özellikler...),
sayısal olarak ifade edilebilen verilere dönüştürülür.
• Belli bir ürün ya da hizmet için belirlenen değişkenler ve bu
değişkenlerin düzeyleri arasındaki ilişki ile değişkenlerin önem
düzeyleri sayısal olarak ifade edilebilen verilere dönüştürülür.

4. Konjoint Analizi’nin Gelişimi
• Konjoint Analizine ilişkin ilk çalışmalar 1920’li yıllarda başlamış ve
daha sonra, R. Duncan Luce ve JohnW.Tukey tarafından 1964
yılında yapılan bir çalışma ile "Konjoint Ölçüsü"nün öneminin
belirtilmiştir.
• Bu makaleden sonra çeşitli çalışmalar yapılmış, bilgisayar
programları geliştirilmiş; ancak tüketici odaklı çalışma ilk defa 1971
yılında Paul Green veVithala R. Rao tarafından yapılmıştır. Green ve
Srinivasan tarafından, 1978 yılında yapılan çalışma ise Konjoint
analizi ile yapılan bir çok araştırmaya kaynak olabilecek nitelikte
olmuştur.

5. Varsayımları;
• Konjoint Analizi diğer istatistiksel yöntemlere göre, istatistiksel
varsayımlardan çok kavramsal varsayımlar gerektirir. Konjoint
Analizi için başlıca iki varsayımdan bahsedilebilir:
• Bunlardan ilki araştırması yapılacak mal veya hizmetin özellikleri ve
düzeyleri açık, net ifadelerle cevaplayıcılara sunulacak kartlarda
belirtilmelidir.
• Diğeri ise cevaplayıcıların verecekleri yanıtlar anlamlı olmalı rasgele
verilmiş cevaplar olmamalıdır.

6. Amaçları;
• Tüketicilerin seçim sürecinde önem verdikleri değişkenlerin nisbi
önem düzeylerinin belirlenmesi,
• Elde edilen fayda katsayılarından hareketle oransal önem
değerlerinin hesaplanması,
• Markaların pazar paylarının tahmini,
• En çok tercih edilen ürün kombinasyonunun belirlenmesi,
• Tüketicilerin tercih ettikleri nitelik düzeylerindeki benzerliklerden
hareketle pazarın bölümlere ayrılmasıdır.

7. Avantajları;
• Konjoint analizinin diğer çok değişkenli istatistiksel tekniklerle
karşılaştırıldığında belirgin avantajları şu şekildedir:
• Analiz, malların veya hizmetlerin hipotetik bir serisinin elde
edilebilmesini sağlar.
• Üretim öncesi verdiği değerli bilgiler ile sonuçlar kolayca
yorumlanabilir.
• Analizde kullanılan nitelikler hem sıralayıcı veya sınıflayıcı ölçekle
ölçülmüş (metrik olmayan) bağımlı değişkenleri hem de aralıklı
veya oransal ölçekle ölçülmüş (metrik) bağımsız değişkenleri
içerebilir.

8. Dezavantajları;
• Niteliklerin ve nitelik düzeylerinin tümünün araştırma öncesi biliniyor
olması gerekmektedir.
• Nitelik ve nitelik düzeylerinin çok olması halinde, analiz karmaşık bir hal
alabilmektedir.
• Özetle,
• Konjoint Analizinin diğer analizlere göre en büyük avantajı sayısal
olmayan değişken ve değişken düzeylerinden hareket ederek sayısal ve
kolay yorumlanabilen sonuçlar ortaya koyması ve bu sonuçların ileriki
dönemlere ait planlamalar yapılmasına imkan vermesidir

9. Aşamaları;
• Yapılacak ilk işlem problemin tanımlanması ve araştırma
amaçlarının belirlenmesidir.
• Bunun sonrasında ise ürüne ait değişkenler ve düzeyleri tespit edilir.
• Bir sonraki aşamada tercih fonksiyonu belirlenir.Tercih
fonksiyonları, "Vektör Fonksiyonu", "İdeal Nokta Fonksiyonu" ve
"Parçalı Fonksiyon" olmak üzere üç tanedir.

10. • Sonraki aşamada, veri derleme tekniği seçilir.Veri derleme
teknikleri "Tam Profil" ve "Trade Off" yöntemleri olmak üzere 2’ye
ayrılır.
• Tam ProfilYöntemi, bütün özelliklerin aynı anda dikkate alınarak
bilgi toplanmasıdır.
• Trade OffYöntemi, her seferinde iki özelliğin dikkate alınarak bilgi
toplanmasıdır

11. • Bir sonraki adım, derlenen verilerin analizi için uygun tekniğin
belirlenmesi ve verilerin analizi aşamasıdır. Bu adımdaki analiz teknikleri
üçe ayrılır;
MetrikTeknikler : RegresyonAnalizi
Metrik OlmayanTeknikler : Manova
Linmap OlasılıklıTeknikler : Probit Analizi / LogitAnalizi
• Daha sonra, değişken düzeyleri için fayda katsayıları ve oransal önem
değerlerinin hesaplanması aşamasına geçilir. Katsayılar ve oransal önem
değerleri hesaplandıktan sonra, elde edilen sonuçların yorumlanması ve
sonuçların geçerliliğinin değerlendirilmesi gerçekleştirilir.
• Son olarak, Konjoint Analizi'nden elde edilen sonuçlarla, pazar
simülasyonu yaratılır.

12. Ortogonal (Dikey)Tasarım Örnek
• Konjoint analizinin ilk adımı konulara ürün profilleri olarak
sunulmuş faktör düzeyleri kombinasyonları yaratmaktır.
• Ürün profillerini oluşturulan kombinasyonlar ile açıklamak için, her
bir faktörü diğerleri ile kombine ederek alt kümeler şeklinde dikey
seri oluşturulur. Buna ortogonal (dikey) tasarım adı verilir.

13. OrtogonalTasarım’ın Oluşturulması

14. Faktör İsimlerinin Atanması

15. Faktör DeğerlerininTanımlanması

16. 1- En az sayıda üretilecek olay sayısı.
2- Holdout Cases: Konjoint analizinde yer almayan gizlenmiş olaylar.
3- Diğer durumlarla rastgele karıştır.
1
2
3

18. Görüntülenmesi

20. Value Labels seçeneğini kullanarak verilerimizin etiket ile gerçek
değerleri arasında geçiş yapabiliriz.

26. KONJOİNT ANALİZİ ÖRNEK

27. Plan Dosyasının Orthogonal Design ile Hazırlanışı

28. Anket Sonucu BulunanTercihlerTablosu

30. Konjoint Analizi Hazırlanışı

31. • Yapılan analiz sonucunda
• U = B0 + B1X1 + B2X2 + B3X3 + B4X4 + B5X5
• Şeklinde fayda regresyon denklemi bulunur. Burada Package=X1,
• Brand=X2, Price=X3, Seal=X4, Money=X5’tir.

32. 1) Model açıklamasıdır. Paket ve markanın sonuca etkisi ayrıktır. Fiyat doğrusal
azalan, mühür ve para ise doğrusal artan etkiye sahiptir.
2) Genel istatistikler anlamına gelir. Her bir faktör seviyesinin genel faydaya
etkisini ve bunların standart hatalarını gösterir.
1
2

33. Price’a bakacak olursak, fiyat artışları beklendiği gibi daha düşük fayda
düzeyine neden olur.
Importance values bölümünde her faktörün sağladığı fayda değeri
yüzdelik şeklinde verilmiştir. Bu durumda paket daha belirleyici role sahiptir.
Paranın daha belirleyici bir etkiye sahip olması beklenebilir.Ancak örnekte
fiyatlar arasında fazla fark olmadığından dolayı en az belirleyici etkiye sahiptir.

34. Onay mührünün olması ve para iade garantisi daha yüksek bir fayda
düzeyi sağlar.

35. Örnek olarak Bissell markalı, onay mühürlü, para iade garantili C
paketinin $1.59’a satın alınması 0.367 + (−0.017) + (−8.811) + 4.000 +
2.500 + 12.870 = 10.909 birimlik fayda sağlar.

36. 1) Regresyon denkleminin katsayılarıdır.
2) Gözlenen ve tahmin edilen değerler arasındaki korelasyondur.
Kendall's tau sadece holdout profiller için geçerlidir. Holdoutlar her
zaman daha düşük korelasyon katsayıları verir. Genel olarak birbirine
daha yakın çıkmasını bekleriz.
1
2

37. Ters etki gösteren değerlerin frekansını verir. 3 örnek fiyata göre ters
tercihte bulunmuştur. Bunlar yüksek fiyatlardaki ürünleri tercih
etmişlerdir.

38. Hazırlayanlar
• Erkan Çalaf
• BurakTaşkıran
• FurkanTez
• Ali Oğuzhan Çay