Vyhodnocení diskrétních voleb na společné škále

Organizace a jejich produkty a služby mají řadu aspektů, jejichž vliv je odhadován ze současných názorů a postojů zjišťovaných dotazováním. Cílem je předvídat budoucí chování jednotlivců i skupin a ovlivnit je. Např. produkt, který zákazník nezahrne do svých úvah, tj. nevyhoví potřebám a očekáváním, nebude pořízen. Literatura (Hauser 2009) tvrdí, že nejméně 80% nejistoty v modelech volby je možno vyloučit znalostí užšího výběru (consideration set) zákazníka. Manažerská rozhodnutí proto musejí vycházet z přijatelnosti produktu nebo služby:

Obvyklým postupem hledání odpovědí na tyto otázky jsou baterie otázek na několikastupňové škále. Výhodami jsou jednoduchý dotazník, snadné zpracování dat a nízká cena projektu. Nevýhody jsou nasnadě. Protože otázky jsou kladeny pro každý aspekt jednotlivě bez souvislosti s ostatními, je rozlišovací schopnost toto řešení obecně nízká. Navíc se do odpovědí podepisuje únava a rozladěnost z monotónně znějících otázek, takže později získané odpovědi bývají zkratkovité. Případné modelování tržních a společenských efektů je prakticky vyloučeno.

Jiným řešením je postup typu conjoint. Výhodou je dotazování v kontextu všech atributů produktu a možnost modelování preferencí. Pokud testované aspekty nevytvářejí víc než asi 6 atributů, mají výsledky dobrou vypovídací hodnotu. Obecnou nevýhodou postupu typu conjoint je ryze intervalová škála hladin atributů. Určeny mohou být jen rozdíly mezi hladinami určitého atributu. Přímý vliv aspektů (hladin atributu) na zákazníka ani rozdíly mezi vlivem hladin různých atributů nejsou principiálně zjistitelné.

Koncem minulého století se začaly uplatňovat postupy založené na pravděpodobnostním modelu diskrétní volby (DCM - Discrete Choice Modeling), zejména v postupech typu conjoint. Téměř úplně vymizela původní CVA - Conjoint Value Analysis založená na respondentově subjektivním hodnocení každého profilu produktu zvlášť. Zcela okrajově se využívá ACA - Adaptive Conjoint Analysis, která je založena na hodnocení rozdílů ve dvojicích profilů. Dnes převažuje CBC - Choice Based Conjoint. V případě, že testované aspekty lze zahrnout pod jeden atribut, osvědčil se postup MaxDiff - Maximum Difference Scaling (Best-Worst Scaling Case 1, Louviere 1991). V případě, že aspekty je nutno rozdělit do několika atributů, stejný autor (Louviere 1995) navrhl Best-Worst Scaling Case 2, který rovněž vede k výsledkům na společné škále, a tím umožňuje porovnání různých atributů a jejich hladin mezi sebou. Sám o sobě tento postup nenašel širší využití, protože se ukázalo, že efekty některých aspektů byly určeny s velkou nejistotou.

Řešení: CSDCA

Doplnění postupu Best-Worst Scaling Case 2 o omezující podmínky (soft constraints) založené na pořadí akceptovatelnosti aspektů v atributu vytvořilo kvalitativně nový postup označovaný jako CSDCA - Common Scale Discrete Choice Analysis. Zásadní výhodou je společná škála částečných utilit (part-worths) pro všechny atributy umožňující porovnání vlivu aspektů z různých atributů. Vyčerpávající popis metody doplněné o (další) modul typu best-worst CBC uvádí Orm (2013).

Tak jako MaxDiff v mnoha ohledech překonává obvyklou baterii škálových otázek, CSDCA překonává výsledky použití několika sad baterii škálových otázek. Základní postup sestává ze dvou modulů typu DCM: PŘEDNOSTI (Priors) a MOTIVÁTORY (Motivators).

Modul PŘEDNOSTI

Účelem modulu PŘEDNOSTI je vytvořit omezující podmínky (soft constraints) pro aspekty každého atributu. Pořadí přijatelnosti nominálních atributů je vhodné určit postupnou volbou a post-experimentální výběry s volbami vygenerovat postupem SCE - Sequential Choice Exercise.

Poznámka k SCE

Původní CSDCA (Orm 2013) využívá jako post-experimentální dotazovací plán párová porovnání prvků (aspektů atributu) sousedících podle pořadí, tj. vytváří výběry pro volbu (choice sets) jako kombinace první volby s druhou, druhé volby s třetí, atd., až předposlední volby s poslední. Kombinace první volby s poslední se neuvažuje, protože její přínos informace je zanedbatelný. Pokud je známo pořadí volby všech prvků, je tento tzv. cyklický plán ortogonální a vyvážený a proto lepší než úplné rozvinutí všech prvků podle pořadí (rank-explosion rule, Chapman and Staelin, 1982), kdy se výběry vytvářejí jako kombinace první volby se všemi ostatními, druhé volby se všemi ostatními bez první volby, atd.
Pokud není známo pořadí volby všech prvků atributu, cyklický plán není vyvážený ani ortogonální, protože poslední zvolený prvek je ve výběrech pro volbu zastoupen četněji než všechny ostatní prvky. Tímto nedostatkem netrpí plány generované pro SCE.
Pokud předpokládáme, že respondent v obou modulech volil aspekty se stejným zaujetím, měly by oba moduly obsahovat stejné množství informace. To je možné nastavit počtem a velikostí výběrů generovaných pro SCE. U cyklického plánu to není možné, protože počet výběrů pro volbu je pevně daný.

Post-experimentální výběry s volbami slouží jako omezující podmínky v odhadu částečných utilit (part-worths). Aspekty s přirozeným pořadím není nutno testovat, protože omezující podmínky lze při vyhodnocení experimentu aplikovat přímo ve výpočtu.

Modul MOTIVÁTORY

Základem modulu MOTIVÁTORY je postup Best-Worst Scaling Case 2. Účelem je zjistit efekty přítomnosti (resp. nepřítomnosti) určitých aspektů produktu a jejich kvantitativní resp. kvalitativní nastavení. Respondentovi je nabídnuto několik aspektů, z nichž každý je vybrán z jiného atributu. Respondent označí ten, který ho nejvíce motivuje k pořízení a ten, který ho od pořízení nejvíce odrazuje. Takových nabídek, generovaných podle přesně definovaných pravidel, je tolik, aby celková získaná informace z tohoto a předchozího modulu dovolila odhad efektů všech testovaných aspektů.

Rozšíření CSDCA

Zkušenost ukazuje, že aspekty nominálního atributu v modulu PŘEDNOSTI je vhodné doplnit o hladinu "tento aspekt bych nepřijal/a", která dovolí určit práh přijatelnosti aspektů tvořících atribut. Ten je pak možno využít jako referenční hladinu při formulování produktů nebo balíčků v konjunktivním modelu rozhodování (typicky satisficing) pro specifický segment zákazníků. Práh je účelné určit i u aspektů s přirozeným pořadím (typicky cena) na hladině přijatelnosti "spíše bych nekoupil/a" z pětistupňové škály.

V původní práci (Orm 2013) je CSDCA doplněna o třetí modul VOLBY (Choices), kterým je conjoint typu Best-Worst Scaling Case 3 (CBC s volbou nejlepší a nejhorší nabídky). Toto rozšíření je užitečné pro stabilizaci důležitosti atributů v případě, že je vyžadován simulátor preferenčních podílů. Je známo, že CSDCA vede k menším rozdílům mezi důležitostmi atributů než CBC. Na druhou stranu, je též známo, že CBC za určitých (nikoliv řídkých) okolností rozdíly mezi důležitostmi atributů zveličuje, většinou když se respondent soustředí jen na několik nebo jen jeden atribut ve zkratkovitých odpovědích.

Užitečným rozšířením CSDCA může být modul KALIBRACE řešený jako postupná volba (SCE) z množiny realistických produktů nebo služeb sestavených z testovaných aspektů, kde každá volba je doplněna otázkou na přijatelnost produktu. Lze tak korigovat rozdíly v důležitosti atributů.

Vlastnosti CSDCA

Výhody

Nevýhody

Poznámka k metodě CSDCA

CSDCA je spíš metodou škálování než metodou typu conjoint.

V metodě typu conjoint respondent hodnotí nebo vybírá produkt v kontextu s jinými produkty a analytické postupy rozkládají takto získané preference na preference (částečné utility) jednotlivých aspektů.
V CSDCA v modulu PŘEDNOSTI respondent setřiďuje porovnatelné aspekty produktu a v modulu MOTIVÁTORY vybírá nejvíce a nejméně přitažlivé aspekty jednotlivých produktů v kontextu s jinými aspekty daného produktu. Analytické postupy rozkládají takto získané preference na preference (částečné utility) jednotlivých aspektů.

Příklady z praxe

Níže uvedené příklady uvádějí průměrné výsledky za kompletní dotazovaný vzorek, tj. bez segmentů, které měly zřetelně odlišné preference.

1. Volitelné atributy produktu (opce)

Vliv aspektů

Nejjednodušší realizací CSDCA je samostatný modul MOTIVÁTORY. To je případ aspektů telekomunikačního produktu, kterými byly volitelné opce s udanou cenou a tedy přirozeným pořadím atraktivity. Projekt byl realizován v r. 2014 společností g82 s.r.o.

Aspekty byly seskupeny do 7 atributů. Každý atribut byl tvořen identickými opcemi s různými cenami kromě atributu L, který měl dvě (jinak naceněné) alternativy odlišené barevně. Na obrázku vpravo ceny vzrůstají zdola nahoru.

Výsledky jsou prezentovány jako poměrné vlivy jednotlivých aspektů, které v součtu dávají 100%. V případě, že jsou známy prahové hodnoty přijetí atributu z modulu PŘEDNOSTI, lze prezentovat průměrné akceptance aspektů. V tomto případě volitelných opcí nebyly prahové hodnoty stanoveny.

Atributy C a O měly pouze dvě cenové hladiny, takže hledání jejich cenových prahů by nemělo smysl. U opcí reprezentovaných atributy C a K byl předpoklad, že jejich akceptovatelnost bude obecně nízká, a proto byly doplněny o hladiny CN a KN "opce není nabízena". Tento předpoklad byl vcelku potvrzen u atributu K, ovšem u atributu C byl zjevně nadbytečný. Zájem na cenové hladině C1 byl téměř 4x vyšší než přijetí situace, kdy tato opce není vůbec nabízena.

2. Pevné atributy produktu

Vliv aspektů

Očekávanou nejčastější realizací CSDCA je kombinace dvou modulů typu DCM – PŘEDNOSTÍ a MOTIVÁTORŮ. Uvedený příklad je z projektu realizovaného v r. 2014 společností g82 s.r.o.

Testovaným produktem byl telekomunikační tarif. Testované aspekty tarifů byly seskupeny do 4 atributů. Jednotlivé aspekty byly tvořeny kombinací několika vlastností, výhod a služeb včetně cen. Ceny kompenzovaly výhody a služby zahrnuté v daném aspektu. Atraktivita aspektů proto neměla přirozené pořadí.

V modulu PŘEDNOSTI byl každý atribut doplněn hladinou "žádný bych rozhodně nepřijal/a" pro získání prahu přijatelnosti. Ten je na obrázku vpravo znázorněn černou barvou a indexem hladiny N.

V modulu MOTIVÁTORY byly dotazovány vždy všechny 4 atributy bez hladin "žádný".

Největší důležitost měl evidentně atribut T, kterým byly základní vlastnosti tarifů (každý aspekt obsahoval měsíční paušál, volání, SMS a FUP pro data). U tohoto atributu zcela zřetelně dominovaly první 4 aspekty, které měly přijatelnost nad prahovou hodnotou. O aspekty ostatních atributů integrovaných v tarifech už takový zájem nebyl, snad s výjimkou aspektu D4, který měl v průměru přijatelnost na úrovni prahu, tj. byl přijatelný pro asi 50% testovaného vzorku populace.

Za povšimnutí stojí porovnání prahových hodnot, které jsou si u všech 4 atributů velmi podobné. Tento výsledek může signalizovat konzistentnost respondentů při subjektivním určování míry přijetí resp. zamítnutí aspektu u všech 4 atributů v postupu postupné volby.

Souhrn

Nejdůležitějšími přínosy postupu CSDCA jsou společná škála pro všechny testované aspekty a prahy přijatelnosti v jednotlivých atributech, do kterých byly aspekty seskupeny. Postup téměř vylučuje zkratkovité odpovědi respondentů a má podstatně vyšší diskriminační schopnost než klasické škálové baterie.

Určení prahu přijatelnosti aspektů otevírá možnost pro simulaci rozhodování zákazníka na nekompenzačních principech (konjunktivní, EBA - Elimination By Aspect, lexikografické, satisficing), optimalizaci balíčků produktů a opcí, a pod. Produktovým manažerům umožňuje vytvářet strategie založené na redukovaném počtu atributů produktu.

Výsledkem postupu jsou částečné utility (part-worths) stejně jako z jiných postupů založených na DCM. Dovolují proto analogický typ následných analýz a prezentace výsledků včetně segmentací, simulací a pod.

Postup má specifické uplatnění v případech, kdy se zákazník ve značné míře rozhoduje také podle toho, čemu se chce vyhnout (např. u lékařských zákroků, bydlení, rekreačních pobytů a pod.).

Vlastnosti postupu CSDCA a jeho výsledků více než naplnily očekávání. V současné době jde o bezkonkurenční postup pro určení preferencí dílčích aspektů produktu nebo služby. Počet aspektů ani atributů, do kterých jsou aspekty seskupeny, není (teoreticky) nijak omezen.

Další příklady výsledků CSDCA jsou na webu DCM na stránce CSDCA Examples. Ukázka spustitelného dotazníku CSDCA s moduly PŘEDNOSTI (Priors), MOTIVÁTORY (Motivators) a VOLBY (Choices) je dostupná na stránce DCM Demo Web Questionnaires.

Analýza diskrétních preferencí na společné škále

Problém