Mengukur Preferensi Pembeli

Apa cara terbaik untuk memperkenalkan produk baru, atau mengubah yang sudah ada? Anda hanya bisa bergerak maju dengan berani dengan ide baru dan terus jari-jari Anda melintasi bahwa ia bekerja. Atau

Anda bisa mengurangi risiko dengan melakukan riset pasar - sebelum Anda pergi melalui semua kesulitan menciptakan sesuatu yang pelanggan tidak ingin atau tidak suka.

Mendapatkan 'benar' produk melibatkan banyak variabel.

Fitur yang paling jelas adalah fungsi - cara kerjanya. Namun, hal-hal lain juga memainkan peran dalam keputusan pembelian akhir - seperti kemasan, promosi, bahan, dan bahkan di mana suatu produk diproduksi.

Misalnya, orang membeli mobil untuk pergi dari titik A ke titik B. Jenis mobil yang mereka beli adalah didasarkan pada banyak hal, termasuk konsumsi bahan bakar, styling, kehandalan, dan warna. Sementara salah satu atribut produk mungkin fitur menjual primer, orang membuat keputusan dengan mempertimbangkan semua atribut bersama-sama.

Mendapatkan semua fitur-fitur dalam kombinasi yang tepat cukup sulit jika Anda hanya bergantung pada dugaan. Jadi, bagaimana Anda mengevaluasi barang dan jasa dengan mempertimbangkan atribut mereka semua bersama-sama, atau bersama-sama? 'Analisis conjoint' menyelesaikan hal itu.

Apa itu Analisa conjoint?

Pertama dan terpenting, analisis conjoint adalah perangkat yang mengukur preferensi pembeli. Menggunakan analisis statistik, ia menetapkan dampak pada keputusan pembelian satu kombinasi atribut produk dibandingkan dengan kombinasi lainnya. Dengan melakukan ini, Anda mendapatkan pemahaman tentang preferensi konsumen yang jauh lebih dalam dari sekedar meminta konsumen untuk atribut produk tingkat individu.

Misalnya, survei preferensi yang khas menceritakan sebuah restoran yang pelanggan peringkat prioritas mereka sebagai layanan, kebersihan harga, lokasi, dan kemudian. Jadi restoran membuat perbaikan pelayanan dan harga, namun penjualan tidak meningkat secara signifikan. Mereka bertanya-tanya apa yang salah ... sampai mereka mencoba analisis conjoint, yang memberitahu mereka bahwa kombinasi layanan dan lokasi sebenarnya peringkat lebih tinggi dari kombinasi layanan dan harga.

Analisis conjoint membantu Anda benar-benar memahami trade-off konsumen. Apa yang pelanggan bersedia untuk perdagangan jika mereka tidak bisa mendapatkan set dari atribut yang sempurna? Untuk mendapatkan garansi yang mereka inginkan, mereka akan membayar harga pembelian yang lebih tinggi? Untuk mendapatkan diskon 10% yang mereka inginkan, mereka akan membeli paket dari delapan, bukan paket enam? Untuk mendapatkan kinerja yang mereka inginkan, mereka akan puas dengan pilihan warna yang lebih sedikit?

Melakukan Analisis conjoint

Analisis conjoint menentukan utilitas (kegunaan atau keinginan) nilai-nilai yang melekat konsumen ke tingkat yang berbeda dari atribut produk. Dengan menunjukkan calon konsumen produk yang menawarkan kombinasi yang berbeda, dan meminta mereka untuk menentukan peringkat berbagai penawaran, Anda dapat mengidentifikasi kombinasi yang paling menarik dari atribut. Dari sana, Anda dapat membuat keputusan bisnis dengan menggunakan parameter seperti diperkirakan pangsa pasar dan potensi keuntungan.

Pengembangan Produk: conjoint Analisa & Pilihan Model Pegang Kunci

Desain intuitif mempertanyakan mengapa begitu banyak perusahaan menghasilkan produk dan jasa yang di bawah melakukan relatif terhadap harapan pelanggan. Di sana saya menyimpulkan bahwa perusahaan yang ditekan untuk meminimalkan waktu pengembangan dalam rangka untuk mendapatkan masuk pasar awal (atau menyusul dengan cepat) dan ekuitas pemegang saham kembali. Sementara mereka adalah titik-titik yang valid, penyelidikan saya saat ini dalam analisis conjoint dan model pilihan poin lain elemen penting: kompleksitas pilihan konsumen membuat faktor penentu keberhasilan sangat sulit untuk memprediksi.

Untuk meletakkan ini dalam perspektif, mempertimbangkan data yang ditawarkan oleh Edison Inovasi :

Hampir 98% dari semua paten gagal untuk impas dan hanya 56% dari pengenalan produk baru mencapai tujuan keuangan mereka.
Hampir 90% dari produk konsumen gagal.
Mereka gagal bukan karena mereka tidak berfungsi, tetapi sering karena mereka tidak mengatasi kebutuhan konsumen cukup besar pada harga orang akan bersemangat untuk membayar.
Mereka adalah produk yang salah untuk mengembangkan - atau produk yang tepat, disampaikan kepada pelanggan yang salah atau diposisikan untuk menargetkan kebutuhan yang salah.

Mengapa begitu banyak kegagalan Ini semua tentang konteks Cukup meminta orang untuk menilai preferensi mereka dari suatu daftar yang statik tidak termasuk kenyataan bahwa ada trade-off..? Hasil dari metode survei tidak diprediksi cukup untuk memastikan keberhasilan. Pikirkan tentang cara ini: jika aku pergi ke Home Depot untuk membeli selang (sesuatu yang cukup sederhana, kanan) aku akan mengevaluasi warna, panjang, konstruksi dan harga. Hal ini akan lengket ketika ada beberapa pilihan untuk setiap faktor. Saya bisa mendapatkan 25 ', 50', 75 ', 100', 150 'atau 200' panjang selang di hijau atau hitam, yang dibangun dengan konstruksi 1-ply, 2-lapis atau 3-ply sebesar $ 7 sampai $ 45.

Jika saya tidak melihat persis apa yang saya sedang mencari aku akan harus membuat beberapa kompromi. Karena tindakan mengorbankan kemungkinan untuk mengurangi loyalitas merek saya, tujuan dari setiap produsen harus tahu persis apa yang saya cari sebelum mereka membangun produk. Ok, yah mungkin bukan aku pada khususnya, tetapi mereka harus mengukur sampel cukup luas untuk memahami bagaimana faktor-faktor ini akan mempengaruhi keputusan membeli.

"Saya diberitahu akan ada matematika tidak ada"

Dalam Malam Sabtu Hidup drama komedi klasik Chevy Chase memainkan calon presiden Gerald Ford. Selama debat tiruan ia terhalang oleh sebuah pertanyaan mengenai defisit federal. Berkeringat dan tidak nyaman berkedut, dia merespon dengan garis pukulan kini terkenal "Aku diberitahu akan ada matematika tidak."

Jika Anda pernah merasa seperti ini, jangan khawatir. Saya akan memperkenalkan beberapa istilah yang rumit, namun kami akan tetap pada jalur dengan penjelasan bisnis, dan tidak perlu mengalami kembali rasa sakit yang mungkin Anda alami selama statistik, aljabar atau kelas kalkulus. Kita hanya perlu memahami bahwa ada suatu tingkat yang relatif baru pra-pengembangan metrik yang tersedia untuk Manajer Produk. Untuk benar-benar mendapatkan di mana mereka berasal, kita perlu memahami dua konsep kunci, yang berkembang ke tingkat yang baru:

Conjoint analisis (alias: multi-atribut model komposisi dan / atau analisis preferensi dinyatakan): ini metode statistik dikembangkan melalui kolaborasi psikolog kognitif dan perilaku ekonom. Hal ini memungkinkan peserta penelitian untuk membuat serangkaian pilihan, analisis yang menunjukkan trade-off dan pentingnya mendasari atribut individu ". conjoint analisis didasarkan pada premis bahwa kepentingan relatif dari atribut produk yang lebih akurat diukur ketika dievaluasi bersama-sama bukan oleh mereka sendiri secara individual. Analisis conjoint, sering disebut trade-off analysis, menggunakan dikelola, subset acak dari semua kemungkinan kombinasi dari atribut yang diuji untuk menentukan kepentingan relatif dari setiap atribut individual . "

Model pilihan adalah alat prediksi yang mengevaluasi sejumlah besar skenario yang mungkin dalam konteks untuk mengungkap proses keputusan rasional yang mendasari dikenal sebagai 'preferensi dinyatakan. "

Datanglah web:

Metode ini telah sekitar untuk sementara waktu. Hal yang benar-benar turbo-biaya aplikasi mereka adalah pengembangan kaya dan propagasi dari internet. Sekitar satu dekade lalu peneliti menentukan bahwa ada perbedaan yang sangat sedikit dalam pola pilihan pelanggan antara aktual dan / atau produk yang dirasakan. Dengan kata lain, kita tidak benar-benar memilih produk yang sebenarnya untuk produk 'virtual' saat berbelanja fitur. Oleh karena itu keberhasilan luar biasa dari e-commerce.

Dari perspektif produsen, jauh lebih diinginkan untuk membangun 'virtual' prototipe dari model hidup yang sebenarnya. Perbedaan pasar biaya, waktu dan potensi saham jelas. Selain itu, 'virtual' lingkungan pengembangan memungkinkan analisis untuk skala baik melampaui keterbatasan fisik. Kita berbicara tentang urutan besarnya di sini. Tiba-tiba, dengan algoritma maju berdasarkan aplikasi SaaS, produsen dapat mengakses tingkat analisis sebelumnya dianggap mustahil.

Sebuah kertas dengan Ely Dahan (Sloan) dan V. Srinivasan (Stanford) (1998) menyimpulkan pembangunan juga:

"Web dapat membantu untuk mengurangi ketidakpastian dan biaya perkenalan produk baru dengan memungkinkan lebih banyak ide untuk konsep diuji secara paralel. Ini tentang kebutuhan untuk mempertimbangkan konsep banyak produk karena hanya sebagian kecil dari ide-ide produk baru akhirnya terbukti menguntungkan. Menjaga beberapa pilihan produk konsep terbuka dan pembekuan konsep akhir dalam proses pembangunan affords fleksibilitas untuk merespon perubahan pasar dan teknologi dan benar-benar dapat mempersingkat waktu pengembangan produk total. Singkatnya, ada kebutuhan mendesak untuk biaya-rendah, pengujian paralel produk baru konsep. "

Apa ini berarti untuk perusahaan Anda:

Secara tradisional, "riset pasar" perusahaan telah berfokus pada pembangunan data dan menjual portofolio. Mereka membangun set sampel, jajak pendapat para peserta dan melaporkan hasil. Banyak ingin kita untuk mempertimbangkan mereka sebagai mitra 'full service' yang mampu mengukur loyalitas pelanggan kepuasan, retensi, menang kembali dan merek sambil membantu dengan posisi merek kami, segmentasi pasar, dll

Penelitian singkat saya membuat saya percaya bahwa industri pada umumnya masih menggunakan profil 'kuesioner' standar sistem (mail, telepon & online) yang kekurangan algoritma canggih, dan bahwa layanan mereka karena itu jauh lebih linier (dan terbatas) di alam daripada kita mungkin menduga.

Salah satu perusahaan ( Affinnova dari Waltham, MA) adalah berorientasi analisis real-time digunakan untuk memperbaiki data set dan mengusulkan solusi. Saya ingin memahami mengapa Affinnova adalah memposisikan diri sebagai perusahaan teknologi, sementara sebagian besar pesaing mereka RUU diri mereka sebagai organisasi riset pasar. profil bisnis Yahoo menjelaskan proposisi nilai ringkas:

"Perusahaan ini menyediakan perangkat lunak yang membantu perusahaan mengembangkan produk konsumen dan paket produk yang akan paling menarik bagi konsumen. Perangkat lunak ini memungkinkan perusahaan Affinnova untuk menguji dan menyesuaikan konsep produk dan desain sebelum mereka benar-benar mendapatkan ke rak. Perangkat lunak ini menciptakan prototipe grafis realistis produk, konsep kemasan, atau iklan, maka mengumpulkan tanggapan konsumen dan analisis mereka dalam rangka untuk menentukan variasi konsumen lebih suka. "

Mengacu kembali ke statistik produk gagal yang tercantum di atas, betapa berharganya Anda pikir ini semacam pra-produksi informasi bisa dengan bisnis Anda?

Untuk putaran hal keluar sedikit saya ingin menyelidiki beberapa pesaing Affinnova itu. Yahoo profil mereka daftar Greenfield Online, Harris Interactive dan MarketTool sebagai saingan. Menindaklanjuti masing-masing dari mereka, saya memutuskan untuk juga menambahkan Penelitian Lightspeed Online dan Survey Sampling International untuk mencampur.
Perusahaan untuk dipertimbangkan ketika Anda prototyping:

Berikut sinopsis masing-masing (sebagian dipinjam dari profil Yahoo Finance):

Greenfield Online, Inc :
Sebuah komunitas survei yang panen data pemasaran. Perusahaan ini menyediakan jasa penelitian survei, pengumpulan data demografis melalui Web dari panel lebih dari 1 juta orang. Ia melakukan survei untuk melacak kesadaran merek dan uji kampanye iklan untuk klien, serta untuk mengukur minat konsumen pada produk dan layanan baru. Anak perusahaannya Ciao menyediakan layanan perbandingan belanja untuk produk konsumen, terutama untuk pasar Eropa. Perusahaan ini diakuisisi oleh Microsoft untuk $ 486.000.000 pada bulan Oktober 2008.
Harris Interactive Inc :
Perusahaan ini merupakan penelitian pasar terkemuka dan perusahaan jajak pendapat terkenal karena Harris Poll, yang mengambil pulsa opini publik tentang berbagai topik setiap minggu. Harris melakukan penelitian pasar dan pemungutan suara terutama melalui sebuah panel Internet terdiri dari jutaan orang dari seluruh dunia. # 13 pasar terbesar perusahaan riset di dunia. Pendapatan tahunan m = $ 237,8 (2008)
Lightspeed Research Inc online :
Lightspeed mengumpulkan data melalui panel online dan juga menyediakan penelitian kustom untuk klien. Sepanjang jaringan panel, perusahaan dapat mengakses hampir tujuh juta anggota rumah tangga di lebih dari 30 negara di kawasan Asia / Pasifik, Eropa, dan Amerika Utara. Didirikan pada tahun 2000, Lightspeed melakukan berbagai studi termasuk kepuasan pelanggan dan tes retensi, sikap dan kesadaran, evaluasi situs Web, produk baru dan tes konsep, kesadaran merek, dan di rumah tes produk.

Penelitian mereka tersegmentasi menjadi panel global utama, serta keberpihakan vertikal (Financial Services Group, Survei Karyawan, Custom / Khusus Panel dan Survei Mobile). Pendapatan tahunan = $ 55m (2007)

Survey Sampling International LLC :
Jasa sampel perusahaan membantu klien meminimalkan risiko penelitian, mengurangi biaya, dan meningkatkan kualitas penelitian dengan mengidentifikasi subyek terbaik untuk sebuah survei. SSI dapat layar responden potensial dengan usia, jenis kelamin, latar belakang etnis, pendapatan, dan kriteria demografis lainnya serta kepentingan dan gaya hidup. Ini juga menyediakan sampel yang ditetapkan untuk survei bisnis. SSI memiliki lebih dari 1.800 nasabah di seluruh dunia (termasuk hampir tiga perempat dari perusahaan penelitian atas) yang menggunakan layanan untuk Internet, telepon, dan polling mail dan survei.

SSI menyediakan akses ke lebih dari 6 juta responden penelitian di 54 negara dan tampaknya untuk fokus pada akses yang agak eksklusif, tidak selalu berorientasi di sekitar hasil atau interpretasi data yang diperoleh.

MarketTools, Inc :
MarketTools memberikan usaha puncak di kepala pelanggan mereka. Perusahaan ini menyediakan jasa penelitian pasar online dan teknologi, membantu klien dengan penelitian iklan, pengujian konsep, dan pengembangan produk. Diantara penawaran perusahaan yang Zoomerang, survei swalayan online, TrueSample, sebuah panel target audiens dikelola; dan zTelligence, platform teknologi untuk menangkap dan pelaporan data survei.

Jika Anda bertanggung jawab untuk pengembangan produk, Anda ingin memahami bagaimana jenis perusahaan beroperasi. Secara umum, ada beberapa faktor umum dasar. Setiap akan menggunakan:

Panel & Masyarakat (dengan penekanan pada integritas data).

Konsep pengujian.

Analisis.

Modifikasi.

Sebuah catatan akhir tentang peluang di sini:

Aku bertanya-tanya, bisa alat prediktabilitas canggih digunakan untuk mengevaluasi secara proaktif kategori produk yang ada, mengukur kekuatan dan kelemahan yang melekat, dan solusi model baru bahwa perusahaan tidak bahkan mungkin mempertimbangkan belum?

Bisakah perusahaan seperti Affinnova, misalnya, berbagai penelitian produk / jasa kategori untuk menentukan bauran konsumen yang ideal, kemudian menemukan cara untuk menguangkan informasi bahwa alih-alih menunggu untuk melakukan proyek kerja berbasis prinsip-prinsip tertentu?

Home |Bab Sebelumnya| Menu| Bab Selanjutnya