Piata Creditelor din Romania
CUPRINS
CAPITOLUL I – Analiza Conjoint – elemente introductive
1.1. Introducere
1.2. Principiile care stau la baza analizei conjoint
Abordarea bazata pe toate profilele posibile
1.4. Colectarea si analiza datelor
1.5. Generarea unei proiectii ortogonale
1.6. Metodologie
1.7. Modulul IBM SPSS Conjoint
1.8. Modulul Qualtrics Conjoint
CAPITOLUL II – Analiza Conjoint – aplicabilitate
2.1 Analiza conjoint utilizată ca instrument în identificarea îmbunătățirilor ce pot fi aduse pentru ambalarea căpșunilor iradiate
2.2 Analiza conjoint utilizată ca instrument pentru măsurarea preferințelor angajaților și managerilor de resurse umane în vederea implementării efective a serviciului m-learning în companiile din Coreea de Sud
2.3 Strategii de dezvoltare a cardurilor de credit oferite populației tinere pe piața din Statele Unite ale Americii
CAPITOLUL III– Studiu de caz pe piața creditelor din România
3.1. Elaborarea chestionarului
3.2. Interpretarea rezultatelor pe categorii de respondenți
3.3. Importanța relativă a utilității totale
3.5. Importanța relativă pentru fiecare categorie de respondenți
BIBLIOGRAFIE
ANEXE
Capitolul I – Analiza Conjoint – elemente introductive
1.1 Introducere
Analiza conjoint este un instrument al cercetării de piață, ce ajută la dezvoltarea eficientă a designului de produs. Utilizând analiza conjoint, cercetătorii implicați în aceste studii vor găsi răspunsuri la întrebări cum ar fi:
Ce atribute ale produsului sunt importante sau neimportante pentru consumatori?
Ce atribute ale produsului sunt cele mai dorite sau cele mai puțin dorite de consumatori?
Care este cota de piață a preferințelor consumatorilor pentru produsele concurenței versus produsele noastre existente sau propuse?
Analiza conjoint este o tehnică statistică folosită în cercetarea de piață pentru a determina modul în care oamenii apreciază diferite atribute (caracteristici, funcții, beneficii) care alcătuiesc un produs sau un serviciu.
Obiectivul analizei conjoint constă în determinarea combinațiilor unui număr limitat de atribute, considerate cele mai influente în luare deciziilor pentru respondenți. Un set controlat de produse sau servicii potențiale este prezentat respondenților pentru a analiza modul în care aceștia își aleg produsele preferate, determinând astfel evaluarea implicită a elementelor individuale care compun produsul sau serviciul. Aceste evaluări implicite pot fi utilizate pentru a crea modele de piață, pentru a estima cota de piață, veniturile și chiar profitabilitatea unor noi modele.
Virtutea analizei conjoint este faptul că solicită respondentului să aleagă în același mod în care consumatorul presupune ca ar face-o, tranzacționând caracteristicile, una împotriva alteia.
De exemplu, să presupunem că doriți să rezervați un bilet de avion al unei companii aeriene. Aveți posibilitatea de a alege între un loc înghesuit sau un loc spațios. Dacă acesta ar fi singurul considerent, alegerea dumneavoastră ar fi foarte clară. Probabil ați prefera un loc spațios. Sau să presupunem că aveți posibilitatea de a alege prețul biletelor: 225 euro sau 800 euro. Uitându-ne numai la preț, neluând nimic altceva în considerare, prețul mai mic ar fi de preferat. În cele din urmă, să presupunem că puteți lua fie un zbor direct, care durează două ore, fie un zbor cu o escală, care durează cinci ore. Cei mai mulți oameni ar alege zborul direct.
Dezavantajul în cazul abordării de mai sus este faptul că variantele de alegere sunt prezentate pe baza unei singure caracteristici unice, prezentate una câte una. Analiza conjoint prezintă alternative de alegere între produsele definite de mai multe seturi de atribute. Acest lucru este ilustrat de următoarea alegere: ați prefera un zbor, care oferă un loc înghesuit, costă 225 euro și are o escală sau un zbor care oferă un loc spațios, costă 800 euro și este direct? Dacă confortul, prețul și durata sunt atribute relevante, există un potențial de opt produse:
Tabel 1.1
Având în vedere variantele de mai sus, produsul patru este, probabil, mai puțin preferat, în timp ce produsul cinci este, probabil, cel preferat. Preferințele respondenților pentru alte oferte de produse sunt implicit determinate de ceea ce este important pentru respondeți.
Folosind analiza conjoint, se poate determina atât importanța relativă a fiecărui caracteristici, cât și care dintre nivelele fiecărei caracteristici sunt cele mai preferate. Dacă produsul cel mai preferat nu este fezabil dintr-un motiv oarecare, cum ar fi costul, ar trebui să se cunoască următoarea alternativă cea mai preferată. Dacă există alte informații despre respondenți, cum ar fi datele demografice, se vor putea identifica segmente de piață pentru care anumite produse distincte pot fi ambalate și vândute împreună. De exemplu, călătorii oameni de afaceri și călătorii studenți ar putea avea preferințe diferite, care ar putea fi îndeplinite de oferte de produse distincte.
Avantajele analizei conjoint:
estimează compromisurile psihologice pe care consumatorii le fac atunci când evaluează mai multe caracteristici împreună;
măsoara preferințele la nivel individual;
descoperă nevoi reale sau ascunse, pe care respondenții nu le pot conștientiza;
consumatorul are posibilitatea de a face o alegere realistă;
dacă este concepută în mod adecvat, capacitatea de a modela interacțiunile dintre caracteristici poate fi folosită pentru a dezvolta nevoile segmentare de bază.
Dezavantaje:
proiectare studiilor conjoint poate fi foarte complexă;
având prea multe opțiuni, respondenții apelează la strategii de simplificare;
studiile concepute greșit pot supraevalua variabilele emoționale sau preferențiale și pot subevalua variabilele concrete;
respondenții nu iau în considerare numărul de produse pe care le vor cumpăra, astfel se poate da o interpretare greșită a cotei de piață.
Principiile care stau la baza analizei conjoint
Analiza Conjoint este unul dintre termenii folosiți pentru a descrie o gamă largă de tehnici de estimare a valorii atribuite de consumatori, atributelor sau caracteristicilor care definesc produse și servicii. Câteva dintre denumirile utilizate pentru diferite forme de analiză conjoint: Discrete Choice, Choice Modeling, Hierarchical Choice, Card Sorts, Trade-off Matrices, Max-Diff, Preference Based Conjoint și Pairwise Comparisons.
Scopul oricărui studiu conjoint este de a atribui valori specifice clasamentelor pe care cumpărătorii consideră că trebuie să le facă atunci când intenționează sa ia o decizie. Înarmați cu această cunoaștere, oamenii de marketing pot descoperi care sunt cele mai importante caracteristici ale produselor sau serviciilor din punctul de vedere al consumatorilor, putând astfel să se adreseze unui grup țintă de cumpărători.
Pentru început, analiza conjoint evaluează atributele și caracteristicile unui produs sau serviciu într-un mod în care nici o altă metodă nu o poate realiza. Abordarea printr-un studiu tradițional cere respondenților să estimeze cât de mult valoarează fiecare atribut al produsului. Aceasta este o sarcină foarte dificil de finalizat pentru orice persoană, cu atât mai puțin cu cât timpul petrecut de orice consumator cu scopul de a clasa cele mai importante caracteristici ale produselor este, de obicei, foarte scurt. Analiza conjoint, pe de altă parte, încearcă să împartă această sarcină într-o serie de opțiuni sau evaluări. Aceste alegeri sau evaluări, luate împreună, ne permit să calculam importanța relativă a fiecăruia dintre atributele studiate. În loc de „importanța declarată”, analiza conjoint folosește valorile „importanței derivate” pentru fiecare atribut sau caracteristică. Un alt avantaj important al analizei conjoint este abilitatea de a utiliza rezultatele pentru a dezvolta noi modele de simulare ale pieței, care pot fi utilizate și în viitor. Piețele continuă să se schimbe pe măsură ce noi concurenți apar, sunt introduse noi produse, izbucnește războiul prețurilor, iar marketingul dezvoltă noi programe de publicitate. Cu abordările tradiționale de cercetare, de fiecare dată când o schimbare majoră are loc în piață, un nou sondaj trebuie să fie efectuat pentru a afla modul în care oamenii gândesc cu privire la modificările și modul în care aceastea vor afecta intenția consumatorilor de achiziție. Cu analiza conjoint, noul produs sau modificările aduse produselor existente pot fi încorporate în modelul de simulare pentru a obține predicții privind modul în care cumpărătorii vor răspunde schimbărilor. În cele mai multe piețe, aceste modele pot menține acuratețea lor timp de doi sau trei ani, înainte de a fi nevoie să se efectueze o mini-versiune a studiului inițial pentru a determina dacă ar trebui făcute anumite ajustări modelului sau nu. În funcție de tipul de studiu conjoint realizat, metode statistice, cum ar fi regresia normală a celor mai mici pătrate, regresia ponderată a celor mai mici pătrate și analiza logică sunt folosite pentru a traduce răspunsurile respondenților în valori de importanță sau utilități. Indiferent de metodologiile statistice utilizate, rezultatele analizei conjoint au rezistat controalelor intense ale ambelor părți, fie cadre didactice universitare, fie cercetători profesioniști în ultimii 30 de ani. Valorile reale obținute prin aceste metode statistice nu sunt importante, în acest caz sunt necesare doar valorile relative sau relațiile între fiecare dintre atribute. Scopul acestor calcule este de a evalua răspunsurile consumatorilor într-o manieră care arată valoarea de bază a fiecărui atribut într-un mod conștient sau subconștient. Orice persoană rațională va prefera un preț de 100 lei unui preț de 200 lei, în cazul în care toate celelalte lucruri sunt egale (calitate, caracteristici, etc.). Ce nu știm despre fiecare persoană însă, este nivelul lor de sensibilitate la diferența de preț de 100 lei. Unii nu ar putea niciodată să platească 200 lei pentru acel produs, în timp ce alți consumatori sunt aproape indiferenți față de diferența de preț. O persoană care alege întotdeauna produsul X, produsului Y, indiferent de preț, în mod evident, pune mai multă valoare pe numele mărcii decât pe nivelul prețurilor. Analiza Conjoint ne permite să calculăm valoarea relativă între aceste opțiuni și toate celelalte opțiuni luate în considerare în procesul de cercetare. Există mai multe etape de bază care trebuie realizate de către un comerciant, interesat în aplicarea analizei conjoint:
să determine care atribute sau caracteristici ale unui produs sau serviciu sunt cele mai importante pentru piață.
să determine ce metodologie de colectare a datelor va fi folosită pentru a aborda respondenții și modul în care datele vor fi captate (e-mail, telefon de abordare, pagini de Internet).
să determine ce metoda conjoint se va potrivi cel mai bine cu problema de cercetare.
să creeze un design experimental care va permite calcularea efectelor principale și interacțiunile cheie dintre atributele ce vor fi studiate. Multe studii conjoint se concentreză doar pe efectele principale sau utilitățile directe pentru fiecare atribut. Cu toate acestea, atunci când se utilizează atributele cum ar fi prețul sau numele brandului, ar trebui luate în considerate potențiale interacțiuni între atribute.
să colectaze datele. După pre-testare listelor de atribute și instrumentarea sondajului, începe colectarea de date de pe piața țintă.
să calculeze utilitățile pentru fiecare respondent sau pentru grupurile de respondenți.
să creeze un model de simulare pe piață. Acest lucru permite să se estimeze impactul modificărilor produselor existente și introducerea de noi produse pe piață.
Experiența, intuiția de management și cercetarea calitativă sunt necesare pentru a dezvolta lista de atribute cheie pentru orice produs sau serviciu. Este important să existe o listă de atribute atene ce metodologie de colectare a datelor va fi folosită pentru a aborda respondenții și modul în care datele vor fi captate (e-mail, telefon de abordare, pagini de Internet).
să determine ce metoda conjoint se va potrivi cel mai bine cu problema de cercetare.
să creeze un design experimental care va permite calcularea efectelor principale și interacțiunile cheie dintre atributele ce vor fi studiate. Multe studii conjoint se concentreză doar pe efectele principale sau utilitățile directe pentru fiecare atribut. Cu toate acestea, atunci când se utilizează atributele cum ar fi prețul sau numele brandului, ar trebui luate în considerate potențiale interacțiuni între atribute.
să colectaze datele. După pre-testare listelor de atribute și instrumentarea sondajului, începe colectarea de date de pe piața țintă.
să calculeze utilitățile pentru fiecare respondent sau pentru grupurile de respondenți.
să creeze un model de simulare pe piață. Acest lucru permite să se estimeze impactul modificărilor produselor existente și introducerea de noi produse pe piață.
Experiența, intuiția de management și cercetarea calitativă sunt necesare pentru a dezvolta lista de atribute cheie pentru orice produs sau serviciu. Este important să existe o listă de atribute atent gândite. Prea multe atribute pot crește foarte mult sarcina respondenților sau pot reduce acuratețea predictivă a modelului conjoint. Prea puține atribute pot reduce drastic capacitățile predictive ale unui model din cauza lipsei informațiilor cheie din model. În plus față de dezvoltarea atributelor, trebuie, de asemenea, să se ia în considerare nivelele individuale ale fiecărui atribut. Pentru un atribut ca prețul, nivelele atributelor ar fi anumite puncte de preț, cum ar fi 100 lei, 200 lei și 300 lei. Pentru atributele discontinue, cum ar fi culoare, nivelele de atribute pot fi albastru, roșu, verde și negru. Încă o dată, cercetătorul trebuie să găsească un echilibru între prea multe și prea puține atribute. Nivelele atribuite trebuie să cuprindă toate produsele care există în piață sau se așteaptă să existe în viitorul apropiat. Pentru variabile continue, cum ar fi prețul, trei sau patru nivele de preț pot acoperi piața de la un preț scăzut până la un produs premium. Pentru atributele discontinue, trei – cinci nivele sunt de obicei specificate astfel încât unele sacrificii ar putea fi făcute pentru a elimina opțiunile puțin dezirabile sau cele mai puțin importante. Factorul critic în specificarea atributelor și nivelelor atributelor este că un produs nu poate fi simulat cu exactitate dacă nu se poate defini destul de bine cu ajutorul nivelelor atributelor alese pentru studiul conjoint. Dacă o opțiune nu este inclusă în studiul conjoint și nu se încadrează în limitele oricăror două nivele ale atributelor care sunt specificate, nu va avea nici o informație cu privire la modul în care respondenții reacționează la acest nivel al atributului. Fără această bucată lipsă de informație, importanța atributului sau nivelul relativ al atributului pentru toate celelalte elemente din sondaj este necunoscut și nu poate fi contabilizat în modelul de simulare. Odată ce sunt determinate utilitățile pentru fiecare nivel al atributului, se va calcula valoarea unui produs prin însumarea utilităților pentru toate atributele care definesc acest produs. Pentru fiecare atribut, se selectează nivelul atributului cel mai apropiat de produs și se notează utilitatea acestuia. Dacă un anumit produs se încadrează între două nivele ale unui atribut (de exemplu, prețul produsului este de 150 lei și nivelul prețurilor este cuprins între 100 lei și 200 lei), se va interpola utilitatea specifică pentru produsul în cauză. Se va repeta acest proces pentru fiecare atribut inclus în studiu. Apoi se vor adăuga utilitățile observate pentru fiecare atribut pentru a calcula o „utilitate totală” pentru acest produs. Acest lucru se va realiza pentru toate produsele dorite a se compara pentru a crea o simulare de piață. Cota de piață sau cotă de preferință pentru un produs este, de obicei, calculată ca fiind proporția de utilitate a produsului din utilitatea totală a pieței. Programele de simulare a pieței pot face rapid și ușor toate aceste calcule, iar rezultatele vor fi prezente sub formă grafică sau tabelară. Programe de simulare, de asemenea, permit efectuarea de modificări la orice produs pentru a vedea efectele asupra preferințelor cumpărătorilor. În cei 30 de ani de istorie ai tehnicilor de analiză conjoint, metodologia s-a dezvoltat din ce în ce mai mult pentru a reflecta cu exactitate procesul cognitiv al cumpărătorilor atunci când evaluează achizițiile. Tehnicile au fost aplicate pentru o gamă largă de produse și servicii, de la telecomunicații și produse industriale, la servicii de asistență medicală și bancare. Modelele conjoint sunt foarte eficiente în reprezentarea preferințelor respondenților pentru diverse produse și servicii și la reprezentarea alegerilor pe care le-ar face respondenții în situațiile în care ar avea de ales între mai multe seturi de produse sau servicii. Cu toate acestea, modelele conjoint își asuma nerealist, că nu există „cunoaștere perfectă și conștientizare” în piață. Acest lucru înseamnă că toate produsele și serviciile sunt considerate a avea același nivel exact de publicitate, marketing și distribuție. Deoarece, în lumea reală acest lucru nu se întamplă niciodată, unele ajustări trebuie făcute pentru a ține cont de variațiile nivelelor de publicitate și de alți factori de marketing care conduc un produs spre a atinge potențialul său maxim. În ciuda acestei limitări, analiza conjoint oferă informații detaliate, care permit proiectarea celor mai bune produse sau servicii pentru piață sau pentru unele segmentele de piață. De asemenea, analiza conjoint se poate utiliza pentru a maximiza întregul portofoliul de produse, pentru a descoperi nișe de piață neexploatate și nevoile nesatisfăcute ale clienților. Ca și în marketing, scopul devine promovarea mesajelor despre produsele noi sau existente, pentru a converti preferințele clienților în achizițiile clienților. Studiile conjoint necesită o procesare mult mai mare de informații de la respondenți decât sondajele tradiționale. Cu excepția studiilor mai simpliste, exercițiul conjoint trebuie expus direct în fața respondentului astfel încât să-l poată examina îndeaproape și completa în ritmul lor propriu. Studiile conjoint sunt, în general, efectuate ca sondaje pe mail, studii pe internet sau respondenții sunt recrutați într-o locație centrală pentru a finaliza studiul pe hârtie sau calculator. Sondajele distribuite pe internet oferă cea mai mare flexibilitate și sunt adesea necesare pentru a conduce către un astfel de rezultat dinamic. La un nivel minim, acest studiu ar trebui să furnizeze o înțelegere aprofundată a pieței și ce valoare au cu adevarat produsele sau serviciile analizate. Aceste informații sunt, de obicei, cuprinse într-o listă care arată fiecare nivel al atributelor și utilitățile corespunzătoare calculate pentru aceste nivele ale atributelor.
Simulările de piață ar trebui să fie efectuate, de asemenea, pentru a prezice modul în care piața va reacționa la diferite scenarii. În unele cazuri, este posibil să returneze un program propriu simulator. Acest lucru ar permite ca și managerii să creeze scenarii de piață, în orice moment, pentru a vedea modul în care piața ar putea reacționa la un nou produs, o reducere de preț sau orice alte modificări.
Segmentarea pieței poate fi realizată folosind utilitățile conjoint. Dacă utilitățile sunt calculate pentru indivizi sau grupuri de indivizi, aceste rezultate pot fi analizate folosind tehnici specifice de segmentare a pieței, cum ar fi analiza cluster. Respondenții care introduc o valoare similară pe diferite nivele de atribute vor fi grupați într-un anumit segment. Segmentarea utilităților conjoint produce adevărate „segmente de beneficii”, lucru uneori dificil de realizat cu ajutorul altor instrumente de sondaj, deoarece respondenții au dificultăți în a preciza ce beneficii au cea mai mare valoare.
Analiza conjoint este foarte utilă în măsurarea valorii unui brand în comparație cu brandurile concurente. Spre deosebire de majoritatea altor tehnici de măsurare a capitalului propriu al unui brand, cu analiza conjoint, se vor obține, de asemenea, informații cu privire la cât de puternic este un brand în comparație cu caracteristicile produsului și prețurile. Având un nume de marcă dominant nu poate fi suficient ca majoritatea pieței să fie foarte sensibilă la preț și să dorească un anumit set de caracteristici suficiente pentru a compensa cu ușurință investiția în capitalul propriu. Cu analiza conjoint, se poate estima în ce măsură piața face aceste compromisuri între branduri, prețuri și caracteristici specifice.
După cum am menționat mai sus, analiza conjoint poate fi folosită pentru a măsura sensibilitatea indivizilor la numele unui brand, prețuri și toate celelalte atribute din modelul de cercetare. Utilitățile pentru fiecare nivel de preț oferă o măsură a sensibilității unei piețe sau a unui segment de piață la variațiile de preț. Când sunt calculate interacțiunile între preț și alte atribute, se poate măsura, de asemenea, modul în care sensibilitatea prețului poate varia în ceea ce privește numele unui brand (o imagine de brand puternică are, de obicei, mult mai puțină sensibilitate față de preț decât un brand necunoscut) și alte atribute. Simulările pot fi rulate la diferite puncte de preț pentru a estima modificările prețurilor pe piața concurentă.
Conjoint este una dintre cele mai bune metode de măsurare a beneficiilor solicitate de către cumpărători. Măsurarea beneficiilor reale sau percepute se află în centrul celor mai multe abordări de segmentare a pieței. Înțelegerea valorii pe care oamenii o acordă produselor sau serviciilor, va permite adaptarea programelor de marketing pentru a comunica aceste beneficii și pentru a reproiecta produsele existente sau crearea unor produse noi, ținând cont de aceste beneficii.
1.3 Abordarea bazată pe toate profilele posibile
Conjoint folosește abordarea bazată pe toate profilele posibile (de asemenea, cunoscută sub numele de concept complet), pentru cazurile în care respondenții clasifică, punctează sau setează un set de profile în funcție de preferințe. Fiecare profil descrie un produs complet sau un serviciu și constă într-o combinație diferită a nivelelor tuturor factorilor (atributelor) de interes.
O problemă potențială în abordarea completă a profilului devine curând evidentă, dacă sunt implicate mai mult de câteva caracteristici și fiecare caracteristică are mai multe nivele. Numărul total de profile care rezultă din toate combinațiile posibile ale acestor nivele devine prea mare pentru respondenții care trebuie să clasifice sau să noteze într-un mod semnificativ. Pentru a rezolva această problemă, abordarea bazată pe toate profilele posibile folosește ceea ce se numește un model factorial fracționar, care prezintă o fracție adecvată a tuturor combinațiilor posibile ale nivelelor caracteristicilor. Rezultatul obținut, numit matrice ortogonală este conceput pentru a capta principalele efecte ale fiecărui nivel al unei caracteristici. Interacțiunile dintre nivelele unei caracteristici cu nivelele altei caracteristici nu trebuie neglijate.
Procedura modelului ortogonal este folosită pentru a genera o matrice ortogonală și este,
de obicei, punctul de plecare al unei analize conjoint. De asemenea, aceasta permite generarea combinațiilor dintre nivelele unei caracteristici, cunoscute sub numele de cazuri holdout, care sunt evaluate de respondenți, dar nu sunt utilizate pentru a construi modelul de preferință. În schimb, ele sunt folosite ca o verificare a validității modelului.
Într-un model ortogonal, fiecare set de nivele ale unei caracteristici reprezintă o versiune diferită a produsului supus studiului și ar trebui să fie prezentat respondenților sub forma unui profil individual al produsului. Acest lucru ajută respondentul să se concentreze doar pe produsul în curs de evaluare. Stimulii ar trebui să fie standardizați, asigurându-se similaritatea profilelor din punct de vedere fizic cu excepția combinațiilor de caracteristici diferite. Crearea profilelor de produse este facilitată cu ajutorul procedurii modelului de afișare. Este nevoie de generarea unui model folosind procedura modelului ortogonal sau introducerea de către utilizator și crearea unui set de profile ale produsului într-un format gata de utilizat.
1.4 Colectarea și analiza datelor
Deoarece, de obicei, există o mare diferență între preferințele respondenților, o mare parte din analiza conjoint se concentrează pe un subiect unic. Pentru a generaliza rezultatele este ales un eșantion aleatoriu de respondenți din populația țintă, astfel încât rezultatele grupului să poată fi examinate.
Dimensiunea eșantionului în cazul studiilor conjoint variază foarte mult. În raportul scris de Cattin și Wittink, 1982, autorii afirmă că mărimea eșantionului variază de obicei de la 100 până la 1000 de respondenți, intervalul de 300-550 de respondenți fiind cel mai indicat în cazul unei astfel de analize. Într-un alt studiu (Akaah și Korgaonkar, 1988), se constată că eșantioanele de dimensiuni mai mici (sub 100 de respondenți) sunt mai potrivite. De fapt, se poate afirma că dimensiunea eșantionului trebuie să fie suficient de mare pentru a asigura fiabilitatea.
Odată ce eșantionul este ales, cercetătorul aplică un set de profile sau variante fiecărui
respondent. Procedura conjoint permite trei metode de înregistrare a datelor:
Metoda I: respondenții sunt rugați să atribuie un scor în funcție de preferință, pentru fiecare profil. Această metodă este folosită atunci când respondenții sunt rugați să atribuie un număr de la 1 la 100 pentru a indica varianta preferată.
Metoda II: respondenții sunt rugați să atribuie un rang pentru fiecare
variantă, pornind de la 1 până la numărul total de variante.
Metoda III: respondenții sunt rugați să sorteze variantele în funcție de preferințe. Cu această ultimă metodă, cercetătorul înregistrează numărul variantei în ordinea dată de fiecare repondent.
Analiza datelor se face cu ajutorul procedurii conjoint (utilizând sintaxa specifică) și conduce la un scor de utilitate pentru fiecare nivel al unei caracteristici. Aceste scoruri de utilitate, analoage cu coeficienții de regresie, furnizează o măsură cantitativă a preferinței pentru fiecare nivel al unei caracteristici, cu valori mai mari corespunzătoare preferinței mai mari. Scorurile de utilitate sunt exprimate într-o unitate comună, analiza permițându-le să fie adăugate împreună pentru a obține gradul de utilitate totală sau gradul de preferință global, pentru orice combinație a nivelelor unei caracteristici. Astfel, scorurile de utilitate constituie un model pentru estimarea preferinței unui anumit produs, inclusiv profile de produse, denumite în continuare cazuri de simulare, care nu au fost de fapt prezentate în experiment.
Informațiile obținute cu ajutorul analizei conjoint pot fi aplicate la o gamă largă de întrebari ale cercetării de piață. Această analiză poate fi folosită pentru a investiga domenii, cum ar fi designul de produs, cota de piață, publicitatea strategică, analiza cost-beneficiu și segmentarea pieței.
Analiza conjoint poate fi utilă în aproape orice domeniu științific sau de afaceri în care măsurarea percepțiilor populației este importantă.
1.4 Generarea unei proiecții ortogonale
Generarea unei proiecții ortogonale generează un fișier de date care conține principalele efecte ale proiecției ortogonale, acesta permite testarea statistică a mai multor factori, fără testarea tuturor combinațiilor nivelelor caracteristicilor. Această proiecție poate fi afișată cu procedura de afișare de proiecție, iar fișierul de date poate fi utilizat de către alte proceduri, cum ar fi conjoint.
Exemplu: O companie aeriană low-cost start-up este interesată de stabilirea importanței relative a mai multor factori care cuprind oferta de produse adresată clienților potențiali. Prețul este în mod clar un prim factor, dar cât de importanți sunt și alți factori, cum ar fi dimensiunea scaunului, numărul de escale și dacă sunt incluse sau nu servicii de băutură/gustări? Un sondaj care cere respondenților să claseze profile de produse reprezentând toate posibilele combinații de caracteristici este nerezonabil având în vedere numărul mare de profile.
Procedura de generarea a unei proiecții ortogonale creează un set redus de profile de produs, care este suficient de mic pentru a le include într-un sondaj, dar suficient de mare pentru a evalua importanța relativă a fiecărui factor.
Pentru a genera o proiecție ortogonală
Din meniul principal alegem:
Data → Orthogonal Design → Generate
Figura 1.2 Caseta de dialog a unei proiecții ortogonale
Definiți cel puțin un factor. Introduceți un nume în caseta de text Factor Name. Numele factorului poate fi orice nume valid al variabilei, cu excepția status_ sau card_. Aveți posibilitatea să atribuiți, de asemenea, o etichetă opțională factorului.
Click pe Add pentru a adăuga numele factorului și o etichetă opțională. Pentru a șterge un factor, selectați-l din listă și apoi click pe Remove. Pentru a modifica un nume sau o etichetă a factorului, selectați-l din listă, modificați numele sau eticheta și click pe Change.
Definți valori pentru fiecare factor prin selectarea factorului și apoi click pe Define Values.
Data File. Vă permite să controlați destinația proiecției ortogonale. Puteți salva proiecția
într-o nouă colecție de date în sesiunea curentă sau într-un fișier de date extern.
Create a new dataset. Creează o nouă colecție de date în sesiunea curentă conținând factorii și cazurile generate de plan.
Create a new data file. Creează un fișier de date extern care conține factorii și cazurile generate de plan. În mod implicit, acest fișier de date este numit ortho.sav și este salvat în directorul curent. Click File pentru a seta un alt nume și o altă destinație pentru fișier.
Reset random number seed to. Resetează numărul aleatoriu de rădăcini la valoarea specificată. Rădăcina poate fi orice valoare întreagă de la 0 la 2,000,000,000. În cadrul unei sesiuni, se folosește o rădăcina de generare aleatoare diferită de fiecare dată când se generează un set de numere aleatoare, care produc rezultate diferite. Dacă doriți să duplicați aceleași numere aleatoare, ar trebui să stabiliți valoarea rădăcinii de generarea aleatoare înainte de a genera prima proiecție și să resetați rădăcina la aceeași valoare ulterioară de fiecare dată când generați o proiecție.
Definirea valorilor pentru o proiecție ortogonală
Figura 1.3 Caseta de dialog pentru definirea valorilor unei proiecții ortogonale
Trebuie să alocați valori fiecărui nivel al caracteristicii sau caracteristicilor selectate. Numele caracteristicii va fi afișat după Values and Labels.
Introduceți fiecare valoare a caracteristicii. Puteți alege să atribuiți etichete valorilor descriptive. Dacă nu atribuiți etichete valorilor, acestea sunt atribuite automat (adică, unei valori de 1 i se atribuie o etichetă 1, unei valori de 3 i se atribuie o etichetă 3, și așa mai departe).
Auto-Fill. Vă permite să umpleți automat casetele Value cu valori consecutive, începând cu 1. Introduceți valoarea maximă și apasati click pe Fill pentru a umple valorile.
Opțiuni ale proiecției ortogonale
Figura 1.4 Caseta de dialog pentru opțiunile proiecției ortogonale
Minimum number of cases to generate. Specifică un număr minim de cazuri pentru plan. Selectați un întreg pozitiv mai mic sau egal cu numărul total de cazuri care pot fi formate din toate combinațiile posibile ale nivelelor caracteristicii. Dacă nu specificați în mod explicit numărul minim de cazuri care se vor genera, va fi generat automat numărul minim de cazuri necesare pentru planul ortogonale. Dacă procedura de generare a profilelor ortogonale nu poate genera cel puțin numărul de profile solicitate pentru minim, va genera cel mai mare număr posibil care se potrivește cu factorii și nivelele specificate. Rețineți că proiecția nu include în mod necesar exact numărul de cazuri specifice, ci mai degrabă cel mai mic număr posibil de cazuri în care proiecția ortogonală utilizează această valoare ca un nivel minim.
Holdout Cases. Puteți defini cazurile holdout care sunt evaluate de respondenți, dar nu sunt incluse în analiza conjoint.
Number of holdout cases. Creează cazuri holdout în plus față de cazurile planului regulat. Cazurile holdout sunt judecate de către respondenți, dar nu sunt utilizate atunci când procedura conjoint estimează utilitățile. Puteți specifica orice întreg pozitiv mai mic sau egal cu numărul total de cazuri care pot fi formate din toate combinațiile posibile ale nivelelor caracteristicii. Cazurile holdout sunt generate de un alt plan aleatoriu, nu de principalele efecte ale planului experimental. Cazurile holdout nu duplică profilele experimentale sau reciproc. În mod prestabilit, cazurile holdout nu sunt produse.
Randomly mix with other cases. Când această opțiune nu este selectată, cazurile holdout apar separat, ca urmare a cazurilor experimentale.
Procedura de afisare a proiecției vă permite să imprimați o proiecție experimentală. Puteți imprima proiecția fie într-o formă brută sau ca profilele pe care le puteți prezenta respondenților într-un studiu conjoint. Această procedură poate afișa proiecțiile create cu Procedura de Generare a unei proiecții ortogonale sau orice proiecții prezentate într-un set de date activ.
Pentru afișarea unei proiecții ortogonale
Din meniul principal alegem:
Data → Orthogonal Design → Display
Figura 1.5 Caseta de dialog a afișării proiecției
Mutați unul sau mai mulți factori în lista Factors
Selectați un format pentru afișarea profilelor
Format. Puteți alege unul sau mai multe tipuri de formate dintre următoarele
Listing for experimenter. Afișează proiecția într-un format care diferențiază profilele holdout de profilele experimentale și afișează profilele de simulare separat urmărindu-le pe cele experimentale și pe cele holdout.
Profiles for subjects. Produce profile ce pot fi prezentate respondenților. Acest format nu diferențiaza profilele holdout și nu produce profile de simulare.
Opțional, puteți:
Click Titles pentru a defini antete și subsoluri pentru profile
Figura 1.6 Caseta de dialog a titlurilor
Profile Title. Introduceți un titlu pentru profil de până la 80 de caractere. Titlurile apar în partea de sus în cazul în care ați selectat Listing for experimenter și în partea de sus a fiecărui profil nou dacă ați selectat Profiles for subjects din caseta de dialog principal. Pentru Profiles for subjects, în cazul în care caracterul special CARD_ este specificat oriunde în titlu, procedura va înlocui numărul profilului cu secvețiale. Această secvență de caractere nu este interpretată pentru optiunea Listing for experimenter.
Profile Footer. Introduceți un profil de subsol de până la 80 de caractere. Subsolurile apar în partea de jos, dacă ați selectat Listing for experimenter și în partea inferioară a fiecărui profil dacă ați selectat Profiles for subjects din caseta de dialog principal. Pentru Profiles for subjects, în cazul în care caracterul special CARD_ este specificat oriunde în subsol, procedura va înlocui numărul profilului cu secvențiale. Această secvență de caractere nu este interpretată pentru optiunea Listing for experimenter.
1.5 Metodologie
= + , unde asociata
= 100
= + , unde
=
1.6 Modulul IBM SPSS Conjoint
În lumea reală, cumpărătorii nu iau decizii bazate pe un singur atribut, cum ar fi prețul sau brandul unui produs. În schimb, ei analizează o serie de produse, toate cu diferite combinații de caracteristici și atribute și efectueaza o serie complexă de compromisuri înainte de a ajunge la o decizie.
Analiza conjoint este instrumentul de cercetare folosit pentru a modela procesul de luare a deciziilor de către consumatori. Folosind IBM SPSS® Conjoint puteți intelege mai bine preferințele consumatorilor, fapt ce permite o proiectare a produsului mai eficientă, stabilirea prețului potrivit, dar și care sunt produsele de piață de succes.
Analiza Conjoint permite măsurarea valoarilor consumatorilor pe baza atributelor individuale sau caracteristicilor care definesc produsele și serviciile. Datorită acestui proces, se vor putea proiecta produse care includ caracteristicile cele mai importante pentru piața țintă, prețurile vor fi stabilite pe baza valorii de piață, fapt ce stabilește atributele produsului.
Chiar dacă concurența, produsele și prețurile se schimbă în timp pe piață, rezultatele obținute prin intermediul analizei SPSS Conjoint pot fi folosite la dezvoltarea unor modele de simulare de piață care încorporează schimbări, împreună cu răspunsurile propuse. Acest lucru permite să avem răspunsul corect la acțiunile propuse înainte de a cheltui resurse valoroase pe programe de dezvoltare și de marketing.
SPSS Conjoint oferă raspunsuri la întrebări foarte importante:
Ce caracteristici sau atribute ale unui produs sau serviciu urmăriți atunci când decideți să cumpărați?
Ce combinații de caracteristici vor avea cel mai mare succes?
Care segment de piață va fi cel mai interesat de produs?
Ce schimbări ale caracteristicilor unui produs vor afecta preferințele consumatorului și vor scădea vânzările?
Care este prețul optim perceput de consumatori pentru un anumit produs sau serviciu?
Poate fi majorat prețul, fără o scădere semnificativă a vânzărilor?
SPSS Conjoint oferă trei proceduri posibile care permit planificarea, implementarea și analizarea eficientă a rezultatelor unui studiu.:
Generează profilele ortogonale foarte ușor – produce o matrice ortogonală formată din combinațiile atributelor produsului, care reduce semnificativ întrebările ce trebuie puse în același timp, pentru a putea efectua o analiză completă.
Realizează chestionarele pentru măsurarea preferințelor consumatorilor – chestionarele astfel obținute pot fi completate foarte ușor de către respondenți, care sortează și clasifică combinațiile de atribute ale produsului.
Oferă rezultate informative – procedura conjoint realizează o versiune specială de regresie adaptată clasamentelor realizate de respondenți. Va returna rezultatele care vor arăta care atribute ale produsului sunt cele mai importante și care nivele sunt cele mai preferate de consumatori. De asemenea, se vor putea realiza simulări pentru a determina cota de piață a preferinței pentru orice combinație de atribute.
1.7 Modulul Qualtrics Conjoint
Analiza Conjoint este o tehnică de marketing utilizată pentru a evalua plasarea ponderilor individuale ale consumatorului pe diferite caracteristici ale unui anumit produs sau serviciu. Atunci când se utilizează analiza conjoint, cercetătorul este preocupat de identificarea valorilor utilităților folosite de consumatorii care fac compromisuri în alegerea produselor cu mai multe atribute sau caracteristici diferite. Abordarea bazată pe toate profilele posibile afișează un număr mare de descrieri complete ale produselor pentru respondent. Evaluarea acestor pachete solicită cantități mari de informații pentru fiecare client sau respondent.
Atunci când clasifică, respondentul furnizează preferința sau probabilitatea de cumpărare a acelor produse. În timp ce multe caracteristici și nivele pot fi studiate, acest tip de analiză conjoint implică multe evaluări, iar respondenții pot obosi. Abordarea bazată pe toate profilele posibile este cea mai bine folosită metodă pentru un număr moderat de profile. Funcționalitatea avansată a Qualtrics folosește modele experimentale pentru a reduce numărul de cereri de evaluare în cadrul sondajului.
Outputul și analiza acumulată în urma chestionarului conjoint prin abordarea profilului complet sunt similare și altor modele conjoint.
Choice-Based
Analiza conjoint de tip choice-based (CBC) (de asemenea, cunoscută sub numele de analiza conjoint bazată pe alegeri discrete) este cea mai frecventă formă de analiză conjoint. Respondentul este rugat să indice opțiunea sau pachetul considerat cel mai probabil a fi cumpărat. Conjoint choice-based prezintă seturi de alegere, care sunt similare cu cele cu care consumatorii se confruntă pe piață.
Importanța și preferința pentru caracteristicile și nivelele unui atribut pot fi deduse matematic din compromisurile făcute atunci când selecteaza una sau niciuna dintre opțiunile disponibile.
Lungimea și detaliile unui chestionar de tip conjoint choice-based sunt condiționate de numărul de caracteristici și nivele. De multe ori, acest număr este mare și pentru a evita oboseala respondenților, se implementează un model experimental. Qualtrics oferă flexibilitate extremă în utilizarea modelelor experimentale în studiul conjoint.
Outputul unei analize conjoint de tip choice-based oferă estimări excelente ale importanței caracteristicilor, în special în ceea ce privește prețurile. CBC va estima valoarea fiecărui nivel și combinațiile optimale ale produselor. Simulatoarele raportează preferința și valoarea unui pachet selectat și cota de piață așteptată.
Adaptive Choice
În analiza conjoint adaptivă, seturile de alegere prezentate respondenților vor varia în funcție de preferințele pe care ei le exprimă. Această adaptare se concentrează pe caracteristica și nivelele cele mai preferate ale respondentului. Pe măsură ce fiecare pachet este prezentat pentru evaluare, sondajul înregistrează alegerile făcute și astfel eficientizează următoarea întrebare.
Acest proces face ca analiza conjoint să fie mai eficientă, fără a pierde deloc informații cu privire la nivelele atributelor. Fiecare pachet astfel prezentat este mai relevant pentru respondent și va returna date mai reprezentative.
Metoda adaptivă reduce lungimea sondajului fără a diminua puterea valorilor de analiză conjoint sau simulările.
Există mai multe modalități de a adapta scenariile conjoint respondentului. Cele mai frecvente sunt modelele care se bazează pe cele mai importante nivele de caracteristici..
Self – Explicated
Acest tip de analiză conjoint este o abordare hibridă care se concentrează pe evaluarea diverselor atribute ale unui produs. Respondentul votează mai degrabă preferința pentru fiecare nivel al caracteristicii decât preferința pentru un pachet de caracteristici. Deși abordarea la nivel de atribut diferă de tehnicile de profil complete, rezultatul astfel obținut estimează foarte bine utilitățile preferate.
Pentru fiecare caracteristică, respondenții selectează nivelul preferat și nivelul cel mai puțin preferat.
Apoi, se repetă această procedură și pentru nivelele rămase ale fiecărei caracteristici, alegându-se nivelul preferat și cel mai puțin preferat.
În final, respondenții indică importanța relativă pentru toate caracteristicile.
Punctul forte al acestei analize conjoint este acela că nu necesită modele experimentale complicate și de lungă durată sau prezentarea unor liste a profilelor produsului. Respondenții pot astfel să indice atributele preferate și cele mai puțin preferate mult mai repede.
Există, totuși, unele limitări în acest tip de analiza conjoint, inclusiv lipsa posibilității de a combina prețul cu alte atribute ale produsului. Deoarece prețul ar fi evaluat ca un singur atribut, evident respondenții ar prefera întotdeauna cel mai mic preț. Acest tip de analiză conjoint este o foarte bună alegere în cazul în care prețul nu este inclus în analiză.
Analiza Max-Diff
Acest tip de analiză conjoint prezintă configurații de produse sub forma unor seturi de pachete sau caracteristici. Aceste pachete sunt evaluate, stabilindu-se astfel varianta cea mai preferată și cea mai puțin preferată.
Respondenții pot indica rapid cele mai bune și cele mai puțin bune elemente dintr-o listă, dar de multe ori lupta se poartă în a stabili preferințele de mijoc.
Metoda oferă o sarcină ușoară, deoarece consumatorii sunt bine antrenați în a face judecăți comparative.
Analiza de față este o metodologie ideală atunci când sarcina de decizie reprezintă evaluarea alegerii produsului. Un model experimental este utilizat pentru a echilibra și pentru a reprezenta corespunzător seturile de articole.
Capitolul II – Analiza Conjoint – aplicabilitate
2.1 Analiza conjoint utilizată ca instrument în identificarea îmbunătățirilor ce pot fi aduse pentru ambalarea căpșunilor iradiate
Iradierea produselor alimentare este acceptată științific ca o metodă excelentă de conservare și este permisă și reglementată în diferite țări. Cu toate acestea, comercializarea alimentelor iradiate a fost limitată din cauza temerilor arătate de un anumit segment de populație, care respinge astfel utilizarea acestora. De-a lungul timpului, mai multe studii au raportat această problemă a respingerii alimentelor iradiate de către o parte a populației. De exemplu, în Statele Unite, produsele alimentare iradiate complet trebuie să aibă obligatoriu afișat pe ambalaj simbolul radura, simbolul alimentelor iradiate și de asemenea, formularea „tratat prin iradiere” sau „tratat cu radiații”. Legea braziliană nu impune prezența simbolului radura, dar cere ca pe etichetele produselor alimentare iradiate să fie afișată sitagma „Produse alimentare tratate prin procesul de iradiere”.
Astfel de cerințe pot conduce la reducerea utilizării iradierii ca metodă de conservare în industria alimentară, producătorii temându-se astfel că etichetele cu termenul de „iradiere” pot influența consumatorii să nu mai aibă încredere în produsele lor. Un alt factor care ar putea să influențeze alegerile consumatorilor ar fi etichetele ce conțin informații explicative privind motivul procesului de iradiere. Studiile arată că anumiți consumatori ințial sceptici ar putea reacționa pozitiv, schimbându-și părerea odată ce au fost informați cu privire la beneficiile și siguranța procesului de iradiere, ca de exemplu eliminarea micro-organismelor patogene sau creșterea perioadei de valabilitate a produselor alimentare.
Analiza Conjoint este o metodă cantitativă care a fost folosită pentru a ajuta la clarificarea comportamentului consumatorului cu privire la un produs, mai ales când încearcă să analizeze atributele ambalajului produsului. Analiza Conjoint bazată pe evaluari este un tip de analiză conjoint, care folosește un scor al intenției de a achiziționa un produs evaluat pe scări de colectare a datelor. În analiza conjoint bazată pe alegere, consumatorii aleg unul sau mai multe pachete de produse în loc să le clasifice separat. Utilizarea unor astfel de metode de analiză, permite evaluarea etichetelor sau caracteristicilor unui pachet de produse, care sunt esențiale pentru a crește intenția consumatorilor de a cumpăra sau de a alege un produs.
Datele colectate prin aceste metode sunt valoroase pentru că pot clarifica factorii care afectează comportamentul consumatorului, ajutând astfel la proiectarea unor strategii menite să îmbunătățească părerea consumatorilor asupra acestor produse alimentare, dorindu-și să le achiziționeze. Aceste date sunt chiar mai importante pentru studiul factorilor care afectează părerea consumatorilor despre aceste metode controversate de conservare, cu un mare efect asupra comportamentului consumatorilor, ca și în cazul iradierii alimentelor.
Astfel, pentru a stabili dacă felul în care arată ambalajul unor pachete cu căpșuni iradiate influențează intenția consumatorilor de a le cumpăra, cercetătorii din Brazilia au realizat un studiu folosind metoda conjoint bazată pe evaluări și metoda conjoint bazată pe alegere, cea din urma într-o formă modificată de colectare a datelor, pentru a evalua și cuantifica efectul pe care îl au informațiile incluse pe etichetele pachetelor de căpșuni iradiate asupra consumatorilor.
Pentru a efectua acest studiu, a fost selectat un eșantion de 144 de consumatori de căpșuni, ce obișnuiau să-și facă cumpărăturile în supermarketuri, iar metoda folosită a fost cea a interviului direct. Respondenții au fost atât studenți și angajați ai Centrului de Științe Agricole, dar și locuitori ai orașului Alegre din Brazilia.
Inițial, a fost efectuată analiza conjoint bazată pe evaluări pentru a evalua și cuantifica efectul pe care îl au etichetele asociate pachetelor de căpșuni iradiate asupra cosumatorilor care intenționează să cumpere fructe de pădure. Ulterior, s-a efectuat o analiză conjoint bazată pe alegeri modificate pentru aceeași consumatori, cu scopul de a evalua efectele pe care le au etichetele în alegerea căpșunilor iradiate. În final, consumatorii au răspuns la un chestionar cu întrebări socio-demografice legate de consumul căpșunilor, obiceiurile de cumpărături alimentare, cunoștințele lor despre produsele alimentare iradiate și intenția de a le cumpăra.
Studiul s-a bazat pe evaluarea a trei factori de etichetare, fiecare cu câte două nivele: ca prim factor a fost considerată metoda de conservare cu cele două nivele „produse alimentare tratate printr-un proces de iradiere” și „produse alimentare tratate printr-un proces de ionizare”; informațiile explicative au fost cel de-al doilea factor evaluat, cele două nivele fiind „pentru a crește conservarea” și „pentru a asigura prospețime și calitate pentru o perioadă mai lungă de timp”; ultimul factor fiind simbolul radura cu cele două nivele, fie prezența sau absența simbolului.
Studiul bazat pe analiza conjoint prin evaluare a permis studierea intenției consumatorilor de a cumpăra pachetele cu căpșuni iradiate, importanța factorilor de etichetare asupra fiecărui grup de consumatori și efectele pozitive sau negative cauzate de nivelele specifice ale factorilor de etichetare cu privire la intenția consumatorilor de a cumpăra.
În schimb, studiul bazat pe analiza conjoint prin metoda alegerilor modificate a permis evaluarea probabilității de alegere a fiecărui pachet în parte și probabilitatea de alegere a unui pachet cu un nivel al fiecărui factor de etichetare în comparație cu altul. Astfel, fiecare analiza o completează pe cealaltă.
În final, s-a ajuns la concluzia că ambele metode au fost potrivite pentru aceasta analiză. În ceea ce privește factorii de etichetare, s-a ajuns la concluzia că informația explicativă „pentru a asigura prospețime și calitate pentru o perioadă mai lungă de timp” și prezența simbolului radura au contribuit în mod pozitiv la influențarea consumatorilor, crescând astfel probabilitatea de a fi achiziționate.
De asemenea, există și alte studii care arată cât de importantă este prezența simbolului radura și a informațiilor explicative pe etichetele produselor alimentare iradiate. În urma unui studiu aplicat pe 218 persoane din Belo Horizonte, Brazilia s-a ajuns la concluzia că 81% din respondenți consideră aceste atribute ca fiind foarte importante în decizia de a achiziționa și consuma produse alimentare iradiate.
Studiile de cercetare care au examinat preferințele consumatorilor pentru informațiile explicative au regăsit rezultate diferite, având în vedere marea variabilitate a unor astfel de informații care pot fi utilizate pe etichetele produselor alimentare iradiate. Aparent, informațiile „pentru a elimina micro-organismele patogene” și „pentru a crește conservarea” sunt cele care influențează cel mai mult consumatorii. În plus, chiar studiul prezent a arătat că informația explicativă „pentru a asigura prospețime și calitate pentru o perioadă mai lungă de timp” influențează pozitiv intenția consumatorilor de a cumpăra și probabilitatea de a alege căpșuni iradiate.
Compararea rezultatelor ambelor metode a arătat că factorul metoda de conservare nu a avut niciun efect semnificativ asupra consumatorilor participanți la studiu.
Rezultatelor altor studii au sugerat că există un segment al populației care nu are cunoștințe asupra procesului de iradiere a alimentelor, aceștia având deja un concept negativ preformat în ceea ce privește termenul de iradiere, care este adesea asociat cu radioactivitatea, radiațiile solare sau cancerul nuclear. Tocmai de aceea s-a susținut utilizarea termenilor alternativi, inclusiv „pasteurizarea la rece” sau „ionizarea”, pentru a evita această respingere a alimentelor iradiate de către consumatori.
Studiul prezent a demonstrat că anumiți consumatori acceptă mai degrabă termenul de ionizare, decât cel de iradiere. Totuși, utilizarea termenilor ce oferă informații cu privire la metoda de conservare nu a avut efect asupra majorității consumatorilor în decizia de a alege sau de a cumpăra căpșuni iradiate.
De reținut este faptul că legile braziliene și cele din Statele Unite impun utilizarea termenului de iradiere. Faptul că nu au existat diferențe semnificative în intenția consumatorilor de a cumpăra căpșuni iradiate atunci când termenul de iradiere a fost înlocuit cu cel de ionizare, arată că modificarea legislației nu este necesară.
Concluzii
În acest studiu, s-a folosit metoda de analiză conjoint prin alegeri modificate, o metolodologie prin care toate variantele au fost prezentate în același timp consumatorilor, și nu divizate în seturi de alegere. Comparând cele două metode utilizate, s-a ajuns la concluzia că analiza conjoint bazata pe alegeri modificate este mai realistă în simularea procesului de cumpărare efectuat de către consumatori în supermarketuri, în care aceștia au la dispoziție mai multe produse ce trebuie analizate pentru a alege ce vor cumpăra.
Rezultatele celor două studii au arătat că varianta de pachete de căpșuni iradiate cea mai preferată de consumatori, a fost cea care are inscripționat pe etichetă informația explicativă „pentru a asigura prospețime și calitate pentru o perioadă mai lungă de timp”, dar și simbolul radura, simbolul specific produselor alimentare iradiate.
În cazul ambelor studii, factorul ce indică metoda de conservare nu a avut niciun impact semnificativ asupra consumatorilor chestionați.
Astfel, conform rezultatelor, în cazul ambelor metode de analiză conjoint utilizate, pachetul optim de căpșuni iradiate în percepția consumatorilor, poartă inscripționat pe etichetă simbolul radura și următoarele informații explicative: „produse alimentare tratate prin procesul de ionizare” sau „produse tratate prin procesul de iradiere” și „pentru a asigura prospețime și calitate pentru o perioadă mai lungă de timp”. Foarte important este și faptul că modificările aduse legislației din aceste țări nu sunt necesare, în continuare etichetele vor fi inscripționate cu termenul de iradiere.
Rezultatele acestui studiu ajută la o mai bună înțelegere a gândurilor și comportamentului consumatorilor în ceea ce privește produsele alimentare iradiate. De asemenea, oferă informații care pot fi aplicate pentru a facilita ambalarea pachetelor alimentare ce conțin produse iradiate. Astfel, informația contribuie la adoptarea unor strategii care vizează reducerea temerilor populației în ceea ce privește consumul de alimente iradiate și crește vânzările acestor produse.
2.2 Analiza conjoint utilizată ca instrument pentru măsurarea preferințelor angajaților și managerilor de resurse umane în vederea implementării efective a serviciului m-leaning în companiile din Coreea de Sud
Pentru că lumea de astăzi este într-o continuă schimbare, companiile sunt obligate să urmăreasca în mod constat toate inovațiile apărute pe piață. Dar pentru a putea pune în aplicare tot ce apare nou pe piață este nevoie de cunoșterea nevoilor specifice fiecărei companii și interacțiunile dintre angajați. Pentru a facilita acest proces de învațare la locul de muncă, este necesară în mod special învățarea informală. m-learning permite firmelor să furnizeze rețele virtuale pentru a asigura învățarea informală continuă și oferă fundamente puternice pentru inovație. În acest context, această cercetare analizează preferințele angajaților și ale managerilor de resurse umane în ceea ce privește utilizarea metodei m-learning la locul de muncă, utilizând metoda conjoint. Rezultatele indică faptul că ambele grupuri preferă telefoanele inteligente, decât tabletele și calculatoarele, pentru a învăța la locul de muncă. Cu toate acestea, preferințele privind locul în care învață, metoda utilizată și domeniul sunt diferite. Analiza asemănărilor și deosebirilor acestor preferințe sugerează faptul că firmele trebuie să se concentreze pe domeniul și conținutul cursului, dar trebuie să pună la dispoziția angajaților telefoane inteligente pentru a putea aplica eficient m-learning.
m-learning este o formă mai specializată și avansată de e-learning, ce ajută firmele să dezvolte rețele educaționale pentru angajați, facilitând astfel învățarea informală pentru a stimula inovarea. m-learning livrează informații necesare angajaților oriunde și oricând prin utilizarea dispozitivelor mobile, inclusiv telefoane mobile inteligente, tablete și playere audio digitale prin utilizarea internetului wireless. În plus, prin posibilitatea de a da instant un feedback, angajații sunt capabili să interacționeze cu colegii lor ori de câte ori doresc. Această rețea virtuală poate ajuta firmele în procesul de învațare organizatională. Dar aceste beneficii atât de importante nu sunt suficiente. Trebuie, de asemenea, să se ia în considerare în ce măsura firmele pot adopta aceste modalități de învățare. Adoptarea tehnologiei mobile nu garantează în mod sigur adoptarea serviciilor de tehnologie mobile, astfel că trebuie examinate obstacolele ce apar în acest proces. Există două motive majore pentru care m-learning nu a fost adoptat pe scară largă, în ciuda beneficiilor sale: maturitatea tehnologiei mobile din trecut și diferențele între preferințele angajaților și cele ale managerilor de resurse umane. Tehnologia mobilă din trecut a împiedicat adoptarea m-learning, datorită celor opt limitări: (1) mărime și rezoluție slabă a ecranului, (2) lipsa capacității de introducere a datelor, (3) spațiul de stocare redus, (4) lățimea de bandă redusă, (5) viteza limitată a procesorului, (6) autonomia scurtă, (7) probleme de software și interoperabilitate și (8) lipsa standardizării. Cu toate acestea, evoluțiile recente din domeniul tehnologiilor mobile au ajutat m-learning să depășească toate aceste obstacole.
În ceea ce privește cel de-al doilea motiv acesta există pentru că managerii de resurse umane iau deciziile fără a consulta și angajații. Greșeala în acest caz este aceea că, de obicei, preferințele managerilor nu coincid cu preferințele angajaților.
În acest context, studiul de față va analiza preferințele managerilor de resurse umane și ale angajaților cu privire la adoptarea serviciilor de m-learning, utilizând analiza conjoint.
Analiza conjoint identifică utilitățile fiecărei caracteristici ale acestui serviciu și determină ce caracteristici și la ce nivel afectează decizia de implementare a acestui serviciu. Cu alte cuvinte, analiza conjoint determină combinațiile de caracteristici și nivele care maximizează preferințele consumatorului.
De aceea, analiza conjoint a fost utilizată în multe domenii diferite din industrie și mediul academic, de exemplu în testarea unui nou concept de produs, pentru predicția cotei de piață, pentru stabilirea prețului optim, pentru segmentarea pieței sau pentru poziționarea pe piață a unui serviciu. În plus, analiza conjoint a fost utilizată în domeniul învățamântului pentru a vedea în ce măsura telefonia mobilă poate fi utilizată ca un instrument educațional.
În acest context, analiza conjoint este o metodă adecvată pentru analiza preferințelor asupra m-learning, întrucât oferă alternative ipotetice pentru serviciul de învățamânt în medii diferite de lucru și analizează preferințele potențialilor elevi în atribute și nivele.
În acest studiu, analiza conjoint a fost aplicată după cum urmează. În primul rând, au fost definite cele mai importante atribute de utilizare m-learning din literatura și practica de specialitate existentă. Apoi, au fost combinate și specificate nivelele de caracteristici pentru a forma alternativele ipotetice de m-learning. Pentru ca în final, angajații și managerii de resurse umane să aleagă alternativele conform propriilor preferințe.
Sondajul a fost realizat pe baza interviului direct cu o persoană care are experiență în analiza conjoint. Anterior acestui interviu, fiecare respondent a avut parte de o mică instruire pentru a facilita înțelegerea produsului și pentru a maximiza fiabilitatea sondajului.
Au fost chestionate 500 de persoane, dintre care 342 de angajați și 158 de manageri de resurse umane, cu totii angajați ai unor companii din Coreea de Sud.
Pentru a efectua o analiză conjoint este necesar să se stabilească atribute rezonabile, dar și nivelele fiecărui atribut trebuie stablite cu atenție. În cadrul acestui studiu au fost selectate cinci atribute ale m-learning, dintre care două sunt specifice acestei metode, și anume tipul de dispozitiv folosit și locul de învățare. Celelalte trei atribute, metoda de învățare, domeniul și plata cheltuielilor se aplică, de asemenea, și metodelor de învățare on-line tradițonale. Diferitele nivele ale atributelor sunt stabilite după cum urmează. În primul rand, sunt luate în considerare diverse dispozitive inteligente pentru educație (telefoane mobile inteligente, tablete și laptopuri). Computerul personal a fost exclus din studiu deoarece pe scară mai largă este folosit pentru metodele tradiționale de e-learning, iar m-learningul dorește să urmeze tendința recent – ca utilizatorii să-și aducă propriul dispozitiv, pentru a crește gradul de dispozitive inteligente utilizate la locul de muncă. În al doilea rând, compania și alte două categorii de locații, acasă sau în altă parte, au fost stabilite ca nivele pentru a reflecta noul mediu de învățare, unde aceasta este posibilă oriunde și oricând. Spre deosebire de metodele de învățare tradiționale, acum acest proces nu mai este limitat la o poziție fixă. În viitor, un angajat va putea fi evaluat pe baza cunoștințelor și ideilor proprii, de aceea va fi foarte important ca aceștia să împărtășească între ei informațiile deținute. Astfel, noul mediu va permite angajaților să învețe oriunde și oricând, fapt ce va conduce în viitor la hiperconectivitate. În al treilea rând, au fost considerate trei nivele care să reflecte metoda de învățare: feedback-ul interactiv, conținutul personalizat și inteligența colectivă. În al patrulea rând, au fost considerate trei nivele ale domeniului de învățare, dintre care două sunt legate de formarea profesională, și anume învățământul profesional și învățământul cunoștințelor comune. Ultimul nivel, învățământul liberal, are drept scop auto-îmbunătățirea cunoștințelor și obținerea diverselor certificate necesare pentru obiectivele individuale în carieră. În cele din urmă, ultima categorie de nivele considerate a fost cea a modalității în care sunt plătite aceste cursuri, fie de către angajați, fie de către angajator.
Rezultatele acestui studiu arată ca atât angajații, cât și managerii de resurse umane consideră m-learning ca fiind un mijloc de îmbunătățire a învățării la locul de munca. Cu toate acestea, detaliile ca nivelele și importanța diferitelor atribute indică faptul că angajații și managerii percep m-learning în mod diferit.
În primul rând, ambele grupuri de respondenți consideră că cel mai important atribut al m-learning este tipul dispozitivului utilizat (35.5% din angajați, 37.4% din managerii de resurse umane). Pentru celelalte atribute, percepția acestora este diferită. 27.9% dintre angajați consideră că al doilea cel mai important factor este domeniul cursului, urmat de locul în care învață cu un procent de 15.6. Pe de altă parte, 19.5% dintre managerii de resurse umane consideră că al doilea factor cel mai important este locul în care învață, urmat de domeniul cursului cu 18.5%. Ambele grupuri consideră că metoda de învățare, 12.7% din angajați și 14.7% din manageri, și modalitatea de plată a cursurilor, 8.3% din angajați și 9.9% din manageri au o importanță similară.
Preferințele privind nivelele atributelor indică faptul că ambele grupuri au obiective diferite. Managerii de resurse umane sunt mult mai interesați de eficiența cursurilor și, prin urmare, se concentrează pe extinderea cursurilor legate de formarea la locul de muncă actual, dincolo de constrângerile temporale și spațiale. În schimb, angajații preferă cursurile care pot spori propria capacitate profesională și pot conduce la auto-îmbunătățirea cunoștințelor. Pentru metoda de învățare, managerii de resurse umane preferă feedback-ul interactiv, în timp ce angajații preferă conținutul personalizat. În cele din urmă, ambele grupuri de respondenți preferă aceeași metodă de plată a cursurilor, și anume ca plata să fie facută de către angajator.
De asemenea, și compararea atributelor unice m-learning și atributelor care se pot aplica și metodelor de învățare on-line tradiționale, arată cum m-learning este perceput diferit de ambele grupuri. Managerii de resurse umane au acordat atributelor unice m-learning următoarele ponderi: 71.5% tipului de dipozitiv folosit, 37.4% locului în care învață, 14.7% metodei de învățare, în timp ce angajații au acordat ponderi astfel: 63.8% tipului de dispozitiv folosit, 35.5% locului în care învață, 12.7% metodei de învățare. Cu alte cuvinte, managerii tind să perceapă m-learning ca fiind o metoda mai inovatoare decât o fac angajații.
Concluzii
Acest studiu a analizat utilitatea metodei m-learning și importanța relativă a atributelor metodei, cu ajutorul analizei conjoint. Rezultatul obținut a fost descompus pentru a compara preferințele angajaților și managerilor de resurse umane cu privire la implementarea metodei m-learning. În urma acestui studiu, s-a ajuns la concluzia că există trei strategii pentru a putea implementa eficient această metodă în firmele din Coreea de Sud.
În primul rand, companiile trebuie să clarifice și să rezolve diferențele dintre preferințele angajaților și ale managerilor de resurse umane. Așa cum au arătat rezultatele studiului, ambele grupuri au preferințe diferite, firmele fiind nevoite să ia în considerare faptul că factorii de decizie și nevoile angajaților nu sunt aliniate. În timp ce managerii se concentrează pe locul în care se desfașoară cursul, angajații sunt mult mai interesați de conținutul acestuia. Rezultatul explică în mod clar de ce până în acest moment angajații au refuzat să utilizeze metoda m-learning. Pentru a implementa sistemul m-learning eficient, trebuie să se pună accentul pe tipul dispozitivului utilizat și pe conținutul cursurilor.
În al doilea rând, pentru a consolida competențele departamentului de resurse umane din companii, metoda m-learning ar trebui adusă în discuție din perspectiva valorii inovatoare pe care o aduce. Prin utilizarea m-learning, firmele pot facilita învățarea informală în rândul angajaților, pot reduce costurile de furnizare a informațiilor necesare prin cursurile efectuate și, în plus, angajații au parte de mai multe oportunități. Prin urmare, companiile trebuie să adopte m-learning pentru a partaja și internaliza cunostințele angajaților.
În al treilea rând, pentru a maximiza efectele învățării la locul de muncă, firmele trebuie să ofere programe de cursuri personalizate pentru a satisface diferitele nevoi ale angajaților.
Deși o strategie de afaceri excelentă și o gestionare eficientă a resurselor sunt importante pentru dezvoltarea unei companii, resursele umane sunt cele care determină, în cele din urmă, creșterea economică pe viitor. În această perspectivă, m-learning nu este doar cea mai recentă inovație, în care echipamentele de ultimă generație sunt implicate în educație, ci mai degrabă este o inovație care poate schimba metodele și curricumul de învățare la locul de muncă. Cu noua platformă inovativă de învățare, m-learning, companiile pot să crească învățarea eficientă din interiorul lor, crescând astfel și calitatea resurselor umane.
2.3 Strategii de dezvoltare a cardurilor de credit oferite populatiei tinere pe piata din Statele Unite ale Americii
În ultimii ani, interesul acordat sectorului serviciilor financiare s-a intensificat și a condus la apariția a ceea ce se numește managementul marketingului ca o activitate bancară legitimă. Există mai multe motive pentru acest interes global al marketingului serviciilor financiare (Kaynak, 1986). Unul dintre cei mai semnificativi factori este faptul că în timpul anilor 1980 și începutul anilor 1990, atât cererea individuală, cât și cea organizațională pentru serviciile financiare a crescut substanțial. În timpul acestei perioade, atât veniturile, cât și puterea de cumpărare a consumatorilor au crescut considerabil, fapt ce a condus la creșterea cererii pentru o varietate de servicii oferite de instituțiile financiare, în special de către bănci.
Datorită acestor evoluții rapide și a schimbărilor care au avut loc pe piața financiară, instituțiile financiare de diferite tipuri au început să analizeze mai îndeaproape mediul de afaceri, încercând astfel să proiecteze și să implementeze proactiv strategii de marketing pentru a combate amenințările venite din competiția cu celelalte instituții financiare.
Accelerarea competiției pe piața bancară a condus organizațiile să producă în mod constant servicii unice pentru diferite segmente de piață. Cele mai multe bănci din SUA oferă pachete de cont special concepute pentru nevoile tinerilor, dar și pentru bărbații și femeile la început de drum pe piața muncii. De asemenea, mai multe bănci au proiectat conturile de control și certificatele de depozit pentru tinerii cu vârsta sub 21 de ani.
În ultimii ani, populația tânără a evoluat foarte mult și a devenit o masă de cetățeni în toată regula, cu venituri substanțiale. Cheltuielile tinerilor pe produse pentru consumul propriu au depășit 35 milioane de dolari în anul 1985, 40 de milioane de dolari în anul 1986 și 60 de milioane de dolari în anul 1991. Din totalul de 14 milioane de persoane tinere, peste 2.5 milioane sunt tinerii studenți în primul an, o masă enormă pentru piața cardurilor de credit, a mașinilor, a producătorilor de haine, computere, cosmetice, îmbrăcăminte sportivă.
Cercetările în ceea ce privește cardurile de credit s-au axat în principal pe dezvoltarea profilelor consumatorilor și explorarea problemelor economice legate de cererea și oferta cardurilor de credit.
Pornind de la toate aceste date, un grup de cercetători americani au pornit un studiu menit să răspunda, în principal, următoarelor întrebări:
Care sunt factorii care influențează alegerea studenților în materie de carduri de credit?
Care este importanța relativă a acestor factori în alegerea globală a cardurilor de credit?
Care sunt implicațiile manageriale ale acestor modele de comportament?
Ca metodă pentru acest studiu a fost aleasă o analiză conjoint de abordare a profilului complet. Analiza conjoint este o metodă care estimează preferințele consumatorilor, evaluând seturi de alternative pre-specificate, ce conțin nivele ale diferitelor atribute ale unui produs. În efectuarea unui asfel de studiu, există trei faze majore. Prima fază presupune dezvoltarea profilelor produselor pentru ca astfel să fie evaluate de către consumatori – faza de proiectare. A doua fază implică estimarea funcțiilor de utilitate de către consumatori – faza de analiză. În final, cea de-a treia fază implică simularea comportamentului de cumpărare a consumatorilor pentru a evalua diferite strategii de poziționarea a produsului pe piață, de stabilire a prețurilor și de segmentare – faza de simulare.
Pentru acest studiu, datele au fost colectate prin interviuri personale cu 102 studenți ai unor universități din Florida și cu 127 de studenți a două universități din Pennsylvania. Din totalul de 229 de respondenți, 52% au fost bărbați, 89% au o vârstă mai mică de 26 de ani și 87% au avut un venit mai mic de 41.000 de dolari în ultimul an.
Concluzii
Studenții, cu un număr semnificativ de boboci admiși în fiecare an și cu venituri anuale raportate de 13 miliarde de dolari, reprezintă o piață enormă pentru cardurile de credit. Companiile care emit astfel de carduri lucrează din greu pentru a pătrunde pe acest segment de piață. Din acest motiv, nu este neobișnuit pentru ei să renunțe la o parte din condițiile importante ce sunt impuse consumatorilor care doresc aceste produse, cum ar fi istoricul de creditare anterior, cerințele de venituri și co-semnăturile părinților. Unele companii oferă chiar scheme de stimulare.
Rezultatele studiului arată că rata dobânzii și tipul de plată sunt cei mai importanți doi factori pentru studenți. Folosind simulatorul conjoint, preferințele pentru cele cinci produse ipotetice au fost estimate. Mai multe atribute ale produselor au fost menținute constante, numai tipul de plată și rata dobânzii au fost schimbate. Schimbările observate în piața astfel estimată au fost semnificative. În situațiile din viața reală, construirea unui model al unui serviciu sau produs ideal, care conține cele mai bune nivele ale atributelor poate să nu fie fezabil. Cu toate acestea, în cazul în care importanța fiecărui atribut al produsului și compromisurile dintre nivelele atributelor sunt înțelese, managerii pot dezvolta un produs mai bun și un plan de marketing pe măsură pentru a ajunge pe piața dorită. În dezvoltarea planurilor de marketing, directorii acestor companii ar trebui să acorde importanță acelor atribute considerate importante de către respondenți. Acest studiu oferă implicații foarte importante pentru acei manageri care se adresează pieței studenților pentru a oferi carduri de credit sau celor care deja au pătruns pe această piață, dar doresc să-și îmbunătătească eficiența.
Capitolul III – Studiu de caz pe piața creditelor din România
3.1 Elaborarea chestionarului
Pentru a măsura preferințele consumatorilor în materie de credite, s-a elaborat un chestionar, adresat persoanelor care intentionează să contracteze un credit în luna următoare de la o bancă din România. Chestionarul cuprinde șapte întrebări, șase dintre acestea se referă la categoria de vârstă din care fac parte respondenții, la genul acestora, la statutul profesional, la nivelul de educație, la veniturile lunare și la stabilitatea acestora.
Pentru întrebarea șase au fost luate în considerare cinci atribute, fiecare cu câte două nivele:
Tabel 3.1 Atributele și nivelele acestora
Chestionarul a fost aplicat pe un eșantion de 45 de persoane, scopul acestuia fiind măsurarea preferințelor respondenților privind intenția de a contracta un credit. Aceștia au avut de ordonat mai multe profile de produse.
Utilizând SPSS Conjoint, s-au generat opt profile ortogonale, pe care respondenții le-au ordonat în funcție de preferințe:
Credit în euro, pe termen lung, cu dobândă variabilă, cu avans, fără asigurare de viață inclusă
Credit în lei, pe termen lung, cu dobândă fixă, cu avans, fără asigurare de viață inclusă
Credit în lei, pe termen scurt, cu dobândă variabilă, cu avans, cu asigurare de viață inclusă
Credit în lei, pe termen scurt, cu dobândă fixă, fără avans, fără asigurare de viață inclusă
Credit în lei, pe termen lung, cu dobândă variabilă, fără avans, cu asigurare de viață inclusă
Credit în euro, pe termen scurt, cu dobândă fixă, cu avans, cu asigurare de viață inclusă
Credit în euro, pe termen lung, cu dobândă fixă, fără avans, cu asigurare de viață inclusă
Credit în euro, pe termen scurt, cu dobândă variabilă, fără avans, fără asigurare de viață inclusă
3.2 Interpretarea rezultatelor pe categorii de respondenți
Figura 3.2 Diagrama categoriilor de vârstă în care se încadrează respondenții
Din totalul de 45 de respondenți, cea mai mare pondere de 37.8% o au persoanele cu vârsta cuprinsă între 26-34 ani, urmată de categoria de vârstă 35-44 ani cu o pondere 26.7% și de categoria 46-60 ani cu o pondere de 24.4%. Observăm că cea mai mică pondere, de doar 11.1% o are categoria de vârstă sub 25 ani. Aceste rezultate sunt puse pe seama faptului că persoanele foarte tinere, cu vârsta mai mică de 25 de ani nu sunt interesate să contracteze un credit, în schimb persoanele cu vârsta cuprinsă între 26-34 ani, sunt persoanele care se află la început de drum în carieră sau care tocmai și-au întemeiat o familie și au nevoie de un credit, fie pentru achiziția unei locuințe sau amenajarea acesteia.
Figura 3.3 Diagrama care arată genul respondenților
Cea de-a doua întrebare a chestionarului se referă la genul respondenților. Din totalul de 45 de respondenți, o pondere mai mare, de 60% a înregistrat-o genul feminin, urmată de genul masculin cu doar 40%.
Figura 3.4 Diagrama care arată statutul profesional al respondenților
În ceea ce privește statutul profesional al respondenților, observăm că cea mai mare pondere o înregistrează categoria de angajați, cu 66.7%, urmată la mare distanță de categoria antreprenorilor, cu doar 17.8%, de categoria middle manager cu doar 11.1% și categoria top manager cu 4.4% din răspunsuri. Observăm că nu s-a înregistrat niciun răspuns pentru categoria fără ocupație, lucru ușor de interpretat. Cei care intenționează să contracteze un credit trebuie să fie angajați sau să aibă o afacere proprie din care să obțină venituri, iar cei fără ocupație nu ar putea să demonstreze ce venituri au.
Figura 3.5 Diagrama care arată nivelul de educație al respondenților
Din totalul de 45 de respondenți, doar 15.6% au studii liceale, în schimb ce respondenții cu studii universitare și studii postuniversitare au înregistrat o pondere de 42.2%.
Figura 3.6 Diagrama care arată veniturile lunare ale respondenților
Cei mai mulți respondenți, 31.1% înregistrează venituri lunare cuprinse între 2500-3500 RON. Următoare categorie, cu o pondere de 28.9%, este cea a respondenților care au venituri lunare mai mici de 2500 RON, urmată la mică diferență de categoria persoanelor care câștigă lunar mai mult de 5000 RON. Cu un procent de doar 13.3, cei mai puțini respondenti au fost cei din categoria 3500-5000 RON.
Figura 3.7 Diagrama care arată cum apreciază respondenții veniturile curente și viitoare
Pentru ultima întrebare a chestionarului, respondentii au avut de ales între mai multe variante ce fac referire la stabilitatea venitului curent și viitor. Peste 31% dintre aceștia au apreciat că au un venit sigur și peste 22% au spus că au un venit destul de sigur. Celelalte variante de răspuns au avut o pondere mai mică: 17.8% dintre respondenți apreciază că au un venit fluctuant, 15.6% dintre aceștia au spus că nu știu sau nu pot să aprecieze acest lucru, iar 13.3% au declarat că au un venit foarte sigur.
3.3 Importanța relativă a utilităților totale
Tabel 3.8 Utilități totale
În urma rezultatelor celor 45 de respondenți, s-a ajuns la concluzia că aceștia preferă creditele în lei, pe termen scurt, cu dobândă fixă, fără avans și cu asigurare de viață inclusă. Acest rezultat arată că și românii au conștientizat că este cel mai bine să te împrumuți în moneda în care îți câștigi veniturile, evitând astfel riscul valutar. De asemenea, se poate spune că aceștia au ales ca termen de împrumut, creditul pe termen scurt pentru a evita să plătească băncilor dobânzi și comisioane pe termene îndelungate. Și faptul că au preferat dobânda fixă, arată că românii nu-și mai asumă aceleași riscuri ca până acum. O dobândă variabilă poate însemna creșterea ratei pe parcursul perioadei de creditare. Totuși, respondenții au preferat varianta unui credit fără avans, dar doresc sa aibă o asigurare de viață inclusă.
Pentru a vedea care dintre cele opt profile generate are cea mai mare utilitate, s-a calculat utilitatea fiecăruia în parte:
Utilitatea profilului 1: 4.511 + (-0.828) + (-0.244) + (-0.211) + (-0.39) + (-0.150) = 2.68 (8)
Utilitatea profilului 2: 4.511 + 0.828 – 0.244 + 0.211 – 0.39 – 0.150 = 4.76 (4)
Utilitatea profilului 3: 4.511 + 0.828 + 0.244 – 0.211 – 0.39 + 0.150 = 5.13 (3)
Utilitatea profilului 4: 4.511 + 0.828 + 0.244 + 0.211 + 0.39 – 0.150 = 6.03 (1)
Utilitatea profilului 5: 4.511 + 0.828 – 0.244 – 0.211 + 0.39 + 0.150 = 5.42 (2)
Utilitatea profilului 6: 4.511 – 0.828 + 0.244 + 0.211 – 0.39 + 0.150 = 3.89 (7)
Utilitatea profilului 7: 4.511 – 0.828 – 0.244 + 0.211 + 0.39 + 0.150 = 4.19 (5)
Utilitatea profilului 8: 4.511 – 0.828 + 0.244 – 0.211 + 0.39 – 0.150 = 3.95 (6)
Observăm că cea mai mare utilitate o are profilul 4: Credit în lei, pe termen scurt, cu dobândă fixă, fără avans, fără asigurare de viață inclusă. Putem spune că această variantă este cea mai preferată de către consumatorii chestionați.
Cea mai mică utilitate a înregistrat-o profilul 1: Credit în euro, pe termen lung, cu dobândă variabilă, cu avans, fără asigurare de viață inclusă.
Observăm că respondenții au acordat cea mai mare importanță valutei în care se împrumută, dar și termenului pe care se va derula creditul. Valori mai mici au înregistrat caracteristicile ca dobânda, avansul și asigurarea de viață.
3.4 Importanța relativă pentru fiecare categorie de respondenți
Tabel 3.10 Importanța relativă estimată pentru femei
Categoria formată din respondenții de genul femin acordă cea mai mare importanță valutei, cu o propoție de peste 38%, urmată la mare diferență de celelalte patru caracteristici, termenul pe care se acordă creditul, dobânda, existența avansului și includerea unei asigurări de viață, cu ponderi de sub 20%. Femeile acordă cea mai mică importanță includerii unei asigurări de viață în pachetul de credit.
Tabel 3.11 Importanța relativă estimată pentru bărbați
Respondenții bărbați consideră de asemenea, că valuta în care contractează creditul este cea mai importantă caracteristică, acordând o pondere de peste 37%. Spre deosebire de femei, aceștia acorda o importanță mai ridicată și termenului de derulare al creditului, care înregistrează o pondere de aproape 25%. Pe ultimul loc, ca și în cazul femeilor, bărbații au situat existența unei asigurări de viață, cu o pondere de doar 9%.
Tabel 3.12 Importanța relativă estimată pentru angajați
Angajații au reprezentat peste 66% dintre totalul respondenților. Această categorie este cea mai interesată în a contracta un credit și acordă cea mai mare importanță monedei în care se vor împrumuta, cu o pondere de peste 38% urmată de termen, dobândă, avans și asigurare de viață, caracteristici ce au înregistrat ponderi mult mai mici în comparație cu aceasta.
Tabel 3.13 Importanța relativă estimată pentru indivizii cu studii liceale
Respondenții care nu au finalizat decât studiile liceale, au considerat că cea mai importantă caracteristică este valuta, acordând o pondere de 42.81%. Pentru această categorie, este de menționat faptul că asigurarea de viață contează doar în proporție de 4.46%. Nicio altă categorie de respondenți nu a mai acordat o pondere așa mică pentru o caracteristică. Putem pune acest rezultat pe baza lipsei de informare a persoanelor care nu au decât studii liceale, necunoscând beneficiile și importanța unei asigurări de viață.
Tabel 3.14 Importanța relativă estimată pentru categoria
indivizilor cu studii universitatare
Persoanele care au finalizat studiile universitare acordă cea mai mare importanță valutei, cu o proporție de 31.99%, dar și termenului de desfășurare a creditului cu un procent de 21.38%. O importanță mult mai scazută o acorda celorlalte caracteristici, dobânda, avansul și asigurarea de viață, care înregistrează ponderi sub pragul de 18%.
Tabel 3.15 Importanța relativă estimată pentru categoria
indivizilor cu studii postuniversitare
Ca și în cazul respondenților cu studii universitare, și respondenții cu studii postuniversitare acordă cea mai mare importanță pentru valută, dar ponderea este mai mult mai mare și mai diferențiată în comparație cu celelalte caracteristici. Valuta înregistrează un procent de peste 42% și este urmată de termen, care are o importanță de doar 17.98%. Ca și în cazul celorlalte categorii, indivizii cu studii postuniversitare acordă o importanță mult mai scăzută dobânzii, avansului și asigurării de viață.
Tabel 3.16 Importanța relativă estimată pentru categoria
indivizilor cu veniturile cuprinse între 2500-3500 RON
Cei mai mulți dintre respondenții chestionarului au venitul cuprins între 2500-3500 RON și au acordat cea mai mare importanță valutei, cu o podere de peste 40%. Următoarea caracteristică în ordinea preferințelor acestor consumatori este termenul, cu o pondere de 20.83%, urmată de avans cu 16.54% și de asigurarea de viață cu 11.25%. Această categorie de respondenți acordă cea mai mică pondere, de doar 10.20% pentru dobândă.
Tabel 3.17 Importanța relativă estimată pentru categoria
indivizilor cu veniturile mai mari de 5000 RON
Respondenții ce înregistrează venituri mai mari de 5000 RON au acordat cea mai mare importanță valutei, într-o proporție de 34.86%. Totuși, diferența între importanța acordată caracteristicilor nu este la fel de mare ca în cazul altor categorii de respondenți. Observăm că aceștia au acordat o pondere de 24.6% pentru termen, în timp ce dobânda, avansul și asigurarea de viață au ponderi apropiate curpinse între 12.6% și 14.2%. Acest rezultat îl putem pune pe seama faptului că pentru persoanele care au venituri mai mari nu contează foarte mult niciuna dintre caracteristici, aceștia putând suporta mult mai ușor un credit, spre deosebire de persoanele care câștigă mai puțin.
Tabel 3.18 Importanța relativă estimată pentru categoria
indivizilor cu un venit sigur
Indivizii care consideră ca au un venit sigur, au acordat o pondere de 40.35% pentru valută, considerată caracteristica cu cea mai mare importanță. Următoarele caracteristici au o importanță mult mai mică pentru această categorie de respondenți. Aceștia au acordat ponderi de doar 19.49% pentru termen, 15.58% pentru dobândă, 15.14% pentru avans și doar 9.41% pentru asigurarea de viață. Putem spune că acești indivizi, având un venit sigur, nu consideră așa de important să aibă și o asigurare de viață inclusă.
Tabel 3.19 Importanța relativă estimată pentru categoria
indivizilor cu un venit destul de sigur
Categoria indivizilor care consideră că au un venit destul de sigur acordă cea mai mare importanță valutei, cu o pondere de 33.66%, ca și în cazul tuturor categoriilor prezentate mai sus. De asemenea, a doua importanță este acordată termenului, cu o pondere de 21.46%, urmată de avans cu 16.37% și asigurare de viață cu 15.50%. Această categorie acordă cea mai mică importanță pentru dobândă, cu o pondere ce nu trece de pragul de 15%
Tabel 3.20 Importanța relativă estimată pentru categoria
indivizilor cu un venit foarte sigur
Această categorie este singura care a acordat cea mai mare importanță termenului de contractare a creditului, cu o pondere de peste 33%, urmată de monedă cu o pondere de 27.87%, dobândă cu o pondere de 17.38%, existența avansului cu o pondere de 13.10% și la mai mare distanță, cu o pondere de doar 7.8%, existența unei asigurări de viață. Putem spune că respondenții care au un venit foarte sigur, consideră că moneda nu este asa importantă, spre deosebire de indivizii care nu sunt asa siguri de veniturile curente și viitoare.
Concluzii
Bibliografie:
Akaah, I. P., and P. K. Korgaonkar. 1988. A conjoint investigation of the relative importance of risk relievers in direct marketing. Journal of Advertising Research, 28:4, 38–44.
Bell, E. H. 1961. Social foundations of human behavior: Introduction to the study of sociology. New York: Harper & Row.
Blake, C. L., and C. J. Merz. 1998. "UCI Repository of machine learning databases." Available at http://www.ics.uci.edu/~mlearn/MLRepository.html.
Breiman, L., and J. H. Friedman. 1985. Estimating optimal transformations for multiple regression and correlation. Journal of the American Statistical Association, 80, 580–598.
Cattin, P., and D. R. Wittink. 1982. Commercial use of conjoint analysis: A survey. Journalof Marketing, 46:3, 44–53.
Dauda, Samson Yusuf, and Jongsu Lee. "Technology adoption: A conjoint analysis of consumers׳ preference on future online banking services." Information Systems 53 (2015): 1-15.
Green, Paul E., Abba M. Krieger, and Yoram Wind. "Thirty years of conjoint analysis: Reflections and prospects." Interfaces 31.3_supplement (2001): S56-S73.
Green, Paul E., and Venkataraman Srinivasan. "Conjoint analysis in consumer research: issues and outlook." Journal of consumer research (1978): 103-123.
JungHwan, Lee, Kim Dong Wook, and Zo Hangjung. "Conjoint analysis on preferences of HRD managers and employees for effective implementation of m-learning: The case of South Korea." Telematics and Informatics (2015).
Kara, Ali, Erdener Kaynak, and Orsay Kucukemiroglu. "Credit card development strategies for the youth market: The use of conjoint analysis." International Journal of Bank Marketing 12.6 (1994): 30-36.
Lima Filho, Tarcísio, et al. "Conjoint analysis as a tool to identify improvements in the packaging for irradiated strawberries." Food Research International 72 (2015): 126-132.
Luce, R. Duncan, and John W. Tukey. "Simultaneous conjoint measurement: A new type of fundamental measurement." Journal of mathematical psychology 1.1 (1964): 1-27.
Wittink, Dick R., and Philippe Cattin. "Commercial use of conjoint analysis: An update." The Journal of Marketing (1989): 91-96.
http://www.qualtrics.com/research-suite/survey-types/conjoint-types/
http://www01.ibm.com/support/knowledgecenter/SSLVMB_20.0.0/com.ibm.spss.statistics.help/alg_conjoint.htm
http://www.conjoint.com/CR01.aspx
Bibliografie:
Akaah, I. P., and P. K. Korgaonkar. 1988. A conjoint investigation of the relative importance of risk relievers in direct marketing. Journal of Advertising Research, 28:4, 38–44.
Bell, E. H. 1961. Social foundations of human behavior: Introduction to the study of sociology. New York: Harper & Row.
Blake, C. L., and C. J. Merz. 1998. "UCI Repository of machine learning databases." Available at http://www.ics.uci.edu/~mlearn/MLRepository.html.
Breiman, L., and J. H. Friedman. 1985. Estimating optimal transformations for multiple regression and correlation. Journal of the American Statistical Association, 80, 580–598.
Cattin, P., and D. R. Wittink. 1982. Commercial use of conjoint analysis: A survey. Journalof Marketing, 46:3, 44–53.
Dauda, Samson Yusuf, and Jongsu Lee. "Technology adoption: A conjoint analysis of consumers׳ preference on future online banking services." Information Systems 53 (2015): 1-15.
Green, Paul E., Abba M. Krieger, and Yoram Wind. "Thirty years of conjoint analysis: Reflections and prospects." Interfaces 31.3_supplement (2001): S56-S73.
Green, Paul E., and Venkataraman Srinivasan. "Conjoint analysis in consumer research: issues and outlook." Journal of consumer research (1978): 103-123.
JungHwan, Lee, Kim Dong Wook, and Zo Hangjung. "Conjoint analysis on preferences of HRD managers and employees for effective implementation of m-learning: The case of South Korea." Telematics and Informatics (2015).
Kara, Ali, Erdener Kaynak, and Orsay Kucukemiroglu. "Credit card development strategies for the youth market: The use of conjoint analysis." International Journal of Bank Marketing 12.6 (1994): 30-36.
Lima Filho, Tarcísio, et al. "Conjoint analysis as a tool to identify improvements in the packaging for irradiated strawberries." Food Research International 72 (2015): 126-132.
Luce, R. Duncan, and John W. Tukey. "Simultaneous conjoint measurement: A new type of fundamental measurement." Journal of mathematical psychology 1.1 (1964): 1-27.
Wittink, Dick R., and Philippe Cattin. "Commercial use of conjoint analysis: An update." The Journal of Marketing (1989): 91-96.
http://www.qualtrics.com/research-suite/survey-types/conjoint-types/
http://www01.ibm.com/support/knowledgecenter/SSLVMB_20.0.0/com.ibm.spss.statistics.help/alg_conjoint.htm
http://www.conjoint.com/CR01.aspx
Copyright Notice
© Licențiada.org respectă drepturile de proprietate intelectuală și așteaptă ca toți utilizatorii să facă același lucru. Dacă consideri că un conținut de pe site încalcă drepturile tale de autor, te rugăm să trimiți o notificare DMCA.
Acest articol: Piata Creditelor din Romania (ID: 144173)
Dacă considerați că acest conținut vă încalcă drepturile de autor, vă rugăm să depuneți o cerere pe pagina noastră Copyright Takedown.