消费者决策建模：Conjoint Analysis联合分析

人们会花大量的时间，决定他们购买哪些产品和服务。最近的一项研究表明，普通人每年大约花费 130 个小时决定去哪里吃饭。一般来说，消费者们会根据产品提供的效用，在产品的各种属性之间进行权衡，然后决定是否购买。作为营销人员或产品经理，了解消费者如何做出这些权衡，以及每个属性的效用非常重要。如果你想了解更多数据分析相关内容，可以阅读以下这些文章：
数据分析的Regression算法到底是什么？
数据分析新工具MindsDB–用SQL预测用户流失
DS数据科学家和DA数据分析师：要学习什么不同内容？
数据分析师需要知道的10个Excel函数

为了理解属性和效用的概念，让我们以买新手机为例。消费者在决定购买时，可能会考虑内存、存储容量、相机规格、屏幕尺寸、分辨率、品牌和价格等因素。我们把这些因素称之为属性，消费者从这些属性中得到效用。从每个属性中获得的效用也称为部分价值。每个消费者不同，他们从产品属性获得的效用也不同。

例如，摄影爱好者可能会从相机规格属性中获得比其他属性（如 RAM 和存储容量）更多的效用。相比之下，游戏爱好者将从 RAM、存储容量、和屏幕尺寸/分辨率中获得更多效用。想要开发成功的产品，市场营销人员/产品经理必须了解其客户群的属性偏好，量化客户从属性中获得的效用。

联合分析（Conjoint Analysis）就是一种统计方法，用于了解属性的相对重要性/偏好，并量化消费者从产品的每个属性中获得的效用。因此，我们可以用这个方法，根据消费者在做出购买决定时可能做出的权衡，建立模型。

在执行联合分析时，有以下两个基本假设：

• 1. 消费者会购买总效用最高的产品（单个属性效用的总和）
• 2. 消费者会遵循补偿性决策过程。简单来说，产品的正面属性可以弥补负面属性，也就是客户愿意做出取舍。

市场研究设计

联合分析的第一步，是设计市场研究。通过分层随机抽样的方式选出研究参与者，这些人会代表产品目标受众。

让我们再次以购买智能手机为例。（产品团队花了大量时间讨论产品属性，并经常进行小组讨论，从消费者那里获得更多信息）为简单起见，让我们假设我们要考虑的属性只有RAM、存储、相机、屏幕、品牌、和价格。

本研究的问卷设计如下所示：

我们会给参与者多个选择组合，并提示他们选择其中一个。（为了简单起见，我只提供了两个随机选择组合。在实际调查中，根据产品属性的数量，我们可以提供参与者10 – 20 个选择组合）选择组合的设计本身就非常复杂，所以不会在本文中深入研究。我们模拟消费者经历的实际决策过程，提出这些问题，然后记录并处理每个参与者对每个选择集的响应，从而建模。

统计模型

我们记录和处理了每个参与者的响应。结果数据集的示例如下所示：

在建模之前，我们需要确保准确地编写了连续变量和分类变量。在本示例中，我把除“品牌”之外的所有属性都视为连续变量。然后，我们把“选择（Choice）”作为因变量，属性作为自变量，并运行逻辑回归模型（Logistic Regression）。对于该模型，强制把截距设为 0 也很有用，因为当所有因变量为 0 时，从理论上来说，该产品的效用应为 0。我们可以使用以下代码通过R完成：

model <- glm(Choice ~ 0 + Ram + Storage + Camera + Screen + Brand + Price, Data = Data, Family = Binomial)

模型结果与说明

在运行回归模型之后，我们得到了每个属性的系数。如下所示：

我们可以用常规的逻辑回归模型解释这些系数。在这种情况下，我们使用逻辑回归模型中的对数几率（Log-odds），表示消费者从属性中获得的效用。因此，“RAM”每增加 1GB ，客户的平均效用会增加 2.1 个单位。同样，“价格”每增加 1 美元，客户的效用会平均下降 0.08 个单位。我们还了解到，客户对品牌C的重视程度高于品牌A和品牌B （系数表中不包括“D”品牌，因为我们要把它的系数设为0，作为参考）

最后，我们可以根据产品属性，计算产品的总效用和购买概率，如下所示：（这些结果和计算是基于我们创建的随机数据，而非实际数据。所以一些结果可能看起来不太符合逻辑 )

通过我们模型的结果，我们可以测试产品属性的多个规格，并得出目标客户的总效用和购买概率。这在设计要投放市场的新产品时特别有用。

市场模拟

我们也可以用这种方法模拟市场，并估计新产品的市场份额。我们不用对所有参与者的所有数据进行逻辑回归，而是对每个参与者的回答运行逻辑回归模型，从而为我们提供产品的总效用，以及样本中参与者的购买概率。因为，选择样本是为了代表总体，所以样本的结果可以外推到整体，从而得出估计的市场份额。我们也可以使用更复杂的方法，例如分层贝叶斯模型（Hierarchical Bayesian Models），获得更具统计意义的结果。

结论

在了解消费者在特定环境中喜欢的产品属性，联合分析（Conjoint Analysis）是非常有用的。该方法还可以用于设计产品甚至服务。从专业角度来看，我曾经用这个方法了解过速食餐厅顾客的食物偏好。此方法也经常用于基于属性的定价（Attribute-Based Pricing）。虽然营销决策是艺术和科学的结合，但这种方法是在设计产品或服务时，消除主观性和个人偏见的有力工具。毫无疑问，联合分析一定会受益于所有市场分析师（Marketing Analyst）。

感谢你的阅读！你还可以订阅我们的YouTube频道，观看大量数据科学相关公开课：https://www.youtube.com/channel/UCa8NLpvi70mHVsW4J_x9OeQ；在LinkedIn上关注我们，扩展你的人际网络！https://www.linkedin.com/company/dataapplab/

原文作者：Ritvik Kuila
翻译作者：Lia
美工编辑：过儿
校对审稿：Jiawei Tong
原文链接：https://towardsdatascience.com/modeling-consumer-decisions-conjoint-analysis-f4eda531ecf6