PHÂN TÍCH LIÊN KẾT – CONJOINT ANALYSIS

Phân tích liên kết: Là kỹ thuật phân tích ảnh hưởng tổng hợp (joint effects) nhiều biến độc lập (nominal) lên biến phụ thuộc (ordinal) Mục đích: Xác định tầm quan trọng tương đối thuộc tính sản phẩm mức độ thỏa dụng cấp độ khác thuộc tính Có thể dùng để: Xác định tầm quan trọng tương đối thuộc tính q trình lựa chọn người tiêu dùng Xác định phối hợp thuộc tính tạo nhãn hiệu ưa thích Kiểm định thị trường cho sản phẩm Các bước thực hiện: Xác định thuộc tính quan trọng sản phẩm (VD: chất lượng, kiểu dáng, giá bán) Xác định cấp độ thuộc tính Xây dựng tập hợp phương án đánh giá: Mỗi phương án có số thuộc tính có mức độ thuộc tính khác Tập phương án đưa cho cho đối tương chọn / xếp hạng / cho điểm thể mức độ ưa thích Xử lý lại liệu (nếu cần) trước phân tích thức Ví dụ minh họa • • • Bài tốn: Phân tích cách thức khách hàng đánh giá loại giầy mà công ty dự định tung thị trường Giả sử xác định thuộc tính quan trọng là: Loại da, Xuất xứ, Giá Mỗi thuộc tính giả sử có cấp độ Bảng mơ tả thuộc tính cấp độ: Các thuộc tính Loại da Xuất xứ Giá Các cấp độ Số Mô tả Da nhựa da bò Giả da bò Trung quốc Việt nam Ý 100.000 đồng 200.000 đồng 300.000 đồng Bảng tập chọn đánh giá • Về nguyên tắc với thuộc tính, thuộc tính có cấp độ có tổng cộng 27 phối hợp (33), tức tạo 27 loại giầy từ phối hợp thuộc tính

PHÂN TÍCH LIÊN KẾT – CONJOINT ANALYSIS

• Phân tích liên kết: Là một kỹ thuật phân tích ảnh hưởng tổng hợp (joint effects)

của nhiều biến độc lập (nominal) lên một biến phụ thuộc (ordinal)

• Mục đích: Xác định tầm quan trọng tương đối của các thuộc tính sản phẩm và các

mức độ thỏa dụng của các cấp độ khác nhau của các thuộc tính đó

• Có thể dùng để:

+ Xác định tầm quan trọng tương đối của các thuộc tính trong quá trình lựa chọn của người tiêu dùng

+ Xác định một phối hợp các thuộc tính tạo ra một nhãn hiệu được ưa thích nhất

+ Kiểm định thị trường cho sản phẩm mới

• Các bước thực hiện:

+ Xác định các thuộc tính quan trọng của sản phẩm (VD: chất lượng, kiểu dáng, giá bán)

+ Xác định các cấp độ của các thuộc tính

+ Xây dựng một tập hợp các phương án đánh giá: Mỗi phương án có số thuộc tính như nhau nhưng có các mức độ thuộc tính khác nhau

+ Tập các phương án này được đưa cho cho các đối tương chọn / xếp hạng / hoặc cho điểm thể hiện mức độ ưa thích

+ Xử lý lại dữ liệu (nếu cần) trước khi phân tích chính thức

Ví dụ minh họa

• Bài toán: Phân tích cách thức khách hàng đánh giá về các loại giầy mới mà một công ty dự định tung ra thị trường.

• Giả sử đã xác định được 3 thuộc tính quan trọng là: Loại da, Xuất xứ, và Giá Mỗi thuộc tính trên giả sử có 3 cấp độ.

• Bảng mô tả các thuộc tính và các cấp độ:

Loại da

Xuất xứ

Giá

Bảng các tập chọn và đánh giá

• Về nguyên tắc với 3 thuộc tính, mỗi thuộc tính có 3 cấp độ thì có thể có tổng

cộng 27 phối hợp (3 3 ), tức có thể tạo ra 27 loại giầy từ phối hợp 2 thuộc tính trên

• Tuy nhiên, trong thực tế, ta không cần phân tích đầy đủ tất cả 27 phối hợp, mà thường phân tích tối đa 9 phối hợp (1/3) là có đủ thông tin để đánh giá.

• Dưới đây là bảng đánh giá mức độ ưu thích của một khách hàng đối với 9 phối

hợp đưa ra (1 = Không thích nhất đến 9 = Ưa thích nhất)

Các phối hợp Các cấp độ thuộc tính

Loại da Màu sắc Giá Mức độ ưa thích

1 Da nhựa Đen 300.000 1.00

2 Da nhựa Vàng 200.000 3.00

3 Da nhựa Nâu 100.000 5.00

5 Da bò Vàng 100.000 5.00

7 Giả da bò Đen 100.000 5.00

8 Giả da bò Vàng 300.000 3.00

9 Giả da bò Nâu 200.000 4.00

Phương pháp phân tích

• Có nhiều phương pháp phân tích, nhưng cách đơn giản nhất là dùng hồi quy

với biến giả (dummy)

• Sử dụng phương pháp hồi quy biến giả, ta phải mã hóa lại dữ liệu:

Vì mỗi thuộc tính có 3 cấp độ do đó ta cần 2 biến giả cho mỗi thuộc tính Giả

sử lấy cấp độ 3 của mỗi thuộc tính làm cơ sở, ta có:

1 Thuộc tính Loại da:

X1 = 1: Da nhựa X2 = 1: Da bò X1 và X2 = 0: Giả da bò

2 Thuộc tính Màu sắc:

X3 = 1: Đen X4 = 1: Vàng X3 và X4 = 0: Nâu

3 Thuộc tính Giá:

X5 = 1: 300.000 đồng X6 = 1: 200.000 đồng X5 và X6 = 0: 100.000 đồng

Kết quả mã hóa lại

Các phối

hợp Loại da Màu sắcCác cấp độ thuộc tínhGiá Mức độ ưa

thích

Mod el Summar y

Model

1

Adjusted

R Square

Std Error of the Estimate

Predictors: (Constant), Gia 200.000 dong, Viet nam,

Gia da, Gia 100.000 dong, Trung quoc, Da nhua

a

Coefficient s a

(Constant)

Da nhua

Da bo

Den

Vang

Gia 100.000 dong

Gia 200.000 dong

Model

1

Unstandardized Coefficients

Beta

Standardized Coefficients

Dependent Variable: Muc do ua thich

a

Xác định mức thỏa dụng cho các cấp độ thuộc tính

• Đối với thuộc tính Loại da:

+ Gọi: α11, α12, α13 là các mức thỏa dụng đối với từng loại da lần lượt của

Da nhựa, Giả da và Da bò

+ Vì độ thỏa dụng (mức độ ưa thích) được đo trên thang đo khoảng, vì vậy việc định nghĩa giá trị 0 là tùy tiện, do đó ta có thể xem tổng độ thỏa dụng của các cấp độ thuộc tính Loại da = 0

+ Ta có hê các phương trình thỏa dụng sau:

α11 - α13 = b1 = - 1.000

α12 - α13 = b2 = 0.333

α11 + α12 + α13 = 0

+ Giải hệ này ta có: α11 = -0.778, α12 = 0.556, α13 = 0.222

• Tương tự, với α21, α22, α23 là các mức thỏa dụng đối với đen, vàng, và nâu của thuộc tính Màu sắc, ta có:

α21 = -0.445, α22 = -0.111, α23 = 0.556

• Tương tự, với α31, α32, α33 thuộc tính Giá:

α31 = -1.111, α32 = -0.111, α33 = 1.222

Giải thích ý nghĩa của các hệ số α

• α11 = -0.778, α12 = 0.556, α13 = 0.222

Hệ số α12 có giá trị lớn nhất, điều này chỉ ra rằng da bò của thuộc tính Loại da mang lại độ thỏa dụng cao nhất cho người tiêu dùng, tiếp đến là giả da và tệ nhất là da nhựa.

• α21 = -0.445, α22 = -0.111, α23 = 0.556.

Hệ số α23 có giá trị lớn nhất, điều này chỉ ra màu nâu của

thuộc tính Màu sắc mang lại độ thỏa dụng cao nhất, tiếp đến là màu vàng và không được ưa thích nhất là màu đen.

• α31 = -1.111, α32 = -0.111, α33 = 1.222.

Hệ số α33 có giá trị lớn nhất, điều này cho thấy mức giá

100.000 đồng có độ thỏa dụng cao nhất, tiếp đến là 200.000 đồng và cuối cùng là 300.000 đồng.

Xác định tầm quan trọng của các thuộc tính

• Tầm quan trọng của mỗi thuộc tính được định nghĩa là khoảng biến thiên trong mức độ thỏa dụng của các cấp độ thuộc tính của thuộc tính đó.

• Ta có:

+ Range [α11 = -0.778, α12 = 0.556, α13 = 0.222] = 1.334.

+ Range [α21 = -0.445, α22 = -0.111, α23 = 0.556] = 1.001.

+ Range [α31 = -1.111, α32 = -0.111, α33 = 1.222] = 2.333.

• Tầm quan trọng tương đối được xác định như sau:

+ Tầm quan trọng tương đối của Loại da: 1.333 / 4.668 = 0.286 + Tầm quan trọng tương đối của Màu sắc: 1.001 / 4.668 = 0.214 + Tầm quan trọng tương đối của Giá: 2.333 / 4.668 = 0.500.

Vậy Giá là thuộc tính có tầm quan trọng tương đối cao nhất, tiếp đến là Loại da và cuối cùng Màu sắc.