Utiliser l'outil
Ouvrez un fichier ou cliquez sur « Utiliser les données d'exemple », indiquez les colonnes d'identifiant du répondant, de tâche et de choix, puis cochez les colonnes d'attributs. Un attribut numérique comme le prix peut être déclaré « linéaire » pour n'estimer qu'une pente ; le consentement à payer s'affiche dès qu'un attribut de prix linéaire est choisi. L'option « aucun » est une ligne dont tous les attributs sont vides, ou qui vaut 1 dans la colonne d'indicateur « aucun ».
Les résultats du logit agrégé s'affichent immédiatement. Cliquez sur « Lancer l'estimation HB » : le bayésien hiérarchique tourne dans un thread d'arrière-plan avec une barre de progression ; ensuite, le simulateur de marché (2 à 6 produits) fait la moyenne sur les tirages conservés de chaque répondant et propose la règle du premier choix.
Méthode : codage par effets, prix linéaire et bayésien hiérarchique
Un attribut qualitatif à L niveaux est codé par effets : L − 1 paramètres sont estimés et le dernier niveau vaut l'opposé de leur somme, si bien que les utilités partielles sont centrées sur zéro au sein de chaque attribut. Un attribut numérique peut être estimé comme terme linéaire (centré et réduit, le résultat étant reconverti en variation d'utilité par unité). L'option « aucun » a sa propre constante.
Probabilité de choix P(j) = exp(xⱼ·β) ÷ Σₖ exp(xₖ·β). Le logit agrégé estime par Newton-Raphson les β du répondant moyen avec leurs erreurs types. Le bayésien hiérarchique suppose que chaque répondant a ses βₙ ~ N(b, D) et partage avec l'outil MaxDiff le même moteur Metropolis-within-Gibbs, avec une graine fixe pour des résultats reproductibles.
- Importance d'un attribut = étendue de ses utilités partielles ÷ somme des étendues de tous les attributs × 100 ; en HB, le calcul se fait par répondant avant la moyenne.
- Consentement à payer = (utilité du niveau − utilité du premier niveau de l'attribut) ÷ (utilité perdue par unité de prix), calculé sur les utilités moyennes (rapport des moyennes en HB).
- Limites du navigateur : le HB accepte au plus 5 000 répondants et 60 paramètres.
Exemple chiffré
Les données synthétiques simulent une étude sur des écouteurs sans fil : 300 répondants, 10 tâches chacun, 3 produits plus l'option « aucun » par tâche, soit 3 000 choix au total, dont 17,7 % pour « aucun ». Le logit agrégé (R² de McFadden = 0,164) donne l'importance des attributs suivante : prix 44,6 %, autonomie 23,1 %, marque 16,5 %, réduction de bruit active 15,7 %.
Le prix est estimé en linéaire : chaque dollar supplémentaire fait perdre 0,0220 unité d'utilité. La réduction de bruit active vaut donc environ 31,72 dollars pour le répondant moyen, et passer de 6 à 14 heures d'autonomie environ 46,60 dollars.
En simulant face à face un modèle haut de gamme (Aurora, 14 heures, réduction de bruit active, 139 dollars) et un modèle d'entrée de gamme (Zenith, 10 heures, sans réduction de bruit, 49 dollars), on obtient des parts de 35,2 % et 42,8 %, et 22,0 % ne choisissent aucun des deux (parts de préférence du logit agrégé ; lancez le HB dans l'outil pour des parts fondées sur les répondants).
Quand utiliser l'analyse conjointe, et quand l'éviter
Le CBC sert la tarification et la conception d'offres : quelles fonctionnalités valent la peine d'être ajoutées, combien elles valent, et quelle part de préférence une nouvelle offre peut prendre face à la concurrence.
- De 2 à environ 8 attributs, 2 à 15 niveaux par attribut, et au moins 8 tâches de choix par répondant.
- Vous voulez seulement classer une liste d'allégations ou de fonctionnalités : le MaxDiff est plus simple pour les répondants.
- Les répondants notent ou classent des produits complets au lieu de choisir : utilisez une analyse conjointe par notation (SPSS CONJOINT).
- Les parts simulées sont des parts de préférence : elles ignorent la distribution, la notoriété et les promotions, et ne sont pas une prévision de ventes.
Interpréter les résultats
Comparez les utilités partielles uniquement au sein d'un même attribut. L'importance d'un attribut dépend de l'étendue des niveaux testés : plus la plage de prix est large, plus le prix semble important. Quand les produits se ressemblent, préférez la simulation fondée sur le HB, car le logit agrégé exagère les écarts entre produits similaires.