도구 사용법
데이터 파일을 열거나 ‘샘플 데이터 사용’을 누르고 응답자 ID, 과제, 선택 여부 열을 지정한 뒤 속성 열을 체크하세요. 가격 같은 숫자 속성은 ‘선형’으로 지정해 기울기 하나만 추정할 수 있으며, 선형 가격 속성을 고르면 지불 의향이 표시됩니다. ‘선택 안 함’ 대안은 모든 속성이 빈칸인 행이거나 ‘선택 안 함’ 표시 열이 1인 행입니다.
집계 로짓 결과는 바로 나타납니다. ‘HB 추정 실행’을 누르면 계층적 베이즈가 백그라운드 스레드에서 진행률을 보여 주며 실행되고, 끝나면 시장 시뮬레이터(제품 2–6개)가 응답자별 저장 추출을 평균하며 ‘최우선 선택’ 규칙도 쓸 수 있습니다.
방법: 효과 코딩, 선형 가격, 계층적 베이즈
수준이 L개인 범주형 속성은 효과 코딩합니다. 모수 L − 1개를 추정하고 마지막 수준은 나머지 합의 부호를 바꾼 값이므로 속성마다 부분가치가 0을 중심으로 합니다. 숫자 속성은 선형 항으로 추정할 수 있으며(중심화·척도 조정 후 단위당 효용 변화로 환산), ‘선택 안 함’에는 별도의 상수항이 있습니다.
선택 확률 P(j 선택) = exp(xⱼ·β) ÷ Σₖ exp(xₖ·β)입니다. 집계 로짓은 뉴턴-랩슨 방법으로 평균 응답자의 β와 표준오차를 추정합니다. 계층적 베이즈는 응답자별 βₙ ~ N(b, D)를 가정하고 MaxDiff 도구와 같은 Metropolis-within-Gibbs 엔진을 쓰며, 시드가 고정되어 결과를 재현할 수 있습니다.
- 속성 중요도 = 해당 속성 부분가치 범위 ÷ 모든 속성 범위 합 × 100. HB는 응답자별로 계산한 뒤 평균합니다.
- 지불 의향 = (해당 수준 효용 − 그 속성 첫 수준 효용) ÷ 가격 1단위당 잃는 효용. 평균 효용으로 계산합니다(HB는 평균의 비율).
- 브라우저 한도: HB는 응답자 최대 5,000명, 모수 60개까지입니다.
계산 예시
합성 샘플 데이터는 무선 이어폰 조사를 모사합니다. 응답자 300명이 각자 과제 10개를 수행했고 과제마다 제품 3개와 ‘선택 안 함’이 제시되어 선택은 모두 3,000회이며, 그중 17.7%가 ‘선택 안 함’이었습니다. 집계 로짓(McFadden R² = 0.164)의 속성 중요도는 가격 44.6%, 배터리 사용 시간 23.1%, 브랜드 16.5%, 노이즈 캔슬링 15.7% 순입니다.
가격을 선형으로 추정하면 1달러당 효용이 0.0220 줄어듭니다. 이를 기준으로 평균 응답자에게 노이즈 캔슬링은 약 31.72달러, 배터리 사용 시간을 6시간에서 14시간으로 늘리는 것은 약 46.60달러의 가치가 있습니다.
프리미엄 제품(Aurora, 14시간, 노이즈 캔슬링, 139달러)과 실속형 제품(Zenith, 10시간, 노이즈 캔슬링 없음, 49달러)을 함께 시뮬레이션하면 점유율은 각각 35.2%와 42.8%, ‘선택 안 함’은 22.0%입니다(집계 로짓 선호 점유율이며, 도구에서 HB를 실행하면 개인 기반 점유율을 얻을 수 있습니다).
적합한 경우와 적합하지 않은 경우
CBC는 가격 책정과 제품 설계에 알맞습니다. 어떤 기능을 넣을 가치가 있는지, 얼마의 가치가 있는지, 새 제품 구성이 경쟁 제품 대비 얼마의 선호 점유율을 얻는지 판단할 수 있습니다.
- 속성 2개에서 약 8개, 속성당 수준 2–15개, 응답자당 선택 과제 8개 이상인 설계.
- 소구점이나 기능 목록의 순위만 필요한 경우. 응답자에게 더 쉬운 MaxDiff를 쓰세요.
- 선택이 아니라 완성 제품을 평가하거나 순위를 매기는 경우. 평가 기반 컨조인트(SPSS CONJOINT)를 쓰세요.
- 시뮬레이션 점유율은 선호 점유율로 유통, 인지도, 판촉을 고려하지 않으므로 판매량 예측으로 바로 쓸 수 없습니다.
결과 해석
부분가치는 같은 속성 안에서만 비교하세요. 속성 중요도는 테스트한 수준 범위에 따라 달라져 가격 범위가 넓을수록 가격이 더 중요해 보입니다. 제품끼리 비슷할 때는 집계 로짓이 비슷한 제품 간 차이를 과장하므로 HB 기반 시뮬레이션을 우선 쓰세요.