Como usar a ferramenta
Abra o arquivo ou clique em “Usar dados de exemplo”, indique as colunas de ID do entrevistado, tarefa e escolha e marque as colunas de atributos. Atributos numéricos como o preço podem ser marcados como lineares, estimando uma única inclinação; com um preço linear escolhido, aparece a disposição a pagar. A opção “nenhum” é uma linha com todos os atributos em branco ou com 1 na coluna de marcador de “nenhum”.
O logit agregado aparece na hora. Clique em “Rodar a estimação HB” para o Bayes hierárquico rodar em segundo plano, com barra de progresso; ao terminar, o simulador de mercado (2 a 6 produtos) faz a média sobre os draws salvos de cada entrevistado e libera a regra da primeira escolha.
Método: codificação de efeitos, preço linear e Bayes hierárquico
Atributos categóricos com L níveis usam codificação de efeitos: são estimados L − 1 parâmetros e o último nível é o negativo da soma dos demais, então as utilidades parciais de cada atributo são centradas em zero. Atributos numéricos podem entrar como termo linear (centralizado e escalonado, com o resultado convertido para utilidade por unidade). A opção “nenhum” tem sua própria constante.
Probabilidade de escolha P(escolher j) = exp(xⱼ·β) ÷ Σₖ exp(xₖ·β). O logit agregado estima por Newton–Raphson o β do entrevistado médio, com erros padrão. O Bayes hierárquico supõe βₙ ~ N(b, D) para cada entrevistado e usa o mesmo motor Metropolis-within-Gibbs da ferramenta de MaxDiff, com semente fixa e resultados reproduzíveis.
- Importância do atributo = amplitude das utilidades parciais do atributo ÷ soma das amplitudes de todos os atributos × 100; no HB, calculada por entrevistado e depois promediada.
- Disposição a pagar = (utilidade do nível − utilidade do primeiro nível do atributo) ÷ (utilidade perdida por unidade de preço), calculada com as utilidades médias (no HB, razão das médias).
- Limites do navegador: o HB aceita até 5.000 entrevistados e 60 parâmetros.
Exemplo resolvido
Os dados sintéticos de exemplo simulam um estudo de fones de ouvido sem fio: 300 entrevistados, 10 tarefas cada, 3 produtos mais a opção “nenhum” por tarefa, num total de 3.000 escolhas, das quais 17,7% foram “nenhum”. O logit agregado (R² de McFadden = 0,164) dá esta importância dos atributos: preço 44,6%, duração da bateria 23,1%, marca 16,5%, cancelamento de ruído 15,7%.
Com o preço estimado como linear, cada dólar a mais custa 0,0220 unidades de utilidade. Com isso, o cancelamento de ruído vale cerca de US$ 31,72 para o entrevistado médio, e passar a bateria de 6 para 14 horas vale cerca de US$ 46,60.
Simulando um modelo premium (Aurora, 14 horas, com cancelamento de ruído, US$ 139) contra um modelo econômico (Zenith, 10 horas, sem cancelamento de ruído, US$ 49), as participações são de 35,2% e 42,8%, e 22,0% ficam com “nenhum” (participação de preferência do logit agregado; rode o HB na ferramenta para obter participações baseadas nos indivíduos).
Quando usar e quando não usar
A CBC serve para precificação e desenho de produto: decidir quais recursos valem a pena, quanto valem e quanta preferência um novo produto conquista diante dos concorrentes.
- Use com 2 a cerca de 8 atributos, de 2 a 15 níveis por atributo e 8 ou mais tarefas de escolha por entrevistado.
- Não use quando só precisa ordenar uma lista de apelos ou recursos — o MaxDiff é mais simples para o entrevistado.
- Não use quando os entrevistados avaliam ou ordenam produtos completos em vez de escolher — use a análise conjunta baseada em avaliação (SPSS CONJOINT).
- As participações simuladas são participações de preferência; não consideram distribuição, conhecimento de marca nem promoção e não são previsão direta de vendas.
Como interpretar o resultado
Compare utilidades parciais só dentro do mesmo atributo; a importância depende da amplitude dos níveis testados, e quanto maior a faixa de preço, mais importante o preço parece. Quando os produtos são parecidos, prefira as simulações com HB, porque o logit agregado exagera as diferenças entre produtos semelhantes.