Analiza conjoint – jak zmierzyć, które cechy oferty decydują o wyborze?

Opracowanie merytoryczne: Konrad Hryniewicz · Opublikowano: 2 listopada 2026

Co to jest analiza conjoint?

Analiza conjoint (ang. conjoint analysis) to metoda badania preferencji, w której respondenci oceniają, porządkują lub wybierają profile – opisy produktu, oferty czy kandydata złożone z kilku atrybutów o różnych poziomach. Z ocen całych profili szacuje się, ile każdy poziom atrybutu dodaje do preferencji. Green i Srinivasan (1978, 1990) opisują jej rozwój w badaniach konsumenckich i marketingu, w tym pomiar preferencji przy wielu atrybutach i symulatory wyborów (zob. statystyka w pracy z marketingu).

Profile, użyteczności cząstkowe i ważność

• Projekt profili. Wybierz kilka atrybutów i ich poziomy. W pełnym układzie liczba profili to iloczyn liczby poziomów; przy wielu atrybutach stosuje się układ ułamkowy albo losowanie profili.
• Użyteczności cząstkowe (part-worths) to efekty poziomów względem poziomu odniesienia, szacowane np. regresją z kodowaniem zero-jedynkowym.
• Ważność atrybutu to rozstęp jego użyteczności cząstkowych podzielony przez sumę rozstępów wszystkich atrybutów.

Hainmueller i in. (2014) pokazali, że przy w pełni losowym doborze atrybutów (randomizacja) conjoint jest eksperymentem, który pozwala oszacować przyczynowy wpływ wielu atrybutów naraz. Prostszym krewnym jest eksperyment winietowy.

Przykład

100 osób oceniło na skali 1–10 wszystkie 18 profili oferty sklepu internetowego: cena 29, 39 lub 49 zł, dostawa w 1, 3 lub 7 dni, opakowanie zwykłe lub ekologiczne (dane symulowane). Względem ceny 29 zł cena 39 zł obniżała ocenę o 1.18 pkt, a 49 zł o 2.45 pkt; dostawa w 7 dni zamiast 1 dnia – o 1.05 pkt, a opakowanie ekologiczne podnosiło ją o 0.55 pkt. Ważność atrybutów wyniosła: cena 60.6%, dostawa 26.0%, opakowanie 13.5%.

Jak opisać w pracy

Na co uważać

• Powtarzane oceny. Każda osoba ocenia wiele profili, więc przy testach licz błędy standardowe odporne na klastrowanie w osobach.
• Ważność zależy od zakresu poziomów. Szerszy przedział cen podniesie ważność ceny, choć preferencje się nie zmieniły.
• Za dużo atrybutów. Długie profile męczą i skłaniają do patrzenia tylko na jedną cechę.
• Deklaracje a wybory. Oceny hipotetycznych profili nie muszą odpowiadać rzeczywistym zakupom.

set.seed(4530)
profile <- expand.grid(cena = c("29 zł", "39 zł", "49 zł"),        # 3 x 3 x 2 = 18 profili
                       dostawa = c("1 dzień", "3 dni", "7 dni"),
                       opakowanie = c("zwykłe", "ekologiczne"))
d <- profile[rep(1:18, 100), ]                                      # 100 osób ocenia 18 profili
d$osoba <- factor(rep(1:100, each = 18))
u <- c(0, -1.2, -2.5)[d$cena] + c(0, -0.4, -1.1)[d$dostawa] + c(0, 0.6)[d$opakowanie]
d$ocena <- pmin(pmax(round(6 + u + rnorm(100, 0, 1)[d$osoba] + rnorm(nrow(d), 0, 1.2)), 1), 10)
m <- lm(ocena ~ cena + dostawa + opakowanie, data = d)              # kodowanie zero-jedynkowe
uz <- coef(m)[-1]; round(uz, 2)                                     # użyteczności cząstkowe
rozstep <- c(cena = diff(range(c(0, uz[1:2]))), dostawa = diff(range(c(0, uz[3:4]))),
             opakowanie = unname(abs(uz[5])))
round(100 * rozstep / sum(rozstep), 1)                              # ważność atrybutów (%)

            cena39 zł             cena49 zł          dostawa3 dni 
                -1.18                 -2.45                 -0.46 
         dostawa7 dni opakowanieekologiczne 
                -1.05                  0.55 
      cena    dostawa opakowanie 
      60.6       26.0       13.5 

Najczęstsze pytania

Czym analiza conjoint różni się od eksperymentu winietowego?

Obie metody zmieniają cechy opisu. Winieta to zwykle jeden opis z 2–3 czynnikami oceniany przez osobę, a w conjoint każdy respondent ocenia lub wybiera wiele profili z kilkoma atrybutami naraz.

Ile profili powinien ocenić jeden respondent w conjoint?

Tyle, by zadanie nie męczyło – w ocenach często kilkanaście profili. Przy wielu atrybutach zamiast pełnego układu używa się układu ułamkowego albo losuje profile dla każdej osoby.

Jak policzyć ważność atrybutu w analizie conjoint?

Dla każdego atrybutu policz rozstęp jego użyteczności cząstkowych (najwyższa minus najniższa, z poziomem odniesienia równym 0) i podziel przez sumę rozstępów wszystkich atrybutów. Wynik podaje się w procentach.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

@article{green1978conjoint, author={Green, Paul E. and Srinivasan, V.}, title={{Conjoint analysis in consumer research: Issues and outlook}}, journal={Journal of Consumer Research}, year={1978}, volume={5}, number={2}, pages={103--123}, doi={10.1086/208721}}

@article{green1990conjoint, author={Green, Paul E. and Srinivasan, V.}, title={{Conjoint analysis in marketing: New developments with implications for research and practice}}, journal={Journal of Marketing}, year={1990}, volume={54}, number={4}, pages={3--19}, doi={10.1177/002224299005400402}}

@article{hainmueller2014causal, author={Hainmueller, Jens and Hopkins, Daniel J. and Yamamoto, Teppei}, title={{Causal inference in conjoint analysis: Understanding multidimensional choices via stated preference experiments}}, journal={Political Analysis}, year={2014}, volume={22}, number={1}, pages={1--30}, doi={10.1093/pan/mpt024}}