Conjoint Analysis for Surveys
Construisez une étude conjoint ratings-based ou choice-based (CBC/HB), collectez les données et lisez les part-worth utilities et l'importance des attributs — du début à la fin.
Cette page est une traduction de l'original anglais relu. Voir l'original (EN)
analyse conjoint enquêteCe que c'est
L'analyse conjoint établit comment les gens arbitrent entre les caractéristiques d'un produit ou d'une offre. Au lieu de demander quelles caractéristiques comptent — où tout le monde répond que tout compte — vous montrez aux répondants des profils entiers qui combinent plusieurs attributs à différents niveaux, et ils réagissent à ces profils. Il existe deux grandes familles. Dans le conjoint ratings-based (ou rankings-based), les répondants notent ou classent les profils, et les utilities sont estimées par régression. Dans le choice-based conjoint (CBC), les répondants choisissent un profil dans un ensemble, et les utilities sont estimées avec un modèle de choix discret (typiquement multinomial logit, souvent avec hierarchical Bayes pour des estimations individuelles) ; le CBC reflète de vraies décisions d'achat et constitue la norme en études de marché. Dans les deux cas, le conjoint estime une part-worth utility pour chaque niveau d'attribut et un score d'importance pour chaque attribut, ce qui vous dit ce qui détermine vraiment le choix.
Quand l'utiliser
- Vous voulez savoir comment les clients arbitrent entre caractéristiques, marque et prix.
- Vous testez des concepts de produit ou des offres groupées avant le lancement.
- Vous avez besoin de l'importance des attributs, pas seulement de la préférence déclarée.
- Vous voulez simuler comment la préférence évolue quand vous changez le niveau d'une caractéristique.
Quand ne pas l'utiliser
- Vous voulez seulement comparer deux ou trois concepts finis dans l'ensemble — un simple test entre groupes peut suffire.
- Vos attributs ne peuvent pas être combinés en profils réalistes.
Hypothèses
- Les attributs et niveaux sont clairs, réalistes et à peu près indépendants.
- Les profils sont équilibrés pour que chaque niveau apparaisse un nombre équitable de fois.
- Les répondants évaluent des profils complets, pas des caractéristiques isolées.
- Assez de profils par répondant pour estimer les utilities, sans provoquer de fatigue.
Seuils et valeurs limites
| Criterion | Rule of thumb | Source |
|---|---|---|
| Nombre d'attributs | Rester autour de 4–6 attributs pour limiter la fatigue des répondants | Orme (2010), practical guidance |
| Profils par répondant | Assez pour estimer toutes les part-worths ; à équilibrer avec la fatigue | Orme (2010), practical guidance |
| Scores d'importance | Somme à 100% entre attributs — à lire en relatif, pas en absolu | Green & Srinivasan (1978) |
Comment le rapporter en APA
Une analyse conjoint ratings-based a estimé les part-worth utilities pour chaque niveau d'attribut. Le prix était l'attribut le plus important (importance relative = XX%), suivi de la marque (XX%) et de l'ensemble des caractéristiques (XX%). Les utilities étaient les plus élevées pour [niveau] et les plus basses pour [niveau], ce qui indique que les répondants préféraient surtout [interprétation].
Comment Explonia l'exécute
Explonia vous aide à construire une étude conjoint ratings-based ou choice-based, à collecter les réponses et à estimer les part-worth utilities et l'importance des attributs — le tout au même endroit. Vous définissez les attributs et les niveaux, Explonia génère des profils équilibrés, et après la collecte des données elle rapporte les utilities avec une répartition claire de l'importance et prépare une « Article description » en style APA que vous pouvez modifier. Le choice-based conjoint utilise multinomial logit ou hierarchical Bayes (HB) pour des estimations au niveau individuel, avec un simulateur de marché, une segmentation post-hoc et des indicateurs de qualité des répondants (straightlining, speeding) intégrés. Voir des exemples de conjoint en direct dans la galerie.
Questions fréquentes
Qu'est-ce qu'une part-worth utility ?
Une part-worth utility est la valeur que les répondants accordent à un niveau d'attribut précis. Des utilities plus élevées indiquent un niveau plus préféré. Comparer les utilities au sein d'un attribut montre quel niveau l'emporte.
Combien d'attributs une étude conjoint devrait-elle avoir ?
Environ 4–6 attributs est une fourchette pratique. Trop d'attributs submergent les répondants et ajoutent du bruit, ce qui nuit à la qualité des utilities estimées.
Quelle est la différence entre conjoint ratings-based et choice-based ?
Dans le conjoint ratings-based, les répondants notent ou classent les profils et les utilities sont estimées par régression. Dans le choice-based conjoint (CBC), les répondants choisissent un profil dans un ensemble et les utilities viennent d'un modèle de choix discret (multinomial logit, souvent avec hierarchical Bayes). Le CBC imite de vraies décisions d'achat et constitue la norme en études de marché ; le conjoint ratings-based est plus simple et bien adapté au travail académique et au test de concepts.
Explonia prend-il en charge le choice-based conjoint ?
Oui. Explonia exécute le choice-based conjoint (CBC) avec multinomial logit et hierarchical Bayes (HB) du début à la fin, aux côtés du conjoint ratings-based et du conjoint par classement, avec simulateur de marché et segmentation post-hoc intégrés.
Comment lire l'importance des attributs ?
Les scores d'importance ont une somme de 100% entre attributs et montrent le poids relatif de chacun dans la préférence. Lisez-les en comparaison les uns avec les autres, pas comme des pourcentages absolus.
Last updated: juillet 2026
Lancez Conjoint sur vos propres données
Collectez ou importez vos données, lancez l'analyse dans votre navigateur et obtenez un brouillon de paragraphe APA que vous pouvez modifier. Commencez gratuitement. Sans carte bancaire.
Commencer gratuitement