Kada koristiti conjoint analizu: je li prava za vas?
Ova je stranica prijevod recenziranog engleskog izvornika. Pogledaj izvornik (EN)
when to use conjoint analysisAndrzej Szymkowiak · Posljednji pregled: lipanj 2026.

Birate između potpune conjoint studije i nekoliko pitanja ocjene, a niste sigurni što vaše istraživačko pitanje zapravo treba. Conjoint analiza pravi je izbor kada je vaše istraživačko pitanje izričito o trade-offovima među atributima proizvoda — koliko cijena, kvaliteta ili marka pridonose preferenciji. Kada se vaše pitanje odnosi na jedan atribut ili ukupno zadovoljstvo, jednostavnija ljestvica ocjene daje odgovor brže i uz manje opterećenje ispitanika. Ovaj vam vodič pomaže odlučiti i pokazuje ključne odluke u dizajnu ako conjoint odgovara.
Conjoint analiza moćna je metoda za mjerenje trade-offova. No nije uvijek pravi izbor. Prije nego što dizajnirate conjoint studiju, trebate odgovoriti na osnovnije pitanje: zahtijeva li vaš istraživački problem zaista podatke o trade-offovima? Ovaj vam vodič pomaže odlučiti — a ako je conjoint pravi izbor, vodi vas kroz ključne odluke u dizajnu. Za širi proces dizajna studije koji prethodi ovoj odluci pogledajte od istraživačkog pitanja do upitnika →.
Što conjoint mjeri — a što ne
Conjoint analiza traži od ispitanika da procijene profile proizvoda koji variraju na nekoliko atributa istodobno. Promatrajući kako se ocjene (ili izbori) mijenjaju kako se atributi mijenjaju, procjenjujete relativnu važnost svakog atributa i part-worth korisnost svake razine unutar tog atributa.
Conjoint odgovara na:
- Koji su atributi proizvoda najvažniji ispitanicima?
- Koliko povećanje cijene smanjuje preferenciju, u usporedbi s poboljšanjem kvalitete?
- Koja kombinacija atributa daje najvišu ukupnu ocjenu preferencije?
Conjoint ne odgovara na:
- Sviđa li se ispitanicima kategorija proizvoda uopće. To radi jednostavna ocjena stava.
- Koliko često ispitanici kupuju. To radi pitanje o učestalosti.
- Zašto ispitanici preferiraju jedan atribut nad drugim. Conjoint otkriva da je tako, ne razlog.
Ako je vaše istraživačko pitanje „kako se marka uspoređuje s cijenom i brzinom dostave u poticanju preferencije?", conjoint je dobar izbor. Ako je vaše pitanje „smatra li naš ciljani segment ovaj proizvod privlačnim?", jednostavna ljestvica ocjene ili anketa o stavu brža je i lakša za analizu.
Kada je jednostavno pitanje ocjene dovoljno umjesto conjointa?
Koristite jednostavnu česticu ocjene kada:
- Imate jedan atribut ili značajku za procjenu.
- Želite ukupnu ocjenu zadovoljstva ili kvalitete.
- U eksploratornoj ste fazi, prije nego što se obvežete na potpun conjoint dizajn.
- Vaš dostupan uzorak je malen (conjoint zahtijeva više ispitanika za stabilne part-worth procjene).
- Vaši se ispitanici vjerojatno lako umaraju — primjerice kliničke populacije ili stariji odrasli.
Conjoint zadržite za slučajeve u kojima je struktura trade-offa stvarno istraživačko pitanje. Za smjernice o dizajnu i formulaciji tih jednostavnijih čestica ocjene pogledajte kako pisati dobra anketna pitanja →.
Kako birate conjoint atribute i razine?
Kvaliteta conjoint studije gotovo u potpunosti ovisi o tome kako definirate atribute i njihove razine.
Atributi su značajke proizvoda koje variraju među profilima. Česti primjeri u istraživanju potrošača: cijena, marka, razina kvalitete, vrijeme dostave, vrsta pakiranja.
Razine su vrijednosti koje svaki atribut može poprimiti. Za cijenu: 10 €, 20 €, 30 €. Za vrijeme dostave: sljedeći dan, tri dana, jedan tjedan.
| Odluka u dizajnu | Preporuka |
|---|---|
| Broj atributa | 3 do 6. Više od 6 stvara umor ispitanika i nestabilne procjene. |
| Broj razina po atributu | 2 do 4. Jednak broj razina među atributima pojednostavljuje dizajn. |
| Realističnost razina | Koristite razine na koje će ispitanici zaista naići na tržištu. Ekstremne razine iskrivljuju part-worthove. |
| Dominirani profili | Izbjegavajte profile gdje je jedna opcija očito najbolja na svakom atributu — ispitanici se možda neće ozbiljno uključiti. |
Česta je pogreška uključiti previše atributa jer se sve čini važnim. Najprije u pilotu pokrenite jednostavno pitanje ocjene važnosti da suzite popis.
Ratings-based vs choice-based conjoint
Postoje dvije glavne varijante i nisu zamjenjive.
Ratings-based conjoint traži od ispitanika da ocijene svaki profil na ljestvici — primjerice, vjerojatnost kupnje od 0 do 100 ili ljestvicu preferencije 1–7. Daje kontinuirane podatke, jednostavan je za analizu i manje kognitivno opterećuje ispitanike nego ponavljanje binarnih izbora.
Choice-based conjoint (CBC) ispitanicima prikazuje skup profila i traži da izaberu jedan — ili nijedan. CBC se smatra realističnijim jer odražava stvarnu odluku o kupnji. Hierarchical Bayes (HB) procjena standardna je metoda analize za CBC jer oporavlja part-worthove na razini pojedinca iz upravljivog broja zadataka izbora po ispitaniku.
Što Explonia podržava: oboje. Možete dizajnirati strukturu atributa, generirati uravnotežen, D-efikasan skup profila ili zadataka izbora, prikupiti odgovore te procijeniti part-worthove i važnost atributa unutar iste platforme — ratings-based conjoint (korisnosti iz regresije) i choice-based conjoint (CBC) s hierarchical Bayes (HB) za part-worthove na razini pojedinca, uz tržišni simulator i post-hoc segmentaciju.
Za većinu akademskih potrošačkih studija ratings-based conjoint jednostavniji je za provedbu i dobro odgovara na pitanje trade-offa. Odaberite CBC/HB kada vam trebaju choice shares, tržišni simulator ili part-worthovi na razini pojedinca za segmentaciju.
Opterećenje ispitanika i broj profila
Ratings-based conjoint studija obično prikazuje 12 do 25 profila po ispitaniku. S 3 atributa i po 3 razine imate 27 mogućih profila (3³). Fractional factorial dizajn to smanjuje na upravljiv podskup — obično 9 do 18 — uz i dalje moguću procjenu svih glavnih efekata.
Većina ispitanika može pouzdano ocijeniti do 15 do 20 profila prije nego što nastupi umor. Ako vaš dizajn daje više od toga, razmotrite between-subjects dizajn: različiti ispitanici vide različite podskupove profila, a procjene se objedinjuju kroz podskupove. Za planiranje veličine uzorka specifično za conjoint studije pogledajte koliko mi sudionika treba →. Za regrutiranje ciljanog uzorka s online panela pogledajte kako regrutirati sudionike na Prolificu →.
Što možete zaključiti
Part-worth procjene iz conjoint studije govore vam o relativnoj preferenciji unutar razina atributa koje ste uključili. One ne:
- Predviđaju stvarni tržišni udio bez zasebnog simulacijskog modela.
- Generaliziraju na atribute ili razine koje niste uključili u dizajn.
- Govore vam kako će se ljudi zaista ponašati. Conjoint je dizajnirani eksperiment, pa part-worthovi odražavaju kauzalni učinak razina atributa na iskazanu preferenciju unutar zadatka — ali iskazana preferencija u anketi nije isto što i stvarna kupnja, a procjene ne govore ništa o pokretačima izvan atributa koje ste varirali.
Jasno navedite te granice u svojim metodama i raspravi. Rečenica poput „Part-worth korisnosti odražavaju relativnu preferenciju unutar procijenjenog prostora atributa i ne predstavljaju tržišnu simulaciju" iskrena je i lako branljiva.
Dizajnirajte svoju studiju pomoću conjoint designera
Explonijin conjoint designer (/tools/conjoint-designer/) vodi vas kroz unos atributa i razina te izrađuje uravnotežen, D-efikasan dizajn za ratings-based, choice-based (CBC) ili rang conjoint, a zatim prikazuje pregled ankete onako kako će je ispitanik vidjeti. Možete pregledati žive conjoint primjere →. Nakon prikupljanja podataka, analiza part-worthova, važnost atributa te — za CBC/HB — tržišni simulator i segmentacija pokreću se u istoj platformi — pogledajte kako conjoint analiza radi →. Za cijeli popis mogućnosti i usporedbu s drugim alatima pogledajte softver za conjoint analizu u Exploniji.
Česte pogreške koje treba izbjegavati
- Uključivanje više od 6 atributa, što stvara umor i čini procjene manje stabilnima.
- Korištenje ekstremnih ili nerealnih razina — cijena od 0 € ili 5.000 € za prehrambeni artikl iskrivljuje part-worthove.
- Odabir conjointa za studiju u kojoj bi jednostavno pitanje ocjene važnosti odgovorilo na istraživačko pitanje.
- Tretiranje ratings-based i choice-based conjointa kao ekvivalentnih — struktura podataka, metoda analize i izlazi razlikuju se.
- Tvrdnja o predviđanjima tržišnog udjela iz part-worth korisnosti bez ispravnog simulacijskog modela.
Često postavljana pitanja
Po čemu se conjoint razlikuje od jednostavnog pitanja rangiranja?
Pitanje rangiranja traži od ispitanika da poredaju atribute od najvažnijeg do najmanje važnog. Conjoint otkriva veličinu preferencije — part-worth korisnost za svaku razinu svakog atributa — što obuhvaća trade-offove. Saznajete ne samo da je cijena važnija od marke, nego i za koliko te pri kojim se razinama cijene preferencija mijenja. Rangiranje vam daje samo redoslijed; conjoint vam daje veličinu svake razlike.
Koliko atributa i razina trebam koristiti?
Tri do šest atributa standardni je raspon za dobro dizajniranu conjoint studiju. Više od šest stvara umor i čini part-worth procjene manje stabilnima. Za razine, dvije do četiri po atributu su uobičajene. Korištenje jednakog broja razina među atributima pojednostavljuje dizajn i smanjuje moguću pristranost u procijenjenoj važnosti atributa. Ako imate dug popis atributa, najprije u pilot-studiji pokrenite jednostavno pitanje ocjene važnosti da suzite popis.
Koja je razlika između ratings-based conjointa i choice-based conjointa?
Ratings-based conjoint traži od ispitanika da ocijene svaki profil na ljestvici; choice-based conjoint (CBC) traži da izaberu jedan profil iz skupa. CBC se smatra realističnijim jer odražava stvarnu odluku o kupnji i koristi Hierarchical Bayes (HB) procjenu za oporavak part-worthova na razini pojedinca. Ratings-based conjoint jednostavniji je za primjenu i dobro funkcionira za većinu akademskog istraživanja potrošača. Explonia podržava oboje.
Koliko mi ispitanika treba za conjoint studiju?
Minimum ovisi o broju atributa, razina i pristupu analizi. Uobičajeni referentni iznos za ratings-based conjoint s agregatnom procjenom jest barem 50 do 100 ispitanika za jednostavan dizajn (3 do 4 atributa). Za stabilne i pouzdane procjene 150 do 300 ispitanika sigurniji je raspon. Koristite kalkulator veličine uzorka → da isplanirate ciljani N prije nego što otvorite studiju.
Može li Explonia pokrenuti conjoint analizu?
Da — Explonia podržava ratings-based, choice-based (CBC) i rang conjoint, od dizajna strukture atributa i razina, preko generiranja uravnoteženog, D-efikasnog skupa profila, do procjene part-worthova i važnosti atributa. Choice-based conjoint dodaje Hierarchical Bayes (HB) procjenu, tržišni simulator i post-hoc segmentaciju — sve na istoj platformi.
References
Green, P. E., & Srinivasan, V. (1978). Conjoint analysis in consumer research: Issues and outlook. Journal of Consumer Research, 5(2), 103–123.
Louviere, J. J., Hensher, D. A., & Swait, J. D. (2000). Stated choice methods: Analysis and applications. Cambridge University Press.
Orme, B. K. (2010). Getting started with conjoint analysis (2nd ed.). Research Publishers.
Kako Explonia to radi za vas
Explonia podržava ratings-based, choice-based (CBC/HB) i rang conjoint od dizajna do procjene part-worthova: definirajte atribute i razine, generirajte uravnotežen, D-efikasan skup profila, prikupite odgovore i očitajte part-worthove i važnost atributa bez napuštanja platforme. CBC/HB dodaje tržišni simulator i post-hoc segmentaciju. Conjoint designer nalazi se na /tools/conjoint-designer/. Rigor, made runnable.
Planirate conjoint studiju? Dizajnirajte svoju strukturu atributa i analizirajte part-worthove u istom alatu u kojem pokrećete ostale analize. Započnite besplatno →
Kako citirati ovaj članak
Ako vam je ovaj članak pomogao u istraživanju, možete ga citirati (APA 7):
Szymkowiak, A. (2026). Kada koristiti conjoint analizu: je li prava za vas?. Explonia. https://explonia.com/hr/blog/is-conjoint-right-for-your-study/
Last updated: lipanj 2026
Provedite cijelo istraživanje na jednom mjestu
Osmislite ga, prikupite podatke i pokrenite prave CFA i SEM na vlastitim podacima — uz nacrt APA odlomka koji možete urediti. Započnite besplatno.
Započni besplatno