Conjoint analysis per le indagini
Costruisci uno studio conjoint ratings-based o choice-based (CBC/HB), raccogli i dati e leggi le part-worth utility e l'importanza degli attributi — dall'inizio alla fine.
Questa pagina è una traduzione dell'originale inglese revisionato. Vedi l'originale (EN)
analisi conjoint indagineChe cos'è
La conjoint analysis scopre come le persone bilanciano le caratteristiche di un prodotto o di un'offerta. Invece di chiedere quali caratteristiche contano — dove tutti dicono che conta tutto — mostri ai rispondenti profili interi che combinano più attributi a diversi livelli, e loro reagiscono. Ci sono due famiglie principali. Nel conjoint ratings-based (o rankings-based), i rispondenti valutano o ordinano i profili, e le utility si stimano con la regressione. Nel choice-based conjoint (CBC), i rispondenti scelgono un profilo da un set, e le utility si stimano con un modello a scelta discreta (di solito multinomial logit, spesso con hierarchical Bayes per stime a livello individuale); il CBC rispecchia le vere decisioni di acquisto ed è lo standard della ricerca di mercato. In entrambi i casi, il conjoint stima una part-worth utility per ogni livello di attributo e un punteggio di importanza per ogni attributo, dicendoti cosa guida davvero la scelta.
Quando usarlo
- Vuoi sapere come i clienti bilanciano caratteristiche, marca e prezzo.
- Stai testando concept di prodotto o pacchetti di caratteristiche prima del lancio.
- Ti serve l'importanza degli attributi, non solo la preferenza dichiarata.
- Vuoi simulare come la preferenza cambia quando modifichi il livello di una caratteristica.
Quando non usarlo
- Devi solo confrontare nel complesso due o tre concept finiti — può bastare un semplice test tra gruppi.
- I tuoi attributi non possono essere combinati in profili realistici.
Assunzioni
- Attributi e livelli sono chiari, realistici e all'incirca indipendenti.
- I profili sono bilanciati, così ogni livello compare un numero equo di volte.
- I rispondenti valutano profili completi, non singole caratteristiche isolate.
- Abbastanza profili per rispondente per stimare le utility, senza causare affaticamento.
Soglie e valori limite
| Criterion | Rule of thumb | Source |
|---|---|---|
| Numero di attributi | Mantienilo intorno a 4–6 attributi per limitare l'affaticamento dei rispondenti | Orme (2010), indicazione pratica |
| Profili per rispondente | Abbastanza da stimare tutte le part-worth; bilancia con l'affaticamento | Orme (2010), indicazione pratica |
| Punteggi di importanza | Sommano a 100% tra gli attributi — leggili in relativo, non in assoluto | Green & Srinivasan (1978) |
Come riportarlo in APA
Una conjoint analysis ratings-based ha stimato le part-worth utility per ogni livello di attributo. Il prezzo era l'attributo più importante (importanza relativa = XX%), seguito dalla marca (XX%) e dal set di caratteristiche (XX%). Le utility erano più alte per [livello] e più basse per [livello], indicando che i rispondenti preferivano soprattutto [interpretazione].
Come Explonia lo esegue
Explonia ti aiuta a costruire uno studio conjoint ratings-based o choice-based, raccogliere le risposte e stimare le part-worth utility e l'importanza degli attributi — tutto in un unico posto. Definisci attributi e livelli, Explonia genera profili bilanciati, e dopo la raccolta dati riporta le utility con una chiara ripartizione dell'importanza e prepara un'”Article description” in stile APA che puoi modificare. Il choice-based conjoint utilizza multinomial logit o hierarchical Bayes (HB) per stime a livello individuale, con simulatore di mercato integrato, segmentazione post-hoc e flag di qualità dei rispondenti (straightlining, speeding). Vedi gli esempi live di conjoint nella galleria.
Domande frequenti
Cos'è una part-worth utility?
Una part-worth utility è il valore che i rispondenti attribuiscono a uno specifico livello di attributo. Utility più alte indicano un livello più preferito. Confrontare le utility all'interno di un attributo mostra quale livello vince.
Quanti attributi dovrebbe avere uno studio conjoint?
Circa 4–6 attributi è un intervallo pratico. Troppi attributi sovraccaricano i rispondenti e aggiungono rumore, danneggiando la qualità delle utility stimate.
Qual è la differenza tra conjoint ratings-based e choice-based?
Nel conjoint ratings-based, i rispondenti valutano o ordinano i profili e le utility si stimano con la regressione. Nel choice-based conjoint (CBC), i rispondenti scelgono un profilo da un set e le utility vengono da un modello a scelta discreta (multinomial logit, spesso con hierarchical Bayes). Il CBC imita le vere decisioni di acquisto ed è lo standard della ricerca di mercato; il conjoint ratings-based è più semplice e adatto al lavoro accademico e al test dei concept.
Explonia supporta il choice-based conjoint?
Sì. Explonia esegue il choice-based conjoint (CBC) con multinomial logit e hierarchical Bayes (HB) dall'inizio alla fine, insieme a conjoint ratings-based e ranking, con simulatore di mercato e segmentazione post-hoc integrati.
Come leggo l'importanza degli attributi?
I punteggi di importanza sommano a 100% tra gli attributi e mostrano il peso relativo di ciascuno nel guidare la preferenza. Leggili in confronto tra loro, non come percentuali assolute.
Last updated: luglio 2026
Esegui Conjoint sui tuoi stessi dati
Raccogli o carica i tuoi dati, esegui l'analisi nel tuo browser e ottieni una bozza di paragrafo APA che puoi modificare. Inizia gratis. Nessuna carta di credito.
Inizia gratis