Pular para o conteúdo
Método

Análise Conjunta (Conjoint) para Pesquisas

Crie um estudo conjoint baseado em avaliações ou em escolhas (CBC/HB), colete dados e leia as utilidades parciais (part-worth) e a importância dos atributos - do início ao fim.

Esta página é uma tradução do original em inglês, revisado por pares. Ver o original (EN)

pesquisa de análise conjunta

O que é

A análise conjunta (conjoint) revela como as pessoas fazem trocas (trade-offs) entre as características de um produto ou oferta. Em vez de perguntar quais características importam - quando todo mundo diz que tudo importa - você mostra aos respondentes perfis completos que combinam vários atributos em diferentes níveis, e eles reagem a esses perfis. Existem duas famílias principais. No conjoint baseado em avaliações (ou em rankings), os respondentes avaliam ou classificam perfis, e as utilidades são estimadas por regressão. No conjoint baseado em escolhas (CBC), os respondentes escolhem um perfil de um conjunto, e as utilidades são estimadas com um modelo de escolha discreta (tipicamente logit multinomial, muitas vezes com hierarchical Bayes para estimativas no nível individual); o CBC reproduz decisões de compra reais e é o padrão da pesquisa de mercado. De qualquer forma, o conjoint estima uma utilidade parcial (part-worth) para cada nível de atributo e um escore de importância para cada atributo, mostrando o que realmente impulsiona a escolha.

Quando usar

  • Você quer saber como os clientes fazem trocas entre características, marca e preço.
  • Você está testando conceitos de produto ou pacotes de características antes do lançamento.
  • Você precisa da importância dos atributos, não apenas da preferência declarada.
  • Você quer simular como a preferência muda quando você altera o nível de uma característica.

Quando não usar

  • Você só precisa comparar dois ou três conceitos finalizados no geral - um teste simples entre grupos (between-groups) pode ser suficiente.
  • Seus atributos não podem ser combinados em perfis realistas.

Pressupostos

  • Os atributos e níveis são claros, realistas e aproximadamente independentes.
  • Os perfis são equilibrados, de modo que cada nível apareça um número justo de vezes.
  • Os respondentes avaliam perfis completos, não características isoladas.
  • Perfis suficientes por respondente para estimar as utilidades, sem causar fadiga.

Pontos de corte

CriterionRule of thumbSource
Número de atributosMantenha entre 4-6 atributos para limitar a fadiga do respondenteOrme (2010), orientação prática
Perfis por respondenteO suficiente para estimar todas as utilidades parciais; equilibre com a fadigaOrme (2010), orientação prática
Escores de importânciaSomam 100% entre os atributos - leia de forma relativa, não absolutaGreen & Srinivasan (1978)

Como reportar em APA

Modelo APA — copie e adapte

Uma análise conjunta baseada em avaliações estimou as utilidades parciais para cada nível de atributo. O preço foi o atributo mais importante (importância relativa = XX%), seguido pela marca (XX%) e pelo conjunto de características (XX%). As utilidades foram mais altas para [nível] e mais baixas para [nível], indicando que os respondentes preferiram mais [interpretação].

Como a Explonia calcula isso

A Explonia ajuda você a criar um estudo conjoint baseado em avaliações, em escolhas (CBC) ou em ranking, coletar respostas e estimar as utilidades parciais e a importância dos atributos - tudo em um só lugar. Você define os atributos e níveis, a Explonia gera um conjunto de perfis equilibrado e D-eficiente, e depois da coleta de dados ela reporta as utilidades com uma análise clara de importância e redige uma 'Article description' em APA que você pode editar. O conjoint baseado em escolhas usa logit multinomial ou hierarchical Bayes (HB) para utilidades parciais no nível individual, com simulador de mercado, segmentação post-hoc e sinalizadores de qualidade do respondente (straightlining, speeding) já integrados. Veja exemplos reais de conjoint na galeria. Para a lista completa de recursos e uma comparação com outras ferramentas, veja software de análise conjoint na Explonia.

Results verified against R (lavaan)

Perguntas frequentes

O que é uma utilidade parcial (part-worth)?

Uma utilidade parcial é o valor que os respondentes atribuem a um nível específico de atributo. Utilidades mais altas significam um nível mais preferido. Comparar as utilidades dentro de um atributo mostra qual nível vence.

Quantos atributos um estudo conjoint deve ter?

Cerca de 4-6 atributos é uma faixa prática. Atributos demais sobrecarregam os respondentes e adicionam ruído, o que prejudica a qualidade das utilidades estimadas.

Qual é a diferença entre conjoint baseado em avaliações e baseado em escolhas?

No conjoint baseado em avaliações, os respondentes avaliam ou classificam perfis e as utilidades são estimadas por regressão. No conjoint baseado em escolhas (CBC), os respondentes escolhem um perfil de um conjunto e as utilidades vêm de um modelo de escolha discreta (logit multinomial, muitas vezes com hierarchical Bayes). O CBC imita decisões de compra reais e é o padrão da pesquisa de mercado; o conjoint baseado em avaliações é mais simples e adequado para trabalhos acadêmicos e testes de conceito.

A Explonia oferece suporte a conjoint baseado em escolhas?

Sim. A Explonia roda o conjoint baseado em escolhas (CBC) com logit multinomial e hierarchical Bayes (HB) do início ao fim, junto com o conjoint baseado em avaliações e em ranking, com simulador de mercado e segmentação post-hoc.

Como leio a importância dos atributos?

Os escores de importância somam 100% entre os atributos e mostram o peso relativo que cada um carrega para impulsionar a preferência. Leia-os em comparação uns com os outros, não como porcentagens absolutas.

Last updated: novembro 2026

Rode Conjoint nos seus próprios dados

Colete ou envie seus dados, rode a análise no seu navegador e obtenha um parágrafo APA que você pode editar. Comece grátis. Sem cartão de crédito.

Começar grátis