مدل قیمت گذاری تحلیل توام (Conjoint Analysis Pricing Model)، در ریاضیات (Mathematics)

انواع مدل های قیمت گذاری (Pricing Models) را در آموزش زیر شرح دادیم :

مدل قیمت گذاری تحلیل توام (Conjoint Analysis Pricing Model) :

مدل تحلیل توأم (Conjoint Analysis) یک تکنیک آماری و بازاریابی قدرتمند برای درک ترجیحات مصرف کنندگان و تعیین اهمیت نسبی ویژگی های مختلف یک محصول یا خدمت است. در قیمت گذاری، از تحلیل توأم برای تخمین میزان تمایل به پرداخت (Willingness to Pay) مصرف کنندگان برای ویژگی های مختلف و همچنین تعیین قیمت بهینه محصولات جدید استفاده می شود. این روش به شرکت ها کمک می کند تا بفهمند مصرف کنندگان چه ترکیبی از ویژگی ها و قیمت را بیشتر ترجیح می دهند.

مفاهیم پایه در تحلیل توأم:

ویژگی ها (Attributes): مشخصه های محصول مانند قیمت، برند، اندازه، رنگ، گارانتی.

سطوح (Levels): مقادیر مختلف هر ویژگی (مثلا قیمت: ۱۰۰، ۱۵۰، ۲۰۰ هزار تومان).

کارت های مشخصات (Profiles): ترکیب های مختلفی از ویژگی ها که به پاسخ دهندگان نشان داده می شود.

مطلوبیت جزئی (Part-worth Utility): ارزشی که مصرف کننده به هر سطح از هر ویژگی اختصاص می دهد.

مراحل انجام یک مطالعه تحلیل توأم برای قیمت گذاری:

گام ۱: شناسایی ویژگی های مهم محصول و سطوح آنها (با کمک گروه های کانونی یا تحقیقات اولیه).

گام ۲: طراحی کارت های مشخصات (با استفاده از طرح های عاملی کسری برای کاهش تعداد ترکیب ها).

گام ۳: جمع آوری داده ها از مصرف کنندگان هدف (از طریق پرسشنامه آنلاین، مصاحبه، یا آزمایش). پاسخ دهندگان کارت ها را رتبه بندی، امتیازدهی یا بین آنها انتخاب می کنند.

گام ۴: تخمین مدل (معمولا با رگرسیون لجستیک یا مدل های لوجیت) برای به دست آوردن مطلوبیت های جزئی برای هر سطح.

گام ۵: محاسبه اهمیت نسبی هر ویژگی و تحلیل حساسیت.

گام ۶: شبیه سازی سهم بازار و تعیین قیمت بهینه برای محصول جدید.

مدل ریاضی (مدل لوجیت چندجمله ای):

احتمال انتخاب گزینه j توسط مصرف کننده i به صورت زیر مدل می شود:

\[ P_{ij} = \frac{e^{U_{ij}}}{\sum_{k} e^{U_{ik}}} \]

که

\[ U_{ij} \]

مطلوبیت گزینه j برای مصرف کننده i است و معمولا به صورت خطی از مطلوبیت های جزئی سطوح تشکیل می شود:

\[ U_{ij} = \sum_{a} \sum_{l} \beta_{al} x_{jal} + \epsilon_{ij} \]

که

\[ x_{jal} \]

متغیر نشانگر حضور سطح l از ویژگی a در گزینه j است و

\[ \beta_{al} \]

مطلوبیت جزئی آن سطح است.

🔑 استخراج تمایل به پرداخت (Willingness to Pay):

تمایل به پرداخت برای یک سطح از ویژگی (نسبت به سطح پایه) از تقسیم مطلوبیت جزئی آن سطح بر مطلوبیت جزئی قیمت (با علامت منفی) به دست می آید:

\[ WTP_{level} = -\frac{\beta_{level}}{\beta_{price}} \]

این مقدار نشان می دهد مصرف کنندگان حاضرند برای بهبود از سطح پایه به این سطح، چقدر بیشتر بپردازند.

مثال: تحلیل توأم برای یک گوشی موبایل جدید:

📘 مثال:

ویژگی ها و سطوح:

قیمت: ۵، ۶، ۷ میلیون تومان

برند: سامسونگ، اپل، شیائومی

کیفیت دوربین: ۱۲، ۴۸، ۱۰۸ مگاپیکسل

حافظه: ۶۴، ۱۲۸، ۲۵۶ گیگابایت

پس از جمع آوری داده از ۲۰۰ پاسخ دهنده و تخمین مدل لوجیت، نتایج زیر برای مطلوبیت های جزئی به دست آمده است (مقادیر فرضی):

قیمت: ۵ میلیون: ۰.۸، ۶ میلیون: ۰.۳، ۷ میلیون: ۰- (پایه)

برند: اپل: ۰.۶، سامسونگ: ۰.۴، شیائومی: ۰-

دوربین: ۱۰۸ مگاپیکسل: ۰.۵، ۴۸ مگاپیکسل: ۰.۳، ۱۲ مگاپیکسل: ۰-

حافظه: ۲۵۶ گیگ: ۰.۴، ۱۲۸ گیگ: ۰.۲، ۶۴ گیگ: ۰-

اهمیت نسبی ویژگی ها: با محاسبه دامنه مطلوبیت ها، قیمت مهم ترین ویژگی است.

تمایل به پرداخت برای برند اپل نسبت به شیائومی:

\[ - (0.6) / (-0.8) \]

؟ باید ضریب قیمت را از مدل استخراج کرد. اگر ضریب قیمت به صورت خطی باشد و برای قیمت ۵ میلیون نسبت به ۷ میلیون مطلوبیت ۰.۸ باشد، شیب تقریبی قیمت (کاهش مطلوبیت به ازای افزایش قیمت) برابر است با

\[ -0.4 \]

به ازای هر میلیون (چون از ۵ به ۶: ۰.۸ به ۰.۳ یعنی -۰.۵، از ۶ به ۷: ۰.۳ به ۰ یعنی -۰.۳، متوسط حدود -۰.۴). پس WTP برای برند اپل =

\[ 0.6 / 0.4 = 1.5 \]

میلیون تومان.

مزایای تحلیل توأم:

شبیه سازی رفتار واقعی مصرف کننده در انتخاب بین گزینه ها

کمی سازی اهمیت ویژگی ها و تمایل به پرداخت

پیش بینی سهم بازار محصولات جدید و سناریوهای قیمتی

طراحی محصول بهینه بر اساس ترجیحات مشتریان

معایب و محدودیت ها:

پیچیدگی طراحی و تحلیل (نیاز به تخصص آماری)

هزینه و زمان بر بودن جمع آوری داده

فرض استقلال از گزینه های نامرتبط (IIA) در مدل لوجیت ساده

نتایج به کیفیت طراحی و نمونه گیری وابسته است

کاربردها:

طراحی و قیمت گذاری محصولات جدید

بهینه سازی ترکیب ویژگی ها در محصولات موجود

تحلیل حساسیت قیمتی و تعیین قیمت بهینه

بخش بندی بازار بر اساس ترجیحات