Necessidade de aplicar desenhos experimentais

A forma mais acessível de recolha de dados no contexto de análise conjunta, processa-se usando o método de full profile – ou seja, combinando todos os factores-níveis possíveis. No trabalho pioneiro, Green & Wind (1975), um Carpet Cleaner, o produto pelo qual se queria apurar as elasticidades, foi decomposto em Package design, Brand name, Price, Good house keeping seal e Money-back guarantee, sendo que foi possível construir 18 produtos distintos, que os consumidores tiveram de valorizar.

No caso de seguros, se se tiver 4 factores, cada um deles com 4 níveis é possível ter 256 (4 ∗ 4 ∗ 4 ∗ 4 = 256) produtos que os clientes têm de avaliar. Porém, é difícil acreditar que qualquer entrevistado (i.e. potencial consumidor), consiga classificar ou ordenar 256 produtos, sobretudo num questionário onde não há contrapartida ou verdadeira venda.

Contudo, é necessário ver que esta comparação completa, de 256 produtos, só tem interesse quando se acredita que além dos efeitos aditivos na construção da utilidade, há igualmente efeitos interactivos de impacto significativo. De outra forma, e seguindo Gonçalves e Reis (2000), há que avaliar se a utilidade global resulta da adição da utilidade dos atributos (efeitos principais); ou se a utilidade global pode ser superior (ou inferior) à soma da utilidade dos atributos.

Em conjoint analysis assume-se, sem grandes dificuldades, que apenas os efeitos principais são significativos e que não haverá efeitos de interacção, que a utilidade global resulta da adição da utilidade dos atributos. O modelo de utilidade a estimar será assim descrito pela equação abaixo:

𝑦 = 𝒇(𝒙) = 𝑓₁(𝑥1)+𝑓2(𝑥2)+𝑓3(𝑥3) + 𝑓4(𝑥4) (36)

onde 𝑦 indica a classificação que o público-alvo deu aos produtos analisados (scores ou rankings), e 𝑓_𝑖(𝑥𝑖) pode assumir qualquer formulação.

parciais separadas (Green & Srinivasan (1990)). Estes conceitos podem ser caracterizados com as seguintes definições:

a) Linear: Os scores ou rankings 𝑦 deverão estar linearmente relacionados com os factores;

b) Ideal: Relação quadrática; onde as preferências apresentam rendimentos crescentes ou decrescentes à escala conforme os níveis utilizados. Haverá assim um ponto ideal a partir do qual oferecer mais (ou menos) aos clientes poderá ser prejudicial.

c) Utilidades parciais discretas: Onde cada nível de um determinado factor apresenta uma relação discreta, ordenada ou não, com os scores ou rankings obtidos.

No desenho dos produtos há que que responder às seguintes perguntas:

 Qual o número de produtos (combinação de factores e níveis) a questionar?

 Quais os produtos (combinação de factores e níveis) a questionar? Estas serão respondidas nas secções seguintes.

5.2.1. Conjoint analysis: número de produtos a questionar

Seguindo o mesmo exemplo ilustrativo, visto na secção anterior, quando se têm quatro factores, com quatro níveis cada um, tem-se 4 ∗ 4 ∗ 4 ∗ 4 = 256 produtos a avaliar – se se optar por uma combinação full profile e com utilidades parciais discretas.

Porém, o que se pretende é estimar a equação 36. Esta apenas exige 16 observações – 16 comparações/classificações de produtos, já que numa regressão, o número mínimo de produtos classificar (número de observações) deverá ser idêntico à soma dos níveis (𝑘) menos 1.

ser aplicado. A questão que fica é de saber se este número garante eficiência nos estimadores do modelo tanto mais que não trará nenhum grau de liberdade, pelo que não haverá os habituais indicadores de qualidade do modelo ou possibilidade de questionar a qualidade das estimativas.

Note-se que o modelo a estimar será indivíduo a indivíduo, já que não há comparações individuais de utilidade. O modelo agregado que dará a elasticidade total será a soma das decisões que cada indivíduo elaborou. Este detalhe é muito relevante já que se poderia empilhar os resultados e fazer apenas uma estimativa para o individuo médio, e assim, conseguir os graus de liberdade necessário para fazer as avaliações de qualidade.

A tabela seguinte sistematiza as diferentes opções, bem como os custos a pagar em cada uma das opções e as principais vantagens.

Tabela 5.1 - Vantagens e desvantagens entre um desenho mínimo ou full profile

Designação Descrição do limite e observações

Limite mínimo 𝑛 = 𝑘 − 1

Vantagens: Modelo parcimonioso relativamente fácil de aplicar através de uma técnica presencial de recolha de informação (PAPI – Paper And Pencil Interview ou CAPI – Computer Assisted Personal Interview) ou mesmo com a ajuda de uma plataforma informática (CAWI – Computer Assisted Web Interview).

Desvantagens: será que o mínimo de observações garante uma estimativa eficiente do modelo? Não há possibilidade de avaliar as estimativas do modelo. Nem possibilidade de estimar elementos de interacção entre os diferentes factores.

Designação Descrição do limite e observações

𝑛 = (𝑘𝑖− 1)# 𝑓𝑎𝑐𝑡𝑜𝑟𝑒𝑠 todos os níveis e atributos.

Vantagens: Neste modelo é possível aplicar efeitos de interacção. Os estimadores serão, por definição, os mais eficientes, e apenas sujeitos ao erro amostral.

Desvantagens: O volume de informação a recolher torna este modelo impossível de recolher.

Fonte: autor

5.2.2. Conjoint analysis: quais os produtos a questionar

Apesar de se puder escolher qualquer número de produtos a avaliar entre mínimo e full profile, opta-se habitualmente por um desenho ortogonal mínimo.

Por ortogonal, como visto no capítulo anterior, entende-se que não há correlação entre os factores. Do ponto de vista estatístico, a grande vantagem deste desenho experimental é que implica geralmente estimadores centrados e eficientes (variância mínima se o modelo estiver bem desenhado).

5.2.3. Abordagem metodológica: Escolha dos atributos e níveis

A abordagem metodológica de conjoint analysis é, na prática, idêntica à abordagem de desenho experimental visto no capítulo anterior. Há apenas uma diferença, é que na conjoint analysis a análise é ‘esticada’ de forma a fazer simulação.

Assim é possível seguir a abordagem associada a um desenho experimental clássico:

 Fase 1: Identificar os factores e níveis que definem o produto seguro;

 Fase 2: Desenho óptimo;

 Fase 3: Recolha de informação;

A identificação dos factores e níveis é habitualmente conseguida com focus groups junto dos clientes e demais stakeholders, ver novamente Barker (1994).