product-conjoint-analysis

Product Conjoint Analysis

Overview

分析消費者如何取捨商品的品牌、價格、尺寸與功能等屬性，支援研究解讀、商品 配置與定價判斷。依評分、選擇問卷或實際市場資料安排分析，不套用單一案例的 模型或固定要求所有商業指標。

評論可協助發現需求與候選屬性。要估計選擇偏好，還需要知道選了什麼、有哪些 可選商品，以及這些商品的屬性。資訊不足時交付可做的整理或資料蒐集設計。

Input Contract

先從現有資料確認，缺少會影響方法或結論的資訊才詢問：

• 研究目的與範圍：商品類別、要理解的取捨，以及本輪是設計、分析或應用。
• 反應資料：評分、每次選擇、交易或點擊的實際意義、對象、期間與來源。
• 商品屬性：各商品的屬性、水準、單位、價格與缺值定義。
• 選擇條件：每次可選集合、選擇事件 ID、顧客 ID，以及能否不選任何商品。
• 應用資料：只有要做成本比較時才需要增量成本及來源。

同一顧客可能有多次選擇，保留事件與顧客兩種識別。展開後列數、選擇事件數 及獨立顧客數分別報告，不把增加資料列當成增加受訪者。

Workflow

1. 依資料決定分析方式

現有資料	處理方式
商品卡評分	依量尺與重複評分結構選擇評分模型，不能套選擇機率公式
每次從已知集合選一項	保留選擇組別，使用能描述集合內取捨的選擇模型
購買、評論對應商品或點擊	先確認可選集合與反應含義，再判斷能否估計選擇偏好
只有評論文字或商品規格	整理需求、屬性與缺口，不能把未被評論的商品當作未被選擇

只有來源支持時，才將評論對應商品作為該評論者選擇的代理資料，交代評論者 自我選擇、曝光與集合假設。完整商品清單不自動等於每人的可選集合。 蒐集與整理評論時，讀 評論與屬性。

2. 設計屬性與比較

結合商品規格、研究問題與需求證據選擇屬性。檢查屬性值的實際差異、稀少 水準及缺值，不能以規格「有沒有列出」代替功能「有沒有具備」。 常數屬性不能估計獨立影響；稀少屬性則依資料支持判斷，不固定用 5%／95% 刪除。

分類屬性明確記錄參考水準與編碼，連續屬性保留單位與研究範圍。參考水準依 研究問題與可解讀性決定，不為了讓係數變正而更換。 讀 編碼規則，需要記錄決策時使用 屬性工作表。

問卷可安排有意義的商品組合；使用市場資料時保留真實組合。兩者都須檢查 能否區分各屬性的影響。需要設計問卷商品卡時，讀 商品卡與選擇集合設計。

3. 驗證資料與估計模型

選擇資料使用 資料展開工具，明確提供可選集合， 或明示並記錄「所有商品皆可選」的研究假設。每個事件至少有兩項可選，恰有 一項被選中。資料有重複、缺失或非法選擇時先修正，不用平均值掩蓋個別錯誤。

讀 模型估計 後，選擇資料可使用 條件式選擇模型工具。檢查組內變化、無法 分辨的屬性、收斂與估計不確定性。若品牌與尺寸總是一起出現，不能靠分開 估計就宣稱得到各自的影響，也不能將分開模型的係數相加。

無法估計時，交付可識別的比較、資料缺口或重新蒐集的安排。評分、多選、 排序及其他不符合工具假設的資料，選擇適合的方法，不能硬塞入單選工具。

4. 只轉換有依據的指標

讀 指標解讀，依任務與估計條件決定：

指標	必要條件與解讀
屬性重要性	同一模型、明確屬性分組與水準範圍；價格等連續屬性須按範圍換算
願付價格	同一模型的價格與屬性係數，價格方向與估計不確定性足以支持解讀
選擇機率	有效模型、明確可選集合與完整屬性，集合內機率合計為 1
效用／成本比較	真實增量成本與同尺度效用，不等同財務投資報酬率

計算工具 會拒絕不完整或不符合條件的輸入。 缺少必要資料就說明哪項目前不能估算，不代填成本、不編造價格建議。 沒有實際市場驗證時，模型情境下的排序不能宣稱是市場最佳商品或真實市占率。

Output Contract

依使用者指定格式交付，通常包含研究範圍與來源、屬性設計、資料與模型限制、 可支持的結果及對應建議。方法已指定或只做局部分析時，完成該部分即可。

需要完整報告時使用 報告模板，刪掉不適用章節。 安全眼鏡案例 示範如何辨認既有資料 不能分辨的屬性，不作為預設係數或策略來源。

Quality Rules

• 估計結果保留來源、模型、單位、參考水準與適用範圍，假設示例明確標示。
• 不把評論頻率當成選擇機率，也不把相關係數或統計顯著直接當成因果。
• 缺係數、未收斂或無法識別時，不以零補值或加註「僅供參考」繼續商業計算。
• 重複選擇的依賴關係須納入推論；軟體支援範圍與尚未完成的檢查要說明。
• 分組模型只供限定範圍的探索，各模型結果保持分開。
• 不為了表格完整而產出缺乏依據的 WTP、機率、成本排名或固定前三名。