Conjoint Analysis (การวิเคราะห์ประกอบ) คือเทคนิควิจัยตลาดที่ใช้คำนวณ Part-worth Utility ของคุณสมบัติสินค้า เรียนรู้ Choice-Based Conjoint, D-Optimal Design และวิธีจำลอง Market Share
Conjoint Analysis คืออะไร
Conjoint Analysis เป็นเทคนิควิจัยตลาดที่ใช้แยกแยะว่า "คุณสมบัติไหนของสินค้า" สำคัญต่อการตัดสินใจซื้อมากที่สุด โดยให้ผู้ตอบเลือกระหว่างชุดสินค้าจำลอง (profiles) ที่ผสมผสานคุณสมบัติต่างกัน
แทนที่จะถามตรงๆ ว่า "คุณให้ความสำคัญกับราคาแค่ไหน" ซึ่งคนมักตอบไม่ตรงพฤติกรรมจริง Conjoint บังคับให้ผู้ตอบ trade-off ระหว่างคุณสมบัติ — ผลที่ได้สะท้อน real-world preference ดีกว่ามาก
Choice-Based Conjoint (CBC) — มาตรฐานปัจจุบัน
CBC ให้ผู้ตอบเลือก 1 ตัวเลือกจาก 3-4 profiles ใน 8-15 task รวม จากนั้นใช้ Multinomial Logit (MNL) หรือ Hierarchical Bayes (HB) ประมาณค่า Part-worth Utility
Part-worth Utility บอกว่า "ระดับ" ของคุณสมบัตินั้นเพิ่ม/ลดความน่าจะเป็นในการเลือกซื้อแค่ไหน เช่น:
- ราคา 199 บาท: utility +0.8
- ราคา 299 บาท: utility +0.2
- ราคา 399 บาท: utility -0.6
Importance Score = (max utility - min utility) / sum of all attribute ranges
D-Optimal Design ทำไมสำคัญ
Full factorial design (ทุก combinations) สำหรับ 5 attributes × 3 levels = 243 profiles — เป็นไปไม่ได้ในการสำรวจจริง
D-Optimal Design คือการเลือก subset ของ profiles ที่ minimum determinant ของ information matrix → ทำให้ประมาณ utility ได้แม่นที่สุดด้วยจำนวน task ที่น้อยที่สุด
แอป SWU MKT ใช้ algorithm จาก scikit-learn + custom optimizer สร้าง D-optimal CBC อัตโนมัติ
Market Share Simulator
เมื่อมี Part-worth utilities แล้ว เราสามารถจำลอง market share ของสินค้าใหม่ได้ด้วย Logit Choice Rule:
P(Brand A) = exp(U_A) / Σ exp(U_i)
ใช้ตอบคำถามเชิงกลยุทธ์:
- ถ้าเราเพิ่ม feature X ราคาขึ้น 50 บาท จะได้ market share เท่าไร
- คู่แข่งลดราคาลง 20% เราต้องตอบโต้ยังไง
- Cannibalization: สินค้าใหม่จะกินส่วนแบ่งของไลน์เดิมเราเองหรือคู่แข่ง
Cases การประยุกต์ใช้
- FMCG: ทดสอบ packaging × price × promotion combinations
- Telecom: ออกแบบ data plan ใหม่ที่ดึงลูกค้าจากคู่แข่ง
- Banking: feature mix ของบัตรเครดิตที่ต้องการลูกค้าวัย Gen Z
- Healthcare: medication adherence — co-pay × dosing × side-effects
- Public Policy: choice experiment สำหรับ traffic policy, healthcare access
🛠️ เครื่องมือที่เกี่ยวข้อง
Conjoint Analysis Tool — สร้าง CBC study ตั้งแต่ qualitative → D-optimal design → market simulation