联合分析之CBC模型
CBC大区架构下的核心商业策略--博弈之CBC篇
《CBC大区架构下的核心商业策略》之博弈篇引子：运用博弈论（Game Theory）的模型来探明中广立方在CMMB产业大潮中与各方产业势力博弈的最优决策以及均衡问题；运用定位（Positioning）的原理来确定中广立方在内容、终端、渠道三个纷繁复杂的产业环节中所处的地位;再结合运用“投资促消费”这样的经济理论来阐述CBC在终端与内容双链方面的补贴投资方面的必然性，将使中广立方从一个混沌的系统中找到适合自己的最优策略、找准自身的定位、通过实现自身经济价值最大化而达到我们的初衷：促使产业能够保持或者趋向良性的发展！1.博弈策略博弈论（Game Theory）是使用严谨的数学模型，研究冲突对抗条件下最优决策问题的理论。
在CMMB这个当前只剩运营商、服务商、用户三方参与的“智猪博弈”游戏中，到底是是以市场手段对客户体验进行挽留的小猪最终取胜？还是以行政手段对客户消费进行劫持的大猪能够取胜？答案不辨自明！当前的形势，基于CBC各级经理们各样场合上几乎一致的上位心态言论，促使产业界的内容商、终端商、渠道商等“服务商”已经不自觉的拧成了一股绳，形成了与运营商CBC拔衡的力量—通过不作为（所谓“无为而治”）而观望的心态这种无声的抗拒来等待局势的转变或拔衡CBC的行政控制！（当然也无须再去证明运营商与服务商之间在用户处获得利益方面的拔衡是否存在！）对于这种现象，其实经济学里早已有一个绝佳的模型适用，那就是“智猪博弈”的故事。
小插段：在阐述我们的博弈策略之前，先来看看著名的“智猪博弈”（Pigs’payoffs）理论框架：故事讲的是：猪圈里有两头猪，一头大猪，一头小猪。
猪圈的一边有个踏板，每踩一下踏板，在远离踏板的猪圈的另一边的投食口就会落下少量的食物。
如果有一只猪去踩踏板，另一只猪就有机会抢先吃到另一边落下的食物。
当小猪踩动踏板时，大猪会在小猪跑到食槽之前刚好吃光所有的食物；若是大猪踩动了踏板，则还有机会在小猪吃完落下的食物之前跑到食槽，争吃到另一半残羹。
联合分析
联合分析也称为结合分析、交互分析，是一种多变量分析方法，最初被应用在心理学研究，但是后来发现其在商业领域更能发挥作用，逐渐成为市场分析的常用方法之一。
一、基本思路联合分析是在已知受测者对某一受测体集合整体评估结果的情形下，经过分解的方法估计其偏好结构。
以上说法比较抽象，结合市场分析角度解释为：我们认为消费者是根据构成产品/服务的多个属性多个水平来进行感知和做偏好判断的，也就是说，消费者对产品/服务的偏好每次并不是基于一个因素而是基于几个因素综合判断的。
单独或直接的询问消费者各个属性的重要性，是不现实，甚至是无用的。
所以在市场研究中，我们要模拟“消费者在面对不同的产品／服务及其组合时，参考多种属性的结合效应之后做出选择”的过程。
通过提供给消费者以不同的属性水平组合形成的产品，并请消费者做出心理判断，然后采用数理分析方法对每个属性水平赋值，使评价结果与消费者的给分尽量保持一致，来分析研究消费者的选择行为，这是一种间接的测量过程。
在联合分析下，产品被理解为属性水平的组合，属性、水平都互为独立变量，这在实际操作中比较困难，因为共线性多少会存在，但只要不严重就没问题。
联合分析的核心在于对单个效用的分析，为此必须考虑大量个体的效用结构。
二、名词解释1.效用的加法模型：假设一种产品或服务有m种属性，每种属性有n种水平，则产品1,2...n的总效用=因子1水平1+...因子m水平n的效用2.属性产品中可能对消费者产生影响的主要特征或指标，相当于方差分析中的因素3.水平属性的不同水平，相当于方差分析中的水平4.正交设计多因素实验的一种优化设计方法，基本思想是选取少数最有代表性的实验充分提取信息，使用的是正交表。
5.轮廓由能描述产品重要特征的属性以及属性的不同水平的组合6.全轮廓所有属性的各种属性水平的组合7.配对表属性间两两配对得到的二维交叉表。
8.相对重要性表示消费者在选择时，某种属性影响消费者决策的重要程度9.内部效应预测效用与实际效用之前的相关程度，用于分析结果的可靠性。
联合分析
联合分析及案例应用结合分析联合分析又称结合分析（conjoint analysis）是一种有效的市场研究技术，近年来广泛应用于消费品、工业产品和商业服务等相关领域的市场研究中，尤其是在新产品开发、市场占有率分析、竞争分析、市场细分和价格策略等方面，结合分析在我国也越来越受到市场研究公司和企业的重视，本文试图通过对一个新产品开发案例的分析，来阐述结合分析在产品概念测试中的应用。
一、结合分析的基本概念结合分析适用于测量消费者的心理判断，如理解（perceptions）和偏好（preferences），在结合分析中，产品/服务被描述为“轮廓”（profiles），每一个轮廓是由能描述产品/服务重要特征的属性（attributes）以及赋予每一个属性的不同水平的组合构成的，结合分析的一个重要的基本假定是：消费者是根据构成产品/服务的多个属性来进行理解和做偏好判断；在消费者对轮廓的评价结果的基础上，经过分解的方法去估计其偏好结构,从而推算出消费者对该轮廓的多个属性及各属性水平的偏好得分（preference scores），在结合分析中用分值或效用来描述。
结合分析应用于产品概念测试，能够定量测量消费者对产品/服务的某个属性和某个属性水平的偏好或效用，可以用来寻找消费可接受的某种产品/服务的最佳属性及属性水平组合，这种组合最初可能并没有被消费绪所评价。
为了达到这样的目的，首先要估计不同属性水平的效用或分值，进一步计算出属性的相对重要性（attributes relative importance）和轮廓效用(profile utility)，以便定量化地测量消费者的偏好。
二、结合分析的主要步骤1.确定产品或服务的属性与属性水平结合分析首先要对产品或服务的属性和属性水平进行识别，所确定产品或服务的属性和属性水平必须是显著影响消费者购买的因素。
一个典型的结合分析包含6－7个显著因素。
确定了产品属性之后，还应该确定这些属性恰当的水平，例如容量是MP3产品的一个属性，目前市场上的MP3的容量类型主要有：64M、128M和256M等，这些是容量属性的主要属性水平。
第4章 S-C-P分析范式
(3)通过提供有关产品信息、改善售后服务和提供信用 消费等方式使消费者形成偏好。
(4)充分利用地理区位和营销网络优势，在供货时间、 运输成本、销售价格、售后服务等方面“制造”差别， 使消费者在选择产品时产生偏好。
4.产品差异化对市场结构的影响
(1)影响市场集中度
(2)形成市场进入壁垒
个行业撤退时所遇到的障碍。退出方式为转产或宣布 破产。 (2)形成退出壁垒的因素 资产专用性 沉没成本 解雇费用 政策限制
26
小结
本节主要介绍了： 一、市场结构的含义和基本类型； 二、决定市场结构的主要因素。 （一）集中度 （二）产品差异化 （三）进入和退出壁垒
至27下节
基尼系数＝ 均等分布线与罗伦兹曲 线围成的面积 均等分布线以下的三角 形面积
• 基尼系数指标:基尼系数的值在0到1之间变动。基 尼系数为0，表明洛伦兹曲线与均等分布线重合， 即所有企业规模完全相等；基尼系数趋于1，表明 企业的规模分布越来越不均等。
• 洛伦兹曲线和基尼系数可反映出某一特定行业市场 上所有企业的规模分布状况。
完全竞争和完全垄断之间，且偏向于完全竞争。 主要特征是： 产业集中度较低。 产品有差别，这是垄断竞争与完全竞争之间的主 要区别。 进入和退出壁垒较低。企业能自由进入退出市场。
7
8
3.贝恩市场结构分类
贝恩根据产业内规模最大的前四位（CR4）和前八 位（CR8）企业的集中度CR（concentration ratio） 值，对不同垄断程度的产业进行分类。
AD／SL≥3.5%或AD≥20亿日元——很高产品差别产业； 1%≤AD／SL<3.5%或10亿≤AD<20亿日元——高产品差
Maxdiff系列(六)MaxDiff的数据分析(用Excel进行logit分析)
Maxdiff系列（六）MaxDiff的数据分析（用Excel进行logit分析）最近10年来，Maxdiff在解决多个对象的偏好测量上被应用到越来越多的领域里，但是国内关于Maxdiff数据具体应该如何分析的介绍很少。
尽管本系列曾经就Maxdiff的分析做了一些简单的介绍(参见《Maxdiff系列(五) Maxdiff 的数据分析》)，但主要是从频数分析角度出发简单介绍其分析思想。
目前Maxdiff的主流分析模型是逻辑模型(Logit model)的以及基于此模型的分层贝叶斯估算（Hierarchical Bayesian Estimation）方法。
其中Logit model是核心模型。
我们就先从Logit model的分析开始，看看它是如何用来估算Maxdiff 中各个对象的偏好效用值。
至于分层贝叶斯算法，我们会在以后的系列文章中进行介绍。
为什么要使用logit model，这是因为Maxdiff记录的是消费者在面对不同对象集合时的选择（Choice）。
从模型的角度看，消费者的选择是因变量Y，他所面对的对象集合是自变量X。
而消费者的选择（Y）是一个离散型变量（要么选中，要么不选中），而非连续型数据（偏好打分）。
这时，我们的因变量实际上具有一种概率意义，只不过我们收集到的样本数据并不是如同概率那样可以在0-1的区间里任意取值，而是只能为0或1。
更准确地说，对于Maxdiff，我们通常采用的是条件逻辑模型（conditional logit model）。
之所以使用条件逻辑模型，是因为MaxDiff本身的特性：通过观察消费者在给定不同备选对象时的权衡取舍（trade-off），进而估算对象之间的相对偏好程度。
我们还是从一个简单的例子出发来看看具体应该怎样一步步的建模和分析。
假设我们要评测8个对象，每个受访者要做6道MaxDiff的题目（任务），每个题目中出现4个对象，每个任务里出现的对象如下图所示。
第五周：离散选择模型分析技术——每周一讲多变量分析
第五周：离散选择模型分析技术——每周一讲多变量分析离散选择模型（Discrete Choice Model），也叫做基于选择的结合分析模型（Choice-Based Conjoint Analysis,CBC），是一种非常有效且实用的市场研究技术。
该模型是在实验设计的基础上，通过模拟所要研究产品/服务的市场竞争环境，来测量消费者的购买行为，从而获知消费者如何在不同产品/服务属性水平和价格条件下进行选择。
这种技术可广泛应用于新产品开发、市场占有率分析、品牌竞争分析、市场细分和价格策略等市场营销领域。
同时离散选择模型也是一种处理离散的、非线性的定性数据的复杂高级多元统计分析技术，它采用Multinomial Logit Model进行数据统计分析。
根据Sawtootch公司调查显示：在市场研究中，CBC方法正在快速增长，应用比传统的结合分析（联合分析）应用更多！离散选择模型主要用于测量消费者在实际或模拟的市场竞争环境下如何在不同产品/服务中进行选择。
通常是在正交实验设计的基础上，构造一定数量的产品/服务选择集（Choice Set），每个选择集包括多个产品/服务的轮廓（Profile），每一个轮廓是由能够描述产品/服务重要特征的属性(Attributes)以及赋予每一个属性的不同水平（Level）组合构成。
例如消费者购买手机的重要属性和水平可能包括：品牌（A，B，C）、价格（1500元，1750万元，2000元）、功能（短信，短信语音，图片短信）等，离散选择模型是测量消费者在给出不同的产品价格、功能条件下是选择购买品牌A，还是品牌B或者品牌C，还是什么都不选择。
离散选择模型的一个重要的假定是：消费者是根据构成产品/服务的多个属性来进行理解和作选择判断；另一个基本假定是：消费者的选择行为要比偏好行为更接近现实情况。
它与传统的全轮廓结合分析（Full Profiles Conjoint Analysis）都是在全轮廓的基础上采用分解的方法测量消费者对某一轮廓（产品）的选择与偏好，对构成该轮廓的多个属性和水平的选择与偏好，用效用值（Utilities）来描述。
联合分析之CBC模型
作为付费的企业级产品，随着开放平台应用的增多，我们需要考虑不同市场对不同应用或组合的。
数据搜集与分析过程涉及计算机模拟与算法选择，篇幅限制，本文不会展开介绍。
表1 模拟购买的测量方法比较1 联合分析的基本假定与概念基本假定：消费者是根据构成产品/服务的多个属性来进行感知和作偏好判断，也就是说，消费者对产品/服务的偏好每次并不是基于一个因素而是基于几个因素的结合来判断的。
单独或直接的询问消费者各个属性的重要性，是不现实，甚至是无用的。
所以在市场研究中，我们要模拟“消费者在面对不同的产品／服务及其组合时，参考多种属性的结合效应之后做出选择”的过程。
通过提供给消费者以不同的属性水平组合形成的产品，并请消费者做出心理判断，然后采用数理分析方法对每个属性水平赋值，使评价结果与消费者的给分尽量保持一致，来分析研究消费者的选择行为，这是一种间接的测量过程。
基本概念：在联合分析中，产品／服务被描述为“轮廓”（profile），每一个轮廓是由能够描述产品/服务重要特征的属性以及赋予每一个属性的不同水平的组合构成的。
消费者对某一轮廓的偏好可以分解成该轮廓的多个属性的偏好得分，在联合分析中用效用值来描述。
2 联合分析的操作流程与CBC案例图2 联合分析的基本操作步骤确定属性与水平：这是联合分析最重要的一步。
所有正面和反面的因素都要考虑，而且要包括所有决定性的关键属性在内。
比如考虑产品设计维度的时候，如果缺少价格因素，就会出现一边倒的情况，即用户都会倾向于选择更好的。
一个典型的联合分析包含6~7个显著因素，经验、管理直觉和定性研究是确定产品和服务的主要属性所必不可少的。
当属性决定之后，还要选择每个属性的水平。
各属性所含的水平数目应尽可能平衡（研究表明：一个属性的水平数目增加时，即使起点保持不变，该属性的相对重要性也会提高），水平的范围（从低到高）可以比实际范围低一些或高一些，但不能设定得太离谱，脱离了消费者的真实偏好和感知。
联合分析原理实例市场研究工具之联合分析原理及实例说明
市场研究工具之联合分析原理及实例说明市场研究中一个经常遇到的问题是：在研究的产品或服务中，具有哪些特征的产品最能得到消费者的欢迎。
一件产品通常拥有许多特征如价格、颜色、款式以及产品的特有功能等，那么在这些特性之中，每个特性对消费者的重要程度如何？在同样的（机会）成本下，产品具有哪些特性最能赢得消费者的满意？要解决这类问题，传统的市场研究方法往往只能作定性研究，而难以作出定量的回答。
联合分析（Conjoint Analysis，也译为交互分析）就是针对这些需要而产生的一种市场分析方法。
一、联合分析的基本原理与步骤联合分析是通过假定产品具有某些特征，对现实产品进行模拟，然后让消费者根据自己的喜好对这些虚拟产品进行评价，并采用数理统计方法将这些特性与特征水平的效用分离，从而对每一特征以及特征水平的重要程度作出量化评价的方法。
联合分析的基本假定联合分析假定分析的对象如品牌、产品、商店等，是由一系列的基本特征（如：质量、方便程度、价格）以及产品的专有特征（如电脑的CPU速度、硬盘容量等）所组成的；消费者的抉择过程是理性地考虑这些特征而进行的。
联合分析的主要步骤联合分析通常由以下几部分组成：1．确定产品特征与特征水平：联合分析首先要对产品或服务的特征进行识别。
这些特征与特征水平必须是显著影响消费者购买的因素。
一个典型的联合分析包含6－7个显著因素。
确定了特征之后，还应该确定这些特征恰当的水平，例如CPU类型是电脑产品的一个特征，而目前市场上电脑的CPU类型主要有：奔腾II 450，奔腾II350，赛扬300等，这些是CPU特征的主要特征水平。
特征与特征水平的个数决定了分析过程中要进行估计的参数的个数。
2．产品模拟：联合分析将产品的所有特征与特征水平通盘考虑，并采用正交设计的方法将这些特征与特征水平进行组合，生成一系列虚拟产品。
在实际应用中，通常每一种虚拟产品被分别描述在一卡片上。
3．数据收集：请受访者对虚拟产品进行评价，通过打分、排序等方法调查受访者对虚拟产品的喜好、购买的可能性等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
作为付费的企业级产品，随着开放平台应用的增多，我们需要考虑不同市场对不同应用或组合的。
数据搜集与分析过程涉及计算机模拟与算法选择，篇幅限制，本文不会展开介绍。
表1 模拟购买的测量方法比较
1 联合分析的基本假定与概念
基本假定：消费者是根据构成产品/服务的多个属性来进行感知和作偏好判断，也就是说，消费者对产品/服务的偏好每次并不是基于一个因素而是基于几个因素的结合来判断的。
单独或直接的询问消费者各个属性的重要性，是不现实，甚至是无用的。
所以在市场研究中，我们要模拟“消费者在面对不同的产品／服务及其组合时，参考多种属性的结合效应之后做出选择”的过程。
通过提供给消费者以不同的属性水平组合形成的产品，并请消费者做出心理判断，然后采用数理分析方法对每个属性水平赋值，使评价结果与消费者的给分尽量保持一致，来分析研究消费者的选择行为，这是一种间接的测量过程。
基本概念：在联合分析中，产品／服务被描述为“轮廓”（profile），每一个轮廓是由能够描述产品/服务重要特征的属性以及赋予每一个属性的不同水平的组合构成的。
消费者对某一轮廓的偏好可以分解成该轮廓的多个属性的偏好得分，在联合分析中用效用值来描述。
2 联合分析的操作流程与CBC案例
图2 联合分析的基本操作步骤
确定属性与水平：这是联合分析最重要的一步。
所有正面和反面的因素都要考虑，而且要包括所有决定性的关键属性在内。
比如考虑产品设计维度的时候，如果缺少价格因素，就会出现一边倒的情况，即用户都会倾向于选择更好的。
一个典型的联合分析包含6~7个显著因素，经验、管理直觉和定性研究是确定产品和服务的主要属性所必不可少的。
当属性决定之后，还要选择每个属性的水平。
各属性所含的水平数目应尽可能平衡（研究表明：一个属性的水平数目增加时，即使起点保持不变，该属性的相对重要性也会提高），水平的范围（从低到高）可以比实际范围低一些或高一些，但不能设定得太离谱，脱离了消费者的真实偏好和感知。
产品模拟与数据搜集：产品模拟可以是全轮廓（包含全部属性），也可以是部分轮廓（包含部分属性，适用于属性较多时，通常为3或5个属性），如图3所示。
全轮廓部分轮廓
图3 全轮廓与部分轮廓示意图
所示轮廓可以完全用文字描述，也可以辅助于图片或实物模型，一般需要将轮廓制作成卡片。
数据搜集的方法有基于偏好函数的排序法和打分法，以及基于离散选择的方法。
前者假设属性水平变化时，人的偏好变化函数是线型、二次型、分段线型或混合型；后者基于多项式logit模型，可以
处理基于选择实验的行为模型。
两大类方法实验材料如图4-5所示。
基于偏好的实验中，消费者可以对每个轮廓进行偏好打分，通常是1-9分，也可以对所有轮廓进行排序，当轮廓数较多（大于20）时，较难执行。
图4 基于偏好的实验材料
基于选择的实验中，消费者根据对每个系列的轮廓进行选择，也可以增加一个“none”选项，即都不选择。
图5 基于选择的实验材料
下面简单介绍一个采用全轮廓产品模拟，搜集离散选择数据的案例。
如某个产品可以分解为4个属性的组合，品牌、价格、产品、服务，品牌有3个水平：品牌A、品牌B、品牌C；价格有3个水平：200元、250元、300元；产品有3个水平：基础版、标准版、高级版；服务有3个水平：较差、一般、较好。
如果按照全轮廓计算，那么就有3*3*3*3=81个不同的轮廓。
通常模拟产品数量超过30个的全轮廓测试会造成用户负担，可以采用正交设计等方式来减少评价的次数。
按照L9（34）进行设计需要作9次测试，最多观察4因素，每个因素均为3水平，如表2的profile1所示，将水平都记
为1、2、3，总共有9个轮廓。
如果是基于偏好的方法，可对这些轮廓进行偏好打分或排序即可搜集数据。
而如果是基于选择的方法，则我们还需要创造每个题目（set）的其他选项，这里介绍一
种shifted design的方法。
即将每个水平的数＋1（1变2，2变3，3变1）如此得到profile2，再＋1得到profile3。
有多少个水平，依次得到多少个profile。
如此，就得到了9个题目。
如果需要，还可以设置“none”选项，则每题共4个选项。
类似的，各属性最大水平数越多题目也就越多。
一般情况下，每个用户需要判断9-12题，最好不要超过20个。
表2 shifted design
计算属性效用：从收集的信息中分离出消费者对每一属性以及属性水平的偏好值，这些偏好值也就是该属性的“效用”。
估计和验证：建立模型后还须对结果的信度和效度进行评价，以评价在消费者个体层次和消费者群体层次上联合分析模型的正确性。
以上两部分涉及算法选择与计算机模拟过程，Sawtooth公司是该领域专业的软件开发公司，更多内容见。
解释与应用：以下结合一些模拟结果对这部分内容做简单阐述。
结果解释：消费者对每个属性的偏好，属性的相对重要性，以及消费者的类型特点。
如图6所示，用户最喜欢的产品是高级版，高级版与标准版的偏好差异不大，但用户对基础版的偏好显著低于其它两个版本；各属性的相对重要性，从高到低依次为品牌、价格、产品、服务，相应的可以得到各类消费者的占比。
图6 结果示意图
市场预测：利用效用值来预测消费者将如何在不同产品中进行选择，从而决定应该采取的措施，帮助构建市场模拟模型。
同时我们也可根据不同的消费偏好对消费者进行市场细分，作进一步分析，研究不同性别、年龄、收入、区域的消费者是否有相似性。
即按照某种属性的偏好将样本分类，对每一个消费者的偏好计算不同属性水平的效用值和属性的相对重要性，并分析个体或群体对产品服务的不同组合的偏好反应属性；当然也可根据不同属性将消费者分类，分析不同群体或整个群体之间的偏好反应属性。
如表3所示，可以发现，女性相对更在意品牌，男性相对更在意产品。
18-24岁的用户价格敏感型占比最高。
表3 分组分析示意表
市场模拟：有了每种属性水平的效用，将所有属性的效用值相加计算出产品的价值。
市场份额或产品偏好份额通常用该产品效用值与整个市场效用值之比来表示。
市场模拟程序可以迅速而且轻易的完成这些计算工作，并将结果用图形或数据表格的形式表现出来。
如图7所示，品牌A，高级版，服务较好，定价为300元的产品将获得50%左右的市场份额。
图7 产品组合模拟示意图
我们还可以看到模拟出选择这个产品的消费者特征，如图8所示，女性比男性多，35岁以上的占比较多。
图8 产品组合的分组分析示意图
此外，还可以模拟当品牌A价格发生变化的时候，三个产品市场份额的变化情况，如图9所示。
图9 各产品随品牌A价格变化模拟示意图
3 联合分析与CBC小结
在现代市场研究的各个方面，如新产品的概念筛选、开发，竞争分析，产品定价，市场细分，广告，分销，品牌等领域，都可见到联合分析的应用。
联合分析主要解决三个问题：
（1）测量消费者在多属性选择时的偏好。
（2）确定消费者在多属性产品之间作出利弊选择。
（3）模拟市场，开发消费者最喜欢的产品/服务。
CBC区别于其它联合分析的主要特征是被访者通过从一组概念中选择来表达偏好，而不是评级或排名。
基于选择的工作类似购买者在市场上的行为，从一组产品中选择喜欢的产品，是每个人可以理解的简单、自然的工作。
而且，如果在一组概念中没有受访者喜欢的产品，CBC允许受访者
选择“none”，从而更加真实的模拟了消费者购买产品的过程。
大部分联合分析方法仅基于主要影响模型，忽视了交互作用，而CBC在测量属性之间的交互作用方面具有绝对优势，如在不同品牌对价格变化的敏感程度不同时，CBC通过对交互作用的考察能够更好的、更全面的考虑价格影响因素，因此更适用于价格研究与新产品市场预测。
最后，需要注意的是，研究不能解决所有问题，定量的研究方法经常用于支持价格决策，但不能代替制定价格战略本身。
参考文献
Chrzan, K. (1999). Full versus Partial Profile Choice Experiments: Aggregate and Disaggregate Comparisons. Sawtooth software research paper series.
Chrzan, K., & Orme, B. (2000). An overview and comparison of design strategies for choice-based conjoint analysis. Sawtooth software research paper series.
来自:腾讯ISUX (/choice-based-conjoint.html)
人人都是产品经理（）中国最大最活跃的产品经理学习、交流、分享平台。