Eliciting Preference for Complex Products: A Web-Based Upgrading Method - note sull'articolo di Park, Ding & Rao del 2008

Questa settimana il focus della mia lettura si è concentrato su il recente metodo dell’upgrading adatto per l’analisi delle preferenze dei consumatori in relazione a categorie di prodotti complessi (quali ad esempio le automobili, i cellulari, i personal computer, le macchine fotografiche digitali o comunque tutti quei prodotti con molti attributi e molti livelli) proposto da Ding, Park e Rao nel 2008.

Il metodo dell’upgrading si basa sull’analisi delle scelte effettuate dai partecipanti all’esperimento nel tentativo di migliorare la configurazione basilare di un prodotto complesso (al quale male si adatterebbe la conjoint analysis classica a causa dell’elevato numero di profili da valutare) e viene paragonato dagli autori al più classico e consolidato metodo self-explicated.

Le linee guida adottate dagli autori nella ricerca di una procedura alternativa al metodo self-explicated sono state le seguenti:

• diminuire l’impatto delle caratteristiche limitanti del metodo self-explicated, quali ad esempio l’incapacità di rilevare correttamente funzioni non lineari nell’importanza dei livelli degli attributi del prodotto e la maggiore tendenza dei partecipanti a conformarsi a criteri di accettabilità sociale

• ovviare alla mancanza di una strategia di incentivazione dei partecipanti che premi in modo differenziale l’impegno profuso da ciascuno di essi

• proporre una soluzione di facile comprensione che limiti allo stretto necessario l’impegno dei partecipanti

Il metodo dell’upgrading funziona nel seguente modo:

• a ciascuna partecipante viene fornita una configurazione di base del prodotto da valutare (ad esempio un’automobile con 5 porte, marca Renault, cilindrata 1.500 cmc, ecc…) ed una somma di denaro per potere migliorare la configurazione del prodotto (ad esempio 5.000 Euro)

• alla partecipante viene chiesto di indicare quale attributo del prodotto intende migliorare per primo (ad esempio la cilindrata) e qual è/quali sono, tra i livelli proposti, quello/i che ella intende adottare (ad esempio 2.000 e 2.500 cmc)

• alla partecipante viene chiesto di precisare quale somma di denaro è disposta a spendere per ottenere ciascuno dei livelli che intende adottare (ad esempio 1.000 Euro per 2.000 cmc e 1.500 Euro per 2.500 cmc)

• viene utilizzato un algoritmo proposto da Becker, DeGroot e Marschak (BDM) nel 1964 per definire quali attributi possono essere effettivamente migliorati ed assicurarsi che la partecipante esprima la sua reale volontà. La procedura BDM seleziona un numero casuale partendo da una distribuzione uniforme nella gamma di tutte le possibili somme di denaro espresse per un particolare livello, quindi:

a. se la somma di denaro offerta dal/la partecipante è superiore al valore casuale è possibile aggiornare l’attributo al livello prescelto

b. viceversa, se il valore estratto è superiore alla somma di denaro offerta l’attributo non può essere aggiornato a quel livello

Ciò significa che se un determinato livello (ad esempio 2.500 cmc) di un certo attributo (ad esempio cilindrata) è particolarmente desiderato dal/la partecipante questi sarà incentivato/a ad offrire una porzione più elevata del budget a sua disposizione per migliorare il prodotto in modo da aumentare le probabilità di aggiudicarsi quella caratteristica. Contrariamente, se un livello (ad esempio 2.000 cmc) di un attributo (ad esempio cilindrata) risulta essere meno desiderato (seppur alternativo ad uno più desiderato) allora la/il partecipante sarà incentivato/a ad offrire una porzione meno elevata del budget a sua disposizione per aggiudicarsi tale caratteristica

• un algoritmo sceglie in modo casuale tra i livelli che risultano migliorabili a seguito della procedura BDM quelli che verranno effettivamente inseriti nella nuova configurazione

• i 4 precedenti passaggi vengono ripetuti per tutti gli attributi del prodotto che la partecipante intende migliorare rispetto alla configurazione di base (ad esempio marca, consumi e numero di portiere)

• una partecipante sull’insieme di tutti i partecipanti viene estratta per ricevere in omaggio il prodotto finale configurato

• un modello logit di tipo gerarchico bayesiano con effetti casuali viene utilizzato per stimare l’importanza relativa degli attributi e dei livelli per ciascun/a partecipante

Rispetto al metodo self-explicated, il metodo upgrading fornisce dei risultati migliori in termini di capacità predittiva delle scelte effettuate dai partecipanti su un set di profili di prodotto indipendenti.

Alcune delle limitazioni del metodo upgrading che vengono evidenziate dagli autori sono le seguenti:

• la fornitura di un ammontare di denaro da spendere ad inizio esperimento, se da un lato consente di limitare le risorse a disposizione della partecipante, dall’altro può modificare la sensibilità al prezzo della stessa. Inoltre – aggiungo io – la partecipante potrebbe decidere di adottare una strategia di risparmio in quanto il meccanismo prevede che, in caso di vincita, ella riceva il prodotto configurato più la differenza tra una cifra definita ed il prezzo del prodotto stesso; in tal senso la partecipante potrebbe decidere di limitare le proprie azioni migliorative sul prodotto e quindi risparmiare per ricevere una somma in denaro più elevata

• il modello di analisi proposto dagli autori non tiene conto anche della sequenza di attributi migliorati, ma è molto probabile che il primo attributo che la partecipante intende migliorare è anche quello più importante

• non è ovvio quali siano i livelli meno preferiti (cioè da inserire nella configurazione basilare) per gli attributi senza un ordinamento implicito (ad esempio il colore della carrozzeria di un’automobile)

• nel metodo proposto è soltanto possibile migliorare un attributo del prodotto alla volta, mentre potrebbe essere interessante studiare le possibili interazioni tra gli attributi in modo da consentire il miglioramento di più attributi (i cosiddetti super-attributi) nella medesima azione

• anche se il metodo self-explicated rappresenta uno standard nella valutazione delle preferenze dei consumatori per prodotti complessi esistono altri metodi che presentano caratteristiche interessanti le cui performance dovrebbero essere paragonate a quelle dell’upgrading.

Bibliografia:

Young-Hoon Park, Min Ding, and Vithala R. Rao (2008) Eliciting Preference for Complex Products: A Web-Based Upgrading Method, Journal of Marketing Research, Volume 45, Number 5, October 2008.