پیش‌بینی حجم با تحلیل کانجوینت

یک مطالعه کانجوینت نشان می‌دهد محصول پیشنهادی تو از نظر Utility از دو رقیب جلوتر است. آیا می‌توانی بگویی ۴۵ درصد بازار را می‌گیری؟ هنوز نه. ترجیح آزمایشگاهی فقط نقطه شروع است. برای رسیدن به فروش باید دسترسی، موجودی، تعداد خرید، وفاداری، گزینه «هیچ‌کدام» و رفتار واقعی بازار را هم وارد مدل کنی.

Conjoint Utilities and Volume Projections فرایندی است که مطلوبیت‌های برآوردشده را به سهم انتخاب، سهم بازار احتمالی و در نهایت حجم فروش سناریوهای مختلف محصول تبدیل می‌کند.

چرا این به‌دردت می‌خورد

کانجوینت فقط نمی‌گوید مشتری چه ویژگی‌ای دوست دارد؛ می‌تواند یک آزمایشگاه تصمیم برای آینده بسازد. می‌توانی قیمت، برند، ویژگی یا بسته را تغییر بدهی و ببینی انتخاب شبیه‌سازی‌شده چه تغییری می‌کند.

کاربردها:

• مقایسه چند کانسپت پیش از ساخت
• شبیه‌سازی Price Tierها
• پیش‌بینی اثر اضافه یا حذف یک ویژگی
• برآورد Cannibalization میان محصولات سبد
• تخمین سهم انتخاب در Segmentهای مختلف
• تبدیل سناریوهای ترجیح به Volume و Revenue

زنجیره تبدیل Utility به فروش

اما Adjusted Choice Share باید مرحله‌به‌مرحله ساخته شود:

1. محاسبه Utility هر گزینه برای هر فرد یا Segment
2. تبدیل Utility به احتمال یا سهم انتخاب
3. جمع‌کردن انتخاب‌ها برای ساخت Share of Preference
4. تعدیل با Availability، Awareness، Loyalty و Outside Option
5. کالیبراسیون با داده واقعی بازار
6. ضرب در حجم دسته یا تعداد فرصت خرید

روش First Choice

ساده‌ترین روش این است که برای هر پاسخ‌دهنده گزینه با بالاترین Utility را برنده در نظر بگیری:

First-Choice Share = Respondents Choosing Product as Highest Utility ÷ Total Respondents

اگر از ۶۰۰ نفر، ۳۳۰ نفر محصول A، ۲۱۰ نفر محصول B و ۶۰ نفر «هیچ‌کدام» را انتخاب کنند:

• Share of Preference محصول A = ۵۵٪
• محصول B = ۳۵٪
• Outside Option = ۱۰٪

مزیت روش First Choice سادگی است؛ ضعفش این است که اختلاف کوچک و بزرگ Utility را یکسان می‌بیند و انتخاب را کاملاً قطعی فرض می‌کند.

روش احتمالی Logit

در بسیاری از شبیه‌سازها Utility به احتمال انتخاب تبدیل می‌شود:

Choice Probability(i) = exp(Utilityi) ÷ Σ exp(Utilityj)

این روش به گزینه‌های دوم هم احتمال می‌دهد و نسبت به فاصله Utility حساس است. ولی فرض‌های خودش را دارد؛ از جمله اینکه گزینه‌ها چگونه با هم جایگزین می‌شوند. برای بازارهایی با گزینه‌های بسیار شبیه، مدل‌های پیشرفته‌تر ممکن است لازم باشند.

Share of Preference با Market Share یکی نیست

مشتری ممکن است محصول تو را ترجیح دهد، اما آن را پیدا نکند، بودجه کافی نداشته باشد یا خرید را عقب بیندازد. برندهای فعلی نیز مزیت عادت، توزیع و شناخت دارند.

تعدیل Availability و رفتار خرید

فرض کن Share of Preference محصول A برابر ۵۵ درصد است، اما فقط در ۸۰ درصد فرصت‌های خرید در دسترس خواهد بود. یک تقریب اولیه:

Reachable Choice Share = 55% × 80% = 44%

اگر حجم سالانه دسته ۱۲۰ هزار واحد باشد:

Uncalibrated Volume = 120,000 × 44% = 52,800 units

این هنوز خام است. اگر تست‌های گذشته نشان دهند شبیه‌ساز به‌طور متوسط سهم محصولات جدید را ۲۰ درصد بیشتر از واقعیت برآورد می‌کند، ضریب کالیبراسیون ۰٫۸ به کار می‌رود:

Calibrated Volume = 52,800 × 0.8 = 42,240 units

از مشتری به واحد فروش

در بعضی مدل‌ها ابتدا تعداد انتخاب‌کنندگان را تخمین می‌زنی:

Projected Buyers = Addressable Customers × Adjusted Choice Probability

بعد حجم:

Projected Volume = Projected Buyers × Purchase Frequency × Units per Purchase

این روش وقتی مناسب است که دفعات و مقدار خرید میان Segmentها متفاوت باشد. مثلاً بخش حرفه‌ای ممکن است کوچک‌تر باشد ولی دفعات استفاده و درآمد بیشتری بسازد.

سناریوی محصول و هم‌نوع‌خواری

اگر شرکت دو محصول دارد، محصول جدید را همراه محصولات فعلی و رقبا در Choice Set قرار بده. تغییر سهم انتخاب هر محصول بعد از اضافه‌شدن گزینه جدید، برآورد اولیه‌ای از Cannibalization می‌دهد.

مثلاً پیش از لانچ، محصول قدیمی ۴۰ درصد Share of Preference دارد و پس از اضافه‌شدن محصول جدید به ۲۸ درصد می‌رسد. افت ۱۲ واحد درصدی الزاماً تماماً فروش واقعی ازدست‌رفته نیست، اما سیگنال مهمی برای تحلیل سبد و Contribution است.

اهمیت Outside Option

اگر پاسخ‌دهنده مجبور باشد حتماً یکی از گزینه‌ها را انتخاب کند، سهم‌ها بیش‌برآورد می‌شوند. گزینه «هیچ‌کدام / فعلاً نمی‌خرم» به مدل اجازه می‌دهد عدم خرید را هم ببیند. سطح Utility این گزینه به شرایط بازار، نیاز و قیمت حساس است.

بازار را کامل تعریف کن

حذف یک رقیب مهم، ویژگی تعیین‌کننده یا جایگزین غیرمستقیم می‌تواند کل پیش‌بینی را منحرف کند. برای تعریف Choice Set بپرس:

• مشتری واقعاً چه گزینه‌هایی را در یک خرید می‌بیند؟
• آیا «ادامه‌دادن بدون خرید» یک گزینه است؟
• آیا راه‌حل دستی یا محصول دسته دیگر جایگزین است؟
• آیا همه گزینه‌ها در تمام کانال‌ها در دسترس‌اند؟

Network Effect و عوامل خارج از Attributeها

در بعضی بازارها ارزش محصول به تعداد کاربران وابسته است. پیام‌رسان، بازارگاه یا ابزار تیمی فقط به ویژگی‌های درونی وابسته نیست. اگر Network Effect، قرارداد، Switching Cost یا اکوسیستم را در مدل نیاوری، Utility محصول جدید ممکن است بیش‌برآورد شود.

سناریو به‌جای عدد واحد

سناریوسازی نشان می‌دهد کدام فرض بیشترین اثر را دارد و تیم باید برای کاهش عدم‌قطعیت کجا تست انجام دهد.

تفسیر مدیریتی

خطاهای رایج

• برابرگرفتن Share of Preference با Market Share واقعی
• حذف Outside Option و اجبار به انتخاب
• ندیدن Availability، Awareness و Distribution
• استفاده از حجم کل بازار به‌جای بازار قابل‌دسترسی
• حذف رقیب یا Attribute مهم از Choice Set
• ندیدن Network Effect و Switching Cost
• استفاده از شبیه‌ساز بدون کالیبراسیون با داده واقعی
• گزارش یک عدد قطعی به‌جای بازه و سناریو
• نادیده‌گرفتن Contribution و تمرکز صرف بر Volume

متریک‌های مکمل

• Conjoint Utilities: مطلوبیت سطح‌های ویژگی
• Segment Utilities: تفاوت انتخاب میان گروه‌ها
• Share of Preference: سهم انتخاب شبیه‌سازی‌شده
• Availability و Distribution: امکان واقعی خرید
• Volume Projections: مدل عمومی تبدیل خریدار به حجم
• Cannibalization Rate: فروش گرفته‌شده از محصولات خود شرکت
• Contribution و Profit: ارزش اقتصادی سناریو

جمع‌بندی

Conjoint Volume Projection پلی میان ترجیح و فروش است. ابتدا Utility به سهم انتخاب تبدیل می‌شود، سپس با واقعیت‌هایی مثل Availability، عدم خرید، دفعات مصرف و داده تاریخی تعدیل می‌شود. خروجی معتبر یک عدد قطعی نیست؛ مجموعه‌ای از سناریوهاست که به تیم کمک می‌کند قبل از ساخت یا لانچ، Trade-offهای محصول، قیمت و سبد را ببیند.

اگر خواستی بیشتر بخوانی

بخش ۴.۷ کتاب Marketing Metrics توضیح می‌دهد که Conjoint Utilities می‌توانند به Share of Preference و Volume Projection تبدیل شوند، اما برای رسیدن به سهم بازار باید حجم خرید، دسترسی و تمایل مشتری به انتظار برای گزینه اول هم در نظر گرفته شود.