Pricing Executive Summary

Week 06 Conjoint Analysis

https://www.smh.com.au/business/companies/david‐jones‐and‐bp‐ink‐deal‐to‐bring‐fancy‐food‐to‐petrol‐ stations‐20190827‐p52l2z.html

Customer Value

• Customer Value is the total amount of money that the customer is  willing to pay for the benefits received from the product. 

• For pricing, each customer benefit should be equated to dollars and  cents that customers are willing to pay (WTP) for it. 

• Benefit 1 + Benefit 2 + ….. = WTP 1 + WTP 2 + … = Total WTP • Customer value sets the ceiling or the highest possible price that can  be charged for the product. 

• Understanding customer value requires an understanding of the  types and number of benefits customers receive from the product  and the product/ service features that contribute.

Source: Dholakia, How to price effectively, 2017

Attributes define a product

What are attributes that define a mobile phone?

What is Conjoint Analysis?

Which car  should I get?

Conjoint Analysis: The Underlying Model

• A Product is a  “bundle” of attributes • Consumers evaluate the alternatives in the marketplace by examining how much  they offer on the various attributes and how critical each attribute is to them

• Total Value of product = sum of sub‐values (partworths) of its attribute levels to  the individual 

• A consumer prefers the product that delivers the greatest Total Value to him/her • Decompose the product into the value of each sub‐part in order to determine  preference for the composed product/service

Example: A Consumer’s Value System for a car

v(brand) + v(engine type) + v(body type) + v(price)) = V(

Conjoint analysis model

Consumer’s overall judgment about  a set of complex alternatives

Rank a set of alternatives; State their preferences

Decompose overall judgment into separate utilities for individual attributes

Statistical analysis to recover individual attribute weights, w

Preference     =             ∑ (w x µ) =            w1 µ1 + w2µ2 + w3 µ3 + … 

Given attribute levels for the item (0 or 1)

• If you choose left, you prefer Power. If you choose right, you prefer  Fuel Economy.

• Rather than ask directly whether you prefer Power over Fuel  Economy, we present realistic tradeoff scenarios and infer  preference from your product choices.

Simple example of Conjoint Analysis

Would you prefer…

210 Horsepower or 140 Horsepower 17 MPG 28 MPG

Another simple choice‐based conjoint

More elegant ranking‐based conjoint

Far more complicated examples Discrete Choice Experiment

1. Identify a set of relevant  product attributes (based  on discussions with a car  company)

2. Define reasonable levels  for these attributes  (based on carsales.com)

Stages in Conjoint Analysis A real example: Buying a car (ratings task)

Source: Havard Business School

3. Create product profiles

4. Obtain consumer preferences for profiles via survey

Concrete Conjoint Example

Source: Havard Business School

Q: With 4 attributes and 3 levels each, how many possible profiles available?

• Complete (Full) Factorial Design (CFD) • All possible combinations of attribute levels (L) of k attributes.  • CFD design size = L1 x L2 x L3 x … x Lk. • E.g., 3 attributes with 2 levels, 4 levels and 5 levels each will result in 40 profiles (= 2  x 4 x 5)

• Fractional Factorial Design (FFD) • Minimum design size = 1 + (L1‐1) + (L2‐1) + (L3‐1) + … + (Lk‐1) • E.g., above case requires at least size of 9 (=1 + 1 + 3 + 4) product profiles.

• Desirable properties • Balanced – each level in an attribute appears equal number of times. • Orthogonality – each attribute is designed to be independent of one another. It  requires special software such as SPSS, SAS, or R.

Create Conjoint Analysis Design

• A respondent rates every profile on a rating scale (e.g., 7‐point or 10‐ point)

• A respondent ranks each profile in terms of preference, e.g., 1st, 2nd,  3rd, … for preference rank.

• A respondent chooses the most preferred option out of a set of  multiple options, e.g., one out of 4 alternatives. It requires multiple  sets of choice tasks.

• A respondent chooses the most preferred option and the least  preferred option out of a set of small number of options, e.g., 3 or 4  options. It requires multiple sets of choice tasks.

Data Collection

5. Analyze the Data For ratings data, simple regression can be used to compute the part‐worths for the attribute levels. Choice task requires logit or probit.

‐ Dummy coding or Effect Coding is required (see workshop)

Create a “baseline” profile • E.g., “Japanese,” “Sedan,” “Gasoline,” “$20,000” • Partworths for these levels set to 0 • Partworths of other levels = deviations from this baseline profile • Total Value of baseline profile captured by the intercept

Concrete Conjoint Example

Interpreting the Output

Intercept = Total Value for the Baseline Option

v(Japanese) + v(Sedan) + v(Gasoline) + v($20000) = 4.2 “value units”) = V(

Coefficients

Intercept 4.20

American 0.33

European ‐0.84

SUV 0.96

Sports Car ‐0.10

Hybrid 1.78

Electric 0.86

$30,000 ‐0.58

$40,000 ‐1.20

Part‐worths

Part‐Worth Plots

-1

0

1

2

3

Japanese American European

Brand Origin

-1.00

0.00

1.00

2.00

3.00

Sedan SUV Sports Car

Body Type

0.00

1.00

2.00

3.00

Gasoline Hybrid Electric

Engine Type

-2.00

-1.00

0.00

1.00

2.00

3.00

$20000 $30000 $40000

Price

What do you make of this?

What is this person’s ideal car? 

How Important is Each Attribute?

• For each attribute:  • Range of an attribute         =  max part‐worth – min part‐worth • Importance of an attribute = Range / (sum of ranges across all attributes)

ATTRIBUTE IMPORTANCES Attribute Range  Importance

Brand Origin 1.17 0.22 Body Type 1.06 0.20 Engine Type 1.78 0.34 Price 1.20 0.23

0.00 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40

Brand Origin Body Type Engine Type Price

Sum 4.6 1.0

Choice Prediction

If presented with these three options, which one would this individual choose?

A   Japanese, Sedan, Hybrid, $20,000 B   European, Sports Car, Gasoline, $40,000 C   American, SUV, Gasoline, $30,000

V(A)=   4.21+ v(Japanese)=0 + v(Sedan)=0 + v(Hybrid)=1.78 + v(20,000)=0  5.99 V(B)=   4.21+ v(European)=‐0.84 + v(Sports Car)=‐0.1 + v(Gasoline)=0 + v($40,000)=‐1.2  2.07 V(C)=   4.21+ v(American)=0.37 + v(SUV)=0.96 + v(Gasoline)=0 + v($30,000)=‐0.58  4.96

-1

0

1

2

3

Japanese American European

Brand Origin

-1.00 0.00 1.00 2.00 3.00

Sedan SUV Sports Car

Body Type

0.00

1.00

2.00

3.00

Gasoline Hybrid Electric

Engine Type

-2.00 -1.00 0.00 1.00 2.00 3.00

$20000 $30000 $40000

Price

So it looks like we can raise the price of option A…by how much? 

Coefficients

Intercept 4.20

American 0.33

European ‐0.84

SUV 0.96

Sports Car ‐0.10

Hybrid 1.78

Electric 0.86

$30,000 ‐0.58

$40,000 ‐1.20

• Convert utilities of each level of attribute to price level that a person is willing to  pay for the desired level of attribute

• From the output, we know that V($20,000) = 0 and V($40,000) = ‐1.20. Thus, $20,000 increase implies 1.2 utilities decrease ($1 = 1.2/20,000 util).

• SUV has higher utility (0.96) than Sports car (‐0.10).  So, the person is willing to pay more for SUV than for Sports car of same brand.

• Utility difference between two types = 0.96 – (‐0.10) = 1.06  $17.667 (= 20,000 x (1.06/1.2)).

Willingness‐To‐Pay Trade‐Off Analysis

Coefficients

Intercept 4.20

American 0.33

European ‐0.84

SUV 0.96

Sports Car ‐0.10

Hybrid 1.78

Electric 0.86

$30,000 ‐0.58

$40,000 ‐1.20

• Try to select a representative sample of the market of interest • Below are the average importance weights across such a sample

From Individual to Market Level Analysis

0 .1

.2 .3

Brand Origin Body Type Engine Type Price

• Often more insightful to analyze the market by looking at all  individuals to properly account for the heterogeneity in preferences

From Individual to Market Level Analysis

0 .2

.4 .6

P ric

e

0 .2 .4 .6 .8 Brand

Brand v. Price

0 .2

.4 .6

P ric

e

0 .2 .4 .6 .8 Body Type

Body Type v. Price

0 .2

.4 .6

P ric

e

0 .2 .4 .6 Engine Type

Engine Type v. Price

• Based on the preferences of each individual in the sample, what would the market share be of  the following three options be?

A   Japanese, Sedan, Hybrid, $20,000 B   European, Sports Car, Gasoline, $40,000 C   American, SUV, Gasoline, $30,000

From Individual to Market Level Analysis

47.7%

32.5%

19.8%

A B

C 2. Identify most preferred option by each individual

1. Compute utilities of each option by each individual

3. Sum of all individuals who would choose each option

Decision Support System Example Flight configuration

Decision Support System Example Wine configuration

Decision Support System Example Wine configuration

• Ideal product development based on preferred attributes • Product is a bundle of attributes. So, combining most preferred attributes will  result in the most preferred product offering.

• Segmentation based on individual part‐worths • Some emphasize brands, and others emphasize prices, etc. • Some are price sensitive and some are not.

• Market share forecast leads to Decision Support System • Willingness‐To‐Pay trade‐off analyses

• Compare utilities of price with utilities of any other attributes. • Pursuing higher level of an attribute, e.g., higher horsepower, increases price.  WTP for higher horsepower can be computed.

Usage of Conjoint Study

• Service or experiential goods are hard to evaluate without actual  experience

• Defining attributes and levels are hard • Preferences are not well formed

• Some customer segments may find the conjoint ratings task to be  very difficult

• Ways of better implementation • Prototype or Testable products • Artificial environment mimicking real experience • Advanced conjoint such as Adaptive Conjoint (ACA) or Information  Acceleration (IA)

Difficulty of Conjoint Analysis

• Parle‐G case (Workshops) • Case report is due at 3pm on Friday, 6 September. • Submit an electronic copy via Turnitin on UTSOnline

• NO Lecture unless demanded

Next week