Choice modelling: betrouwbaar klantgedrag voorspellen

Benieuwd hoe een nieuwe vorm van marktonderzoek uitgevoerd wordt en hoe het tot conversieverhoging leidt? Lees dan snel verder. Deze blog gaat over marktonderzoek in de praktijk en hoe wetenschap tot marketingsucces leidt. Er wordt gestart met een praktijkvoorbeeld om vervolgens meer te vertellen over wat keuze experimenten zijn, hoe het werkt en waarvoor het ingezet kan worden.

Praktijkvoorbeeld
Het keuze-experiment is door Braynz ingezet in een onderzoek naar het gebruik van incentives in een e-mailcampagne. Hierbij werd de volgende vraag gesteld; welke incentives gaan de conversie van onze e-mail verhogen? Voor deze vraag werd er voor onze klant een keuze taak ontworpen waarin verschillende soorten incentives zijn getest. Het onderzoek is uitgezet onder een sample van de daadwerkelijke target group. De incentives in het onderzoek bestonden uit verschillende cadeaus, kortingen, en donaties aan goede doelen. Binnen een aantal dagen is vervolgens het onderzoek opgezet, uitgevoerd en zijn de resultaten plus aanbevelingen gedaan.

Conversieverhoging in de praktijk
Ten eerste kwam uit de praktijk dat het toevoegen van incentives voor een significante conversiestijging van 56% zorgt. Incentives werken dus wel degelijk conversieverhogend. Uit het onderzoek kwamen een aantal interessante verschillen tussen incentives naar boven. Zo scoorde een donatie van €4 aan een goed doel (20% conversie) beter dan een opleidingscheque van €50 (16% conversie). Dit verschil van 16% naar 20% kwam significant uit het keuze-experiment en deze voorspelling werd in de praktijk bevestigd met een conversieverhoging van 25%! Ook kwam uit het onderzoek naar voren dat algemene cadeaus beter scoren dan seizoensgebonden cadeaus, ook tijdens bijvoorbeeld de kerstperiode. Of specifiek naar target doelgroepen; dat de voorkeur voor een donatie groter is bij jongeren dan bij ouderen, 22,9% om 19,1%.

Praktijk voorspellend
Het mooie van dit onderzoek is dat alle resultaten samen vielen met de praktijk. Dit houdt in dat alle resultaten die uit het keuze-experiment kwamen, in lijn lagen met wat er daadwerkelijk uit de campagne kwam. Het is motiverend en lonend om vanuit wetenschappelijke theorie tot marketingsucces in de praktijk te komen. Daarnaast zijn deze keuze testen erg breed inzetbaar voor verschillende business vragen en hebben ze een korte doorlooptijd. Indien de test wetenschappelijk opgezet wordt met een goed design, bieden keuze taken erg veel perspectief voor het beantwoorden en voorspellen van marketingvraagstukken.

Keuzetesten zijn breed inzetbaar in marketingonderzoek
‘Breed inzetbaar’ en ‘biedt veel perspectief’, graag wat concreter hoor ik u denken. Nou, in de laatste jaren is deze methode in populariteit gegroeid in de gedragseconomie en marketing. Deze relatief nieuwe manier voor het meten van voorkeuren kan namelijk op vele manieren worden ingezet (Lockshin et al. 2006; Train, K., & Weeks, M., 2005). Het kan bijvoorbeeld gebruikt worden om:

> willingness to pay te meten
> incentives te testen
> merk, prijs en overtuigingsmechanismen te onderzoeken
> product designs, proposities of communicatie uitingen te testen
> merken en campagnes te monitoren

Voor het monitoren van merken en/of campagnes wordt getest of het gedrag van de consument ten opzichte van het merk door de jaren heen verandert. Of dat een specifieke campagne het gewenste effect op de voorkeuren en onbewuste attitudes van de consument gaat hebben, of heeft gehad. Hopelijk is het duidelijker geworden waarvoor keuze testen ingezet kunnen worden. In de volgende alinea wordt uitgelegd wat keuzetesten precies zijn en waarom een goed onderzoeksdesign cruciaal is.   

Wat is een keuze-experiment?
Keuze-experimenten, ook wel ‘discrete choice experiments’ genoemd, zijn simpelweg het voorleggen van keuzeopties zoals de consument die in de praktijk ook tegenkomt. In het algemeen geldt dat hoe dichter een experiment echte markt beslissingen nabootst, hoe meer valide de behaalde resultaten zijn. Discrete keuze experimenten hebben een aantal belangrijke voordelen ten opzichte van bijvoorbeeld traditionele conjoint methoden. Namelijk de test betreft gesimuleerde aankoopbeslissingen, over het algemeen met een meer realistischer en eenvoudigere taak voor respondenten (Zweringa, 2011). Een realistische en eenvoudige onderzoeksopzet is cruciaal voor goed en flexibel onderzoek. Het maakt namelijk snel, accuraat onderzoek mogelijk dat praktijk voorspellend (extern valide) is. Op deze manier is het ideaal voor het pretesten; het kost vooraf niet veel tijd of geld en het levert achteraf juist meer geld op. Oftewel; vooraf een betere marketingbeslissing en achteraf een betere return on investment.

Traditioneel marktonderzoek en cognitieve constructen
Bij kwalitatief onderzoek en vragenlijsten kunnen mensen sociaal wenselijke antwoorden geven, waarbij geen rekening wordt gehouden met mentale processen. Hier houden keuze testen en impliciete methoden beter rekening mee; ze onderzoeken klantgedrag op een meer onbewuste manier en geven diepere inzichten in de ‘black box’ achter het keuzegedrag van de consument. Vandaar dat deze nieuwe methoden vaak meer voorspelkracht hebben dan de oudere traditionele onderzoeksmethoden. Drie decennia geleden wist men dat cognitieve processen van invloed zijn op het menselijke beslissingsproces (McFadden, 1986). Onder deze cognitieve constructen worden verstaan:

> percepties en overtuigingen t.o.v. het product
> gegeneraliseerde attitudes en waarden
> interne protocollen die voorkeuren omzetten in daadwerkelijk keuzegedrag

Het is belangrijk om rekening te houden met deze cognitieve processen die veel invloed hebben op het gedrag van de consument.

Reactietijd metingen en valide onderzoek
Om keuze testen nog betrouwbaarder te maken kan reactietijd gemeten worden. Dit verhoogt de betrouwbaarheid van een onderzoek omdat het inzicht geeft in de onbewuste voorkeuren van de consument. Het idee hierbij is dat een sterkere associatie, oftewel een grotere voorkeur, steviger versleuteld ligt in het brein. Hierdoor is het makkelijker antwoorden, wat dus minder (reactie) tijd kost.

Het kan bijvoorbeeld zo zijn dat meerdere designs, producten of merken (afhankelijk van de business vraag) als besten uit de test komen. Maar als de reactietijd significant sneller is voor één van de opties, dan geeft dat een indicatie dat onbewust deze specifieke keuze sterker in het brein genesteld is. Reactietijd metingen worden ook in conjoint experimenten meegenomen om extra kracht en inzicht te krijgen (Haaijer et al., 2000). Door het meten van reactietijden wordt naast de expliciete (bewust gemaakte) keuze van de consument, ook impliciet (onbewust) de sterkte van de keuze gemeten.

Wel moet benadrukt worden dat het onderzoeksdesign en de formatie van keuzeopties cruciaal is voor de externe validiteit van de keuzetest (Lancsar, E., & Swait, J. (2014). Geen appels met peren vergelijken, en alleen informatie voorleggen waarover de consument in de praktijk ook de beschikking heeft. Het is dus essentieel om te zorgen voor een design dat het beste de praktijk weerspiegelt en ook voldoende statistische power heeft (Louviere et al., 2008).

Ook onderzoek doen met keuze experimenten?
Hopelijk heeft u meer inzicht gekregen in een nieuwe manier van marktonderzoek doen. Wilt u keuzetesten inzetten en ook vooraf succes voorspellen? Of heeft u vragen over deze vorm van voorspellend onderzoek? Neem contact op.

Referenties:
Haaijer, R., Kamakura, W., & Wedel, M. (2000). Response latencies in the analysis of conjoint choice experiments. Journal of Marketing Research, 37(3), 376-382.

Lancsar, E., & Swait, J. (2014). Reconceptualising the external validity of discrete choice experiments. Pharmacoeconomics, 32(10), 951-965.

Lockshin, L., Jarvis, W., d’Hauteville, F., & Perrouty, J. P. (2006). Using simulations from discrete choice experiments to measure consumer sensitivity to brand, region, price, and awards in wine choice. Food quality and preference, 17(3), 166-178.

Louviere, J. J., Islam, T., Wasi, N., Street, D., & Burgess, L. (2008). Designing discrete choice experiments: Do optimal designs come at a price? Journal of Consumer Research, 35(2), 360-375.

Louviere, J. J., Flynn, T. N., & Carson, R. T. (2010). Discrete choice experiments are not conjoint analysis. Journal of Choice Modelling, 3(3), 57-72.

McFadden, D. (1986). The choice theory approach to market research. Marketing science, 5(4), 275-297.

Sammer, K., & Wüstenhagen, R. (2006). The influence of eco‐labelling on consumer behaviour–Results of a discrete choice analysis for washing machines. Business Strategy and the Environment, 15(3), 185-199.

Swait, J., & Adamowicz, W. (2001). Choice environment, market complexity, and consumer behavior: a theoretical and empirical approach for incorporating decision complexity into models of consumer choice. Organizational Behavior and Human Decision Processes, 86(2), 141-167.

Train, K., & Weeks, M. (2005). Discrete choice models in preference space and willingness-to-pay space. Applications of simulation methods in environmental and resource economics, 1-16.

Zweringa, Klaus (2013). Discrete Choice Experiments in Marketing: Use of Priors in Efficient Choice Designs and Their Application to Individual Preference Measurement. Springer Science & Business Media.