Klient zapytany wprost o cenę powie, że chce taniej. Badanie conjoint omija to pytanie: pokazujemy realne wybory między wariantami produktu i z tych wyborów wyliczamy, ile waży każda cecha oraz jaka jest gotowość do zapłaty. Dostajesz ranking wariantów i symulację scenariuszy cenowych, a nie deklarację.
Analiza conjoint sprawdza się wszędzie tam, gdzie decyzja polega na kompromisie: coś dodać, coś zabrać, gdzieś podnieść cenę. Jeśli Twoje pytanie brzmi „który wariant" albo „ile klient zapłaci", jesteś we właściwym miejscu.
Nie masz historii sprzedaży ani punktu odniesienia, a od poziomu ceny zależy cały rachunek wdrożenia. Reakcję na cenę da się sprawdzić, zanim produkt trafi na półkę, więc decyzję podejmujesz na danych, nie na przeczuciu.
Wersja podstawowa, rozszerzona, abonament czy jednorazowy zakup. Trzeba wybrać konfigurację, która realnie wygrywa.
Zespół spiera się, czy dopłatę uzasadnia skład, pochodzenie, opakowanie czy gwarancja. Conjoint rozstrzyga to liczbowo.
Chcesz wiedzieć, jak zmiana ceny przesunie wybory klientów w stronę konkurencji i który segment odejdzie pierwszy.
Sprawdzasz, czy certyfikat, opakowanie z recyklingu lub deklaracja pochodzenia mają realną wartość dla kupującego.
Potrzebujesz poprawnego designu conjoint lub eksperymentu wyboru (DCE) do artykułu, doktoratu albo wniosku grantowego.
Badanie conjoint zamienia rozmowę o przeczuciach w policzalny model wyboru. Ten sam warsztat obsługuje decyzję rynkową i projekt naukowy, różni je cel raportu, nie metoda.
Z wyborów między profilami produktu wyliczamy gotowość do zapłaty (willingness to pay) dla całego produktu i dla pojedynczych cech, także w podziale na segmenty klientów.
Kiedy: Przed ustaleniem ceny wejścia, przy zmianie cennika lub przy wprowadzaniu wersji premium.
Symulator scenariuszy pokazuje, jak zmienia się udział wyboru, gdy dołożysz cechę, usuniesz poziom albo przesuniesz cenę, także wobec realnej konkurencji w kategorii.
Kiedy: Przy projektowaniu portfela, wersji produktu lub pakietu usług.
Ważność atrybutów mówi, co naprawdę napędza wybór, a co jest kosztem bez zwrotu. To argument w rozmowie z zespołem produktowym oraz oś przekazu dla marketingu.
Kiedy: Gdy trzeba uszeregować roadmapę albo wybrać jeden komunikat spośród kilku równorzędnych.
Dobieramy atrybuty i poziomy, budujemy plan eksperymentalny, przygotowujemy zestawy wyboru i plan analizy, a w razie potrzeby realizujemy badanie i liczymy modele.
Kiedy: Gdy trzeba zamienić pojęcie teoretyczne w mierzalne pytanie, przy wniosku grantowym lub gdy zespół utknął na analizie danych.
Jakość conjointu rozstrzyga się na etapie projektu, a nie analizy. Źle dobrane atrybuty albo zbyt trudne zadanie dla respondenta dają model, który wygląda poprawnie i nie mówi nic o rynku. Dlatego prowadzimy ten etap wspólnie z Tobą.
Ustalamy, którą decyzję ma rozstrzygnąć badanie: poziom ceny, wybór wariantu czy hierarchia cech. To wyznacza kształt całego modelu.
Wybieramy cechy, które klient realnie porównuje, i nadajemy im poziomy osadzone w rynku. Zbyt wiele atrybutów psuje badanie, dlatego pilnujemy tej granicy: w naszym badaniu opublikowanym w „Food Quality and Preference” cztery atrybuty po dwa lub trzy poziomy dały 54 możliwe kombinacje, które planem frakcyjnym sprowadziliśmy do 9 profili z zachowaniem ortogonalności.
Budujemy zestawy wyboru tak, aby efekty cech dały się od siebie oddzielić, a zadanie pozostało wykonalne dla respondenta.
Zbieramy dane na próbie dobranej do grupy docelowej: własny panel respondentów, na którym zespół laboratorium przebadał dotąd 10 402 konsumentów (stan na VI 2026), rekrutacja celowa przy nietypowych kryteriach albo sesja w laboratorium, gdy potrzebny jest kontakt z produktem.
Liczymy, ile do decyzji dokłada każdy poziom cechy i która cecha waży najwięcej, a z tego wyliczamy gotowość do zapłaty. Na końcu dostajesz symulator, w którym sprawdzasz, ilu klientów wybierze Twój wariant przy danej cenie.
Wynik tłumaczymy na decyzję: jaki wariant i jaki poziom ceny wybrać oraz czego nie warto dokładać do oferty.
Conjoint prowadzimy najczęściej online, ale gdy decyzja dotyczy produktu fizycznego, warto zestawić go z kontaktem z realnym opakowaniem lub z półką. Dysponujemy laboratorium sensorycznym, makietą sklepu convenience i eye-trackingiem, dzięki czemu deklarowany wybór można skonfrontować z zachowaniem przy półce.
Conjoint nie pasuje do każdego pytania badawczego. Jeśli chcesz najpierw sam sprawdzić, czy pasuje do Twojego, opis metody i tekst o tym, kiedy ma sens, a kiedy lepiej sięgnąć po inne podejście, znajdziesz w materiałach Explonii, projektu narzędziowego prowadzonego przez ten sam zespół. Jest tam też tekst o doborze metody i kreator, w którym da się złożyć własny plan badania.
Lista cech uszeregowana według wpływu na wybór, z wykresem gotowym do wklejenia w prezentację. Wiesz, którą cechę rozwijać najpierw, a na którą nie warto wydawać budżetu.
Wartość każdego poziomu cechy, dzięki czemu widzisz nie tylko „skład jest ważny", ale który konkretnie skład wygrywa.
Kwota, którą klient jest gotów zapłacić za cały produkt i osobno za każdą cechę, w podziale na segmenty różnie reagujące na cenę. Wiesz, o ile możesz podnieść cenę za konkretną cechę, zanim część kupujących odejdzie do konkurencji.
Sprawdzasz, jaka część klientów wybierze Twój produkt, gdy podniesiesz cenę, dołożysz cechę albo konkurencja zmieni ofertę. Scenariusz testujesz na modelu, zanim zapłacisz za wdrożenie na rynku.
Opis atrybutów, planu eksperymentalnego, próby i modelu, gotowy do sekcji metodycznej artykułu lub wniosku grantowego.
Spotkanie z badaczem oraz dostęp do surowych danych, bez czarnej skrzynki. Raport sygnuje Uniwersytet Ekonomiczny w Poznaniu.
Analiza preferencji to jedna z linii badawczych kierownika laboratorium. Poniżej dwie prace, w których rozkładamy ocenę produktu na cechy i sprawdzamy, które z nich realnie ważą w decyzji.
Badanie rozkłada postrzeganą zrównoważoność whisky na trzy grupy cech: pochodzenie surowców, sposób produkcji i formę opakowania, a następnie sprawdza, która z nich najmocniej waży w ocenie konsumenta. To klasyczne pytanie o kompromis między atrybutami, czyli dokładnie to, co conjoint mierzy najlepiej. Ta sama logika działa dla ceny, składu, gwarancji czy dostawy.
Romanowski R., Szymkowiak A., Knežević B., Romanowski B.
Praca sprawdza, jak oznaczenia zrównoważone i etyczne wpływają na percepcję ceny kosmetyków. Wynik pokazuje, że pojedyncza cecha komunikowana na opakowaniu potrafi przesunąć próg akceptowalnej ceny. To argument, dla którego gotowość do zapłaty warto badać na poziomie cech, a nie jednego pytania o kwotę.
Szaban M., Szymkowiak A., Zdziennicka A.
Dorobek naukowy kierownika ConsumerLab, dr. hab. Andrzeja Szymkowiaka, prof. UEP
Dorobek naukowy kierownika · wg Google Scholar, VI 2026 · Google Scholar ↗
Ankieta pyta wprost „ile jesteś gotów zapłacić", a na takie pytanie ludzie odpowiadają strategicznie i zwykle zaniżają kwotę. Badanie conjoint nie pyta o cenę, tylko stawia respondenta przed wyborem między całymi wariantami produktu, w których cena jest jedną z cech. Gotowość do zapłaty wyliczamy z tych wyborów. Dzięki temu mierzymy kompromis, który klient realnie zawiera, a nie deklarację o cenie.
W praktyce dobrze działa kilka atrybutów, każdy w kilku poziomach. Im więcej cech, tym trudniejsze zadanie dla respondenta i tym słabsza jakość danych, bo ludzie zaczynają upraszczać wybór do jednego kryterium. Dlatego zaczynamy od listy wszystkiego, co Cię interesuje, i wspólnie zawężamy ją do cech, które klient realnie porównuje przy półce lub na karcie produktu.
Wielkość próby zależy od liczby atrybutów i poziomów, liczby zestawów wyboru oraz od tego, czy chcesz wyniki dla całej grupy, czy osobno dla segmentów. Analiza segmentowa wymaga wyraźnie większej próby niż jeden model dla całej populacji. Konkretną liczbę wyliczamy przy projektowaniu badania i pokazujemy, co dokładnie zyskujesz, zwiększając próbę.
Conjoint pokazuje, jak zmienia się prawdopodobieństwo wyboru Twojego produktu przy różnych poziomach ceny i konfiguracjach oferty, także wobec konkurencji. To wejście do decyzji cenowej, nie jej automat: ostateczny poziom ceny zależy jeszcze od kosztów, marży i strategii marki. Dostajesz symulator, w którym możesz zestawić scenariusze rynkowe z własnym rachunkiem opłacalności.
To bliskie rodziny metod oparte na tej samej logice: respondent wybiera między profilami opisanymi zestawem cech, a model odtwarza wagę każdej cechy. Klasyczny conjoint bywa oceną lub rankingiem profili, a eksperyment wyboru (discrete choice experiment) opiera się na wyborze jednej opcji z zestawu, często z opcją odmowy zakupu. Metodę dobieramy do decyzji i do kategorii, a w projektach naukowych do wymogów czasopisma.
Tak, to osobna ścieżka dla naukowców i jednostek naukowych. Włączamy się na dowolnym etapie: od projektu badania (atrybuty, poziomy, plan eksperymentalny, zestawy wyboru, plan analizy), przez zbieranie danych na panelu lub w laboratorium, po estymację modeli wraz z tabelami i opisem metody. Dokumentacja jest przygotowana pod sekcję metodyczną artykułu i opis wykonalności we wniosku grantowym.
Zwykle nie. Conjoint realizowany jest online na panelu respondentów z całej Polski. Spotkania projektowe prowadzimy zdalnie lub w laboratorium przy Uniwersytecie Ekonomicznym w Poznaniu, a wariant łączony z pomiarem przy półce odbywa się stacjonarnie.
Opisz krótko decyzję lub pytanie, które masz przed sobą, wspólnie dobierzemy zakres i metodę. Pierwsza konsultacja (30 min) jest bezpłatna i niezobowiązująca.
Nowy produkt, zmiana opakowania, nowa cena albo strona, która nie sprzedaje. Testujemy każdą z tych decyzji na realnych konsumentach z naszego panelu, zanim zainwestujesz. Zamiast raportu do samodzielnej interpretacji dostajesz rekomendację wdrożeniową: co zostawić, co poprawić, a z czego zrezygnować, żeby nie zapłacić za błąd, którego dało się uniknąć.
Opisz swój problem badawczyPomysł badawczy, wniosek grantowy albo zebrane dane wymagają zaplecza: laboratorium, respondentów, wsparcia metodologicznego. Włączamy się na dowolnym etapie, od projektu badania, przez aparaturę i rekrutację z panelu, po realizację i analizę. Opis realnie dostępnej infrastruktury i procedury rekrutacji wzmacnia tę część wniosku, którą recenzenci oceniają jako wykonalność.
Porozmawiajmy o projekcie badawczym
