Ga naar de inhoud
Home/Blog/Data analyseren/Conjointanalyse: zo meet je wat klanten echt belangrijk vinden
Data analyseren

Conjointanalyse: zo meet je wat klanten echt belangrijk vinden

Een conjoint analyse is een marktonderzoekstechniek waarbij respondenten kiezen tussen realistische productvarianten in plaats van losse kenmerken te scoren. Uit die keuzes berekent het onderzoek hoeveel elk kenmerk en elke prijs meeweegt in de beslissing. Zo ontdek je welke eigenschappen klanten echt waarderen, hoeveel ze voor een verbetering willen betalen en welke productcombinatie het grootste marktaandeel oplevert. Conjointanalyse is daarmee een van de betrouwbaarste methodes om voorkeuren, prijszetting en productkeuzes te onderbouwen met data in plaats van met een onderbuikgevoel.

Vraag klanten rechtstreeks wat ze belangrijk vinden en het antwoord is bijna altijd hetzelfde: alles. Iedereen wil de beste kwaliteit, de meeste opties en de laagste prijs. Zulke antwoorden helpen je niet vooruit, want ze dwingen niemand tot een keuze. In de echte wereld maken klanten voortdurend afwegingen: een lagere prijs tegen minder functies, meer gemak tegen een hoger tarief. Een conjoint analyse bootst precies die afwegingen na en meet zo de werkelijke waarde die mensen aan elk onderdeel van je aanbod hechten.

Wat een conjoint analyse precies is

Conjointanalyse, ook wel conjunct meten of conjoint measurement genoemd, is een kwantitatieve onderzoekstechniek die de voorkeur voor een product of dienst opsplitst in de waarde van de afzonderlijke kenmerken. De naam komt van het Engelse “considered jointly”: klanten beoordelen kenmerken niet apart, maar in hun geheel, zoals ze dat ook in een winkel of webshop doen.

Het uitgangspunt is even eenvoudig als krachtig. Een product is een bundel van eigenschappen, en een prijs is er daar een van. Door mensen herhaaldelijk te laten kiezen tussen verschillende bundels, kun je statistisch terugrekenen hoeveel elke eigenschap heeft bijgedragen aan hun keuze. Je meet dus geen mening, maar gedrag: wat kiezen mensen als ze niet alles tegelijk kunnen krijgen. Dat maakt conjointanalyse veel dichter bij de realiteit dan een klassieke vragenlijst waarin elk kenmerk los een cijfer krijgt. Voor het bredere onderscheid tussen dit soort meetmethodes en verkennend onderzoek is onze uitleg over het verschil tussen kwalitatief en kwantitatief marktonderzoek een goed vertrekpunt.

De techniek werd in de jaren zeventig ontwikkeld binnen de wiskundige psychologie en het marktonderzoek, en is sindsdien uitgegroeid tot een standaardinstrument in vrijwel elke sector. Techbedrijven gebruiken ze om te bepalen welke functies in een nieuwe softwareversie horen. Retailers en fabrikanten van consumentengoederen zetten ze in voor verpakking, formaat en prijs. Banken en verzekeraars testen er tariefstructuren mee, telecomspelers hun abonnementsformules, en dienstverleners de samenstelling van hun pakketten. Overal waar een klant kiest tussen alternatieven met verschillende eigenschappen en prijzen, kan een conjoint analyse de beslissing onderbouwen.

De kernbegrippen: attributen, niveaus en part-worth utilities

Om een conjoint analyse te begrijpen heb je drie begrippen nodig. Een attribuut is een kenmerk van het product, bijvoorbeeld de prijs, de garantietermijn of het materiaal. Een niveau is een concrete invulling van dat attribuut, zoals een garantie van een jaar, twee jaar of vijf jaar. De part-worth utility of deelnut is de waarde die respondenten aan elk niveau toekennen. Hoe hoger de part-worth, hoe aantrekkelijker dat niveau.

Uit die deelnutten leidt het onderzoek twee dingen af die je meteen kunt gebruiken. Ten eerste het relatieve belang van elk attribuut: welk kenmerk beweegt de keuze het sterkst. Ten tweede de betalingsbereidheid, oftewel hoeveel euro een verbetering waard is voor de klant. Dat laatste sluit rechtstreeks aan bij het meten van prijselasticiteit, want conjointanalyse is een van de zuiverste manieren om prijsgevoeligheid in kaart te brengen zonder de prijs los uit zijn context te trekken.

Waarom kiezen beter meet dan scoren

Het grote voordeel van conjointanalyse zit in het woord “kiezen”. Een gewone vragenlijst vraagt vaak: “Hoe belangrijk is prijs voor u op een schaal van 1 tot 5?” Bijna iedereen antwoordt met een 4 of 5, want lage prijzen zijn nu eenmaal fijn. Dezelfde vraag over kwaliteit, service en duurzaamheid levert even hoge scores op. Het resultaat is een lijst waarin alles belangrijk lijkt en niets onderscheidt.

Een conjoint analyse dwingt de respondent net wel tot een keuze. Wie de goedkoopste optie kiest, geeft daarmee automatisch iets anders op, bijvoorbeeld een langere garantie of een bekender merk. Die opoffering is precies de informatie die je zoekt. Omdat de methode gedrag meet in plaats van uitgesproken meningen, is ze ook minder gevoelig voor vertekening. Respondenten kunnen moeilijker sociaal wenselijke antwoorden geven, omdat ze niet weten welk kenmerk je onderzoekt. Zo omzeil je een deel van de valkuilen die we bespreken in ons artikel over sociale wenselijkheid in onderzoek.

Een keuzetaak in een Choice-Based Conjoint ziet er in de praktijk zo uit. De respondent krijgt twee of drie volledige productvarianten naast elkaar en beantwoordt één simpele vraag: welke zou u kiezen? Optie A is bijvoorbeeld een maaltijdbox van 8 euro per maaltijd, met 15 recepten per week, standaard ingrediënten en maandelijks opzegbaar. Optie B kost 6 euro per maaltijd, biedt 8 recepten, lokale en biologische ingrediënten en een vast contract van drie maanden. Door dezelfde respondent tien tot vijftien van zulke keuzes voor te leggen, telkens met andere combinaties, ontstaat een rijk patroon waaruit het model de onderliggende voorkeuren destilleert. Elke keuze op zich lijkt triviaal, maar samen onthullen ze verrassend nauwkeurig wat iemand belangrijk vindt.

De belangrijkste soorten conjoint analyse

Conjointanalyse is geen enkele techniek, maar een familie van methodes. Ze verschillen in hoe je de keuzetaken presenteert en hoeveel cognitieve inspanning je van de respondent vraagt. De onderstaande tabel zet de vier meest gebruikte varianten naast elkaar, plus MaxDiff als nauw verwante methode.

Type Hoe het werkt Sterkte Wanneer inzetten
Choice-Based Conjoint (CBC) Respondent kiest telkens een van meerdere volledige productbundels, of geen enkele Meest realistisch, laat prijs- en marktaandeelsimulatie toe Prijszetting, productconfiguratie, de standaardkeuze in modern onderzoek
Traditionele (full-profile) conjoint Respondent geeft een score of rangschikking aan volledige profielen Eenvoudig te analyseren, weinig attributen Kleine studies met een beperkt aantal kenmerken
Adaptieve conjoint (ACA) De vragenlijst past zich aan op basis van eerdere antwoorden Kan veel attributen aan zonder de respondent te overladen Complexe producten met tien of meer kenmerken
Menu-based conjoint Respondent stelt zelf een product samen uit losse opties Bootst het samenstellen van pakketten na Configureerbare diensten, abonnementen, opties en add-ons
MaxDiff (best-worst) Respondent kiest het beste en het slechtste item uit een reeks Rangschikt veel losse kenmerken scherp Prioriteren van boodschappen, features of claims

In de praktijk is Choice-Based Conjoint veruit de populairste vorm. Ze sluit het dichtst aan bij hoe mensen echt beslissen, namelijk door te kiezen tussen alternatieven, en ze maakt de krachtigste vervolganalyse mogelijk: de marktsimulatie. Welke variant het best past, hangt af van je onderzoeksvraag, het aantal kenmerken en je doelgroep. Een ervaren bureau bepaalt die keuze samen met jou aan het begin van het traject.

Zo verloopt een conjoint analyse stap voor stap

Een goede conjointanalyse staat of valt met de voorbereiding. De keuzetaken die de respondent ziet, moeten zorgvuldig ontworpen zijn, anders zijn de resultaten waardeloos. Onderstaande stappen vormen de ruggengraat van vrijwel elk conjointtraject.

Stap Wat er gebeurt
1. Onderzoeksvraag scherpstellen Bepaal welke beslissing je wil onderbouwen: prijs, productontwerp, positionering of een combinatie
2. Attributen kiezen Selecteer de kenmerken die er echt toe doen, doorgaans vier tot zes om de respondent niet te overladen
3. Niveaus vastleggen Geef elk attribuut realistische, onderscheidende niveaus die elkaar niet overlappen
4. Studieontwerp opstellen Combineer de niveaus tot een efficiënt experimenteel design, meestal een fractioneel factorieel plan
5. Keuzetaken bouwen Stel de bundels samen die de respondent te zien krijgt en bepaal het aantal keuzerondes
6. Veldwerk uitvoeren Verzamel voldoende respondenten uit de juiste doelgroep via een representatieve steekproef
7. Utilities schatten Bereken de part-worth utilities met een statistisch model zoals hierarchical Bayes of multinomiale logit
8. Simuleren en adviseren Zet de resultaten om in scenario’s, prijsadvies en een concreet productvoorstel

Stap zes verdient extra aandacht. Omdat conjointanalyse per respondent meerdere keuzes analyseert, heb je minder mensen nodig dan bij sommige andere kwantitatieve methodes, maar de steekproef moet wel de juiste samenstelling hebben. Als vuistregel volstaan doorgaans driehonderd tot vijfhonderd respondenten voor een betrouwbaar totaalbeeld, en meer wanneer je aparte deelgroepen wil vergelijken. Hoe je die aantallen onderbouwt, lees je in ons artikel over de steekproefgrootte bepalen.

Wat een conjoint analyse oplevert

De ruwe output van een conjointanalyse is een set part-worth utilities per attribuutniveau. Op zichzelf zijn dat abstracte getallen, maar ze worden meteen bruikbaar zodra je ze omzet in twee inzichten: het relatieve belang van elk attribuut en de betalingsbereidheid. Het relatieve belang bereken je door het bereik van de utilities binnen een attribuut te delen door de som van alle bereiken.

Stel dat een maaltijdboxdienst vier kenmerken test. De onderstaande tabel toont een illustratief resultaat, met per attribuut de deelnutten en het daaruit berekende belang.

Attribuut Niveaus en part-worth utilities Bereik Relatief belang
Prijs per maaltijd 6 euro (+1,2) / 8 euro (+0,1) / 10 euro (-1,3) 2,5 50%
Aantal recepten per week 8 (-0,6) / 15 (+0,2) / 25 (+0,5) 1,1 22%
Herkomst ingrediënten Standaard (-0,4) / lokaal en bio (+0,4) 0,8 16%
Opzegbaarheid Maandelijks (+0,3) / drie maanden vast (-0,3) 0,6 12%

Uit dit voorbeeld lees je in een oogopslag af dat de prijs de helft van de beslissing bepaalt, terwijl de opzegbaarheid nauwelijks meeweegt. Nog interessanter wordt het als je de deelnutten omrekent naar euro’s. Het verschil in prijs-utility tussen 6 en 10 euro is 2,5 punten, wat overeenkomt met 4 euro. Eén utilitypunt is dus ongeveer 1,60 euro waard. De sprong van standaard naar lokaal en bio levert 0,8 utilitypunten op, oftewel een betalingsbereidheid van ongeveer 1,28 euro extra per maaltijd. Zulke cijfers maken van een vaag gevoel een onderbouwd prijsbesluit.

Een derde laag die conjointanalyse ontsluit, is het verschil tussen klantgroepen. Zelden waardeert iedereen dezelfde kenmerken even sterk. Prijsjagers laten hun keuze bijna volledig door het tarief bepalen, terwijl kwaliteitszoekers de herkomst of de service zwaarder laten wegen. Moderne schattingsmethodes zoals hierarchical Bayes berekenen de part-worths op individueel niveau, waardoor je respondenten kunt clusteren tot voorkeurssegmenten. Zo weet je niet alleen wat de gemiddelde klant wil, maar ook welke afzonderlijke doelgroepen je met welke productvariant het best bedient. Die verfijning maakt van een conjointstudie meteen een vertrekpunt voor segmentatie en positionering.

De echte kracht komt bovendrijven in de marktsimulator. Daarin voer je verschillende productvarianten in, samen met die van concurrenten, en het model voorspelt welk aandeel van de respondenten voor elke optie zou kiezen. Zo kun je nog voor de lancering testen wat een prijsverhoging met je marktaandeel doet, of welke featurecombinatie het meeste volume trekt. Die voorspellende laag onderscheidt conjointanalyse van beschrijvende methodes en sluit aan bij bredere kwantitatieve technieken zoals regressieanalyse en de andere meest gebruikte statistische technieken in marktonderzoek.

Wanneer je conjoint analyse inzet, en wanneer niet

Conjointanalyse is een krachtig instrument, maar geen wondermiddel voor elke onderzoeksvraag. Ze schittert wanneer klanten een echte afweging maken tussen meetbare kenmerken. Ze is minder geschikt wanneer je wil begrijpen waarom mensen iets voelen of wanneer de belangrijke kenmerken nog helemaal niet bekend zijn.

Goed geschikt voor Minder geschikt voor
Optimale prijszetting en prijsdifferentiatie Puur verkennende vragen zonder duidelijke kenmerken
Nieuwe producten of features prioriteren Emotionele of onbewuste drijfveren doorgronden
Pakketten en abonnementen samenstellen Onderzoek met meer dan tien complexe attributen tegelijk
Marktaandeel van varianten voorspellen Zeer kleine of moeilijk bereikbare doelgroepen

Wil je eerst achterhalen welke kenmerken er voor je doelgroep toe doen, dan is een verkennende fase met kwalitatief onderzoek een verstandige eerste stap, gevolgd door een conjointanalyse om die kenmerken hard te meten. Voor het in kaart brengen van onderliggende noden helpt onze behoefteanalyse, terwijl een concurrentieanalyse je leert welke varianten je in de simulatie tegenover elkaar moet zetten. Zo bouw je een onderzoeksplan waarin conjointanalyse haar volle waarde bewijst.

Veelgemaakte valkuilen bij conjoint analyse

De methode is even sterk als haar ontwerp. Te veel attributen zijn de meest voorkomende fout: vanaf zeven of acht kenmerken haken respondenten mentaal af en beginnen ze te vereenvoudigen, waardoor de data ruis bevat. Beperk je tot de kenmerken die er echt toe doen. Een tweede valkuil zijn onrealistische niveaus. Als je een prijs test die niemand ooit zou vragen, vertekent dat de hele analyse.

Let ook op overlappende of afhankelijke attributen. Wanneer twee kenmerken altijd samen voorkomen, kan het model hun effecten niet uit elkaar halen. En vergeet de resultaten niet te toetsen op statistische houdbaarheid voor je er beslissingen op baseert. Een groot verschil in part-worths tussen twee niveaus betekent pas iets als het ook betrouwbaar is. Presenteer de uitkomsten ten slotte helder, want een conjointmodel overtuigt pas wanneer de opdrachtgever het begrijpt. Goede datavisualisatie maakt daarbij het verschil tussen een rapport dat in een la verdwijnt en een rapport dat tot actie leidt.

Conjoint analyse door BABLR

Een conjoint analyse is een van de meest verfijnde manieren om te ontdekken wat je klanten echt waarderen en wat ze bereid zijn te betalen. Ze vervangt giswerk over prijs en productontwerp door harde, voorspellende data. Het ontwerp luistert wel nauw, van de keuze van attributen tot de statistische schatting van de utilities, en daar maakt ervaring het verschil.

Bij BABLR bouwen we conjointstudies die aansluiten bij een concrete beslissing, of het nu gaat om prijsanalyse, productontwikkeling of positionering. We vertalen de resultaten naar een helder advies en, waar zinvol, naar een marktsimulatie waarmee je scenario’s kunt doorrekenen. Benieuwd wat conjointanalyse voor jouw product of prijszetting kan betekenen? Ontdek onze aanpak bij de verschillende soorten marktonderzoek of lees eerst hoe een marktonderzoek via BABLR verloopt.

Veelgestelde vragen

Veelgestelde vragen over conjointanalyse

Een conjoint analyse is een kwantitatieve marktonderzoekstechniek waarbij respondenten kiezen tussen volledige productvarianten in plaats van losse kenmerken te scoren. Uit die keuzes berekent het onderzoek hoeveel elk kenmerk en elke prijs meeweegt in de beslissing. Zo meet je de werkelijke voorkeuren en betalingsbereidheid van klanten op basis van gedrag in plaats van uitgesproken meningen.

In een gewone vragenlijst scoort de respondent elk kenmerk apart, waardoor bijna alles belangrijk lijkt. Een conjoint analyse dwingt tot een keuze tussen bundels, zodat elke voorkeur een opoffering betekent. Die afweging is precies de informatie die je zoekt en maakt de resultaten realistischer en minder gevoelig voor sociaal wenselijke antwoorden.

De meest gebruikte vormen zijn Choice-Based Conjoint, waarbij de respondent kiest tussen volledige bundels, traditionele full-profile conjoint, adaptieve conjoint voor veel kenmerken, en menu-based conjoint waarbij mensen zelf een product samenstellen. MaxDiff is een nauw verwante methode om veel losse items scherp te rangschikken. Choice-Based Conjoint is veruit de populairste, omdat ze het dichtst aansluit bij echte aankoopbeslissingen.

Omdat elke respondent meerdere keuzes maakt, zijn er minder mensen nodig dan bij sommige andere kwantitatieve methodes. Als vuistregel volstaan doorgaans driehonderd tot vijfhonderd respondenten voor een betrouwbaar totaalbeeld. Wil je aparte doelgroepen vergelijken, dan heb je per deelgroep voldoende respondenten nodig en loopt het aantal hoger op.

Part-worth utilities of deelnutten zijn de waarden die respondenten aan elk niveau van een kenmerk toekennen. Hoe hoger de part-worth, hoe aantrekkelijker dat niveau. Uit de deelnutten leid je het relatieve belang van elk kenmerk af en bereken je de betalingsbereidheid, oftewel hoeveel euro een verbetering waard is voor de klant.

Conjoint analyse wordt vooral ingezet voor prijszetting, het prioriteren van nieuwe productkenmerken, het samenstellen van pakketten en abonnementen en het voorspellen van marktaandeel via een simulatie. Ze is minder geschikt voor puur verkennende vragen of om emotionele en onbewuste drijfveren te doorgronden. Daarvoor combineer je conjoint analyse best met een verkennende kwalitatieve fase.

Davy Tollenaere CEO en lead researcher

Davy Tollenaere is CEO en lead researcher bij BABLR. Hij begeleidt marktonderzoekstrajecten van de eerste onderzoeksvraag tot het strategisch advies, en werkt zowel kwantitatief als kwalitatief voor bedrijven, overheden en organisaties in België.

Vragen over de methodologie van je onderzoek? Stel ze ons