[리서치] 컨조인트 분석의 활용 - 시장세분화, 수요예측, 시장점유율 추정

[리서치] 컨조인트 분석의 활용 - 시장세분화, 수요예측, 시장점유율 추정

각 속성의 수준에 해당하는 효용치를 구했다고 가정하면,

A) 시장세분화를 실시하는 데 컨조인트 분석의 결과로 나온 효용치는 어떻게 활용될 수 있는가?

B) 추정된 효용치들이 수요예측이나 시장점유율예측에 활용될 수 있는가?

있다면, 어떻게 활용될 수 있는가?

없다면, 왜 활용될 수 없으며, 어떠한 과정을 거쳐야 활용될 수 있는가?

현대 기업의 경쟁은 매우 치열하다. 이러한 치열한 경쟁에 이기기 위해서는 무엇보다도 소비자 지향적인 제품을 설계, 생산, 판매가 이루어져야 할 것이다. 소비자를 최우선으로 하는 경영전략을 세우려면 소비자 욕구의 파악이 매우 중요하다. 이러한 소비자의 욕구를 파악하기 위한 기법의 하나로 컨조인트 분석이 개발되었다. 소비자들이 제품선택시 고려하는 여러 효용들의 상대적 중요성과 이 효용들의 가장 바람직한 조합으로 이루어진 제품을 찾아냄으로써 보다 성공적인 제품을 만들 수 있게 해주는 기법이다.

컨조인트 분석은 각 응답자로부터 수집한 선호도 자료에 복잡한 형태의 분산분석을 적용한다. 여기서는 각 속성에 대한 효용을 계산하고, 최대가치를 갖는 속성이 응답자에게 가장 중요한 것이라고 판단하게 된다. 예를 들면, 어떤 지위(Position)를 확보하기 위해 고안된 새로운 트럭을 생산하는 경우 어떤 물리적 속성( 예 : 운전대의 기, 차체길이, 최고적재량, 연료효율성 )의 조합이 가장 바람직한지를 파악할 필요가 있다. 또한 전체중량, 운전대의 크기, 및 연료효율성 가운데 존재하는 상충관계(trade-off)도 잘 알아야 하는데 이를 위해 선호 자료를 이용해서 각 속성의 효용치를 구한 다음 가장 큰 값을 지닌 속성의 조합을 구하면 된다.

이 방법은 모든 가능한 조합 가운데 가장 선호되는 속성의 조합을 결정하는 방법이므로 신제품개발에 특히 유용하다. 따라서 여러 가지 속성의 조합을 통해 이뤄지는 새로운 제품들을 대상으로 대다수의 응답자들이 선호하는 제품을 결정하고 또한 특정한 제품을 선호하는 세분시장의 특성을 파악하기 위해 시험해 볼 수 있다.

컨조인트 분석의 기본 목적은 2개 이상의 독립변수들이 종속변수에 대한 순위나 가치를 부여하는 데 어느 정도의 영향을 미치는가를 분석하는 데 있다. 행동과학 분야에서는 일련의 독립변수들을 이용하여 특정 종속변수의 값을 예측, 또는 설명하는 합성법칙을 설정하는 데 중점을 두게 된다. 그러나 종속변수들에 대한 측정이 매우 어려운 경우가 많아서 위의 문제를 해결하는 데 어려움을 겪게 된다. 이와 같은 종속변수에 대한 측정문제와 종속변수와의 값을 합성하는 방식을 해결하기 위한 방법이 바로 컨조인트 분석이다.

A) 컨조인트 분석 대상 제품의 속성과 수준의 나열, 중요한 속성의 선발, 그리고 이에 대한 소비자의 반응을 조사한 후, 효용치를 구했다는 것이 문제에서 주어진 조건이다. 이 때 이 효용치를 갖고 시장세분화를 할 수 있겠는가?

우선 이 대답으로 아주 좋은 시장세분화가 가능하다고 생각된다. 왜냐하면 대부분의 산업에서 경쟁이 심화되고게다가 국제간의 무역자유화 압박이 가중되어 가고 있는 것이 실정이므로 주먹구구식인 인구통계학적변수, 지리적변수, 사회경제적변수 만으로 시장세분화를 하여서는 기업 존폐 위기를 맞게 될 것이다.

이러한 변수로 시장세분화를 할 경우는 소비자의 구매행위나 소비행위와 상관성이 낮으므로 올바른 시장세분화가 될 수 없다. 따라서 소비자 지향적인 시장세분화를 하려면 직접적으로 제품과 관련된 변수를 기준으로 시장세분화가 이루어져야 한다. 즉, 편익세분화가 가장 이상적인 방법일 것이다.

이 편익시장세분화는 예상고객들이 기존제품과 비교하여 새로운 제품개념의 속성에 관해 갖는 욕망에 근거하여 군집화한다. 특히 구매행동을 예측하려는 경우에는 어떤 상표에 대한 태도는 상표의 특성에 대한 신념과 각 속성의 중요도의 결합으로 구성된다는 이론에 근거하게 된다.

따라서 특정상표에 대한 소비자의 태도는 각 제품속성의 상대적 중요도와 해당상표가 그러한 속성을 갖는다고 믿는 소비자신념의 함수로 가정한다. 각 상표가 어떤 속성을 갖는 것으로 지각되는 정도와 각 소비자들이 각 속성에 대해 부여하는 중요도는 척도로 나타냄으로써 해당상표에 대한 점수를 얻게 되는데, 이러한 점수를 근거로 하여 개인의 선호도 순위를 매기게 된다.

그리고 각 제품속성은 상대적인 중요도를 표시하므로 소비자들의 이상적인 제품속성조합을 파악할 수 있다. 조사자들은 이상적인 조합이 유사한 응답자들을 군집화함으로써 소비자들이 원하는 제품을 잘 이해할 수 있을 뿐만 아니라, 이상적인 상표와 비교하여 여러 가지 상표와 새로운 제품개념이 어떻게 지각되는지를 파악할 수 있다. 이렇듯이 이상적인 속성의 조합으로 응답자들을 군집화하는 것이 컨조인트 분석의 효용치를 이용한 시장세분화이다.

컨조인트 분석에서는 선호도의 순위를 이용하여 각 응답자의 속성별 효용을 계산하는데, 효용(utility) 은 다음과 같은 특징을 갖는다. 즉, 어떤 속성의 1단위 효용이 다른 속성의 1단위 효용에 추가될 때, 이 조합의 합계는 응답자의 최초선호도의 순위에서 그 조합이 갖는 위치와 잘 대응하게 된다.

이 효용의 유용성은 두가지 측면에서 찾을 수 있다. 첫째, 효용은 각 수준별로 속성의 중요도를 나타내 준다. 말하자면 속성간의 비교가 가능하게 해준다. 둘째, 효용은 보다 중요한 속성을 발견할 수 있게 해준다. 대개 속성의 중요도는 효용의 범위 로서 측정한다. 즉, 속성의 최고효용에서 최저효용을 감해주면 , 이것이 효용의 범위가 되고 이 범위가 클수록 중요한 속성 이라는 사실을 알게 해준다. 이렇게 중요한 속성을 결정하였다면 속성 수준의 결합을 통하여 시장세분화가 가능하다. 이 방법은 개인의 선호도 조사를 통해서 얻은 자료이므로 비교적 효용치가 비슷한 사람들로 군집화를 이룬다면 제품의 독점적 지위인 시장세분화에 이용될 수 있다.

당연히 이상적인 속성수준조합에 따른 시장이 소비자에게 소구할 수 있는 가장 적절한 시장이나 이는 그런 제품의 생산이 불가한 경우도 발생할 수 있다. 또한 적절한 속성수준을 개발하지 못 하였다면 오히려 좋지 않은 영향을 미칠 수도 있으며, 효용의 결합방법의 가정에서 가산(+)해야 한다고 보지만, 과연 이러한 결합방법이 옳은 것인지는 알 수 없다.

컨조인트 분석의 몇가지 문제점을 위에서 지적했으나 그럼에도 불구하고 시장세분화 방법중 가장 유익한 방법으로 제시되고 있는 이유는 소비자의 구매행위를 비교적 유사하게 나타낼 수 있으므로 효율적인 시장세분화가 가능하기 때문일 것이다.

전체시장을 세분화할 경우 제품이용에 있어 비슷한 효용을 추구하는 집단을 하나의 세그먼트로 분류하여 이들 중 기업의 목적에 맞는 목표시장을 찾아낼 수 있으므로 컨조인트 분석은 시장세분화에 유용하게 사용될 수 있다.

B) 다음으로 컨조인트 분석의 효용치를 이용하여 수요예측이나 시장점유율예측이 가능한가의 문제이다.

컨조인트 분석으로 얻은 효용치를 갖고 선호서열분석 방법을 이용한다면 수요예측,시장점유율예측이 가능하다. 그러나 이 방법은 상품의 개념이나 포지셔닝을 간단하게 평가해보는 도구로서 적당하므로 약간의 과정을 거친 Logit모형을 이용한다면 쉽고도 비교적 정확한 예측치를 얻어낼 수 있다.

선호서열 분석은 신제품의 상품개념에 대한 소비자의 의견을 별도로 물어볼 필요가 없이 상품의 설계과정에서 신제품의 기존상표들과 비교한 선호서열만 구할 수 있다면 손쉽게 시장점유율의 추정치를 얻어낼 수 있다. 즉, 신제품의 선호서열이 1, 2, 3,위냐에 따라 각각의 서열에 해당하는 구매확율을 부여함으로써 예측을 하게 된다. 이러한 서열에 따른 구매확율은 제품의 종류에 따라 다르므로 제품별 경험을 통해 정확한 확율을 알아내야 한다.

또다른 방법으로 Logit 모형을 이용한 수요예측 방법을 살펴보도록 하자.

소비자의 선호 분석인 컨조인트 분석은 요인분석이나 다차원척도법을 이용한 소비자의 지각분석을 전제로 한다. 왜냐하면 컨조인트 분석에서는 조사하는 속성이 매우 중요한 속성이라는 전제를 하고 있는데 , 이는 조사자가 그와 같은 중요한 속성을 발견했다는 증거를 확보해야 함을 의미한다. 따라서 그러한 중요한 속성을 발견하기 위해서는 요인분석이나 다차원척도법을 이용해야 하기 때문이다.

다음으로 효용과 실제 선택행위와의 차이를 연결해주는 수치를 찾아낸다. 이것을 위해서는 Logit모형을 이용하여야 된다. Logit 모형은 Luce's Axiom 을 기반으로 하여 값을 도입하여 컨조인트 분석에서 구한 효용치로 실제 구매행동을 예측함으로써 수요예측과 시장점유율예측이 가능하게 해준다. 즉, 효용치에 실제 선택할 확율을 곱해 주어서 실제 수요가 어느 정도가 될 것이라고 예측하게 해준다. 이렇게 시장점유율의 예측이 된 다음에는 총시장크기를 계산해내면 제품의 수익액을 구할 수 있고, 여기에다 제품생산비용을 감한다면 이윤까지도 구해낼 수 있다.

Logit모형은 1970년에 McFadden 에 의하여 개발되었으며, 소비자행동론에 기초하여 선호효용치를 구매확율로 바꾸어주는 수학적 함수이다. 이 모형에서 가장 중요한 것은 효용치를 실제 선택행위와 일치시켜주는 값인 의 추정이 핵심이 된다.

이를 추정하려면 표본 자료가 필요하다. 이 표본 자료는 선호도 측정 자료와 소비자 선택행동을 측정내지는 관찰을 통해 구한다. 소비자 선택행동의 관찰 내지는 측정은 다음과 같은 것들을 하여야 한다. (1) 유사 구매상황에서의 상표 선택, (2) 지난번 선택 상표에 대한 자료, (3) 모든 상표에 대한 구매 빈도 자료,

첫번째 측정은 시험을 위해서 준비된 실제 제품을 이용하는 것이 좋다. 다른 두가지는 소비내구재, 산업재, 서비스와 같은 유사한 제품범주를 이용하거나 이전의 제품디자인을 이용해서 구할 수 있을 것이다. 물론 이 외에 다른 선택자료들도 유용하다면 이용이 가능하다.

관찰된 선택행위 또는 구매빈도와 측정된 설명력있는 변수에 대한 자료가 있다면 maximum likelihood techniques 을 이용하여 값을 추정할 수 있다. 이 가능성함수에 의한 값이 실제구매행위를 제대로 나타내려면 표본의 크기가 커져야 하고 분산이 낮아야 한다.

이 추정은 정규분포를 이루고 경험적 자료에 의하면 비교적 적은 표본크기인 100개이상에서도 좋은 추정치를 구할 수 있다고 한다.

Logit 모형은 제품 디자인 단계에서 제품의 수요내지는 시장점유율을 예측할 수 있다는 데 가장 큰 장점이 있다. 표본소비자의 선호와 선택행위에 대한 정보만 수집이 가능하다면 간단하게 시장수요를 예측할 수 있으므로 예비시험시장, 시험시장 전에 간단히 컴퓨터 팩키지를 이용해서 제품의 미래를 점쳐 볼 수 있는 훌륭한 기법이다.

또한 가능한한 소비자 행동을 많이 설명할 수 있고, error를 측정, 인정하는 소비자 행동의 실제적인 모델을 기반으로 하고 있다는 데 또 하나의 장점이 있다. 그리고 이용이 비교적 간단하고, 수요의 추정이 합리적이며 정확한 통계치를 제공한다는 것도 장점이 될 것이다.

어쨌든 컨조인트 분석에 의한 효용치를 이용해서 시장수요, 시장점유율을 예측하는데는 Logit 모형을 이용한다면 쉽고도 비교적 정확하게 예측이 가능하다.