Förstahandsval kontra share of preference

Förstahandsval visar vad konsumenten väljer först. Share of preference visar hur preferensen fördelar sig. Vilket mått som är rätt beror på kategorins köpbeteende, och de ger ofta helt olika svar.

I en simuleringsmodell kan du beräkna marknadsandelar på två sätt. Förstahandsval-modellen (first choice) ger hela "rösten" till det alternativ som konsumenten föredrar mest. Share of preference-modellen fördelar preferensen proportionellt — om en konsument gillar A 60% och B 40% får A 0.6 och B 0.4 av den personens andel.

Skillnaden är inte trivial. I kategorier med exclusive choice — där du köper en produkt åt gången — är first choice ofta mer realistiskt. I repertoarkategorier — där konsumenten regelbundet köper flera märken — speglar share of preference verkligheten bättre. Att använda fel modell ger systematiskt felaktiga marknadsandelsprognoser.

Reflect väljer simuleringskonfiguration baserat på kategorins köpbeteende. Vi diagnostiserar först: är detta en exclusive choice-kategori eller en repertoarkategori? Sedan konfigurerar vi simuleringsmodellen därefter. Det låter självklart men det görs sällan i praktiken — de flesta använder samma modell oavsett kategori.

Kommande visualisering

First choice vs share of preference vs share of volume — three simulation modes

Det viktigaste att förstå

First choice: hela rösten till favoritvalet, funkar för exclusive choice
Share of preference: proportionell fördelning, funkar för repertoarköp
Fel modellval ger systematiskt felaktiga marknadsandelar
Kategorins köpbeteende avgör vilken modell som är rätt
Reflect diagnostiserar köpbeteendet innan simulering konfigureras

Exempel

Samma conjoint-data analyserades med båda modellerna för en läskkategori. First choice gav marknadsledaren 41% andel. Share of preference gav 32%. Faktisk marknadsandel var 33% — repertoarmodellen var rätt val för att konsumenter regelbundet varierar sina läskköp.

Relaterade artiklar

När conjoint fungerar och när den inte gör det

Conjoint fungerar bäst när konsumenten gör medvetna avvägningar mellan tydliga egenskaper. Den fungerar sämre i låginvolveringskategorier, vid vanebeteende, och när priset dominerar beslutet.

Individnivå istället för aggregat

Genomsnittskonsumenten finns inte. Simuleringsmodeller som arbetar på individnivå fångar heterogenitet i preferenser och ger markant bättre prognoser än aggregerade modeller.

Hur simulering bör anpassas efter kategori

Samma simuleringsmodell fungerar inte i alla kategorier. Köpprocess, involvering, repertoarbeteende och priskänslighet varierar, och simuleringsmodellen måste spegla den verkligheten.

Reflects simuleringsmodell

Vår simuleringsmodell arbetar på individnivå, kalibreras mot observerad data, och anpassas efter kategorins köpbeteende. Resultatet är prognoser som håller, inte bara i presentationen utan i marknaden.

Se tillhörande tjänst →

Diskutera era simuleringsmodeller med oss

Kontakta oss

← Tillbaka till Simulering som speglar verkliga individer, inte medelvärden