---
type: method
slug: conjoint-analysis
name_ko: 컨조인트 분석
name_en: Conjoint Analysis
categories:
  - '[[stated-preference-methods]]'
aliases:
  - Conjoint Analysis
  - 컨조인트
last_updated: '2026-05-19T23:30:00+09:00'
---
# 컨조인트 분석

*Conjoint Analysis*

> 가상 제품·서비스 프로파일을 속성 (attribute) 의 조합으로 제시하고, 응답자의 선택·평가·순위로부터 각 속성과 수준의 부분가치 (part-worth) 를 분해하는 stated-preference 기반 선호 추출 기법. 시장에 출시되지 않은 신제품·정책 옵션의 수요·후생을 사전적으로 추정할 수 있어, 신기술 수용·요금제 설계·환경 정책 평가 등에서 표준 도구로 자리잡았다.

- **유형**: stated-preference, 실험설계, [[discrete-choice-model]] 및 [[rank-ordered-logit]] 와 결합
- **핵심 가정**: 응답자의 효용은 속성 수준의 가법적 함수, 응답이 진실된 선호 (incentive compatibility 가정)
- **주요 변형**: full-profile, choice-based (CBC), rank-ordered, adaptive, Bayesian-estimated mixed logit

## 개요

Luce 와 Tukey (1964) 의 conjoint measurement 가 심리측정학적 출발점이고, 마케팅 응용은 Green 과 Rao (1971) 의 multi-attribute 평가 절차에서 본격화됐다. Louviere 와 Woodworth (1983) 가 choice-based conjoint 를 도입하면서 [[discrete-choice-model]] (특히 random utility model) 과 직접 결합됐고, 이후 mixed logit · hierarchical Bayes 추정의 발전이 개별 응답자 수준의 part-worth 회수를 가능케 했다. 환경 분야에서는 contingent valuation 의 가설편의를 보완하는 대안으로 자리잡았다. TEMEP 에서는 신기술 수용·통신 서비스·대안연료차·요금제 설계 등 *미출시 제품의 수요 추정* 이 필요한 모든 영역에서 anchor 도구로 쓰인다.

## 핵심 식·정의

응답자 $n$ 의 대안 $j$ 에 대한 간접효용은 속성 $k$ 의 수준 $x_{njk}$ 와 part-worth $\beta_k$ 의 선형결합과 stochastic term $\varepsilon_{nj}$ 의 합으로 표현된다.

$$
U_{nj} = \sum_k \beta_k x_{njk} + \varepsilon_{nj}
$$

choice-based conjoint 에서는 $\varepsilon_{nj}$ 가 IID Gumbel 분포라 가정하면 conditional logit 의 선택확률

$$
P_{nj} = \frac{\exp(\sum_k \beta_k x_{njk})}{\sum_{j'} \exp(\sum_k \beta_{k} x_{nj'k})}
$$

로 우도함수가 닫힌형으로 도출된다. mixed logit (random parameter) 은 $\beta_k$ 의 이질성을 분포로 모형화하고, Bayesian hierarchical 추정은 응답자별 part-worth 의 posterior 분포를 회수해 시장 시뮬레이션의 정밀도를 높인다. 추정된 part-worth 로부터 willingness-to-pay (속성 $k$ 의 한계 part-worth ÷ 가격 속성의 part-worth) 와 시장점유율 시뮬레이션을 도출한다.

## TEMEP 라인

[[jongsulee]] 와 [[yeonbaekim]] 이 TEMEP 컨조인트 분석의 두 anchor 다. [[jongsulee-2003-color-display-conjoint]] 가 휴대폰 컬러 디스플레이 혁신 평가로 라인을 열었고, [[jongsulee-2006-conjoint-analysis-television]] 는 대형 TV 수요 예측에서 컨조인트와 확산모형을 결합했다. [[jongsulee-2006-mobile-number-portability-korean-mobile-telecom]] 는 번호이동성·전환비용으로 잠재경쟁 강도를 추정하며 통신 정책 응용을 정착시킨다.

[[yeonbaekim]] 라인은 대안연료차·통신기기 융합에 집중한다. [[yeonbaekim-2005-consumer-preferences-convergence]] 의 통신기기 융합 선호, [[yeonbaekim-2006-statedpreference-data-measure]] 의 스팸 불편비용 추정, [[yeonbaekim-2006-business-strategy-policy]] 와 [[yeonbaekim-2007-alternative-fuel-vehicle-bayesian-approach]] 의 대안연료차 수요·정책 분석이 이 흐름이다. 대안연료차 시리즈는 Bayesian hierarchical 추정을 도입하면서 [[rank-ordered-logit]] · mixed logit 격상의 한국 응용을 정착시킨다.

방법론 변형은 [[jiwoon-ahn-2006-rank-ordered-logit-bayesian-estimation]] 의 무선 LAN·모바일 인터넷 서비스 선호 분석이 [[rank-ordered-logit]] · Bayesian 추정의 결합을 보여주고, [[chul-yong-lee-2008-forecasting-diffusion]] 의 홈네트워킹 수요 예측이 컨조인트 + 확산모형 결합의 후속이다. [[jeongdonglee-2004-wtp-dea]] 는 컨조인트의 WTP 도출을 [[data-envelopment-analysis]] 와 비교하는 cross-method 시도다.

## See also

- 관련 method: [[discrete-choice-model]], [[rank-ordered-logit]], [[mixed-logit]], [[contingent-valuation-method]]
- 관련 concept: [[willingness-to-pay]], [[part-worth]], [[stated-preference]]
- 핵심 paper: [[jongsulee-2003-color-display-conjoint]], [[jongsulee-2006-conjoint-analysis-television]], [[yeonbaekim-2007-alternative-fuel-vehicle-bayesian-approach]], [[jiwoon-ahn-2006-rank-ordered-logit-bayesian-estimation]], [[chul-yong-lee-2008-forecasting-diffusion]]