Konjoint Analizi: Tanım, Örnek, Türler ve Model

Konjoint analizi nedir?

Konjoint analizi tanımı: Konjoint analizi, insanların karmaşık seçimleri nasıl yaptığını anlamaya çalışan anket tabanlı gelişmiş bir pazar araştırması analiz yöntemi olarak tanımlanmaktadır. Her gün ödünleşim gerektiren seçimler yapıyoruz – öyle ki çoğu zaman bunun farkında bile olmayabiliyoruz. Bir çamaşır deterjanı seçmek veya bir uçuş rezervasyonu yapmaya karar vermek gibi basit kararlar bile, bizi seçimimize götüren birden fazla unsur içeren zihinsel konjoint çalışmalarıdır.

Konjoint analizi, satın alma sürecinde tüketici tercihlerinin çıkarılmasında en etkili modellerden biridir. Bu veriler daha sonra bir niceliksel ölçüm istatistiksel analiz kullanarak. Ürün veya hizmetleri başka hiçbir yöntemin yapamayacağı şekilde değerlendirir.

Konjoint analizine giriş

Hiç ev satın aldınız mı? Alabileceğiniz en karmaşık satın alma kararlarından biri olarak, birçok tercihi göz önünde bulundurmanız gerekir. Konum ve fiyattan faiz oranına ve yerel okulların kalitesine kadar her şey ev satın alma kararınızda bir faktör olabilir. Daha az karmaşık satın alımlar, ihtiyaçlarınızı karşılayan bir mal veya hizmet seçmeye yönelik benzer bir süreç içerir. Sadece bu kararları aldığınızın farkında olmayabilirsiniz.

Bilinçaltında, bir kişi fiyata daha duyarlıyken bir diğeri daha fazla özellik odaklı olabilir. Tüketicilerin hangi unsurların önemli ve önemsiz olduğunu düşündüklerini anlamak, bir konjoint çalışmasının temel amacıdır.

Konjoint analizi neden önemlidir?

Araştırmacılar, konjoint analizini müşteri değerlerini belirlemek için en iyi anket yöntemi olarak görmektedir. Yanıt analizine dayalı olarak satın alma kararlarını modellemek için müşteriler arasında anketlerin oluşturulması, dağıtılması ve analiz edilmesinden oluşur.

QuestionPro, tüketici davranışını açıklamak için sayısal değerleri otomatik olarak hesaplayabilir ve analiz edebilir. Yazılımımız fiyat, özellikler, coğrafi konum ve diğer faktörlere ne kadar değer verildiğini görmek için yanıtları analiz eder. Yazılım daha sonra bu verileri tüketici profilleriyle ilişkilendirir. Gerçek müşterilerden elde edilen verilerin yazılım odaklı regresyon analizi, bir hipotez yerine doğru bir rapor oluşturur.

Güvenilir, doğru veriler işletmenize müşterilerinizin tüm ihtiyaç ve isteklerini karşılayan bir ürün veya hizmet üretmek için en iyi şansı verir.

Şu anda, seçime dayalı konjoint analizi, konjointin en popüler şeklidir. Katılımcılara bir dizi seçenek gösterilir ve en çok satın alacakları seçeneği seçmeleri istenir. Diğer konjoint türleri, katılımcılardan ürünleri derecelendirmelerini veya sıralamalarını istemeyi içerir. Satın alınacak bir ürünü seçmek genellikle sıralama sistemlerinden daha doğru sonuçlar verir.

Bu ücretsiz kaynağa göz atmanızı tavsiye ederiz: Konjoint analizi anket şablonu

Anket sorusu, her katılımcıya çeşitli ürün veya özellik seçenekleri gösterir. Verdikleri cevaplar, yazılımımızın altta yatan değerleri hesaplamasını sağlar. Örneğin, program tercih ettikleri boyutu ve en sevdikleri marka için ne kadar ödeyeceklerini hesaplayabilir. Seçim verilerine sahip olduğumuzda, bir dizi analitik seçenek bulunmaktadır. Analiz için kritik araçlar arasında What-if modellemesi, tahmin, segmentasyon ve fayda-maliyet analizi uygulaması yer almaktadır.

Anketlerde neden konjoint analizi kullanılır?

Geleneksel derecelendirme anketleri, bir ürünü oluşturan farklı niteliklere bir değer biçemez. Öte yandan, konjoint analizi, katılımcıların seçimlerini inceleyerek bu seçimlerin gerekçelerini belirleyebilir. Verileri analiz etmek size hedef kitlenizin zihnine bakma ve mal veya hizmetlerde en çok neye değer verdiklerini görme olanağı sağlar ve bir pazar simülatörü görevi görür.

Birçok işletme, karmaşık görünen tasarımı ve metodolojisi nedeniyle konjoint analizinden uzak durmaktadır. Ancak gerçek şu ki, QuestionPro gibi kullanıcı dostu anket yazılımları sayesinde bu yöntemi verimli bir şekilde kullanabilirsiniz. Burada, konjoint analizi pazarlama örneği ile birlikte konjoint’in basit terimlerle bir dökümü yer almaktadır.

Konjoint analizi ne zaman kullanılmalı?

Konjoint analizi, geçtiğimiz 50 yıl içinde, pazar araştırmacıları ve istatistikçilerin bir anketteki soruları kullanarak tüketicilerin ürünler hakkında ne tür kararlar vereceğini tahmin etmek için uyguladıkları bir yönteme dönüşmüştür.

Ana fikir, tüketicilerin bir ürünün farklı özelliklerini değerlendirmesi ve herhangi bir satın alma kararı için hangilerinin kendileri için daha önemli olduğuna karar vermesidir. Çevrimiçi bir konjoint anketinin birincil amacı, alıcıların satın alma kararı verirken göz önünde bulundurabilecekleri alternatiflere farklı değerler belirlemektir. Bu bilgiyle donanmış olan pazarlamacılar, ürün veya hizmetlerin son derece önemli olan özelliklerini hedefleyebilir ve hedef alıcıları etkileme olasılığı daha yüksek olan mesajlar tasarlayabilir.

Kesikli seçim konjoint analizi, bir anket aracılığıyla tüketicilere bir dizi olası karar sunar ve hangisini seçeceklerine karar vermelerini ister. Her bir kavram, bir dizi seviye tarafından detaylandırılan bir dizi nitelikten (örneğin, renk, boyut, fiyat) oluşur.

Araştırma içgörüleri toplayın

Konjoint analizinin avantajları

Anketlerinizde konjoint analizi kullanmanın birçok avantajı vardır:

Araştırmacıların, tüketicilerin çok sayıda özelliği aynı anda değerlendirirken psikolojik düzeyde yaptıkları ödünleşimleri tahmin etmelerine yardımcı olur.
Araştırmacılar tüketici tercihlerini bireysel düzeyde ölçebilir
Araştırmacılara, çok belirgin olmayabilecek gerçek veya gizli itici güçler hakkında içgörü sağlar.
Konjoint analizi, tüketicileri ve nitelikleri daha derinlemesine inceleyebilir ve ihtiyaç temelli bir segmentasyon oluşturabilir.

Konjoint analizi örneği

Örneğin, bir ürün pazarlamacısının bireysel ürün özelliklerinin tahmini pazar payı veya satış geliri üzerindeki etkisini ölçmesi gereken bir senaryo varsayalım.

Bu konjoint çalışması örneğinde, ürünün bir cep telefonu olduğunu varsayacağız. Rakipler Apple, Samsung ve Google’dır. Kuruluşun farklı müşterilerin marka, fiyat, ekran boyutu ve ekran çözünürlüğü gibi niteliklere nasıl değer verdiğini anlaması gerekir. Bu bilgilerle donanmış olarak, ürün yelpazelerini tüketici tercihlerine uyacak şekilde oluşturabilirler.

Konjoint analizi, gerçekçi seçenekler yaratarak ve insanlardan bunları değerlendirmelerini isteyerek bu ürün özelliklerine ve seviyelerine değerler atar.

İşletmelerin tüketici veya müşteri davranışını matematiksel olarak analiz etmesini ve müşteri verilerinden elde edilen gerçek içgörülere dayalı kararlar almasını sağlar. Bu da rekabet avantajı sağlayan daha iyi iş stratejileri geliştirmelerine olanak tanır. Müşteri isteklerini karlı bir şekilde yerine getirmek için şirketlerin, ürün ve hizmetlerinin hangi yönlerinin en çok değer gördüğünü tam olarak anlamaları gerekir.

Konjoint analizi nasıl kullanılır?

Konjoint modelleri katılımcı tercihini tahmin eder. Örneğin, dizüstü bilgisayarlar üzerinde bir konjoint çalışması yapabiliriz. Dizüstü bilgisayar üç renkte (beyaz, gümüş ve altın), üç ekran boyutunda (11″, 13″ ve 15″) ve üç fiyatta (200$, 400$ ve 600$) gelebilir. Bu da 3 x 3 x 3 olası ürün kombinasyonunu verir. Bu örnekte, her öznitelikte üç seviye bulunan üç öznitelik (renk, boyut ve fiyat) vardır.

Tanımlanan niteliklere dayalı bir dizi kavram veya görev katılımcılara sunulur. Katılımcılar gerçek hayatta hangi ürünü satın alacaklarına dair seçimler yaparlar. Konjoint tekniklerinin çok sayıda varyasyonu olduğunu unutmamak önemlidir. SoruPro’nun
konjoint anali̇z yazilimi
tüketicilerin satın alma sürecini en doğru şekilde simüle eden seçime dayalı analizi kullanır.

Kesikli seçim konjoint analizi çalışması yapmak için ne zaman iyi bir zamandır?

Bu soru bize çok soruluyor. Öyle ki, Conjoint O’ Clock terimini icat ettik. Kendinizi müşterilerinizin neden satın aldıklarını anlamak için onların zihinlerine girmeye ihtiyaç duyarken buluyorsanız, kendinize içgörülerinizden ne elde etmeyi umduğunuzu sorun. Eğer deniyorsanız, Conjoint O’ Clock zamanı:

Piyasaya yeni bir ürün veya hizmet sunmak.
Mevcut ürün veya hizmetleri pazara yeniden sunmak.
Müşterilerinizi ve ürünlerinizde neye değer verdiklerini anlayın.
Markanızın rekabet gücünü artırmak için eyleme geçirilebilir bilgiler edinin.
Rakip markalara kıyasla markanıza bir fiyat biçin.
Fiyatlandırma yapınızı yenileyin.

Temel konjoint analizi terimleri

Nitelikler (Özellikler): Analiz tarafından değerlendirilen ürün özellikleri. Dizüstü bilgisayarlar için özellik örnekleri: Marka, Boyut, Renk ve Pil Ömrü.
Seviyeler: Her bir niteliğin özellikleri. Dizüstü Bilgisayarlar için standartlara örnek olarak Markalar verilebilir: Samsung, Dell, Apple ve Asus.
Görev: Katılımcının kaç kez seçim yapması gerektiği. Örnekte “5’in 1. Adımı” ile gösterilen beş fonksiyondan ilki gösterilmektedir.
Konsept veya Profil: Varsayımsal ürün veya teklif. Bu, her görev sayımında görüntülenen farklı düzeylere sahip bir dizi niteliktir. Genellikle aralarından seçim yapabileceğiniz en az iki tane vardır.
Göreceli önem: Satın alma kararı verirken bir ürün/hizmetin çeşitli özelliklerinden hangisinin daha fazla veya daha az önemli olduğunu gösteren “özellik önemi”. Dizüstü Bilgisayar Göreceli Önem Örneği: Marka %35, Fiyat %30, Boyut %15, Pil Ömrü %15 ve Renk %5.
Parça Değerleri/Kullanım Değerleri: Parça Değerleri veya fayda değerleri, bir özellik seviyesinin bir yanıtlayıcı için ne kadar ağırlık taşıdığıdır. Bir ürünün tüketiciler için toplam değerine yol açan bireysel faktörler parça değerleridir. Dizüstü Bilgisayar Markaları için örnek parça değerleri: Samsung – 0,11, Dell 0,10, Apple 0,17 ve Asus -0,16.
Profiller: En yüksek kullanım değerine sahip nihai ürünü keşfedin. Bir bakışta QuestionPro, pazarın istediği ürün veya hizmeti oluşturmak için fayda değerine göre sıralanmış tüm olası ürün profili kombinasyonlarını karşılaştırmanıza olanak tanır.
Pazar payı simülasyonu: Konjoint analizinin en eşsiz ve büyüleyici yönlerinden biri de konjoint simülatörüdür. Bu size, tüketicinin var olmayan yeni ürün ve konseptleri tercih edeceğini “tahmin etme” olanağı verir. Belirli bir pazardaki mevcut ürünlerde yapılan değişikliklere bağlı olarak pazar payındaki kazancı veya kaybı ölçün.
Marka Premium: Bir müşterinin LG televizyona kıyasla Samsung için ne kadar daha fazla ödemesine yardımcı olur? Fiyatı bir nitelik olarak atamak ve bunu bir marka niteliğine bağlamak, fayda başına $ dağılımı için bir model verir. Bu, herhangi bir özelliğe göre gerçek dolar miktarını hesaplamak için kaldıraç olarak kullanılır. Analiz markaya göre yapıldığında, markanıza bir fiyat biçebilirsiniz.
Fiyat esnekliği ve talep eğrisi: Fiyat esnekliği, bir ürün için toplam talep ve talep eğrisinin şekli ile ilgilidir. Bunu, farklı fiyat seviyelerinde talebi (frekans sayısı/toplam yanıt) çizerek hesaplıyoruz.

ADD_THIS_TEXT

Konjoint analizi türleri

İki ana konjoint analizi türü vardır: Seçim Tabanlı Konjoint (CBC) Analizi ve Adaptif Konjoint Analizi (ACA).

Ayrık seçime dayalı konjoint (CBC) analizi:

Bu tür konjoint çalışması en popüler olanıdır çünkü tüketicilerden gerçek pazarın satın alma davranışını taklit etmelerini ister: fiyat ve özelliklerle ilgili belirli kriterler göz önüne alındığında hangi ürünleri seçeceklerini sorar.

Örneğin, her ürün veya hizmetin belirli bir kurgusal karakter seti vardır. Bu karakterlerden bazıları birbirine benzeyebilir veya farklılık gösterebilir. Örneğin, katılımcılarınıza aşağıdaki seçeneği sunabilirsiniz:

Cihaz 1

6,7 inç Quad HD Süper AMOLED Ekran
Qualcomm Snapdragon 855 yonga seti
6GB RAM, 128 GB Depolama Alanı
Çift arka kamera (12MP+16MP)
30w Dash Şarj ile 4.000 mAh pil

Cihaz 2

6,67 inç Quad HD AMOLED Ekran
Qualcomm Snapdragon 855 yonga seti
6GB RAM, 128 GB Depolama Alanı
Üçlü arka kamera (48MP+8MP+16MP)
2800mAh/3700mAh piller

Cihazlar neredeyse aynıdır, ancak Cihaz 2 daha iyi yapılandırmaya sahip üçlü kameraya sahiptir ve Cihaz 1, Cihaz 2’den daha yüksek pil gücüne sahiptir. Yanıtları analiz ederek kamera sayısı ile pil kapasitesi arasındaki dengenin ne kadar hayati olduğunu anlayabilirsiniz.

Kesikli seçim modelini kullanan QuestionPro, konjoint analizi yapmak için üç tasarım türü sunar:

Rastgele: Bu tasarım, olası özelliklerin rastgele örneklerini gösterir. Anket yazılımı her bir katılımcı için özellikleri benzersiz bir şekilde birleştirir. Anketinizi dağıttığınızda aracın sunacağı seçeneklerin neler olduğunu öğrenmek için bir birleşik kavram simülatörü çalıştırabilirsiniz.
D-Optimal: Kusursuzca tasarlanmış bir deney, araştırmacıların parametreleri minimum varyans ve yanlılık olmadan tahmin etmelerine yardımcı olur. D-optimal tasarım, incelenen konuyu araştırmak veya optimize etmek için birkaç test gerçekleştirir. Algoritma, örneklem büyüklüğü ve katılımcı başına düşen görevler için en uygun tasarımın oluşturulmasına yardımcı olur.
Tasarımı içe aktarın: Tasarımları SPSS formatında da içe aktarabilirsiniz. Örneğin, QuestionPro anketlerde kullanmak üzere kesirli faktöriyel ortogonal tasarımları içe aktarmanıza izin verir.

Uyarlanabilir konjoint analizi (ACA):

Araştırmacılar bu tür konjoint analizini genellikle nitelik/özellik sayısının seçime dayalı bir senaryoda yapılabilecekleri aştığı senaryolarda kullanmaktadır. ACA, ürün tasarımı ve segmentasyon araştırması için harikadır, ancak ideal fiyatı belirlemek için değildir.

Örneğin, uyarlanabilir konjoint analizi, anket katılımcılarından bir dizi nitelik arasındaki göreceli tercihlerini değerlendirmelerinin istendiği bir dereceli çift karşılaştırma görevidir. Her çift daha sonra önceden tanımlanmış bir puan ölçeğinde değerlendirilir.

QuestionPro, fiyat sizin veya müşterileriniz için en kritik faktörlerden biriyse harika bir seçenek olan CBC veya Ayrık Seçim Konjoint Analizi’ni kullanır. Yöntemin en önemli faydası, piyasanın çeşitli özellikler arasında ödünleşim yapma isteğinin bir resmini sunmasıdır. Sonuç, “ideal” ürün veya hizmeti neyin oluşturduğuna dair bir cevaptır.

Seviye yükseltme konjoint analizi içgörüleri

Konjoint analizi, anket tasarımı ve analizine daha fazla katılım gerektirse de, ek planlama çabası genellikle buna değer. Birkaç ekstra adımla, bir ürün seçerken en önemli müşteri tercihlerinize otantik bir bakış elde edersiniz.

Örneğin fiyat, dizüstü bilgisayar alışverişi yapan çoğu kişi için hayati önem taşır. Ancak çoğunluk, daha ağır ve hantal bir tasarım anlamına geliyorsa, dizüstü bilgisayarları için daha uzun pil ömrü için ne kadar daha fazla ödemeye istekli? Biraz daha büyük bir ekran boyutuna kıyasla daha küçük bir ekran boyutu ne kadar daha az değerlidir? Konjoint anketlerini kullanarak, ürün geliştirmeye önemli bir yatırım yapmadan önce bu ayrıntıları keşfedeceksiniz.

Konjoint, içgörü pastasının sadece bir parçasıdır. Projeyi tam potansiyeline ulaştırmak için diğer soru türlerini ve teslimat metodolojilerini kullanarak tutarlı bir fiyatlandırma, tüketici tercihi, markalaşma veya pazara açılma stratejisi ile hikayenin tamamını yakalayın. QuestionPro ile, konjoint analiz sonuçlarını ankete dahil edilen ek sorulardan veya özel profil bilgilerinden elde edilen içgörülerle birleştiren kapsamlı anketler oluşturabilir ve sunabilirsiniz.

Konjoint algoritması: Konjoint analizi nasıl çalışır?

Fayda değerlerini veya parça değerlerini hesaplamak için Nelder-Mead Simplex algoritması ile birleştirilmiş bir mantık modeli kullanıyoruz. Bu algoritmanın avantajı, QuestionPro’nun tek bir platformda uyumlu ve kapsamlı bir anket deneyimi sunmasını sağlar.

Çoğu işletmenin matematiksel analizimizin karmaşık ayrıntılarına ihtiyaç duymadığını biliyoruz. Ancak, konjoint anket sonuçlarını kullanmanız için gereken şeffaflığı size sağlamak istiyoruz. Aşağıdaki algoritmayı inceleyerek sonuçlarınıza güvenin.

Notasyon:

Bireyleri r = 1 … olan R katılımcı olsun. R
Her bir katılımcının t = 1 … olmak üzere T görev görmesine izin verin. T
Her t görevi C kavramına sahip olsun, c = 1 … C
A özniteliğimiz varsa, a = 1 ila A, her özniteliğin La seviyeleri varsa, l = 1 ila La, o zaman belirli bir öznitelik/seviye için parça değeri w'(a,l) olur. Bu alıştırmada, bu (pürüzlü dizi) parça değerlerini çözeceğiz.
Bunu, elemanları {w′(1, 1), w′(1, 2)…w′(1, L1), w′(2, 1)…w′(A, LA)} olan ve w’nin S elemana sahip olduğu tek boyutlu bir w(s) dizisine basitleştirebiliriz.
Belirli bir x kavramı tek boyutlu bir x(s) dizisi olarak gösterilebilir; burada belirli bir özellik mevcutsa x(s)=1, aksi takdirde 0’dır.
Xrtc, r’inci katılımcı için t’inci görevdeki c’inci kavramın özel kavramını temsil etsin. Böylece, deney tasarımı RxTxCxS boyutunda dört boyutlu X matrisi ile temsil edilir.
Eğer r katılımcısı t görevinde c kavramını seçerse, Yrtc=1; aksi takdirde 0 olsun.
Belirli bir fikrin Ux değeri, kavramda mevcut olan unsurlar için parça değerlerinin toplamıdır, yani x ve w’nin skaler çarpımıdır.

Multinomial logit modeli

U1 ve U2 faydalarına sahip iki kavram arasındaki basit bir seçim için, multinomial logit (MNL) modeli kavram 1’in seçileceğini öngörmektedir

Modellenmiş Seçim Olasılığı

R’inci katılımcı için t’inci görevde c’inci kavramı seçme olasılığı (MNL modeli kullanılarak) olsun:

Log-Likelihood Ölçütü

Log-Likelihood (LL) ölçütü şu şekilde hesaplanır

Maksimum Olabilirlik Kullanarak Parça Değerlerini Çözme

LL için maksimum değeri veren w vektörünü bularak part-worth vektörünü çözüyoruz. S değişkenleri için çözdüğümüze dikkat edin.

Bu çok boyutlu, doğrusal olmayan sürekli bir maksimizasyon sorunudur ve standart bir çözücü kütüphanesine sahip olmak çok önemlidir. Nelder-Mead Simpleks Algoritmasını kullanıyoruz.
Log-Likelihood fonksiyonu bir LL(w, Y, X) fonksiyonu olarak uygulanmalı ve daha sonra bize maksimum veren w vektörünü bulmak için optimize edilmelidir. Y yanıtları ve tasarım.

X belirli bir gelişme için belirlenmiş ve sabittir. w için başlangıç değerleri 0 orijinine ayarlanabilir. Nihai parça-değer değerleri, w, herhangi bir nitelik için parça-değerlerin ortalaması sıfır olacak şekilde yeniden ölçeklendirilir. Bu, her bir kalitenin tüm seviyeleri için parça değerlerinin ortalamasının çıkarılmasıyla yapılır.

QuestionPro kullanarak konjoint analizi nasıl yapılır?

QuestionPro konjoint analiz teklifi aşağıdaki araçları içerir:

Birleşik Görev Oluşturma Sihirbazı: Sadece fiyat gibi özelliklerin (niteliklerin) ve her bir özellik için $100 veya $200 gibi seviyelerin girilmesine dayalı Konjoint Görevleri oluşturmak için sihirbaz tabanlı arayüz.
Birleşik Tasarım Parametreleri: Görev sayısını, görev başına profil sayısını ve “Uygulanamaz” seçeneğini belirleyerek tasarımınıza ince ayar yapın.
Yardımcı Program Hesaplama: Yardımcı programları otomatik olarak hesaplar.
Göreceli Önem: Niteliklerin göreceli önemini otomatik olarak hesaplar (yardımcı programlara dayalı olarak).
Çapraz/Segmentasyon ve Filtreleme: Verileri kriterlere göre filtreleyin ve ardından Göreceli Önem hesaplamalarını çalıştırın.

Araştırma içgörüleri toplayın

Konjoint analizi pazarlama örneği

Adım 1: üzerine tıklayın Yeni Soru Ekle bağlantısına tıklayın ve Gelişmiş Soru Türleri altından Konjoint (Ayrık Seçim) seçeneğini seçin. Bu, her bir özellik için nitelikler (özellikler) ve seviyeler girerek görevler oluşturmak için sihirbaz tabanlı birleşik soru şablonunu açacaktır.

Bu örnekte, bir kuruluş televizyon üretmektedir ve Samsung, LG veya Vizio’nun rakibidir. Kuruluşun, farklı müşterilerin bir televizyonun boyutu, markası ve fiyatı gibi belirli niteliklere nasıl değer verdiğini anlaması gerekir. Bu bilgilerle donanmış olarak, bir pazar ihtiyacını karşılayan ve gelir getiren kendi ürün yelpazelerini ve tekliflerini oluşturabilirler.

Adım2: Özellikleri ve seviyeleri girin.

Görev sayılarını ve görev başına kavramları ayarlayın ve özellik türlerini atayın: Fiyat, Marka veya Diğer. Televizyon markalarını bir örnek olarak ele alalım:

Televizyonlar için özellikler: Fiyat, Boyut, Marka.
Fiyat: 800$, 1.200$, 1.500$
Boyut: 36″, 45″, 52″
Marka:Sony, LG, Vizio