anwendung des conjoint-measurement im marketing – stand...
TRANSCRIPT
UNIVERSITÄT PADERBORN Die Universität der Informationsgesellschaft
Universität-Gesamthochschule Paderborn
Diplomarbeit
Anwendung des Conjoint-Measurement im Marketing – Stand der Forschung
vorgelegt bei Prof. Dr. Ludwig Nastansky
betreut durch
Dipl.-Wirt.-Inf. Holger Ploch
Sommersemester 2006
vorgelegt von
Ludgerus Henke
Betriebswirtschaftslehre
Matrikelnummer: 6142829
Boker Straße 25
33129 Delbrück
Vorwort
Vorwort
Gerade unter dem heutigen Wettbewerbsdruck und dem großen Konkurrenzkampf
wird der Einführung neuer Produkte eine immer größer werdende Bedeutung
beigemessen. Die Conjoint-Analyse soll eine Antwort auf die Frage geben, wie ein
neues Produkt in Hinblick auf die Bedürfnisse des Marktes optimal zu gestalten ist.
Für Unternehmen ist es besonders wichtig, zu erfahren, wie ihr Produkt akzeptiert
und angesehen wird. Der Erfolg der Produkte platziert ein Unternehmen am Markt.
Um eine hohe Akzeptanz der geplanten Produkte zu erreichen, ist die Conjoint-
Analyse ein geeignetes Instrument.
In meiner Diplomarbeit möchte ich zuerst die Conjoint-Analyse mit ihren
Verfahrensvariationen vorstellen und die Vor- und Nachteile der einzelnen
Variationen herausstellen. Anschließend gehe ich auf den Stand der Forschung ein
und versuche mögliche Verbesserungsvorschläge zu erarbeiten.
Mein Ziel ist es, dem Betrachter die Conjoint-Analyse mit ihren Verfahrens-
variationen näher zu bringen, ihm die Stärken und Schwächen zu präsentieren und
Denkanstöße bezüglich Verbesserungsmöglichkeiten zu geben.
Ludgerus Henke
I
Inhaltsverzeichnis
Inhaltsverzeichnis
Vorwort ........................................................................................................................ I
Inhaltsverzeichnis.......................................................................................................II
Abkürzungsverzeichnis..............................................................................................IV
Abbildungsverzeichnis................................................................................................ V
1 Einführung in die Thematik des Conjoint-Measurement im Marketing...............1
2 Begriffserläuterung „Conjoint-Measurement“ mit seinem Ursprung, Verlauf
und seiner Entwicklung ..............................................................................................3
3 Durchführung einer Conjoint-Analyse und Erläuterung ihrer Ablaufschritte ....8
3.1 Eigenschaften und Eigenschaftsausprägungen....................................................... 10 3.1.1 Anforderungen an die Attribute ..................................................................................... 11 3.1.2 Art der Attribute .............................................................................................................. 15
3.2 Erhebungsdesign ....................................................................................................... 16 3.2.1 Definition der Stimuli ...................................................................................................... 17
3.3 Bewertung der Stimuli .............................................................................................. 23
3.4 Schätzung der Nutzenwerte...................................................................................... 25
3.5 Aggregation der Nutzenwerte .................................................................................. 29
4 Analyse der Wahlbasierten und Adaptiven Conjoint-Analyse und Vergleich mit
dem Klassischen Ansatz ............................................................................................32
4.1 Die Wahlbasierte Conjoint-Analyse......................................................................... 34 4.1.1 Die Vorteile der Wahlbasierten Conjoint-Analyse........................................................ 35 4.1.2 Die Nachteile der Wahlbasierten Conjoint-Analyse ..................................................... 36
II
Inhaltsverzeichnis
4.1.3 Mein Fazit für die Wahlbasierte Conjoint-Analyse ...................................................... 37
4.2 Die Adaptive Conjoint-Analyse................................................................................ 38 4.2.1 Die Vorteile der Adaptiven Conjoint-Analyse ............................................................... 41 4.2.2 Die Nachteile der Adaptiven Conjoint-Analyse............................................................. 42 4.2.3 Mein Fazit für die Adaptive Conjoint-Analyse ............................................................. 43
4.3 Vergleich mit dem Klassischen Ansatz.................................................................... 44 4.3.1 Die Vorteile des Klassischen Ansatzes............................................................................ 46 4.3.2 Die Nachteile des Klassischen Ansatzes.......................................................................... 47
4.4 Die Ergebnisse der Analyse und des Vergleiches der drei conjointanalytischen
Methoden.......................................................................................................................... 48
5 Conjoint-Analyse im Marketing.............................................................................51
5.1 Stand der Forschung ................................................................................................. 52 5.1.1 Die Online-Conjoint-Analyse .......................................................................................... 53 5.1.2 Die Customized-Computerized-Conjoint-Analysis ....................................................... 54
5.2 Die Zukunft der Conjoint-Analyse und ihrer Verfahrensvariationen ................. 56
5.3 Kritische Betrachtung dieser multivariaten Analysemethode .............................. 57
5.4 Meine persönlichen Verbesserungsvorschläge bezüglich der Conjoint-Analyse. 59
6 Resümee ..................................................................................................................63
Literaturverzeichnis...................................................................................................VI
Eidesstattliche Erklärung..........................................................................................XI
Anhangsverzeichnis................................................................................................. XII
III
Abkürzungsverzeichnis
Abkürzungsverzeichnis
ACA = Adaptive Conjoint Analysis
Bsp. = Beispiel
bzw. = beziehungsweise
CBC = Choice-Based-Conjoint-Analysis
CCA = Customized-Conjoint-Analysis
CCC = Customized-Computerized-Conjoint-Analysis
d.h. = das heißt
dt. = deutsch
F&E = Forschung und Entwicklung
i.d.R. = in der Regel
lat. = lateinisch
z.B. = zum Beispiel
IV
Abbildungsverzeichnis
Abbildungsverzeichnis
Abbildung 1: Alternative Untersuchungsansätze der Conjoint-Analyse__________ 4
Abbildung 2: Ablaufschritte einer Conjoint-Analyse ________________________ 8
Abbildung 3: Eigenschaften und Eigenschaftsausprägungen _________________ 11
Abbildung 4: Stimuli nach der Profilmethode_____________________________ 18
Abbildung 5: Trade-Off-Matrizen ______________________________________ 19
Abbildung 6: Vollständiges faktorielles Design ___________________________ 21
Abbildung 7: Lateinisches Quadrat_____________________________________ 22
Abbildung 8: Stimuli im vollständigen Design für das Margarinebeispiel _______ 22
Abbildung 9: Vollständiges Untersuchungsdesign für das Beispiel ____________ 23
Abbildung 10: Rangwerte für eine Auskunftsperson am Beispiel ______________ 25
Abbildung 11: Ermittlung der quadratischen Abweichungen zwischen den
empirischen und geschätzten Nutzenwerten_______________________________ 28
Abbildung 12: Vergleichende Bewertung alternativer conjointanalytischer
Untersuchungsansätze _______________________________________________ 33
Abbildung 13: Alternative Untersuchungsansätze der Conjoint-Analyse________ 45
Abbildung 14: Alternative Untersuchungsansätze der Conjoint-Analyse________ 52
V
Einführung in die Thematik des Conjoint-Measurement im Marketing
1 Einführung in die Thematik des Conjoint-Measurement
im Marketing
Der Begriff Marketing lässt sich auf das englische Wort „to market“ zurückführen,
welches übersetzt bedeutet „Handel treiben“. Im Allgemeinen heißt es, dass das
gesamte wirtschaftliche Handeln eines Unternehmens darauf ausgerichtet ist, den
Verkauf und Vertrieb der produzierten Güter zu verbessern (Vgl. [Encarta Enzy-
klopädie Standard 2003]).
Die Conjoint-Analyse (auch Conjoint-Measurement genannt, dt. etwa „Verbunds-
messung“) ist ein Verfahren, welches im Rahmen der Neuproduktplanung darauf
abzielt, „wie ein neues Produkt in Hinsicht auf die Bedürfnisse des Marktes optimal
zu gestalten ist“ (Vgl. [Backhaus et al. 2005]).
Durch die optimale Analyse der Bedürfnisse der jeweiligen Kundengruppen wird das
allgemeine Ziel des Marketings, nämlich den Verkauf und Vertrieb der produzierten
Güter zu verbessern, unterstützt und gefördert. Aus diesem Grund ist die Conjoint-
Analyse ein fester Bestandteil im Bereich der Marketingwissenschaft und das meist
verbreitetste Marktforschungsinstrument zur Messung von Nachfragerpräferenzen.
Die Problemstellung im Conjoint-Measurement liegt darin, zu erfahren, welchen
Stellenwert verschiedene Teilnutzen zum Gesamtnutzen eines Produktes besitzen. Es
existiert bei allen Produkten eine große Zahl unterschiedlicher Kundengruppen, die
zum Teil andere Eigenschaftsausprägungen bevorzugen beziehungsweise auf
gewisse Kombinationen von Eigenschaftsausprägungen Wert legen. Mit Hilfe der
Conjoint-Analyse, der heute am häufigsten eingesetzten Analysemethode zur
Erhebung der Präferenzen von Konsumenten, wird untersucht, in welchem Maß
einzelne Merkmale bzw. Merkmalskombinationen, die ein bestimmtes Produkt
auszeichnen, vom Nutzer bevorzugt werden.
„Die Conjoint-Analyse ist ein Verfahren, das auf der Basis empirisch erhobener
Gesamtnutzenwerte versucht, den Beitrag einzelner Komponenten zum Gesamt-
nutzen zu ermitteln“ (Vgl. [Backhaus et al. 2005]). Deshalb wird bei der Conjoint-
Analyse auch von einem dekompositionellen Verfahren gesprochen. Unter einem
dekompositionellen Verfahren versteht man ein „aufdeckendes“ Verfahren,
1
Einführung in die Thematik des Conjoint-Measurement im Marketing
das einige Vorteile gegenüber der kompositionellen Methode (= Erhebung von
Einzelurteilen über Merkmale) besitzt, die im weiteren Verlauf meiner Diplomarbeit
dargestellt werden sollen. Bei einer kompositionellen Methode werden die einzelnen
Attribute (Eigenschaften) eines Produktes getrennt betrachtet (Vgl. [Fabian 2005]).
Insgesamt existieren drei Verfahren zur Präferenzmessung, nämlich das kom-
positionelle, das dekompositionelle und das hybride Verfahren. Alle drei Verfahren
nehmen an, dass ein Objekt aus mehreren Eigenschaften besteht, die allesamt
verschiedene Ausprägungen besitzen. Eigenschaften und Eigenschaftsausprägungen
können auch als Attribut und Level bezeichnet werden.
Die Präferenzurteile der befragten Kundengruppen sind die benötigten Daten, die für
eine erfolgreiche Analysedurchführung benötigt werden.
Das Verfahren der Conjoint-Analyse ist ein multivariates Analyseverfahren, weil die
Basis zur Durchführung einer solchen Analyse aus Daten von diversen
Messvorgängen besteht. „Insbesondere lassen sich mit Hilfe des Conjoint-
Measurement ordinal gemessene Präferenzen analysieren“ (Vgl. [Backhaus et al.
2005]).
Eine Ordinalskala stellt eine Rangordnung durch Rangwerte auf, die aussagt, dass
z.B. Produkt X vorteilhafter ist als Produkt Y. Es wird aber in einer Ordinalskala
nicht deutlich, in welchem Maße das Produkt X besser eingeschätzt wird als Produkt
Y (Vgl. [Backhaus et al. 2005]).
Zum Einsatz kommt die Conjoint-Analyse in der Marktforschung, wobei die
Einsatzgebiete vor allem die Bereiche Produktentwicklung, Preisbestimmung und
Marktsegmentierung sind.
Insgesamt habe ich das Ziel, dem Betrachter die Conjoint-Analyse mit seinen
Verfahrensvariationen näher zu bringen, ihm die Stärken und Schwächen zu
präsentieren und im Anschluss Verbesserungsmöglichkeiten zu offenbaren. Durch
Heranziehen von unterschiedlichen Literaturquellen möchte ich einsichtig machen,
worin die Bewertung alternativer conjointanalytischer Untersuchungsansätze (z.B.
Adaptive Conjoint-Analyse oder Wahlbasierte Conjoint-Analyse) sich begründet.
2
Begriffserläuterung „Conjoint-Measurement“
2 Begriffserläuterung „Conjoint-Measurement“ mit seinem
Ursprung, Verlauf und seiner Entwicklung
Conjoint-Measurement oder auch Conjoint-Analyse1 heißt zu deutsch übersetzt etwa
Verbund-Analyse und ist seit den siebziger Jahren im Bereich der Marketing-
wissenschaft vertreten.
Seit der Einführung in den siebziger Jahren hat sich die Conjoint-Analyse zu der am
häufigsten eingesetzten und beliebtesten Methode in der Marktforschung entwickelt.
Dieses multivariate Analyseverfahren hat seinen Ursprung schon in dem Jahr 1964,
wo es erstmals aus einem Aufsatz des Psychologen Luce und des Statistikers Tukey
hervorgeht. Sowohl Luce als auch Tukey sind Vertreter der mathematisch orien-
tierten Psychologie. „Sie entwickelten ein nicht metrisches Verfahren zur Schätzung
metrischer Effekte kategorialer Variablen. Zur Schätzung der Effekte waren lediglich
Daten einer ordinalskalierten abhängigen Größe erforderlich. Es gelang mit diesem
Verfahren aus den ordinalskalierten abhängigen Größen metrische unabhängige
Größen abzuleiten“ (Vgl. [Fabian 2005]).
Durch Green und Rao wurde der Ansatz in den siebziger Jahren in den Bereich der
Marketingwissenschaft übertragen.
Im Laufe der Jahre bildete die erste Ausführung von Luce und Tukey im Jahre 1964
die Basis, auf der bis heute eine Vielzahl neuer Ansätze entwickelt worden sind.
Allerdings ist bis zum jetzigen Zeitpunkt bei allen Ansätzen die dekompositionelle
Vorgehensweise geblieben: „Sie schließen dekompositionell aus Gesamturteilen
bezüglich der Präferenz gegenüber einem Objekt auf den Beitrag der einzelnen
Merkmale, die das Objekt beschreiben zur Gesamtpräferenz“ (Vgl. [Fabian 2005]).
„Dabei hat das linearadditive Teilwertmodell (die Nutzenbeiträge der einzelnen
Merkmalsausprägungen addieren sich zur Gesamtpräferenz) die größte Bedeutung
erlangt“ (Vgl. [Thomas 1979]).
Nach Backhaus et al. (Vgl. [Backhaus et al. 2005]) hat die Conjoint-Analyse in
jüngster Zeit weite Verbreitung in der empirischen Forschung gefunden, so dass eine
Vielzahl von Verfahrensvarianten der Conjoint-Analyse entstanden sind. 1 Aus Vereinfachungsgründen und besserer Lesbarkeit verwende ich nun ausschließlich den Begriff „Conjoint-Analyse“.
3
Begriffserläuterung „Conjoint-Measurement“
„Die nachfolgend differenzierten Ansätze (Vgl. [Backhaus et al. 2005]) unter-
scheiden sich vor allem im Hinblick auf die Erhebung der Präferenzurteile. Dabei ist
jedoch zu beachten, dass innerhalb der jeweiligen Verfahren noch eine Vielzahl von
Optionen zur Verfügung stehen, wie z.B. Art der Erhebung, Wahl des Schätz-
algorithmus, Art der verwendeten Skala, die entweder in einem oder aber auch in
mehreren Verfahren Anwendung finden können“ (Vgl. [Backhaus et al. 2005]).
Untersuchungsansätze der Conjoint-Analyse Trade-Off Nur Full-Profile Self-Explicated und Full-Profile
Full-Profile
Partielle Profile
(Subset)
Klassische Conjoint
(Individual Analyse)
Klassische Conjoint
(Individual Analyse)
Kontinuierliche Variablen
Constrained Attribute Levels
Partial aggregierte
Modelle
Choice-Based-
Conjoint (Aggregierte
Analyse)
Komplettes Set an Full-
Profilen
Teilmenge an Full-Profilen
OLS Regression
Manova Kruskal (1965)
PREFMAP
Caroll (1973)
LINMAP Shocker & Srinivasan
OLS
Regression
Pekelman & Sven
(1979)
Bretton-Clark Herman (1988)
Krishanmurthi
& Wittink (1989)
Order Constraints Srinivasan,
Jain & Malhorta
(1983)
Componential Segmentation
Green & DeSabro (1979)
Optimal Scaling Hagerty (1985)
Cluster Analyse
Kamakura (1988)
Multinominal Logit
Louviere & Woodward
(1983)
Bayesian Cattin,
Gelfand & Danes (1983)
Monotonic Constaints
van der Lans & Heiser (1990)
Hybrid Modelle Green,
Goldberg & Montemayor
(1981)
Green (1984)
Adaptive Conjoint Analysis Johnson (1987)
z.B. Software
MDS(X)
BMPD, Bretton-Clark,
Intelligent Marketing Systems, MDS(X)
Bretton-Clark
Intelligent Marketing System,
Sawtooth
COSMOS (Infratest,
Burke)
Sawtooth
Quelle: (Vgl. [Backhaus et al. 2005], S.611.)
Abbildung 1: Alternative Untersuchungsansätze der Conjoint-Analyse
In der Abbildung 1 werden die alternativen Untersuchungsansätze der Conjoint-
Analyse dargestellt, wobei der Klassische Untersuchungsansatz (auch Traditionelle
Methode genannt), die Wahlbasierte Conjoint-Analyse und die Adaptive Conjoint-
4
Begriffserläuterung „Conjoint-Measurement“
Analyse die größte Bedeutung erlangen und in meiner Diplomarbeit einen
Schwerpunkt bilden werden.
Die Adaptive Conjoint-Analyse stammt von Johnson und wurde Mitte der achtziger
Jahre entwickelt. Man spricht bei der Adaptiven Conjoint-Analyse von einer
hybriden Conjoint-Analyse, weil es sowohl einen kompositionellen als auch einen
dekompositonellen Teil gibt. Die am häufigsten eingesetzte hybride Conjoint-
Analyse sammelt ihre Daten aus computergestützten Interviews. „Hybride Conjoint
Methoden zeichnen sich dadurch aus, dass sie einer dekompositionellen Befragung
eine kompositionelle Befragung vorschalten, um die Komplexität der Datenerhebung
zu verringern“ (Vgl. [Fabian 2005]).
Die Wahlbasierte Conjoint-Analyse, die auch Choice-Based-Conjoint-Analyse
genannt wird, unterscheidet sich sowohl bei der Bewertung der Stimuli als auch
bezüglich ihrer theoretischen Grundlagen von den anderen Verfahren. Die
Auskunftspersonen müssen ihre Präferenzurteile in Form von Auswahlent-
scheidungen abgeben. Dadurch kann es erstmals zu einer Nichtwahl-Möglichkeit
zwischen den jeweiligen Alternativen kommen (Vgl. [Backhaus et al. 2005]). Diese
drei Analysemethoden werden in Kapitel 4 näher vorgestellt, verglichen und auf
Vor- und Nachteile überprüft.
Thorsten Teichert unterstützt mit seiner Aussage: „Trotz oder wegen dieses großen
Anwendungsspektrums handelt es sich bei der Conjoint-Analyse nicht um eine
einzige, geschlossene Methode, sondern um eine Ansammlung ähnlich gerichteter
Ansätze, welche jeweils unterschiedliche Stärken und Schwächen aufweisen“ (Vgl.
[Teichert 2001]) die Darstellung der Abbildung 1.
Des Weiteren sagt Teichert in seinem Buch „Nutzenschätzung in Conjoint-
Analysen“ aus, dass zum Begriff „Conjoint“ für den Zeitraum von 1986 bis 1998
bereits 310 Veröffentlichungen in 105 verschiedenen wissenschaftlichen Zeit-
schriften erschienen sind. Dies macht deutlich, dass das Interesse und die
wissenschaftliche Auseinandersetzung mit der Conjoint-Analyse sehr groß sind (Vgl.
[Teichert 2001]).
Die große Bedeutung der Conjoint-Analyse spiegelt sich in den Ausführungen von
Sascha Fabian in seinem Buch „Wettbewerbsforschung und Conjoint-Analyse“ auf
Seite 126 wider, in dem eine Untersuchung von Mahajan und Wind im Jahre 1992
deutlich machte, dass dieses Analyseverfahren die am sechsthäufigsten
5
Begriffserläuterung „Conjoint-Measurement“
eingesetzte Marktforschungs- und Planungsmethode im Produktinnovationsprozess
ist (Vgl. [Fabian 2005]).
Wittink und Catin untersuchten 1982 und 1989 die Akzeptanz der Conjoint-Analyse
und kamen zu dem Urteil, dass die Anzahl der kommerziellen Anwendungen der
Conjoint-Analyse sich allein in den USA Mitte der achtziger Jahre auf 400 pro Jahr
belief. „In Europa wiesen die Autoren zwischen 1986 und 1991 fast 1000 von Markt-
forschungsinstituten durchgeführte Conjoint-Analysen nach“ (Vgl. [Fabian 2005]).
„Heutzutage dürften jährlich weltweit mehr als 1000 Conjoint-Analysen in der Praxis
eingesetzt werden“ (Vgl. [Hensel-Börner/Sattler 1998]). Dies sind nur einige Zahlen
und Werte, die aber alle die Bedeutung der Conjoint-Analyse in der Marktforschung
verdeutlichen.
Weitere Erkenntnisse von Studien zu Conjoint-Analysen, die Sascha Fabian in
seinem Buch auf Seite 129 aufzeigt, sind:
Conjoint-Analysen befassen sich zu 59% mit Konsumgütern, zu 18% mit
Industriegütern und jeweils zu 9% mit Finanzdiensten und anderen
Dienstleistungen.
„Neuprodukt/Neukonzept Evaluation, Repositionierung, Wettbewerbsanaly-
se, Preissetzung und Marktsegmentierung waren die typischen Anwendung-
en“ (Vgl. [Fabian 2005]).
Zur Datenerhebung wurde am häufigsten das persönliche Interview trotz der
schon vorhandenen computergestützen Befragung eingesetzt.
„Die Vollprofil-Methode mit Rankings oder Ratings wurde am stärksten ein-
gesetzt. Die Teilnutzenwerte wurden mittels Least-Square-Regression ges-
chätzt“ (Vgl. [Fabian 2005]).
Des Weiteren wurde 1997 in Deutschland die Nutzung der Conjoint-Analyse in der
Unternehmenspraxis untersucht, wo von 324 Marktforschungs- und Marketing-
beratungsunternehmen 104 die Conjoint-Analyse einsetzten. Dies entspricht einem
Anteil von 32,1%, der wiederum die Akzeptanz der Conjoint-Analyse unterstreicht.
6
Begriffserläuterung „Conjoint-Measurement“
Warum die Conjoint-Analyse solch eine Bedeutung und Verbreitung in der Wissen-
schaft erlangt hat, liegt zum einen an der einfach handhabbaren empirischen Er-
hebung mit den Auswertungsmöglichkeiten hochwertiger statistischer Verfahren
(Vgl. [Teichert 2001]) und zum anderen an dem Aufkommen leistungsfähiger und
benutzerfreundlicher Computer-Programme (Vgl. [Balderjahn 1993]). Als Beispiel
eines leistungsfähigen und benutzerfreundlichen Computerprogramms ist das
Programm ACA (Adaptive Conjoint Analysis) der Firma Sawtooth zu nennen (Vgl.
[Fabian 2005]).
7
Durchführung einer Conjoint-Analyse
3 Durchführung einer Conjoint-Analyse und Erläuterung
ihrer Ablaufschritte
Die Conjoint-Analyse läuft in der Regel nach den fünf Ablaufschritten ab, die in der
Abbildung 2 (Vgl. [Backhaus et al. 2005]) dargestellt werden.
(1) Eigenschaften und Eigenschaftsausprägungen
(2) Erhebungsdesign
(3) Bewertung der Stimuli
(4) Schätzung der Nutzenwerte
(5) Aggregation der Nutzenwerte
Quelle: (Vgl. [Backhaus et al. 2005], S.561.)
Abbildung 2: Ablaufschritte einer Conjoint-Analyse
Zu Beginn einer Conjoint-Analyse müssen die Eigenschaften und Eigenschafts-
ausprägungen für das Objekt bzw. Produkt festgelegt werden. Als nächster Schritt
fällt die Festlegung des Erhebungsdesigns an. Es muss die Anzahl an Stimuli geklärt
ausprägungen für das Objekt bzw. Produkt festgelegt werden. Als nächster Schritt
fällt die Festlegung des Erhebungsdesigns an. Es muss die Anzahl an Stimuli geklärt
8
Durchführung einer Conjoint-Analyse
werden und ob die Profilmethode oder die Zwei-Faktor-Methode zur Anwendung
kommt. Anschließend werden die Daten erhoben, bewertet und in eine Rangfolge
gebracht. Im Schritt 4 werden die Teilnutzenwerte anhand statistischer Verfahren
geschätzt und zum Schluss der Conjoint-Analyse werden diese Werte dann
aggregiert.
Auf diese fünf Ablaufschritte werde ich in den nächsten Unterkapiteln meiner
Diplomarbeit ausführlich eingehen und sie anhand eines Beispieles von Backhaus
[Backhaus et al. 2005] verdeutlichen: Ein Margarine-Hersteller möchte ein neues
Produkt einführen, das sich durch die Eigenschaften Kaloriengehalt und Verpackung
von den anderen, schon auf den Markt befindlichen Produkten absetzen soll. Zu den
Eigenschaften kommen noch die Eigenschaftsausprägungen hoch/niedrig
(Kaloriengehalt) und Becher/Papier (Verpackung) hinzu.
„Durch die Festlegung von zwei Eigenschaften mit jeweils zwei Eigenschafts-
ausprägungen können vier Kombinationen von Eigenschaftsausprägungen, d. h. vier
fiktive Produkte, gebildet werden“, so Backhaus et al. (Vgl. [Backhaus et al. 2005])
in ihren Ausführungen auf S.558:
Produkt I Produkt II Produkt III Produkt IV
wenig Kalorien wenig Kalorien viel Kalorien viel Kalorien
im Becher in Papier im Becher in Papier
Anhand dieser vier fiktiven Produkte soll die Nutzenstruktur durch die Beurteilung
der Auskunftspersonen ermittelt werden (Vgl. [Backhaus et al. 2005]).
9
Durchführung einer Conjoint-Analyse
3.1 Eigenschaften und Eigenschaftsausprägungen
Im ersten Schritt „Eigenschaften und Eigenschaftsausprägungen“ sollen die
Eigenschaften und ihre Ausprägungen bestimmt werden. „Zur Bestimmung der
Eigenschaften gibt es eine Reihe von Vorgehensweisen wie zum Beispiel Fokus-
Gruppen, Pilot-Studien oder Expertengespräche“ (Vgl. [Green/Krieger/Varra 1997];
[Malhotra 1996]).
Es dürfen nur die relevanten Eigenschaften einbezogen werden, welche die Kunden
auch bei ihren Kaufentscheidungen in Betracht ziehen (siehe auch Bsp. im Anhang).
„Bei der Festlegung der Anzahl der Attribute und ihrer Eigenschaften treten eine
Reihe von Schwierigkeiten auf“, macht Fabian in seinem Buch „Wettbewerbs-
forschung und Conjoint-Analyse“ (Vgl. [Fabian 2005]) auf S.137 deutlich. Ein
Problem z. B. ist, dass eine Erhöhung der Anzahl der Attribute dazu führt, dass zum
einen die Produktbeschreibungen realistischer werden, zum anderen aber die Anzahl
von Beurteilungen steigt und somit eine Überforderung der Probanden eintreten
kann. Die erste Folgeerscheinung wirkt sich positiv auf die Validität aus, jedoch
führt die zweite zu einer sinkenden Reliabilität (Vgl. [Schubert 1995]).
Die Anzahl der Ausprägungen der Eigenschaften sollte möglichst mit aktuellen
Produkten am Markt vergleichbar sein, wobei allerdings die Genauigkeit der
Schätzung der Teilnutzenwerte mit einer steigenden Anzahl verbessert wird. Laut
Fabian (Vgl. [Fabian 2005]) erhöht sich außerdem die Wahrscheinlichkeit, nicht
lineare Zusammenhänge zu entdecken. „Andererseits ergibt sich ebenfalls das
Problem der steigenden Komplexität mit negativen Auswirkungen auf die
Reliabilität“ (Vgl. [Fabian 2005]). Es ist wichtig, diese Problematik in den Griff zu
bekommen und ein geeignetes Maß an Eigenschaftsausprägungen zu treffen.
In dem Verfahren der Conjoint-Analyse werden Teilnutzenwerte für die Aus-
prägungen der entsprechenden Eigenschaften ermittelt. Diese Teilnutzenwerte gelten
als Basis der Auswertung einer Conjoint-Analyse und drücken aus, wie viel Nutzen
von einer bestimmten Ausprägung einer Eigenschaft ausgeht. Das zu beurteilende
Objekt wird über die jeweiligen Eigenschaften mit ihren entsprechenden
Ausprägungen beschrieben.
10
Durchführung einer Conjoint-Analyse
Beispiel Margarine:
Eigenschaften Eigenschaftsausprägungen
A: Verwendung 1: Brotaufstrich
2: Kochen, Backen, Braten
3: universell
B: Kaloriengehalt 1: kalorienarm
2: normaler Kaloriengehalt
C: Verpackung 1: Becherverpackung
2: Papierverpackung Quelle: (Vgl. [Backhaus et al. 2005], S.563.)
Abbildung 3: Eigenschaften und Eigenschaftsausprägungen
3.1.1 Anforderungen an die Attribute
Im ersten Schritt „Eigenschaften und Eigenschaftsausprägungen“ in der Conjoint-
Analyse müssen diese Attribute und ihre Ausprägungen sieben Anforderungen
erfüllen. Die Eigenschaften und ihre Ausprägungen bilden den Grundstein einer
Conjoint-Analyse und müssen mit hundertprozentiger Aufmerksamkeit ermittelt
werden. Die Einhaltung der Anforderungen an die Attribute entscheiden über die
Exaktheit der Ergebnisse einer Untersuchung.
Die Anforderungen haben einen erheblichen Einfluss auf die Validität der Ergebnisse
(Vgl. [Weiber/Rosendahl 1997]).
11
Durchführung einer Conjoint-Analyse
7 Anforderungen an die Attribute ([Backhaus et al. 2005]; [Reiners
1996]; [Schubert 1995])
1. Die Eigenschaften müssen relevant sein.
Mit der ersten Anforderung ist gemeint, dass nur solche Eigenschaften in der
Durchführung einer Conjoint-Analyse eine Rolle spielen, die Einfluss auf den
Gesamtnutzen, den die Befragten dem jeweiligen Objekt beimessen, bzw. auf
die Kaufentscheidung haben. Die individuelle Beurteilung der einzelnen
Individuen wird das Problem der ersten Anforderung sein, weil nicht alle
Probanden die gleichen Attribute als wichtig für ihren Entscheidungsprozess
empfinden (Vgl. [Schubert 1991], S.151.).
2. Die Eigenschaften müssen durch den Hersteller beeinflussbar sein.
„Wenn die Ergebnisse der Conjoint-Analyse für Produktentscheidungen
nutzbar gemacht werden sollen, muss die Variation der betreffenden
Eigenschaften Parameter der Produktgestaltung sein“, so Backhaus et al.
[Backhaus et al. 2005] auf S. 562.
3. Die ausgewählten Eigenschaften sollten unabhängig sein.
Mit der Unabhängigkeit der Conjoint-Analyse ist gemeint, dass der Nutzen
einer Eigenschaftsausprägung nicht durch andere Eigenschaftsausprägungen
beeinflusst werden darf.
Fabian (Vgl. [Fabian 2005]) unterteilt in seinen Ausführungen die Forderung
nach Unabhängigkeit sogar in zwei Bereiche: Der eine Bereich sagt aus, dass
Attribute unabhängig voneinander realisierbar sind und der andere Bereich
fordert, dass die Attribute ihre Wirkung auf die Präferenz unabhängig
voneinander entfalten (Vgl. [Krantz/Tversky 1971]; [Johnson 1974]).
Die Forderung nach Unabhängigkeit der Eigenschaften ist eine sehr
problematische Anforderung, die in der Realität nur sehr schwer bzw. selten
zu erfüllen ist. An dem Eigenschaftsbeispiel „Preis“ wird deutlich, dass der
Preis nie vollständig unabhängig von den anderen Eigenschaften sein kann.
12
Durchführung einer Conjoint-Analyse
Ein Produkt mit hoher Qualität wird nie den gleichen Preis besitzen, wie das
gleiche Produkt mit niederwertiger Qualität. „Die Eigenschaften „Preis“ und
„Ausstattung“ korrelieren in der Regel recht stark, wodurch die Unabhängig-
keit der Eigenschaften nicht gegeben ist“, erläutert Fabian (Vgl. [Fabian
2005]) auf S.139.
Das additive Modell der Conjoint-Analyse lässt eigentlich keine Verletzung
der Unabhängigkeit der Eigenschaften zu, jedoch wird das additive Modell
als robust gegenüber den Verletzungen seiner Annahmen eingestuft.
4. Die Eigenschaftsausprägungen müssen realisierbar sein.
Wenn die Eigenschaftsausprägungen hinsichtlich der Produktgestaltung vom
Produzent nicht realisierbar sind, würden die Ergebnisse der Conjoint-
Analyse keinen Nutzen bringen. Fabian (Vgl. [Fabian 2005]) führt auf S.139
ein Beispiel an, bei dem das Attribut „Verbrauch von unter drei Litern“ bei
dem Kunden einen hohen Teilnutzenwert hervorruft, allerdings ist dieses
Ergebnis nicht wertvoll, wenn der Fahrzeughersteller ein Fahrzeug mit dieser
Eigenschaft nicht fertigen kann. Diese Anforderung spielt für die
Produktgestaltung eine zentrale Rolle.
5. Die einzelnen Eigenschaftsausprägungen müssen in einer kompensatorischen
Beziehung zueinander stehen.
„Kompensatorische Conjoint-Modelle gehen von der Annahme aus, dass sich
die Gesamtbeurteilung eines Objektes durch Summation aller Einzelurteile
der als gegenseitig substituierbar angesehenen Eigenschaftsausprägungen
ergibt“ (Vgl. [Backhaus et al. 2005]; [Fabian 2005]).
Bezogen auf das Beispiel „Margarine“ heißt das, dass eine Erhöhung des
Kaloriengehaltes durch eine Verbesserung des Geschmacks kompensiert
werden kann. „Diese Bedingung impliziert einen einstufigen
Entscheidungsprozess, bei dem alle Eigenschaftsausprägungen simultan in
die Beurteilung eingehen“ (Vgl. [Fabian 2005]).
13
Durchführung einer Conjoint-Analyse
6. Die betrachteten Eigenschaften bzw. Eigenschaftsausprägungen dürfen keine
Ausschlusskriterien (K.O.-Kriterien) darstellen.
„Ausschlusskriterien liegen vor, wenn bestimmte Eigenschaftsausprägungen
in jedem Fall erfüllt sein müssen, damit eine Kaufentscheidung von den
Befragten überhaupt in Betracht gezogen wird. Diese Kriterien widersprechen
der Annahme eines Kompensatorischen Modells“ (Vgl. [Fabian 2005]).
Als Ausschlusskriterium ist beispielsweise die Sicherheit bezüglich eines
Produktes zu nennen. Niemand ist bereit, Gefahr bei der Handhabung von
Produkten einzugehen, auch wenn der Preis noch so niedrig wie möglich
gehalten wird. Eine Kompensation durch andere Eigenschaften ist nicht
möglich.
7. Die Anzahl der Eigenschaften und ihre Ausprägungen müssen begrenzt
werden.
Der Befragungsaufwand wächst exponentiell mit der Zahl der Eigenschafts-
ausprägungen (Vgl. [Green/Srinivasan 1978]).
Bei fünf Attributen eines Produktes mit jeweils fünf Ausprägungen gibt es
55 = 3125 unterschiedliche Produkte, die in der Conjoint-Analyse bewertet
werden müssen. Diese unlösbare Aufgabe ist in der Praxis mit Problemen
verbunden. Um der Anforderung zur Bewältigung von Anwendungen mit
vielen Eigenschaften und einigen Ausprägungen gewachsen zu sein, wurden
einige Verfahren entwickelt, wie z.B. die Adaptive Conjoint-Analyse
(Sonderform der hybriden Conjoint-Analyse).
Deswegen ist es aus erhebungstechnischen Gründen notwendig, die Zahl der
Eigenschaften und ihrer Ausprägungen einzuschränken.
14
Durchführung einer Conjoint-Analyse
3.1.2 Art der Attribute
Es existieren sechs unterschiedliche Arten von Attributen (Vgl. [Reiners 1996]):
1. Potentiell relevante Attribute:
→ „Menge aller Objektmerkmale, auf welchen sich die Objekte einer
Objektklasse unterscheiden können. Diese können zu unterschiedlichen
Präferenzen für die Produkte führen“ (Vgl. [Fabian 2005]).
2. Determinante, saliente und wichtige Attribute:
→ Determinante Attribute sind eine Teilmenge der potentiell relevanten
Attribute. Unter salienten Attributen versteht man, dass sie von Befragten
zuerst genannt werden. Wichtige Attribute werden als besonders
präferenzrelevant begutachtet.
3. Empirisch unabhängige Attribute:
→ „Attribute sind empirisch unabhängig, wenn durch die Ausprägung eines
Objektes auf einem Attribut nicht seine Ausprägung auf einem anderem
Attribut vorhergesagt werden kann“ (Vgl. [Fabian 2005]).
4. Präferenzunabhängige Attribute:
→ „Präferenzunabhängigkeit liegt vor, wenn der Präferenzbeitrag einer
bestimmten Ausprägung eines Objektes auf einem Attribut unabhängig
von der Ausprägung des Objektes auf allen anderen Attributen ist“ (Vgl.
[Fabian 2005]).
5. Relevante Attribute:
→ „Relevante Attribute sind wichtige determinante Attribute, die empirisch
15
Durchführung einer Conjoint-Analyse
und präferenzbezogen voneinander unabhängig sind“ (Vgl. [Fabian
2005]).
6. Maßgebliche Attribute:
→ „Maßgeblich sind alle relevanten Attribute, die der Beeinflussbarkeit und
dem Beeinflussungswillen der Programmentscheider unterliegen“ (Vgl.
[Fabian 2005]).
3.2 Erhebungsdesign
Der zweite Schritt „Erhebungsdesign“ befasst sich mit zwei Fragen, die zu klären
sind.
1. Definition der Stimuli: Werden die Stimuli durch die Profil- oder Zwei-
Faktoren-Methode dargestellt?
2. Zahl der Stimuli: Wählt man ein vollständiges oder reduziertes Design aus?
16
Durchführung einer Conjoint-Analyse
3.2.1 Definition der Stimuli
Stimulus (lat.) heißt übersetzt der Stachel, Sporn und im übertragenden Sinne
Antrieb, Anregung (Vgl. [Neues Grosses Volkslexikon Auflage 1979]).
„Als Stimulus wird eine Kombination von Eigenschaftsausprägungen verstanden, die
den Auskunftspersonen zur Beurteilung vorgelegt wird“ (Vgl. [Backhaus et al.
2005]). Diese Kombination von Eigenschaftsausprägungen kann entweder durch die
Profilmethode oder aber auch durch die Zwei-Faktor-Methode, auch Trade-Off-
Analyse genannt, dargestellt werden.
„Bei der Profilmethode wird den Befragten ein Stimulus vorgelegt, der aus der
Kombination je einer Ausprägung aller Eigenschaften besteht“ (Vgl. [Dolan 1990]).
Bezogen auf unser Beispiel Margarine entstehen aufgrund von drei Eigenschaften,
wovon zwei Eigenschaften zwei Ausprägungen haben und ein Attribut drei
Ausprägungen besitzt, 12 Stimuli (2*2*3). Diese 12 verschiedenen Margarinearten
werden in der Abbildung 4 dargestellt.
17
Durchführung einer Conjoint-Analyse
Quelle: (Vgl. [Backhaus et al. 2005], S.564.)
Margarine I kalorienarm
Becherverpackung
Als Brotaufstrich geeignet
Margarine II kalorienarm
Becherverpackung
zum Kochen, Backen, Braten Margarine III kalorienarm
Becherverpackung
universell verwendbar
Margarine IV normale Kalorien
Becherverpackung
als Brotaufstrich geeignet Margarine V normale Kalorien
Becherverpackung
zum Kochen, Backen, Braten
Margarine VI normale Kalorien
Becherverpackung
universell verwendbar Margarine VII kalorienarm
Papierverpackung
Als Brotaufstrich geeignet
Margarine VIII kalorienarm
Papierverpackung
zum Kochen, Backen, Braten Margarine IX kalorienarm
Papierverpackung
universell verwendbar
Margarine X normale Kalorien
Papierverpackung
als Brotaufstrich geeignet Margarine XI normale Kalorien
Papierverpackung
zum Kochen, Backen, Braten
Margarine XII normale Kalorien
Papierverpackung
universell verwendbar
Abbildung 4: Stimuli nach der Profilmethode
Die Profilmethode ist für eine geringe Anzahl von Attributen sehr gut geeignet,
jedoch sollten es nicht mehr als sechs Attribute sein, weil ansonsten die Validität
bzw. Gültigkeit geringer ist als gegenüber der Adaptiven Conjoint-Analyse. Hinzu
kommen aufgrund des exponentiellen Wachstums die Folgen wie Informations-
überlastung und Probleme beim erhebungstechnischen Aufwand.
Die Zwei-Faktor-Methode, die 1974 von Johnson entwickelt wurde, zieht zur
Bildung eines Stimulus nur zwei Eigenschaften heran, für die dann eine Trade-Off-
18
Durchführung einer Conjoint-Analyse
Matrix (daher auch der Name Trade-Off-Analyse) gebildet wird (Vgl. [Malhotra
1996], S.710; [Schubert 1995], S.379.).
Die Trade-Off-Matrix besteht aus den Kombinationen der Ausprägungen der beiden
Eigenschaften. Die folgende Abbildung zeigt die sich ergebenen Trade-Off-Matrizen
bezogen auf das Beispiel Margarine.
B: Kaloriengehalt
A: Verwendung 1: kalorienarm 2: normaler Kaloriengehalt
1: Brotaufstrich A1B1 A1B2
2: Kochen, Backen, Braten A2B1 A2B2
3: universell A3B1 A3B2
C: Verpackung
A: Verwendung 1: Becherverpackung 2: Papierverpackung
1: Brotaufstrich A1C1 A1C2
2: Kochen, Backen, Braten A2C1 A2C2
3: universell A3C1 A3C2
C: Verpackung
B: Kaloriengehalt 1: Becherverpackung 2: Papierverpackung
1: kalorienarm B1C1 B1C2
2: normaler Kaloriengehalt B2C1 B2C2
Quelle: (Vgl. [Backhaus et al. 2005], S.565.)
Abbildung 5: Trade-Off-Matrizen
Im Beispiel Margarine entstehen also , also 3 Trade-Off-Matrizen, wobei jede
Zeile einer Matrix einen Stimulus bildet. Die Personen, die für die Conjoint-Analyse
befragt werden, müssen eine Rangordnung der Zellen aufstellen, aus der dann später
die Teilnutzenwerte bestimmt werden.
23
Ob die Profilmethode oder die Zwei-Faktor-Methode zur Anwendung kommt, hängt
von drei Gesichtspunkten ab (Vgl. [Fabian 2005]):
19
Durchführung einer Conjoint-Analyse
1. Ansprüche an Auskunftspersonen
Hier liegt der Vorteil bei der Zwei-Faktor-Methode, weil die Auskunfts-
personen nur jeweils zwei Faktoren gleichzeitig betrachten und beurteilen
müssen. Die Bewertung gegenüber der Profilmethode ist leichter zu
bewältigen.
2. Realitätsbezug
Bezüglich der Realität ist die Profilmethode wesentlich geeigneter.
Konsumenten vergleichen i. d. R. lieber komplette Produkte und nicht wie in
der Zwei-Faktor-Methode isolierte Eigenschaften miteinander. Hinzu kommt
noch die bessere Veranschaulichung von Abbildungen und Objekten. All dies
führt dazu, dass Unternehmen bei kommerziellen Conjoint-Analysen der
Profilmethode den Vorzug geben.
3. Zeitaufwand
Der Zeitaufwand wird mit steigender Anzahl der Eigenschaften und ihrer
Ausprägungen bei der Profilmethode wesentlich höher und kann theoretisch
eine sinnvolle Bewertung durch die Auskunftspersonen unmöglich machen.
Insgesamt kann gesagt werden, dass in den meisten Fällen der Profilmethode
aufgrund des Realitätsbezugs der Vorzug gegeben wird. Für die Trade-Off-Matrizen
spricht der Zeitaufwand, der sich bei der Profilmethode aber durch eine
Teilmengenauswahl reduzieren lässt (Vgl. [Backhaus et al. 2005], S.564-566.).
20
Durchführung einer Conjoint-Analyse
3.2.2 Zahl der Stimuli
Aufgrund des exponentiellen Wachstums, insbesondere bei der Profilmethode,
bedarf es der Notwendigkeit, aus der Menge der theoretisch möglichen Stimuli
(vollständiges Design) eine zweckmäßige Teilmenge (reduziertes Design) auszu-
wählen (siehe nachfolgende Abbildungen) (Vgl. [Backhaus et al. 2005]).
Viele Untersuchungen bestehen aus einer großen Anzahl von Attributen und ihren
Ausprägungen und sind aufgrund ihrer Komplexität erhebungstechnisch nur sehr
schwer zu realisieren. Genau da bedarf es eines reduzierten Designs, das das
vollständige Design möglichst gut repräsentiert. Allein sechs Eigenschaften mit
jeweils drei Ausprägungen ergeben 729 Stimuli, die die Auskunftspersonen aber
nicht mehr in eine sinnvolle Rangordnung bringen können.
Die Zahl der Stimuli ist eines der größten Probleme der Klassischen Conjoint-
Analyse laut Fabian (Vgl. [Fabian 2005]) auf S.158. Um dieses Problem einiger-
maßen in den Griff zu bekommen, werden symmetrische oder asymmetrische
Designs benutzt. „Ein symmetrisches Design liegt vor, wenn alle Eigenschaften die
gleiche Anzahl von Ausprägungen aufweisen“ (Vgl. [Backhaus et al. 2005]).
Ein spezielles reduziertes symmetrisches Design ist das lateinische Quadrat, bei dem
z.B. von den 27 Stimuli des vollständigen Designs 9 derart ausgewählt werden, dass
jede Ausprägung einer Eigenschaft genau einmal mit jeder Ausprägung einer
anderen Eigenschaft vorkommt. Insgesamt ist dann jede Eigenschaftsausprägung
genau dreimal im Design vorhanden. A1B1C1 A2B1C1 A3B1C1
A1B2C1 A2B2C1 A3B2C1
A1B3C1 A2B3C1 A3B3C1
A1B1C2 A2B1C2 A3B1C2
A1B2C2 A2B2C2 A3B2C2
A1B3C2 A2B3C2 A3B3C2
A1B1C3 A2B1C3 A3B1C3
A1B2C3 A2B2C3 A3B2C3
A1B3C3 A2B3C3 A3B3C3
Quelle: (Vgl. [Backhaus et al. 2005], S.567.)
Abbildung 6: Vollständiges faktorielles Design
21
Durchführung einer Conjoint-Analyse
A1 A2 A3
B1 A1B1C1 A2B1C2 A3B1C3
B2 A1B2C2 A2B2C3 A3B2C1
B3 A1B3C3 A2B3C1 A3B3C2
Quelle: (Vgl. [Backhaus et al. 2005], S.567.)
Abbildung 7: Lateinisches Quadrat
Bei einem asymmetrischen Design besitzen verschiedene Eigenschaften eine
unterschiedliche Anzahl von Ausprägungen. Das Margarinebeispiel weist z.B. ein
(2*2*3)-faktorielles Design auf. Aufgrund dessen sind asymmetrische Designs
wesentlich komplizierter zu reduzieren.
Da wir uns beim Margarinebeispiel auf die Eigenschaften „Verwendung“ und
„Kaloriengehalt“ beschränken und deshalb durch Kombination aller Eigenschafts-
ausprägungen auf sechs Stimuli treffen werden, können wir auf die Reduktion des
Designs verzichten.
Die in der Abbildung 8 dargestellten sechs fiktiven Produkte bilden ein vollständiges
Design.
I A1, B1 Brotaufstrich kalorienarm
II A1, B2 Brotaufstrich normaler Kaloriengehalt
III A2, B1 Kochen, Backen, Braten kalorienarm
IV A2, B2 Kochen, Backen, Braten normaler Kaloriengehalt
V A3, B1 universell verwendbar kalorienarm
VI A3, B2 universell verwendbar normaler Kaloriengehalt
Quelle: (Vgl. [Backhaus et al. 2005], S.569.)
Abbildung 8: Stimuli im vollständigen Design für das Margarinebeispiel
22
Durchführung einer Conjoint-Analyse
Damit folgt ein vollständiges, zweistufiges Untersuchungsdesign.
Eigenschaft B
1 2
1 p I p II
Eigenschaft A 2 p III p IV
3 p V p VI
Quelle: (Vgl. [Backhaus et al. 2005], S.570.)
Abbildung 9: Vollständiges Untersuchungsdesign für das Beispiel
3.3 Bewertung der Stimuli
In dem Schritt „Bewertung der Stimuli“ sollen die Befragten ihre Präferenzen offen-
legen. Um die Rangfolge der Stimuli zu ermitteln, gibt es eine Reihe von Vor-
gehensweisen (Vgl. [Fabian 2005], S.160-161.):
1. Rangreihung:
Bei dem Verfahren der Rangreihung sollen die Befragten die Stimuli in eine
Rangfolge bringen, die ihre individuelle Präferenz widerspiegelt. Die
Rangreihung erfordert eine hohe Informationsverarbeitungskapazität der
Auskunftspersonen (= Probanden), weil die Probanden alle Stimuli mit-
einander vergleichen müssen, um ihre Präferenzrangreihung zu erlangen.
Melles und Holling haben herausgefunden, dass die Rangreihung das in
Deutschland am häufigsten eingesetzte Verfahren ist. Jedoch ist die
Bearbeitungsdauer wesentlich höher als beim Einsatz des Ratingsverfahrens.
23
Durchführung einer Conjoint-Analyse
2. Rating:
Beim Rating-Verfahren müssen die Auskunftspersonen die Stimuli auf einer
Skala bewerten. Die Skala kann verschiedene Einteilungen haben, wie z.B.
von 0 bis 100%, von 1 bis 5 oder aber auch von wünschenswert bis nicht
wünschenswert.
Die Probanden müssen beim Rating-Verfahren zuerst mit allen Attributen und
Leveln vertraut gemacht werden, da die Konzepte jeweils nur einzeln
beurteilt werden ohne Bezug zu den anderen Konzepten (Vgl. [Gustafsson
1999]).
3. Die Auswahl eines Produktes aus einem Set von Produkten:
Dieses Verfahren kommt bei der Wahlbasierten Conjoint-Analyse zum
Einsatz (Vgl. [Lehmann/Gupta/Steckel 1998]).
Die Wahlbasierte Conjoint-Analyse werde ich im weiteren Verlauf meiner
Diplomarbeit noch genauer unter die Lupe nehmen.
Bei dieser Methode werden abgelehnte Alternativen aus dem Set nicht mehr
bewertet. „Daher setzen Probanden oft Vereinfachungsregeln ein: Die auf den
ersten Blick am besten aussehende Alternative wird ausgewählt. Dadurch
gelingt es den Befragten, den Umfang der Vergleichsaufgabe zu begrenzen
(Vgl. [Billings/Scherer 1988])“, so Fabian (Vgl. [Fabian 2005]) auf S.161.
Wenn keine überlegene Alternative existiert, können die Befragten versuchen,
die Auswahlentscheidung zu vermeiden. Ohne die Vermeidung von
Auswahlentscheidungen würden negative Emotionen aufkommen.
Egal für welche der drei Vorgehensweisen sich entschieden wird, sollte es bei der
Abfrage der Stimuli zuerst eine Aufwärmphase geben, in der die Auskunftspersonen
mit den Objekten vertraut gemacht werden (Vgl. [Johnson 1974]). Anhand von
empirischen Untersuchungen (Vgl. [Huber et al. 1993]) ist nachgewiesen, dass sich
die Validität der Ergebnisse durch die vorgeschaltete Aufwärmphase steigert. Ein
weiterer wichtiger Aspekt ist die Art und Weise, wie die Stimuli den Probanden
präsentiert werden. Neben der rein verbalen Beschreibung der Stimuli finden
heutzutage auch aktuelle Produkte, Prototypen oder multimediale Darstellungen An-
24
Durchführung einer Conjoint-Analyse
wendung (Vgl. [Lehmann/Gupta/Steckel 1998]; [Green/Srinivasan 1990]; [Schubert
1991]).
Um wieder auf unser Beispiel Margarine zurückzukommen, eine Auskunftsperson
wurde gebeten, die sechs möglichen Margarinesorten mit Rangwerten von 1 bis 6 zu
versehen, wobei 1 die schlechteste und 6 die beste Margarinesorte darstellt. Wir
haben uns also in unserem Beispiel auf die Vorgehensweise der Rangreihung
festgelegt. Die Auskunftsperson hat sich wie folgt entschieden (Vgl. [Backhaus et al.
2005]):
Eigenschaft B
1 2
1 2 1
Eigenschaft A 2 3 4
3 6 5
Quelle: (Vgl. [Backhaus et al. 2005], S.571.)
Abbildung 10: Rangwerte für eine Auskunftsperson am Beispiel
3.4 Schätzung der Nutzenwerte
In dem vierten Schritt „Schätzung der Nutzenwerte“ werden durch die empirisch
ermittelten Rangdaten einer Menge von Stimuli mit Hilfe der Conjoint-Analyse
zunächst Teilnutzenwerte für alle Eigenschaftsausprägungen ermittelt [Backhaus et
al. 2005]. Diese Teilnutzenwerte sind notwendig, um
→ metrische Gesamtnutzenwerte für alle Stimuli
→ relative Wichtigkeiten für die einzelnen Eigenschaften ableiten zu können.
25
Durchführung einer Conjoint-Analyse
Die Schätzung der Nutzenwerte wird jetzt bezogen auf unser Margarinebeispiel
(Abbildung 8 und 10) ausgeführt. Jede der fünf Eigenschaftsausprägungen stellt
einen Teilnutzenwert β dar, der zu schätzen ist. Aus der Verknüpfung der Teilnutzen-
werte schließen wir dann auf den Gesamtnutzenwert y eines Stimulus.
Bei einem additiven Modell gilt dann:
y = β A + β B
„In allgemeiner Form lässt sich das additive Modell der Conjoint-Analyse wie folgt
formulieren“ (Vgl. [Backhaus et al. 2005]):
yk = jm * ∑∑= =
J
j
Mj
m1 1β χ jm
mit: yk : geschätzter Gesamtnutzenwert für Stimulus k
β jm : Teilnutzenwert für Ausprägung m von Eigenschaft j
Beim additiven Modell ergibt die Summe der Teilnutzen den Gesamtnutzen. Für
unser Beispiel ergeben sich dann folgende Gesamtnutzenwerte (Vgl. Abbildung 9):
111 BA ββγ +=
212 BA ββγ +=
123 BA ββγ +=
224 BA ββγ +=
135 BA ββγ +=
236 BA ββγ +=
26
Durchführung einer Conjoint-Analyse
„Die Teilnutzenwerte jmβ sollen so bestimmt werden, dass die resultierenden Ge-
samtnutzenwerte kγ „möglichst gut“ den empirischen Rangwerten pk entsprech-
en“ (Vgl. [Backhaus et al. 2005]). Die monotone Varianzanalyse wird üblicherweise
zur Ermittlung der Teilnutzenwerte eingesetzt. Für die Ermittlung der
Teilnutzenwerte kann man zwischen der metrischen und der nichtmetrischen Lösung
unterscheiden, wobei ich mich in meiner Diplomarbeit nur mit der metrischen
Lösung befassen werde.
Bei der metrischen Lösung wird angenommen, dass die Befragten die Abstände
zwischen den vergebenen Rangwerten jeweils als gleich groß (äquidistant)
einschätzen. Dadurch besitzen die Rangwerte nicht mehr ein ordinales Skalenniveau,
sondern ein metrisches Skalenniveau. Aus diesem Grund muss das Modell der
Conjoint-Analyse um einen konstanten Term µ ergänzt werden:
y = µ + βA + βB
Die Konstante µ stellt den Durchschnittsrang von allen vergebenen Rangwerten dar
und kann auch als Basisnutzen interpretiert werden, von dem sich die
Eigenschaftsausprägungen positiv oder negativ abheben. In unserem Margarine-
beispiel beträgt der Durchschnittsrang 21/6 = 3,5.
Im nächsten Schritt wird jede Eigenschaftsausprägung nach ihrem durchschnittlichen
Rang untersucht. „Durch Vergleich von µ mit dem resultierenden Rang jeder
Eigenschaftsausprägung lässt sich feststellen, ob die Ausprägungen einen über- oder
unterdurchschnittlichen Beitrag zur Präferenz liefern“ (Vgl. [Fabian 2005]).
Durch einfache Differenzbildung wird deutlich, wie weit die Eigenschaftsausprägung
vom Durchschnittsrang abweicht. Diese Differenz ergibt den Teilnutzenwert der
jeweiligen Eigenschaftsausprägung (Vgl. [Backhaus et al. 2005], S.573-574.).
Für das Margarinebeispiel ergeben sich nun folgende Werte:
5,3=µ 1Aβ = -2.000 1Bβ = 0,1667
2Aβ = 0,000 2Bβ = -0,1667
3Aβ = 2,000
27
Durchführung einer Conjoint-Analyse
Durch Einsetzen der Werte ergeben sich dann die Gesamtnutzenwerte:
1γ = 3,5 + (-2,0) + 0,1667 = 1,667
Die empirischen und geschätzten Nutzenwerte sowie deren einfache und quadrierte
Abweichungen sind in der nächsten Abbildung zusammengefasst.
Stimulus p Y p-y (p-y)²
I 2 1,6667 0,333 0,1111
II 1 1,3333 -0,333 0,1111
III 3 3,6667 -0,667 0,4444
IV 4 3,3333 0,667 0,4444
V 6 5,6667 0,333 0,1111
VI 5 5,3333 -0,333 0,1111
Σ 21 21,0000 0,000 1,3333
Quelle: (Vgl. [Backhaus et al. 2005], S.574.)
Abbildung 11: Ermittlung der quadratischen Abweichungen zwischen den
empirischen und geschätzten Nutzenwerten
„Die durch Anwendung der Varianzanalyse ermittelten Teilnutzenwerte β sind
Kleinst-Quadrate-Schätzungen, d.h. sie werden so ermittelt, dass die Summe der
quadratischen Abweichungen zwischen den empirischen und geschätzten
Nutzenwerten minimal ist“ (Vgl. [Backhaus et al. 2005]).
∑=
−K
kkkpMin
1
)²( γβ
28
Durchführung einer Conjoint-Analyse
3.5 Aggregation der Nutzenwerte
Die Aggregation der Nutzenwerte ist der letzte Schritt im Ablauf einer Conjoint-
Analyse und dient dazu, die durchschnittliche Präferenz einer Vielzahl von Pro-
banden zu ermitteln. Um die Individualanalysen der einzelnen Befragten mit-
einander vergleichen zu können, muss eine Normierung (Vgl. [Schubert 1995])
stattfinden, bei der die Teilnutzenwerte für alle Probanden auf den gleichen „Null-
punkt“ und gleichen Skaleneinheiten basieren (Vgl. [Backhaus et al. 2005]).
Den Nullpunkt bildet diejenige Eigenschaftsausprägung, die den geringsten Nutzen-
beitrag liefert. Für die Normierungsvorschrift gilt: „Bilde die Differenz zwischen
dem niedrigsten Teilnutzenwert jeder Eigenschaft und den einzelnen Teilnutzen-
werten“ (Vgl. [Fabian 2005]):
Minjjmjm βββ −=*
mit:
jmβ : Teilnutzenwert für Ausprägung m von Eigenschaft j
Minjβ : minimaler Teilnutzenwert bei Eigenschaft j
Für unser Margarinebeispiel bekommen wir damit folgende transformierte
Teilnutzenwerte:
000.0))000,2(000,2(*1 =−−−=Aβ 3334,0))1667,0(1667,0(*
1 =−−=Bβ
000.2))000,2(000,0(*2 =−−=Aβ 000.0))1667,0(1667,0(*
2 =−−−=Bβ
000.4))000,2(000,2(*3 =−−=Aβ
„Für die Justierung der Skaleneinheit ist entscheidend, welche Größe den Maximal-
wert des Wertebereichs beschreiben soll“, sagen Backhaus et al. (Vgl. [Backhaus et
al. 2005]) auf S.580 aus. Es ist daher am geeignetsten, den Gesamtnutzenwert des am
stärksten präferierten Stimulus bei allen Auskunftspersonen auf 1 zu setzen.
29
Durchführung einer Conjoint-Analyse
Durch Anwendung der folgenden Formel ergeben sich die normierten
Teilnutzenwerte:
{ }∑=
∧
= J
jjmm
jmjm
1
*
*
max β
ββ
Bezogen auf das Margarinebeispiel lauten die normierten Teilnutzenwerte:
000,03334,4/000,01 ==∧
Aß 077,03334,4/3334,01 ==∧
Bß
462,03334,4/000,22 ==∧
Aß 000,03334,4/000,02 ==∧
Bß
923,03334,4/000,43 ==∧
Aß
Als Ergebnis der Conjoint-Analyse steht fest, dass das am stärksten präferierte
Produkt in der Kombination aus universeller Verwendbarkeit (A3) und armem
Kaloriengehalt (B1) besteht und einen Gesamtnutzenwert von 1 erhält. Dies
entspricht dem Stimulus V (siehe Abbildung 8)!
Backhaus et al. (Vgl. [Backhaus et al. 2005]) weisen aber auch darauf hin, „dass sich
aus der absoluten Höhe der Teilnutzenwerte zwar auf die Bedeutsamkeit einer
Eigenschaftsausprägung für den Gesamtnutzenwert eines Stimulus schließen lässt,
nicht aber auf die relative Wichtigkeit einer Eigenschaft zur Präferenzveränderung.
Auf die relative Wichtigkeit einer Eigenschaft zur Präferenzveränderung lässt sich
vielmehr über die Spannweite (= Differenz zwischen dem höchsten und dem
niedrigsten Teilnutzenwert der verschiedenen Ausprägungen jeweils einer
Eigenschaft) schließen. Ist die Spannweite groß, dann ist die jeweilige Eigenschaft
zur Präferenzveränderung geeigneter (Vgl. [Büschken 1994]).
Die Bedeutung einzelner Eigenschaften für die Präferenzvariation erhält man, wenn
man die Spannweite einzelner Eigenschaften an der Summe der Spannweiten ge-
wichtet (Vgl. [Backhaus et al. 2005]).
30
Durchführung einer Conjoint-Analyse
Durch die nachfolgende Formel lässt sich die relative Wichtigkeit bestimmen:
{ } { }{ } { }( )∑
=
−
−= J
jjmmjmm
jmmjmmjw
1minmax
minmax
ββ
ββ
Bei schon zuvor normierten Teilnutzenwerten ist der Ausdruck min{βjm} in Zähler
und Nenner der Formel immer gleich Null, so dass die größten normierten
Teilnutzenwerte je Eigenschaft gleichzeitig auch eine Aussage über die relative
Wichtigkeit der Eigenschaften liefern (Margarinebeispiel: Attribut A ist mit 92,3%
gegenüber Attribut B mit 7,7% wesentlich stärker gewichtet für die Präferenz-
bildung).
Aufgrund der Normierung durch die Formel ist eine Vergleichbarkeit der Ergebnisse
aus verschiedenen Individualanalysen möglich. Insgesamt gibt es zwei Möglich-
keiten, um aggregierte Ergebnisse der Conjoint-Analyse zu erlangen. Zum einen ist
dies die Durchführung von Individualanalysen mit anschließender Aggregation und
zum anderen besteht die Möglichkeit, eine gemeinsame Conjoint-Analyse für eine
Mehrzahl von Auskunftspersonen durchzuführen, die aggregierte Teilnutzenwerte
liefert.
31
Analyse der Wahlbasierten und Adaptiven Conjoint-Analyse
4 Analyse der Wahlbasierten und Adaptiven Conjoint-
Analyse und Vergleich mit dem Klassischen Ansatz
Da der Conjoint-Analyse einen immer größer werdenden Stellenwert in der
Marktforschung zugesprochen wird (siehe Kapitel 2), nehmen auch die Verfahrens-
variationen des Analyseverfahrens durch die empirische Forschung zu.
Aus dem Ursprung, dem Klassischen Ansatz (= Traditionelle Methode), sind zahl-
reiche Weiter- und Neuentwicklungen von Verfahrensvarianten entstanden, so dass
es für die Anwender aufgrund der Geschwindigkeit der Entwicklung schwierig ist,
alle Varianten zu verfolgen und die beste Methode auszuwählen.
Backhaus et al. (Vgl. [Backhaus et al. 2005], S. 614.) stellen in Ihrem Werk eine
vergleichende Bewertung alternativer conjointanalytischer Untersuchungsansätze
vor. Sie beschränken sich dabei auf die Ansätze der Adaptiven Conjoint-Analyse, der
Wahlbasierten Conjoint-Analyse (auch Choice-Based-Conjoint-Analyse genannt),
der Hybriden Conjoint-Analyse und dem Klassischen Ansatz.
Es ist von großem Interesse, welcher Ansatz am vorteilhaftesten ist und gegenüber
den anderen das ausgereifteste Verfahren darstellt.
Bei der Betrachtung der nachfolgenden Abbildung 12 fällt auf, dass die Wahlbasierte
Conjoint-Analyse und die Adaptive Conjoint-Analyse am besten abschneiden.
32
Analyse der Wahlbasierten und Adaptiven Conjoint-Analyse
Bewertungskriterien Klassische Ansätze
Choice- Based-CA Hybrid-CA Adaptive
CA Erhebungsart: persönlich, schriftlich ++ + ++ --
persönlich, computergestützt ∅ ++ ∅ ++
postalisch, schriftlich ∅ ∅ ∅ --
postalisch, computergestützt - ++ - --
telefonisch ∅ (+) - -
Erhebungssituation: Große Merkmalsanzahl -- -- ++ ++
Individualanalyse ++ -- + ++
individuelle Erhebungsprofile - - -- ++
Anwendungssituation: Auswahlentscheidungen ∅ ++ ∅ ∅
Berücksichtigung der Simularität - ++ - -
Bestimmung von Marktreaktionen ∅ ++ ∅ ∅
Marktsegmentierung ++ (∅) - (+)
Auswertungssituation: Inferenzstatistik - ++ - -
Legende: Eignung: ++ = sehr gut + = gut ∅ = durchschnittlich - = gering -- = ungeeignet Quelle: (Vgl. [Backhaus et al. 2005], S.614.)
Abbildung 12: Vergleichende Bewertung alternativer conjointanalytischer Unter-suchungsansätze
Warum haben sich sowohl die Adaptive als auch die Wahlbasierte Conjoint-Analyse
laut der Abbildung 12 im Laufe der Zeit bewährt und weniger Schwachpunkte
erkennbar werden lassen als der Klassische Ansatz?
Im Folgenden sollen die Ansätze der Wahlbasierten, der Adaptiven und der
Klassischen Methode analysiert und mit ihren Vor- und Nachteilen gegeneinander
abgegrenzt werden.
Es ist wichtig anzumerken, dass die Empfehlungen in Abbildung 12 nur Grund-
satzaussagen darstellen und bei Anwendungssituationen kritisch hinterfragt werden
müssen (Vgl. [Backhaus et al. 2005]).
33
Analyse der Wahlbasierten und Adaptiven Conjoint-Analyse
Aus diesem Grund ist es von besonderem Interesse, die in der Abbildung 12
dargestellten Tabelle genauer unter die Lupe zu nehmen, um einsichtig
zu machen, worin die vergleichende Bewertung alternativer conjointanalytischer
Untersuchungsansätze sich begründet.
4.1 Die Wahlbasierte Conjoint-Analyse
Die Wahlbasierte Conjoint-Analyse, die auch unter dem Begriff der Choice-Based-
Conjoint-Analyse bekannt ist, stellt aufgrund ihrer Veränderungen zum Klassischen
Ansatz eine wichtige Entwicklung im Bereich der Verfahrensvariationen der
Conjoint-Analyse dar. Diese conjointanalytische Methode hat ihren Ursprung in
einer Arbeit von Louviere/Woodworth aus dem Jahre 1983 (Vgl. [Louviere/
Woodworth 1983]), wobei sie in den vergangenen Jahren immer mehr an Bedeutung
zugenommen hat. Mit der Wahlbasierten Conjoint-Analyse kann das Marketing-
problem der Preisbildung und Produktlinienpolitik behandelt werden (Vgl. [Cohen
1997], S.15.). Dieser Untersuchungsansatz dient als Ausgangspunkt für Verfahrens-
varianten, die auf einer Kombination mit verschiedenen statistischen Ansätzen
basieren (Vgl. [Hillig 2006], S.68.). Die Wahlbasierte Conjoint-Analyse weist Unter-
schiede gegenüber der Adaptiven Conjoint-Analyse und dem Klassischen Ansatz
bezüglich ihrer theoretischen Grundlagen und der Bewertung der Stimuli dar. Da der
Proband stets Produkte bewertet, die sich aus allen möglichen Merkmalen
zusammensetzen, wird die Wahlbasierte Conjoint-Analyse als ein Full-Profile-
Verfahren bezeichnet. Die Auskunftspersonen müssen Auswahlentscheidungen
treffen, die Präferenzurteile darstellen. „Die „Bewertung“ der Stimuli erfolgt dabei
durch einmalige oder wiederholte Auswahl eines Stimulus aus einem
34
Analyse der Wahlbasierten und Adaptiven Conjoint-Analyse
Alternativen-Set“ (Vgl. [Backhaus et al. 2005]). Dadurch kann erstmals eine
Nichtwahl-Möglichkeit im Alternativen-Set auftreten. Laut Mc Fadden (Vgl. [Mc
Fadden 1973]) basiert die theoretische Grundlage der Wahlbasierten Conjoint-
Analyse auf der Zufallsnutzentheorie, d.h., dass die Alternative ausgewählt wird, für
die der Nutzen maximal ist. Eine deterministische und eine prohabilistische
Komponente beschreiben den als Zufallsvariable zu verstehenden Nutzen U einer
Alternativen a (Vgl. [Backhaus et al. 2005]).
„Während der deterministische Term die Charakteristika einer Alternative wider-
spiegelt, werden die übrigen auf die Auswahlentscheidung wirkenden Einfluss-
faktoren durch den prohabilistischen Term der Nutzenfunktion modelliert. Mit Hilfe
eines multinominalen Logit-Modells lassen sich auf der Basis der aggregierten
Auswahlentscheidungen die relevanten Parameter berechnen“ (Vgl. [Backhaus et al.
2005]).
Durch die geringe Anzahl von Auswahlentscheidungen je Auskunftsperson kann
keine Berechnung individueller Nutzenwerte durchgeführt werden, so dass die
Wahlbasierte Conjoint-Analyse keinen Individualansatz darstellt.
4.1.1 Die Vorteile der Wahlbasierten Conjoint-Analyse
In der Wahlbasierten Conjoint-Analyse müssen die Probanden Auswahlentschei-
dungen aus einem Alternativen-Set treffen, bei der auch eine Nichtwahlmöglichkeit
besteht. Im Alternativen-Set existiert eine Anzahl von Produkten, die sich aus unter-
schiedlichsten Merkmalen zusammensetzen. Diese Auswahlentscheidung ähnelt sehr
einer Kaufentscheidungssituation im Kaufhaus. Im Kaufhaus besteht für den
Probanden ebenfalls die Möglichkeit, sich für eines oder keines der angebotenen
35
Analyse der Wahlbasierten und Adaptiven Conjoint-Analyse
Produkte zu entscheiden. Diese Realitätsnähe kann als Vorteil der Wahlbasierten
Conjoint-Analyse angesehen werden.
„Der Vorteil der Vorgehensweise der Wahlbasierten Conjoint-Analyse liegt in der
einfachen Anwendung und darin, dass die Wahlbasierte Conjoint-Analyse in vielen
Fällen das tatsächliche Verhalten der Konsumenten realistisch repräsentiert“ (Vgl.
[Fillip 1997], S.255.). Ein weiterer Vorteil der Wahlbasierten Conjoint-Analyse ist
die Abfrage von Wahlurteilen. Da die Nutzenbewertung sich als äußerst schwierig
darstellt und Nutzen keinen absoluten Bezugspunkt besitzt, hat sich die Analyse in
Form von Wahlurteilen als sehr positiv herausgestellt (Vgl. [Teichert 2001], S.43.).
Es können „echte“ Auswahlentscheidungen abgebildet werden. Im Gegensatz dazu
können die mit Hilfe der übrigen conjointanalytischen Ansätze ermittelten
Präferenzdaten zuerst gar keine Informationen über die Auswahlentscheidungen
aussagen (Vgl. [Backhaus et al. 2005], S.612-614.).
Die Wahlbasierte Conjoint-Analyse ist das einzige Verfahren, bei dem Inferenz-
statistiken berechnet werden können. Unter Inferenzstatistiken werden Folgerungs-
statistiken verstanden. Die anderen nicht-metrischen, conjointanalytischen Verfahren
stellen nur Fitmaße bereit.
Als letzten vorteilhaften Aspekt möchte ich die flexiblere Handhabung und die
Ermöglichung eines wesentlich breiteren Einsatzgebiets erwähnen. Dieser Vorteil
entsteht dadurch, weil die Wahlbasierte Conjoint-Analyse neben den Haupteffekten
auch Nebeneffekte, d.h. Interaktionen zwischen einzelnen Merkmalsausprägungen,
messen und alternativenspezifische Merkmalsausprägungen definieren kann (Vgl.
[Hillig 2006], S.69.).
4.1.2 Die Nachteile der Wahlbasierten Conjoint-Analyse
Ein Nachteil der Wahlbasierten Conjoint-Analyse entsteht dadurch, dass die
Probanden bei ihren Auswahlentscheidungen nur eines oder keines von den
36
Analyse der Wahlbasierten und Adaptiven Conjoint-Analyse
Produkten, als das von ihnen Präferierte auswählen können und deshalb ihre
Bewertung von Produkt zu Produkt nicht abstufen können.
Des Weiteren erwartet das Wahlbasierte Verfahren eine viel höhere Aufmerksamkeit,
weil die Probanden viele Produkte mit zahlreichen Merkmalen miteinander
vergleichen und abwägen müssen. Hinzu kommt noch, dass die Ausbeute an
Informationen ziemlich gering ist, weil über die Eindeutigkeit der Entscheidungen
keine Aussage gemacht werden kann. Aus diesem Grund sind die Interviews der
Wahlbasierten Conjoint-Analyse wesentlich länger als Interviews anderer Verfahren
der Conjoint-Analyse. Durch die Länge der Interviews besteht zudem noch die
Gefahr, dass die Auskunftsperson in einen Automatismus verfällt und eventuell nur
noch über ein Merkmal (z.B. Preis) entscheidet und die anderen Eigenschafts-
ausprägungen außer Acht lässt.
Eine weitere nachteilige Einschränkung ist möglich, weil keine realen Wahlakte
abgefragt werden. Da die Präsentation der Stimuli simulativ immer wiederholt wird,
können verzerrende Effekte bei der Datenerhebung nicht ausgeschlossen werden.
4.1.3 Mein Fazit für die Wahlbasierte Conjoint-Analyse
Um eine Schlussfolgerung zu ziehen, ist es bei der Wahl des Verfahrens der
Conjoint-Analyse wichtig, vorher zu wissen, welche Faktoren für mich von
besonderer Bedeutung sind.
Möchte ich eine Full-Profile-Methode anwenden, indem realitätsnahe Auswahl-
entscheidungen getroffen werden und indem auch eine Nichtwahl-
Möglichkeit besteht, dann ist die Wahlbasierte Conjoint-Analyse das geeignete
Verfahren der Conjoint-Analyse.
37
Analyse der Wahlbasierten und Adaptiven Conjoint-Analyse
Ein weiterer Aspekt ist die Frage, ob ich nach der Durchführung der Conjoint-
Analyse Inferenzstatistiken berechnen möchte bzw. muss. Da die Wahlbasierte
Conjoint-Analyse das einzige Verfahren mit möglicher Berechnung von In-
ferenzstatistiken darstellt, bestehen bezüglich Auswertungsstatistiken keine Aus-
wahlmöglichkeiten.
Die Wahlbasierte Conjoint-Analyse besitzt sowohl einige Vorteile als auch einige
Nachteile. Die Personen, die eine Conjoint-Analyse durchführen, müssen sich
darüber im Klaren sein, auf welche Bereiche sie besonders Wert legen. In den
Bereichen „Erhebungsart“ (persönlich, postalisch, telefonisch etc.), „Anwendungs-
situation“ (Auswahlentscheidungen, Bestimmung von Marktreaktionen etc.) und
„Auswertungssituation“ (Inferenzstatistik) eignet sie sich sehr gut. Jedoch für den
Bereich „Erhebungssituation“ (Große Merkmalsanzahl, Individualanalyse, indi-
viduelle Erhebungsprofile) ist sie wenig geeignet bis ungeeignet.
4.2 Die Adaptive Conjoint-Analyse
Die Adaptive Conjoint-Analyse ist eine Form der hybriden Conjoint-Analysen, da sie
einen kompositionellen und einen dekompositionellen Teil besitzt (siehe Bsp. einer
Adaptiven Conjoint-Analyse im Anhang). Dieses Verfahren, das Mitte der achtziger
Jahre von Johnson entwickelt wurde, ist von großer Bedeutung und deshalb die mit
Abstand am häufigsten eingesetzte Conjoint-Analyse (Vgl. [Fabian 2005], S.177.).
Eine Untersuchung von Baier im Jahre 1997 ergab, dass auf dem deutschen Markt
70% der Conjoint-Analyse mittels der Adaptiven Conjoint-Analyse durchgeführt
wurde. Dieser sehr hohe Anteil unterstreicht die Bedeutung des Verfahrens.
38
Analyse der Wahlbasierten und Adaptiven Conjoint-Analyse
Das Softwaresystem ACA von Sawtooth Software, Inc. ist eine computergestützte
Variante, die die Basis für die Beschreibung darstellt. Die gesamte Datenerfassung
erfolgt in Form eines computergestützten Interviews (Vgl. [Green/Krieger/Vavra
1997]).
Die Conjoint-Analyse hat die Bezeichnung „adaptiv“, weil die computergestützte
Befragung für jeden Probanden individuell angepasst wird (O.V., 1996, S.2 aus
[Fabian, 2005]). Die Eingaben des Probanden werden bereits während des Interviews
vom Rechner verarbeitet und dazu verwendet, die jeweils nächste Fragebogenseite zu
entwickeln. Durch die Anpassung an die individuelle Präferenzstruktur des Nutzers
werden aussagekräftige Informationen aus den Interviews gewonnen.
Ich möchte nun auf die Datenerhebung bei Nutzung des Softwaresystems ACA näher
eingehen und die mindestens 4 Phasen, die zur Datenerhebung benötigt werden,
erläutern (Vgl. [Brusch 2005], S.29.):
Den vier notwendigen Phasen wird eine Phase vorgeschaltet, in der die Probanden
inakzeptable Ausprägungen der Eigenschaften aus der Befragung ausschließen
können. Dies ist jedoch nur eine Option, die auch nicht besonders empfohlen wird
[Sawtooth Software 2002].
Phase 1: In der ersten Phase werden die Präferenzen der Probanden gegenüber den
Ausprägungen aller Eigenschaften (Ausprägungen immer nur einer Eigenschaft
werden auf einmal bewertet) mittels Ranking oder Rating erfasst. „Dabei scheint
insbesondere das Ratingverfahren geeignet zu sein, da hiervon keinerlei Einflüsse auf
die weiteren Ergebnisse bekannt sind“, so Brusch [Brusch 2005].
Phase 2: Nun wird die Wichtigkeit jeder Eigenschaft anhand der zuvor festgelegten
besten und schlechtesten Eigenschaftsausprägung bestimmt. Die Probanden sollen
den Unterschied zwischen diesen Ausprägungen anhand einer Ratingskala mit
extremen Polaritäten („überhaupt nicht wichtig“ bis hin zu „extrem wichtig“)
beurteilen (Vgl. [Brusch 2005]).
39
Analyse der Wahlbasierten und Adaptiven Conjoint-Analyse
Der kompositionelle Teil der Adaptiven Conjoint-Analyse ist jetzt abgeschlossen und
die ersten Teilnutzenwerte für alle Ausprägungen sind vorhanden. Diese ersten
Werte stellen die Basis für die nächste Phase dar. Die ganze Aufmerksamkeit liegt
jetzt auf der für den Probanden wichtigsten Eigenschaft.
Phase 3: In der dritten Phase geht es um paarweise Präferenzbestimmung bei
Teilprofilen mit maximal fünf Eigenschaften. Die Probanden sollen zeitgleich
gezeigte Produktkonzepte bewerten, so dass nach jedem Paarvergleich ACA die
bisherigen Teilnutzenwerte verbessert und neue, verbesserte Paare konstruiert
werden. Je höher die Anzahl an Eigenschaften wird, umso realer wird das
Produktkonzept. Allerdings wird aufgrund der Informationsflut die Beurteilungs-
aufgabe immer schwieriger (Vgl. [Brusch 2005]).
Phase 4: In Phase 4 erfolgt die Präferenzbestimmung anhand kalibrierter
Einzelkonzepte. Die Adaptive Conjoint-Analyse erstellt aus den wichtigsten Eigen-
schaften verschiedene Produktkonzepte, für die Auskunftspersonen ihre Kaufwahr-
scheinlichkeit abgeben sollen. „Dabei ist das erste Produktkonzept für den Probanden
am wenigsten wünschenswert, während das zweite Produktkonzept genau seinen
Wunschvorstellungen entspricht“ (Vgl. [Brusch 2005]). Bei der Adaptiven Conjoint-
Analyse wird von einer echten Individualanalyse gesprochen, da für jede
Auskunftsperson spezifische Erhebungsdesigns erstellt werden.
Im Anschluss an die Phasen der Adaptiven Conjoint-Analyse ist die Nutzung eines
Marktsimulators möglich. In 56% der durchgeführten Conjoint-Analysen wurde auch
eine Marktanteils-Simulation durchgeführt. Mit Hilfe der ermittelten Nutzenwerte
werden Markt-Simulationen mit verschiedenen Produkt-Konzepten erstellt.
40
Analyse der Wahlbasierten und Adaptiven Conjoint-Analyse
4.2.1 Die Vorteile der Adaptiven Conjoint-Analyse
Bei der Betrachtung der Adaptiven Conjoint-Analyse mit ihrem Einsatz von
Software ergibt sich eine Vielzahl von Vorteilen gegenüber herkömmlichen „Paper-
and-Pencil“-Verfahren. Neben dem Vorteil der Individualanalyse ist ein weiterer
Vorteil eine erhöhte Motivation der Probanden. Der Umgang mit dem Computer
weckt das Interesse und erhöht das Involvement der Probanden. Daraus folgt eine
sinkende Ermüdung der Auskunftspersonen, die deshalb eine erhöhte
Aufnahmebereitschaft an Stimuli besitzen.
Ein weiterer Vorteil wird in der Flexibilität gesehen. Aufgrund des Einsatzes von
Software kann eine größere Anzahl von Attributen und Level in die Untersuchung
eingeführt werden, ohne dass die Probanden überfordert werden (Vgl. [Fabian 2005],
S.178.).
Der nächste Vorteil ist die Größenordnung der Untersuchungsdesigns. Es können
theoretisch bis zu 30 Merkmale in das Befragungsdesign aufgenommen werden. Des
Weiteren können durch den Einsatz der Software inkonsistente Auskunftspersonen
herausgefiltert werden. Vorteilhaft ist zudem die sofortige Berechnung der
Teilnutzenwerte. „Manager können somit die Ergebnisse der Untersuchung wesent-
lich schneller als früher bekommen“, laut Fabian (Vgl. [Fabian 2005]) auf S.178. Der
Faktor Zeit wird heutzutage immer wichtiger, weil die Trends auf dem Markt sehr
kurzlebig sind. Die computergestützte Befragung hat zwei weitere Vorteile aufzu-
weisen: Zum einen wird der Interviewer ersetzt, wodurch Verzerrungen der Ant-
worten vermieden werden, und zum anderen liegen die Befragungsdaten sofort in
digitaler Form vor, so dass keine Fehler bei der Übertragung der Daten vom Papier in
den Computer auftreten können.
Vorteile:
leistungsstarke Softwarepakete stehen zur Verfügung
Einsatz bei großer Anzahl von Eigenschaften (max. 30) und Ausprägungen
(max. 9) möglich
interaktive Befragung, die sich am Beurteilungsverhalten der Probanden
orientiert
41
Analyse der Wahlbasierten und Adaptiven Conjoint-Analyse
Minimierung des Beurteilungsaufwandes durch Konzentration auf individuell
wichtige Eigenschaften
echte Individualanalysen, da spezifische Erhebungsdesigns für jeden Pro-
banden erstellt werden
Quelle: Eigene Darstellung in Anlehnung an [Brusch 2005], Tabelle 7 auf S.25.
4.2.2 Die Nachteile der Adaptiven Conjoint-Analyse
Im Gegensatz zur Wahlbasierten Conjoint-Analyse ist die Adaptive Conjoint-
Analyse keine Full-Profile-Methode. Die Auskunftspersonen bewerten niemals
Produkte bzw. Produktkombinationen, die sich aus allen möglichen Merkmalen
zusammensetzen.
Nicht so positiv ist der Aspekt, dass die leicht zu bedienende Software die
Wahrscheinlichkeit eines Missbrauchs der Conjoint-Analyse ansteigen lässt (Vgl.
[Green/Srinivasan 1990]).
Problematisch sind zudem noch die Unklarheiten über die Äquivalenz der
Skalenwerte. Es steht immer wieder zur Diskussion, dass eine feinere Skalierung zu
einer gesteigerten Vorhersagegenauigkeit führen könnte (Vgl. [Brusch 2005], S.25.).
Die Computerunterstützung bringt viele Vorteile mit sich, jedoch gibt es auch einen
Nachteil, der nicht außer Acht gelassen werden soll. Da die Computerunterstützung
bei der Adaptiven Conjoint-Analyse notwendig ist, können die Anwendungsfelder
(z.B. die möglichen Präsentationsalternativen) eingeschränkt werden.
Als kritisch wird der Einsatz von Paarvergleichen angesehen, da dadurch eine
Ineffizienz in der Datenerhebung auftreten kann.
Eine weitere Schwachstelle der Adaptiven Conjoint-Analyse ist die, dass dieses
Verfahren ungeeignet ist, den Faktor Preis zu schätzen. Dem Preis wird zu wenig
42
Analyse der Wahlbasierten und Adaptiven Conjoint-Analyse
Bedeutung zugemessen, so dass bezüglich dieses Faktors die Wahlbasierte Conjoint-
Analyse vorzuziehen ist.
Nachteile:
Computerunterstützung ist während der Datenerhebung notwendig, was die
Anwendungsfelder (z.B. die möglichen Präsentationsalternativen) einschränkt.
Unklarheit über Äquivalenz der Skalenwerte aus kompositionellen und
dekompositionellen Befragungsteil.
Einsatz von Paarvergleichen wird aufgrund von Ineffizienz in der
Datenerhebung kritisiert.
Quelle: Eigene Darstellung in Anlehnung an [Brusch 2005], Tabelle 7 auf S.25.
4.2.3 Mein Fazit für die Adaptive Conjoint-Analyse
70% der Conjoint-Analysen auf dem deutschen Markt werden mittels der Adaptiven
Conjoint-Analyse durchgeführt. Aufgrund des hohen Anteils gewinnen viele
Betrachter den Eindruck, dass die Adaptive Conjoint-Analyse das beste Verfahren ist.
Die Adaptive Conjoint-Analyse besitzt viele Vorteile, wie Flexibilität, erhöhte
Motivation, enorme Größenordnung, sofortige Berechnung, usw. und einige wenige
Nachteile, wie Missbrauchsmöglichkeit, Unklarheit über die Äquivalenz, usw..
Nach Abwägung der Vor- und Nachteile wird deutlich, weshalb die Adaptive
Conjoint-Analyse die am häufigsten eingesetzte Methode ist, jedoch hat dieses
Verfahren auch kleine Problembereiche.
Die Bereiche „Erhebungsart“ und „Erhebungssituation“ sind mit gut bis sehr gut zu
bewerten. Der Bereich „Anwendungssituation“ ist aber nur durchschnittlich geeignet
und die „Auswertungssituation“ gering geeignet (Vgl. [Backhaus et al. 2005]).
43
Analyse der Wahlbasierten und Adaptiven Conjoint-Analyse
In der Literatur wurde im Laufe der Zeit Kritik gegenüber dem zu ungenauen
Skalenniveaus geäußert, auf die aber bei der Entwicklung von neueren ACA
Softwareversionen eingegangen wurde (Vgl. [Green/Krieger/Agarwal 1991], S.220.).
Die Kritik galt besonders der 2. Phase, so dass in der ACA Version 5.0 eine
Bewertung auch durch ein Rating vorgenommen werden kann.
Insgesamt komme ich zu dem Urteil, dass die Adaptive Conjoint-Analyse aufgrund
der sehr positiven Computerunterstützung und des Individualansatzes ein gutes
Verfahren darstellt und den hohen Anteil (70%) bezüglich der Anwendung
rechtfertigt.
Allerdings wird deutlich, dass ein weiterer Bedarf an Forschung besteht, um ein
vollständig ausgereiftes Verfahren präsentieren zu können, in dem keine
Problembereiche auftauchen. Den Aspekt „Stand der Forschung“ und
„Zukunft“ möchte ich in Kapitel 5 näher durchleuchten.
4.3 Vergleich mit dem Klassischen Ansatz
Die drei verschiedenen Verfahrensvariationen, die Wahlbasierte, die Adaptive und
die Klassische Conjoint-Analyse, sind sehr schwer zu vergleichen. Die Abbildung 13
macht deutlich, dass alle drei Methoden eine unterschiedliche Basis besitzen.
44
Analyse der Wahlbasierten und Adaptiven Conjoint-Analyse
Untersuchungsansätze der Conjoint-Analyse Trade-Off Nur Full-Profile Self-Explicated und Full-Profile
Full-Profile
Partielle Profile
(Subset)
Klassische Conjoint
(Individual Analyse)
Klassische Conjoint
(Individual Analyse)
Kontinuierliche Variablen
Constrained Attribute Levels
Partial aggregierte
Modelle
Choice-Based-
Conjoint (Aggregierte
Analyse)
Komplettes Set an Full-
Profilen
Teilmenge an Full-Profilen
OLS Regression
Manova Kruskal (1965)
PREFMAP
Caroll (1973)
LINMAP Shocker & Srinivasan
OLS
Regression
Pekelman & Sven
(1979)
Bretton-Clark Herman (1988)
Krishanmurthi
& Wittink (1989)
Order Constraints Srinivasan,
Jain & Malhorta
(1983)
Componential Segmentation
Green & DeSabro (1979)
Optimal Scaling Hagerty (1985)
Cluster Analyse
Kamakura (1988)
Multinominal Logit
Louviere & Woodward
(1983)
Bayesian Cattin,
Gelfand & Danes (1983)
Monotonic Constaints
van der Lans & Heiser (1990)
Hybrid Modelle Green,
Goldberg & Montemayor
(1981)
Green (1984)
Adaptive Conjoint Analysis Johnson (1987)
z.B. Software
MDS(X)
BMPD, Bretton-Clark,
Intelligent Marketing Systems, MDS(X)
Bretton-Clark
Intelligent Marketing System,
Sawtooth
COSMOS (Infratest,
Burke)
Sawtooth
Quelle: (Vgl. [Backhaus et al. 2005], S.611.)
Abbildung 13: Alternative Untersuchungsansätze der Conjoint-Analyse
Aus der Abbildung kann man entnehmen, dass der Klassische Ansatz eine Trade-
Off- oder Full-Profile-Methode ist, die Wahlbasierte Conjoint-Analyse (= Choice-
Based-Conjoint-Analyse) eine Full-Profile-Methode und die Adaptive Conjoint-
Analyse eine partielle Profil-Methode darstellt. In der Abbildung wird die Fülle der
Verfahrensvariationen deutlich und der Betrachter erkennt, dass jeder der drei
Bereiche (Trade-Off, Full-Profile, Self-Explicated und Full-Profile) von je einer
Variante abgedeckt ist. Dadurch kann ich durch die Wahlbasierte, Adaptive und
Klassische Conjoint-Analyse jeden Bereich näher durchleuchten.
Die Traditionelle Conjoint-Analyse kann auch als Ausgangspunkt für Weiter-
entwicklungen und Neuentwicklungen von Verfahrensvarianten verstanden werden,
weil dieser Klassische Ansatz zwei Problemfelder besitzt. Das erste Problemfeld
45
Analyse der Wahlbasierten und Adaptiven Conjoint-Analyse
besteht darin, dass nur eine begrenzte Anzahl an Merkmalen und
Merkmalsausprägungen eingesetzt werden kann. Der zweite Aspekt, das
Hauptproblem, ist lediglich die Abbildung von Präferenzstrukturen, da die
„ermittelten Präferenzdaten keinerlei Informationen über ein mögliches
Wahlverhalten der Probanden“ (Vgl. [Weiber/Rosendahl 1997]) enthalten (Vgl.
[Hillig 2006]).
Die Vor- und Nachteile werde ich in den nächsten Unterkapiteln genauer aufführen.
4.3.1 Die Vorteile des Klassischen Ansatzes
Die Klassische Conjoint-Analyse besitzt ihre Vorteile in der genauen Ermittlung der
Nutzwerte und Wünsche ihrer Kunden. Des Weiteren kann durch die Kenntnis der
Nutzenanteile und –bereiche der F&E-seitige Ressourceneinsatz optimal gesteuert
werden.
Ein weiterer positiver Aspekt ist die Transparenz des Einflusses der subjektiven
Eigenschaften (imageries) auf die objektiven Eigenschaften (characteristics).
Viele weitere Vorteile führt Brusch [Brusch 2005] in der Tabelle 6 auf Seite 24 auf:
„flexibles Instrument aufgrund weitreichender Kontrolle der Beurteilungs-
aufgabe“
„vielseitiger Einsatz bei unterschiedlichen Anwendungsfeldern und Problem-
stellungen“
„realitätsnahe (weil indirekte, ganzheitliche) Datenerhebung“
„Isolierung und Quantifizierung der Nutzenbeiträge einzelner Eigenschaften“
„Ermittlung von intervallskalierten Ergebnissen“
46
Analyse der Wahlbasierten und Adaptiven Conjoint-Analyse
„Möglichkeit zur Simulation der Produktakzeptanz und des Wahlverhaltens
bei Variierung der Kombinationen der Eigenschaften bzw. Ausprägungen“
„Rückschlüsse auf Abnehmersegmente bzw. deren Präferenzstrukturen mög-
lich“
„Einsatz bei Innovationen (auch vor der Entwicklung von Prototypen) mög-
lich“
4.3.2 Die Nachteile des Klassischen Ansatzes
Neben den Vorteilen hat Brusch [Brusch 2005] in seiner Tabelle 6 auf Seite 24 eine
Reihe von Nachteilen aufgelistet:
„Einsatz nur bei begrenzter Anzahl von Eigenschaften möglich“
„Überforderung der Probanden durch zahlreiche Bewertungen von Alter-
nativen, zu denen eventuell keine eigenen Vorstellungen existieren“
„Verzerrungen durch eingeschränkte Möglichkeiten bei der notwendigen
Beschreibung untersuchter Eigenschaften und Ausprägungen“
„zumeist Verwendung von Ordinale-Skalen, bei denen streng genommen
weder Summen noch arithmetische Mittelwerte gebildet werden dürfen“
„übliche Addition der Teilnutzenwerte stellt eher notwendigen „Kunst-
griff“ dar“
„Unabhängigkeit der Ausprägungen wirkt beschränkend auf die generelle
Eignung“
„Stabilität der Präferenzstruktur über die Zeit ist fraglich“
47
Analyse der Wahlbasierten und Adaptiven Conjoint-Analyse
Als ein weiterer Nachteil kann die Aufwendigkeit sowohl in Bezug auf Zeit als auch
auf Kosten aufgeführt werden. Des Weiteren sind umfangreiche statistisch-
mathematische Kenntnisse erforderlich.
Negativ wirkt sich die Anwendung der Profilmethode aus, weil mit dieser Methode
nur einfache Produkte mit wenigen Eigenschaftsausprägungen erfasst werden.
Bei der Vorauswahl der Eigenschaften ist nachteilig aufzuzeigen, dass diese Auswahl
nicht objektiv verläuft. Die Vorauswahl der Eigenschaften ist mit Subjektivismen
behaftet.
Die größte Problematik besteht jedoch darin, dass lediglich Präferenzstrukturen
abgebildet werden, da die „ermittelten Präferenzdaten keinerlei Informationen über
ein mögliches Wahlverhalten der Probanden“ (Vgl. [Weiber/ Rosendahl 1997])
enthalten (Vgl. [Hillig 2006]).
4.4 Die Ergebnisse der Analyse und des Vergleiches der drei
conjointanalytischen Methoden
Ein eindeutiges Ergebnis bezüglich der Güte und der Anwendbarkeit der drei
vorgestellten Conjoint-Analysen lässt sich nicht so einfach herauskristallisieren. Die
Beurteilung und der Vergleich der Wahlbasierten, Adaptiven und Klassischen
Conjoint-Analyse ist aufgrund der unterschiedlichen Anforderungen an das
Erhebungsdesign, den Erhebungsumfang, die Schätzmethoden und das Aggre-
gationsniveau nur sehr schwer möglich. Eine Beurteilung der drei Verfahrens-
variationen kann nur am tatsächlichen Erfolg hinsichtlich der jeweiligen Aufgaben-
stellung erfolgen. Dies bedeutet, dass sich die Anwender vor der Durchführung einer
48
Analyse der Wahlbasierten und Adaptiven Conjoint-Analyse
Conjoint-Analyse über ihre Aufgabenstellung bzw. Problemstellung bewusst sein
müssen.
Haben die Anwender bei der Durchführung einen Anspruch auf Realitätsnähe (durch
Abfrage von Wahlurteilen) und soll eine Nichtwahl-Möglichkeit im Alternativen-Set
möglich sein, dann ist die Wahlbasierte Conjoint-Analyse vorteilhaft. Hinzu kommt
noch der Aspekt der Inferenzstatistik, die für die Wahlbasierte Conjoint-Analyse
spricht.
Bevorzugen die Anwender jedoch einen flexiblen Individualansatz, der zeitlich
schnell durchführbar ist und zudem viele Merkmale in das Befragungsdesign
aufnimmt, fällt die Entscheidung zugunsten der Adaptiven Conjoint-Analyse. Der
hohe Anteil der Anwendungen der Adaptiven Conjoint-Analyse spricht eindeutig für
dieses Verfahren. Dieser Anteil beruht mit Sicherheit auf der Computerunterstützung,
die neben der Zeitersparnis vor allem eine Kostenersparnis mit sich bringt. Durch die
computergestützte Befragung wird zum einen der Interviewer ersetzt und zum
anderen wird eine Auswertung aufgrund der vorliegenden Daten in digitaler Form
schnell durchführbar sein.
Der Klassische Ansatz, welcher der Ursprung für die anderen Verfahrensvariationen
war, findet heutzutage in der Anwendung keine große Resonanz. Die anderen
Ansätze, die den Klassischen Ansatz als Basis haben, wurden entwickelt, weil sie
Verbesserungen enthalten sollen.
Die Entwicklung der Anwendungshäufigkeiten macht Brusch in seinem Buch
„Präferenzanalyse für Dienstleistungsinnovationen mittels multimedialgestützter
Conjoint-Analyse“ auf Seite 18 deutlich. Er unterstützt meine Aussage, dass die
Resonanz bezüglich der Klassischen Conjoint-Analyse immer geringer wird. Der
Klassische Ansatz, früher am häufigsten angewendet, ist mittlerweile von der
popularisierten und seitdem softwareseitig immer wieder modifizierten Adaptiven
Conjoint-Analyse abgelöst worden. „Gemäß den neuesten Untersuchungen von
Hartmann und Sattler ist ACA allerdings von auswahlbasierten Conjoint-Analysen,
wie der Choice-Based-Conjoint (CBC), von dem ersten Platz abgelöst worden und
wird in 34% der Fälle angewendet (Vgl. [Hartmann/Sattler 2002]), so Brusch (Vgl.
[Brusch 2005]) auf Seite 19. Die beiden von mir untersuchten Analysemethoden (die
Adaptive und Wahlbasierte Conjoint-Analyse), haben in letzter Zeit in ihrer An-
wendungshäufigkeit immer mehr zugenommen und entwickeln sich zu den be-
deutendsten Vertretern der Conjoint-Analyse.
49
Analyse der Wahlbasierten und Adaptiven Conjoint-Analyse
Bezüglich der Vorhersagegenauigkeit der Verfahrensvarianten kommt man zu
keinem eindeutigen Ergebnis. In einer Studie von Huber et al. wurden 400 Personen
zu ihren Präferenzen bei Kühlschränken interviewt und es wurde festgestellt, dass die
Adaptive Conjoint-Analyse hinsichtlich der richtig vorhergesagten Entscheidungen
gegenüber dem Klassischen Ansatz besser abgeschnitten hat (Vgl. [Huber et al.
1993], S.109.). Dagegen kommt eine Studie von Agarwal/Green zu dem Ergebnis,
dass der Klassische Ansatz bessere Ergebnisse erzeugt (Vgl. [Agarwal/Green 1991],
S.143.). Es existiert kein eindeutiges Ergebnis, welches Verfahren die bessere
Vorhersagegenauigkeit besitzt.
Backhaus et al. (Vgl. [Backhaus et al. 2005]) machen in ihrer Abbildung auf Seite
614 deutlich, dass der Klassische Ansatz in den Bereichen „Erhebungsart“, „Er-
hebungssituation“, „Anwendungssituation“ und „Auswertungssituation“ nur durch-
schnittlich bis gering geeignet ist.
Insgesamt komme ich zu dem Urteil, dass die Adaptive Conjoint-Analyse aufgrund
der großen Anzahl der zu untersuchenden Attribute, der kurzen Dauer der Aus-
wertung und der einfachen Erstellung des Erhebungsdesigns das vorteilhafteste
Verfahren der Conjoint-Analyse ist, wobei die Wahlbasierte Conjoint-Analyse auch
einige Vorzüge zu bieten hat. Mir wird aber auch bewusst, dass keine der
vorgestellten conjointanalytischen Methoden den anderen in allen Bereichen
ausnahmslos überlegen ist.
Hinsichtlich der Frage, welche Conjoint-Analyse die geeignetste ist, ist es wichtig,
die Marktsituation sowie das Kaufverhalten zu betrachten. Je nachdem um welches
Gut es sich handelt, fällt die Wahl der conjointanalytischen Methode unterschiedlich
aus. Handelt es sich um ein Gebrauchsgut (z.B. ein Auto), dann ist die Adaptive
Conjoint-Analyse die bessere Methode, da diese Methode die Entscheidungsfindung
erleichtert und besonders auf die funktionalen Merkmale eingeht. Die Wahlbasierte
Conjoint-Analyse ist bei Konsumgütern (z.B. Lebensmittel) vorzuziehen. Bei
Konsumgütern fällt die Entscheidung ziemlich schnell, da es nur wenige
Informationen gibt und das Hauptaugenmerk auf dem Preis liegt.
Ich komme zu dem Ergebnis, dass die Wahl der Verfahrensvariante besonders von
der Kaufentscheidung und der Anzahl der Merkmale abhängt. Existiert bei dem Kauf
eines Produktes ein hoher kognitiver Aufwand, dann kommt die Adaptive Conjoint-
Analyse zur Anwendung. Bei niedrigem kognitivem Aufwand wird die Wahlbasierte
Conjoint-Analyse eingesetzt.
50
Conjoint-Analyse im Marketing
5 Conjoint-Analyse im Marketing
Die Conjoint-Analyse wird primär als ein Analyseverfahren des Marketing und der
Marktforschung angesehen (Vgl. [Teichert 2001]). Es gibt jedoch neben dem Bereich
der Marktforschung Anwendungsfelder in der Bewertung öffentlicher Güter, in der
Anwendung raumwirtschaftlicher Fragestellungen, wie auch in der Messung
organisationaler Entscheidungen.
Hinzu kommt noch seit einigen Jahren die Anwendung der Conjoint-Analyse bei
Dienstleistungen, vorrangig aus dem Finanzsektor, der mittlerweile ein ebenso
wichtiges Einsatzgebiet wie den Bereich der Konsumgüter darstellt. Diese
Entwicklung beruht vor allem auf der steigenden Bedeutung des Dienst-
leistungssektors. Der Schwerpunkt der Conjoint-Analyse liegt in der (Neu-)
Produktgestaltung, wobei das Verfahren gleichermaßen in Fragestellungen der
anderen Komponenten des Marketing-Mixes eingesetzt wird. Als Komponente des
Marketing-Mixes ist z.B. die Preispolitik aufzuführen.
Ebenfalls in Analysen des Wettbewerbsumfelds, sowie bei der Gestaltung und
Erfolgsmessung von Werbung kommt die Conjoint-Analyse zum Einsatz. Wie
bereits in der „Einführung in die Thematik des Conjoint-Measurement im Marke-
ting“ zum Ausdruck gebracht wurde, wird das allgemeine Ziel des Marketings, den
Verkauf und Vertrieb der produzierten Güter zu verbessern, durch die Analyse der
Bedürfnisse der jeweiligen Kundengruppen gefördert. Aufgrund dessen ist die
Conjoint-Analyse ein fester Bestandteil im Bereich der Marketingwissenschaft.
Mittlerweile dominieren computergestützte Verfahren, jedoch verdrängen diese nicht
vollständig die alternativen Verfahren. Abhängig von der Studie werden unter-
schiedliche Verfahren von den Anwendern eingesetzt (Vgl. [Melles/Holling 1998],
S.15.).
51
Conjoint-Analyse im Marketing
5.1 Stand der Forschung
Untersuchungsansätze der Conjoint-Analyse Trade-Off Nur Full-Profile Self-Explicated und Full-Profile
Full-Profile
Partielle Profile
(Subset)
Klassische Conjoint
(Individual Analyse)
Klassische Conjoint
(Individual Analyse)
Kontinuierliche Variablen
Constrained Attribute Levels
Partial aggregierte
Modelle
Choice-Based-
Conjoint (Aggregierte
Analyse)
Komplettes Set an Full-
Profilen
Teilmenge an Full-Profilen
OLS Regression
Manova Kruskal (1965)
PREFMAP
Caroll (1973)
LINMAP Shocker & Srinivasan
OLS
Regression
Pekelman & Sven
(1979)
Bretton-Clark Herman (1988)
Krishanmurthi
& Wittink (1989)
Order Constraints Srinivasan,
Jain & Malhorta
(1983)
Componential Segmentation
Green & DeSabro (1979)
Optimal Scaling Hagerty (1985)
Cluster Analyse
Kamakura (1988)
Multinominal Logit
Louviere & Woodward
(1983)
Bayesian Cattin,
Gelfand & Danes (1983)
Monotonic Constaints
van der Lans & Heiser (1990)
Hybrid Modelle Green,
Goldberg & Montemayor
(1981)
Green (1984)
Adaptive Conjoint Analysis Johnson (1987)
z.B. Software
MDS(X)
BMPD, Bretton-Clark,
Intelligent Marketing Systems, MDS(X)
Bretton-Clark
Intelligent Marketing System,
Sawtooth
COSMOS (Infratest,
Burke)
Sawtooth
Quelle: (Vgl. [Backhaus et al. 2005], S.611.)
Abbildung 14: Alternative Untersuchungsansätze der Conjoint-Analyse
Die oben aufgeführte Abbildung stellt eine Reihe von alternativen
Untersuchungsansätzen der Conjoint-Analyse dar. Dem Betrachter wird deutlich,
dass die Conjoint-Analyse weite Verbreitung in der empirischen Forschung gefunden
hat. Die blau hinterlegten conjointanalytischen Verfahren erlangten größere Be-
deutung und verfügen über entsprechende Softwareprodukte, laut Backhaus et al.
(Vgl. [Backhaus et al. 2005]) auf S.610.
52
Conjoint-Analyse im Marketing
Mittlerweile existieren auch alternative Softwareprogramme, die auch für das
Betriebssystem Windows geeignet sind. „Sawtooth Software hat mit Sensus Q&A
(Sawtooth Software, 1996) eine zeitgemäße Software zur Durchführung von
Conjoint-Analysen vorgelegt“ (Vgl. [Melles/Holling 1998]).
In der Forschung werden immer neue Verfahrensvariationen entwickelt bzw. alte
Verfahren auf Schwachstellen untersucht und verbessert. Die permanente
Weiterentwicklung und Forschung ist aber auch ein Indiz dafür, dass noch keines der
Verfahren vollkommen ausgereift ist. Bei jedem Verfahren existieren noch
Verbesserungsmöglichkeiten, auf die ich im weiteren Verlauf noch zu sprechen
komme. Auf zwei Verfahren der Conjoint-Analyse, die in der Forschung entwickelt
wurden und ziemlich neue Alternativen darstellen, möchte ich auf den folgenden
Seiten näher eingehen. Es handelt sich zum einen um die Online-Conjoint-Analyse
und zum anderen um die Customized-Computerized-Conjoint-Analysis (kurz CCC)!
5.1.1 Die Online-Conjoint-Analyse
Da die Conjoint-Analyse aus erhebungstechnischen Gründen eine sehr aufwendige
und teure Untersuchung ist, hat die Online-Forschung eine Online-Conjoint-Analyse
entwickelt und versucht, die Problembereiche zu lösen. Die Bezeichnung Online-
Conjoint-Analyse entstand dadurch, dass die Beantwortung der Fragen der Conjoint-
Analyse über das Medium Internet erfolgt. Das Internet hat sich mittlerweile zum
wichtigsten weltweiten Informationsmedium entwickelt.
Die preisgünstige Conjoint-Analyse ist aufgrund von sämtlichen computergestützten
Steuerungen wesentlich günstiger zu realisieren als persönliche Interviews.
Vorteilhaft ist zudem noch, dass für die Online-Conjoint-Analyse keine besonderen
technischen Neuentwicklungen notwendig sind, da die Basis aus der CAPI-Software
(Software für mobile „Face to Face“-Umfragen) bekannt ist.
53
Conjoint-Analyse im Marketing
Aufgrund dessen „tüfteln“ zahlreiche Online-Forschungsinstitute an der Online-
Conjoint-Analyse und entwickeln notwendige Tools. Des Weiteren ist es ein großer
Vorteil, dass es bei der Online-Conjoint-Analyse einfacher möglich ist, die Größe der
Stichprobe zu erhöhen.
Hinsichtlich der Umsetzung der Online-Conjoint-Analyse müssen die Anwender
beachten, dass die Kombinationen öffentlich werden, die der Interviewte abwägen
soll. Jeder Interviewte kennt also alle Produktalternativen, so dass die Wahr-
scheinlichkeit eines Missbrauchs der Daten erheblich ist. Die Online-Conjoint-
Analyse sollte nur für geschlossene Befragungsgruppen angewendet werden, die
durch Login und Passwort geschützt sind.
Ein weiterer wichtiger Aspekt ist die fehlende Kontrollierbarkeit durch den Forscher
bei der Befragungssituation. Das schnelle, oberflächliche „Durchklicken“ von
Auskunftspersonen könnte durch Zeitprotokolle aufgedeckt werden. Nur wenn die
Datensätze intensiv geprüft und gereinigt werden, können diese mit den
Auswertungen der herkömmlichen Conjoint-Analyse mithalten.
Dennoch kommen Experten zu dem Urteil, dass die qualitativen Einschränkungen
nicht die Online-Conjoint-Analyse in Frage stellen. Die Forscher sind sehr zufrieden
mit der Praktikabilität des Internets und messen auch bei 30 Paarvergleichen noch
eine zufrieden stellende Reliabilität.
5.1.2 Die Customized-Computerized-Conjoint-Analysis
Die Customized-Computerized-Conjoint-Analysis (kurz CCC genannt) besteht aus
einem kompositionellen und einem dekompositionellen Teil und gehört aufgrund
dessen wie die Adaptive Conjoint-Analyse zur hybriden Conjoint-Analyse. Die CCC
54
Conjoint-Analyse im Marketing
stellt eine neue Alternative zur Adaptiven Conjoint-Analyse dar, die Verbesserungen
hinsichtlich der Schwachstellen enthält.
„Die Veränderungen gegenüber der Adaptiven Conjoint-Analyse besteht unter
anderem in der Ausgestaltung des dekompositionellen Teils“, sagt Fabian (Vgl.
[Fabian 2005]) auf S.194 aus. Anstelle der in der Adaptiven Conjoint-Analyse
genutzten Paarvergleiche zur Ermittlung der Präferenz, nimmt die CCC die Rang-
reihung zu Hilfe, um eine effizientere Datenerhebung zu ermöglichen.
Die Customized-Computerized-Conjoint-Analysis, die auf der Customized-Conjoint-
Analysis (kurz CCA genannt) von Srinivasan und Park basiert, ermöglicht die
Schätzung der Teilnutzenwerte für die bedeutendsten Eigenschaften allein auf der
Basis des dekompositionellen Teils (Vgl. [Fabian 2005], S.193-194.).
Gegenüber dem Verfahren der CCA gibt es bei der Customized-Computerized-
Conjoint-Analysis zwei Veränderungen. Zum einen ist die Customized-
Computerized-Conjoint-Analysis voll computergestützt und zum anderen wird ein
anderer Modus bei der Bestimmung der Endteilnutzenwerte gewählt. Um die
Endteilnutzenwerte bestimmen zu können, werden in der letzten Phase (wie bei der
Adaptiven Conjoint-Analyse ebenfalls 5 Phasen) Gewichte für die kompositionellen
und die dekompositionellen Teilnutzenwerte bestimmt. „Gewichte werden allerdings
nur für die Kernattribute bestimmt, die sowohl im kompositionellen als auch im
dekompositionellen Teil abgefragt wurden. Allen Attributen, die keine Kernattribute
darstellen, wird der Gewichtungsfaktor eins zugewiesen“ (Vgl. [Fabian 2005]).
Diese Veränderung und die Umsetzung der Vorgehensweise als voll
computergestütztes Verfahren sind die Modifikationen der Customized-
Computerized-Conjoint-Analysis gegenüber der CCA. Alle anderen Komponenten
der beiden Verfahren sind gleich.
Ein besonderer Vorteil der CCC liegt in der Validität der Ergebnisse. Im Rahmen
einer Untersuchung mit Kaffees als Testprodukten wurde die Validität der CCC mit
der Adaptiven Conjoint-Analyse sowie mit zwei rein kompositionellen Ansätzen
verglichen und es stellte sich heraus, dass im Gesamtergebnis die CCC die höchsten
Validitätswerte besaß (Vgl. [Hensel-Börner/Sattler 2000]).
55
Conjoint-Analyse im Marketing
5.2 Die Zukunft der Conjoint-Analyse und ihrer
Verfahrensvariationen
Die Conjoint-Analyse, in den siebziger Jahren entwickelt, ist in wenigen Jahren zu
einem bedeutenden Instrument der Marktforschung geworden und nimmt an
Popularität, aufgrund der erfolgreichen Einsetzung in der Marketing-Praxis, zu. Mit
der Einführung der Computerunterstützung erfreut sich die Conjoint-Analyse immer
größerer Beliebtheit und wird in der Zukunft aus dem Bereich der
Neuproduktplanung nicht mehr „wegzudenken“ sein.
Die vermehrte Verfügbarkeit von Computersoftware und ein insgesamt positives
Image erklären die steigende Anwendung der Conjoint-Analyse.
Brusch (Vgl. [Brusch 2005]) bringt in seinem Buch auf S.17 zum Ausdruck, dass
auch weiterhin von einer steigenden Tendenz zur Nutzung der Conjoint-Analyse
ausgegangen werden kann. „So vermerkten 86% der Befragten bei der Studie von
Melles/Holling (Vgl. [Melles/Holling 1998]), die Conjoint-Analyse in Zukunft
vermehrt anwenden zu wollen“ (Vgl. [Brusch 2005]).
Natürlich bedarf es stetiger Weiterentwicklung der Conjoint-Analyse durch die
Forschung, um die Schwachstellen immer kleiner werden zu lassen, trotzdem bin ich
fest davon überzeugt, dass die Conjoint-Analyse nicht an Popularität und Resonanz
einbüßen wird, sondern ganz im Gegenteil eine viel versprechende Zukunft vor sich
hat.
Eine glänzende Zukunft hat meiner Meinung nach vor allem die Online-Conjoint-
Analyse vor sich. Auch wenn noch einige online-spezifische Probleme zu lösen sind,
erfreut sich die Online-Conjoint-Analyse durch das Medium Internet großer
Beliebtheit. Das Internet ist heutzutage schon fester Bestandteil im Alltag und wird
in der Zukunft immer bedeutsamer. Durch das Internet ist die Conjoint-Analyse
selbst für hohe Fallzahlen preiswert durchführbar. Auch zeitlich gesehen kann jetzt
eine Conjoint-Analyse schneller bewältigt werden. Der Zeitfaktor und vor allem der
Kostenfaktor waren die Ursachen, warum einige Personen vor der Conjoint-Analyse
zurückgeschreckt sind.
56
Conjoint-Analyse im Marketing
Da die Probleme der Online-Conjoint-Analyse, wie Schutz geheimer Daten oder
Bereinigung der Datensätze, allesamt lösbar sind, bin ich fest von einer glänzenden
Zukunft des Online-Verfahrens überzeugt.
Die Adaptive Conjoint-Analyse und die Wahlbasierte Conjoint-Analyse, die jetzt
schon Hauptvertreter der Conjoint-Analyse sind, werden auch in Zukunft fester
Bestandteil sein und weiterhin eine große Anwendungshäufigkeit besitzen. Auch bei
diesen beiden Analysemethoden werden im Laufe der Zeit vorteilhafte
Modifikationen stattfinden, so dass die Resonanz hoch bleiben wird.
Die Customized-Computerized-Conjoint-Analysis ist eine neue, weiterentwickelte
Alternative zur Adaptiven Conjoint-Analyse. Zum jetzigen Zeitpunkt wäre es
sinnvoller, der etablierten Adaptiven Conjoint-Analyse den Vorzug zu geben, da
weitere, vergleichende Untersuchungen notwendig sind, um eine Überlegenheit der
CCC gegenüber der Adaptiven Conjoint-Analyse festzustellen. Wenn in Zukunft
jedoch eine vollfunktionsfähige Software und weitere Forschungsergebnisse
vorhanden sind, könnte die CCC die Adaptive Conjoint-Analyse von ihrer Position
als Hauptvertreter der Conjoint-Analyse ablösen (Vgl. [Fabian 2005], S.199.).
5.3 Kritische Betrachtung dieser multivariaten Analysemethode
Backhaus et al. (Vgl. [Backhaus et al. 2005]) bringen in ihrem Buch immer wieder
zum Ausdruck, dass multivariate Analysemethoden, zu denen auch die Conjoint-
Analyse gehört, heute eines der Fundamente der empirischen Forschung in den
Realwissenschaften sind. Diese Analysemethoden stellen noch keine ausgereiften
Verfahren dar und es bedarf ständiger Forschung und Weiterentwicklung, um neue
57
Conjoint-Analyse im Marketing
Verfahrensvariationen und verbesserte Softwareprogramme zu entwickeln und
dadurch neue Anwendungsbereiche zu erschließen. Es wird immer wieder deutlich,
dass interessierte Betrachter eine gewisse Scheu bei der Anwendung der Conjoint-
Analyse besitzen, die aus einer Angst gegenüber mathematischen Darstellungen,
mangelnder Kenntnis der Methode und mit dem Einsatz des Computers resultieren.
Die Kluft zwischen interessierten Personen und den Experten der Conjoint-Analyse
müsste meiner Meinung nach geringer werden. Dass die Conjoint-Analyse am
häufigsten und am besten von Marktforschungsinstituten und ihren Experten
durchgeführt wird bzw. werden sollte, ist mir bewusst, jedoch denke ich, dass bei
größerer Vertrautheit von Interessierten mit der Conjoint-Analyse diese Methode
noch mehr zum Einsatz kommen würde.
Ich meine, dass in der Realität Bedenken bestehen, zum einen bezüglich der Kosten-
und Zeitproblematik und zum anderen, ob sich eine Investition in die Conjoint-
Analyse auch immer auszahlen wird.
Meiner Meinung nach bekommt der Anwender der Methode schon eine Antwort auf
die Frage, wie ein neues Produkt in Hinsicht auf die Bedürfnisse des Marktes optimal
zu gestalten ist, allerdings werden die Produktlebenszyklen immer kürzer und zudem
treten immer öfter unerwartete Trends auf, mit denen die wenigsten vorher gerechnet
haben. Wenn die Conjoint-Analyse eine hundertprozentige Trefferquote hätte, würde
keine Entwicklungsabteilung einer produzierenden Firma auf ihren Einsatz
verzichten. Die Investition in eine Conjoint-Analyse ist also immer mit ein wenig
Risiko behaftet. Bezüglich dieses Risikos sehe ich es als kritikwürdig, dass keine
Validitäts- und Reliabilitätsmessung bei der Anwendung der Conjoint-Analyse
implementiert ist und kein einheitliches Ergebnis vorliegt, welche Verfahrensvariante
die bessere Vorhersagegenauigkeit liefert. Verschiedene Studien liefern hinsichtlich
der Vorhersagegenauigkeit gegenteilige Ergebnisse. Diese unterschiedlichen
Aussagen fördern nicht gerade das Vertrauen der Anwender gegenüber den einzelnen
Methoden.
Einen weiteren kritischen Aspekt sehe ich in der ständig notwendigen Weiter-
entwicklung und Verbesserung der Computer-Programme. In dem Anhang meiner
Diplomarbeit befindet sich eine Tabelle mit einer Auflistung der vorhandenen
Computersoftware zur Planung und Auswertung von Conjoint-Analysen, in der eine
Vielzahl von Softwareprogrammen dargestellt wird. Es ist mit Sicherheit nicht
einfach für Institute, die die Durchführung einer Conjoint-Analyse als Dienstleistung
58
Conjoint-Analyse im Marketing
anbieten, ständig auf dem neuesten Stand der Technik und Entwicklung zu sein. Eine
immer wieder neue Anschaffung von Software-Programmen ist äußerst kostspielig
und wird schließlich auf den Kunden übertragen. Diese Kosten lassen die
Durchführung der Conjoint-Analyse immer teurer werden.
Ebenfalls kritisch zu betrachten ist die Geschwindigkeit der Entwicklung der
Conjoint-Analyse. Die zahlreichen Weiter- und Neuentwicklungen von Verfahrens-
varianten auf der Basis des Klassischen Ansatzes macht es den Praktikern nicht
gerade einfach, die verschiedenen Ansätze zu verfolgen und den geeignetsten
auszuwählen (Vgl. [Hillig 2006]).
5.4 Meine persönlichen Verbesserungsvorschläge bezüglich der
Conjoint-Analyse
Dieses Kapitel meiner Diplomarbeit, in dem ich gerne eigene Verbesserungs-
vorschläge bezüglich der Conjoint-Analyse präsentieren möchte, ist am
schwierigsten zu gestalten. Die Conjoint-Analyse befindet sich, wie einige andere
multivariate Analyseverfahren auch, noch in stürmischer Entwicklung. Forscher
setzen sich täglich mit dem Verfahren der Conjoint-Analyse auseinander und
entwickeln ständig neue methodische Varianten. Ich kann nur versuchen, mögliche
Ansatzpunkte zu finden und mich mit möglichen Schwachstellen genauer
auseinanderzusetzen.
Ich finde es unglücklich, dass der Begriff „Conjoint-Analyse“, wie aber auch der
Begriff „multivariate Analysemethoden“, nur für Fachleute ein Thema ist. Vor
meinem Studium mit dem Schwerpunkt Marketing hätte ich mir unter dem Begriff
59
Conjoint-Analyse im Marketing
„Conjoint-Analyse“ nichts vorstellen können. Meiner Meinung nach müsste dieses
interessante Analyseverfahren in der Öffentlichkeit bekannter gemacht werden.
Dieses Problem hat sich beim Durchstöbern einiger Homepages von Markt-
forschungsinstituten bestätigt. Die Darstellung einer Durchführung der Conjoint-
Analyse war meines Erachtens sehr dürftig. Es wurden zwar einige Referenzen
aufgeführt, u.a. Mercedes-Benz (als Bsp. einer Conjoint-Analyse im Anhang), jedoch
kann ich mir gut vorstellen, dass vor allem mittelständische Unternehmen bei
größerer Bekanntheit und Vertrautheit mit dieser multivariaten Analysemethode die
Conjoint-Analyse nutzen würden und auch davon profitieren könnten. Die Conjoint-
Analyse ist ein wichtiges Marktforschungs- und Marketinginstrument, dessen Dar-
stellung des Verfahrens mehr transparent gemacht werden sollte.
Eine weitere Verbesserungsmöglichkeit bezüglich der Conjoint-Analyse stellt die
Verwendung von Multimedia bei der Stimulipräsentation dar. Es werden neue Wege
zur Verbesserung der Güte der Ergebnisse diskutiert, wobei der Multimediaeinsatz
eine Verbesserung der Ergebnisgüte herbeiführen soll (Vgl. [Brusch 2005]). Es ist
zwar nicht mein persönlicher Verbesserungsvorschlag, aber dennoch bin ich von
diesem überzeugt und meine, ihn hier aufführen zu müssen.
„Die multimediagestützte Befragung stellt eine Weiterentwicklung der computer-
gestützten Befragung dar“, laut Brusch (Vgl. [Brusch 2005]) auf Seite 42. Sie
beinhaltet alle Vorteile der computergestützten Befragung und zudem noch neue
Befragungsmöglichkeiten durch den Einsatz von Tönen, Animationen und Video-
sequenzen. Hinzu kommt noch die Flexibilität der multimediagestützten Befragung,
die an allen möglichen Orten, wie auf Messen, am Point of Sale, mittels Laptop oder
online durchgeführt werden kann. Bei Befragungen können Texte, Grafiken, Bilder,
Audio, Animationen und Videos zur Anwendung kommen. Hinsichtlich der
Conjoint-Analyse können durch den Multimediaeinsatz Produkte besser dargestellt
werden. Vorher wurden Produkte nur verbal über ihre Attribute und deren
Ausprägungen beschrieben.
Die Vorteile des Multimediaeinsatzes sind also:
Präsentation visueller Informationen
Erhöhung von Aufmerksamkeit und Unterhaltungswert
Speicherung der Erhebungsdaten in digitaler Form
Speicherung weiterer akustischer und visueller Informationen
60
Conjoint-Analyse im Marketing
Erstellung von Maschinenprotokollen bei Befragungen
Minimierung des Interviewereinflusses
Ausweitung von Themenbereichen von Befragungen
kostengünstige Durchführung mancher Befragungen
(Quelle: [Brusch 2005], S.45.)
Allerdings besteht das größte Problem der Conjoint-Analyse in einem Dilemma:
„Auf der einen Seite führt eine höhere Anzahl von Attributen und Leveln zu einem
höheren Informationsgehalt, auf der anderen Seite führt dies zu einer längeren
Befragung“ (Vgl. [Fabian 2005]). Letztere birgt das Risiko von demotivierten
Probanden und demzufolge Daten von zweifelhafter Qualität. Meiner Meinung nach
müssen die Forscher an diesem Punkt Verbesserungen ansetzen. Ich könnte mir gut
vorstellen, dass durch irgendwelche Arten von Belohnungen die Befragten eine
größere Lust verspüren, an längeren Interviews teilzunehmen. Die Teilnahme an
solchen Befragungen muss den Probanden schmackhaft gemacht werden, so dass
diese enthusiastisch das Interview durchführen. Dadurch wäre auch eine höhere
Qualität der Daten gewährleistet. Der Nachteil dieser Belohnungen spiegelt sich
jedoch in dem Kostenfaktor wider.
Des Weiteren musste ich im Laufe der Ausarbeitung meiner Diplomarbeit feststellen,
dass hinsichtlich der Vorhersagegenauigkeit der einzelnen Methoden keine genauen
bzw. unterschiedliche Ergebnisse existieren. Diesen Aspekt habe ich zuvor schon
kritisch betrachtet, deshalb bin ich der Meinung, dass dieses Problem gelöst werden
muss. Auf irgendeine Art und Weise muss bei der Anwendung der Conjoint-Analyse
eine Validitäts- und Reliabilitätsmessung implementiert werden. Ein einheitliches
Ergebnis, welches Verfahren die besseren Prognosewerte erzeugt, würde den
Anwendern sehr helfen und das Vertrauen in die Methode stärken.
Ich habe auch festgestellt, dass keine Verfahrensvariante der Conjoint-Analyse die
anderen Methoden in allen Punkten ausnahmslos überlegen ist. Es kommt immer auf
die jeweilige Untersuchung an, welche Methode sich als die geeignetste darstellt.
Meiner Meinung nach muss für den Anwender eindeutig feststehen, in welchen
Fällen dieser die verschiedenen conjointanalytischen Methoden anwenden muss.
Eine solche Festlegung spart eine Menge an Zeit und es werden bessere Ergebnisse
erzielt. Dieses Problem besteht ebenfalls für die computerunterstützten Conjoint-
61
Conjoint-Analyse im Marketing
Analysen. Die Menge an Software-Angeboten (siehe Anhang) macht es dem
Anwender nicht gerade einfach, die richtige Software für sein Vorhaben
auszuwählen. Eine ideale Verbesserung wäre eine Software-Lösung für alle
computerunterstützten Methoden, wodurch gerade die Marktforschungsinstitute
durch unnötige weitere Anschaffung von Software Geld sparen könnten. Aus diesem
Grund könnte die Durchführung einer Conjoint-Analyse preiswerter werden. Die
Software Sensus Q&A ist eine solche Lösung, die sich für die Adaptive Conjoint-
Analyse, die Discrete-Choice und für eine allgemeine Befragung eignet (siehe
Tabelle im Anhang), allerdings sind dies nicht alle Methoden und auch hier bestehen
Verbesserungsmöglichkeiten.
In dem Anwendungsbeispiel einer Conjoint-Analyse (Neuproduktplanung von
Mercedes-Benz), welches sich im Anhang befindet, wird deutlich, dass bei
Präferenzurteilen der Probanden bezüglich des Designs eines Fahrzeuges das
Problem des emotionalen Charakters auftritt, obwohl die Befragungsmethodik sehr
rational ist. Es wird erhofft, dass dieses Problem durch den Einsatz von Produkt-
kliniken im Cyber Space (Virtuelle Realität) gelöst werden kann. Der Einsatz von
Produktkliniken bedeutet, dass in einem weiteren, separaten Teil der Conjoint-
Analyse alle Detailmerkmale mit ihren Ausprägungen berücksichtigt werden. Dies
ist ein neuer Ansatz zur Verbesserung der Conjoint-Analyse, der nicht von mir
persönlich kommt, aber ebenfalls erwähnenswert ist und in der Zukunft sicherlich
zum Einsatz kommen wird (Vgl. [Bauer/Dichtl/Herrmann 1996]).
62
Resümee
6 Resümee
Mein Resümee bezüglich der „Anwendung des Conjoint-Measurement im
Marketing“ fällt sehr positiv aus. Auch wenn das Verfahren der Conjoint-Analyse
sich noch in reger Entwicklung befindet und längst noch keine ausgereifte
Analysemethode darstellt, bin ich von einer glänzenden Zukunft überzeugt.
Die Forscher entwickeln ständig neue methodische Variationen und verbesserte
Software-Programme, die das Verfahren der Conjoint-Analyse effizienter und
vorteilhafter werden lassen. Gerade hinsichtlich der Online-Conjoint-Analyse denke
ich, dass dieses Online-Verfahren seinen Weg in der Zukunft machen wird. Das
Medium Internet bietet zahlreiche Möglichkeiten und Vorteile, von der die Online-
Conjoint-Analyse profitieren kann bzw. wird.
Wenn ich diese multivariate Analysemethode allgemein betrachte, kann ich mir gut
vorstellen, dass gerade in der heutigen Zeit das Interesse an der Conjoint-Analyse
immer größer werden wird. Welche produzierende Firma möchte nicht wissen, wie
ein neues Produkt in Hinsicht auf die Bedürfnisse des Marktes optimal zu gestalten
ist?
In der heutigen Zeit herrscht ein so großer Konkurrenzkampf und die Produzenten
müssen sich immer neue Ideen einfallen lassen, um sich von der breiten Masse
absetzen zu können und eine möglichst große Kundengruppe zu erreichen. Bezüglich
des Entwicklungspotentials sieht man an meinen eigenen Verbesserungsvorschlägen,
dass in diesem Bereich noch ein großer Spielraum besteht. Ich habe einfache
Verbesserungsvorschläge genannt, dennoch denke ich, dass Forscher, die sich
jahrelang mit dem Thema auseinandersetzen, auf ganz wichtige und bedeutende
Erkenntnisse stoßen werden.
Des Weiteren stelle ich aber auch fest, dass keine Methode existiert, die den anderen
Varianten in allen Belangen ausnahmslos überlegen ist. Ich sehe es als etwas kritisch
an, dass die Anwender vor der Durchführung einer Conjoint-Analyse genau
überlegen müssen, welche Variante der Conjoint-Analyse für ihr Vorhaben am
geeignetsten ist.
Ich persönlich finde, dass die Adaptive Conjoint-Analyse die conjointanalytische
Methode mit den größten Vorteilen ist. Es ist schwierig aus der Literatur und den
63
Resümee
verschiedenen Studien zu entscheiden, welches Verfahren der Conjoint-Analyse am
vorteilhaftesten ist und die besten Ergebnisse liefert, dennoch bin ich der Meinung,
dass die hohe Anzahl der zu untersuchenden Attribute, die kurze Dauer der
Auswertung, das hohe Interesse der Befragten und die einfache Erstellung des
Erhebungsdesigns eindeutig für die Adaptive Conjoint-Analyse sprechen.
Alles in allem finde ich, dass die Conjoint-Analyse ein Verfahren mit großer Zukunft
ist, bei der aber auch noch viel Entwicklungspotential enthalten ist.
64
Literaturverzeichnis
Literaturverzeichnis
I. Bücher
[Backhaus et al. 2005]
Backhaus, K.; Erichson, B.; Plinke, W.; Weiber, R. (2005): Multivariate
Analysemethoden; 11. Auflage, Berlin 2005, S.558-617
[Balderjahn 1993]
Balderjahn, I. (1993): Marktreaktionen von Konsumenten: ein theoretisch-
methodisches Konzept zur Analyse der Wirkung marketingpolitischer Instrumente;
Berlin, S.91
[Bauer/Dichtl/Herrmann 1996]
Bauer, H. H./Dichtl, E./Herrmann, A. (1996): Automobilmarktforschung.
Nutzenorientierung von PKW-Herstellern, S.53-66
[Billings/Scherer 1988]
Billings, R., Scherer, L. (1988): The Effects of Response Mode and Importance on
Decision-Making Strategies; Vol.14, S.1-19
[Brusch 2005]
Brusch, M. (2005): Präferenzanalyse für Dienstleistungsinnovationen mittels
multimedialer Conjoint-Analyse; Wiesbaden 2005
[Büschken 1994]
Büschken, J. (1994): Conjoint-Analyse: Methodische Grundlagen und
Anwendungen in der Marktforschungspraxis
[Dolan 1990]
Dolan, R. J. (1990): Conjoint-Analysis: A Manager´s Guide; S.1-18
VI
Literaturverzeichnis
[Fabian 2005]
Fabian, S. (2005): Wettbewerbsforschung und Conjoint-Analyse; 1.Auflage,
Wiesbaden 2005
[Fillip 1997]
Fillip, S. (1997): Marktorientierte Konzeption der Produktqualität; Wiesbaden 1997;
S.255
[Green/Srinivasan 1978]
Green, P. E.; Srinivasan, V. (1978): Conjoint Analysis in consumer research:
Issues and outlook; S.103-123
[Green/Krieger/Varra 1997]
Green, P. E.; Krieger, A. M. und Vavra, T. G. (1997): Evaluating New Products;
S.12-21
[Gustafsson 1999]
Gustafsson, A. (1999): Conjoint Analysis: a useful tool in the design process; S.336
[Hartmann/Sattler 2002]
Hartmann, A.; Sattler, H. (2002): Commercial Use of Conjoint Analysis in
Germany, Austria, and Switzerland; S.4
[Hensel-Börner/Sattler 1998]
Hensel-Börner, S. und Sattler, H. (1998): Validität der Customized Computerized
Conjoint Analysis (CCC); S.1
[Huber et al. 1993]
Huber, J.; Wittink, D. R.; Fiedler, J. A. und Miller, R. (1993): The effectiveness
of alternative preference elicitation procedures in predicting choice; S.109-S.111
[Hillig 2006]
Hillig, T. (2006): Verfahrensvarianten der Conjoint-Analyse zur Prognose von
Kaufentscheidungen; 1.Auflage, Wiesbaden 2006
VII
Literaturverzeichnis
[Johnson 1974]
Johnson, R. M. (1974): Trade-off analysis of consumer values; Vol.11, S.121-127
[Krantz/Tversky 1971]
Krantz, D., Tversky, A. (1971): Conjoint Measurement Analysis of Composition
Rules in Psychology; Vol.78, S.151-169
[Lehmann/Gupta/Steckel 1998]
Lehmann, D. R./Gupta, S./Steckel, J. H. (1998): Marketing Research;
Massachusetts, S.548
[Malhotra 1996]
Malhotra, N. K. (1996): Marketing Research: an applied orientation; New Jersey,
S.711
[Mc Fadden 1973]
Mc Fadden, D. (1973): Conditional Logit Analysis of Qualitive Choice Behavior;
S.105
[Melles/Holling 1998]
Melles, T. & Holling, H. (1998): Einsatz der Conjoint-Analyse in Deutschland. Eine
Befragung von Anwendern, S.1-20
[Reiners 1996]
Reiners, W. (1996): Multiattribute Präferenzstrukturmodellierung durch die
Conjoint-Analyse: Diskussion der Verfahrensmöglichkeiten und Optimierung von
Paarvergleichsaufgaben bei der Adaptiven Conjoint-Analyse. Münster: LIT
[Sawtooth Software 2002]
Sawtooth Software (2002): ACA System. Adaptive Conjoint Analysis Version 5.0,
in: Sawtooth Software (Hrsg.): Technical Paper Series, Sequim, WA.
[Schubert 1995]
Schubert, B. (1995): Conjoint-Analyse; Stuttgart: Schäffer-Poeschel, S.378
VIII
Literaturverzeichnis
[Teichert 2001]
Teichert, T. (2001): Nutzenschätzung in Conjoint-Analysen; 1.Auflage, Wiesbaden
2001
[Thomas 1979]
Thomas, L. (1997): Conjoint Measurement als Instrument der Absatzforschung;
S.199-211
[Weiber/Rosendahl 1997]
Weiber, R./Rosendahl, T. (1997): Anwendungsprobleme der Conjoint-Analyse: Die
Eignung conjointanalytischer Untersuchungsansätze zur Abbildung realer
Entscheidungsprozesse; S.111
II. Lexika
[Neues Grosses Volkslexikon Auflage 1979]
Neues Grosses Volkslexikon, München 1979 (9.Band)
[Encarta Enzyklopädie Standard 2003]
Encarta Enzyklopädie Standard 2003 (CD-Rom)
IX
Literaturverzeichnis
ΙΙΙ. Zeitschriften
[Agarwal/Green 1991]
Agarwal, Manoj K./Green, Paul E. (1991): “Adaptive Conjoint Analysis versus
self-explicated models: Some empirical results”, in: International Journal of
Research in Marketing, 8, S.141-146
[Cohen 1997]
Cohen, S.H. (1997): Perfect Union – CBCA marries the best of conjoint and discrete
choice models, journal of Marketing Research, Vol. 34, No. 2, spring 1997, p.15
[Green/Krieger/Agarwal 1991]
Green, Paul E./Krieger, Abba M./Agarwal, Manoj K. (1991): „Adaptive Conjoint
Analysis: Some caveats and suggestions“, in: Journal of Marketing Research, Vol.
XXVII, S.220
[Hensel-Börner/Sattler 2000]
Hensel-Börner, S. und Sattler, H. (2000): Ein empirischer Validitätsvergleich
zwischen der Costumized Computerized Conjoint Analysis, der Adaptiven Conjoint
Analysis und Self-Explicated-Verfahren; Ausgabe: 6/2000
[Louviere/Woodworth 1983]
Louviere, J., Woodworth, G. (1983): Design and Analysis of Simulated Consumer
Choice or Allocation Experiments: An Approach Based on Aggregate Data, Journal
of Marketing Research, Vol.20, S.350-367
X
Eidesstattliche Erklärung
Eidesstattliche Erklärung
Ich erkläre hiermit an Eides Statt, dass ich die vorliegende Arbeit selbständig und nur
unter Verwendung der angegebenen Hilfsmittel angefertigt habe; die aus fremden
Quellen direkt oder indirekt übernommenen Gedanken sind als solche kenntlich
gemacht.
Die Arbeit wurde bisher keiner anderen Prüfungsbehörde vorgelegt und auch noch
nicht veröffentlicht.
Delbrück, den 17.08.2006
XI
Anhang
Anhangsverzeichnis
• Anwendungsbeispiel einer Conjoint-Analyse:
Kundenorientierte Produktgestaltung mittels Conjoint-Measurement:
Neuproduktplanung bei Mercedes-Benz.
(Vgl. Bauer, H. H./Dichtl, E./Herrmann, A. (1996): Automobil-
marktforschung. Nutzenorientierung von PKW-Herstellern, S.53-66.)
• Computersoftware zur Planung und Auswertung von Conjoint-Analysen
(Vgl. Melles, T. & Holling, H.(1998): Einsatz der Conjoint-Analyse in
Deutschland. Eine Befragung von Anwendern.)
XII
Anwendungsbeispiel einer Conjoint-Analyse: Kundenorientierte Produktgestaltung mittels Conjoint-Measurement:
Neuproduktplanung von Mercedes-Benz (Zusammenfassung)
Für Mercedes-Benz war es von Bedeutung, für erfolgreich bediente und neu zu
erobernde Kundengruppen spezifische Fahrzeugkonzepte abzuleiten. Diese Aufgabe
sollte mittels der Conjoint-Analyse durchgeführt werden. Die Ergebnisse, die durch
Conjoint-Analyse entstanden sind, dürfen aufgrund der strategischen Bedeutung
nicht vollständig dargestellt werden, so dass die jeweiligen Zielgruppen und die
daraus abgeleiteten Fahrzeugkonzepte anonymisiert worden sind.
Definition der Zielgruppe und Analyse der Stichprobe:
Die Definition der Zielgruppen wurde in einen mehrstufigen Prozess entwickelt, in
dem die Clusteranalyse den Rahmen bildete. In regelmäßigen Umfragen wurden
neben Kaufgründen auch Fahrzeugnutzer einschließlich soziodemographischer
Angaben, Vorbesitz, Fahrzeugnutzung, in Betracht gezogene Kaufalternativen sowie
Stärken und Schwächen des erworbenen Fahrzeugs erfasst.
Die Conjoint-Analyse, die auf 1000 Interviews mit Neuwagenkäufern basiert, wurde
in den vier europäischen Volumenmärkten von Mercedes-Benz durchgeführt. Die
Stichprobe bestand aus jeweils ein Drittel aus den durch Alter und Familienstand
definierten Zielgruppen A, B und C. Des Weiteren waren in jeder Zielgruppe ein
Drittel an Neuwagenkäufern der eigenen Marke, da die Substitutionsauswirkung
neuer Fahrzeugkonzepte bei den bisherigen Kunden abgeschätzt werden sollte.
Die Merkmalsauswahl:
Die Bedingungen bei der Auswahl der Merkmale waren:
• Die Merkmale sollten für die Kaufentscheidung relevant sein.
• Sie sollten beeinflussbar sein bzw. technisch umsetzbar sein.
• Sie sollten auf der gleichen Bewertungs- und Entscheidungsebene liegen und
voneinander unabhängig sein.
Die Interviews erfolgten nach der Adaptiven Conjoint-Analyse (Version: ACA 4.0),
wodurch der Befragungsaufwand durch die Computerunterstützung wesentlich
reduziert wurde. Die Adaptive Conjoint-Analyse besitzt einen kompositionellen und
einen dekompositionellen Teil. Der kompositionelle Teil besteht aus drei Elementen:
1. Der Proband eliminiert die Merkmalsausprägungen, die er unter keinen Um-
ständen in Betracht zieht.
2. Er bringt die noch verbleibenden Ausprägungen in eine Rangfolge nach Maßgabe
der Vorziehenswürdigkeit.
3. Der Befragte bewertet jeweils die Wichtigkeit der Differenz zwischen der am
höchsten und der am niedrigsten präferierten Ausprägung.
Der dekompositionelle Ansatz besteht aus Paarvergleichen, die durch den
kompositionellen Teil individuell konstruiert wurden. Außerdem gibt der Befragte
bei jedem Produktkonzept an, mit welcher Wahrscheinlichkeit er das Endergebnis
kaufen würde. Der Umfang betrug 15 konzeptbeschreibende Merkmale mit 5-6
Merkmalsausprägungen. Die Kriterien für die Beurteilung waren Fahrzeuglänge,
Fahrzeugaufbau, Türen/Türöffnung, Styling, Fahrzeuganmutung, Innenraum-
ambiente, Motorisierung und Transportkapazität im Fahrzeuginnenraum. Zu jedem
Merkmal kamen die Merkmalsausprägungen hinzu, die hier nicht einzeln aufgeführt
werden.
Empirische Befunde:
Es wurde durch die Conjoint-Analyse überprüft, inwieweit die internen Vor-
stellungen über die Lebenswelt der Zielgruppe mit der empirischen Realität
übereinstimmen und wie homogen die Anforderungen an ein Fahrzeug sind. Die
Gegenüberstellung der Einstellungsmittelwerte der Zielgruppen A, B und C machten
deutlich, dass die Betroffenen relativ homogen sind.
Des Weiteren wurden die Teilnutzenwerte der Zielgruppen A, B und C errechnet.
Dadurch kam man zu dem Ergebnis, dass die Zielgruppe C ein „Styling, das nicht
auffallen soll“ bevorzugt und die Zielgruppen A und B den Gegensatz, nämlich ein
„auffälliges Styling“ sich wünschen.
Als weiteres Ergebnis wurden die Idealfahrzeuge der Zielgruppen definiert, dass aus
den Ausprägungen mit den höchsten Teilnutzenwerten eines Merkmals (siehe
folgende Abbildung) besteht und von denen erwartet wird, dass sie die höchste Kauf-
wahrscheinlichkeit aufweisen.
Deutschland Europa
Fahrzeuglänge: Mittelklassesegment
Aufbau: Stufenheck
Styling: soll nicht auffallen
Fahrzeuganmutung
außen:
sachlich funktional
elegant-dynamisch
klassisch-elegant
elegant-dynamisch
deutliche Unterschiede zw.
Deutschland und Europa
Innenraumambiente: Sachlich-funktional Elegant-luxuriös relative Homogenität zwischen
Innen- und Außendesign
Abbildung: Idealfahrzeug der Zielgruppen
Die Matrix der Kaufwahrscheinlichkeit enthält neben den Werten für die
Idealfahrzeuge der jeweiligen Zielgruppe auch Zahlen für intern definierte
Fahrzeugkonzepte. Bei der Betrachtung der nachfolgenden Tabelle erkennt man, dass
die Zielgruppen höchstwahrscheinlich PKW 3 kaufen würden.
Fahrzeug/
Zielgruppe
Konzept 1 Konzept 2 Konzept 3 Konzept 4 Konzept 5
A 5,7 6,8 9,6 6,6 4,1
B 7,6 5,9 11,3 7,8 2,9
C 4,0 5,0 10,6 6,6 3,1
Alle
Befragten
5,8 5,9 10,6 7,1 3,4
Höchste Kaufwahrscheinlichkeit bezogen auf Fahrzeugkonzept bzw. Zielgruppe
Abbildung: Matrix der Kaufwahrscheinlichkeit
Durch eine Sensitivitätsanalyse wurde festgestellt, dass die wichtigsten Stellhebel für
eine Konzeptoptimierung Styling, Transportkapazität und Fahrzeugaufbau darstellen.
In einer Sensitivitätsanalyse werden Merkmalsausprägungen von geringer Kaufwahr-
scheinlichkeit stufenweise bis hin zu hoher Kaufwahrscheinlichkeit verändert.
Zusammenfassung:
Die Ergebnisse der Conjoint-Analyse waren lediglich nur befriedigend, da eindeutige
Befunde nur bei Merkmalen mit objektiven bzw. physikalischen Produkt-
eigenschaften (z.B. Transportkapazität) erzielt wurden. Es ließ sich auch feststellen,
dass die Zielgruppen A und B, die sich nur im Familienstand unterscheiden, eine
hohe Übereinstimmung besaßen und nur Unterschiede bezüglich des Innenraumes
aufwiesen. Es konnten aber keine Informationen über innovative Merkmale (z.B.
Flügel-/Schiebetüren) gewonnen werden. Insgesamt entstehen bei Anwendung der
Conjoint-Analyse auch Grenzen, wie z.B. bei der Bewertung von Innovationen.
Computersoftware zur Planung und Auswertung von Conjoint-Analysen
Eignung für… Designkonstruktion Interviewgestaltung Datenerhebung Parameterschätzung weitere Analysen
ACA Adaptive CA Programmeigenes, adaptives
Design aus direkten und
indirekten Merkmals-
beurteilungen
Informationsbildschirme,
Farben verschiedener Bild-
elemente
Computergestütztes
Interview nach ACA
typischem Ablauf (in vier
Phasen)
Lineare Regression Wahl-/ Marktanteilsanalyse
nach First-Choice-Modell,
Logit-Modell, korrigiertem
Logit-Modell,
Segmentanalysen
ALASCA Adaptive CA
Klassische Vollprofil-CA
Paarvergleiche
Adaptives, d-optimales,
manuelles, Häufigkeits- oder
Zufallsdesign für
Paarvergleiche, orthogonales
Vollprofildesign
Informationsbildschirme,
Farben verschiedener Bild-
elemente, Bildschirmtexte
(z.B. Buttontext), Objekt-
vergleiche mit Bildern
Computergestütztes,
multimediales Interview
Regression, multinomiale
Logit-Regression, ordinale
Restriktionen möglich
Wahl-/Marktanteilsanalyse
nach First-Choice-Modell,
Logit-Model, korrigiertem
Logit-Modell, Axiomtestung
CBC Discrete-Choice Optional orthogonale,
Zufalls- oder gemischtes
Design bis zu 50
Wahlaufgaben mit max. 9
Konzepten, max. 6 Merkmale
pro Konzept
Informationsbildschirme Computergestütztes
Interview (Disc-by-Mail oder
CAPI) oder Papier-und-
Bleistift-Befragung
„Wahlanteile“ der
Ausprägungen, multinomiale
Logit-Regression auf
aggregierter Ebene
Latent-Class-Segmentierung
CONJOINT
DESIGNER/
ANALYZER
Klassische Vollprofil-CA Orthogonales Design,
manuell modifizierbar
Art der Skalierung Nur in Papier-und-Bleistift-
Form
Lineare Regression,
verschiedene Schätzmodelle
(z.B. Vektormodell) möglich
und testbar
Wahl-und
Marktanteilsprognosen nach
First-Choice-Modell, BTL-
Modell
CONSURV Klassische Vollprofil-CA Orthogonales oder
erweitertes Design (zur
Schätzung ausgewählter
Interaktionen)
Anzahl und Anordnung der
Konzepte pro Seite,
Terminologie und Art der
Skalierung
Nur in Papier-und-Bleistift-
Form
Lineare Regression Wahl-/
Marktanteilsprognosen nach
First-Choice-Modell und
zwei Varianten,
Segmentanalysen
CVA Klassische Vollprofil-CA
Paarvergleiche (Vollprofile)
Trade-Off-Matrizen
Annähernd orthogonales
Design für Vollprofil-CA
Art der Skalierung Nicht im Programm
implementiert, mit Ci3
computergestützt
durchführbar oder in Papier-
Bleistift-Form
Lineare Regression,
monotone Regression,
ordinale Restriktionen
möglich
Wahl-
/Marktanteilsprognosen nach
First-Choice-Modell, Logit-
Modell (share of preference),
korrigiertem Logit-Modell,
Segmentanalysen
GfK-Optimizer Adaptive CA Adaptives Design Computergestütztes
Interview nach GfK-
Optimizer spezifischem
Verlauf (in 6 Schritten)
Lineare Regression Wahl-
/Marktanteilsprognosen,
Segmentanalysen
Sensus Q&A Adaptive CA (Sensus
TradeOFF)
Discrete-Choice (Sensus
Choice)
Adaptives ACA-Design für
Paarvergleiche, optional
orthogonales, Zufalls- oder
gemischtes Design für
Discrete-Choice (wie CBC) Allgemeine Befragung
Informationsbildschirme,
Farben verschiedener
Bildelemente, Bildschirm-
texte (z.B. Buttontext), Bild-
und Geräuschunterstützung
zu Merkmalen
Computergestütztes,
multimediales Interview
Lineare Regression (Sensus
TradeOFF), Logit-
Regression auf aggregierter
Ebene (Sensus Choice)
Wahl-/Marktanteilsanalyse
nach First-Choice-Modell,
Logit-Modell, korrigiertem
Logit-Modell,
Segmentanalysen
SPSS Conjoint Klassische Vollprofil-CA Orthogonales Design durch
die Prozedur SPSS-
Orthoplan
Nur in Papier-und-Bleistift-
Form (PLANCARDS)
Lineare Regression