Die Umsetzung von Conjoint-Analyseverfahren in der Marktforschung

Eine anwendungsorientierte Betrachtung durch die Software Lighthouse Studio von Sawtooth


Bachelor Thesis, 2017

50 Pages, Grade: 2,0


Excerpt


Inhaltsverzeichnis

Abbildungsverzeichnis

1. Einleitung

2. Grundzüge der Conjoint Analyseverfahren

3. Auswahl der relevanten Eigenschaften
3.1 Anforderungen an die Eigenschaften und Ausprägungen
3.1.1 Relevant
3.1.2 Präferenzunabhängig
3.1.3 Empirisch Unabhängig
3.1.4 Realisierbar und Beinflussbar
3.1.5 Eindeutig
3.1.6 Kompensierbar
3.1.7 Vollständig und Begrenzt
3.2 Methoden zur Identifizierung der Eigenschaften
3.2.1 Elicitation-Technik
3.2.2 Duale Befragungen
3.2.3 Gruppeninterview
3.3 Bestimmung der relevanten Eigenschaftsausprägungen

4. Festlegung des Präferenzstrukturmodells (PSM)
4.1 Nutzenfunktion
4.2 Verknüpfungsfunktion

5. Definition des experimentellen Designs
5.1 Definition der Produktkonzepte
5.2 Anzahl der Produktkonzepte

6. Präsentationsform der Produktkonzepte

7. Festlegung der Bewertungsskala
7.1 Rating
7.2 Ranking
7.3 Auswahlaufgaben

8. Verfahren zur Schätzung der Teilnutzenwerte

9. Gütekriterien der Conjoint-Analyse
9.1 Reliabilität
9.2 Validität

10. Varianten der Conjoint-Analyse
10.1 Choice Based Conjoint Analyse (CBC)
10.2 Adaptive Choice Based Conjoint Analyse (ACBC)
10.3 Vor- und Nachteile der CBC und ACBC

11. Fazit und Ausblick

Anhang

Literaturverzeichnis

Abbildungsverzeichnis

Abbildung 1: Methoden zur Ermittlung relevanter Eigenschaften

Abbildung 2: Duale Befragung am Beispiel Autos

Abbildung 3: Mathematische Funktion des Vektormodells

Abbildung 4: Mathematische Funktion des Idealpunktmodells

Abbildung 5: Mathematische Funktion des Teilnutzenwertmodells

Abbildung 6: Verknüpfungsfunktionen

Abbildung 7: Das linear-additive Teilnutzenwertmodell

Abbildung 8: Aufbau der Profilmethode und der Zwei-Faktor-Methode

Abbildung 9: Unterschiede in den Darstellungsformen

Abbildung 10: Relevante Eigenschaften und Ausprägungen der CBC

Abbildung 11: Standardfehler des Testdesigns der CBC

Abbildung 12: CBC Auswahlaufgabe „Format: Discrete Choice“

Abbildung 13: Teilnutzenwerte und Standardabweichung der CBC

Abbildung 14: Choice Simulator mit drei fiktiven Produkten

Abbildung 15: Simulierter „Shares of Preference“ der drei Produktkonzepte

Abbildung 16: Relevante Eigenschaften und Ausprägungen der ACBC

Abbildung 17: „Build Your Own Task“

Abbildung 18: Screening-Aufgabe

Abbildung 19: Frage zu den „Unacceptables“

Abbildung 20: Frage zu den „Must-Haves“

Abbildung 21: Auswahlaufgabe der ACBC

Abbildung 22: Registerkarte „Level Counts"

Abbildung 23: Relative Wichtigkeit und Standardabweichung der Eigenschaften

Abbildung 24: Ergebnisse der Elicitation Technik (Wohnungen)

Abbildung 25: Ergebnisse der Elicitation Technik (Smartphones)

Abbildung 26: Teilnutzenwerte der ACBC

1. Einleitung

Die Conjoint-Analyse ist ein Verfahren mit dem die Kaufabsichten der Kunden[1] gemessen werden können. Die Bedeutung der Conjoint-Analyse nimmt seit ihrer Erfindung Mitte der siebziger Jahre stetig zu. (vgl. MacInerney 2007, S. 1) Eine Ursache dafür ist der in den Sechzigerjahren beginnende Wandel von Verkäufer- zu Käufermärkten. (vgl. Voeth 2000, S. 1) Die Wettbewerbsfähigkeit der Unternehmen hängt heute maßgeblich davon ab, bestehende Produktkonzepte an die sich ändernden Kundenbedürfnisse anzupassen. Mit der Forschung und Entwicklung geht ein hohes Investitionsrisiko einher, welches reduziert werden kann, wenn bereits in einer frühen Phase die Bedürfnisse des Kunden berücksichtigt werden. (vgl. Steiner 2007, S. 1; vgl. Rudolph 2012, S. 1 f.) Um herauszufinden welche Bedürfnisse die Zielgruppe hat, verwenden Marktforscher Conjoint Analyseverfahren mit denen es möglich ist, die für den Kunden wichtigen Eigenschaften zu ermitteln. (vgl. Backhaus et al. 2011, S. 176)

In dieser Arbeit soll die Frage geklärt werden wie sich Conjoint Analyseverfahren umsetzen lassen und welche Herausforderungen in diesem Zusammenhang bestehen. Das Ziel ist es dabei, lösungsorientierte Handlungsempfehlungen für die Durchführung zu geben, sowie herauszustellen welche Conjoint Analysen für die Marktforschungspraxis die größte Bedeutung haben. Außerdem soll die Funktionsweise der bedeutendsten Conjoint Analysen anwendungsorientiert dargestellt werden.

Bevor mit dem praktischen Teil der Arbeit begonnen werden kann, ist es zunächst erforderlich, ein Verständnis für den theoretischen Aufbau der Conjoint Analysen zu schaffen. Deswegen thematisiert der erste Teil dieser Arbeit die Funktionsweise und die typischen Planungsschritte von Conjoint Analysen. Dabei wird ein Fokus auf die Auswahl der relevanten Eigenschaften und Ausprägungen gelegt. Im Anschluss daran erfolgt der praktische Teil, in dem zwei gängige Conjoint Analyseverfahren vorgestellt werden. Hierfür wurden zwei realistische Anwendungsbeispiele konstruiert, um darzustellen, wie eine Conjoint Analyse in der Marktforschung umgesetzt werden kann. Durchgeführt werden die Conjoint Analysen mit der Software Lighthouse Studio von Sawtooth.

2. Grundzüge der Conjoint Analyseverfahren

Der Begriff Conjoint ist ein Kunstwort aus „CONsidered JOINTly“, das übersetzt ganzheitlich betrachtet heißt. Die Namensgebung ist darauf zurückzuführen, dass es sich um Verfahren handelt, welche von den empirisch erhobenen Gesamturteilen auf die Bedeutung einzelner Eigenschaften, den sogenannten Teilnutzen, schließen. (vgl. Backhaus et al. 2011, S. 176) Eine einheitliche Definition der Conjoint-Analyse ist nicht bekannt. Die Conjoint-Analyse ist genauer gesagt ein Überbegriff für verschiedene Verfahren die im Kern die Gemeinsamkeit aufweisen, dass sie individuelle Nutzenvorstellungen analysieren. (vgl. Erhard 2008, S. 3) Dabei soll durch eine Conjoint-Analyse herausgefunden werden, welchen Nutzenbeitrag die einzelnen Eigenschaften und Eigenschaftsausprägungen zu dem Gesamtnutzen eines Produktes leisten. (vgl. Backhaus et al. 2011, S. 186) Allgemein zeichnet sich das Verfahren durch die Realitätsnähe der Befragungssituation aus, da den Befragten technisch realisierbare Produktkonzepte[2] zur Beurteilung vorgelegt werden. (vgl. Erhard 2008, S. 3) Innerhalb der Markt- und Konsumentenforschung sind die wichtigsten Anwendungsfelder die Produktentwicklung, Preisbestimmung und Marktsegmentierung. (vgl. MacInerney 2007, S. 1)

Obwohl die Conjoint-Analyse (CA) immer weiterentwickelt wurde und es heute viele Varianten der CA gibt, sind die grundlegenden Planungsschritte der Conjoint-Analyse seit ihrer Erfindung weitestgehend unverändert geblieben. (vgl. Kaltenborn et al. 2013, S. 27) Jedem der fundamentalen Aufbauschritte wird im weiteren Verlauf ein eigener Abschnitt gewidmet. (vgl. Hahn 1997, S. 45) Bei den verschiedenen Verfahrensvarianten der Conjoint-Analyse können jedoch weitere Planungsschritte nötig sein. Diese spezifischen Schritte sind nicht Gegenstand dieser Arbeit.

3. Auswahl der relevanten Eigenschaften

Der erste Schritt einer jeden Conjoint-Analyse beginnt mit der Auswahl der relevanten Eigenschaften und Ausprägungen. Die Auswahl der Eigenschaften sollte mit Sorgfalt durchgeführt werden, da dieser Schritt einen erheblichen Einfluss auf die Untersuchungsergebnisse hat. Alle nachfolgenden Prozessschritte werden durch die Selektion der Eigenschaften und Ausprägungen beeinflusst. (vgl. Kaltenborn et al. 2013, S. 27) Sollten Eigenschaften fehlen, die für den Großteil der Probanden wichtig sind, kann mit verfälschten Schätzergebnissen gerechnet werden. (vgl. Steiner 2007, S. 4) Obwohl sich in der Fachliteratur nahezu alle Autoren über die herausragende Bedeutung der Gewinnung und Selektion der Eigenschaften einig sind, wird das Thema in der Marktforschung häufig unzureichend berücksichtigt. (vgl. Kaltenborn et al. 2013, S. 28; vgl. Hahn 1997, S. 47; vgl. Erhard 2008, S. 36) In der Praxis dominieren möglichst einfache Verfahren, die schnell und mit geringem Aufwand durchzuführen sind. (vgl. Steiner 2007, S. 271) Deswegen kann angenommen werden, dass bei den meisten Conjoint-Untersuchungen die Eigenschaften von den Markforschern oder dem Management ohne Einbezug der potenziellen Kunden ausgewählt werden. Diese Herangehensweise ist jedoch problematisch, da der Marktforscher durch die Auswahl der Eigenschaften bereits vor der Conjoint-Analyse das Ergebnis der Präferenzmessung determiniert. (vgl. ebd., S. 207 f.) Um dem Thema der Gewinnung von Eigenschaften in dieser Arbeit einen angemessenen Umfang beizumessen, wird zunächst beschrieben, welche Anforderungen die Eigenschaften erfüllen müssen. Daran anschließend werden exemplarisch Verfahren vorgestellt, mit denen sich die Eigenschaften und Ausprägungen ermitteln lassen.

3.1 Anforderungen an die Eigenschaften und Ausprägungen

Um die Eigenschaften untersuchen zu können, müssen grundlegende Bedingungen erfüllt sein. Das Ziel dieses Kapitels ist es, die in der Literatur genannten Anforderungen vorzustellen und die Herausforderungen bei der Umsetzung dieser Anforderungen zu ermitteln.

3.1.1 Relevant

Der Marktforscher sollte nur Eigenschaften auswählen, von denen anzunehmen ist, dass sie bei der Kaufentscheidung überhaupt von Bedeutung sind. (vgl. Backhaus et al. 1980, S. 523) Relevante Eigenschaften tragen statistisch signifikant zur Erklärung der beobachtbaren Objektpräferenzen bei. (vgl. Reiners 1996, S. 35) Bei der Auswahl der relevanten Eigenschaften ist nicht die Meinung des Marktforschers entscheidend, sondern die der Kunden. Das „Evoked-Set“[3] der Zielgruppe kann dabei helfen, die relevanten Eigenschaften herauszufinden. Eigenschaften und Ausprägungen der Produkte, die Teil des Evoked-Sets sind, können als relevant eingestuft werden. (vgl. Steiner 2007, S. 197 ff.)

3.1.2 Präferenzunabhängig

Eine Voraussetzung für die Funktionsfähigkeit der meisten Conjoint Verfahren ist, dass die ausgewählten Eigenschaften präferenzunabhängig sind. Unabhängigkeit der Merkmale bedeutet, dass der empfundene Nutzen einer Eigenschaftsausprägung nicht durch Ausprägungen anderer Eigenschaften beeinflusst wird. (vgl. Backhaus et al. 1980, S. 523) Ein Beispiel für Präferenzabhängigkeit könnte sein, wenn ein Mittelklasseauto mit der Farbe Rot präferenzmindernd wirkt und ein Sportwagen mit derselben Farbe eine Präferenzsteigerung auslöst. (vgl. Reiners 1996, S. 34 f.) In der Vergangenheit kamen vor allem „fraktionelle Untersuchungsdesigns“ zum Einsatz, welche keine Schätzung von Interaktionseffekten zulassen. (vgl. Steiner 2007, S. 181 ff.) Da die Präferenzunabhängigkeit der Eigenschaften ohnehin nur sehr schwer gewährleistet werden kann, stellt Reiners (1996) fest, dass bei pragmatisch orientierten Untersuchungen eine mäßige Präferenzabhängigkeit der Eigenschaften unproblematisch ist. (vgl. Reiners 1996, S. 45)

3.1.3 Empirisch Unabhängig

Darüber hinaus müssen die Ausprägungen der Eigenschaften empirisch unabhängig sein. (vgl. Backhaus et al. 1980, S. 523) Dies bedeutet, dass die Ausprägungen der Eigenschaften unabhängig voneinander realisierbar sind. (vgl. Steiner 2007, S. 188) Ein Beispiel für empirisch abhängige Eigenschaften wäre die Motorleistung eines Kraftfahrzeugs und der Kraftstoffverbrauch. (vgl. Reiners 1996, S. 34) Bleibt diese Problematik unberücksichtigt, führt dies zu unrealistischen Kombinationen von Ausprägungen, wie beispielsweise ein Ferrari mit 800 PS und einem Verbrauch von 4 Liter pro 100 Kilometer. Dieses Problem wird häufig gelöst, indem unrealistische Kombinationen aus dem Erhebungsdesign herausgenommen werden. Jedoch kann durch diesen Eingriff ein erheblicher Schaden entstehen, weshalb dieser Schritt gründlich überdacht werden muss. (vgl. Steiner 2007, S. 188) Der Sawtooth Vorsitzende Bryan Orme (2002) weist in diesem Zusammenhang darauf hin, dass durch Ausschluss von unrealistischen Eigenschaftskombinationen im schlimmsten Fall überhaupt keine Nutzenschätzung möglich ist. (vgl. Orme 2002, S. 2)

3.1.4 Realisierbar und Beinflussbar

Damit die Ergebnisse der CA einen Mehrwert darstellen, sollte sich der Hersteller vergewissern, dass die Eigenschaften technisch realisierbar sind. (vgl. Backhaus et al. 1980, S. 523) Die Anforderung an die Realisierbarkeit der Eigenschaften steht im Zusammenhang mit der Beinflussbarkeit. (vgl. Steiner 2007, S. 179) Nur wenn sich die Eigenschaften tatsächlich variieren bzw. beeinflussen lassen, können die Ergebnisse der CA praktisch umgesetzt werden. (vgl. Backhaus et al. 1980, S. 523)

3.1.5 Eindeutig

Die Produktkonzepte können verbal, schriftlich, visuell, virtuell oder physisch präsentiert werden. (vgl. Backhaus et al. 2011, S. 182) Sofern die schriftliche Darstellungsweise gewählt wird, muss beachtet werden, dass die Eigenschaften aus Sicht der Probanden eindeutig und in allgemein verständlicher Weise formuliert werden. Das heißt, dass die Formulierung möglichst der Wortwahl der befragten Zielgruppe entsprechen sollte. Unpräzise Beschreibungen wie zum Beispiel „niedrige Kosten“ oder „überdurchschnittlicher Preis“ sind zu vermeiden. Stattdessen wird empfohlen, die Merkmalsausprägungen konkret zu nennen wie beispielsweise „Kosten 4 € pro Stück“. (vgl. Steiner 2007, S. 287 ff.) Um Interpretationsspielräume zu vermeiden sollten die Ausprägungen nicht als Bandbreite angegeben werden, wie zum Beispiel ein Gewicht zwischen zwei und fünf Kilogramm. (vgl. ebd., S. 195 ff.) Wenn sich die Eigenschaften nicht durch Worte beschreiben lassen, kann auf eine grafische Darstellung zurückgegriffen werden. Allerdings ist zu bedenken, dass Bilder mehr Aufmerksamkeit erhalten als Texte, wodurch die Ergebnisse bei gleichzeitigem Einsatz von Text und Bildern verfälscht werden können. (vgl. Kaltenborn et al. 2013, S. 35)

3.1.6 Kompensierbar

Die einzelnen Eigenschaftsausprägungen müssen untereinander kompensierbar sein. Diese Regel gilt allerdings nur dann, wenn kompensatorische Conjoint-Modelle zugrunde liegen, welche in der Praxis am häufigsten verbreitet sind. (vgl. MacInerney 2007, S. 16 f.) Kompensatorische Modelle gehen von der Annahme aus, dass negativ bewertete Eigenschaftsausprägungen durch nutzenstiftende Eigenschaftsausprägungen kompensiert werden können.[4] Damit diese Regel eingehalten werden kann, darf keine der betrachteten Eigenschaften und Ausprägungen gänzlich inakzeptabel für den Probanden sein. Sollte eine Ausprägung ein Ausschlusskriterium darstellen, ist sie nicht kompensierbar. (vgl. Backhaus et al. 1980, S. 523) Ein Beispiel für eine unvertretbare Eigenschaftsausprägung könnte die „geringe Sicherheit“ bei Flugreisen sein. Die Eigenschaftsausprägung „hohe Sicherheit“ würde bei einer Befragung voraussichtlich eine übergeordnete Bedeutung einnehmen, welche die gesamte Beurteilung dominiert und damit die Ergebnisse der Präferenzmessung verzerrt. Deswegen sollten inakzeptable Eigenschaftsausprägungen vor der Befragung ausgeschlossen werden. Allerdings weist Steiner (2007) darauf hin, dass sich die Ergebnisgüte der Präferenzmessung bei Entfernung dieser Ausprägungen teilweise sogar verschlechtern kann. (vgl. Steiner 2007, S. 190 ff.)

3.1.7 Vollständig und Begrenzt

In einer Befragung sollten alle relevanten Eigenschaften vollständig vorhanden sein. Dies bedeutet jedoch nicht, dass alle Eigenschaftsausprägungen in Betracht gezogen werden sollten, sondern lediglich diejenigen, die für die Entscheidungssituation relevant sind. Denn der Befragungsumfang wächst mit jeder weiteren Eigenschaftsausprägung exponentiell und der Proband verfügt nur über eine beschränkte Informationsverarbeitungskapazität. (vgl. Steiner 2007, S. 178 f.) Bei drei Eigenschaften mit jeweils fünf Ausprägungen sind beispielsweise 5 x 5 x 5 = 53 = 125 Produktkonzepte möglich. Wird eine vierte Eigenschaft mit 5 Ausprägungen hinzugefügt sind es bereits 54 = 625 Konzepte. (vgl. Kaltenborn et al. 2013, S. 29) Deswegen sollte die Anzahl der Eigenschaften auf einen angemessenen Umfang begrenzt werden. (vgl. Backhaus et al. 1980, S. 524) Eine pauschale Regel wie viele Eigenschaften verwendet werden sollen, gibt es nicht, da dies von dem gewählten Conjoint-Verfahren abhängig ist. (vgl. Kaltenborn et al. 2013, S. 29)

3.2 Methoden zur Identifizierung der Eigenschaften

Nachdem im Abschnitt 3. beschrieben wurde welche Anforderungen die Eigenschaften erfüllen müssen, werden in diesem Teil Methoden zur Ermittlung von relevanten Eigenschaften vorgestellt. Bis heute hat sich kein einheitliches Verfahren zur Festlegung der Eigenschaften und Ausprägungen durchgesetzt und der Umfang der in der Literatur diskutierten Methoden ist sehr groß. In Abbildung 1 wird ein Überblick über die Methoden gegeben. Verfahren welche die potenziellen Kunden ausschließen, werden in diesem Kapitel nicht vorgestellt. Der Grund hierfür ist, dass diese Methoden nicht gewährleisten, dass tatsächlich alle relevanten Eigenschaften bestimmt werden können. (vgl. Steiner 2007, S. 210) Ziel dieses Kapitels ist es, exemplarisch einige Verfahren aus dem Repertoire der Marktforscher vorzustellen, sowie Vor- und Nachteile dieser zu benennen.[5]

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Methoden zur Ermittlung relevanter Eigenschaften

(vgl. Steiner 2007, S. 207-271)

3.2.1 Elicitation-Technik

Bei dieser Methode werden sachkundige Probanden nach den Eigenschaften befragt, die ihnen spontan zu der Produktkategorie einfallen. Eine typische Fragestellung könnte lauten: Wodurch wird bei Ihnen die Wahl eines Produktes bestimmt? Aus diesen Befragungen erhält der Forscher eine umfangreiche Liste mit potenziell relevanten Eigenschaften. Synonyme Eigenschaften werden zusammengefasst und einheitlich bezeichnet. Die relative Häufigkeit der Nennungen einer Eigenschaft kann dabei Aufschluss über die Wichtigkeit dieser geben. Merkmale, die häufig von den Befragten genannt wurden, haben demnach eine hohe Relevanz. (vgl. Steiner 2007, S. 212 ff.) Um unwichtige Eigenschaften zu eliminieren, könnte der Forscher beispielsweise festlegen, dass nur Eigenschaften die von mindestens 25 % der Befragten genannt wurden, in der Conjoint-Analyse berücksichtigt werden. Der Vorteil dieser Fragetechnik besteht darin, dass der Proband aus seinem Gedächtnis nur jene Eigenschaften eines Produktes spontan abrufen wird, die wirklich relevant für den Kaufprozess sind. Es handelt sich also um Eigenschaften, die der Befragungsteilnehmer aus seinem Evoked-Sets von Produkten herleitet. Die Befragungsmethode gewährleistet damit, dass relevante Eigenschaften gefunden werden. (vgl. ebd., S. 299) Ein Nachteil der Methode ist der verhältnismäßig hohe Aufwand, da sich valide Ergebnisse nur erzielen lassen, wenn viele Probanden befragt werden. (vgl. ebd., S. 211)

3.2.2 Duale Befragungen

Die Duale Befragung zeichnet sich durch eine zweistufige Vorgehensweise aus. Im Unterscheid zur Elicitation-Technik wird dem Befragten eine Liste mit Eigenschaften vorgegeben, die der Marktforscher zuvor ermittelt hat. Im ersten Schritt wird der Proband dazu aufgefordert, die „Wichtigkeit“ der Eigenschaften einzuschätzen. Danach bewertet der Befragungsteilnehmer, ob sich die real am Markt verfügbaren Produkte in Bezug auf die Eigenschaft unterscheiden lassen. Diese Frage ist von Interesse, da in der Theorie davon ausgegangen wird, dass Eigenschaften die sich nicht unterscheiden, einen geringen Einfluss auf die Präferenzmessung ausüben. (vgl. Steiner 2007, S. 225) Beispielsweise kann die Eigenschaft Sicherheit bei Neuwagen als sehr wichtig bewertet werden und dennoch eine geringe Bedeutung bei der Kaufentscheidung haben, wenn alle Autos auf dem Markt gleiche Sicherheitsanforderungen erfüllen. (vgl. ebd., S. 201) In Abbildung 2 wird der charakteristische Aufbau der Dualen Befragung gezeigt. Typischerweise wird eine fünfstufige Rating-Skala für die Einschätzung der Wichtigkeit und eine vierstufige Rating-Skala zur Bewertung der Unterscheidungskraft verwendet. Durch die Multiplikation der beiden Skalenwerte wird der sogenannte Determinanzwert berechnet. Der Determinanzwert gibt an, welchen Einfluss eine Eigenschaft auf die Präferenzbildung ausübt. Aus den individuellen Determinanzwerten wird das arithmetische Mittel berechnet. Eigenschaften die sowohl wichtig sind, als auch zur Unterscheidung beitragen, haben einen hohen Determinanzwert und sollten mit in die CA aufgenommen werden. Wie bei allen Umfragen mit Rating-Skalen ist mit erheblichen Verzerrungen zu rechnen, da einige Befragungsteilnehmer viele Eigenschaften als „sehr wichtig“ oder „sehr unwichtig“ einstufen und nicht die gesamte Skalen-Bandbreite ausschöpfen. (vgl. ebd., S. 224 ff.) Ein weiterer Nachteil ist, dass der Marktforscher das Set an Eigenschaften vorgeben muss und die Methode damit von anderen vorgelagerten Verfahren abhängig ist. Diesen Nachteilen steht jedoch die leichte Anwendbarkeit der Methode gegenüber.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Duale Befragung am Beispiel Autos

(vgl. Steiner 2007, S. 225)

3.2.3 Gruppeninterview

Das Gruppeninterview ist eine Alternative zu Interviews mit Einzelpersonen und bietet den Vorteil, dass die Kreativität der Beteiligten durch gruppendynamische Prozesse gefördert wird. Das Ergebnis der Gruppendiskussion ist häufig ein Konsens über die Wichtigkeit der Eigenschaften. Der Markforscher hat damit im Unterschied zur Befragung von Einzelpersonen keine objektive Bewertungsgrundlage, ob die übereinstimmenden Auffassungen dem tatsächlichen Meinungsbild entsprechen. (vgl. Reiners 1996, S. 38)

3.3 Bestimmung der relevanten Eigenschaftsausprägungen

Wenn die relevanten Eigenschaften ermittelt wurden, stellt sich für den Forscher die Frage, wie die Ausprägungen der Eigenschaften bestimmt werden können. Das Thema wird in der Literatur kontrovers diskutiert. Das Ziel dieses Kapitels ist es nicht, die gegensätzlichen Ansichten zu erläutern, sondern einen lösungsorientierten Ansatz vorzustellen, mit dem die Bandbreite sowie die Ausprägungsstufen bestimmt werden können.

Die Bestimmung der Bandbreite der Ausprägungen ist genauso bedeutend wie die Bestimmung der Eigenschaften selbst. Deswegen sollte der Marktforscher die Bandbreite nicht willkürlich festlegen, sondern aus einer Befragung der potenziellen Kunden erheben. (vgl. Steiner 2007, S. 272 ff.) Steiner schlägt als Befragungsmethode die bereits beschriebene Elicitation-Technik vor, an die im Anschluss eine Analyse von Ausreißern erfolgt. (vgl. ebd., S. 295 ff.) Durch den Einbezug der Zielgruppe ist sichergestellt, dass unakzeptable Merkmalsausprägungen nicht in die spätere Conjoint-Analyse aufgenommen werden und die Bandbreite nicht zu groß ausfällt. (vgl. ebd., S. 276)

Im Anschluss an die Definition der Bandbreiten wird die Anzahl der Ausprägungen (Ausprägungsstufen) festgelegt. Allgemein sollten die Ausprägungen auf die Relevanten begrenzt sein, um der Forderung nach Vollständigkeit und Begrenztheit nachzukommen (siehe Kapitel 3.1.7). (vgl. Reiners 1996, S. 52) Die Anzahl der Ausprägungen kann einen Einfluss auf die Ergebnisse der Untersuchung ausüben. Demnach werden Eigenschaften, die durch viele Ausprägungen beschrieben werden, oft als tendenziell wichtiger wahrgenommen. Dieses Phänomen wird „Attributstufeneffekt“ genannt. Die Ursache für den Effekt ist jedoch umstritten. Diskutiert werden psychologische Ursachen oder der Einfluss der Präferenzmessmethode. (vgl. Steiner 2007, S. 276) Vermeiden lässt sich der Attributstufeneffekt, wenn die Auswahl der Ausprägungen aus Kundensicht erfolgt. Nach diesem Prinzip sollten tendenziell mehr Zwischenstufen in die Conjoint-Analyse eingefügt werden, wenn bei der Befragung mit der Elicitation-Technik insgesamt viele Ausprägungen für eine Eigenschaft genannt wurden. Im Umkehrschluss sollten tendenziell weniger Ausprägungsstufen vorhanden sein, wenn insgesamt wenige Eigenschaftsausprägungen genannt wurden. (vgl. ebd., S. 284 f.)

4. Festlegung des Präferenzstrukturmodells (PSM)

In diesem Kapitel werden die Präferenzstrukturmodelle (PSM) vorgestellt. Die Modelle haben die Aufgabe, die kognitiven Entscheidungsprozesse des Probanden zu repräsentieren, welche bei der Nutzenbeurteilung einer Merkmalskombination stattfinden. Dabei wird angenommen, dass sich diese Entscheidungsprozesse durch eine Nutzenfunktion nachbilden lassen, welche für jede Merkmalsausprägung einen spezifischen Nutzen (Teilnutzen) angibt. (vgl. Hahn 1997, S. 50) Das PSM besteht aus der Nutzenfunktion und einer Verknüpfungsfunktion. (vgl. Kaltenborn et al. 2013, S. 36) Beide Teile des PSM werden folgend vorgestellt.

4.1 Nutzenfunktion

Das Vektor-, das Idealpunkt- und das Teilnutzenwertmodell bilden die drei elementaren Nutzenfunktionen. (vgl. Backhaus et al. 2011, S. 187) Die Nutzenfunktion beschreibt den Zusammenhang zwischen der Eigenschaftsausprägung und dem Teilnutzen der jeweiligen Eigenschaft. (vgl. Reiners 1996, S. 58)

Das Vektormodell geht von einem positiven oder negativen linearen Zusammenhang zwischen dem Nutzen und der jeweiligen Merkmalsausprägung aus. (vgl. Hahn 1997, S. 50) Angewandt wird das Vektormodell bei quantitativen Eigenschaften. (vgl. Reiners 1996, S. 55) Beispielsweise ist die Nutzenfunktion gut geeignet für Eigenschaften wie Wirtschaftlichkeit, Sicherheit oder Gesundheit. (vgl. Backhaus et al. 2011, S. 187) Hier gilt gewöhnlich, dass mit zunehmender Ausprägungsstufe der Nutzen positiv beeinflusst wird. Beispielsweise bewerten Nachfrager beim Kauf einer Glühbirne eine zunehmende Lebensdauer mit einem zunehmenden Teilnutzen. (vgl. Hahn 1997, S. 50)

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3: Mathematische Funktion des Vektormodells

(vgl. Hahn 1997, S. 50 ff.)

Das Idealpunktmodell unterstellt, dass es für jede Eigenschaft eine Ausprägung mit einem maximalen Teilnutzen gibt. Ist der Wert für die Eigenschaftsausprägung größer oder geringer als im Optimum, nimmt der Nutzen für die Eigenschaftsausprägung wieder ab. (vgl. Hahn 1997, S. 51) Zum Einsatz kommt das Modell bei Eigenschaften, die sich quantifizieren lassen. (vgl. Reiners 1996, S. 55) Ein Beispiel für solche Eigenschaften ist die Displaygröße eines Smartphones, oder die Temperatur einer Sitzheizung im Auto. (vgl. Hahn 1997, S. 51)

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 4: Mathematische Funktion des Idealpunktmodells

(vgl. Hahn 1997, S. 51 ff.)

Das Teilnutzenwertmodell unterscheidet sich von den anderen Modellen, da es keinen konstanten Verlauf annimmt und für jede Eigenschaftsausprägung einen individuellen Nutzenwert bestimmt. (vgl. Hahn 1997, S. 52) Erstmals lassen sich mit dem Modell nicht nur quantitative Eigenschaften darstellen, sondern auch qualitative Eigenschaften. (vgl. Reiners 1996, S. 55) Das Modell eignet sich deshalb besonders gut für nominale Eigenschaften wie beispielsweise Marken oder Farben, bei denen im Vorfeld nicht prognostiziert werden kann, wie der Verlauf der Funktion ist. Zudem bietet es die Möglichkeit die anderen beiden Modelle als Spezialfälle zu berücksichtigen. Deswegen hat sich das Teilnutzenwertmodell in der Praxis durchgesetzt. (vgl. Kaltenborn et al. 2013, S. 36) Einziger Nachteil des Teilnutzenwertmodells ist, dass bei quantitativen Eigenschaften mehr Schätzungen notwendig sind als bei dem Vektormodell und dem Idealpunktmodell, um eine hohe Validität zu erlangen. (vgl. Backhaus et al. 2011, S. 187) Deswegen kann geschlussfolgert werden, dass der Einsatz der Teilnutzenwertmodelle nur dann einen Mehrwert generiert, wenn die Nutzenverläufe nicht durch einfachere Modelle abgebildet werden können. (vgl. Reiners 1996, S. 57)

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 5: Mathematische Funktion des Teilnutzenwertmodells

(vgl. Hahn 1997 S. 52 f.)

4.2 Verknüpfungsfunktion

Auch wenn in Kapitel 4.1 bereits erläutert wurde, wie sich die eigenschaftsspezifischen Nutzenwerte ermitteln lassen, so können jedoch noch keine Aussagen über die Präferenzen hinsichtlich der Produktalternativen getroffen werden. Dafür ist es notwendig, den Gesamtnutzen eines Produktkonzepts zu berechnen, indem die Teilnutzenwerte durch Verknüpfungsfunktionen aggregiert werden. (vgl. Brzoska 2003, S. 41) Der Gesamtnutzen ist vergleichbar mit dem Nettonutzen, der sich aus der Differenz zwischen Produktnutzen und Kosten ergibt. (vgl. Backhaus et al. 2011, S. 190) Grundsätzlich können die Verknüpfungsfunktionen in kompensatorische und nichtkompensatorische Modelle eingeteilt werden (siehe Abbildung 6). Bei kompensatorischen Nutzenmodellen kann ein niedriger Teilnutzenwert einer Eigenschaft durch den höheren Teilnutzenwert einer anderen Eigenschaft kompensiert werden. Bei nichtkompensatorischen Nutzenmodellen ist dies nicht der Fall. (vgl. Brzoska 2003, S. 41)

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 6: Verknüpfungsfunktionen

(vgl. Brzoska 2003, S. 41)

In der Literatur herrscht Einigkeit darüber, dass das linear-additive Modell die höchste Prognosegüte und Robustheit aufweist. (vgl. Brzoska 2003, S. 43; vgl. Reiners 1996, S. 60) Obwohl komplexere Modelle die beim Probanden ablaufenden Bewertungsprozesse theoretisch besser abbilden können, steigt die Gefahr der Überanpassung (engl. overfitting), weil zu viele irrelevante Variablen enthalten sind. (vgl. Kaltenborn et al. 2013, S. 38) Verbindet man die Nutzenfunktion mit der Verknüpfungsfunktion, ergibt sich das Präferenzstrukturmodell. Das im Rahmen der Conjoint-Analysen am häufigsten verwendete PSM ist das linear-additive Teilnutzenwertmodell (vgl. Reiners 1996, S. 59 f.) Das Modell ist gegeben durch:

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 7: Das linear-additive Teilnutzenwertmodell

(vgl. Kaltenborn et al. 2013, S. 37)

5. Definition des experimentellen Designs

Im experimentellen Design werden die hypothetischen Produkte konstruiert, die dem Probanden zur Beurteilung vorgelegt werden. Grundsätzlich geht es um die Fragestellung, in welcher Form die Eigenschaftskombinationen dem Probanden präsentiert werden, um eine möglichst kurze Befragung mit möglichst hoher Messgenauigkeit zu erzielen. (vgl. Kaltenborn et al. 2013, S. 38) Es ist zu entscheiden, ob der Auskunftsperson ein vollständiges Erhebungsdesign mit allen Produktkonzepten, oder ein reduziertes Design mit einer Teilmenge von Objekten vorgelegt wird. (vgl. Erhardt, 2009, S. 36) Diese Entscheidungen haben wesentlichen Einfluss auf die Validität und Reliabilität der Ergebnisse, weshalb diesem Schritt hohe Bedeutung beigemessen wird. (vgl. Hahn 1997, S. 54)

5.1 Definition der Produktkonzepte

Im Rahmen der Gestaltung der Produktkonzepte sind die auf R. M. Jonson (1974) zurückgehende Profilmethode und die Zwei-Faktor Methode die gebräuchlichsten Verfahren. (vgl. Jonson 1974, S. 121 ff.) Die Zwei-Faktor Methode basiert auf sogenannten „Trade-Off Matrizen“, die jeweils zwei Eigenschaften und alle dazugehörigen Ausprägungen dieser zwei Eigenschaften darstellen. Der Proband hat die Aufgabe die Kombinationen der Ausprägungen zu bewerten, sodass eine Präferenzrangfolge zustande kommt. (vgl. Brzoska 2003, S. 82) Die Rangreihe kann durch die einfache Zuweisung von Zahlen gebildet werden. Wenn eine Matrix beispielsweise aus zwei Eigenschaften mit jeweils drei Ausprägungen besteht, wird der höchst präferierten Kombination eine Eins zugewiesen und bei der am wenigsten präferierten Kombination eine Neun eingetragen (siehe Abbildung 8). (Reiners 1996, S. 71) Ein Vorteil der Methode ist die für den Probanden überschaubare Bewertungssituation, bei der immer nur zwei Eigenschaften gleichzeitig betrachtet werden. Allerdings überwiegt der Nachteil, dass ein solches Vorgehen nicht die realen Beurteilungsprozesse in einer echten Kaufsituation abbildet, bei der alle relevanten Produkteigenschaften gleichzeitig bewertet werden. Aufgrund dieses Nachteils ist die Zwei-Faktor Methode für die praktische Anwendung bei Conjoint-Analysen unbedeutend geworden. (vgl. Hahn 1997, S. 56 f.) Im Gegensatz zur Zwei-Faktor Methode werden bei der Profilmethode nicht nur zwei Eigenschaften, sondern ganzheitliche Produktkonzepte bewertet. Diese Produktkonzepte beinhalten alle relevanten Eigenschaften, aber jeweils nur eine Ausprägung pro Eigenschaft. Die simultane Bewertung mehrerer Eigenschaften kommt dem realen Bewertungsprozess deutlich näher und führt folglich zu einer besseren Validität der Ergebnisse. (vgl. Brzoska 2003, S. 82 f.) Einen Nachteil besitzt die Profilmethode jedoch auch. Bei steigender Zahl der Eigenschaften erhöht sich der Befragungsaufwand. Zur Veranschaulichung der Funktionsweise der beiden Verfahren wird in Abbildung 8 der typische Aufbau dargestellt.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 8: Aufbau der Profilmethode und der Zwei-Faktor-Methode

(vgl. Brzoska 2003, S. 83; vgl. Hahn 1997, S. 55 ff.)

5.2 Anzahl der Produktkonzepte

Wie bereits erwähnt ist ein Nachteil der Profilmethode, dass die Anzahl der zu bewertenden Produktalternativen mit einer steigenden Anzahl von Eigenschaften exponentiell wächst und der Proband überfordert wird. (vgl. Brzoska 2003, S. 84) Als Zielwert sollten dem Probanden nicht mehr als 30 Objekte vorgelegt werden, da ansonsten mit einer verminderten Aufmerksamkeit und Motivation zu rechnen ist. „Given the usual considerations of maintaining the respondent's interest in the task, it is often difficult to increase [the number of poduct concepts to be evaluated] much above 30.“ (Green/ Srinivasan 1978, S. 109) Werden bei der Profilmethode aus Abbildung 8 alle fiktiven Produkte berücksichtigt müssen 34 = 81 Beurteilungen vorgenommen werden. Bei Hinzunahme einer weiteren Ausprägung pro Eigenschaft muss der Befragte bereits 44 = 256 Bewertungen abgeben. Dieses Beispiel verdeutlicht, dass vollständige Designs, die alle Produktkonzepte berücksichtigen, schnell an ihre Grenzen kommen. Aus diesem Grund wird das vollständige Design auf eine repräsentative Teilmenge der Objekte reduziert und ein sogenanntes „fraktioniertes faktorielles Design“ gebildet. (vgl. Brzoska 2003, S. 84) Hierbei ist es wichtig, dass die Teilmenge der Produkte das vollständige Design möglichst gut repräsentiert und die Merkmale unabhängig voneinander sind. (vgl. Hahn 1997, S. 58)

In der wissenschaftlichen Literatur werden bei traditionellen Conjoint-Analysen die orthogonalen Haupteffektdesigns besonders häufig genannt. (vgl. Kaltenborn et al. 2013, S. 38) Orthogonale Haupteffekte-Designs können nur diejenigen Effekte schätzen, welche sich von den einzelnen Eigenschaften direkt auf den Gesamtnutzen auswirken (Haupteffekte). Interaktionseffekte, die aus einer Kombination mehrerer Eigenschaften resultieren, werden dabei außer Acht gelassen. Daraus ergibt sich, dass mit Haupteffekte-Designs valide Ergebnisse nur zu erzielen sind, wenn keine Interaktionseffekte existieren. (vgl. Brzoska 2003, S. 84 f.)

[...]


[1] Zur besseren Lesbarkeit werden in dieser Arbeit personenbezogene Aussagen, die sich zugleich auf Männer und Frauen beziehen, auf die männliche Form reduziert.

[2] In der wissenschaftlichen Literatur zu Conjoint Verfahren werden die „Produktkonzepte bzw. Objekte“ häufig als „Stimuli“ bezeichnet. (vgl. Backhaus et al. 2011, S. 176)

[3] Der Umfang von Produkten/Marken, die dem Käufer bekannt sind und für einen Kauf in Frage kommen.

[4] Siehe Verknüpfungsfunktion Kapitel 4.2

[5] Eine ausführlichere Beschreibung aller in Grafik 1 gezeigten Verfahren findet sich in der Dissertation „Nachfrageorientierte Präferenzmessung“ des Autors M. Steiner. (vgl. Steiner 2007, S. 207-271)

Excerpt out of 50 pages

Details

Title
Die Umsetzung von Conjoint-Analyseverfahren in der Marktforschung
Subtitle
Eine anwendungsorientierte Betrachtung durch die Software Lighthouse Studio von Sawtooth
College
University of Applied Sciences Münster  (Fachbereich Wirtschaft)
Grade
2,0
Author
Year
2017
Pages
50
Catalog Number
V414274
ISBN (eBook)
9783668649880
ISBN (Book)
9783668649897
File size
1994 KB
Language
German
Notes
Der praktische Teil meiner Bachelorarbeit wurde ermöglicht durch ein Stipendium von Sawtooth Software.
Keywords
Conjoint Analyse, Marktforschung, Sawtooth
Quote paper
Bastian Kuhlmann (Author), 2017, Die Umsetzung von Conjoint-Analyseverfahren in der Marktforschung, Munich, GRIN Verlag, https://www.grin.com/document/414274

Comments

  • No comments yet.
Look inside the ebook
Title: Die Umsetzung von Conjoint-Analyseverfahren in der Marktforschung



Upload papers

Your term paper / thesis:

- Publication as eBook and book
- High royalties for the sales
- Completely free - with ISBN
- It only takes five minutes
- Every paper finds readers

Publish now - it's free