Limit-Cards in der Conjoint-Analyse

Transkript

1 ARBEITSPAPIER WORKING PAPER Nr. 21/1997 Christian Hahn Markus V oeth Limit-Cards in der Conjoint-Analyse - eine Modifikation der traditionellen Conjoint-Analyse - Kontaktadresse: Färderkreis für Investitionsgütermarketing e. V. der Westfälischen Wilhelms-Universität Münster c/o PrQf. Dr. Klaus Backhaus Universitätsstraße 14-16,48143 Münster Tel.: Fax: klaus. backhaus@wiwi.uni-muenster.de

2 Inhaltsverzeichnis: Seite Abbildungsverzeichnis Einleitung Grundzüge und Grenzen der traditionellen Conjoint-Analyse Grundzüge der traditionellen Conjoint-Analyse Grenzen der Verwendbarkeit von Conjoint-Ergebnissen beim traditionellen Vorgehen innerhalb der Conjoint-Analyse Das Konzept derlirnit-card als Integration einer Entscheidungsregel in der Conjoint-Analyse Die Grundidee der Limit-Card Veränderungen der Conjoint-Ergebnisse im Vergleich zum traditionellen Vorgehen Zusammenfassende Darstellung des Konzeptes der Limit-Card am Beispiel einer empirischen Erhebung im Mobilfunkmarkt Fazit Literaturverzeichnis

3 - 2 - Abbildungsverzeichnis: Seite Abb. 1: Transformation von Rangdaten in Ratingwerte Abb. 2: Nutzenwerte bei Verwendung der Limit-Card Abb. 3: Vergleich der zugrunde liegenden Nutzenwerte Abb. 4: Exemplarische Nutzenwerte nach der traditionellen Conjoint-Analyse Abb. 5: Exemplarische Nutzenwerte nach der Limit-Conjoint-Analyse Abb. 6: Das reduzierte Design der Conjoint-Erhebung im Mobilfunk-Markt Abb. 7: Verteilung der Limit-Card-Positionen über alle Befragten Abb. 8: Vergleich der Teilnutzenwerte bei traditioneller Conjoint-Analyse und Limit -Conj oint -Analyse Abb. 9: Ausgangssituation für die Simualtion von Marktanteilen.., Abb. 10: Vergleich der Simulationsergebnisse für die Ausgangssituation Abb. 11: Veränderungen von Nicht-Käufer-Anteil und Marktanteilen durch Variation des Endgeräte-Gewichtes Abb. 12: Veränderungen von Nicht-Käufer-Anteil und Marktanteilen durch Preisvariation Abb. 13: Marktanteile und Nicht-Käufer-Anteile beim Angebot des durchschnittlich optimalen Produktes Abb. 14: "Wanderungsbewegungen" im Cluster der erklärten Nicht-Käufer (Limit-Card vor Rang 1) beim Angebot des optimalen Produktes

4 Einleitung Die Conjoint-Analyse ist eines der multivariaten Verfahren, das in den vergangenen Jahren zu einem inuner wichtigeren Bestandteil der Marktforschung geworden ist. Dies liegt nicht zuletzt daran, daß sich auf der Basis der Conjoint-Analyse Informationen im Hinblick auf einige zentrale Marketing-Fragestellungen generieren lassen. Mit ihrer Hilfe lassen sich so u. a. Nachfragerpräferenzen evaluieren und - sofern Informationen über Wettbewerbsangebote hinzugefügt werden - Tendenzaussagen über die Erfolgschancen alternativer Marketingstrategien ableiten. Beim Einsatz der Conjoint-Analyse innerhalb der Marktforschungspraxis werden jedoch schnell die Grenzen des Verfahrens zur Lösung praxisrelevanter Marketingprobleme deutlich. Nicht selten stellt man fest, daß zur realistischen Beurteilung von alternativen Marketingstrategien Informationen über die im Wettbewerb erreichbaren Marktanteile nicht ausreichen. Statt dessen ist es für die Lösung vieler Marketingprobleme darüber hinaus von Interesse, inwieweit sich das Marktvolumen durch geeignete Marketingstrategien der Anbieter modellieren läßt. Damit steht häufig die Frage im Mittelpunkt, ob es Anbietern gelingen kann, bisherige Nicht-Käufer zu Erstkäufern zu machen und somit neue Marktsegmente zu erschließen. Diese Problemstellung ist vor allem in Märkten, in denen das Gesamtmarktvolumen nicht konstant ist, und damit insbesondere bei innovativen Produkten von zentraler Bedeutung. Für einen Anbieter von beispielsweise Internet-Accounts ist sicherlich die Information wichtig, welche Anteile er im Wettbewerb erlangen kann. Andererseits reicht diese Information zur Beurteilung vorhandener Marktchancen nicht aus. Ebenso wichtig sind für diesen Anbieter Informationen über die tatsächliche Marktgröße bzw. über die eigenen Möglichkeiten das Marktvolumen durch entsprechende Marketingstrategien zu beeinflußen. Die traditionelle Conj oint-analyse löst diese quasi "mehrdimensionale" Marketing-Problemstellung nur unbefriedigend. Da bei der traditionellen Conjoint-Analyse davon ausgegangen wird, daß jedes Produkt einen positiven Nutzen stiftet, liefert das Verfahren keine Informationen über das Verhältnis von Käufern und Nicht-Käufern und damit über die z. T. vom Anbieterverhalten abhängende Marktgröße. Vor dem Hintergrund dieses zur Lösung realer Marketing-Fragestellungen offenbar begrenzten Einsatzfeldes der traditionellen Conjoint-Analyse wird im fo lgenden der Versuch einer Modifikation der traditionellen Conjoint-Analyse vorgenommen. Es wird gezeigt, daß es durch den Einsatz soge-

5 - 4 - nannter Limit-Cards möglich wird, eine konkrete Entscheidungsregel in die Conjoint-Analyse zu integrieren. Da Nachfrager bei diesem Konzept fiktive Produkte nicht nur beispielsweise in eine Rangfolge bringen, sondern darüber hinaus auch angeben, bis zu welchem Rangplatz sie die Produkte kaufen würden, wird es möglich, neben strategiebezogenen Marktanteilen auch vom strategischen Vorgehen der Anbieter abhängige Nicht-Käuferanteile zu bestimmen. Im folgenden werden nach einer kurzen Darstellung der Grundzüge der Conjoint-Analyse in einem ersten Schritt die Grenzen des traditionellen Vorgehens innerhalb der Conjoint-Analyse für praktische Marketing-Problemstellungen diskutiert (Kapitel 2). Im Anschluß daran wird hierauf aufbauend im 3. Kapitel das Konzept der Limit-Card zuerst allgemein dargestellt, bevor das im Vergleich zum traditionellen Vorgehen erweiterte Einsatzfeld der um Limit-Cards erweiterten Conjoint Analyse allgemein und anschließend anhand eines konkreten Beispiels diskutiert wird. Die Konsequenzen, die sich aus dem entwickelten Konzept für den Einsatz der Conjoint-Analyse zur Lösung von Marketing-Fragestellungen ergeben, werden abschließend im 4. Kapitel zusammengefaßt.

6 Grundzüge und Grenzen der traditionellen Conjoint-Analyse 2.1 Grundzüge der traditionellen Conjoint-Analyse Die Conjoint-Analyse 1 fand erstmals mit der 1964 erschienenen Arbeit von Lu e und Tuke/ Eingang in die Literatur. Allerdings wurde dieses aus der mathematischen Psychologie und Psychometrie stammende multivariate Analyseverfahren erst 1971 auch in marketingorientierten Veröffent- 1ichungen durch Green und Raa aufgegriffen. 3 Heute zählt die Conjoint-Analyse unzweifelhaft zu den praktisch relevantesten Verfahren der Präferenzmessung und der Simulation von Kaufentscheidungen. Dies dokumentiert sich auch in der enormen Anzahl an Projekten, in denen die Conjoint Analyse in den vergangenen Jahren eingesetzt wurde. So wurden allein in den USA zwischen 1981 und 1989 durch größere Marktforschungsinstitute über Anwendungen dieses Verfahrens durchgeftihrt. 4 Weltweit dürfte diese Zahl sicherlich um ein Vielfaches höher liegen. 5 In Europa hat der "Siegeszug" der Conjoint-Analyse erst Mitte der 80er Jahre eingesetzt. 6 Ein Grund hierftir ist sicherlich in der verspäteten Diskussion in europäischen Veröffentlichungen zu sehen. So ist beispielsweise die Conjoint-Analyse in der deutschen Marktforschungsliteratur erstmals 1979 von Thamas ausftihrlich diskutiert und analysiert worden. 7 In der Literatur wird die Conjoint-Analyse auch "Conjoint Measurement", "Konjunkte Analyse" oder "Verbundanalyse" bezeichnet (vgl. hierzu auch Backhaus, K., et al., Multivariate Analysemethoden: eine anwendungsorientierte Einführung, 8. Aufl., Berlin u.a. 1996, S. 497). Aufgrund der z. T. nur geringfiigigen begrifflichen Unterschiede werden die Bezeichnungen im folgenden synonym verwandt Vgl. Luce, R.D./Tukey, 1. W, Simultaneous Conjoint Measurement: A New Type of Fundamental Measurement, in: Journal of Mathematical Psychology, Vol. 1, No. 1, 1964, S. 1 ff. Vgl. Green, P.E./Rao, V.R., Conjoint Measurement for Quantifying Judgmental Data, in: Journal of Marketing Research, Vol. 12, 1971, S. 355 ff. Vgl. Wittink, D.R./Cattin, P., Commercial Use ofconjoint Analysis. An Update, in: Journal of Marketing, Vol. 53, July, 1989, S. 91 ff. Diese Vermutung begründet sich in der zunehmenden Anzahl leistungsfähiger und bedienungs freundlicher Softwarepakete zur Durchfiihrung einer Conjoint-Analyse, insbesondere bei der Schätzung der Nutzenparameter. Conjoint-Analysen können u. a. mit den Programmen von Bretton-Clark und Sawtooth gerechnet werden. Darüber hinaus eignen sich hierfiir die Tools von SPSS, SAS. Vgl. hierzu auch Hausruckinger, G./Herker, A., Die Konstruktion von Schätzdesigns für Conjoint-Analysen auf der Basis von Paarvergleichen, in: Marketing ZFP, Nr. 2, 1992, S. 99. Vgl. Wittink, D.R./ Vriens, M/Burhenne, W, Commercial Use in Conjoint Analysis in Europe: Results and Critical Reflections, in: International Journal of Research in Marketing, Vol. 11, 1994, S. 43. Vgl. Thomas, L., Conjoint Measurement als Instrument der Absatzforschung, in: Marketing ZFP, Nr. 3, 1979, S. 199 ff.

7 Ia>;..., Im folgenden sollen mit Thomas unter einer Conjoint-Analyse alle "Kombinationen von Meßmodellen und (Computer-) Algorithmen zur simultanen (conjoint) metrischen Skalierung der Teilpräferenzbeiträge von Ausprägungen mindestens zweier Merkmale zur ordinalen oder kategorialen Gesamtbeurteilung von Objekten, die mittels faktorieller Designs konstruierte Kombinationen dieser Merkmale darstellen,,, 8 verstanden werden. Das zentrale Ziel der Conjoint-Analyse besteht somit i. e. L. darin, die Bedeutung einzelner Produktmerkmale für das Zustandekommen der Gesamtpräferenz zu ermitteln. Auf diese Weise wird es möglich, Kauf- bzw. Auswahlentscheidungen, die vom Nachfrager bezüglich Produkten mit mehreren Eigenschaften und Ausprägungen getroffen werden, abzubilden, zu erklären, zu beeinflussen.. 9 SOWIe zu prognostlzleren. Die Durchführung einer Conjoint-Analyse vollzieht sich dabei in verschiedenen aufeinander aufbauenden Schritten, die dazu dienen, die letztlich zu schätzenden Nutzenparameter zu erhalten. Als geeigneter konzeptioneller Ablauf einer Conjoint-Analyse wird in der Literatur ein an Green und Srinivasan angelehntes Schema vorgeschlagen, das in vielen empirischen Conjoint-Studien zugrunde gelegt worden ist und die nachfolgenden Ablaufschritte umfaßt: 10 Bestimmung der Produkteigenschaften und ihrer Ausprägungen, Festlegung des Präferenzmodells, Bestimmung des Erhebungsdesigns, Bewertung der Produkte durch die Befragten, Schätzung und Interpretation der Nutzenparameter. Zunächst müssen in einem ersten Schritt die für die Untersuchung relevanten Eigenschaften und Eigenschaftsausprägungen der Produkte bestimmt werden. Anschließend muß der Anwender festlegen, welches Präferenzmodell er der Analyse zugrunde legt. Neben dem Idealpunkt- und dem Idealvektormodell kann das Teilnutzenmodell verwendet werden, welches keinen Zusammenhang zwi- Thomas. L., Conjoint Measurement als Instrument der Absatzforschung, a.a.o., S Vgl. Perrey, 1., Erhebungsdesigneffekte bei der Conjoint-Analyse, in: Marketing ZFP, Nr. 2, 1996, S Vgl. Green, P.R./Srinivasan. v., Conjoint Analysis in Consumer Research: Issues and Outlook, in: Journal of Consurner Research, Vol. 5, 1978, S. 103 ff. und Backhaus. K.. et al., Multivariate Analysemethoden: eine anwendungsorientierte Einfiihrung, a.a.o., S. 500.

8 - 7 - schen merkmals spezifischen Nutzen und der jeweiligen Merkmalsausprägung unterstellt. Dieser Entscheidung folgt die Bestimmung des Erhebungsdesigns. Die gebräuchlichsten Verfahren im Rahmen der Conjoint-Analyse zur Datengewinnung sind die Profilmethode und die multiple Zwei Faktor-Methode. Im wesentlichen unterscheiden sie sich dadurch, daß bei dem erstgenannten Konzept die Nachfrager vollständige Produkte unter Einbeziehung aller beurteilungsrelevanten Produkteigenschaften bewerten müssen, während die Zwei-Faktor-Bewertung ein Urteil über mögliche Kombinationen der Ausprägungen von jeweils nur zwei Eigenschaften verlangt. Problematisch bei einer vollständigen Produktbewertung ist hingegen, daß bei zunehmender Anzahl von Produkteigenschaften und -ausprägungen die Zahl möglicher Produktkombinationen schnell anwächst. Da in der Realität der Nachfrager häufig weder gewillt noch in der Lage ist, alle möglichen Produktkombinationen zu beurteilen, ist es i. d. R. notwendig, aus der Menge aller möglichen Stimuli (vollständiges Design) eine Teilmenge auszuwählen - das sogenannte reduzierte oder fraktionierte faktorielle Design. 1 1 Die Grundidee eines reduzierten Design besteht dabei darin, eine Teilmenge von fiktiven Produkten zu finden, die das vollständige Design möglichst gut repräsentiert und den Befragungsaufwand in vertretbaren Grenzen hält. 12 Die zu beurteilenden Produkte werden schließlich von den Nachfragern bewertet, so daß sich an dieser Stelle der Conjoint-Analyse die Frage stellt, anhand welcher Skala eine solche Beurteilung vorgenommen werden soll. Hier kann zwischen einer metrischen Variante, nach der die Nachfrager die ihnen vorliegenden Produkte z. B. mittels einer Ratingskala bewerten müssen, und einer nichtmetrischen Variante unterschieden werden. Letztgenannte Methode verlangt von den Nachfragern, die zu bewertenden Produkte gemäß ihrer Präferenzstruktur in eine Rangordnung zu bringen. In einem fünften Schritt ist schließlich ein Verfahren zur Schätzung der individuellen Nutzenwerte auszuwählen. Die hierzu vorgeschlagenen Verfahren unterscheiden sich dabei i. e. L. in Abhängigkeit vom verwendeten Skalenniveau der erhobenen Präferenzdaten. Für metrisch skalierte Daten kann beispielsweise die metrische Varianzanalyse oder die Regressionsanalyse eingesetzt werden, Vgl. Green, P.R./Srinivasan, V, Conjoint Analysis in Consumer Research: Issues and Outlook, a.a.o., S. 109 f.; Louviere, 1.1., Analyzing Decision Making: Metric Conjoint-Analysis, Sage Publications, Beverly Hills, CA 1988, S. 35 ff. In der Literatur wird auch der Begriff "unvollständig faktorielles Design" verwendet. Nach empirischen Erhebungen ist davon auszugehen, daß nicht mehr als 20 Produkte von den Probanden beurteilt werden können. Vgl. Thomas, L., Der Einfluß von Kindern auf Produktpräferenzen ihrer Mütter, Berlin 1983, S Einige Autoren vermuten die Obergrenze maximal zu bewertender Stimuli aber erst bei 30 Stimuli. V gl. hierzu auch Aust, E., Simultane Conjointanalyse, Benefitsegmentierung, Produktlinien- und Preisgestaltung, Frankfurt 1996, S. 55 und Green, P.R./Srinivasan, V, Conjoint Analysis in Consumer Research: Issues and Outlook, a.a.o., S. 109.

9 - 8 - während die Analyse ordinalskalierter Daten i. d. R. mit Hilfe der monotonen Varianzanalyse erfolgt. Auf Basis der von den Nachfragern rur die fiktiven Produkte vergebenen Gesamtnutzenwerte - "Nutzen" stellt ein weitverbreitetes (häufig metrisches) Bewertungskriterium zur Feststellung der Vorziehenswürdigkeit einer Alternative und damit rur deren (eigentlich ordinale) Präferenz dar l) - ermittelt die Conjoint-Analyse dekompositionell den Teilnutzen von beschreibenden Merkmalen und deren Ausprägungen. Die Schätzung der Teilnutzenwerte rur Merkmalsausprägungen wird dabei innerhalb der Conjoint-Analyse so vorgenommen, daß die sich aus diesen geschätzten Werten ergebenden rechnerischen Rangdaten bzw. Ratingwerte der fiktiven Produkte bestmöglich mit den empirisch von den Befragten vorgegebenen Gesamtnutzenurteilen und damit tatsächlichen Rangdaten bzw. Ratingwerten übereinstimmen. Als Ergebnis der Parameterschätzung erhält man für jede Auskunftsperson die Teilnutzenwerte der einzelnen Eigenschaftsausprägungen, die Auskunft darüber geben, welchen Beitrag eine einzelne Merkmalsausprägung zum Zustandekommen des Gesamtnutzenwertes eines Produktes aufweist. Damit kann aber folglich auch abgeleitet werden, welches Produkt aus Sicht der befragten Probanden den höchsten Nutzenwert und damit einhergehend die größte Vorziehenswürdigkeit besitzt. Das Verfahren der Conjoint-Analyse bezieht sich jedoch genaugenommen lediglich auf die Analyse der Bewertungen der in Experimenten vorgelegten Alternativen durch die Probanden. Die ermittelten Präferenzdaten erhalten somit keinerlei Informationen über das Kaufverhalten der Konsumenten. Um Rückschlüsse auf das Auswahlverhalten ziehen zu können, muß daher das Modell mit einer zusätzlichen Entscheidungsregel verknüpft werden. Zur Transformation der Präferenzdaten in Auswahldaten werden in der Literatur mit der First-Choice-Regel, der BTL-Regel und dem Logit-Modell drei Entscheidungsregeln diskutiert Vgl. Büschken, 1., Conjoint-Analyse: Methodische Grundlagen und Anwendungen in der Marktforschungspraxis, in: Tomczak, T./Reinecke, S. (Hrsg.), Thexis, Marktforschung, St. Gallen 1994, S. 72 ff. 14 V gl. Finkbeiner, c., Comparison of Conjoint Choice Simulators, in: Sawtooth Software Conference on Perceptual Mapping, Conjoint Analysis and Computer Interviewing, 1988, S. 79 ff.; Theuerkauf, 1., Kundennutzenmessung mit Conjoint, in: Zeitschrift für Betriebswirtschaft, 59. Jg., 1989, S. 1184; Bauer, H.H./Herrmann, A./Mengen, A., Eine Methode zur gewinnmaximalen Produktgestaltung auf der Basis des Conjoint Measurement, in: Zeitschrift für Be-

10 - 9 - Bei der First-Choice-Regel wird von einem rational entscheidenden Nachfrager ausgegangen, der nur diejenige Alternative wählt, die ihm aus seiner subjektiven Sicht den maximalen Nutzen stiftet. 15 Nach der BTL-Regel ergibt sich hingegen die Wahrscheinlichkeit, daß ein Konsument das Produktprofil auswählt, aus dem Quotienten des Nutzens dieses Profils und der Summe der Nutzenwerte aller Produktprofile. Analog zum BIL-Modell verfährt das Lagil-Modell, wobei jedoch nicht die absoluten Gesamtnutzenwerte betrachtet werden. Statt dessen wird für jedes Produkt das Verhältnis aus jeweils in den Exponenten der Euler'schen Zahl e gesetztem Produktnutzenwert und Gesamtnutzenwert gebildet. Mit Hilfe dieser Entscheidungsregeln ist es nunmehr möglich, die Auswahlwahrscheinlichkeiten von bestimmten, z. B. derzeit auf dem Markt existierenden Produkten festzulegen. Geht man beispielsweise von der vereinfachten Annahme aus, daß ein Markt durch vier Produkte vollständig repräsentiert ist und daß sich diese vier Produkte aus dem Erhebungsdesign der Conjoint-Analyse konstruieren lassen, so können mit Hilfe der skizzierten Verfahren die Marktanteile der vier Produkte berechnet werden. Für jedes Simulationsprodukt müssen zunächst die individuellen Kaufwahrscheinlichkeiten berechnet werden. Anschließend erfolgt eine Aggregation der individuellen Werte, welche dann den Marktanteil des jeweiligen Produktes ergibt. 16 In Abhängigkeit von der Variation der Eigenschaftsausprägungen lassen sich dann folglich auch Marktanteilsveränderungen für Simulationsprodukte bestimmen. Für das Marketing können hieraus wertvolle Hinweise darüber gewonnen werden, welche Marketingstrategie zur Marktanteilssteigerung grundsätzlich sinnvoll ist. triebswirtschaft, 64. Jg., 1994, S. 84; Backhaus. K, et al., Multivariate Analysemethoden: eine anwendungsorientierte Einführung, a.a.o., S. 536 f Vgl. Wittink. D.R../Cattin. P., Commercial Use ofconjoint Analysis. An Update, a.a.o., S. 94. Vgl. Gutsehe. 1., Produktpräferenzanalyse, Berlin 1995, S. 160 ff.

11 " Grenzen der Verwendbarkeit von Conjoint-Ergebnissen beim traditionellen Vorgehen innerhalb der Conjoint-Analyse Neben der vor allem auf die Grundannahmen der Conjoint-Analyse gerichteten Kritik setzt ein weiterer wichtiger Kritikpunkt an der Simulation von Kaufentscheidungen mit Hilfe der Conjoint Analyse an. Das Modell geht so von der Annahme aus, daß sich alle in der Analyse befragten Probanden zwingend für ein Simulationsprodukt entscheiden. Diese Annalune ist konsequent, da die Conjoint-Analyse auf dem Grundgedanken beruht, daß jedes - also auch das am schlechtesten bewertete Produkt innerhalb des z. B. reduzierten Designs - einen positiven Nutzen stiftet und die Nachfrager deshalb lieber dieses als keines erwerben. In der Realität fallen Präferenzen und Kaufentscheidungen jedoch häufig auseinander, so daß nicht davon auszugehen ist, daß alle Nachfrager alle Produkte tatsächlich als Kaufaltemativen betrachten. Die Information über den mit Hilfe der Conjoint-Analyse bestimmten Marktanteil hilft folglich nur wenig weiter. Um die in der Marktforschungspraxis bedeutsame Frage beantworten zu können, mit welchen Umsätzen ein Unternelunen rechnen kann, fehlen Informationen über die tatsächliche Marktgröße, die in der Conjoint-Analyse nicht generiert werden. Die Marktgröße ließe sich nur dann bestimmen, wenn Gewißheit darüber bestünde, wieviele der Befragten der repräsentativen Stichprobe tatsächlich einige der vorliegenden Produkte kaufen würden. Diese Information wird durch die Conjoint-Analyse jedoch nicht zur Verfugung gestellt, da der "Nicht-Kauf' im Modell nicht zugelassen ist. Büschken formuliert vor diesem Hintergrund treffend: 17 "Fraglich ist, ob die Möglichkeit einer Nicht-Auswahl sinnvoll ist. Zweifellos ist hierin eine wichtige Information enthalten. [...] Eine solche Information ist im Rahmen der Conjoint-Analyse nicht ermittelbar, da auch in diesem Sinne inferiore Alternativen in eine Präferenzreihenfolge gebracht werden können." Büschken weist hiermit auf die wichtige Tatsache hin, daß die Präferenzbildung und Kaufentscheidung zwei häufig weitgehend unabhängige Ereignisse sind. Nachfrager sind so durchaus in der Lage, Produkte entsprechend ihren Präferenzen in eine z. B. Rangfolge zu bringen, ohne daß sie dabei jedoch zwangsläufig bereit sein müssen, auch nur eines der Produkte letztlich zu kaufen. Für die Ausgestaltung des Marketings wäre es allerdings von besonderem Interesse, nicht nur über Informationen im Hinblick auf Präferenzen, sondern auch über Informationen in bezug auf hieraus abgeleitete Kaufentscheidungen zu verfugen. 17 Büschken, 1., Multipersonale Kaufentscheidungen: Empirische Analyse zur Operationalisierung von Einflußbeziehungen im Buying Center, Wiesbaden 1994, S. 82, Fußnote 38.

12 Vor diesem Hintergrund wäre es wünschenswert, die Conjoint-Analyse in der Weise zu modifizieren, daß eine Entscheidungsregel direkt im Modell verankert wird. Evident wird diese Forderung auch in Anbetracht der Tatsache, daß die Conjoint-Analyse in der Praxis vennehrt zur Beurteilung der Marktchancen von innovativen Gütern eingesetzt wird. Eine Transfonnation von Präferenzdaten in Entscheidungsdaten ist aber gerade bei Innovationen kaum anwendbar, da hiennit unterstellt würde, daß die Innovationen von den Nachfragern zwingend gekauft würden. M. a. W. geht man bei der Marktsimulation mit Hilfe der traditionellen Conjoint-Analyse bei innovativen ' Produkten davon aus, daß jeder Nachfrager alle vorgelegten fiktiven Innovationen zu übernehmen bereit ist, was kaum den realen Marktverhältnissen entsprechen dürfte.

13 Das Konzept der Limit-Card als Integration einer Entscheidungsregel in der Conjoint Analyse 3.1 Die Grundidee der Limit-Card Das Konzept der Limit-Card stellt eine Erweiterung der traditionellen Conjoint-Analyse dar. Die Grundidee des Konzeptes und damit die Erweiterung des traditionellen Vorgehens läßt sich am einfachsten anhand eines Beispiels zum typischen Vorgehen innerhalb der traditionellen Conjoint Analyse verdeutlichen. Es wird davon ausgegangen, daß den Probanden zur Beurteilung ein reduziertes Design mit 9 Produkten vorliegt. Darüber hinaus werden die Probanden gebeten, die ihnen vorliegenden Produkte gemäß ihrer Vorziehenswürdigkeit in eine Rangfolge zu bringen, so daß die Erhebungsdaten ordinales Skalenniveau aufweisen. Des weiteren wird angenommen, daß die Analyse der Daten nicht mit Hilfe der monotonen Varianzanalyse, sondern mit der Regressionsanalyse erfolgt. Die Verwendung eines metrischen Schätzverfahrens ist dabei dann gerechtfertigt, wenn unterstellt wird, d aß die Abstände zwischen den Rängen einen konstanten Wert von z. B. 1 annehmen. Die Präferenzdaten weisen demnach kein ordinalskaliertes, sondern ein intervallskaliertes Niveau auf. Es wird also eine Datentransformation in der Weise vorgenommen, daß dem Produkt auf dem 9. Rang ein Score von 1 und dem Produkt auf dem 1. Rang entsprechend ein Ratingwert von 1 zugewiesen wird. Die Nutzenspanne beträgt im vorliegenden Beispiel also 8 (vgl. Abb. 1). Die Schätzung der Teilnutzenwerte erfolgt anschließend so, daß die Gesamtnutzenwerte der jeweiligen Produkte möglichst den empirischen Scorewerten entsprechen. Rang 7 -""(, jcn :l Ql 'Ot e tu,, u.. -"',, Score v ), Abb. 1: Transformation von Rangdaten in Ratingwerte Die Idee der Limit-Card fußt nun auf dem Gedanken, daß die Befragten nicht nur die obigen Produkte in eine Rangfolge legen können, sondern darüber hinaus auch angeben können, bis zu wel-

14 chem Rangplatz sie die Produkte kaufen würden. Damit gibt der Proband nicht nur Informationen bezüglich der Vorziehenswürdigkeit der verschiedenen Produktalternativen und damit einhergehend über seine Präferenzen preis; statt dessen fällt er eine direkte Auswahlentscheidung über die relevanten Stimuli. Der entscheidende Unterschied der um Limit-Cards erweiterten Conjoint-Analyse (im folgenden als Limit-Conjoint-Analyse bezeichnet) im Vergleich zum traditionellen Vorgehen besteht also darin, daß die Entscheidungsregel nicht erst im Anschluß an die eigentliche Conjoint Analyse angewendet, sondern direkt im Modell verankert wird. Hat beispielsweise ein Befragter geantwortet, daß er allein die Produkte auf den ersten drei Rängen des reduzierten Designs kaufen würde, so liegt seine Nutzengrenze offenbar zwischen dem 3. und dem 4. Rang. Bildlich gesprochen bedeutet dies, daß er eine Limit-Card zwischen der auf dem 3. und der auf dem 4. Rang liegenden Produkt-Karte setzt. Die Limit-Card setzt folglich einen Cut zwischen den Produkten, die aus dem reduzierten Design gekauft würden, und den Produkten, rur die der Proband keine Kaufbereitschaft aufweist. M. a. W. wird bei der Limit-Conjoint-Analyse eine zusätzliche Information beim Befragten erhoben und in das Verfahren der traditionellen Conjoint-Analyse integriert: die individuelle Nutzengrenze des Nachfragers. Um die beim Probanden abgefragte Nutzengrenze in die Methodik der traditionellen Conjoint Analyse integrieren zu können, sind zusätzliche Annahmen bzw. Plausibilitätsüberlegungen in bezug auf folgende Fragestellungen erforderlich: Wie läßt sich die Nutzengrenze bzw. die Limit-Card in den in Ratingwerte transformierten Rangdaten berücksichtigen? Wie groß ist der metrische Abstand zwischen der Limit-Card und dem ersten gekauften Produkt bzw. dem letzten nicht gekauften Produkt zu wählen? Welchen Abstand hat das am besten bewertete Produkt des reduzierten Designs zur Nutzengrenze, wenn der Nachfrager die Limit-Card vor dem 1. Rang legt, m. a. W. also keines der ihm vorliegenden Produkte des reduzierten Designs kaufen würde? Welchen Abstand hat das am schlechtesten bewertete Produkt des reduzierten Designs zur Nutzengrenze, wenn der Nachfrager die Limit-Card hinter dem 9. Rang legt, m. a. W. also rur jedes der ihm vorliegenden Produkte des reduzierten Designs eine Kaufbereitschaft aufweist? Aus Anschauungsgründen erscheint es in bezug auf die erste der o. g. Fragestellungen zweckmäßig, die Nutzengrenze als Punktwert von 0 aufzufassen, so daß folglich die Produkte, rur die eine Kauf-

15 bereitschaft besteht, positive Nutzenwerte aufweisen. Im Gegensatz dazu erhalten Produkte, die nicht gekauft würden, negative Nutzenwerte (vgl. Abb. 2). S:C\J ::1 "Ot QJ o ctl 0:':'::' Score.;. y y y y y -5,5-4,5-3,5-2,5-1,5 0,5 1,5 2,5 Abb. 2: Nutzenwerte bei Verwendung der Limit-Card Um eine im Vergleich zur traditionellen Conjoint-Analyse gleiche Nutzenspanne von 8 zu erhalten, ist es darüber hinaus erforderlich, die Abstände zwischen den bewerteten Produkten weiterhin konstant mit 1 zu beziffern. Vor diesem Hintergrund bietet es sich nun an, den Abstand des ersten nicht mehr gekauften Produktes zur Limit-Card identisch zum Abstand des letzten gerade noch gekauften Produktes und der Limit-Card zu setzen (zweite o. g. Fragestellung). Der Abstand beträgt also genau 0,5. Hierbei ist allerdings fraglich, ob in der Realität eine solche Annahme gerechtfertigt ist. In Anbetracht der Tatsache, daß aber generell angezweifelt werden muß, ob Abstände zwischen ordinalen Präferenzdaten konstant sind, wird an dieser Stelle keine zusätzliche Annahme eingefiigt. Wenn in der traditionellen Conjoint-Analyse also die Transformation von ordinalen Rangdaten zu intervallskalierten Ratingwerten zulässig ist, so ist folglich die Einfiigung der Limit-Card mit einem konstanten Abstand zu dem er s ten gekauften und zu dem letzten nicht gekauften Produkt nur konsequent. Auf diese Weise wird zudem erreicht, daß im Vergleich zur traditionellen Conjoint Analyse lediglich eine individuelle Skalenverschiebung vorgenommen wird (vgl. Abb. 3). Somit ergeben sich auch keine Veränderungen zur traditionellen Conjoint-Analyse, wenn der befragte Proband sich vorstellen könnte, auch das Produkt auf dem letzten Rang zu kaufen, und daher die Limit-Card hinter dem 9. Rang setzt (vgl. Nachfrager 3 in Abb. 3).

16 Nachfrager 1 Nachfrager 2 Nachfrager 3 Nachfrager 4 Nachfrager 5 Nachfrager 6 Nachfrager 7 Nachfrager 8 Nachfrager 9 Nachfrager n " ". ". Ja : Traditionelle CA' Nutzen o "" I I I I I J.. 1 I. I I Kauf Nein CA mit L'mit I -C ar d 5: Nutzen o Llmlt-Card zwischen dem 3. und 4. Rang Llmlt-Card vor dem I 1. Rang ". I I I Llmlt-Card hinter dem 9. Rang l, I I I. '; 1 I I I I I I I,I Ja Kauf Nein I I I Abb. 3: Vergleich der zugrundeliegenden Nutzenwerte Weitere methodische Fragestellungen ergeben sich aus Abb. 3 in bezug auf die Nachfrager 2 und 3. Es stellt sich so u, a. die Frage, wie die individuelle Skalierung auszusehen hat, wenn der Nachfrager die Limit-Card vor dem 1. Rang gesetzt hat und damit zum Ausdruck bringt, daß für kein Produkt des reduzierten Designs eine Kaufbereitschaft besteht (Nachfrager 2 in Abb. 3). In diesem Fall sollte das am besten bewertete Produkt des reduzierten Designs mit einem Score von -0,5 versehen werden. Durch diese Skalierung ist gewährleistet, daß es für den Nachfrager dennoch ein Produkt aus dem vollständigen Design geben kann, welches er zu kaufen bereit ist. Eine solche Konstellation ist dann vorstellbar, wenn das für den betrachteten Nachfrager optimale Produkt nicht im reduzierten Design vertreten ist. Aufgrund der nahen Distanz zur Nutzengrenze ist im Falle des O.g. Skalierungsvorschlags dennoch gewährleistet, daß der wahrgenommene Nutzen für dieses individuell-optimale Produkt über den Nullpunkt hinaus gehen kann, Wäre hingegen der Abstand der Limit-Card zum am besten bewerteten Produkt des reduzierten Designs größer gewesen, so wäre unter Umständen für keine der Alternativen ein positiver Nutzenwert "errechenbar", obwohl in der Realität für eines der Produkte des vollständigen Designs sehr wohl eine Kaufbereitschaft vorliegen würde. Durch die hier vorgeschlagene Skalierung kann somit ein ausgewiesener Nicht-Käufer der

17 im reduzierten Design enthaltenen Produkte zu einem Käufer bestimmter allein im vollständigen Design enthaltenen Produkte werden. Analog ist darüber hinaus zu argumentieren, wenn der Nachfrager die Limit-Card hinter dem 9. Rang setzt und damit signalisiert, daß er grundsätzlich jedes der im reduzierten Design vertretene Produkt zu kaufen bereit ist (vgl. Nachfrager 3 in Abb. 3). In einem solchen Fall ist nicht zwangsläufig davon auszugehen, daß rur alle im vollständigen Design abgebildeten Produkte eine Kaufbereitschaft besteht. So ist durchaus denkbar, daß rur das aus Sicht des Nachfrager 3 insgesamt schlechteste Produkt, welches nicht unbedingt im reduzierten Design vertreten sein muß, ein negativer Nutzen existiert. Durch die Skalierung der bewerteten Produkte des reduzierten Designs von 0,5 bis 8,5 ist somit die Option gegeben, daß es auch negative Nutzenwerte ftir andere Produkte aus dem vollständigen Design geben kann. Wäre hingegen die Skala der Nutzenwerte der beurteilten 9 Produkte des reduzierten Designs in Abb. 3 - vom Ursprung aus betrachtet - weiter nach links verschoben worden (z.b. von 5 bis 13), so würde eine bei entsprechender Variation der betrachteten Produkte theoretisch denkbare Wanderungsbewegung vom Käufer zum Nicht-Käufer rur Nachfrager 3 ausgeschlossen. 3.2 Veränderungen der Conjoint-Ergebnisse im Vergleich zum traditionellen Vorgehen Bei einer Veränderung der Methodik der traditionellen Conjoint-Analyse können sich Ergebnisveränderungen in bezug auf die Präferenz-Ergebnisse und damit Teilnutzenwerte und/oder die Kaufwahrscheinlichkeiten und damit einhergehend die Marktanteile der in einer Simulation betrachteten Produkte einstellen. Beim Übergang von der traditionellen Conjoint-Analyse zur Limit-Conjoint-Analyse können sich nun im Hinblick auf die Schätzergebnisse der Teilnuzenwerte der Produkteigenschaftsausprägungen keine Unterschiede ergeben. Dies ist darauf zurückzuruhren, daß die Bewertung der vorliegenden Produkte des reduzierten Designs mittels einer Rangreihung identisch erfolgt. Nur dadurch, daß die Probanden gebeten werden, zusätzlich anzugeben, bis zu welchem Rang sie die Produkte kaufen

18 würden, ändert sich nicht die Vorziehenswürdigkeit der einzelnen Produkte im Vergleich zueinander und damit auch nicht die Präferenzstruktur des individuellen Nachfragers. Unterstellt man ein additives Teilnutzenmodell, nach dem sich der Gesamtnutzenwert eines Produktes aus dem Basisnutzen und den jeweiligen Teilnutzenwerten der entsprechenden Eigenschaftsausprägung zusammensetzt, so ändert sich allein zwingend der Basisnutzen. Nach der traditionellen Conjoint-Analyse ist der Basisnutzen positiv und gibt an, welchen Nutzen die betrachteten Produkte dem Nachfrager unabhängig von den konkreten Merkmalsausprägungen stiften. Wird die traditionelle Conjoint-Ana1yse aber um die Limit-Card erweitert, ändert sich dieser Basisnutzen. Legt beispielsweise ein Nachfrager die Limit-Card vor dem 3. Rang und kauft damit allein 2 Produkte, so muß der Basisnutzen zwangsläufig geringer sein, als wenn er sie hinter dem 9. Rang gelegt hätte und damit alle Produkte des reduzierten Designs zu kaufen bereit gewesen wäre. Das Setzen der Limit-Card gibt also eine Information darüber, welchen Grundnutzen der Proband den vorliegenden Produkten beimißt. Je weniger Produkte er tendenziell zu kaufen bereit ist, desto geringer wird auch der Basisnutzen. Im Basisnutzen dokumentiert sich folglich die individuelle Nutzenschwelle, die überwunden werden muß, um ein Produkt zu kaufen. Nimmt beispielsweise die individuelle Nutzenschwelle einen Wert von -3 an, so müssen die Teilnutzenwerte der Eigenschaftsausprägungen rur ein bestimmtes Produkt insgesamt einen Wert von mehr als 3 ergeben, um den Nachfrager zu einem Kauf zu animieren. Ansonsten würde nicht die,,kaufnutzengrenze" von 0 erreicht. Vergleicht man nun den Basisnutzen der traditionellen Conjoint-Analyse mit dem der Limit-Conjoint Analyse, so gibt die Basisnutzendifferenz Auskunft darüber, an welcher Stelle der Nachfrager seine Limit-Card gesetzt hat. Beträgt beispielsweise der Gesamtnutzenwert rur das auf dem 1. Rang positionierte Produkt in einem reduzierten ger Design nach der traditionellen Conjoint-Analyse 9 und rur die Limit-Conjoint-Analyse bei entsprechendem Setzen der Limit-Card zwischen dem 3. und 4. Rang nach der in Abb. 3 skizzierten Skalierung 2,5, so muß die Differenz der Basisnutzenwerte zwischen traditioneller Conjoint-Analyse und Limit-Conjoint-Analyse 6,5 betragen. Hiervon ist deshalb zwangsläufig auszugehen, da die Teilnutzenwerte nach beiden Verfahren identisch sind. Während die Ergebnisse der traditionellen Conjoint-Analyse im Vergleich zu denen der Limit Conjoint-Analyse nur beim Basisnutzen und nicht bei den Teilnutzenwerten variieren, sind die Veränderungen der Kaufwahrscheinlichkeiten für die in einer Simulation betrachteten Produkte beträchtlich.

19 Um diese Veränderungen anschaulich darstellen zu können, wird im folgenden wiederum ein fiktives Beispiel betrachtet: Es wird angenommen, daß auf einem 100 Personen umfassenden Markt derzeit 3 Produkte A, B und C angeboten werden. Nach der traditionellen Conjoint-Analyse bestehen fur diese drei Produkte nur positive Gesamtnutzenwerte. Würden im vorliegendem Beispiel 80 Probanden dem Produkt A den höchsten Nutzen beimessen, und jeweils 10 Personen den Produkten B und C (vgl. Abb. 4), so hätte nach der First Choice-Regel Produkt A einen Marktanteil von 80 % und die restlichen Produkte jeweils einen von 10 %. Nachfrager Nutzen Nutzen Nutzen Nach- Nutzen Nutzen Nutzen Nach- Nutzen Nutzen Nutzen Prod. A Prod. B Prod. C frager Prod. A Prod. B Prod. C frager Prod. A Prod. B Prod. C , Abb. 4: Exemplarische Nutzenwerte nach der traditionellen Conjoint-Analyse Nun wird des weiteren angenommen, daß 20 der 100 Marktteilnehmer, die den Produkten B und C nach der traditionellen Analyse den höchsten Nutzenwert beimessen, ihre Limit-Card so gesetzt haben, daß alle obigen drei Simulationsprodukte einen negativen Nutzenwert erhalten. Für die restlichen 80 Personen gilt darüber hinaus, daß ausschließlich Produkt C einen negativen Nutzenwert erhält (vgl. Abb. 5). Nach" frager Nutzen Nutzen Nutzen Nach- Nutzen Nutzen Nutzen Nach Nutzen Nutzen Nutzen Prod. A Prod. B Prod. C frager Prod. A Prod. B Pro&C frager Prod. A Prod. B Prod. C + 2,5 + 0,5-0,5 81-2,5. - 0,5-3,5 91-2,5 + 2,5 + 0,5-0,5 82-2,5-0,5-3,5 92-2, ,5 + 0,5-0, , ,5-3, ,5-3,5-0,5-3, ,5-0, ,5 Abb. 5: Exemplarische Nutzenwerte nach der Limit-Conjoint-Analyse Die in Abb. 5 dargestellte Situation bedingt nun zunächst einmal, daß die Marktgröße von 100 Personen auf 80 Personen schrumpft, da bei den 20 Nicht-Käufern für jedes Produkt eine Kaufwahrscheinlichkeit von 0 % besteht. Darüber hinaus ergeben sich auch in Abhängigkeit von der verwandten Kaufentscheidungsregel (z. B. First-Choice- oder BTL-Regel) veränderte Marktanteile. Nach der First-Choice-Regel ergeben sich so im Vergleich zur traditionellen Conjoint-Analyse unterschiedliche Marktanteile, da die im Rahmen der Limit-Conjoint-Analyse identifizierten 80 Käufer ausschließlich Produkt A bevorzugen. Folglich entfällt auf dieses Produkt der gesamte Markt. Der Marktanteil beträgt also 100 %. Obwohl sich also die Präferenzstrukturen der befragten Perso-

20 nen nicht geändert haben, ergeben sich andere Marktanteile. Die Limit-Conjoint-Analyse ist folglich nicht nur in der Lage, eine Aussage über die tatsächliche Marktgröße zu liefern; sie bedingt darüber hinaus auch veränderte Marktanteile innerhalb des verbliebenen tatsächlichen Marktes, wenn die First-Choice-Regel verwandt wird. Wäre für die Berechnung der Kaufwahrscheinlichkeiten die BTL-Regel angewendet worden, so hätte sich für die in Abb. 4 wiedergegebenen Daten nach der traditionellen Conjoint-Analyse für Produkt A kein Marktanteil von 80 %, sondern nur einer von 51,43 % ergeben. Dies ist darauf zurückzuführen, daß die 80 Probanden, die Produkt A bevorzugen, nicht zu 100 % dieses Produkt kaufen, sondern nur zu 57,14 %. Die Kaufwahrscheinlichkeit errechnet sich dabei aus dem Verhältnis des Gesamtnutzen dieses Produktes zu dem Gesamtnutzen aller drei Produkte und ist von daher kleiner als 100 %. Analog gilt für die Produkte B und C, daß diese einen Marktanteil von 30 % und 18,57 % erzielen. Auf die mit Hilfe der Limit-Card veränderten Conjoint-Daten (vgl. Abb. 5) ist die BTL-Regel aber nun nicht mehr unmodifiziert anwendbar. Es dürfen so nur die Produkte berücksichtigt werden, die einen positiven Nutzenwert erzielen und folglich auch gekauft würden. Für die ersten 80 Nachfrager ergibt sich denmach für das Produkt A eine Kaufwahrscheinlichkeit von 83,33 % und für das Produkt B von 16,67 %. Produkt C wird von diesen Probanden nicht gekauft, da es einen negativen Nutzenwert besitzt. Die Nachfrager 81 bis 100 würden zudem keines der angebotenen 3 Produkte kaufen. Von daher schrumpft die Marktgröße im Vergleich zur traditionellen Conjoint-Analyse wie bei Anwendung der First-Choice-Regel von 100 auf 80 Personen. Die Berechnung der Marktanteile basiert also nur auf einer Käuferschaft von 80 Personen. Das hat zur Folge, daß nunmehr der Marktanteil für Produkt A 83,33 % und für Produkt B 16,67 % beträgt. Im Vergleich zur traditionellen Analyse hat sich also die Anzahl der verkauften Produkte A von 51,43 auf 66,67 (83,33 % von 80) erhöht. Obwohl also der Markt geschrumpft ist, werden mehr Produkte von A verkauft. Die verkaufte Anzahl des Produktes B ist hingegen von 30 auf 13,34 gesunken, während von Produkt C überhaupt keine Einheit mehr abgesetzt wird. Für den Anbieter von Produkt C wird vor diesem Hintergrund die Tatsache evident, daß er sein Produkt modifizieren muß, um Käufer zu gewinnen. Durch die Integration einer Entscheidungsregel mit Hilfe der Limit-Card haben sich folglich also auch bei der zugrunde gelegten BTL-Regel die Marktverhältnisse signifikant verändert. Im Vergleich zur traditionellen Conjoint-Analyse ist also die Limit-Conjoint-Analyse in der Lage, Käufer von Nicht-Käufern - und zwar in Abhängigkeit von den jeweils simulierten Marktangebo-

21 ten - zu trennen. Damit wird es möglich, Strategien zu entwickeln, mit deren Hilfe nicht allein die Marktanteile, sondern auch die tatsächliche Marktgröße beeinflußt werden kann. In Anbetracht dieser Tatsache ist es mit der um Limit-Cards erweiterten traditionellen Conjoint-Analyse erstmals möglich, das Marktgeschehen weitgehend realistisch zu prognostizieren. 3.3 Zusammenfassende Darstellung des Konzeptes der Limit-Card am Beispiel einer empirischen Erhebung im Mobilfunkmarkt Die Einsatzmöglichkeiten von Limit-Cards in der Conjoint-Analyse sollen abschließend anhand einer konkreten empirischen Fragestellung untersucht werden. Um das durch die Verwendung von Limit-Cards für die Lösung praxisrelevanter (Marketing-)Fragestellungen erweiterte Einsatzfeld der Conjoint-Analyse aufzuzeigen, wird im folgenden eine typische Problemstellung aus dem Mobilfunk-Markt betrachtet. Beim Mobilfunk-Markt handelt es sich auch nach den Postreformen von 1989 und um keinen vollständig liberalisierten Markt. Zum Aufbau und Betrieb von Mobilfunknetzen benötigen die Betreiber statt dessen weiterhin eine vom Bundesminister fur Post und Telekommunikation (BMPT) erteilte Lizenz. Nachdem das Ministerium bereits 1989 der damals unter dem Namen Deutsche Bundespost Telekom furnierenden Deutschen Telekom AG und dem Mannesmann Mobilfunk-Konsortium Lizenzen zum Aufbau und Betrieb von zwei digitalen GSM(Global System for Mobile Communications)-Mobilfunknetzen erteilt hatte, wurde im Februar 1993 eine dritte Lizenz zum Aufbau und Betrieb eines weiteren digitalen PCN(Personal Communications Network)-Netzes an das von Thyssen und Veba gefuhrte eplus Konsortium vergeben. Hatten sich bei der Vergabe der D-Lizenzen 1989 elf Konsortien und bei der Vergabe der eher auf Ballungsräume zugeschnittenen EI-Lizenz 1993 immerhin noch vier Konsortien um eine Lizenz bemüht, so stieß die 1996 vom BMPT ausgeschriebene E2-Lizenz bei potentiellen Lizenznehmern und somit vor allem bei den bei den bisherigen Lizenzvergaben nicht berücksichtigten Bewerbern auf kein sonderlich großes Interesse. Ursächlich fur die starke Zurückhaltung war die Tatsa he, daß im Gegensatz zu den bisherigen Lizenzvergaben bezweifelt wurde, ob der Aufbau eines weiteren Mobilfunknetzes fur den Betreiber ökonomisch sinnvoll sei. Einigkeit besteht in Expertenkreisen vielmehr darin, daß der Betreiber eines vierten digitalen Mobilfunknetzes nur dann eine Chance zur Amortisation der notwendigen Investitionen von 4 Milliarden DM aufweist, wenn es ihm einerseits gelingt, Wettbewerbsvorteile gegenüber 18 Vgl. zur Analyse der Postreformen ausfuhrlich Vo eth. M., Entmonopolisierung von Märkten - Das Beispiel Telekommunikation, Baden-Baden 1996.

22 den bereits etablierten Anbietern zu generieren, er andererseits jedoch auch in der Lage ist, sich neue Marktsegmente zu erschließen. Vor dem Hintergrund dieser Markteinschätzung erscheint es für einen potentiellen vierten Netzbetreiber besonders wichtig, bereits vor dem Markteintritt die eigenen Wettbewerbschancen zu beurteilen, indem er die für ihn optimale strategische Positionierung evaluiert und auf Basis dieser Strategie eine ökonomische Wertung des geplanten Markteintritts vornimmt. Die für einen potentiellen Betreiber daher im Mittelpunkt stehende Evaluation alternativer Wettbewerbsstrategien und die damit verbundene Bestimmung einer optimalen strategischen Ausrichtung ist angesichts des noch nicht vorhandenen eigenen Angebots des Betreibers allerdings schwierig. Der Betreiber kann nur versuchen, auf Basis zugrundeliegender Nachfragerpräferenzen das zukünftige Verhalten der Nachfrager im Wettbewerb abzuschätzen bzw. zu simulieren. Hierzu benötigt er jedoch Informationen über die Kaufpräferenz potentieller Nachfrager, die er vor dem Markteintritt im Rahmen der Marktforschung z. B. mit Hilfe der Conjoint-Analyse gewinnen kann. Aus diesem Grunde wurde im Dezember 1996 eine beispielhafte Conjoint-Analyse für die skizzierte Problemstellung durchgeführt. Zielsetzung der Erhebung war es dabei weniger, verläßliche Informationen über Nachfragerpräferenzen im Mobilfunk-Markt zu gewinnen, als vielmehr exemplarisch an der skizzierten Problemstellung den mit Hilfe von Limit-Cards erweiterten Anwendungsbereich der Con-joint-Analyse deutlich zu machen. Daher wurde der Repräsentativität der Stichprobe keine besondere Beachtung geschenkt: Die geplanten 170 Interviews wurden bei Marketing-Studierenden der Universität Münster durchgeführt. Die den Befragten im Rahmen der Conjoint-Interviews vorgelegten fiktiven Mobi1funkangebote waren im Hinblick auf die als besonders kaufentscheidungsrelevant eingestuften Merkmale bzw. Merkmalsausprägungen Servicenetz [dezentral (Service- und Vertriebs stationen in jedem größeren Ort), zentral (keine Service- und Vertriebsstationen in jedem größeren Ort)], Flächendeckung [bundesweit; nicht in einigen ländlichen Regionen], Preis [Festnetzpreis abzüglich 20 %; Festnetzpreis; Festnetzpreis zuzüglich 20 %] und Endgerätegewicht [100 g; 175 g; 250 g]. unterschiedlich gestaltet. Bei der Gestaltung des Designs wurde dabei von der Prämisse ausgegangen, daß insbesondere die für einen zum jetzigen Zeitpunkt in den Markt einsteigenden Betreiber interessanten Privatkunden Netzkarte und Endgerät in einem Kaufakt erwerben und es daher für den

23 Betreiber wichtig sein kann, ein den Nachfragerpräferenzen entsprechendes Endgerät unter dem eigenen Label anzubieten. Aus diesem Grunde wurde bewußt das beim Endgerätekauf wichtige Kriterium "Endgerätegewicht" in das Conjoint-Design aufgenommen. Abb. 6 zeigt das sich aus den o. g. Kriterien und -ausprägungen ergebende reduzierte Design, das anstatt der im vollständigen Design enthaltenen 36 (2x2x3x3) Stimuli nur noch 9 Produkte umfaßt. Die Befragten wurden nun nicht nur gebeten, die 9 Produkte entsprechend ihren Präferenzen in eine Rangfolge zu bringen, sondern darüber hinaus auch anzugeben, hinter welchem Rang sie ihre Limit Card setzen würden. Die Limit-Card sollte vom Interviewten dabei jeweils so positioniert werden, daß die Produkte auf den Rängen vor der Limit-Card den Produkten entsprechen, die der Nachfrager zu kaufen bereit ist. Dementsprechend bedeutet eine vor dem ersten Rang stehende Limit-Card, daß der Nachfrager keines der im reduzierten Design enthaltenen Produkte zu kaufen bereit ist, wohingegen eine beispielsweise vor dem vierten Rang gesetzte Limit-Card so zu interpretieren ist, daß von seiten des Nachfragers Kaufbereitschaft bei den von ihm auf den ersten drei Rängen positionierten Produkten besteht. Schließlich signalisiert der Nachfrager durch das Setzen der Limit-Card nach dem neunten Rang, daß er alle neun Produkte des reduzierten Designs zu kaufen bereit ist. Mobilfunk Fiktive Produkte Servicenetz Preis Flächendeckung Engerätegewicht dezentral, Service v. O. zentral, kein Service v. O. bundesweit nicht in einigen I. Regio. Festnetz-20 % Festnetz Festnetz+20% 175g g Abb. 6: Das reduzierte Design der Conjoint-Erhebung im Mobilfunk-Markt Abb. 7 verdeutlicht darüber hinaus, daß 31 Befragte ihre Limit-Card vor Rang 1 gesetzt haben und damit zu erkennen gegeben haben, daß sie keines der im reduzierten Design enthaltenen Produkte zu kaufen bereit sind. Im Gegensatz dazu setzten die übrigen 139 Befragten ihre Limit-Card an eine

24 Position hinter Rang 1 und zeigten damit zumindest bei einem der abgefragten Produkte Kaufbereitschaft. Interessanterweise stellen jedoch auch die 31 Befragten, die ihre Limit-Card vor Rang 1 positioniert haben, keine generellen Nicht-Käufer dar. Im Rahmen einer parallel zum Limit-Conjoint-Test durchgefuhrten schriftlichen Befragung konnte so ermittelt werden, daß sich alle Befragten - und somit auch die, die ihre Limit-Card vor Rang 1 gesetzt haben - grundsätzlich die Teilnahme am Mobilfunk vorstellen können. 5 0 [Anzahl der Befragten] o o [Limit-Card nach Rang... ] Abb. 7: Verteilung der Limit-Card-Positionen über alle Befragten Die Tatsache, daß sich auch die Befragten, die ihre Limit-Card vor Rang 1 gesetzt haben, generell den Kauf eines Handies vorstellen können, hat fur die innerhalb der um Limit-Cards erweiterten Conjoint-Analyse notwendige Skalenverschiebung eine wesentliche Bedeutung. Aufgrund dieser Tatsache erscheint es vertretbar, bei der zur Berücksichtigung von Limit-Cards erforderlichen Transformation der Nutzenwerte davon auszugehen, daß das "beste" Produkt in der Rangfolge eines Befragten, der seine Limit-Card vor Rang 1 gesetzt hat, ebenso weit - nämlich genau die Hälfte des ansonsten konstanten Nutzenunterschieds zwischen zwei auf nacheinander liegenden Rängen positionierten Produkten - vom Nutzennullpunkt entfernt liegt, wie das erste nicht gekaufte Produkt bei einem Nachfrager, der seine Limit-Card zwischen zwei Produkten des reduzierten Designs eingeordnet hat. Setzt man des weiteren voraus, daß auch bei Nachfragern, die ihre Limit-Card nach dem