Anwendung des Conjoint-Measurement im Marketing Stand der Forschung

Transkript

1 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: Boker Straße Delbrück

2 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 Verfahrensvariationen näher zu bringen, ihm die Stärken und Schwächen zu präsentieren und Denkanstöße bezüglich Verbesserungsmöglichkeiten zu geben. Ludgerus Henke I

3 Inhaltsverzeichnis Inhaltsverzeichnis Vorwort... I Inhaltsverzeichnis...II Abkürzungsverzeichnis...IV Abbildungsverzeichnis... V 1 Einführung in die Thematik des Conjoint-Measurement im Marketing Begriffserläuterung Conjoint-Measurement mit seinem Ursprung, Verlauf und seiner Entwicklung Durchführung einer Conjoint-Analyse und Erläuterung ihrer Ablaufschritte Eigenschaften und Eigenschaftsausprägungen Anforderungen an die Attribute Art der Attribute Erhebungsdesign Definition der Stimuli Bewertung der Stimuli Schätzung der Nutzenwerte Aggregation der Nutzenwerte Analyse der Wahlbasierten und Adaptiven Conjoint-Analyse und Vergleich mit dem Klassischen Ansatz Die Wahlbasierte Conjoint-Analyse Die Vorteile der Wahlbasierten Conjoint-Analyse Die Nachteile der Wahlbasierten Conjoint-Analyse II

4 Inhaltsverzeichnis Mein Fazit für die Wahlbasierte Conjoint-Analyse Die Adaptive Conjoint-Analyse Die Vorteile der Adaptiven Conjoint-Analyse Die Nachteile der Adaptiven Conjoint-Analyse Mein Fazit für die Adaptive Conjoint-Analyse Vergleich mit dem Klassischen Ansatz Die Vorteile des Klassischen Ansatzes Die Nachteile des Klassischen Ansatzes Die Ergebnisse der Analyse und des Vergleiches der drei conjointanalytischen Methoden Conjoint-Analyse im Marketing Stand der Forschung Die Online-Conjoint-Analyse Die Customized-Computerized-Conjoint-Analysis Die Zukunft der Conjoint-Analyse und ihrer Verfahrensvariationen Kritische Betrachtung dieser multivariaten Analysemethode Meine persönlichen Verbesserungsvorschläge bezüglich der Conjoint-Analyse Resümee...63 Literaturverzeichnis...VI Eidesstattliche Erklärung...XI Anhangsverzeichnis... XII III

5 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

6 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

7 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 Enzyklopädie Standard 2003]). Die Conjoint-Analyse (auch Conjoint-Measurement genannt, dt. etwa Verbundsmessung ) 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 Gesamtnutzen 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

8 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 kompositionelle, 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

9 Begriffserläuterung Conjoint-Measurement 2 Begriffserläuterung Conjoint-Measurement mit seinem Ursprung, Verlauf und seiner Entwicklung Conjoint-Measurement oder auch Conjoint-Analyse 1 heißt zu deutsch übersetzt etwa Verbund-Analyse und ist seit den siebziger Jahren im Bereich der Marketingwissenschaft 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 orientierten 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

10 Begriffserläuterung Conjoint-Measurement Die nachfolgend differenzierten Ansätze (Vgl. [Backhaus et al. 2005]) unterscheiden 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 Schätzalgorithmus, 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

11 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 Auswahlentscheidungen 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 Zeitschriften 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

12 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 Marktforschungsinstituten 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, Wettbewerbsanalyse, Preissetzung und Marktsegmentierung waren die typischen Anwendungen (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 eingesetzt. Die Teilnutzenwerte wurden mittels Least-Square-Regression geschätzt (Vgl. [Fabian 2005]). Des Weiteren wurde 1997 in Deutschland die Nutzung der Conjoint-Analyse in der Unternehmenspraxis untersucht, wo von 324 Marktforschungs- und Marketingberatungsunternehmen 104 die Conjoint-Analyse einsetzten. Dies entspricht einem Anteil von 32,1%, der wiederum die Akzeptanz der Conjoint-Analyse unterstreicht. 6

13 Begriffserläuterung Conjoint-Measurement Warum die Conjoint-Analyse solch eine Bedeutung und Verbreitung in der Wissenschaft erlangt hat, liegt zum einen an der einfach handhabbaren empirischen Erhebung 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

14 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 8

15 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 Eigenschaftsausprägungen 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

16 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 Wettbewerbsforschung 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 Ausprägungen 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

17 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 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

18 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 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

19 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 Unabhängigkeit 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

20 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 Eigenschaftsausprägungen (Vgl. [Green/Srinivasan 1978]). Bei fünf Attributen eines Produktes mit jeweils fünf Ausprägungen gibt es 5 5 = 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

21 Durchführung einer Conjoint-Analyse 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

22 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

23 Durchführung einer Conjoint-Analyse 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

24 Durchführung einer Conjoint-Analyse Margarine I kalorienarm Becherverpackung Als Brotaufstrich geeignet Margarine III kalorienarm Becherverpackung universell verwendbar Margarine V normale Kalorien Becherverpackung zum Kochen, Backen, Braten Margarine VII kalorienarm Papierverpackung Als Brotaufstrich geeignet Margarine IX kalorienarm Papierverpackung universell verwendbar Margarine XI normale Kalorien Papierverpackung zum Kochen, Backen, Braten Quelle: (Vgl. [Backhaus et al. 2005], S.564.) Margarine II kalorienarm Becherverpackung zum Kochen, Backen, Braten Margarine IV normale Kalorien Becherverpackung als Brotaufstrich geeignet Margarine VI normale Kalorien Becherverpackung universell verwendbar Margarine VIII kalorienarm Papierverpackung zum Kochen, Backen, Braten Margarine X normale Kalorien Papierverpackung als Brotaufstrich geeignet 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 Informationsüberlastung 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

25 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 3 Im Beispiel Margarine entstehen also, also 3 Trade-Off-Matrizen, wobei jede 2 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. Ob die Profilmethode oder die Zwei-Faktor-Methode zur Anwendung kommt, hängt von drei Gesichtspunkten ab (Vgl. [Fabian 2005]): 19

26 Durchführung einer Conjoint-Analyse 1. Ansprüche an Auskunftspersonen Hier liegt der Vorteil bei der Zwei-Faktor-Methode, weil die Auskunftspersonen 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 ). 20

27 Durchführung einer Conjoint-Analyse 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) auszuwählen (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 einigermaßen 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

28 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 Eigenschaftsausprägungen 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

29 Durchführung einer Conjoint-Analyse Damit folgt ein vollständiges, zweistufiges Untersuchungsdesign. Eigenschaft B p I p II Eigenschaft A 2 p III p IV Quelle: (Vgl. [Backhaus et al. 2005], S.570.) 3 p V p VI Abbildung 9: Vollständiges Untersuchungsdesign für das Beispiel 3.3 Bewertung der Stimuli In dem Schritt Bewertung der Stimuli sollen die Befragten ihre Präferenzen offenlegen. Um die Rangfolge der Stimuli zu ermitteln, gibt es eine Reihe von Vorgehensweisen (Vgl. [Fabian 2005], S ): 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 miteinander 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

30 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

31 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 Eigenschaft A 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

32 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 Teilnutzenwerte 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]): J Mj y k = β jm * χ jm j= 1 m= 1 mit: y k : 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): γ = β A + β 1 1 B1 γ = β A + β 2 1 B2 γ = β A + β 3 2 B1 γ = β A + β 4 2 B2 γ = β A + β 5 3 B1 γ = β A + β 6 3 B2 26

33 Durchführung einer Conjoint-Analyse Die Teilnutzenwerte β jm sollen so bestimmt werden, dass die resultierenden Gesamtnutzenwerte γ k möglichst gut den empirischen Rangwerten p k entsprechen (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 + β A + β B 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 Margarinebeispiel 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 ). Für das Margarinebeispiel ergeben sich nun folgende Werte: µ = 3,5 β A1 = β B1 = 0,1667 β A2 = 0,000 B2 β A3 = 2,000 β = -0,

34 Durchführung einer Conjoint-Analyse Durch Einsetzen der Werte ergeben sich dann die Gesamtnutzenwerte: γ 1 = 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]). Min β K k = 1 ( γ )² p k k 28

35 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 Probanden zu ermitteln. Um die Individualanalysen der einzelnen Befragten miteinander vergleichen zu können, muss eine Normierung (Vgl. [Schubert 1995]) stattfinden, bei der die Teilnutzenwerte für alle Probanden auf den gleichen Nullpunkt und gleichen Skaleneinheiten basieren (Vgl. [Backhaus et al. 2005]). Den Nullpunkt bildet diejenige Eigenschaftsausprägung, die den geringsten Nutzenbeitrag liefert. Für die Normierungsvorschrift gilt: Bilde die Differenz zwischen dem niedrigsten Teilnutzenwert jeder Eigenschaft und den einzelnen Teilnutzenwerten (Vgl. [Fabian 2005]): β * jm = β jm β Min j mit: β jm : Teilnutzenwert für Ausprägung m von Eigenschaft j Min β j : minimaler Teilnutzenwert bei Eigenschaft j Für unser Margarinebeispiel bekommen wir damit folgende transformierte Teilnutzenwerte: * * β = ( 2,000 ( 2,000)) = (0,1667 ( 0,1667)) 0, 3334 A1 = β B 1 = * * β = (0,000 ( 2,000)) = ( 0,1667 ( 0,1667)) A2 = * β A3 = (2,000 ( 2,000)) = β B 2 = Für die Justierung der Skaleneinheit ist entscheidend, welche Größe den Maximalwert 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

36 Durchführung einer Conjoint-Analyse Durch Anwendung der folgenden Formel ergeben sich die normierten Teilnutzenwerte: β jm = J j= 1 β m * jm max β * { } jm Bezogen auf das Margarinebeispiel lauten die normierten Teilnutzenwerte: ß = 0,000 / 4,3334 0,000 = 0,3334 / 4,3334 0, 077 A1 = ß B 1 = ß = 2,000 / 4,3334 0,462 = 0,000 / 4,3334 0, 000 ß A2 = A 3 = 4,000 / 4,3334 = 0,923 ß B 2 = 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 gewichtet (Vgl. [Backhaus et al. 2005]). 30

37 Durchführung einer Conjoint-Analyse Durch die nachfolgende Formel lässt sich die relative Wichtigkeit bestimmen: w j max{ β jm} min{ β jm} m m ( max{ β jm} min{ β jm} ) = J j= 1 m m Bei schon zuvor normierten Teilnutzenwerten ist der Ausdruck min{β jm } 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 Präferenzbildung). Aufgrund der Normierung durch die Formel ist eine Vergleichbarkeit der Ergebnisse aus verschiedenen Individualanalysen möglich. Insgesamt gibt es zwei Möglichkeiten, 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