1. Problemstellung. 5. Fazit

Transkript

1 Pörner, Ronald/Sontag, Bernd: Internetbasiertes Conjoint Measurement zur Analyse der Leistungsanforderungen bei innovativen Investitionsgütern (Der Artikel ist erschienen in: Beiträge zum Innovationsmarketing, Hrsg. Heger / Schmeisser, Rainer Hamp Verlag, München und Mering, 2007, S ) 1. Problemstellung 2. Methoden zur Analyse von Leistungsanforderungen 2.1 Arten von Präferenzmodellen 2.2 Mögliche Verknüpfungsfunktionen 2.3 Die Präferenzmessung Kompositionelle Verfahren Dekompositionelle Verfahren 3. Darstellung der Methode des Conjoint Measurements 3.1 Einsatzmöglichkeiten des Conjoint Measurements 3.2 Arten des Conjoint Measurements 3.3 Verfahrensschritte der Conjoint Analyse 3.4 Besondere Aspekte der internetbasierten Conjoint Analyse 3.5 Besonderheiten des internetbasierten Conjoint Measurements bei Investitionsgütern 4. Praxisbeispiel 4.1 Einleitung 4.2 Der Ablauf einer internetbasierten Conjoint Measurement Studie im Überblick 4.3 Merkmale und Merkmalsausprägungen einer internetbasierten Adaptiven Conjoint Analyse 4.4 Ausgewählte Ergebnisse des Conjoint Measurements mit der Adaptiven Conjoint Analyse 5. Fazit 1

2 It's difficult to create products that customers want without understanding what they really need. Michael Schrage 1 1. Problemstellung Sowohl die Produktinnovation, als auch die Erneuerung oder Veränderung bestehender Produkte kann für Unternehmen, gerade aufgrund der Komplexität der Produkte des Investitionsgüterbereiches, riskant sein. Neue oder veränderte Produkte scheitern aus unterschiedlichen Gründen 2 : 1. hohe Kosten 3 2. großer Zeitbedarf für die Entwicklung neuer Produkte 3. Risiken der späteren kommerziellen Auswertung 4 4. unvorhersehbare Verzögerungen bei der Entwicklung und der Realisierung 5 5. das Verhältnis von Erfolgen und Misserfolgen 6 Dennoch sind Unternehmen, die ihre Produkte kontinuierlich erneuern, weniger angreifbar und verletzbar durch neue Wettbewerber. 7 Auch der häufig wahrzunehmende Preisverfall ist in der Regel nicht auf fehlende Preisdisziplin der Hersteller zurückzuführen, sondern auf Differenzierungsprobleme im Leistungsangebot. 8 Berücksichtig werden sollte, dass die Leistungskomponente von Industriegütern aus Sicht der Kunden in der Regel relativ gut messbar und die Kaufentscheidung rationaler geprägt ist, so dass auch besondere Anforderungen an die Preissetzung bestehen. Der Kaufentscheidung geht häufig eine intensive Informationssuche voraus, bei der Preise und wahrgenommene Leistungsangebote miteinander verglichen werden. Aufgrund des wahrgenommenen Preisleistungsverhältnisses wird anschließend die Kaufentscheidung getroffen. 9 Wie sich dieses wahrgenommene 1 Schrage, Michael (2006) 2 Vgl. Kotler, Philip et al. (2003), S. 675f hat sich bereits abgezeichnet, dass die Entwicklungskosten des Riesenflugzeugs A380 um 1,45 Milliarden Euro oder fast 14 Prozent höher liegen werden als geplant war. Damit ist von Entwicklungskosten in einer Höhe von insgesamt rund 12 Milliarden Euro auszugehen; vgl. 7FF9E9F733~ATpl~Ecommon~Scontent.html, Stand : Pharmafirmen sind besonders abhängig von der regelmäßigen Markteinführung neuer Medikamente. Dabei muss es schnell gehen, denn die Pharmaforschung ist teuer. Nach Meinung von Branchenexperten, kostet die marktreife Entwicklung eines einzigen Medikaments im Durchschnitt rund 550 Mio.. Allerdings schafft anschließend nur eine von 5000 neuen Substanzen den Weg in die Apotheke. Läuft dann das Patent aus, dringen die Generikahersteller mit Produktalternativen in den Markt ein. Innerhalb weniger Monate kann anschließend der Absatz um bis zu 80% einbrechen; vgl. Stand: Aufgrund der Verzögerungen beim Bau und der Auslieferung das A380 erwartet der Mutterkonzern EADS zwischen 2007 und 2010 jedes Jahr etwa 500 Mio. weniger Ertrag vor Zinsen und Steuern (Ebit). Nicht eingerechnet in diese Prognose sind mögliche Abbestellungen von Aufträgen. Allein 2008 werden die Cash- Flow-Ausfälle wahrscheinlich auf mehr als 1 Mrd. steigen; vgl. Stand: Neben den hohen Flop-Raten, Kotler et al. Sprechen von 80% der Neueinführungen bei Endverbrauchern und 33% bei industriellen Vorprodukten (vgl. Kotler et al. [2003: 676]), kann auch ein ursprünglich gut in den Markt eingeführtes Produkt aufgrund technischer Mängel nur kurzfristig am Markt bestehen. So hatte Siemens Transportation Systems mit dem Straßenbahn-Modell Combinoso große Probleme, dass diese offenbar nicht einmal mit nachträglichen Verbesserungen zu retten sind. Der Schaden geht in die Millionen; vgl. Stand: Vgl. Kotler, Philip et al. (2003), S Vgl. Backhaus, Klaus (2003), S Vgl. Backhaus, Klaus (2003), S

3 Preisleistungsverhältnis zusammensetzt, d.h. welche Nutzenaspekte einer Leistung durch den Kunden in welcher Form gewichtet und bewertet werden ist aus Sicht des Unternehmens eine zentrale Fragestellung bei der Produktentwicklung. Es gilt also herauszufinden, wie sich kundenseitig Präferenzen entwickeln und im Kaufakt manifestieren. Das heißt, letztendlich muss es das Ziel der Unternehmen sein, die oben beschriebenen Risiken zu minimieren und eine auf die jeweiligen Nutzenvorstellungen der Kunden gerichtete Produktentwicklung, mit einer entsprechend ebenfalls nutzenorientierten Preisbestimmung, zu verwirklichen. 2. Methoden zur Analyse von Leistungsanforderungen Jede umsetzungsinduzierte Erfassung von Leistungsanforderungen von Produkten der Investitionsgüterindustrie hat eine marktgerechte Produktentwicklung zum Ziel. 10 Dabei ist die Generierung eines höheren komparativen Nettonutzens, der auf Kundenseite durch einen Abgleich der subjektiv wahrgenommenen und bewerteten Leistungsattribute mit dem Preis entsteht, anzustreben. 11 Auf der Anbieterseite werden zur Bestimmung des wahrgenommenen Preisleistungsverhältnisses beispielsweise direkte Kosten-Nutzen-Analysen oder indirekte Verfahren des Conjoint Measurement eingesetzt. 12 Bei der Kosten-Nutzen-Analyse wird aus dem Preis und einem Leistungsindex eine Verhältniszahl gebildet, die den Preis pro Leistungseinheit repräsentiert. 13 In der Regel sind allerdings die zu erfassenden Leistungen durch eine Multiattributivität gekennzeichnet, die es notwendig macht, mehrere Leistungsmerkmale in den Index aufzunehmen. Um diese Komplexität zu beherrschen, werden häufig Nutzwertanalysen eingesetzt, bei denen die für eine Beurteilung relevanten Merkmale 14 aufgelistet und bewertet werden. 15 Neben diesen Methoden existieren weitere Präferenzmodelle, die im Folgenden kurz charakterisiert werden sollen. 2.1 Arten von Präferenzmodellen Generell ist der Ausgangspunkt nutzenorientierter Preisleistungsbestimmungen die Annahme, dass der Konsument bei jedem Kauf eine mehr oder weniger umfassende Abwägung (tradeoff) zwischen dem zu zahlenden Preis (negative Komponente eines Kaufaktes) und seinem individuellen Nutzen aus der Inanspruchnahme der zu erwerbenden Leistung (positive Komponente des Kaufaktes) vornimmt. 16 Damit liegt den multiattributiven Präferenzmodellen die Annahme zugrunde, dass Kunden ihre Präferenzen durch die Diskriminierung von Produktalternativen anhand der jeweils wahrgenommenen Produkteigenschaften bilden. Bei der Präferenzbildung auf Eigenschaftsebene wird davon ausgegangen, daß die Konsumentenpräferenzen durch Nutzenfunktionen bestimmt werden, 10 Vgl. Ahrens, Gritt (2000), S Vgl. Meffert, Heribert (2000), S Vgl. Backhaus, Klaus (2003), S Beispielsweise lässt sich bei Mieträumen ein Preis in /m 2 angeben. 14 In den folgenden Ausführungen werden die Begriffe Merkmale und Eigenschaften sowie Merkmalsausprägungen und Eigenschaftsausprägungen synonym verwandt. 15 Vgl. Backhaus, Klaus (2003), S Meffert, Heribert (2000), S

4 die die Wertigkeit unterschiedlicher Ausprägungen einer Produkteigenschaft (Teilnutzenwerte) zum Ausdruck bringen. 17 Zu berücksichtigen sind darüber hinaus Wahrnehmungsverzerrungen, die auftreten, wenn Konsumenten bestimmte Produkteigenschaften subjektiv anders Wahrnehmen, als es den objektiven Gegebenheiten entspricht. Eine Messung dieser subjektiven Wahrnehmung der Produktleistung in unterschiedlichen Zielgruppen ist daher für die Festlegung eines angemessenen Preisleistungsverhältnisses, neben der unterschiedlichen, subjektiven Präferenzattribuierung von Produktleistungen, erforderlich. 18 Der Prozess der Präferenzbildung lässt sich dabei formal durch mehrdimensionale Einstellungs- und Präferenzmodelle wie dem Vektor-, Idealpunkt- oder Teilnutzenwertmodell darstellen. 19 Bei diesen merkmalsspezifischen Nutzenfunktionen wird jeder Ausprägung eines Merkmals ein bestimmter Nutzenwert zugeordnet sowie einzelne Teilnutzen berechnet. 20 Teilnutzen Vektormodell Teilnutzen Ideal- bzw. Antiidealpunktmodell Teilnutzen Teilnutzenmodell x x x x Eigenschaft Eigenschaft Abbildung 1: Funktionsverläufe grundlegender Präferenzmodelle 21 Eigenschaft Beim Idealvektormodell verhält sich eine Nutzenänderung proportional zur Änderung der Merkmalsausprägung, d.h. je höher bzw. niedriger die Merkmalsausprägung ausfällt, desto höher ist der Nutzen. 22 Dabei unterstellt das Modell einen linearen Zusammenhang zwischen der jeweiligen Ausprägung und dem dazugehörigen Nutzen. Beispielsweise besteht die Annahme, dass, je preiswerter ein Produkt ist, dies umso besser für den Kunden ist. 23 Das Idealpunktmodell geht von einer perfekten, d.h. idealen, Merkmalsausprägung aus, so dass jede positive wie auch negative Veränderung der Ausprägung zu einem niedrigeren Teilpräferenzwert führt. 24 Dagegen ist das Teilnutzenmodell völlig flexibel aufgebaut und nimmt keinen bestimmten Funktionsverlauf an. Für jede Ausprägung ermittelt sich ein individueller Teilnutzenwert Brzoska, Lars (2003), S. 38f. 18 Vgl. Meffert, Heribert (2000), S Vgl. Backhaus, Klaus (2003), S Vgl. Inderst, Florian (2000), S Brzoska, Lars (2003), S. 40, vgl. auch die ursprüngliche und ähnlich gestaltete Darstellung von Green, Paul E. / Srinivasan, V. im Rahmen ihrer grundlegenden Arbeit zur Coinjoint-Analyse [1978: 106]; diese findet sich beispielsweise auch bei Inderst [2000: 3] und Meffert [2000: 544]. 22 Vgl. Inderst, Florian (2000), S Vgl. von Thaden, Christian (2002), S Vgl. Inderst, Florian (2000), S Vgl. Inderst, Florian (2000), S. 4. 4

5 Für die aus Kundensicht wichtigen Leistungseigenschaften ist das geeignete Präferenzmodell zu bestimmen, bevor der jeweilige Teilnutzen beim Konsumenten erhoben wird 26, wobei berücksichtigt werden sollte, dass das Idealvektor- und das Idealpunktmodell als Spezialfälle im Teilnutzenmodell enthalten sind. 27 Darüber hinaus weisen die Teilnutzenmodelle die höchste Modellflexibilität auf, da die Teilnutzenwerte der einzelnen Merkmalsausprägungen bei diesen Modellen keinem ex ante definierten Funktionszusammenhang folgen müssen. Vielmehr kann jede diskrete Merkmalsausprägung einen beliebigen Teilnutzenwert annehmen, so dass Einschränkungen durch Monotoniebedingungen wie beim Vektor- bzw. Idealpunktmodell nicht gegeben sind. Dies ist bei nominal skalierten Produkteigenschaften von Bedeutung, da in diesem Fall das Teilnutzenmodell die einzig zulässige Funktionsspezifikation darstellt. Ein Nachteil des Teilnutzenmodells besteht allerdings in der Beschränkung der Nutzenschätzung auf die in der Datenerhebung ex ante berücksichtigten Merkmalsausprägungen 28 und der Notwendigkeit, dass bei diesem Modell mehr Parameter bestimmt werden müssen, als bei den beiden anderen Modellen Mögliche Verknüpfungsfunktionen Um die Nutzenbeiträge einzelner Merkmale in Beziehung zum Gesamtnutzen einer Produktvariante zu setzen, ist zu entscheiden, ob die Verknüpfungsfunktion nichtkompensatorisch oder kompensatorisch modelliert werden soll. 30 Bei nicht-kompensatorischen Modellen wird der Teilnutzenwert nur eines einzigen Merkmals zur Erklärung des Gesamtnutzens herangezogen. Wird dabei der konjunktive Ansatz verfolgt, wird das Merkmal gewählt, das die Wünsche des Befragten am wenigsten erfüllt bzw. einen kritischen Minimumwert erreicht hat. Beim disjunkten Ansatz wird entsprechend jenes Merkmal verwendet, dessen Ausprägung den Wünschen des Entscheiders am meisten entspricht. Beim lexikographischen Ansatz werden die Merkmale einzeln, nacheinander entsprechend ihrer jeweiligen Wichtigkeit für den Befragten herangezogen. Lässt sich aus dem aus Kundensicht wichtigsten Merkmal keine eindeutige Präferenz ableiten, wird das nächst wichtigste Merkmal herangezogen. 31 Bei den kompensatorischen Modellen werden alle Merkmale zur Bewertung herangezogen. Der Gesamtnutzen ergibt sich dabei aus der Aggregation der Teilnutzenwerte. In der Regel kommen hier Verfahren wie das Conjoint Measurement zum Einsatz, bei denen die Teilpräferenzen additiv zu einer Gesamtpräferenz zusammengefügt werden, wobei negative Merkmalsausprägungen durch positive kompensiert werden können Die Präferenzmessung Kompositionelle Verfahren Bei der Präferenzmessung mittels kompositioneller Verfahren, z.b. im Rahmen von Befragungen (auch self-explicated approaches genannt 33 ), werden konsumentenseitige 26 Vgl. Meffert, Heribert (2000), S Vgl. von Thaden, Christian (2002), S. 13; Inderst, Florian (2000), S Vgl. Brzoska, Lars (2003), S. 40., vgl. auch die Ausführungen von Green, Paul E. / Srinivasan, V. (1978) bzgl. des Vergleichs unterschiedlicher Präferenzmodelle. 29 Vgl. von Thaden, Christian (2002), S Vgl. Inderst, Florian (2000), S Vgl. Inderst, Florian (2000), S. 4f. 32 Vgl. Inderst, Florian (2000), S Vgl. von Thaden, Christian (2002), S.5. 5

6 Beurteilungen einzelner Produkteigenschaften bzw. Merkmalsausprägungen sowie deren Bedeutungsgewichte für die Präferenzbildung separat erhoben und anschließend mit der vorab definierten Verknüpfungsfunktion zu einer Gesamtbewertung zusammengefasst (komponiert). Je nach Gesamtbewertung können alternative Produktkonzepte in eine Präferenzordnung gebracht werden, die Aussagen über das potenzielle Entscheidungsverhalten von Konsumenten zulässt. 34 Die Vorteile der kompositionellen Verfahren der Präferenzmessung bestehen in der einfachen Anwendbarkeit bzw. geringen Verfahrenskomplexität, der Möglichkeit, viele Merkmale und Ausprägungen zu verwenden sowie in einer relativ kostengünstigen Durchführbarkeit. Kritisch ist die geringe Realitätsnähe der kompositionellen Verfahren, da hier jedes Merkmal einzeln für sich bewertet wird und damit die in der Realität stattfindende ganzheitliche Bewertung eines Produktes nicht erfolgt. Den Probanden wird eine Unabhängigkeit der Produkteigenschaften suggeriert, die sie in eine ungewohnte, eben nicht ganzheitliche, Beurteilungssituation zwingt. Dieser Mangel an Realitätsnähe kann teilweise zu falschen Prognosen des Entscheidungsverhaltens führen. Darüber hinaus neigen die Befragten im Rahmen kompositioneller Verfahren zu einer Überbewertung vergleichsweise unwichtiger Produkteigenschaften ( Anspruchsinflation ), da kein Abwägen von Vor- und Nachteilen zwischen Produkten bzw. Produkteigenschaften (Trade-Off) erforderlich ist. 35 Darüber hinaus kommt eine prinzipbedingte und entscheidende Schwäche kompositioneller Modelle hinzu: Bei diesen Modellen besteht keine Möglichkeit, eine Fehlspezifikation des Modells durch einen schlechten Fit zu erkennen, wie das bei dekompositionellen Verfahren möglich ist. Die Ergebnisse kompositioneller Modelle müssen daher immer unkritisch als wahr angenommen werden Dekompositionelle Verfahren Aufgrund der genannten Probleme mit den kompositionellen Verfahren, ermitteln die dekompositionellen Verfahren den präferenzbildenden Beitrag einzelner Produkteigenschaften sowie Merkmalsausprägungen aus ganzheitlich erhobenen Leistungsbündeln. Den Probanden werden anstelle von einzelnen Merkmalen vollständige Produkte bzw. Produktkonzepte vorgelegt, die sich aus mehreren Merkmalen mit unterschiedlichen Ausprägungen zusammensetzen. Die dekompositionellen Verfahren führen dementsprechend eine Zerlegung (Dekomposition) einer globalen Bewertung eines Produktes oder Produktkonzepts in Einzelbewertungen durch. 37 Durch die Erhebung von Konsumentenurteilen bezüglich ganzheitlicher Produkte oder Produktkonzepte wird eine Entscheidungssituation geschaffen, die eine stärkere Annäherung an das reale Entscheidungsverhalten von Konsumenten ermöglicht als die Erhebung eigenschaftsbezogener Einzelurteile. Weiterhin wird durch die ganzheitliche Beurteilung das Problem der Anspruchsinflation umgangen sowie von der Beurteilungsunabhängigkeit der Produkteigenschaften abstrahiert. Allerdings kann bei dekompositionellen Verfahren auch die Gefahr einer kognitiven Überforderung der Befragten auftreten. Dies ist insbesondere dann der Fall, wenn eine hohe Produktkomplexität aufgrund einer Vielzahl entscheidungsrelevanter und gleichzeitig zu beurteilender Produkteigenschaften vorliegt Vgl. Grunberg, Bastian (2003), S. 143; vgl. auch Brzoska, Lars (2003), S.51f. 35 Vgl. Brzoska, Lars (2003), S. 52, vgl. auch Inderst, Florian (2000), S. 5f., von Thaden, Christian (2002), S Vgl. von Thaden, Christian (2002), S. 6f. 37 Vgl. Grunberg, Bastian (2003), S. 143f., vgl. auch Inderst, Florian (2000), S. 6., Brzoska, Lars (2003), S Brzoska, Lars (2003), S

7 Die Conjoint Analyse wird zu den dekompositionellen Verfahren gezählt und im folgenden Kapitel etwas genauer untersucht Darstellung der Methode des Conjoint Measurements Unter Conjoint Analyse (synonym: Verbundmessung, Conjoint Measurement) sind all diejenigen dekompositionellen Analyseverfahren zu subsumieren, welche aus den globalen Präferenzurteilen eines Individuums für eine Menge von multiattributiv beschriebenen produktpolitischen Alternativen bzw. Teststimuli die Parameter eines vorher spezifizierten Präferenzmodells schätzen. 40 Der Gesamtnutzen der angebotenen Leistung setzt sich dabei additiv aus den Nutzen der Komponenten (auch Teilnutzenwerte genannt) zusammen. 41 Der Beginn des Conjoint Measurements geht zurück auf Luce und Tukey und das Jahr haben Green / Rao die Methode in Bezug auf die Analyse des Konsumentenverhaltens eingesetzt. 42 Seit 1979 wird das Conjoint Measurement auch in der deutschsprachigen Marketingliteratur diskutiert. Aufgrund der umfangreichen wissenschaftlichen Behandlung sowie häufigen praktischen Nutzung hat es sich zu einem bedeutenden Marktforschungsinstrument zur Messung von Präferenzen und zur Simulation von Kaufentscheidungen entwickelt. 43 Dabei weist die Conjoint Analyse den bedeutenden Vorteil auf, dass das zugrunde liegende Erhebungsdesign und die damit verbundene spezifische Befragung zu ganzheitlich präsentierten Untersuchungsobjekten eine weitgehend realitätsnahe Abbildung des Entscheidungsverhaltens der befragten Personen zulässt Einsatzmöglichkeiten des Conjoint Measurements Im Rahmen der Conjoint Analyse werden die produkteigenschaftsspezifischen Teilnutzenwerte ermittelt, so dass die Präferenzstrukturen von einzelnen Probanden bzw. Probandengruppen offen gelegt werden. Durch dieses Verfahren wird ein marktforschendes Unternehmen in die Lage versetzt, das Zustandekommen von Konsumentenpräferenzen zu erklären und Aussagen über die Bedeutung von Produktänderungen im Hinblick auf die Änderung der Konsumentenpräferenzen treffen zu können. 45 Daher ist eines der wichtigsten Anwendungsgebiete der Conjoint Analyse die Neuproduktplanung, da das Verfahren eine Antwort auf die Frage, wie ein neues oder verändertes Produkt gestaltet werden soll, um den Bedürfnissen des Marktes zu entsprechen, liefert. 46 Entsprechend häufig wird diese Methode vor allem in den USA im Rahmen der Neuproduktentwicklung eingesetzt (siehe Abbildung 2). Insgesamt ist davon auszugehen, dass die Methode des Conjoint Measurements zur 39 In einigen (aktuelleren) Publikationen wird noch eine dritte Form der Präferenzmessung, so genannte hybride Methoden, beschrieben. Dabei handelt es sich um eine Mischform zwischen den kompositionellen und den dekompositionellen Verfahren. Diese Verfahren zeichnen sich durch eine hohe Komplexität aus, die in der Regel nur durch den Einsatz von Computern in der Befragungssituation gelöst werden können. Computergestützte Conjoint Analysen, wie die in Kapitel 4 beschriebene Adaptive Conjoint Analysis (ACA) werden daher inzwischen teilweise zu den hybriden Formen der Präferenzmessung gezählt. Vgl. auch Hensel-Börner (2000). 40 Meyer, Jens Wilhem (2003), S Vgl. Backhaus, Klaus et al. (2000), S Vgl. Green, Paul E. / Srinivasan, V. (1978), S Vgl. Brzoska, Lars (2003), S Vgl. Brzoska, Lars (2003), S. 5f. 45 Brzoska, Lars (2003), S Vgl. Backhaus, Klaus et al. (2000), S

8 Ermittlung der Kundenpräferenzen in den 1980er Jahren etwa 400 mal pro Jahr kommerziell eingesetzt wurde. In den 1990er Jahren ist die Popularität dieser Methode weiter angestiegen, so dass die Anzahl der kommerziellen Anwendungen bei über 1000 pro Jahr gelegen haben dürfte % 45% 40% 35% 30% 25% 20% 15% 10% 5% 0% Preispolitik Repositionierung Europa ( ) 46% 36% 29% 22% 13% 2% Neuproduktentwicklung Marktsegmentierung Konkurrenzanalyse Kommunikationspolitik Distributionspolitik USA ( ) 38% 47% 33% 40% 33% 18% 5% Abbildung 2: Anwendungsbereiche kommerzieller Conjoint Analysen 48 Stadie hat im Rahmen seiner explorativen Studie unterschiedliche Testmethoden auf ihre Adäquanz zur Marktforschung bei technologischen Basisinnovationen hin untersucht (siehe Abbildung 3). Im Ergebnis kommt er zu dem Schluss, dass sich die conjoint-analytischen Verfahren besonders als methodische Grundlage von Innovationstests 49 eignen, da sich mit ihrer Hilfe unterschiedliche Merkmalskombinationen und damit verschiedene Ausgestaltungsalternativen eines Neuproduktkonzeptes abtesten lassen. 50 Kriterium Experiment Bewertung Konzepttest Produkttest Testmarkt Pilotprojekt Simulatoren Innovationstest (Conjoint- Measuruement) Eignung zur Marktpotenzialschätzung O + - Eignung zur Marktsegmentierung - O + O + + Nicht-Notwendigkeit realer Produkte/Prototypen Simulation des Kaufverhaltens - O Realitätsnähe - O + + O - 47 Vgl. Sattler, Henrik / Hensel-Börner, Susanne (2000), S Brzoska, Lars (2004), die Darstellung wurde von Brzoska im Rahmen eines Vortags erstellt und basiert auf den Daten von Wittink, D./Vriens, M./Burhenne, W. (1994), S Stadie bezeichnet in seiner Arbeit diese Innovationstests als Marktlabore, bei denen sowohl die Produkte, als auch das Kaufverhalten simuliert wird. 50 Stadie, Ekkehard (1998), S

9 Abbildung 3: Vergleich unterschiedlicher Testmethoden auf ihre Adäquanz für die Marktforschung bei technologischen Basisinnovationen 51 Wie aus der Abbildung 3 zu ersehen ist, weist Stadie auf die vergleichsweise geringere Realitätsnähe der Conjoint Analyse hin. Danach basiert das Verfahren in der Regel auf hypothetischen Stimuli, die überwiegend textlich beschrieben werden. Gerade bei technischen Basisinnovationen ist dies aus Sicht von Stadie allerdings problematisch, da die Probanden über keinerlei Nutzungserfahrung verfügen und daher die Innovation auf der Basis hypothetischer verbaler Beschreibungen häufig nicht beurteilen können. 52 Setzt man das Conjoint Measurement für die Untersuchung von innovativen oder weiterzuentwickelnden Investitionsgütern ein und befragt in diesem Zusammenhang Experten, die mit der Nutzung und den Problemen der zumindest aktuell gängigen (Alt-)Anlagen und (Alt-)Geräten vertraut sind, haben wir die Erfahrung gemacht, dass dieser Einwand in der Regel nicht zutrifft Arten des Conjoint Measurements Die Untersuchungsmethoden des Conjoint Measurement werden in der Regel in Vollprofilmethoden (Full-Profile) und Teilprofilmethoden (auch Trade-Off-Ansätze genannt) unterschieden. 54 Die etwas neueren, computerunterstützen Methoden verknüpfen häufiger kompositionelle (self-explicated) und dekompositionielle Verfahren und werden daher auch als hybride Verfahren bezeichnet. Die einzelnen Ansätze unterscheiden sich vor allem im Hinblick auf die Erhebung der Präferenzurteile. 55 Bei der klassischen oder traditionellen Conjoint Analyse bilden die Probanden eine Rangreihe bezüglich der Vorziehenswürdigkeit einzelner Objektalternativen. Dieses geschieht häufig indem den Probanden Kärtchen mit unterschiedlichen Kombinationen der Ausprägungen aller Produktmerkmale (Full-Profile) zur Rangreihung vorgelegt werden. Dieser Prozess soll die Entscheidungssituation nachempfinden, wobei der Proband in der realen Kaufsituation anschließend die Entscheidung trifft, ob er das am stärksten präferierte Objekt kauft oder nicht. Dies kann aber auch bedeuten, dass ggf. keine, also auch nicht die am stärksten präferierte Alternative, gekauft wird. Dieser zweite Teil des Auswahlprozesses, der dem Ergebnis des realen Wahlaktes entspricht, wird im Modell der traditionellen Conjoint Analyse nicht betrachtet. Der Nicht-Käufer existiert nicht. 56 Daher ist beim Einsatz der traditionellen Conjoint Analyse tendenziell von einer Überschätzung des Marktpotenzials auszugehen, da keine Möglichkeit besteht, alle Produkt- oder Leistungsvariationen abzulehnen. Insbesondere für echte Innovationen folgt daraus eine geringe Eignung der traditionellen Conjoint-Analyse zur Marktpotenzialbestimmung. 57 Kontinuierliche Weiterentwicklungen der traditionellen Conjoint Analyse sollten diese und weitere Schwächen reduzieren (siehe auch Abbildung 4). Die Choice Based Conjoint Analyse (CBC) sowie die Adaptive Conjoint Analyse (ACA) haben sich unter den neueren Varianten der Conjoint Analyse auch in der Praxis besonders durchgesetzt. 51 Vgl. Stadie, Ekkehard (1998), S Vgl. Stadie, Ekkehard (1998), S Näheres dazu im Kapitel Vgl. von Thaden, Christian (2002), S Vgl. Backhaus, Klaus et al. (2000), S Stadie, Ekkehard (1998), S. 56f. 57 Stadie, Ekkehard (1998), S

10 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) Limit Conjoint Komplettes Set an Full- Profilen Teilmenge an Full- Profilen OLS Regression MONANOVA Kruskal (1965) PREFMAP Caroll (1973) LINMAP Shocker & Srinivasan (1977) OLS Regression Pekelman & Sen (1979) Bretton-Clark: Herman (1988) Krishnamurthi & Wittink (1989) Order Constraints Srinivasan, Jain & Malhorta (1983) Componential Segmentation Green & DeSarbo (1979) Optimal Scalling Hagerty (1985) Cluster Analyse Kamakura (1988) Multinominal Logit Louviere & Woodworth (1983) OLS Regression Hahn & Voeth (1997) Hahn (1997) Backhaus, Voeth & Hahn (1998) Voeth & Hahn (1998) Bayesian Cattin, Gelfand & Danes (1983) Monotonic Constraints 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 Abbildung 4: Untersuchungsansätze der Conjoint Analyse 58 Die Choice Based Conjoint Analyse (CBC) hat in den vergangenen Jahren zunehmend an Bedeutung gewonnen. Sie greift den grundlegenden Gedanken der Conjoint Analyse auf und lässt die Probanden im Sinne einer Full-Profile-Methode ganzheitlich beschriebene Produktprofile relativ zueinander beurteilen. Dabei besteht die Beurteilungsaufgabe nicht in der Erstellung eines Rankings oder Ratings der Stimuli 59, sondern in der Auswahl eines Produktes bzw. einer Merkmalskombination, die anschließend mit Hilfe der diskreten Entscheidungsanalyse ausgewertet werden. Konkret bedeutet dies, dass aus dem vollständigen Design bestimmte Teilmengen an Stimuli (so genannte Choice-Sets ) gebildet werden, hinsichtlich derer die Probanden jeweils entscheiden müssen, ob sie eine und ggf. welche oder auch keine der präsentierten Produktalternativen zu kaufen bereit sind. 60 Dadurch wird die Möglichkeit eines Nicht-Kaufes explizit berücksichtigt. 61 Da die auszuwählenden Produkte mit allen Merkmalen dargestellt werden und in der Regel mehrere Produkte parallel zur Entscheidung vorgelegt werden, stellt die Choice Based Conjoint Analyse hohe Anforderungen an die Aufmerksamkeit der Probanden. Daher dauern die Interviews in der Regel länger als bei anderen Conjoint Measurement Methoden. Der Hauptvorteil der Choice Based Conjoint Analyse besteht in der großen Ähnlichkeit der Befragungssituation zu einer tatsächlichen Kaufentscheidungssituation. Dadurch lassen sich Prognosen bezüglich der Marktanteile direkt, d.h. einstufig, aus der Erhebung ableiten. 62 Ähnlich wie die Limited 58 Backhaus, Klaus et al. (2000), S. 612, die graue Hinterlegung erfolgte bei der Orginalquelle und stellt die aus ihrer Sicht wichtigen und in ihren Ausführungen behandelten Conjoint-Verfahren dar. 59 Als Stimulus wird in diesem Zusammenhang eine Kombination von Merkmalsausprägungen verstanden, die den Probanden zur Beurteilung vorgelegt wird, vgl. auch Backhaus et al. (2000), S Vgl. Brzoska, Lars (2003), S Vgl. Stadie, Ekkehard (1998), S Vgl. Brzoska, Lars (2003), S

11 Conjoint Analyse versucht die Choice Based Conjoint Analyse, die Schwäche der traditionellen Conjoint Analyse bzgl. der Schätzung der Marktanteile und Marktpotenziale zu beheben. 63 Da allerdings nur eine geringe Anzahl von Auswahlentscheidungen je Proband durchgeführt wird, ist keine Berechnung individueller Nutzenwerte möglich, so dass sie streng genommen nicht als Individualanalyse bezeichnet werden darf. 64 Die Adaptive Conjoint Analyse (ACA) ist eine ausschließlich computerunterstützt zu nutzende Variante des Conjoint Measurements. Im Sinne einer hybriden Methode werden dekompositionelle und kompositionelle Befragungstechniken miteinander verknüpft. Die Datenerhebung findet auf der individuellen Ebene statt. 65 In der Regel werden den Probanden in vier Phasen 66 unterschiedliche Fragestellungen angeboten. Nach einer ersten Vorauswahl der einzelnen Merkmalsausprägungen, erfolgt in Form einer kompositionellen Befragung die Überprüfung der Wichtigkeiten der Merkmalsausprägungen. In der zentralen, dritten Phase werden adaptiv und dekompositionell Paarvergleiche zwischen unterschiedlichen Subsets von Merkmalen und Merkmalsausprägungen zur Bewertung angeboten. Die Adaptivität des Verfahrens resultiert aus der simultanen Verarbeitung der Eingabedaten durch einen Rechner, der entsprechend der Antworten des Probanden die weiteren Fragen individuell auf den Probanden zuschneidet und so die Präferenzstruktur nachzeichnet. 67 Die vierte Phase dient der Präferenzbestimmung mit Hilfe einer Rekalibrierung der Einzelkonzepte aus der kompositionellen und dekompositionellen Phase. 68 Da den Probanden in keiner Phase alle Merkmale gleichzeitig präsentiert werden, handelt es sich bei der Adaptiven Conjoint Analyse nicht um eine Full-Profile-Methode. Der Vorteil der Adaptiven Conjoint Analyse besteht in der Möglichkeit, sehr viele Merkmale zu prüfen, ohne dass die Probanden zeitlich und kognitiv überlastet werden Verfahrensschritte der Conjoint Analyse Backhaus et al. beschreiben folgende Schritte zur Planung und Durchführung einer Conjoint Analyse 70 : 1) Bestimmung der Merkmale und Merkmalsausprägungen 2) Entwicklung des Erhebungsdesign incl. Auswahl des Präferenzstrukturmodells und der Methode der Datensammlung 3) Präsentation und Bewertung der Stimuli 4) Schätzung der Nutzenwerte 5) Aggregation der Nutzenwerte 71 1) Bestimmung der Merkmale und Merkmalsausprägungen Die Auswahl der Merkmale und die Festlegung ihrer jeweiligen Ausprägungen ist eine der wichtigsten Voraussetzung für einen erfolgversprechenden Einsatz der Conjoint Analyse 72, da 63 Vgl. Stadie, Ekkehard (1998), S Vgl. Backhaus, Klaus et al. (2000), S Vgl. von Thaden, Christian (2002), S In der Praxis wird häufig noch eine fünfte Phase angehängt, die eine Reihe von begleitenden Strukturfragen enthält, um die Antworten bzw. Wichtigkeiten und Teilnutzenwerte besser gruppieren und zuordnen zu können. 67 Vgl. von Thaden, Christian (2002), S Vgl. Backhaus, Klaus et al. (2000), S Vgl. Stadie, Ekkehard (1998), S. 59, von Thaden, Christian (2002), S Vgl. Backhaus, Klaus et al. (2000), S In früheren Arbeiten hatten Backhaus et al. die Schritte vier und fünf zu einem Schritt Parameterschätzung zusammengefasst. 72 Vgl. Poscharsky, Nikolaus (1997), S. 101f. 11

12 hierdurch die Qualität der Abbildung des Kaufentscheidungsverhaltens nach allgemeiner Meinung besonders stark beeinflusst wird. 73 Nach Backhaus et al. sollten bei der Auswahl der Merkmale und Merkmalsausprägungen folgende Aspekte berücksichtigt werden 74 : 1. Die Merkmale sollten aus der Sicht der Kunden im Rahmen der Kaufentscheidung von zentraler Bedeutung sein. Empirische Studien haben dabei eine positive Korrelation zwischen der Wichtigkeit von Produkteigenschaften und deren Ausprägungsanzahl (Level-Effekt) nachgewiesen Die Merkmale sollten durch die Hersteller beeinflussbar sein. Dies ist beispielsweise in der Regel bei Parametern der Produktgestaltung der Fall. 3. Die untersuchten Merkmale sollten aufgrund der additiven Präferenzstruktur voneinander unabhängig sein. Dieses Kriterium stellt aus unserer Erfahrung teilweise eine große Herausforderung dar, da bei komplexen Investitionsgütern und bei der Analyse einer größeren Anzahl von Merkmalen die Unabhängigkeit intensiv zu prüfen ist. 4. Die untersuchten Merkmalsausprägungen sollten vom herstellenden Unternehmen realisiert werden können. Merkmale oder Merkmalsausprägungen, die sich durch den Hersteller nicht beeinflussen lassen, sollten nicht in den Katalog der untersuchten Merkmale aufgenommen werden. 5. Im Rahmen einer conjoint-analytischen Betrachtung sollten die Merkmalsausprägungen in einer kompensatorischen Beziehung 76 zueinander stehen, d.h. die Verschlechterung eines Merkmals kann durch die Verbesserung eines anderen Merkmals kompensiert werden, so dass sich beispielsweise der Gesamtnutzen nur unwesentlich verändert. 6. Ebenso sollten keine Merkmale oder Merkmalsausprägungen untersucht werden, die K.O.-Kriterien darstellen. 7. Es sollten nicht zu viele Merkmale und Ausprägungen einbezogen werden, weil der Befragungsaufwand exponentiell mit der Anzahl an Ausprägungen wächst. Die gleichzeitige Beurteilung einer Vielzahl unterschiedlicher Produkteigenschaften und Ausprägungen kann ab einem bestimmten Grad zu einer Informationsüberlastung ( Information-Overload ) der Probanden führen. Gleichwohl lässt die entsprechende Software bei der Adaptiven Conjoint Analyse inzwischen eine Bewertung von bis zu 30 Merkmalen mit jeweils neun Ausprägungen zu. Dieser Umfang würde bei den Probanden allerdings zu einer Anwendung von vereinfachten Beurteilungskriterien führen, woraus ein negativer Einfluss auf die Validität der Ergebnisse resultieren kann. 77 Zusätzlich zu diesen Kriterien führt Meyer noch folgende weitere Aspekte auf, die ebenfalls bei der Festlegung der Merkmale und Merkmalsausprägungen beachtet werden sollten 78 : (1) Da die relative Wichtigkeit eines Produktmerkmals ceteris paribus mit steigender Anzahl vorgegebener Ausprägungen zunimmt (so genannter Bandbreiteneffekt), sollten möglichst gleich viele Ausprägungen je Merkmal in das Erhebungsdesign einfließen. 73 Vgl. Brzoska, Lars (2003), S Vgl. Backhaus, Klaus et al. (2000), S. 569f. 75 Vgl. Brzoska, Lars (2003), S Vgl. auch die Ausführung in Kapitel Brzoska, Lars (2003), S. 78f. 78 Vgl. Meyer, Jens Wilhelm (2003), S

13 (2) Die Merkmalsausprägungen sollten auch diejenigen der Konkurrenzprodukte bzw. - leistungen umfassen, um den Präferenzwert von Konkurrenzprodukten ebenfalls abschätzen zu können. 79 2) Wahl des Präferenzstrukturmodells, der Methode der Datensammlung und des Erhebungsdesigns Nach der Festlegung der Merkmale und ihrer Ausprägungen ist das Präferenzstrukturmodell, das den Zusammenhang zwischen den Merkmalsausprägungen und dem aus ihnen resultierenden Nutzen abbildet, festzulegen. Hier kommen die in Kapitel 2.1 beschriebenen Modelle, d.h. das Idealvektor-, Idealpunkt- und Teilnutzenwertmodell, in Frage. 80 Anschließend ist die Form der Datensammlung festzulegen. Hier lassen sich die in Kapitel 3.2 beschriebenen Methoden, die Zwei-Faktoren-Methode (Trade-Off-Methode) und die Profilmethode unterscheiden. 81 Die Zwei-Faktoren-Methode basiert dabei auf so genannten Trade-Off-Matrizen, die alle Ausprägungskombinationen von jeweils zwei Produkteigenschaften beinhalten. Die Aufgabe der Probanden besteht darin, für jede dieser paarweisen Kombinationen ein Präferenzurteil abzugeben, so dass jede Matrix über eine vollständige Präferenzrangfolge verfügt. Zur Gestaltung eines Stimulus bei der Profilmethode werden nicht nur zwei, sondern alle in der Conjoint Analyse berücksichtigten Merkmale herangezogen. Aus der Kombination jeweils einer Ausprägung aller Merkmale werden ganzheitliche Produktprofile erstellt, die von den Probanden wiederum einer vollständigen Beurteilung zu unterziehen und in eine Präferenzrangfolge zu bringen sind. 82 Matrix A Eigenschaft 1 Stimulus Stimulus 2 Stimulus 1 Eigenschaft 1: Ausprägung 3 Eigenschaft 2: Ausprägung 1 Eigenschaft 3: Ausprägung 2 Eigenschaft 4: Ausprägung 3 Eigenschaft 2 Auspr. 1 Auspr. 2 Auspr. 3 Ausprägung 1 Ausprägung 2 Ausprägung 3 Profilmethode Zwei-Faktor-Methode Abbildung 5: Alternative Gestaltungsmöglichkeiten der Stimuli 83 Die Auswahl zwischen beiden Methoden sollte aufgrund der Ansprüche an die Probanden, des Realitätsbezugs sowie des Zeitaufwands getroffen werden. 84 In der praktischen Anwendung spielt die Zwei-Faktoren-Methode allerdings so gut wie keine Rolle mehr. Auch Green / Srinivasan haben bereits 1978 ausgeführt, dass die Profilmethode realistischere 79 Vgl. Meyer, Jens Wilhelm (2003), S Vgl. Grunberg, Bastian (2003), S Vgl. Backhaus, Klaus et al. (2000), S. 571f, ebenso Grunberg, Bastian (2003), S. 150f. 82 Vgl. Brzoska, Lars (2003), S. 82f. 83 Brzoska, Lars (2003), S Vgl. Backhaus et al. (2000), S

14 Beschreibungen der Produkte liefert. 85 Die Hypothese, dass die Profilmethode der Trade-Off- Methode vorzuziehen ist, wurde mittlerweile durch diverse empirische Untersuchungen bestätigt. 86 Bei der Festlegung des Umfangs des Erhebungsdesigns sollte die Informationsüberlastung der Probanden berücksichtigt werden, die relativ schnell bei der Nutzung der Profilmethode eintritt. 87 Daher sollte gegebenenfalls über eine Reduktion des Erhebungsdesigns nachgedacht werden, auch wenn damit ein geringer Informationsverlust verbunden ist. 88 Bei der Reduzierung wird das vollständige Design zumeist auf eine Teilmenge der Stimuli systematisch reduziert und ein so genanntes fraktioniertes faktorielles Design gebildet, das zur Beurteilung vorgelegt wird. Das fraktionierte faktorielle Design ist derart zu konstruieren, dass es eine weitgehend repräsentative Teilmenge aller möglichen Ausprägungskombinationen darstellt und gleichzeitig der Unabhängigkeit der Produkteigenschaften Rechnung trägt. 89 Um die Befragten bei einer großen Anzahl von Merkmalen und Ausprägungen zu entlasten, wurde mit der Adaptiven Conjoint Analyse ein computergestütztes Verfahren entwickelt, das eine Reduzierung der Anzahl zu beurteilender Stimuli ermöglicht. 90 3) Präsentation und Bewertung der Stimuli Im Rahmen der vorrangig angewendeten Profilmethode stehen grundlegend die Möglichkeiten verbaler, visueller, multimedialer und physischer Präsentationsformen zur Verfügung. 91 Die am häufigsten eingesetzte Präsentationsform ist die verbale Beschreibung eines Stimulus (z.b. mit Hilfe einer Karte). Da jedoch auch die physische Gestalt oder die Geometrie eines Produktes kaufrelevant sein kann, fällt die Beurteilung leichter, wenn die Stimulipräsentation zusätzlich durch Entwürfe bzw. Zeichnungen unterstützt wird. Bei überwiegend verbaler Präsentation der Stimuli unterstellt man, dass die Präferenz fast ausschließlich von den objektiv wahrnehmbaren Eigenschaften des Produktes beeinflusst wird. Diese Annahme trifft vor allem auf langlebige Wirtschaftsgüter zu. 92 Berücksichtigt werden sollte bei dieser Präsentationsform die Gefahr verzerrter Schätzungen durch einen so genannten Positionseffekt. Der Positionseffekt kennzeichnet die Problematik, dass Probanden dazu tendieren, der erstgenannten Produkteigenschaft eine höhere Bedeutung beizumessen als den folgenden Produkteigenschaften. 93 Die bisherigen Untersuchungen der Stimuluspräsentation in Conjoint Analysen weisen auf keine Überlegenheit einer speziellen Präsentationsform hin. 94 Im Rahmen der Darstellung der internetbasierten Version der Conjoint Analyse (Kapitel 3.4) werden wir auch auf diesen Aspekt noch genauer eingehen. Die eingesetzte Bewertungsskala bestimmt, auf welche Weise die Probanden ihre Präferenzen in einer Conjoint Analyse zum Ausdruck bringen. Dabei lassen sich generell metrische Skalen 85 Vgl. Green, Paul E. / Srinivasan, V. (1978), S Vgl. Brzoska, Lars (2003), S Vgl. Backhaus, Klaus et al. (2000), S Vgl. Grunberg, Bastian (2003), S Vgl. Brzoska, Lars (2003), S Vgl. Meyer, Jens Wilhem (2003), S. 173 f. 91 Vgl. Brzoska, Lars (2003), S Vgl. Meyer, Jens Wilhelm (2003), S Vgl. Brzoska, Lars (2003), S. 85f. 94 Vgl. Brzoska, Lars (2003), S

15 (Rating-Skala, Konstant-Summen-Skala, Dollar-Metrik, gewichteter Paarvergleich) sowie Verfahren nichtmetrischer Skalierung (Ranking, ordinale Paarvergleiche) unterscheiden. 95 Unter den nichtmetrischen Erhebungen von Präferenzurteilen stellt das Ranking-Verfahren die wichtigste Variante im Rahmen des Conjoint Measurements dar. Hier haben die Probanden, analog eines Kaufentscheidungsprozesses, die Stimuli des zumeist fraktionierten faktoriellen Designs in eine Rangordnung zu bringen. 96 Nachteilig kann sich beim Ranking eine hohe Anzahl gleichzeitig zu beurteilender Stimuli auswirken, da möglicherweise die kognitive Belastbarkeit der Probanden überschritten wird. Zur besseren Handhabung der Komplexität kommen in der Regel bei der Rangreihung bestimmte Sortiertechniken zur Anwendung. Alternativ können auch paarweise Vergleiche von Stimuli durchgeführt werden, bei denen die Probanden mit nur jeweils zwei Stimuli gleichzeitig konfrontiert werden und die ebenso wie das Ranking-Verfahren Präferenzurteile auf ordinalem Datenniveau liefern. 97 Während früher nichtmetrische Bewertungsskalen häufiger angewandt wurden, haben metrische Skalen, besonders das Rating-Verfahren, in den letzten Jahren zunehmend an Bedeutung gewonnen. Hierbei müssen die Probanden die Stimuli entsprechend dem jeweils wahrgenommenen Gesamtnutzen auf einer vorgegebenen metrischen Skala beurteilen, die nicht auf einfache Punktwerte beschränkt sein muss, sondern bspw. auch Kaufwahrscheinlichkeiten wiedergeben kann. 98 Generell sind bei metrischen Bewertungsverfahren die Probanden aufgefordert, die Stimuli zusätzlich mit Punkten zu bewerten. Der zentrale Vorteil dieser Bewertung liegt in der Aufhebung der Annahme, dass die Nutzenunterschiede zwischen den gerangreihten Stimuli jeweils gleich hoch (äquidistant) sind. Somit lassen sich auch Nutzengräben oder Nutzenkonzentrationen erheben und in die abschließende Schätzung der Parameter der individuellen Nutzenfunktionen integrieren. 99 4) Schätzung der Nutzenwerte Auf Basis der empirisch ermittelten Rangdaten einer Menge von Stimuli werden mit Hilfe der Conjoint Analyse Teilnutzenwerte für alle Merkmalsausprägungen ermittelt. Das im Rahmen der Conjoint Analyse überwiegend verwendete additive Modell besagt, dass die Summe der Teilnutzen den Gesamtnutzen ergibt. 100 Die Schätzung der Teilnutzenwerte für jeden einzelnen Befragten erfolgt dabei derart, dass die resultierenden Gesamtnutzenwerte möglichst exakt den empirischen (Präferenz-)Urteilen der Befragten entsprechen. Hierbei sind die metrischen Verfahren, wie z.b. die Kleinste-Quadrate-Schätzung (OLS) von den nichtmetrischen Verfahren, wie z.b. LINMAP, MONANOVA oder PREFMAP zu unterscheiden. Aus diesen so bestimmten Teilnutzenwerten lassen sich die so genannten relativen Wichtigkeiten errechnen, die sich aus der Differenz zwischen dem höchsten und niedrigsten Teilnutzenwert eines Merkmals im Verhältnis zur Summe dieser Differenzen über alle Merkmale errechnen lassen. Interpretiert werden können die relativen Wichtigkeiten der Merkmale dann in Beziehung zur Gesamtheit aller Wichtigkeiten ) Aggregation der Nutzenwerte 95 Vgl. Grunberg, Bastian (2003), S. 152f, vgl. auch Brzoska, Lars (2003), S. 87, Meyer, Jens Wilhelm (2003), S Vgl. Backhaus, Klaus et al. (2000), S Vgl. Brzoska, Lars (2003), S Vgl. Brzoska, Lars (2003), S Vgl. Grunberg, Bastian (2003), S. 152f. 100 Vgl. Backhaus, Klaus et al. (2000), S Vgl. Grunberg, Bastian (2003), S: 153f. 15

16 Um die bis zu diesem Schritt ermittelten Individualanalysen, d.h. die Nutzenstruktur der einzelnen Probanden, mit einander vergleichbar und gruppierbar zu machen, ist eine Normierung der Daten erforderlich. Die Normierung sollte sicherstellen, dass die errechneten Teilnutzenwerte für alle Probanden jeweils auf dem gleichen Nullpunkt und den gleichen Skaleneinheiten basieren. Bei der Ermittlung des Nullpunktes wird diejenige Merkmalsausprägung, die den geringsten Nutzenbeitrag liefert auf Null gesetzt. 102 Abschließend bietet die folgende Darstellung einen Überblick über die einzelnen Verfahrensschritte und einige wesentliche Ausgestaltungsformen: Verfahrensschritt 1 Festlegung von Eigenschaften und Ausprägungen Ausgestaltungsformen Anforderungen an Merkmale bzw. Ausprägungen Beeinflussbarkeit Keine Ausschlusskriterien Kompensatorische Beziehung Unabhängigkeit Begrenztheit Realisierbarkeit Relevanz 2 Präferenzstrukturmodell Idealpunktmodell Idealvektormodell Teilnutzenwertmodell 3 Methode der Datensammlung Zwei-Faktor-Methode Profilmethode 4 Auswahl des Vollständiges Design Erhebungsdesigns Reduziertes Design 5 Präsentation der Stimuli Visuelle Darstellung Verbale Darstellung 6 Bewertung der Stimuli Metrische Skalen Odinalskalen 7 Schätzung der Nutzenwerte Kleinste-Quadrate-Schätzung (OLS), nur bei metrischen Daten LINMAP, MONANOVA, PREFMAP bei ordinalskalierten Daten 8 Aggregation der Nutzenwerte Individualanalyse Gemeinsame Conjoint Analyse Abbildung 6: Verfahrensschritte der Conjoint Analyse Besondere Aspekte der internetbasierten Conjoint Analyse Bis etwa zum Jahr 2000 wurde im Rahmen des Einsatzes der Adaptiven Conjoint Analyse vor allem die Methode des Computer Aided Interviews (CAPI) genutzt. Bei diesen persönlichcomputergestützten Erhebungsformen werden die Fragen an einem Bildschirm dargestellt und 102 Vgl. Backhaus, Klaus et al. (2000), S Grunberg (2003), S. 147; Die Darstellung geht auf einige Ausführungen von Backhaus zurück. Die von Green / Srinivasan ursprünglich vorgeschlagene sechsstufige Vorgehensweise wurde von einer Reihe von Autoren weiter differenziert. So wurde von Perry eine siebenstufige Vorgehensweise vorgeschlagen. Vgl. Stadie, (1998), S. 37 f. 16

17 die Antworten entsprechend direkt im Rechner erfasst. Darüber hinaus kann der Befragungsablauf durch den Rechner gesteuert werden. Bei der internetbasierten Befragung ist dagegen kein Interviewer mehr anwesend. Der Proband bearbeitet die Fragen online an seinem Computer. 104 Die folgende Darstellung zeigt einen groben Überblick über mögliche Befragungsmethoden im Rahmen des Einsatzes der Conjoint Analyse 105 : personal non-personal visual acoustic visual acoustic computeraided non-computeraided computeraided personal personal paper-and-penciltask interview (CAPI) (personal interview) disk-by-mail DBM, traditional mail survey online-interview computeraided telephoneinterview telephone- interview (CATI) Abbildung 7: Methods of collecting multiattributive judgements in conjoint analysis. (Visual methods use verbal descriptions or pictures) 106 Auch die Marktforschung unterliegt in den letzten Jahren einem zunehmenden Zeit- und Kostendruck. Während persönlich-computergestützte Erhebungsformen in der Regel, vor allem durch die persönliche Befragung der Probanden, sehr zeitaufwendig sowie durch die Schulung der Interviewer sowie die notwendige Hard- und Softwareausstattung kostenintensiv sind, schaffen gerade in diesen Punkten die internetbasierten Befragungsmethoden Abhilfe. Damit bieten die internetbasierten Erhebungsmethoden deutliche Zeit- und Kostenvorteile gegenüber den persönlich-computergestützten Verfahren. 107 Neben diesen beiden Vorteilen stellt aber selbstverständlich die Qualität der gewonnenen Daten einen entscheidenden Faktor bei der Bewertung einer Erhebungsmethode dar. 108 Vor- und Nachteile zwischen der persönlich-computergestützen sowie der internetbasierten Erhebungsmethode ergeben sich nach Brusch und Baier vor allem in Bezug auf folgende Aspekte 109 : - Anonymität der Befragung 110, - Asynchronität der Befragung, - Bereitstellung von Incentives, - Erreichbarkeit spezieller Zielgruppen, - Flexibilität bei der Stimulipräsentation, - Länge des Fragebogens, - Repräsentativität der Befragung, - Selbstauswahl und Eigeninitiative der Befragten 111, 104 Vgl. Brusch, Michael / Baier, Daniel (2005), S Vgl. Melles, Torsten et al. (2000), S Melles, Torsten et al. (2000), S. 2., farbliche Unterlegung und textliche Heraushebung hinzugefügt, um die in dieser Arbeit dargestellt Methode herauszuheben. 107 Vgl. Brusch, Michael / Baier, Daniel (2005), S. 161, vgl. auch Toubia, Olivier (2001), S Vgl. Brusch, Michael / Baier, Daniel (2005), S Vgl. Brusch, Michael / Baier, Daniel (2005), S Vgl. Moskowitz, Howard / Beckley, Jacqueline (2002), S. 3 weisen ebenfalls darauf hin, dass bei internetbasierten Befragungen nicht hundertprozentig sichergestellt ist, wer an der Befragung tatsächlich teilnimmt. 111 Vgl. Moskowitz, Howard / Beckley, Jacqueline (2002), S. 3, hier weisen sie darauf hin, dass eine Selbstselektion bzgl. des Zeitpunkts und des Ortes stattfindet, an dem die Probanden tatsächlich teilnehmen 17