Zurück zur Übersicht

Bestimmung und Darstellung von Faktorwerten

Johannes Lüken / Dr. Heiko Schimmelpfennig Für jeden Faktor können innerhalb einer Hauptkomponentenanalyse individuelle Faktorwerte bestimmt werden, die die Ausprägung eines Faktors bei einem Untersuchungsobjekt wiedergeben. Damit lassen sich Tabellen oder Diagramme übersichtlicher als mit einer Vielzahl an Variablen erstellen.   Bestimmung der Faktorwerte Die Faktorwerte ergeben sich als gewichteter Mittelwert der standardisierten Werte der in eine Hauptkomponentenanalyse eingehenden Variablen. Die Gewichte unterscheiden sich zwischen den Faktoren. Die Faktorwerte sind zentriert und besitzen eine Varianz,…

Conjoint Check | Die COVID-19-Impfstoff-Präferenzen der Deutschen

Aktuell sind auf dem deutschen Markt vier COVID-19-Impfstoffe zugelassen. Wenn wir frei wählen könnten – welche Impfstoff-Eigenschaften wären die ausschlaggebenden bei unserer Entscheidung für einen COVID-19-Impfstoff? Eine Abwägung, die nicht unbedingt leichtfällt, unterscheiden sich doch die bislang zugelassenen Vakzine hinsichtlich einer ganzen Reihe von Faktoren bzw. Merkmalsausprägungen. Ob Impfstoff-Typ, Impf-Ort, Wartezeit, Schutzwirkung, Abstand zwischen den Impfungen, Nebenwirkungen oder Mutationen – immer spielen individuelle Präferenzen eine Rolle. Doch auf welche Präferenzen kommt es ganz besonders an?…

IfaD gewinnt mit rc – research & consulting und der Deutschen Bahn den BVM Innovationspreis 2021

Wir freuen uns, dass IfaD zusammen mit rc – research & consulting GmbH und der Deutschen Bahn AG für den BVM Innovationspreis 2021 gewonnen hat! Die Customer Experience (CX) hat entscheidenden Einfluss auf den Geschäftserfolg. Dabei steht jedes Unternehmen vor der Frage, an welchen Touchpoints die CX prioritär verbessert werden sollte, um den optimalen Mix zur Erhöhung der Kundenzufriedenheit, aber auch der zukünftigen Produktnutzung und des Umsatzes zu finden. Die Deutsche Bahn (DB) hat in…

Hauptkomponentenanalyse zur Datenreduktion

Johannes Lüken / Dr. Heiko Schimmelpfennig Die Hauptkomponentenanalyse wird häufig eingesetzt, um die Menge beobachteter Variablen auf eine geringere Anzahl Faktoren (Hauptkomponenten) so zu reduzieren, dass der Informationsverlust möglichst gering ist. Wesentliche Schritte sind die Bestimmung der Anzahl der Hauptkomponenten und deren Interpretation.   Faktorladungs- bzw. Komponentenmatrix Zentrales Ergebnis gleich welchen Verfahrens der Faktorenanalyse ist die Faktorladungsmatrix. Sie zeigt die Zusammenhänge zwischen den in die Analyse eingehenden Variablen und den extrahierten Faktoren auf. In Abbildung…

IfaD zusammen mit rc – research & consulting und der Deutschen Bahn nominiert für den BVM Innovationspreis 2021

Wir freuen uns, dass IfaD zusammen mit rc – research & consulting GmbH und der Deutschen Bahn AG für den BVM Innovationspreis 2021 nominiert ist! Die Customer Experience (CX) hat entscheidenden Einfluss auf den Geschäftserfolg. Dabei steht jedes Unternehmen vor der Frage, an welchen Touchpoints die CX prioritär verbessert werden sollte, um den optimalen Mix zur Erhöhung der Kundenzufriedenheit, aber auch der zukünftigen Produktnutzung und des Umsatzes zu finden. Die Deutsche Bahn (DB) hat in…

Hauptkomponentenanalyse

Johannes Lüken / Dr. Heiko Schimmelpfennig Die Hauptkomponentenanalyse zählt zu den bedeutendsten Verfahren der Faktorenanalyse. Anhand eines beinahe aktuellen Beispiels wird gezeigt, was eine Hauptkomponente ausmacht und wie sie bestimmt wird. Abbildung: Daten der Qualifikationsspiele der deutschen Nationalmannschaft zur Fußball-EM 2020/21   Grundidee einer Hauptkomponente Die Tabelle enthält ausgewählte Daten der Qualifikationsspiele der deutschen Fußball-Nationalmannschaft zur EM 2020/21. Ballbesitz, Zweikampfquote und Anzahl Ecken sollen – wenn möglich – zu einem Merkmal „Dominanz“ zusammengefasst werden. Da…

👍 Statistik kompakt für die Marktforschung

Johannes Lüken und Dr. Heiko Schimmelpfennig (beide IfaD) erklären seit 2012 ganz kompakt die Statistik für Marktforscherinnen und Marktforscher in planung & analyse. Höchste Zeit, dass wir einmal eine aktuelle Übersicht bereitstellen. Hier finden Sie nicht nur die Links zu allen bisher veröffentlichten Themen von A bis Z, sondern auch die alphabetisch einsortierten Schwerpunkte wie zum Beispiel der Schwerpunkt „Clusternalyse“. Wenn Sie eine chronologische Artikelauflistung suchen, klicken Sie bitte hier.   A Analytic Hierarchy Process…

Statistik kompakt für die Marktforschung

Johannes Lüken und Dr. Heiko Schimmelpfennig (beide IfaD) erklären seit 2012 ganz kompakt die Statistik für Marktforscherinnen und Marktforscher in planung & analyse. Höchste Zeit, dass wir einmal eine aktuelle Übersicht bereitstellen. Hier finden Sie die Links zu allen bisher veröffentlichten Themen seit 2012 bis heute. Wenn Sie eine alphabetische Artikelauflistung suchen, klicken Sie bitte hier.   2021 Daten visualisieren mittels Treemaps (Heft 3) MDS von Objekten und Merkmalen (Heft 2) Multidimensionale Skalierung (Heft 1)…

Einführung in die Faktorenanalyse

Johannes Lüken / Dr. Heiko Schimmelpfennig Die Faktorenanalyse ist ein Sammelbegriff für verschiedene Verfahren, denen das Ziel gemein ist, Gruppen von beobachteten Variablen zu identifizieren, die untereinander stark zusammenhängen, beziehungsweise Vermutungen über die Zusammenhänge dieser Variablen zu überprüfen.   Übersicht der Verfahren Grundsätzlich wird zwischen der explorativen und der konfirmatorischen Faktorenanalyse unterschieden. Die explorative Faktorenanalyse dient dazu, aus einer Menge von beobachteten Variablen, „künstliche“ Variablen zu konstruieren, die jeweils möglichst mit mehreren der beobachteten Variablen…

Erfolgswirkung von Marken-Touchpoints

Strukturgleichungsmodelle sind eine gängige Methode zur Bestimmung von Erfolgstreibern. Anhand eines Beispiels wird gezeigt, wie auch in der Marken-Touchpoint-Analyse Multikollinearität die Ergebnisse erheblich verzerrt und somit zu falschen Beurteilungen der Touchpoints führt. Es wird ein spezielles Verfahren vorgestellt, das Multikollinearität von Einflussvariablen vollständig eliminiert. Die resultierenden Koeffizienten werden vergleichbar und damit inhaltlich interpretierbar. Auch Missing Values bedeuten häufig keine Einschränkungen der Analyse, sondern liefern zusätzliche nutzbare Informationen, wenn die dahinterliegende Systematik durch gezieltes Ersetzen fehlender Werte genutzt wird.

Merkmalsspreizung beim Conjoint

IfaD bietet im Rahmen der Conjointauswertung eine sogenannte Merkmalsspreizung an. Die Idee dahinter ist, dass im Rahmen der Matrixerstellung und Datenerhebung in einer Art Sammelmerkmal verschiedene Ausprägungen zusammengefasst werden, die aber eigentlich binäre Merkmale sind und theoretisch auch gleichzeitig vorkommen können. Sinn dieses Sammelmerkmals ist es, die Komplexität für den Befragten und bei der Designerstellung zu reduzieren. Beispiel: Zusatzleistungen bei einer Kreditkarte Mögliche Zusatzleistungen könnten eine „Reiseversicherung“, eine „Kundenzeitschrift“, eine „Payback-Funktion“ oder die „Möglichkeit vereinfacht…

Nicht-lineare Regression

Johannes Lüken / Dr. Heiko Schimmelpfennig Die lineare Regressionsanalyse geht davon aus, dass der Zusammenhang zwischen den unabhängigen und der abhängigen Variable linear ist. Diese Annahme ist zwar in vielen Fällen angebracht, mitunter ist aber der Einsatz der nicht-linearen Regression erforderlich, mit der auch andere Formen des Zusammenhangs untersucht werden können.   Beispiel aus der Sensorik Es wird die Abhängigkeit der Kaufbereitschaft für eine Limonade von einer Eigenschaft wie der Süße betrachtet. Die Süße wird…

Das Bestimmtheitsmaß der linearen Regression

Johannes Lüken / Dr. Heiko Schimmelpfennig Von der Vielzahl an Gütemaßen ist das Bestimmtheitsmaß oder R² das bekannteste. Es gibt an, wie gut die durch ein Regressionsmodell vorhergesagten Werte mit den tatsächlichen Beobachtungen übereinstimmen.   Interpretation des R² in der linearen Regression Formal ist das Bestimmtheitsmaß der Anteil der Varianz der abhängigen Variable, der durch die unabhängige(n) Variable(n) erklärt wird. Es kann insofern Werte zwischen 0 und 1 annehmen. Abbildung 1 zeigt verschiedene Konstellationen der…

Kriterien der Prognosegüte für kategoriale Merkmale

Johannes Lüken / Dr. Heiko Schimmelpfennig Sei es die Kaufentscheidung für eine Marke oder die Zuordnung zu einem Segment – häufig ist die Prognose der Ausprägung einer kategorialen Variable gefragt. Die wichtigsten Gütemaße zur Beurteilung und zum Vergleich von Prognosemodellen für kategoriale Merkmale werden anhand der Vorhersage des Ausgangs von Fußballspielen veranschaulicht.   Klassifikations- oder Konfusionsmatrix Wie gut sind Wettquoten geeignet, um Ergebnisse von Fußballspielen vorherzusagen? Dazu wurden von der Website football-data.co.uk die Quoten für…

Kriterien der Prognosegüte für metrische Merkmale

Johannes Lüken / Dr. Heiko Schimmelpfennig Ziel der Methoden, die unter „Predictive Analytics“ (Predictive Modelling) zusammengefasst werden, ist die Entwicklung von Prognosemodellen, mit denen Ereignisse vorhergesagt oder unbekannte Merkmalswerte bestimmt werden können. Bevor ein Modell genutzt wird, sollte zunächst seine Qualität (für einen Testzeitraum oder anhand einer Validierungsstichprobe) überprüft werden. Dazu bedarf es geeigneter Gütemaße, von denen einige gängige für metrische Merkmale vorgestellt werden. Ein Prognosemodell soll Marktanteile vorhersagen – beispielsweise die der Top 5…

Namenstest mit Concept Impact Mapping

Klassische Namens- und Konzepttests führen oft zu oberflächlichen und undifferenzierten Ergebnissen. Nicht selten geben die Befragten auf den Ratingskalen ähnliche Bewertungen für die vorgelegten Konzeptvarianten ab. Oft noch schwerwiegender wirken Urteilsfehler, aufgrund derer insbesondere diejenigen Varianten gut abschneiden, die potenziellen Kunden – durch Konkurrenzprodukte – bekannt erscheinen (Halo-Effekt). Genau deshalb hat IfaD das Concept Impact Mapping (CIM) entwickelt. Attraktivität und Einzigartigkeit CIM kombiniert die Betrachtung der zwei relevanten Dimensionen der Markenwirkung. Es misst die intuitive…

Treiberanalyse mit Entscheidungsbäumen

Johannes Lüken / Dr. Heiko Schimmelpfennig Random Forests sind nicht nur zur Prognose, sondern zugleich zur Analyse der Treiber einer abhängigen Variable einsetzbar. Gegenüber vielen anderen Verfahren besitzen sie den Vorteil, dass mühelos Treiber mit unterschiedlichen Skalenniveaus untersucht werden können und keine Annahme über die Form des Zusammenhangs zur abhängigen Variable getroffen wird. Zudem stellt Multikollinearität für sie kein Problem dar. Je nach Skalenniveau der abhängigen Variable existieren mehrere Möglichkeiten zur Messung der Bedeutung der…

Random Forests und Boosted Trees

Johannes Lüken / Dr. Heiko Schimmelpfennig Entscheidungsbäume dienen der Vorhersage einer zu beschreibenden (abhängigen) Variablen. Die (unabhängigen) Trennungsvariablen formen den Baum und können die Strukturen im analysierten Datensatz perfekt abbilden, das heißt die abhängige Variable genau „prognostizieren“. Für die Vorhersage der abhängigen Variablen in weiteren Daten kann ein solcher Baum aber dennoch ungeeignet sein. Ein möglicher Lösungsweg ist die Induktion mehrerer Bäume, von denen jeder einzelne auf einem etwas anderen Datensatz beruht. Random Forests und…

Entscheidungsbäume – Algorithmen im Überblick

Johannes Lüken / Dr. Heiko Schimmelpfennig Entscheidungsbäume können zur Segmentierung und Prognose eingesetzt werden. Sie teilen einen Datensatz in einer baumartigen hierarchischen Struktur in immer kleiner und hinsichtlich einer abhängigen Variable immer homogener werdende Teilgruppen (Knoten) auf. An jeder Verzweigung wird eine der unabhängigen Variablen (die Trennungsvariable) genutzt, um die Fälle aufzuteilen. Den Endknoten wird schließlich eine Ausprägung der abhängigen Variable zugeordnet. Dies ist je nach Skalenniveau ihr Modal- oder Mittelwert für die Fälle eines…

Kontingenzanalyse und Chi-Quadrat-Test

Johannes Lüken / Dr. Heiko Schimmelpfennig Besteht ein Zusammenhang zwischen zwei kategorialen Merkmalen? Unterscheiden sich die Verteilungen eines kategorialen Merkmals zwischen zwei oder mehr Gruppen voneinander? Dies sind typische Fragestellungen, die eine Kontingenzanalyse beantwortet. Sie kann auch metrische Merkmale berücksichtigen, wenn die Ausprägungen zu Klassen zusammengefasst werden.   Messung der Stärke des Zusammenhangs Ein Beispiel: Es wurde die ungestützte Erinnerung an die Werbung für eine Marke erhoben. Untersucht werden soll, ob es einen Zusammenhang zwischen…

Beste Tools für Marktforschung von IfaD: Penalty & Reward Treiber-Analysen in neuen Geschwindigkweitsdimensionen

Penalty-Reward-Analysen in neuen Geschwindigkeits-Dimensionen

Die Penalty & Reward Analyse (PRA) ermöglicht neben der Bestimmung der relativen Wichtigkeit die Differenzierung in Basis-, Begeisterungs- und Lineare Treiber, ohne dass dazu eine aufwendige Erhebung wie in der Kano-Analyse notwendig wäre. Sie ist ein Verfahren der Treiberanalyse, das ohne die Annahme linearer Zusammenhänge auskommt und keine Probleme mit Multikollinearität hat. Die PRA basiert auf der sehr zeitintensiven Berechnung von Shapley Values. Aus diesem Grund war ihre Anwendbarkeit bislang auf Analysen mit bis zu…

Regal-Conjoint

Vor kurzem kam einer unserer Kunden mit folgender Frage auf uns zu: Könnt Ihr das auch, das ist doch eher ein BPTO oder ist das wirklich ein Conjoint? Dazu kam ein Screenshot, der ähnlich wie dieser aussah: Und wir konnten einfach antworten: Ja, klar können wir das auch. Das ist ein sogenanntes Regal-Conjoint. Bei einem Regal-Conjoint handelt es sich um ein spezielles CBC mit den Merkmalen Produkt und Preis plus evtl. noch Packungsgröße.  Es werden…

Multistage Ansätze mit Conjoint und MaxDiff

Die Nachfrage nach Conjoints mit vielen Merkmalen (gerne 15 und mehr) und Ausprägungen nimmt stetig zu. Bei solch komplexen Herausforderungen können Multistage Ansätze helfen. Eine Grundvoraussetzung dafür ist, dass eine Struktur in den Merkmalen und Ausprägungen zu entdecken ist. Nicht immer ist es so einfach wie bei dem folgenden Beispiel, eine Struktur zu entdecken: Multistage Conjoint: Beispiel aus der Automobilbranche Bei Multistage Conjoints wird z.B. eine große und komplexe Conjointmatrix in mehrere Themenkomplexe (ein Hauptconjoint…

Conjoint und MaxDiff auf Smartphones? Kein Problem, oder?

Conjoint und auch MaxDiff auf Smartphones beantworten zu lassen, klingt erst mal nach: „kein Problem, bekommt man doch ganz einfach hin“. Die Tücken liegen aber auch hier mal wieder im Detail. Technisch geht fast alles. Zum Beispiel kann man mit Tooltipps oder Vergrößerungen arbeiten und alles andere etwas verkleinern. Ja, das ist möglich, macht aber, um ehrlich zu sein, nur bis zu einem gewissen Grad Sinn, und meist sind einfach zu viele MaxDiff-Items mit zu…

Verwende kein Conjoint

Conjoint ist nicht gleich Conjoint. Deshalb gibt es auch für jede Fragestellung das passende Verfahren. Doch egal, ob einfach oder komplex – mit der richtigen Beratung schon vor dem Studienstart sind Sie gut beraten. Der Data Science Service von IfaD denkt an alles und berät Sie mit geballter Kompetenz – schon vor dem Auftrag. Und bietet verlässliche Antworten auf Ihre Fragen. Welches ist das richtige Conjoint für meine Zweck? Wie baut man ein Conjoint auf?…

7 Beispiele für Varianten des CBC - Choice Based Conjoint - von IfaD

Sieben CBC auf einen Streich

Das Choice Based Conjoint (kurz CBC) ist die am meisten in der Praxis verwendete Conjoint-Variante, da es gut an besondere Forschungsaufgaben angepasst werden kann. Um diese Flexibilität zu zeigen, haben wir aus unserer Servicepraxis sieben verschiedene CBCs zu sieben unterschiedlichen Themen in einem Beispielfragebogen auf unserer Homepage zusammengestellt. Anforderungen an CBCs, die mit dabei sind, sind unter anderem: Prohibitions: Gegenseitige Ausschlüsse von Merkmalsausprägungen Alternative Specific Design (ASD): ein oder mehrere Merkmale werden nur beim Auftreten…

KUZU - Kundenzufriedenheit: vom NPS zur Treiberklassifikation

KUZU – vom NPS zur Treiberklassifikation

  Wer seine Kunden nach ihrer Zufriedenheit fragt, möchte oft auch wissen, weshalb oder womit sie im Einzelnen (un-)zufrieden sind. Mit einem schnellen Feedback erhalten Sie zwar einen Überblick beispielsweise über die durchschnittliche Weiterempfehlungsbereitschaft, doch um die treibenden Kräfte zu identifizieren und regelbar zu machen, braucht es mehr. Aber es geht.   NPS  – und dann? Eine sehr reduzierte Form stellt die Frage nach der Weiterempfehlungsbereitschaft und eine offene Nachfrage zur Urteilsbegründung dar. Aus der…

Mit Conjoint bringen Sie Ihr Innovationsmarketing voran

Innovationsmarketing mit Conjoint

Eine erfolgreiche Innovation braucht das passende Marketing – und das Marketing braucht Innovation für den Produkterfolg. Beim Innovationsmarketing geht es nicht nur um die Vermarktung neuer Produkte, sondern auch um die Erforschung der – aktuellen und zukünftigen – Kundenbedürfnisse, mögliche Marktpotentiale und Konzept- und Prototypentests mit Kunden. Produkte und Dienstleistungen müssen marktgerecht und auf den Kundennutzen ausgerichtet gestaltet werden.  Typische Fragen, denen sich Marktforschung und Innovationsmarketing gegenüber stehen, sind beispielsweise: Welche Produktmerkmale sind für den…

So wählen Sie das richtige Conjoint-Verfahren

Das richtige Conjoint-Verfahren

Sie möchten; Ihre Produkte oder Dienstleistungen marktgerecht und auf den Kundennutzen ausgerichtet gestalten? Dann sollten Sie in Erfahrung bringen, welche Produktmerkmale für den Kunden kaufentscheidend sind, wo möglichen Kaufschwellen liegen und wo der optimale Preis liegt. Denn diese Informationen helfen Ihnen dabei, die Produktkonfiguration mit den besten Marktchancen zu identifizieren – eine fundierte Entscheidungshilfe für Management und Innovationsmarketing. Dem kundenindividuellen Nutzen können Sie am besten über eine Primärerhebung ermitteln, der die Produktmerkmale und deren Ausprägungen…

DIY Tools für die Marktforschung - IfaD Statistics Toolbox: - www.ifad.de - AHP

AHP – Tool zur hierarchischen Präferenzanalyse

Strand oder Berge? Sport oder Sofa? Wein oder Bier? Manche Entscheidungen lassen sich einfach aus dem Bauch treffen und bringen dadurch persönliche Präferenzen zum Ausdruck. In der Marktforschung lassen sich solche Daten klassischerweise über Auswahl-, Rating- oder Rankingfragen erfassen. Anders ist die Lage, wenn komplexe Entscheidungen unter Einbezug mehrerer Kriterien gefällt werden müssen, oder Präferenzen für sehr komplexe Produkte erfasst werden sollen. Dies kann die Wahl zwischen Bewerbern mit unterschiedlichen Qualifikationen sein, die Wahl zwischen…