Das richtige Conjoint

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 zum Thema macht, indem sie in der Erhebung eine realitätsnahe Vorstellung von den Produkt- oder Dienstleistungsalternativen vermitteln. Mit dem richtigen Verfahren erhalten Sie

vergleichbare Kennworte in Form individueller Nutzenwerte für jedes Merkmal
die Erkenntnis, welche Merkmalskombination am ehesten gewünscht wird
eine valide Datenbasis für weitergehende Segmentierungen und Simulationen

Die passende Erhebung

Um die Nutzenpräferenzen zu ermitteln, braucht es ein realitätsnahe quantitativen Primärerhebung, in welcher die Teilnehmer Produktalternativen mit variierenden Merkmalsausprägungen „gemeinsam betrachten“ (Englisch: consider jointly“, oder kurz „Conjoint“). Computerprogramme übernehmen hierbei im Hintergrund die Steuerung, die Befragungssoftware wie beispielsweise CIS von IfaD bringt die „Produktkarten“ an die Fragebogenoberfläche. Conjoint ist aber nicht gleich Conjoint. Die DataScience Berater von IfaD unterscheiden eine ganze Reihe von Präferenzanalysen, die sie Tag für Tag für ihre Kundenkreise aus Instituten und Unternehmen umsetzen.

Der Klassiker Full Profile Conjoint passt nicht immer

Beim klassischen Full-Profile-Verfahren werden vollständige Produktmuster vorgegeben. Die Produktmuster sind von den Befragten in eine vollständige Präferenzrangreihe zu bringen. Das Verfahren findet jedoch schnell seine Grenzen, wenn das Untersuchungsdesign aufwendiger wird. Denn nur etwa 3 bis 5 Merkmale mit jeweils 2 bis 5 Ausprägungen können den Befragten zugemutet werden.

ICM für viele Merkmale und Ausprägungen

Sie möchten sehr viele Merkmale und Ausprägungen in die Erhebung einfließen lassen? Dann ist ein interaktives, adaptives Verfahren passend. Beim sogenannten adaptiven (ACA) oder auch interaktiven Conjoint (ICM) erfragen Sie in einem konventionellen Teil zunächst explizit die Bedeutung und Rangfolge der Merkmale. Im Hauptteil geben die Teilnehmenden dann abstufend an, welches der paarweise vorgelegten Muster sie präferieren. Die Muster werden hierbei in Form vollständiger grafischer Abbildungen vorgelegt und basieren auf einer individuellen Zusammenstellung aus den Ergebnissen des konventionellen Teils.

Mit CBC besonders realitätsnah

Für eine besonders realitätsnahe Entscheidungssituation ist ein diskretes Modell wie das Choice Based Conjoint zu empfehlen. Die Befragten bekommen beim CBC ein Set von Produkten vorgelegt und haben die Möglichkeit, sich für eines – oder auch für keines – zu entscheiden. Bei diesem Verfahren können Sie direkt Einfluss auf die Zusammensetzung der Reizmuster nehmen, indem Sie unerwünschte Merkmalskombinationen ausschließen.

ACBC – aus 2 mach 1 in drei Phasen

Für eine Erhebung mit einem sehr hohem Involvement der Teilnehmenden – sie können irrelevante Merkmale aussortieren – kombinieren Sie die adaptiven und Choice-Komponenten im ACBC (Adaptive Choices Based Conjoint). Und so gehts in der Praxis in drei Phasen:

Phase 1: Jeder Befragte stellt aus den vorgegebenen Ausprägungen sein präferiertes Produkt zusammen.

Phase 2: Das so zusammengestellte Produkt ist Grundlage für die Definition weiterer Produkte, die in einzelnen Levels abweichen. Der Befragte gibt für jedes dieser Produkte an, ob es in Frage kommt oder nicht. Weiterhin wird für jedes „Must Have“ explizit gefragt, ob es wirklich dabei sein muss. Entsprechendes gilt für die Unacceptable-Eigenschaften.

Phase 3: In dieser Entscheidungsphase werden die präferierten Produkte so lange in Gruppen vorgelegt, bis das Gewinner-Produkt feststeht.

Dual und Multi Stage Conjoints

Conjoints können miteinander verknüpft werden, und am effektivsten sind solche Verknüpfungen auf Individualebene in der Befragung. Prinzipiell werden die folgenden zwei Verknüpfungsarten angewendet.

Bei Dual Conjoints werden innerhalb einer Befragung zwei Conjoints durchgeführt. Das erste ermittelt die Relation der Produktmerkmale zueinander (bis zu etwa 15 Merkmale können untersucht werden). In einem zweiten Conjoint wird eine Untergruppe daraus zusammen mit dem Preis beurteilt. Das ist wichtig, denn der Preis eines Produktes hat eine zentrale Bedeutung. Die unique Stellung des Preises führt besonders bei zunehmender Anzahl untersuchter Merkmale zu einer Unterschätzung seiner Bedeutung.

Mit Hilfe sogenannter Multistage Conjoints können auch mehrschichtige Kausalstrukturen untersucht werden, die sich in klar abgrenzbare Bereiche aufteilen lassen. Jeder Bereich wird dazu in einem einzelnen Conjoint abgefragt. Rechnerisch werden die Ergebnisse der Themenconjoints in das Hauptconjoint eingebettet, so dass alle Merkmale zueinander in Beziehung gesetzt werden können.

HIT – Der Hybrid unter den Conjoints

Sie haben umfangreiche Sets von Ausprägungen, die in die Untersuchung einfließen sollen, wollen aber gleichzeitig den Number-of-Levels-Effect vermeiden? Dann könnte das „Hybrid Individualized Two-level Conjoint“ (HIT) passen. Es kombiniert konventionelles Ratings und Conjoint.
Im eigentlichen Conjoint-Teil werden je Merkmal nur zwei Ausprägungen verwendet, während die übrigen Ausprägungen auf einer Ratingskala bewertet werden. Auch dieses Verfahren ist mehrstufig:

Phase 1: die Teilnehmer entscheiden sich je Merkmal für die Ausprägung mit der niedrigsten und höchsten Präferenz.

Phase 2: im. Conjoint finden nur die gewählten Ausprägungen Verwendung.

Phase 3: alle übrigen Ausprägungen werden auf einer Skala bewertet.

Die Nutzenwerte aller im Conjoint eingesetzten Ausprägungen werden schließlich berechnet oder geschätzt. Nutzenwerte der Ausprägungen aus dem „Ratingtopf“ werden über eine lineare Interpolation ermittelt.

Mit dem HIT-Conjoint gelingt es, umfangreiche Sets von Ausprägungen in einem Conjoint-Design unterzubringen Positiver Effekt: die Nutzenwerte haben aufgrund der überschaubaren Anzahl an Ausprägungen im Conjoint eine hohe Reliabilität. Schließlich verkürzt die Anzahl auch den Conjoint-Teil. Die Gesamterhebung kann sich andererseits aufgrund der Mehrstufigkeit erhöhen.

Und welches Conjoint ist das richtige für mich?

Für die Entscheidung über das passende Verfahren braucht es Wissen, Erfahrung und die richtigen Werkzeuge. Sie sollte keinesfalls allein und „aus einem Bauchgefühl“ heraus getroffen werden. Kompetente Beratung ist hier das A und O, denn eine falsche Verfahrenswahl lässt sich nach der Erhebung nicht mehr reparieren. Bei IfaD aus Hamburg erhalten Sie beispielsweise eine versierte und kostenlose Erstberatung, individuell zugeschnitten auf Ihre Fragestellung. Die Data Science-Experten informieren Sie auch gerne über Möglichkeiten und Tools zur Marktsimulation auf Basis ermittelter Nutzenwerte aus Conjoints.

Der Data Science Service von IfaD setzt für seine Kunden aus Instituten und Unternehmen aller Branchen jährlich rund 100 Projekte in seinem Fachbereich um.