Conjointanalyse

Florian Herzog Conjoint-Analyse

PS Qualitätsmanagement WS 05/06

Referat Conjoint-Analyse im Qualitätsmanagement

Ausarbeitung: Florian Herzog 0313387

1


Inhaltsverzeichnis

1 Einführung.................................................................................................3

1.1 Grundidee der Conjoint-Analyse...........................................................3

1.2 Entwicklung der Conjoint-Analyse........................................................3 2 Durchführung der Conjoint-Analyse................................................4

2.1 Die Festlegung der Eigenschaften und ihrer Ausprägungen................4

2.2 Die Festlegung des Erhebungsdesigns..................................................5

2.3 Die Bewertung der Stimuli....................................................................6

2.4 Die Schätzung der Nutzenwerte............................................................6

2.5 Die Interpretation der Ergebnisse..........................................................7 3 Schlussfolgerung...............................................................8

2


1 Einführung 1.1 Grundidee der Conjoint-Analyse Zuerst einmal bezeichnet der übergeordnete Begriff "Conjoint-Analyse" eine Anzahl von statistischen Verfahren, durch die zum Beispiel Produkte, Dienstleistungen aber auch Angebote politischer Parteien bewertet werden können. Hauptsächlich wird dieses Verfahren zur Analyse von Präferenzen und Einstellungen sowie zur Prognose von Kaufabsichten eingesetzt. Das heisst es geht hier um die Frage, welche Bedeutung verschiedene Produkteigenschaften für die Konsumenten besitzen. Das Ziel dieser Conjoint-Analyse ist die Herstellung eines optimal auf die Bedürfnisse der Kunden ausgerichteten Produktes. Natürlich muss dabei die Zahlungsbereitschaft der Kunden höher sein als die neu entstehenden Kosten für den Hersteller. Die Erkennung von Wünschen und Vorstellungen, die Konsumenten gegenüber den zu untersuchenden Produkten hegen, sowie die Prognose ihres Marktverhaltens macht ein fundiertes methodisches Vorgehen unerlässlich. Nur so lassen sich Produkte oder Dienstleistungen gezielt marktgerecht gestalten und positionieren. Die Conjoint-Analyse ist dafür besonders gut geeignet, da die kaufrelevanten Effekte mehrerer Produkteigenschaften gemeinsam erfasst werden können. Ein weiterer Grund dafür ist die große Ähnlichkeit der Urteilsaufgabe mit realen Entscheidungssituationen. Die Befragten fühlen sich dadurch in echte Entscheidungssituationen versetzt und geben so realistische Antworten zu ihren Präferenzen und Motiven. Die Befragten, auch Probanden genannt, müssen gleichartige Produkte mit jedoch unterschiedlichen Produkteigenschaften in eine Reihenfolge bringen, die ihre persönlichen Vorlieben wiederspiegelt. 1.2 Entwicklung der Conjoint-Analyse

Bevor die Conjoint-Analyse entwickelt wurde, wurden die Probanden unmittelbar nach dem Wert bzw. Nutzen einzelner Eigenschaften gefragt, um so den Wert dieser Eigenschaften und deren Ausprägungen zu ermitteln. Da sich ein Produkt, so war damals der Grundgedanke, aus verschiedenen Eigenschaften in verschiedenen Ausprägungen zusammensetzt, konnte durch addieren der erhobenen Werte der einzelnen Ausprägungen der Wert des gesamten Produktes bestimmt werden. Dies nennt man kompositionelles Verfahren. Das Problem bei diesem Verfahren ist das die Befragten alle Eigenschaften als sehr wichtig einstufen und man so die tatsächliche Gewichtung nicht erkennen kann. Um dieses Problem zu beseitigen wurde die Conjoint-Analyse eingeführt. Sie fand Anfangs Anwendung in der Psychologie und wurde erst Anfang der 70er in das Marketing eingeführt. Der wesentliche Unterschied zum kompositionellen Verfahren besteht darin, dass nicht mehr die einzelnen Eigenschaften und ihre Ausprägungen bewertet werden, sondern das gesamte Produkt als Bündel von Eigenschaften und deren Ausprägungen zur Bewertung herangezogen wird. Aus diesen Bewertungen wird dann erst die Bedeutung der einzelnen Eigenschaften abgeleitet. Dies nennt man dekompositionelles Verfahren.

3


Abb. 1: Unterscheidung von dekompositioneller und kompositioneller Vorgehensweise

2 Durchführung der Conjoint-Analyse Die Durchführung der Conjoint-Analyse läßt sich in fünf Schritte gliedern. Dies sind folgende:

1. Die Festlegung der Eigenschaften und ihrer Ausprägungen 2. Die Festlegung des Erhebungsdesigns 3. Die Bewertung der Stimuli 4. Die Schätzung der Nutzenwerte 5. Die Interpretation der Ergebnisse

Auf die einzelnen Schritte werde ich wie folgt näher eingehen: 2.1 Die Festlegung der Eigenschaften und ihrer Ausprägungen Es ist die Entscheidung zu treffen welche Eigenschaften und Ausprägungen überhaupt in die Conjoint-Analyse aufgenommen werden sollten! Die ausgewählten Eigenschaften müssen in erster Linie relevant für die Kunden und den Hersteller sein! Das heisst sie sollten einen kaufentscheidenden Einfluß auf die Kunden ausüben können, und sie sollten durch den Unternehmer bzw. den Hersteller beeinflußbar und realisierbar sein. Die Voraussetzung das die Eigenschaften beeinflussbar sein sollten legt die Überlegung nahe, für die Conjoint-Analyse eher objektive Produkteigenschaften als subjektiv wahrgenommene Eigenschaften zu berücksichtigen. Es muss weiters darauf geachtet werden, dass keine K.O.-Kriterien vorliegen. Das sind Ausprägungen von Eigenschaften, die für Probanden gänzlich inakzeptabel sind und auch nicht durch vorteilhafte Ausprägungen anderer Eigenschaften kompensiert werden

4


können. Bei der Conjoint-Analyse wird ausserdem angenommen, dass die Eigenschaften in einer kompensatorischen Beziehung zueinander stehen und voneinander unabhängig sind. Auch die Anzahl und eine genauere Definition der aufgenommenen Merkmale muss festgelegt werden. Die Auswahl muss die entscheidungsrelevanten Merkmale gut abdecken ohne sie zu überladen. Die Festlegung der möglichen Eigenschaften kann in einer einfachen Befragung eines ausgewählten Personenkreises, einer sogenannten Vorstudie erfolgen. Sie können auch intern in einem sogenannten Produktteam festgelegt werden. 2.2 Die Festlegung des Erhebungsdesigns Die Conjoint-Analyse wird nicht nur für das Bewerten von materiellen und realen Produkten, sondern auch zur Bewertung von immateriellen Produkten sowie Dienstleistungen bzw. hypothetischen Produkten eingesetzt. Deshalb werden die Bündel von Eigenschaften, die in der Conjoint-Studie betrachtet werden, nicht als Produkte, sondern einfach neutral als Stimuli bezeichnet. Das Erhebungsdesign besteht aus der Definition und der Festlegung der Anzahl der Stimuli. Ein Stimulus ist eine bestimmte Kombination gleicher Eigenschaften mit unterschiedlicher Ausprägung. Es ist zu beachten, dass ein positiver Zusammenhang zwischen der Menge der Eigenschaftsausprägungen und dem Gewicht der Eigenschaft bei der noch bevorstehenden Schätzung besteht. Dies wird als sogenannter Level-Effekt bezeichnet, und tritt vor allem deswegen auf, weil den Probanden eine Eigenschaft wichtiger erscheint, wenn sie durch mehrere Ausprägungen beschrieben wird. Erstens ist zu unterscheiden, ob ein Stimulus aus allen Eigenschaften bestehen soll, die sogenannte Full-Profile-Methode, oder ob nur zwei Eigenschaften zur Beschreibung eines Stimulus herangezogen werden sollen, Tradeoff-Methode genannt. Die Full-Profile-Methode verlangt mehr von den Probanden, ist aber realitätsnäher als die Trade-off-Methode. Es kann allerdings zu einem sogenannten Positionseffekt kommen. Das heisst das die Reihenfolge oder Position der angeführten Eigenschaften fälschlicherweise Einfluss auf die Probanden und deren Beurteilung der Wichtigkeit der Eigenschaften nehmen kann. Trotzdem hat sich diese Art der Stimulipräsentation durchgesetzt. Weiters ist dann die Anzahl der zu bewerteten Stimuli festzulegen. Ein vollständiges Design besteht aus allen möglichen Kombinationen der Eigenschaftsausprägungen. Bei dem vollständigen Erhebungsdesign des Full-Profile-Ansatzes (Profilmethode) ergeben sich bei 5 Eigenschaften mit jeweils 3 Ausprägungen bereits 243 (=35) Kombinationsmöglichkeiten, die jeweils ein Produktkonzept beschreiben. Da es sonst unter anderem zu Ermüdungserscheinungen der Probanden kommt, sollten nicht mehr als 30 Stimuli in einer Conjoint Studie betrachtet werden, da sonst die Qualität der Ergebnisse darunter leidet. Normalerweise werden ca. 16 Stimuli untersucht. Durch Sogenannte fraktionierte Designs wird das vollständige Design möglichst gut repräsentiert, obwohl nur eine Teilmenge der möglichen Stimuli berücksichtigt wird. Man bekommt allerdings nur Informationen über die Haupteffekte, nicht über die Interaktionseffekte. Dabei gehen leider viele Informationen verloren. Interaktionseffekte entstehen, wenn zwei Eigenschaften gemeinsam eine Wirkung auf die Präferenz bezüglich eines Stimulus haben. Trotzdem kommt meist das fraktionierte Design zur Anwendung. Dies ist aufgrund der hohen

5


Zahlen an Eigenschaften und deren Ausprägungen notwendig. 2.3 Die Bewertung der Stimuli Nachdem die Stimuli und deren Anzahl festgelegt wurden, sind nun die Probanden an der Reihe eine Bewertung der Stimuli vorzunehmen. Dabei können die in der Abbildung dargestellten Bewertungsmethoden verwendet werden. Als wichtigstes Unterscheidungsmerkmal dient das Skalenniveau der erhaltenen Ordnung.

Abbildung1: Alternative Bewertungsmethoden für die Stimuli in einer Conjoint-Analyse Wie in der Grafik ersichtlich gibt es metrische und nicht-metrische Ansätze. Der paarweise Vergleich und das Bilden einer Rangreihe stellen nicht-metrische Ansätze dar. Sie sind ein Ergebnis der ordinalskalierten Ordnung der Stimuli und weisen deshalb nur einen geringen Informationsgehalt auf. Die metrischen Ansätze lassen eine intervallskalierte Ordnung der Stimuli zu. Durch die separate Bewertung aller Stimuli auf einer Rating-Skala, dem Anwenden einer Dollar-Metrik, in der entweder ein "Dollar-Betrag" für den geldwerten Unterschied zwischen Stimuli oder ein "Dollar-Betrag" für den Wert des Stimulus angegeben werden soll, oder einer Konstant-Summen-Skala, bei der z.B. 100 Punkte auf alle Stimuli verteilt werden sollen, wird ein metrischer Ansatz verwirklicht. Im Falle der Dollar- Metrik bewirkt es sogar eine ratioskalierte Ordnung der Stimuli. Ratingskalen oder Rangreihen werden in Conjoint-Analysen ziemlich gleich oft eingesetzt. 2.4 Schätzung der Teilnutzwerte Nachdem der Proband die Stimuli seinen Nutzen entsprechend bewertet hat, müssen im Falle einer Rangreihung die Ränge so verteilt werden, dass das am meisten bevorzugte Produkt die höchste Bewertung zugewiesen bekommt. Bevor die Nutzenfunktionen der Probanden geschätzt werden können, muss noch der funktionale Zusammenhang zwischen Nutzen und Eigenschaften eines Produktes

6


ermittelt werden.

Abb. 2: Alternative Nutzenstrukturmodelle Idealpunktmodell: Dieses geht von der Existenz einer nutzenmaximierenden Eigenschaftsausprägung aus. Nimmt eine Eigenschaft eine Ausprägung an, die über der optimalen Ausprägung liegt, so kommt es zu einer Reduzierung des Nutzens. z.B.: Zuckergehalt eines Joghurts, soll weder zu säuerlich, noch zu süß sein Vektormodell: Dieses hingegen basiert auf der Annahme eines linearen Zusammenhangs zwischen dem Nutzen eines Produkts und den Werten der Eigenschaftsausprägungen. Es existiert keine nutzenmaximierende Ausprägung der Eigenschaft. Es wird angenommen, dass ein Mehr der Eigenschaft im Falle eines positiven Zusammenhangs (bzw. ein Weniger im Falle eines negativen Zusammenhangs) bevorzugt wird. Ein sehr gutes Beispiel für die Anwendung dieser Art der Nutzenstruktur stellt der Preis dar. Dieser wird logischerweise in einem negativen Zusammenhang gesehen. Teilnutzenwert-Modell: Das Teilnutzenwertmodell ermittelt für jede Eigenschafts-ausprägung einen sogenannten Teilnutzenwert. Das Teilwertnutzenmodell ist das einzige Modell, welches keinen funktionalen Zusammenhang zwischen Nutzenwert und dem Level der Merkmalsausprägung postuliert. Es ist das flexibelste unter den drei Modellen. Es wird keine Annahme über die Skalierung der Merkmale getroffen. Ein Nachteil dieses Modells ist, dass mehr Informationen zur Schätzung der Koeffizienten benötigt werden. 2.5 Interpretation der Ergebnisse Die Conjoint-Analyse bietet eine ganze Reihe von Auswertungsmöglichkeiten. Das Besondere an der Conjoint-Analyse ist, dass für jeden Befragten ein individuelles Modell geschätzt wird. Das primäre Analyseziel besteht darin, für jeden Einzelnen die Vorlieben in die mit den einzelnen Levels verbundenen Teilnutzenwerte zu zerlegen. Die Teilnutzenwerte liefern wichtige Informationen. So kann z.B für jeden Befragten die nutzenmaximierende Kombination von Merkmalsausprägungen ermittelt werden. Auch die sogenannten relativen Bedeutsamkeiten der einzelnen Faktoren für die Änderung von Präferenzordnungen sind wichtig. Das Konzept der relativen Bedeutsamkeit

7


ist leicht zu verstehen: Wenn alle Levels eines Faktors ähnliche Teilnutzenwerte haben, so hat eine Veränderung dieser Eigenschaft nur eine geringe oder gar keine Veränderung der Präferenzordnung zur Folge. Der Gesamtnutzen bleibt also gleich. Weichen die Teilnutzenwerte eines Faktors aber stark voneinander ab, dann kann sich eine Veränderung dieser Eigenschaft als Steigerung oder Verringerung des Gesamtnutzens des Objekts auswirken, und damit die Präferenzordnung des Probanden stark verändern. Ein quantitatives Maß für die relative Bedeutsamkeit erhält man indem man die Spannweite der Teilnutzenwerte der Ausprägungen der entsprechenden Eigenschaft durch die Summe dieser Spannweiten über alle Faktoren dividiert. Dieses Wichitgkeitsmaß addiert sich für jeden Befragten über die betrachteten Eigenschaften hinweg zu 100%. Wenn die Nutzenstruktur der Befragten vermutlich sehr homogen ist, dann kann man eine sogenannte gemeinsame Conjoint-Analyse durchführen. Bei dieser wird versucht die Nutzenstrukturen der Versuchspersonen mittels einer Durchschnittsbildung zu aggregieren. Dabei entsteht jedoch die Gefahr eines großen Informationsverlustes, der zunimmt je weiter die Nutzenstrukturen voneinander abweichen. Deshalb ist es besser die Probanden durch eine Clusteranalyse zu homogenen Gruppen zusammenzufassen. Damit wird ein zu hoher Informationsverlust vermieden, da die Probanden der einzelnen Gruppen eine ähnliche Nutzenstruktur aufweisen. Die Kenntnis der individuellen Nutzenstrukturen erlaubt es uns Marktsimulationen durchzuführen.Dazu ist der Forscher angehalten ein Marktszenario festzulegen. Dieses muss definieren welche Produkte, Dienstleistungen oder Programme auf dem Markt konkurrieren, und es wird weiters auf der Nutzenstruktur basierend berechnet für welches Produkt sich der Proband entscheiden würde. Den Personen wird dabei unterstellt sich für das Objekt mit dem höchsten persönlichen Nutzen zu entscheiden (maximum utility choice-rule). Oder es wird jedem Objekt auf individueller Ebene eine Wahlwahrscheinlichkeit zugeteilt, die dem Verhältnis des Nutzens des entsprechenden Objekts zum Nutzen aller zur Auswahl stehenden Objekte entspricht (purchase probability rule). In beiden Fällen werden die Individuellen Kaufentscheidungen aggregiert (zusammengefasst) und so die Produktanteile bei dem gegebenen Wettbewerbsszenario ermittelt.

3 Schlussfolgerung Seit der Einführung in den 70er Jahren und vor allem in den letzten Jahren ist die Conjoint-Analyse eine beliebte Methode in der Marktforschung geworden. Als ein Instrument in der Marketingforschung dient die Conjoint-Analyse der Entwicklung optimaler, an den Bedürfnissen der Kunden ausgerichteter Produkte. Die Conjoint-Analyse zeigt hierbei auf, welche Kombinationen von Eigenschaften ein Produkt haben muss, um den größten Kundennutzen zu erzielen und damit die größte Kaufmotivation auszulösen. Es ist daher, wegen der hohen Forschungs- und Entwicklungskosten die für neue Produkte anfallen, sehr wichtig zu wissen wie ein Produkt beschaffen sein muss um Erfolg zu haben.

8


Quellenverzeichnis: http://www.ecommerce.wiwi.uni-frankfurt.de/skiera/publications/conjoint_01.pdf www.psychonomics.de/filemanager/download/822/Steckbrief_Conjoint.pdf http://www.politik.uni-mainz.de/kai.arzheimer/conjoint/Conjoint.html http://rpkalf4.mach.uni-karlsruhe.de/~paral/MAP/nconjoint_analyse_b.html ANHANG: http://www.politik.uni-mainz.de/kai.arzheimer/conjoint/Conjoint.html Die Conjoint-Analyse bietet dem Forscher eine ganze Reihe von Auswertungsmöglichkeiten. Eine Besonderheit gegenüber allen anderen statistischen Verfahren besteht dabei darin, daß für jeden Befragten ein individuelles Modell geschätzt wird. Das primäre Analyseziel besteht darin, für jeden einzelnen Respondenten dessen Präferenzurteile in die mit den einzelnen Levels verbundenen Teilnutzenwerte zu zerlegen. Bereits die Teilnutzenwerte liefern wichtige Informationen. Beispielsweise kann für jeden Befragten die Kombination von Merkmalsausprägungen ermittelt werden, die seinen persönlichen Nutzen maximiert. Nimmt man in das Erhebungsdesign weitere Stimuli auf, die nicht für die Modellschätzung benötigt werden (sog. Holdouts), so besteht die Möglichkeit, die prognostische Güte der individuell geschätzten Modelle zu testen, indem die

9

http://www.ecommerce.wiwi.uni-frankfurt.de/skiera/publications/conjoint_01.pdf

http://rpkalf4.mach.uni-karlsruhe.de/%7Eparal/MAP/nconjoint_analyse_b.html


empirische Bewertung dieser Stimuli mit den Werten verglichen werden, die sich durch "Einsetzen" in die Schätzgleichung ergeben. Neben den Teilnutzenwerten sind die sogenannten "relativen Bedeutsamkeiten" der einzelnen Faktoren für die Änderung von Präferenzordnungen von Interesse. Das Konzept der relativen Bedeutsamkeit ist leicht zu verstehen: Weisen alle Levels eines Faktors vergleichbare Teilnutzenwerte auf, so hat eine Variation dieser Eigenschaft bei einem der Beurteilungsobjekte nur eine geringe oder gar keine Veränderung der Präferenzordnung zur Folge. Weichen die Teilnutzenwerte der verschiedenen Levels eines Faktors dagegen stark voneinander ab, dann führen Variationen dieser Eigenschaft dazu, daß sich der Gesamtnutzen des Objekts und damit die Präferenzordnung des Befragten stark verändern. Ein quantitatives Maß für die relative Bedeutsamkeit eines Faktors erhält man, indem man die Spannweite der Teilnutzenwerte der Levels des betreffenden Faktors durch die Summe dieser Spannweiten über alle Faktoren dividiert. Dieses Wichtigkeitsmaß addiert sich für jeden Respondenten über die betrachteten Faktoren hinweg zu 100%. Wie oben erwähnt, liegt eine Besonderheit der Conjoint-Analyse darin, daß für jeden Befragten ein separates Modell seiner Nutzenstruktur geschätzt wird. Falls es gute Gründe für die Annahme gibt, daß die Nutzenstrukturen der Befragten weitgehend homogen sind, besteht jedoch auch die Möglichkeit, entweder eine sogenannte gemeinsame Conjoint-Analyse durchzuführen, bei denen die Antworten der Respondenten als Meßwiederholungen aufgefaßt werden, oder aber die Nutzenstrukturen der Versuchspersonen mittels einer Durchschnittsbildung zu aggregieren. Der mit diesen Verfahren verbundene Informationsverlust ist umso größer, je stärker sich die individuellen Nutzenstrukturen voneinander unterscheiden. Deshalb ist es in der Regel sinnvoller, die Befragten durch eine Clusteranalyse ihrer Teilnutzenwerte zu homogenen Gruppen zusammenzufassen. Auf diese Weise lassen sich Segmente von Personen bilden, die eine ähnliche Nutzenstruktur aufweisen. Schließlich bietet die Kenntnis der individuellen Nutzenstrukturen die Möglichkeit, Marktsimulationen durchzuführen. Für solche Simulationen muß der Forscher zunächst ein Marktszenario entwerfen, d.h. festlegen, welche Produkte, Dienstleistungen oder Programme miteinander konkurrieren (sog. choice set). Anschließend wird auf der Grundlage der individuellen Nutzenstrukturen für jeden Befragten errechnet, für welches der zur Auswahl stehenden Objekte er sich unter diesen Restriktionen entscheiden würde. Dabei wird entweder unterstellt, daß er sich für das Objekt mit dem höchsten Gesamtnutzen entscheidet (maximum utility choice-rule), oder aber es wird jedem Objekt auf individueller Ebene eine Wahlwahrscheinlichkeit zugeordnet, die dem Verhältnis des Nutzens des entsprechenden Objekts zum Nutzen aller zur Auswahl stehenden Objekte entspricht (purchase probability rule). In beiden Fällen werden die auf individueller Ebene simulierten Kaufentscheidungen aggregiert und so die Produkt- bzw. Stimmenanteile bei einem gegebenen Wettbewerbsszenario ermittelt. http://www.ecommerce.wiwi.uni-frankfurt.de/skiera/publications/conjoint_01.pdf1. Grundidee und Ablaufschritte der Conjoint-Analyse Der Conjoint-Analyse liegt das Ziel zugrunde, die Bedeutung verschiedener Produkteigenschaften und deren Ausprägungen für den Nutzen eines Konsumenten zu ermitteln. Eine ganz wesentliche Überlegung dabei ist, dass zur Erhöhung des Gewinns des Unternehmens den Konsumenten nur Ausprägungen einzelner Eigenschaften angeboten werden sollten, für die die Zahlungsbereitschaft der Konsumenten höher ist als die für das Unternehmen entstehenden Kosten. Um den Wert einzelner Eigenschaften und deren Ausprägungen zu ermitteln, wurden vor der Entwicklung der

10

http://www.ecommerce.wiwi.uni-frankfurt.de/skiera/publications/conjoint_01.pdf


Conjoint-Analyse (und teilweise auch heute noch) Probanden (also Konsumenten, die an einer Befragung teilnehmen und die Grundgesamtheit hinreichend gut repräsentieren) unmittelbar danach gefragt, welchen Wert bestimmte Eigenschaften und deren Ausprägungen für sie haben. Da sich, so die Grundüberlegung, ein Produkt aus Eigenschaften in verschiedenen Ausprägungen zusammensetzt, konnte kompositionell (kompositionelles Verfahren) durch das Addieren der den jeweiligen Ausprägungen zugewiesenen Werten der Gesamtwert eines Produkts ermittelt werden (vgl. Abb. 1). Abb. 1: Unterscheidung von dekompositioneller und kompositioneller Vorgehensweise Problematisch bei diesem Vorgehen ist jedoch, dass zum einen Probanden tendenziell alle Eigenschaften als sehr wichtig einstufen und zum anderen durch das unmittelbare Bewerten einzelner Eigenschaften deren Bedeutung mitunter als zu hoch eingestuft wird. Aus diesem Grund entwickelte sich die Conjoint-Analyse, die zunächst in der Psychologie (vgl. Luce/Tukey, 1964) Anwendung fand und dann Anfang der 70er Jahre in das Marketing eingeführt wurde (vgl. Green/Rao, 1971). Die wesentliche Überlegung ist dabei, dass im Gegensatz zur direkten Ermittlung der Bedeutung von Produkteigenschaften und deren Ausprägungen, nun vielmehr das gesamte Produkt, verstanden als Bündel von Eigenschaften und deren Ausprägungen, bewertet wird. Aus diesen Bewertungen wird dann die Bedeutung einzelner Eigenschaften und Ausprägungen abgeleitet. Da die Produktbewertung letztlich auf die einzelnen Eigenschaften und deren Ausprägung "dekomponiert" wird, wird die Conjoint-Analyse auch als dekompositionelles Verfahren bezeichnet (vgl. Abb. 1). Die Conjoint-Analyse läuft dabei in der in Abb. 2 dargestellten Weise ab, wobei die Interpretation der Ergebnisse der geschätzten Nutzenfunktionen Gegenstand des zweiten Teils dieses Beitrags ist (WiSt Nr. 2. Erhebung der Daten 2.1. Auswahl der Eigenschaften und deren Ausprägungen Zunächst obliegt es dem Untersuchenden für das betrachtete Produkt die Eigenschaften und deren Ausprägungen festzulegen. Hierbei ist zu beachten, dass die Eigenschaften für die Konsumenten relevant sind und dass keine K.O.-Kriterien vorliegen, also Ausprägungen von Eigenschaften, die für Probanden gänzlich inakzeptabel sind und auch nicht durch vorteilhafte Ausprägungen anderer Eigenschaften kompensiert werden können. Zudem ist von Seiten des Unternehmens zu berücksichtigen, dass diebetrachteten Eigenschaften und deren Ausprägungen auch vom Unternehmen beeinflussbar und realisierbar sind. Der Conjoint-Analyse liegt außerdem die Annahme zugrunde, dass die Eigenschaften in einer kompensatorischen Beziehung zueinander stehen und unabhängig voneinander sind (vgl. Backhaus et al., 2000, S. 569 f.). Um die Ausführungen dieses Beitrags zu verdeutlichen, wird an dieser Stelle ein Beispiel eingeführt. Das Unternehmen COMEX möchte einen neuen CD-Brenner am Markt einführen. Dem Unternehmen ist zwar Bewertung der Stimuli durch die Probanden Interpretation der Ergebnisse durch den Untersuchenden Festlegung des Erhebungsdesigns durch den Untersuchenden Schätzung der Nutzenfunktionen durch den Untersuchenden Auswahl der Eigenschaften und deren Auspr ägungen durch den Untersuchenden bekannt, dass der Preis, die Marke, das Vorhandensein eines Datenpuffers sowie das Schreibtempo dierelevanten Eigenschaften für die Konsumenten sind, jedoch ist keine Information darüber vorhanden,welche dieser Eigenschaften für die Konsumenten von besonderer Bedeutung ist und wie viel sie für diejeweiligen Ausprägungen zu zahlen bereit sind. Vom Management des Unternehmens COMEX wurdebereits entschieden, dass der CD-Brenner für das gehobene Preissegment entwickelt werden soll, wobeisich noch die Frage der Positionierung stellt (Markenartikel oder No-Name Produkt). Auch stehen hinsichtlich der technischen Eigenschaften Datenpuffer und Schreibtempo aufgrund der Marktgegebenheitenmehrere Möglichkeiten zur Wahl. So werden von COMEX die folgenden

11


Eigenschaften und Ausprägungenfür die Conjoint-Analyse festgelegt (vgl. Tab. 1). Eigenschaft Ausprägung 2.2. Festlegung des Erhebungsdesigns Da die Conjoint-Analyse nicht nur für das Bewerten von realen Produkten, sondern auch zur Bewertung von Dienstleistungen bzw. hypothetischen Produkten eingesetzt wird, werden die Bündel von Eigenschaften, die in der Conjoint-Studie betrachtet werden, nicht, wie bislang geschehen, als Produkte, sondern einfach neutral als Stimuli bezeichnet. Die Festlegung des Erhebungsdesigns besteht nun aus der Definition und der Bestimmung der Anzahl solcher Stimuli. Ein Stimulus beschreibt eine bestimmte Kombination der einzelnen Eigenschaftssausprägungen. Hierbei ist zu beachten, dass eine positive Korrelation zwischen der Anzahl der Eigenschaftsausprägungen und dem Gewicht der Eigenschaft bei der anschließenden Schätzung besteht. Dieser sogenannte Level-Effekt bedingt sich unter anderem dadurch, dass die Probanden einer Eigenschaft eine größere Bedeutung beimessen, wenn sie durch zahlreiche Ausprägungen beschrieben wird (vgl. Wittink et al., 1989). Zu unterscheiden ist auch, ob ein Stimulus sich aus allen Eigenschaften zusammensetzt (Full-Profile- Methode) oder ob nur zwei Eigenschaften zur Beschreibung eines Stimulus herangezogen werden (Tradeoff-Methode). Die Full-Profile-Methode stellt höhere Ansprüche an die Probanden, jedoch ist dieses Design realitätsnäher als die Trade-off-Methode. Bei der Full-Profile-Methode kann es jedoch zu einem sogenannten Positionseffekt kommen, da die Reihenfolge der Eigenschaften in einem Stimulus die relative Wichtigkeit dieser beeinflussen kann. Dennoch hat sich diese Art der Stimulipräsentation durchgesetzt (vgl. Wittink et al., 1994, S. 45). In einem zweiten Schritt ist dann die Zahl der zu bewertenden Stimuli zu bestimmen. Ein vollständiges Design besteht aus allen möglichen Kombinationen der Eigenschaftsausprägungen. Im Beispiel würde somit ein vollständiges Design aus 36 (3x2x3x2) Stimuli bestehen. Es zeigte sich jedoch, dass nicht mehr als 30 Stimuli in einer Conjoint Studie betrachtet werden sollten (vgl. Green/Srinivasan, 1978, S. 109), da es sonst unter anderem zu Ermüdungseffekten bei den Probanden kommt, die die Güte der Ergebnisse negativ beeinflussen. Üblicherweise werden ca. 16 Stimuli zur Evaluierung der Präferenzen der Konsumenten angewendet, so dass zumeist nur eine Teilmenge der möglichen Stimuli betrachtet wird. Sogenannte fraktionierte Designs (vgl. z.B. Addelman, 1962a; Addelman, 1962b) werden eingesetzt, um lediglich eine Teilmenge der möglichen Stimuli zu berücksichtigen, die aber das vollständige Design möglichst gut repräsentieren. Zur Generierung eines fraktionierten Designs können verschiedene Software- Angebote herangezogen werden (z. B. Conjoint-Designer von Bretton-Clark). Das Anwenden von fraktionierten Designs geht jedoch mit einem Informationsverlust einher. So können meist lediglich die Haupteffekte, nicht jedoch die Interaktionseffekte, evaluiert werden. Interaktionseffekte bestehen, wenn bspw. zwei Eigenschaften gemeinsam eine Wirkung auf die Präferenz bezüglich eines Stimulus haben. Dennoch ist es aufgrund der Zahl der Eigenschaften und deren Ausprägungen meist notwendig, fraktionierte Designs einzusetzen. Generell gilt, dass nur relativ wenige Eigenschaften und Eigenschaftsausprägungen betrachtet werden sollten, da die Zahl der zu bewertenden Stimuli mit der Zahl der berücksichtigten Eigenschaften und deren Ausprägungen steigt und somit die Anforderungen an die Probanden wachsen. Für das Beispiel des Unternehmens COMEX ergeben sich aufgrund eines fraktionierten Designs die in Tab. 2 dargestellten neun Stimuli, die aus den 36 möglichen Stimuli ausgewählt wurden. Diese neun Stimuli werden im Grundmodell der Conjoint-Analyse allen Probanden vorgelegt. 2.3. Bewertung der Stimuli Nachdem von dem Untersuchenden die Stimuli sowie deren Zahl festgelegt wurden, werden nun die

12


Probanden gebeten, eine Bewertung der Stimuli vorzunehmen. Dabei können die in Abb. 3 dargestellten Bewertungsmethoden unterschieden werden. Als Unterscheidungsmerkmal dient insbesondere das Skalenniveau der erhaltenen Ordnung. Abb. 3: Alternative Bewertungsmethoden für die Stimuli in einer Conjoint-Analyse Das Bilden einer Rangreihe sowie der paarweise Vergleich aller Stimuli stellen nicht-metrische Ansätze dar. Sie resultieren in einer ordinalskalierten Ordnung der Stimuli und weisen einen geringeren Informationsgehalt als metrische Skalen auf. Durch die separate Bewertung aller Stimuli auf einer Rating-Skala, dem Anwenden einer Dollar-Metrik, in der entweder ein "Dollar-Betrag" für den geldwerten Unterschied zwischen Stimuli oder ein "Dollar-Betrag" für den Wert des Stimulus angegeben werden soll, oder einer Konstant-Summen-Skala, bei der z.B. 100 Punkte auf alle Stimuli verteilt werden sollen, wird Bewertung der Stimuli in der Conjoint-Analyse Metrische Ansätze Nicht-metrische Ansätze Ratingskalen Rangreihe Paarvergleiche Dollarmetrik Konstant-Summen- Skala ein metrischer Ansatz verwirklicht. Dieser bewirkt eine intervallskalierte Ordnung, im Falle der Dollar-Metrik sogar eine ratioskalierte Ordnung der Stimuli. Ratingskalen oder Rangreihen zur Bewertung der Stimuli werden in Conjoint-Analysen in etwa gleich oft eingesetzt (vgl. Wittink et al., 1994). In dem hier angeführten Beispiel wird eine Bewertung der neun Stimuli mittels einer Rangreihung betrachtet (vgl. Tab. 3). 3. Schätzung der Nutzenfunktionen Bisher war lediglich von den Präferenzen der Probanden bzw. von der Bewertung der Stimuli die Rede. Unter Präferenzen sind vergleichende Urteile zwischen Einheiten zu verstehen, die unter bestimmten Voraussetzungen, wie bspw. Vollständigkeit und Transitivität durch eine numerische Skala repräsentiert bzw. als Nutzen bezeichnet werden können (vgl. Ben-Akiva et al., 1999, S. 188). Bei der Interpretation der Bewertungen der Stimuli als Nutzen, die die Stimuli einem Probanden stiften, müssen lediglich im Falle einer Rangreihung noch die Ränge in dem Sinne umkodiert werden, dass das am höchsten präferierte Produkt nicht die wertmäßig niedrigste, sondern die höchste Bewertung (auch als Rating bezeichnet) zugewiesen bekommt (vgl. Tab. 4). Bevor jedoch die Nutzenfunktionen der Probanden geschätzt werden können, muss zunächst noch der funktionale Zusammenhang zwischen dem Nutzen eines Produkts und seinen Eigenschaften spezifiziert werden (vgl. Abb. 4). Das Idealpunktmodell geht davon aus, dass eine nutzenmaximierende Eigenschaftsausprägung existiert. Nimmt eine Eigenschaft eine Ausprägung an, die über der optimalen Ausprägung liegt, so bewirkt dies eine Reduzierung des Nutzens. Ein Beispiel hierfür ist der Zuckergehalt eines Joghurts, der weder zu säuerlich, noch zu süß sein sollte. Das Vektormodell geht hingegen von einem linearen Zusammenhang zwischen dem Nutzen eines Produkts und den Werten der Eigenschaftsausprägungen aus. Eine nutzenmaximierende Ausprägung der Eigenschaft existiert nicht, sondern es wird angenommen, dass ein Mehr der Eigenschaft im Falle eines positiven Zusammenhangs (bzw. ein Weniger im Falle eines negativen Zusammenhangs) präferiert wird. Diese Art der Nutzenstruktur findet häufig für die Berücksichtigung der Eigenschaft "Preis" Anwendung, wobei dann zumeist ein negativer Zusammenhang unterstellt wird. Abb. 4: Alternative Nutzenstrukturmodelle Das Teilnutzenwertmodell ermittelt für jede Eigenschaftsausprägung einen sogenannten Teilnutzenwert. Möchte man in einer anschließenden Marktsimulation Eigenschaftsausprägungen berücksichtigen für die kein Teilnutzenwert berechnet wurde, die jedoch zwischen den betrachteten Ausprägungen liegen, so wird meist ein stückweiser, linearer Zusammenhang zwischen dem Nutzen und den nebeneinander liegenden Ausprägungen der betrachteten Eigenschaft unterstellt. Für die Anwendung eines Teilnutzenwertmodells ist es notwendig, die häufig ordinal oder nominal skalierten Eigenschaftsausprägungen in Dummy Variablen umzukodieren. Zur Darstellung von zwei verschiedenen Ausprägungen ist eine Dummy-Variable ausreichend, die den Wert "1" für die eine Ausprägung und den Wert "0" für die andere Ausprägung aufweist. Bei drei verschiedenen Ausprägungen ist dann eine weitere Dummy-Variable zu definieren. Zur Darstellung von m Ausprägungen werden also nur (m-1) Dummy-Variablen

13


benötigt. Angeraten ist es, die am wenigsten wünschenswerte Eigenschaftsausprägung als Referenzgröße mit dem Wert "0" zu kodieren, da dies anschließend die Interpretation der Ergebnisse erleichtert. http://rpkalf4.mach.uni-karlsruhe.de/~paral/MAP/nconjoint_analyse_b.htmlBeschreibung Die Conjoint-Analyse (alternativer Begriff: Conjoint Measurement) gehört zu den multivariaten Analysemethoden und folgt bei der Erfassung von Kundenpräferenzen einer sogenannten dekompositionellen Vorgehensweise. Ausgehend von ganzheitlichen Produktbeurteilungen werden Detailergebnisse ermittelt ("dekomponiert"). Hierzu werden Probanden, die den Markt bzw. Kundenschichten präsentieren sollen, dazu aufgefordert, Produktgesamtheiten (z.B. Fahrräder), die aus verschiedenen Merkmalen (z.B. Räder, Ausstattung) und Merkmalsausprägungen (z.B. Reifengröße, Bremssystem) bestehen, in eine ordinale Rangordnung zu bringen. Anschließend werden hieraus z.B. durch mathematisch-statistische Iterations- und Simulationsverfahren kardinale, kundenorientierte Nutzenwerte für die einzelnen Merkmalsausprägungen gewonnen. In der Regel wird dabei unterstellt, daß sich der Gesamtnutzen additiv aus dem Nutzen der einzelnen Merkmalsausprägungen (Teilnutzwerte) zusammensetzt. Ziel der Conjoint Analyse:

• Bedeutung einzelner Eigenschaften für das Zustandekommen der Gesamtpräferenz zu ermitteln, um auf diese Weise die Präferenzen der Konsumenten für alternative Produktkonzepte zu erklären, zu beeinflussen und vorherzusagen.

Einsatzgebiet

Die Conjoint-Analyse dient dem Gewichten der Kundenanforderungen durch Ermittlung der wichtigsten Produktmerkmale aus Kundensicht im Prozeßbaustein Produktprofilplanung. Zudem dient die CA im Zusammenhang mit dem Target Costing der Abschätzung potentieller Marktpreise.

14

http://rpkalf4.mach.uni-karlsruhe.de/%7Eparal/MAP/nconjoint_analyse_b.html

http://rpkalf4.mach.uni-karlsruhe.de/%7Eparal/MAP/ntarget_costing_meth.html

Conjointanalyse

Documents

Transcript of Conjointanalyse