conjoint – Grundlagen der Datenanalyse (GDA)

Conjoint-Analyse – Ziel und Idee

Kernprinzip: Der dekompositionelle Ansatz

Einsatz:

Conjoint-Analysen (Zusammensetzung aus den Begriffen ‘’consider’’ und ‘’jointly’’) werden eingesetzt, um Kundenpräferenzen zu messen und Kaufverhalten zu prognostizieren.

Dekomposition:

Die Analyse startet mit der Gesamtbeurteilung eines Stimulus und zerlegt (dekomponiert) diese statistisch in die Nutzenbeiträge der einzelnen Merkmale.

Ziel ist die Quantifizierung von Trade-offs, die Konsumenten bei Kaufentscheidungen treffen.
Es wird eine reale Entscheidungssituation simuliert, statt direkte, oft verzerrende Fragen zu stellen.

Anwendungsfelder:

Produktgestaltung
Markenbewertung
Marktsegmentierung

Typischer Ablauf der Analyse

Designphase:
- Definition relevanter, unabhängiger & steuerbarer Attribute/Levels
- Erstellung der Stimuli oft mittels reduzierter Designs
- reduzierte Designs: Vermeidung kombinatorischer Explosion beim Betrachten aller Attribut-level Kombinationen
Datenerhebung:
- Probanden bewerten die Stimuli: z.B. durch ein Ranking
Analyse & Interpretation:
- Schätzung der Teilnutzenwerte (z.B. \(y = \mu + \beta_A + \beta_B\)).
- Aggregation und Berechnung der relativen Wichtigkeiten.

Schlüsselbegriffe

Attribute: Produktmerkmale, die ausgewertet werden – Merkmale wie z.B. Farbe, Preis
Level: Merkmalsausprägung einzelner Attribute (z.B. rot, 900 Euro)
Stimulus: Fiktives / hypothetisches Produkt zur Bewertung: ein (neuer) Satz von Attributen mit verschiedenen Levels

Conjoint-Analyse - Beispielrechnung

Das additive Modell besagt, dass sich der Gesamtnutzen als Summe der Teilnutzen ergibt. Die Teilnutzenwerte wiederum sollen so bestimmt werden, dass die resultie- renden Gesamtnutzenwerte möglichst gut den empirischen Rangwerten entsprechen.

Im additiven Modell mit zwei Attributen A und B kann man den Gesamtnutzen y darstellen als :

\(y=\mu +\beta_A +\beta_B\), wobei \(\beta_X\) der Teilnutzenwert für Attribut \(X\) (A oder B) ist, und \(\mu\) der Durchschnittsrang
Attribute A und B mit levels, 1-3 und 1-2 \(\ra\) 6 Stimuli/Teilnutzenwerte für A und B (siehe )

Auf Basis der empirisch ermittelten Rangdaten für die Stimuli werden mit der Conjoint-Analyse zunächst Teilnutzenwerte (engl. Partworths) für alle Level ermittelt.