Zusammenfassung
Methoden der bewertungsbasierten Conjointanalyse erfreuen sich seit vielen Jahren einer großen Beliebtheit im Marketing, aber auch in vielen anderen Einsatzbereichen. Neben der traditionellen Conjointanalyse mit Rangreihung von Stimuli oder Bewertung einzelner Stimuli auf metrischen Skalen hat dabei insbesondere auch die mit Softwarepaketen leicht umzusetzende adaptive Conjointanalyse eine weite Verbreitung gefunden. Der zentrale Vorteil dieses Ansatzes ist es, dass sich die Befragten im Wesentlichen mit ein oder zwei Profilen gleichzeitig beschäftigen und so keine Überforderung droht. In diesem Kapitel wird die Vorgehensweise ausführlich erläutert und einsetzbare Software (R, Sawtooth Software, SPSS) diskutiert. In eigenen Abschnitten wird zudem auf die wichtigsten Varianten der bewertungsbasierten Conjointanalyse – die hybride und die adaptive Conjointanalyse – näher eingegangen. Das Kapitel schließt mit einer Diskussion der Vor- und Nachteile des Ansatzes und einem Ausblick.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Similar content being viewed by others
Literatur
Abu Assab, S. (2012). Quality Function Deployment in New Product Development – Integration of Preference Analysis Methods into Quality Function Deployment. Wiesbaden: Gabler.
Addelman, S. (1962). “Orthogonal Main-Effect Plans for Asymmetrical Factorial Experiments”. In: Technometrics 4.1, S. 21–46.
Backhaus, K., B. Erichson, W. Plinke und R. Weiber (2018). Multivariate Analysemethoden: Eine anwendungsorientierte Einführung. 15. Aufl. Berlin: Springer.
Backhaus, K. und M. Voeth (2014). Industriegütermarketing. 10. Aufl. München: Vahlen.
Baier, D. (1999). “Methoden der Conjointanalyse in der Marktforschungs- und Marketingpraxis”. In: Mathematische Methoden der Wirtschaftswissenschaften. Hrsg. von W. Gaul und M. Schader. Heidelberg: Physica, S. 197–206.
Baier, D. und M. Brusch (2008). “Marktsegmentierung”. In: Handbuch Marktforschung. Hrsg. von A. Herrmann, C. Homburg und M. Klarmann. 3. Aufl. Wiesbaden: Gabler, S. 769–790.
Baier, D. und W. Gaul (1995). “Classification and Representation Using Conjoint Data”. In: From Data to Knowledge. Hrsg. von W. Gaul und D. Pfeifer. Heidelberg: Springer, S. 298–307.
Baier, D., M. Pelka, A. Rybicka und S. Schreiber (2015a). “Hierarchical Bayes Regression Compared with Choice-Based Conjoint for Predicting Choices”. In: Archives of Data Science 1.1, S. 1–12.
– (2015b). “Ratings-/Rankings-based versus Choice-based Conjoint Analysis for Predicting Choices”. In: Data Science, Learning by Latent Structures, and Knowledge Discovery. Hrsg. von B. Lausen, S. Krolak-Schwerdt und M. Böhmer. Berlin: Springer.
Baier, D. und F. Säuberlich (1997). “Kundennutzenschätzung mittels individueller Hybrid-Conjointanalyse”. In: Zeitschrift für betriebswirtschaftliche Forschung 49, S. 951–972.
Behrens, J. und H. Ernst (2013). “What Keeps Managers Away from a Losing Course of Action? Go/Stop Decisions in New Product Development Go/Stop Decisions in New Product Development”. In: Journal of Product Innovation Management 31.2, S. 361–374.
Behrens, J., H. Ernst und D.A. Shepherd (2014). “The Decision to Exploit an R&D Project: Divergent Thinking Across Middle and Senior managers”. In: Journal of Product Innovation Management 31.1, S. 144–158.
Böhler, H., C. Germelmann, D. Baier und H.Woratschek (2021). Marktforschung. 4. Aufl. Stuttgart: Kohlhammer.
Bradley, R.A. und M.E. Terry (1952). “Rank Analysis of Incomplete Block Designs: I. The Method of Paired Comparisons”. In: Biometrika 39, S. 324–345.
Carmone, F.J., P.E. Green und A.K. Jain (1975). “Robustness of Conjoint Analysis: Some Monte Carlo Results”. In: Journal of Marketing Research 15.2, S. 300–303.
Carrol, J.D. und P.E. Green (1995). “Psychometric Methods in Marketing Research: Part I, Conjoint Analysis”. In: Journal of Marketing Research 32.4, S. 385–391.
Cattin, P. und D.R. Wittink (1976). “Further Beyond Conjoint Measurement: Toward a Comparison of Methods”. In: Advances in Consumer Research 4, S. 41–45.
Elrod, T., J. J. Louviere und K. S. Davey (1992). “An Empirical Comparison of Ratingsbased and Choice-based Conjoint Models”. In: Journal of Marketing Research 29.3, S. 368–377.
Fedorov, V.V. (1972). Theory of Optimal Experiments, translated and edited by Studden, W.J., Klimko, E.M. New York: Academic Press.
Green, P.E. (1984). “Hybrid Models for Conjoint Analysis: An Expository Review”. In: Journal of Marketing Research 21, S. 155–159.
Green, P.E., S.M. Goldberg und M. Montemayor (1981). “A Hybrid Utility Estimation Model for Conjoint Analysis”. In: Journal of Marketing 45, S. 33–41.
Green, P.E. und A.M. Krieger (1988). “Choice Rules and Sensitivity Analysis in Conjoint Simulators”. In: Journal of the Academy of Marketing Science 16.1, S. 114–127.
Green, P.E. und V.R. Rao (1971). “Conjoint Measurement for Quantifying Judgmental Data”. In: Journal of Marketing Research 8.3, S. 355–363.
Green, P.E. und V. Srinivasan (1978). “Conjoint Analysis in Consumer Research – Issues and Outlook”. In: Journal of Consumer Research 5.2, S. 103–123.
– (1990). “Conjoint Analysis in Marketing: New Developments with Implications for Research and Practice”. In: Journal of Marketing 54.4, S. 3–19.
Green, P.E. und Y. Wind (1975). “New Way to Measure Consumers Judgments”. In: Harvard Business Review 53.7, S. 107–117.
Hegemann, L. (2015). “Afri-Cola, Fritz-Kola, Premium Cola: Wie kleine Marken Coca-Cola und Pepsi ärgern”. In: Handelsblatt vom 31.3.2015.
Herrmann, A., F. Huber und S. Regier (2009). “Adaptive Conjointanalyse”. In: Conjointanalyse. Hrsg. von D. Baier und M. Brusch. 1. Aufl. Berlin: Springer.
Herrmann, A., D. Schmidt-Gallas und F. Huber (2003). “Adaptive Conjoint Analysis: Understanding the Methodology and Assessing Reliability and Validity”. In: Conjoint Measurement: Methods and Applications. Hrsg. von A. Gustafsson, A. Herrmann und F. Huber. 3. Aufl. Berlin: Springer, S. 305–329.
Huber, G.P. (1974). “Multiattribute Utility Models: A Review of Field and Fieldlike Studies”. In: Management Science 20, S. 1393–1402.
Huber, G.P., V.K. Sahney und D.L. Ford (1969). “A Study of Subjective Evaluation Models”. In: Behavioral Science 14, S. 483–489.
IBM (2020). IBM SPSS Conjoint 26 Handbuch. Ehningen. url: ibm . com / de - de /marketplace/spss-conjoint.
Johnson, R.M. (1974). “Trade-Off Analysis of Consumer Values”. In: Journal of Marketing Research 11.May, S. 121–127.
– (1975). “A Simple Method of Pairwise Monotone Regression”. In: Psychometrika 40.2, S. 163–168.
– (1987). “Adaptive Conjoint Analysis”. In: Proceedings of the Sawtooth Software Conference. Provo, UT: Sawtooth Software, S. 253–265.
Kroeber-Riel,W. und A. Gröppel-Klein (2019).Konsumentenverhalten. 11.Aufl. München: Vahlen.
Kruskal, J.B. (1965). “Analysis of Factorial Experiments by Estimating Monotone Transformations of the Data”. In: Journal of the Royal Statistical Society 27.2, S. 251–263.
Kuhfeld, W.F., R.D. Tobias und M. Garratt (1994). “Efficient Experimental Design with Marketing Research Applications”. In: Journal of Marketing Research 31.4, S. 545–557.
Luce, R.D. (1959). Individual Choice Behavior – A Theoretical Analysis. New York:Wiley & Sons.
Luce, R.D. und J.W. Tukey (1964). “Simultaneous Conjoint Measurement – A New Type of Fundamental Measurement”. In: Journal of Mathematical Psychology 1, S. 1–27.
McFadden, D. (1976). “Quantal Choice Analysis: A Survey”. In: Annals of Economic and Social Measurement 5, S. 363–90.
Orme, B.K. (2013). Which Conjoint Method Should I Use? Research Paper. Provo, UT. url: sawtoothsoftware . com / resources / technical - papers / which - conjoint - method - should-i-use.
Plackett, R.L. und J.P. Burman (1946). “The Design of Optimum Multifactorial Experiments”. In: Biometrika 33, S. 305–325.
Punj, G.N. und R. Staelin (1978). “The Choice Process for Graduate Business Schools”. In: Journal of Marketing Research 15, S. 588–598.
Rao, V.R. (2014). Applied Conjoint Analysis. New York: Springer.
Rossi, P.E., G.M. Allenby und R. McCulloch (2005). Bayesian Statistics and Marketing. New York: Wiley & Sons.
Roth, S., C. Horbel und B. Popp (2020). Perspektiven des Dienstleistungsmanagements – Aus Sicht von Forschung und Praxis. Wiesbaden: Springer Gabler.
Sawtooth Software (2002). Conjoint Value Analysis (CVA) Technical Paper. Provo, UT. url: sawtoothsoftware.com/resources/technical-papers/cva-technical-paper.
– (2007). The ACA/Web v6.0 Technical Paper. Provo, UT. url: sawtoothsoftware.com/resources/technical-papers/aca-technical-paper.
– (2013). HB-Reg v4 For Hierarchical Bayes Regression Technical Paper. Provo, UT. url: sawtoothsoftware.com/resources/technical-papers/hb-reg-technical-paper.
– (2020). Lighthouse Studio Online Manual. Provo, UT. url: sawtoothsoftware .com/help/lighthouse-studio/manual.
Scholz, S.W., M. Meissner und R. Decker (2010). “Measuring Consumer Preferences for Complex Products: A Compositional Approach Based on Paired Comparisons”. In: Journal of Marketing Research 47.4, S. 685–698.
Selka, S. (2013). Validität computergestützter Verfahren der Präferenzmessung: Eine metaanalytische Untersuchung und Vorstellung neuer conjointanalytischer Lösungsansätze. Hamburg: Verlag Dr. Kovac.
Selka, S. und D. Baier (2014). “Kommerzielle Anwendung auswahlbasierter Verfahren der Conjointanalyse: Eine empirische Untersuchung zur Validitätsentwicklung”. In: Marketing ZFP 36.1, S. 54–64.
Selka, S., D. Baier und P.Kurz (2014). “TheValidity of Conjoint Analysis: An Investigation of Commercial Studies overTime”. In: Data Analysis, Machine Learning and Knowledge Discovery. Hrsg. von M. Spiliopoulou, L. Schmidt-Thieme und R. Janning. Cham: Springer, S. 227–234.
Silk, A.J. und G.L. Urban (1978). “Pre-Test-Market Evaluation of New Packaged Goods: A Model and Measurement Methodology”. In: Journal of Marketing Research 15.2, S. 171–191.
Toubia, O., D. Simester, J.R. Hauser und E. Dahan (2003). “Fast Polyhedral Adaptive Conjoint Estimation”. In: Marketing Science 22.3, S. 273–303.
Williams, P. und D. Kilroy (2000). “Calibrating Price in ACA: The ACA Price Effect and How to Manage it”. In: Proceedings of the Sawtooth Software Conference. Provo, UT: Sawtooth Software, S. 81–95.
Wind, J., P.E. Green, D. Shifflet und M. Scarbrough (1989). “Courtyard by Marriott: Designing a Hotel Facility with Consumer-based Marketing Models”. In: Interfaces 19.1, S. 25–47.
Wind, Y., J.F. Grashof und J.D. Goldhar (1978). “Market-Based Guidelines for Design of Industrial Products”. In: Journal of Marketing 42.3, S. 27–37.
Wittink, D.R. und P. Cattin (1989). “Commercial Use of Conjoint Analysis: An Update”. In: Journal of Marketing 53.3, S. 91–96.
Wittink, D.R., L. Krishnamurthi und D.J. Reibstein (1989). “The Effects of Differences in the Number of Attribute Levels on Conjoint Results”. In: Marketing Letters 1.2, S. 113–123.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2021 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Baier, D. (2021). Bewertungsbasierte Conjointanalyse. In: Baier, D., Brusch, M. (eds) Conjointanalyse. Springer Gabler, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-63364-9_7
Download citation
DOI: https://doi.org/10.1007/978-3-662-63364-9_7
Published:
Publisher Name: Springer Gabler, Berlin, Heidelberg
Print ISBN: 978-3-662-63363-2
Online ISBN: 978-3-662-63364-9
eBook Packages: Business and Economics (German Language)