Skip to main content
SpringerLink
Log in

Bewertungsbasierte Conjointanalyse

  • Chapter
  • First Online:
Conjointanalyse

  • 4868 Accesses

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.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 79.99
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
Hardcover Book
USD 99.99
Price excludes VAT (USA)
  • Durable hardcover edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Preview

Unable to display preview. Download preview PDF.

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.

    Google Scholar 

  • Addelman, S. (1962). “Orthogonal Main-Effect Plans for Asymmetrical Factorial Experiments”. In: Technometrics 4.1, S. 21–46.

    Google Scholar 

  • Backhaus, K., B. Erichson, W. Plinke und R. Weiber (2018). Multivariate Analysemethoden: Eine anwendungsorientierte Einführung. 15. Aufl. Berlin: Springer.

    Google Scholar 

  • Backhaus, K. und M. Voeth (2014). Industriegütermarketing. 10. Aufl. München: Vahlen.

    Google Scholar 

  • 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.

    Google Scholar 

  • 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.

    Google Scholar 

  • 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.

    Google Scholar 

  • 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.

    Google Scholar 

  • – (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.

    Google Scholar 

  • Baier, D. und F. Säuberlich (1997). “Kundennutzenschätzung mittels individueller Hybrid-Conjointanalyse”. In: Zeitschrift für betriebswirtschaftliche Forschung 49, S. 951–972.

    Google Scholar 

  • 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.

    Google Scholar 

  • 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.

    Google Scholar 

  • Böhler, H., C. Germelmann, D. Baier und H.Woratschek (2021). Marktforschung. 4. Aufl. Stuttgart: Kohlhammer.

    Google Scholar 

  • 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.

    Google Scholar 

  • 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.

    Google Scholar 

  • 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.

    Google Scholar 

  • 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.

    Google Scholar 

  • 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.

    Google Scholar 

  • Fedorov, V.V. (1972). Theory of Optimal Experiments, translated and edited by Studden, W.J., Klimko, E.M. New York: Academic Press.

    Google Scholar 

  • Green, P.E. (1984). “Hybrid Models for Conjoint Analysis: An Expository Review”. In: Journal of Marketing Research 21, S. 155–159.

    Google Scholar 

  • 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.

    Google Scholar 

  • 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.

    Google Scholar 

  • Green, P.E. und V.R. Rao (1971). “Conjoint Measurement for Quantifying Judgmental Data”. In: Journal of Marketing Research 8.3, S. 355–363.

    Google Scholar 

  • 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.

    Google Scholar 

  • – (1990). “Conjoint Analysis in Marketing: New Developments with Implications for Research and Practice”. In: Journal of Marketing 54.4, S. 3–19.

    Google Scholar 

  • Green, P.E. und Y. Wind (1975). “New Way to Measure Consumers Judgments”. In: Harvard Business Review 53.7, S. 107–117.

    Google Scholar 

  • Hegemann, L. (2015). “Afri-Cola, Fritz-Kola, Premium Cola: Wie kleine Marken Coca-Cola und Pepsi ärgern”. In: Handelsblatt vom 31.3.2015.

    Google Scholar 

  • Herrmann, A., F. Huber und S. Regier (2009). “Adaptive Conjointanalyse”. In: Conjointanalyse. Hrsg. von D. Baier und M. Brusch. 1. Aufl. Berlin: Springer.

    Google Scholar 

  • 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.

    Google Scholar 

  • Huber, G.P. (1974). “Multiattribute Utility Models: A Review of Field and Fieldlike Studies”. In: Management Science 20, S. 1393–1402.

    Google Scholar 

  • Huber, G.P., V.K. Sahney und D.L. Ford (1969). “A Study of Subjective Evaluation Models”. In: Behavioral Science 14, S. 483–489.

    Google Scholar 

  • IBM (2020). IBM SPSS Conjoint 26 Handbuch. Ehningen. url: ibm . com / de - de /marketplace/spss-conjoint.

    Google Scholar 

  • Johnson, R.M. (1974). “Trade-Off Analysis of Consumer Values”. In: Journal of Marketing Research 11.May, S. 121–127.

    Google Scholar 

  • – (1975). “A Simple Method of Pairwise Monotone Regression”. In: Psychometrika 40.2, S. 163–168.

    Google Scholar 

  • – (1987). “Adaptive Conjoint Analysis”. In: Proceedings of the Sawtooth Software Conference. Provo, UT: Sawtooth Software, S. 253–265.

    Google Scholar 

  • Kroeber-Riel,W. und A. Gröppel-Klein (2019).Konsumentenverhalten. 11.Aufl. München: Vahlen.

    Google Scholar 

  • 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.

    Google Scholar 

  • 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.

    Google Scholar 

  • Luce, R.D. (1959). Individual Choice Behavior – A Theoretical Analysis. New York:Wiley & Sons.

    Google Scholar 

  • 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.

    Google Scholar 

  • McFadden, D. (1976). “Quantal Choice Analysis: A Survey”. In: Annals of Economic and Social Measurement 5, S. 363–90.

    Google Scholar 

  • 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.

    Google Scholar 

  • Plackett, R.L. und J.P. Burman (1946). “The Design of Optimum Multifactorial Experiments”. In: Biometrika 33, S. 305–325.

    Google Scholar 

  • Punj, G.N. und R. Staelin (1978). “The Choice Process for Graduate Business Schools”. In: Journal of Marketing Research 15, S. 588–598.

    Google Scholar 

  • Rao, V.R. (2014). Applied Conjoint Analysis. New York: Springer.

    Google Scholar 

  • Rossi, P.E., G.M. Allenby und R. McCulloch (2005). Bayesian Statistics and Marketing. New York: Wiley & Sons.

    Google Scholar 

  • Roth, S., C. Horbel und B. Popp (2020). Perspektiven des Dienstleistungsmanagements – Aus Sicht von Forschung und Praxis. Wiesbaden: Springer Gabler.

    Google Scholar 

  • Sawtooth Software (2002). Conjoint Value Analysis (CVA) Technical Paper. Provo, UT. url: sawtoothsoftware.com/resources/technical-papers/cva-technical-paper.

    Google Scholar 

  • – (2007). The ACA/Web v6.0 Technical Paper. Provo, UT. url: sawtoothsoftware.com/resources/technical-papers/aca-technical-paper.

    Google Scholar 

  • – (2013). HB-Reg v4 For Hierarchical Bayes Regression Technical Paper. Provo, UT. url: sawtoothsoftware.com/resources/technical-papers/hb-reg-technical-paper.

    Google Scholar 

  • – (2020). Lighthouse Studio Online Manual. Provo, UT. url: sawtoothsoftware .com/help/lighthouse-studio/manual.

    Google Scholar 

  • 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.

    Google Scholar 

  • Selka, S. (2013). Validität computergestützter Verfahren der Präferenzmessung: Eine metaanalytische Untersuchung und Vorstellung neuer conjointanalytischer Lösungsansätze. Hamburg: Verlag Dr. Kovac.

    Google Scholar 

  • 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.

    Google Scholar 

  • 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.

    Google Scholar 

  • 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.

    Google Scholar 

  • Toubia, O., D. Simester, J.R. Hauser und E. Dahan (2003). “Fast Polyhedral Adaptive Conjoint Estimation”. In: Marketing Science 22.3, S. 273–303.

    Google Scholar 

  • 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.

    Google Scholar 

  • 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.

    Google Scholar 

  • 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.

    Google Scholar 

  • Wittink, D.R. und P. Cattin (1989). “Commercial Use of Conjoint Analysis: An Update”. In: Journal of Marketing 53.3, S. 91–96.

    Google Scholar 

  • 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.

    Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Lehrstuhl für Marketing & Innovation, Universität Bayreuth, Bayreuth, Deutschland

    Daniel Baier

Authors
  1. Daniel Baier
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Daniel Baier .

Editor information

Editors and Affiliations

  1. Lehrstuhl für Marketing & Innovation, Universität Bayreuth, Bayreuth, Bayern, Germany

    Daniel Baier

  2. Professur für ABWL, insbesondere Marketing und Unternehmensplanung, Hochschule Anhalt, Köthen, Germany

    Michael Brusch

Rights and permissions

Reprints and permissions

Copyright information

© 2021 Springer-Verlag Berlin Heidelberg

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

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)

Publish with us

Policies and ethics

Search

Navigation