Skip to main content
SpringerLink
Log in

Ein empirischer Validitätsvergleich zwischen Adaptive Self-Explicated Approach (ASE), Pairwise Comparison-based Preference Measurement (PCPM) und Adaptive Conjoint Analysis (ACA)

An empirical comparison of the Adaptive Self-Explicated approach (ASE), Pairwise Comparison-based Preference Measurement (PCPM) and Adaptive Conjoint Analysis (ACA)

  • Forschung
  • Published:
Zeitschrift für Betriebswirtschaft Aims and scope Submit manuscript

Zusammenfassung

Die zunehmende Komplexität vieler Produkte stellt hohe Anforderungen an die Verfahren zur Messung von Konsumentenpräferenzen. In praktischen Anwendungen kommt in solchen Fällen häufig die Adaptive Conjoint Analysis (ACA) zum Einsatz. Aber auch rein kompositionelle Ansätze haben sich hier als leistungsfähig erwiesen. Von Srinivasan und Netzer (2011) wurde jüngst mit dem Adaptive Self-Explicated Approach (ASE) ein vielversprechendes, kompositionell arbeitendes Verfahren für die Präferenzmessung bei komplexen Produkten vorgestellt, das in einer ersten Anwendung eine deutlich höhere Prognosevalidität als die ACA aufwies. Als vorteilhaft stellte sich auch das von Scholz et al. (2010) vorgeschlagene Pairwise Comparison-based Preference Measurement (PCPM) heraus. Der vorliegende Beitrag hat die Gegenüberstellung der populären ACA und der beiden neuen, kompositionellen Ansätze zum Gegenstand und diskutiert Ergebnisse eines umfassenden empirischen Validitätsvergleichs anhand einer komplexen Dienstleistung für den Freizeitmarkt. Das PCPM führt bei zwei von drei Kriterien z. T. zu einer signifikant höheren Prognosevalidität sowie einer Halbierung der Befragungszeit.

Abstract

The increasing complexity of many products makes high demands on methods used for measuring consumer preferences. In such cases, practitioners frequently use Adaptive Conjoint Analysis (ACA). However, compositional approaches also proved to be efficient. Recently, Srinivasan and Netzer (2011) suggested a promising compositional technique called the Adaptive Self-Explicated Approach (ASE), which significantly outperformed ACA regarding its predictive validity. Another advantageous approach, called Pairwise Comparison-based Preference Measurement (PCPM), was introduced by Scholz et al. (2010). This paper contrasts the popular ACA with these two new compositional approaches and discusses the validity results of an empirical study in the leisure industry. For two out of three criteria PCPM partly leads to a significantly higher predictive validity and a halving of the survey time. As products and services become more complex, multi-attribute preference meas urement techniques have to cope with a large number of attributes. Particularly Adaptive Conjoint Analysis (ACA) and compositional approaches are often applied to complex products. Two new alternative compositional approaches have been recently proposed, the Adaptive Self-Explicated Approach (ASE, Srinivasan und Netzer 2011) as well as Pairwise Comparison-based Preference Measurement (PCPM, Scholz et al. 2010). In first empirical applications, the authors found that the predictive validity of ASE and PCPM was significantly higher than that of ACA. In an empirical study involving theme parks, we compare ASE and PCPM as well as the benchmark ACA with respect to several criteria of validity. We find that the predictive validity is significantly higher for the PCPM with respect to two (out of three) criteria. Moreover, the PCPM survey was about half the length of the ACA survey.

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

Access this article

Log in via an institution

Price excludes VAT (USA)
Tax calculation will be finalised during checkout.

Instant access to the full article PDF.

Institutional subscriptions

Abb. 1

Notes

  1. Für einen entsprechenden Überblick in Bezug auf die Vor- und Nachteile kompositioneller und dekompositioneller Verfahren sei z. B. auf Sattler und Hensel-Börner (2007) verwiesen.

  2. Darüber hinaus ist kritisiert worden, dass der Befragungsmechanismus der klassischen SE-Ansätze keinen Anreiz bietet, in Bezug auf die tatsächlich bestehenden Zahlungsbereitschaften wahrheitsgemäß zu antworten (vgl. Völckner 2006). Diese fehlende Anreizkompatibilität besteht jedoch auch bei dekompositionellen Methoden, falls mit den hypothetischen Entscheidungssituationen keine monetären Konsequenzen verbunden sind (vgl. Wang et al. 2009).

  3. Bei verbalen Merkmalsbeschreibungen ist darauf zu achten, dass die Merkmale durch ihre zugehörigen Spannweiten charakterisiert werden. Dies trägt dem conjoint-analytischen Verständnis Rechnung, dass die Wichtigkeit der Merkmale durch den möglichen Anstieg von der schlechtesten zur besten Ausprägung eines Merkmals adäquat erfasst wird.

  4. Einen Überblick über bereits publizierte Studien, in denen Freizeitparks untersucht wurden, gibt Milman (2001).

  5. Einschränkend muss an dieser Stelle gesagt werden, dass die in der ACA zur Laufzeit des Interviews vorgelegten Wichtigkeiten nicht den finalen Wichtigkeiten entsprechen konnten, da eine Berechnung der finalen Teilnutzenwerte und Wichtigkeiten eines Probanden in der Sawtooth Software erst nach der vollständigen Befragung erfolgen kann.

Literatur

  • Agarwal MK, Green PE (1991) Adaptive conjoint analysis versus self-explicated models: some empirical results. Int J Res Mark 8(2):141–146

    Article  Google Scholar 

  • Baier D, Säuberlich F (1997) Kundennutzenschätzung mittels individueller Hybrid-Conjointanalyse. Z Betriebswirtsch Forsch 49(11):951–972

    Google Scholar 

  • Bradlow ET (2005) Current issues and a ‚wish list‘ for conjoint analysis. Appl Stoch Model Bus Ind 21(4–5):319–323

    Article  Google Scholar 

  • Bradlow ET, Hu Y, Ho T-H (2004) A learning-based model for imputing missing levels in partial conjoint profiles. J Mark Res 41(4):369–381

    Article  Google Scholar 

  • Decker R, Wagner R (2002) Marketingforschung – Methoden und Modelle zur Bestimmung des Käuferverhaltens. Moderne Industrie, München

    Google Scholar 

  • Deutskens E, De Ruyter K, Wetzels M, Oosterveld P (2004) Response rate and response quality of internet-based surveys: an experimental study. Mark Letters 15(1):21–36

    Article  Google Scholar 

  • Eckert J, Schaaf R (2009) Verfahren zur Präferenzmessung – Eine Übersicht und Beurteilung existierender und möglicher neuer Self-Explicated Verfahren. J Betriebswirtsch 59(1):31–56

    Article  Google Scholar 

  • Forman EH (1990) Random indices for incomplete pairwise comparison matrices. Eur J Oper Res 48(1):153–155

    Article  Google Scholar 

  • Green PE, Srinivasan V (1990) Conjoint analysis in marketing: new developments with implications for research and practice. J Mark 54(4):3–19

    Article  Google Scholar 

  • Green PE, Krieger AM, Agarwal MK (1991) Adaptive conjoint analysis: some caveats and suggestions. J Mark Res 28(2):215–222

    Article  Google Scholar 

  • Hartmann A, Sattler H (2004) Wie robust sind Methoden zur Präferenzmessung? Z Betriebswirtsch Forsch 56:3–22

    Google Scholar 

  • Hauser JR, Rao VR (2004) Conjoint analysis, related modeling, and applications. In: Wind J (Hrsg) Advances in marketing research: progress and prospects. Kluwer, Boston, S 141–168

    Google Scholar 

  • Hauser JR, Toubia O (2005) The impact of utility balance and endogeneity in conjoint analysis. Mark Sci 24(3):498–507

    Article  Google Scholar 

  • Helm R, Steiner M, Scholl A, Manthey L (2008) A comparative empirical study on common methods for measuring preferences. Int J Manag Decis Mak 9(3):242–265

    Article  Google Scholar 

  • Hensel-Börner S, Sattler H (2000) Ein empirischer Validitätsvergleich zwischen der Customized Computerized Conjoint Analysis (CCC), der Adaptive Conjoint Analysis (ACA) und Self-Explicated Verfahren. Z Betriebswirtsch 70(6):705–727

    Google Scholar 

  • Johnson RM (1987) Adaptive conjoint analysis. In: Sawtooth Software Conference on Perceptual Mapping, Conjoint Analysis, and Computer Interviewing. Sawtooth Software, Ketchum, ID, S 253–265

  • Kempermann ADAM (2000) Temporal aspects of theme park choice behavior: modeling variety seeking, seasonality and diversification to support theme park planning. Dissertation an der Technischen Universität Eindhoven. http://alexandria.tue.nl/extra2/200013915.pdf

  • King CW, Hill A, Orme B (2004) The ‚importance‘ question in ACA: can it be omitted? Proceedings of the 11th Sawtooth Software Conference, San Diego, S 53–63

  • Kohli R, Jedidi K (2007) Representation and inference of lexicographic preference models and their variants. Mark Sci 26(3):380–399

    Article  Google Scholar 

  • Louviere JJ, Timmermanns HJP (1990) Stated preference and choice models applied in recreation research: a review. Leis Sci 12:9–32

    Article  Google Scholar 

  • Louviere JJ, Oppewal H, Timmermans HJP, Thomas T (1993) Handling large numbers of attributes in conjoint applications: who says existing techniques can’t be applied? But if you want an alternative, how about hierarchical choice experiments. Artikel präsentiert im Rahmen des ARTS Forum, Beaver Creek, CO

  • Mehta R, Moore WL, Pavia TM (1992) An examination of the use of unacceptable levels in conjoint analysis. J Consum Res: Interdiscip Q 19(3):470–476

    Google Scholar 

  • Milman A (2001) The future of the theme park and attraction industry: a management perspective. J Travel Res 40(2):139–147

    Article  Google Scholar 

  • Morera OF, Budescu DV (1998) A psychometric analysis of the „devide and conquer“ principle in multicriteria decision making. Organ Behav Hum Decis Process 75(3):187–206

    Article  Google Scholar 

  • Mulye R (1998) An empirical comparison of three variants of the AHP and two variants of conjoint analysis. J Behav Decis Mak 11(4):263–280

    Article  Google Scholar 

  • Myers JH, Alpert MI (1968) Determinant buying attitudes: meaning and measurement. J Mark 32(4):13–20

    Article  Google Scholar 

  • Netzer O, Toubia O, Bradlow ET, Dahan E, Evgeniou T, Feinberg FM, Feit EM, Hui SK, Johnson J, Liechty JC, Orlin JB, Rao VR (2008) Beyond conjoint analysis: advances in preferences measurement. Mark Lett 19(3):337–354

    Article  Google Scholar 

  • Orme BK (2002) Formulating attributes and levels in conjoint analysis. Technical report, Sawtooth Software

  • Orme BK (2009) Which conjoint method should I use? Technical report, Sawtooth Software

  • Park Y-H, Ding M, Rao VR (2008) Eliciting preference for complex products: a web-based upgrading method. J Mark Res 45(5):562–574

    Article  Google Scholar 

  • Pullman ME, Dodson KJ, Moore WL (1999) A Comparison of conjoint methods when there are many attributes. Mark Lett 10(2):1–14

    Google Scholar 

  • Saaty TL (1980) The analytic hierarchy process. McGraw Hill, New York

    Google Scholar 

  • Sattler H, Hensel-Börner S (2007) A comparison of conjoint measurement with self-explicated approaches. In: Gustafsson A, Herrmann A, Huber F (Hrsg) Conjoint measurement: methods and applications. Springer, Berlin, S 67–76

    Google Scholar 

  • Sawtooth Software (2003) SSI Web v3.5. Sawtooth Software Inc

  • Sawtooth Software (2005) Report on conjoint analysis usage among sawtooth software customers. Technical paper series, Sawtooth Software Inc

  • Sawtooth Software (2007) The ACA/Web v6.0 technical paper. Sawtooth Software Inc

  • Scholl A, Manthey L, Helm R, Steiner M (2005) Solving multiattributive design problems with the analytic hierarchy process and conjoint analysis: an empirical comparison. Eur J Oper Res 164(3):760–777

    Article  Google Scholar 

  • Scholz SW, Meißner M, Decker R (2010) Measuring consumer preferences for complex products: a compositional approach based on paired comparisons. J Mark Res 47(4):685–698

    Article  Google Scholar 

  • Srinivasan V, Netzer O (2011) Adaptive self-explication of multi-attributed preferences. J Mark Res 48(1):140–156

    Google Scholar 

  • Srinivasan V, Park CS (1997) Surprising robustness of the self-explicated approach to customer preference structure measurement. J Mark Res 34(2):286–291

    Article  Google Scholar 

  • Srinivasan V, Wyner GA (1989) CASEMAP: Computer-Assisted Self-Explication of Multiattributed Preferences. In: Menasco HM, Takada H (Hrsg) New product development and testing. Lexington Books, Lexington, S 91–111

    Google Scholar 

  • Steiner M, Helm R (2007) EVAS – a new method for the customer-oriented selection of an evoked-set based attribute-set for preference measurement. In: Lorenz H, Scholl A (Hrsg) Jena Research Papers in Business and Economics, Nr 12

  • Swait J, Adamowicz W (2001) Choice environment, market complexity, and consumer behavior: a theoretical and empirical approach for incorporating decision complexity into models of consumer choice. Organ Behav Hum Dec Process 86(2):141–167

    Article  Google Scholar 

  • Thurstone L (1927) A law of comparative judgment. Psychol Rev 34:273–286

    Article  Google Scholar 

  • Toubia O, Simester DI, Hauser JR, Dahan E (2003) Fast polyhedral adaptive conjoint estimation. Mark Sci 22(3):273–303

    Article  Google Scholar 

  • Völckner F (2006) Methoden zur Messung individueller Zahlungsbereitschaften: Ein Überblick zum State of the Art. J Betriebswirtsch 56(1):33–60

    Article  Google Scholar 

  • Von Nitzsch R, Weber M (1993) The effect of attribute ranges on weights in multiattribute utility measurements. Manag Sci 39(8):937–943

    Article  Google Scholar 

  • Wang T, Venkatesh R, Chatterjee R (2009) Reservation price as a range: an incentive-compatible measurement approach. J Mark Res 44(2):200–213

    Article  Google Scholar 

  • Yee M, Dahan E, Hauser JR, Orlin J (2007) Greedoid-based non-compensatory two-stage consideration-then-choice inference. Mark Sci 26(4):532–549

    Article  Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Lehrstuhl für Betriebswirtschaftslehre, insb. Marketing Universität Bielefeld, Universitätsstraße 25, 33615, Bielefeld, Deutschland

    Martin Meißner &  Reinhold Decker

  2. Interrogare GmbH, Meisenstr. 96, 33607, Bielefeld, Deutschland

    Nadine Adam

Authors
  1. Martin Meißner
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Reinhold Decker
    View author publications

    You can also search for this author in PubMed Google Scholar

  3. Nadine Adam
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Martin Meißner.

Rights and permissions

Reprints and permissions

About this article

Cite this article

Meißner, M., Decker, R. & Adam, N. Ein empirischer Validitätsvergleich zwischen Adaptive Self-Explicated Approach (ASE), Pairwise Comparison-based Preference Measurement (PCPM) und Adaptive Conjoint Analysis (ACA). Z Betriebswirtsch 81, 423–446 (2011). https://doi.org/10.1007/s11573-011-0449-8

Download citation

  • Received:

  • Published:

  • Issue Date:

  • DOI: https://doi.org/10.1007/s11573-011-0449-8

Schlüsselwörter

Keywords

JEL Classification

Search

Navigation