Auszug
Ausgangspunkt jeglicher unternehmerischer Marktaktivitäten und damit der Präferenzmessung bilden die Bedürfnisse der potenziellen Kunden.50 Bedürfnisse sind dabei der Startpunkt des menschlichen Kaufentscheidungsprozesses und stellen ein Mangelgefühl, verbunden mit dem Bestreben der Beseitigung dieses Mangelgefühls, dar.51 Ein Individuum wird versuchen, diesen Zustand zu überwinden, indem es verschiedene Alternativen zur Bedürfnisbefriedigung selektiert und bewertet. Der sich daraus ableitende Bedarf ist objektorientiert und somit auf eine Reihe von Produktalternativen bezogen, die generell zur Bedürfnisbefriedigung geeignet erscheinen.52 Die letztendliche Entscheidung für eine konkrete Produktalternative wird hierbei stark von den Präferenzen des Entscheidungsträgers beeinflusst.53 Aufgrund der engen Beziehung zwischen Präferenzen und dem tatsächlichen Kaufverhalten spielen die Verfahren der Präferenzmessung eine bedeutende Rolle bei der Erklärung der Alternativenselektion von Nachfragern.54
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Vgl. Fischer (2001), 8.
Vgl. Böcker; Helm (2003), 17; Trommsdorff (2003), 114.
Vgl. Böcker; Helm (2003), 17; Fischer (2001), 8.
Vgl. Fischer (2001), 8.
Vgl. Fischer (2001), 9; Albrecht (2000), 7.
Vgl. Fischer (2001), 9; Balderjahn (1993), 22.
Vgl. Böcker (1986), 556; Thaden (2002), 1; Hahn (1997), 6f.; Schweikl (1985), 26; Albrecht (2000), 7.
Vgl. Höser (1998), 27. Siehe dazu auch Kapitel 2.3.
Vgl. Böcker; Helm (2003), 167.
Vgl. Hahn (1997), 5; Höser (1998), 27; Heitmann; Herrmann (2006), 225. Einige Forscher wie Schweikl (1985, 26) oder Nowlis; Simonson (1997, 205) nutzen die Begriffe „Präferenz“ und „Nutzen“ als Synonyme. Präferenzen könnten demnach auch durch die direkte und isolierte Einschätzung einzelner Alternativen erhoben werden (vgl. Nowlis; Simonson (1997), 205). In dieser Arbeit wird jedoch analog zu Voeth (2000, 5f.) zwischen diesen beiden Begriffen unterschieden. Nutzen wird deshalb als „hypothetische objektbezogene Beurteilungsgröße“ (Voeth (2000), 5f.) definiert, d.h. es handelt sich um den subjektiven Wertmaßstab zur Beurteilung des Ausmaßes der Bedürfnisbefriedigung von Produktalternativen (vgl. Höser (1998), 26; Ahlert; Kenning (2006), 33). Präferenzen ergeben sich demgegenüber, wie oben beschrieben, immer erst aus dem Nutzenvergleich mindestens zweier Alternativen (vgl. Albrecht (2000), 7).
Trommsdorff (2003), 150.
Vgl. Hahn (1997), 5.
Vgl. Gierl (1987), 459; Hahn (1997), 5. Albrecht (2000, 7) beschreibt Präferenzen im Gegensatz dazu als „[i]nnerhalb eines bestimmten Zeitraums... stabil“, ohne jedoch die Einflussfaktoren auf diesen Zeitraum genauer zu erläutern. Er kommt jedoch zu dem Schluss, dass sich Präferenzen im Laufe der Zeit verändern können.
Vgl. Payne; Bettman; Schkade (1999), 246; Ratneshwar; Shocker; Stewart (1987), 520; Goldstein (1990), 316.
Vgl. Klein (2002), 8; Hahn (1997), 5. Die Erfassung von Präferenzen für Produkte, die sich nicht im Evoked-Set eines Befragungsteilnehmers befinden, ist somit nicht sinnvoll.
Vgl. Hahn (1997), 8ff.; Balderjahn (1993), 112. Siehe auch Kapitel 2.3.
Vgl. Hahn (1997), 6f.; Balderjahn (1993), 23, 26; Höser (1998), 51.
Vgl. Balderjahn (1993), 98.
Vgl. Klein (2002), 8; Hahn (1997), 5. Dies wird ausführlich in Kapitel 2.3 beschrieben.
Vgl. Soni; Lilien; Wilson (1993), 365; Ali (1994), 46; Tomkovick; Miller (2000), 413; Sawalsky (1995), 22ff.; Uebele (1988), 777.
Vgl. Sawalsky (1995), 17ff.; Helm; Scholl; Manthey; Steiner (2004), 13.
Vgl. Helm (2001), 30; Brockhoff (1999), 1; Gruner; Homburg (1998), 1; Tomkovick; Miller (2000), 415; Sawalsky (1995), 7f.
Vgl. Helm (2001), 34; Gruner; Homburg (1999), 120; Sattler (2001), 26; Ali (1994), 46; Sawalsky (1995), 17f.
Vgl. Helm (2001), 34; Tomkovick; Miller (2000), 413; Boutellier; Völker (1997), 49; Albers; Kemnitz (1985), 236.
Vgl. Helm (2001), 33; Gruner; Homburg (1999), 120; Tomkovick; Miller (2000), 415.
Vgl. Helm (2001), 39. Siehe analog Hauser; Urban (1977), 579f.; Ali (1994), 46; Tomkovick; Miller (2000), 416f.; Sawalsky (1995), 8; Urban; Weinberg; Hauser (1996), 47.
Vgl. Helm (2001), 32; Sawalsky (1995), 13ff.; Calantone; Cooper (1981), 48; Erichson (2000), 387f.
Vgl. Helm (2001), 36; Brockhoff (1999), 2; Soni; Lilien; Wilson (1993), 365; Sawalsky (1995), 7; Urban; Hauser (1993), 60.
Vgl. Helm (2001), 40; Soni; Lilien; Wilson (1993), 365; Sawalsky (1995), 15f.
Für einen Überblick über verschiedene Studien siehe Helm (2001), 39 und Sawalsky (1995), 16. Siehe dazu auch Brockhoff (1999), 3ff.; Sattler (2001), 25; Fricke; Lohse (1997), 65; Erichson (2000), 387; Helm; Scholl; Manthey; Steiner (2004), 13. Vergleicht man diese Raten mit älteren Untersuchungen in denen beispielsweise Flopraten von 30% (vgl. Hauser; Urban (1977), 580) oder 64,5 %, im Jahr 1982 (vgl. Urban; Katz; Hatch; Silk (1983), 39) beschrieben wurden, so ist erkennbar, dass der Anteil der Flops an den Neuproduktentwicklungen in den letzten Jahren tendenziell gestiegen ist.
Vgl. Buchholz (1996), 129ff.; Paulson Gjerde; Slotnick; Sobel (2002), 1268; Gierl; Helm (2002), 313f.; Brockhoff (2000), 31ff.
Vgl. Helm (2001), 63.
Helm (2001s), 64. Siehe ebenso Parry; Song (1994), 27f. und Buchholz (1996), 131f., die die Bedeutung nachfrageinduzierter Innovationen unterstreichen.
Vgl. Helm (2001), 65; Simon (1996), 109f.; Buchholz (1996), 131.
Vgl. Helm (2001), 65; Buchholz (1996), 131.
Vgl. Helm (2001), 65; Brockhoff (1999), 2; Ali (1994), 46. Der Anteil der inkrementalen Innovationen ist jedoch von der jeweiligen Branche abhängig (vgl. Ali (1994), 47; Sawalsky (1995), 16).
Vgl. Helm (2001), 79f.
Vgl. Simon (1996), 110f.; Brockhoff (1999), 2.
Vgl. Herstatt; Sander (2004), 100; Simon (1996), 112; Hauser; Urban (1977), 580; Shocker; Srinivasan (1979a), 159.
Vgl. Helm (2001), 105f.; Schubert (1991), 80; Fricke; Lohse (1997), 8; Shocker; Srinivasan (1979a), 161.
Vgl. Helm (2001), 80; Gruner; Homburg (1999), 136f.; Gruner; Homburg (1998), 27; Meffert (2000), 391.
Vgl. Kristensson; Gustafsson; Archer (2004), 4; Brockhoff (1999), 10f.; Urban; Hauser (1993), 67ff.; Shocker; Srinivasan (1979a), 160.
Vgl. Helm (2001), 80; Gruner; Homburg (1999), 137. Siehe auch Schubert (1991), 75, 105.
Vgl. Parry; Song (1994), 28; Erichson (2000), 387.
Für einen Überblick siehe beispielsweise Cooper; Kleinschmidt (1995), 377.
Vgl. Schubert (1991), 74.
Vgl. Schubert (1991), 73ff.
Vgl. Schubert (1991), 76ff.
Vgl. Calantone; Cooper (1981), 48; Sattler; Schrader (1995), 997f.
Vgl. Schubert (1991), 80; Lees; Wright (2004), 389.
Vgl. Brockhoff (1999), 106; Schubert (1991), 74f.
Je nach Gestaltung und Benennung der Phasen der Neuproduktentwicklungsprozesse wird die Präferenzmessung in der Literatur teilweise zu den Verfahren zur Selektion von Neuproduktideen gerechnet. Für ein Beispiel siehe Meffert (1998), 387ff.; Meffert (2000), 401; Tumbusch (1991), 1. Für erste praktische Anwendungen der Präferenzmessung im Rahmen der Konzeptentwicklung siehe Westwood; Lunn; Beazley (1974), 328ff. oder Hauser; Urban (1977), 581ff.
Vgl. Green; Wind (1975), 112. Neben diesen quantitativen Verfahren (Methoden der Präferenzmessung) können auch qualitative Ansätze zur Bewertung der Produktkonzepte eingesetzt werden. Vorteil der quantitativen Methoden ist allerdings, dass die Erfolgsaussichten konkret, z.B. durch die Prognose von Marktanteilen, bestimmt werden können (vgl. Schubert (1991), 81). Deshalb sollen in dieser Arbeit die quantitativen Verfahren im Mittelpunkt stehen. Für einen überblick über weitere Methoden zum Konzepttest siehe Green; Krieger; Vavra (1997), 12ff. oder Hauser; Urban (1977), 584ff. Die Verfahren zur Präferenzmessung sind jedoch eher auf inkrementale Innovationen beschränkt, da die Einschätzungen der Befragungsteilnehmer auf den bisherigen Erfahrungen bzw. gelerntem Wissen in der jeweiligen Produktkategorie beruhen, d.h. der Zusammenhang zwischen den präsentierten Eigenschaften und dem daraus resultierenden Nutzen muss dem Entscheidungsträger bekannt sein (vgl. Hoeffler (2003), 406ff.; siehe dazu auch Kapitel 4.1.8). Radikale Innovationen setzen demgegenüber zunächst einen „Lernprozess“ der Konsumenten voraus, damit die Produkte überhaupt eingeschätzt werden können. Derartige Produktinnovationen haben zudem oft einen erheblichen Einfluss auf bisherige Kauf-und Konsumgewohnheiten. Für einen Methodenüberblick zur Abschätzung der Erfolgspotenziale entsprechender Innovationen siehe Urban; Weinberg; Hauser (1996), 47ff.
Vgl. Brockhoff (1999), 106; Herstatt; Sander (2004), 102f.; Dahan; Srinivasan (2000), 100f.; Schubert (1991), 83ff.
Vgl. Schubert (1991), 80; Lees; Wright (2004), 389.
Vgl. Green; Srinivasan (1978), 103; Green; Wind (1975), 108.
Vgl. American Marketing Association (1992), 9; Cattin; Wittink (1982), 45; Wittink, Cattin (1989), 92; Wittink, Vriens, Burhenne (1994), 41, 44.
Vgl. American Marketing Association (1992), 9.
Vgl. Weiber; Rosendahl (1997), 107.
Es handelt sich hierbei um gewichtete Werte, um eine Vergleichbarkeit der Ergebnisse mit den anderen Studien zu ermöglichen (vgl. Melles; Holling (1998), 6).
Auch Voeth (1999, 160) untersuchte die Anwendungsgebiete der Conjoint-Analyse, dies jedoch im Rahmen einer Meta-Studie, bei der lediglich in Deutschland publizierte wissenschaftliche Studien herangezogen wurden. über Anwendungsgebiete in der Praxis können deshalb keine Aussagen getroffen werden, weshalb diese Studie hier nicht berücksichtigt wird.
Weitere Anwendungsgebiete der Präferenzmessung sind Forschungsbereiche der Entscheidungsanalyse, der Psychologie, der Transportplanung, der Stadtplanung usw. (vgl. Vriens (1995), 13).
Vgl. Boutellier; Völker (1997), 49; Brockhoff (2000), 39f.
Vgl. Brockhoff (2000), 40; Cattin; Wittink (1982), 50.
Vgl. Boutellier; Völker (1997), 49. Siehe dazu auch Gierl (1987), 459.
Vgl. Hahn (1997), 5; Johnson; Meyer (1984), 528.
Vgl. Winterfeldt; Edwards (1986), 285; Creyer; Ross (1988), 508; Schubert (1991), 239; Sattler; Gedenk (2005), 4; Fischer (1995), 252ff.; Nitzsch; Weber (1991), 971; Nitzsch; Weber (1993), 937f.; Sattler; Gedenk; Hensel-Börner (2002b), 954; Mishra; Umesh; Stem (1989), 605ff.; Payne; Bettman; Schkade (1999), 246; Ratneshwar; Shocker; Stewart (1987), 520f.; Green; Krieger (1996), 854; Goldstein (1990), 316; Höser (1998), 227; Shocker; Srinivasan (1979a), 161. Siehe dazu auch Kapitel 5.2.2.1. Im Gegensatz dazu fordern Oppewal; Louviere; Timmermans (1994, 92) bei der Self-Explicated Methode (siehe Kapitel 3.1) eine kontextfreie Bewertung der Eigenschaftsgewichte. Dies erscheint vor dem Hintergrund, dass Präferenzen gerade kontextabhängig sind, wenig sinnvoll. Auch Akaah; Korgaonkar (1983, 189) weisen darauf hin, dass von einem Entscheidungsproblem losgelöste Eigenschaftsgewichte nicht zur Prognose von Wahlentscheidungen geeignet sind.
Vgl. Green; Srinivasan (1978), 115.
Siehe analog Myers; Alpert (1997), 51.
Vgl. Cattin; Wittink (1982), 51.
Vgl. Höser (1998), 21f.
Vgl. Kotler; Bliemel (2001), 365.
Höser (1998), 27.
Siehe auch Höser (1998), 42f.
Vgl. Böcker; Helm (2003), 17; Kroeber-Riel; Weinberg (2003), 143ff.; Trommsdorff (2003), 114.
Vgl. Böcker; Helm (2003), 17; Kotler; Bliemel (2001), 355.
Vgl. Böcker; Helm (2003), 17.
Vgl. Kotler; Bliemel (2001), 355f. Siehe auch Gierl (1987), 458.
Vgl. Goodwin; Wright (2000), 57.
Vgl. Backhaus; Brzoska (2004), 41ff.
Vgl. Kotler; Bliemel (2001), 356; Goodwin; Wright (2000), 56ff.; Klein; Scholl (2004), 328; Gutman (1982), 61; Böhler (1979), 262.
Vgl. Goodwin; Wright (2000), 57; Gutman (1982), 62.
Vgl. Klein; Scholl (2004), 328.
Goodwin; Wright (2000), 56.
In den verschiedenen Phasen des Kaufentscheidungsprozesses nutzen Nachfrager unterschiedliche Eigenschaften zur Einschätzung der Alternativen. Die Relevanz eines Merkmals ist somit von der jeweils betrachteten Phase im Kaufentscheidungsprozess abhängig. Ein Attribut, dass beispielsweise innerhalb einer frühen Phase zur Bestimmung der akzeptablen Produkte herangezogen wird (dieses wird auch als Schwelleneigenschaft bezeichnet, siehe Kapitel 4.1.4), kann in einer folgenden Trade-off Phase irrelevant sein und wird deshalb bei der letztendlichen Entscheidung für eine Produktalternative nicht berücksichtigt (vgl. Gutman (1982), 62). Beispielsweise könnte ein Nachfrager fordern, dass ein Notebook über eine Speicherkapazität von mindestens 1 GB RAM verfügen muss. Alle Laptops, die weniger als die geforderte Größee des Arbeitsspeichers aufweisen, werden demnach nicht weiter in der Wahlentscheidung berücksichtigt. Im Evoked-Set verbleiben nach Berücksichtigung weiterer Schwelleneigenschaften u.U. lediglich Alternativen, die über eine Arbeitsspeicherkapazität von 1 GB RAM verfügen. Die Bedeutung der in der Trade-off Phase zu berücksichtigenden Produktmerkmale ergibt sich aus der in dieser Phase zu berücksichtigenden Bandbreite der Eigenschaftsausprägungen. Durch die Eliminierung von Produktalternativen wird die Bandbreite der möglichen Merkmalsausprägungen eingeschränkt, so dass sich die Relevanz der Produktmerkmale ändert. In dem beschriebenen Beispiel eines Laptopkaufs weisen alle Notebooks einen Arbeitsspeicher von 1 GB RAM auf, so dass diese Eigenschaft keinerlei Einfluss auf die weitere Wahlentscheidung ausübt. Es ist somit nicht davon auszugehen, dass Schwelleneigenschaften, die in der nicht-kompensatorischen Phase berücksichtigt werden, ebenfalls bei den späteren Trade-off Entscheidungen eine Rolle spielen. Dies bedeutet aber auch, dass nicht alle am Markt verfügbaren Ausprägungen, sondern lediglich Eigenschaftsausprägungen zu berücksichtigen sind, die für den jeweiligen Konsumenten in der jeweiligen Phase des Kaufentscheidungsprozesses relevant sind.
Vgl. Goodwin; Wright (2000), 56. Siehe analog dazu Gutman (1982), 62.
Vgl. Mehta; Moore; Pavia (1992), 470; Kotler; Bliemel (2001), 357f., 360; Klein; Scholl (2004), 328; Malhotra (1986), 34.
Vgl. Kotler; Bliemel (2001), 356.
Vgl. Brockhoff (1999), 38. Die nicht wahrgenommenen Alternativen werden dabei dem Unawareness-Set zugeordnet (vgl. Böcker; Helm (2003), 176.
Sämtliche nicht wahrgenommenen Produkte befinden sich dementsprechend im “unawareness set” (vgl. Böcker; Helm (2003), 176).
Vgl. Böcker; Helm (2003), 175f.; Brockhoff (1999), 38.
Vgl. Howard; Sheth (1969), 26ff.; Böcker; Helm (2003), 175; Brockhoff (1999), 38; Böhler (1979), 262f.
Analog zu Kotler; Bliemel (2001), 356f. und Mehta; Moore; Pavia (1992), 470.
Vgl. Böhler (1979), 263f.
Siehe auch Böhler (1979), 270; Hauser; Urban (1977), 589.
Kotler; Bliemel (2001), 357.
Vgl. Kotler; Bliemel (2001), 357. Da die Wahrnehmung bestimmter Produkte, beschrieben durch die jeweiligen Eigenschaftsausprägungen, subjektiv ist, können objektive und subjektive Realität u.U. voneinander abweichen (vgl. Böcker; Helm (2003), 175).
Vgl. Ratneshwar; Shocker; Stewart (1987), 523f.
Nicht-kompensatorische Vorgehensweisen zur Einschätzung von Alternativen werden auch als Entscheidungsheuristiken bezeichnet (vgl. Johnson; Meyer; Ghose (1989), 255; Andrews; Manrai (1998), 198). Für einen überblick über Entscheidungsheuristiken siehe Goodwin; Wright (2000), 55ff.; Tscheulin (1992), 14ff.
Vgl. Malhotra (1986), 34; Bucklin; Srinivasan (1991), 61; Klein; Bither (1987), 240; Mehta; Moore; Pavia (1992), 470; Andrews; Manrai (1998), 198; Ayag (2002), 3058.
Vgl. Malhotra (1986), 34; Johnson; Meyer; Ghose (1989), 255.
Vgl. Green; Srinivasan (1978), 104. Daraus ergibt sich die Forderung, dass lediglich Ausprägungen, die zur Anwendung von kompensatorischen Entscheidungsprozessen führen, im Rahmen der Verfahren zur Präferenzmessung untersucht werden sollten (vgl. Voeth (2000), 69).
Präferenzmessmethoden untersuchen somit die „intention-to-purchase“, nicht aber reale Kaufentscheidungen (vgl. Cattin; Wittink (1982), 50). Siehe auch Albrecht (2000), 10. Mit Hilfe von Produktwahlmodellen wird jedoch oftmals versucht, das Produktwahlverhalten der Entscheidungsträger auf aggregierter Ebene zu prognostizieren (siehe dazu Kapitel 3.9).
Vgl. Kotler; Bliemel (2001), 358.
Vgl. Steffenhagen (2000), 35.
Um bessere Aussagen über die Kaufabsicht eines Entscheidungsträgers bzw. über reale Kaufentscheidungen treffen zu können, müssen weiterhin die Ausgestaltungsformen der anderen Marketing-Mix Elemente wie Kommunikationspolitik und Vertriebsbemühungen, aber ebenso mögliche Konkurrenzreaktionen beachtet werden (vgl. Cattin; Wittink (1982), 50; Ding; Grewal; Liechty (2005), 68; Srinivasan; deMaCarty (1999), 29).
Eine ähnliche Einteilung findet sich in Böcker; Helm (2003, 18).
Vgl. Böcker; Helm (2003), 18; Böcker (1986), 554.
Vgl. Böcker; Helm (2003), 18; Böcker (1986), 554; Albrecht (2000), 11.
Vgl. Kotler; Bliemel (2001), 361; Albrecht (2000), 11; Payne; Bettman; Schkade (1999), 246; Böcker (1986), 554. Zum Einfluss von Bezugspersonen siehe auch Bither; Wright (1977), 39ff.
Vgl. Green; Krieger (1991), 23; Kotler; Bliemel (2001), 361; Srinivasan; MaCarty (1998), 3; Wittink; Cattin (1989), 94.
Vgl. Kotler; Bliemel (2001), 361. Für einen überblick über weitere Einflüsse auf das tatsächlich realisierte Kaufverhalten siehe Shocker; Srinivasan (1979a), 160; Höser (1998), 29ff.; Srinivasan; MaCarty (1998), 3f.; Braunstein; Huber; Herrmann (2005), 189.
Vgl. Kotler; Bliemel (2001), 361.
Vgl. Albrecht (2000), 11. Für einen überblick über empirische Studien siehe Louviere (1988a, 113f.) — die Ergebnisse der Präferenzmessung sind demnach zur Prognose des realen Entscheidungsverhaltens geeignet.
Vgl. Kotler; Bliemel (2001), 362.
Vgl. Myers; Alpert (1968), 14.
Vgl. Albrecht (2000), 11; Kotler; Bliemel (2001), 350.
Vgl. Köcher (1997), 143.
Vgl. Kotler; Bliemel (2001), 350.
Vgl. Köcher (1997), 143.
Vgl. Kotler; Bliemel (2001), 350.
Daneben werden auch extensive und limitierte Kaufentscheidungsprozesse zu den Verhaltenstypen gezählt, bei denen der Entscheidungsträger den gesamten Kaufentscheidungsprozess durchläuft. Extensive Kaufentscheidungsprozesse treten bei Gütern auf, bezüglich derer der Käufer über keine bzw. wenig bisherige Erfahrungen verfügt — deshalb ist die letztendliche Wahl einer Alternative aus Sicht des Entscheidungsträgers schwierig und neuartig, weshalb dabei mit einem höheren Ausmanen ist (vgl. Albrecht (2000), 11). Da die Bewertungen eines Untersuchungsobjekts immer vom jeweiligen Vorwissen der Entscheidungsträger in einer bestimmten Produktkategorie abhängen (vgl. Urban; Weinberg; Hauser (1996), 47ff., siehe auch Kapitel 2.1), sind entsprechende Produktgruppen weniger zur Untersuchung im Rahmen einer Studie zur Präferenzmessung geeignet — es sei denn, es werden Entscheidungsträger befragt, die die Phasen der Informationssuche und-bewertung durchlaufen haben. Auch bei Produkten, bei denen dem Kauf typischerweise limitierte Kaufentscheidungsprozesse zugrunde liegen, dominieren zur Alternativenbewertung kognitive Prozesse bezüglich eines vom Entscheidungsträger bereits eingeschränkten Alternativensets, jedoch genügt dem Entscheider, dass die Alternativen ein bestimmtes Anspruchsniveau erreichen (vgl. Gierl (1995), 265).
Vgl. Kotler; Bliemel (2001), 351.
Vgl. Kotler; Bliemel (2001), 353.
Vgl. Diller (1988), 351f.
Backhaus; Brzoska (2004), 42.
Vgl. Backhaus; Brzoska (2004), 41.
Huber (1997, 244) sieht zudem einen strategischen Wert der Präferenzmessung, da mit ihrer Hilfe mögliches Entscheidungsverhalten bei Marktveränderungen vorhergesagt werden kann.
Vgl. Albrecht (2000), 11; Louviere (1988a), 113f.
Vgl. Albers; Herrmann (2000), 5. Im Folgenden wird nicht weiter zwischen physischen Produkten und Dienstleistungen differenziert, da diese Unterscheidung keinen Einfluss auf die Präferenzmessung ausübt (für eine Ausnahme siehe Kapitel 4.1.1).
Vgl. Böcker; Helm (2003), 249; Brockhoff (1999), 13; Schubert (1991), 20; Kotler; Bliemel (2001), 14; Gutman (1982), 61; Jaeger; Hedderley; MacFie (2000), 1218; Brockhoff (2000), 27.
Vgl. Gutman (1982), 61.
Vgl. Herrmann (1996), 16; siehe auch Kapitel 2.3.
Vgl. Herrmann (1996), 17; Voeth (2000), 14ff.
Vgl. Kotler; Bliemel (2001), 14; Kotler (2003), 407.
Herrmann (1996), 51. Genau genommen handelt es sich um eine physische Einheit oder eine Verrichtung von wahrgenommenen und mit Nutzenerwartungen verknüpften Eigenschaftsausprägungen. Siehe auch Kapitel 4 und vgl. Fischer (2001), 12.
Vgl. Kotler; Bliemel (2001), 719f.; Kotler (2003), 410.
Vgl. Kotler; Bliemel (2001), 720; Nieschlag; Dichtl; Hörschgen (2002), 580.
Vgl. Kotler; Bliemel (2001), 720; Kotler (2003), 411; Höser (1998), 33f.; Nieschlag; Dichtl; Hörschgen (2002), 580f.
Vgl. Kotler; Bliemel (2001), 720f.; Kotler (2003), 411; Nieschlag; Dichtl; Hörschgen (2002), 581.
Vgl. Kotler; Bliemel (2001), 721.; Kotler (2003), 411; Nieschlag; Dichtl; Hörschgen (2002), 581.
Vgl. Kotler; Bliemel (2001), 721.; Kotler (2003), 411.
Vgl. Kotler; Bliemel (2001), 721.
Vgl. Goodwin; Wright (2000), 57.
Vgl. Kotler; Bliemel (2001), 720.
Vgl. American Marketing Association (1992), 6.
Vgl. Cattin; Wittink (1982), 50.
Die Verfahren zur Präferenzmessung eignen sich somit eher zur Erfassung extensiver, aber nicht habitualisierter oder impulsiver Kaufentscheidungen. Dies ist vor allem bei Produkten der Fall, bei denen der Kauf mit einem gewissen finanziellen, sozialen und/oder psychologischen Risiko verbunden ist, so dass möglichst der gesamte, in Kapitel 2.3 beschriebene, Kaufentscheidungsprozess von einem potenziellen Käufer durchlaufen wird (vgl. Backhaus; Brzoska (2004), 41).
Vgl. Huber (1987), 5; Balderjahn (1993), 94; Johnson (1987), 253. Werden diese Produktgruppen mit Hilfe einer Präferenzmessmethode untersucht, ist deshalb verstärkt mit Interaktionseffekten zu rechnen (siehe Kapitel 4.2.3.1).
Vgl. Green; Krieger; Wind (2001), 59; Perrey (1998), 69.
Vgl. Green; Srinivasan (1978), 105; Wilkie; Pessemier (1973), 429; Hammann; Erichson (2000), 386f.; Backhaus; Erichson; Plinke; Weiber (2003), 642; Skiera; Gensler (2002a), 203f.; Green; Srinivasan (1990), 4; Klein (2002), 15f.; Schubert (1991), 118f. Ein Beispiel dafür wäre der Preis einer Produktalternative (je geringer der Preis, desto höher ist die Präferenz) oder die Eigenschaft „Jahresgehalt“ bei einem Job-Angebot (je höher, desto stärker ist die Präferenz). Teilweise wird hier ein linearer Verlauf, d.h. jeweils proportionale Änderungen der Präferenz je nach Variation der Merkmalsausprägung, unterstellt (vgl. Gutsche (1995), 82; Fischer (2001), 65; Hahn (1997), 50f., 60; Thaden (2002), 12). Dieser, auch in Abbildung 6 dargestellte, lineare Nutzenverlauf ist jedoch lediglich für einen begrenzten Bereich gültig (vgl. Hammann; Erichson (2000), 387). In jedem Fall wird bei Vektormodellen von einem monoton wachsenden bzw. fallenden Nutzenverlauf ausgegangen (vgl. Balderjahn (1993), 93).
Vgl. Hahn (1997), 52; Backhaus; Erichson; Plinke; Weiber (2003), 650; Klein (2002), 16. Beispiele für ein mögliches Idealpunktmodell wären die „Süße“ oder die „Temperatur“ von Kaffee.
Vgl. Green; Srinivasan (1978), 105; Fischer (2001), 66f.; Skiera; Gensler (2002a), 203f.; Hahn (1997), 51; Wilkie; Pessemier (1973), 435; Thaden (2002), 12; Hammann; Erichson (2000), 386f.; Balderjahn (1993), 93; Gutsche (1995), 83f.; Green; Krieger; Wind (2001), 60; Backhaus; Erichson; Plinke; Weiber (2003), 642; Green; Wind; Rao (1998), 68; Green; Srinivasan (1990), 4; Klein (2002), 16f.; Perrey (1998), 68f.
Vgl. Gutsche (1995), 84. Schubert (1991, 120) präsentiert deshalb ein Idealpunktmodell, bei dem um den Idealpunkt kein symmetrischer Nutzenverlauf vorausgesetzt wird, es entspricht allerdings weitgehend dem Teilnutzenmodell, wie es z.B. Green; Srinivasan (1978, 106) beschreiben.
Vgl. Green; Srinivasan (1978), 105f.; Green; Srinivasan (1990), 4; Balderjahn (1993), 94; Gutsche (1995), 85; Fischer (2001), 67; Thaden (2002), 13; Skiera; Gensler (2002a), 203f.; Green; Wind; Rao (1998), 68; Schubert (1991), 120f.
Vgl. Balderjahn (1993), 95; Green; Srinivasan (1978), 106; Klein (2002), 18; Schubert (1991), 120; Perrey (1998), 69.
Vgl. Hahn (1997), 52.
Vgl. Green; Srinivasan (1978), 106; Green; Srinivasan (1990), 4; Hahn (1997), 53; Klein (2002), 18. Bei der Anwendung der Conjoint-Analyse auf Basis des Teilnutzenmodells werden für jede Ausprägung jeweils Teilnutzen geschätzt. Andererseits könnte man einige Teilnutzen von Ausprägungen quantitativer Merkmale bei Unterstellung des Vektormodells auch durch lineare Interpolation zwischen den Teilnutzen der Extrempunkte der Ausprägungen bestimmen (vgl. Green; Srinivasan (1978), 105). Eine solche Vorgehensweise ist durchaus problematisch, wenn der reale Nutzenverlauf wie z.B. beim Idealpunktmodell (siehe Abbildung 6) nicht linear ist. Zudem ist bei vielen Eigenschaften gerade nicht davon auszugehen, dass ein linearer Nutzenverlauf über eine große Bandbreite der Ausprägungen vorliegt (siehe dazu Kapitel 5.7.1). Wendet man das Teilnutzenmodell an und geht davon aus, dass zwischen den untersuchten Ausprägungen ein linearer Nutzenverlauf besteht, werden die drei in Abbildung 6 untersuchten Ausprägungen jeweils durch Geraden miteinander verbunden (vgl. Green; Srinivasan (1978), 106). Neben diesem Teilnutzenmodell könnten auch sog. „mixed models“, d.h. verschiedene Nutzenmodelle innerhalb einer Studie zur Präferenzmessung, angewendet werden (vgl. Green; Srinivasan (1978), 106f.; Green; Srinivasan (1990), 4).
Vgl. Thaden (2002), 13; Hahn (1997), 59; Green; Srinivasan (1978), 106; Cattin; Wittink (1982), 46f.; Schubert (1991), 121.
Vgl. Luce; Tukey (1964), 1ff.; Green; Carmone; Wind (1972), 290.
Vgl. Green; Carmone; Wind (1972), 298; Dawes; Corrigan (1974), 105; Green; Srinivasan (1978), 107; Green; Goldberg; Wiley (1983), 149; Johnson; Meyer (1984), 539f. Dies gilt jedoch nur eingeschränkt, wenn nicht-kompensatorische Entscheidungsregeln von einem Befragungsteilnehmer zur Bewertung der Alternativen eingesetzt werden (vgl. Johnson; Meyer; Ghose (1989), 268f.).
Vgl. Green; Carmone; Wind (1972), 298. Siehe auch Kapitel 4.2.3.1.
Siehe Green; Carmone; Wind (1972), 288f.; Green; Srinivasan (1978), 104. Auch bei anderen Verfahren wie dem AHP oder der SMART wird der Gesamtnutzen in analoger Weise berechnet, siehe für den AHP u.a. Klein; Scholl (2004), 370f. bzw. von Winterfeldt; Edwards (1986), 281 für die SMART.
Vgl. Lans; Wittink; Huber; Vriens (1992), 365.
Rights and permissions
Copyright information
© 2007 Deutscher Universitäts-Verlag | GWV Fachverlage GmbH, Wiesbaden
About this chapter
Cite this chapter
(2007). Theoretische Grundlagen der Präferenzmessung. In: Nachfragerorientierte Präferenzmessung. DUV. https://doi.org/10.1007/978-3-8350-9593-9_2
Download citation
DOI: https://doi.org/10.1007/978-3-8350-9593-9_2
Publisher Name: DUV
Print ISBN: 978-3-8350-0773-4
Online ISBN: 978-3-8350-9593-9
eBook Packages: Business and Economics (German Language)