Advertisement

Ansätze zur Messung von Nachfragerpräferenzen

  • Susanne Hensel-Börner
Part of the Gabler Edition Wissenschaft book series (GEW)

Zusammenfassung

Im folgenden wird ein Überblick über bestehende Ansätze zur Präferenzmessung gegeben, bei denen die Präferenzen von Probanden in Form von Befragung erhoben werden.34 Schwerpunkt der Ausführungen ist die Vorgehensweise bei der Datenerhebung. Unter dem Begriff Datenerhebung wird im Rahmen dieser Arbeit sowohl die Befragungsform (direkt oder indirekt) als auch die konkrete Gestaltung der Präferenzabfrage verstanden. Über die Darstellung der verschiedenen Ansätze und einer Diskussion der jeweiligen Vor- und Nachteile hinaus, werden bisherige empirische Forschungsergebnisse zusammengefaßt. Berücksichtigt werden jeweils die Studien, bei denen vornehmlich ein Vergleich der Datenerhebung Untersuchungsgegenstand war oder im Rahmen anderer Untersuchungsschwerpunkte implizit getestet wurde. Um insgesamt einen breiten Überblick über empirische Forschungsergebnisse zu den verschiedenen Ansätzen der Präferenzmessung geben zu können, werden alle seit 1980 veröffentlichten Studien in den internationalen Zeitschriften „Journal of Marketing Research“, „Journal of Marketing“, „International Journal of Research in Marketing“, „Marketing Letters“ und „Marketing Science“ herangezogen. Für die deutschsprachige Literatur werden die Untersuchungen betrachtet, die in der „Zeitschrift für Betriebswirtschaft“, „Zeitschrift für betriebswirtschaftliche Forschung“, „Marketing Zeitschrift für Forschung & Praxis“ und „Die Betriebswirtschaft (DBW)“ veröffentlicht sind.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Referenzen

  1. 34.
    Eine weitere Möglichkeit zur Präferenzmessung stellt die Beobachtung und Auswertung tatsächlicher Marktdaten dar, welche in der vorliegenden Arbeit nicht weiter betrachtet werden soll.Google Scholar
  2. 35.
    Vgl. Jain/Mahajan/Malhotra (1979), S. 248.Google Scholar
  3. 36.
    Vgl. Wilkie/Pessemier (1973), S. 428.Google Scholar
  4. 37.
    Das multiattributive Modell geht ursprünglich auf die Einstellungsforschung zurück. In Anlehnung daran wird auch von der Einstellung für ein Produkt gesprochen (vgl. z.B. Wilkie/Pessemier (1973)). In der Marketing-Literatur hat sich der Begriff der Präferenz, gemessen durch den Nutzen, durchgesetzt und wird im folgenden angewendet.Google Scholar
  5. 38.
    Die formale Darstellung ist angelehnt an Jain/Mahajan/Malhotra (1979), S. 248.Google Scholar
  6. 39.
    Zur Definition der Teilnutzenwerte vgl. Thomas (1979), S. 199.Google Scholar
  7. 40.
    Eine sehr gute Gegenüberstellung linearer und nicht-linearer Präferenzmodelle findet sich bei Reiners (1996), S. 58 f.Google Scholar
  8. 41.
    Für die formale Darstellung impliziert dies, daß in Formel (1) der Index k für die Ausprägung der j-ten Eigenschaft entfällt. Vgl. hierzu auch die Darstellung bei Wilkie/Pessemier (1973), S. 429.Google Scholar
  9. 42.
    Jain/Mahajan/Malhotra (1979), S. 248 sprechen bei dieser vereinfachten Form von dem traditionellen kompositioneilen Modell.Google Scholar
  10. 43.
    Das Direct-Ratio-Verfahren entspricht der vorgestellten traditionellen Form der Self-Explicated-Methode.Google Scholar
  11. 44.
    Vgl. Eisenführ/Weber (1994), S. 128 f.Google Scholar
  12. 45.
    Das Prinzip der Bandbreitensensitivität besagt, daß die Bedeutung einer Eigenschaft von den Bandbreiten der jeweiligen Eigenschaftsausprägungen abhängt (vgl. Fischer (1995), S. 252). Dementsprechend muß sich eine Änderung der Bandbreite der Eigenschaftsausprägungen im entsprechenden Verhältnis auf das Gewicht dieser Eigenschaft auswirken. Ein Bandbreiteneffekt liegt dann vor, wenn die tatsächliche Variation des Bedeutungsgewichtes stark von der theoretisch geforderten Variation abweicht. In diesem Fall ist der Entscheider nicht in der Lage, die Bedeutungsgewichte konsistent zu ermitteln (vgl. von Nitzsch/Weber (1991), S. 972). Da bei dieser traditionellen Variante der kompositioneilen Modelle die Wichtigkeit unabhängig von den Eigenschaftsausprägungen abgefragt wird, ist die Problematik der Bandbreitensensitivität von zentraler Bedeutung. Zur Bandbreitensensitivität der verschiedenen Verfahren zur Präferenzmessung vgl. Sattler/Gedenk/Hensel-Börner (2000).Google Scholar
  13. 46.
    Vgl. Green/Srinivasan (1990), S. 9.Google Scholar
  14. Zum Ablauf der Adaptive Conjoint Analysis vgl. Kapitel 3.3 dieser Arbeit.Google Scholar
  15. 48.
    Vgl. Srinivasan (1988), S. 296.Google Scholar
  16. 49.
    Vgl. Green/Krieger/Agarwal (1993), S. 373.Google Scholar
  17. 50.
    Zur Conjunctive-Compensatory Self-Explicated-Methode vgl. Srinivasan (1988).Google Scholar
  18. 51.
    Vgl. Dorsch/Teas (1992), S. 38 f.Google Scholar
  19. 52.
    Vgl. Agarwal/Green (1991), S. 145.Google Scholar
  20. 53.
    Vgl. Green/Krieger/Agarwal (1993), S. 378.Google Scholar
  21. 54.
    Vgl. Srinivasan (1988), S. 304.Google Scholar
  22. 55.
    Zitiert nach Dorsch/Teas (1992), S. 39.Google Scholar
  23. 56.
    Vgl. Mehta/Moore/Pavia (1992), S. 473 f.Google Scholar
  24. 57.
    Vgl. Green/Srinivasan (1978), S. 104.Google Scholar
  25. 58.
    Vgl. Stallmeier (1993), S. 11.Google Scholar
  26. 59.
    Es sei darauf hingewiesen, daß auch an dieser Stelle die Annahme eines additiven Modells nicht zwingend ist. Prinzipiell sind ebenso nicht-lineare Modelle einsetzbar. Das additive Modell wird jedoch vor allem aufgrund seiner Robustheit und einfachen Handhabung bei der Schätzung am häufigsten angewendet (vgl. u.a. Backhaus et al. (1996), S. 509 und Reiners(1996), S. 59).Google Scholar
  27. 60.
    Vgl. Jain/Mahajan/Malhotra (1979), S. 249.Google Scholar
  28. 61.
    Zur formalen Darstellung des additiven Modells im Rahmen der Conjoint-Analyse vgl. auch Vriens(1995), S. 9.Google Scholar
  29. 62.
    Der zweite große Bereich dekompositioneller Verfahren wird unter dem Begriff Multidimensionale Skalierung (MDS) subsumiert (vgl. Herrmann/Schmidt-Gallas/Huber (2000), S. 255). Die Besonderheit der MDS im Vergleich zur Conjoint-Analyse besteht darin, daß die Eigenschaften der zu beurteilenden Produktkonzepte nicht a priori festgelegt werden müssen, sondern nachträglich auf Basis subjektiver Ähnlichkeitsurteile abgeleitet werden (vgl. Backhaus et al. (1996), S. 433.Google Scholar
  30. 63.
    Die im Rahmen einer Conjoint-Analyse zu beurteilenden Produktbeschreibungen werden üblicherweise als Stimuli bezeichnet.Google Scholar
  31. 64.
    Eine alternative Systematisierung der Bewertungsformen in “qualitative” und quantitative” Ansätze schlägt Stallmeier (1993) S. 57 ff. vor.Google Scholar
  32. 65.
    Vgl. hierzu die Abiaufschritte einer Conjoint-Analyse nach Green/Srinivasan (1978) S. 105 bzw. (1990) S. 5.Google Scholar
  33. 66.
    Bei der Präsentationsform der Produktbeschreibungen kann zwischen verbaler, bildlicher und multimedialer Darstellung variiert werden. Des weiteren können den Probanden reale Produkte zur Beurteilung vorgelegt werden. Einen Überblick zu empirischen Untersuchungen, die den Einfluß der Präsentationsform auf die Validität von Conjoint-Analysen überprüfen, geben Ernst/Sattler (2000). Die Variationsmöglichkeiten bei der Präsentationsform werden im Rahmen dieser Arbeit nicht weiter berücksichtigt, da sie für die hier behandelte Fragestellung keine entscheidende Rolle spielen.Google Scholar
  34. 67.
    Vgl. Green/Srinivasan (1990), S. 8.Google Scholar
  35. 68.
    Green/Srinivasan (1978), S. 109 nennen als Obergrenze 30 Stimuli, um die Probanden kognitiv nicht zu überlasten. Louviere/Gaeth (1988), S. 60 nennen mit 32 Stimuli eine entsprechende Größenordnung.Google Scholar
  36. 69.
    Ein vollständiges Design umfaßt alle konstruierbaren Eigenschaftskombinationen bei gegebener Anzahl an Eigenschaften und deren Ausprägungen.Google Scholar
  37. 70.
    Da die Gestaltung und Fraktionierung der Designs jedoch nicht Kern der vorliegenden Arbeit sind, wird zu dieser Problematik auf die Literatur verwiesen. So führt Stallmeier (1993) beispielsweise explizit eine Simulationsanalyse zum Einfluß der Untersuchungsdesigns auf die Ergebnisstabilität der Conjoint-Analyse durch.Google Scholar
  38. 71.
    Vgl. Schweikl (1985), hier: S. 111.Google Scholar
  39. 72.
    Vgl. Boecker/Schweikl (1988), S. 15.Google Scholar
  40. 73.
    Vgl. Köcher (1997), S. 141.Google Scholar
  41. 74.
    Da sowohl Stallmeier (1993), S. 57–63 als auch Reiners (1996), S. 88–98 einen sehr umfassenden Überblick über Formen der Beurteilungsaufgabe geben, wird an dieser Stelle auf eine ausführliche Diskussion verzichtet und die angegebene Literatur empfohlen.Google Scholar
  42. 75.
    Vgl. Louviere/Fox/Moore (1993), S. 206.Google Scholar
  43. 76.
    Vgl. Reiners(1996), S.90.Google Scholar
  44. 77.
    Vgl. z.B. Leigh/MacKay/Summers (1984), S. 458. Die Anzahl der Skalenpunkte ist dabei selbstverständlich nicht fest vorgegeben.Google Scholar
  45. 78.
    Vgl. die Definition der Skalenpunkte bei Louviere/Gaeth (1988), S. 68.Google Scholar
  46. 79.
    Vgl. Huber et al.(1993), S. 108.Google Scholar
  47. 80.
    Der Reservationspreis für ein Produkt entspricht dem Preis, den ein Konsument für dieses Produkt maximal zu zahlen bereit ist. Dieser Preis entspricht gleichzeitig dem Nutzen für dieses Produkt bei dem entsprechenden Konsumenten (vgl. Kalish/Nelson (1991) S. 328). Zur Vorgehensweise beim Konstant-Summen-Verfahren vgl. z.B. Mahajan/Green/Goldberg(1982), S. 337.Google Scholar
  48. 82.
    Vgl. Stallmeier (1993), S. 57.Google Scholar
  49. 83.
    Vgl. hierzu Louviere/Gaeth (1988), S. 59; Oliphant et. al. (1992), S. 385 und Elrod/Louviere/Davey (1992), S. 368.Google Scholar
  50. 84.
    Vgl. Malhotra (1986), S. 34. Die Vorgehensweise von Malhotra stellt ein Beispiel für das oben beschriebene Category Assignment dar. Eine Besonderheit liegt darin, daß für die Stimuli, die für einen Kauf überhaupt nicht in Frage kommen, keine weiteren Präferenzurteile erhoben werden.Google Scholar
  51. 85.
    Vgl. Voeth/Hahn (1998), S. 120 f.Google Scholar
  52. 86.
    Vgl. Green/Srinivasan (1990), S. 9.Google Scholar
  53. 87.
    Nach Kenntnis der Autorin sind Studien von Rosko et al. (1985) und Baalbaki/Malhotra (1995) die einzigen Veröffentlichungen, in denen ein Bridging-Design angewendet wurde.Google Scholar
  54. 88.
    Zu den Grundlagen der Choice-Based Conjoint Analysis vgl. Batsell/Louviere (1991); Louviere (1988) und Louviere/Woodworth (1983).Google Scholar
  55. 89.
    Vgl. Weiber/Rosendahl (1997), S. 109.Google Scholar
  56. 90.
    Vgl. Oliphant et. al. (1992), S. 385.Google Scholar
  57. 91.
    Zu den Vorteilen von Choice-Experimenten vgl. z.B. Louviere/Gaeth (1988), S. 62.Google Scholar
  58. 92.
    Vgl. u.a. Louviere (1988), S. 99 und Elrod/Louviere/Davey (1992), S. 368.Google Scholar
  59. 93.
    Vgl. Oliphant et al. (1992), S. 393.Google Scholar
  60. Neuere Ansätze zur Berücksichtigung von Heterogenität in Choice-Experimenten werden u.a. von DeSarbo/Ramaswamy/Cohen (1995); Johnson (1997b) und Zwerina/Huber (1996) vorgeschlagen.Google Scholar
  61. 95.
    Vgl. Sawtooth Software (1995), S. 1.Google Scholar
  62. 96.
    Vgl. Elrod/Louviere/Davey (1992), S. 370.Google Scholar
  63. 97.
    Vgl. z.B. Leigh/MacKay/Summers (1984), S. 457 oder Stallmeier (1993), S. 221.Google Scholar
  64. 98.
    Vgl. Reynolds/Jolly (1980), S. 532.Google Scholar
  65. 99.
    Vgl. hierzu auch Reiners (1996), S. 93 und Louviere/Gaeth (1988), S. 63.Google Scholar
  66. 100.
    Zur Trade-Off-Methode vgl. insbesondere Johnson (1974).Google Scholar
  67. 101.
    Es sei darauf hingewiesen, daß auch bei den bereits diskutierten Varianten der Conjoint-Analyse nicht zwingend die Voll-Profil-Methode, d.h. die Beschreibung der Stimuli anhand sämtlicher Eigenschaften, eingesetzt werden muß. Auch hier ist eine Reduzierung der Eigenschaften prinzipiell möglich. Die Trade-Off-Methode ist dagegen dadurch gekennzeichnet, daß die Stimuli immer durch genau zwei Eigenschaften beschrieben werden.Google Scholar
  68. 102.
    Wittink/Cattin (1989) berichten, daß bei kommerziellen Conjoint-Studien in den USA in der Zeit von 1971–1980 in 27% aller Studien die Trade-Off-Methode eingesetzt wurde. Von 1981–1985 war dies nur noch in lediglich 6% der Anwendungen der Fall (vgl. Wittink/Cattin (1989), S. 93). Überraschenderweise können Wittink/Vriens/Burhenne (1994) bei einem entsprechenden Überblick mit 15% zwar über einen stärkeren Einsatz der Trade-Off-Methode bei kommerziellen Anwendungen in Europa berichten, jedoch liegt der Anteil auch hier niedriger als bei der Voll-Profil-Methode mit 24% (vgl. Wittink/Vriens/Burhenne (1994), S. 45). Johnson, auf den die Methode zurückgeführt werden kann, spricht selbst davon, daß die Trade-Off-Analyse in der praktischen Anwendung bereits “obsolet” geworden ist (zitiert nach Wittink/Vriens/Burhenne (1994), S. 45).Google Scholar
  69. 103.
    Zu unterschiedlichen Begriffsabgrenzungen der Gütemaße vgl. Bateson/Reibstein/Boulding(1987).Google Scholar
  70. 104.
    Zum Begriff der Reliability vgl. Hammann/Erichson (1994), S. 75 ff. und Böhler (1992), S. 102 ff.Google Scholar
  71. 105.
    Verschiedene Autoren sprechen ebenfalls von der Überprüfung der Reliabilität, sofern die Aufgabe mit derselben Datenerhebungsmethode aber unterschiedlichen Untersuchungsobjekten (Stimuli) wiederholt durchgeführt wird (vgl. u.a. Agarwal/Green (1991), S. 144). Entsprechend dieser weiten Begriffsabgrenzung müßten alle Tests auf Basis eines “Holdout-Sample” unter Reliabilitätsprüfungen subsumiert werden (vgl. Bateson/Reibstein/ Boulding (1987), S. 473). Dabei wird allerdings nicht die Korrespondenz eingesetzter Inputdaten überprüft, sondern es werden bereits Prognosen basierend auf den geschätzten Nutzenmodellen durchgeführt. Aus diesem Grund wird eine solche Vorgehensweise (insbesondere mit einem Holdout-Sample) im Rahmen dieser Arbeit als Überprüfung der Prognosegüte definiert.Google Scholar
  72. 106.
    Dabei werden auch die Studien herangezogen, bei denen ursprünglich die konvergierende Validität getestet wird. Eine Überprüfung der konvergierenden Validität impliziert einen entsprechenden Vergleich zwischen den Verfahren. Der Unterschied besteht lediglich in der Formulierung der Ausgangshypothese. In beiden Fällen wird getestet, ob Unterschiede zwischen den Ergebnissen alternativer Verfahren auftreten. Während bei der konvergierenden Validität keine Unterschiede erwartet werden. wird die Ausgangshypothese bei der diskriminierenden Validität genau umgekehrt formuliert. In diesem Fall wird vermutet, daß verschiedene Methoden der Präferenzmessung zu unterschiedlichen Ergebnissen führen. Entsprechend wird an dieser Stelle von diskriminierender Validität gesprochen.Google Scholar
  73. 107.
    Vgl. Green/Srinivasan (1978), S. 115.Google Scholar
  74. 108.
    Vgl. hierzu auch Baier/Säuberlich (1997), S. 968.Google Scholar
  75. 109.
    Von einem Holdout-Sample wird gesprochen, wenn unabhängig von der eigentlichen Befragungsmethode, Präferenzen für zusätzliche Stimuli erhoben werden. Die so erhobenen Präferenzdaten gehen nicht in die Schätzung der Nutzenwerte ein, sondern werden ausschließlich zur Validitätsprüfung herangezogen.Google Scholar
  76. 110.
    Green/Srinivasan (1978) sprechen in diesem Zusammenhang von Kreuzvalidierung (vgl. S. 115).Google Scholar
  77. 111.
    Vgl. hierzu auch Green/Srinivasan (1990), S. 13.Google Scholar
  78. 112.
    Vgl. z.B. Agarwal/Green(1991), S. 145, Huber et al. (1993), S. 110 und Johnson (1991), S. 223. Angemerkt sei, daß die Problematik des Reihenfolgeeffekts bei einen within-subject Design an Gewicht verliert, sofern zwischen den einzelnen Befragungsschritten eine ausreichend lange Zeitverzögerung auftritt (vgl. z.B. Huber/Herrmann/Gustafsson (2000), S. 191).Google Scholar
  79. 113.
    Die Adaptive Conjoint Analysis (ACA) stellt eines der hybriden Verfahren dar, die in Kapitel 2.4 betrachtet werden.Google Scholar
  80. 114.
    Vgl. Green/Krieger/Agarwal (1993), S. 378.Google Scholar
  81. 115.
    Eine Ausnahme bildet hierbei das Trade-Off-Verfahren, das der Grundidee der Conjoint-Analyse nur bedingt gerecht wird. Da die dekompositionelle Vorgehensweise im eigentlichen Sinn Gegenstand des folgenden Vergleichs ist, wird das Trade-Off-Verfahren als Variante der Conjoint-Analyse im Rahmen der theoretischen Diskussion ausgeklammert.Google Scholar
  82. 116.
    Zu den Vor- und Nachteilen der beiden Verfahren vgl. Green/Srinivasan (1990), S. 9 f.; Vriens (1995), S.7 und Sattler/Hensel-Börner (2000), S. 123 ff. Die folgenden Ausführungen beziehen sich, sofern nicht anders gekennzeichnet, auf diese Literaturangaben.Google Scholar
  83. 117.
    Einschränkend muß angemerkt werden. daß dieser Vorteil der Self-Explicated-Methode an Gewicht verliert, sofern bei der Conjoint-Analyse ein „Bridging”-Design angewendet wird. In diesem Fall kann auch bei der rein dekompositionellen Conjoint-Analyse eine größere Anzahl an Eigenschaften betrachtet werden.Google Scholar
  84. 118.
    Zur Anwendbarkeit der Verfahren bei Produkten mit hohem Innovationsgrad vgl. Clement (2000), S. 162 ff.Google Scholar
  85. 119.
    Srinivasan/Wyner (1989) schlagen mit CASEMAP eine computergestützte Self-Explicated-Methode vor, die explizit für den Einsatz bei Telefon interviews konzipiert wurde.Google Scholar
  86. 120.
    Es sei darauf hingewiesen, daß die Durchführung einer Conjoint-Analyse im Rahmen eines Telefoninterviews nicht prinzipiell ausgeschlossen ist. Sie ist dennoch auf den Einsatz von Paarvergleichen beschränkt, die zudem anhand möglichst weniger Eigenschaften beschrieben sein sollten (vgl. Moore (1992), S. 249). Diese Einschränkungen in der Konzeption des Conjoint-Interviews sind vermutlich entscheidendes Kriterium dafür, daß diese Interviewform in der kommerziellen Anwendung von Conjoint-Analysen eine sehr untergeordnete Rolle spielt (vgl. Wittink/Cattin (1989), S. 92 und Wittink/Vriens/Burhenne (1994), S. 44).Google Scholar
  87. 121.
    Mit dem Vorschlag von Srinivasan (1988), zunächst die wichtigste Eigenschaft zu identifizieren und diese als Ankerpunkt für die Wichtigkeit der anderen Eigenschaften zu verwenden, wird eine relative Bewertung aller Eigenschaften vorgenommen (vgl. Srinivasan (1988), S. 296). Die Eigenschaften werden bei dieser Variante der Self-Explicated-Methode nicht mehr völlig isoliert voneinander betrachtet und die damit verbundenen Nachteile teilweise reduziert.Google Scholar
  88. 122.
    Dies wird bereits in der Darstellung der Vor- und Nachteile der Self-Explicated-Methode der meisten Autoren deutlich. Während die Einfachheit der Methode als Hauptargument in einem einführenden Satz erwähnt wird, folgt daran eine umfassende Auflistung aller Nachteile der Methode (vgl. hierzu Green/Srinivasan (1990), S. 9 f. und Vriens (1995), S. 7).Google Scholar
  89. 123.
    Die Abgrenzung der Gütemaße wurde ebenfalls an der im Rahmen dieser Arbeit durchgeführten Untersuchung orientiert. Aus diesem Grund kann es bei der Systematisierung zu Abweichungen im Vergleich zu Sattler/Hensel-Börner (2000) kommen. Zur Abgrenzung der Gütemaße vgl. Kapitel 2.2.2.1.Google Scholar
  90. 124.
    Sofern einzelne Studien Ergebnisse zu verschiedenen Gütemaßen liefern, kann es zu Mehrfachnennung einer Studie in der Tabelle kommen.Google Scholar
  91. 125.
    Auf eine Hervorhebung dieser erwarteten Ergebnisse in Tabelle 2–3 wurde verzichtet, da lediglich die Befunde hinsichtlich der Prognosegüte verdeutlicht werden sollen.Google Scholar
  92. 126.
    Es sei an dieser Stelle angemerkt, daß ein Vergleich zwischen der Conjoint-Analyse mit der Self-Explicated-Methode, zumindest für letztgenannte, sogar über eine Prüfung der internen Validität im engeren Sinne hinausgeht. Für die Self-Explicated-Methode stellt dies bereits eine Prüfung der Prognosevalidität dar, da in den betrachteten Studien jeweils die beobachteten Präferenzen der Conjoint-Aufgabe prognostiziert wurden.Google Scholar
  93. 127.
    Vgl. hierzu die Studien von Huber/Danesghar/Ford (1971), Srinivasan (1988), Leigh/ MacKay/Summers (1984).Google Scholar
  94. 128.
    Nicht berücksichtigt in dieser Zusammenfassung sind die Vergleiche hinsichtlich der diskriminierenden Validität, da diese keinen direkten Vergleich zugunsten einer der beiden Methoden zulassen.Google Scholar
  95. 129.
    Die im Rahmen dieser Arbeit untersuchten Verfahren werden in Kapitel 3 ausführlich dargestellt.Google Scholar
  96. 130.
    Die Vor- und Nachteile der beiden unterschiedlichen Vorgehensweisen wurden in Kapitel 2.3.1 diskutiert.Google Scholar
  97. 131.
    Vgl. hierzu Kapitel 3.Google Scholar
  98. 132.
    Es sei zudem angemerkt, daß auch in der bisherigen Literatur diese Begriffe nicht eindeutig voneinander abgegrenzt sind. So wird beispielsweise die Vorgehensweise der Adaptive Conjoint Analysis (ACA) im Handbuch zur Software mit „...customizing the interviews for each respondent...” beschrieben (vgl. Metegrano (1994), S. 1–3).Google Scholar
  99. 133.
    Einen umfassenden Überblick zur Vorgehensweise hybrider Conjoint-Analysen gibt Green (1984).Google Scholar
  100. 134.
    Vgl. Green/Srinivasan (1990), S. 8.Google Scholar
  101. 135.
    Vgl. Green (1984), S. 156.Google Scholar
  102. 136.
    Das Hauptproblem einer großen Anzahl an Eigenschaften liegt darin, daß für die stabile Schätzung der Teilnutzenwerte sehr viele Stimuli konstruiert und damit auch bewertet werden müssen.Google Scholar
  103. 137.
    Vgl. Green/Goldberg/Montemayer (1981), S. 34.Google Scholar
  104. 138.
    Vgl. Hoepfl/Huber (1970), S. 411; Huber/Daneshgar/Ford (1971), S. 271. Zur Abgrenzung zwischen Huber- und Green-Hybrid vgl. auch Akaah/Korgaonkar (1983), S. 187 f.Google Scholar
  105. 139.
    Vgl. Moore/Gray-Lee/Louviere (1998), S. 197.Google Scholar
  106. 140.
    Eine ausführliche Darstellung der Schätzmodelle findet sich bei Green/Krieger (1996), S. 854 ff. und bei Baier/Säuberlich (1997), S. 955 ff.Google Scholar
  107. 141.
    Dieses Vorgehen ist ähnlich der von Schweikl (1985) vorgeschlagenen Idee zur Individualisierung der Conjoint-Analyse. Der wesentliche Unterschied besteht darin, daß es sich bei Schweikl nicht um ein hybrides Verfahren handelt, sondern lediglich nicht relevante Eigenschaften aus der weiteren Betrachtung ausgeschlossen werden. Informationen zu deren Bedeutung werden nicht mehr erhoben.Google Scholar
  108. 142.
    Vgl. Srinivasan/Park (1997), S. 287.Google Scholar
  109. 143.
    Carmone/Schaffer (1995), S. 117.Google Scholar
  110. 144.
    Wittink/Cattin (1989) berichten, daß nur in 10% aller kommerziellen Anwendungen in den USA Paarvergleiche eingesetzt werden. (vgl. Wittink/Cattin (1989), S. 93). In einer entsprechenden Untersuchung für Europa wird dieser Trend noch deutlicher. Lediglich in 4% bzw. 5% aller kommerziellen Conjoint-Studien kommen Paarvergleiche (abgesehen von der ACA) zum Einsatz (vgl. Wittink/Vriens/Burhenne (1994), S. 44).Google Scholar
  111. 145.
    Es sei darauf hingewiesen, daß Vergleiche zwischen alternativen Auswertungsmethoden wie sie z.B. von Green/Krieger (1996) durchgeführt werden. nicht Gegenstand der Betrachtung sind, da Schwerpunkt der vorliegenden Arbeit die Datenerhebungsmethode ist.Google Scholar
  112. 146.
    Vgl. Akaah/Korgaonkar (1983), S. 194.Google Scholar
  113. 147.
    Vgl. Pullman/Dodson/Moore (1999), S. 131.Google Scholar
  114. 148.
    Vgl. Hensel-Börner/Sattler (2000), S. 15 ff.Google Scholar
  115. 149.
    Vgl. hierzu die Ergebnisse von Green/Krieger/Agarwal (1991), Huber et al. (1993) oder Pullman/Dodson/Moore (1999). Bei diesen Studien fuhrt die Conjoint-Analyse zu signifikant besseren Ergebnissen als die ACA, obwohl 8, 9 bzw. 17 Eigenschaften berücksichtigt wurden. Pullman/Dodson/Moore (1999) können weiterhin zeigen, daß die Voll-Profil-Methode mit allen 17 Eigenschaften einer individualisierten Form, bei der lediglich die individuell wichtigsten 8 Eigenschaften bei der Stimulibeschreibung integriert werden. mit einer einzigen Ausnahme überlegen ist (vgl. Pullman/Dodson/Moore (1999), S. 131).Google Scholar
  116. 150.
    Vgl. Hensel-Börner/Sattler (2000), S. 13 ff.Google Scholar
  117. 151.
    Vgl. dazu Wittink/Cattin (1989) S. 93 als auch Wittink/Vriens/Burhenne (1994), S. 44. Des weiteren wird dies im Rahmen des Literaturüberblicks in Kapitel 2.2.2.2 deutlich. Tabelle 2–1 zeigt, daß nur bei 4 der 17 ausgewerteten Studien Paarvergleiche zum Untersuchungsgegenstand zählten.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden 2000

Authors and Affiliations

  • Susanne Hensel-Börner

There are no affiliations available

Personalised recommendations