Conjoint-Analyse für den Mittelstand: Was Kunden wirklich wollen
Fragen Sie Kunden direkt, was sie wollen, bekommen Sie sozial erwünschte Antworten. In einer Umfrage für einen Werkzeughersteller gaben 87 Prozent der Befragten an, dass Qualität das wichtigste Kaufkriterium sei. Preis landete auf Platz 4. Die Conjoint-Analyse, die parallel lief, zeigte ein anderes Bild: Im realen Trade-off entschieden sich 63 Prozent der Befragten für den günstigeren Satz, sobald der Preisaufschlag 14 Prozent überstieg. Die Diskrepanz zwischen Anspruch und Verhalten ist kein Einzelfall – sie ist das Kernproblem der direktiven Befragung.
Die Conjoint-Analyse ist ein dekompositionelles Verfahren der Präferenzmessung. Der Proband bewertet keine einzelnen Attribute, sondern ganze Produktprofile. Aus der Gesamtbewertung werden mathematisch die Teilnutzenwerte der Einzelmerkmale geschätzt – in der Regel über ein logistisches Regressionsmodell (Hierarchical Bayes für moderne Anwendungen). Das erlaubt die Berechnung des relativen Einflusses jedes Attributs auf die Kaufentscheidung. Anders als die direkte Frage (Wie wichtig ist Ihnen Attribut X?) zwingt die Conjoint-Analyse zum Trade-off. Und Trade-offs sind das, was Kunden im echten Kaufprozess treffen.
Zwei Verfahren dominieren: Die traditionelle Conjoint-Analyse (vollständiges Profil, Ranking oder Rating) und die Adaptive Conjoint-Analyse (ACA), die sich beim B2B mit vielen Attributen bewährt hat. Für die Preisoptimierung eignet sich die Choice-Based Conjoint (CBC): Der Proband wählt wiederholt zwischen zwei oder drei Produktprofilen und einer Keine-Kauf-Option. Aus den Wahlentscheidungen wird die Preiselastizität modelliert. Ein typisches CBC-Projekt im B2B-Bereich: n=200, 12 Choice-Sets pro Befragung, 12 bis 15 Minuten Fragebogenlänge.
Die Kosten einer Conjoint-Analyse liegen zwischen 30.000 und 70.000 Euro – abhängig von Stichprobengröße, Anzahl der Attribute und Auswertungstiefe. Für die B2C-Variante mit n=1.000 Teilnehmern bei 15 Minuten Befragungsdauer: etwa 35.000 bis 50.000 Euro reine Feldkosten inklusive Panel-Gebühren. Die Entwicklung des Studiendesigns erfordert 1 bis 2 Wochen, die Feldphase 2 bis 3 Wochen, die Analyse und Berichterstattung 1 bis 2 Wochen. Gesamtlaufzeit: 4 bis 7 Wochen.
Das Kano-Modell ergänzt die Conjoint-Analyse sinnvoll. Während die Conjoint-Analyse die relative Wichtigkeit von Attributen misst, unterscheidet das Kano-Modell zwischen Basismerkmalen (Grundnutzen, selbstverständlich), Leistungsmerkmalen (je mehr, desto besser) und Begeisterungsmerkmalen (unerwartet, hohe Hebelwirkung). Ein Feature, das in der Conjoint-Analyse niedrig bewertet wird, könnte im Kano-Modell ein Begeisterungsmerkmal sein – das in der Markteinführung für Aufmerksamkeit sorgt, aber langfristig zum Standard wird.
MaxDiff (Maximum Difference Scaling) ist eine Alternative für die reine Priorisierung – etwa bei der Frage: Welche Produkteigenschaft ist Ihnen am wichtigsten, welche am unwichtigsten? MaxDiff liefert stabilere Ergebnisse als reine Ratingskalen, weil die Probanden nicht zentrieren können (alle vier oder fünf auf einer Fünfer-Skala). GoKanB setzt MaxDiff ein, wenn die Anzahl der Attribute zu groß für eine Conjoint-Analyse ist (10 bis 30 Items) und die Trade-off-Information auf Priorisierungsebene ausreicht.
Häufiger Fehler im Mittelstand: zu viele Attribute. Eine Conjoint-Analyse mit mehr als 6 bis 8 Attributen überfordert die Probanden. Die Folge: Hälfte der Befragungen ist ungültig, Datenrauschen dominiert. Die Faustregel: maximal 6 Attribute, jedes mit 2 bis 4 Ausprägungen. Für den B2B-Bereich mit komplexen Produkten kann die Adaptive Conjoint-Analyse bis zu 10 Attribute verarbeiten – allerdings mit höheren Anforderungen an die Stichprobengröße (n größer/gleich 300).
Ein weiteres Risiko: die qualitative Vorstudie wird übersprungen. Die Attribute und Ausprägungen einer Conjoint-Analyse müssen auf empirischer Basis definiert werden – aus Tiefeninterviews mit Kunden (n=12 bis 15). Fehlt diese Phase, spielen Sie Attribute ein, die der Markt für irrelevant hält. GoKanB kombiniert in jedem Conjoint-Projekt qualitative Exploration (Tiefeninterviews, n=12 bis 15) mit quantitativer Präferenzmessung (Conjoint, n=200 bis 500). Das Ergebnis: attributive Validität statt Anwendungsleere.
Die Conjoint-Analyse ist kein Allheilmittel. Sie misst Präferenzen, nicht Kaufverhalten. Die Diskrepanz zwischen gemessener Präferenz und tatsächlichem Kaufverhalten beträgt je nach Produktkategorie 15 bis 30 Prozent – aber das ist weniger als die 40 bis 60 Prozent Abweichung bei direkter Befragung. Für Entscheidungen über Produktfeatures, Preispunkte und Markteinführungsstrategien liefert sie die valideste verfügbare Datenbasis. Fragen Sie Ihren Berater nach der Methode der Nutzenmessung – und ob die Attribute aus Primärforschung abgeleitet sind oder aus dem internen Meeting-Raum.