Um Informationen für die Produktentwicklung, Preisgestaltung und Marktkommunikation zu erhalten, müssen Unternehmen wissen, wie gut bestimmte Funktionen und Preisniveaus Kaufentscheidungen fördern oder verhindern.
Ein Jahr vor der Markteinführung unterzogen wir den Apple Vision Pro dem Implicit Intelligence-Forschungsprozess, weil er die Grenzen der traditionellen Forschungsansätze sprengte. Zunächst einmal eröffnet dieses Apple-Produkt eine neue Kategorie, und es gab nur ein anderes Produkt auf dem Markt, das als Referenzpunkt dienen konnte (Metas VR-Brille) – wie sollte man damit eine Conjoint erstellen? Erschwerend kommt hinzu, dass die Anzahl der zu bewertenden wesentlichen Merkmale den Rahmen eines vernünftigen Conjoint-Ansatzes sprengen würde.
Die von uns getesteten Funktionen waren: räumliche Benutzeroberfläche, intuitive Steuerung durch Augen, Gesten und Sprache, Integration der physischen Umgebung in die Benutzeroberfläche, die Augen des Benutzers sind für andere sichtbar, ultrahochauflösendes Display, unendlicher Arbeitsbereich, 3D-Fotos und -Videos, räumliche Videotelefonie, hochwertiges Gehäuse aus Aluminium und Glas, 3D-Video, Spiele und Live-Events, App-Store mit vielen 3D-Spielen und -Filmen, 2 Stunden lange Akkulaufzeit.
Es gab auch Bedenken, ob eine einfache Aufzählung von Merkmalen (die Art und Weise, wie Conjoint ein Produkt darstellt) gut genug vermitteln könnte, worum es bei dem Produkt wirklich geht.
Eine internationale Schuhmarke wollte ihre sechs wichtigsten Produkte neu positionieren und auszeichnen und die Rolle der Hauptmerkmale verstehen.
Hier ist eine Liste von 30 Merkmalen, die für das Marketingteam wichtig waren: Bodenhaftung, Outdoor-tauglich, Fußgewölbeunterstützung, leicht, beliebte Marke, bequem, handwerkliches Können, wasserabweisend, wasserdicht, attraktives Design, ermüdungshemmend, einfach zu kombinieren, gepolstert, alltagstauglich, für viele Gelegenheiten geeignet, gepolsterter Kragen, handgenähte Konstruktion, hochwertiges Leder, gute Passform, warm, hochwertige Konstruktion, ikonisches Design, wandertauglich, Gummilaufsohle, atmungsaktiv, isoliert, nachhaltige Materialien, langlebig
Nicht nur die Anzahl der Merkmale war eine Herausforderung für das Team, auch die Annahme, dass es sich um Konkurrenzprodukte handelt, erschien dem Team unrealistisch. Die Produkte werden meist in Markengeschäften verkauft, wo es nur interne Konkurrenz gibt, während in Internetshops die Konkurrenz fast unbegrenzt ist. Zumindest gibt es keine klare, genau definierte Gruppe von Wettbewerbern, die eine typische Kaufentscheidung realistisch abbilden würde.
Eine Bank plante, die von ihr angebotenen Kreditkarten in Kontopläne umzuwandeln. Dadurch würden sich nicht nur die Merkmale, sondern auch die monatliche Kartengebühr ändern. Es war nicht klar, wie die Änderung beworben werden sollte und wie der Preis zu gestalten war. Da es sich bei den potenziellen Kunden um ihre eigenen Kunden handelte, war es nicht einfach, eine wettbewerbsfähige Conjoint-Aufgabe zu strukturieren.
Darüber hinaus gingen die interessierenden Funktionen weit über den Rahmen des Conjoint hinaus: Weltweit akzeptiert, Apple Pay unterstützt, eCommerce-Zahlungen, volle Ausgabenkontrolle, 2-Faktor-Authentifizierung, PIN nach Wahl, Betragsreservierung (z.B. in Hotels), Bargeld an HVB-Geldautomaten, Betrugsprävention, Selbstbedienungsfunktion, PIN-Änderung online, Google Pay unterstützt, virtuelle Kreditkarten, App-Push-Benachrichtigung statt SMS, Bestellsperre & Limits online, Geld an Freunde senden, verzögerte Kontoabbuchung, sofortige Kontoabbuchung.
Das Aufkommen der Conjoint-Messung bringt einen großen Vorteil mit sich. Der Ansatz strukturiert eine Auswahlaufgabe so, dass es für die Befragten schwierig wird, die Aufgabe rational zu lösen. Es zwingt sie dazu, einen Teil ihres Bauchgefühls oder ihrer Intuition zu benutzen, wie im wirklichen Leben.
Dieser Vorteil verschwindet allerdings, wenn die Anzahl der Merkmale zu gering ist. Wenn Sie sich typische Conjoint-Studien ansehen, werden Sie feststellen, dass dort oft nur zwei oder drei Merkmale verwendet werden. Zu oft werden nur Preis und Marke verwendet.
Die ursprüngliche Conjoint-Messung aus den 70er Jahren wird kaum noch verwendet. Meistens wird von den Marktforschungsinstituten das Choice Based Conjoint (Discrete Choice Modeling) angeboten. Auch hier gibt es eine breite Palette von Anwendungen. Mit oder ohne Nicht-Option? Summen- oder Choice-basiertes Conjoint? Limit oder HB Conjoint? Conjoint erfordert viel Erfahrung, sowohl beim Aufbau als auch bei der Analyse.
Die Grenzen des Ansatzes sind bereits in den obigen Beispielen deutlich geworden:
MaxDiff ist ein Umfrageverfahren, bei dem nach Präferenzen für alle Merkmalspaare in der Merkmalsmenge gefragt wird. Auf dieser Grundlage wird eine Rangfolge der Wichtigkeit errechnet. Dieser Ansatz wird in der Regel empfohlen, wenn die Anzahl der Merkmale die Möglichkeiten von Conjoint übersteigt.
Obwohl es sich um eine praktische und nützliche Methode handelt, die das Conjoint-Verfahren gut ergänzt, hat sie doch ihre eigenen ernsthaften Einschränkungen:
95 % einer Kaufentscheidung (B2C und B2B) werden durch unbewusste, implizite Assoziationen bestimmt, die innerhalb von Millisekunden nach einer Produktpräsentation auftreten. Während es Sekunden dauert, sich eine rationale Meinung zu bilden, steuert unser unmittelbares Bauchgefühl, wie wir Informationen rational verarbeiten und auf welche Informationen wir uns konzentrieren. Dies gilt auch für die Preiswahrnehmung selbst. Das Bauchgefühl“ sagt uns, ob ein Preis zu hoch oder zu niedrig ist, unabhängig davon, welches Preiswissen wir tatsächlich haben. Die Entfesselung dieser impliziten Assoziation ist der Schlüssel zu einer zuverlässigen Schätzung der Preisnachfragefunktion und der Wahrnehmung von Produkteigenschaften.
Das ist es, was Implizite Intelligenz leistet. Der Name rührt daher, dass der Ansatz implizite Forschung (eine Form des Impliziten Assoziationstests – IAT) mit künstlicher Intelligenz (insbesondere kausaler KI) kombiniert.
Diese KI wird auf zwei Arten eingesetzt: Erstens eliminiert sie die Verzerrungen der Umfrage, die durch die Preisankereffekte der höchsten und niedrigsten getesteten Preispunkte entstehen. Zweitens dient die KI als moderne Treiberanalyse, die Aufschluss über die Hebelwirkung gibt, die eine Verbesserung der Wahrnehmung eines Merkmals haben würde.
Dies ist der genaue Ablauf der Methode
Je nach Anzahl der Merkmale dauert das Ausfüllen des Fragebogens in der Regel 7 bis 10 Minuten. Damit ist er für die Befragten nicht anspruchsvoller als Conjoint-Fragebögen.
Der implizite Preisakzeptanztest ist tatsächlich ein genaues Maß für die Kauf- und Zahlungsbereitschaft (bei einem bestimmten Preis). Die Causal Driver Analysis kann diese Informationen nun als ultimative Zielvariable nutzen. Sie liefert sogar sieben Datenpunkte und Facetten der Kaufabsicht, was die ganze Übung statistisch sehr robust macht.
Durch die Verknüpfung verschiedener Bewertungsübungen wie Feature Assessment, Brand Architype Assessment oder sogar Touchpoint Contact Assessment können wir die Auswirkungen von Features, Architype oder Touchpoints auf die Kaufentscheidung verstehen. Und das alles in einer einzigen Übung.
Die Preisnachfragefunktion ist über ein Dashboard zugänglich. Mit Schiebereglern kann der Benutzer Annahmen für die Kosten der verkauften Ware, die Mehrwertsteuer und die Handelsspanne machen. Mit diesen Eingaben zeigt das Dashboard, wie der Gewinn der Marke von der Preisgestaltung abhängt. Dies ermöglicht es Marken, Entscheidungen zur Gewinnmaximierung zu treffen.
Das Focus View Dashboard stellt die „Wichtigkeit des Vorhandenseins“ (abgeleitet von Implicit MaxDiff) dem „Hebel zur Verbesserung“ (Ergebnis der Causal AI Driver Analysis) gegenüber. Das Beispiel hier zeigt die verschiedenen Funktionen des Apple Vision Pro. Spannende Erkenntnisse sind hier, dass Merkmale wie „ultrahohe Bildschirmauflösung“ und „2h Akkulaufzeit“ sehr wichtig sind, es aber keinen Hebel gibt, um sie zu verbessern. Das zeigt, dass es keinen Grund gibt, sie zu verbessern, auch wenn sie „sehr wichtig“ sind.
Das Improve View Dashboard zeigt die 12 Merkmale (blau) und die acht häufigsten Hindernisse für die Einführung von Innovationen (grün) in einem Matrixdiagramm, das den „Hebel der Verbesserung“ der tatsächlichen Wahrnehmung (Leistung) der Merkmale gegenüberstellt. Die Analyse zeigt, dass die Funktionen „3D-Video, Spiele und Live-Events“ und „intuitive Steuerung mit Augen, Gesten und Sprache“ einen großen Hebel haben, aber in der Realität zweifeln die Interessenten an der Fähigkeit des Produkts, sie zu erfüllen. Dies sind die Kernbereiche, die Apple in seinen Kommunikationsbemühungen ansprechen muss, um die Markteinführung zu einem Erfolg zu machen.
Was die Plattform nicht bietet, ist eine Marktsimulation – eine Funktion, die viele Conjoint-Softwarelösungen anbieten. Eine solche Simulation erfordert die Bewertung einer Reihe von Konkurrenzprodukten.
Wenn sich Marken dafür entscheiden, Wettbewerbsprodukte durch den impliziten Intelligenztest zu führen, führen wir von Success Drivers eine Marktsimulation außerhalb des Tools durch. Bei regelmäßigem Bedarf können wir diese Funktion in supra.tools implementieren.
In der sich wandelnden Landschaft der Marktforschung war die traditionelle Conjoint-Analyse lange Zeit die bevorzugte Methode zur Produkt- und Preisoptimierung. Wir stellen jedoch einen bahnbrechenden Ansatz, Implicit Intelligence, vor, der verspricht, die Fähigkeiten der Conjoint-Analyse zu übertreffen. In dem Artikel werden die Grenzen der Conjoint-Analyse erörtert, wie z. B. ihre Unfähigkeit, eine große Anzahl von Produktmerkmalen zu verarbeiten, realistische Produktbeschreibungen zu liefern und die Preiselastizität genau zu messen. Diese Einschränkungen führen häufig zu verzerrten Ergebnissen und einer geringeren Vorhersagekraft.
Implicit Intelligence bietet eine Lösung, indem es sich die unbewussten, schnellen Assoziationen zunutze macht, die Verbraucher mit Produkten verbinden. Es integriert Implizite Assoziationstests (IAT) mit künstlicher Intelligenz, insbesondere kausaler KI, um die Verzerrungen und Einschränkungen herkömmlicher Umfragemethoden zu überwinden. Durch die Erfassung instinktiver Reaktionen auf Produkteigenschaften und Preise liefert es ein genaueres Bild des Verbraucherverhaltens und der Präferenzen.
Der Implicit-Intelligence-Prozess umfasst mehrere Schritte, darunter detaillierte Produkteinführungen, die Bewertung der Bedeutung von Preis und Merkmalen durch IAT und die Kontrolle externer Kauffaktoren. Dieser Ansatz misst nicht nur die absolute Wichtigkeit von Merkmalen (im Gegensatz zu MaxDiff, das die relative Wichtigkeit misst), sondern ermöglicht auch eine Kausalanalyse, um die Auswirkungen einer verbesserten Merkmalswahrnehmung zu verstehen.
Wir haben auch die praktischen Anwendungen von Implicit Intelligence hervorgehoben, mit Erkenntnissen aus dem Testen von Produkten wie dem Apple Vision Pro. Die Methode bietet detaillierte Dashboards zur Analyse der Preisnachfragefunktionen, der Bedeutung und des Potenzials für die Verbesserung von Merkmalen und identifiziert Bereiche für Kommunikationsmaßnahmen zur Verbesserung des Erfolgs bei der Produkteinführung.
In my email newsletter “Pricing Insights” I cover the whole range of pricing insights solutions-from Garbor Granger to Conjoint, from NeuroPricing to Pricing Software Systems. I describe the application in various fields from new product pricing to promotion, from brand premium to feature pricing.
Keep up to date here.