Supra

May 12, 2022

Conjoint-Befragungen für Pricing von Konsumgütern: Warum, wann und welche Conjoint-Analyse sinnvoll ist

Frank Buckler

Co-Founder, Supra.tools

"Conjoint" ist zum Synonym für qualitativ hochwertige Preisfindungsbemühungen geworden. Aber wie jedes „Shiny Object“ hat auch dieses seine Ecken und Kanten und „hässliche Stellen“. Lassen Sie mich einen objektiven Blick auf die Anwendungen, Vor- und Nachteile der verschiedenen Conjoint-Methoden und Alternativen werfen.

Mein Ziel: Sie verstehen wann Conjoint-Analysen sinnvoll sein können, welche Methodik zu wählen ist und wann Sie besser auf Alternativen ausweichen.

In der Geschichte des Pricing gibt es seit jeher zwei Vorgehensweisen. Die erste ist es Preise am Markt zu beobachten und sie dabei mit dem resultierenden Abverkauf in Verbindung zu setzen. Ein Teil davon sind Preisexperimente im Markt. 

Die zweite Vorgehensweise ist die Befragung. Marketers fragen sich und ihre potentiellen Kunden seit jeher „Was wärst Du breit zu zahlen?“. 

Neben diesem qualitativen Vorgehen, indem man ein „Gefühl für den Markt“ in offene Gesprächen zu bekommen sucht, gibt es quantitative Methoden. 

Die Garbor-Granger Methoden und das Van-Westendorp Price-Sensitivity-Meter sind die bekanntesten direkten Befragungsmethoden.   

Sie sind einfach und kostengünstig durchzuführen. Doch ihre Validität ist durch diverse Verzerrungseffekte beeinträchtigt. 

  • Interessengeleitet: Als Teil der Zielgruppe haben Befragte andere Interessen als Sie als Firma. Das unausgesprochene Interesse besteht darin ein gutes Produkt zu einem günstigen Preis zu erhalten oder anderen Konsumenten ein solches zu ermöglichen. Meist sind diese Interessen unbewusst. Dennoch -oder gerade deswegen- steuern sie maßgeblich unser Denken.

  • Begrenzte Selbst-Einsicht: Die Kaufentscheidung hat unbewusste Facetten. Die Bedeutung der Marke ist ein zentraler Beleg. Bei objektiv gleicher Qualität präferieren viele Konsumenten dennoch bestimmte Marken und entwickeln eine Zahlungsbereitschaft für das aufgedruckte Markensymbol. Vieles davon ist unbewusst und wenn es bewusst wird, finden Konsumenten Begründungen, die ihr Verhalten rational erscheinen lassen.

  • Fehlende Realitätsnähe: Die größte Realitätsnähe hat das Experiment. Einen Konsumenten zu fragen, „was wärst Du bereit zu zahlen“ verlangt ihm ab mental ein realistisches Experiment zu simulieren. Eine Annahme, die in der Regel nicht aufgeht. 


Die Conjoint-Analyse versucht die Probleme klassischer Befragungsmethoden zu.

Das kann die Conjoint Analyse leisten

Die Conjoint Analyse ist in den 1970er Jahren entstanden und wird seit dem stetig weiterentwickelt. Sie verbessert die Validitätsprobleme klassischer Methoden indem sie 

  • Realitätsnäher ist: Conjoint fragt nicht nach Preisen, oder die Bewertung von Preisen. Conjoint bittet, um die Bewertung von Produkt-Preis-Kombinationen, die wechselnd neu zusammengestellt werden.  

  • Unbewusste Entscheidungsmuster aufdeckt: Conjoint analysiert die unbekannte Black-Box zwischen Stimulus und Produkt-Präferenz. Es wird also nicht vom Befragten verlangt, dass er diese kennt. 

  • Produkteigenschaften bewertet und bepreist: Damit ermöglicht die Conjoint Analyse nicht nur die Validierung von Preispunkten, sondern ebenfalls die von Features und Preisbereitschaft für die Marke. 


In viele Studien konnte gezeigt werden, dass Conjoint oft validere Ergebnisse liefert als eine direkte Preisabfrage. Dennoch kommt es sehr auf die Auswahl der geeigneten Methoden und seiner Parametrisierung an.
 

Conjoint im Praxis-Einsatz

DELL war eines der ersten Unternehmen, das die Vorzüge von Conjoint für sich genutzt hat. Die Analyse erfolgte in fünf Schritten. 

1. Methode wählen 

Dell wählte unter den verfügbaren Methoden eine Art des Conjoint, wo der Befragte gebeten wird eine (hypothetische) Kaufentscheidung zu treffen (Choice-based Conjoint). Zudem wurde die Methode so eingestellt, dass eine Entscheidungsoption die „NONE“ Option ist, bei der der Befragte sich nicht entscheidet. 

2. Features wählen 

Im zweiten Schritt werden die wichtigsten Produkteigenschaften festgelegt. Dazu gehören der Preis und die Marke. Des weiteren sind es im PC Bereich die Prozessorgeschwindigkeit sowie der Speicherplatz. Bei den meisten Produkten ließe sich die Liste der Features theoretisch bis ins „Unendliche“ treiben. Conjoint verlangt jedoch eine Fokussierung auf wenige wichtige Features. Zum einen würde die Wahlentscheidung sonst zu lange dauern und die Befragten dazu neigen wahllos zu antworten. Weiterhin steigt mit jedem Feature der Bedarf an einer größeren Stichprobe. 

3. Levels wählen 

Als Drittes werden zu jedem Feature alle möglichen Ausprägungen definiert. Als Marken wurden die damaligen Mitbewerber HP, Sony, und eine NoName-Variante definiert. Als Speicherplatz verschiedene Ausprägungen von RAM und Festplattengrößen. Für das Pricing ist es nun zentral hier die richtigen Preispunkte festzulegen. Die Preispunkte sollten in gleichen Abstand zueinander stehen. Die Preisrange sollte größer sein, als man es für eigentlich sinnvoll erachtet. Preisschwellen (99er Preise) sollte wie in der gängigen Retail-Praxis gewählt werden. 

4. Durchführung 

Für die Befragung muss die Anzahl der Befragten und die Anzahl der Choice-Tasks je Befragten definiert werden. Bei DELL waren 200 Befragte bei 10 Choice-Tasks ausreichend. 

In dem Choice-Task werden verschiedene Produkt-Set dargestellt. Kein Befragter sieht genau die gleichen Sets. Die Variation der Levelausprägungen erfolgt nach bestimmten Methoden, die je Conjoint sich unterscheiden.  

Grundsätzlich unterscheidet man zwei Arten 

  • Zufallsdesign: Die Features werden zufällig ausgewählt und bei genügend großer Stichprobe kann davon ausgegangen werden, dass alle relevanten Konstellationen durchgespielt werden. Das Zufallsdesign ist nicht sehr effizient (man braucht mehr Stichprobe) jedoch ist es dadurch möglich, beliebige Feature-Interaktionen zu modellieren. 

  • Orthogonales Design: Hiermit kann mit der geringsten Anzahl an Tasks die Nutzenwerte berechnet werden. Dabei existiert zu jedem Produkt-Set ein weiteres Produkt-Set, dass sich in nur einem einzigen Level unterscheidet (es ist „orthogonal“ zum Original).  


DELL wandte das Zufallsdesign an, was für Choice-based-Conjoint die gängige Methode darstellt.
 

5. Nutzenwerte und Marktsimulation 

Das Ergebnis der Conjoint-Analyse sind sogenannte „Nutzen-Werte“, die für jede Ausprägung jedes Features berechnet wird. Positive Nutzen-Werte steigern die Kaufbereitschaft und negative senken diese.  

Daraus allein kann noch nicht geschlossen werden, wie erfolgreich ein Produkt sein wird, noch welchen Absatz bestimmte Preise versprechen lassen. 

Dazu muss im Nachgang eine sogenannte Marktsimulation erstellt werden.  

Dell stellte dazu die Produkte des Wettbewerbs mit Hilfe der Features und deren Marktpreisen zusammen. Die Nutzen-Werte aller Ausprägungen lassen sich für jedes Produkt zusammenzählen, sodass sich ein Gesamtnutzen ergibt. Die Simulation nimmt an, dass der Marktanteil sich analog dieses Gesamtnutzens und in Relation zu den Nutzenwerten des Wettbewerbs ergeben wird.  

Durch das Durchspielen aller Preis-Levels erzeugte DELL nun eine Preis-Absatz-Funktion. Jedem Preis-Level für das eigene Produkt stand ein Marktanteil gegenüber. 

Multipliziert man den Marktanteil (oder die Stückzahl) mit dem Preis, so erhält man den Umsatz. 

Von diesem Umsatz zieht man Herstellungskosten und Retail-Marge ab und erhält so die Preis-Profit-Funktion aus der sich visuell das Optimum ergibt. 

Für DELL wurde klar, dass ihr Marke im Vergleich sehr schwach war und ausgebaut werden musste. Es ergab sich in der Optimierung ein sehr geringer Preis, der dazu führte dass die Marke schnell und profitabel wuchs und über die Jahre eine Marke mit Mehrpreisbereitschaft aufbauen konnte. 

Auswahl der Conjoint-Methode

Conjoint ist nicht Conjoint. Es gibt dutzende von Varianten und Spielarten. Hier sind die wichtigsten Grundtypen und Ihre Vor- und Nachteile. 

Klassisches Conjoint 

In der ursprünglichen Variante werden dem Probanden eine bestimmte Anzahl an Produktalternativen zur Wahl gezeigt mit der Bitte sie in eine Rangfolge zu sortieren. Dies wird dann mehrfach wiederholt 

Als nachteilig werden insbesondere zwei Aspekte beschrieben: 

  1. Bei vielen Produkteigenschaft wird es sehr mühselig eine Bewertung vorzunehmen 
  2. Das in eine Rangfolge bringen ist deutlich mühseliger als eine Wahlentscheidung 

 

Limit Conjoint 

Ein Problem der rangreihenbasierte Conjoint-Analyse ist, dass nicht bekannt ist, ab welchem Nutzenwert tatsächlich eine Kaufentscheidung entsteht. 

Limit Conjoint bittet den Befragten in der Rangreihe, die sogenannte „Limit-Card“ zu setzen und damit zu definieren, ab welcher Rangreihenplatz eine Produkt für einen Kauf in Erwägung gezogen werden kann. 

Adaptive Conjoint 

Dieses Verfahren vereinfacht das klassische Conjoint, insofern als dass lediglich zwei Produkte gegenüber gestellt werden. Eine Rangreihe ist damit gleich einer Präferenz. Weiterhin wird nur eine begrenze Anzahl von Feature angezeigt. ADAPTIV werden die Features herausgesucht zu denen das Verfahren mehr Informationen benötigt. 

Im Ergebnis ist das Verfahren deutlich einfacher für die Befragten. Es können auch deutlich mehr Features bewertet werden.  

Zudem liefert die Methodik Nutzen-Werte für jeden Befragten. Dies ist nützlich, wenn man im Nachgang eine Marktsegmentierung auf Basis von Präferenzen anstellen möchte. 

Choice-based Conjoint 

Beim Choice-based Conjoint wird der Befragte gebeten eine (hypothetische) Kaufentscheidung zu treffen. In der Regel können nur drei bis max. fünf Alternativ-Produkte dargestellt werden, was in der Regel nicht der realen Regalsituation entspricht. Für diesen Fall ist es wichtig eine „None“ Option mit aufzunehmen. Nur so kann der Algorithmus erkennen, welche Features und Preise nicht nur die Präferenz, sondern auch die Kaufneigung erhöhen. 

Hierarchical-Bayes Choice-based Conjoint 

Aus mathematischen Gründen liefert Choice-based Conjoint nur Nutzenwerte für den ganzen Markt, nicht jedoch für jeden Befragten. „Hierarchical Bayes“ ist eine statistische Erweiterung bei der die Methode für jeden Befragten Nutzenwerte berechnet. Damit kann dadurch eine Marktsegmentierung durchgeführt werden. 

Dies wird möglich, indem Hierarchical Bayes Informationen von ähnlichen Befragten „borgt“. Die Methode ist daher ein Näherungsverfahren, dessen Genauigkeit im Detail schwer validierbar ist. 

Constant-Sum Choice-based Conjoint 

Menschen entscheiden sich gelegentlich situationsbedingt. Ärzte verschreiben verschiedene Medikamente nicht allein auf Basis ihrer Eigenschaften, sondern der Eigenschaften des jeweilige Patienten. Konsumenten die grundsätzlich gegen Softdrinks eingestellt sind, entscheiden sich trotzdem einige Male im Jahr dafür. Coca Cola verkauft 50% des Gesamtumsatzes an Konsumenten die keine Softdrinks trinken. 

Constant-Sum Conjoint kann diesem Fakt Rechnung tragen. Der Befragte gibt bei jedem Produkt an, wie vielen von 100 Wahlentscheidungen, die Entscheidung auf dieses Produkt fallen würde. 

Wann und warum Conjoint – wann besser KEIN Conjoint

Conjoint Measurement sind Methoden, die versuchen eine Kaufentscheidungssituation näherungsweise in einer Befragung nachzustellen und dann mit multivariater Statistik herauszufinden, welchen Einfluss Produktmerkmale und Preislevels auf den Verkauf haben. 

Damit sind sie realitätsnäher als direkte Verfahren insbesondere auch, weil sie den Preis immer in direktem Bezug zu den Nutzenattributen setzen. 

Zudem sind Conjoint Methoden geeignet unbewusste Entscheidungsmuster aufzudecken. Die Präferenz- oder Wahlentscheidungen in Conjoint-Abfragen sind derart kognitiv fordernd, dass Befragte dazu übergehen, ähnliche Entscheidungsheuristiken wie in der Realität zu verwenden. 

Der kognitiv überfordernde Trade-off ist der Mechanismus, der hilft irrationale Aspekte aufzudecken. 

Trotz des bedeutenden Fortschritts gibt es einige Gründe, um unter Umständen auf Alternativen zurückzugreifen. Hier die wichtigsten: 

  • Simplifizierung: Produkte werde auf ein paar Stichworte für Features und deren Ausprägung reduziert, deren Anzahl ist zudem stark begrenzt ist. 

  • Künstliche Entscheidungssituation: Reale Entscheidungssituationen können von denen im Experiment im Einzelfall deutlich abweichen. Konsumenten neigen dazu nur bestimmte Marken in Erwägung zu ziehen und gehen oft stufenweise und im Ausschlussprinzip vor, um sich dann nur noch zwischen zwei oder drei Alternativen (wenn überhaupt) entscheiden zu müssen. 

  • Lücke zwischen Wort und Handeln (Stated Behaviour Bias): Trotz der höheren Realitätsnähe mangelt es den Befragten an „Skin in the game“. So ergab sich bei einem Öko-Strom-Produkt ein prognostizierter Marktanteil von 65%. Selbst 5 Jahre später wurde nur 5% realisiert. 

  • Expertise notwendig: Die Auswahl und Konfiguration Bedarf Erfahrung und Fachkenntnis.  

  • Hohe Kosten: Weil ein Experte hinzugezogen werden muss, sollten Conjoint-Analysen in der Regel in Zusammenarbeit mit einer Marktforschungsagentur durchgeführt werden. Dies führt zu hohen Kosten, langer Projektlaufzeit und geringer Skalierbarkeit der Methode. 

Methoden des Implicit Intelligence™ können eine praktikable Alternative darstellen. Ähnlich wie Conjoint bilden Sie realitätsnahe Abfragesituationen ab und können unbewusste Entscheidungsmuster messen. 

Im Gegensatz zu Conjoint sind sie jedoch weniger simplifizierend, da die Produkte in ihren ganzen Facetten dargestellt werden können. Es gibt keine künstliche Entscheidungssituation und Lücke zwischen Wort und Handeln, da keine Entscheidungen gemessen werden, sondern implizite Einstellung gemessen, die mittels Machine Learning in Entscheidungen übersetzt werden. 

Implicit Intelligence™ Methoden benötigen zudem keine Expertise. Der Setup Prozess ist hochstandardisiert und die Kosten der Durchführung daher sehr niedrig. 

Ein Wehrmutstropfen bleibt: Die Methodik misst ausschließlich Preis-Absatz- und Preis-Profit-Relationen und ist nicht für die Produktoptimierung gedacht. 

Mehr zum Implicit Intelligence™“ hat dieser Artikel.

Zusammenfassend, sind Conjoint Methoden hervorragende Instrumente, um Preise und Produkte zu optimieren. Sie haben Ihre Grenzen und bedürfen Expertise und Budget. Ist dies vorhanden lohnt sich der Einsatz.  

Learn which price your target customers are willing to pay.

Start finding your profit-maximizing price in no-time and comparably “no costs” thru Implicit Intelligence™

Pricing Optimizer - Supra.tools

Newsletter:

Keep updated on the latest Pricing Insights know-how and do-how.

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.