Michael Brusch

Conjoint Analysis and Stimulus Presentation : a Comparison of Alternative Methods

The rapid development of the multimedia industry has led to improved possibilities to realistically present new product concepts to potential buyers even before prototypical realizations of the new products are available. Especially in conjoint studies — where product concepts are presented as stimuli with systematically varying features — the usage of pictures, sounds, animations, mock ups or even virtual reality should result in a reduction of respondent’s uncertainty with respect to (w.r.t.) innovative features and (hopefully) to an improved validity of the collected preferential responses. This paper examines differences between three different stimulus presentation methods: verbal, multimedia, and real.

Erfassung von Kundenpräferenzen für Produkte und Dienstleistungen

Wenn neuartige Produkte oder Dienstleistungen im Markt zu positionieren sind, ist die Berucksichtigung der Kundenwunsche bei der Produkt- oder Dienstleistungsentwicklung unerlasslich. Hierfur ist es notwendig, besonders fruhzeitig und vor allem valide die Praferenzen der (spateren) Kunden zu ermitteln. Bei der Praferenz handelt es um einen eindimensionalen Indikator, mit dem das Ausmas der Vorziehenswurdigkeit eines Beurteilungsobjektes fur eine bestimmte Person wahrend eines bestimmten Zeitraumes zum Ausdruck gebracht wird. Die Conjointanalyse, als Standardmethode bei der Ermittlung von Praferenzen, versucht diese Praferenzen von Einzelpersonen oder Personenmehrheiten fur verschiedene Konzeptalternativen zu erklaren. Die analysierten Konzeptalternativen konnen sowohl Produkte als auch Dienstleistungen sein. Haufig handelt es sich dabei um Produkte oder Dienstleistungen, die in irgendeiner Art neuartig oder sogar innovativ sind – entweder fur den Kunden und/oder fur den Anbieter.

Linking Quality Function Deployment and Conjoint Analysis for New Product Design

In this paper we develop a new approach to evaluate the importance of technical features and engineering characteristics in the eyes of the customer by combining (1) the estimated influence of these so-called product characteristics on relevant product attributes in the eyes of the customer with (2) the estimated importance of these attributes for the customer. For both estimations conjoint analysis is applied. The new approach is compared to the traditional one w.r.t. predictive validity. Two sample applications are used for demonstration. We show that the new approach outperforms the traditional approach.

Improving the Validity of Conjoint Analysis by Additional Data Collection and Analysis Steps

Depending on the concrete application field and the data collection situation, conjoint experiments can end up with a low internal validity of the estimated part-worth functions. One of the known reasons for this is the (missing) temporal stability and structural reliability of the respondents’ part-worth functions, another reason is the (missing) attentiveness of the respondents in an uncontrolled data collection environment, e.g. during an online interview with many parallel web applications (e.g. electronic mail, newspapers or web site browsing). Here, additional data collection and analysis has been proposed as a solution. Examples of internal sources of data are response latencies, eye movements, or mouse movements, examples of external sources are sales and market data. The authors suggest alternative procedures for conjoint data collection that deal with these potential sources of internal validity. A comparison in an adaptive conjoint analysis setting shows, that the new procedures lead to a higher internal validity.

Conjoint Analysis for Complex Services Using Clusterwise Hierarchical Bayes Procedures

Conjoint analysis is a widely used method in marketing research. Some problems occur when conjoint analysis is used for complex services where the perception of and the preference for attributes and levels considerably varies among individuals. Clustering and clusterwise estimation procedures as well as Hierarchical Bayes (HB) estimation can help to model this perceptual uncertainty and preference heterogeneity. In this paper we analyze the advantages of clustering and clusterwise HB as well as combined estimation procedures of collected preference data for complex services and therefore extend the analysis of Sentis and Li (2002).

Improving the Predictive Validity of Quality Function Deployment by Conjoint Analysis: A Monte Carlo Comparison

The “new” CA based approach for QFD shows a number of advantages in comparison to the traditional approach. PA importances as well as PC influences on PAs are measured “conjoint” resp. simultaneously. Furthermore, the calculated weights are more precise (real valued instead of 0-, 1-, 3-, or 9-values) which resulted in a higher predictive validity. The Monte Carlo comparison has shown a clear superiority in a huge variety of simulated empirical settings.

Multimedia Stimulus Presentation Methods for Conjoint Studies in Marketing Research

With the increasing usage of multimedia in marketing research the possibilities have improved to realistically present new product concepts to potential buyers even before prototypical realizations are available. This usage of multimedia is expected to result in an improved quality of the collected data, e.g., preferential responses, and, consequently, to result in an improved predictive validity of the derived part worth estimates.

Usefulness of A Priori Information about Customers for Market Research: An Analysis for Personalisation Aspects in Retailing

Many studies use a priori information about the customers, either as criteria for the selection of respondents or during data analysis and interpretation. Although the often use of this information, the question is how reasonable it is. We analyse this in the framework of personalisation aspects in the retail market. While we extend the data of a conjoint analysis through Hierarchical Bayes estimation and market segmentation approaches we compare three types of data (a priori data, priority data and benefit data) and their effects with respect to predictive validity.

Konstruktion von Erhebungsdesigns bei der Conjointanalyse

Wesentliches methodisches Element der Conjointanalyse ist die Konstruktion von Erhebungsdesigns auf Basis festgelegter (Produkt-)Eigenschaften und Auspragungen. Nach den bei Baier (1999) oder Brusch (2005) zusammengefassten Untersuchungen zu conjointanalytischen Anwendungen in der Unternehmenspraxis geht es dabei darum, zu durchschnittlich acht Eigenschaften mit je zwei bis acht Auspragungen Mengen von Eigenschaftsauspragungskombinationen (auch: Versuchsplane, Mengen von Stimuli, Erhebungsdesigns) zu konstruieren, die in der nachfolgenden Erhebung einer reprasentativen Stichprobe von Nachfragern (durchschnittlich ca. 300 Probanden in der Unternehmenspraxis) zur Bewertung vorgelegt werden.

Produktentwicklung auf Basis von Conjointdaten

Das Hauptanwendungsgebiet der Conjointanalyse ist die Produkt- bzw. Konzeptentwicklung (siehe auch den Beitrag von Brusch und Baier in diesem Band). Aufgrund der Ermittlung von Teilnutzenwerten fur die Auspragungen relevanter Eigenschaften, konnen die Produkteinfuhrungs- oder -modifikationsentscheidungen optimal an den Kundenbedurfnissen ausgerichtet werden. Damit konnen Fehlentscheidungen bei der Produktentwicklung, die oftmals langfristigen Charakter haben und sehr viel Human- und Finanzkapitel binden, vermieden werden. In diesem Beitrag soll eine Moglichkeit aufgezeigt werden, wie unter Nutzung der Conjointanalyse und einer weiteren Produktentwicklungsmethode, dem Quality Function Deployment (QFD), Produkte kunden- und marktorientiert entwickelt werden konnen. Dementsprechend werden zunachst wichtige Grundlagen des QFD und die Verknupfung der Conjointanalyse mit dem QFD-Ansatz beschrieben. Anschliesend wird an einem Anwendungsbeispiel fur Fusballschuhe im Freizeitsportbereich die praktische Umsetzung vorgestellt, bevor Schlussbemerkungen den Beitrag beenden.