Fragt man Kundinnen und Kunden, ob sie mehr Speicherplatz, besseren Support und einen niedrigeren Preis wollen, fällt die Zustimmung leicht. Wirklich spannend wird die Entscheidung erst, wenn sie nicht alles drei haben können. Eine Conjoint-Analyse bildet genau diese Trade-offs systematisch ab und hilft Teams zu verstehen, wie einzelne Angebotsbestandteile die Präferenzen prägen.
Dahinter steckt eine Methodenfamilie, bei der Probanden Produktprofile bewerten, die aus verschiedenen Merkmalen und Ausprägungen bestehen. Bei einem Software-Abo könnten die Merkmale etwa Speicherplatz, Support und Preis sein; die Ausprägungen sind die konkreten Optionen pro Merkmal. Beim Choice-Based-Conjoint wählen Teilnehmende wiederholt zwischen verschiedenen Profilen. Andere Varianten nutzen Ratings oder Rankings – Unterschiede, die Sawtooth Software in ihrem Methodenvergleich auf den Punkt bringt.
Entscheidungen abbilden, die plausibel wirken
Das Studiendesign entscheidet darüber, was das Modell überhaupt lernen kann. Die Merkmale müssen die Kaufentscheidung gut abdecken, ohne die einzelnen Aufgaben zu überladen, und die Ausprägungen sollten verständlich und realistisch sein. Selbst das statistisch eleganteste Design bringt wenig, wenn sich niemand vorstellen kann, eines der Angebote tatsächlich zu nutzen.
Ein Beispiel: Eine Studie für einen Lieferdienst, bei der Zeitfenster, Abholoptionen und Preise variieren. Wenn der niedrigste Preis immer mit der langsamsten Lieferung gekoppelt ist, kann die Analyse die Effekte kaum voneinander trennen. Ein durchdachtes Versuchsdesign variiert die Kombinationen so, dass sich die relevanten Effekte sauber isolieren lassen – und schließt gleichzeitig Varianten aus, die in der Praxis schlicht unmöglich sind. Spezialisierte Software hilft dabei, ersetzt aber nicht die fachliche Einordnung, welche Merkmale wirklich sinnvoll sind.
Interviews und eine Pilotstudie sind hier Gold wert. Sie zeigen schnell, ob wichtige Kriterien fehlen, Formulierungen missverständlich sind oder Aufgaben einfach zu viel Konzentration abverlangen.
Das Modell als Modell verstehen
Die Analyse schätzt Teilnutzenwerte (Part-Worths) für die einzelnen Ausprägungen. Sie spiegeln die relative Präferenz innerhalb des Modells wider. Wie wichtig ein Merkmal wirkt, hängt dabei stark von der gewählten Bandbreite der Ausprägungen ab: Eine Studie mit extremen Preisunterschieden lässt den Preis schnell dominanter wirken als eine Untersuchung mit engen Preisspannen.
Simulationen können durchspielen, wie sich Entscheidungen zwischen Angeboten – inklusive Wettbewerb – verlagern könnten. Die Ergebnisse sind immer an die gewählten Alternativen, die Stichprobe und getroffene Annahmen gebunden. Ein simulierter Präferenzanteil ist nicht automatisch eine Marktanteilsprognose; Faktoren wie Markenbekanntheit, Vertrieb, Verfügbarkeit oder Wechselhürden spielen beim echten Kauf eine entscheidende Rolle.
Geht es um die Zahlungsbereitschaft, ist beim Umrechnen von Nutzenwerten in Geldbeträge besondere Vorsicht geboten. Das Ergebnis hängt stark vom Preismodell und dem Wettbewerbsumfeld ab. Conjoint-Analysen sind enorm wertvoll, weil sie Zielkonflikte sichtbar machen – trotzdem reagieren Menschen hier auf ein konstruiertes Szenario. Echte Kaufdaten bleiben der beste Test für alles, was das Modell nahelegt.