Ulteriori informazioni
Warum entscheiden sich Konsumenten für ein bestimmtes Produkt? Zur Beantwortung der scheinbar simplen Frage wird von Entscheidungsträgern im Marketing häufig die aus der Psychologie stammende Choice-Based Conjoint-Analyse herangezogen. Bei diesem Verfahren wird auf Basis abgefragter Wahlentscheidungen ermittelt, welchen Nutzen bestimmte Produktcharakteristika stiften und welche Eigenschaften eine besonders große Rolle bei der Entscheidung für oder gegen ein Produkt spielen. Die Güte der dahinter stehenden Schätzverfahren lässt jedoch deutlich nach, wenn nur wenige individuelle Wahlentscheidungen beobachtet werden können. Ralph Wirth stellt mit der Best-Worst Choice-Based Conjoint-Analyse einen Ansatz vor, der eine Verbesserung der Schätzgüte in gerade diesen Situationen verspricht. Er verfolgt dabei die Grundidee, nicht nur die beste, sondern auch die schlechteste der gezeigten Alternativen abzufragen und somit den Umfang der gewonnenen Präferenzinformationen zu erhöhen. In diesem Buch erläutert er verschiedene Alternativen zur Modellierung beobachteter Best-Worst-Wahlen und entwickelt die zugehörigen Hierarchischen-Bayes-Schätzmodelle. Zudem stellt er die Ergebnisse einer groß angelegten Simulationsstudie zum Vergleich dieses neuen Ansatzes mit bestehenden Verfahren der wahlbasierten Conjoint-Analyse vor.
Sommario
Inhaltsverzeichnis
Abbildungsverzeichnis
Tabellenverzeichnis
Abkürzungsverzeichnis
1 Zielsetzung und Aufbau der Arbeit
1.1 Zielsetzung der Arbeit
1.2 Aufbau der Arbeit
2 Einführung in die Conjoint-Analyse
2.1 Entwicklung, Definition und Abgrenzung der Conjoint-Analyse
2.2 Ablauf der Traditionellen Conjoint-Analyse und typische Gestaltungsfreiräume
2.2.1 Auswahl von Eigenschaften und Eigenschaftsausprägungen
2.2.2 Designerstellung
2.2.3 Datenerhebung
2.2.4 Schätzung der Nutzenfunktion
2.2.5 Ergebnisinterpretation/Simulation
2.3 Die Choice-Based Conjoint-Analyse
2.3.1 Theoretischer Ursprung und Befragungssituation
2.3.2 Designerstellung
2.3.3 Schätzung der Nutzenfunktion
2.3.4 Abschließende Beurteilung
3 Einführung in die Bayes-Statistik
3.1 Konzeptionelle Grundlagen
3.2 Das lineare Regressionsmodell mit natürlich konjugierter Priori-Verteilung
3.2.1 Likelihoodfunktion
3.2.2 Priori-Verteilung
3.2.3 Posteriori-Verteilung
3.3 Markov Chain Monte Carlo Simulation
3.3.1 Theoretische Grundlagen
3.3.2 Konkrete MCMC-Verfahren
3.4 Hierarchische Bayes Modelle
4 Ansätze zur Ermittlung individueller Nutzenparameter in wahlbasierten Conjoint-
Analysen
4.1 Der klassische HB-CBC-Ansatz
4.1.1 Das hierarchische Modell
4.1.2 Simulation der Posteriori-Verteilung
4.1.3 Beurteilung des klassischen HB-CBC-Ansatzes
4.2 Der HB-Best-Worst-CBC-Ansatz
4.2.1 Grundlagen und Motivation
4.2.2 Probabilistische Best-Worst-Wahlmodelle
4.2.3 Das hierarchische Modell
4.2.4 Simulation der Posteriori-Verteilung
4.3 Der Louviere et al.-Ansatz
5 Systematischer Vergleich der Ansätze
5.1 Überblick über Forschungsziele und Forschungsansatz
5.2 Empirische Vorstudie
5.2.1 Datengrundlage und Vorgehen im Rahmen des empirischen Modellvergleichs
5.2.2 Ergebnisse
5.3 Simulationsstudie
5.3.1 Berücksichtigte Einflussfaktoren und Faktorstufen sowie zugehörige Hypothesen
5.3.2 Datengenerierung
5.3.3 Gütemaße
5.3.4 Ergebnisse
Zusammenfassung und Ausblick
Literaturverzeichnis
