Was ist eine Conjoint-Analyse und wann setzt man sie ein?

Was ist eine Conjoint-Analyse?

Die Conjoint-Analyse ist ein quantitatives Verfahren der Präferenz- und Entscheidungsforschung. Sie misst, welchen Nutzen Personen einzelnen Merkmalen eines Produkts, einer Dienstleistung oder einer Alternative beimessen – und zwar nicht durch direkte Abfrage, sondern durch die Analyse von Gesamturteilen über realistische Produktprofile.

Der entscheidende Vorteil gegenüber einfachen Befragungen: Die Methode zwingt Befragte zu echten Trade-offs. Wer nicht alles gleichzeitig haben kann, muss priorisieren – und genau diese Priorisierung macht die latenten Nutzenpräferenzen sichtbar. Seit den frühen 1970er-Jahren wird die Conjoint-Analyse für eine Vielzahl von Problemen in der Konsumenten- und Marktforschung eingesetzt und gehört heute zu den methodisch am besten fundierten Verfahren der empirischen BWL.

Das Grundprinzip: Produkte als Merkmalsbündel

Jedes Produkt oder jede Wahlalternative lässt sich als Kombination von Attributen (Merkmalen) und Ausprägungen (Levels) beschreiben. Ein Laptop besteht nicht nur aus seinem Preis – er hat eine Marke, eine Akkulaufzeit, ein Gewicht, eine Speichergröße. Kaufentscheidungen entstehen aus dem Zusammenspiel all dieser Dimensionen.

Die Conjoint-Analyse modelliert genau diesen Mechanismus: Befragte beurteilen hypothetische Produktprofile, die sich in ihren Ausprägungen systematisch unterscheiden. Aus diesen Gesamturteilen werden anschließend die Teilnutzenwerte (part-worth utilities) der einzelnen Merkmale geschätzt – also der Beitrag, den jedes Merkmal zum Gesamtnutzen leistet.

Ein einfaches Beispiel aus der Praxis: Sie möchten wissen, ob Konsumenten bei einem Mobilfunktarif eher auf Datenmenge, Preis oder Netzqualität achten. Eine direkte Frage wie „Was ist Ihnen wichtiger – Preis oder Datenvolumen?“ liefert oft sozial erwünschte oder wenig differenzierte Antworten. Eine Conjoint-Aufgabe hingegen präsentiert zwei konkrete Tarife und lässt wählen – und aus den Wahlmustern über viele solcher Aufgaben ergibt sich ein präzises Bild der Präferenzstruktur.

Wie läuft eine Conjoint-Studie ab?

Eine sorgfältig geplante Conjoint-Studie folgt einem klaren Ablauf. Gute Praxisleitlinien unterscheiden dabei mindestens zehn eigenständige Qualitätsdimensionen – von der Forschungsfrage über das Instrumentendesign bis zur Ergebnisdarstellung. Für die Praxis lässt sich der Ablauf in fünf Phasen zusammenfassen:

1. Forschungsfrage klären: Welche Entscheidungssituation soll abgebildet werden? Welche Attribute sind für die Zielgruppe wirklich relevant?
2. Attribute und Ausprägungen festlegen: Typischerweise 3–6 Attribute mit je 2–5 Ausprägungen. Die Attribute müssen vollständig, realistisch und unabhängig voneinander sein.
3. Stimuli konstruieren: Aus den Attributkombinationen werden Produktprofile generiert – meist über ein fraktionelles faktorielles Design, um die Anzahl der Befragungsaufgaben handhabbar zu halten.
4. Daten erheben: Befragte bewerten oder vergleichen die Profile – per Rating, Ranking oder direkter Wahl (Choice Task).
5. Teilnutzenwerte schätzen und interpretieren: Per Regressionsanalyse, multinomialer logistischer Regression oder hierarchischer Bayes-Schätzung werden die individuellen Nutzenbeiträge berechnet.

Die wichtigsten Varianten der Conjoint-Analyse

Nicht alle Conjoint-Designs funktionieren gleich. Abhängig von Fragestellung, Stichprobe und verfügbaren Ressourcen kommen unterschiedliche Varianten zum Einsatz:

In BWL-Abschlussarbeiten wird heute am häufigsten das Choice-Based Conjoint (CBC) eingesetzt, weil es die natürliche Kaufentscheidung am besten abbildet: Man wählt ein Produkt – man bewertet es nicht auf einer Skala.

Wann ist die Conjoint-Analyse das richtige Verfahren?

Die Conjoint-Analyse entfaltet ihren vollen Mehrwert in Situationen, in denen Entscheidungen multidimensional sind – also von mehreren Faktoren gleichzeitig abhängen. Sie ist das richtige Verfahren, wenn:

• Sie untersuchen möchten, welche Produktmerkmale Kaufentscheidungen am stärksten beeinflussen
• Sie Zahlungsbereitschaften für einzelne Produkteigenschaften quantifizieren wollen
• Sie verschiedene Produktvarianten oder Preismodelle vor einer Markteinführung testen möchten
• Sie Trade-offs zwischen Preis, Qualität, Marke oder Service messbar machen wollen
• Sie Marktsegmente nach Präferenzstruktur differenzieren möchten

Besonders interessant: Conjoint-Designs erlauben bei vollständig randomisierten Attributen die nichtparametrische Identifikation kausaler Effekte – ein methodischer Vorteil, den klassische Befragungen nicht bieten. Das macht die Conjoint-Analyse nicht nur zur Marktforschungsmethode, sondern auch zu einem leistungsfähigen Instrument für kausalanalytische Fragestellungen in der empirischen BWL und VWL.

Typische Anwendungsfelder in der BWL

• Marketing und Produktmanagement: Optimale Produktkonfiguration, Preis-Leistungs-Verhältnis, Markenpositionierung
• Strategisches Management: Präferenzen für Unternehmensmerkmale (z. B. Arbeitgeberattraktivität)
• Dienstleistungsmanagement: Bedeutung von Servicemerkmalen wie Reaktionszeit, Verfügbarkeit, Preis
• Finanzwesen: Präferenzen für Anlageprodukte oder Bankdienstleistungen
• Nachhaltigkeit: Zahlungsbereitschaft für ökologische Produkteigenschaften

Wann sollten Sie auf andere Methoden ausweichen?

So leistungsfähig die Conjoint-Analyse ist – sie passt nicht zu jeder Forschungsfrage. Und das klingt zunächst einschränkend, ist aber in der Praxis eine wichtige Orientierungshilfe.

Verzichten Sie auf eine Conjoint-Analyse, wenn:

• Ihre Forschungsfrage nur ein einziges Attribut betrifft (dann genügt oft eine einfache Befragung oder ein Hypothesentest)
• Die Befragten das Entscheidungsproblem nicht realistisch beurteilen können (z. B. bei hoch technischen B2B-Produkten ohne Fachkenntnis)
• Die Stichprobengröße für eine reliable Schätzung der Teilnutzenwerte nicht ausreicht – als Faustregel gelten mindestens 150–200 vollständige Datensätze für CBC
• Ihr Budget oder Zeitrahmen keine sorgfältige Pilotstudie und saubers Studiendesign erlaubt

Für bivariate Zusammenhänge oder lineare Wirkungsmodelle sind die Regressionsanalyse oder die Korrelationsanalyse oft die geeigneteren und methodisch schlankeren Alternativen.

Teilnutzenwerte verstehen und interpretieren

Das zentrale Ergebnis einer Conjoint-Analyse sind die Teilnutzenwerte (part-worth utilities). Sie geben an, wie stark eine bestimmte Ausprägung eines Attributs zum Gesamtnutzen beiträgt – relativ zu den anderen Ausprägungen desselben Attributs.

Dabei steht für den Teilnutzenwert der k-ten Ausprägung des j-ten Attributs und für eine Dummy-Variable, die anzeigt, ob diese Ausprägung im Profil enthalten ist.

Aus den Teilnutzenwerten lassen sich zwei wichtige Kennzahlen ableiten:

• Relative Wichtigkeit eines Attributs: Der Anteil des Attributs an der gesamten Nutzenvarianz – also wie viel dieses Merkmal insgesamt zur Entscheidung beiträgt.
• Zahlungsbereitschaft (Willingness to Pay): Wenn Preis als Attribut enthalten ist, lässt sich aus dem Verhältnis von Preis-Teilnutzen zu Merkmals-Teilnutzen eine monetäre Zahlungsbereitschaft ableiten.

Conjoint-Analyse in der BWL-Abschlussarbeit

Immer mehr Studierende entscheiden sich für eine Conjoint-Analyse als empirisches Herzstück ihrer Bachelor- oder Masterarbeit – besonders in Fachgebieten wie Marketing, Konsumentenverhalten oder strategischem Management. Das ist methodisch ambitioniert und kann die Arbeit inhaltlich deutlich aufwerten. Es bringt aber auch besondere Anforderungen mit sich.

Was im Vorfeld zu klären ist

Bevor Sie mit der Erhebung beginnen, sollten Sie folgende Fragen verbindlich geklärt haben:

• Welche Attribute sind für die Zielgruppe tatsächlich entscheidungsrelevant? (Qualitative Vorstudien helfen hier)
• Sind die gewählten Ausprägungen realistisch und für Befragte unterscheidbar?
• Wie viele Choice-Sets erhalten die Befragten – und wie lange dauert die Befragung?
• Welche Software nutzen Sie für Design und Auswertung? (R-Pakete wie conjoint oder logitr, Sawtooth Software, SPSS, Stata)

Einen hilfreichen Überblick über geeignete Software für statistische Auswertungen in der BWL bietet unser Artikel zu Software für die statistische Auswertung in BWL.

Typischer Zeitaufwand

Rechnen Sie realistisch: Eine sorgfältig durchgeführte Conjoint-Studie – inklusive Konzeption, Pilotierung, Erhebung und Auswertung – beansprucht in einer Abschlussarbeit typischerweise 4–8 Wochen. Wer mit einem komplexen CBC-Design und hierarchischer Bayes-Schätzung arbeitet, sollte eher mehr Zeit einplanen.

Wer einen umfassenden Überblick über statistische Methoden in BWL-Abschlussarbeiten sucht, findet dort auch eine Einordnung der Conjoint-Analyse im Verhältnis zu anderen gängigen Verfahren.

Methodische Begleitung bei der Planung und Auswertung einer Conjoint-Studie bietet QuantExpert über die Statistikberatung für BWL und VWL – von der Attributauswahl bis zur Interpretation der Teilnutzenwerte.

Häufige Fehler und wie Sie sie vermeiden

Die Conjoint-Analyse ist methodisch anspruchsvoll. In der Praxis zeigt sich allerdings, dass bestimmte Fehler immer wieder gemacht werden – und dass sie sich mit etwas Vorbereitung gut vermeiden lassen.

Wer die Conjoint-Analyse methodisch sauber durchführen möchte, kommt an einer strukturierten Planung nicht vorbei. Dabei hilft auch ein Blick auf wie man einen Auswertungsplan für eine empirische BWL-Arbeit erstellt – denn viele Design-Entscheidungen müssen vor der Datenerhebung getroffen werden, nicht danach.