Häufig Gestellte Fragen (FAQs)

MaxDiff (Maximum Difference Scaling) ist eine leistungsstarke Umfrage-Technik, die häufig verwendet wird, um Verbraucherpräferenzen und Prioritäten zu messen. Den Teilnehmern wird eine Reihe von Auswahlmöglichkeiten präsentiert, und sie werden gebeten, die am meisten und die am wenigsten bevorzugten Optionen zu identifizieren. Sie eignet sich für Szenarien wie die Priorisierung von Produktfunktionen, die Bewertung der Wichtigkeit von Serviceleistungen, die Analyse von Präferenzen für Markenmerkmale und die Forschung zur Marktsegmentierung. Besonders gut geeignet ist sie für Studien, die die tatsächliche Hierarchie der Nutzerbedürfnisse verstehen müssen.

Im Vergleich zu herkömmlichen Bewertungsfragen bietet die MaxDiff-Analyse die folgenden Vorteile: 1) Sie vermeidet Bewertungsverzerrungen, da die Teilnehmenden eine Auswahl treffen müssen, anstatt allen Optionen hohe Punktzahlen zu geben; 2) Sie liefert eine Rangfolge der relativen Wichtigkeit, die besser zu realen Entscheidungssituationen passt; 3) Sie reduziert die kognitive Belastung, da jedes Mal nur eine kleine Anzahl von Optionen verglichen werden muss; 4) Sie erzeugt zuverlässigere Präferenzdaten und eignet sich daher für statistische Analysen; 5) Sie kann die wirklich wichtigen Merkmale identifizieren und die „Falle des Durchschnittswerts“ vermeiden.

Wichtige Parameterempfehlungen: 1) Anzahl der Attribute pro Aufgabe: Empfohlen werden 3–5. Zu wenige machen den Vergleich unzureichend, zu viele können die Teilnehmenden verwirren; 2) Anzahl der Aufgaben: Das System berechnet diese automatisch anhand einer Formel, der empfohlene Bereich liegt bei 6–10 Aufgaben; 3) Gesamtzahl der Attribute: Empfohlen werden 8–20. Zu wenige haben keine ausreichende Vergleichsbedeutung, zu viele erhöhen die Ermüdung der Teilnehmenden; 4) Beschriftungseinstellungen: Sie können die Beschreibungen für „am wichtigsten“ und „am unwichtigsten“ anpassen, um das Forschungsthema besser zu berücksichtigen.

Die MaxDiff-Analyse wird in den folgenden Situationen empfohlen: 1) wenn Sie die relative Wichtigkeitsrangfolge mehrerer Funktionen oder Optionen verstehen müssen; 2) wenn das Forschungsziel darin besteht, die wichtigsten Einflussfaktoren zu identifizieren; 3) wenn Befragte bei Bewertungsfragen zu Verzerrungen neigen (zum Beispiel alles mit hohen Punkten bewerten); 4) wenn Sie Präferenzdaten benötigen, die statistisch ausgewertet werden können; 5) wenn das Forschungsbudget begrenzt ist, aber dennoch hochwertige Daten erforderlich sind; 6) für Szenarien wie B2B- und B2C-Marktforschung, Produktentwicklung und Serviceoptimierung.

Wichtige Kennzahlen und ihre Interpretation: 1) Präferenzanteil: die intuitivste Kennzahl, die den Anteil der Fälle zeigt, in denen ein Attribut als „am besten“ ausgewählt wird; 2) Score: eine umfassende Kennzahl, berechnet als (Anzahl der „best“-Wahlen - Anzahl der „worst“-Wahlen) / Häufigkeit; je größer der positive Wert, desto wichtiger ist das Attribut; 3) Wahrscheinlichkeitsanteil: die Wahrscheinlichkeit, dass ein Attribut als „am besten“ ausgewählt wird, im Bereich von 0 bis 1; 4) p-Wert: statistische Signifikanz, wobei Werte unter 0,05 auf zuverlässige Ergebnisse hinweisen; 5) Anzahl der Nennungen als „am wichtigsten“/„am unwichtigsten“: zeigt die absolute Auswahlhäufigkeit. Es wird empfohlen, sich auf den Präferenzanteil und den Score zu konzentrieren, da diese beiden Kennzahlen die wahre Bedeutung eines Attributs am besten widerspiegeln.