Preisanalysen - Conjoint-Analyse

In diesem Artikel stelle ich Ihnen eine Methode vor, mit der es auf sehr valide Art möglich ist, Preis-Absatz-Funktionen für verschiedene Kundensegmente zu ermitteln. Die Ergebnisse können neben der allgemeinen Optimierung von Preisen auch zur Entwicklung von Neuprodukten eingesetzt werden.
Einleitung und Grundbegriffe
Da der Preis von allen Marketinginstrumenten den größten Hebel zur Gewinnsteigerung aufweist, lohnt es sich für jedes Unternehmen, sich ausgiebig mit dem Thema Preispolitik zu beschäftigen.
Beim Thema Pricing eines bestehenden oder neuen Produktes bzw. einer Dienstleistung rücken 4 Schlagworte in den Mittelpunkt der Betrachtung: Preis-Absatz-Funktion, Preissensitivität, Preisdifferenzierung und Preisschwellen.
Die Preis-Absatz-Funktion stellt grafisch den Zusammenhang zwischen dem Preis und der abgesetzten Menge dar. Idealtypisch ist ein geradliniger positiver Verlauf: je niedriger der Preis, desto mehr Umsatz. Die Preissensitivität drückt aus, wie stark die Kunden auf Preisänderungen reagieren. Eine typische Fragestellung lautet: Wie viel weniger werde ich umsetzen, wenn ich den Preis um X % steigere?
Preisdifferenzierung: Wenn Kunden unterschiedlich sensitiv auf den Preis reagieren, kann es Sinn machen, die Produkte/Dienstleistungen mit unterschiedlichen Preisen anzubieten (indem man z.B. eine billige Handelsmarke und eine teure Premiummarke anbietet). Es gilt herauszufinden, welche Kundengruppen ähnlich sensibel auf Preisänderungen reagieren.
Preisschwellen bezeichnen psychologische Preisgrenzen von Kunden, bei deren Unterschreiten der Umsatz sprunghaft ansteigt. Die Kenntnis von Preisschwellen hilft bei der Preisfestlegung, da die Produkte/Dienstleistungen knapp unterhalb der jeweiligen Preisschwelle festgelegt werden können.
Voraussetzung für eine gute Preispolitik ist jedoch Transparenz in allen oben genannten Punkten. Ich stelle Ihnen in Folge eine Methode vor, die es erlaubt all diese Punkte auf extrem valide Art zu durchleuchten.
Vorgehensweise und Methodenklärung
Ich zäume das Pferd von hinten auf und zeige zu Beginn, welche Ergebnisse man durch die Anwendung der Preiserhebungsmethode bekommt.
Die gesamte Darstellung orientiert sich am Beispiel von LCD-Fernsehern, die mittlerweile in jedem MediaMarkt oder Saturn angeboten werden. Die gezeigten Ergebnisse in den Beispielen dienen der Illustration und sind fiktiv.
Im zweiten Teil gehe ich dann darauf ein, wie die Ergebnisse zu Stande gekommen sind und wie genau eine Erhebung abläuft. Es folgt ein Ausblick auf weitere Anwendungsmöglichkeiten und auf den momentanen Stand der Forschung.
Die Ergebnisse der Preisanalyse
Zentrales Ergebnis einer solchen Preisanalyse ist ein Simulationstool, welches unter Excel läuft. Mit Hilfe des Simulationstools kann der Auftraggeber (z.B. Sony) eigene Simulationen über die Reaktion von Kunden durchführen. Sony könnte z.B. den Preis eines Sony LCD-TVs in der Simulation senken und beobachten wie die Konsumenten auf die Preissenkung reagieren.
Steigt die Bereitschaft zum Kauf durch die Preissenkung? Wie viele Kunden mehr würden das Produkt durch die Preissenkung kaufen? Von welchen Konkurrenzmarken würde Sony potenzielle Kunden abwerben?

Hier ist ein solches typisches Excel-Simulationstool gezeigt. Es sind alle Produkteigenschaften veränderbar. Jede Änderung der Produkteigenschaften wirkt sich dann auf das Ergebnis aus. Das Ergebnis ist der so genannte "Share of Choice" (letzte Spalte). Er bezeichnet den Prozentsatz von Konsumenten, die dieses Produkt mit diesen Eigenschaften kaufen würden (gegeben den sonstigen im Tool definierten Konkurrenzprodukten).
Lesebeispiel: 7,2% der Konsumenten würden den angegebenen (1. Zeile) LCD-TV von Sony mit 66cm Bilddiagonale zu einem Preis von 999,- € kaufen. Im Vergleich dazu würden nur 5,0% den Medion LCD-TV (Zeile 7) bei Aldi kaufen, obwohl dieser größer ist und ein besseres Kontrastverhältnis hat. 52,5% der Konsumenten würden keines der (im Tool eingestellten) Produkte kaufen.
Interessant wird es nun wenn ich die einzelnen Produkteigenschaften verändere und beobachte wie sich das Kaufverhalten (zu sehen im Share of Choice) verändert. Da wir uns mit dem Thema Preisen beschäftigten würde ich also in erster Linie an der Preisschraube drehen. Ich senke den Preis des Sony LCD-TV auf 899 € und sehe die Reaktion der Konsumenten.

Als Auftraggeber würde ich natürlich nicht irgendwelche Produkte miteinander vergleichen, sondern versuchen das realistische Konkurrenzumfeld zu simulieren. Ich würde in diesem Beispiel alle Produkte mit den realen Preisen gegenüberstellen, die bei einem typischen MediaMarkt angeboten werden. Dann variiere ich im Simulationstool die Preise meines Produktes und analysiere die Kundenreaktion. Das Ergebnis ist die berühmte Preis-Absatz-Funktion. Das sei an dieser Stelle für einen Sony LCD-TV dargestellt:

Das tolle an dem Simulationstool ist darüber hinaus, dass sich solche Simulationen für verschiedene Kundensegmente durchführen lassen. Man kann z.B. analysieren wie sich die Preiselastizitäten verschiedener Kundengruppen (z.B. männlich versus weiblich) unterscheiden. Dementsprechend könnte die Werbung, Distributionspolitik, Preis- und Produktpolitik auf verschieden Zielgruppen genauer abgestimmt werden.
Weiters kann man Produkte simulieren, die es noch gar nicht am Markt gibt. Z.B. lassen sich so verschiedene Designvarianten des Sony LCD-TVs abtesten.

Hier zeigt sich ein weiterer Vorteil der Ergebnisse. Ich bin nicht auf Preisauswertungen beschränkt, sondern kann auch wichtige Ergebnisse für Produktentwicklung und Marketingentscheidungen ermitteln. Es lassen sich z.B. Preisbereitschaften für einzelne Produktmerkmale analysieren. Wenn ich weiß, dass Kunden bereit sind für das erste Design 120 € mehr auszugeben als für Design Nr. 4 kann ich dieses bereits bei der Produktentwicklung berücksichtigen. Lässt sich diese Designalternative zu Kosten produzieren, die unterhalb der 120 € liegen?
Schließlich und endlich bekommt man bei einer weitergehenden Analyse der erhobenen Daten heraus, wie wichtig die einzelnen Produkteigenschaften sind. Nach welchen Kriterien entscheiden Kunden in erster Linie? Welche Eigenschaften sind von geringer Bedeutung?

Wie kommen die Ergebnisse zu Stande?
Natürlich könnte man den Konsumenten direkt nach der Preisbereitschaft in Bezug auf die Eigenschaften von Produkten fragen

Das Problem einer solchen Vorgehensweise wird rasch ersichtlich. Es gibt meistens eine Tendenz dazu, die Anforderungen/Wünsche an ein Produkt relativ hoch anzusetzen, bei der direkten Frage nach der Zahlungsbereitschaft allerdings möglichst tief zu stapeln. Häufig ist der Hintergrund der Befragung auch recht schnell zu durchschauen und die Frage nach dem Preis führt zu sozial erwünschten Antworten. Man stelle sich in einem extremeren Beispiel vor, dass nach dem Wunschauto gefragt wird. Das ist dann ein neuer 5er BMW mit möglichst viel PS und geringem Verbrauch. Und bei der Frage nach der Preisbereitschaft lautet die Antwort: maximal 12.000 Euro. Fazit: Direkte Preiserhebungen führen selten zu validen Ergebnissen.
Hinzu kommt, dass Konsumenten im Normalfall nicht Entscheidungen auf Basis einzelner Eigenschaften machen, sondern ein Produkt als Ganzes bewerten. Dabei ist dann der Preis ein Charakteristikum. Aus diesem Grund sollten Konsumenten Produkte auch nur als Ganzes bewerten. Und darüber hinaus nicht separat, sondern immer als Entscheidungsprozess. Auch in der Realität steht der Konsument vor Auswahlentscheidungen. Kaufe ich den Marsriegel oder kaufe ich das Snickers? Er entscheidet sich bei gegebenen Preisen für ein Produkt. Oder der Kunde verzichtet eben auf den Kauf, weil ihm z.B. der Preis zu hoch erscheint.
Dieses lässt sich methodisch durch die so genannte Choice Based Conjoint Analyse (CBC) lösen:

Dem Respondenten werden verschiedene Produkte zur Auswahl vorgelegt. Er soll sich für eines (oder keines entscheiden). Insgesamt bekommt jeder Respondent zwischen 12 bis 16 solcher Auswahlaufgaben präsentiert. In der Praxis geschieht dieses online oder in persönlicher computergestützter Befragung. Es werden dabei alle Produkteigenschaften laufend durchvariiert, damit ein möglichst breites Spektrum abgefragt wird und der Informationsgehalt pro Befragtem hoch ist. Wichtig ist natürlich, im Vorfeld der Erhebung die wirklich relevanten Attribute für den Konsumenten zu ermitteln und aufzunehmen. Das wird meist mit Hilfe von Fokusgruppeninterviews gemacht. Normalerweise sollten beim Auftraggeber auch schon Sekundärdaten über Faktoren vorliegen, die beim Kunden eine Rolle spielen.
Der typische Ablauf einer solchen Conjoint Studie ist somit folgender:
- Die relevanten Eigenschaften und Ausprägungen werden festgelegt.
- Programmierung des Fragebogens / Conjointteils: im allgemeinen Fragebogen werden meist auch Fragen nach Markenbekanntheit, Kaufverhalten und soziodemographische Daten gestellt.
- Die Befragung wird durchgeführt (online oder persönlich computergestützt bei einer repräsentativen Stichprobe).
- Erhobene Daten werden mittels spezieller Statistiksoftware ausgewertet (Sawtoothsoftware für Hierarchical Bayes Nutzenschätzung, bzw. eigenprogrammierte Lösungen).
- Simulationstool wird programmiert, welches auf den Auswertungsdaten (so genannte Teilnutzenwerte) basiert.
- Mit Hilfe des Tools werden Absatzfunktionen gebildet, verschiedene Optimierungssimulationen werden durchgeführt, Daten werden visualisiert.
Bis vor wenigen Jahren war die Berechnung von Ergebnissen nur auf aggregiertem Niveau (also über alle Respondenten) möglich. Neue Entwicklungen in den statistischen Grundlagen machen es für uns möglich, die Ergebnisse (sog. Teilnutzenwerte) der Choice Based Conjoint Analyse auf individuellem Respondentenniveau zu berechnen. Dazu werden Hierarchical Bayes Schätzalgorithmen verwendet. Die Berechnung ist statistisch anspruchsvoll und auch in Bezug auf reine Computer-Rechnungsleistung fordernd. Ein schneller Intel-Rechner benötigt teilweise noch bis zu 24 Stunden für die Ergebnisberechnung.
Viele Marktforscher verwenden noch immer die Adaptive Conjoint Analyse (ACA) zur Ermittlung von oben beschriebenen Preisabsatzfunktionen. Bei dieser Methode werden Auswahlentscheidungen auf einer Skala getroffen, d.h. dass der Respondent z.B. eine Kaufwahrscheinlichkeit für ein Produkt angeben muss. „Geben Sie auf einer Skala von 1 bis 100 an wie wahrscheinlich Sie das Produkt kaufen würden.“
Diese Methode hat zwei Probleme: Erstens entscheiden Konsumenten in der Realität nicht auf einer Skala. Entweder wird das Produkt gekauft oder eben nicht.
Zweitens kommt es bei der ACA systematisch zu verzerrten Ergebnissen, wenn der Preis als Faktor in die Erhebung aufgenommen wird (siehe dazu: “The ACA Price Effect and How to Manage It”, www. sawtoothsoftware.com). Der Vorteil der ACA liegt in der einfachen Berechnung der Teilnutzenwerte. Hier werden die Ergebnisse mittels Regressionsrechnung (Ordinary Least Square) ermittelt. Meinem Verständnis nach sollte der Aufwand einer Berechnung aber noch kein Grund für oder gegen eine Methode sein.
An dieser Stelle ein kurzes Zwischenrésumée:
Die Untersuchung wurde an Hand von LCD-TVs illustriert. Grundsätzlich ist eine solche Analyse für jede Produktklasse umsetzbar. Auch im Dienstleistungsbereich ist eine Implementierung durchaus denkbar. Es macht weiters keinen Unterschied, ob es sich um ein High- oder Low-Involvementprodukt handelt. Wir haben die Erhebung erfolgreich für die Telekommunikationsbranche als auch für Margarinehersteller umgesetzt. Während bei Margarine vielleicht nur Marke, Preis, Fettgehalt und Verpackungsgröße wichtig sind, geht es im mobilen Telekombereich um eine Vielzahl von Attributen wie Marke, Grundgebühr, Minutenpreise in verschiedene Netze, Freiminuten in verschiedene Netze, Handypreis, Handymodell, SMS/MMS Preis, Aktivierungsgebühr, etc., ect.. Auch für diesen Fall ist es uns möglich eine Simulationslösung zu präsentieren. Bei der Erhebung wird dafür mit verschiedenen Modulen gearbeitet, die anschließend aggregiert werden. Es sind insgesamt 18 verschiedene Eigenschaften eines Telekommunikationsvertrags einstellbar.
Es sollte durch die Darstellung der möglichen Ergebnisse und der Vorgangsweise ersichtlich geworden sein, dass es sich bei der Choice-Based-Conjoint Analyse mit Hierarchical Bayes Nutzenschätzung um die momentan valideste Methode handelt, um Preis-Absatz-Funktionen zu ermitteln (wenn man vielleicht von Data-Mining-Projekten über Scannerkassen im Einzelhandel absieht).
Der Vorteil liegt vor allem in den Anwendungsmöglichkeiten des Simulationstools. Auftraggeber können ihre eigenen individualisierten Auswertungen durchführen und sind nicht auf den kontinuierlichen Input eines Consultants angewiesen. Mit dem Simulationstool lässt sich das Konkurrenzumfeld darstellen und jede Preis- oder Produktänderung kann im Vorfeld einer tatsächlichen Änderung abgetestet werden. Dadurch lässt sich dann im wesentlichen Maße das Risiko von Fehlentscheidungen reduzieren. Beim Analysieren mit dem Simulationstool bekommt der Anwender darüber hinaus ein Gefühl für das Kundenverhalten. Reagieren die Telekomkunden eher auf eine Änderung der Grundgebühr oder ist der Minutenpreis wichtiger? Wie reagieren die Kunden, wenn ich die monatlichen Freiminuten erhöhe? Etc.
Festzuhalten bleibt, dass ein Unternehmen einen immensen Wissensvorsprung (Wettbewerbsvorteil) durch die Nutzung von solchen Analysedaten erlangt. Von großem Vorteil ist auch die Tatsache, dass die Optimierungsergebnisse bereits die Empfehlung beinhalten. Bei Kundenzufriedenheitsstudien z.B. müssen die Ergebnisse noch interpretiert werden. Was sagt es aus, wenn 60% angeben sehr zufrieden mit dem Service zu sein? Gibt es nun Handlungsbedarf oder nicht?
Bei einer solchen Preisstudie kann ich direkt sehen, was mir eine Preissenkung um 10% bringt. Die Ergebnisse (falls entsprechend umgesetzt) sind auch im Nachhinein relativ einfach zu kontrollieren.
Ausblick auf weitere Anwendungsmöglichkeiten und auf die momentane Forschung
Ich habe die ganze Zeit über Preisauswertung geschrieben, aber grundsätzlich ist die Methode natürlich zu sehr viel mehr in der Lage. Es kann ein wichtiges Instrument zur Entwicklung und Evaluierung von Neuprodukten sein. Ein neues Produkt kann bereits vor Markteinführung im zukünftigen Konkurrenzumfeld valide abgetestet werden. In dem Fall geht es dann vor allem um die Produkteigenschaften, die ich variiere und weniger um den absoluten Preis. So könnten verschiedene Designvarianten eines neuen Autos durch die Choice Based Conjoint Analyse zu einem sehr frühen Zeitpunkt in der Zielgruppe abgetestet werden. Die fotorealistischen Designvarianten für die Befragung können am Computer über CAD erstellt werden.
Darüber hinaus kann die Analyse sehr viele wichtige Hinweise für das Marketing generell liefern, wenn man sich die Teilergebnisse für verschiedene Zielgruppen anschaut. Es lässt sich dann z.B. sehen, inwiefern sich die Einstellungen zwischen Männern und Frauen in Bezug auf das Produkt unterscheiden. Gehören die Männer eher in die Gruppe der Preissensitiven und Frauen zu den Markenfans? Solche Ergebnisse können z.B. wichtig für Werbestrategien sein.
Ich bekomme weiters auch ein Gefühl für die Stärke meiner Marke, wenn die Konkurrenzmarken mit in die Erhebung aufgenommen werden. Ich könnte wie gesehen ermitteln, wie viel mehr ein Konsument bereit ist für einen Sony Fernseher im Vergleich zu einem identischen Toshiba Modell zu zahlen. Das ließe sich durch direkte Fragen niemals valide erforschen.
Die jetzige Standardsoftware-Lösung des Anbieters Sawtooth-Software ist bereits ein sehr leistungsstarkes Tool, aber häufig sind die Lösungsansprüche des Auftraggebers höher als die Leistungsfähigkeit solcher Standardsoftware. Wir setzen deshalb in zunehmendem Maße eigenprogrammierte Erweiterungen ein, die einen großen Mehrwert für den Kunden schaffen können:
1. Es können Promotionaktionen des Handels bei der Erhebung mitsimuliert werden. Bestimmte Produkte bekommen ein Label „In Aktion“ und werden zu reduzierten Preisen angeboten.
2. Multipacks werden mit abgefragt (z.B. 3-Pack oder 6-Pack Angebote bei Getränken).
3. Neben der Auswahlentscheidung können in jeder Conjointaufgabe auch die Kaufmenge und Kaufhäufigkeit mit abgefragt werden (Wie viel von diesem Produkt würden Sie kaufen? Wie häufig pro Monat würden Sie es kaufen?).
4. Reale Marktdaten (Umsatzzahlen in Stück und Wert) können in das Simulationstool integriert werden. Dadurch lassen sich dann Marktänderungen in wirklichen Umsatzrelationen nachvollziehen. Dazu bedarf es natürlich im Einzelfall der Kooperation mit Datenanbietern wie ACNielsen.
5. Die variablen und fixen Kosten lassen sich in die Simulation integrieren. Dieses ist vielleicht der wichtigste Entwicklungsschritt. Durch die Einbeziehung von Kosten (auch von z.B. sprungfixen Kosten) lassen sich die Simulationen mit dem Ziel der Gewinnoptimierung durchführen. Ich kann dann für einzelne Produkte Gewinnkurven darstellen und Gewinnmaxima berechnen. Auswertungstechnisch ist dieses ein Quantensprung.
In diesen vier oben genannten Punkten besteht zum jetzigen Zeitpunkt noch erheblicher Forschungsbedarf. Es gibt in diesem speziellen Bereich fast keine wissenschaftliche Literatur.
Zusammenfassung:
Die wenigsten Unternehmen kennen die genauen Preis-Absatz-Funktionen ihrer Produkte oder Dienstleistungen. Dabei gibt es durch die Choice Based Conjoint Analyse eine sehr valide Methode, um die Preis-Absatz-Funktion für nahezu jedes Produkt zu ermitteln. Unserer Erfahrung nach stellt sich der Return on Investment für ein solches Marktforschungsprojekt zur Gestaltung der Preise bereits nach vier bis fünf Monaten ein.
Ich hoffe ich konnte darüber hinaus deutlich machen in welche Richtung sich die Marktforschung in diesem Bereich entwickelt. Es geht nicht um die Anwendung von Standardlösungen, weil es in den meisten Fällen auch keine Standardprobleme gibt. Oftmals werden offensichtlich methodische Softwarebarrieren gesetzt. Diese lassen sich häufig durch die Programmierung individueller Lösungen und den Einsatz von einer Portion Grips überwinden. Das sollte unter dem Punkt „Ausblick auf weitere Anwendungsmöglichkeiten“ deutlich geworden sein.
Die IC Consulting GmbH unterstützt Sie bei der optimierten Festlegung Ihrer Preise. Kontaktieren Sie mich, wenn Sie konkrete Informationen über Einsatz der Choice Based Conjoint Analyse in Ihrem Unternehmen haben möchten!
Zum Autor

Holger Sicking ist seit 2001 statistischer Leiter bei der IC Consulting GmbH in Wien und als Dozent für Marktforschung und Statistik an der Fachhochschule Wien tätig. Themenschwerpunkte sind Preisanalysen mittels Conjoint Analyse und Studien im B2B-Bereich.
Kontakt: sicking(at)interconnectionconsulting.com
www.interconnectionconsulting.com
Kommentare (0)
Noch keine Kommentare zu diesem Artikel. Machen Sie gerne den Anfang!
Um unsere Kommentarfunktion nutzen zu können müssen Sie sich anmelden.
Anmelden