Maximum Difference Scaling MaxDiff | intervista Étude de marché

Maximum Difference Scaling

Ermittlung der Wichtigkeit verschiedener Attribute

Maximum Difference Scaling (MaxDiff) ist ein sehr effizientes Verfahren, um Präferenzunterschiede zwischen einer grossen Anzahl ähnlich gearteter Attribute zu ermitteln. Es arbeitet in der Abfrage ähnlich wie ein einfacher Paarvergleich. MaxDiff ist eine Methode, die vielfältig eingesetzt werden kann. Sie eignet sich zur Differenzierung von Eigenschaften, Marken, Produkten, Image-Aspekten oder auch Preisen. Ziel ist es, Nutzenwerte und damit Wichtigkeiten für die einzelnen Attribute zu eruieren.

Die Befragten erhalten eine Reihe gleichartiger Aufgaben, die jeweils z.B. vier Attribute (zufällig ausgewählt aus der vollständigen Liste der vorab definierten Attribute) enthalten. Aus diesen 4 gezeigten Attributen müssen sie jeweils das Attribut auswählen, das ihnen (1) am wichtigsten und (2) am unwichtigsten ist. Diese Frage wird den Befragten mit wechselnden Items mehrfach vorgelegt, wobei die Struktur der Frage unverändert bleibt und nur die Antwortitems variieren. In der Befragung sieht eine MaxDiff-Aufgabe folgendermassen aus:

Aus den Antworten der Befragten werden mit Hilfe multinominaler logistischer Regressionen Nutzenwerte ermittelt. Diese werden normiert dargestellt. Je höher der Wert, desto wichtiger ist das Attribut. In der Auswertung werden die Nutzenwerte folgendermassen dargestellt:

Was sind die Vorteile des MaxDiff?

Durch die Abfrage von jeweils vier Attributen je «Aufgabe» bleibt der Umfang der Aufgabe beherrschbar (Ranking- oder Allokationsaufgaben mit 10+ Items würden die Befragten überfordern).

Im Vergleich zur Abfrage über Ratingskalen fällt es den Befragten leichter zu antworten, da sie sich nur für 2 Items entscheiden müssen.

Aus MaxDiff-Aufgaben resultieren metrische Daten, die für weitere Analysen, z.B. mit multivariaten Verfahren zur Verfügung stehen.

Die absolute Höhe der Nutzenwerte ist direkt vergleichbar (Item A ist x-mal wichtiger als Item B).

Ratingskalen bergen die Gefahr, homogene Ergebnisse zu generieren, wenn die Befragten alle oder fast alle Attribute für «wichtig» halten. Die MaxDiff-Ergebnisse sind sehr viel differenzierter, weil die Befragten sich jeweils zwischen den Attributen entscheiden müssen.