Eine stärkere Orientierung an den Präferenzen der Konsumenten rückt heute immer mehr ins Zentrum von Marketingmaßnahmen. In diesem Zusammenhang werden häufig Ansätze diskutiert, die eine gezielte Ansprache der Kunden erlauben, wie das beispielsweise im Rahmen von personalisierten Angeboten oder Mass Customization möglich ist. Voraussetzung hierfür ist eine möglichst disaggregierte Analyse der Präferenzen der Konsumenten, damit die Heterogenität in den Präferenzen der Konsumenten angemessen berücksichtigt werden kann.

Anhand einer groß angelegten Simulationsstudie vergleicht Sonja Gensler die Conjoint-Analyse und die Choice-Based-Conjoint-Analyse als Methoden zur Erfassung und Analyse von Konsumentenpräferenzen und untersucht die Möglichkeiten zur Berücksichtigung heterogener Präferenzen durch Finite-Mixture-Modelle und hierarchische Bayes-Modelle. Sie zeigt, wo die Stärken und Schwächen der Methoden liegen und leitet Implikationen für den Einsatz in der Praxis ab.

Autorentext
Dr. Sonja Gensler ist wissenschaftliche Mitarbeiterin von Prof. Dr. Bernd Skiera am Lehrstuhl für Electronic Commerce der Universität Frankfurt/M.

Inhalt
1 Einleitung.- 1.1 Problemstellung.- 1.2 Ziele der Arbeit.- 1.3 Aufbau der Arbeit.- 2 Präferenzerfassung und Präferenzanalyse mittels Conjoint Analyse und Choice-Based Conjoint Analyse.- 2.1 Nutzenkonstrukt und Präferenzen.- 2.2 Conjoint Analyse.- 2.3 Choice-Based Conjoint Analyse.- 2.4 Vergleich von Conjoint Analyse und Choice-Based Conjoint Analyse.- 2.5 Fazit.- 3 Möglichkeiten zur Modellierung von Heterogenität in der Präferenzanalyse.- 3.1 Bedeutung der Heterogenität.- 3.2 Modellierung von Heterogenität in Modellen auf aggregierter Ebene.- 3.3 Modellierung von Heterogenität in Modellen auf Segment-Ebene.- 3.4 Modellierung von Heterogenität in Modellen auf individueller Ebene.- 3.5 Beurteilung der unterschiedlichen Möglichkeiten zur Modellierung von Heterogenität in der Präferenzanalyse.- 3.6 Fazit.- 4 Segmentspezifische Präferenzanalyse mit Finite Mixture Modellen.- 4.1 Finite Mixture Conjoint Modell.- 4.2 Finite Mixture Choice-Based Conjoint Modell.- 4.3 Empirischer Vergleich der Finite Mixture Modelle.- 4.4 Fazit.- 5 Individuelle Präferenzanalyse mit Hierarchischen Bayes Modellen.- 5.1 Einführung in die Bayes-Statistik.- 5.2 Hierarchisches Bayes Conjoint Modell.- 5.3 Hierarchisches Bayes Choice-Based Conjoint Modell.- 5.4 Empirischer Vergleich der hierarchischen Bayes Modelle.- 5.5 Fazit.- 6 Vergleich von Finite Mixture Modellen und hierarchischen Bayes Modellen.- 6.1 Theoretischer Vergleich von Finite Mixture Modellen und hierarchischen Bayes Modellen.- 6.2 Empirischer Vergleich von Finite Mixture Modellen und hierarchischen Bayes Modellen.- 6.3 Vergleich von Finite Mixture Modellen und hierarchischen Bayes Modellen anhand von Simulationsstudien.- 7 Durchführung der Simulationsstudie.- 7.1 Ziele der Simulationsstudie.- 7.2 BerücksichtigteFaktoren in der Simulationsstudie.- 7.3 Generierung der Daten.- 7.4 Betrachtete Modelle.- 7.5 Gütemaße.- 8 Ergebnisse der Simulationsstudie.- 8.1 Einfluss des Modelltyps und der berücksichtigten Faktoren auf die Gütemaße.- 8.2 Beurteilung der Anpassungsgüte der Modelle.- 8.3 Beurteilung der Aufdeckung der Nutzenstruktur.- 8.4 Beurteilung der Prognosevalidität.- 8.5 Zusammenfassung der Ergebnisse.- 9 Zusammenfassung und Implikationen.- 9.1 Zusammenfassung.- 9.2 Implikationen.- Stichwortverzeichnis.