====== Übersicht Kundenpräferenzmodelle ======

Offengelegte Präferenzen (Revealed preferences): Logit Analyse

Mitgeteilte Präferenzen (Stated preferences):
  * Kompositionell
  * Dekompositionell
  * Hybrid

Vorteile von stated Preferences:
  * Abbildung neuer Produktmerkmale/Innovationen
  * Nicht typische Nachteile von Marktdaten (Hohe Kollinearität von Variablen wie Preis und Marke; Wenig Varianz der unabhängigen Variablen wie geringe Preisschwankungen)
  * Auch für B2B-Märkte (nicht öffentlich)
  * Anbietereinflüsse wie Marken herausrechenbar
  * Meist kostengünstiger

Nachteile:
  * Präferenzen in hypothetischen Situationen: Einstellung != Verhalten
  * Unvollständige Marktbedingung (Kein Modell für Wettbewerbsverhalten)
  * I.d.R. keine vollständige Abbildung der Produkte (Überlegungen zu fehlenden Merkmalen verzerren evtl. Ergebnisse)

====== Nutzenmodell von stated preferences ======
Zerlegung Gesamtnutzen in Teilnutzen

Produkt / Merkmal / Merkmalsausprägung (z.B. Auto / Preis / 10.000)

$U_p=\sum_{i=1}^I\sum_{j=1}^J PW_{ij} * x_{ij}$


$PW_{ij}$: Partworth

$x_{ij}$ Indikatorvariable für Merkmal i mit Auprägung j.

Skalierung: Relative Konsistenz entscheidend (absolut uninteressant)

Verfahrenstypen:
  * Kompositionell: Erst PW bestimmen, dann U
  * Dekompositionell: Erst U bestimmen, dann PW
  * Hybrid: Kombination aus beiden.

Ergebnis sind Teilnutzenkurven für Merkmale (x: Merkmalsausprägung j; y: Nutzen).

====== Kompositionell ======
$PW_{ij} = w_j * b_{ij}$

$w_i$: Relative Wichtigkeit von Merkmal i

$b_{ij}$: Bewertung der Ausprägung j des Merkmals i

Wichtigkeitsbestimmung auf Produktmerkmalsebene:
  * Fokus auf Bestimmung der $w_i$
  * $b_{ij}$ müssen interpoliert werden (0% (100%) bei schlechtester (bester) Ausprägung am Markt).

Wichtigkeitsbestimmung auf Merkmals- und Ausprägungsebene:
  * Mehrstufig: Erst Bestimmung der $b_{ij}$, dann der $w_i$
  * Erweiterung um Elimination unerwünschter Ausprägungen

Weitere Verfahren der direkten Wichtigkeitsabfrage (SEA: Self Explicated Approach - Direkte Präferenzbefragung):

Stage 0: Eliminierung unakzeptabler Attributniveaus
Stage 1: Evaluation der akzeptablen Attributniveaus
Stage 2: Evaluation der Attributwichtigkeit

Direkte Wichtigkeitsabfrage auf Ebene der Produktmerkmale: 
  * Punkteskala
    * Wichtigkeit der Produktmerkmale auf Punkteskala bewerten
    * Vorteil: Leicht durchführbar, große Merkmalszahl möglich
    * Nachteil: Keine Trade-Offs (zu viele Ansprüche)
    * Teilnutzenwerte nur über Interpolation für $b_{ij}$ zu ermitteln
      * $b_{Top-Speed,200}$ z.B. (200-Min-Speed) / (Max-Speed-Min-Speed)
      * Für Merkmal Marke unmöglich
  * Ranking
    * Produktmerkmale nach Wichtigkeit ordnen
    * Vorteil: Einfache Tradeoffs
    * Nachteil: Keine Distanzangabe zwischen Rängen; Reihenfolgeeffekte; Schwierig für hohe Merkmalszahl
    * Teilnutzenwerte wieder nur über Interpolation von $b_{ij}$
  * Konstantsummenskala
    * Verteilung einer konstanten Summe auf Produktmerkmale
    * Vorteil: Tradeoffs; Quantifizierbar
    * Nachteil: Telefonisch nicht möglich; Reihenfolgeeffekte; Schwierig für hohe Merkmalszahl
    * Teilnutzenwerte wieder nur über Interpolation von $b_{ij}$

Direkte Wichtigkeitsabfrage auf Ebene der Produktmerkmale und -ausprägungen: 
  * Erster Schritt: Bewertung der Merkmalsausprägungen ($b_{ij}$) z.B. über Punkteskala
  * Zweiter Schritt: Bewertung der Wichtigkeit der Merkmale ($w_j$)
  * Kombination ermöglich Ermittlung von Teilnutzenkurve

====== Dekompositionell ======

===== Conjoint Analyse =====
Datenbasis bilden die Gesamtnutzenurteile (Präferenzurteile) der befragten Personen.

Anwendungsgebiete: Produktgestaltung, Preispolitik, Marktsegmentierung, Marktsiumulation.

Varianten:
  * Profilmethode: Entscheidung zwischen Profilen mit Eigenschaften
  * Tradeoff: Gegenüberstellung von Merkmalen in einer Matrix

  * **Rankingbasierte** CA: Präsentation aller Entscheidungsalternativen auf einmal; Ordnen der Alternativen.
  * **Ratingbasierte** CA: Entscheidungssituation auf Punkteskala mit zwei Alternativen (als Produktprofile)
  * **Auswahlbasierte** CA (Choide Based Conjoint Analysis): Entscheidungssituation mit zwei oder mehr Alternativen (als Produktprofile). Entscheidung für eine (oder keine) Option.
  * **Best/Worst** CA: Mehrere Entscheidungsalternativen (als Produktprofile); Auswahl der besten und schlechtesten Alternative

==== Vorgehen Rankingbasierte CA: ====
  - Merkmale und Merkmalsausprägungen
    * Relevant für Kaufentscheidung; Vollständig; Von Unternehmen beeinflussbar; Unabhängig; Wettbewerbsprodukte abbildbar; Kompensatorische Beziehung; Keine Ausschlusskriterien; Anzahl der Eigenschaften/Ausprägung beschränkt
  - Erhebungsdesign
    * Ideal: Voll-faktorielle Designs (alle mögliche Kombinationen aus Produktmerkmalen)
      * Unabhängigkeit der Mekmale (keine Korrelationen)
      * #Produktprofile = Produkt der #Merkmalsausprägungen pro Merkmal
      * Exponentielles Wachstum
    * Kompromiss: Reduzierte Designs:
      * Orthogonalität der Auswertungsmöglichkeiten wird beibehalten; Beschrieben über Auflösung
  - Datenerhebung
    * Ergebnis: Ranking aller möglichen Produktprofile (Maximum = am meisten präferiert)
  - Schätzung der Nutzenwerte
    * siehe unten
  - Überprüfen der Modellgüte
  - Interpreation der Nutzenparameter

==== Schätzung der Nutzenwerte: ====
=== Regression mit Dummy Variablen ===

Für jedes Merkmal: 
  * Erzeugung einer Variable $x_{ij}$. Wenn Merkmal i Ausprägung j hat ist $x_{ij}=1$ sonst 0.
  * Erzeugung einer solchen Variable für J-1 Ausprägungen des Merkmals.
  * Ausgelassene Ausprägung stellt Basisausprägung dar, andere Werte werden relativ zu dieser Ausprägung geschätzt.
  * OLS-Regression
  * $Rank = \alpha + \sum_{i=1}^I \sum_{j=1}^{J-1} \beta_{ij} x_{ij}$
  * $\alpha$: Nutzen eines Produkts bei dem alle Merkmale Basisausprägung besitzen
  * $\beta_{ij}$: Teilnutzen der Ausprägung j des Merkmals i im Vergleich zur Basisausprägung.

  Coefficients:
  Estimate Std. Error t value Pr(>|t|)
  (Intercept) -5.0278 1.1401 -4.410 0.000139 ***
  time3d 14.1111 1.1401 12.377 7.15e-13 ***

  * Verkürzung der Zeit von 12 auf 3 Minuten entspricht Nutzen von 14,1
  * Wenn Basisausprägung ergibt sich ein Gesamtnutzen von -5,0278

=== Regression mit effekt-kodierten Variablen ===

Für jedes Merkmal:
  * Variable $x_{ij}$
    * 1, wenn Merkmal i des bewerteten Profils Ausprägung j hat
    * -1, wenn Merkmal i des bewerteten Profils Basisausprägung hat
    * 0, sonst
  * Erzeugung einer socleh Variable für J-1 Ausprägungen des Merkmals
  * Ausgelassene Ausprägung ist Basisausprägung
  * OLS-Regression
    * $Rank = \alpha + \sum_{i=1}^I \sum_{j=1}^{J-1} \beta_{ij} x_{ij}$
    * $\alpha$: Durchschnittlicher Nutzen über alle Produktprofile
    * $\beta_{ij}$: Teilnutzen der Ausprägung j des Merkmals i
    * $\sum_{j=1}^{J-1} - \beta_{ij}$ Nutzen der Basisausprägung

==== Überprüfung der Modellgüte ====

Korrelation vorhergesagter/tatsächlicher Bewertung

Vorhersagekraft hinsichtlich Schätzung unberücksichtigter Produktprofile