Vergleich ACA vs. CBC
Die Bedeutung der Adaptiven Conjont-Analyse (ACA) hat in den letzten Jahren kontinuierlich abgenommen. Heute basieren international etwa 70% alle Conjoint-Studien auf CBC-Modelle. ACA-Ansätze kommen auf etwa 20%, alle übrigen auf weitere 10%.
Hauptursache für die zunehmende Bevorzugung des CBCs liegt in seiner relativen Kürze, was ihm deutliche Kostenvorteile verschafft. Seitdem es möglich ist, mit Hilfe der HB-Auswertung (Hierarchical Bayes) auch im CBC individuelle Nutzenwerte zu errechnen, ist eines der größten Contra-Argumente hinfällig geworden. Auch die Möglichkeit, eine No choice-Option zu integrieren, spricht für das CBC.
Dennoch gibt es auch weiterhin gute Gründe, ACA-Modelle einzustzen. Gerade bei komplexen Fragestellungen führt oft kein Weg an einer ACA vorbei. Schließlich können mit dieser Methode bis zu 30 Merkmale (softwareseitige Beschränkung) simultan Verwendung finden.
Vor- und Nachteile der beiden Methoden im Überblick:
