Diese Frage ist natürlich besonders schwer zu beantworten. Der Conjoint-Software-Anbieter Sawtooth schreibt etwas salopp: “Wie kennen keine wirklich gute Conjoint-Studie, die mit weniger als 800 Befragten auskommt.” Das ist für die Praxis sicher wenig hilfreich.
Gerade im B2B-Bereich gibt es Märkte, in denen die (weltweite!) Grundgesamtheit kaum ein paar Hundert Einheiten umfasst. In solchen Märkten ist man dann hochzufrieden, wenn man 50 Personen zur Teilnahme an einer Studie bewegen kann. Und auch bei großen Stichproben besteht manchmal die Notwendigkeit, diese so weit herunter zu brechen, dass die zu betrachtende Einheit kaum größer ist.
Grundsätzlich hängt die Stichprobengröße von drei Faktoren ab: Von der Anzahl der Ausprägungen des ‘längsten’ Merkmals, also die maximale Anzahl der Stufen (Ausprägungen), die ein Merkmal in einem Conjoint-Modell hat. Hierbei spielt es keine Rolle, wenn die restlichen Merkmale besonders kurz sind. Darüber hinaus wird die notwendige Stichprobengröße von der Anzahl der gezeigten Conjoint-Tasks und der in einem Task gezeigten Produkte beeinflusst. Das gilt in dieser Form zwar nur für ein CBC-Modell, findet aber auch in den anderen Conjoint-Verfahren Entsprechungen. Ein ‘längeres’ Attribut muss also z.B. durch einen größeren Stichprobenumfang, mehr Conjoint-Aufgaben oder einer Erhöhung der Anzahl der simultan gezeigten Produkte erkauft werden, um eine vergleichbare Fehlerrate zu erreichen wie bei einem ‘kürzeren’ Merkmal. Ähnliches gilt für die Erhöhung oder Verringerung der anderen Parameter.
Es ist sinnvoll, Conjoint-Modelle vorab zu testen, um das ökonomischste Verhältnis dieser gegenläufigen Modelleigenschaften zu finden.