Wie viele Merkmale und Merkmalsausprägungen sind sinnvoll?

Ein Conjoint-Modell bedarf mindestens zweier Merkmale, und jedes Merkmal mindestens zweier Merkmalsausprägungen. Ohne die Möglichkeit, etwas zu variieren, ist keine Conjoint-Analyse durchführbar.

Die Anzahl der technisch möglichen Merkmale und Merkmalsausprägungen ist softwareabhängig. Diese Grenzen sind für die Praxis aber weniger von Belang, weil sie meist so angelegt sind, dass man sie nicht ausschöpft. Dennoch gibt es Software-Module, die maximal zehn Attribute zulassen. Diese Anzahl mag zwar für eine klassische CBC-Studie mehr als ausreichend sein, für einige Fragestellungen ist sie aber eindeutig zu klein.

Entscheidender als die technische Obergrenze ist die kognitive Verarbeitungskapazität der Befragten. Es bringt wenig, hochkomplexe Modelle zu bauen, wenn der Proband sich dann notgedrungen auf zwei oder drei saliente Attribute konzentriert. Gerade bei vollständigem Design im CBC oder ACBC können acht Attribute oder mehr den Befragten überfordern.

Als Faustregel gilt: Bis zu sieben Attribute lassen sich gut mit einem CBC-Modell bearbeiten, fünf bis zehn Attribute stellen eine handhabbare Menge im ACBC dar, und ein ACA-Modell fängt mit sechs oder sieben Attributen an, interessant zu werden. Aber das sind natürlich nur ungefähre Werte.

Die Anzahl der Merkmalsausprägungen sollte so gering wie möglich gehalten werden. Das gilt gerade für kontinuierliche (‚metrische‘) Attribute wie Preis, Gewicht, Größe etc. Vier oder fünf Stufen reichen hier meistens aus, da man Zwischenwerte in der Simulation interpolieren kann. Wichtig ist aber, dass man den gesamten relevanten Wertebereich (Range) abdeckt. Extrapolieren kann (sollte) man nämlich nicht.

Sehr lange Attribute, also Attribute mit vielen Ausprägungen, gehen auf Kosten der Modellgüte, da die jeweilige Ausprägung umso seltener den Probanden gezeigt wird, je mehr Abstufungen das Merkmal hat. Das führt zu ungenaueren Schätzungen (die über eine größere Fallzahl oder mehr Tasks bzw. mehr Produktdarbietungen kompensiert werden müssen).

Aber auch hier gibt es Ausnahmen. Sehr einfache CBC-Modelle können manchmal Merkmale mit 30, 50 oder mehr Ausprägungen aufweisen, wenn ganze Produkte lediglich im Preis variiert werden. In einem solchen Pseudo-Regaltest sieht man dann auf jedem Screen eine ganze Reihe von Produkten, aus denen man das jeweils attraktivste auswählen kann.

Insgesamt gilt: Man kann nicht alle Fragestellungen mit einem Conjoint-Modell ‚erschlagen‘. Weniger ist oft mehr. Es ist besser, mehrere kleinere Conjoint-Modelle zu konzipieren, als ein einziges riesiges Meta-Modell zu bauen.