MaxDiff - Wie lautet das Ergebnis?

Kennen Sie die Situation, in der viele Elemente (Beschreibungen, Aussagen oder Konzepte) in eine Präferenzordnung gebracht werden müssen? Ranking- und Ratingfragen werden in solchen Situationen häufig verwendet, obwohl MaxDiff in den letzten Jahren immer mehr Aufmerksamkeit als gute Alternative erlangt hat.

MaxDiff ist im Gegensatz zum Rating skalenfrei und hat daher keine skalen- oder kulturbedingte Verzerrung. Zweitens kann es mit vielen Items umgehen, wohingegen das Ranking von mehr als sechs Items zu bedeutungslosen, trivialen Rangordnungen führt. MaxDiff überwindet diese Nachteile.

MaxDiff: Was es ist

MaxDiff ist die Abkürzung für Maximum Difference Scaling und wurde 1987 von Jordan Louviere erfunden. Vereinfacht ausgedrückt wird bei einer MaxDiff-Übung eine Liste mit vielen Elementen, z. B. 30 Kindernamen, als Grundlage verwendet, und die Befragten werden dann mehreren Teilmengen dieser Hauptliste ausgesetzt, indem jeweils 5 der 30 Namen zufällig ausgewählt werden. Aus jeder Teilmenge werden die Befragten gebeten, das Element auszuwählen, das sie am meisten und am wenigsten mögen. Diese Auswahlaufgabe wird einige Male mit einer vordefinierten Menge zufällig ausgewählter Teilmengen wiederholt, um genügend Beobachtungen für eine solide Analyse zu sammeln.

MaxDiff: Wie es funktioniert

Die fliegende Nutzenschätzung in SSI/Web hilft dabei, die Beweggründe der Menschen für ihre Entscheidungen besser zu verstehen. Sie ermöglicht es Ihnen, den besten und den schlechtesten Gegenstand der Befragten für Folgefragen abzurufen, um zu verstehen, warum sie diesen Gegenstand am besten oder am schlechtesten finden. Es hilft dabei, den Rahmen für die Beziehungen zu setzen: Es war das Beste aus dem Set, aber nichts aus dem Set hat wirklich gefallen. Durch offene Fragen zur Motivation werden die Befragten aufgefordert, ihre Beweggründe zu nennen.

MaxDiff liefert einen Rang zwischen den getesteten Items, einen metrischen Abstand zwischen den gerankten Items und eine Begründung für die Wahl der Befragten. Da die Ränge auf der Ebene der einzelnen Befragten ermittelt werden, können sie in der gesamten Stichprobe stark variieren. Segmentierungs- oder Cluster-Analysen können angewandt werden, um ähnliche Antwortmuster auf Segmentebene zu finden (z. B. zur Aufdeckung von Merkmalen, die einer bestimmten Gruppe innerhalb der Gesamtstichprobe eigen sind, die ein bestimmtes Element mag).

Auf aggregierter Ebene können wir feststellen, dass Punkt "X" gewinnt, aber wir können auch sehen, dass es eine akzeptable Alternative gibt, die mehr als einen angemessenen Anteil der Präferenzen erhält (Punkt "Y"). Auf der Ebene der Segmente sehen wir jedoch, dass die Präferenzen variieren und dass systematische Unterschiede gefunden werden können. Die Segmentierung verhindert, dass wir Artikel, die auf aggregierter Ebene am besten abschneiden, einfach zum "Gewinner" erklären, während ihre Leistung auch darauf zurückzuführen sein kann, dass sie am besten im Mittelfeld liegen und nicht kontrovers sind. Wenn wir die Ergebnisse auf Segmentebene betrachten, können wir zu einer anderen oder, anders ausgedrückt, zu einer gezielteren Schlussfolgerung kommen.

MaxDiff: Wann ist es zu verwenden?

MaxDiff kann immer dann eingesetzt werden, wenn Sie eine Auswahl zwischen vielen Elementen (sagen wir bis zu 30) treffen müssen, wobei die Elemente auf einem vergleichbaren Ausführungs- und Artikulationsniveau liegen. MaxDiff kann verwendet werden, um die Auswahl zwischen Wörtern (z. B. Marken-, Sortiments- oder Produktnamen), Aussagen (z. B. Nutzen- oder Überzeugungsartikulationen) oder vollständigen Konzepten (z. B. Kombination von vollständigen Beschreibungen und Visualisierungen) zu unterstützen. Wir empfehlen Ihnen jedoch, die Anzahl der Items, die Sie in einer MaxDiff-Studie testen, proportional zu ihrer Länge oder Komplexität zu begrenzen, um unnötige Ermüdung zu vermeiden und eine optimale Datenqualität zu gewährleisten.

Kein Instrument ist perfekt, und der MaxDiff-Ansatz hat gewisse Einschränkungen. Die offensichtlichste Einschränkung ist, dass MaxDiff nur relative und keine absoluten Maße für die Leistung von Items liefert. Das bedeutet, dass wir die Leistung eines Items nur relativ zu anderen Items im selben Set zeigen können, nicht aber über Sets und Studien hinweg. Es gibt jedoch Möglichkeiten, dies zu umgehen, z. B. durch die Aufnahme eines Benchmark-Items in die Itemmenge, d. h. eines Items mit einer bekannten Leistung, die in anderen Sets und Studien gemessen wurde. Es gibt auch andere Lösungen, die von Fall zu Fall diskutiert werden können.