Auf der diesjährigen „General Online Research“ (GOR)-Konferenz hielten Christine Hübner und Paolo Cordella einen Vortrag über den Einsatz der Conjoint-Analyse als multivariate Alternative zu A/B-Tests, um herauszufinden, welche Funktionen von Buchungsportalen die Kaufentscheidungen bei Hotelbuchungen beeinflussen.
http://www.slideshare.net/SKIMgroup/modeling-online-hotel-choice-conjoint-analysis-as-a-multivariate-alternative-to-abtesting
Falls Sie die Folien auf dieser Seite nicht anzeigen können oder die Präsentationsdatei herunterladen möchten, klicken Sie hier, um unsere Folien auf SlideShare anzusehen.
Referenten:
Christine Hübner, Senior Technical Analyst bei SKIM
Paolo Cordella, Senior Technical Analyst bei SKIM
Wie können Forscher am besten untersuchen, welche Faktoren Online-Kaufentscheidungen beeinflussen? Derzeit gelten A/B-Tests, bei denen einzelne Funktionen auf zwei ansonsten identischen Versionen einer Website verglichen werden, als Goldstandard für die Untersuchung von Online-Kaufumgebungen. Trotz ihrer Einfachheit sind A/B-Tests mühsam, da jeweils nur eine einzige Funktion geändert werden kann und mögliche Wechselwirkungen zwischen den Funktionen nicht berücksichtigt werden.
In ihrem Vortrag untersuchten Christine und Paulo, ob die Conjoint-Analyse als multivariate Alternative zum A/B-Testing eingesetzt werden kann. Die wahlbasierte Conjoint-Analyse ist eine leistungsstarke Methode zur Analyse von Kaufentscheidungen, da sie eine Optimierung über verschiedene Attribute und Ausprägungen hinweg ermöglicht. Während sich Attribute und Ebenen bei den meisten Conjoint-Anwendungen auf das Produkt selbst beziehen, lässt sich die Methode auch zur Optimierung der Benutzeroberfläche anwenden (Platzierung von Elementen, deren Gestaltung und Umsetzung sowie die Verwendung von Bewertungen, Rezensionen und Werbeaktionen). Mithilfe der wahlbasierten Conjoint-Analyse können wir testen, welche Funktionen einer Buchungswebsite die Kaufentscheidungen bei der Buchung von Hotelunterkünften beeinflussen.
Erfahren Sie, wie eine etablierte Biermarke ihre Preis- und Vertriebsstrategien optimierte, um auf einem afrikanischen Markt ein zweistelliges Wachstum zu erzielen.
Wie Erkenntnisse über Patientenpräferenzen dazu beitrugen, den Wert der Prävention von Infektionskrankheiten über die klinischen Ergebnisse hinaus aufzuzeigen.
Ein dynamisches Prognosemodell half einem Kunden aus dem Gesundheitswesen dabei, Entscheidungen hinsichtlich Markteinführung, Preisgestaltung und Marktzugang mit größerer Sicherheit zu treffen.
Erfahren Sie, wie E.ON Next mithilfe von Erkenntnissen aus der Verhaltensforschung eine stärkere Markendifferenzierung jenseits des Preises erreicht hat.