Messung von Wichtigkeiten mit Hilfe des Maximum Difference Scaling (Max-Diff-Verfahrens)
In der Marktforschung geht es häufig darum, die Wichtigkeit von verschiedenen Attributen festzustellen und diese der Reihe nach zu sortieren. Produkte und Dienstleistung können diverse Eigenschaften haben, die für den Kunden unterschiedlich wichtig sind. Exemplarisch sei hier auf die Eigenschaft eines neuen Schuhs verwiesen: Für den einen Kunden sind vor allem der Preis und die Langlebigkeit wichtig, wobei Design und Vermarktung einen geringeren Stellenwert einnehmen. Bei anderen Kunden hingehen können ganz andere Eigenschaften eine Rolle bei der Kaufentscheidung spielen. Würde man den Kunden hinsichtlich dieser Attribute und ihrer Wichtigkeit befragen, wäre das Ergebnis nur eingeschränkt nützlich. Befragte geben in einer direkten Abfrage häufig an, dass alle positiven Eigenschaften eines Produkts ihnen wichtig sind. Daher lässt sich mit dieser klassischen Vorgehensweise keine eindeutige Rangliste abbilden und damit keine klare Handlungsempfehlung hinsichtlich des Produkts ableiten.
Eine Möglichkeit dieses Problem zu lösen, bietet die Verwendung des so genannten Max-Diff-Verfahrens an. Dabei wird der Befragte nicht nach absoluten Werten für die individuelle Wichtigkeit einzelner Attribute befragt, sondern er vergleicht alle gewünschten Attribute miteinander. Abgefragt werden kann dies beispielsweise wie folgt:
Zunächst wird eine Gruppe der Attribute gezeigt und der Befragte wählt diejenige Eigenschaft, die ihm am wichtigsten bzw. am unwichtigsten ist. Danach wird eine nächste Gruppe gezeigt und erneut die jeweilige Wichtigkeit bzw. Unwichtigkeit abgefragt. Nach einem kompletten Durchgang wurde jedes Attribut miteinander vergleichen und differenziert. Mit Hilfe einer multinomialen logistischen Regression werden anschließend die Werte errechnet, normiert und auf einer relativen Skala dargestellt. Das heißt, es können eindeutige relative Aussagen hinsichtlich der Rangfolge der Wichtigkeiten getroffen werden.
In diesem Beispiel ist die Eigenschaft „Passform“ mehr als doppelt so wichtig wie das Attribut „Langlebigkeit“ – ein eindeutiges Verhältnis. Die Werte der einzelnen Attribute sind durch ihre Normierung problemlos interpretierbar, da sie von 0% bis 100% reichen, wobei ein höherer Wert auf eine wichtigere Eigenschaft hinweist.
Neben der einfachen Interpretation gibt es weitere Vorteile, die für eine Anwendung des Max-Diff-Verfahrens sprechen. Die Reliabilität der Ergebnisse ist hier besonders zu betonen, da die Beantwortung simpler Vergleiche für die Befragten intellektuell relativ einfach ist, da sie sich nur zwischen zwei Möglichkeiten entscheiden müssen und sich nicht auf einer klassischen 10er-Skala positionieren müssen. Etwaige andere Effekte, die im Kontext mit metrischen Skalen auftreten, werden ebenso vorgebeugt. Exemplarisch sei hier auf Skaleneffekte bei internationalen Studien verwiesen: Je nach kulturellem Hintergrund werden beispielsweise tendenziell mehr negative oder positive Werte für dasselbe zumessende Konstrukt ausgewählt.
Die Nutzung des Verfahrens ist jedoch nicht immer sinnvoll, da sich nicht alle Eigenschaften eines Produkts sinnvoll miteinander vergleichen lassen. Beispielhaft sei hier auf Preise oder andere quantitative Leistungsfaktoren verwiesen, die immer möglichst klein (z.B. der Preis) oder groß (z.B. die Anzahl der Pixel) präferiert werden. Auch kann die Methodik durchgehend nur Präferenzen anzeigen, da immer jeweils ein Wert ausgewählt werden muss. Diskrete Entscheidungen wie beispielsweise die Kaufbereitschaft können gleichwohl nicht damit gemessen werden, da eine Präferenz nicht notwendigerweise die Kaufbereitschaft impliziert. Eine Änderung des Verhaltens der Befragten lässt sich mit dem Max-Diff-Verfahren demzufolge nicht abbilden.
Es ist außerdem zu betonen, dass mit der hier vorgeschlagenen Herangehensweise nur eine aggregierte Stichprobe analysiert werden kann. Aussagen basierend auf Bewertungen von einzelnen Befragten oder gebildeten Gruppen sind nicht zu treffen.
Insgesamt stellt das Max-Diff-Verfahren jedoch ein nützliches Instrument dar, das (1) ausdrücklich auch von fachfremden Personen sinnvoll und schnell interpretiert werden kann und (2) eine sofortige Generierung der Rangfolge verschiedener Präferenzen ermöglicht. Gleichzeitig sollte das Ergebnis in jedem Fall im Kontext mit anderen Verfahren betrachtet werden, um die Ergebnisse zusätzlich aus anderen Blickwinkeln heraus beurteilen zu können.