Die Präferenzanalyse ermöglicht die Messung des relativen Einflusses von Produkteigenschaften (im weiteren Sinne) auf den Prozess der Kaufentscheidung. Auf Basis dieser Gewichtungen ist es möglich Präferenzen zu modellieren und Kaufentscheidungen zu simulieren. Ebenso können die Auswirkungen einer Änderung in ein oder mehreren dieser Produkteigenschaften auf die Nachfrage prognostiziert werden .


Ziele der Stufe I

	Kennenlernen der wichtigsten Kauf- und Konsumgewohnheiten, Identifikation von Kaufmotiven und Bewertung der Produktbekanntheit auf dem Markt.
	Identifikation der Aspekte, die den Marketingmix der Referenzprodukte ausmachen und Messung der Konsumentenidentifikation mit jeder einzelnen dieser Eigenschaften.
	Quantifizierung der Präferenzen für bestimmte Produkteigenschaften oder Kommunikationskonzepte.

Ziele der Stufe II

	Schätzung des relativen Einflusses von Produkteigenschaften auf den Prozess der Kaufentscheidung und Erklärung der Präferenzbeziehungen und Substitutionen zwischen einzelnen Marken.
	Schätzung der Nutzenswerte (Utilities) der einzelnen Ausprägungen der Produkteigenschaften, Schätzung der Haupt- und Wechselwirkungen zwischen einzelnen Ausprägungen, Erforschung der im Markt vorherrschenden Sensibilität hinsichtlich Variationen der Produkteigenschaften und Identifikation der attraktivsten Produktkonfiguration.
	Marktsegmentierung auf Basis von Präferenzen für Produkteigenschaften, Schätzung der Segmentgrößen, Identifikation der attraktivsten Produktkonfiguration für jedes der Segmente. Exploration der Bedürfnislage und Erstellung eines differenzierenden Profils.
	Programmierung von Marktsimulatoren um die Auswirkungen neuer Produkteinführungen oder Kommunikationsstrategien auf die Präferenzenverteilung und die Nachfrage abzuschätzen. Verwendung von Optimisatoren, um Churns und Gewinn gleichzeitig zu maximieren.

 

Angewandte Techniken

In neuen Märkten wird eine qualitative Explorationsphase empfohlen, um später auch alle wesentlichen Produkteigenschaften zu berücksichtigen. Statistisch gesprochen erfordert die Präferenzanalyse den häufigen Einsatz von Conjoint Analyse, Maximum Difference Scaling, Hierarchical Bayes Estimation und Turf Analyse.