MaxDiff - Skalierung Die MaxDiff-Skalierung ist die optimale Methode zur Messung von Relevanzen oder Präferenzen. Wenn es speziell um die Eigenschaften von Produkten geht, dann hat die MaxDiff-Skalierung ähnliche Anwendungsfelder wie die Conjoint-Measurement-Analyse. Sie stellt jedoch deutlich geringere Anforderungen an das Testdesign und hat daher breitere Anwendungsmöglichkeiten. Mögliche Fragestellungen sind z.B: • Welche Produkteigenschaft hat die höchste Relevanz für die Kaufbereitschaft? • Welche Image-Items passen am besten zur Marke XY? • Welche Eigenschaften beschreiben einen TV-Spot am besten? • Welcher der Claims passt am besten zur Marke XY? Die MaxDiff-Skalierung hat gegenüber konventionellen aber auch gegenüber anderen innovativen Skalierungsmethoden eine Reihe von Vorteilen. Die wichtigsten sind: • Die Befragung ist leicht umzusetzen • Die Abfrage ist für die Probanden leicht zu verstehen • Die Methode hat ein sehr breites Anwendungsspektrum • Die Ergebnisse sind leicht zu interpretieren • Die Ergebnisse haben im Vergleich zu konventionellen Skalierungen (wie z.B. Ratingskala, Ranking, konstante Summe) geringere methodische Probleme und Einschränkungen Die Datenerhebung kann sowohl online, als auch Paper-Pencil und als CAPI-Interview erfolgen. Mit Einschränkungen, d.h. im begrenzten Umfang und wenn die Items kurz formuliert werden, ist auch eine Erhebung als CATI-Interview möglich. Rechts auf der Seite finden Sie ein kurzes   Beispielinterview  für eine MaxDiff-Skalierung, in dem die Relevanz von 19 unterschiedlichen Serviceleistungen und sonstigen Merkmalen für eine Flugreise untersucht werden. Unter dem Button Basis Online Report finden Sie die Darstellung der ersten Online-Ergebnisse einer MaxDiff-Studie mit n=154 Teilnehmern. Die ersten Online Ergebnisse sind ist für den Kunden unmittelbar nach Testende verfügbar. Die eigentliche Analyse findet danach offline statt. Hierfür werden mittels einer Hierarchischen Bayes Analyse die Präferenzen für jeden Probanden und jedes Item errechnet. Diese Daten stehen dann für weitere Analyse (z.B. Segmentierungen mittels Clusteranalyse) zur Verfügung.