Kurz gesagt: Beide Verfahren zwingen Befragte zu echten Trade-offs statt zu Bewertungsskalen, auf denen am Ende alles wichtig ist. Der Unterschied liegt im Untersuchungsgegenstand: MaxDiff priorisiert einzelne, für sich stehende Elemente – Features, Botschaften, Claims, Benefits – und liefert eine saubere Rangfolge. Conjoint bewertet ganze Produktkonzepte, die aus Merkmalen mit Ausprägungen zusammengesetzt sind, und liefert Nutzenwerte, Präferenzanteile und Zahlungsbereitschaft. Faustregel: Sie haben eine Liste → MaxDiff. Sie haben eine Konfiguration mit Preis → Conjoint.
Das Problem, das beide lösen
Frag zehn Kundinnen auf einer Fünferskala, wie wichtig ihnen schnellerer Support, ein niedrigerer Preis, mehr Funktionen und besserer Datenschutz sind. Du bekommst vier Mal „sehr wichtig". Das ist keine Nachlässigkeit der Befragten, sondern die logische Antwort auf eine Frage, die nichts kostet: Auf einer Rating-Skala kann alles gleichzeitig wichtig sein.
In der Realität nicht. Dort gibt es ein Budget, eine Roadmap und einen Platz auf der Verpackung. Beide Verfahren bauen diese Knappheit in die Frage ein: Die Befragten müssen sich entscheiden, und aus vielen kleinen Entscheidungen wird eine Rangfolge, die tatsächlich differenziert. Der Unterschied ist, worüber entschieden wird.
MaxDiff: die Rangfolge einer Liste
Bei MaxDiff (Maximum Difference Scaling, auch Best-Worst Scaling) siehst du pro Bildschirm eine kleine Auswahl aus deiner Gesamtliste – typischerweise vier oder fünf Elemente – und wählst das wichtigste und das unwichtigste. Danach kommt das nächste Set mit einer anderen Kombination, und so weiter über mehrere Auswahlsets.
Jedes Set liefert damit gleich mehrere Informationen: Das Beste schlägt alle anderen im Set, das Schlechteste verliert gegen alle. Über viele Sets und viele Befragte entsteht daraus eine belastbare Skala für die ganze Liste – auch für Elemente, die nie gemeinsam auf einem Bildschirm standen.
Wofür MaxDiff gedacht ist: Feature-Priorisierung für die Roadmap, Auswahl von Werbebotschaften und Claims, Ranking von Kaufmotiven oder Markenassoziationen, Priorisierung von Sortimentsideen. Immer dann, wenn die Elemente unabhängig voneinander sind und du wissen willst, welche oben stehen.
Was DataLion daraus rechnet: drei Schätzverfahren auf der R-Engine – Count (Best minus Worst, die einfache Subtraktion), Aggregate Logit für robuste Gesamtwerte und Random-Parameter-Logit für individuelle Nutzenwerte je Befragten. Die individuellen Werte sind das, was du brauchst, wenn du anschließend Segmente bilden oder prüfen willst, ob eine Botschaft in einer Zielgruppe funktioniert und in einer anderen nicht. Details dazu auf der Seite MaxDiff-Analyse.
Conjoint: der Wert einzelner Merkmale im Gesamtpaket
Bei Choice-Based Conjoint (CBC) siehst du nicht einzelne Elemente, sondern zwei bis vier vollständige Produktkonzepte nebeneinander – jedes beschrieben durch dieselben Merkmale in unterschiedlichen Ausprägungen – und wählst eines aus. Also die Situation, in der eine Kaufentscheidung tatsächlich stattfindet.
Ein Tarif könnte etwa aus den Merkmalen Preis (29 / 49 / 79 €), Vertragslaufzeit (monatlich / 12 Monate), Support (E-Mail / Telefon) und Datenspeicherung (EU / weltweit) bestehen. Aus den Entscheidungen über viele solcher Auswahlaufgaben rechnet das Modell zurück, welchen Beitrag jede einzelne Ausprägung zur Entscheidung geleistet hat.
Wofür Conjoint gedacht ist: Preisfindung und Preisstufen, Paketierung und Tarifdesign, Konfiguration von Produktvarianten, Simulation von Wettbewerbsszenarien. Also überall dort, wo Merkmale gemeinsam auftreten und gegeneinander aufgewogen werden – vor allem gegen den Preis.
Was DataLion daraus rechnet: DataLion erzeugt aus deinen Merkmalen und Ausprägungen ein balanciertes Choice-Design, spielt die Auswahlaufgaben über die native Umfrage aus und schätzt die Part-Worth-Nutzenwerte auf R (Logit/MNL, aggregiert bzw. mixed – kein Hierarchical Bayes). Anschließend stellst du im Präferenz-Simulator Konzepte gegeneinander und liest die Präferenzanteile ab; enthält das Design ein Preis-Attribut, gibt DataLion die Zahlungsbereitschaft aus. Der ganze Ablauf steht auf der Seite Conjoint & MaxDiff.
Die Unterschiede auf einen Blick
| MaxDiff | Choice-Based Conjoint | |
|---|---|---|
| Untersuchungsgegenstand | Einzelne, unabhängige Elemente einer Liste | Merkmale mit Ausprägungen, kombiniert zu Konzepten |
| Aufgabe für Befragte | Bestes und schlechtestes Element im Set wählen | Ein vollständiges Konzept aus mehreren wählen |
| Ergebnis | Rangfolge und Wichtigkeiten der Elemente | Nutzenwerte je Ausprägung, Merkmalswichtigkeiten |
| Preis abbildbar | Nur als Listenelement, ohne Preis-Absatz-Logik | Ja, als eigenes Merkmal mit Preisstufen |
| Simulation | Nein | Ja: Präferenzanteile, Szenarien, Zahlungsbereitschaft |
| Typische Listengröße | 15 bis 40 Elemente gut machbar | 4 bis 6 Merkmale mit je 2 bis 5 Ausprägungen |
| Aufwand in der Konzeption | Gering: Liste sauber formulieren | Höher: Merkmalsraum und Design festlegen |
| Länge für Befragte | Kurz, meist wenige Minuten | Länger, kognitiv anspruchsvoller |
Wann welche Methode – vier konkrete Fälle
„Welche fünf Features bauen wir als Nächstes?" → MaxDiff
Du hast 25 Kandidaten aus dem Backlog. Sie sind unabhängig, es gibt keinen Preis, du brauchst eine Reihenfolge. Genau der Fall, für den MaxDiff gebaut ist – und mit 25 Elementen wäre ein Conjoint-Design ohnehin nicht sinnvoll zu konstruieren. Startpunkt: unsere Vorlage MaxDiff Feature-Priorisierung.
„Was darf das Premium-Paket kosten und was gehört hinein?" → Conjoint
Hier hängt alles zusammen: Der akzeptierte Preis ändert sich mit dem Funktionsumfang, und die Wirkung eines Features hängt davon ab, was es kostet. Das lässt sich nur gemeinsam modellieren. Startpunkt: Conjoint Produktpräferenzen.
„Welcher Claim kommt auf die Startseite?" → MaxDiff
Acht Textvarianten, kein Preis, keine Kombinatorik. MaxDiff liefert die Rangfolge, und über die individuellen Nutzenwerte siehst du zusätzlich, ob ein Claim in einer Zielgruppe polarisiert – ein Mittelwert-Ranking würde genau das verdecken.
„Was passiert, wenn der Wettbewerber den Preis senkt?" → Conjoint
Eine Was-wäre-wenn-Frage über Marktanteile. Sie braucht ein Modell, in dem sich Konzepte gegeneinander stellen lassen, also den Präferenz-Simulator. MaxDiff kann das strukturell nicht: Es kennt keine konkurrierenden Produkte, nur eine Liste.
Sonderfall: nur der Preis interessiert
Wenn du wirklich ausschließlich die Preisbereitschaft für ein feststehendes Produkt wissen willst, ist Conjoint überdimensioniert. Dann reichen Van Westendorp oder ein Gabor-Granger-Preistest – beide sind in einer Viertelstunde aufgesetzt und für Befragte deutlich weniger anstrengend.
Beide kombinieren – der übersehene Weg
Die Frage muss nicht „entweder oder" lauten. Ein in der Praxis sehr effizientes Vorgehen ist zweistufig:
- MaxDiff als Trichter. Du startest mit 30 möglichen Features oder Leistungsbestandteilen und lässt sie priorisieren. Ergebnis: eine belastbare Rangfolge.
- Conjoint für die Spitze. Die fünf oder sechs stärksten Elemente werden zu Merkmalen eines Conjoint-Designs, ergänzt um Preis. Ergebnis: Paketierung, Preisstufen und Simulation.
Der Vorteil liegt in der Studienökonomie: Conjoint-Designs werden schnell unbrauchbar, wenn du zu viele Merkmale hineinzwingst – die Zahl der nötigen Auswahlaufgaben steigt und die Datenqualität sinkt, weil Befragte irgendwann nur noch raten. Das MaxDiff davor reduziert den Merkmalsraum auf eine begründete Auswahl, statt dass jemand im Workshop entscheidet, welche fünf Merkmale ins Design kommen.
Häufige Fehler bei beiden Verfahren
- MaxDiff mit abhängigen Elementen. Stehen „Mobile App" und „Push-Benachrichtigungen" gemeinsam in der Liste, konkurrieren sie miteinander, obwohl das eine das andere voraussetzt. Elemente müssen für sich stehen können.
- Unterschiedliche Abstraktionsebenen mischen. „Besserer Support" und „Antwort innerhalb von zwei Stunden" in derselben Liste verzerren das Ergebnis systematisch – das Konkrete gewinnt fast immer.
- Zu viele Merkmale im Conjoint. Ab etwa sieben Merkmalen wird die Aufgabe für die meisten Befragten zur Ratearbeit. Lieber weniger Merkmale und ein sauberes Design.
- Unrealistische Ausprägungen. Ein Preisbereich, der reale Marktpreise weit unterschreitet, produziert Nutzenwerte, die im Simulator schön aussehen und in der Realität nichts bedeuten.
- Ergebnisse ohne Segmentblick berichten. Die Gesamtrangfolge ist oft der Kompromiss zweier gegenläufiger Zielgruppen. Erst der Vergleich über Subspalten und ein Signifikanztest zeigt, ob ein Unterschied trägt.
Fazit
MaxDiff beantwortet „Was ist am wichtigsten?", Conjoint beantwortet „Was ist es wert – und was wählen die Leute, wenn wir es so bauen und so bepreisen?". Wenn du dir unsicher bist: Schau dir an, ob dein Untersuchungsgegenstand eine Liste oder eine Konfiguration ist. Das entscheidet die Methode zuverlässiger als jede Faustregel zur Stichprobengröße.
In DataLion laufen beide Verfahren im selben System – Erhebung über die native Umfrage, Schätzung auf der R-Engine, Ergebnisse als interaktives Dashboard mit PowerPoint-Export. Wer will, kann direkt mit einer MaxDiff- oder Conjoint-Vorlage starten.