MaxDiff & Conjoint – ausgewertet auf der R-Engine

MaxDiff rechnet DataLion mit drei Schätzverfahren – bis zu individuellen Nutzenwerten. Dazu Relative Importance, Preis-Sensitivität und Segment-Auswertung mit Signifikanz. Conjoint-Nutzenwerte bringst du ein und machst die Trade-offs sichtbar. ISO-27001-Hosting, DSGVO-konform, Made in Munich.

DataLion kostenlos testen

Interaktives DataLion-Dashboard mit Wichtigkeiten und Nutzenwerten aus einer Choice-Studie

DataLion wertet MaxDiff direkt auf der R-Engine aus – mit drei Schätzverfahren: Count (Best−Worst), Aggregate Logit und Random-Parameter-Logit für individuelle Nutzenwerte. Dazu kommen Relative-Importance-Analyse, Preis-Sensitivität als Charttyp und Segment-Auswertungen mit Signifikanz. Conjoint-Nutzenwerte bringst du ein und visualisierst die Trade-offs.

🇩🇪 Made in Munich
DSGVO-konform
AV-Vertrag inklusive
Hosting in Deutschland

Marktforschung, Insights & Medien vertrauen DataLion

3 MaxDiff-Schätzverfahren
Best − Worst Count-basierte Scores
individuell Nutzenwerte (RP-Logit)
80–99 % Signifikanzniveaus

Warum Choice-Ergebnisse oft liegen bleiben

Die Nutzenwerte stecken in einem Statistik-Output, den außerhalb der Mafo niemand liest.
Es bleibt bei Gesamt-Scores – wer für welches Segment was will, wird nie getestet.
Für jede Präsentation werden die Charts erneut von Hand gebaut.

Drei Wege, MaxDiff zu schätzen

DataLion wertet MaxDiff auf der R-Engine mit drei Schätzverfahren aus: Count (Best−Worst-Subtraktion: wie oft „am wichtigsten" minus „am unwichtigsten"), Aggregate Logit für robuste Gesamt-Scores und Random-Parameter-Logit für individuelle Nutzenwerte je Befragten.

So bringst du Features, Botschaften oder Claims in eine klare, erzwungene Rangfolge – ohne das „alles ist wichtig"-Problem von Rating-Skalen.

Count: Best−Worst-Scores per Subtraktion
Aggregate Logit: robuste Gesamt-Wichtigkeiten
Random-Parameter-Logit: individuelle Nutzenwerte
Erzwungene Trade-offs statt „alles wichtig"

Ranking der Wichtigkeiten aus einer MaxDiff-Auswertung in DataLion

Nutzenwerte einbringen, Trade-offs sichtbar machen

Conjoint-Ergebnisse aus deinem Erhebungs-Tool – Part-Worth-Nutzenwerte und relative Wichtigkeiten – bringst du in DataLion ein und visualisierst die Trade-offs zwischen Ausstattung und Preis, nach Segment vergleichbar.

Mit der Relative-Importance-Analyse rechnest du Merkmals-Wichtigkeiten direkt nach, und die Preis-Sensitivität stellst du als eigenen Charttyp dar – als Grundlage für Pricing- und Produktentscheidungen.

Part-Worth-Nutzenwerte & relative Wichtigkeiten visualisieren
Relative Importance direkt auf R nachrechnen
Preis-Sensitivität als Charttyp
Trade-offs nach Segment vergleichen

Übersicht von DataLion-Charttypen für Conjoint- und Preis-Analysen

Nutzenwerte je Segment – getestet

Wichtigkeiten und Nutzenwerte brichst du über Subspalten und verschachtelte Tabellen nach Zielgruppe herunter – und prüfst Unterschiede zwischen Segmenten direkt in der Tabelle auf Signifikanz (80–99 %, z-/Chi²-/t-Test).

So siehst du nicht nur die Gesamt-Rangfolge, sondern auch, für welches Segment welches Feature wirklich zählt.

Wichtigkeiten je Segment über Subspalten
Signifikanz auf 80/90/95/99 %
z-, Chi²- und t-Test, paarweise und Komplement
Verschachtelte Tabellen für mehrdimensionale Sichten

Ergebnisse, die Stakeholder selbst erkunden

Statt einer statischen Ergebnistabelle bekommen deine Stakeholder ein interaktives Dashboard, in dem sie live nach Segment filtern und Wichtigkeiten und Nutzenwerte selbst vergleichen.

Für die Präsentation exportierst du nativ nach PowerPoint, Excel oder PDF – die Auswertung bleibt dieselbe, nur das Format wechselt.

Interaktives Dashboard statt statischer Tabelle
Live nach Segment filtern
Nativer Export nach PowerPoint, Excel und PDF
Per Link teilen oder einbetten

Nach PowerPoint exportierte Choice-Auswertung in DataLion

Das baust du mit DataLion

MaxDiff-Auswertung

Count, Aggregate Logit & individuelle Nutzenwerte auf R.
Mehr dazu →
Wichtigkeiten-Dashboard

Relative Importance interaktiv, nach Segment vergleichbar.
Mehr dazu →
Preis-Sensitivität

Zahlungsbereitschaft und Preisbereiche als Charttyp.
Mehr dazu →

Sehen Sie DataLion mit Ihren eigenen Daten

Kostenlos testen oder eine persönliche Demo buchen – von den Rohdaten bis zum fertigen Dashboard.

Kostenlos testen Demo buchen

**Jens Falkenau**, Vice President Market Research · Nielsen Sports

Die Plattform im Detail

Tiefer einsteigen

Häufige Fragen zu MaxDiff & Conjoint

Welche MaxDiff-Verfahren rechnet DataLion?

Drei: Count (Best−Worst-Subtraktion), Aggregate Logit für robuste Gesamt-Scores und Random-Parameter-Logit für individuelle Nutzenwerte je Befragten – alle auf der R-Engine, ohne dass du R-Code schreibst.

Rechnet DataLion auch Conjoint-Modelle?

DataLion ist bei Conjoint die Auswertungs- und Visualisierungsschicht: Du bringst Part-Worth-Nutzenwerte und Wichtigkeiten aus deiner Conjoint-Studie ein und visualisierst die Trade-offs, ergänzt durch die Relative-Importance-Analyse und Preis-Sensitivität als Charttyp. Eine eigene HB-Choice-Schätzung ist nicht Teil der vordefinierten Modelle.

Bekomme ich individuelle Nutzenwerte?

Bei MaxDiff ja: Das Random-Parameter-Logit-Verfahren liefert individuelle Nutzenwerte je Befragten, die du anschließend nach Segment auswerten oder in weitere Analysen geben kannst.

Kann ich Wichtigkeiten nach Segment testen?

Ja. Über Subspalten und verschachtelte Tabellen brichst du Wichtigkeiten und Nutzenwerte nach Segment herunter; Unterschiede werden auf 80/90/95/99 % per z-, Chi²- oder t-Test getestet.

Wie zeige ich Preis-Sensitivität?

Preis-Sensitivität stellst du als eigenen Charttyp dar – Zahlungsbereitschaft und akzeptierte Preisbereiche, nach Segment vergleichbar – als Grundlage für Pricing-Entscheidungen.

Bereit, deine Choice-Daten auszuwerten?

Teste DataLion kostenlos mit deinen MaxDiff- oder Conjoint-Daten – von der Schätzung bis zum interaktiven Dashboard. Oder buche eine persönliche Demo.