Je anschaulicher das Ergebnis, desto klarer das Verständnis. Wir bringen die Ergebnisse auf den Punkt. Wir liefern Ihnen das, was Sie für eine erfolgreiche Entscheidungsfindung benötigen.

Entscheidend für die Methodenauswahl ist das Projektziel - denn Analysemethoden sind kein Selbstzweck. Analysemethoden sind dazu da, Fragestellungen zu beantworten und praxisnahe konkrete Ergebnisse zu erhalten.

Wir entscheiden bei jedem einzelnen Projekt aufs Neue, ob eine Häufigkeitsauszählung ausreichend ist oder ob dabei multivariate Verfahren eingesetzt werden.

Unsere Statistiker setzen zur Beantwortung Ihrer Fragen alle gängigen multivariaten Verfahren ein.

Nur einen Tabellenband mit aufgearbeiteten Endergebnissen zu liefern, ist nicht das Ziel unserer Arbeit.

Wir bieten Ihnen mehr - Ergebnisse in greifbarer und klar veranschaulichter graphischer Form dargestellt und strukturiert. Dabei werden komplexe Sachverhalte auf den Punkt gebracht.

Dabei beschreiben wir nicht nur, was im Markt oder in der Gesellschaft  passiert, sondern auch warum.

Kennt man die Wünsche und Vorstellungen der Konsumenten und der Zielgruppe, lassen sich Produkte und Dienstleistungen gezielt und marktgerecht gestalten und positionieren und letztendlich den Unternehmenserfolg steigern. Die Conjoint-Analyse kann hier weiterhelfen mit einer optimalen Ausrichtung von Produkten oder Produktkonzepten am Markt.

Die Grundidee hinter der Conjoint Analyse ist, dass der vom Kunden subjektiv wahrgenommene Produktnutzen - auch als Produktwert bezeichnet - sich aus der Summe der Teilnutzenwerte der einzelnen Merkmale und Merkmalsausprägungen des Produktes ergibt (beispielsweise Farbe, Geschmack, Verpackung etc.). Das Ziel der Conjoint Analyse ist, die Beiträge dieser Merkmale und Merkmalsausprägungen zum Gesamtnutzen festzustellen und so beispielsweise das optimale Produkt zu ermitteln oder die Veränderungen am Markt bei Änderungen an bestehenden Produkten zu prognostizieren.

Die Idee, dass sich der Produktnutzen aus den Teilnutzenwerten der Merkmale und Merkmalsausprägungen zusammensetzt, wird auch als linear-additives Teilwertmodell bezeichnet. Liegt ein solches Modell vor, so verlaufen die Präferenzwirkungen der Merkmale nicht in bestimmte Richtungen (wie beispielsweise beim Zuckeranteil in der Limonade, der die geschmackliche Bewertung bis zu einem gewissen Punkt linear steigen lässt), stattdessen sind unterschiedliche Präferenzwirkungen für unterschiedliche Ausprägungen denkbar (wie beispielsweise bei Farbe, Form oder Geschmack eines Lebensmittelprodukts).

Die Clusteranalyse wird angewandt, um aus Konsumgewohnheiten verschiedene Käufertypen zu ermitteln. Ein Beispiel: Anhand von Fragen rund um das Thema Sport werden vier Cluster gebildet (Sportenthusiasten, Sportinteressierte, Gelegenheitssportler und Sportfeinde). Für die 4 Gruppen wird ermittelt, wo und wie die unterschiedlichen „Typen“ Sportartikel kaufen. Ein Ergebnis kann zum Beispiel sein, dass Sportenthusiasten unbedingt die Ware ausprobieren und testen wollen – dafür nehmen sie höhere Preise in Kauf. Sportinteressierte hingegen kaufen Sportartikel gerne im Internet und achten eher auf Angebote. Ein Unternehmen, das sich vor allem den Sportenthusiasten verschrieben hat, investiert in der Folge lieber in attraktive Ausstellungsräume und beendet die Pläne für einen Online-Shop.

Die Faktorenanalyse ist eine statistische Methode, die in der Marktforschung und -analyse zur Klassifikation und Reduktion von Merkmalszusammenhängen verwendet wird. Die Faktorenanalyse soll aus den Korrelationen der beobachteten Variablen (z. B. Ergebnisse psychologischer Tests, Messwerte) die gemeinsamen Faktoren erschließen, die der Vielfalt der beobachteten Phänomene zugrunde liegen.

Die Regressionsanalyse ist eine statistische Methode zur Untersuchung der Beziehungen zwischen einer endogenen Variable (erklärte, abhängige Variable) und einer oder mehrerer exogener Variablen (erklärende, unabhängige Variable), wobei zusätzlich eine Störgröße (zufällige Komponente) in den Ansatz eingeht. Man unterscheidet: Einfach-, Mehrfachregression, lineare, nichtlineare Regression.

Die Diskriminanzanalyse als Methode der multivariaten Datenanalyse sucht im Gegensatz zur Clusteranalyse nach Merkmalen, durch die sich bereits bekannte Käufergruppen deutlich voneinander unterscheiden lassen (Erhöhung der Trennschärfe).

Durch den Vergleich verschiedener Gruppen eignet sich die Varianzanalyse besonders zur Auswertung von Experimenten. Im Marketing werden Varianzanalysen hauptsächlich zur Überprüfung der Wirkung von Marketing-Maßnahmen auf marktbezogene Erfolgsgrößen eingesetzt. Die gefundenen Ergebnisse können dann zur Vorhersage von Ereignissen und zum gezielten Gebrauch effizienter Marketinginstrumente eingesetzt werden. Mögliche Fragestellungen für die Verwendung der Varianzanalyse im Marketing sind z.B. ob Verpackung und Warenplatzierung eines Produktes Einfluß auf den Absatz haben?

Der Grundgedanke der Kausalanalyse ist, kausale Abhängigkeiten zwischen bestimmten Merkmalen zu untersuchen. Das Besondere an einer Kausalanalyse mit Strukturgleichungsmodellen ist, dass auch kausale Zusammenhänge zwischen nicht beobachtbaren, sogenannten latenten Variablen untersucht werden können. Latente Variable spielen bei vielen praktischen und theoretischen Anwendungen eine große Rolle. Beispiele für diese hypothetischen Konstrukte sind Einstellungen, Selbstverwirklichung, Motivation oder Image.