Publikationen
60 Years Of Conjoint: Where We Come From And Where We Are
Kurz P., 2024 – Analytics & Insights Summit – USA 2024
Conjoint-Analyse im Wandel: Von klassischen Designs zu modernen Simulationen. Ein Rückblick auf 60 Jahre Forschung
Renewable gases in the heating market: Identifying consumer preferences through a Discrete Choice Experiment
Rilling B., Kurz P., Herbes C., 2023 – in Energy Policy Volume 184, 2024
Welche Merkmale beeinflussen die Akzeptanz erneuerbarer Gase? Eine Choice-basierte Studie zeigt, was Verbraucher:innen wirklich wollen.
Omitted Budget Constraint Bias and Implications for Competitive Pricing
Pachali M., Kurz P., Otter T., 2023 – in Journal of Marketing Research, 2023
Wie fehlende Budgetlimits Conjoint-Ergebnisse verzerren – und wie man durch realistische Modellierung bessere Preisstrategien und Prognosen erzielt.
Archetypal Analysis And Product Line Design
Liu, Y., Kurz P., Allenby, G., 2022 – Sawtooth Software Conference – USA 2022
Mit Archetypenanalyse differenzierte Produktlinien gestalten: So lassen sich Konsumentenprofile erkennen und gezielt bedienen.
Behavioral Conjoint Model With Simultaneous Attribute And Parameter Weighting
Kurz P., Rausch, M., Binner S., 2022 – Sawtooth Software Conference – USA 2022
Behavioral Calibration Questions verbessern Prognosekraft in Conjoint-Analysen. So nutzt man Verhalten für bessere Entscheidungen.
Volumetric Conjoint And The Role Of Assortment Size
Hardt, N., Kurz, P., 2022 – Sawtooth Software Conference – USA 2022
Wie sich die gezeigte Sortimentsgröße auf Conjoint-Prognosen auswirkt – und wie ein erweitertes Modell realistischere Ergebnisse liefert.
Enhance Conjoint With A Behavioral Framework
Kurz P., Binner S., 2021 – Sawtooth Software Conference – USA 2021
Wie neun einfache Fragen vor der Conjoint-Analyse die Validität und Prognosekraft verbessern.
Hierarchical Bayes Conjoint Choice Models – Model Framework, Bayesian Inference, Model Selection, and Interpretation of Estimation Results
Goeken, N., Kurz, P., Steiner, W., 2021 – in Marketing ZFP Volume 43, 2021, 49-64.
Ein Überblick zu HB Conjoint-Modellen: Wie funktionieren sie? Was wird geschätzt? Und wie interpretiert man die Ergebnisse?
Using Hierarchical Bayes draws for improving shares of choice predictions in conjoint simulations: A study based on conjoint choice data
Hein, M., Goeken, N., Kurz, P., Steiner, W., 2021 – European Journal of Operational Research, 2021
Wie Hierarchical Bayes Draws realistischere Conjoint-Vorhersagen ermöglichen – ein Vergleich mit klassischen Methoden.
How to Generalize from a Hierarchical Model?
Pachali M., Kurz P., Otter T., 2020 – in Quantitative Marketing and Economics Volume 18 Number 4, 2020, 343-380.
Wie sich aus individuellen HB-Schätzungen valide Rückschlüsse auf die Gesamtpopulation ziehen lassen.
Consumer Willingness To Pay for Proenvironmental Attributes of Biogas Digestate-Based Potting Soil
Herbes, C., Dahlin, J., Kurz, P., 2020 – in Sustainability Vol. 12, Iss. 16, 2020
Welche Eigenschaften beeinflussen die Zahlungsbereitschaft für torffreie und lokal produzierte Pflanzenerde? Eine Conjoint-Analyse.
Conjoint Meets AI
Kurz P., Binner S., 2020 – Sawtooth Software Conference – USA 2020
Wie neuronale Netze Choice-Based-Conjoint-Studien verbessern: KI-gestützte Designs für bessere Datenqualität und realistischere Antworten.
Latent Class Conjoint Choice Models: A Guide for Model Selection, Estimation, Validation, and Interpretation of Results
Paetz, F., Hein, M., Kurz P., Steiner, W., 2019 – in Marketing ZFP Volume 41, 2019, 3-20
Wie man Latent-Class-Conjoint-Modelle auswählt, schätzt und interpretiert – inklusive praktischer Hinweise zur Validierung.
Revisiting Ensembles – A Straightforward Approach to Increase Model Accuracy?
Wie Kombinationen mehrerer Conjoint-Modelle zu besseren Vorhersagen führen – ohne Interpretationsverlust.
Kurz P., Müller M., Geisselhardt I., 2019 – SKIM/Sawtooth Software European Conference – Paris 2019
On the effect of HB covariance matrix prior settings. A simulation study
Hein M., Kurz P., Steiner W., 2019 – in Journal of Choice Modelling 31, 2019, 51–72
Simulation zur Wirkung unterschiedlicher Prior-Parameter in HB-Modellen. Empfehlungen zur optimalen Parametrierung.
Predictive Analystics with RPSP Models
Kurz P., Binner S., 2018 – Sawtooth Software Conference – USA 2018
RPSP-Modelle kombinieren Conjoint-Daten mit realen Marktdaten, um Markttrends und Saisonalitäten in Simulationen zu integrieren.
On Estimating Pricing Models from End-Consumer Internet Car-Configuration Data
Fuhrmann T., Kurz P., Schweizer M., Geyer-Schulz A., 2017 – in Mucha, H.-J. (ed.): Big Data Clustering: Data preprocessing, variable selection, and dimension reduction.
Report no. 29, WIAS, Berlin 2017.
Durch Analyse rationaler Konfigurationen können Preisstrukturen geschätzt werden – mittels linearer Regressionsmodelle.
Simulating From HB Upper Level Model
Kurz P., Binner S., 2016 – Sawtooth Software Conference – USA 2016
Nutzen des oberen Levels des HB-Modells zur Verbesserung von Präferenzsimulationen und Prognosegenauigkeit.
Capturing Individual Level Behavior In DCM
Kurz P., Binner S., 2015 – Sawtooth Software Conference – USA 2015
Wie gut bilden Conjoint-Modelle individuelle Präferenzen ab? Dieser Beitrag zeigt die Grenzen durch „Shrinkage“ in HB-Modellen auf.
The Validity of Conjoint Analysis: An Investigation of Commercial Studies Over Time
Selka S., Baier D., Kurz P., 2014 – in Spiliopoulou, M. (Hrsg.): Data Analysis, Machine Learning and Knowledge Discovery, Springer 2014, 227-234.
Eine empirische Analyse von über 2.000 kommerziellen Studien zeigt: Die Validität von Conjoint-Analysen hat sich über die letzten Jahre nicht verbessert.
Research Space and Realistic Pricing in Shelf Layout Conjoint
Kurz P., Binner S., Kehl L., 2013 – Sawtooth Software Conference – USA 2013
Wie realitätsnahe Regaltests mit Shelf Layout Conjoint gelingen. Erkenntnisse zur Preisgestaltung, SKU-Auswahl und Modellierung aus der Praxis.
The Individual Choice Task Threshold
Kurz P., Binner S., 2012 – Sawtooth Software Conference – USA 2012
Die Choice Task Schwelle beschreibt den Punkt, an dem Befragte bei CBC-Umfragen das Interesse verlieren.
Application Specific Communication Stack for Computationally Intensive Market Research Internet Information System
Kurz P., Sikorski A., 2011 – BIS Conference – Posen 2011
Rechenintensive Transaktionen in komplexen Webanwendungen für die Marktforschung ausführen.
Which are the Right Covariates in HB Estimation?
Kurz P., Binner S., 2011 – SKIM Conference – Wien 2011
Welche Kovariaten in HB-Modellen sinnvoll sind, zeigt diese Analyse realer und simulierter Daten.
Added Value through Covariates in HB Modeling
Kurz P., Binner S., 2010 – Sawtooth Software Conference – USA 2010
Untersucht wird der Einfluss von Kovariaten auf die Schätzgüte hierarchischer Bayes-Modelle in Conjoint-Analysen. Ergebnisse aus zehn Studien.
Conjoint Analysis: Respondents and Clients Experience
Binner S., 2010 – SKIM Conference – Köln 2010
Erfolgsfaktoren von Conjoint-Projekten: Kundenbeteiligung, realistische Aufgaben, Integration in Businessprozesse und lernende Organisation.
Psychological Price Barriers in Conjoint Analysis
Binner S., Kehl L., 2008 – SKIM Conference – Barcelona 2008
Psychologische Preisschwellen beeinflussen die Ergebnisse von Preis-Conjoint-Analysen erheblich.
Hierarchical Approach for Optimized Concept Estimation
Binner S., 2007 – Cutting the Edges of Market Research Conference – Düsseldorf 2007
Ein kombinierter Ansatz aus Preis- und Attribut-Conjoint ermöglicht realistische Preissimulationen und die Optimierung von Produktkonzepten.
Do Individual Hit-Rates Matter at All?
Binner S., 2006 – Design & Innovations Conference – München 2006
Individuelle Trefferquoten in Conjoint-Analysen sind oft niedrig. Warum das nicht unbedingt ein Problem ist, erklärt diese Untersuchung.
Deriving the Real Market Potential of New-to-the-World Products
Binner S., 2005 – Design & Innovations Conference – Berlin 2005
Wie sich mit einem erweiterten Purchase Likelihood Modell das Marktpotenzial neuartiger Produkte realitätsnah simulieren lässt.
Linking Hierarchical Conjoints with Hierarchical Bayes Regression
Kurz P., 2005 – SKIM Conference – Amsterdam 2005
Hierarchical Conjoint kombiniert Mikro- und Makro-Modelle, um komplexe Präferenzentscheidungen mit vielen Attributen valide abzubilden.
Driving Brand Management through Effective Brand Equity Measurement
Binner S., Hoffmann-Wiebe W., 2002 – Esomar Annual Congress – Barcelona 2002
Markenwertmessung mit Conjoint & C.D.I.: Wie Unternehmen fundierte Entscheidungen im strategischen Markenmanagement treffen können.
Conjoint Analysis in International Industrial Markets
Binner S., 2000 – Sawtooth Software Conference – USA 2000
Wie funktioniert Conjoint in internationalen Industriegütermärkten? Chancen und Stolpersteine im Überblick.
www and International Industrial Marketing Research
Binner S., 2000 – Esomar Annual Congress – Wien 2000
Wie das Internet internationale Marktforschung in Industriegütermärkten verändert – Chancen und Erkenntnisse.
Effective Competitive Intelligence Techniques for Industrial Markets
Binner S., Beswick R., 1999 – Esomar CI Conference – Genf 1999
Wie Unternehmen im B2B Umfeld gezielt Wettbewerbsinformationen gewinnen – strukturiert und ethisch fundiert.
Using Conjoint Methodologies for New Pricing Strategies
Binner S., Kramer M., 1997 – Esomar B2B Conference – Wien 1997
Wie simulationsbasierte Preisstrategien im technischen B2B-Umfeld erfolgreich umgesetzt werden können.