Im Gegensatz zur traditionellen Conjoint-Analyse erfolgt bei der Choice-Based Conjoint Analysis (Auswahlbasierte Conjoint-Analyse) eine Abfrage von Auswahlentscheidungen. Aus einer Menge von Alternativen (Choice Set) muss der Proband nur jeweils die am meisten präferierte Alternative auswählen, wobei meist auch die Option besteht, keine der Alternativen zu wählen. Dies ist für ihn nicht nur einfacher, sondern kommt auch seinem realen Entscheidungsverhalten (z. B. in Kaufsituationen) sehr viel näher als das Ranking oder Rating aller Alternativen im Choice Set, wie es die klassische Conjoint-Analyse verlangt. Die erhöhte Realitätsnähe wird allerdings mit einem Verlust an Information „erkauft“, da bei dieser Vorgehensweise die Präferenz nur noch auf nominalem Skalenniveau gemessen wird. Während bei der traditionellen Conjoint-Analyse die Schätzung meist durch Regression mit Dummy-Variablen erfolgt, kommt bei der CBCA die Maximum-Likelihood-Methode zur Anwendung. Dabei wird dem Verhalten der Probanden ein probabilistisches Entscheidungsmodell zugrunde gelegt. Wegen des geringeren Informationsgehalts ist es meist nur möglich, die Teilnutzenwerte aggregiert zu schätzen, während es bei der traditionellen Conjoint-Analyse üblich ist, sie individuell für jeden Probanden zu schätzen. Allerdings können auch im Rahmen der CBCA mit Hilfe des Latent Class-Ansatzes zielgruppenspezifische und mit Hilfe des sog. Hierarchical Bayes-Ansatzes individuelle Teilnutzenwerte geschätzt werden. Zur Analyse wird in diesem Kapitel das Softwarepaket „Lighthouse Studio“ von Sawtooth verwendet. Außerdem wird auch die Durchführung einer CBCA mit Hilfe von MS Excel gezeigt.