Das Means-End-Chain- (MEC) oder Laddering-Verfahren ist ein klassischer Ansatz, um Kauf- und Verwendungsmotive zu ermitteln; allerdings vornehmlich in qualitativen Studien. Um diese Befragungstechnik in quantitative Studien zu integrieren, gab es bereits Ansätze, die aber deutliche Nachteile aufweisen. Interrogare hat vor diesem Hintergrund die Visual MEC entwickelt, die die Motivlage der Konsumenten realistischer und tiefergehend abbildet als bisher in quantitativen Studien eingesetzte MEC-Verfahren.

Ob eine Marke oder ein Produkt Erfolg hat bestimmen schon längst nicht mehr die funktionalen Eigenschaften, sondern vielmehr ein differenzierendes Gerüst aus Motiven und Emotionen. Ist diese Ebene messbar, erhält der Markenverantwortliche wesentliche Insights zur strategischen Ausrichtung und erfolgreichen Führung seiner Marke. Eine der bekanntesten Methoden aus der qualitativen Befragungswelt zur Ermittlung von Motiven ist die sogenannte Means-End-Chain (MEC), auch Laddering genannt. Mit ihrer Hilfe können Kausalketten aufgedeckt werden, in dem immer weiter nach dem ‚Warum‘ gefragt wird bis das Kauf- bzw. Verwendungsmotiv entschlüsselt ist. Um diese Befragungstechnik für die quantitative Forschung zu adaptieren, wurden bereits verschiedene Ansätze entwickelt: die klassische und die Matrix-basierte MEC. Beide Verfahren weisen allerdings Nachteile auf: Während die klassische MEC nur Einzelketten erhebt und damit die Erkenntnistiefe um Netzwerk- und Querverbindungen reduziert, läuft die Matrix-basierte MEC Gefahr statt die für den Proband persönlich relevanten nur top-of-mind Assoziationen abzubilden. Um diesen Problemen zu begegnen und deutlich mehr qualitative Erkenntnistiefe zu erreichen, hat Interrogare die Visual MEC entwickelt.
Die Visual MEC nutzt eine Drag-and-Drop-Technik sowie Verbindungsmöglichkeiten, um sowohl hierarchische Strukturen, also persönliche Wichtigkeiten, als auch Netzwerkverbindungen zwischen Eigenschaften, Konsequenzen und hinter liegenden Zielen, also Motiven besser erfassen zu können. Dem Probanden werden dazu Begriffe eingeblendet, die er je nach Befragungsschritt in den zugehörigen Bereich ziehen muss (s. Grafik): zunächst wählt er die Eigenschaften, die er mit der Marke oder dem Produkt verbindet, zieht sie in die erste Box und sortiert diese nach der persönlichen Bedeutung. Daraufhin folgt dasselbe Prozedere mit aus diesen Eigenschaften für ihn persönlich verbundenen Konsequenzen sowie der Aufforderung die Eigenschaften und Konsequenzen per Pfeil miteinander zu verknüpfen. Jede Eigenschaft darf dabei mit beliebig vielen Konsequenzen verbunden werden. Der letzte Schritt, in dem es um die eigentlichen Motive geht, folgt derselben Logik, indem die Eigenschaften mit den damit persönlich verfolgten Zielen verbunden werden. Die Visual MEC hat daher gegenüber den bisherigen MEC-Verfahren folgende Vorteile: Sie ermöglicht das Aufdecken von Rangfolgen und somit Wichtigkeiten, zeigt (mehrfache) Verknüpfungen auf, wodurch Konnotationen von Assoziationen deutlich werden und zielt insbesondere auf die persönliche Relevanz ab. Dadurch läuft man weniger Gefahr allgemein gelernte Weisheiten abzufragen.