Embed Size (px)
Citation preview
Sandra Militello
Auszug aus
Gender Commerce – Eine empirische Untersuchung der geschlechtsspezifischen Unterschiede im Online
Kauf- und Nachkaufverhalten
Stand: November 2016
Inhaltsverzeichnis II
Inhaltsverzeichnis Abkürzungsverzeichnis ........................................................................ III
1 Abstract ............................................................................................. 4
2 Übersicht der Hypothesen .................................................................. 6
3 Beschreibung des empirischen Vorgehens ......................................... 93.1 Beschreibung des Datensatzes und des Untersuchungsdesigns ............ 9
4 Analyse und Auswertung .................................................................. 124.1 Überprüfung der Hypothesen zum Kaufverhalten ............................. 12
4.1.1 Hypothesentests zu Informationssuche ................................. 124.1.2 Hypothesentests zu Vertrauen und wahrgenommenem Risiko .. 184.1.3 Hypothesentests zu Werbung und Anreize ............................. 224.1.4 Hypothesentests zur Nutzung mobiler Endgeräte .................... 25
4.2 Überprüfung der Hypothesen zum Nachkaufverhalten ....................... 284.2.1 Hypothesentests zu Risiko und Produktinformationen .............. 284.2.2 Hypothesentests zu Impulskaufneigung und Produktkategorie .. 294.2.3 Hypothesentests zu Zahlungsarten ....................................... 30
5 Schlussbetrachtung .......................................................................... 335.1 Zusammenfassung der Ergebnisse ................................................. 335.2 Ausblick und Implikationen für Forschung und Praxis ........................ 36
5.2.1 Implikationen für die Forschung ........................................... 365.2.2 Implikationen für die Praxis ................................................. 37
Literaturverzeichnis .............................................................................. 40
Abkürzungsverzeichnis III
Abkürzungsverzeichnis AV: Abhängige Variable
CR: Conversion Rate
BW: Höhe des Bestellwerts
BR: Bounce Rate
E-Commerce: Electronic Commerce
GA: Google Analytics
PC: Personal Computer
RQ: Retourenquote
UV: Unabhängige Variable
4
1 Abstract In der Forschung wurde die Existenz der sogenannten „Gender Gap“ im Kaufver-
halten immer wieder diskutiert. Einige Untersuchungen sprechen sich dafür, an-
dere dagegen aus (Bimber, 2000, S. 868; Kampmann, Keller, Knippelmeyer &
Wagner, 2013; Van Slyke, Belanger & Hightower, 2005). Heuristisch betrachtet,
wird Männern und Frauen ein abweichendes Einkaufsverhalten zugeschrieben.
„Men Buy, Women Shop“ beschreibt dabei das divergierende Verhaltensmuster,
nach dem Männer schnell und zielgerichtet nach Informationen suchen, wohin-
gegen Frauen ein zeitlich intensiveres und komplexeres Kaufverhalten aufweisen
(Barletta, 2006, S. 118; Verde Group, 2012). Männer scheinen technikaffiner zu
sein, Frauen kommunikativer (Bengler & Senner, 2016, S. 34; Röser & Peil,
2010, S. 499). In der Werbung bevorzugen Männer klare Botschaften, wohinge-
gen Frauen mehr nach Inspiration streben und besser non-verbale Botschaften
interpretieren können (Kirouac & Dore, 1983). Dies spiegelt sich auch darin wi-
der, dass Frauen E-Mails häufiger nutzen und mehr damit interagieren (Van
Aswegen, 2015). Sie weisen beim Online-Kauf eine stärkere intrinsische Motiva-
tion, aber auch ein höheres, wahrgenommenes Risiko und höhere Bedenken
beim Thema Datenschutz auf (Bae & Lee, 2011, S. 202). Männer werden hinge-
gen vor allem von utilitaristischen Bedürfnissen geleitet. Sie streben eine schnel-
le Befriedigung von Nutzenaspekten an (El Hedhli, Zourrig & Chebat, 2016).
Frauen neigen mehr zu Impulskäufen, was zu verstärkten Nachkaufdissonanzen
und somit zu einer höheren Retouren-Wahrscheinlichkeit führt (Coley & Burgess,
2003, S. 293; Stern, 1962, S. 60; Wood, 1998, S. 312; Dittmar, Beattie &
Friese, 1996, S. 195).
Es scheint also Unterschiede zu geben. Ein Großteil der Untersuchungen bezieht
sich jedoch auf subjektiv wahrgenommene Komponenten wie Vertrauen und be-
rücksichtigt keine realsituativen Nutzer- oder Transaktionsdaten. Des Weiteren
wird meist nur das Kauf- oder das Nachkaufverhalten betrachtet, nicht aber ein
Entscheidungsmodell über die gesamte Verhaltenssituation gebildet. Generell
herrscht eine starke Uneinigkeit darüber, ob und welche Einflussfaktoren Auswir-
kungen auf das Kauf- und Nachkaufverhalten online haben. Dabei werden viele
Aspekte aus dem „offline“ Kaufverhalten abgeleitet; ein abbildendes Modell für
die Entscheidungsstruktur von Online Käufern wurde jedoch bisher noch nicht
gebildet. Diese Forschungslücken sollen in dieser Arbeit adressiert werden.
Im Folgenden soll daher anhand eines Vergleichs des Nutzerverhaltens über vier
nationale und internationale Onlineshops verschiedener Branchen hinweg unter-
5
sucht werden, an welchen Stellen Online-Kauf- und Nachkaufverhalten von Män-
nern und Frauen abweicht und welche Einflussfaktoren darauf wirken.
Zur Untersuchung der Fragestellung „Gibt es Unterscheide im Kauf- und Nach-
kaufverhalten von Männern und Frauen?“ werden im Laufe dieser Arbeit jeweils
vier Bereiche des Online-Kaufverhaltens sowie des Online-Nachkaufverhaltens
betrachtet, in denen Abweichungen aus der Literatur bereits abgeleitet werden
konnten. Dazu gehören die (1) Suche nach Produktinformationen; (2) das wahr-
genommene Risiko und die Einschätzung vertrauensbildender Maßnahmen; die
Reaktion auf (3) Werbung und Anreize und die (4) Nutzung mobiler Endgeräte.
Im Bereich des Nachkaufverhaltens werden weiterhin der Einfluss von (5) risiko-
reduzierenden Maßnahmen, die Auswirkung von (6) Rabatten und Versandkos-
tenbefreiung sowie die Komponenten (7) Produktkategorie und (8) Zahlungsar-
ten untersucht. Hierzu werden Hypothesen aus der Literatur abgeleitet, um die
Unterschiede zwischen den Geschlechtern herauszuarbeiten.
In der Literatur konnten geschlechtsspezifische Unterschiede bisher vor allem auf
Basis von Befragungen ermittelt werden. Die subjektiven Eindrücke der Proban-
den geben zwar Hinweise darauf, welche Wahrnehmungsunterschiede im Kauf-
und Nachkaufverhalten zwischen Männern und Frauen vorliegen, sie erfassen
aber nicht die echte geschlechtsspezifische Reaktion. Ziel dieser Arbeit ist es
daher, anhand eines Datensatzes von über 24.000 Bestellungen und der Erhe-
bung weiterer Daten mir einer Gesamtzahl von über 178.000 Sitzungen nachzu-
weisen, ob in den klassifizierten Bereichen des Kauf- und Nachkaufverhalten tat-
sächlich Unterschiede zwischen den Geschlechtern vorliegen und wie diese von
den aus der Literatur abgeleiteten Wahrnehmungsunterschieden abweichen.
Vorab wird zusätzlich ein Entscheidungsmodell aufgestellt werden, welches die
abhängigen Variablen im Kauf- und Nachkaufverhalten berücksichtigt.
6
2 Übersicht der Hypothesen Folgende Hypothesen wurden aufgestellt:
Tabelle 1 Übersicht der Hypothesen
Kaufverhalten
Informationssuche
H1: Die Absprungrate männlicher Besucher liegt höher als die weiblicher.
H2: Männliche Besucher nutzen die Suchfunktion beim Einkauf häufiger als
weibliche.
H3: Die durchschnittliche Sitzungsdauer weiblicher Besucher nach Nutzung der
Suchfunktion ist höher als die männlicher.
H4: Die durchschnittliche Anzahl von Seiten pro Sitzung weiblicher Besucher
nach Nutzung der Suchfunktion ist höher als die männlicher.
H5: Die Nutzung der Suchfunktion hat einen positiven Einfluss auf die Höhe des
Bestellwerts sowohl bei weiblichen als auch männlichen Käufern.
H6: Die Bereitstellung detaillierter Produktinformationen auf der Produktdetail-
seite hat einen höheren, positiven Einfluss auf die Anzahl der erworbenen Artikel
von männlichen als von weiblichen Käufern.
Risiko und Vertrauen
H7: Die prominente Darstellung vertrauensfördernder Elemente wie Siegel hat
einen positiven Einfluss auf die Kaufwahrscheinlichkeit weiblicher und männli-
cher Besucher.
H8: Die prominente Darstellung vertrauensfördernder Elemente wie Siegel hat
einen höheren positiven Einfluss auf die Kaufwahrscheinlichkeit von weiblichen
als von männlichen Besuchern.
H9: Das Vorhandensein positiver Produktbewertungen anderer Kunden hat ei-
nen positiven Einfluss auf die Kaufwahrscheinlichkeit weiblicher und männlicher
Besucher.
H10: Das Vorhandensein positiver Produktbewertungen anderer Kunden hat
einen höheren positiven Einfluss auf die Kaufwahrscheinlichkeit von weiblichen
7
als von männlichen Besuchern.
Werbung und Anreize
H11: Anteilig nutzen mehr weibliche Besucher die Zugriffskanäle E-Mail Marke-
ting und Social Media als männliche.
H12: Anteilig nutzen mehr männliche Besucher die Zugriffskanäle Organic Se-
arch und Paid Search als weibliche Benutzer.
H13: Bestellungen, die von weiblichen Käufern getätigt wurden, enthalten häu-
figer einen Gutscheincode als die von männlichen Käufern.
Nutzung mobiler Endgeräte
H14: Anteilig nutzen mehr männliche als weibliche Besucher mobile Endgeräte.
H15: In den Altersklassen 18-34 Jahren unterscheidet sich der prozentuale An-
teil der Besucher über mobile Endgeräte nicht zwischen weiblichen und männli-
chen Besuchern.
H16: Die Nutzung mobiler Endgeräte hat einen höheren negativen Einfluss auf
die Höhe des Bestellwerts von weiblichen als von männlichen Käufern.
Nachkaufverhalten
Risiko und Produktinformationen
H17: Detaillierte Produktbeschreibungen haben sowohl bei weiblichen als auch
bei männlichen Käufern einen negativen Einfluss auf die RQ.
Rabatte und Versandkosten
H18: Versandkosten haben sowohl bei weiblichen als auch bei männlichen Käu-
fern einen negativen Einfluss auf die RQ.
H19: Rabatte haben sowohl bei weiblichen als auch bei männlichen Käufern ei-
nen negativen Einfluss auf die RQ.
H20: Gutscheincodes haben sowohl bei weiblichen als auch bei männlichen Käu-
fern einen negativen Einfluss auf die RQ.
H21: Versandkosten haben einen stärkeren negativen Einfluss auf die RQ von
weiblichen als von männlichen Käufern.
8
H22: Rabatte haben einen stärkeren negativen Einfluss auf die RQ von weibli-
chen als von männlichen Käufern.
H23: Gutscheincodes haben einen stärkeren negativen Einfluss auf die RQ von
weiblichen als von männlichen Käufern.
Impulskaufneigung und Produktkategorie
H24: Weibliche Käufer weisen generell höhere RQ auf als männliche.
H25: Weibliche Käufer weisen im Bereich Bekleidung höhere RQ auf als männli-
che.
Zahlungsart
H26: Weibliche Käufer nutzen die Zahlungsart „Kauf auf Rechnung“ häufiger als männliche.
H27: Das Verwenden der Zahlungsart „Kauf auf Rechnung“ hat sowohl bei weib-
lichen als auch bei männlichen Käufern einen positiven Einfluss auf die RQ.
9
3 Beschreibung des empirischen Vorgehens
3.1 Beschreibung des Datensatzes und des Unter-suchungsdesigns
Zur Überprüfung der Hypothesen wurde jeweils ein Datensatz auf Bestellebene
der verschiedenen Onlineshops exportiert und mit Informationen aus Google
Analytics (GA) angereichert. Des Weiteren wurden Retouren-Informationen für
einen Onlineshop aus einem Datawarehouse System extrahiert. Die Daten wur-
den anhand der Transaktionsnummern zusammengefügt. Außerdem wurden wei-
tere aggregierte Berichte zum Kaufverhalten aus GA1 genutzt. Ein Single Source
Ansatz war aufgrund jeweils fehlender Daten nicht möglich. Der vorliegende Da-
tensatz besteht aus 24.138 Bestellungen von vier Onlineshops in einem Zeitraum
von über einem Jahr. Es wurden Daten einer Realsituation verwendet, womit es
sich um eine quantitative Erhebung im Sinne der Sekundärforschung handelt.
Zur Auswertung in SPSS wurden Daten teilweise dummy-kodiert. Folgende Vari-
ablen wurden berücksichtigt:
1 Siehe https://analytics.google.com
10
Tabelle 2 Übersicht der Regressionsparameter
Variable Beschreibung Ausprägungen/Typ BW RQ
Versand Versandkosten in Euro metrisch (0-4,95) x
Site_Search
_Status
Gibt an, ob die Suche
verwendet wurde.
nominal (0;1) x
Gutscheinwert In Euro metrisch x
Gutschein_
verwendet
Gibt an, ob ein Gutschein
verwendet wurde.
nominal (0;1) x
Gutscheintyp_x Art des Gutscheins nominal (absolut; pro-
zentual)
x
Menge_Sale Anzahl rabattierter Artikel metrisch x
Menge_Sale_
in_Prozent
Anteil rabattierter Artikel
an allen Artikel der Be-
stellung (gibt Rabattaffi-
nität des Kunden an).
metrisch x
Zahlungsarten_x Weichen je Onlineshop
voneinander ab.
nominal (Rechnung;
Vorauskasse; Kredit-
karte; PayPal, Sofort-
überweisung, Last-
schrift, Nachnahme,
Sonstige)
x
Geräte-
kategorie_x
Verwendetes Gerät pro
Sitzung
nominal (desktop;
mobil; tablet)
x
11
Es wird davon ausgegangen, dass es neben den abgeleiteten Einflussvariablen
noch weitere einflussnehmende Variablen gibt. Der Einfluss folgender Parameter
wird daher zusätzlich experimentell untersucht:
Tabelle 3 Experimentelle Regressionsparameter
Variable Beschreibung Ausprägun-
gen/Typ
Medium_x Letzter Kanal, über den der Onlineshop
betreten wurde.
Organic: natürliche Suchergebnisse bei
Keyword Eingabe.
CPC: bezahlte Suchergebnisse
Referral: Weiterleitung durch andere
Seite z.B. Banner.
E-Mail: Newsletter Marketing
nominal (organic;
cpc; email; refer-
ral)
Nutzertyp Wiederkehrende (0) oder neue (1) Be-
sucher.
nominal (0;1)
Land Gibt an, ob sich der Besucher in
Deutschland (1) befand, sonst (0).
nominal (0;1)
Sitzungen_bis_
zur_Transaktion
Anzahl der gemessenen Sitzungen bis
zu einer Transaktion (via Cookie).
metrisch
Alter In Jahren. Wurde aus angegebenem
Geburtsdatum ermittelt. Ausreißer
wurden durch den Mittelwert ersetzt.
metrisch
12
4 Analyse und Auswertung
4.1 Überprüfung der Hypothesen zum Kaufverhal-ten
4.1.1 Hypothesentests zu Informationssuche Im Bereich Informationssuche wurden zunächst die Variablen der Suche auf
Normalverteilung anhand des Kolmogorow-Smirnow-Tests (Backhaus, 2008, S.
177) überprüft. Dabei konnte nachgewiesen werden, dass die Verteilungen der
Sitzungen, der durchschnittlichen Sitzungsdauer, der Seiten/Sitzung und der
Absprungrate normalverteilt sind zu einem Signifikanzniveau von 5%.
Die Hypothese H1 lautet: „Die Absprungrate männlicher Besucher liegt höher als
die weiblicher.“. Die Ausprägungen der Variable „Absprungrate“ sind numerisch
und normalverteilt bei ungepaarten Stichproben. Zur Überprüfung von H1 wird
daher aufgrund der kleinen Stichprobengröße bei zwei ungepaarten Gruppen auf
einen T-Test zurückgegriffen. Es soll der Unterschied zwischen beiden Geschlech-
tern ermittelt werden. Die Gruppenvariable ist somit das Geschlecht.
Betrachtet man zunächst die generellen Absprungraten, lassen sich keine offen-
sichtlichen Abweichungen zwischen Männern und Frauen feststellen. Beide Mit-
telwerte liegen in einem ähnlichen Bereich. Männer weisen eine durchschnittliche
Absprungrate von 31,37%; Frauen eine durchschnittliche Absprungrate von
31,20%. Männer und Frauen scheinen sich demnach im Mittel gleich zu verhal-
ten. Zur Überprüfung des Zufallsfehler bei nicht angenommener Varianzgleich-
heit (siehe Signifikanz des F-Tests im Levene-Test der Varianzgleichheit) werden
die Ergebnisse des T-Tests betrachtet. Der Signifikanzwert bei zweiseitiger Be-
trachtung liegt mit 0,791 über einem Signifikanzniveau von 0,05. Damit wird die
Nullhypothese, welche besagt, dass der Mittelwert zwischen Männern und Frauen
nicht signifikant unterschiedlich ist, abgelehnt. Die aktuelle Mittelwertsdifferenz
von -0,16 liegt zu 95-prozentiger Wahrscheinlichkeit in einem Bereich zwischen -
1,38 und 1,05. D.h., dass der Mittelwert für Männer über dem Mittelwert für
Frauen und vice versa aufgrund mangelnder Signifikanz liegen kann.
13
Abbildung 1 Ergebnisse des T-Tests zu H1: generelle Absprungraten
Eine erweiterte Untersuchung hinsichtlich der Absprungraten nach Nutzung der
Suchfunktion (Abbildung 4) zeigt hingegen, dass hier die Mittelwerte zum einen
deutlich niedriger liegen als die generellen Absprungraten und dass diese sich
zwischen und Männern und Frauen unterschieden (generelle Absprungraten lie-
gen bei über 30%, Absprungraten nach Nutzung der Suche unter 10%).
Abbildung 2 Ergebnisse des T-Tests zu H1: Absprungraten nach Nutzung der Suche
Männliche Besucher haben demnach nach Nutzung der Suche eine ca. 0,86%
niedrigere Absprungrate als weibliche. Basierend auf den Ergebnissen des Leve-
14
ne-Tests der Varianzgleichheit bei einem Signifikanzniveau von 5% kann Vari-
anzgleichheit angenommen werden (0,071>0,05). Es wird daher die erste Zeile
betrachtet. Der Mittelwertsunterschied ist signifikant zu einem Signifikanzniveau
von 5%. Bezogen auf den aktuellen Mittelwert von 0,865% schwankt dieser zwi-
schen 0,093 und 1,64. Der Mittelwert von Frauen ist also nach Nutzung der Su-
che immer größer als der von Männern. Vor Nutzung gibt es keine Unterschiede.
Hypothese H1 wird daher abgelehnt.
Zur Überprüfung von Hypothese H2 „Männliche Besucher nutzen die Suchfunkti-
on beim Einkauf häufiger als weibliche Besucher.“ werden zunächst die Mittel-
werte der Parameter der Suchfunktion verglichen und im Anschluss die Vertei-
lung anhand des Chi-Quadrat-Tests überprüft.
Die Variable Site_Search_Status ist dichotom. Die Ausprägung „1“ gibt an, dass
die Suche genutzt wurde. Die Gegenüberstellung der Ergebnisse innerhalb einer
Kreuztabelle wurde via SPSS erstellt. Über alle untersuchten Onlineshops hinweg
nutzen 19,28% der Männer und 21,07% der Frauen die Suchfunktion, bevor sie
einen Kauf tätigten (Abbildung 5). Anteilig nutzen weibliche Käufer die Suche
demnach mehr als männliche Käufer.
15
Abbildung 3 Ergebnisse des Chi-Quadrat-Tests zu H2
Da die Stichprobe ein n von über 60 besitzt, wird der Chi-Quadrat-Test nach
Pearson zur Interpretation verwendet. Die Stichproben sind unverbunden, die
Variablen Site_Search_Status und Geschlecht sind nominale Variablen. In Abbil-
dung 5 erkennt man, dass der Pearson-Chi-Quadrat Wert bei einem Freiheits-
grad 8,025 beträgt zu einer zweiseitigen asymptotischen Signifikanz von 0,5%
(p-Wert). Dieser ist damit hochsignifikant. Die erwartete Mindestanzahl von
1078,36 wurde nicht verletzt (die Bedingung wird ab 20% verletzt).
Es gibt also einen signifikanten Unterschied zwischen der Nutzungshäufigkeit der
Suche von Männern und Frauen. Jedoch liegt dieser genau gegenteilig zur Hypo-
these H2. Mehr Frauen (ca. 21% der Frauen) als Männer (ca. 19% der Männer)
nutzen die Suche.
Hypothese H2 ist daher abzulehnen.
Im Folgenden sollen die Hypothesen H3: „Die durchschnittliche Sitzungsdauer
weiblicher Besucher nach Nutzung der Suchfunktion ist höher als die männli-
cher.“ sowie H4: „Die durchschnittliche Anzahl von Seiten pro Sitzung weiblicher
Besucher nach Nutzung der Suchfunktion ist höher als die männlicher.“ unter-
sucht werden. Es wird nur ein Onlineshop im Bereich Bekleidung analysiert. Die
Hypothesen werden anhand eines T-Tests überprüft.
16
Abbildung 4 Ergebnisse des T-Tests zu H3 und H4
Wie Abbildung 6 zu entnehmen ist, weichen die Mittelwerte der Seiten/Sitzung
sowie der Durchschnittlichen Sitzungsdauer (in Sekunden) zwischen beiden Ge-
schlechtern leicht voneinander ab. Die Standardabweichungen liegen mit ca. 4
Seiten/Sitzung sowohl bei männlichen als auch weiblichen Besuchern relativ
hoch. Diese Unterschiede entstehen durch Abweichungen der Seiten/Sitzung
zwischen den Onlineshops. Es ist weiterhin zu bemerken, dass die Ausprägung
der durchschnittlichen Sitzungsdauern sehr stark um den Mittelwert schwankt.
Die Ergebnisse des Levene-Tests der Varianzgleichheit zeigen, dass die Voraus-
setzung gleicher Varianzen bei beiden Untersuchungen erfüllt ist (Levene Signifi-
kanzwert ist größer als 0,05). Für die Variable Seiten/Sitzung liegt der zweiseiti-
ge Signifikanzwert bei 0,052 und für Variable Durchschnittl. Sitzungsdauer bei
0,035 bei jeweils 764 Freiheitsgraden. Für die Durchschnittl. Sitzungsdauer sind
die Mittelwerte also signifikant unterschieden, für die Seiten/Sitzung nicht.
H3 kann daher nicht bestätigt werden. Es gibt keinen signifikanten Unterschied
zwischen den besuchten Seiten pro Sitzung zwischen Männern und Frauen.
H4 kann bestätigt werden. Männer weisen dabei eine durchschnittliche Sitzungs-
dauer von 406 Sekunden auf, Frauen nur 385 Sekunden. Zu 95 prozentiger Si-
cherheit im aktuellen Mittel beträgt die Differenz zwischen 1 und 40 Seiten.
H5 wird anhand des Regressionsmodells in Kapitel 4.3 überprüft.
17
Am 29.01.2015 wurde durch einen Onlineshop eine Erweiterung der Produktin-
formationen veröffentlicht. Dies umfasste vor allem die Einführung von 360 Grad
Ansichten der Produkte sowie zusätzliche Bilder und Tragebeispiele. Zur Über-
prüfung von Hypothese H6 wird untersucht, ob die Besucher bei Anzeige detail-
lierter Produktinformationen mehr kaufen. Dies wird anhand der Anzahl an ge-
kauften Artikeln überprüft. Dabei wird der Zeitraum vom 01.01.-28.01.2015 mit
dem Zeitraum vom 30.01.-26.02.2015 verglichen.
Zunächst wurden die Daten auf Normalverteilung überprüft. Die Prüfung auf
Normalverteilung kann Anhang 1.3 entnommen werden. Im Anschluss wurden
die Mittelwerte der abhängigen Variable anhand zweier T-Tests vor und nach der
Einführung verglichen.
Der Levene-Tests der Varianzgleichheit (Abbildung 7) zeigt, dass Varianzgleich-
heit nicht angenommen werden kann (Signifikanz des F-Werts liegt unter 0,05).
Dies erkennt man auch gut an der großen Differenz der Standardabweichungen
von Männern und Frauen.
Abbildung 5 Ergebnisse des T-Tests zu H6 vor Einführung erweiterter Produktinformationen
Vor Einführung detaillierter Produktinformationen liegt der p-Wert der zweiseiti-
gen Signifikanz bei 0,000. Das Ergebnis kann daher gegen den Zufall abgesichert
werden. Frauen kaufen demnach mehr Artikel als Männer ein (1,429 zu 1,261).
Nach Einführung (Abbildung 8) nähern sich die Mittelwerte stärker an. Frauen
kaufen zwar immer noch mehr als Männer (1,382 Artikel zu 1,349 Artikel), die
Differenz ist jedoch deutlich geringer.
18
Abbildung 6 Ergebnisse des T-Tests zu H6 nach Einführung erweiterter Produktinformationen
Betrachtet man Abbildung 8, so zeigt der Levene-Test, dass Varianzgleichheit
angenommen werden muss (Signifikanz des F-Werts liegt über 0,05). Nach Ein-
führung liegt der p-Wert der zweiseitigen Signifikanz bei 0,681. Die Irrtums-
wahrscheinlichkeit liegt also bei ca. 68,1% und das Ergebnis kann nicht gegen
den Zufall abgesichert werden.
Es ist zu erkennen, dass Männer nach Einführung der detaillierteren Produktbe-
schreibungen mehr kaufen, wobei auf Basis der Unter- und Obergrenzen die Dif-
ferenz relativ klein ausfallen kann. Dies bestätigt den Verdacht, dass Männer
mehr Wert auf detaillierte Informationen legen. Frauen kaufen wiederum weni-
ger. Hypothese H6 kann daher bestätigt werden. Es ist jedoch zu untersuchen,
wieso Frauen weniger kaufen.
4.1.2 Hypothesentests zu Vertrauen und wahrgenomme-nem Risiko
Im Bereich Vertrauen und wahrgenommenes Risiko wird untersucht, welchen
Einfluss vertrauensfördernde Elemente und Kundenbewertungen auf die Kauf-
wahrscheinlichkeit besitzen. Die Kaufwahrscheinlichkeit wird durch die CR opera-
tionalisiert. Eine genaue Ableitung der CR kann Kapitel 3.2. entnommen werden.
Wie bereits in Kapitel 2.2.2 erläutert, weisen weibliche Besucher ein höheres
wahrgenommenes Risiko beim Online Kauf auf. Daher wird erwartet, dass der
positive Einfluss von vertrauensfördernden Elementen und Reviews auf die CR
von Frauen stärker ausfällt. Zur Überprüfung der Hypothesen H7-H10 kann kein
branchenübergreifender Vergleich verwendet werden, da die CR der einzelnen
Shops generell stark voneinander abweichen. Daher wird ein Mittelwertsvergleich
auf Basis historischer Daten vor und nach Einführung vertrauensbildender Maß-
19
nahmen durchgeführt. Zunächst wurde eine Überprüfung auf Normalverteilung
vorgenommen. Diese kann Anhang 1.4 entnommen werden. Man erkennt an-
hand der grafischen Darstellung der Ausprägungen, dass 0 als Ausreißer identifi-
ziert werden kann. Die CR nimmt immer dann 0 an, wenn es an dem Tag keinen
Verkauf gab. Aufgrund der kleinen Stichprobe wird das Ergebnis daher jeweils
verzerrt. Eine CR von Null wird daher als Ausreißer eliminiert.
Zur Vertrauensförderung nutzt der Onlineshop das Siegel eines Fremdanbieters
(Trusted Shops) mit hohem Wiedererkennungswert2 und stellt dieses an diversen
Stellen im Onlineshop im sichtbaren Bereich dar. Das Siegel wurde am 17. März
2015 eingeführt. Daher wird der identische Zeitraum vor und nach dem 17. März
verglichen. Dazu wurde ein geschlechtsspezifisches, tagesbasiertes Datenset der
CR aus GA exportiert. Wie Abbildung 9 zu entnehmen ist, liegt die durchschnittli-
che CR von Frauen vor der Einführung des Siegels bei 1,45%, die der Männer bei
1,92%. Nach Einführung (Abbildung 10) liegt sie bei 2,04% bei Frauen und bei
2,34% bei Männern. Bei Frauen stieg die CR also um Durchschnitt um einen
Wert von 0,59% und bei Männern um 0,42%. Der Anstieg von Frauen nach Ein-
führung des Siegels ist daher höher.
Abbildung 7 Ergebnisse des T-Tests zu H7-H8 vor Einführung eines Siegels
2 TrustedShops bezeichnet sich selbst als den europäischen Marktführer mit hohem Wiedererken-
nungswert. Diese Gültigkeit dieser Aussage wurde bisher nicht von unabhängigen Instituten be-legt. Jedoch wird TrustedShops von 25.000 Onlineshops eingesetzt wie z.B. Zalando. Daher ist davon auszugehen, dass der Recognition Wert hoch ist. Dies sollte in einer unabhängigen Studie überprüft werden.
20
Der Levene-Tests der Varianzgleichheit zeigt, dass Varianzgleichheit angenom-
men werden muss (Signifikanz des F-Werts liegt über 0,05). Vor Einführung des
Siegels liegt der p-Wert der zweiseitigen Signifikanz bei 0,051 (Abbildung 9). Die
Irrtumswahrscheinlichkeit liegt daher bei ca. 5,1% über einem Signifikanzniveau
von 5%. Das Ergebnis kann also nicht gegen den Zufall abgesichert werden.
Abbildung 8 Ergebnisse des T-Tests zu H7-H8 nach Einführung eines Siegels
Nach Einführung des Siegels beträgt der F-Wert 5,131. Die Nullhypothese glei-
cher Varianzen kann daher abgelehnt werden. Der p-Wert der zweiseitigen Signi-
fikanz liegt bei 0,103 und ist damit größer als 0,05. Es besteht eine Irrtums-
wahrscheinlichkeit von 10,3%. Der Mittelwertsunterschied von ca. -0,295% ist
nicht signifikant. Aufgrund der kleinen Stichproben werden die Ergebnisse aller-
dings als Tendenzen in die Analyse einbezogen. Diese sind weiteren Forschungs-
arbeiten zu überprüfen. Vergleicht man die Ergebnisse der Analysen, so kann bei
beiden Geschlechtern ein Anstieg gemessen werden nach Einführung des Sie-
gels. H7 kann daher tendenziell bestätigt werden. Die Differenz der CR nach Ein-
führung liegt bei Frauen höher, der Einfluss des Siegels kann daher als stärker
bei Frauen betrachtet werden. H8 kann ebenfalls tendenziell bestätigt werden.
Die Hypothesen H9 und H10 beziehen sich auf den Einfluss von Produktbewer-
tungen auf die CR. Der Onlineshop zeigt seit dem 14.03.2016 Online Bewertun-
gen (Reviews) an, zuvor konnten Kunden bereits Bewertungen angeben, welche
jedoch nicht sichtbar waren. Nicht-positive Kommentare/Bewertungen von Käu-
fern werden nicht aktiviert und sind daher für den Endkunden nicht sichtbar.
Nicht jeder Artikel wurde zwangsläufig von einem Käufer bewertet. Daher kann
nicht bei jedem Besuch davon ausgegangen werden, dass Kunden die Bewertung
gesehen haben. Des Weiteren kann nicht ermittelt werden, ob Käufer eine Be-
21
wertung bewusst wahrgenommen haben. Daher kann es hier zu Verzerrungen in
der Bewertung des Einflusses von Reviews auf die CR kommen. Verglichen wer-
den die Mittelwerte der geschlechterbasierten CR im gleichen Zeitraum (36 Tage)
vor und nach Sichtbarschalten der Bewertungen am 14.03.2016. Zunächst wur-
de eine Überprüfung auf Normalverteilung vorgenommen. Diese kann Anhang
1.5 entnommen werden.
Vor Anzeige der Produktbewertungen liegt die durchschnittliche CR von Frauen
bei 2,87%, die von Männern bei 5,67%. Nach Anzeige der Bewertungen liegt die
durchschnittliche CR von Frauen bei 4,6%, die von Männern bei 9,5%. Beide CR
sind daher stark angestiegen, wobei die CR von Frauen um einen Wert von ca.
0,74% und die der Männer um 3,84% anstieg.
Abbildung 9 Ergebnisse des T-Tests zu H9-H10 vor Anzeige der Produktbewertungen
Basierend auf dem Levene-Test der Varianzgleichheit (Abbildung 11 und 12)
muss bei beiden T-Tests Varianzgleichheit angenommen werden bei einem Signi-
fikanzniveau von 5%.
Betrachtet man die Ergebnisse vor Liveschalten der Produktbewertungen zeigt
sich, dass bei zweiseitiger Überprüfung der Mittelwertsunterschied zwischen
Männern und Frauen nicht signifikant ist. Man erkennt, dass die Streuung zwi-
schen der Ober- und Untergrenze von -4,35% und 0,73% schwankt bezogen auf
die Mittelwertsdifferenz von -1,81%.
22
Abbildung 10 Ergebnisse des T-Tests zu H9-H10 nach Anzeige der Produktbewertungen
Nach Liveschalten der Produktbewertungen (Abbildung 12) ergibt sich eine Mit-
telwertsdifferenz von -4,91% mit Ober- und Untergrenzen in einem negativen
Bereich, die CR von Männern liegt also zu 95 prozentiger Wahrscheinlichkeit im-
mer über der CR von Frauen.
Aufgrund der eingeschränkten Signifikanz des ersten Modells lässt sich nur eine
Tendenz ablesen. Angesichts der kleinen Stichprobe werden die Ergebnisse zur
Interpretation dennoch genutzt. Auf Basis der vorliegenden Ergebnisse kann H9
bestätigt werden. Die Anzeige von Produktbewertungen hat einen positiven Ein-
fluss auf die Kaufwahrscheinlichkeit bei beiden Geschlechtern. Der Effekt ist bei
Männern jedoch stärker ausgeprägt. H10 muss daher abgelehnt werden.
Einschränkend für die Hypothesen H7-H10 ist zu berücksichtigen, dass viele Ein-
flüsse auf die CR wirken und Scheinkorrelationen somit nicht ausgeschlossen
werden können. Weitere Untersuchungen sind zu empfehlen.
4.1.3 Hypothesentests zu Werbung und Anreize Zur Überprüfung der Hypothesen H11 und H12 im Bereich Werbung und Anreize
wurde zunächst ein Datenset aus GA in aggregierter Form exportiert und in ein-
zelne Sitzungen gesplittet. Zur besseren Übersicht wurde via SPSS eine Kreuzta-
bellen Darstellung mit prozentualen Anteilen erstellt. Dabei wurden die dichoto-
me Variable Geschlecht sowie die polytome Variable Kanal in einer eine 2x6 Mat-
rix gegenübergestellt. Im Anschluss wurde ein Chi-Quadrat-Test zur statistischen
Absicherung angewendet. Die Ergebnisse sind Abbildung 13 zu entnehmen.
23
Abbildung 11 Ergebnisse des Chi-Quadrat-Tests zu H11 und H12
Der prozentuale Vergleich zeigt, dass die am stärksten genutzten Kanäle sowohl
weiblicher als auch männlicher Besucher Organic Search gefolgt von Direct sind.
Man erkennt weiterhin, dass die Nutzung der Kanäle Social und E-Mail bei weibli-
chen Besuchern niedriger ausfällt als bei männlichen. Insgesamt sind die Unter-
schiede jedoch marginal. Das Ergebnis ist statistisch signifikant. Hypothese H11
muss also abgelehnt werden.
Weiterhin kann man der Kreuztabelle entnehmen, dass anteilig mehr weibliche
als männliche Besucher über Organic Search und Paid Search zugriffen. Das Er-
gebnis ist statistisch signifikant. Hypothese H12 ist daher ebenfalls abzulehnen.
Es ist festzuhalten, dass mit einem hochsignifikanten Ergebnis die Zugriffskanäle
genau entgegengesetzt der ursprünglichen Erwartung genutzt wurden. Insge-
samt sind die Unterschiede jedoch marginal.
Zur Überprüfung der Hypothese H13 wurde zusätzlich zu den aus den Shop Da-
tenbanken exportierten Informationen noch die Variable Gutschein_verwendet
gebildet und binär kodiert. Es liegt eine 2x2 Matrix vor, daher wurde ein Fisher-
Exact Test in Kombination mit einem Chi-Quadrat-Test durchgeführt.
24
Abbildung 12 Ergebnisse des Chi-Quadrat-Tests zu H13
Betrachtet man zunächst die geschlechtsspezifische Verteilung der Variablen
(Abbildung 14), so ist zu entnehmen, dass 12,3% der männlichen Käufer und
15,8% der weiblichen Käufer einen Gutscheincode in einer Bestellung nutzen.
Der Pearson-Chi-Quadrat-Test weist einen Wert von 38,9 auf (korrigierter Wert
liegt bei 38,63) bei einem Freiheitsgrad, wobei die Bedingung der zu erwarteten
Anzahl von fünf oder mehr nicht verletzt wurde. Der zweiseitige Hypothesentest
ist hoch signifikant. Weiterhin ergibt der Fisher-Exact Test eine hohe einseitige
und zweiseitige Signifikanz. Die Ergebnisse können daher als valide und gegen
den Zufall abgesichert betrachtet werden. Mehr Frauen als Männer nutzen in
Bestellungen einen Gutscheincode. Hypothese H13 kann somit bestätigt werden.
25
4.1.4 Hypothesentests zur Nutzung mobiler Endgeräte Im Bereich der Nutzung mobiler Endgeräte wurde zunächst untersucht, wie das
Nutzungsverhältnis von Desktop, Tablet und mobilen Endgeräten ausgeprägt ist.
Die eingangs formulierte Hypothese H14 stützte sich auf der Annahme, dass
Männer technikaffiner als Frauen sind und daher mehr über mobile Endgeräte
online gehen als Frauen. H14 lautete „Anteilig nutzen mehr männliche als weib-
liche Besucher mobile Endgeräte.“. Weiterhin wurde angenommen, dass inner-
halb jüngerer Zielgruppen (18-34 Jahre) diese Verhaltensunterschiede kaum
noch vorhanden sind und sich die Nutzungshäufigkeiten nicht mehr zwischen
Männern und Frauen unterscheiden (Hypothese H15). Zur Überprüfung der Hy-
pothesen wurde ein Kreuztabellen Vergleich über drei Onlineshops hinweg vor-
genommen und diese über die Mediatorvariable Alter in SPSS geschichtet. Es
handelt sich hierbei um eine kategoriale Variable mit sechs Unterteilungen. Da-
bei wurden die aggregierten Daten für SPSS aufbereitet und in einzelne Sitzun-
gen aufgespalten. Es ergeben sich 131.652 Sitzungen. Zur Überprüfung der Aus-
sagekraft der Ergebnisse wurde ein Chi-Quadrat-Test angewendet.
Der Position „Gesamtsumme“ der Kreuztabelle (Abbildung 15) ist zu entnehmen,
dass nur 61,1% der Frauen, aber 72,6% der Männer einen Desktop PC verwen-
den. Die Nutzung von Tablets (Frauen: 24,5%, Männer: 17,5%) und insbesonde-
re mobiler Endgeräte (Frauen: 14,4%, Männer: 9,9%) zeigt deutlich, dass nicht
wie eingangs angenommen männliche Besucher aufgrund ihrer Technikaffinität
stärker mobile Geräte nutzen. Die Ergebnisse sind hochsignifikant basierend auf
der Überprüfung mittels Chi-Quadrat-Test und können daher zur Interpretation
herangezogen werden. Hypothese H14 kann falsifiziert werden, das Verhalten
stellt sich genau entgegengesetzt dar als eingangs vermutet.
Betrachtet man das Nutzungsverhalten auf Basis des Alters, so zeigt sich für die
Altersklasse 18-24 Jahren, dass ausschließlich Nutzer der Gerätekategorie Mobile
gemessen werden konnten. Der Anteil dieser Nutzergruppe ist insgesamt sehr
klein und beträgt nur ca. 0,3% aller Sitzungen. Daher ist die Aussagekraft dieser
Nutzergruppe relativ gering. Es muss daher in Betracht gezogen werden, dass
ein Messfehler durch GA vorliegt. Innerhalb der Altersklasse 25-34 Jahren konn-
ten keine Sitzungen der Gerätekategorie „Tablet“ gemessen werden. Man er-
kennt jedoch, in der Altersklasse 25-34 Jahren einen deutlichen Unterschied der
Gerätekategorien zwischen Männern und Frauen. Mehr Männer als Frauen nutzen
demnach den Desktop PC im Vergleich zum mobilen Endgerät (63% der Frauen
und 70,5% der Männer). Gerade bei den älteren Klassen zeigt sich, dass durch-
gehend ca. 10% mehr Männer als Frauen den Desktop PC nutzen. Das Ergebnis
ist konsistent für alle betrachteten Altersklassen.
26
Abbildung 13 Kreuztabellierung zu H14 und H15
27
Abbildung 14 Ergebnisse des Chi-Quadrat-Tests zu H14 und H15
Die Ergebnisse sind hochsignifikant basierend auf der Überprüfung mittels Chi-
Quadrat-Test nach Pearson. In keiner der überprüften Schichten wird die erwar-
tete Mindestanzahl von weniger als fünf unterschritten. Für die Schicht 18-24
Jahre konnte keine Überprüfung stattfinden, da die Gerätekategorie nur eine
Ausprägung annahm. Außer in der Schicht 45-54 Jahren handelt es sich stets um
eine 2x2-Tabelle, sodass der Exakte Test nach Fisher sowie eine Kontinuitätskor-
rektur Anwendung finden. Nach allen Kriterien sind die Ergebnisse hochsignifi-
kant und können daher zur Interpretation herangezogen werden. Männer nutzen
den Desktop PC über verschiedene Altersklassen hinweg mehr als Frauen bzw.
Frauen nutzen mehr mobile Endgeräte als Männer. Hypothese H15 kann teilwei-
28
se abgelehnt werden für die Schicht 25-34 Jahren. Das Nutzungsverhalten un-
terscheidet sich demnach auch in den jüngeren Altersklassen. Für die Schicht
18-24 Jahren kann keine Aussage getroffen werden.
Hypothese H16 wird innerhalb der Überprüfung eines Gesamtmodells zur Höhe
des Bestellwertes überprüft.
Die multivariate Analyse der Einflussfaktoren auf das Kaufverhalten wird im
Rahmen dieses Auszugs nicht detailliert dargestellt.
4.2 Überprüfung der Hypothesen zum Nachkauf-verhalten
4.2.1 Hypothesentests zu Risiko und Produktinformationen Zur Überprüfung von Hypothese H6 wurde bereits auf den Einfluss detaillierter
Produktinformationen auf die erworbene Artikelmenge eingegangen. Zur Über-
prüfung von H17 soll der Einfluss auf die RQ gemessen werden. Dabei wird das
gleiche Modell über den Zeitraum vor Einführung (01.01.-28.01.2015) sowie da-
nach (30.01.-26.02.2015) angewendet. Es wird erwartet, dass detaillierte Pro-
duktinformationen zu einer Senkung der RQ bei beiden Geschlechtern führen.
Wie Abbildung 17 zu entnehmen ist, liegt vor Einführung die RQ von Frauen mit
6,11% im Mittel stark über der RQ von Männern (3,67%).
Abbildung 15 Ergebnisse des T-Tests zu H17 vor Einführung detaillierter Produktinformationen
Nach Einführung steigen die RQ bei beiden Geschlechtern an. Bei Frauen steigt
der Mittelwert um 0,429 und bei Männern um 0,917 an. Aufgrund der hohen
Standardabweichungen bei beiden T-Tests liegt die beidseitige Signifikanz jedoch
stark über dem definierten Signifikanzniveau von 0,05. Ein Zufallsfehler kann
daher nicht hinreichend ausgeschlossen werden. Anhand der zwischen negativen
29
und positiven Werten schwankenden Ober- und Untergrenzen erkennt man, dass
ein positiver oder negativer Effekt nicht eindeutig nachgewiesen werden kann.
Hypothese H17 kann daher tendenziell abgelehnt werden.
Abbildung 16 Ergebnisse des T-Tests zu H17 nach Einführung detaillierter Produktinformationen
H18-H23 des Bereichs „Rabatte und Versandkosten“ werden innerhalb des Re-
gressionsmodells überprüft.
4.2.2 Hypothesentests zu Impulskaufneigung und Pro-duktkategorie
Im Folgenden sollen die Hypothesen H24 und H25 untersucht werden. Es wurde
davon ausgegangen, dass Frauen generell und insbesondere im Bekleidungsbe-
reich höhere RQ aufweisen. Zur Überprüfung wurde jeweils ein T-Test über die
RQ für jeden Onlineshop sowie ein T-Test über alle aggregiert angewendet.
Auf Basis der Ergebnisse des Levene-Tests der Varianzgleichheit wird bei allen T-
Tests keine Varianzgleichheit angenommen. Die Ergebnisse sind bis auf einen
Onlineshop zu einem einseitigen Signifikanzniveau von 5% signifikant und kön-
nen daher als valide angesehen werden.
30
Abbildung 17 Ergebnisse des T-Tests zu H24 und H25 für die allgemeine RQ
Der Vergleich der RQ der einzelnen Onlineshops wird im Auszug dieser Arbeit
nicht dargestellt. Es werden lediglich die Ergebnisse gargestellt. Weibliche Käufer
weisen demnach bei allen untersuchten Onlineshops signifikant höhere RQ auf.
Im Bereich Bekleidung wiesen Frauen deutlich höhere RQ auf (ca. 30% zu 20%).
Hypothese H24: „Weibliche Käufer weisen generell höhere RQ auf als männli-
che.“ kann daher bestätigt werden.
Hypothese H25: „Weibliche Käufer weisen im Bereich Bekleidung höhere RQ auf
als männliche.“ kann ebenfalls bestätigt werden.
4.2.3 Hypothesentests zu Zahlungsarten Die Untersuchung der Hypothese H26: „Weibliche Käufer nutzen die Zahlungsart
„Kauf auf Rechnung“ häufiger als männliche.“ unterliegt einigen Einschränkun-
gen. Nicht alle der untersuchten Onlineshops bieten die Zahlungsart „Kauf auf
Rechnung“ an. In Abbildung 24 ist die geschlechtsspezifische Verteilung der ge-
nutzten Zahlungsarten dargestellt.
31
Abbildung 18 Verwendete Zahlungsarten in Abhängigkeit des Geschlechts
Zur Überprüfung wird ein Chi-Quadrat-Test angewendet. Die Ergebnisse sind
Abbildung 25 zu entnehmen. Die Ergebnisse der Kreuztabelle zeigen, dass
61,9% der männlichen und 75,5% der weiblichen Käufer die Zahlungsart „Kauf
auf Rechnung“ verwendeten. Die Ergebnisse des Pearson-Chi-Quadrat-Tests mit
einem Wert von über 261 bei 5 Freiheitsgraden zeigen, dass das Ergebnis bei
zweiseitiger Überprüfung hochsignifikant ist. Ebenso wurde das Kriterium auf
eine erwartete Anzahl von fünf oder mehr nicht verletzt. Die Ergebnisse können
gegen den Zufall abgesichert werden.
Hypothese H26 kann bestätigt werden.
32
Abbildung 19 Ergebnisse des Chi-Quadrat-Tests zu H26
Weiterhin ist zu entnehmen, dass die Zahlungsart PayPal bei Männern im Ver-
gleich zu Frauen besonders häufig genutzt wurde (18,3% zu 8,5%). Möglicher-
weise entspricht die Zahlungsart PayPal dem besonders bei Männern vorhande-
nen Wunsch eines schnellen, unkomplizierten Abschlusses. Dies wäre in weiteren
Untersuchungen zu ermitteln.
H27 wird im Zuge eines multivariaten Modells untersucht.
Die Ergebnisse der Analyse der Einflussfaktoren auf die RQ im Rahmen eines
Regressionsmodells werden im Folgenden nicht im Detail dargestellt.
33
5 Schlussbetrachtung
5.1 Zusammenfassung der Ergebnisse In der vorliegenden Arbeit wurde untersucht, ob es Unterschiede zwischen den
Geschlechtern im Kauf- und Nachkaufverhalten im E-Commerce gibt. Es wurde
dabei ein Set an 27 Hypothesen formuliert, die aus verschiedenen Annahmen
und Studien aus der Literatur abgeleitet wurden und anhand eines Datensatzes
mit 24.000 Bestellungen und über 178.000 Sitzungen überprüft. In der Literatur
herrscht starke Uneinigkeit über die sogenannte Gender Gap. Jedoch basieren
die meisten Untersuchungen auf der subjektiven Wahrnehmung anhand von Be-
fragungen und betrachten nur einen Teil des Verhaltens. In dieser Arbeit wurden
daher sowohl das Kauf- als auch das Nachkaufverhalten anhand realer Daten
untersucht. Deutliche geschlechtsspezifische Unterschiede konnten u.a. in den
Bereichen „Anreize“, „Mobile Nutzung“ und generell im Bereich „Retouren“ identi-
fiziert werden.
In Tabelle 4 ist eine Übersicht der verwendeten Verfahren und Hypothesen dar-
gestellt. AV bezeichnet dabei die abhängige, UV die unabhängige Variable. Es
konnten einige signifikante Einflussfaktoren auf das Kaufverhalten identifiziert
werden, wohingegen die RQ durch Maßnahmen im Onlineshop generell nur be-
dingt beeinflusst werden kann. Einige Unterschiede zwischen Männern und Frau-
en treten entgegengesetzt zu Annahmen aus dem aktuellen Stand der Forschung
auf.
Tabelle 4 Übersicht der Hypothesenergebnisse
Hypothese, AV/UV Modell Ergebnis Unterschied vor-
handen
H1: Absprungrate T-Test ABGELEHNT JA (nach Nutzung
der Suche Männer
0,8% niedriger)
H2: Nutzung der
Suche
Chi-Quadrat ABGELEHNT JA (2% mehr
Frauen)
H3: Durchschnittli-
che Sitzungsdauer
T-Test ANGENOMMEN JA (Männer 21
Sekunden länger)
H4: Seiten/Sitzung T-Test ABGELEHNT NEIN
34
H5: UV: Nutzung der
Suche; AV: BW
Regression BW ABGELEHNT Nicht eindeutig
H6: UV: Produktde-
tails; AV: Anzahl der
Artikel
T-Test ANGENOMMEN JA (bei Männern
Einfluss stärker)
H7: UV: Siegel; AV:
CR
T-Test ANGENOMMEN
(Tendenz)
NEIN (steigt bei
beiden)
H8: UV: Siegel; AV:
CR
T-Test ANGENOMMEN
(Tendenz)
JA (bei Frauen
mehr)
H9: UV: Kundenbe-
wertung; AV: CR
T-Test ANGENOMMEN NEIN (steigt bei
beiden)
H10: UV: Kunden-
bewertung; AV: CR
T-Test ABGELEHNT JA (bei Männern
mehr)
H11: E-Mail Marke-
ting, Social Media
Chi-Quadrat ABGELEHNT NEIN (Verteilung
ähnlich)
H12: Organic Se-
arch; Paid Search
Chi-Quadrat ABGELEHNT NEIN (Verteilung
ähnlich)
H13: Gutscheincodes Chi-Quadrat ANGENOMMEN JA (15,8% der
Frauen, 12,3% der
Männer)
H14: Mobile Endge-
räte
Chi-Quadrat ABGELEHNT JA (mehr Frauen)
H15: Mobile Endge-
räte 18-34 Jahre
Chi-Quadrat ABGELEHNT JA (in allen Alters-
klassen mehr
Frauen)
H16: UV: Mobile
Endgeräte; AV: BW
Regression BW ABGELEHNT
(Tendenz)
JA (entgegen der
Annahme)
H17: UV: Produktde-
tails; AV: RQ
T-Test ABGELEHNT
(Tendenz)
Nicht eindeutig
35
H18-H23: UV: Ra-
batte, Gutscheine,
Versandkosten; AV:
RQ
Regression RQ Nicht eindeutig Nicht eindeutig
H24: RQ T-Test ANGENOMMEN JA (Frauen höher)
H25: RQ Bekleidung T-Test ANGENOMMEN JA (Frauen höher)
H26: Rechnung Chi-Quadrat ANGENOMMEN JA (Frauen mehr,
Männer mehr
PayPal)
H27: UV: Zahlungs-
art; AV: RQ
Regression RQ Nicht eindeutig Nicht eindeutig
So zeigt sich, dass Frauen häufiger die Suche nutzen, dann aber höhere Ab-
sprungraten aufweisen als Männer. Die durchschnittliche Sitzungsdauer liegt
nach Nutzung der Suche um 21 Sekunden länger als die von Männern. Dies
deckt sich mit einer Untersuchung von Schmidt & Wolff (2015, S. 70).
Vertrauensförderne Elemente weisen bei beiden Geschlechtern einen positiven
Einfluss auf die CR auf. Die Einführung von Siegeln besitzt jedoch bei Frauen
einen stärkeren Einfluss. Produktbewertungen anderer Kunden sowie
detailliertere Produktbeschreibungen führten wiederum zu einem stärkeren
Anstieg der CR von Männern.
Entgegengesetzt zur ursprünglichen Annahme nutzten signifikant mehr weibliche
Besucher mobile Endgeräte sowohl in jüngeren als auch in älteren Altersklassen.
Wenn mobile Endgeräte genutzt werden, hat dies bei Frauen wiederum keinen
höheren negativen Einfluss auf die Höhe des Bestellwerts als bei Männern. Die-
ses Ergebnis widerspricht der bisher in der Literatur angenommenen höheren
Aversion und Risikoverbundenheit von Frauen mit Mobile Commerce. Frauen sind
auf Basis der vorliegenden Untersuchung mobil die aktivere Zielgruppe. Ein Ein-
fluss auf das Nachkaufverhalten konnte nicht ermittelt werden.
Bestellungen, die von weiblichen Käufern getätigt wurden, enthalten signifikant
häufiger einen Gutscheincode. Dies deutet darauf hin, dass Frauen empfängli-
cher für Rabatte sind bzw. gezielter danach suchen.
36
Bei der Nutzung von Marketingkanälen konnten keine relevanten Unterschiede
zwischen Männern und Frauen festgestellt werden. Weiterhin besuchten beide
Geschlechter ähnlich viele Seiten pro Sitzung.
Im Bereich des Nachkaufverhaltens bzw. der Retouren-Vermeidung ist zu be-
merken, dass Frauen im Bekleidungssegment generell höhere RQ aufweisen als
Männer und generell häufiger die Zahlungsart „Kauf auf Rechnung“ wählen. Ein
Zusammenhang zwischen „Kauf auf Rechnung“ und einer höheren RQ konnte
jedoch nicht nachgewiesen werden. Lediglich in einem der vier untersuchten On-
lineshops konnte für Männer ein negativer Zusammenhang der beiden Variablen
festgestellt werden.
Je mehr rabattierte Produkte eine Bestellung enthält, desto niedriger ist außer-
dem die RQ bei Frauen im Bereich Mode. Weiterhin konnte ermittelt werden,
dass die Höhe der Versandkosten im Modebereich für Frauen einen negativen
Einfluss besitzt. Variablen im Bereich „Gutscheincodes“ weisen unterschiedliche
Wirkungen auf. Dies wäre näher zu untersuchen.
Auf Basis der Ergebnisse dieser Arbeit sind also Unterschiede zwischen Männern
und Frauen zu erkennen. Es gibt eine Gender Gap. Diese stellen sich jedoch teil-
weise genau entgegengesetzt zum aktuellen Stand der Forschung auf, daher
müssen einige ursprüngliche Theorien zu geschlechtsspezifischem Verhalten
überdacht werden. Der Einfluss von Kundenbewertungen als vertrauensfördern-
des Element ist bei Männern z.B. stärker ausgeprägt. Am deutlichsten wird dies
aber im mobilen Nutzungsverhalten. Hier scheint es eine starke Gender Gap ge-
nau entgegengesetzt zum aktuellen Stand der Forschung zu geben. Männer be-
vorzugen demnach den Desktop PC und kaufen mobil weniger. Frauen sind mo-
bilaffiner.
5.2 Ausblick und Implikationen für Forschung und Praxis
5.2.1 Implikationen für die Forschung Der aktuelle Stand der Forschung geht davon aus, dass Frauen gerade im Mobile
Commerce stärker risikoavers sind als Männer. Nur in jüngeren Altersklassen
wird angenommen, dass sich das Verhalten angleicht. Dies muss überdacht wer-
den. Anhand der vorliegenden Untersuchung konnte dargestellt werden, dass
Frauen über alle Altersklassen hinweg nicht nur mehr mobile Endgeräte nutzen
als Männer, sondern außerdem höhere Umsätze darüber generieren. Bei Män-
nern ist genau das Gegenteil der Fall. Eine tiefergreifende Analyse des ge-
37
schlechtsspezifischen mobilen Nutzungsverhaltens auch international ist daher
ein wichtiger Ausblick für die Forschung.
Weiterhin ist zu erkennen, dass Männer nach Einführung der detaillierteren Pro-
duktbeschreibungen mehr kaufen. Dies stützt die Vermutung, dass Männer mehr
Wert auf detaillierte Informationen legen. Frauen kauften in dieser Untersuchung
wiederum weniger. Dies wäre zu untersuchen. Zusätzlich konnte ein positiver
Zusammenhang zwischen der Einführung eines vertrauensfördernden Siegels
und der CR ermittelt werden. Dieser ist aufgrund einer relativ kleinen Stichprobe
jedoch nur als Tendenz in die Ergebnisse eingeflossen. Eine tiefere Untersuchung
unter Einbeziehung weiterer demografischer und sozioökonomischer Merkmale
wäre hier anzustreben.
Weiterhin konnte eine Tendenz festgestellt werden, dass Männer weniger kaufen,
wenn sie durch den Kanal E-Mail Marketing zum Onlineshop gelangten. Dies wä-
re näher zu untersuchen.
Generell steckt die Erforschung der Einflüsse auf die RQ noch in den Kinderschu-
hen und es besteht ein großer Forschungsbedarf. Der Einfluss v.a. von weichen,
aber auch harten Produktmerkmalen auf die RQ wurde in dieser Arbeit kaum
berücksichtigt. Diese Forschungslücke bleibt offen. Zur Reduzierung der RQ
konnten in dieser Arbeit leichte Einflüsse gemessen werden. Rabatte in Form von
Produktreduzierungen, Gutscheincodes und Versandkosten scheinen geringe,
aber nicht eindeutige Einflüsse zu haben. Zwischen Rabatten in jeglicher Form
wie z.B. der Höhe eines Gutscheincodes und der RQ im Modebereich konnte bei
Frauen ein negativer Zusammenhang ermittelt werden. Es wäre näher zu über-
prüfen, ob und welche Formen von Rabatten einen Einfluss auf die RQ besitzen.
Generell steht die Forschung im Bereich geschlechtsbasiertes Retouren-
Management bzw. der Beeinflussung des Nachkaufverhaltens noch am Anfang.
Hier besteht ein großer Bedarf der weiteren Analyse.
5.2.2 Implikationen für die Praxis Für die Praxis ergeben sich spannende Erkenntnisse. Die Zielgruppe Frauen sollte
stärker in den Fokus des Mobile Commerce gelangen. Hier liegen Umsatzpotenzi-
ale brach, die man ausschöpfen kann. Gerade eine Kombination von vertrauens-
bildenden Maßnahmen und mobiloptimierten Ansichten trifft die Verhaltensstruk-
turen von Frauen besser. Außerdem sollte der Zugang zu Gutscheincodes und
rabattierten Artikeln verbessert werden. Häufig müssen Kunden auf Gutschein-
38
portalen nach Rabattcodes suchen. Einige Händler wie z.B. H&M3 zeigen diese
aber bereits auf der Startseite des Onlineshops an. Die Anzahl rabattierte Pro-
dukte hat wiederum einen senkenden Einfluss auf die RQ.
Männer hingegen bevorzugen häufiger den Desktop PC. Mobile Endgeräte haben
eher einen negativen Effekt auf die Höhe des Bestellwertes. Betreiber müssen
ihre Onlineshops daher sowohl für mobile Endgeräte als auch Desktop PCs opti-
mieren. Nach dem aktuellen Stand der Forschung ist die Meinung vorherrschend,
dass die Onlineshop-Erfahrung mobil und auf Desktop PCs konsistent sein muss.
Ein fließender Übergang der beiden Versionen wird angestrebt (vgl. fluency theo-
ry von Zeng, Gao & Wu, 2014). Mobile Templates und responsive Designs sind
bereits weiter verbreitet, jedoch werden diese selten zielgruppenbasiert optimiert
eingesetzt.
Basierend auf den Ergebnissen dieser Arbeit müssen Onlineshop Betreiber zu-
künftig besonderen Wert darauf legen, die Produkt- und Bestellinformationen für
Männer zielgerichteter auszugestalten. Neben dem positiven Einfluss von 360
Grad Ansichten auf die Anzahl der bestellten Artikel, hatten auch Bewertungen
anderer Kunden einen positiven Einfluss auf die CR bei Männern. Diese werden
zwar als vertrauensförderndes Element klassifiziert, bieten aber weiterhin rele-
vante und schnell verfügbare Informationen. Daher kann die Einführung als loh-
nend für Onlinehändler betrachtet werden, die vor allem eine männliche Ziel-
gruppe ansprechen.
Des Weiteren enthalten Bestellungen von Frauen signifikant mehr Gutschein-
codes. Die präsente Darstellung von Gutscheincodes kann also als hilfreiches
Anreizmittel gewählt werden, um Frauen zu incentivieren. Der Einsatz führt au-
ßerdem tendenziell zu einer niedrigeren RQ von Frauen. Es ist jedoch zu beach-
ten, dass eine undurchdachte Couponing-Strategie zu hohen Kosten führen kann
(BVDW, 2013). Daher ist es von großer Wichtigkeit, dass der Einsatz von Gut-
scheincodes im Rahmen der Preispolitik bereits Berücksichtigung findet, um so
eine gewinnoptimierte Adressierung der weiblichen Zielgruppe zu erreichen, oh-
ne eine langfristig zu hohe Sensibilisierung zu schaffen.
Basierend auf der vorangegangenen Untersuchung lassen sich einige spannende
Impulse für Forschung und Praxis ableiten, die dahingehend näher analysiert
werden sollten. Frauen und Männer verhalten sich hinsichtlich der Verwendung
von Gutscheinen, der Auswahl von Zahlungsarten, der mobilen Nutzung, der
3 Siehe http://www.hm.com/de
39
Reaktion auf vertrauensfördernde Elemente und der Höhe der RQ unterschied-
lich. Eine Gender Gap kann somit in verschiedenen Bereichen des Kauf- und
Nachkaufverhaltens bestätigt werden. Diese liegt jedoch insbesondere im mobi-
len Nutzungsverhalten gerade entgegengesetzt zu Annahmen der aktuellen For-
schung.
40
Literaturverzeichnis AGOF e.V. (2013). Arbeitsgemeinschaft Onlineforschung e.V. internet facts
2013-07. Abgerufen am 27.06.2016 von www.agof.de: https://www.agof.de/download/Downloads_Internet_Facts/Downloads_Internet_Facts_2013/Downloads_Internet_Facts_2013-07/07-2013_AGOF%20internet%20facts%202013-07.pdf?ea2b25
ARD/ZDF (10.2015). ARD/ZDF-Onlinestudie - Internetnutzer in Deutschland 1997 bis 2015. Abgerufen am 16.06.2016 von http://www.ard-zdf-onlinestudie.de/index.php?id=533
Asdecker, B. (2014). Logistik und Supply Chain Management Band 10. Herausgegeben von Professor Dr. Eric Sucky, Otto-Friedrich-Universität Bamberg.
Asdecker, B. (2016). Beta-Retourenquote - Definition. Abgerufen am 30.06.2016 von http://www.retourenforschung.de/definition_beta-retourenquote.html
A.T. Kearney (2014). Statista.com - Intensive Internetnutzer nach Geschlecht weltweit* 2014. Abgerufen am 13.06.2016 von http://de.statista.com/statistik/daten/studie/374027/umfrage/intensive-internetnutzer-nach-geschlecht-weltweit/
AZ Direct GmbH (2016). Die Retourentypologie von AZ Direct – Fokus Bekleidung und Schuhe. Abgerufen am 26.08.2016 von http://www.az-direct.com/site/fileadmin/dokumente/Profildaten/Folder_AZ_Retourentypologie.pdf
Babin, B., Darden, W. & Griffin, M. (1994). Work and/or fun: measuring hedonic and utilitarian shopping value. Journal of Consumer Research, 20, S. 644–656.
Babin, B., Gonzales, C. & Watts, C. (2007). Does Santa have a great job? Gift shopping value and satisfaction. Psychology and Marketing, 24, S. 895–917.
Backhaus, K. E. (2008). Multivariate Analysemethoden - Eine anwendungsorientierte Einführung (12. Aufl.). Berlin: Springer-Lehrbuch.
Bae, S. & Lee, T. (2011). Gender differences in consumers’ perception of online consumer reviews. Electronic Commerce Research, 11, S. 201-214.
Bakewell, C., Mitchell, V. & Rothwell, M. (2006). UK Generation Y fashion consciousness. Journal of Fashion Marketing and Management, 10 (2), S. 169–180.
Bänsch, A. (2013). Verkaufspsychologie und Verkaufstechniken (9 Aufl.). Mu ̈nchen: Oldenbourg Wissenschaftsverlag.
Barletta, M. (2006). Marketing to Women: How to Understand, Reach, and Increase Your Share of the World's Largest Market Segment. New York: Kaplan Publishing.
Baun, D. (2003). Impulsives Kaufverhalten am Point of Sale. Wiesbaden: Springer Fachmedien Wiesbaden GmbH.
Bengler, K. & Senner, V. (2016). Ergonomie aktuell (Ausgabe 017) - Lehrstuhl für Ergonomie. Abgerufen am 10.08.2016 von http://www.lfe.mw.tum.de/wp-content/uploads/2012/11/Ergonomie_aktuell_2016.pdf
Bergmann, H. (2015). Versand- und Retourenmanagement im E-Commerce 2015. Köln: EHI Retail Institute e.V.
41
Bimber, B. (2000). Measuring the Gender Gap on the Internet. Social Science Quarterly, 81 (3), S. 868-876.
Arns, T. & Hampe, K. (2013). Bundesverband Informationswirtschaft, Telekommunikation und neue Medien e. V. Trends im E-Commerce Konsumverhalten beim Online-Shopping. Abgerufen am 07.07.2016 von https://www.bitkom.org/Publikationen/2013/Studien/Trends-im-ECommerce/BITKOM-E-Commerce-Studienbericht.pdf
BMJV (27.09.2013). Bundesministerium der Justiz und für Verbraucherschutz. Abgerufen am 12.09.2016 von http://www.bmjv.de: https://www.gesetze-im-internet.de/bgb/__355.html
Bovensiepen, G. (2014). Rückgabegebühr: Weniger Retouren, weniger Kunden?. Abgerufen am 29.07.2016 von www.pwc.de: http://www.pwc.de/de/handel-und-konsumguter/rueckgabegebuehr-weniger-retouren-weniger-kunden.html
BVDW (09.2013). Leitfaden Couponing - Herausforderungen und Potenziale von Gutscheinen im Affiliate Marketing. Abgerufen am 01.10.2016 von Bundesverband Digitale Wirtschaft (BVDW): http://www.bvdw.org/mybvdw/media/view?media=5116
Coley, A. & Burgess, B. (2003). Gender differences in cognitive and affective impulse buying. Journal of Fashion Marketing and Management: An International Journal, 7 (3), S. 282-295.
Creditreform Boniversum GmbH (07.03.2013). www.boniversum.de. Abgerufen am 25.07.2016 von Bevorzugte Bezahlmöglichkeiten im Interaktiven Handel: http://www.boniversum.de/studien-presse/presse/artikel/news/bevorzugte-bezahlmoeglichkeiten-im-interaktiven-handel/
ECC Köln (2013). Erfolgsfaktoren im E-Commerce – Deutschlands Top Online-Shops Vol. 3 Eine Zusammenfassung der Studie des ECC Köln in Zusammenarbeit mit Hermes. Köln: IFH Institut für Handelsforschung GmbH.
Eckstein, A., Klees, M. & Stüber, E. (2012). Vertrauensbildende Maßnahmen im E-Commerce auf dem Prüfstand - Zur Wirkung von Gütesiegeln, Zahlungsverfahren und Kundenbewertungen im Online-Handel (Bd. 30). Köln: IfH, E-Commerce-Center Handel.
El Hedhli, K., Chebat, J. & Sirgy, M. (2013). Shopping well-being at the mall: construct, antecedents, and consequences. Journal of Business Research, 66 (7), S. 856–863.
El Hedhli, K., Zourrig, H. & Chebat, J.-C. (2016). Shopping well-being: Is it just a matter of pleasure or doing the task? The role of shopper's gender and self-congruity. Journal of Retailing and Consumer Services, 31, S. 1–13.
Dittmar, H., Beattie, J. & Friese, S. (1996). Objects, decision considerations and self-image in men’s and women’s impulse purchases. Acta Psychologica 93 (1–3), 187–206.
Dittmar, H., Long, K. & Meek, R. (2004). Buying on the Internet: Gender differences in on-line and conventional buying motivation. Sex Roles, 50 (5–6), S. 423–444.
Döring, N. (2013). Zur Operationalisierung von Geschlecht im Fragebogen: Probleme und Lösungsansätze aus Sicht von Mess-, Umfrage-, Gender- und Queer-Theorie. GENDER Heft 2, S. 94–113.
42
Döring, N. & Bortz, J. (2016). Qualitätskriterien in der empirischen Sozialforschung. In N. Döring & J. Bortz, Forschungsmethoden und Evaluation in den Sozial- und Humanwissenschaften (5. Ausg., S. 81- 119). Berlin Heidelberg: Springer Verlag.
Fischer, A. & Arnold, S. J. (1990). More than a Labor of Love: Gender Roles and Christmas Gift Shopping. Journal of Consumer Research, 17, S. 333–345.
Garbarino, E. & Strahilevitz, M. (2004). Gender differences in the perceived risk of buying online and the effects of receiving a site recommendation. Journal of Business Research, 57, S. 768 - 775.
Gieß, A. (2014). Statista.com. Abgerufen am 27.06.2016 von https://de.statista.com/infografik/1989/nutzer-des-mobilen-internets-nach-alter-und-geschlecht/
google.com (2016a). Über demografische Merkmale und Interessen. Abgerufen am 01.08.2016 von google.com: https://support.google.com/analytics/answer/2799357?hl=de
google.com (2016b). Absprungrate Informationen zu Absprungraten und ihrer Verbesserung. Abgerufen am 27.06.2016 von https://support.google.com/analytics/answer/1009409?hl=de
google.com (2016c). E-Commerce-Daten analysieren. Abgerufen am 04.09.2016 von https://support.google.com/analytics/answer/6014873?hl=de
google.com (2016d). Demografische Merkmale und Interessen – Datenerfassung und Grenzwerte. Abgerufen am 25.05.2016 von https://support.google.com/analytics/answer/2954071?hl=de
Große Holtforth, D. (17.11.2015). Mehr Erfolg im E-commerce – den Warenkorb erhöhen. Abgerufen am 26.08.2016 von E-commerce Institut Köln: http://ecommerceinstitut.de/warenkorb-erhoehen/
Ha, Y. & Im, H. (2014). Determinants of mobile coupon service adoption: assessment of gender difference. International Journal of Retail & Distribution Management, 42 (5), S. 441 - 459.
Han, Y., Morgan, G., Kotsiopulos, A. & Kang-Park, J. (1991). Impulse buying behaviour of apparel purchasers. Clothing and Textiles Research Journal, 9 (3), S. 15–21.
Hasan, B. (2010). Exploring gender differences in online shopping attitude. Computers in Human Behavior, 26, S. 597–601.
Harmon, S. & Hill, J. (2003). Gender and Coupon Use. Journal of Product & Brand Management, 12 (3), S. 166-179.
Hernández, B., Jiménez, J. & Martín, M. (2011). Age, gender and income: do they really moderate online shopping behaviour? Online Information Review, 35 (1), S. 113 - 133.
Himme, A. (2007). Gütekriterien der Messung: Reliabilität, Validität und Generalisierbarkeit. In D. K. S. Albers, Methodik der empirischen Forschung (2. Ausg., S. 375-390). Wiesbaden: GWV Fachverlage GmbH.
Höpcke, K. & Freyer, J. (2015). Die Beeinflussung von Kaufentscheidungen – Effekte unterbewusster Manipulation der affektiven Einstellungskomponente. Abgerufen am 09.08.2016 von Journal of Business and Media Psychology, 1: http://journal-bmp.de/2013/12/die-beeinflussung-von-kaufentscheidungen-effekte-unterbewusster-manipulation-der-affektiven-einstellungskomponente/
43
IFH (2013). Der Retourenprozess aus Sicht der Konsumenten: Welche Rolle spielt das Zahlungsverfahren? Ein Whitepaper des E-Commerce-Center Köln (ECC Köln). Abgerufen am 25.07.2016 von IFH Institut für Handelsforschung GmbH: http://www.ifhkoeln.de/pressemitteilungen/details/online-shopper-sind-sich-sicher-zahlungsverfahren-beeinflussen-retourenprozess/
Initiative D21 e. V. (2014). D21 - Digital - Index 2014: Die Entwicklung der digitalen Gesellschaft in Deutschland. Berlin: TNS Infratest & Initiative D21 e. V.
Initiative D21 e.V. (2015). D21-Digital-Index 2015: Die Gesellschaft in der digitalen Transformation. Berlin: Initiative D21 e.V. & TNS Infratest.
Jackson, V., Stoel, L. & Brantley, A. (2011). Mall attributes and shopping value: Differences by gender and generational cohort. Journal of Retailing and Consumer Services, 18 (1), S. 1–9.
Jones, K. & Leonard, L. (2008). Trust in consumer-to-consumer electronic commerce. Information & Management, 45, S. 88–95.
Kampmann, B., Keller, B., Knippelmeyer, M. & Wagner, F. (2013). Die Frauen und das Netz - Angebote und Nutzung aus Genderperspektive. Wiesbaden: Gabler Verlag & Springer Fachmedien.
Kim, D., Lehto, X. & Morrison, A. (2007). Gender differences in online travel information search: Implications for marketing communications on the internet. Tourism Management, 28, S. 423–433.
Kirouac, G. & Dore, F. (1983). Perceptual and Motor Skills, 57 (1). Accuracy and latency of judgment of facial expressions of emotions, S. 683–686.
Kolsaker, A. & Payne, C. (2002). Engendering trust in e‐commerce: a study of gender‐based concerns. Marketing Intelligence & Planning, 20 (4), S. 206 - 214.
Krüger, J. & Weinhold, A. (07.2007). TNS Infratest. Abgerufen am 06.07.2016 von http://www.tns-infratest.com/presse/pdf/autorenbeitraege/TNS_Infratest_Krueger_Einkaufen_ohne_Quengelfrust.pdf
Kraft, H. & Weber, M. (2012). A Look at Gender Differences and Marketing Implications. International Journal of Business and Social Science, 3 (21), S. 247- 253.
Laroche, M., Saad, G., Cleveland, M. & Browne, E. (2000). Gender differences in information search strategies for a Christmas gift. Journal of Consumer Marketing, 17 (6), S. 500 - 522.
Litchfield, N. (2016). Germany Trade & Invest. Fact Sheet E-Commerce. Abgerufen am 09.08.2016 von https://www.gtai.de/GTAI/Navigation/DE/Invest/Industries/Digital-economy/e-commerce.html?view=renderPdf
McKnight, D., Choudhury, V. & Kacmar, C. (2002). Developing and validating trust measures for e-commerce: an integrative typology. Information Systems Research, 13, S. 334–359.
Meyers-Levy, J. (1988). Journal of Consumer Research, 14. Influence of sex roles on judgment, S. 522–530.
Möhring, M., Walsh, G., Schmidt, R. & Ulrich, C. (2015). Moderetouren im Deutschen Onlinehandel – Eine empirische Untersuchung. HMD Praxis der Wirtschaftsinformatik, 52 (2), S. 257–266.
44
Nagel, W. (2002). Ergebnisse Der Verbraucherforschung. Lörrach: Books on Demand GmbH.
Nibbrig, B. (1994). Käuferverhalten. in: Krol, Gerd-Jan (Hg.): Wirtschaftliche Grundbildung. Der Verbraucher in der Sozialen Marktwirtschaft, Heft 1 .
O’Cass, A. (2004). Fashion clothing consumption: antecedents and consequences of fashion clothing involvement. European Journal of Marketing, 38 (7), S. 869–882.
Okazaki, S. & Hirose, M. (2009). Does gender affect media choice in travel information search? On the use of mobile Internet. Tourism Management, 30 , 794–804.
Okazaki, S. & Mendez, F. (2013). Exploring convenience in mobile commerce: Moderating effects of gender. Journal Computers in Human Behavior, 29 (3), S. 1234-1242.
Okoroafo, S., Koh, A. & Gammoh, B. (2010). Gender differences in perceptions of the marketing stimuli of family owned businesses (FOBs). International Journal of Marketing Studies, 2 (1), S. 3-12.
Plassmann, A. (2016). Empirische Sozialforschung Eine Übersicht. Abgerufen am 12.07.2016 von https://www.uni-due.de/edit/lp/diagnostik/empirischesozialforschung.pdf
Pur, S., Stahl, E., Wittmann, M., Wittmann, G. & Weinfurter, S. (2013). Retourenmanagement im Online-Handel – Das Beste daraus machen Daten, Fakten und Status quo Eine empirische Erhebung im deutschen Online-Handel. Abgerufen am 09.08.2016 von http://www.ibi.de/files/Retourenmanagement-im-Online-Handel_-_Das-Beste-daraus-machen.pdf
Richard, M., Chebat, J., Yang, Z. & Laroche, M. (2007). Selective versus Comprehensive Processors: Gender Differences in Web Consumer Behavior. Advances in Consumer Research-NA Conference Proceedings, 34, S. 303-303.
Rogers, S. & Harris, M. (2003). Gender and e-commerce: An exploratory study. Journal of Advertising Research, 43 (3), S. 1-8.
Rook, D. & Fisher, R. (1995). Normative influences on impulse buying behaviour. Journal of Consumer Research, 22 (3), S. 305–313.
Rösch, B. (21.01.2016). Weniger Retouren durch Rabatte. Abgerufen am 09.08.2016 von http://www.textilwirtschaft.de/business/Weniger-Retouren-durch-Rabatte_100748.html
Röser, J. & Peil, C. (2010). Diffusion und Teilhabe durch Domestizierung. M&K Medien Kommunikationswissenschaft 58. Jahrgang 4/2010, S. 481-502.
Sánchez-Franco, M. J., Ramos, A. F. & Velicia, F. A. (2009). The Moderating Effect of Gender on Relationship Quality and Loyalty Toward Internet Service Providers. Information & Management, 46 (3), S. 196-202.
Schümann, S. & Horstmann, R. (06 2012). TNS Emnid - DigitalBarometer 1/2012: Mobiles Internet . Abgerufen am 09.08.2016 von http://www.wuv.de/content/download/241461/4705547/DigitalBarometer2012_TNS+Emnid.pdf
Schmidt, T. & Wolff, C. (2015). Genderspezifische Unterschiede im Informationsverhalten am Beispiel E-Commerce. Information. Wissenschaft & Praxis, S. 65–76.
45
Shulman, J., Coughlan, A. & Savaskan, R. (2010). Optimal reverse channel structure for consumer product returns. Marketing Science, 29 (6), S. 1071–1085.
Spade, P. & Panaccio, C. (25.06.2015). Stanford Encyclopedia of Philosophy. Abgerufen am 23.08.2016 von 4.1 Ockham's Razor: http://plato.stanford.edu/entries/ockham/#4.1
Statista (Digital Market Outlook) (2014). Auf welchen Betrag beläuft sich eine durchschnittliche Bestellung in Ihrem Online-Shop? Abgerufen am 26.08.2016 von de.statista.com: http://de.statista.com/statistik/daten/studie/4295/umfrage/durchschnittlicher-bestellwert-in-webshops/
Statista (Digital Market Outlook) (07.2015a). Statista.com - Anzahl der E-Commerce-Nutzer nach Alter und Geschlecht weltweit im Jahr 2015 (in Millionen). Abgerufen am 13.06.2016 von http://de.statista.com/statistik/daten/studie/485113/umfrage/e-commerce-nutzer-nach-alter-und-geschlecht-weltweit/
Statista (Digital Market Outlook) (09.2015b). Umfrage zu Maßnahmen von Online-Shops zur Senkung der Retourenquote 2015. Abgerufen am 29.07.2016 von de.statista.com: http://de.statista.com/statistik/daten/studie/4425/umfrage/moeglichkeiten-von-webshops-zur-senkung-der-retourenquote/
Statista (Digital Market Outlook) (2016). Statista.com - Anteil der mobilen Internetnutzer nach Geschlecht in Deutschland in ausgewählten Monaten von Juni 2015 bis Februar 2016. Abgerufen am 25.08.2016 von http://de.statista.com/statistik/daten/studie/170173/umfrage/nutzung-des-mobilen-internets-in-deutschland/
Statistisches Bundesamt (17.12.2014). Pressemitteilung Nr. 457 vom 17.12.2014: 63 % der Internetnutzer/-innen surfen auch mobil. Abgerufen am 09.08.2016 von https://www.destatis.de/DE/PresseService/Presse/Pressemitteilungen/2014/12/PD14_457_63931.html
Stern, H. (1962). The Significance of Impulse Buying Today. Journal of Marketing, 26 (2), S. 59–62.
Ulbrich, F., Christensen, T. & Stankus, L. (2011). Gender-specific on-line shopping preferences. Electronic Commerce Research, 11 (2), S. 181–199.
Universität Augsburg (2016). Merkblatt zur Anlage empirischer Untersuchungen. Abgerufen am 17.07.2016 von https://www.philso.uni-augsburg.de/lehrstuehle/schulpaed/verwaltung_downloads/studium/Merkblatt_Evaluation1.pdf
Van Aswegen, A. (29.10.2015). Women vs. Men – Gender Differences in Purchase Decision Making. Abgerufen am 27.06.2016 von http://www.guided-selling.org/women-vs-men-gender-differences-in-purchase-decision-making/
Van Slyke, C., Belanger, F. & Hightower, R. (2005). Understanding Gender-Based Differences in Consumer E-Commerce Adoption. Abgerufen am 18.06.2016 von SAIS 2005 Proceedings. Paper 5.: http://aisel.aisnet.org/sais2005/5
Van Slyke, C., Comunale, C. & Belanger, F. (2002). Gender differences in perceptions of Web-based shopping. Communications of the ACM, 45 (7), S. 82-86.
46
Verde Group (2012). He Buys, She Shops: A Study Of Gender Differences In The Retail Experience Executive Summary. Abgerufen am 06.07.2016 von Verde Group; Wharton School of Business (Jay H. Baker Retail Initiative): https://bakerretail.wharton.upenn.edu/wp-content/uploads/2015/04/He_Buys_She_Shops_fall_2007_exec_summary.pdf
Walsh, G. & Möhring, M. (2013). Präventives Retourenmanagement im eCommerce. HMD Praxis der Wirtschaftsinformatik October 2013, 50 (5), S. 66–75.
Walsh, G. & Möhring, M. (2014). Retourenvermeidung im E-Commerce — Kann Big Data helfen? Marketing Review St. Gallen, 31 (1), S. 68–78.
Wolin, L. & Korgaonkar, P. (2003). Web advertising: gender differences in beliefs, attitudes and behavior. Internet Research, 13 (5), S. 375 - 385.
Wood, M. (1998). Socio-economic status, delay of gratification, and impulse buying. Journal of Economic Psychology, 19 (3), S. 295–320.
Yee, A. & Chong, L. (2013). Mobile commerce usage activities: The roles of demographic and motivation variables. Technological Forecasting and Social Change, 80 (7), S. 1350–1359.
Yoon, H. & Occena, L. (2015). Influencing factors of trust in consumer-to-consumer electronic commerce with gender and age. International Journal of Information Management, 35, S. 352–363.
Zeng, Y., Gao, J. & Wu, C. (2014). Responsive Web Design and Its Use by an E-Commerce Website. Cross-Cultural Design Vol 8528 of the series Lecture Notes in Computer Science, S. 509-519 .
