Upload
doxuyen
View
224
Download
0
Embed Size (px)
Citation preview
Studiengang Betriebswirtschaftslehre: Marketing (M2 - Teil 1)
Marktforschung und Marketingstrategie (M2), Hochschule Ingolstadt: Prof. Dr. Andrea E. Raab
- 2 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Agenda
Der Marketingforschungsprozess im Überblick
Untersuchungsziel erkennen und definieren - Phase 1
Die Rolle der Information im Marketing / Definition Marketingforschung
Forschungsplan erstellen und Daten erheben - Phase 2
Erhobene Daten analysieren und interpretieren - Phase 3
Ergebnisse präsentieren und kommunizieren - Phase 4
Klausurbeilage
Basis für dieses Skript: - Raab, A., Poost, A., Eichhorn, S.: Marketingforschung – Ein praxisorientierter Leitfaden, 2009 - Kotler Ph., Keller K.: Marketing Management 13th ed., 2009 - Berekhoven, E., Eckert, W., Ellenrieder, P.: Marktforschung, 2006
- 3 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Agenda
Der Marketingforschungsprozess im Überblick
Untersuchungsziel erkennen und definieren - Phase 1
Forschungsplan erstellen und Daten erheben - Phase 2
Erhobene Daten analysieren und interpretieren - Phase 3
Ergebnisse präsentieren und kommunizieren - Phase 4
Klausurbeilage
Die Rolle der Information im Marketing / Definition Marketingforschung
- 4 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Die Rolle der Information im Marketing / Definition Marketingforschung: Lernziele
Lernziele
• Warum werden Informationen heutzutage immer wichtiger? • Welche Marketinginformationen sollte ein Unternehmen besitzen? • Welche Elemente sollte ein modernes Marketing Informationssystem enthalten? • Was ist Marketingforschung und was sind die Ziele?
Der Erfolgreichste im Leben ist der, der am besten informiert wird.
Benjamin Disraeli
- 5 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Marketingforschung: die Rolle der Information im Marketing (1)
“Die Märkte sind einem radikalen Wandel unterworfen!” Durch bedeutende Veränderungen im Makroumfeld entstehen neue Verhaltensweisen bei Kunden, die zu neuen Chancen und Herausforderungen bei Unternehmen führen.
• Einflussfaktoren • Technologischer Wandel • Globalisierung • Deregulierung der Märkte • Privatisierung • Zunehmende Anzahl an Käufermärkten • Customization • Verschmelzung von Industrienzweigen • Transformation des traditionellen Einzelhandels • Disintermediation
BRAINSTORMING ZU EINFLUSSFAKTOREN
C. Kolumbus: “Zuverlässige Informationen sind unbedingt nötig für das Gelingen eines Unternehmens.”
- 6 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Marketinginformationen - Informationsbereiche
Marketingforschung: die Rolle der Information im Marketing (2)
Quelle: Bindlingmaier, 1983, S. 35
Informationsbereich
Informationen über die Unternehmensumwelt
Informationen über betriebsinterne Tatbestände
Dateninformationen Instrumentalinformationen
wirtschaftliche Daten nichtwirtschaftliche Daten
Informationen über gesamt-wirtschaftliche
Größen
Branchen-informationen
Informationen über die betriebliche
Marktlage und die Marktentwicklung
rechtliche Daten
technische Daten
gesellschaft-liche Daten
Konkurrenzinformationen Nachfragerinformationen
Bedarfs-informationen
Kaufkraft-informationen
Zahl der Bedarfsträger
Bedarfs-intensität
Zahl der Konkurrenten
Konkurrenz-intensität
Informationen über die Unternehmensreaktionen auf
Aktivitäten der Umwelt
Informationen über Umweltreaktionen auf marketingpolititsche
Maßnahmen Reaktionsinformation in bezug auf Abnehmermaßnahmen
Reaktionsinformation in bezug auf Konkurrenzmaßnahmen
Informationen über Abnehmer-
reaktionen
Informationen über Konkurrenz-
reaktionen
Informationen über Reaktionen staat-licher Instanzen
- 7 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Informationsmanagement mit Hilfe eines Marketing Informationssystems (MIS) (1): • Hilfreiche Fragen zur Erfassung des internen Informationsbedarfs
• Welche Entscheidungen haben Sie für gewöhnlich zu treffen? • Welche Informationen brauchen Sie für diese Entscheidungen? • Welchen Informationen werden Ihnen üblicherweise geliefert? • Welche Sonderberichte fordern Sie in welchen Zeitintervallen an? • Welches Informationsmaterial, das Sie eigentlich gerne hätten, erhalten Sie gegenwärtig nicht? • Welche Informationen benötigen Sie täglich, wöchentlich, monatlich oder jährlich? • Über welche spezifischen Themenbereiche wollen Sie stets auf dem laufenden gehalten werden? • Welche Datenanalyseprogramme sollte man Ihnen zur Verfügung stellen? • Welches wären nach Ihrer Meinung die vier nützlichsten Änderungen, die am gegenwärtigen Marketing-
Informationssystem vorgenommen werden könnten?
Marketingforschung: die Rolle der Information im Marketing (3)
- 8 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Informationsmanagement mit Hilfe eines Marketing Informationssystems (MIS) (2): • Definition: A MIS consists of people, equipment, and procedures to gather, sort, analyze, evaluate,
and distribute needed, timely, and accurate information to marketing decision makers.
• Klassifizierung eines MIS (Marketing Informationssystems) • Vertriebsinformationssystem: stellt Verkaufsdaten (Bestellungen, Umsätze, Preise etc.) aus dem
internen Berichtswesen (z.B. SFA, EDI) zur Verfügung • Datenbanken, Data Warehousing und Data Mining: Daten werden in unterschiedlichen Datenbanken
abgelegt (z.B. Kundendatenbank, Produktdatenbank) und datenbankübergreifende Abfragen erstellt • Marketing Intelligence System: Prozesse und Quellen, die von Managern genutzt werden, um aktuelle
Informationen über Entwicklungen im Marketing Umfeld zu erhalten (z.B. Kunden-, Handelspanel). • Marketingforschungssystem: Marketinguntersuchungen zu speziellen Marketing Problemen.
Marketingforschung: die Rolle der Information im Marketing (4)
Erfolgreiche Unternehmen erfassen kontinuierlich ihren Informationsbedarf und bauen entsprechende Marketing Informationssysteme (MIS) auf, um diesen Bedarf zu decken.
- 9 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Marketingforschung • Um beispielsweise Antworten auf die folgenden Fragen zu finden:
• Wie hoch ist das gegenwärtige Marktpotenzial / Marktvolumen und die momentane Marktwachstumsrate?
• Wie lassen sich aktuelle und potenzielle Kunden eines Unternehmens charakterisieren? Wie, wann, wo und warum kaufen sie die Produkte des Unternehmens bzw. Produkte der Wettbewerber?
• Welche Kundensegmente können vom Unternehmen profitabel bedient werden? • Welche gegenwärtigen / potenziellen Wettbewerber gibt es? Welche Stärken und Schwächen haben
die stärksten Wettbewerber des betrachteten Unternehmens, welche Strategien verfolgen diese? • Wie reagiert der Markt auf die Kommunikationsaktivitäten des Unternehmens?
Definition Marketingforschung (Quelle: Kotler Ph., Keller K.: Marketing Management 13e, 2009, S. 130)
Marketing research is the systematic • design, • collection, • analysis, and reporting of data and findings relevant to a specific marketing situation facing the company.
Marketingforschung: Warum und was ist das?? (1)
- 10 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Marktforschung versus Marketingforschung • Der Begriff „Marktforschung“ bezieht sich schwerpunktmäßig auf die Untersuchung von
Sachverhalten außerhalb des Unternehmens (z. B. Arbeitsmarkt, Absatzmarkt, Rohstoffmarkt, Kapitalmarkt). Im Speziellen werden die Absatz- und Beschaffungsmöglichkeiten eines Unternehmens sowie deren Potenziale und Risiken untersucht.
• Der Begriff „Marketingforschung“ hingegen betrachtet außerbetriebliche und innerbetriebliche Informationen. Dies bedeutet, dass sowohl die Wirkung von Marketingaktivitäten wie z. B. Distributions-, Produkt-, Kommunikations- und Preispolitik als auch innerbetriebliche Sachverhalte untersucht werden wie z. B. Vertriebskosten oder Lagerprobleme. Hinsichtlich der außerbetrieblichen Informationsbeschaffung ist der Begriff „Marketingforschung“ weniger umfassend, da die Beschaffungsmärkte keine Berücksichtigung finden.
Marketingforschung: Warum und was ist das?? (2)
- 11 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Die Marketingforschung erfüllt im Unternehmen folgende Funktionen: • Anregungsfunktion: Generierung von Impulsen für die Initiierung neuer Marketingaktivitäten,
beispiels-weise die Bearbeitung neuer Märkte, die Entwicklung neuer Produkte oder Produktverbesserungen, die Durchführung von Preisanpassungen.
• Prognosefunktion: Einschätzung der Veränderungen marketingrelevanter Faktoren in den Bereichen Markt, Kunden, Lieferanten, Handel, Konkurrenz und Umfeld sowie deren Auswirkungen auf das eigene Geschäft.
• Bewertungsfunktion: Unterstützung bei der Bewertung und Auswahl von Entscheidungsalternativen, z. B. bei Neuprodukten, Preisanpassungen, der Bearbeitung von Vertriebskanälen.
• Kontrollfunktion: Systematische Suche/Sammlung marketingrelevanter Informationen über die aktuelle Marktstellung des eigenen Unternehmens sowie die Wirksamkeit einzelner Marketinginstrumente.
• Bestätigungsfunktion: Erforschung von Ursachen des Erfolgs/Misserfolgs von Marketingentscheidungen.
Marketingforschung: Ziele (1)
- 12 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Beispiele für Untersuchungsfragen • Fall 1: Ermittlung der Absatzchancen für ein neues UMTS-Handy
Untersuchungsziel: Ermittlung des Absatzpotenzials? • Datenquellen? Primäre, sekundäre? • Einstieg in die Primäruntersuchung durch Expertenbefragung? Welche? • Operationalisierung (Variablen): Kaufabsichten (eigenes Produkt / Wettbewerb), Kaufhäufigkeit,
Durchschnittspreis … • Formulieren von Thesen? • Erhebungsmethode: Befragung, Beobachtung, Experiment? • Erhebungsinstrument? • Untersuchungseinheiten / Grundgesamheit? • Auswahlverfahren? • Auswertung/Analyse Daten (händisch, elektronisch, Tabellen, Graphen; deskriptive Statistik [univariat,
bivariat, multivariat]; induktive Statistik: Hypothesen) • Interpretation • Bericht und Präsentation: Darstellungsform; Handlungsempfehlungen
• Fall 2: Untersuchung der Käuferschicht eines Handy-Herstellers hinsichtlich soziodemographischer Merkmale, Kaufverhalten-, und Einstellungsmerkmale; Untersuchungsziel: gezieltere Ausrichtung der Marketingaktivitäten?
Marketingforschung: Mögliche Untersuchungsgegenstände (1)
- 13 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Der Marketingforschungsprozess im Überblick
Untersuchungsziel erkennen und definieren - Phase 1
Die Rolle der Information im Marketing / Definition Marketingforschung
Forschungsplan erstellen und Daten erheben - Phase 2
Erhobene Daten analysieren und interpretieren - Phase 3
Ergebnisse präsentieren und kommunizieren - Phase 4
Klausurbeilage
Agenda
- 14 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Lernziele
• Welche Prozessschritte umfasst der Marketingforschungsprozess? • In welchem Zusammenhang wird die explorative, deskriptive oder kausalanalytische
Marketingforschung eingesetzt? • Wann wählt man welchen Forschungsansatz? • Wie gehe ich bei der Durchführung einer Primärforschung vor? • Wie finde ich den Einstieg in die Thematik? • Wie kann das Untersuchungsproblem operationalisiert werden?
Der Marketingforschungsprozess im Überblick: Lernziele
- 15 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Der Marketingforschungsprozess (1)
Projekte effizient steuern
Für eine erfolgreiche Marketingforschung müssen einige Entscheidungen getroffen und Barrieren überwunden werden, um letztendlich Marktchancen identifizieren zu können.
Unter-suchungs-ziel erkennen und definieren
• Interne Daten
• Externe Daten
Erhobene Daten analysieren und inter- pretieren
Ergebnisse präsentieren und kommuni-zieren
Forschungsplan erstellen und Daten erheben
b) Primärforschung – neue Daten erheben a) Sekundärforschung - vorhandene Daten erheben
Marketingforschung: Der Marketingforschungsprozess im Überblick (1)
- 16 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Definition der Problemstellung Ausgangssituation:
- Burning Platform Zielsetzung:
- In Scope - Out of Scope
Forschungsansatz: - explorativ - deskriptiv - kausalanalytisch
Projekte effizient steuern
Unter-suchungs-ziel erkennen und definieren
• Interne Daten
• Externe Daten
Erhobene Daten analysieren und inter- pretieren
Ergebnisse präsentieren und kommuni-zieren
Forschungsplan erstellen und Daten erheben
b) Primärforschung – neue Daten erheben a) Sekundärforschung - vorhandene Daten erheben
Der Marketingforschungsprozess (2)
Marketingforschung: Der Marketingforschungsprozess im Überblick (2)
- 17 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Der Marketingforschungsprozess (3)
Marketingforschung: Der Marketingforschungsprozess im Überblick (3)
Forschungsplan erstellen und Daten erheben Beginn der
Informationssammlung a) Sekundärforschung
Interne Datenquellen Externe Datenquellen
Projekte effizient steuern
Unter-suchungs-ziel erkennen und definieren
• Interne Daten
• Externe Daten
Erhobene Daten analysieren und inter- pretieren
Ergebnisse präsentieren und kommuni-zieren
Forschungsplan erstellen und Daten erheben
b) Primärforschung – neue Daten erheben a) Sekundärforschung - vorhandene Daten erheben
- 18 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Der Marketingforschungsprozess (4)
Marketingforschung: Der Marketingforschungsprozess im Überblick (4)
b) Primärforschung
a) Wie erfolgt der Einstieg in die Thematik der Untersuchung? b) Welche Annahmen sollen geprüft werden? c) Wie kann das Untersuchungsproblem messbar gemacht
werden? d) Auf welche Weise werden Untersuchungen in der Praxis am
häufigsten durchgeführt? e) Welche Instrumente können eingesetzt werden? f) Über welche Wege können die Probanden kontaktiert werden? g) Welche und wie viele Personen sollen in die Stichprobe mit
einbezogen werden? h) Wie wird eine Befragung durchgeführt (4 Hauptprobleme)?
Projekte effizient steuern
Unter-suchungs-ziel erkennen und definieren
• Interne Daten
• Externe Daten
Erhobene Daten analysieren und inter- pretieren
Ergebnisse präsentieren und kommuni-zieren
Forschungsplan erstellen und Daten erheben
b) Primärforschung – neue Daten erheben a) Sekundärforschung - vorhandene Daten erheben
- 19 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Der Marketingforschungsprozess (5)
Marketingforschung: Der Marketingforschungsprozess im Überblick (5)
erhobene Daten analysieren und interpretieren Daten tabellarisieren Erstellung der Häufigkeits-
verteilungen und Errechnung der Mittel- und Streuwerte (univariate Auswertungen)
Anwendung von höheren statistischen Auswertungs-methoden und -modellen (multivariate Auswertungen)
Interpretation / Handlungsempfehlungen
Projekte effizient steuern
Unter-suchungs-ziel erkennen und definieren
• Interne Daten
• Externe Daten
Erhobene Daten analysieren und inter- pretieren
Ergebnisse präsentieren und kommuni-zieren
Forschungsplan erstellen und Daten erheben
b) Primärforschung – neue Daten erheben a) Sekundärforschung - vorhandene Daten erheben
- 20 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Der Marketingforschungsprozess (6)
Marketingforschung: Der Marketingforschungsprozess im Überblick (6)
Die für die Problemstellung relevanten Ergebnisse werden den Entscheidungs-trägern präsentiert und kommuniziert Präsentation /
Dokumentation Kommunikation
Projekte effizient steuern
Unter-suchungs-ziel erkennen und definieren
• Interne Daten
• Externe Daten
Erhobene Daten analysieren und inter- pretieren
Ergebnisse präsentieren und kommuni-zieren
Forschungsplan erstellen und Daten erheben
b) Primärforschung – neue Daten erheben a) Sekundärforschung - vorhandene Daten erheben
- 21 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Der Marketingforschungsprozess (7)
Projektmanagement Projektadministration Projektorganisation Projektcontrolling
Projekte effizient steuern
Unter-suchungs-ziel erkennen und definieren
• Interne Daten
• Externe Daten
Erhobene Daten analysieren und inter- pretieren
Ergebnisse präsentieren und kommuni-zieren
Forschungsplan erstellen und Daten erheben
b) Primärforschung – neue Daten erheben a) Sekundärforschung - vorhandene Daten erheben
Marketingforschung: Der Marketingforschungsprozess im Überblick (7)
- 22 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Agenda
Der Marketingforschungsprozess im Überblick
Untersuchungsziel erkennen und definieren - Phase 1
Die Rolle der Information im Marketing / Definition Marketingforschung
Forschungsplan erstellen und Daten erheben - Phase 2
Erhobene Daten analysieren und interpretieren - Phase 3
Ergebnisse präsentieren und kommunizieren - Phase 4
Klausurbeilage
- 23 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Untersuchungsziel erkennen und definieren • Ausgangssituation
Konkretisierung der Problemstellung durch die Beschreibung des Ist-Zustandes und des Projektumfeldes (Einflussfaktoren, Interessensgruppen, Projektrisiken, Chancen und Potenziale). Methoden: Projektumfeldanalyse, Kreativitätstechniken, Issue Based Problem Solving, „Burning Plattform“
• Definition der Zielsetzung Ableitung der Projektziele und deren Unterziele. Die Ziele beschreiben jenen Zustand, der am Ende des Projektes vorliegen soll.
• In Scope – Bestandteil des Projektes • Out of Scope – kein Bestandteil des Projektes
• Wahl des Forschungsansatzes • explorativ • deskriptiv • kausalanalytisch
Untersuchungsziel erkennen und definieren (1)
Nur durch im Vorfeld definierte Ziele ist es möglich, den Erfolg eines Projektes nachzuvollziehen und zu messen.
Die exakte Beschreibung der Ausgangssituation ist von hoher Bedeutung, weil es durch eine unpräzise Definition im schlimmsten Fall passieren kann, dass an der grundlegenden Fragestellung vorbeigeforscht wird.
- 24 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Untersuchungsziel erkennen und definieren (2)
Im Frühjahr 2010 möchte das Unternehmen XYZ ein neues Produkt auf den Markt bringen. Es handelt sich um eine Innovation aus dem Bereich Audio- und Multimedia, die bisher von keinem Unternehmen im Markt angeboten wird. Die Zielgruppe für das Produkt sind Personen im Alter von 30 - 50 Jahren mit einem gehobenen Haushaltsnettoeinkommen. Der Preis des Produktes soll zwischen 700 und 1.000 € angesiedelt sein. Das Produkt wird über eine exklusive Vertriebsschiene angeboten, über die auch andere Hersteller ihre Produkte vertreiben. Das Unternehmen XYZ ist sich nicht sicher, ob der Hauptwettbewerber ein ähnliches Produkt entwickelt. Da es sich um eine Innovation handelt, existieren auf dem Markt bisher keine technischen Standards für dieses Produkt. Durch die hohen prognostizieren Marketingaufwendungen, die nötig sind, um das Produkt in den Markt einzuführen, droht das Projekt aus dem Budget zu laufen.
Für das Unternehmen XYZ stellt sich nun die Frage, ob die Investition in das neue Produkt profitabel ist. Kann am Markt eine ausreichend hohe Stückzahl abgesetzt werden, um in Anbetracht der hohen Einführungsaufwendungen einen Gewinn zu erzielen? Welche Maßnahmen sind vom Wettbewerb zu erwarten? Welche Bedeutung hat das Fehlen von technischen Standards für die Kunden?
Beispiel einer Problemdefinition für das oben genannte Beispiel:
Beispiel für die Ausgangssituation eines Marketingforschungsprojektes:
- 25 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Der Marketingforschungsprozess im Überblick
Untersuchungsziel erkennen und definieren - Phase 1
Die Rolle der Information im Marketing / Definition Marketingforschung
Forschungsplan erstellen und Daten erheben - Phase 2
Erhobene Daten analysieren und interpretieren - Phase 3
Ergebnisse präsentieren und kommunizieren - Phase 4
Klausurbeilage
Agenda
- 26 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Lernziele
• Welche Erhebungsmethoden und -instrumente gibt es? • Wie sieht ein “guter” Fragebogen aus? • Welche Beobachtungsmethoden gibt es? Wann wählt man welche Methode und warum? • Wie sieht ein experimentelles Design aus? Welche Testmethoden gibt es? Wann wählt man welche
Methode und warum? • Welche Skalierungsverfahren gibt es? Wann skaliert man wie und warum? • Welche Stichprobenverfahren gibt es? • Fähigkeit der eigenständigen Berechnung von Stichprobenfehler und Stichprobenumfang
Forschungsplan erstellen und Daten erheben: Lernziele
- 27 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Forschungsplan erstellen und Daten erheben • Man unterscheidet zwischen Sekundär- und Primärdaten.
Die Auswahlentscheidung, welche Quellen zur Informationssammlung verwendet werden, wird von • der Qualität der zu erwartenden Ergebnisse, • dem mutmaßlichen Zeit- und Kostenaufwand sowie • der personellen Kapazität bestimmt.
• Ein professioneller Forschungsplan beschreibt die einzelnen Schritte der Informationssammlung.
• Er formuliert im Falle der Primärforschung Hypothesen aus der Problemstellung, zerlegt diese in empirisch untersuchbare Einzelteile, legt die Erhebungsmethode, das Erhebungsinstrument, den Sampling-Plan (Stichprobenplan) und die Kontaktmethode fest.
Forschungsplan erstellen und Daten erheben (1)
- 28 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Primär-forschung
Sekundär-forschung
Marktanalyse (Zeitpunkt-
betrachtung)
Markt-beobachtung
(Zeitraum-betrachtung)
Verhaltensdaten (“Panels”)
• Interne Quellen • Öffentliche
Quellen • Zeitschriften /
Bücher • Kommerzielle
Quellen
Befragung
Fokusgruppe
Beobachtung (teilnehmend, nicht
teilnehmend)
Experiment (Feld-/
Laborexperiment)
Sekundär vs. Primärforschung (1)
- 29 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Sekundärforschung • Def. Informationsgewinnung aus bereits vor-
handenem und erhobenem Datenmaterial, das in der Regel für einen anderen Zweck zusammengetragen wurde.
• Datenquellen • Interne Datenquellen: Daten, die innerhalb des Unternehmens zur Verfügung stehen
• Unterlagen aus Kostenrechnung / Controlling (z.B. Absatz- und Vertriebskosten, Deckungsbeiträge) • Statistiken (z.B. Absatz-, Umsatz- und Kundenstatistik) • Außendienstberichte (z.B. Besuchsberichte) • Berichte aus früheren Sekundär- und Primärforschungen
• Externe Datenquellen: Daten die außerhalb des Unternehmens zur Verfügung stehen • Berichte von öffentlichen Stellen und Wirtschaftsverbänden (amtliche Quellen, Verbände und Organisationen) • Veröffentlichungen spezieller Institute und Marktforschungsdienstleister • Wirtschaftspresse, Fachzeitschriften, Bücher • Firmenveröffentlichungen
• Neuere Datenquellen: Elektronische Datenbanken, -vermittlungsorganisationen und „Information-Broker“
Sekundärforschung (1)
Sekundär-forschung
• Interne Quellen • Öffentliche
Quellen • Zeitschriften /
Bücher • Kommerzielle
Quellen
- 30 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Primärforschung
• Def. Informationsgewinnung durch die Erhebung von neuen, noch nicht vorhandenen Daten, die speziell auf die Problemstellung zugeschnitten sind.
Primärforschung (1)
Erhe
bung
s-m
etho
dede
finie
ren
Erhe
bung
s-in
stru
men
twä
hlen
Sam
plin
gPl
an
erst
elle
n
Expe
rten
befra
gen
Hyp
othe
sen
bild
en
Dat
ener
hebe
n
• Interne Daten
• Externe Daten
Forschungsplan erstellen und Daten erheben
b) Primärforschung – neue Daten erhebena) Sekundärforschung - vorhandene Daten erheben
Ope
ratio
na-
lisie
rung
erst
elle
n
Kont
akt-
met
hode
wähl
en
Erhe
bung
s-m
etho
dede
finie
ren
Erhe
bung
s-in
stru
men
twä
hlen
Sam
plin
gPl
an
erst
elle
n
Expe
rten
befra
gen
Hyp
othe
sen
bild
en
Dat
ener
hebe
n
• Interne Daten
• Externe Daten
Forschungsplan erstellen und Daten erheben
b) Primärforschung – neue Daten erhebena) Sekundärforschung - vorhandene Daten erheben
Ope
ratio
na-
lisie
rung
erst
elle
n
Kont
akt-
met
hode
wähl
en
Erhe
bung
s-m
etho
dede
finie
ren
Erhe
bung
s-in
stru
men
twä
hlen
Sam
plin
gPl
an
erst
elle
n
Expe
rten
befra
gen
Hyp
othe
sen
bild
en
Dat
ener
hebe
n
• Interne Daten
• Externe Daten
Forschungsplan erstellen und Daten erheben
b) Primärforschung – neue Daten erhebena) Sekundärforschung - vorhandene Daten erheben
Ope
ratio
na-
lisie
rung
erst
elle
n
Kont
akt-
met
hode
wähl
en
- 31 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Expertenbefragung • Def. Befragung von Personen, die mit der Thematik / Problemstellung bereits vertraut bzw.
Spezialisten oder Sachverständige auf diesem Gebiet sind, um durch deren Wissen, Erfahrung und Meinung relativ schnell einen tieferen Einblick in die Thematik zu erhalten.
• Klassifikation • Einzelbefragung • Gruppenbefragung (Expertenrunde / Fokusgruppe)
• Methode • Vorzugsweise persönliche oder telefonische Interviews • Befragung mittels eines Interviewleitfadens • Verwendung von offenen Fragestellungen
• Ziele • Gewinnung von zusätzlichen Informationen zu der Thematik / Problemstellung. • Beleuchtung des Themas aus den unterschiedlichen Blickwinkeln der Experten. • Validierung der Informationen aus der Sekundärforschung und Klärung von offenen Fragen. • Bildung von ersten Hypothesen für die Problemstellung. • Sammlung von Informationen zu möglichen Lösungsansätzen, Chancen und Risiken.
Primärforschung - Experten befragen (1)
- 32 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Hypothesenbildung (1) • Hypothesen sind allgemeine Aussagen über Zusammenhänge zwischen empirischen oder logischen
Sachverhalten (z. B. „Je älter die Käufer, desto höher die Akzeptanz von Produkt X“). • Ziel einer Marketingforschungsuntersuchung ist es, die aufgestellten Ausgangshypothesen mit Hilfe der
gesammelten Daten beantworten zu können. • Als Ergebnis werden die Hypothesen entweder bestätigt (nicht falsifiziert) oder abgelehnt (falsifiziert). • Die Prüfung von Hypothesen gehört in jede fundierte Marketingforschungsuntersuchung zur
Entscheidungsfindung. Im Wesentlichen gelten für Hypothesen folgende Richtlinien. Hypothesen müssen:1
• Operationalisierbar sein, d.h. mess- und prüfbar gemacht werden können. • Mindestens zwei Begriffe (meist Merkmale bzw. Variablen) enthalten. • Falsifizierbar sein, d. h. es muss ein Fall existieren, bei dem die Hypothesen abgelehnt werden können. • Realitätsnah formuliert sein, d. h. die Begriffe sind auf Wirklichkeitsphänomene hin operationalisierbar. • Möglichst exakt und eng an der Problemstellung angelehnt sein. • Frei von Redundanzen sein, d. h. ein Begriff deckt den anderen semantisch nicht ab. • Widerspruchsfrei sein, d. h. ein Begriff schließt den anderen semantisch nicht aus. • Aussagen und keine Fragen darstellen. • Die empirischen Geltungsbereiche implizit oder explizit aufzählen.
Primärforschung - Hypothesen bilden (1)
1 Vgl. Kamenz, U.: Marktforschung: Einführung mit Fallbeispielen, 2. Aufl., 2001
- 33 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Hypothesenbildung (2) • Klassifikation von Hypothesen nach der Richtung
1. Einseitige (gerichtete) Hypothesen Geben die Richtung des Unterschieds/Zusammenhangs an.
Bsp.: „Je höher die Akzeptanz, desto höher der Absatz des Produktes X.“ 2. Zweiseitige (ungerichtete) Hypothesen
Sagen nichts über die Richtung des Unterschieds/Zusammenhangs aus. Bsp.: „Das Produkt X wird von den Käufergruppen unterschiedlich akzeptiert .“
• Klassifikation von Hypothesen nach Art 1. Verteilungshypothesen Sie betrachten nur die Verteilung eines Merkmals (Variable). Bsp.: „An der Fachhochschule Ingolstadt
gibt es mehr männliche Studenten als weibliche.“ 2. Zusammenhangshypothesen
Sie beinhaltet eine Aussage über den erwarteten Zusammenhang (Kovariation) zwischen mindestens zwei Variablen. Bsp.: „Die Erhöhung des Preises führt zu einer Verminderung des Absatzes.“
3. Unterschiedshypothesen Sie beinhaltet Aussagen über systematische Unterschiede innerhalb von oder zwischen zwei und mehr Gruppen von Merkmalsträgern. Bsp.: „Männer kaufen häufiger das Produkt X als Frauen .“
4. Veränderungshypothesen Sie beinhaltet Aussagen über erwartete oder sich der derzeit vollziehende Veränderungsprozesse. Bsp: „In den letzten 10 Jahren hat sich der Absatz des Produktes X jedes Jahr erhöht.“
Primärforschung - Hypothesen bilden (2)
Vgl. Huber, O. (2000). Das psychologische Experiment: Eine Einführung (3.Aufl). Bern: Huber.
- 34 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Operationalisierung (1)
Primärforschung - Operationalisierung erstellen (1)
Begriff 1
Abgeleiteter Begriff 1
Variable 1
Variable 2
Variable 3
Variable 4
Variable 5
Variable 6
Variable 7
Variable 8
Theoretische Begriffe
Dimension (Abgeleitete Begriffe)
Indikatoren (Variablen) Messinstrument
gefällt mir sehr
gefällt mir gar nicht
1 2 3 4 5 6
Abgeleiteter Begriff 2
Abgeleiteter Begriff 3
Begriff 2
- 35 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Operationalisierung (2) Ausgangshypothese: „Das Produkt X wird von den Käufergruppen unterschiedlich akzeptiert.“
Primärforschung - Operationalisierung erstellen (2)
Käufergruppe
demografische Daten
psychografische Daten
Kosten
Alter
Geschlecht
Familienstand
Theoretische Begriffe Dimensionen Indikatoren
(Variablen)
Akzeptanz Nutzen
Bekanntheitsgrad der Marke
Beruf
Einkommen
……
……
……
Bekanntheit des Produktes
Messinstrument
Jahre
männlich/weiblich
ledig, verheiratet, geschieden… …
…
…
ist mir bekannt
habe ich noch nie gehört
1 2 3 4
- 36 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Operationalisierung (3) Die Operationalisierung stellt die konkreten Messgrößen übersichtlich dar. Durch die Kombination der einzelnen Indikatoren können sich noch zusätzliche Hypothesen ergeben
Hypothesen, die Zusammenhänge zwischen einem theoretischen Begriff und
dessen untergeordneten Dimensionen bzw. Indikatoren darstellen, sind nicht sinnvoll.
Primärforschung - Operationalisierung erstellen (3)
- 37 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Befragung • Befragungssubjekt, Untersuchungsgegenstand, Befragungshäufigkeit
• Einzelbefragung / Gruppenbefragung • Einthemenbefragung / Mehrthemen- oder Omnibusbefragung • Adhoc / Tracking-Forschung
• Art des Fragebogens • direkte / indirekte Fragen • Standardisierungsgrad des Fragebogens
• hochstandardisiert (festes Befragungs- schema ohne Variationsmöglichkeit)
• teilstandardisiert (Interviewerleitfaden) • nicht-standardisiert (Fragestellung ist dem Interviewer frei überlassen)
• offene Fragen / geschlossene Fragen Möglichkeiten für geschlossenen Fragen:
• Auswahlfragen (nominales Skalenniveau) • Alternativfragen (einfache Auswahl) • Selektivfragen (mehrfache Auswahl)
• Skalenfragen (ordinales / metrisches Skalenniveau)
Primärforschung - Erhebungsmethode definieren und Erhebungsinstrument wählen (1)
Marktanalyse (Zeitpunkt-
betrachtung) Befragung
Hochstandardisiert Teilstandardisiert Nicht-Standardisiert
Panelbefragung Online-Befragung telefonische Befragung schriftliche Befragung
Expertenbefragung Gruppenbefragung Leitfadengespräch Fokusgruppe
Expertenbefragung informelles Gespräch Gruppendiskussion
- 38 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Primärforschung - Erhebungsmethode definieren und Erhebungsinstrument wählen (2)
Befragung - Beispiele zweideutiger Frageformulierung (1) In der nächsten Dekade wird der PC zu einer Ubiquität am
Arbeitsplatz werden. Was prognostizieren Sie? Wird Ihr Unternehmen bei der raschen Implementierung reüssieren? Ja Nein Weiß nicht
Worin sehen Sie die Bedeutung computergestützter Systeme in der Praxis?
Sind Sie mit den Kosten und der Qualität des Kundendienstes zufrieden? Ja Nein
In welchem Zeitraum sind Sie zur Schule gegangen?
Von ____________ Bis ____________
Eine große Zahl von Wissenschaftlern hat auf die Gefahren der Kernenergie hingewiesen. Teilen Sie diese Bedenken? Ja Nein
Marktanalyse (Zeitpunkt-
betrachtung) Befragung
- 39 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Was meinen Sie? Wäre es nicht besser, wenn es weniger Werbung gäbe? Ja Nein
Kreuzen Sie von den von Ihnen als zutreffend erachteten Eigenschaften jeweils doppelt an, die Sie als besonders wichtig erachten, und bringen Sie sie in eine Rangreihe der Wichtigkeit
Wie oft waren Sie in den letzten fünf Jahren beim Zahnarzt? (Durchschnitt genügt!) ___________ mal
Stimmen Sie folgender Aussage zu: Je mehr Weißkraft ein Vollwaschmittel besitzt, desto stärker greift es das Gewebe an? Stimme zu Stimme nicht zu
Primärforschung - Erhebungsmethode definieren und Erhebungsinstrument wählen (3)
Befragung - Beispiele zweideutiger Frageformulierung (2)
Marktanalyse (Zeitpunkt-
betrachtung) Befragung
- 40 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Befragung - Beispiele zweideutiger Frageformulierung (3)
Primärforschung - Erhebungsmethode definieren und Erhebungsinstrument wählen (4)
Sie haben mit unserem Unternehmen in verschiedenen Bereichen Kontakt. Bitte geben Sie an, wie wichtig Ihnen die einzelnen Bereiche sind und wie zufrieden Sie damit sind? sehr wichtig/ total unwichtig/ sehr zufrieden sehr unzufrieden
Schnelligkeit
Beratung durch Außendienst Lieferzeit Reklamationsabwicklung Qualität der Produkte
Marktanalyse (Zeitpunkt-
betrachtung) Befragung
- 41 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Befragung – Checkliste für die Durchführung einer
Befragung
Primärforschung - Erhebungsmethode definieren und Erhebungsinstrument wählen (5)
Phasen der Fragebogen- entwicklung
1) Präzisierung, Einengung des Themas, Klärung der zu erfragenden In- halte, geordnet nach ihrer Bedeutsamkeit
2) Formulierung von Fragen zu interessierenden Be- reichen / zu den Hypo- thesen
3) Ordnung der Fragen in
eine Reihenfolge
4) Überprüfung des Frage-
bogens
5) Vorbereitung der Haupt-
untersuchung: Intervie- werschulung
Gesichtspunkte / Kriterien
• Entscheidung über Ausmaß der Standardisierung: ob schriftliche oder mündliche Befragung (Interview)
• Entscheidung über die zu wählende Sprache (Zielgruppenspezifisch)
• Intensives Erfragen eines Bereichs oder oberflächliches Abfragen verschiedener Bereiche
• Balance der Fragen, Konkretheit, Verständlichkeit, Eindeutigkeit
• Trennung von unabhängigen und abhängigen Variablen • Mischung geschlossener und offener Fragen (Adressatenkreis,
Monotonie des Fragebogens, Präzision und objektive Auswertbarkeit der Fragen)
• Einleitung: Allgemeine Information, Motivation, Zusicherung der Anonymität
• Aufwärmfragen • Peinliche Fragen nicht an den Anfang • Abhängigkeit von Fragekontext: Kontrollgruppen
• Vortest an ca. 20 Befragten • Fragen an Unebenheiten der Frageformulierung • Statistische Auswertung (wenn nur eine Antwort auf eine
Frage vorkommt, dann ist Frage nicht informativ)
• Versuchsplanung: Ist eine Variation der unabhängigen Variablen durch die Auswahl der Stichprobe möglich
• Interviewerschulung • Organisation von Adresslisten, usw.
Schema für das Erstellen eines Fragebogens (Wellenreuther, 1982, S. 179)
Marktanalyse (Zeitpunkt-
betrachtung)
Befragung
- 42 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Beobachtung • Klassifikation der Beobachtung nach
• Bewusstseinsgrad des Beobachteten • offene Beobachtung (Achtung: Gefahr des Beobachtungseffektes) • verdeckte Beobachtung
• Partizipationsgrad des Beobachters • Teilnehmend (Laden- oder Gaststättentest) • nicht-teilnehmend (Messung der Fernseheinschaltquote mit Telemeter)
• Strukturierungsgrad • standardisiert • nicht-standardisiert
• Wahrnehmungs- und Registrierungsform • visuell • andere Sinnesmodalitäten (instrumentell mithilfe v. Kameras, elektronischen Zähleinrichtungen)
• Ziele: • Einkaufsverhalten • Verwendungsverhalten (Handhabung, Nutzung) • Informationsverhalten
• Beispiele: • Berichte des Außendienstes, marktbezogene Daten des betriebl. Rechnungswesens • Zählung der Kunden in Einzelhandelsgeschäften mittels Drehkreuz mit Zähleinrichtungen • Kundenlaufstudien
Primärforschung - Erhebungsmethode definieren und Erhebungsinstrument wählen (6)
Marktanalyse (Zeitpunkt-
betrachtung)
Beobachtung (teilnehmend / nicht
teilnehmend)
Die Beobachtung im Unterschied zur Befragung ist dadurch charakterisiert, dass die Untersuchungssubjekte zum Untersuchungsgegenstand keine Erklärungen abgeben, die einen Rückschluss auf ihr Verhalten zulassen.
- 43 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Fokusgruppe (Gruppendiskussion) • Die Fokusgruppe ist eine Methode, die man im Rahmen einer beurteilenden oder explorativen
Gruppendiskussion über ein bestimmtes Thema durchführt, um in relativ kurzer Zeit ein breites Spektrum von Meinungen und Einstellungen zu erheben.
• i. d. R. 6 bis 10 Teilnehmer + erfahrener Moderator • oft Vorstufe für eine repräsentative Untersuchung • Auswahl der Teilnehmer über ein sog. „convenient sample“, d. h. es werden Personen befragt, die am
leichtesten erreichbar sind. • Ziele:
• Diskussion von Fragen zu einem Thema • Einholung von verschiedenen Meinungen • Treffen von Einschätzungen • Entwicklung von Hypothesen
• Beispiele: • Expertenrunden (z. B. Wissenschaftler, Journalisten etc.)
Primärforschung - Erhebungsmethode definieren und Erhebungsinstrument wählen (7)
Marktanalyse (Zeitpunkt-
betrachtung) Fokusgruppe
Von der Quantifizierung (in Form von Prozentangaben) der Untersuchungsergebnisse, die aus einer Fokusgruppe resultieren, sollte i. d. R. Abstand genommen werden, da die Teilnehmer über ein „convenient sample“ ausgewählt werden.
- 44 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Experiment • Def.: Keine gesonderte Erhebungsmethode, da Datengewinnung durch (apparative) Beobachtung
oder durch Befragung auf der Basis einer Versuchsanordnung • Zielsetzung: Aufdeckung von Ursache-Wirkungszusammenhängen (kausalanalytische Studie) • Voraussetzungen:
• Kontrolle der Störvariablen • aktive Manipulation der interessierenden unabhängigen Variable (=Ursache, z. B. Verpackung, Preis) • genaue Messung evtl. Veränderungen der abhängigen Variablen (=Wirkung, z. B. Kaufbereitschaft,
Image) • Klassifikation nach:
• Experimentellem Umfeld: • Laborexperiment • Feldexperiment
• Zeitpunkt des Auftretens der abhängigen Variablen:
• Projektives Experiment • Ex-post-facto-Experiment
• Versuchsanordnung; Kombination folgender Merkmale:
• Kennzeichnung der Versuchsgruppe: Experimental group / Control group • Zeitpunkt der Messung: before /after
Primärforschung - Erhebungsmethode definieren und Erhebungsinstrument wählen (8)
Experiment (Feld- / Labor-experiment)
Marktanalyse (Zeitpunkt-
betrachtung)
Beispiele: • Konzepttest Testmarkt-Ersatzverfahren • Warentest (Minimarkttest, Testmarktsimulation) • Produkttest Werbetest • Storetest • Markttest
- 45 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Produkttest • Def.: Experimentelle Untersuchung, bei der zunächst nach bestimmten Merkmalen ausgewählten
Testpersonen unentgeltlich bereitgestellte Produkte, probeweise ge- oder verbrauchen und anschließend nach ihren subjektiven Wahrnehmungen und / oder Beurteilungen bezüglich der getesteten Produkte als Ganzes bzw. einzelner Produktbestandteile gefragt werden
• Testobjekte: • eigene bereits im Markt befindliche Produkte • Prototypen • Konkurrenzprodukte
• Ziel: • Ermittlung v. Produktalternativen • Aussagen über die optimale Gestaltung der Produkteigenschaften
(Packung, Preis, Name, Imagewirkung) • Ausprägungen:
• Volltest • Partialtest (Preistest, Packungstest, Geschmackstest, Namenstest) • Blindtest
• Testverfahren der Praxis: • Tachistoskop • Schnellgreifbühne
Primärforschung - Erhebungsmethode definieren und Erhebungsinstrument wählen (9)
Experiment (Feld- / Labor-experiment)
Marktanalyse (Zeitpunkt-
betrachtung)
- 46 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Storetest • Def.: Probeweiser Produktverkauf unter kontrollierten Bedingungen in ausgewählten
Einzelhandelsgeschäften • Ziel: Test der Verkaufsfähigkeit neuer / geänderter Produkte, insbesondere
• Verkaufschancen • Eignung der Verpackung • Eignung des Verkaufspreises • Wirkung von Verkaufsförderungsmaßnahmen • Wirkung von Sonderplazierungen
• Anwendung: • oft im Anschluss an einen Produkttest • unter marktrealen Bedingungen
Primärforschung - Erhebungsmethode definieren und Erhebungsinstrument wählen (10)
Experiment (Feld- / Labor-experiment)
Marktanalyse (Zeitpunkt-
betrachtung)
- 47 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Markttest • Def.: umfassendes Feldexperiment in einem räumlich begrenzten Gebiet, welches die Gesamtheit
vorgesehener Marketingmaßnahmen simuliert und deren Erfolg misst
• Ziel: Test einer geänderten Marketingkonzeption für • ein bereits eingeführtes / geändertes Produkt • ein neues Produkt im Rahmen eines schon vorhandenen
Produktprogramms • ein völlig neues Produkt
• Vorgehen: Auswahl eines Testmarktes, in dem in einem geographisch genau abgegrenzten Teil des Gesamtmarktes der Markttest durchgeführt wird (Testmarkt soll in seiner Struktur hinsichtlich Struktur der Bevölkerung; Handelsstruktur entsprechen)
Primärforschung - Erhebungsmethode definieren und Erhebungsinstrument wählen (11)
Experiment (Feld- / Labor-experiment)
Marktanalyse (Zeitpunkt-
betrachtung)
- 48 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Tracking-Forschung (1) • Def.: Datengewinnung über schriftliche
Befragung oder Beobachtung • Wesen: Langzeitstudien • Klassifikation:
• Wellenerhebungen: gleiches Thema, gleiche Stichprobe • Panelerhebungen: gleiches Thema, identische Stichprobe
• Anwendungsgebiete: • Verbraucherpanel: schriftliche Erfragung der Konsumgewohnheiten der Verbraucher • Verkaufsdatenerfassung (durch Scanning) • Handelspanel (Retail Tracking): Beobachtung von Einzelhandelsgeschäften zu einem gleich
bleibenden Untersuchungsgegenstand (Absatzmengen, Distributionsraten, Durchschnittspreise, Regalplatz, Verkaufsaktivitäten)
• Fernsehpanel: Beobachtung des Fernsehverhaltens mittels technischer Geräte
Primärforschung - Erhebungsmethode definieren und Erhebungsinstrument wählen (12)
Marktbeobachtung (Zeitraumbetrachtung)
Verhaltensdaten (“Panels”)
- 49 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Tracking-Forschung (2) • Brainstorming
These: Panelauswertungen liefern eine Flut von Daten!!!
• Fragen • Wer benötigt die Daten? • Welche Ziele werden mit einer Paneluntersuchung verfolgt? • Welche Informationen zieht man aus den Daten?
• Verbraucherpanel • Handelspanel
• Detaillierte Informationen zur Tracking-Forschung entnehmen Sie bitte den Unterlagen des
Gastvortrages der GfK Panel Services Deutschland.
Primärforschung - Erhebungsmethode definieren und Erhebungsinstrument wählen (13)
Marktbeobachtung (Zeitraumbetrachtung) Marktbeobachtung (Zeitraumbetrachtung)
Verhaltensdaten (“Panels”)
- 50 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Skalierung*: • Def. Skalierung: Konstruktion von Maßskalen und Zuordnung von Zahlen zu Objekten (Messen) • Def. Skala: numerische Abbildung eines empirischen Merkmals
Skalenniveaus:
Primärforschung - Skalierung (1)
*Definitionen entnommen aus: Berekhoven, Eckert, Ellenrieder, 2004, S.74 ff.
- 51 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Klassifikation von Skalierungsverfahren
Primärforschung - Skalierung (2)
* Beispiele entnommen aus: Berekhoven, Eckert, Ellenrieder, 2004, S.74 ff.
Skalierung i.w.S.
Selbsteinstufung Fremdeinstufung
einfache Rating-Skala
subjektive Fremdeinstufung
objektive Fremdeinstufung
Verfahren der Indexbildung
•Likert-Skala •Thurstone-Skala •Guttmann-Skala
eindimensionale Skalierung i.e.S.
mehrdimensionale Skalierung
semantisches Differenzial
Multiattributmodelle: •Fishbein-Ansatz •Trommsdorff-Ansatz
Multidimensionale Skalierung (MDS)
eindimensionale Skalierung
- 52 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Skalierung - Klassifikation von Skalierungsverfahren (1)
• Selbsteinstufungsverfahren: • Rating-Skala (am häufigsten eingesetzte Skalierungsmethode)
Befragte Person gibt ihre Position/Einstellung auf der interessierenden Merkmalsdimension selbst an. Rating-Skalen bilden „natürliche“ Rangfolgen ab und messen deshalb mit einem ordinalen Messniveau. Somit lassen sich nur kleiner- / größer-Beziehungen analysieren, wobei Angaben über die Abstände zwischen den einzelnen Antwortkategorien streng genommen nicht möglich sind.
• Fremdeinstufungsverfahren Befragter wird mit einer Batterie von Items konfrontiert, die in der Regel als Skalafragen konstruiert sind; Untersuchungsleiter verknüpft die Einzelmesswerte zur Messskala, worauf der Befragte positioniert wird.
• subjektive Fremdeinschätzung (Verfahren der Indexbildung) Bildung einer einzigen Maßzahl aus mehreren Teildimensionen, deren Merkmalsausprägungen auf Grundlage des subjektiven Empfindens des Interviewers ermittelt wurden.
• objektive Fremdeinschätzung Auf Grundlage eines streng standardisierten Verfahrens wird der Proband vom Interviewer positioniert.
Primärforschung - Skalierung (3)
- 53 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Skalierung (2):
Primärforschung - Skalierung (4)
Objektive Fremdeinschätzungsverfahren
Mehrdimensional Eindimensional • Likert-Skala (Technik der summierten Einschätzung)
Den Befragten wird eine Reihe von Statements vorgelegt, zu denen sie Zustimmung oder Ablehnung äußern können, und zwar in abgestufter Form. Die Befragten sollen beispielsweise angeben, ob sie der geäußerten Ansicht „völlig“ - „überwiegend“ - „teilweise“ - „eher nicht“ oder „gar nicht“ zustimmen.
• Thurstone-Skala (Verfahren der gleich erscheinenden Intervalle) Im Unterschied zur Likert-Skala werden Statements zunächst von Experten hinsichtlich der vermutlichen Ausprägung der intendierten Zielgruppe beurteilt. Die Skala wird in einem zweiten Schritt aus den eindeutig einer Ausprägung zugeordneten Statements gebildet.
• Guttmann-Skala (Skalogramm-Verfahren) Den Befragten werden einige Aussagen vorgelegt, die sie bejahen oder verneinen sollen. Es wird angenommen, dass die Aussagen einer Reihenfolge entsprechen (oder in eine Reihenfolge gebracht werden können) derart, dass sie jeweils eine unterschiedlich „extreme“ Auffassung dem Objekt gegenüber ausdrücken.
• Semantisches Differenzial (Polaritätenprofil): Beurteilung eines Untersuchungsgegenstandes durch wertende Assoziationen auf einer Anzahl bipolarer Ratingskalen.
• Multiattributmodelle: a) Fishbein-Ansatz: Versucht kognitive und affektive
Einstellungskomponente miteinander zu verknüpfen. Die Einstellung einer Person setzt sich aus mehreren Eindruckswerten zusammen. Eindruckswerte setzten sich aus der Multiplikation der kognitiven und affektiven Komponente zusammen.
b) Trommsdorff-Ansatz: Die idealen Merkmalsausprägungen (affektive Komponente) werden erfasst und die kognitiven Einstellungkomponenten durch Fragen direkt bestimmt. Der Eindruckswert ergibt sich aus der Differenz der kognitiven und affektiven Komponenten.
• Multidimensionale Skalierung (MDS): Verfahren, das Objekte in einem mehrdimensionalen Raum räumlich positioniert; die Positionen der Objekte und ihre gegenseitigen Entfernungen stimmen mit den tatsächlichen Entfernungen bzw. Unterschieden überein.
- 54 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Skalierungsverfahren – Beispiele (1)
Primärforschung - Skalierung (5)
• Rating-Skala
• Verfahren der Indexbildung
- 55 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Skalierungsverfahren – Beispiele (2)
• Likert-Skala
Primärforschung - Skalierung (6)
1 Vgl. Berekhoven, L.: Marktforschung: Methodische Grundlagen und praktische Anwendung, 12. Aufl., 2009 , S. 74
- 56 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Skalierungsverfahren – Beispiele (2)
• Thurstone-Skala
Primärforschung - Skalierung (6)
- 57 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Skalierungsverfahren – Beispiele (2)
• Guttmann-Skala
Primärforschung - Skalierung (6)
- 58 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
• Multiattributmodell: Fishbein-Ansatz
• Multiattributmodell: Trommsdorff-Ansatz
Skalierungsverfahren – Beispiele (3) • Semantisches Differenzial
• Multidimensionale Skalierung (MDS)
Primärforschung - Skalierung (7)
- 59 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Kontaktmethode • Schriftlich (z. B. per Post, Fax, E-Mail)
• Große Datenmengen können zu relativ geringen Kosten gesammelt werden.
• Erfordert eine besonders einfache und klare Formulierung der Fragen.
• Erfahrungsgemäß eine geringe Rücklaufquote.
• Telefonisch • Beste Methode für eine schnelle Informationsgewinnung.
• Interaktion zwischen Proband und Interviewer möglich (Flexibilität).
• Interviewleitfaden darf nicht zu umfangreich sein und Fragen nicht zu persönlich.
• Computergestützte Interviewführung möglich mit paralleler Dateneingabe.
• Persönlich (face to face) • Klassifikation (Einzelinterview/Gruppengespräch)
• Es können viele Fragen gestellt werden.
• Zusätzliche Informationsgewinnung durch das Erscheinungsbild und die Körpersprache des Probanden.
• Hohe Kosten, sowie hoher administrativer und zeitlicher Aufwand.
• Negative Beeinflussung durch den Interviewer möglich.
• Neuere Kontaktmethoden (online, mobil …)
Primärforschung - Kontaktmethode wählen (1)
- 60 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Online-Marktforschung:1 • Definition: Unter Online-Marktforschung wird die Nutzung des Internets für eine systematische
Erforschung der Märkte verstanden. Mit Hilfe des Mediums Internet sollen Informationen erzeugt und analysiert werden.
• Methoden der Online-Marktforschung: • Befragung, Beobachtung und Experiment im Internet, • Online-Panel.
• Vorteile von Online-Umfragen:² • Befragung ist kostengünstig und unkompliziert, da Versand der Fragebögen per Post entfällt, • Günstige Datenerfassung, da Daten bereits digitalisiert sind, • Kurze Antwortzeiten und einfache Erreichbarkeit, • Große Stichproben möglich, • Multimedialität, da Einbindung von Bildern, Musik, Videos möglich.
• Nachteile von Online-Umfragen:² • Zugang zum Internet und Vertrautheit damit, • Erhebungssituation nicht kontrollierbar, • Ausführliche Erläuterungen zu komplizierten Fragen und Nachfragen nicht möglich, • Problem der starken Selbstselektion, • Sicherstellen, dass Probanden nicht mehrfach teilnehmen.
Kontaktmethode online
1) Markus, Nolden (2008): Online-Marktforschung, S. 2ff. 2) http://www.marktforschung-online.eu/online-befragungen/vorteile-und-nachteile-von-online-umfragen
- 61 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Mobile Marktforschung: (1)1
• Definition: Marktforschung mit Hilfe mobiler Endgeräte wie Handy, PDA (Personal Digital Assistant) • Verwendete Technologien: SMS, MMS, WAP – mobiles Internet, GPS, NFC/ RFID, Bluetooth,
Handykamera etc. • Vorteile:²
• zeitnahe/ sehr kurzfristige Befragungen möglich, z.B. eventbezogen, • ortsunabhängige Befragungen/ jederzeit erreichbar, • mobile Zielgruppen sind gut zu erreichen, • hohe Rücklaufgeschwindigkeit, • große Befragungsbasis (große Endgeräteverbreitung).
• Barrieren/ Probleme:² • Mangelnde Akzeptanz mancher Zielgruppen z.B. B2B-Entscheider, • Zweifel an validen Ergebnissen/ Repräsentativität, • Mangelnde Auskunftsbereitschaft/ Responserate eher gering, • Sehr aufwendig/ kostenintensiv.
Kontaktmethode über mobile Endgeräte (1)
1) http://expertenforum.at/files/maxlliess_charts.pdf 2) http://www.tns-infratest.com/presse/pdf/in_der_presse/AW_7_2009_Mobile_Marktforschung.pdf , S. 23
- 62 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Mobile Marktforschung: (2) • Ablauf einer mobilen Befragung:
• SMS-Befragung: die Befragten beantworten Fragen per SMS • Vorteile: alle Handys SMS-fähig, einheitlicher Standard, Vertrautheit, keine Kosten für Teilnehmer • Nachteile: einfache Fragen, Zeichenlimitierung, kein Multimedia, Antwortcodes müssen gemerkt
werden, Dateneingabe aufwändig, Synchronisierung.
• MMS-Befragung: MMS erlaubt zusätzlich die Übermittlung von Text, Bild und Ton in Nachrichten. • Vorteile: Großteil der Handys MMS-fähig, einheitlicher Standard, Vertrautheit, Multimedia möglich • Nachteile: einfache Fragen, Datenlimitierung, Antwortcodes müssen gemerkt werden, mangelnde
Zuverlässigkeit, Dateneingabe aufwändig, Kosten.
http://expertenforum.at/files/maxlliess_charts.pdf
Kontaktmethode über mobile Endgeräte (2)
- 63 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Crowdsourcing: • Definition: Das Prinzip von Crowdsourcing basiert darauf, dass die Masse (= die Crowd) intelligenter
ist und mit weniger Einsatz viel mehr schafft, als einzelne Personen; diese Intelligenz der Masse (Wisdom-of-the-Crowd) wird zum Vorteil des Unternehmens genutzt (Sourcing = Beschaffung, Ursachenfindung, Akquisition).
• Ziel: Nutzung der Crowd/Masse, um auf bessere, neuartigere und innovativere Lösungen zu kommen
• Anwendungsgebiete für Crowdsourcing: Produkt(neu)einführung, Image- und Reputationsaufbau, Suche nach (wissenschaftlichen) Lösungen, Ausschreibungen, Pflege der Kundenbeziehung, Fangewinnung und Fanbetreuung, Innovation, Input für Kommunikation
Crowdsourcing
http://www.gruenderszene.de/allgemein/crowdsourcing
- 64 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Definitionen: • Def. Stichprobe (Sample)
Beschränkung der Untersuchung auf einen kleineren Teil der Grundgesamtheit [=Gesamtmasse] (Teilerhebung)
• Def. Repräsentativität • Eine Teilmasse ist repräsentativ, wenn sie in der Verteilung aller interessierenden Merkmale der
Gesamtmasse entspricht, d.h. ein zwar verkleinertes, aber sonst wirklichkeitsgetreues Abbild der Gesamtheit darstellt.
• Nicht alle im folgenden aufgeführten Verfahren genügen diesem Ideal, deshalb folgende Verallgemeinerung: --> Eine Teilmasse ist dann repräsentativ, wenn sie einen zutreffenden Rückschluss auf die Grundgesamtheit zulässt.
• Def. Zufallsauswahl (Random-Verfahren) • Jede Einheit hat dieselbe Wahrscheinlichkeit in die Stichprobe einbezogen zu werden • Der Stichprobenfehler lässt sich nach der Wahrscheinlichkeitstheorie berechnen
--> Mit zunehmender Größe der Stichprobe steigt die Wahrscheinlichkeit, dass sich das Ergebnis der Teilerhebung einer Vollerhebung angleicht
• Def. Verfahren der bewussten Auswahl Auswahl der zu untersuchenden Einheiten nach sachrelevanten Einheiten --> Auswahl ist so vorzunehmen, dass das Sample hinsichtlich der interessierenden Merkmale möglichst repräsentativ für die Grundgesamtheit ist
Primärforschung - Sampling Plan erstellen (1)
* Definitionen entnommen aus: Berekhoven, Eckert, Ellenrieder, 2006, S. 55 ff.
Im Rahmen der Erstellung des Sampling-Plans sind die folgenden Entscheidungen zu treffen: 1) Definition der Grundgesamtheit; 2) Festlegung des Auswahlverfahrens und der Stichprobengröße.
- 65 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
1. Definition der Grundgesamtheit • Ausgangsbasis für den Sampling-Plan ist die Grundgesamtheit der Untersuchung • Grundgesamtheit ist die Menge aller potenziellen Merkmalsträger, für die das Ergebnis der
Untersuchung gültig sein soll. • Die Grundgesamtheit orientiert sich am Untersuchungsziel und schließt alle Merkmalsträger ein, die
zur Untersuchung der Problemstellung herangezogen werden könnten. • Sollen beispielsweise Kunden nach ihrer Zufriedenheit befragt werden, ist es sinnvoll, nur Personen
in die Untersuchung einzubeziehen, die das Produkt bereits gekauft haben, da nur diese Personen Aussagen zur Problemstellung treffen können.
• Die Grundgesamtheit wird im Allgemeinen anhand: • demografischer (z. B. Alter, Geschlecht), • geografischer (z. B. PLZ-Gebiet, Land), • psychografischer (z. B. Einstellung, Meinung) oder • verhaltensorientierter Merkmale (z. B. Kaufverhalten)
• definiert, wobei meistens eine Kombination aus mehreren Kriterien herangezogen wird.
Primärforschung - Sampling Plan erstellen (2)
- 66 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
2. Festlegung des Auswahlverfahrens und der Stichprobengröße • Damit eine Stichprobe als repräsentativ angesehen werden kann, wird in diesem Schritt des
Marketingforschungsprozesses ein so genannter Sampling-Plan (Stichprobenplan) erstellt, der genau festlegt, welche Merkmalsträger aus der Grundgesamtheit ausgewählt werden müssen, damit ein Repräsentationsrückschluss möglich ist.
• Der Sampling-Plan stellt eine bindende Richtlinie für das Untersuchungsteam dar und basiert auf speziellen Auswahlverfahren, welche die Repräsentativität sicherstellen sollen.
• Der Rückschluss von der Stichprobe auf die Grundgesamtheit ist mit Fehlern behaftet, da die Stichprobe lediglich einen Schätzwert für die Grundgesamtheit darstellt.
• Bei den systematischen Fehlern handelt es sich um Non-Response- (z. B. Antwortverweigerungen, Testpersonen nicht erreichbar) oder Erfassungsfehler (z. B. Fehler im Auswahlverfahren, Verzerrung durch Interviewer, Auswertungsfehler)
• Zufallsfehler sind solche Fehler, die in statistischen Massen auftreten und nach den Gesetzen der Wahrscheinlichkeit um einen „wahren Wert“ streuen, so dass sie sich per Saldo ausgleichen. Sie können nicht vermieden, sondern nur durch eine Vergrößerung der Stichprobe verkleinert werden. Dies lässt sich dadurch erklären, dass sich die bei der Erfassung der einzelnen Merkmalsträger gemachten Fehler mit wachsender Zahl der Probanden tendenziell ausgleichen.
Primärforschung - Sampling Plan erstellen (3)
- 67 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Grundformen von Auswahlverfahren
Primärforschung - Sampling Plan erstellen (4)
Auswahlverfahren
Vollerhebung Teilerhebung
repräsentative Auswahl
willkürliche Auswahl
einfache Zufallsauswahl
Verfahren der zufallsorientierten
Auswahl
Verfahren der nicht zufallsorientierten
(bewussten) Auswahl
Quoten- verfahren
Konzentrations- verfahren (cut-off)
typisches Auswahlverfahren
geschichtete Zufallsauswahl
Klumpen- auswahl
uneingeschränkte Zufallsauswahl: Lotterieprinzip
proportional disproportional Auswahltechniken:
systematische Auswahl usw.
- 68 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Zufallsauswahl - Auswahltechniken • Systematische Auswahl
Soll aus einer Grundgesamtheit mit 100.000 Merkmalsträgern (N) eine Stichprobe von 1.000 Testpersonen (n) entnommen werden, wird zunächst innerhalb der ersten 100 Elemente per Zufall ein Startpunkt festgelegt und von diesem Startpunkt ausgehend, jeder weitere 100ste Merkmalsträger einbezogen.
• Schlussziffernauswahl Es werden nur Merkmalsträger in die Stichprobe einbezogen, die in einer durchnummerierten Liste der Merkmalsträger eine bestimmte Endziffer aufweisen (z. B. alle Elemente mit der Endziffer „6“ wie 6, 16, 26, 36, 46 ...).
• Geburtstags- oder Buchstabenauswahl Die Probanden werden anhand ihres Geburtsdatums oder anhand des Anfangsbuchstabens der Nach- oder Vornamen ausgewählt (z. B. alle Personen, die am 06. April geboren sind; alle Personen, deren Nachname mit „M“ beginnt).
• Auswahl mittels Zufallszahlen Jedem Element der Grundgesamtheit wird eine fortlaufende Nummer zugewiesen. Danach wird durch ein Zufallsverfahren (z. B. per Zufallsgenerator) eine Zufallszahlentabelle generiert, die festlegt, welche Merkmalsträger in die Untersuchung einbezogen werden.
Primärforschung - Sampling Plan erstellen (5)
- 69 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Beispiele für Auswahlverfahren (1)
Primärforschung - Sampling Plan erstellen (6)
- 70 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Beispiele für Auswahlverfahren (2)
Primärforschung - Sampling Plan erstellen (7)
- 71 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Stichprobengröße Damit ein Repräsentationsrückschluss von der Stichprobe auf die Grundgesamtheit möglich
ist, müssen die erhobenen Stichprobenwerte einer Normalverteilung folgen.
Primärforschung - Sampling Plan erstellen (8)
Achtung: Ein Zufallsfehler kann nur für Verfahren der Zufallsauswahl berechnet werden, nicht für Verfahren der bewussten Auswahl!
- 72 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Stichprobengröße – Sicherheitsfaktor, Vertrauensbereich, Vertrauenswahrscheinlichkeit (1)
• Die Streuung der Stichprobenmittelwerte um den wahren Wert der Grundgesamtheit wird mit der Varianz bzw. der Standardabweichung gemessen. Die Standardabweichung stellt die mittlere Abweichung vom Stich-probenmittelwert dar. Sie wird in der Einheit des Merkmals ausgedrückt, definiert den Vertrauensbereich (Konfidenzintervall) um den Stichprobenmittelwert und legt somit die Wahrscheinlichkeit (Vertrauenswahrscheinlichkeit) fest, mit welcher der wahre Wert der Grundgesamtheit in den Vertrauensbereich fällt.
• Da es für die Marketingforschung nicht ausreichend ist, eine Aussage zu treffen, die nur für (68,3%) der theoretisch denkbaren Fälle in Frage kommt, wird der Vertrauensbereich erweitert, indem die Standardabweichung mit einem so genannten Sicherheitsfaktor multipliziert wird. Dadurch steigt zum einen die Vertrauenswahrscheinlichkeit und zum anderen vergrößert sich der Vertrauensbereich.
• Um eine Vertrauenswahrscheinlichkeit von 99,7% zu erhalten, d. h. mit einer 99,7%igen Wahrschein- lichkeit sagen zu können, dass der wahre Wert der Grundgesamtheit in einen bestimmten Vertrauens- bereich fällt, muss die Standardabweichung beispiels- weise mit dem Sicherheitsfaktor 3 multipliziert werden. Durch die Multiplikation mit dem Sicherheitsfaktor wird der Vertrauensbereich um das dreifache der Standardabweichung erweitert.
Primärforschung - Sampling Plan erstellen (9)
Zusammenhang Sicherheitsfaktor - Vertrauensbereich - Vertrauenswahrscheinlichkeit
- 73 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Stichprobengröße – Sicherheitsfaktor, Vertrauensbereich, Vertrauenswahrscheinlichkeit (2)
• Die Irrtumswahrscheinlichkeit ist das Gegenstück zur Vertrauenswahrscheinlichkeit und gibt an, mit welcher Wahrscheinlichkeit der wahre Wert der Grundgesamtheit nicht im Vertrauensbereich liegt.
• In der Marketingforschung wird versucht, ein möglichst genaues Schätzergebnis von der Stichprobe auf die Grundgesamtheit zu erzielen. Betrachtet man jedoch die Größen Vertrauensbereich (Stichprobenfehler) und Vertrauenswahrscheinlichkeit genauer, dann erkennt man, dass sie sich konträr verhalten. Erhöht man die Vertrauenswahrscheinlichkeit, erweitert sich automatisch der korrespondierende Stichprobenfehler.
• Es gilt, je größer der Umfang einer Stichprobe, desto genauer kann der wahre Wert einer Grundgesamtheit auf Basis einer Stichprobe geschätzt werden.
• Allerdings nimmt die Güte der Stichprobe nicht proportional zu. Eine Vervierfachung der Stichprobe bedeutet beispielsweise nur eine Verdoppelung der Güte der Stichprobe.
• Deshalb legt man in der Marketingforschungspraxis im Vorfeld der Stichprobenziehung die Qualität des Stichprobenergebnisses über den zulässigen Stichprobenfehler und die Vertrauenswahrscheinlichkeit fest und bestimmt auf dieser Basis den optimalen Umfang der Stichprobe. Man unterscheidet den heterograden und den homograden Fall.
Primärforschung - Sampling Plan erstellen (10)
- 74 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Stichprobengröße – Sicherheitsfaktor, Vertrauensbereich, Vertrauenswahrscheinlichkeit (3)
Primärforschung - Sampling Plan erstellen (11)
- 75 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Stichprobengröße – Heterograder Fall • Die Untersuchungsmerkmale sind quantitativ (z. B. Einkommen, Alter, Körpergröße) und sollen auf
ihren Mittelwert hin untersucht werden. • Die Formel für die Berechnung des Stichprobenumfangs für quantitative Merkmale lautet:
• Während der Sicherheitsfaktor über die gewünschte Vertrauens- wahrscheinlichkeit hergeleitet wird und der Stichprobenfehler vom Untersuchungsteam aus Erfahr- ungswerten geschätzt wird, ist die Varianz in der Regel nicht bekannt. Sie muss entweder in einem Pre-Test geschätzt oder vom Untersuchungsteam bestimmt werden.
Primärforschung - Sampling Plan erstellen (12)
mit: n: Stichprobenumfang
t: Sicherheitsfaktor
: Varianz
e: größter zulässiger Fehler (Stichprobenfehler)
2σ
- 76 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Stichprobengröße – Homograder Fall • Die Untersuchungsmerkmale sind qualitativ (z. B. Geschlecht, Familienstand, Beruf) und sollen auf
relative Häufigkeiten (Anteile) hin untersucht werden. • Die Formel zur Errechnung des Stichprobenumfangs für qualitative Merkmale lautet wie folgt:
• Wurden „q“ und „p“ nicht bereits im Vorfeld über einen Pre-Test erhoben, ist es üblich, den ungün- stigsten Fall anzusetzen, nämlich jeweils 50% (p = 50; q = 50). Für die Festlegung von „t“ und „e“ können die Überlegungen für den hetero- graden Fall übernommen werden.
Primärforschung - Sampling Plan erstellen (13)
- 77 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Daten erheben
• Bekannte Probleme • Die Probanden sind nicht anzutreffen und müssen deshalb erneut kontaktiert werden oder durch andere
Testpersonen ersetzt werden.
• Die Probanden verweigern die Auskunft oder geben bewusst falsche Antworten.
• Die Probanden haben Vorurteile gegenüber dem Untersuchungsinstrument oder der Thematik der Untersuchung.
• Der Interviewer ist voreingenommen (z. B. suggestives Fragen) oder unehrlich (z. B. Selbstausfüllung durch den Interviewer bzw. Befragung von Bekannten).
Primärforschung - Daten erheben (1)
- 78 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Daten erheben – mögliche Vorgehensweise für die Befragung von Unternehmen aus der Praxis
Primärforschung - Daten erheben (2)
Versendung des Fragebogens und des Anschreibens per Email
Telefonische Kontaktaufnahme
Befragung am Telefon
Antwort per Post Terminver- einbarung Antwort per Fax
Keine Zeit Befragung am Telefon
Nachtelefonieren
Neue Kontaktperson
Endgültige Absage Teilnahme
Endgültige Absage Teilnahme
Absage Teilnahme
- 79 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Der Marketingforschungsprozess im Überblick
Untersuchungsziel erkennen und definieren - Phase 1
Die Rolle der Information im Marketing / Definition Marketingforschung
Forschungsplan erstellen und Daten erheben - Phase 2
Erhobene Daten analysieren und interpretieren - Phase 3
Ergebnisse präsentieren und kommunizieren - Phase 4
Klausurbeilage
Agenda
- 80 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Lernziele
• Überblick über die wichtigsten Datenanalyseverfahren und deren Anwendung in der Praxis • univariat • bivariat • multivariat
• Fähigkeit der eigenständigen Berechnung einer einfachen Regressionsanalyse bzw. Erkenntnis, wann die einfache Regressionsanalyse in der Praxis wie zum Einsatz kommt
• Fähigkeit der Durchführung bestimmter Hypothesentests
Erhobene Daten Analysieren und Interpretieren: Lernziele
- 81 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Computergestützte Datenanalyse • Tabellenkalkulationsprogramme (z. B. Microsoft Excel)
• Werkzeug zur Datenerfassung und –verwaltung • Diverse statistische Auswertungsfunktionen (univariate Auswertungen, Korrelationen, Regressionen) • Schnelle und unkomplizierte Analyse von kleinen Datenmengen
• Datenbanksysteme (z. B. Microsoft Access) • System zur elektronischen Datenverwaltung • Erstellung einer Datenbank ist in der Regel aufwändig • Ermittlung und Visualisierung von einfachen statistischen Kennzahlen und Zusammenhängen • Hoher Aufwand bei komplexen statistischen Auswertungen • Effizientes, widerspruchsfreies und dauerhaftes Speichern von großen Datenmengen
• Statistische Auswertungsprogramme (z. B. SPSS, SAS) • Software speziell für die statistische Datenanalyse • Umfangreiche Datenmengen können verwaltet, transformiert und verarbeitet werden • Vielzahl von statistischen Funktionen und Prozeduren stehen zur Verfügung • Sowohl univariate (Mittelwertberechnung, Häufigkeitsauszählun-gen etc.) als auch komplexe
multivariate Testverfahren (Faktorenanalyse, Conjoint-Analyse etc.) möglich
Erhobene Daten analysieren und interpretieren (1)
- 82 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Klassifikation statistischer Verfahren • Deskriptive Statistik
• Deskriptive = beschreibende Statistik • Sie beinhaltet Analyseverfahren die vorwiegend dazu dienen, die Verteilung der
Merkmalsausprägungen durch eine grafische oder tabellarische Darstellung genauer zu beschreiben und statistische Kennzahlen (z. B. Häufigkeit, Mittelwert, Varianz) zu berechnen.
• Verallgemeinerungen bzw. Schlüsse auf die Grundgesamtheit sind damit nicht möglich, sondern sind Gegenstand der noch zu behandelnden Verfahren der induktiven Statistik.
• Induktive Statistik • Induktive Statistik = statistische Prüfverfahren • Die induktive Statistik beschäftigt sich mit der Frage, inwieweit die Ergebnisse einer Teilerhebung durch
eine Stichprobe auf die Grundgesamtheit übertragen werden können und verwendet dafür Methoden wie z. B. den Chi-Quadrat-Test oder den T-Test.
• Überprüfung von Annahmen oder zur Prüfung der Zulässigkeit des Schlusses von Werten der Stichprobe auf Werte der Grundgesamtheit.
Erhobene Daten analysieren und interpretieren (2)
- 83 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Erhobene Daten analysieren und interpretieren (3)
statistische Auswertungs-
verfahren
Statistische Verfahren - univariat • Häufigkeiten • Mittelwerte • Streumaße
Statistische Verfahren - multivariat • Regressionsanalyse (mehrfach) • Varianzanalyse • Diskriminanzanalyse • Faktorenanalyse • Clusteranalyse • MDS • Conjoint Measurement
Statistische Verfahren - bivariat • Kreuztabellierung • Korrelationsmaße • einfache Regressionsanalyse
Statistische Verfahren - Induktiv • Hypothesentests
Des
krip
tive
Sta
tistik
In
dukt
ive
Sta
tistik
- 84 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Beispiel für uni-, bi- und multivariate Analysen
Erhobene Daten analysieren und interpretieren (4)
- 85 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Häufigkeiten • Absolute Häufigkeit: Ist die Anzahl der Elemente in der Grundgesamtheit
mit genau dieser Merkmalsausprägung.
• Relative Häufigkeit: Misst den prozentualen Anteil der Elemente
mit genau dieser Merkmalsausprägung an der Grundgesamtheit.
• Absolute Summenhäufigkeit: Gibt die Anzahl der Elemente an, die höchstens
diese Merkmalsausprägung aufweisen.
• Relative Summenhäufigkeit: Gibt den prozentualen Anteil der Elemente
an der Grundgesamtheit an, die höchstens diese Merkmalsausprägung aufweisen.
Deskriptive Statistik
Statistische Verfahren - univariat • Häufigkeiten • Mittelwerte • Streumaße
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik / univariate Verfahren - Häufigkeiten (1)
Nhf i
i =
∑=
==i
j
iji N
HfF1
∑ =
= i
j j i h H
1
mit: N: Anzahl der Variablenwerte
:: Relative Häufigkeit
:: Absolute Summenhäufigkeit
: Relative Summenhäufigkeit
ifiH
iF
- 86 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Beispiele für Häufigkeiten (1)
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik / univariate Verfahren - Häufigkeiten (1) Deskriptive
Statistik
Statistische Verfahren - univariat • Häufigkeiten • Mittelwerte • Streumaße
Beispiel – absolute/relative H ä ufigkeit sowie f ü r absolute/relative Summenh ä ufigkeit
Im folgenden Beispiel soll eine Personengruppe bzgl. ihrer Alter sstruktur genauer analysiert werden. Bei einer Befragung gaben 20 Personen ihr Alter an.
Beispiel – absolute/relative H ä ufigkeit sowie f ü r absolute/relative Summenh ä ufigkeit
Im folgenden Beispiel soll eine Personengruppe bzgl. ihrer Alter sstruktur genauer analysiert werden. Bei einer Befragung gaben 20 Personen ihr Alter an.
Nr. des Befragten Alter 1 35 2 25 3 30 4 35 5 18 6 21 7 29 8 39 9 25 10 33 11 34 12 36 13 38 14 46 15 29 16 48 17 18 18 30 19 28 20 37
Nr. des Befragten Alter 17 18 5 18 6 21 9 25 2 25 19 28 15 29 7 29 3 29 18 30 10 33 11 34 1 35 4 35 12 36 20 37 13 38 8 39 14 46 16 48
Datensatz sortiert nach Alter, aufsteigend Datensatz un sortiert
- 87 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Beispiele für Häufigkeiten (2)
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik / univariate Verfahren - Häufigkeiten (1) Deskriptive
Statistik
Statistische Verfahren - univariat • Häufigkeiten • Mittelwerte • Streumaße
Beispiel – absolute/relative Häufigkeit sowie für absolute/relative Summenhäufigkeit
Aus diesem Datensatz ergeben sich folgende absolute/relative Häufigkeiten sowie absolute/relative Summenhäufigkeiten:
Beispiel – absolute/relative Häufigkeit sowie für absolute/relative Summenhäufigkeit
Aus diesem Datensatz ergeben sich folgende absolute/relative Häufigkeiten sowie absolute/relative Summenhäufigkeiten:
Alter 18-21 22-25 26-30 31-35 36-40 41-45 46-50Absolute Häufigkeit 3 2 5 4 4 0 2Relative Häufigkeit 15% 10% 25% 20% 20% 0% 10%
Alter 18-21 18-25 18-30 18-35 18-40 18-45 18-50Absolute Summenhäufigkeit 3 5 10 14 18 18 20Relative Summenhäufigkeit 15% 25% 50% 70% 90% 90% 100%
- 88 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Mittelwerte (Lagemaße): wohin tendiert eine Verteilung?
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik / univariate Verfahren - Mittelwerte (1)
Deskriptive Statistik
Statistische Verfahren - univariat • Häufigkeiten • Mittelwerte • Streumaße • Arithmetisches Mittel AM
• Ungewogenes AM:
• Gewogenes AM:
• Modus • Der Modus einer Reihe von Merkmalsausprägungen ist der Wert, der in dieser Reihe am
häufigsten vorkommt. • ( in einer Reihe von Merkmalsausprägungen kann es mehrere Modi geben!)
• Median (= Zentralwert, wobei die Merkmalsausprägungen der Reihe nach geordnet sind)
• N ist eine ungerade Zahl: Me(x) =
• N ist eine gerade Zahl: Me(x) =
∑=
=N
iix
Nx
1
1
∑==
N
iii xfx
1
21+Nx
+
+1222
1NN xx
mit: N: Anzahl der Variablenwerte
: Variablenwert an der Stelle „n“
: Mittelwert aller Merkmalswerte
: Gewichtungsfaktor x ix
ix
f
- 89 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Beispiele für Mittelwerte (1)
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik / univariate Verfahren - Mittelwerte (2)
- 90 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Beispiele für Mittelwerte (2)
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik / univariate Verfahren - Mittelwerte (3)
- 91 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Streumaße: wie variabel ist eine Verteilung? • Spannweite SW Ist die Differenz aus der größten Merkmals- ausprägung und der kleinsten Merkmalsausprägung. SW(x) = xmax - xmin
• Interquartilspanne IQS Ist die Spannweite einer Reihe, nachdem 25% der geringsten und 25% der größten
Merkmalsausprägungen ausgeschlossen wurden. IQS(x) = Q3 – Q1 • Empirische Varianz VAR Grundidee der Varianz ist es, eine Art durchschnittliche
Abweichung vom Mittelwert zu bestimmen VAR(x) = • Empirische Standardabweichung SAW Ermöglicht die Vergleichbarkeit mit Mittelwerten (Varianz hat Einheit zum Quadrat, daher nicht
geeignet zum Vergleich)
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik / univariate Verfahren - Streumaße (1) Deskriptive
Statistik
Statistische Verfahren - univariat • Häufigkeiten • Mittelwerte • Streumaße
)(xVARSAW(x) =
2
1
2
1
2 )(1)(1 xxN
xxN
N
ii
N
ii −
=− ∑∑
==
mit: N: Anzahl der Variablenwerte
: Variablenwert an der Stelle „n“
: Mittelwert aller Merkmalswerte
mit: : erstes Quartil
: drittes Quartil
1Q3Q
x ixix
- 92 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Beispiele für Streumaße
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik / univariate Verfahren - Streumaße (2)
- 93 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Beispiele für Streumaße
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik / univariate Verfahren - Streumaße (2)
- 94 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Statistische Verfahren - bivariat • Kreuztabellierung • Korrelationsmaße • einfache Regressionsanalyse
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik / bivariate Verfahren - Kreuztabellen und Korrelationsmaße (1)
Kreuztabellierung: • Einfachstes Verfahren, Zusammenhänge zu ermitteln und zu veranschaulichen.
• Hierbei werden alle möglichen Kombinationen von Merkmalsausprägungen bezüglich zweier Variablen anhand einer Matrix, der sog. Kreuztabelle, dargestellt.
• Die Häufigkeit, mit der jede Kombination auftritt, wird anschließend in die Matrix eingetragen.
Korrelationsmaße: • Wie gleichgerichtet sind zwei verschiedene Verteilungen? • Empirische Kovarianz KOV
Quantifiziert das Ausmaß des ”Gleichlaufens” zweier Merkmale
KOV(x;y)=
• Korrelationskoeffizient r Ein Korrelationskoeffizient von +1 drückt eine perfekte
Gleichläufigkeit, ein Wert von –1 dagegen eine perfekte
Gegenläufigkeit zweier
Merkmale aus.
∑=
−−N
iii yyxx
N 1]][[1
)(*)();();(
ySAWxSAWyxKOVyxr =
∑=
−N
iii yxyx
N 1
**1
mit: N: Anzahl der Variablenwerte
x: Variable x
y: Variable y
: Mittelwert aller Merkmalswerte
: Mittelwert aller Merkmalswerte
iyix
Deskriptive Statistik
x y
- 95 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik / bivariate Verfahren - Kreuztabellen und Korrelationsmaße (3) Beispiel für eine lineare Korrelation (1)
Deskriptive Statistik
Beispiel - Zusammenhang zwischen Gewicht und Größe (1)
x y x*y x² y²
1 65 166 10.790 4.225 27.556
2 76 177 13.452 5.776 31.329
3 98 185 18.130 9.604 34.225
4 52 161 8.372 2.704 25.921
5 46 165 7.590 2.116 27.225
6 51 158 8.058 2.601 24.964
7 61 164 10.004 3.721 26.896
8 65 167 10.855 4.225 27.889
9 67 174 11.658 4.489 30.276
10 74 172 12.728 5.476 29.584
11 72 181 13.032 5.184 32.761
12 74 162 11.988 5.476 26.244
13 76 175 13.300 5.776 30.625
14 81 181 14.661 6.561 32.761
15 85 182 15.470 7.225 33.124
16 58 155 8.990 3.364 24.025
17 55 165 9.075 3.025 27.225
18 63 169 10.647 3.969 28.561
19 92 179 16.468 8.464 32.041
20 87 185 16.095 7.569 34.225
Summe 1.398 3.423 241.363 101.550 587.457
x: Variable „Gewicht“
y: Variable „Körpergröße“
= 69,90
= 171,15 yx
Statistische Verfahren - bivariat • Kreuztabellierung • Korrelationsmaße • einfache Regressionsanalyse
Beispiel entnommen aus: http://www.sgipt.org/wisms/statm/kor/kurkor.htm#Der%20Korrelationskoeffizient; abgerufen am 29.09.2008
Gehen wir vom einfachsten Fall zweier Messwertreihen X (z.B. Gewicht) und Y (z.B. Körpergröße) aus. Dann gibt der Korrelationskoeffizient Auskunft darüber, wie gut sich durch die beiden Messwertreihen jeweils eine Gerade legen lässt, so dass die Quadrate der Abstände der Messwerte von der Geraden minimal werden.
- 96 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik / bivariate Verfahren - Kreuztabellen und Korrelationsmaße (2)
Beispiel für eine lineare Korrelation (2)
Deskriptive Statistik
Beispiel - Zusammenhang zwischen Gewicht und Größe (2)
Im folgenden Beispiel ergibt sich zwischen dem Körper-
gewicht und dem Körpergröße ein Korrelationskoeffizient r = 0,84.
⇒−
⇒=5,80*49,191
)15,171*9,69(20
363.241
)(*)();();(
ySAWxSAWyxKOVyxr
Statistische Verfahren - bivariat • Kreuztabellierung • Korrelationsmaße • einfache Regressionsanalyse
Beispiel entnommen aus: http://www.sgipt.org/wisms/statm/kor/kurkor.htm#Der%20Korrelationskoeffizient.; abgerufen am 29.09.2008
yxyxN
yxKOVN
iii **1);(
1−∑=
=76,10415,171*9,69
20363.241
=−=
843817,008,12476,104
972,8*83,1334,963.1115,068.12
⇒⇒−
- 97 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Einfache Regressionsanalyse Ermittlung eines Zusammenhangs zwischen
zwei Merkmalen • Regressionsgerade:
• Die einfache Regressionsanalyse baut auf der Korrelationsanalyse auf und untersucht nicht den wechselseitigen Zusammenhang zwischen zwei Variablen, sondern die einseitige Beziehung zwischen einer abhängigen und einer unabhängigen Variablen.
• Ziel der Regression ist es, die Koeffizienten a und b der Regressionsgeraden so zu bestimmen, daß die Summe der quadrierten Abstände zwischen den Schätzwerten und den wahren Werten y1 minimiert wird. (“Kleinste-Quadrate-Schätzung”)
• Die Regression versucht also eine Gerade zu bestimmen, von der alle Punkte gleich weit entfernt sind im Mittel. (→Regressionsgerade)
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik / bivariate Verfahren - einfache Regressionsanalyse (1)
Deskriptive Statistik
Statistische Verfahren - bivariat • Kreuztabellierung • Korrelationsmaße • einfache Regressionsanalyse
yxbay ˆ*ˆ 11 +=mit: a: Regressionskonstante (Schnittpunkt der Regressionsgerade mit der Y-Achse)
b: Regressionskoeffizient (Steigung der Regressionsgeraden)
x: unabhängige Variable
y: abhängige Variable
- 98 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Beispiel für eine Regressionsanalyse (1)
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik / bivariate Verfahren - einfache Regressionsanalyse (2)
Deskriptive Statistik
Statistische Verfahren - bivariat • Kreuztabellierung • Korrelationsmaße • einfache Regressionsanalyse
- 99 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Beispiel für eine Regressionsanalyse (2) Streudiagramm für die Variablen „Werbeausgaben“ und „Absatzmenge“
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik / bivariate Verfahren - einfache Regressionsanalyse (3)
Deskriptive Statistik
Statistische Verfahren - bivariat • Kreuztabellierung • Korrelationsmaße • einfache Regressionsanalyse
- 100 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
i
Beispiel für eine Regressionsanalyse (3) Deskriptive
Statistik
Statistische Verfahren - bivariat • Kreuztabellierung • Korrelationsmaße • einfache Regressionsanalyse
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik / bivariate Verfahren - einfache Regressionsanalyse (4)
- 101 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Beispiel für eine Regressionsanalyse (4)
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik / bivariate Verfahren - einfache Regressionsanalyse (5)
Deskriptive Statistik
Statistische Verfahren - bivariat • Kreuztabellierung • Korrelationsmaße • einfache Regressionsanalyse
- 102 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Beispiel für eine Regressionsanalyse (5) Erklärte und nicht erklärte Abweichung
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik / bivariate Verfahren - einfache Regressionsanalyse (6)
Deskriptive Statistik
Statistische Verfahren - bivariat • Kreuztabellierung • Korrelationsmaße • einfache Regressionsanalyse
- 103 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Kriterien zur Auswahl eines multivariaten Verfahrens:
• Untersuchungsgegenstand / Art der Untersuchungsobjekte
• Anzahl der Variablen
• Abhängigkeit zwischen den Variablen
• Daten- und Messniveau
• (Untersuchungszeitpunkt / Untersuchungszeitraum)
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik / multivariate Verfahren - Kriterien zur Auswahl eines mulitvariaten Verfahrens (1)
Deskriptive Statistik
Statistische Verfahren - multivariat • Kontigenzanalyse • Diskriminanzanalyse • Varianzanalyse • Regressionsanalyse (mehrfach) • Faktorenanalyse • Clusteranalyse • MDS • Conjoint Measurement
- 104 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Unterteilung
• Dependenzanalyse: Eine bzw. mehrere Variablen (abhängige Var. bzw.
Kriteriumsvariablen) hängen von anderen Variablen (unabhängige Var. bzw. Prediktoren) ab.
Einsatz nur, wenn ein kausaler Zusammenhang zwischen den Variablen vermutet werden kann.
Wichtigste Verfahren: Kontingenzanalyse, Diskriminanzanalyse, Varianzanalyse und multiple Regressionsanalyse
• Interdependenzanalyse:
Es erfolgt keine Unterscheidung zwischen abhängiger und unabhängiger Variablen
Wichtigste Verfahren: Clusteranalyse, Faktorenanalyse, multidimensionale Skalierung und Conjoint
Analyse
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik / multivariate Verfahren (1)
Deskriptive Statistik
Statistische Verfahren - multivariat • Kontigenzanalyse • Diskriminanzanalyse • Varianzanalyse • Regressionsanalyse (mehrfach) • Faktorenanalyse • Clusteranalyse • MDS • Conjoint Measurement
- 105 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Dependenzanalysen
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik / multivariate Verfahren (2)
Deskriptive Statistik
Statistische Verfahren - multivariat • Kontigenzanalyse • Diskriminanzanalyse • Varianzanalyse • Regressionsanalyse (mehrfach) • Faktorenanalyse • Clusteranalyse • MDS • Conjoint Measurement
Kontingenz- analyse
Varianz- analyse
Diskriminanz- analyse
Regressions- analyse
unabhängige Variable
abhä
ngig
e Va
riabl
e
met
risch
ni
cht m
etris
ch
nicht metrisch metrisch
- 106 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Interdependenzanalysen
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik / multivariate Verfahren (3)
Deskriptive Statistik
Statistische Verfahren - multivariat • Kontigenzanalyse • Diskriminanzanalyse • Varianzanalyse • Regressionsanalyse (mehrfach) • Faktorenanalyse • Clusteranalyse • MDS • Conjoint Measurement
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik / multivariate Verfahren (3)
- 107 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Hypothesentests: • Ausgangspunkt ist die Nullhypothese H0 • Gegenstück ist die Alternativhypothese H1
• Es gibt i.d.R. zwei Fragestellungen beim Hypothesentest: Mit welcher Wahrscheinlichkeit wird die Nullhypothese abgelehnt, obwohl sie richtig ist?
WievieleTreffer müssen auf einem bestimmten Signifikanzniveau „gelandet“ werden, damit die Nullhypothese angenommen werden kann?
• Termini: α-Fehler = Fehler 1.Art = H0 richtig aber abgelehnt (Irrtumswahrscheinlichkeit)
β-Fehler = Fehler 2.Art = H0 falsch aber angenommen
übliche Werte für α: ≤0,01 hochsignifikant
≤0,05 signifikant
Gesamtfehler = p*α + (1-p)*β
1-α = Sicherheitswahrsch. bzw. statist. Sicherheit
Vergrößerung des Annahmebereichs bewirkt eine Verkleinerung des α-Fehlers
Erhobene Daten analysieren und interpretieren: Induktive Statistik (1)
Induktive Statistik
Statistische Verfahren - Induktiv • Hypothesentests
- 108 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Beispiel Hypothesentest:
Erhobene Daten analysieren und interpretieren: Induktive Statistik (2)
Induktive Statistik
Statistische Verfahren - Induktiv • Hypothesentests
- 109 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Verteilungstests:
Weitere Ausgewählte Testverfahren (Parametertest) siehe Nieschlag, Dichtl, Hörschgen, 1997, S. 770
Erhobene Daten analysieren und interpretieren: Induktive Statistik (3)
Verteilungstest Art des Tests Anpassungs- test Unabhängig- keitstest
Null- hypothese V(x) = V0(x) (V0(x) ist eine genau spezifi- zierte Vertei- lung der Grundgesamt- heit) x, y sind von- einander un- abhängig
Skalen- niveau mindestens nominal- skalierte Daten mindestens nominal- skalierte Daten
Voraussetzungen Ej > 5 für alle j = 1,…,m (bei Gültigkeit der Null- hypothese zu erwartende Häufigkeit in den einzelnen Ausprägungs- klassen) Eij > 5 für alle i = 1,…,k und j = 1,…., l (bei Unabhängigkeit zu erwartende Häufigkeit der einzelnen Merkmals- kombinationen)
Prüffunktion χ2
m = Anzahl der Ausprä- gungsklassen (Intervalle) nj = tatsächliche Anzahl der Beobachtungen im j-ten Intervall χ2
nij = tatsächliche Häufig- keit der Merkmalskombi- nationen (xi, yj)
Verteilung der Prüffunktion χ2 –Verteilung mit v = m – 1 Freiheitsgraden χ2 –Verteilung mit v = (k – 1) * (l – 1) Freiheitsgraden
emp ∑ = m
j=1
(nj – Ej)2
Ej
emp ∑ = k
i=1
(nij – Eij)2
Eij
∑ l
j=1
Induktive Statistik
Statistische Verfahren - Induktiv • Hypothesentests
- 110 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Daten interpretieren
• Erläuterung der Zusammenhänge und Begutachtung der erhobenen, aufbereiteten und
ausgewerteten Daten • Beantwortung der dem Projekt zugrunde liegenden Problemstellung • Formulierung Handlungsempfehlungen zur Unterstützung der Entscheidungsfindung
komprimieren – > die wichtigsten Erkenntnisse zusammenfassen
pointieren – > aussagekräftige Ergebnisse hervorheben
kombinieren – > Gesetzmäßigkeiten ableiten und herausstellen
begutachten – > Aussage und Signifikanz der Ergebnisse bewerten
formulieren – > Ergebnisse auf konkrete Problemstellung übertragen
Erhobene Daten analysieren und interpretieren (1)
- 111 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Agenda
Der Marketingforschungsprozess im Überblick
Untersuchungsziel erkennen und definieren - Phase 1
Die Rolle der Information im Marketing / Definition Marketingforschung
Forschungsplan erstellen und Daten erheben - Phase 2
Erhobene Daten analysieren und interpretieren - Phase 3
Ergebnisse präsentieren und kommunizieren - Phase 4
Klausurbeilage
- 112 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Ergebnisse präsentieren und kommunizieren • Erstellung eines Ergebnisdokumentes (Ausrichtung an der Problemstellung und den Zielen des
Auftraggebers) • Elemente eines Ergebnisdokumentes:
Inhaltsverzeichnis
Projektplan und Projektrahmenbedingungen
Problemstellung, Burning Platform (Ausgangssituation) und Untersuchungsziele
Management Summary (wichtigste Ergebnisse der Untersuchung zusammengefasst)
Methodik der Untersuchung
Marketingforschungsplan
Darstellung und Interpretation der Untersuchungsergebnisse
Schlussfolgerungen und Handlungsempfehlungen
Anhang
Ergebnisse präsentieren und kommunizieren (1)
- 113 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Agenda
Der Marketingforschungsprozess im Überblick
Untersuchungsziel erkennen und definieren - Phase 1
Die Rolle der Information im Marketing / Definition Marketingforschung
Forschungsplan erstellen und Daten erheben - Phase 2
Erhobene Daten analysieren und interpretieren - Phase 3
Ergebnisse präsentieren und kommunizieren - Phase 4
Klausurbeilage
- 114 -
© Prof. Dr. Andrea E. Raab Hochschule Ingolstadt
Klausurbeilage
Korrelationsmaße:
∑=
−−N
iii yyxx
N 1]][[1
)(*)();();(
ySAWxSAWyxKOVyxr =KOV(x;y)=
Einfache lineare Regression:
yxbay ˆ*ˆ 11 += xbay *+=
−−
=−
−=
∑∑
∑∑∑ ∑∑
2222 ***
)()())(()(
xnxyxnyx
xxnyxyxn
bi
ii
ii
iiii
Stichprobenberechnungen:
Sicherheitskoeffizient
1,00 1,96 2,00 2,58 3,00 3,29
Korrespondierende Irrtumswahrscheinlichkeit (in %)
31,73 5,00 4,55 1,00 0,27 0,10
Klausurbeilage
nt
ntte x
2** σσσ ===
Heterograder Fall Homograder Fall
2
22
etn σ⋅
≥⇒ 2
2
eqptn ⋅⋅
≥⇒
mit: n: Stichprobenumfang t: Sicherheitsfaktor p: Anteil der Merkmalsträger in der Stichprobe, welche die gesuchte Merkmalsausprägung aufweisen. q: Anteil der Merkmalsträger in der Stichprobe, welche die gesuchte Merkmalsausprägung nicht aufweisen. e: größter zulässiger Fehler (Stichprobenfehler) : Standardabweichung : Varianz
xσ2σ