schung. Studienskript....Marktforschung gehört zu den am längsten etablierten Teilgebieten der...

Marktforschung.

Studienskript.Betriebswirtschaftslehre (B.A.) – BMFO01

www.iubh-fernstudium.de2

Impressum

© 2013 Internationale Hochschule Bad Honnef GmbHDieser Lehrbrief ist urheberrechtlich geschützt. Alle Rechte vorbehalten. Dieser Lehrbrief darf in jeglicher Form ohne vorherige schriftliche Genehmigung der Internationalen Hochschule Bad Honnef nicht reproduziert und / oder unter Verwendung elektronischer Systeme verarbeitet, vervielfältigt oder verbrei-tet werden.

Impressum

Herausgeber: Internationale Hochschule Bad Honnef · BonnInternational University of Applied SciencesFernstudiumZenostr. 683435 Bad Reichenhall

[email protected]

BMFO01 4. Semester BachelorVersion Nr. 001-2013-0607


Wissenschaftliche Leitung

Prof. Dr. Maren Weber

Wissenschaftliche Leitung

Dr. Maren Weber unterrichtet seit 2009 im Bereich Wirtschaft mit dem Schwerpunkt Marketing an den Universitäten IUBH Bad Honnef und Bad Reichenhall sowie an der Adam-Ries-Fachhochschule. Sie hat einen Master und Doctorate in internationaler Betriebswirtschaft von amerikanischen Fakultäten.

Vor der Lehrtätigkeit arbeitete Frau Weber über 11 Jahre im Bereich Pro-dukt- und Marketing Management für die Firmen Gore-Tex und Dornier. Sie kann durch Ihre Tätigkeiten auf sehr viel Praxiserfahrung vor allem im internationalen Marketing und Management zurückgreifen.


Inhalt

InhaltsverzeichnisMarktforschung

Wissenschaftliche Leitung ......................................................................... 3

Inhaltsverzeichnis ....................................................................................... 4

EinleitungMarktforschung 9

Wegweiser durch das Skript ......................................................................10

Übergeordnete Lernziele ...........................................................................12

Weiterführende Literatur ......................................................................... 13

Lektion 1Grundlagen der Marktforschung 17

1.1 Definition und Bezug zum Marketing ................................................18

1.2 Aufgaben und Prozess der Marktforschung ................................... 21

1.3 Anbieter und Nutzer von Marktforschungsdaten ............................ 24

Lektion 2Überblick: Wahl des Forschungsansatzes; explorative, deskriptive und kausale Studien 29

2.1 Überblick: Wahl des Forschungsansatzes ...................................... 30

2.2 Explorative Studien .......................................................................... 33

2.3 Deskriptive Studien .......................................................................... 35


InhaltsverzeichnisInhaltsverzeichnis

Lektion 3Wahl der Erhebungsmethode: Sekundärforschung 39

3.1 Vor- und Nachteile, Informationsquellen der Sekundärforschung ......................................................................... 40

3.2 Systemplattformen im Rahmen der Marktforschung ..................... 42

3.3 Praktischer Nutzen der Marktforschung am Beispiel Porsche ........................................................................ 45

Lektion 4Wahl der Erhebungsmethode: Primärforschung I 49

4.1 Verfahren der Primärforschung .......................................................51

4.2 Verfahren der Primärforschung: Befragung und Exploration ........ 52

4.3 Verfahren der Primärforschung: Gruppendiskussionen, Tiefeninterviews und Experimente .................................................. 54

Lektion 5Wahl der Erhebungsmethode: Primärforschung II 59

5.1 Verfahren der Primärforschung: Beobachtung .............................. 60

5.2 Verfahren der Primärforschung: Online-Befragungen ................... 63

5.3 Verfahren der Primärforschung: Panels und Trendstudien ........... 66


Inhalt

Lektion 6Messtheoretische Grundlagen, Skalierung, Operationalisierung der Variablen 71

6.1 Begriffe ............................................................................................. 72

6.2 Messniveaus ...................................................................................... 75

6.3 Skalierung ........................................................................................ 79

6.4 Operationalisierung der Variablen ................................................... 82

Lektion 7Aufbereitung der Daten 83

7.1 Redigierung bzw. Editierung der vorliegenden Erhebungsbögen .............................................................................. 84

7.2 Codierung von Erhebungsbögen ...................................................... 87

7.3 Fehlerkontrolle ................................................................................ 91

7.4 Umgang mit fehlenden Daten .......................................................... 93

Lektion 8Deskriptive Datenanalyse; uni-/bivariate Verfahren 95

8.1 Univariate Verfahren ........................................................................ 97

8.2 Bivariate Verfahren .........................................................................102


Inhaltsverzeichnis

Lektion 9Multivariate Analyseverfahren 107

9.1 Dependenzanalyse ..........................................................................108

9.2 Interdependenzanalyse ...................................................................113

9.3 Fehlerquellen bei multivariaten Analysen ..................................... 116

Lektion 10Multivariates Verfahren zur Datenanalyse am Beispiel Kundenzufriedenheit 119

10.1 Besonderheiten bei der Ermittlung der Kundenzufriedenheit .......................................................................120

10.2 Zu berücksichtigende Elemente für den Fragebogen ....................121

10.3 Der fertige Fragebogen ...................................................................125

Anhang 1Literaturverzeichnis 133

Anhang 2Abbildungsverzeichnis 137

Einleitung

Marktforschung


Einleitung

Wegweiser durch das Skript

Herzlich willkommen!

Dieses Skript enthält den gesamten Lernstoff Ihres Kurses und bildet damit die inhaltliche Grundlage Ihres Fernstudiums. Ergänzend zum Skript stehen Ihnen zahlreiche weitere Medien wie Podcasts, Vodcasts oder Web Based Trainings (WBT) zur Verfügung, mit deren Hilfe Sie sich Ihren individuellen Lern-Mix zusammenstellen können. Auf diese Weise können Sie sich den Stoff in Ihrem eigenen Tempo aneignen und dabei auf lerntypspezifische Anforderungen Rücksicht nehmen.

Die Inhalte sind nach didaktischen Kriterien in Lektionen aufgeteilt, wobei jede Lektion aus mehreren Lernzyklen besteht. Jeder Lernzyklus enthält jeweils nur einen neuen inhaltlichen Schwerpunkt. Auf diese Weise können Sie neuen Lernstoff schnell und effektiv zu Ihrem bereits vorhandenen Wissensgrundstock hinzufügen.

Am Ende eines jeden Lernzyklus finden Sie Fragen zur Selbstkontrolle. Mit Hilfe der Selbst-kontrolle können Sie eigenständig und ohne jeden Druck überprüfen, ob Sie die neuen Inhalte schon verinnerlicht haben. Die Lösungen zu den Fragen finden Sie auf der Lernplattform CLIX.

Wenn Sie eine Lektion komplett bearbeitet haben, können Sie Ihr Wissen in CLIX unter Beweis stellen. Über automatisch auswertbare Fragen erhalten Sie ein direktes Feedback zu Ihren Lernfortschritten. Die Wissenskontrolle gilt als bestanden, sobald Sie mindestens 80 % der Fragen richtig beantwortet haben.

Sollte das einmal nicht auf Anhieb klappen, können Sie die Tests so oft wiederholen, wie Sie wollen. Es gibt keinerlei Beschränkungen und die Ergebnisse der Wissenskontrolle haben kei-nen Einfluss auf Ihre Endnote. Sie können also ganz unverkrampft lernen, üben und Ihre Fortschritte elektronisch überprüfen.

Haben Sie die Wissenskontrolle für sämtliche Lektionen gemeistert, gilt der Kurs als abge-schlossen. Sobald Sie alle Kurse eines Moduls abgeschlossen haben, können Sie sich für die Abschlussklausur anmelden.


Wegweiser durch das Skript

Im Skript werden Sie immer wieder auf Icons stoßen, die auf zusätzliches Material hinweisen oder Ihnen die Orientierung erleichtern. Diese Icons umfassen:

Evaluierung

Weiterführende Literatur

Pflichtliteratur

Zu diesem Thema gibt es einen Podcast. Sie finden ihn auf der Lernplattform CLIX.

Zu diesem Thema gibt es einen Vodcast.Sie finden ihn auf der Lernplattform CLIX.

? Prüfen Sie Ihren Wissensstand!Hier finden Sie Fragen zur Selbstkontrolle.

! Jetzt sind Sie gefordert. Hier gilt es, eine Aufgabe zu lösen.

eDieser Text ist auch als E-Book erhältlich.

Für diese Lektion gibt es ein WBT.Sie finden es auf der Lernplattform CLIX.

CLIXSie haben die Lektion fertig bearbeitet. Nun ist es an der Zeit, auf der Lernplattform CLIX die Wissenskontrolle zu meistern und sich für die Klausur zu qualifizieren.

Und jEtzt viEL ErFOLg Und SpASS BEiM LErnEn!

p

p


Einleitung

Übergeordnete LernzieleMit dem Kurs Marktforschung können Sie Ihr Managementwissen weiter ausbauen und vertiefen.

Hier erfahren Sie Wissenswertes über die Grundlagen der Marktforschung und vieler relevanter Entscheidungsprozesse im Marketing. Außerdem lernen Sie, welche Aufgaben der Marktforschung zugeordnet sind und welche Organisationen Marktforschungsdaten anbieten und nachfra-gen. Zusätzlich zu den bereits vermittelten Kenntnissen erfahren Sie Wissenswertes über die qualitativen und quantitativen Methoden der Marktforschung. Neben der Wahl des Forschungsansatzes lernen Sie die wichtigsten Erhebungsmethoden und deren Vor- und Nachteile. Hier erhalten Sie einen tieferen Einblick in die Primär- und Sekundärfor-schung.

Danach wird auf die messtheoretischen Grundlagen mit den Begriff-lichkeiten, Messniveaus, Skalierungen und Operationalisierungen ein-gegangen. Die Aufbereitung und die Analyse der Daten runden dieses Studienskript ab.



Weiterführende LiteraturAltobelli, C. (2011): Marktforschung, Methoden – Anwendungen – Praxisbeispiele. 2., überarb. und erw. Aufl., UVK Verlagsgesellschaft, Konstanz et al., S. 21–30, 214–219.

Altobelli, C. / Hoffmann, S. (2011): Grundlagen der Marktforschung. UVK Verlagsgesellschaft, Konstanz et al., S. 1–18.

American Marketing Association (2013): Definition of Marketing. (URL: http://www.marketingpower.com/AboutAMA/Pages/DefinitionofMarketing.aspx [letzter Zugriff 08.01.2013]).

Berekoven, L. / Eckert, W. / Ellenrieder, P. (2009): Marktforschung: Methodische Grundlagen und praktische Anwendung. 12., überarb. und erw. Aufl., Gabler / GWV, Wiesbaden, S. 1–22, 63–79, 85–97, 187–199, 199–219.

Broda, S. (2006): Marktforschungspraxis. Konzepte, Methoden, Erfahrungen. Gabler / GWV Fachverlage, Wiesbaden, S. 97–109; Kap. 1 u. 5.

Brosius, H.-B. / Koschel, F. / Haas, A. (2009): Methoden der empirischen Kommunikationsforschung. Eine Einführung. 5. Aufl., VS Verlag für Sozialwissenschaften / DWV Fachverlage, Wiesbaden, Kap. 11 u. 12.

Bruhn, M. (2012): Marketing ‒ Grundlagen für Studium und Praxis. 11. Aufl., Gabler, Wiesbaden, Kap. 4.

Churchill, G. A. / Brown, T. J. / Suter, T. A. (2010): Basic Marketing Research. 7th ed., South-Western, Kap. 5, 6, 18, 19 u. 20.

Dresselhaus, D. (2000): Kundenbindung in der Automobilbranche: Das Kundenbindungssystem der Dr. Ing. h.c. F. Porsche AG. In: Bruhn, M. / Homburg, C. (Hrsg.): Handbuch Kundenbindungsmanagement: Grundlagen – Konzepte – Erfahrungen. 3. Aufl., Wiesbaden, S. 735–754.


Einleitung

Düsing, R. (2006): Knowledge Discovery in Databases. Begriff, Forschungsgebiet, Prozess und System. In: Chamoni, P. / Gluchowski, P. (Hrsg.): Analytische Informationssysteme. Business Intelligence-Technologien und -Anwendungen. 3., vollst. überarb. Aufl., Berlin et al., S. 241–262.

Gnambs, T. / Batinic, B. (2011): Qualitative Online-Forschung. In: Naderer, G./Balzer, E. (Hrsg.): Qualitative Marktforschung in Theorie und Praxis. Grundlagen – Methoden – Anwendungen. 2. Aufl., Gabler, Wiesbaden, S. 386–404.

Günther, M. / Vossebein, U. / Wildner, R. (2006): Marktforschung mit Panels: Arten – Erhebung – Analyse – Anwendung. Gabler, Wiesbaden, S. 1 –72.

Helmke, S. / Uebel, M. / Brinker, D. (2004): Kundenzufriedenheitsanalyse als CRM-Instrument für ein Unternehmen der Tourismusbranche. In: Uebel, M. / Helmke, S. / Dangelmaier, W. (Hrsg.): Praxis des Customer Relationship Management. Branchenlösungen und Erfahrungsberichte. 2. Aufl., Gabler, Wiesbaden, S. 355–374.

Homburg, C. / Fürst, A. (2006): Überblick über die Messung von Kundenzufriedenheit und Kundenbindung. In: Bruhn, M. / Homburg, C. (Hrsg.): Handbuch Kundenbindungsmanagement. Strategien und Instrumente für ein erfolgreiches CRM. 6., überarb. und erw. Aufl., Gabler, Wiesbaden, S. 609–642.

Hüttner, M. / Schwarting, U. (2010): Grundzüge der Marktforschung. Elektr. Ausgabe, 7. überarb. Aufl., Oldenbourg/München et al., Kap. 5 u. 7.

Iacobucci, D. / Churchill, G. A. (2010): Marketing Research. Methodological Foundations. 10th ed., South- Western, Kap. 4, 6, 7 u. 15.

Kuß, A. (2012): Marktforschung: Grundlagen der Datenerhebung und Datenanalyse. 4., überarb. Aufl., Springer /Gabler, Wiesbaden, S. 1–10, 133–144, 145–176; Kap. 2, 6 u. 8.



Meffert, H. / Burmann, Ch. / Kirchgeorg, M. (2008): Marketing. Grundlagen marktorientierter Unter-nehmensführung. Konzepte – Instrumente – Praxisbeispiele. 10., vollst. überarb. u. erw. Aufl., Gabler, Wiesbaden, S. 832–839.

Olbrich, R. / Battenfeld, D. / Buhr, C.-Ch. (2012): Marktforschung. Ein einführendes Lehr- und Übungsbuch. Springer, Berlin et al., S. 47–54, 94–106, 108–158; Kap. 4.4.

Puttfarcken, J. (2008): Fallstudie Dr. Ing. h.c. F. Porsche AG: Konzeption und Implementierung des Kundenbin-dungsmanagements bei einem exklusiven Sportwagenhersteller. In: Bruhn, M. / Homburg, C. (Hrsg.): Handbuch Kundenbindungsmanagement. Strategien und Instrumente für ein erfolgreiches CRM. 6., überarb. u. erw. Aufl., Wiesbaden, S. 863–886.

Raab, G. / Unger, A. / Unger, F. (2009): Methoden der Marketing-Forschung. Grundlagen und Praxisbeispiele. 2., überarb. Aufl., Gabler, Wiesbaden, S. 195–228, 229–262.

Schnell, R. / Hill, P. B. / Esser, E. (2008): Methoden der empirischen Sozialforschung. 8. Aufl., Oldenbourg, München, Kap. 5.

Schöneck, N. / Voß, W. (2005): Das Forschungsprojekt. Planung und Durchführung einer quantitativen Studie. VS Verlag für Sozialwissenschaften, Wiesbaden, Kap. 8.

Lektion 1

Grundlagen der Marktforschung

LErnziELE

Nach der Bearbeitung dieser Lektion werden Sie wissen, ...

… wie Marktforschung definiert ist.

… welche Entscheidungsprozesse im Marketing relevant sind.

… welche Aufgaben die Marktforschung hat.

… wer Marktforschungsdaten anbietet und nachfragt.


1. Grundlagen der Marktforschung

Lektion 1

Sie sind neu in der Marketingabteilung des Sportartikelherstellers „Noke“. Es ist geplant, einen innovativen Sportschuh einzuführen, der Eigenschaften umfasst, die sowohl für das Jogging als auch für das Trekking vorteilhaft sind. Das Management ist daran interessiert, ob es hierfür einen ausreichend großen Markt, das heißt genügend Nachfrager gibt, die solch einen Schuh kaufen würden. Diese Frage soll mittels einer Marktforschungsstudie geklärt werden. Da Sie sich bislang mit dieser Thematik noch nicht befasst haben, möchten Sie sich über grundle-gende Aspekte der Marktforschung informieren. In diesem Zusammenhang ergeben sich für Sie folgende grundlegende Fragen:

• Was genau ist Marktforschung und was ist Marketingforschung?

• In welche Phasen lässt sich das Marketing untergliedern?

• Welche Aufgaben hat hierauf aufbauend die Marktforschung?

• Wie gestaltet sich der Prozess der Marktforschung?

• Wer sind Anbieter und Nutzer von Marktforschungsdaten? Wo kann solch eine Studie gegebenenfalls beauftragt werden?

1.1 Definition und Bezug zum Marketing

Grundlagen

Marktforschung gehört zu den am längsten etablierten Teilgebieten der Marketingwissenschaft und ist untrennbar mit Marketing verbunden (Kuß 2012, S. 1), weshalb auch häufig von Marketingforschung gesprochen wird. Allerdings zeigt die nachfolgende Abbildung, dass sich Marktforschung und Marketingforschung nur in Teilbereichen decken:

Abgrenzung von Marktforschung und Marketingforschung

Marktforschung

Marktinformationen Umwelt-informationen

Interne Informationen

Beschaffungs-marktforschung

Absatzmarkt-forschung

Marketingforschung

Jedoch verweisen einige Autoren darauf, dass die weitere Entwicklung und der Stand des heu-tigen Marketings diese Unterscheidung nicht mehr sinnvoll erscheinen lassen, da gemäß der Konzeption des integrierten Marketings Maßnahmen des Marketings nicht nur auf Absatz-märkte ausgerichtet sind, sondern alle Austauschbeziehungen des Unternehmens umfassen. Entsprechend werden die Begriffe Marktforschung und Marketingforschung in diesem Skript synonym verwendet.

Aus der Praxis



Eine einheitliche Definition für Marktforschung existiert nicht. Eine breit akzeptierte Defi-nition stammt von der American Marketing Association (2013):

„Marketing research is the function that links the consumer, customer, and public to the mar-keter through information used to identify and define marketing opportunities and problems; generate, refine, and evaluate marketing actions; monitor marketing performance; and improve understanding of marketing as a process. Marketing research specifies the information requi-red to address these issues, designs the method for collecting information, manages and imple-ments the data collection process, analyzes the results, and communicates the findings and their implications.“

Bei der Marktforschung geht es also vor allem um die Informationsbeschaffung, die dazu dient Marketingchancen und -probleme zu erkennen, geeignete Marketingmaßnahmen zu entwickeln, zu modifizieren und zu überprüfen, den Marketingerfolg an sich zu überprüfen sowie den Marketingprozess zu verstehen und zu verbessern.

Entscheidungsprozesse im Marketing lassen sich in fünf idealtypische Hauptphasen einteilen (Berekoven / Eckert / Ellenrieder 2009, S. 20), wie die nachfolgende Abbildung veranschaulicht:

Die eigentliche Entscheidung wird in der dritten und vierten Phase getroffen, sodass diese von besonderer Bedeutung sind.

Ziel der Markt-forschung: Zeit gerechte Bereitstellung entscheidungs-relevanter Infor-mationen für die Entscheidungs-träger unter Berücksichtigung finanzieller, personeller, zeitlicher und rechtlicher Restriktionen

Hauptphasen der Entscheidungsprozesse im Marketing

Planung

1Erkennen und Definition des

Problems

2Entwicklung

von Lösungs-alternativen

3Bewertung

der Lösungs-alternativen

KontrolleOrganisation / Umsetzung

4Realisierung der Lösungs-

alternative

5Überprüfung des Lösungserfolgs


Lektion 1

Planung

Am Beginn des Planungsprozesses stehen zunächst das Erkennen und die Definition des Problems. Marketing bedeutet die ständige Analyse von Risiken und das Suchen nach Chan-cen, z. B. in neuen Produkten oder Märkten. „Verschläft“ ein Unternehmen einen Trend, kann dies schwerwiegende Konsequenzen nach sich ziehen. Als Beispiel lässt sich hier das Unterneh-men Nokia anführen, welches lange auf dem Handymarkt führend war und viel zu spät die Bedeutung der Smartphones erkannt hat.

Für die Definition und Analyse ist eine gründliche Untersuchung unternehmensinterner Stär-ken und Schwächen sowie externer Daten erforderlich. Alle relevanten Informationen in Bezug auf vergangene und gegenwärtige Verhältnisse sind zu sammeln und hierauf aufbauend sind Prognosen zu erstellen, die naturgemäß mit Unsicherheiten behaftet sind.

Sofern die Rahmenbedingungen festgelegt wurden, können in einem nächsten Schritt Lösungs-alternativen entwickelt werden. Diese müssen mit den Unternehmenszielen abgestimmt wer-den. Anschließend müssen die Lösungsalternativen bewertet und eine zieloptimale Alternative gewählt werden. Diese dritte Phase ist die eigentliche Entscheidung. Für die Bewertung von Alternativen müssen Wirkungen einzelner Alternativen prognostiziert werden. In Abhängig-keit der eingesetzten Unternehmensstrategien sind hierfür Informationen über Markt, Struk-tur sowie das Verhalten der Marktteilnehmer erforderlich.

Organisation / Umsetzung

Im Rahmen der Organisation bzw. Umsetzung findet in einem vierten Schritt die Realisierung der gewählten Lösungsalternative statt. Dies geschieht in folgenden Teilschritten (Berekoven /Eckert / Ellenrieder 2009, S. 20):

• Beschreibung der gesamten Alternative

• Analyse der Alternative in Teilaufgaben

• Zuordnung der Teilaufgaben an Aufgabenträger einschließlich der Zuweisung von Kompetenz und Verantwortung

• Synthese, das heißt Ordnung der Beziehung zwischen den einzelnen Aufgabenträgern zum Zwecke der Koordination der einzelnen Marketingmaßnahmen

Kontrolle

Es schließt sich die fünfte Phase an, in welcher im Rahmen der Kontrolle der Lösungserfolg zu überprüfen ist. Üblicherweise geschieht dies durch einen Soll-Ist-Vergleich. Kontrolle bedeu-tet aber nicht nur die Erfolgsmessung von Entscheidungen, sondern auch die Analyse der Ursachen von Planabweichungen. Kontrolle setzt somit Informationen über die geplanten (Soll-Werte) sowie die erzielten Ergebnisse (Ist-Werte) voraus. Hierfür eignen sich vor allem Kennzahlen, in denen Informationen verdichtet dargestellt werden und die sich einfach ope-rationalisieren lassen.

Planung: Erkennen und Definition des Problems; Entwickeln und Bewerten von Lösungs-alternativen



Fragen zur Selbstkontrolle

1. Ergänzen Sie den folgenden Satz:

Marktforschung ist die systematische und zielgerichtete ,

, und Interpretation von Informationen

über Märkte.

2. Welche Aussagen in Bezug auf die Entscheidungsprozesse im Marketing sind richtig?

o In der Phase der Planung werden Lösungsalternativen entwickelt.

o In der Phase der Planung werden Lösungsalternativen realisiert.

o In der Phase der Planung wird der Lösungserfolg überprüft.

o In der Phase der Planung erfolgt zunächst die Problemdefinition.

1.2 Aufgaben und Prozess der Marktforschung

Aufgaben

Aus der Definition für die Marktforschung und die Entscheidungsprozesse des Marketings lassen sich die wesentlichen Aufgaben der Marktforschung ableiten (Altobelli / Hoffmann 2011, S. 7):

• Zunächst hat Marktforschung eine Innovationsfunktion, das heißt, Chancen und Trends, welche die Märkte und die Umwelt bieten, sollen erkannt werden.

• Eine Frühwarnfunktion stellt die Marktforschung ebenfalls zur Verfügung, denn Risiken müssen frühzeitig erkannt werden, um notwendige Entscheidungs- und Änderungspro-zesse einzuleiten.

• Marktforschung hat eine Intelligenzverstärkungsfunktion, was bedeutet, dass durch Förderung von Methodenkenntnissen und des Wissens über marktrelevante Zusammen-hänge die Willensbildung in der Unternehmensführung unterstützt wird.

• Des Weiteren lässt sich eine Unsicherheitsreduktionsfunktion herleiten, da zuverlässige Informationen die Wahrscheinlichkeit erhöhen, richtige Entscheidungen zu treffen.

• Die Strukturierungsfunktion der Marktforschung bedeutet eine planvolle, systematische Vorgehensweise, die das Verständnis unterstützt und Qualität und Effizienz der Marke-tingplanung erhöht.

• Selektionsfunktion bedeutet, dass aus der Vielzahl der gewonnenen Informationen die relevanten Sachverhalte herausgefiltert und aufbereitet werden müssen.

• Schließlich besitzt Marktforschung eine Prognosefunktion, das heißt, sie kann Verände-rungen des marketingrelevanten Umfeldes aufzeigen, und Auswirkungen auf das eigene Geschäft können analysiert werden.

?Prüfen Sie Ihren WissensstandMusterlösungenbefinden sich aufder LernplattformCLIX.

Marktforschung hat Innovations-funktion, Früh warn funktion, Intelligenzverstär-kungsfunktion, Unsicherheitsre-duktionsfunktion, Strukturierungs-funktion, Selek-tionsfunktion, Prognosefunktion.


Lektion 1

Prozess der Marktforschung

Wie genau sieht nun der Prozess der eigentlichen Marktforschung aus, welcher den Entschei-dungsträgern im Unternehmen die benötigten Informationen bereitstellt?

(1) Phase der Problemformulierung

Üblicherweise werden theoretische Überlegungen überprüft, indem im Marktforschungspro-zess zunächst eine entscheidungsgerichtete Planung stattfindet. Auf Grundlage erster Beschrei-bungen der Realität sowie theoretischer Überlegungen werden grundlegende Hypothesen zur Erklärung von Erkenntnismustern in der Realität aufgestellt. Das Forschungsproblem wird formuliert, und das konkrete Forschungsziel wird abgeleitet. Oftmals werden lediglich Rich-tungen, nicht jedoch konkrete Ausprägungen verwendeter Größen prognostiziert. Es ist wich-tig, dass die vom Unternehmensbereich Marketing aufgeworfenen Fragen von den Marktfor-schern richtig und vollständig aufgenommen werden.

(2) Phase der Auswahl der Marktforschungsmethode

Hierbei wird definiert, welche Daten und in welcher Form diese Daten erhoben werden sollen (z. B. mittels Sekundär- oder Primärforschung). (Vergleiche hierzu ausführlicher Lektionen 3 bis 5).

(3) Durchführung der Marktforschungsstudie

Grundlegende Hypothesen werden mittels empirischer Untersuchungen in Form von Hypo-thesengerüsten konkretisiert und mithilfe von Datenmaterial aus den zu untersuchenden Märkten geprüft. Für die Datengewinnung ist der Erhebungsrahmen zu gestalten, beispiels-weise ein Fragebogen zu entwickeln oder ein experimentelles Design zu entwerfen. Bei der Konzeption der Gewinnung sollte bereits berücksichtigt werden, welche verschiedenen Ver-fahren der Datenanalyse zur Verfügung stehen, um die gewonnenen Daten auszuwerten.

(4) Dokumentation der Marktforschungsergebnisse

Die gewonnenen Daten müssen schließlich aufbereitet und analysiert werden. Bei der Daten-interpretation müssen unter anderem die Gründe für Abhängigkeiten im Datenmaterial untersucht und verschiedene Einzelergebnisse zu Hauptergebnissen verdichtet werden.

(5) Diskussion der Marktforschungsergebnisse

Marktforschung dient nicht dem Selbstzweck, sondern zur Fundierung von Marketingent-scheidungen. Entsprechend müssen die Erkenntnisse diskutiert und entscheidungsgerichtet verwendet werden.

Der idealtypische Prozess der Markt-forschung umfasst fünf Phasen.



Prozess der Marktforschung

Fragestellungen Themenstrukturierung

Problemformulierung

Stichprobenplanung Erhebungsinstrumente

Auswahl der Marktforschungsmethode

Datengewinnung Datenanalyse

Durchführung der Marktforschungsstudie

Dateninterpretation Datenpräsentation

Dokumentation der Marktforschungsergebnisse

Fundierung von Marketingentscheidungen


Lektion 1


1. Nennen Sie fünf wesentliche Aufgaben der Marktforschung.

2. Welche Aussagen in Bezug auf den Prozess der Marktforschung sind richtig?

o In der Phase der Problemformulierung werden Hypothesen gebildet.

o In der Phase der Problemformulierung wird das Forschungsproblem formuliert.

o In der Phase der Problemformulierung findet die Datenanalyse statt.

o In der Phase der Problemformulierung werden Hypothesen durch empirische Untersuchungen konkretisiert.

o In der Phase der Problemformulierung werden Daten gewonnen.

1.3 Anbieter und Nutzer von Marktforschungsdaten

Im Folgenden werden zunächst einige Nutzer von Marktforschungsdaten sowie Beispiele ver-wendeter Marktforschungsdaten vorgestellt. Typische Nutzer der Marktforschung sind (Kuß 2012, S. 5f.):

Hersteller von Konsumgütern: Typischerweise existieren hier große Märkte mit einer Viel-zahl von Konsumenten, zu denen keine direkten Kontakte bestehen. Daher sind laufende Veränderungen der Marktverhältnisse durch Konkurrenzaktivitäten, Geschmacksveränderun-gen etc. gegeben und erfordern kontinuierliche Messungen.

Business-to-Business-Anbieter: Aufgrund verbreiteter direkter Marktkontakte (z. B. durch persönlichen Verkauf ) ist die Marktforschung hier von etwas geringerer Bedeutung.

Dienstleistungsunternehmen (z. B. Banken, Versicherungen): Typischerweise verfügen Dienstleister über direkte Kundenkontakte und erhalten somit Informationen ihrer Kunden, die auch gespeichert werden können. Vor allem Messungen der Kundenzufriedenheit sind bei Dienstleistern von besonderer Relevanz.

Non-Profit-Organisationen (z. B. Theater, Museen): Sie führen nur selten und nur punktu-ell Marktforschung durch, unter anderem, weil die Kundenorientierung teilweise noch nicht stark ausgeprägt ist und keine entsprechenden Budgets vorhanden sind.




Der Einzelhandel kann sich zum Großteil auf selbst erhobene Daten (nicht zuletzt Scanner- Daten) über Abverkäufe, Reaktionen auf Sonderangebote etc. stützen und hat naturgemäß zahlreiche direkte Kundenkontakte.

Werbeagenturen: Agenturen nutzen Marktforschung zum Test der Wirksamkeit von Werbe-mitteln sowie zur Messung der Werbewirkung.

Medien (z. B. Verlage, Fernsehsender): Medienunternehmen nutzen Marktforschung – wie Anbieter anderer Produkte auch – zur Bestimmung von Zielgruppen, zur Messung von Ver-breitungsgraden und Einschaltquoten, bei der Entwicklung neuer Zeitschriften, Sendeformate etc. Außerdem wird eine intensive Medienforschung (Anzahl und Zusammensetzung von Lesern und Zuschauern) betrieben, die nicht zuletzt dazu dient, Werbekunden Daten für ihre Entscheidungen zu liefern.

Staatliche Stellen (z. B. Ministerien, Kommunen) nutzen Marktforschung eher selten, unter anderem aber im Zusammenhang mit Stadtmarketing und Tourismuswerbung.

Zentrale Anbieter von Marktforschungsstudien sind die sogenannten Allround-Markt-forschungsinstitute. Hierbei handelt es sich meist um mittlere bis größere Unternehmen, die Analysen mit verschiedenen Methoden zu einem weiten Themenfeld (z. B. Messung der Kundenzufriedenheit oder Produkttests) anbieten und durchführen. Folgende Marktfor-schungsinstitute sind führend:

Anbieter von Marktforschungsstudien

Institutsname Standort Gründungsjahr Internetadresse

GfK-Gruppe Nürnberg 1934 www.gfk.de

AC Nielsen GmbH

Frankfurt a. M. 1954 www.acnielsen.de

TNS Emnid Bielefeld 1945 www.tns-emnid.com

TNS Infratest München 1947 www.tns-infratest.com

Institut für Demoskopie

Allensbach 1947 www.ifd-aIIensbach.de

forsa Berlin 1984 www.forsa.de

Neben diesen Anbietern sind zudem zahlreiche Spezialinstitute tätig, die sich auf besondere Anwendungsgebiete fokussieren, wie beispielsweise die Automobilmarktforschung.


Lektion 1


1. In welche beiden Kategorien können Anbieter von Marktforschungsstudien grundsätzlich eingeteilt werden?

2. Welche Aussagen sind richtig?

o Marktforschung umfasst auch den Bereich der Ermittlung der Kundenzufriedenheit.

o Non-Profit-Organisationen führen häufig Marktforschungsstudien durch.

o Dienstleister sind auf externe Marktforschungsinstitute angewiesen, da sie meist nicht über eigene Kundendaten verfügen.




Zusammenfassung

Marktforschung ist die systematische und zielgerichtete Sammlung, Aufbereitung, Auswertung und Interpretation von Informationen über Märkte bzw. Marktbeein-flussungsmöglichkeiten. Sie bildet die Grundlage für Marketingentscheidungen. In diesem Zusammenhang hat Marktforschung mehrere Aufgaben, unter anderem eine Innova tionsfunktion, eine Frühwarnfunktion, eine Intelligenzverstärkungsfunk-tion, eine Unsicherheitsreduktionsfunktion, eine Strukturierungsfunktion, eine Selektionsfunktion sowie eine Prognosefunktion. Der Prozess der Marktforschung lässt sich in fünf idealtypische Phasen unterteilen: die Problemformulierung, die Auswahl der Marktforschungsmethode, die Durchführung der Marktforschungsstu-die, die Dokumentation der Marktforschungsergebnisse und die Fundierung von Marketingentschei dungen. Nachfrager von Marktforschung sind unter anderem die Hersteller, der Einzel- und Großhandel, Dienstleister, Non-Profit-Organisationen und staatliche Institutionen. Es existieren zahlreiche Anbieter von Marktforschungsstudien, die grob in Allround-Marktforschungsinstitute und Spezialinstitute differenziert werden.

Wissenstest

Haben Sie diese Lektion verstanden? Hervorragend. Dann kontrollieren Sie bitte jetzt Ihre Lernfortschritte auf unserer Lernplattform CLIX.

Viel Erfolg!

CLIX

Wissenskontrolle im InternetErfassen Sie Ihre Lernfortschritte

Lektion 1

Lektion 2Überblick: Wahl des Forschungsansatzes;

explorative, deskriptive und kausale Studien

LErnziELE


… wie ein geeigneter Forschungsansatz gewählt wird.

… wie sich quantitative von qualitativen Methoden der Marktforschung unterscheiden.

… wie sich explorative, deskriptive und kausale Studien voneinander unterscheiden.


2. Überblick: Wahl des Forschungsansatzes; explorative, deskriptive und kausale Studien

Lektion 2

Nachdem Sie sich mit den Grundlagen der Marktforschung und den Zusammenhängen mit dem Marketing auseinandergesetzt haben, ergibt sich für die geplante Marktforschungsstudie des neuen Sportschuhs die Frage, wie Sie die Erhebung grundsätzlich durchführen wollen. Des Weiteren ist die Durchführung der Studie in verschiedener Form möglich. Sie möchten sich informieren, welche verschiedenen Formen von Studien existieren und ob hier gegebenenfalls Zusammenhänge bestehen. Folgende konkrete Fragen haben Sie:

• Wie kann eine repräsentative Stichprobe gebildet werden?

• Wie unterscheiden sich quantitative und qualitative Marktforschung?

• Was sind explorative, deskriptive und kausale Studien, und wann ist es sinnvoll, sie einzusetzen?

• Wo bestehen Vor- und Nachteile der verschiedenen Studientypen?

2.1 Überblick: Wahl des Forschungsansatzes

Der grundlegende Forschungsansatz wird zunächst aus den Forschungszielen abgeleitet. Forschungs-ansätze können differenziert werden in:

• explorative Studien, welche die Aufgabe haben, ein aktuelles Forschungsproblem zu erkunden und zu definieren,

• deskriptive Studien, welche die Beschreibungen von Sachverhalten beinhalten und

• kausale Studien, die auf die Ermittlung von Ursache-Wirkungs-Zusammenhängen abzie-len, wodurch eine Prognoseerstellung möglich wird.

Auf die einzelnen Forschungsansätze wird in späteren Kapiteln noch ausführlich eingegangen.

Bei der Wahl des Forschungsansatzes ist eine grundlegende Entscheidung zu treffen, ob dieser eher qualitativ oder quantitativ sein soll. Quantitative Methoden der Marktforschung sind auf zahlenmäßig messbare Größen ausgerichtet, wobei die Datenerhebung üblicherweise auf der Grundlage repräsentativer Stichproben erfolgt (siehe Abbildung), mit dem Ziel, verallge-meinerbare Aussagen zu gewinnen. Zwar besitzen diese Stichproben Charaktereigenschaften von universalen Aussagen, dennoch können Hypothesen nicht verifiziert, sondern nur vorläu-fig bewährt oder falsifiziert werden.

Quantitativer Ansatz Auf zahlenmäßig messbare Größen ausgerichtet

Aus der Praxis


Überblick: Wahl des Forschungsansatzes; explorative, deskriptive und kausale Studien

Die Aussagen von empirischen Untersuchungen sind daher nicht deterministischer Natur, aber trotzdem dazu geeignet, sie für Wirkungszusammenhänge von Wirtschaftsobjekten in einer Marktwirtschaft heranzuziehen, da es sich um Aussagen handelt, die auf einer großen Anzahl von Fällen basieren.

Bei qualitativen Methoden hingegen werden vergleichsweise kleine Fallzahlen herangezogen und relativ „weiche“ Daten produziert. Eine Vorstrukturierung des Untersuchungsgegenstands findet meist nicht statt. Ein integratives Merkmal qualitativer Forschungsmethoden ist die Interaktion zwischen dem Auskunftsgebenden und dem Forscher. Es wird nicht versucht, eine repräsentative Befragung durchzuführen, sondern vielmehr charakteristische Inhalte in Bezug auf das definierte Forschungsproblem herauszufinden. Ergebnisse müssen durch den Forscher interpretiert werden.

Forschungsansatz: Wahl der Erhebungsmethode

Weiterhin muss bei der Wahl des Forschungsansatzes unterschieden werden, in welcher Form die Informationen gewonnen werden sollen. Grundsätzliche Erhebungsmethoden sind die Sekundärmarktforschung, die Primärmarktforschung sowie Panelerhebungen und Experi-mente. Bei der Sekundärmarktforschung werden bereits vorhandene Daten systematisch gesammelt. Diese werden aufbereitet und interpretiert. Es handelt sich um eine kostengünstige Form der Datenerhebung, denn eine Feldarbeit ist nicht erforderlich.

Grundgesamtheit und repräsentative Stichprobe

82 Mio. Bundesbürger

2000 zufällig ausgewählte

Bundesbürger

Qualitativer AnsatzInteraktion zwischen Fra gen dem und Befragtem, erfordert Inter-pretation.

Sekundär-forschung Vorhandene Daten als Grundlage


Lektion 2

In der Praxis ist daher die Sekundärmarktforschung der Primärmarktforschung vorangestellt (Broda 2006, S. 21). Sofern es der Sekundärmarktforschung nicht gelingt, die zur Lösung eines Problems erforderlichen Informationen bereitzustellen, ist eine Primärmarktforschung notwendig. Primärforschung bezeichnet die originäre Gewinnung von Informationen, welche „im Feld“ oder „vor Ort“ erhoben werden und somit neue, noch nicht in dieser Form vorhan-dene Informationen liefern. Beispiele für Primärmarktforschungsstudien sind unter anderem (Broda 2006, S. 27):

• Positionierungsstudien

• Marktpotenzialstudien

• Imagestudien

• Werbeerfolgskontrollen

• Packungstests

• Marktsegmentierungsstudien

Die Datenauswertung erfolgt üblicherweise mittels statistischer Verfahren.


1. Woraus wird der Forschungsansatz abgeleitet?

2. Was wird unter „Repräsentativität“ verstanden?

3. Wo liegt das Hauptproblem qualitativer Studien?

Primärforschung Neue Daten




2.2 Explorative Studien

Explorative Studien

Bei der Erstellung explorativer Studien werden die Untersuchungsfragen in der Planungs-phase nicht genau spezifiziert, lediglich das Untersuchungsfeld wird grob abgesteckt. Im Vor-feld ist somit noch nicht genau bestimmt, welche Größen gemessen werden sollen, sodass eine zielgerichtete Sammlung der Daten unter Umständen nicht möglich ist. Explorative Studien werden oftmals bei neuartigen, komplexen oder schlecht strukturierten Forschungsproblemen eingesetzt.

Während der Durchführung der Untersuchung werden Ergebnisse gesammelt, die wiederum neue Anregungen geben, welche weiteren Daten zu erfassen sind. Forschungsprobleme kön-nen somit in definierte Teilprobleme heruntergebrochen und präzisiert werden und dienen der Hypothesenfindung.

Explorative Marktforschung dient dazu, sich einen Überblick über die Struktur eines Marktes zu verschaffen, z. B. welche Anbieter am Markt agieren, welche Produkte vorhanden sind oder welche Zielgruppen für einen bestimmten Markt infrage kommen. Sie kommt oftmals zum Einsatz, wenn in einem frühen Stadium des Forschungsvorhabens noch keine konkrete Hypo-thesenformulierung möglich ist. Daher finden explorative Untersuchungen oftmals im Vorfeld deskriptiver oder kausaler Studien statt (Olbrich / Battenfeld / Buhr 2012, S. 50).

Explorative Studien Gewinnung erster Einsichten zum aktuellen Forschungs-problem

Relationship among Research Designs

Kausale Studien

Explorative Studien

Deskriptive Studien


Lektion 2

Typische Erhebungsformen bei der Durchführung explorativer Untersuchungen sind Sekundär-erhebungen, (qualitative) Befragungen und Beobachtungen. Zunächst sollten bei der Unter-suchung sekundäre Quellen herangezogen werden, um erste Einblicke in mögliche Ursachen des Forschungsproblems zu gewinnen. Gebräuchlich ist weiterhin die Fallstudienanalyse, wobei ausgewählte Fälle des zu untersuchenden Sachverhalts analysiert werden. Ziel ist es, Gemeinsamkeiten und Unterschiede herauszufinden, um erste potenzielle Gesetzmäßigkeiten als Grundlage für die Formulierung von Hypothesen festzustellen. Geeignete Fälle sind bei-spielsweise solche (Altobelli 2011, S. 22), ...

• ... die Veränderungen reflektieren (neue Technologien).

• ... die Extrembeispiele darstellen (Berichte besonders erfolgreicher bzw. erfolgloser Unternehmen).

• ... welche die Abfolge von Ereignissen im Zeitablauf widerspiegeln.

Häufig wird auch das Benchmarking-Verfahren eingesetzt, um besonders erfolgreiche Unter-nehmen zu identifizieren, beispielsweise durch den Vergleich mit Konkurrenten.

Neben den Sekundärerhebungen kommen auch Primärerhebungen bei Explorationsanalysen zum Einsatz, z. B. durch qualitative Befragungs- und Beobachtungstechniken. Eine große Rolle spielen Tiefeninterviews und Gruppendiskussionen, mittels derer Einblick in die Psycho-logie der Untersuchungseinheiten, beispielsweise der Konsumenten, gewonnen werden soll.


1. Wann kommen explorative Studien oftmals zum Einsatz?

o Im Rahmen der Hypothesenfindung

o Für die Ermittlung von Ursache-Wirkungs-Beziehungen

o Zur Erstellung einer Marktübersicht

o Im Vorfeld deskriptiver Studien

2. Im Rahmen explorativer Studien sollten vor allem Primärquellen herangezogen werden.

o richtig

o falsch

3. Was bedeutet Benchmarking?




2.3 Deskriptive Studien

Deskriptive Untersuchungen zeichnen sich dadurch aus, dass vor Beginn der Untersuchung eine Beschreibung spezifizierter Größen stattfindet. Es besteht ein Anspruch darauf, dass die Untersuchungsfragen ex ante bekannt sind und die zu messenden Größen in der Planungs-phase festgelegt werden (Olbrich / Battenfeld / Buhr 2012, S. 50).

Die Ziele deskriptiver Analysen sind typischerweise:

• die Beschreibung von Sachverhalten und die Ermittlung der Häufigkeit ihres Auftretens.

• die Ermittlung von Zusammenhängen zwischen Variablen.

• die Vorhersage von Entwicklungen zur Identifikation eines möglichen Handlungsbedarfs.

In deskriptiven Studien wird auf Grundlage des genau festgelegten Forschungsziels und des definierten Informationsbedarfs ein detaillierter Marktforschungsplan erstellt. In diesem werden die Inhalte, Methoden, Termine, Zuständigkeiten etc. genau festgelegt. Deskriptive Studien sind daher auch weniger flexibel und kreativ als explorative Studien. Dafür fordern sie Objektivität, Vali-dität und Reliabilität der Messungen. Deskriptive Studien werden oftmals mittels der bereits vorgestellten repräsentativen (quantitativen) Stichproben durchgeführt. Zu differenzieren ist, inwieweit die Daten zu einem bestimmten Zeitpunkt erfasst oder wiederholt erhoben werden.

Die sogenannten Querschnittsanalysen beziehen sich auf die Datenerhebung zu einem bestimmten Zeitpunkt und dienen vor allem der Beschreibung von Sachverhalten. Sie stellen in der Praxis die häufigste Form deskriptiver Studien dar und werden meistens in Form stan-dardisierter Fragebögen durchgeführt. Üblicherweise werden mehrere Variablen gleichzeitig erhoben. Untersucht werden zum einen die Häufigkeitsverteilungen der einzelnen Variablen selbst (isolierte Betrachtung) als auch die Häufigkeit des Auftretens der Ausprägungen mehre-rer Variablen. Auf dieser Grundlage können Zusammenhänge bzw. Hypothesen identifiziert und statistisch überprüft werden.

Vorteile von Querschnittsanalysen sind die umfangreiche Erfassung relevanter Sachverhalte und die Gewinnung von allgemeinen Ergebnissen mittels statistischer Methoden. Nachteilig ist eine vergleichsweise oberflächliche Beschreibung der Untersuchungsobjekte. Darüber hin-aus wird trotz umfassender statistischer Auswertungen oftmals nur eine Scheingenauigkeit erreicht. Zudem sind diese Studien zeit- und kostenintensiv.

Beispiele für deskriptive Marktforschungsstudien sind die Marktbeobachtung, in der z. B. Konkurrenzpreise und Marktanteile erhoben werden, oder die Preisabstandsanalyse. Bei dieser wird der Absatz und Umsatz eines Produkts abhängig von seinem Preisabstand zu einem Kon-kurrenzprodukt dargestellt. Sie liefert also Erkenntnisse darüber, wie der absatzbezifferte Umsatz eines Produkts und seines Konkurrenzprodukts ist, wenn der Preisabstand zwischen beiden Produkten verschiedene Werte annimmt (Olbrich / Battenfeld / Buhr 2012, S. 50f.). Insofern können deskriptive Studien teilweise Hinweise auf kausale Wirkungszusammenhänge geben und die Bildung von Untersuchungshypothesen ermöglichen. Allerdings wäre es doch fragwürdig, allein aufgrund einer Analyse Wirkungszusammenhänge zwischen zwei Variablen zu konstatieren. Wirkungszusammenhänge werden daher im Rahmen kausaler analytischer Marktforschungsuntersuchungen ermittelt.

Deskriptive Studien beschreiben marketingrele-vante Phänomene und überprüfen konkrete Forschungs-hypothesen.


Lektion 2


1. Was sind deskriptive Studien?

2. Nennen Sie drei wesentliche Ziele deskriptiver Studien.

3. Wodurch zeichnet sich eine Querschnittsanalyse aus?

2.4 Kausale Studien

Kausalität bestimmt sich im sozialwissenschaftlichen Sinne durch folgende Aspekte (Altobelli 2011, S. 24f.):

• Bei der Untersuchung des Einflusses einer Variablen X auf eine Variable Y wird davon ausgegangen, dass die zu erklärende Variable X eine der möglichen Ursachen für die Variable Y ist, jedoch nicht ausschließlich.

• Sofern sich Variable X auf Variable Y auswirkt, bedeutet dies, dass eine bestimmte Aus-prägung von Variable X unter bestimmten Bedingungen eine spezifische Ausprägung der Variable Y wahrscheinlich zur Folge hat, jedoch üblicherweise kein strenger deterministi-scher Zusammenhang zwischen den Variablen besteht.

• Ein eindeutiger Beweis, dass die Variable X die Ursache von Variable Y ist, kann nie bewiesen werden. Es kann jedoch mit einer bestimmten Wahrscheinlichkeit ein vermu-teter Zusammenhang widerlegt werden.




Im Rahmen kausaler Studien werden üblicherweise Experimente (Labor- oder Feldexperi-mente) durchgeführt (Churchill / Brown / Suter 2010, S. 119). Auch Panelerhebungen können Zusammenhänge aufdecken.

Experimente stellen die strengste Form der Überprüfung von Ursache-Wirkungs-Zusammen-hängen dar. Ein Experiment ist eine Versuchsanordnung, mit deren Hilfe Auswirkungen von Variablen unter kontrollierten Bedingungen getestet werden. Es wird versucht, die isolierte Wirkung des Einsatzes von Marketinginstrumenten zu messen. Ein Hauptproblem bei der Durchführung von Experimenten besteht darin, Störgrößen, wie beispielsweise Maßnahmen der Konkurrenz, zu ermitteln und zu isolieren.

Beim Panel handelt es sich um eine wiederholte Befragung. Hierdurch ist eine Entwicklung im Zeitablauf erkennbar. Ein Panel ist eine permanente Stichprobe. Probleme bei dieser Form der Datenerhebung sind Ermüdung, Sterblichkeit, Bewusstsein oder der Zustand der Erstarrung.


1. Was bedeutet Kausalität?

2. Mit welcher Erhebungsmethode werden kausale Studien üblicherweise durchgeführt?

3. Wodurch zeichnet sich ein Panel aus?



Lektion 2

Zusammenfassung

Der Forschungsansatz ergibt sich aus den zuvor definierten Forschungszielen. Grund-legend wird zwischen dem quantitativen Forschungsansatz und dem qualitativen For-schungsansatz differenziert. Im Rahmen der quantitativen Erhebung ist zunächst eine repräsentative Stichprobe zu bilden. Quantitative Marktforschung bedeutet eine Ausrich-tung auf zahlenmäßig messbare Größen. Bei der qualitativen Methode ist die Interaktion zwischen den Befragten und dem Interviewer von wesentlicher Bedeutung. Die Ergeb-nisse sind durch den Marktforscher zu interpretieren.

Es wird zwischen drei grundlegenden Arten von Forschungsansätzen unterschieden: explorative Studien, deskriptive Studien und kausale Studien. Explorative Studien dienen vor allem dazu, erste Erkenntnisse über das aktuelle Forschungsproblem zu gewinnen und Hypothesen zu bilden. Sie finden oftmals im Vorfeld deskriptiver und kausaler Studien statt.

Deskriptive Studien beschreiben marketingrelevante Phänomene und überprüfen definierte Forschungshypothesen. Sie beschreiben Sachverhalte, ermitteln Variablen-zusammenhänge und identifizieren einen möglichen Handlungsbedarf. Deskriptive Studien umfassen einen Marktforschungsplan.

Kausale Studien überprüfen Kausalhypothesen. Kausalität bedeutet, dass zwischen den untersuchten Variablen Ursache-Wirkungs-Beziehungen bestehen.

Wissenstest


Viel Erfolg!

CLIX


Lektion 3

Wahl der Erhebungsmethode:

Sekundärforschung

LErnziELE


… wodurch die Sekundärforschung charakterisiert wird.

… welche Informationsquellen im Rahmen der Sekundärforschung zur Verfügung stehen.

… wie Daten mittels computergestützter Systeme gesammelt werden.

… wie Marktforschung an einem Fallbeispiel genutzt wird.


3. Wahl der Erhebungsmethode: Sekundärforschung

Lektion 3

Das Management der Firma „Noke“ beauftragt Sie, mit den Vorbereitungen der Marktfor-schungsstudie für den innovativen Sportschuh zu beginnen. Sie erhalten die Vorgabe, mit einem begrenzten Budget zunächst eine Studie auf Grundlage bereits im Unternehmen vor-handener Daten anzufertigen. Die Studie soll mittels ebenfalls bereits vorhandener Daten-banksysteme durchgeführt werden. In diesem Zusammenhang ergeben sich folgende Frage-stellungen:

• Welche Vorteile hat die Sekundärforschung?

• Welche Formen der Informationsquellen gibt es?

• Was ist ein Datenbankmanagementsystem und aus welchen Teilsystemen besteht es?

• Worauf muss bei der Arbeit mit einem Datenbanksystem geachtet werden?

• Welcher praktische Nutzen in der Marktforschung lässt sich aus der Verwendung interner Systeme ziehen?

3.1 Vor- und Nachteile, Informationsquellen der Sekundärforschung

Wie bereits beschrieben, ist die Sekundärforschung vorteilhaft, da sie geringe Kosten verur-sacht und auch kurzfristig durchführbar ist. Die geringen Kosten resultieren vor allem daraus, dass ein Rückgriff auf amtliche Statistiken, firmeninterne Quellen sowie kommerzielle Daten-banken möglich ist. Während Primäruntersuchungen mehrere Monate in Anspruch nehmen können (Problemdefinition, Methodenentwicklung, Datensammlung und -analyse, Vorlage des Berichts), können vorhandene Daten oftmals in wenigen Tagen aufbereitet und ausgewer-tet werden, sodass sich eine deutliche Zeitersparnis ergibt.

Sofern die Auswertung vorhandener Daten für die Bearbeitung des Forschungsproblems aus-reichend sein kann, ist Sekundärforschung ein Ersatz für Primärforschung. Problematisch ist, dass Daten nicht immer aktuell und konkret auf den Untersuchungsgegenstand bezogen sind. Beispielsweise werden oftmals Klassengrößen verwendet, wie z. B. das Jahreseinkommen bis 30.000 €, von 20.000 € bis 30.000 € etc., die für den jeweiligen Zweck gegebenenfalls nicht geeignet sind. Auch in Bezug auf die Genauigkeit von Sekundärdaten ist Vorsicht geboten, da oftmals nicht nachverfolgt werden kann, wie die Daten erhoben worden sind.

Sekundärforschung kommt die Bedeutung als wesentliche informatorische Voraussetzung zu, um die Zukunft von Märkten sowie Chancen und Risiken einzelner Strategien bewerten zu können.

Als mögliche Informationsquellen kommen interne und externe Informationsquellen in Betracht. Interne Informationsquellen umfassen alle im Unternehmen vorhandenen Datenbestände. Sie können z. B. ...

• ... aus dem Rechnungswesen herangezogen werden, wie z. B. Verkaufsstatistiken oder Übersichten der Kostensituation des Unternehmens.

• ... aus dem Kundendienst in Form von Beschwerden und Anregungen von Konsumenten zu vorhandenen oder auch möglichen neuen Produkten ermittelt werden.

Interne Informati-onsquellenAlle im Unter-nehmen vorhan-denen Daten

Aus der Praxis


Wahl der Erhebungsmethode: Sekundärforschung

• ... aus dem Außendienst durch Informationen und Anregungen von Kunden und Händ-lern sowie aus Informationen über Wettbewerbsprodukte entstammen.

• ... aus der Entwicklungsabteilung, die Informationen über neue Entwicklungen und Feh-leranalysen zur Verfügung stellen kann, ermittelt werden.

• ... aus vorangegangener Marktforschung vorhanden sein, sofern die Berichte und Analy-sen noch verwertbar sind.

Erfasst sind diese Datenbestände üblicherweise in Datenbanken. Diese sollten in jedem Fall für Marktforschungszwecke herangezogen werden. Datenbanken können sowohl für die Primär- als auch Sekundärforschung eingesetzt werden. Sie haben für die Marktforschung eine hohe Relevanz und werden in den Lernzyklen 3.2 und 3.3 genauer betrachtet.

Externe Informationsquellen sind die Angebote von Dienstleistern, Verbänden sowie staat-lichen Institutionen. So liefert beispielsweise das Statistische Bundesamt Berichte, die sich mit staatlicher Aktivität befassen, wie der Bevölkerungsentwicklung, der Bautätigkeit oder dem Tourismus.

Unternehmensverbände erstellen regelmäßig branchenspezifische Berichte über die Marktent-wicklung, beispielsweise in der Bekleidungs- oder Automobilindustrie sowie dem Einzelhandel.

Zahlreiche Marktforschungsinstitute, wie z. B. die Gesellschaft für Konsumforschung (GfK) oder TNS Infratest, erstellen oftmals Analysen zu speziellen, aktuellen Themen. Forschungs-einrichtungen, wie beispielsweise Universitäten, befassen sich mit gesellschaftlichen oder grup-penbezogenen Themen und verfassen Berichte, die für das Marketing genutzt werden können. Marktforschungsinstitute erstellen auch regelmäßig Werbeträgeranalysen. Ein Beispiel hierfür ist die Media-Analyse, die von der Arbeitsgemeinschaft Media-Analyse erstellt wird. Diese analysiert den überwiegenden Teil der Medien bezüglich ihrer Nutzerschaft.

Schließlich können auch Internetportale für die Informationssammlung herangezogen wer-den. Unterschiedlichste Anbieter betreiben Portale, die Informationen für das Marketing zur Verfügung stellen.


1. Die Sekundärforschung ist vorteilhaft, da …

o … die Daten genau auf die Untersuchung zugeschnitten sind.

o … sie kostengünstig ist.

o … sie in relativ kurzer Zeit durchführbar ist.

2. Wie unterscheiden sich interne und externe Informationsquellen?

Externe Informa-tionsquellen Daten von Drittan-bietern



Lektion 3

3.2 Systemplattformen im Rahmen der Marktforschung

DBMS und Data Warehouse

Ein Datenbankmanagementsystem (DBMS) ist ein Software-System, das die Speicherung, den Zugriff und das Management von Daten gewährleistet. Über das DBMS sind Anwendun-gen in der Lage, Daten zu lesen, zu schreiben oder zu verändern. Zudem stellt es Mechanismen zur Sicherung der Datenkonsistenz bereit. Auch in aktuellen, kommerziellen DBMS sind lei-der nur rudimentäre Unterstützungen für die Behandlung von zeitbehafteten, temporalen Daten vorhanden. Zwar können Gültigkeits- und Transaktionszeit auf der Basis herkömmli-cher Datenbankattribute modelliert werden, aber diese Attribute und ihre zeitliche Semantik müssen dann stets bei der Datenabfrage und -manipulation mit dem verfügbaren nicht-tem-poralen Structured Query Language (SQL)-Dialekt berücksichtigt werden. Deshalb ist es wichtig, in das DBMS eine Zeitunterstützung für die Datenspeicherung und -anfrage zu implementieren. Die Berücksichtigung dieser temporalen Daten findet im Data Warehouse statt, welches eine Technologie zur Entscheidungsunterstützung ist, die auf Basis einer histori-sierten, integrierten und konsolidierten Datenbasis eine schnelle Analyse ermöglicht.

Dieses Data Warehouse stellt die wichtigste Grundlage für die Sammlung von Daten dar. In ihm werden die Daten aus unterschiedlichen Quellen zusammengefasst. Es muss in der Lage sein, externe und interne Daten zu erfassen, zu speichern und die Daten für Aufgaben der Planung, Kontrolle und Entscheidungsfindung aufzubereiten. Ein Data Warehouse kann als spezielle Datenbank mit charakteristischen Eigenschaften angesehen werden (Meffert / Bur-mann / Kirchgeorg 2008, S. 835). Zunächst ist es themenorientiert, das heißt, die Daten werden unabhängig von der Herkunft thematisch nach ihrem Verwendungszweck verarbeitet und gespeichert, wobei sich der Zweck an der Unternehmensstruktur orientiert. Entsprechend enthält die Datenbasis eines Data Warehouses vereinheitlichte, integrierte Daten. Sie können auf verschiedenen Aggregations-stufen für verschiedene Hierarchieebenen und funktionsübergreifend genutzt werden. Die Daten zeichnen sich durch Beständigkeit aus, sind also vor Zugriffen geschützt und bleiben nach Einspeisung unverändert. Sie müssen zeitlich transformationsfähig sein, die Daten kön-nen also nach verschiedenen Zeiträumen abgerufen werden. Außerdem soll das Data Warehouse entscheidungsunterstützend wirken. Daher muss es von den operativen Datenbanken getrennt sein.

In das Data Warehouse fließen zum einen interne Daten ein, zum anderen externe Daten. Dies sind unter anderem Produktinformationen, soziodemografische Daten, Wettbewerbsinforma-tionen, historische Transaktionsdaten, Fakturierungsdaten sowie Versand- und Logistikdaten. Da die Informationen in der Regel von verschiedenen Benutzergruppen erstellt bzw. gesam-melt wurden, sind sie nicht miteinander verknüpft. Somit sind sie als Basis für eine valide und aussagekräftige Analyse noch nicht geeignet. Hierfür sind Transformationsprogramme not-wendig, die Funktionen zur Extraktion der Daten aus unterschiedlichen operativen Systemen enthalten. In bestimmten Zeitabständen muss das Data Warehouse den unternehmens-individuellen Anforderungen entsprechend aktualisiert und erweitert werden.

Datenbankmanage-mentsystem Daten werden in einem Software-System gespei-chert; Zugriff durch Management.

Data Warehouse Speicherort der Daten



Data Mining und OLAP

Nachdem eine ausreichende Datenbasis geschaffen wurde, müssen die Daten des Warehouses evaluiert werden, wofür sich vor allem zwei Ansätze eignen: Data Mining und Online Ana-lytical Processing (OLAP). Während OLAP mit bereits definierten Dimensionen und Zusammenhängen arbeitet, forscht Data Mining nach neuen, bisher unbekannten Mustern. Bei OLAP handelt es sich um ein nutzergesteuertes „Top-Down“-Analyseverfahren, bei Data Mining dagegen um ein „Bottom-Up“-Verfahren, das nicht offensichtliche Datenzusammen-hänge erkennt. Diese beiden Verfahren werden im Folgenden kurz dargestellt.

Unter Data Mining (Iacobucci / Churchill 2010, S. 150) wird ein automatischer oder halbauto-matischer Prozess verstanden, der aus einer gegebenen Datenmenge implizit vorhandene, aber bisher unentdeckte, nützliche Informationen herausfiltert. Neben dem Begriff Data Mining wird in der Literatur auch häufig der Begriff Knowledge Discovery in Databases (KDD) ver-wendet. Der Forschungsprozess erfolgt in verschiedenen Phasen, die zeitlich-logisch struktu-riert sind. Der Phasendurchlauf ist dabei iterativ und interaktiv, wobei der Anwender bestimmt, ob einzelne Phasen oder der gesamte Prozess nochmals durchlaufen werden. Data Mining kann zur Klassifikation, z. B. zur Erstellung von Kundenprofilen, verwendet werden. Der Datenbestand wird dafür in kleine Gruppen (Cluster) zerlegt, die bestimmte Eigenschaften teilen. Daraus werden Zusammenhänge und Muster abgeleitet und Prognosen erstellt. Der Prozessablauf des Data Minings wird in fünf Phasen eingeteilt, wie die nachfolgende Abbil-dung veranschaulicht:

In der Phase der Auswahl soll die Ausgangslage für das KDD bestimmt werden. Hierzu wird eine Aufgabe formuliert, z. B. die Entdeckung implizit vorhandenen Wissens. Die Aufgabe muss hinreichend allgemein formuliert sein, aber auch konkret genug, um den Erfolg des KDD-Prozesses zu messen. Außerdem ist ein geeigneter Datenbestand als Analysegrundlage zu definieren. Dabei können Mining-Systeme unter anderem auch auf Datensätze des Data Warehouses zurückgreifen.

Die Auswahl geeigneter Datensätze erfolgt zum einen vertikal (Menge), zum anderen horizon-tal (Attribute). In der Phase der Aufbereitung soll die Qualität der Datenbasis verbessert werden. Die Daten werden auf Konsistenz und Vollständigkeit überprüft und entsprechend bereinigt, angereichert oder reduziert. Dabei sind insbesondere fehlende oder fehlerhafte Merkmalsaus-prägungen herauszufiltern, die oft durch technische oder menschliche Fehler in der Datener-hebung verursacht wurden. Man geht davon aus, dass in der Praxis zwischen ein und fünf Prozent der Felder einer Datenbank unrichtige oder fehlende Angaben aufweisen, sodass der

Data Mining forscht nach neuen Mustern; bottom-up.

OLAP Grundlage sind bereits definierte Dimensionen und Zusammenhänge; top-down.

Prozessablauf Data Mining

Aus-wahl

Aufbe-reitung

Fest-legung Analyse

Inter-preta-

tion


Lektion 3

Anwender Plausibilitätskontrollen oder Missing-Value-Analysen durchführen muss. Um die Ergebnisqualität zu steigern, können fehlende Werte durch die Integration externer Datenbe-stände (Sekundärbestände) ergänzt werden. In der Festlegungsphase werden vorbereitende Tätigkeiten zur Analyse der Datenbasis ausge-führt. Dafür ist es notwendig, die Ziele, das Analyseverfahren sowie den Umfang und die Darstellung der zu analysierenden Daten festzulegen.

Überschneidungen zwischen Data-Warehouse-Techniken und Data Mining ergeben sich im Rahmen des OLAP. Es handelt sich um eine Weiterentwicklung der Datenbankabfragen und beruht auf mehrdimensionalen Datenmodellen.

Hierdurch sind komplexe Fragestellungen auf höherer Entscheidungsebene möglich. Die Ana-lysen können als Matrix oder Würfel dargestellt werden. Vor allem im Marketingsektor wird versucht, einen individualisierten Kundenkontakt zu etablieren. Zumindest in Teilbereichen ist es sinnvoll, eine Kundendatenbank multidimensional zu strukturieren, um beliebige Grup-pierungen und Segmentierungen im Kundendatenbestand nach unterschiedlichsten Kriterien vornehmen zu können. Neben der Ist-Analyse sind OLAP-Systeme besonders dafür geeignet, Zahlengrößen zu organisieren und auszuwerten, die für die strategische und operative Unter-nehmensplanung benötigt werden. Dabei sind angemessene Datenstrukturen aufzubauen, die über gemeinsam genutzte Dimensionen verknüpft sind und Schnittstellen zu den abgelegten Ist-Daten vorweisen. So ist im Rahmen einer Plankontrolle ein Plan-Ist-Vergleich möglich, um aufgetretene Abweichungen zu analysieren.

OLAP ist ein schneller Weg, Daten und Zahlen aus verschiedenen Perspektiven zu betrachten und zu analysieren, und liefert genau auf den Fachbereich zugeschnittene Informationen. Es ist damit in verschiedenen Bereichen einsetzbar, beispielsweise für die Erstellung einer Kosten-Nutzen-Analyse der verschiedenen Vorgehensweisen bei der Neukundengewinnung.

Die folgende Abbildung zeigt den dreidimensionalen OLAP-Würfel eines Sportschuhherstellers:

OLAP-Würfel eines Sportschuhherstellers

Premium-Schuh „Schock“ Laufschuh Hallenturnschuh

Quartal I/12

Quartal II/12

Quartal III/12

Gebiet

D F USA

Produktlinie (Umsatz)

Zeitraum



Die zu der Grafik zugehörige Fragestellung lautet: „Welche Umsätze erzielen welche Sport-schuhsegmente in welchem Land in welchem Zeitraum?“ Je nach Hierarchieebene bzw. Ver-antwortlichkeit sind unterschiedliche Daten von Bedeutung. Während beispielsweise auf oberster Managementebene ein Gesamtüberblick relevant ist, benötigen die Vertriebsleiter komprimierte Datensätze in Bezug auf Regionen oder Schuhmodelle.

Ein weiterer Vorteil des OLAP-Ansatzes besteht in seiner Dynamik. Durch eine Anpassung der Datenstruktur an die Fragestellung kann unmittelbar auf veränderte Situationen und ver-schiedene Untersuchungsansprüche reagiert werden. Durch den Einsatz bestimmter Verfahren können die Daten begrenzt oder verdichtet werden, um veränderte Anforderungen zu berück-sichtigen.



Die Speicherung temporaler Daten erfolgt in dem sogenannten .

2. OLAP bedeutet …

o ... Online Lifestyle Analysis Processing.

o ... Online Analytical Processing.

o ... Often Late After Party.

o ... Optimal Laboratory Procedure.

3. Wie unterscheiden sich Data Mining und OLAP?

3.3 Praktischer Nutzen der Marktforschung am Beispiel Porsche

Das System CRM@Porsche findet seit circa sieben Jahren in Nordamerika Anwendung, seit gut sechs Jahren in Großbritannien und in Deutschland. In dieser Zeitspanne konnten zahl-reiche Verbesserungen auf Grundlage der erhobenen Daten vorgenommen werden. Die kon-kreten Umsetzungen erfolgten phasenbezogen (vergleiche im Folgenden Puttfarcken 2008, S. 881ff.).

In der Phase der Interessengenerierung werden alle Leads, egal wo sie eingehen, sofort online in das zentrale CRM-Datenbanksystem eingepflegt. Damit stehen die Daten allen Anwendern und Prozessen zur Verfügung. Die Daten werden auch sofort auf Plausibilität geprüft, das



Lektion 3

heißt auf formale Richtigkeit, postalische Existenz und qualitative Merkmale (unsinnige Namen, wie z. B. Mickey Mouse, werden ausgeschlossen). In den Callcentern kommt ein Fra-gebogen zum Einsatz, der direkt elektronisch in das System eingegeben wird, und mit dessen Hilfe eine erste Bewertung in Bezug auf die Ernsthaftigkeit des Interesses vorgenommen wer-den kann. So findet unter anderem ein Abgleich mit den Kundenanfragen beim Händler statt, um starkes Interesse herauszufiltern.

Sofern diese Interessenten im Rahmen der Kaufanbahnung für bestimmte Kampagnen ausge-wählt werden, kann der Kampagnenerfolg durch die gespeicherten Informationen über den Händler oder das Callcenter bzw. durch die Bestellung eines Fahrzeuges gemessen werden. Durch die Bildung von Kontrollgruppen wird die Wirksamkeit ermittelt. Ebenso werden per-sonalisierte Direktmailings verifiziert. Während der Besitzphase findet ein Kundenkontakt-programm Anwendung:

Kundenkontaktprogramm

Monat nach Erstzulassung

Maßnahme bzw. Aktivität

Phase

–3 Fahrzeugbereitstellung bzw. Beginn der Lieferzeit

Bestätigung

–1 Zusendung einer Betriebsanleitung

Bestätigung

0 Gratulationsbrief zur Auslieferung

Bestätigung

+2 Zusendung eines Fragebogens zur Zufriedenheit

Bindung

+10 Brief, der an den Ablauf der Garantiefrist erinnert

Bindung / Bewahrung

+11 Einladung zur Jahreswartung Bindung / Bewahrung

+12 Gratulation zum Fahrzeug-Geburtstag

Bindung / Bewahrung

+22 Gewährleistung Bewahrung / Hinführung

+28 Test-Tour Bewahrung / Hinführung

+30 Evtl. Leasingende Bewahrung / Hinführung

+35 Erinnerung an TÜV-Abgas-Untersuchung

Bewahrung / Hinführung

+36 Ende des Kundenkontaktprogramms

Bewahrung / Hinführung



Allerdings ist es durch das neu eingeführte System möglich, genauer auf die Bedürfnisse des Kunden einzugehen, spezifische Ereignisse zu berücksichtigen und mit dem Kunden zu kom-munizieren. Beispielsweise kann der Kunde im Rahmen einer Zufriedenheitsstudie Verbesse-rungsvorschläge anführen, die dann aktiv über ein Anliegen-Management gelöst werden. In Nordamerika werden täglich nachts alle vorliegenden Kundendaten analysiert. Morgens wer-den dann sowohl die Kunden als auch die Fahrzeuge, die eine gezielte Betreuung durch den Kundendienst benötigen, gemeldet. Bereits im ersten Jahr der Einführung des neuen Systems war es Porsche möglich, eine signifikante Abnahme von Schlichtungs- und Gerichtsfällen zu erreichen, was zu einer deutlichen Kostenreduzierung führte. Der Nutzenvorteil durch lang-fristige Kundenbeziehung wird als noch höher bewertet.

Auch in der Wiederverkaufsphase sind durch das neue CRM-Datenbanksystem wesentlich genauere und gezieltere Informationsauswertungen möglich. Durch die vorliegenden Daten, die während der Besitzphase gesammelt wurden, können dem Kunden maßgeschneiderte Angebote zugesendet werden. Aufgrund von vorliegenden Informationen aus abgeschlossenen Leasing- oder Finanzierungsverträgen, z. B. der Vertragslaufzeit, werden die Maßnahmen genau terminiert. Durch die miteinander verbundenen Prozesse, die entlang des gesamten Lebenszyklus des Kunden führen, können effizient Wünsche und Anliegen des Kunden genutzt werden.

Frage zur Selbstkontrolle

1. Welche Modelle, die Sie aus Marketingkursen kennen, liegen dem System CRM@Porsche zugrunde?

o Kundenlebenszyklusmodell

o Customer Lifetime Value-Modell

o Stakeholder Value-Modell

o Shareholder Value-Modell



Lektion 3

Zusammenfassung

An der Sekundärforschung ist vorteilhaft, dass sie kurzfristig zu realisieren ist, bei geringen Kosten. Allerdings sind die Daten nicht immer aktuell und nicht konkret auf den Untersuchungsgegenstand bezogen. Für die Sekundärforschung kommen interne und externe Informationsquellen in Betracht. Interne Informationsquellen sind alle im Unternehmen vorhandenen Daten, externe Informationen werden von Drittanbietern beschafft.

Für die Datensammlung und -auswertung bietet sich ein computergestütztes Datenbank-managementsystem an. Datenbanksysteme bestehen aus mehreren Teilsystemen, unter anderem dem Data Warehouse. Wichtige Prozesse bei der Datenanalyse sind das Data Mining und das Online Analytical Processing (OLAP). Die Analyse dient dazu, konkrete Fragen des Managements zu beantworten.

Marktforschung über Datenbanksysteme kann unter anderem im Rahmen von Kunden-betreuungsprogrammen eingesetzt werden und dient hierbei maßgeblich der Kundenzu-friedenheit und -bindung.

Wissenstest


Viel Erfolg!

CLIX


Lektion 4


Primärforschung I

LErnziELE


… was Primärforschung ist.

… was eine Befragung ist.

… was Exploration bedeutet.

… was eine Gruppendiskussion ist.

… was Tiefeninterviews sind.

… was Experimente sind.

… wo die Vor- und Nachteile der genannten Erhebungsmethoden liegen.


4. Wahl der Erhebungsmethode: Primärforschung I

Lektion 4

Aus der Praxis Nachdem Sie im Rahmen der Sekundärforschung eine erste Auswertung vorgenommen haben, stellen Sie fest, dass die vorhandenen Daten nicht aussagekräftig genug sind. Vor allem können sie aus den Daten nicht ermitteln, ob für den innovativen „Noke“-Sportschuh ausreichend Nachfrager vorhanden sind. Nach Rücksprache mit dem Management erhalten Sie die Frei-gabe zur Durchführung einer Erhebung im Rahmen der Primärforschung. Sie sollen eine geeignete Erhebungsmethode finden, die dazu beiträgt, grundlegend zu ermitteln, ob eine Nachfrage für den neuen Sportschuh bestehen könnte und mit welchen Eigenschaften und welchem Design er ausgestattet sein sollte. In diesem Zusammenhang ergeben sich folgende Fragen:

• Welche Erhebungsmethode sollte gewählt werden?

• Wo liegen die Vor- und Nachteile der verschiedenen Erhebungsmethoden?

4.1 Verfahren der Primärforschung

Primärforschung ist eine Methode, neue, bislang noch nicht erfasste Daten zu erheben. Im Rahmen der Primärforschung stehen in der Praxis zahlreiche Verfahren bzw. Konzepte zur Verfügung, die sich wie nachfolgend charakterisieren lassen:

Verfahren der Primärforschung

Nach dem Auftraggeber Individual-, Gemeinschafts-, Beteiligungsuntersuchung

Nach der Erhebungsthematik Einthemen-, Mehrthemen- untersuchung

Nach dem Erhebungsansatz Qualitativ (psychologisch) orientierte, quantitativ ausgerichtete Untersuchung

Nach der Erhebungsmethode Befragung, Beobachtung mit bzw. ohne besondere Versuchsanordnung

Nach der Erhebungssituation Individual-, Simultan-, Gruppenuntersuchung

Nach der Kommunikationsweise Verbal: mündlich (face-to-face), telefonisch, schriftlich, per Internet Visuell: Beobachtung, apparative Registrierung

Nach den Erhebungsquellen Art der Auskunftspersonen bzw. der Beobachtungsquellen

Primärforschung Erhebung von neuen, noch nicht erfassten Daten


Wahl der Erhebungsmethode: Primärforschung I

Verfahren der Primärforschung

Nach den Erhebungsintervallen Einmalig (ad-hoc), in regelmäßigen Wiederholungen (tracking) bei identischen Auskunftsquellen (Panelerhebungen)bei vergleichbaren Auskunftsquellen (Wellenerhebung)



Primärforschung ist die Erhebung von , Daten.

4.2 Verfahren der Primärforschung: Befragung und Exploration

Befragung

Eine sehr häufig verwendete Methode ist die Befragung. Oftmals wird im Hinblick auf die Befragungsinhalte zwischen Faktenfragen, z. B. nach Alter oder Einkommen, sowie Meinungs-fragen, z. B. gegenüber Firmen oder Produkten, differenziert. Eine Befragung ist eine Interak-tionssituation, das heißt, sie impliziert zahlreiche potenzielle Fehler sowie Störfaktoren, wie beispielsweise den Einfluss bestimmter Erwartungen, sozialer Wahrnehmungen, naiver Annah-men über den Zweck der Befragung oder die bewusste oder unbewusste Fehlsteuerung der Kommunikation. Der Konsument reagiert nicht lediglich auf die ihm gestellten Fragen, son-dern auch auf zahlreiche andere Faktoren in der Erhebungssituation. Es können verfälschende Wirkungen vom Befrager oder aber vom Befragten entstehen. So kann es dazu kommen, dass der Befragte überfragt ist und entsprechend ausweicht, täuscht oder rationalisiert. Ebenso besteht die Möglichkeit, dass der Interviewer suggerierende Fragen stellt, dem Befragten somit die Antwort vorgibt.

Exploration

Die Exploration wird auch als freies bzw. qualitatives Interview bezeichnet. Es handelt sich um eine persönliche, mündliche Befragung. Durch qualitative Befragungstechniken wird die subjektive Sichtweise von Akteuren über vergangene Ereignisse, Zukunftspläne, Meinun-gen etc. ermittelt. Die Besonderheit qualitativer Befragungstechniken liegt darin, dass der Gesprächs verlauf weniger vom Interviewer und dafür stärker vom Interviewten gesteuert wird. Explorative Interviews sind Gespräche mit Personen, die für das zu untersuchende Fachgebiet als besonders kompetent angesehen werden. Sie dienen zur Erfassung spezifischer Meinungen und Einstellungen und eignen sich vor allem für eine sachliche Einschätzung. Eine Form von qualitativer Befragung ist das Expertengespräch.


Befragung Häufig verwendete Methode zur Gewinnung von Daten

Exploration Freies, qualitatives Interview


Lektion 4

Bei qualitativen Interviews handelt es sich oftmals um sogenannte Pilotstudien. Sie geben einen Überblick über die Dimensionen und Elemente des zu untersuchenden Gegenstands und werden häufig nachfolgenden repräsentativen Umfragen zugrunde gelegt. Aufgabe einer repräsentativen Untersuchung ist es beispielsweise, die mittels solcher psychologischer Studien gewonnenen Aussagen, Merkmale oder Faktoren in ihrer quantitativen Gewichtung und Ver-teilung zu ermitteln. Pilotstudien, wie psychologische Studien ganz allgemein, begnügen sich aufgrund ihrer Zielsetzung sowie den vergleichsweise hohen Kosten mit relativ wenigen Inter-views (Berekoven / Eckert / Ellenrieder 2009, S. 89).

Die Aussagen weniger Personen, z. B. 20 bis 30 Studenten, lassen sich nicht verallgemeinern, können also nicht repräsentativ sein. Dies ist die sogenannte Achillesferse der qualitativen Marktforschung, was von ihren Vertretern auch nicht bestritten wird. Dennoch können 20 bis 30 Interviews in der Explorationsphase bzw. ca. 150 bis 200 Interviews in der Verifizierungs-phase durchaus genügen, um aussagekräftige Ergebnisse über die Art und die qualitative Aus-prägung der Motive und Einstellungen zu erhalten.

Zur Durchführung freier Interviews lassen sich nur schwierig generelle Aussagen treffen, vor allem da sie häufig in Verbindung mit Tests oder experimentellen Anordnungen zur Anwen-dung kommen. Zur Sicherung der Vergleichbarkeit einzelner Interviews wird in der Praxis in der Regel eine Strukturierung mittels eines sogenannten Interviewer-Leitfadens vorgenom-men. Der Leitfaden ist quasi eine grobe Skizze des Vorgehens, die der Interviewer je nach Umständen variabel gestalten und verfolgen soll.

Ein besonderes Problem stellt die Protokollierung dar, denn nachträgliche Aufzeichnungen aus dem Gedächtnis können oft nur einen Teil der Ausführungen festhalten. Sie unterliegen, ebenso wie Stichwortaufzeichnungen, zudem der Gefahr von Interviewereinflüssen. Daher wird meist mit gemischten Techniken, z. B. Stichworten und Tonbandaufzeichnungen, gear-beitet. Die Auswertung des qualitativen Interviews ist schwieriger als bei standardisierten Interviews. Das Material muss in der Regel sortiert, in bereits vorliegende oder nach fallspezi-fischen Gesichtspunkten zu entwickelnde Kategorien eingeordnet und nach Befragten, Reak-tionswerten etc. ausgezählt werden. Hierbei können sich beträchtliche Deutungsspielräume ergeben und entsprechende Schwierigkeiten bei der Interpretation. Insgesamt ist festzuhalten, dass Explorationen sowohl an den Interviewer als auch an den Analytiker hohe Anforderungen stellen, um die Gefahr der Verzerrung der Befragungsergebnisse durch Interviewereinflüsse und / oder Fehlinterpretationen zu vermeiden.


1. Was ist das Kernproblem einer Befragung?

Pilotstudien geben einen Überblick über die Dimensionen und Elemente des Untersuchungs-gegenstands.




2. Ein Expertengespräch ist eine Form …

o … der quantitativen Befragung.

o … der qualitativen Befragung.

o … der Kausalstudienbefragung.

3. Wie werden freie Interviews üblicherweise strukturiert?

4.3 Verfahren der Primärforschung: Gruppendiskussionen, Tiefeninterviews und Experimente

Gruppendiskussionen

Eine sehr gängige und die am häufigsten verwendete Form qualitativer Marktforschung ist die Gruppendiskussion. Hierunter wird die gleichzeitige Befragung von mehreren (meist zwi-schen acht und zwölf ) Auskunftspersonen verstanden (Iacobucci / Churchill 2010, S. 64), denen Interaktionen untereinander zumindest gestattet sind. Die Gruppendiskussion wird üblicher-weise von einem psychologisch geschulten Diskussionsleiter geführt und konzentriert sich auf ein vom Auftraggeber der Untersuchung vorgegebenes Thema. Gruppendiskussionen sind hilfreich, um Einblicke in Ideen und Ansichten zu gewinnen. Sie verfolgen unter anderem fol-gende Zwecke (Iacobucci / Churchill 2010, S. 63):

• Hypothesengenerierung: Hypothesen, die anschließend quantitativ getestet werden können.

• Gewinnung von Informationen, die hilfreich sind, Fragebögen zu strukturieren.

• Sammeln von Hintergrundinformationen über eine Produktkategorie.

• Erlangen von Eindrücken von Konsumenten in Bezug auf neue Produktkonzeptionen.

Gruppen diskussion Gleichzeitige Befragung mehrerer Personen


Lektion 4

Spezifische Vorteile von Gruppendiskussionen insbesondere im Vergleich zu Einzelinterviews sind (Kuß 2012, S. 137):

• Stimulierung der Teilnehmer im Hinblick auf Reflexion und Meinungsäußerungen durch die Diskussion innerhalb der Gruppe.

• Weitgehend natürliche Gesprächssituation, bei der Hemmungen der Teilnehmer abgebaut werden.

• Niedrige Kosten pro Teilnehmer.

• Gute Möglichkeiten, Ablauf und Inhalt der Diskussion durch Audio- oder Video-Aufzeichnungen an das Management zu übermitteln.

Beim Vergleich mit dem Tiefeninterview ergeben sich aber auch folgende Nachteile:

• Weniger Information pro Teilnehmer.

• Geringere Vollständigkeit der Angaben der Einzelpersonen, weil sich nicht jeder Teilnehmer zu jedem Aspekt äußert.

Tiefeninterviews

Bei qualitativen Untersuchungen sind auch Einzelinterviews von großer Bedeutung. Diese sind in der Regel nicht standardisiert. Allenfalls einige Teile, wie z. B. die Ermittlung soziode-mografischer Merkmale, können standardisiert sein. Ablauf und Inhalt des Gesprächs werden in einem Leitfaden grob festgelegt. Die in der Marktforschung bedeutendste Form eines sol-chen Interviews ist das Tiefeninterview. Es handelt sich hierbei um ein langes, intensives Gespräch zwischen Interviewer und Interviewtem über vorgegebene Themen, das der Intervie-wer in weitgehend eigener Regie so lenkt, dass er möglichst alle relevanten Einstellungen und Meinungen des Befragten zu diesen Themen erfährt, auch wenn es sich um Aspekte handelt, die dem Befragten bis zu diesem Zeitpunkt selbst nicht bewusst waren (Kuß 2012, S. 140). Tiefeninterviews dauern in der Regel zwischen 30 und 90 Minuten.

Der speziell geschulte Interviewer führt das Gespräch anhand eines Leitfadens, der die zu dis-kutierenden Einzelthemen enthält. Er sorgt dafür, dass der Gesprächsfluss aufrechterhalten wird und bemüht sich um Vertiefungen wichtiger Aspekte.

Die Auswertung von Tiefeninterviews erfolgt üblicherweise auf Grundlage von Audio-Auf-zeichnungen. Problematisch hierbei ist, dass man auf diese Weise eine sehr große und schlecht strukturierte Informationsmenge erhält, die sehr unübersichtlich ist.

Tiefeninterview Langes, intensives Gespräch zwischen Interviewer und Interviewtem über vorgegebene Themen

55www.iubh-fernstudium.de


Folgende Vorteile und Probleme von Tiefeninterviews verdeutlichen ihre Relevanz für die Marktforschung:

Vorteile:

• Die Protokolle liefern vollständige Gedanken- und Argumentationsketten, die sehr viele Einzelaspekte enthalten, wodurch auch komplexe psychische Prozesse relativ gut abgebildet werden können.

• Verschiedene Aussagen sind einzelnen Personen klar zuzuordnen, was bei Gruppendiskussionen gelegentlich nicht möglich ist.

• Auskunftspersonen können Informationen liefern, die ihnen ohne das Interview nicht bewusst geworden wären.

• Bei Tiefeninterviews wird der Interviewer veranlasst, sich in die Gedankenwelt der Auskunftsperson zu versetzen.

Probleme:

• Es werden hohe Anforderungen an den Interviewer gestellt. Interviewer müssen speziell geschult sein und benötigen ein tiefgehendes Verständnis des jeweiligen Untersuchungs-gegenstandes.

• Die Interviewten müssen gewissen intellektuellen Mindestanforderungen genügen (z. B. Verbalisierungsfähigkeit).

• Hoher Zeitaufwand, relativ hohe Kosten pro Interviewtem.

• Ergebnisse sind unübersichtlich, untereinander schlecht vergleichbar und kaum generalisierbar.

Experimente

Eine weitere Form der Datenerhebung sind Experimente, bei denen es sich um eine direkte Methode der Kausalanalyse handelt. Sie stellen die beste Methode dar, um kausale Zusam-menhänge aufzudecken. Experimente im eigentlichen Sinn haben den Vorteil, dass sie eine strenge Ursachenbeweiskraft (interne Gültigkeit) aufweisen. Als nachteilig erweist sich jedoch, dass solch ein Beweis nur unter sterilen Laborbedingungen geführt werden kann (externe Gül-tigkeit). Experimente werden differenziert in Labor- und Feldexperimente. In einem Laborexperiment entwirft der Marktforscher eine Situation mit den gewünschten Konditionen und variiert einige Variablen, während er andere kontrolliert. Auf diese Art ist der Marktforscher in der Lage, den Effekt der Manipulation der unabhängigen Variablen auf die abhängigen Variablen zu beobachten und zu messen, bei Konstanz anderer Variablen (Iacobucci / Churchill 2010, S. 105).


Lektion 4

Ein klassisches wissenschaftliches Laborexperiment sieht wie folgt aus:

Bei einem Feldexperiment hingegen handelt es sich um eine Studie, die in einem realistischen oder natürlichen Umfeld durchgeführt wird. Sie beinhaltet die Manipulation unabhängiger Vari-ablen unter kontrollierten Bedingungen (vergleiche hierzu den nachfolgenden Abschnitt in Lek-tion 5 „Beobachtung“).


Beispiel für ein klassisches wissenschaftliches Experiment

Zufallsstichprobe: 100 gesunde Personen

während einer Grippewelle

Zufällige Verteilung

50 Personen erhalten täglich Vitamin-C-Tabletten

50 Personen erhalten täglich Placebo-Tabletten

X Tage später: Zähle die Anzahl der erkälteten

Personen pro Gruppe

Ein klassisches wissenschaftliches Laborexperiment sieht wie folgt aus:

Bei einem Feldexperiment hingegen handelt es sich um eine Studie, die in einem realistischen oder natürlichen Umfeld durchgeführt wird. Sie beinhaltet die Manipulation unabhängiger Vari-ablen unter kontrollierten Bedingungen (vergleiche hierzu den nachfolgenden Abschnitt in Lek-tion 5 „Beobachtung“).





1. Nennen Sie drei Vorteile einer Gruppendiskussion im Vergleich zu einem Einzelinterview.

2. Was ist ein Tiefeninterview?

3. Was ist ein Feldexperiment?

o Eine Bodenuntersuchung und -analyse

o Landwirtschaftliche Marktforschung

o Eine Untersuchung im „Feld“

o Eine Testmarktsimulation


Lektion 4

Zusammenfassung

Im Rahmen der Primärforschung ist die am häufigsten verwendete Methode die Befragung. Problematisch bei Befragungen ist, dass der Befragte nicht richtig antwor-tet oder der Befrager suggerierende Fragen stellt. Unter Exploration wird ein freies qualitatives Interview verstanden. Qualitative Befragungen können unter anderem das Expertengespräch und die sogenannten Pilotstudien sein. Pilotstudien sollen einen Überblick über die Dimensionen und Elemente des Untersuchungsgegenstands geben.

Im Rahmen von Interviews wird üblicherweise ein sogenannter Interviewer-Leitfaden erstellt, der als eine Skizze für die Befragung angesehen werden kann. Problematisch ist die Protokollierung und Auswertung von Interviews.

Bei einer Gruppendiskussion werden gleichzeitig mehrere Personen befragt, meist Gruppen bestehend aus acht bis zwölf Personen. Vorteile von Gruppendiskussionen sind unter anderem, dass die Kosten pro Teilnehmer recht gering sind und eine weitgehend natürliche Gesprächssituation aufgebaut wird. Auch die Dokumentation ist relativ einfach durchzuführen. Allerdings sind auch weniger Informationen pro Teilnehmer zu erlangen, und die Vollständigkeit der Angaben einzelner Personen ist ebenfalls niedriger.

Ein Tiefeninterview ist ein langes, intensives Gespräch zwischen dem Marktforscher und dem Befragten über vorgegebene Themen. Das Tiefeninterview weist eine hohe Relevanz für die Marktforschung auf, da viele Einzelaspekte beleuchtet werden, die komplexe psychische Prozesse gut abbilden können.

Unter Experimenten versteht man Versuche, die unter anderem neue Zusammenhänge aufdecken können. Es wird differenziert zwischen Laborexperimenten und Feldexperi-menten.

Wissenstest


Viel Erfolg!

CLIX


Lektion 5


Primärforschung II

LErnziELE


… wodurch die Erhebungsmethode der Beobachtung charakterisiert ist und wo ihre Vor- und Nachteile liegen.

… welche Bedeutung Online-Befragungen bei der Marktforschung erlangt haben.

… was Panels sind.

… was Trendstudien sind.


Lektion 5

Nachdem Sie dem Management vorgeschlagen haben, eine Befragung in Form von Tiefenin-terviews durchzuführen, teilt man Ihnen mit, dass Sie noch alternative Erhebungsmethoden in Betracht ziehen sollten. Vor allem möchte das „Noke“-Management wissen, wie die Besucher eines Sportfachgeschäfts auf den neuen „Noke“-Sportschuh reagieren. Zu diesem Zwecke soll in einem „Noke-Village“-Geschäft ein Test mit einer kleinen Serie des neuen Sportschuhs durchgeführt werden. Folgende konkrete Fragen ergeben sich für Sie in diesem Zusammen-hang:

• Welche Erhebungsmethode ist hierfür geeignet?

• Wo liegen die Vor- und Nachteile dieser Erhebungsmethode?

• Welche Erhebungsmethoden sind außerdem im Rahmen der Primärforschung möglich?

5.1 Verfahren der Primärforschung: Beobachtung

Die Methode der Beobachtungen wird oftmals vernachlässigt. Weltweit macht diese Methode im Bereich der qualitativen Methoden der Datenerhebung lediglich ein Prozent aus. Die Beobachtung ist eine klassische Methode der Datenerhebung, die versucht, das typisch menschliche Verhalten zu verstehen und zu dekodieren. Entsprechend konnte sich die Beob-achtung als Erhebungsmethode im Verlauf des letzten Jahrhunderts etablieren. Sie ermöglicht es, Verhaltensmuster und -strukturen für ein bestimmtes Verhalten zu identifizieren. Die Beobachtung wird anderen Methoden dann überlegen sein, wenn die nonverbale Ebene des Verhaltens entscheidende Hinweise für eine Analyse des Verbraucherverhaltens geben kann. Die Beobachtung ermöglicht einen Zugang auf einer eher unterbewussten Ebene des mensch-lichen Verhaltens.

Als Beobachtung wird eine Technik der Datenerhebung bezeichnet, die auf eine Kommunika-tion zwischen Erhebenden und den Auskunftspersonen durch Fragen und Antworten verzich-tet und stattdessen die zu untersuchenden Gegebenheiten sowie Verhaltensweisen direkt erfasst. Sie stellt eine wichtige Alternative zur Befragung dar. Beobachtung ist definiert als: „[...] selektive und systematische Erfassung und Protokollierung von sinnlich wahrnehmbaren Aspekten prinzipiell sichtbaren menschlichen Verhaltens. Die Erfassung beruht auf einem hierfür konzipierten Erhebungsinstrument und kann durch menschliche Beobachter oder apparative Vorrichtungen erfolgen. Sie beruht auf einer wissenschaftlichen Fragestellung, ist in ihrem Vorgehen intersubjektiv nachprüfbar und wiederholbar, indem alle relevanten Aspekte offen gelegt werden.“ (Brosius / Koschel / Haas 2009, S. 182).

Gegenstand von Beobachtungen sind oftmals die Eigenschaften sowie Verhaltensweisen von Personen (z. B. die Wege eines Konsumenten in einem Supermarkt) sowie Gruppen von Per-sonen (z. B. die Kommunikationsprozesse in einer Gruppe).

Beispiele für Gegenstände der Beobachtung in der Marktforschung sind (Kuß 2012, S. 146):

• physische Bewegung, z. B. Einkaufswege in einem Supermarkt.

• verbales Verhalten, z. B. Kommentare von Passagieren am Schalter einer Fluggesellschaft.

• andere Ausdrucksformen, z. B. Gesichtsausdruck, Stimmfrequenz oder Körpersprache.

Beobachtung Direkte Erfassung von Verhaltens-weisen und zu untersuchenden Gegebenheiten

5. Wahl der Erhebungsmethode: Primärforschung IIAus der Praxis


Wahl der Erhebungsmethode: Primärforschung II

• räumliche Beziehungen, z. B. der Standort eines Betrachters an einem Schaufenster oder Plakat.

• physische Objekte, z. B. Markenartikel in einem Haushalt.

• verbale und bildliche Inhalte, z. B. von Anzeigen oder Protokollen von Verkaufsgesprächen.

• Spuren von Verhalten, z. B. Vorräte in Haushalten, welche auf vorherige Käufe schließen lassen.

• tatsächliche Einkäufe, aufgezeichnet.

• Abläufe, z. B. die Wartezeit und Verzehrdauer in einem Fast-Food-Restaurant.

• Scanner-Daten.

Es ist zwischen sechs verschiedenen Formen von Beobachtungen zu differenzieren (Kuß 2012, S. 149f.):

Naive und wissenschaftliche Beobachtung: Als naive Beobachtungen, auch als unsystemati-sche Beobachtungen bezeichnet, werden Sachverhalte und Situationen gelegentlich und ohne konkrete Planung erfasst, wie beispielsweise alltägliche Beobachtungen. Hingegen bezeichnet man als wissenschaftliche Beobachtung die systematische Erfassung von Sachverhalten, Ereig-nissen oder Verhaltensweisen.

Standardisierte und nicht-standardisierte Beobachtung: Bei der standardisierten Beobach-tung werden die zu untersuchenden Merkmale vorher festgelegt, während bei der nicht-stan-dardisierten Beobachtung Informationen lediglich gesammelt werden.

Teilnehmende und nicht-teilnehmende Beobachtung: Während bei der teilnehmenden Beobachtung der Beobachter selbst in den untersuchten Prozess mit einbezogen wird, ist dies bei der nicht-teilnehmenden Beobachtung nicht der Fall. Bei einer teilnehmenden Beobach-tung ergibt sich der Vorteil eines engen und tiefen Kontaktes zu der Untersuchungseinheit; nachteilig ist jedoch die Genauigkeit der Ergebnisse, bedingt durch die beschränkte Aufnah-mekapazität des Beobachters.

Offene und getarnte Beobachtung: Bei der offenen Beobachtung ist die zu beobachtende Person oder Gruppe erkennbar, bei der getarnten Beobachtung nicht. Zwar ist eine offene Beobachtung aus forschungsethischen Gründen zu bevorzugen, jedoch besteht die Gefahr, dass das Bewusstsein, beobachtet zu werden, Verhaltensänderungen bei den betroffenen Perso-nen bewirkt.

Feld- und Laborbeobachtung: Sofern die Situation, in welcher die Beobachtung durchge-führt wird, vom Forscher geschaffen oder beeinflusst wird, ist dies eine Laborbeobachtung; im Falle einer unbeeinflussten Situation eine Feldbeobachtung.

Eigen- und Fremdbeobachtung: Bei der Eigenbeobachtung sind die beobachtete Person und der Beobachter identisch. Fremdbeobachtung bezeichnet die Beobachtung des Verhaltens einer zu beobachtenden Person durch eine weitere Person. Fremdbeobachtung gilt als objekti-vere Vorgehensweise, die zudem problemloser vergleichbar und für verschiedene Beobach-tungssituationen gestaltbarer ist.


Lektion 5

Das Durchführen von Beobachtungen im Vergleich zur häufiger angewendeten Befragung hat wichtige Vorteile:

• Validitätsprobleme werden vermieden. Der Beobachter ist unabhängig von der Bereitschaft und Fähigkeit der beobachteten Personen zur Banalisierung der Angaben, es wird das reale Verhalten erfasst.

• Es ist unreflektiert und Ergebnisverzerrungen durch Einflüsse der Frageformulierung sind ausgeschlossen. Das tatsächliche Verhalten kann somit als Basis für Interpretationen genutzt werden.

• Zudem kann eine Beobachtung in der Regel ohne Zeitaufwand für den Konsumenten durch geführt werden, und es entsteht kein Recruiting-Aufwand.

Jedoch sind auch Beobachtungen nicht frei von Fehlermöglichkeiten. Es ergeben sich folgende Nachteile:

• Sie sind insbesondere nicht so breit einsetzbar wie Befragungen.

• Auch die Gründe für beobachtete Verhaltensweisen sind nicht erkennbar.

• Die menschliche Wahrnehmung ist nicht fehlerfrei. Eine eingehende Interpretation ist erforderlich, um aus dem beobachteten Verhalten Schlüsse auf die zugrunde liegenden Einstellungen oder Motivationen zu ziehen. Hierbei besteht das Problem einer nicht kon-trollierbaren Informationsselektion und somit einer subjektiven Analyse der beobachteten Sachverhalte.

• Ebenso wird die Interpretation von Ergebnissen durch die mangelnde Distanz zum Beobachteten erschwert.

• Beobachtungen sind sehr zeitintensiv und daher in Forschungsstudien, die einem sehr restriktiven Zeitplan unterliegen, oftmals nicht anzuwenden.



Die Beobachtung ist eine Methode zur von Verhaltensweisen

und zu untersuchenden Gegebenheiten.

2. Nennen Sie drei menschliche Verhaltensweisen, die Gegenstand der Beobachtung sein können.




5.2 Verfahren der Primärforschung: Online-Befragungen

Die weltweite Verbreitung des Internets hat in kürzester Zeit dazu geführt, dass die Marktfor-schung dieses zunehmend für die quantitative und qualitative Marktforschung nutzt. Der Grund hierfür sind unter anderem auch ökonomische Überlegungen, da breite Bevölkerungs-schichten Zugang zum Internet haben und alternative Möglichkeiten der Datenerhebung ent-stehen. Auch bei der internetbasierten Datenerhebung lassen sich vor allem die Erhebungsver-fahren Befragung und Beobachtung differenzieren. Einen Überblick über internetbasierte Befragungsmethoden gibt die nachfolgende Tabelle. Es lassen sich asynchrone (in Form zeit-versetzter Frage-Antwort-Runden) und synchrone (nahezu zeitgleicher Dialog) Befragungsme-thoden differenzieren:

Internetbasierte Befragungsmethoden

Asynchron Synchron

E-Mail Webbasierter Chat

Mailingliste Instant-Messenger

Newsgroups Videokonferenz

Diskussionsforum

Offene Web-Survey

Eine der häufig verwendeten internetbasierten Befragungsformen stellt das asynchrone Einzel-interview dar. Hierbei werden die Befragten gebeten, die Forschungsfragen zu beantworten und zurückzusenden oder in thematischen Blöcken per E-Mail zu übermitteln.

Offene Fragen, wie sie bei qualitativen Erhebungen üblich sind, bedürfen bei der internetba-sierten Befragung einer bedeutend stärkeren kognitiven Anstrengung als bei standardisierten Fragebögen, da Antworten nicht einfach passiv wiedererkannt, sondern erst aktiv konstruiert werden müssen. Um Befragte nicht mit zu vielen Fragen zu „verschrecken“ (z. B. durch Ermü-dung oder Frustration), ist auf ein ausgewogenes Verhältnis von Fragen und Befragungsepiso-den zu achten (Gnambs / Batinic 2011, S. 388f.). E-Mail ist eine Kommunikationsform, die auf eher kurze, in sich geschlossene Texteinheiten aufgebaut ist, sodass nur wenige, thematisch ähnliche Fragen in einer einzelnen E-Mail zusammengefasst werden sollten.

Asynchrone Online-Befragung Zeitversetzte Frage-Antwort-Runden

Synchrone Online-Befragung Zeitgleicher Dialog


Lektion 5

Folgende Vor- und Nachteile von internetbasierten Befragungen lassen sich anführen:

Vor- und Nachteile internetbasierter Befragungen

Vorteile Nachteile

Geringere Kosten Geringere Spontanität

Zeitersparnis Hohe Antwortlatenzen

Größere Offenheit Technische Infrastruktur

Auflösung von Hierarchien Fehlende nonverbale Hinweisreize

Zugang zu speziellen Populationen

Mit traditionellen Erhebungstechniken stärker vergleichbar sind synchrone Befragungsfor-men, die mittels webbasiertem Chat oder Instant-Messenger-Systemen durchgeführt werden. Gegenüber asynchronen E-Mail-Befragungen weisen sie vor allem Vorteile hinsichtlich der Antwortlatenz auf, denn Reaktionen folgen unmittelbar auf gestellte Fragen, sodass sponta-nere und reichhaltigere Antworten seitens der Befragten zu erwarten sind. Allerdings dauern synchrone internetbasierte Befragungen trotz der im Vergleich zu E-Mails geringeren Ant-wortlatenz fast doppelt so lange wie vergleichbare persönliche Interviews, und es werden im Schnitt weniger lange Antworten produziert. Bei synchronen Befragungen werden die Ant-worten somit stark von der Lese- und Tippgeschwindigkeit der Interviewten beeinflusst. Wei-terhin ist das Fehlen nonverbaler Verstärkung (z. B. durch Augenkontakt) hervorzuheben.

Im Rahmen qualitativer Forschung ist das Internet auch deshalb hervorzuheben, da es die Möglichkeit anonymer Kommunikationsszenarien bietet, denn anonymisierte Online-Inter-aktionen ermöglichen die Ausschaltung nonverbaler Hinweisreize, die persönliche Gespräche häufig unbewusst mitbestimmen können. Sie helfen hierdurch kulturell bedingte Hierarchien z. B. aufgrund des Geschlechts, Alters oder physischer Charakteristika in den Hintergrund zu drängen. Dies kann zu einer stärkeren Gleichheit der Diskussionsteilnehmer führen und ermöglicht eine offenere Gesprächsführung mit dem Fokus auf die kommunizierte Botschaft. Besondere Bedeutung gewinnt die Anonymität qualitativer Online-Befragungen vornehmlich für Gespräche über sensible bzw. beschämende Themen, über die im persönlichen Dialog nur ungern gesprochen wird, wie etwa im Bereich der Sexualforschung.




1. Welches sind asynchrone Formen einer Online-Befragung?

o Webbasierter Chat

o Newsgroups

o Diskussionsforum

o Videokonferenz

2. Nennen Sie drei Vorteile einer internetbasierten Befragung.

3. Was ist ein asynchrones Einzelinterview?



Lektion 5

5.3 Verfahren der Primärforschung: Panels und Trendstudien

Panels

Panels werden im Rahmen des Marketings bzw. Vertriebs eingesetzt, um die eigenen Verkäufe sowie die Absätze von Wettbewerbern beurteilen zu können. Panels sollen Fragen beantwor-ten, inwiefern eigene Produkte besser oder schlechter abschneiden als der Markt oder die Wettbewerber oder welche Warengruppensegmente ein überdurchschnittliches Wachstum zei-gen. Im Rahmen der Vertriebssteuerung soll herausgefunden werden, inwiefern der Abverkauf zusätzlich durch Aktionen unterstützt werden kann, wo überdurchschnittliche Verkäufer erreicht werden etc.

Neben reinen Mengenangaben werden auch Informationen darüber benötigt, wer die Pro-dukte kauft, welche Zielgruppen also lohnend gelten und ob ein Produkt nur einmalig gekauft oder wiedergekauft wird. Panels unterscheiden sich nach dem Untersuchungsgegenstand (z. B. Abverkäufe, Einkäufe, TV-Einschaltquoten) sowie den Merkmalsträgern (Geschäfte, Einzel-personen, Haushalte). Das nachfolgende Schaubild systematisiert unterschiedliche Panels:

Neben der groben Einteilung zwischen Handels-, Verbraucherpanel und TV-Zuschauerpanel gibt es noch zahlreiche weitere Arten und Unterarten von Panels (Hüttner / Schwarting 2010, S. 184ff.). Spezial-Panels existieren z. B. für Produkttests oder Hörerforschung. Im Rahmen der Handels-panels kann zwischen Einzelhandels- und Großhandelspanels differenziert werden. Einzelhan-delspanels wiederum lassen sich in allgemeine oder spezielle (z. B. Apotheken) Panels untertei-len.

Unterschiedliche Aspekte des Marktgeschehens durch Panels

Handel

Medien

Hersteller Endverbraucher

Handelspanel

z. B. Nielsen Media Research

z. B. Prisma TV-Zuschauer-panel

Handels- und Verbraucher-panel



Bei Verbraucherpanels wird grundsätzlich in Vorverbraucherpanel (z. B. Handwerksbetriebe, Baufirmen) und Endverbraucherpanel unterschieden. Bei den Endverbraucherpanels lassen sich wiederum Haushaltspanels und Einzelpersonenpanels differenzieren. Ein Haushaltspanel kann sich mit Verbrauchsgütern (Verbrauchsgüterpanel) und Gebrauchsgütern (Gebrauchsgü-terpanel) befassen.

Panels beobachten über einen längeren Zeitraum hinweg einen gleichbleibenden Sachverhalt. Auf dieser Grundlage können dann Veränderungen gemessen werden. Darüber hinaus versu-chen Panels, bei jeder Erhebung, mit möglichst einer gleichbleibenden Stichprobe zu arbeiten. Allerdings ist bei der Vielzahl der erhobenen Daten kein vollständig identischer Ersatz eines Stichprobenelementes durch ein anderes möglich. Mit jeder Veränderung der Stichprobe wer-den auch Änderungen im Ergebnis bewirkt, sodass es zu Verfälschungen kommt (Günther /Vossebein / Wildner 2006, S. 3). Eine konstante Stichprobe setzt voraus, dass nur solche Sach-verhalte für eine Erhebung geeignet sind, bei denen die wiederholte Erhebung keinen oder nur einen geringen Einfluss auf das Ergebnis hat.

Für die Messgenauigkeit gelten folgende Aussagen:

Die Genauigkeit der Messung der Veränderung steigt mit der Höhe der positiven Korrelation. Diese wird desto höher sein, ...

• ... je häufiger der Artikel gekauft wird,

• je gewohnheitsmäßiger das Einkaufsverhalten ist und

• je länger der untersuchte Zeitraum ist.

Neben dem Erhebungsgegenstand und der Stichprobe sollte nach Möglichkeit auch die Erhe-bungsmethode konstant gehalten werden, denn diesbezügliche Änderungen können zu methodenbedingten Änderungen im Ergebnis führen. Weiterhin ist eine Eingebung bei stets gleichbleibenden Terminen sinnvoll, um saisonale Schwankungen auszuschließen.

Zusammenfassend ist ein Panel dadurch charakterisiert, dass grundsätzlich (Günther / Vosse-bein / Wildner 2006, S. 8) ...

• ... der stets gleiche Sachverhalt

• zu stets gleichen, wiederkehrenden Zeitpunkten

• bei der stets gleichen Stichprobe auf die

• stets gleiche Art und Weise ...

... erhoben wird.

Ein Panel ist durch vier wesentliche Elemente gekennzeichnet, die es vollständig definieren:

1. Die Grundgesamtheit eines Panels ist die Menge der Elemente, über die Aussagen getroffen werden sollen.

2. Die Stichprobe ist die Menge der Elemente, bei denen Daten erhoben werden.

Elemente eines Panels sind Grund-gesamtheit, Stich-probe, Erhebung und Hochrechnung.


Lektion 5

3. Die Erhebung der relevanten Sachverhalte in der Stichprobe beinhaltet die eigentliche Erfassung der Daten, wobei die in Lektion 2 dargestellten unterschiedlichen Erhebungs-verfahren zum Einsatz kommen.

4. Die Hochrechnung stellt den Schluss vom Stichprobenergebnis auf die Schätzung des entsprechenden Wertes dar.

Trendstudien

Trendstudien können als eine Abwandlung des Paneldesigns gesehen werden, sie werden daher auch oftmals als unechtes Panel bezeichnet. Es handelt sich dabei gewissermaßen um Nachbauten vormals durchgeführter Studien, bei der zwar die Variablen durch dieselbe Ope-rationalisierung zu verschiedenen Zeitpunkten gemessen werden, jedoch an anderen Personen, die allerdings über das gleiche Auswahlverfahren ermittelt werden. Daher entfällt bei der Aus-wertung auch die Möglichkeit, Veränderungen an einzelnen Individuen identifizieren zu kön-nen. Lediglich Veränderungen zwischen den beiden Gesamtheiten der Befragten können ermittelt werden. Trendstudien haben zudem das Problem, dass sie an einer großen Zahl mög-licher Störfaktoren leiden, wodurch der Ergebnisvergleich erschwert wird. Von großem Vorteil ist hingegen, dass der Aufwand im Vergleich zur Erstellung und Pflege eines Panels entfällt. Trendanalysen sind entsprechend kostengünstiger als Panelstudien (Schnell / Hill / Esser 2008, S. 246).



Eine Trendstudie ist eine mit einem

Personenkreis.

2. Welche wesentliche Aussage lässt sich für die Messgenauigkeit aufstellen?

3. Welche Unterscheidung wird bei Endverbraucherpanels üblicherweise getroffen?

o Einzelhandels- / Großhandelspanel

o Spezial- / Universalpanel

o Haushalts- / Einzelpersonenpanel

Trendstudie Wiederholungs-befragung bei unterschiedlichem Personenkreis




Zusammenfassung

Die Beobachtung ist eine Form der Datenerhebung, bei der die Verhaltensweisen in den Gegebenheiten direkt erfasst werden. Durch die Beobachtung lässt sich die physische Bewegung vom Konsumenten ermitteln, sein verbales Verhalten oder seine Ausdrucksformen. Bei dem „Noke“-Sportschuh ließe sich z. B. festhalten, ob dieser positive Emotionen auslöst.

Online-Befragungen erlangen in Zeiten der zunehmenden Durchdringung des Inter-nets eine immer höhere Bedeutung. Sie sind vor allem mit geringen Kosten, einer Zeitersparnis und dem Zugang zu bestimmten Zielgruppen verbunden. Allerdings weisen sie unter anderem auch eine geringere Spontanität und hohe Antwortlatenzen auf. Es wird zwischen der synchronen und asynchronen Online-Befragung differen-ziert.

Unter Panels wird die Erhebung bei einem bestimmten, gleichbleibenden Kreis von Auskunftssubjekten verstanden, bei denen über einen längeren Zeitraum hinweg Messungen (Beobachtung, Befragung) zu gleichen Themen mit der gleichen Methode und zu den jeweils gleichen Zeitpunkten vorgenommen werden. Auch eine Trendstudie ist eine Wiederholungsbefragung, aber bei einem unterschiedlichen Personenkreis.

Wissenstest


Viel Erfolg!

CLIX


Lektion 5

Lektion 6

Messtheoretische Grundlagen, Skalie-

rung, Operationalisierung der Variablen

LErnziELE


… wie die Begriffe Merkmalsträger, Merkmalsausprägung und Merkmalsdimension zu unterscheiden sind.

… was unter dem Begriff Messen zu verstehen ist.

… worin der Zusammenhang zwischen Messen und Datenerhebung besteht.

… welche Arten von Messniveaus existieren.

… wozu Skalierung dient.

… was Operationalisierung ist.


Aus der Praxis

6. Messtheoretische Grundlagen, Skalierung, Operationalisierung der Variablen

Lektion 6

„Noke“ steht nunmehr kurz davor, seinen neuartigen Laufschuh in den Markt einzuführen. Das Design für den Sportschuh steht allerdings noch nicht endgültig fest. In der engeren Aus-wahl stehen drei verschiedene Designvarianten des Schuhs. „Noke“ braucht nun eine konkrete Entscheidungsgrundlage und möchte daher seine potenziellen Käufer zum Schuhdesign befra-gen. Im Weiteren soll geklärt werden, wie „Noke“ diese Erkenntnisse gewinnt, woher also die Daten kommen, wie die Ergebnisse gemessen und eingeordnet werden können und wie diese dargestellt und abgelesen werden. In diesem Zusammenhang ergeben sich für Sie folgende grundlegende Fragen:

• Wie wird eine Datenmatrix aufgebaut?

• Welche Messniveaus gibt es?

• Was ist eine geeignete Skala?

6.1 Begriffe

Die relevante Untersuchungseinheit, also den zu befragenden Personenkreis, hat „Noke“ aus-gewählt (Stichprobe). Diese Merkmalsträger haben bestimmte Merkmalsausprägungen, die es festzustellen gilt. Dabei kommt es nicht darauf an, die Gesamtheit der Merkmalsausprägungen des Merkmalsträger zu erfassen, sondern nur diejenigen für „Noke“ für eine Kaufentscheidung für den speziellen Laufschuh relevanten Merkmalsausprägungen zu ermitteln.

Die Merkmalsausprägungen der Untersuchungseinheiten sind in aller Regel unterschiedlich. Daraus ergibt sich, dass die jeweilige Merkmalsdimension eine Variable ist. Um diese verschie-denen Merkmalsausprägungen miteinander vergleichen zu können, müssen diese Merkmals-ausprägungen zunächst festgestellt und anschließend in Zahlenwerten oder Symbolen abgebil-det werden. Dies bedeutet schließlich, dass die variierenden Merkmalsausprägungen der Untersuchungseinheiten gemessen werden müssen (Berekoven / Eckert / Ellenrieder 2009, S. 63).

Unter Messen ist dabei die systematische Beobachtung und Aufzeichnung von empirischen Sachverhalten zu verstehen. Die Ergebnisse einer jeden Messung sind dann die systematisch zugeordneten Merkmalsausprägungen auf den zu untersuchenden Merkmalsdimensionen.

Die hierdurch gewonnenen Daten können dann im Weiteren verdichtet werden, sodass sie als aussagekräftige Informationen und damit als Entscheidungsgrundlage für Marketingentschei-dungen dienen. Daten sind dementsprechend gemessene, also zahlenmäßig erfasste Merkmals-ausprägungen von Untersuchungseinheiten auf Merkmalsdimensionen. Mit anderen Worten sind Daten Messwerte einer bestimmten Variable (Berekoven / Eckert / Ellenrieder 2009, S. 63). Die gewonnenen Ergebnisse der Messungen werden dann in eine Datenmatrix übertragen.

Messen Die systematische Beobachtung und Aufzeichnung von empirischen Sachverhalten

Daten Messwerte einer bestimmten Variable


Messtheoretische Grundlagen, Skalierung, Operationalisierung der Variablen

Matrix der Messdaten zum „Noke“-Sportschuh

UE

MD MD1 Farbe

MD2 Logo-Platzierung

MD3 Schnürsenkel

UE1 MA11 MA12 MD13

UE2 MA21 MA22 MD23

. . . .

. . . .

. . . .

. . . .

UEn MAn1 MAn2 MAn3

UE = Untersuchungseinheit MD = Merkmalsdimension (Variable) MA = Merkmalsausprägung

Mithilfe einer Datenmatrix kann nun das Eingangsmaterial weiter ausgewertet werden. Zu beachten ist, dass die Ergebnisse einer weiteren Auswertung immer auf dem Eingangsmaterial, also auf dem zugrunde liegenden Messergebnis beruhen. Demzufolge ist die Qualität der Aus-wertungsergebnisse maßgeblich abhängig von der Güte des Ausgangsmaterials. Somit wohnt der Messung von Merkmalsausprägungen eine Schlüsselstellung im Marktforschungsprozess inne.


1. Bitte vervollständigen Sie folgende Sätze mit den aufgeführten Begriffen: Messen / Untersuchungseinheiten / Merkmalsdimensionen / Zahlenwerten oder Symbolen / Datenmatrix / Variablen / Qualität

Die Merkmalsausprägungen der sind in aller Regel

unterschiedlich.

Zur Vergleichbarkeit von Merkmalsausprägungen müssen diese festgestellt und anschließend

in abgebildet werden.

Die der Auswertungsergebnisse bestimmt sich nach

der Güte des zugrunde liegenden Eingangsmaterials.

Die Ergebnisse der Messungen werden dann in eine

übertragen.



Lektion 6

2. Das Messen hat in der Marktforschung einen erheblichen Stellenwert. Bitte beurteilen Sie, welche Aussagen richtig sind.

Messen …

o … sind Veranstaltungen zur Selbstdarstellung und Verkaufsförderung.

o … dient der Datenerhebung.

o … ist die systematische Beobachtung und Aufzeichnung von empirischen Sachverhalten.

o … sind dasselbe wie Daten.

3. Definieren Sie den Begriff „Daten“.

6.2 Messniveaus

Bei der Ermittlung von beispielsweise der Schuhgröße beim Kauf eines Sportschuhs benötigt man ein Maßband. Um Messungen anstellen zu können, bedarf es also eines Instruments für die Zuordnung von Zahlenwerten zu den entsprechenden Merkmalsausprägungen. Einfacher gesagt, ein Maßstab muss her. Möchte man nun den Grad der Einstellung einer Person gegen-über einem bestimmten Schuhdesign zahlenmäßig erfassen, muss ein Maßstab entwickelt wer-den. Einen derartigen Maßstab liefert eine Skala, die zur Untersuchung herangezogen wird. Somit kann eine Skala als ein Zifferblatt eines Messinstrumentes aufgefasst werden, an dem die zu untersuchenden Merkmalsausprägungen abgelesen werden können. Die möglichen Ant-wortvorgaben zu der Frage „Wie gut gefällt Ihnen das Design des Laufschuhs XY?“ sind sehr vielfältig, wie z. B. sehr gut = 1, gut = 2, weniger gut = 3, überhaupt nicht = 4. Die Ant-wortvorgaben sollen die Merkmalsausprägungen des jeweiligen Merkmalsträgers darstellen (Berekoven / Eckert / Ellenrieder 2009, S. 64).

Nun stellt sich allerdings die Frage, welche Aussagekraft diese Werte aufweisen, denn in vielen Fällen sind die Zahlen nur als beliebig austauschbare Symbole für die unterschiedlichen Aus-prägungen zu verstehen. Dabei würde es nicht darauf ankommen, die Antwortmöglichkeiten hinsichtlich der Bewertung eines Sportschuhdesigns mit den Werten 1–4 beziehungsweise „sehr gut“ bis „überhaupt nicht“ vorzugeben oder die Bewertung mit „0, 8, 15“ oder mit „x, y, z“ zu codieren (Kuß 2012, S. 194).

Der in den gewonnenen Daten enthaltene Informationsgehalt bestimmt sich ganz maßgeblich nach dem Messniveau, mithilfe dessen die jeweiligen Merkmalsausprägungen der Merkmals-träger ermittelt bzw. gemessen werden.

Messniveaus dienen als Instrument zur Datenerhebung.Unterschiedliche Messniveaus servieren unter-schiedliche Daten-qualität.



Beispielsweise kann bei der Merkmalsausprägung vom Merkmal „Geschlecht“ von einer weni-ger hohen Qualität ausgegangen werden als z. B. bei der Ausprägung des Merkmals „Alter“. Die Merkmalsausprägung „Geschlecht“ lässt sich im Gegensatz zum Merkmal „Alter“ nicht zusammenzählen, auch ist es nicht möglich, einen Mittelwert zu bilden.

Dies liegt schlicht und ergreifend daran, dass die verschiedenen Merkmale auf unterschiedlichen Messniveaus gemessen werden. Das heißt wiederum, dass die unterschiedliche Datenqualität auch auf unterschiedlichen Messniveaus abgelesen wird. Bei Skalen mit einem höheren Mess-niveau die auch als metrische Skalen bezeichnet werden lassen sich die Messeinheiten addieren und subtrahieren, wohingegen sich diese Möglichkeit bei Skalen mit einem niedrigeren Mess-niveau nicht bietet (Berekoven / Eckert / Ellenrieder 2009, S. 64f.).

Im Weiteren wird zwischen folgenden Mess- bzw. Skalenniveaus unterschieden, woraufhin eine kurze Erläuterung der Messniveaus folgt:

• Nominalniveau

• Ordinalniveau

• Intervallniveau

• Rationiveau (Verhältnisskala)

Nominalniveau

Aus dem Namen des Messniveaus geht bereits hervor, dass die dargestellten Messwerte auf der sogenannten Nominalskala bzw. im Nominalniveau nicht mehr Aussagekraft haben als ein Name. Das Nominalniveau hat ausschließlich die Aufgabe, hinsichtlich des interessierenden Merkmals identische Erhebungsmerkmale auf eben die gleiche Weise zu markieren. Haben beispielsweise zwei verschiedene Merkmalsträger denselben Beruf, werden sie bei der entspre-chenden Variable demselben Wert zugeordnet (z. B. beide „a“ oder beide „99“). Dabei kommt es nicht darauf an, welcher Wert hierfür gewählt wird. Das Einzige, was daraus geschlossen werden kann, ist, dass Merkmalsträger mit gleichen Werten dieser speziellen Variablen gleiche Berufe bzw. Personen mit ungleichen Werten verschiedene Berufe haben. Auch wenn dem Beruf der Merkmalsträger ein Zahlenwert zugeordnet wird, ist eine mathematische Verwen-dung dieser Werte vollkommen sinnlos. Denn versuchen Sie doch mal aus den Berufen Inge-nieur, Jurist, Laufschuhtester und Busfahrer einen Mittelwert zu bilden oder gar einen durch-schnittlichen Beruf zu errechnen. Ein derartiges Unterfangen ist freilich unsinnig (Kuß 2012, S. 194f.).

Das Nominalniveau bietet nicht mehr Aussagekraft als ein Name.


Lektion 6

Ordinalniveau

Die Rangordnung der Erhebungselemente wird von einer Ordinalskala hinsichtlich des jeweils betrachteten Merkmals abgebildet. Als Beispiel ist hier der Zieleinlauf bei der Formel 1 zu nennen. Daraus, dass einem Pilot die „1“ zugeordnet wird, lässt sich schließen, dass dieser Pilot als Schnellster die zurückzulegenden Runden bewältigt hat bzw. dass dieser Fahrer das Rennen gewonnen hat. Dadurch, dass den anderen Piloten die Zahlen „2“, „3“, „4“ usw. zuge-ordnet werden, lässt sich jedoch kein Rückschluss auf die Abstände zwischen den Fahrern ziehen. Also nur, weil dem Sieger eine „1“ und dem Zweiten eine „2“ zugeordnet wird, heißt das nicht, dass der Sieger des Rennens doppelt so schnell war wie der Zweitplatzierte. Damit weisen die Zahlen nur eine sehr begrenzte Aussagekraft auf und sind somit für eine arithmeti-sche Operation nicht zu gebrauchen (Olbrich / Battenfeld / Buhr 2012, S. 84).

Intervallniveau

Bei einer Intervallskala können, wie der Name bereits vermuten lässt, sinnvolle Aussagen über die Abstände bzw. Intervalle zwischen den ermittelten Messwerten getroffen werden. Misst man in drei verschiedenen Räumen die vorherrschende Raumtemperatur und erhält folgende Messwerte: Raum 1: 10 °C, Raum 2: 20 °C und Raum 3: 30 °C, lässt sich recht leicht feststellen, dass die Temperaturdifferenz zwischen Raum 1 und Raum 2 identisch zu der zwi-schen Raum 2 und Raum 3 ist. Arithmetische Operationen sind bei einem Intervallniveau zumeist zulässig. So ist es möglich und unter Umständen sinnvoll, eine Durchschnittstempe-ratur zu errechnen. Andere Aussagen sind jedoch nicht möglich, da die genutzte Messskala einen relativ frei gewählten Nullpunkt aufweist. Lässt man sich nun zu der Aussage hinreißen, dass die Temperatur in Raum 2 mit 20 °C doppelt so hoch ist wie die 10 °C in Raum 1, wird man bei genauerer Betrachtung auf Probleme stoßen. Denn bei einer Fahrenheit-Temperatur-skala, bei der der Nullpunkt anders gewählt ist, hätten die Messungen für Raum 2: 86 °F und für Raum 1: 50 °F ergeben. Also kann wohl kaum von einer doppelt so hohen Temperatur ausgegangen werden (Kuß 2012, S. 195).

Rationiveau

Mithilfe einer Ratio- oder auch Verhältnisskala lassen sich Aussagen über Relationen zwischen Messwerten treffen. Dabei lassen sich nicht nur die Abstände zwischen den einzelnen Mess-werten interpretieren, es existiert zudem ein eindeutig definierter Nullpunkt. Dieser absolute Nullpunkt ist bei der Variable „Einkommen“ als „kein Einkommen“ definiert und das unab-hängig von der herangezogenen Maßeinheit, die in diesen Fall die Währung darstellt. Alle Arten von Rechenoperationen sind im Rahmen der Ratioskalen möglich, sie gewähren eine unbeschränkte Datenanalyse (Kuß 2012, S. 195).

Abschließend bleibt festzustellen, dass es sich bei den Nominal-, Ordinal-, Intervall- und Ratio niveaus um eine hierarchische Ordnung handelt. Steigt das Messniveau, nimmt auch die Aussagekraft sowie der Informationsgehalt der Daten zu. So lässt sich sagen, dass ein jedes Messniveau die Eigenschaften der vorherstehenden Niveaus einschließt. So ergibt sich die Möglichkeit, Daten aus höheren Messniveaus in Daten aus niedrigeren Messniveaus zu über-führen. Das heißt, Daten aus einem Rationiveau können beispielsweise in Intervalldaten trans-formiert werden. Dahingegen ist eine Transformation von einem niedrigen Messniveau in ein

Ordinalskalen bilden die Rangordnung der Erhebungs-elemente ab.

Arithmetische Operationen sind bei dem Intervallniveau zumeist zulässig.Intervallniveaus stellen Abstände bzw. Intervalle dar.

Ratio- oder Verhältnisskala gibt Aussagen über Relationen zwischen Messwerten.



höheres Messniveau nicht möglich. Deswegen sollte immer darauf geachtet werden, dass stets das höchstmögliche Messniveau im Erhebungsverfahren gewählt wird, denn eine Überfüh-rung der Messdaten in ein niedrigeres Messniveau ist jederzeit möglich, in ein höheres jedoch nicht (Berekoven / Eckert / Ellenrieder 2009, S. 66).


1. Nennen Sie die vier Messniveaus in hierarchischer Reihenfolge. Beginnen Sie mit dem höchsten Messniveau.

2. Den unterschiedlichen Messniveaus kommen unterschiedliche Funktionen zu. Bitte beurteilen Sie in diesem Zusammenhang, welche Aussagen nicht richtig sind.

Nominalniveau …

o … hat erheblich mehr Aussagekraft als ein Name.

o … -daten können in Intervallniveaudaten transformiert werden.

Ordinalniveau …

o … bildet keine Reihenfolgen ab.

o … ist dasselbe wie eine Verhältnisskala.


Rationiveau …

o … lässt alle Arten von Rechenoperationen zu.

o … gewährt eine eingeschränkte Datenanalyse.


3. Worauf ist in der Erhebungsplanung im Hinblick auf das zu wählende Messniveau zu achten?

Im Erhebungs-verfahren immer das höchstmög-liche Messniveau wählen!



Lektion 6

6.3 Skalierung

Bei der Skalierung handelt es sich um die Konstruktion einer Skala und darüber hinaus um die Zuordnung von Zahlen zu Objekten oder aber Eigenschaften mittels eben dieser Messskalen. Anders gesagt ist Skalierung die Konstruktion einer Skala, um die Merkmalsausprägungen bei den jeweiligen Untersuchungseinheiten zu messen (Berekoven / Eckert / Ellenrieder 2009, S. 66; Broda 2006, S. 81).

Das Skalierungsverfahren zielt darauf ab, rein theoretische, nicht zu beobachtende Sach-verhalte, die im „Inneren“ des Merkmalsträgers ablaufen, wie Emotionen, Präferenzen und Wertungen, zu messen. Dazu werden diese Merkmale in quantitative Größen umgewandelt (Berekoven / Eckert / Ellenrieder 2009, S. 66).

Hierfür werden den zu befragenden Personen Aussagen (sogenannte „Items“) vorgelegt, die es zu beurteilen gilt. Aus dieser Beurteilung heraus kann auf die Kenntnisse, Persönlichkeitsei-genschaften und Emotionen geschlossen werden (Broda 2006, S. 81).

Um die Qualität der Messergebnisse gewährleisten zu können, müssen Skalen die folgenden Beschaffenheiten aufweisen (Broda 2006, S. 81):

• Validität: Die Skalen sollen nur das messen, was mit ihnen bezweckt wird. Es geht also um die Gültigkeit der Resultate eines Messinstrumentes.

• Reliabilität: Die Skalen sollen in ihren Messungen zuverlässig sein, also die Messergebnisse bei erneuter Messung wiederholen.

• Trennschärfe: Die in der Realität vorhandenen Unterschiede sollen von den Skalen auch dargestellt werden. Sie sollen also ebenso zeigen, dass eine Hypothese falsch ist.

Selbsteinstufungsverfahren

Die in der Marktforschungspraxis am häufigsten genutzte Skalierungsmethode ist, aufgrund ihrer Vielseitigkeit und simplen Handhabbarkeit, die Rating-Skala. Die Rating-Skala ist der direkten Selbsteinstufung zuzuordnen. Dabei werden die Merkmalsträger aufgefordert, ihre Position auf der interessierenden Merkmalsdimension selbst festzulegen. Die Skala nutzt dabei einen Maßstab mit entweder numerischer, verbaler, grafischer Benennung oder auch Kombi-nationen hieraus.

Beispiel einer Ratingskala

Ich persönlich nutze meine Laufschuhe …

täglich wöchentlich monatlichso gut

wie nie /nie

mehr-mals

einmal mehr-mals

einmal seltener

7 6 5 4 3 2 1

Skalierung technischer Vorgang zur Konst-ruktion einer Skala

Die essentiellen Eigenschaften von Skalen sind Validität, Reliabilität und Trennschärfe.

Rating-Skala Leicht handhabbar und zudem äußerst vielseitig



Zu beachten ist allerdings, dass sich Merkmalsträger bei Rating-Skalen häufig entweder zu Extrempositionen oder aber mittleren Positionen („Tendenz zur Mitte“) hinreißen lassen. Der Wechsel der Beurteilungsrichtung von „sehr gut“ bis „schlecht“ zu „schlecht“ bis „sehr gut“ verändert hieran in der Regel nichts, es stiftet höchstens Verwirrung (Berekoven / Eckert / Ellen-rieder 2009, S. 70).

Fremdeinstufungsverfahren

Beim Fremdeinstufungsverfahren werden den zu befragenden Merkmalsträgern nicht nur ein-zelne Fragen vorgelegt, sondern sie werden mit relativ umfangreichen Variationen der unter-schiedlichsten Items (meist Skalafragen) konfrontiert.

Der Begriff „Fremdeinstufungsverfahren“ rührt daher, dass nach der Befragung aus den ver-schiedenen Skalen die eigentliche Messskala gestaltet wird und die Merkmalsträger darauf posi-tioniert werden. Damit wird dem Befragten nicht die eigentliche Messskala vorgelegt, sondern sie wird aus der Verknüpfung der Einzelmesswerte konstruiert. Trotz alledem beruht auch das Fremdeinstufungsverfahren auf dem Selbsteinstufungsverfahren. Denn nutzt man statt der Selbsteinstufungsfrage „Sind Sie umweltbewusst?“ mit den Antwortmöglichkeiten „kein biss-chen“ bis „ja, sehr“ Einzelfragen, wie beispielsweise „Achten Sie bei Ihren Einkäufen auf umweltverträgliche Produkte?“, dann bestimmt sich aus mehreren solcher Einzelfragen und deren Antworten der Grad des Umweltbewusstseins des Merkmalsträgers (Berekoven / Eckert /Ellenrieder 2009, S. 70).


1. Was ist unter Skalierung zu verstehen?

2. Nennen Sie die drei Eigenschaften, die eine Skala zu erfüllen hat, und erklären Sie diese kurz.

Merkmalsträger nehmen bei der Rating-Skala oft Extrempositionen ein.



Lektion 6

3. Was ist beim Selbsteinstufungsverfahren mit einer Rating-Skala zu beachten?

6.4 Operationalisierung der Variablen

Um die Theorien mit der Realität in Einklang zu bringen, muss auf geeignete Methoden zurückgegriffen werden. So muss z. B. entschieden werden, mit welcher Skala Einstellungen gemessen werden sollen, die man eventuell als Ursache für ein bestimmtes Kaufverhalten ver-mutet. Dazu bedarf es eines statistischen Verfahrens, mithilfe dessen die hypothetische Bezie-hung zwischen der Einstellung und dem Kaufverhalten überprüft werden kann. Bei der Ope-rationalisierung werden demnach abstrakten Konzepten konkrete Mess- oder statistische Verfahren usw. zugeordnet (Kuß 2012, S. 25).

Operationalisierung ist also die Festlegung von Forschungsoperationen, mittels derer sich ent-scheiden lässt, ob in einer konkreten Situation ein mit einem theoretischen Begriff bezeichne-tes Phänomen vorliegt oder nicht.

Es soll der Zusammenhang zwischen der Kundenzufriedenheit und der Wahrscheinlichkeit eines Wiederkaufs ermittelt werden. Dabei besteht die Operationalisierung beispielsweise darin, mithilfe einer Befragung unter 1000 repräsentativ ausgewählten Käuferinnen und Käu-fern die Abhängigkeit von Kundenzufriedenheit und Wiederkauf-Wahrscheinlichkeit mit einer Rating-Skala (Kundenzufriedenheit) und einer verbalen Skala (Wiederkauf-Wahrschein-lichkeit mit den Werten „auf jeden Fall“, „sicherlich“, „eher nicht“ und „auf keinen Fall“) festzulegen sowie für die Bestimmung des zu untersuchenden Zusammenhanges ein Korrela-tionsmaß für ordinal skalierte Daten zu verwenden (Kuß 2012, S. 25).

Die Anwendung der ausgewählten Verfahren nennt man Messung. Die gewonnenen Daten können dann mit statistischen Methoden verdichtet, dargestellt und hinsichtlich ihres Zustan-dekommens überprüft werden. Daraufhin folgt dann der Vergleich der Ergebnisse der Daten-analyse mit den Aussagen der Theorie ‒ also die Interpretation (Kuß 2012, S. 25).

Bei der Opera-tionalisierung werden abstrakten Konzepten konkrete Mess- oder statistische Verfahren zugeordnet.

Beispiel zur Operationalisierung

theoretischer BegriffOperationalisierung

empirischeMerkmale Alltags-

verhalten




1. Erklären Sie bitte kurz, was unter Operationalisierung zu verstehen ist.

Zusammenfassung

Messen ist die systematische Beobachtung und Aufzeichnung von empirischen Sach-verhalten. Die Ergebnisse einer jeden Messung sind die systematisch zugeordneten Merkmalsausprägungen auf den zu untersuchenden Merkmalsdimensionen.

Mit dem Messen werden Daten gewonnen, diese sind also zahlenmäßig erfasste Merkmalsausprägungen von Untersuchungseinheiten auf Merkmalsdimensionen. Mit anderen Worten sind Daten Messwerte einer bestimmten Variablen.

Messniveaus dienen als Instrument zur Datenerhebung. Eine Skala liefert dabei den Maßstab, der zur Untersuchung herangezogen wird. Somit kann eine Skala als ein Zifferblatt eines Messinstrumentes aufgefasst werden, an dem die zu untersuchenden Merkmalsausprägungen abgelesen werden können.

Bei der Skalierung handelt es sich um die Konstruktion einer Skala und darüber hinaus um die Zuordnung von Zahlen zu Objekten oder aber Eigenschaften mittels eben dieser Messskalen. Dabei zielt das Skalierungsverfahren darauf ab, rein theoretische, nicht zu beobachtende Sachverhalte, die im „Inneren“ des Merkmalsträgers ablaufen, zu messen.

Operationalisierung muss als Festlegung von Forschungsoperationen gesehen werden, mittels derer sich entscheiden lässt, ob in einer konkreten Situation ein mit einem theoretischen Begriff bezeichnetes Phänomen vorliegt oder nicht. Die Anwendung des Verfahrens ist die Messung.

Wissenstest


Viel Erfolg!


CLIX


Lektion 6

Lektion 7

Aufbereitung der Daten

LErnziELE


… welche die Hauptschritte der Datenaufbereitung sind.

… was unter Editierung zu verstehen ist.

… ebenso, was unter Codierung verstanden wird.

… welche Bedeutung die Fehlerkontrolle hat.


Aus der Praxis

Lektion 7

7. Aufbereitung der Daten

Der Sportartikelhersteller „Noke“ hat eine sehr umfangreiche Befragung potenzieller Kunden auf einer Sportmesse durchgeführt. Den Befragten wurden die drei verschiedenen Designs des Sportschuhs vorgeführt. Neben der Bewertung des Designs und des Tragekomforts des Lauf-schuhs sollten die Befragten auch zu ihrem Kaufverhalten, ihrer Laufhäufigkeit und ihrer Ein-stellung gegenüber „Noke“ Stellung nehmen. Sie werden beauftragt, die Analyse der Daten möglichst schnell durchzuführen. Allerdings sind Sie sich unsicher, welche Vorbereitungen vorab zu treffen sind. In diesem Zusammenhang ergeben sich für Sie folgende grundlegende Fragen:

• Auf welche Kriterien hin müssen die vorliegenden Fragebögen untersucht werden, das heißt, sind die vorliegenden Daten verlässlich?

• In welcher Form werden die Daten verarbeitet?

• Wie können Fehler ausgeschlossen werden?

• Was ist zu tun, falls Daten fehlen?

7.1 Redigierung bzw. Editierung der vorliegenden Erhebungsbögen

Überblick Datenaufbereitung

Im Anschluss an die Feldarbeit liegen die gewonnenen Daten, abhängig von der jeweiligen Erhebungsmethode, als ausgefüllter Fragebogen, Beobachtungsprotokoll oder aber Video- bzw. Audiobänder vor. Die Aufbereitung von Daten für die anstehende Datenanalyse mithilfe einer gängigen Statistik-Software, wie beispielsweise MS Excel, SPSS oder SAS, ist tendenziell ein sehr technisch angehauchter Untersuchungsteil (Altobelli 2011, S. 216).

Die Hauptschritte bei der Datenaufbereitung sind:

1. die Redigierung bzw. Editierung der vorliegenden Erhebungsbögen,

2. die Codierung der Erhebungsbögen,

3. die Dateneingabe in den Rechner,

4. die Fehlerkontrolle,

5. die Ergänzung fehlender Daten und

6. die Erstellung der Datenmatrix.

Im Rahmen der computerunterstützten Datenerhebung fallen allerdings einige dieser Schritte weg. Im Weiteren sollen daher einige dieser sechs Hauptschritte näher beleuchtet werden.



Die ausgefüllten Fragebögen werden im Rahmen der Editierung dahingehend überprüft, ob diese vollständig, lesbar, verständlich und konsistent sind. Die Editierung sollte möglichst zeitnah nach der Datenerhebung geschehen, um Fehler durch Rückfragen beim jeweiligen Interviewer klären zu können (Kuß 2012, S. 187).

Nach Iacobucci / Churchill (2010, S. 407) werden bei der Editierung die bereits oben erwähn-ten Kriterien überprüft:

Vollständigkeit der AngabenEventuell fehlende Antworten können in einer Antwortverweigerung durch den Befragten begründet sein. Unverständnis oder auch Unwissen des Befragten können ursächlich für die ausgebliebene Antwort sein. Dabei ist es wichtig, den exakten Grund für die fehlende Antwort zu erfassen (Altobelli 2011, S. 214).

Lesbarkeit der AngabenVoraussetzung für die Codierung und Eingabe in den Rechner ist, dass die entsprechenden Angaben der Befragten auch entzifferbar sind. Die Handschrift und mögliche Abkürzungen müssen daher entschlüsselt werden (Kuß 2012, S. 187).

Verständlichkeit der AngabenDarüber hinaus gilt es festzustellen, was der Befragte mit seinen Antworten ausdrücken wollte. „Kryptische“ Aussagen bzw. Formulierungen sind dementsprechend zu identifizieren und gegebenenfalls abzuklären.

Konsistenz der Angaben Zuletzt müssen die Antworten der Befragten dahingehend überprüft werden, ob diese sich nicht eventuell widersprechen.

Beispiel:Der Befragte gibt auf die Frage nach der Häufigkeit der Nutzung von Laufschuhen „so gut wie nie“ an. Bei der Frage nach der Häufigkeit des Joggens gibt der Befragte jedoch „drei bis vier-mal pro Woche“ an.

Vergleichbarkeit der AngabenUm die Vergleichbarkeit der Antworten gewährleisten zu können, gilt es, die Antworten in vergleichbaren Einheiten zu erfassen (Kuß 2012, S. 187).

Treten die soeben erwähnten Probleme in den Fragebögen auf, gibt es unterschiedliche Mög-lichkeiten, wie mit diesen Problemen umgegangen werden sollte. So kann beispielsweise mit dem Befragten oder wahlweise mit dem Interviewer Kontakt aufgenommen werden, um die unklaren Antworten oder auch Fragestellungen abzuklären. Darüber hinaus besteht immer die Möglichkeit, den Fragebogen gänzlich aus der Betrachtung zu nehmen. Das heißt, die entspre-chenden Daten werden aus dem Datensatz eliminiert (Kuß, 2012, S. 187).

Vergleichbarkeit der AngabenEinheitlichkeit verwendeter Maßeinheiten etc.


Lektion 7


1. Nennen Sie die wesentlichen Schritte der Datenaufbereitung.

2. Worauf kommt es bei der Editierung von Fragebögen an?

7.2 Codierung von Erhebungsbögen

Codierung bezeichnet die Übertragung der mithilfe des Fragebogens gewonnenen Antworten in zweckmäßig ausgesuchte Symbole bzw. Zahlen. Dazu gehört auch die Zuordnung von ver-balen Angaben zu Kategorien und den damit verbundenen Symbolen bzw. Zahlen.

Wenige Schwierigkeiten treten hier bei geschlossenen Fragen auf.

Beispiel: Nutzen Sie derzeit Sportschuhe der Marke „Noke“?

o ja

o nein

Anders sieht dies jedoch bei offenen Fragen aus.

Beispiel: Wie zufrieden sind Sie mit Ihrem „Noke“-Sportschuh?

Hierbei müssen vorab Kategorien für die verschiedenen Antwortarten ausgearbeitet werden. Sämtliche Codierungsregeln werden dann in einem Codebuch / Codeplan festgehalten, damit alle an der Datenaufbereitung beteiligten Personen die identische Verfahrensweise anwenden (Kuß 2012, S. 188).

Den Codes kommt dabei kein Aussagewert zu, sondern sie dienen ausschließlich der Kenn-zeichnung und Ordnung der Variablenwerte.


Codierung bezeichnet die Übertragung von Antworten in Symbole bzw. Zahlen.

Codierungs-regeln werden im Codebuch erfasst und einheitlich angewandt.



Beispiel:Frage 10 des Fragebogens:

„Wie häufig nutzen Sie die Laufschuhe der Marke ‚Noke‘ pro Woche?

Schlüssel

weniger als 1 Mal 1

1–2 Mal 2

3–4 Mal 3

5 Mal und mehr 4

Die Zahlen 1–4 dienen ganz einfach der Verschlüsselung. Demnach würde ein Befragter, der den Laufschuh von „Noke“ 1–2 Mal pro Woche nutzt, den Wert 2 erhalten. Bei einer tägli-chen Nutzung würde dem Befragten der Wert 4 zugeordnet werden (Altobelli 2011, S. 215).

Ganz gleich, welche Erhebungsmethode der Befragung zugrunde liegt, sollten bei der Erarbei-tung der Kategorien einige „Regeln“ befolgt werden:

• Die zu erarbeitenden Kategorien sollten umfassend sein, also das gesamte Spektrum der Ausprägungen abbilden. Hierbei erscheint es sinnvoll, weniger häufig genannte Antworten einer Kategorie z. B. „Sonstige“ zuzuordnen und darüber hinaus auch eine Kategorie „keine Angaben“ vorzubereiten.

• Die Antwortmöglichkeiten sollten immer nur einer Kategorie zuordenbar sein. Oder anders gesagt: Die jeweiligen Kategorien sollten sich gegenseitig ausschließen.

Beispiel: Schuhgröße: 36–40, 41–45 nicht 36–40, 40–45 (Kuß 2012, S. 188).

• Für kritische Aussagen sollten auch dann Kategorien angefertigt werden, wenn die Antwort von keinem der Befragten genannt wurde. Denn auch dieser Fakt kann eine äußerst wichtige Information darstellen.

Beispiel: Aufgrund der hohen Umsatzschwankungen in den letzten Monaten ließ „Noke“ eine Befra-gung zur Kundenzufriedenheit durchführen. In die Kategorie „äußerst hohe Zufriedenheit“ fällt dabei nicht eine Antwort. Hierdurch wird „Noke“ der Handlungsbedarf klar.

• Ähnlich aufgebaute Fragen sollten auch ähnlich codiert werden.

• Bei mehreren Untersuchungen möglichst einheitliche Codiervorgaben verwenden (Kuß 2012, S. 188).

Je nachdem, welche Art der Untersuchung vorliegt, kann eine sogenannte „Feld-Codierung“ oder aber eine „Schreibtisch-Codierung“ vorgenommen werden. Im Falle der „Feld-Codie-rung“ wird die Antwort auf eine offene Frage umgehend durch den Interviewer noch während des Interviews zu einer vorgegebenen Kategorie zugeordnet.


Lektion 7

Im Falle einer „Schreibtisch-Codierung“ wird die Antwort vom Interviewer in den Fragebogen eingetragen. Die Einordnung in die entsprechende Kategorie erfolgt dann später durch dafür ausgebildetes Personal (Kuß 2012, S. 188).

Die Rohdaten werden meist über die PC-Tastatur eingegeben. Dabei entstehen unweigerlich Lese- und Schreibfehler, die die Qualität der auszuwertenden Daten maßgebend beeinträch-tigen. Die Nutzung von Lesegeräten mit dafür speziell entwickelten Erhebungsbögen kann hierbei jedoch Abhilfe schaffen (Kuß 2012, S. 188).

Des Weiteren gelten für die Datenanalyse mittels EDV spezielle Aspekte, die im Rahmen der Datenaufbereitung für eine reibungslose Datenanalyse beachtet werden sollten:

• Es darf nur ein Zeichen pro Spalte genutzt werden. Viele Software-Pakete erkennen mehrstellige Eingaben nicht.

• Die Codes sollten zudem nur numerischer Natur sein. Sonderzeichen, Buchstaben sowie Leerzeichen sind zu vermeiden.

• Für jede Variable müssen genau so viele Spalten zur Verfügung stehen, wie sie zur Erfassung sämtlicher Ausprägungen notwendig sind (Altobelli 2011, S. 216f.).

Ist die Dateneingabe in den Rechner erfolgt, steht eine Datenmatrix zur Verfügung. Die jewei-ligen Spalten enthalten die einzelnen Werte der verschiedenen Variablen, und in den Zeilen finden sich die Angaben jeweils einer Auskunftsperson. Dabei ist jede Position innerhalb der Datenmatrix durch das Codebuch definiert. Bei der Kategorie der Variablen „Geschlecht“ sind diese im nachfolgenden Beispiel mit „0“ und „1“ codiert. Dabei liegt eine nominalskalierte Variable vor.

Beispiel für eine Datenmatrix

Variable

Fälle 1 Geschlecht Alter m

1 X11 0 32 ... X1m

2 X21 1 39 ... X2m

3 X31 1 20 ... X3m

... ... ... ... ... ...

n Xn 0 28 ... Xmm

Eine Variable steht für ein Merkmal, welches verschiedene Ausprägungen aufweisen kann. Es kann sich dabei um eine Variable mit nahezu unendlich vielen Ausprägungsvarianten handeln, wie z. B. beim Merkmal „Jahreseinkommen“. Andersherum kann es aber auch eine Variable mit nur wenigen Ausprägungsvarianten sein, wie z. B. bei dem im Beispiel genutzten Merkmal „Geschlecht“.




1. Was ist unter „Codierung“ zu verstehen? Bitte kreuzen Sie die zutreffenden Aussagen an.

o Als Codierung bezeichnet man das Anbringen von Strichcodes auf Waren.

o Codierung bezeichnet die Übertragung der Antworten in Symbole bzw. Zahlen.

o Codierung ist die Verschlüsselung der Erhebungsdaten, um diese vor dem Zugriff Fremder zu schützen.

2. Bitte erläutern Sie kurz, was ein Codeplan ist und wozu dieser dient.

3. Was ist zu beachten, wenn Rohdaten mittels Tastatur in den PC eingegeben werden? Bitte kreuzen Sie die richtigen Antworten an.

o Es kommt zu Lese- und Tippfehlern, die die Qualität der Daten beeinträchtigen.

o Es kommt maßgeblich darauf an, dass die genutzte Tastatur sauber und vorab desinfiziert wurde.

o Meist kommt es dazu, dass die Tasten der Tastatur klemmen. Zahlen und Symbole werden dadurch mehrfach eingetragen. Darunter leidet die Arbeitsmoral.

o Es ist nichts Wesentliches zu beachten.

4. Eine Datenmatrix enthält …

o Es ist schwer, jemandem zu erklären, was die Matrix enthält oder was sie ist. Jeder muss sie selbst erleben.

o … Kategorien der Variablen.

o … Déjà-vus.

5. Erklären Sie kurz, was eine Variable ist.



Lektion 7

7.3 Fehlerkontrolle

Bevor mit der Datenanalyse begonnen werden kann, ist es absolut notwendig, die Daten dar-aufhin zu untersuchen, dass kein bzw. möglichst wenige Fehler in den Daten vorhanden sind („data cleaning“). Es soll also sichergestellt werden, dass die Daten korrekt von den Frage-bögen in den Rechner eingegeben wurden. Bearbeitungsfehler entstehen dabei nicht nur bei der Übertragung der Daten in die Datenbank, sondern beispielsweise auch bei der Editierung und Codierung. Bei sämtlichen Fehlerquellen in der Marktforschung handelt es sich bei diesen Bearbeitungsfehlern wahrscheinlich um die frustrierendsten Fehler, denn sie sind im Wesent-lichen in der Unachtsamkeit bzw. Unaufmerksamkeit der Bearbeiter begründet (Churchill /Brown / Suter 2010, S. 412).

Der vorliegende Teil soll also einen Einblick geben, wie diese Fehler aufgespürt und eliminiert werden können. Darüber hinaus werden Eingabemethoden aufgezeigt, die die Fehlerquote verringern können.

Hin und wieder sind Bearbeitungsfehler leicht zu diagnostizieren. Angenommen ein Bearbeiter codiert Antworten in eine Skala von 1 bis 5. Dabei gibt dieser versehentlich anstatt der 4, die der Befragte angekreuzt hat, eine 7 ein. Diese Fehler sind leicht zu identifizieren, denn die 7 befindet sich nicht auf der Skala. Daher muss nur aus dem entsprechenden Fragebogen die korrekte Antwort abgefragt werden (Churchill / Brown / Suter 2010, S. 412).

Ein Rückgriff auf den Original-Fragebogen kann bei Unklarheiten der Daten immer weiter-helfen. Um festzustellen, ob die Daten korrekt eingegeben wurden, sollte dies genau geprüft und notfalls die Ausgangsdaten oder sogar die Auskunftsperson noch einmal zurate gezogen werden. Denn die Qualität der Daten ist für die spätere Datenanalyse enorm wichtig (Kuß 2012, S. 191).

Andere Bearbeitungsfehler sind deutlich schwerer zu identifizieren. Angenommen der Bear-beiter in dem eben erwähnten Beispiel hätte nicht versehentlich die 7 statt der 4 eingetragen, sondern eine 1. In der ersten Beispielsvariante wäre auf den ersten Blick klar, dass hier ein Fehler vorliegt. Bei der zweiten Variante ist jedoch keine Auffälligkeit gegeben, da die eingetra-gene 1 eine der möglichen Antworten ist. Derartige Fehler sind demnach sehr schwer festzu-stellen. Eine Möglichkeit, diese Fehler zu reduzieren, besteht darin, Stichproben durchzuführen. Das heißt, es werden einige der Fragebögen doppelt eingegeben („double-entry“-Methode). Stimmen dabei die Ergebnisse überein, ist die Besorgnis über Dateneingabefehler unbegrün-det. Finden sich bei diesen Stichproben jedoch Bearbeitungsfehler, ist es ratsam, sämtliche Eingaben der Fragebögen zu überprüfen (Churchill / Brown / Suter 2010, S. 413).

Um solchen Übertragungsfehlern Herr zu werden, gibt es die Möglichkeit, die ausgefüllten Fragebögen mittels Scanner-Technologie einzulesen. Einige Hersteller dieser Scanner-Techno-logien werben bereits damit, dass ihre Produkte nahezu 100-prozentige Ergebnisse liefern, also fast fehlerlos arbeiten. Allerdings ist auch bei dieser Technologie zu beachten, dass diese nicht in der Lage ist, offene Fragen bzw. deren Antworten zu codieren und in eine Datenbank zu übertragen.

Übertragungs-fehler sind menschlich, aber leider nicht immer ganz einfach auf zu-spüren.

Die „double-entry“-Methode ist die doppelte Eingabe von Daten in zwei separate Datensätze, die dann miteinander verglichen werden.




1. Was ist unter „data cleaning“ zu verstehen?

o Es handelt sich um eine Form der Datenreinigung. Es werden schmutzige Daten gesäubert.

o Schlechte Daten werden aufgebessert, um das erhoffte Umfrageergebnis zu erhalten.

o Fehler in den Daten werden so gut wie möglich eliminiert.

o „Data cleaning“ soll sicherstellen, dass die Daten korrekt sind.

2. Worin sind die meisten Übertragungsfehler begründet?

o Unachtsamkeit und Unkonzentriertheit

o Computerfehler

o Tastatur defekt

o Rockmusik

3. Erläutern Sie kurz, was unter der „double-entry“-Methode zu verstehen ist.

7.4 Umgang mit fehlenden Daten

Es kommt immer wieder vor, dass die Werte bei einzelnen Variablen fehlen, sogenannte „mis-sing values“. Es existieren unterschiedliche Möglichkeiten, wie mit diesen fehlenden Variab-len umgegangen werden kann. Eine Möglichkeit besteht darin, diese fehlenden Werte bei der Datenanalyse nicht zu berücksichtigen. Hierbei helfen die üblichen Statistik-Programme weiter. Eine weitere Option ist es, die fehlenden Werte zu schätzen („imputation“). Ein mit Vorsicht zu genießender Ansatz ist, den fehlenden Wert durch den Mittelwert der jeweiligen Variablen zu ersetzen. Ein anderer Ansatz hingegen sieht vor, den fehlenden Wert mittels der Regressions-analyse zu ersetzen, bei der Werte anderer Variablen herangezogen werden, die wiederum den fehlenden Wert beeinflussen (Kuß 2012, S. 191).


Es gibt diverse Möglichkeiten zum Umgang mit „missing values“.Nicht alle sind unproblematisch.


Lektion 7

Es gibt jedoch auch Möglichkeiten, das Fehlen von Daten zu verhindern. So kann beispiels-weise bei computerunterstützten Umfragen das Programm so eingerichtet werden, dass der Befragte erst zu der jeweils nächsten Frage gelangt, wenn er die aktuelle Frage beantwortet hat. So gelangt man zu vollständig ausgefüllten Fragebögen und damit zu vollständigen Daten. Allerdings ist hierbei zu beachten, dass die Frustration bei den Befragten steigt und diese dann gegebenenfalls die Befragung abbrechen (Churchill / Brown / Suter 2010, S. 414).

Bitte bedenken Sie immer, dass es kein simples „richtig“ oder „falsch“ beim Umgang mit feh-lenden Daten gibt. Vielmehr hängt der Umgang mit den „missing values“ maßgeblich vom Gewicht der Variablen, von der Analysemethode und zu guter Letzt von der Studie selbst ab (Churchill / Brown / Suter 2010, S. 415).


1. Wie kann mit fehlenden Daten umgegangen werden?

o Fehlende Daten werden bei der Datenanalyse nicht berücksichtigt.

o Schätzung anhand des Mittelwerts aller Variablen.

o Schätzung anhand des Mittelwerts der jeweiligen Variablen.

o Fehlende Werte stellen kein Problem dar.

o Fehlende Werte werden durch „0“ ersetzt.

2. Bitte erläutern Sie kurz, wie das Fehlen von Daten verhindert werden kann und worin dabei das wesentliche Problem besteht.




Zusammenfassung

Die Datenaufbereitung besteht im Wesentlichen aus den folgenden sechs Schritten; einige dieser Schritte können allerdings im Rahmen einer computerunterstützten Befragung wegfallen:

1. die Redigierung bzw. Editierung der vorliegenden Erhebungsbögen, 2. die Codierung der Erhebungsbögen, 3. die Dateneingabe in den Rechner, 4. die Fehlerkontrolle, 5. die Ergänzung fehlender Daten und 6. die Erstellung der Datenmatrix.

Die ausgefüllten Fragebögen werden im Rahmen der Editierung dahingehend über-prüft, ob diese vollständig, lesbar, verständlich und konsistent sind. Die Fehlerkontrolle ist ein sehr wichtiges Element in der Datenaufbereitung. Dabei sollte im Vorhinein immer darauf geachtet werden, dass sorgfältig gearbeitet wird und Methoden zur Anwendung kommen, die das Risiko von Bearbeitungsfehlern minimieren. Denn es ist nicht immer leicht, Fehler, die sich in die Daten „geschlichen“ haben, herauszufiltern. Wie mit fehlenden Daten umgegangen werden sollte, ist stark abhängig von der Untersuchung selbst. Viele Faktoren haben hierauf einen Einfluss. Daher bedarf es hier einer fallbezogenen Entscheidung.

Wissenstest


Viel Erfolg!

CLIX


Lektion 7

Lektion 8

Deskriptive Datenanalyse;

uni- / bivariate Verfahren

LErnziELE


… wie uni- und bivariate Verfahren zu unterscheiden sind.

… was es mit der Häufigkeitstabelle auf sich hat und welche Parameter hierbei zu beachten sind.

… was Kreuztabellierung bedeutet.

… was eine Korrelationsanalyse ist.

… wozu die Regressionsanalyse dient.


Aus der Praxis

Lektion 8

8. Deskriptive Datenanalyse; uni- / bivariate Verfahren

Durch die in den vorherigen Lektionen erörterten Erhebungsverfahren haben Sie zahlreiche Einzelinformationen erhalten. Nunmehr müssen Sie im Rahmen der Datenanalyse diese Daten prüfen und auswerten. Ihre Aufgabe ist es, die Daten auf ein überblickbares Maß zu verdichten. Dadurch können Zusammenhänge verdeutlicht oder überhaupt erst kenntlich gemacht werden. Darüber hinaus können Sie mithilfe der Datenanalyse auch eine Entscheidungs-grundlage für beispielsweise zukünftige Verkaufsstrategien schaffen und diese dem „Noke“-Ma-nagement vorlegen.

In diesem Zusammenhang ergeben sich für Sie folgende grundlegende Fragen:

• Mit welchen Verfahren können Sie die Datenanalyse vornehmen?

• Welche statistischen Größen sind bei der Auswertung von besonderer Bedeutung?

• Wie sieht z. B. eine Kreuztabelle für das Unternehmen „Noke“ aus?

Die nachfolgende Lektion wird Ihnen im Weiteren einen Überblick über uni- sowie bivariate Verfahren verschaffen. Im Speziellen werden die Häufigkeitstabelle, die Kreuztabelle und die Korrelations- und Regressionsanalyse von Bedeutung sein. Bitte beachten Sie, dass das vorlie-gende Skript Ihnen wie immer nur einen vagen Überblick verschaffen kann, es soll Ihnen als Leitfaden dienen. Es bedarf daher für Ihr Studium eine eingehende Beschäftigung mit den nachfolgenden Themen.

Bei der deskriptiven bzw. beschreibenden Statistik handelt es sich um all die statistischen Ver-fahren, die sich der Aufbereitung und Auswertung der zu untersuchenden Datenmengen wid-men. Die deskriptiven Methoden der Datenanalyse dienen somit insbesondere dazu, die Ver-teilung der Merkmalsausprägungen zu beschreiben. Es gibt hierzu eine Reihe verschiedener Optionen, die sich für die Darstellung der Verteilung der Merkmalsausprägungen eignen (Raab / Unger / Unger 2009, S. 198).

Die beschreibende Datenanalyse lässt sich in univariate, bivariate sowie multivariate Verfahren unterteilen, wobei Letztere erst in Lektion 9 behandelt werden.


Deskriptive Datenanalyse; uni- / bivariate Verfahren

8.1 Univariate Verfahren

Die univariaten Verfahren sind dadurch gekennzeichnet, dass sie die Häufigkeitsverteilung der Merkmalsausprägungen abbilden bzw. systematisch und übersichtlich darstellen. Darüber hinaus gehören auch die Verfahren zur Ermittlung von Parametern der untersuchten Häufig-keit zu den univariaten Verfahren. Mithilfe dieser Parameter können die Häufigkeitsverteilungen charakterisiert werden. Zu den wichtigsten Parametern gehören dabei die Lage- und Streu-parameter (Berekoven / Eckert / Ellenrieder 2009, S. 188).

Außerdem ist zu beachten, dass die univariaten Methoden die einfachste Art der Datenanalyse darstellen. Es werden immer ausschließlich eine Variable wie beispielsweise das Alter oder die Häufigkeit des Joggens pro Woche, das Geschlecht oder aber das Einkommen untersucht. Hierbei ist es unabdinglich, auf die Skalierung der zu untersuchenden Daten zu achten. Abhängig von der genutzten Skala (Nominal-, Ordinal-, Intervall- oder Ratioskala) werden im Rahmen des Analyseprozesses unterschiedliche Methoden eingesetzt. Wie bereits in Lek tion 6 erläutert, ist es fruchtlos, aus nominalskalierten Daten einen Mittelwert zu bilden (Raab / Unger / Unger 2009, S. 197).

In der Regel finden im Rahmen der deskriptiven Datenanalyse zwei Tabellenformen Anwendung. Diese sind die sogenannte Häufigkeitstabelle sowie die Kreuztabelle. Beiden Darstellungsfor-men kommen dabei ihre ganz eigenen Aufgaben zu.

Häufigkeitstabelle

Die Häufigkeitstabelle dient dazu, einzelne Variablen einer Erhebung sowie die Häufigkeit der Merkmalsausprägungen zu beschreiben. Solche Häufigkeitstabellen enthalten in aller Regel die Anzahl sämtlicher ermittelter Merkmalsausprägungen, also z. B. die Menge aller von den befragten Personen angegebenen Antwortmöglichkeiten auf eine konkrete Frage. Die Häufig-keitstabelle ist anders als die Kreuztabelle nicht in der Lage, Zusammenhänge darzustellen. Vielmehr dient sie dazu, kumulative Werte von Merkmalsausprägungen abzubilden. Zudem liefert die Häufigkeitstabelle statistische Werte, wie z. B. einen Durchschnitt, Standardabwei-chungen und darüber hinaus Anteile bezüglich einer Gesamtheit (Raab / Unger / Unger 2009, S. 197).

Häufigkeitstabellen können außerdem dazu eingesetzt werden, in Zahlen darzustellen, wie viele der befragten Personen auf eine bestimmte Frage welche Antwort gegeben haben. Ein Beispiel hierfür ist, wie viele Kunden ihre „Noke“ Sportschuhe im Supermarkt kaufen, wie viele im Internet und wie viele für den Kauf zum Fachhändler oder zu einer anderen Bezugs-quelle gehen (Raab / Unger / Unger 2009, S. 198f.).

Die Häufigkeitstabelle zeigt die numerische Anzahl der erhaltenen Merkmalsausprägungen und den Anteil, den diese Anzahl der Merkmalsausprägungen an der Gesamtheit aufweist. Die fehlenden Daten werden hierbei allerdings nicht außer Acht gelassen. Denn auch hieraus können Erkenntnisse, wie beispielsweise über die Aussagekraft der Ergebnisse der Datenanalyse, abge-leitet werden (Raab / Unger / Unger 2009, S. 198).

Statistikprogramme wie SPSS oder auch Programme zur Tabellenkalkulation, wie z. B. Excel, sind in der Lage, die Häufigkeitsanalyse zu bewältigen (Churchill / Brown / Suter 2010, S. 424).

Univariate Verfahren Die einfachste Art der Datenanalyse


Lektion 8

Dargestellt wird die Häufigkeitsverteilung meist in Form eines Säulendiagramms. Dies ist ganz speziell der Fall, wenn eine Entwicklung gezeichnet werden soll und wenn die darzustellenden Daten einer gewissen natürlichen Ordnung unterworfen sind. Dabei erfolgt die Ausweisung der absoluten (wie häufig kommt ein bestimmter Wert vor) und der relativen (welcher Anteil der untersuchten Merkmalsträger entfällt auf einen Wert) Häufigkeit auch in kumulierter Form (Berekoven / Eckert / Ellenrieder 2009, S. 188f.).

Parameter der Häufigkeitsverteilung

Die wichtigsten und vielleicht auch einfachsten Parameter sind die Mittelwerte. Sie gehören zu den Lageparametern; ein Lageparameter kennzeichnet die Ausprägungen eines Untersuchungs-merkmals, die für die Häufigkeitsverteilung am typischsten sind.

Anhand von Mittelwerten soll die Position mehrerer Merkmalswerte auf einer Merkmals-dimension durch nur einen einzelnen Wert charakterisiert werden. Neben den Mittelwerten Median und Modus ist das arithmetische Mittel der wohl bekannteste und am häufigsten genutzte Mittelwert (Berekoven / Eckert / Ellenrieder 2009, S. 190).

Mathematisch lautet die Formel für das arithmetische Mittel wie folgt:

Das arithmetische Mittel ergibt sich also ganz einfach aus der Summe aller Merkmale geteilt durch ihre Anzahl. Liegen beispielsweise 10 Messwerte vor, deren Summe 60 beträgt, so liegt das arithmetische Mittel bei 6.

Eigentlich erfordert die Ermittlung des arithmetischen Mittels ein metrisches Skalenniveau. Allerdings ist es in der Marktforschung durchaus üblich, Mittelwerte auch von ordinal skalierten Daten zu berechnen.

Der Median markiert die Grenze zwischen den oberen und unteren 50 % der Häufigkeitsver-teilung. Der Modus hingegen ermittelt den häufigsten Wert. Diese beiden Mittelwerte spielen in der Marktforschungspraxis immer nur in dem Fall eine Rolle, wenn durch Ausreißer das arithmetische Mittel stark verzerrt wird oder aber das Skalenniveau nicht auf das arithmetische Mittel anwendbar ist (Churchill / Brown / Suter 2010, S. 430; Berekoven / Eckert / Ellenrieder 2009, S. 190).

Mittelwerte Die wichtigsten und einfachsten Häufigkeitspara-meter

– x = = 4 (= arithmetisches Mittel = Durchschnitt)1 + 5 + 6_______ 3

Beispiel: xv = 1, 5, 6

– x = ∑ xi1_n

Der Median markiert Grenzen.

Der Modus ermittelt den häufigsten Wert.



Streuungsparameter

Mithilfe der Maßzahlen der zentralen Tendenz ist es nicht möglich, die Verteilung gänzlich zu beschreiben. Es ist beispielsweise möglich, dass Stichproben ein identisches arithmetisches Mittel aufweisen, die ihnen zugrunde liegenden Merkmalsausprägungen jedoch eine gänzlich andere Verteilung kennzeichnen.

Wie bereits zuvor dargestellt kann man den Median, das arithmetische Mittel und auch den Modus einer Verteilung ermitteln, doch hierdurch erhält man noch immer keine Aus s age über die Verteilung der gesamten gemessenen Merkmalsausprägungen. Abhilfe können hierbei unter anderem die Spannweite, die Varianz und die Standardabweichung schaffen (Raab / Unger / Unger 2009, S. 207).

Spannweite

Die Spannweite eignet sich als Streuungsmaß für ordinal skalierte Daten. Definiert wird die Spannweite durch die Differenz zwischen dem größten und dem kleinsten Merkmalswert. Bei der Spannweite ist jedoch eines zu beachten: Der Wert ist enorm beeinflussbar durch Ausrei-ßer bzw. Extremwerte. Diesen Nachteil kann man allerdings dadurch reduzieren, indem man bei der Berechnung ausschließlich die mittleren 90 % bis 95 % der Werte einbezieht und damit die Extremwerte außen vor lässt (Raab / Unger / Unger 2009, S. 207).

Varianz

Die Varianz ist ein Maß für die Streuung aller gemessenen Merkmalsausprägungen. Damit stellt die Varianz das wohl wichtigste und heute allgemein übliche Streuungsmaß in der Markt-forschung dar. Berechnet wird die Varianz über die durchschnittliche quadratische Abwei-chung der einzelnen Beobachtungswerte vom arithmetischen Mittel. Durch das Quadrieren der Werte haben Abweichungen ein stärkeres Gewicht als bei der Berechnung des Durch-schnitts. Ist das Ergebnis der Varianzberechnung null, liegt keine Streuung vor (Raab / Unger /Unger 2009, S. 208; Berekoven / Eckert / Ellenrieder 2009, S. 191).

Zur Veranschaulichung hier noch die zur Berechnung der Varianz notwendige Formel:

• Standardabweichung

Als Standardabweichung wird die Quadratwurzel aus der Varianz bezeichnet.

Die Spannweite ist leicht zu beeinflussen.

Die Varianz ist das wichtigste Streuungsmaß.

Standard-abweichung oder auch Streuung oder mittlere Abweichung


Lektion 8

Darüber hinaus wird die Standardabweichung auch als Streuung oder mittlere Abweichung bezeichnet. Mithilfe der Standardabweichung lassen sich Fehlerintervalle um das arithmetische Mittel kennzeichnen. Zudem kann bei der Normalverteilung angegeben werden, mit welcher Wahrscheinlichkeit Werte innerhalb dieser Fehlerintervalle liegen (Berekoven / Eckert / Ellen-rieder 2009, S. 191).

Der Standardabweichung kommt in der Marktforschungspraxis eine erhebliche Bedeutung zu, was darin begründet ist, dass sie für eine Reihe von statistischen Tests Informationen liefert (Berekoven / Eckert / Ellenrieder 2009, S. 191).


1. Wozu dienen die deskriptiven Methoden zur Datenanalyse?

o Deskriptive Methoden der Datenanalyse dienen im Wesentlichen dazu, die Verteilung der Merkmalsausprägungen zu beschreiben.

o Sie dienen der Beschäftigung von Studenten und Mitarbeitern.

o Deskriptive Methoden der Datenanalyse dienen der Fehlerkorrektur.

o Sie stellen die Zuverlässigkeit der gewonnenen Daten dar.

o Die deskriptiven Methoden dienen schlicht und ergreifend der Standardabweichung.

2. Erklären Sie, was unter univariaten Verfahren zu verstehen ist.

3. Bitte kreuzen Sie die korrekten Antworten zur Häufigkeitstabelle an.

o Das Ergebnis der Häufigkeitstabelle ist unabhängig von Art und Umfang der analysierten Daten immer null.

o Die Häufigkeitstabelle hat den Zweck, einzelne Variablen einer Erhebung sowie die Häufigkeit der Merkmalsausprägungen zu beschreiben.

o Die Häufigkeitstabelle ist anders als die Kreuztabelle nicht in der Lage, Zusammenhänge darzustellen.

o Mithilfe der Häufigkeitstabelle wird die Datenanalyse beendet. Daher wird sie auch immer am Schluss der Analyse durchgeführt.

o Die Erkenntnisse, welche die Häufigkeitstabelle liefert, sind in der Marktforschungspraxis meist nicht zu gebrauchen.




4. Bitte erläutern Sie kurz, was unter den Begriffen „Spannweite“, „Varianz“ und „Standardabweichung“ zu verstehen ist.

5. Warum hat die Standardabweichung in der Praxis eine so hohe Bedeutung? Bitte kreuzen Sie Zutreffendes an.

o Die Standardabweichung ist mit der Varianz identisch.

o Die Datenanalyse mit dem Mittel der Standardabweichung wird auch als „argumentum e contrario“ bezeichnet.

o Die Standardabweichung liefert viele Informationen für statistische Tests.


Lektion 8

8.2 Bivariate Verfahren

Bivariate Verfahren sind Methoden der statistischen Datenanalyse, die anders als im vorher-stehenden Abschnitt nicht die Aufbereitung von Messdaten unterschiedlicher Untersuchungs-objekte in Bezug auf Variablen beschreibt. Vielmehr sind im Zuge der bivariaten Verfahren zwei Variablen Gegenstand der Untersuchung. Um genauer zu sein, geht es bei diesen Verfahren um Zusammenhänge zwischen den Messdaten zweier oder mehrerer Variablen. Es gilt also, die Beziehungsstruktur von Merkmalsausprägungen mehrerer Merkmalsdimensionen in nur einem Datensatz offenzulegen. In der Marktforschung kommen hierfür häufig die Verfahren der Kreuztabellierung, die Korrelationsanalyse sowie die einfache Regressionsanalyse zur Anwendung (Berekoven / Eckert / Ellenrieder 2009, S. 192f.).

Daher sollen im Weiteren diese Verfahren näher betrachtet werden.

Kreuztabellierung

Ein wichtiges und das wahrscheinlich einfachste Verfahren, die Relationen zwischen den Vari-ablen herauszuarbeiten und auch darzustellen, ist die Kreuztabellierung. Daher sind die Kreuz tabellen auch die wohl am häufigsten angewendete Form der Datenanalyse. Eine mit der Kreuztabelle sehr häufig untersuchte Relation ist, inwieweit das Geschlecht mit der Merkmals-auswahl zusammenhängt. So ist es beispielsweise möglich, mit einer Kreuztabelle zu beschrei-ben, wie viel die weiblichen Kunden des Sportartikelherstellers „Noke“ einerseits und wie viel deren männliche Kunden andererseits eben genau bei „Noke“ ausgegeben haben (Raab /Unger / Unger 2009, S. 200).

Gilt es, eine Kreuztabelle zu erstellen, ist darauf zu achten, dass die Variablen und ihre Ausprä-gungen korrekt ausgewählt werden. Andernfalls können Zusammenhänge ungezielt, das heißt rein zufällig, aufgestellt und bestehende Abhängigkeiten vernachlässigt oder sogar gänzlich übersehen werden (Raab / Unger / Unger 2009, S. 200).

Eine weitere Möglichkeit wäre, die Fragestellung zu untersuchen, ob es zwischen dem Geschlecht und der Wahl des Sportartikelherstellers beim Kauf eines Laufschuhs einen Zusam-menhang gibt.

Das nachfolgende Beispiel soll darstellen, wie sich das oben genannte Verhältnis zwischen dem Geschlecht und der Wahl eines Laufschuhproduzenten unter 300 Befragten verhält.

Beispiel für eine Kreuztabelle

Sportartikel-hersteller

Geschlecht männlich weiblich Summe

„Noke“„Pome“

75 (75 %)25 (25 %)

40 (20 %)160 (80 %)

115185

Summe 100 200 300

Kreuztabelle Die am häufigsten genutzte Form der Datenanalyse



Aus diesem Beispiel lässt sich sehr leicht entnehmen, dass der untersuchte Zusammenhang zwischen dem Geschlecht und der Sportartikelmarke vorhanden ist. Der Kreuztabelle zufolge bevorzugen 80 % der Frauen die Marke „Pome“. Bei den Männern jedoch ist das Verhältnis ein anderes. Hier bevorzugen 75 % der Männer den Sportartikelhersteller „Noke“. Mit Hilfe von entsprechenden Testverfahren (Chi-Quadrat-Test) kann darüber hinaus festgestellt werden, ob diese Ergebnisse ein schlichter Zufall oder aber statistisch gesichert sind.

Ein weiteres Beispiel für den Anwendungsbereich der Kreuztabelle zeigen auch Olbrich / Bat-tenfeld / Buhr (2012) auf. Sie weisen darauf hin, dass z. B. auch das Verhältnis zwischen den Kundenangaben zur Zufriedenheit mit dem Lieferservice eines Unternehmens und der Kun-denart („Privatkunde“ oder „Geschäftskunde“) betrachtet werden kann (Olbrich / Battenfeld /Buhr 2012, S. 95).

Die Beliebtheit sowie die Einfachheit der Kreuztabellierung ergeben sich aus ihren Vorteilen. Denn die Kreuztabelle setzt keine metrischen Skalen voraus. Es kann demnach auch der Zusammenhang von beispielsweise nominalskalierten Daten untersucht werden, was mit anderen Verfahren nicht möglich ist (Berekoven / Eckert / Ellenrieder 2009, S. 194).

Korrelationsanalyse

Die Korrelationsanalyse zielt darauf ab, die Strenge des Zusammenhangs zwischen den untersuchten Variablen festzustellen. Dabei wird nicht der Grad der Abhängigkeit schlechthin ermittelt, sondern lediglich der Grad des linearen Zusammenhangs. Häufig stellt man bei der Betrachtung zweier Variablen fest, dass die Veränderung der einen Variablen einen Einfluss auf die Veränderung der anderen Variablen nimmt. Das Maß für genau diesen Grad der Beeinflus-sung wird als Korrelationskoeffizient bezeichnet. Der Korrelationskoeffizient variiert zwischen –1,0 und +1,0, wodurch die Stärke des Zusammenhangs abgelesen werden kann, nicht jedoch deren Richtung (Berekoven / Eckert / Ellenrieder 2009, S. 194).

In aller Regel dient die Korrelationsanalyse nur als Zwischenschritt und damit als Wegbereiter für andere Verfahren, wie z. B. der in Lektion 9 dargestellten Faktorenanalyse oder der im Weiteren noch zu beleuchtenden Regressionsanalyse.

Der Wert der Korrelationsanalyse, also der Korrelationskoeffizient, lässt sich wie folgt inter-pretieren (Berekoven / Eckert / Ellenrieder 2009, S. 194ff.):

r = –1: Es handelt sich um einen vollständig gegenläufigen linearen Zusammenhang. Das soll heißen, dass sich bei der Erhöhung einer Variable um den Wert x die andere Variable stets um den Wert y verringert. Geometrisch dargestellt liegen die Datenpunkte somit auf einer fallenden Geraden.

–1 < r < 0: Die Werte lassen sich mehr oder minder gut mit einer fallenden Geraden darstellen.

r = 0: Es besteht kein linearer Zusammenhang zwischen den Variablen. Allerdings besteht die Möglichkeit, dass starke nicht-lineare Zusammenhänge bestehen. Dies ist in der Praxis häufig dann der Fall, wenn ein Optimum vorliegt.

Die Korrelations-analyse ermittelt die Strenge des Zusammenhangs zwischen den Variablen.


Lektion 8

0 < r < 1: Zwischen den beiden Variablen besteht ein mehr oder minder gut ausgeprägter positiver linearer Zusammenhang. Ein Zuwachs der einen Variable bedeutet damit auch einen Zuwachs der anderen Variable.

r = 1: Ist r gleich 1 besteht ein perfekter linearer Zusammenhang. Beim Zuwachs einer Variable um den Wert x bedeutet dies auch einen Zuwachs bei der anderen Variable um den Wert y.

Regressionsanalyse

Die Regressionsanalyse wird als eines der flexibelsten statistischen Analyseverfahren angese-hen. Mit ihrer Hilfe können Beziehungen zwischen einer abhängigen Variablen und einer oder mehreren unabhängigen Variablen analysiert werden. Darüber hinaus wird die Regressions-analyse eingesetzt, um einerseits Zusammenhänge zu erkennen und andererseits Werte der abhängigen Variablen voraussagen zu können (Broda 2006, S. 98).

Möchte unser Sportartikelhersteller „Noke“ den Zusammenhang zwischen einem Laufschuh und dem dafür angesetzten Preis sowie anderen den Absatz beeinflussenden Variablen, wie beispielsweise Werbung, untersuchen, bietet die Regressionsanalyse Hilfe bei den folgenden Fragen:

• Welche Wirkung hat der Preis für den Laufschuh auf die Absatzmenge?

• Welche Absatzmenge wird prognostiziert, sofern der Preis für den Sportschuh steigt und ebenso die Ausgaben für Werbung zunehmen?

Wichtig ist, dass vor der Untersuchung die Einteilung der zu untersuchenden Variablen in abhängige und unabhängige Variablen vorgenommen wird. Meist ist die Entscheidung offen-sichtlich und damit leicht zu treffen. Manchmal ist diese Aufteilung allerdings recht knifflig. Zu beachten ist weiterhin, dass bei der Regressionsanalyse sowohl die abhängigen als auch die unabhängigen Variablen metrisch skaliert sind (Broda 2006, S. 98).

Regressions-analyse Zusammenhänge sollen erkannt und Werte prognosti-ziert werden.




1. Worum handelt es sich bei der folgenden Aussage: „Steigt die Lernzeit, erhöht sich der Studienerfolg“?

o Korrelation

o Kreuztabellierung

o Unsinn

o Gangnam Style

o Regression

2. Bitte erläutern Sie, was unter bivariaten Verfahren zu verstehen ist.

3. Was kann passieren, wenn die Variablen und ihre Ausprägungen für die Erstellung einer Kreuztabelle nicht korrekt ausgewählt werden?

4. Worin besteht der Vorteil der Kreuztabellierung?

o Die Daten geraten nicht so schnell durcheinander.

o Der Bearbeiter ist nicht so leicht verwirrt.

o Es sind keine metrisch skalierten Daten notwendig.

o Die Beziehungen zwischen einer abhängigen Variablen und einer oder mehreren unabhängigen Variablen können analysiert werden.

o Der Zusammenhang von nominalskalierten Daten kann untersucht werden.



Lektion 8

Zusammenfassung

Die beschreibende Datenanalyse lässt sich in univariate, bivariate sowie in multivariate Verfahren unterteilen. Die univariaten Verfahren sind dadurch gekennzeichnet, dass sie die Häufigkeitsverteilung der Merkmalsausprägungen abbilden bzw. systematisch und übersichtlich darstellen. Die Häufigkeitstabelle dient dazu, einzelne Variablen einer Erhebung sowie die Häufigkeit der Merkmalsausprägungen zu beschreiben. Sie ist anders als die Kreuztabelle nicht in der Lage, Zusammenhänge darzustellen. Die Korrelationsanalyse zielt darauf ab, die Strenge des Zusammenhangs zwischen den untersuchten Variablen festzustellen. Dabei wird nicht der Grad der Abhängigkeit schlechthin ermittelt, sondern lediglich der Grad des linearen Zusammenhangs. Mithilfe der Regressionsanalyse können Beziehungen zwischen einer abhängigen Variablen und einer oder mehreren unabhängigen Variablen analysiert, Zusammen-hänge erkannt sowie Werte der abhängigen Variablen prognostiziert werden.

Wissenstest


Viel Erfolg!

CLIX


Lektion 9

Multivariate Analyseverfahren

LErnziELE


… wie die Dependenzanalyse von der Interdependenzanalyse zu unterscheiden ist.

… wozu die multiple Regressionsanalyse dient und worin der Unterschied zur einfachen Regressionsanalyse zu sehen ist.

… was unter Varianz- und Diskriminanzanalyse zu verstehen ist.

… worin die Vorteile der Kontrastgruppenanalyse bestehen.

… was es mit den Begriffen Faktor- und Clusteranalyse auf sich hat.


Aus der Praxis

Lektion 9

9. Multivariate Analyseverfahren

Die vorherige Lektion hat verschiedene Herangehensweisen aufgezeigt, mit denen individuelle Variablen analysiert werden können. Doch anders als bei den in Lektion 8 erläuterten uni-variaten Verfahren der Datenanalyse werden bei den bi- und auch bei den in dieser Lektion im Mittelpunkt der Betrachtung stehenden multivariaten Verfahren der Datenanalyse die Bezie-hungsstrukturen zwischen mehreren Variablen dargestellt und damit interpretierbar. Gerade für eine intensivere Untersuchung, die Sie vornehmen möchten, reicht es oft nicht aus, dass Sie sich lediglich auf nur zwei Variablen konzentrieren. Eventuell ist es notwendig, mehr als diese zwei Variablen in die Untersuchung einzubeziehen. Wie Sie wissen, hängt die Nachfrage nach einem bestimmten Modell des Sportschuhproduzenten „Noke“ nicht ausschließlich von der Höhe des veranschlagten Preises ab. Die Nachfrage nach dem bestimmten Laufschuh wird unter anderem auch von der Qualitätsbeurteilung, der Einkommenssituation und dem Image der Marke „Noke“ beeinflusst. In vielen Fällen erlaubt die multivariate Analyse eine genauere Betrachtung der Daten, als es bei den uni- bzw. bivariaten Verfahren möglich ist (Churchill / Brown /Suter 2010, S. 450; Raab / Unger / Unger 2009, S. 229).

Ihnen steht eine Vielzahl verschiedener Verfahren zur Verfügung, um eine Fragestellung, die eine Berücksichtigung mehrerer Variablen vorsieht, ausgiebig zu analysieren. Vor allem wegen dieser Vielzahl unterschiedlicher Methoden zur multivariaten Datenanalyse ist es in der Praxis nicht immer leicht zu entscheiden, bei welcher Untersuchungsfrage welches Verfahren ange-bracht ist. Zur Orientierung soll im Weiteren zwischen den Methoden zur Dependenzanalyse und anschließend jenen zur Interdependenzanalyse unterschieden werden. Die Wahl eines bestimmten Verfahrens hängt allerdings dabei von Faktoren wie Variablen und ihrem Mess-niveau ab. Darüber hinaus sollte jedoch immer das Untersuchungsproblem selbst ein maßgeb-liches Entscheidungskriterium bleiben (Berekoven / Eckert / Ellenrieder 2009, S. 200). In diesem Zusammenhang ergeben sich für Sie folgende konkrete Fragen:

• Welche weiteren Analysemethoden stehen Ihnen zur Verfügung?

• Wie können diese für das Unternehmen „Noke“ sinnvoll eingesetzt werden?

9.1 Dependenzanalyse

Die Dependenzanalyse bzw. die Verfahren der Dependenzanalyse haben die Aufgabe darzu-stellen, inwiefern eine oder mehrere unabhängige Variablen von einer oder mehreren Variablen abhängig ist bzw. sind.

Multiple Regressionsanalyse

Anders als bei der einfachen Regressionsanalyse, die der Bestimmung der Abhängigkeit einer Variable von einer anderen unabhängigen Variable dient, geht es bei der multiplen Regressi-onsanalyse um die Ermittlung der Abhängigkeit einer abhängigen Variable von mehreren unabhängigen Variablen.

Um das oben erwähnte Beispiel noch einmal aufzugreifen, wird bei der multiplen Regressions-analyse nicht nur die Auswirkung des Preises auf die Abverkaufsmenge untersucht, sondern zusätzlich auch der Einfluss der Verkaufsförderung auf die Abverkaufsmenge (Raab 2009, 230f.).

Die multivariate Analyse ermög-licht eine genauere Betrachtung der Daten.



Es ist demnach festzustellen, dass die multiple Regressionsanalyse eine der einfachen Regres-sionsanalyse identische Problemstellung voraussetzt. Auch die Vorgehensweise der multiplen Regressionsanalyse gleicht der Herangehensweise der einfachen Regressionsanalyse. Der Unterschied besteht lediglich darin, nun zwei unabhängige Variablen in die zu ermittelnde Regressionsgleichung aufzunehmen. Auch hier besteht das Ziel darin, die Regressionskoeffizi-enten für die unabhängigen Variablen so zu ermitteln, dass sie der Realität möglichst nahe kommen (Berekoven / Eckert / Ellenrieder 2009, S. 202).

In der Praxis bedeutet dies, dass den Unternehmen hiermit ein wichtiges Handwerkszeug zur Verfügung steht. Denn mithilfe der multiplen Regressionsanalyse kann für jede Ausprägung vom Preis und der Höhe der Investition in die Verkaufsförderung die Abverkaufsmenge geschätzt werden. Es sei allerdings zu beachten, dass die ermittelten Regressionskoeffizienten keinerlei Informationen über die relative Wichtigkeit der unabhängigen Variablen für die Aus-prägung der abhängigen Variablen geben (Berekoven / Eckert / Ellenrieder 2009, S. 203).

Weiterhin setzt die multiple Regressionsanalyse, anders als andere multivariate Verfahren, vor-aus, dass sowohl die abhängigen als auch die unabhängigen Variablen metrisch skaliert sind und darüber hinaus in ihrer Grundgesamtheit zumindest approximativ normalverteilt sind (Raab / Unger / Unger 2009, S. 231).

Varianzanalyse

Die Varianzanalyse oder auch „Analysis of Variance“, kurz ANOVA, unterscheidet sich dadurch von der Regressionsanalyse, dass hier die unabhängigen Variablen nicht metrisch ska-liert sein müssen. Es genügt, wenn die unabhängigen Merkmale ein nominales Skalenniveau (z. B. Verpackungsart) haben. Die abhängige Variable hingegen muss zwingend metrisch ska-liert sein (z. B. Absatzmenge) (Berekoven / Eckert / Ellenrieder 2009, S. 205).

Es kommt oft vor, dass sich Entscheidungsträger zwischen Alternativen entscheiden müssen, die nicht stufenlos ineinander übergehen.

Als Beispiel ziehen wir drei verschiedene Ladengeschäfte des Sportartikelherstellers „Noke“ heran. Hier soll die Verkaufsförderung im Fokus stehen. Diese könnte beispielsweise über Plakatwerbung, spezielle Handzettel oder aber über eine auffällige Regalbeschriftung erfolgen. Bevor die Entscheidung für eine der Maßnahmen zur Verkaufsförderung für alle Ladenge-schäfte von „Noke“ getroffen wird, bietet es sich an, ein Experiment durchzuführen. Mit die-sem soll ermittelt werden, welche der Verkaufsförderungsmaßnahmen überhaupt Auswirkun-gen auf den Absatz haben. Hierzu könnte für jede der drei oben genannten Ladengeschäfte eine andere Maßnahme zur Verkaufsförderung durchgeführt werden. Die durch diesen Test-lauf gewonnenen Daten können anschließend mithilfe einer Varianzanalyse untersucht wer-den (Olbrich /Battenfeld / Buhr 2012, S. 119).

Da in unserem Beispiel lediglich ein Einflussfaktor (Verkaufsförderungsmaßnahme) mit ver-schiedenen Ausprägungen (Plakat, Handzettel und Regalbeschriftung) untersucht wird, ist diese Variante der Varianzanalyse auch als einfaktorielle Varianzanalyse bekannt. Soll anders als in dem oben ausgeführten Beispiel überprüft werden, ob sich Kombinationen aus zwei oder drei mög-lichen Maßnahmen auf den Absatz auswirken, kommt die sogenannte zweifaktorielle bzw. mehrfaktorielle Varianzanalyse zum Einsatz (Olbrich / Battenfeld / Buhr 2012, S. 120; Kuß 2012, S. 257).


Lektion 9

Zusammenfassend bleibt zu bemerken, dass die Varianzanalyse somit überprüft, ob zwischen den abhängigen und den unabhängigen Variablen ein signifikanter Zusammenhang besteht. Aussagen, die darüber hinausgehen, wie beispielsweise das Ausmaß des Zusammenhangs, kann mithilfe der Varianzanalyse nicht getroffen werden (Berekoven / Eckert / Ellenrieder 2009, S. 205).

Schließlich muss noch auf die im varianzanalytischen Modell getroffenen Voraussetzungen hingewiesen werden (Berekoven / Eckert / Ellenrieder 2009, S. 205):

• Die Grundgesamtheit der Beobachtungswerte muss normal verteilt sein.

• Auf die Ergebnisse dürfen keine systematischen Fehler einwirken, das heißt, es muss stets eine Zufallsauswahl stattfinden.

• Erklärte und unerklärte Varianzen müssen stets additiv miteinander verknüpft sein.

• Varianzhomogenität ist anzustreben, das heißt, die Varianzen in den Gruppen sollten in etwa gleich (homogen) sein.

Diskriminanzanalyse

Ebenso wie die Varianzanalyse genießt die Diskriminanzanalyse ein enges verwandtschaft-liches Verhältnis zur Regressionsanalyse und dient somit der Analyse einseitiger Abhängigkei-ten. Auch hier liegen die Unterschiede in der Anforderung an das Messniveau der abhängigen Variablen. Während die multiple Regressionsanalyse für die abhängige Variable mindestens Intervallniveau fordert, findet im Rahmen der Diskriminanzanalyse eine Klassifikation von Objekten entsprechend ihrer Ausprägungen in metrisch skalierten Attributen statt. Dies bedeutet, dass die unabhängigen Variablen metrisch skaliert sind und die abhängige Variable nominal skaliert ist (Berekoven / Eckert / Ellenrieder 2009, S. 206; Olbrich / Battenfeld / Buhr 2012, S. 123).

Zur Verdeutlichung soll der Online-Shop des Sportartikelherstellers „Noke“ als Beispiel dienen. Der Online-Händler möchte wissen, wie sich seine Kunden, die mehrfach online gekauft haben (Wiederkäufer), von anderen Kunden unterscheiden, die innerhalb eines bestimmten Zeitraums nach ihrem Erstkauf nicht erneut gekauft haben. Im vorliegenden Beispiel hat die abhängige Variable also zwei mögliche Ausprägungen (Wiederkäufer und Nichtwiederkäufer). Für die metrisch skalierten unabhängigen Variablen kommen eine Reihe von Möglichkeiten infrage, wie z. B. das Einkommen, das Alter, die Anzahl der Kinder, die Höhe der Erstbestel-lung, die Anzahl der Artikel bei der Erstbestellung, ob Leistungs- oder Breitensportler und Ähnliches. Dabei geht es dem Online-Shop von „Noke“ nicht ausschließlich darum, die Unterschiede als solche zu kennen, sie sollen selbstredend auch genutzt werden (Olbrich /Battenfeld / Buhr 2012, S. 123f.).

Die Diskriminanzanalyse bietet die Möglichkeit, auf der Grundlage von vorhandenen, bereits klassifizierten Datensätzen zu prognostizieren, ob ein neuer Kunde ein Wiederkäufer sein wird oder nicht. Sagt die Diskriminanzanalyse nun voraus, dass es sich bei dem neuen Kunden um einen Nichtwiederkäufer handelt, kann darauf entsprechend reagiert werden. Damit kann also auf den Kundentyp als Nichtwiederkäufer zugeschnittene Werbung dahingehend beeinflusst werden, dass ein Wiederkauf generiert wird.



Im Gegenzug dazu müssen Erstkunden, die im Zuge der Diskriminanzanalyse als Wieder-käufer klassifiziert werden, weniger oder sogar gar nicht umworben werden. Dies führt dazu, dass mithilfe der Diskriminanzanalyse die Werbung gezielt bei den Kunden eingesetzt wird, bei denen sie auch tatsächlich benötigt wird. Hinzu kommt, dass die Werbeausgaben dadurch reduziert werden können, dass die Werbung bei den als Wiederkäufer eingeschätzten Neu-kunden ausbleiben kann bzw. der Werbeaufwand schlicht und ergreifend geringer ausfällt (Olbrich / Battenfeld / Buhr 2012, S. 124).

Die Diskriminanzanalyse versucht folgende Fragestellungen zu beantworten (Berekoven / Eckert /Ellenrieder 2009, S. 206):

• Wie können zwei bzw. mehrere Gruppen von Untersuchungseinheiten angesichts bestimmter Merkmale getrennt werden?

• Welche Merkmale aus der Gesamtheit aller erhobenen unabhängigen Merkmale trennen die Gruppen am besten?

• Welchen Anteil hat jede unabhängige Variable an der Trennung der Gruppe?

• Welchen der vorgegebenen Gruppen sollen neu zu untersuchende Personen bzw. Objekte aufgrund ihrer Merkmalsausprägungen bei den unabhängigen Variablen zugeordnet werden?

Kontrastgruppenanalyse

Um Beziehungsstrukturen zwischen einer abhängigen und mehreren unabhängigen Variablen zu ermitteln und darzustellen, werden in der Praxis unter anderem Kontrastgruppenanalysen durchgeführt. Es ist bei der Auswahl des konkreten Verfahrens stets auf das Skalierungsniveau der Daten zu achten, wobei für jedes Skalenniveau auch mindestens ein Kontrastgruppenver-fahren zur Verfügung steht.

Die Kontrastgruppenanalyse ermöglicht, eine Stichprobe mittels Vorhersagevariablen in der Weise in Teilsegmente aufzuspalten, dass die Zielvariable in den verschiedenen Segmenten eine signifikant unterschiedliche Ausprägung aufweist. Die Vorhersagevariablen oder auch Prädik-torvariablen sind damit Variablen, die das „Muster“ der Zielvariablen vorhersagen. Damit lassen sich „Regeln“ aufstellen, mit deren Hilfe alte und vor allem auch neue Fälle genau klas-sifiziert werden können. Bei der Kontrastgruppenanalyse geht es also darum, Daten zu unter-teilen. Eine derartige Unterteilung kann beispielsweise in Sportler und Nichtsportler, Läufer und Nichtläufer, Wähler und Nichtwähler, Mitglieder und Nichtmitglieder eines Sportvereins oder Abonnenten und Nichtabonnenten einer Sportzeitschrift erfolgen.

Die Kontrastgruppenanalyse hat einen maßgeblichen Vorteil gegenüber anderen Analyse-verfahren: die Art der grafischen Darstellung, die es selbst Anfängern erlaubt, die Grund-prinzipien der Kontrastgruppenanalyse schnell zu begreifen. Die Darstellung findet in einem Baumdiagramm statt, weshalb die Methode auch unter dem Begriff Entscheidungsbaumver-fahren bekannt ist. Durch den jeweils erstellten Entscheidungsbaum wird deutlich, welche Variablen einen starken, weniger starken oder auch gar keinen Einfluss auf die abhängige Variable haben (Raab / Unger / Unger 2009, S. 236f.).


Lektion 9


1. Die multiple Regressionsanalyse …

o … ist nichts anderes als die einfache Regressionsanalyse.

o … unterscheidet sich von der einfachen Regressionsanalyse.

o … dient der Ermittlung der Abhängigkeit einer abhängigen Variable von mehreren unabhängigen Variablen.

o … dient der Ermittlung der Abhängigkeit mehrerer abhängiger Variablen von einer unabhängigen Variable.

2. Die multiple Regressionsanalyse setzt voraus, dass …

o … ein Wörterbuch parat liegt.

o … sowohl die abhängigen als auch die unabhängigen Variablen metrisch skaliert sind.

o … sowohl die abhängigen als auch die unabhängigen Variablen nominalskaliert sind.

o … sowohl die abhängigen als auch die unabhängigen Variablen intervallskaliert sind.

o … die gewonnenen Daten ausschließlich im Sinne von pro bono publico eingesetzt werden.

3. Erläutern Sie bitte kurz, wie sich die Varianzanalyse von der multiplen Regressionsanalyse unterscheidet. Erklären Sie dabei, wofür die Kurzform ANOVA steht.

4. Die Diskriminanzanalyse versucht, folgende Fragestellung zu beantworten:

o Welchen Anteil hat jede unabhängige Variable an der Trennung der Gruppe?

o Welchen Anteil hat jede unabhängige Variable an der Verbindung der Gruppe?

o Liegt Varianzhomogenität vor?

o Liegt Varianzheterogenität vor?




9.2 Interdependenzanalyse

Die Verfahren zur Interdependenzanalyse beschäftigen sich, anders als die oben beschriebenen Methoden zur Dependenzanalyse mit der Fragestellung, ob ein Zusammenhang zwischen Variablen besteht, ohne dass irgendeine Abhängigkeit unterstellt bzw. überprüft werden soll.

Zum Einstieg ein simples Beispiel anhand der Variablen „Sparneigung“, „Vermögen“ und „Einkommen“. Ein höheres Einkommen und eine höhere Sparneigung werden möglicher-weise durch ein vorhandenes hohes Vermögen bedingt. Eine hohe Sparneigung führt eventuell zu einem hohen Einkommens- und Vermögenszuwachs. Wiederum könnte ein höheres Ein-kommen sich auf einen Vermögenszuwachs und auf eine erhöhte Sparneigung auswirken (Berekoven / Eckert / Ellenrieder 2009, S. 199).

Faktorenanalyse

Bei vielen wissenschaftlichen und praktischen Fragestellungen geht es darum, den Wirkungs-zusammenhang zwischen zwei oder mehreren Variablen zu untersuchen. Bei vielen Problem-stellungen in der Marktforschungspraxis ist oft nicht von vornherein eindeutig, ...

• ... welche Variablen für eine konkrete Fragestellung überhaupt relevant sind und

• welche Wirkungszusammenhänge zwischen den unterschiedlichen Variablen bestehen und ob solche überhaupt existieren.

Sind die Variablen, deren Ausprägungen zur Untersuchung der Ausprägung einer anderen Variable herangezogen werden, selbst nicht unabhängig voneinander, hilft der direkte Ansatz zur Aufstellung eines Erklärungsmodells wie beispielsweise die Regressionsanalyse oft nicht weiter, da hier die Ergebnisse meist eher unbefriedigend sind (Olbrich / Battenfeld / Buhr 2012, S. 145).

Die Faktorenanalyse zielt darauf ab, eine größere Anzahl von Variablen auf eine kleinere Zahl voneinander unabhängiger Variablen (Faktoren) zurückzuführen, also eine Variablenreduktion. Damit lässt sich das Ziel der Faktorenanalyse als die Entdeckung derjenigen Faktoren aus einer gegebenen Menge von Variablen bezeichnen, die am besten zur Erklärung der Schwankungen der Ausprägungen einer abhängigen Variable dienlich sind (Olbrich / Battenfeld / Buhr 2012, S. 145).

Das wahrscheinlich prominenteste Beispiel eines Faktors ist der Intelligenzquotient (IQ). Die Ergebnisse vieler Einzeltests werden bei der Ermittlung des Intelligenzquotienten durch eine nicht direkt beobachtbare Variable, nämlich durch eben diesen berühmten Intelligenz-quotienten, dargestellt (Berekoven / Eckert / Ellenrieder 2009, S. 207).

Ist es dem Anwender gelungen, die Vielzahl der möglichen Variablen auf nur wenige, wichtige Einflussfaktoren zu reduzieren, hat dies für die weitere Untersuchung ganz erhebliche Vorteile. So ergibt sich z. B. die Möglichkeit, eine Flut möglicher Einflussfaktoren auf die Produkt-gestaltung zu testen (Broda 2006, S. 103).

Der IQ ist der wohl bekannteste Faktor.


Lektion 9

Zur Verdeutlichung, wie die Ausgangsfrage bzw. die Herangehensweise einer Faktorenanalyse aussehen könnte, wollen wir erneut auf den Sportartikelhersteller „Noke“ zurückgreifen, um einen ersten Eindruck zu erlangen, wozu die Faktorenanalyse dient.

„Noke“ interessiert sich in diesem Beispiel für diejenigen Eigenschaften seiner Laufschuhe, die für seine Käufer von herausragender Bedeutung sind. Mithilfe der ermittelten Eigenschaften soll ein hypothetischer Positionierungsraum der Nachfragegesamtheit konstruierbar sein. Darunter kann man sich eine visualisierte Form der Ähnlichkeiten zwischen den unterschiedlichen Sport-schuhherstellern vorstellen. Letztendlich soll der Positionierungsraum dabei behilflich sein, die Position eines neuen Laufschuhmodells festzulegen.

Dazu ermittelt „Noke“ zunächst, welche Ausprägungen aus Sicht der Kunden die wichtigen Merkmale der am Markt vertretenen Laufschuhmodelle sind. Anhand von Variablen wie Preis, Dämpfung, Design, Tragekomfort und Gewicht sowie Haltbarkeit lassen sich dann die Sport-schuhtypen charakterisieren (Olbrich / Battenfeld / Buhr 2012, S. 146ff.).

Die Faktorenanalyse wird als eigenständiges Verfahren genutzt. Sie wird allerdings häufig auch als Variablenreduktionsverfahren genutzt und dient damit der Vorbereitung anderer Verfahren, wie z. B. der Regressionsanalyse zur Vermeidung einer Multikollinearität oder der im Folgenden dargestellten Clusteranalyse zur Vermeidung der mit ausufernden Variablenzahlen verbundenen Rechenprobleme (Berekoven / Eckert / Ellenrieder 2009, S. 212).

Clusteranalyse

Auch bei der Clusteranalyse handelt es sich um ein Verfahren der Interdependenzanalyse, bei dem unterschiedliche Berechnungsalgorithmen für die verschiedenen Messniveaus von Daten zur Verfügung stehen. Es handelt sich um ein Verfahren zur Bildung von Gruppen (sogenannte „Cluster“). Die Clusteranalyse ist ein konträres Verfahren zur Faktorenanalyse. Denn während der Anwender im Rahmen der Faktorenanalyse bestrebt ist, die Zahl der Variablen zu reduzieren, versucht die Clusteranalyse, eine Komprimierung auf der Objektseite zu bewirken. Diese Gruppen bildung aufseiten der Objekte geschieht in der Weise, dass die Gesamtheit der ausge-wählten Objekte entsprechend ihrer Merkmalsausprägungen so aufgespaltet wird, dass die Gruppen in sich möglichst homogen, nach außen jedoch möglichst heterogen sind (Broda 2006, S. 105).

Die Vorgehensweise bei der Clusteranalyse erfolgt in zwei Schritten:

1. Quantifizierung der Ähnlichkeiten bzw. Unähnlichkeiten von Objekten (z. B. Kunden)

2. Zusammenfassung der Objekte, sodass sie in sich homogen sind. Die entstehenden Gruppen sollten dabei untereinander möglichst heterogen sein.

Für die Quantifizierung der Ähnlichkeiten bzw. Unähnlichkeiten von Objekten sind geeignete Segmentierungskriterien, wie beispielsweise das Alter oder das Einkommen, zu wählen. Abhängig von den Merkmalsausprägungen der Untersuchungsobjekte werden diese anschlie-ßend in einem mehrdimensionalen Raum positioniert. Dabei werden die verschiedenen Merk-male als Dimensionen interpretiert, die diesen Merkmalsraum ausmachen. Die Entfernung zwischen den Unter suchungsobjekten innerhalb des Merkmalsraums spiegelt dann die Ähn-lichkeiten bzw. Unähnlichkeiten der Objekte wider (Olbrich / Battenfeld / Buhr 2012, S. 151).

Clusteranalyse Objekte werden zu Gruppen zusammengeführt.

Cluster sind in sich homogen, nach außen jedoch heterogen.



Danach gilt es, die Objekte so zusammenzufassen, dass möglichst heterogene Gruppen entstehen. Für die Zusammenfassung zu den Clustern ist die Entfernung zwischen den einzelnen Objekten innerhalb des Merkmalsraums maßgebend. Um die Entfernung zwischen den Objekten zu ermit-teln, wird ein Proximitätsmaß genutzt (Olbrich / Battenfeld / Buhr 2012, S. 151).

Die Besonderheit des Verfahrens ist, dass mehrere Merkmale parallel zueinander zur Cluster-bildung herangezogen werden können, sich die Betrachtung der Ähnlichkeit oder Unähnlich-keit von Objekten also über mehrere Dimensionen erstreckt.


1. Worauf zielt die Faktorenanalyse ab?

o Pfeile in alle erdenklichen Richtungen zu erstellen.

o Variablenreduktion

o Die Sparneigung mit dem Vermögen und dem Einkommen von deutschen Bundesbürgern zu vergleichen.

2. Die Faktorenanalyse wird als eigenständiges Verfahren genutzt. Wozu dient die Faktorenanalyse darüber hinaus noch?

o Als Variablenreduktionsverfahren

o Sie dient der Vorbereitung anderer Verfahren, wie beispielsweise der Regressionsanalyse.

o Zur Wettervorhersage im Sommer

3. Bitte erläutern Sie kurz, was unter der Clusteranalyse zu verstehen ist.

Die Entfernung zwischen den Objekten wird über ein Proximitätsmaß ermittelt.



Lektion 9

9.3 Fehlerquellen bei multivariaten Analysen

Der Vollständigkeit halber sollen im Weiteren einige der in der Praxis am häufigsten vorkom-menden Fehlerquellen stichpunktartig dargestellt werden. Diese Liste ist allerdings bei Weitem nicht abschließend:

• Skalenniveau Die multivariaten Verfahren verlangen alle nach einem bestimmten Skalenniveau der Ein-gabedaten. In der Praxis werden jedoch häufig Ordinalskalen ohne weitere Überlegungen zu Intervallskalen „uminterpretiert“.

• Interpretationsspielräume Es existiert bei den multivariaten Verfahren nicht die eine richtige Lösung. Vielmehr gibt es eine Reihe von richtigen Lösungen. Dieser Fakt wird jedoch häufig ignoriert, die am leichtesten zu interpretierende Lösung wird als das Ergebnis angesehen.

• Eingesetzter Verfahrenstyp Wie hier bereits dargestellt, existiert eine Vielzahl von Verfahrenstypen. In vielen For-schungsberichten vermisst man allerdings einen Hinweis auf die genutzten Verfahrens-techniken.

• Datenkonsistenz Bei der Verwendung von multivariaten Verfahren gilt es, eine Reihe von Voraussetzun-gen zu erfüllen. Dazu gilt es ebenfalls, die Daten genauestens, wie bereits in Lektion 7 beschrieben, auf ihre Konsistenz hin zu überprüfen. Datenlücken, Fehlkodierungen oder fehlerhafte Extremwerte können im Extremfall zu verfälschten Ergebnissen führen.


1. Was sind häufige Fehlerquellen bei multivariaten Analysen? Bitte kreuzen Sie die richtigen Antworten an.

o Skalenniveaus werden einfach „uminterpretiert“.

o Marktforscher machen keine Fehler.

o Die genutzten Verfahrenstypen werden in Forschungsberichten nicht genannt.

o Es wird keine Rücksicht auf Datenkonsistenz genommen.




Zusammenfassung

Die Varianzanalyse unterscheidet sich dadurch von der Regressionsanalyse, dass bei der Varianzanalyse die unabhängigen Variablen nicht metrisch skaliert sein müssen. Die Kontrastgruppenanalyse hat einen maßgeblichen Vorteil gegenüber anderen Analyseverfahren: die Art der grafischen Darstellung, die es selbst Anfängern erlaubt, die Grundprinzipien der Kontrastgruppenanalyse schnell zu begreifen. Die Faktoren-analyse zielt darauf ab, eine größere Anzahl von Variablen auf eine kleinere Zahl voneinander unabhängiger Variablen (Faktoren) zurückzuführen, also eine Variablen-reduktion.

Die Vorgehensweise bei der Clusteranalyse erfolgt in zwei Schritten:

1. Quantifizierung der Ähnlichkeiten bzw. Unähnlichkeiten von Objekten (z. B. Kunden).

2. Zusammenfassung der Objekte, sodass sie in sich homogen sind. Die entstehenden Gruppen sollten dabei untereinander möglichst heterogen sein.

Wissenstest


Viel Erfolg!

CLIX


Lektion 10

Multivariates Verfahren zur Datenanalyse

am Beispiel Kundenzufriedenheit

LErnziELE


… wie Sie Ihr neu erworbenes Wissen am Beispiel „Ermittlung der Kundenzufriedenheit“ umsetzen können.


Aus der Praxis

10. Multivariates Verfahren zur Datenanalyse am Beispiel Kundenzufriedenheit

Lektion 10

Nachdem Sie nun mehrere Jahre für „Noke“ tätig waren, sind Sie Marktforschungsspezialist geworden. Sie sehen es als wichtigen Karriereschritt an, das Unternehmen zu wechseln. Als Leiter der Marktforschungsabteilung des Reiseveranstalters TURI sehen Sie sonnigen Zeiten entgegen. Zunächst möchten Sie sich einen Überblick über die Kundenzufriedenheit verschaffen, was Ihnen als wichtigstes Kriterium eines Dienstleisters erscheint, um wettbewerbsfähig zu bleiben. Sie beauftragen Ihre Mitarbeiter, einen entsprechenden Fragebogen zu entwickeln und bereits bei der Ausarbeitung des Fragebogens spätere Methoden der Datenaufbereitung und -analyse zu berücksichtigen. Konkret möchten Sie Folgendes wissen:

• Was muss bei einer Datenerhebung im Bereich Kundenzufriedenheit berücksichtigt werden?

• Wie wird der Fragebogen gestaltet?

• Inwiefern haben spätere Analyseverfahren Auswirkungen auf die Fragebögen?

• Welche Analyseverfahren sind sinnvoll?

10.1 Besonderheiten bei der Ermittlung der Kundenzufriedenheit

Bedeutung der Kundenzufriedenheit

Die Kundenzufriedenheit hat für den Erfolg eines Unternehmens eine hohe Bedeutung. Kunden-zufriedenheitsbefragungen werden daher regelmäßig in zahlreichen Unternehmen durchgeführt. Die nachfolgenden Ausführungen zeigen an einem Praxisbeispiel aus dem Tourismusmarkt auf, welche Aspekte bei der Befragung berücksichtigt werden müssen, wie die Auswertung erfolgen kann und wie auf dieser Grundlage ein Fragebogen zur direkten Kundenbefragung gestaltet wird.

Methode der Datenerhebung

Die Datenerhebung bzw. die Auswahl des anzuwendenden Erhebungsverfahrens orientiert sich natürlich sehr an der späteren Auswertungsmethode. Zunächst lassen sich in Bezug auf die Kundenzufriedenheit jedoch einige generelle Empfehlungen aussprechen. Grundsätzlich bie-ten sich für die Messung des Konstruktes Kundenzufriedenheit objektive und subjektive Verfahren an. Objektive Verfahren verwenden Indikatoren, wie beispielsweise die Entwick-lung des Marktanteils oder des Umsatzes, und weisen eine hohe Korrelation mit der Zufrie-denheit auf. Allerdings sind diese Größen auch stark von anderen Faktoren beeinflussbar (ver-gleiche im Folgenden Homburg / Fürst 2006, S. 609ff.). Daher ist der Einsatz subjektiver Verfahren zu empfehlen, welche auf die Erfassung der vom Kunden subjektiv empfundenen Zufriedenheit abzielen.

Subjektive Verfahren lassen sich wiederum in merkmalsbezogene und ereignisbezogene Ver-fahren differenzieren. Letztere ermitteln die Zufriedenheit mit bestimmten Ereignissen, z. B. der Inanspruchnahme einer Dienstleistung. Sie werden auch als Spot-Ansätze bezeichnet und sind durchaus geeignet, eine punktuelle Leistungsverbesserung des Unternehmens zu bewirken. Merkmalsbezogene Verfahren hingegen lassen die Messung von Kundenzufriedenheit bei einem breiteren Spektrum von Produkt-, Service- oder Interaktionsmerkmalen über einen

Objektive und subjektive Verfahren


Multivariates Verfahren zur Datenanalyse am Beispiel Kundenzufriedenheit

längeren Zeitraum zu. Sinnvoll ist es, die Kundenzufriedenheit über eine Vielzahl von Einzel-aspekten zu messen. Daher bietet sich ein merkmalsbezogenes multiattributives (mehrdimen-sionales) Verfahren an. Die direkte Erhebung von Zufriedenheitsurteilen, ohne separate Messung von Erwartungen, wird heutzutage als valideste Form der Zufriedenheitsmessung angesehen. Sie dominiert sowohl in der Forschung als auch in der Praxis.


1. Welche Verfahren sind bei der Messung der Kundenzufriedenheit zu präferieren?

o Objektive Verfahren

o Subjektive Verfahren

2. Was gilt als die valideste Form der Zufriedenheitsmessung?

o Die direkte Erhebung

o Die indirekte Erhebung

10.2 Zu berücksichtigende Elemente für den Fragebogen

Vorgaben für die Gestaltung eines Fragebogens

Zur Ermittlung der Kundenzufriedenheit sollte eine Multi-Indikator-Skala verwendet werden, um eine Vergleichbarkeit zwischen einzelnen Messungen zu gewährleisten. Auf detaillierter Ebene sind einzelne Leistungsparameter zu bestimmen, welche die Bereiche widerspiegeln, bei denen Berührungspunkte zwischen Kunde und Unternehmen bestehen (Homburg / Fürst 2006, S. 616f.). Zu jedem Leistungsparameter werden dann im Folgenden die entsprechenden Leistungsfragen (Leistungskriterien) festgelegt. Dabei weist nahezu jede Kundenzufriedenheits-messung sowohl unternehmensübergreifende Punkte, wie beispielsweise die Frage nach der Zuverlässigkeit der Dienstleistung und der Freundlichkeit der Mitarbeiter als auch unterneh-mensindividuelle Leistungskriterien auf. Für die Ausarbeitung des hier vorliegenden Fragebogens wurde deshalb ein (idealtypisches) Dienstleistungsunternehmen aus der Tourismusbranche gewählt.

Da der Tourismusmarkt hart umkämpft ist, ist die Kundenzufriedenheit in diesem Segment ein erfolgskritischer Unternehmensfaktor. Eine hohe Kundenzufriedenheit ist notwendig, um eine Kundenbindung zu erreichen und positive Ausstrahlungseffekte in Form von Weiteremp-fehlungen zu erzielen (vergleiche Helmke / Uebel / Brinker 2004, S. 357ff.)

Daher ist es auch erforderlich, eine kontinuierliche Analyse einzusetzen. Die eigentliche Aus-wertung kann dabei mithilfe des Software-Programms SPSS erfolgen. Um eine spätere genaue Analyse zu gewährleisten, ist eine sorgfältige Gestaltung notwendig. Zunächst ist darauf zu achten, dass der Befragte die Pole nicht verwechselt, das heißt die „sehr gut“ mit der „sehr schlecht“-Seite durch Unaufmerksamkeit vertauscht. Hierzu bietet sich z. B. die Kunin-Skala an, bei der diese Pole grafisch durch Gesichter visualisiert werden. Weiterhin sollten die Skalen-



Lektion 10

punkte mindestens fünf betragen und zehn nicht überschreiten. Die Bedeutung einzelner Merkmale für die Kundenzufriedenheit sollte hinterfragt werden. Die eigentliche Auswertung kann dann mittels der bereits angesprochenen multivariaten Verfahren erfolgen. Es bieten sich unter anderem die Kausal- und die Faktorenanalyse an.

Mithilfe der Kausalanalyse ist auf Basis der erfragten Kundenzufriedenheitswerte über Inter-korrelationsmessungen zu ermitteln, welchen Einfluss die Kundenzufriedenheit mit den Einzel-merkmalen der Reiseleistung auf die Gesamtkundenzufriedenheit nimmt, wie nachfolgende Grafik veranschaulicht:

Exemplarische Ergebnisse der Kausalanalyse

Sportangebot

Mietwagenqualität Attraktivität des Urlaubsziels

Qualität der Reiseleitung

Qualität des Hotels

Ausflugsangebot

Kausalanalyse

Qualität der Fluggesellschaft

0,28*0,1*

0,21*

0,04*

0,02*0,2*

0,15*

* Einfluss auf die Kundenzufriedenheit



Die Faktorenanalyse stellt ein zusätzliches Instrument dar, welches die Ergebnisübersichtlich-keit weiter verbessert. Die Daten werden unter Berücksichtigung eines möglichst minimalen Informationsverlustes verdichtet.

Das bedeutet, dass letztendlich zahlreiche voneinander abhängige Merkmale auf einen dahin-ter stehenden Oberbegriff, den sogenannten Faktor, aggregiert werden. Der Einsatz dieses Instruments ist sinnvoll, sofern z. B. einzelne Vertragspartnerhotels bezüglich ihrer Leistung zueinander positioniert werden sollen. So wird die Interpretierbarkeit der Daten deutlich erhöht, da ein effizienter Überblick zur Performance der einzelnen Hotels in aussagekräftigen Kernleistungsdimensionen möglich ist, wie folgende Abbildung veranschaulicht.

Entsprechend dieser nunmehr theoretischen Vorgaben erfolgt die Ausarbeitung des Frage bogens. Bezüglich des Umfangs ist davon auszugehen, dass mit zunehmender Länge des Fragebogens die Antwortbereitschaft – speziell im Urlaub – sinkt. Daher werden nur für die Auswertung wichtige Fragen formuliert. „Fragebögen, die sechs oder mehr Seiten umfassen, werden eher unbeant-wortet zur Seite gelegt beziehungsweise im Papierkorb entsorgt als kürzere Fragebögen.“ (Schöneck 2005, S. 78).

Der nachfolgend ausgearbeitete Fragebogen umfasst circa fünf Seiten und enthält insgesamt vier Kontaktfragen, vier Sachfragen mit zahlreichen Unterfragen sowie eine Frage zu demogra-fischen Merkmalen.

Exemplarische Ergebnisse der Faktorenanalyse

Merkmal*:• Essensqualität

• Freundlichkeit des Personals

• Attraktivität der Anlage

• Qualität des Sportangebots

• Sauberkeit

• Swimming- pool

• Flexibilität

Faktor 1:„Kern-

leistungen“

Faktor 2:„Service-qualität“

Mehrstufige Faktoren-

analyse

Ker

nlei

stun

gen

Servicequalität

Hotel 1

* Die Merkmale untergliedern sich in Datenmerkmale und werden ggf. nach Geschäftsbereichen differenziert.


Lektion 10


1. Was ist eine Kunin-Skala?

2. Wie lang sollte ein Fragebogen höchstens sein?

o 6 Seiten

o 10 Seiten

o 15 Seiten




10.3 Der fertige Fragebogen

1. Kontaktfragen

Die nachfolgenden Fragen stellen sogenannte „Eisbrecherfragen“ dar. Als Kontaktfragen die-nen sie dazu, die Atmosphäre aufzulockern. Sie sollten kurz und leicht zu beantworten sein, damit eine entspannte Grundstimmung entsteht.

Eisbrecherfragen

Frage 1: Trifft folgende Aussage auf Sie zu? Ich erzähle meinen Freunden und Bekannten gerne von meinem Urlaub.

Ja

Nein

Frage 2: Trifft folgende Aussage auf Sie zu? Im Urlaub lerne ich gerne neue Leute kennen.

Ja

Nein

Frage 3: Trifft folgende Aussage auf Sie zu? Im Urlaub habe ich viele Kontakte zu anderen Gästen.

Ja

Nein

Frage 4: Trifft folgende Aussage auf Sie zu?Ich spreche oft mit anderen Gästen über Urlaubserfahrungen.

Ja

Nein


Lektion 10

2. Sachfragen

Der Mittelteil des Fragebogens beinhaltet Sachfragen, die sich direkt mit dem Untersuchungs-gegenstand befassen. Hier kommt eine Rating-Skala mit sieben Abstufungen zum Einsatz. Die Fragen zielen auf eine allgemeine Wechseltendenz ab (Frage 5), eine eventuelle Weiterempfeh-lung / Verhaltensabsicht (Frage 6), die Ermittlung der Gesamtzufriedenheit (Frage 7) sowie einzelne Zufriedenheitsaspekte (Frage 8a bis r). Einzelne Zufriedenheitsaspekte beziehen sich dabei auf das Angebot des Reiseveranstalters an sich (z. B. Frage 8d), aber auch auf die Attrak-tivität des Urlaubsziels (z.B. Frage 8l), die mit dem Service des Reiseveranstalters nicht direkt zusammenhängt.

Der Ausarbeitung geeigneter Fragen kommt eine besondere Bedeutung zu. Zwar wird der Kunde in Frage 7 nach seiner subjektiv wahrgenommenen Gesamtzufriedenheit befragt. Jedoch geben erst die einzelnen Zufriedenheitsdimensionen tatsächlich Aufschluss darüber, mit welchen Anteilen sie in die Gesamtkundenzufriedenheit einfließen. So kann der Kunde zwar insgesamt sehr unzufrieden sein, jedoch könnte dies auch an der Dimension „Attraktivi-tät des Urlaubsziels bzw. Urlaubslandes“ liegen. Diese wäre vom Reiseveranstalter kaum zu beeinflussen. Ist der Kunde jedoch insgesamt unzufrieden, weil der Pool ständig verdreckt ist, kann der Reiseveranstalter Abhilfe schaffen.

Entsprechend sind zunächst einzelne Zufriedenheitsdimensionen zu definieren. Dies geschieht als Ergebnis einer Kausalanalyse (vergleiche hierzu die Abbildung in diesem Skript). Dort ist ersichtlich, dass im Tourismusbereich unter anderem folgende Dimensionen für die Gesamt-kundenzufriedenheit relevant sind:

• Ausflugsangebot,

• Sportangebot,

• Qualität der Fluggesellschaft,

• Mietwagenqualität,

• Attraktivität des Urlaubsziels,

• Qualität der Reiseleitung und

• Qualität des Hotels.

Beachten Sie aber: Es ist keine unternehmensübergreifende Standardisierung möglich. Auch in der Tourismusbranche selbst gibt es zahlreiche Unterschiede. Je nach gebuchtem Urlaub (Sommer-urlaub, Skiurlaub, Adventureurlaub etc.) werden die Zufriedenheitsdimensionen unterschiedlich ausfallen.



Fragebogen

Frage 5: Trifft folgende Aussage auf Sie zu? In jedem Urlaub reise ich an einen anderen Ort?

Ja

Nein

Frage 6: Planen Sie in den nächsten drei Jahren einen weiteren Urlaub in dieser Anlage?

Ja

Nein

Frage 7: Waren Sie insgesamt zufrieden mit Ihrem Urlaub?

Geben Sie Ihre Meinung auf einer Skala von 1 (nein, stimmt nicht) über 4 (teils, teils) bis 7 (ja, stimmt genau) an. Mit den Werten dazwischen können Sie Ihre Antwort abstufen.

1. 2. 3. 4. 5. 6. 7.

Frage 8: Waren Sie in Ihrem Urlaub jeweils zufrieden mit …?

a) ... dem Service auf Ihrem Hinflug?

1. 2. 3. 4. 5. 6. 7.

b) ... den angebotenen Speisen und Getränken auf Ihrem Hinflug?

1. 2. 3. 4. 5. 6. 7.

c) ... der Ausstattung Ihres Mietwagens (sofern über uns gebucht?

1. 2. 3. 4. 5. 6. 7.

d) ... Standard und Ausstattung der Unterkunft / Unterkünfte?

1. 2. 3. 4. 5. 6. 7.

e) ... dem Essen und der Atmosphäre in der hoteleigenen Gastronomie?

1. 2. 3. 4. 5. 6. 7.


Lektion 10

Fragebogen



f) ... der Freundlichkeit und Bedienung in der Unterkunft / den Unterkünften?

1. 2. 3. 4. 5. 6. 7.

g) ... der Gestaltung der Hotelanlage?

1. 2. 3. 4. 5. 6. 7.

h) ... der Gestaltung des Poolbereichs?

1. 2. 3. 4. 5. 6. 7.

i) ... der Sauberkeit des Pools?

1. 2. 3. 4. 5. 6. 7.

j) ... der Betreuung durch die Touristeninformation vor Ort?

1. 2. 3. 4. 5. 6. 7.

k) ... der Betreuung durch die Reiseleitung bei Rundreisen?

1. 2. 3. 4. 5. 6. 7.

l) ... dem Angebot an kulturellen Einrichtungen in der Umgebung?

1. 2. 3. 4. 5. 6. 7.

m) ... dem Angebot an gastronomischen Einrichtungen in der Umgebung?

1. 2. 3. 4. 5. 6. 7.

n) ... dem Preis-Leistungs-Verhältnis der Unterkunft / Unterkünfte?

1. 2. 3. 4. 5. 6. 7.

o) ... dem Preis-Leistungs-Verhältnis der hoteleigenen Gastronomie?

1. 2. 3. 4. 5. 6. 7.



Fragebogen



p) ... dem Umfang des Sportangebots?

1. 2. 3. 4. 5. 6. 7.

q) ... der dargebotenen Animation?

1. 2. 3. 4. 5. 6. 7.

r) ... der Umsetzung kurzfristiger Wünsche?

1. 2. 3. 4. 5. 6. 7.

3. Soziodemografische Fragen

Im letzten Teil werden soziodemografische Fragen gestellt (z. B. Geschlecht, Alter, Berufsstand). Sofern die Fragebögen personalisiert ausgefüllt werden, müssen allerdings nur Fragen gestellt werden, die nicht bereits bei der Buchung selbst erhoben wurden. Dieser Fragenkomplex dient dazu, zu hinterfragen, ob bestimmte Zielgruppen unterschiedliche Präferenzen an ihren Urlaubs-aufenthalt haben und ihre Zufriedenheit entsprechend gewichten.

Fragebogen

Frage 9: Bitte beantworten Sie uns noch folgende allgemeine Fragen:

Geschlecht: M W

Alter:

Reisezweck: Beruflich Privat

Reisebegleitung: Allein Partner / Familie

Beruf:

Nationalität:

Familienstand: Verheiratet in Partnerschaft Single


Lektion 10


1. Welche Dimensionen sind für ein Reiseunternehmen bei der Ermittlung der Gesamtkundenzufriedenheit unter anderem relevant?

2. Was sind Eisbrecherfragen?




Zusammenfassung

Das vorliegende Beispiel dient der Veranschaulichung, wie Sie konkret am Beispiel eines Reiseveranstalters die Vorbereitungen für die Ermittlung der Kundenzufrieden-heit des Unternehmens treffen. Für die Ermittlung der Kundenzufriedenheit ist ein merkmalsbezogenes mehrdimensionales Analyseverfahren einzusetzen, was Sie ent-sprechend bei der Gestaltung der Fragebögen berücksichtigen müssen. Zudem ist es sinnvoll, die Befragung in direkter Form durchzuführen. Im vorliegenden Fall werden als spezielle Analysemethoden die Kausalanalyse und die Faktorenanalyse eingesetzt.

Die Gestaltung des Fragebogens richtet sich nach den Dimensionen für die Kunden-zufriedenheit, die im Tourismusbereich bzw. für das vorliegende Unternehmen TURI relevant sind. Der konkrete Fragebogen setzt sich aus Kontaktfragen, Sachfragen und soziodemografischen Fragen zusammen. Er hat eine Länge von circa fünf Seiten.

Wissenstest


Viel Erfolg!

CLIX


Evaluierung

Herzlichen Glückwunsch!

Sie sind nun am Ende dieses Kurses angelangt. Wenn Sie Ihr Wissen auf CLIX unter Beweis gestellt haben, führen Sie bitte die abschließende Evaluierung des Kurses durch. Erst dann sind Sie automatisch für die Klausur zugelassen. Für diese wünschen wir Ihnen viel Erfolg und alles Gute.

Anhang 1

Literaturverzeichnis


Anhang 1


Altobelli, C. (2011): Marktforschung, Methoden – Anwendungen – Praxisbeispiele. 2., überarb. und erw. Aufl., UVK Verlagsgesellschaft, Konstanz et al.

Altobelli, C. / Hoffmann, S. (2011): Grundlagen der Marktforschung. UVK Verlagsgesell-schaft, Konstanz et al.

American Marketing Association (2013): Definition of Marketing. (URL: http://www.marketing-power.com/AboutAMA/Pages/DefinitionofMarketing.aspx [letzter Zugriff 08.01.2013]).

Berekoven, L. / Eckert, W. / Ellenrieder, P. (2009): Marktforschung: methodische Grundlagen und praktische Anwendung. 12., überarb. und erw. Aufl., Gabler / GWV, Wiesbaden.

Broda, S. (2006): Marktforschungspraxis. Konzepte, Methoden, Erfahrungen. Gabler / GWV Fachverlage, Wiesbaden.

Brosius, H.-B. / Koschel, F. / Haas, A. (2009): Methoden der empirischen Kommunikations-forschung. Eine Einführung. 5. Aufl., VS Verlag für Sozialwissenschaften / DWV Fachverlage, Wiesbaden.

Bruhn, M. (2012): Marketing – Grundlagen für Studium und Praxis. 11. Aufl., Gabler, Wiesbaden.

Churchill, G.A. / Brown, T.J. / Suter, T.A. (2010): Basic Marketing Research. 7th ed., South-Western.

Dresselhaus, D. (2000): Kundenbindung in der Automobilbranche: Das Kundenbindungssystem der Dr. Ing. h. c. F. Porsche AG. In: Bruhn, M. / Homburg, C. (Hrsg.): Handbuch Kunden-bindungsmanagement: Grundlagen – Konzepte – Erfahrungen. 3. Aufl., Wiesbaden.

Düsing, R. (2006): Knowledge Discovery in Databases. Begriff, Forschungsgebiet, Prozess und System. In: Chamoni, P. / Gluchowski, P. (Hrsg.): Analytische Informationssysteme. Business Intelligence-Technologien und -Anwendungen. 3., vollst. überarb. Aufl., Berlin et al.

Gnambs, T./Batinic, B. (2011): Qualitative Online-Forschung. In: Naderer, G. / Balzer, E. (Hrsg.): Qualitative Marktforschung in Theorie und Praxis. Grundlagen ‒ Methoden ‒ Anwendungen. 2. Aufl., Gabler, Wiesbaden.

Günther, M. / Vossebein, U. / Wildner, R. (2006): Marktforschung mit Panels: Arten – Erhebung – Analyse – Anwendung. Gabler, Wiesbaden.

Helmke, S. / Uebel, M. / Brinker, D. (2004): Kundenzufriedenheitsanalyse als CRM-Instrument für ein Unternehmen der Tourismusbranche. In: Uebel, M. / Helmke, S. / Dangelmaier, W. (Hrsg.): Praxis des Customer Relationship Management. Branchenlösungen und Erfahrungsberichte. 2. Aufl., Gabler, Wiesbaden.



Homburg, C. / Fürst, A. (2006): Überblick über die Messung von Kundenzufriedenheit und Kundenbindung. In: Bruhn, M. / Homburg, C. (Hrsg.): Handbuch Kundenbindungsmanage-ment. Strategien und Instrumente für ein erfolgreiches CRM. 6., überarb. und erw. Aufl., Gabler, Wiesbaden.

Hüttner, M. / Schwarting, U. (2010): Grundzüge der Marktforschung. Elektr. Ausgabe, 7. überarb. Aufl., Oldenbourg, München et al.

Iacobucci, D. / Churchill, G.A. (2010): Marketing Research. Methodological Foundations. 10th ed., South-Western.

Kuß, A. (2012): Marktforschung: Grundlagen der Datenerhebung und Datenanalyse. 4., überarb. Aufl., Springer / Gabler, Wiesbaden.

Meffert, H. / Burmann, Ch. / Kirchgeorg, M. (2008): Marketing. Grundlagen marktorien-tierter Unternehmensführung. Konzepte – Instrumente – Praxisbeispiele. 10., vollst. überarb. u. erw. Aufl., Gabler, Wiesbaden.

Olbrich, R. / Battenfeld, D. / Buhr, C.-Ch. (2012): Marktforschung. Ein einführendes Lehr- und Übungsbuch. Springer, Berlin et al.

Puttfarcken, J. (2008): Fallstudie Dr. Ing. h. c. F. Porsche AG: Konzeption und Implementierung des Kundenbindungsmanagements bei einem exklusiven Sportwagenhersteller. In: Bruhn, M. / Homburg, C. (Hrsg.): Handbuch Kundenbindungsmanagement. Strategien und Instru-mente für ein erfolgreiches CRM. 6., überarb. u. erw. Aufl., Wiesbaden.

Raab, G. / Unger, A. / Unger, F. (2009): Methoden der Marketing-Forschung. Grundlagen und Praxisbeispiele. 2., überarb. Aufl., Gabler, Wiesbaden.

Schnell, R. / Hill, P. B. / Esser, E. (2008): Methoden der empirischen Sozialforschung. 8. Aufl., Oldenbourg/München.

Schöneck, N. / Voß, W. (2005): Das Forschungsprojekt. Planung und Durchführung einer quan-titativen Studie. VS Verlag für Sozialwissenschaften, Wiesbaden.

Anhang 2

Abbildungsverzeichnis


Anhang 2

Abgrenzung von Marktforschung und Marketingforschung

Quelle: Altobelli / Hoffmann 2011, S. 5.

Hauptphasen der Entscheidungsprozesse im Marketing

Quelle: eigene Darstellung.

Prozess der Marktforschung Quelle: Bruhn 2012, S. 93.

Anbieter von Marktforschungsstudien Quelle: Kuß 2012, S. 6.

Grundgesamtheit und repräsentative Stichprobe

Quelle: Broda 2006, S. 19.

Relationship among Research Designs Quelle: Churchill / Brown / Suter 2010, S. 80.

Prozessablauf Data Mining Quelle: Düsing 2006, S. 246.

OLAP-Würfel eines Sportschuhherstellers Quelle: in Anlehnung an Meffert /Burmann / Kirchgeorg 2008, S. 837.

Kundenkontaktprogramm Quelle: Dresselhaus 2000, S. 746.

Verfahren der Primärforschung Quelle: Berekhoven / Eckert / Ellenrieder 2009, S. 87.

Beispiel für ein klassisches wissenschaftliches Experiment

Quelle: Iacobucci / Churchill 2010, S. 105.

Internetbasierte Befragungsmethoden Quelle: Gnambs / Batinic 2011, S. 388.

Vor- und Nachteile internetbasierter Befragungen

Quelle: Gnambs / Batinic 2011, S. 389.

Unterschiedliche Aspekte des Markt geschehens durch Panels

Quelle: Günther / Vossebein / Wildner 2006, S. 2.

Matrix der Messdaten zu „Noke“-Sportschuh

Quelle: Berekhoven / Eckert / Ellenrieder 2009, S. 64.

Beispiel einer Rating-Skala Quelle: Berekhoven / Eckert / Ellenrieder 2009, S. 68.

Beispiel zur Operationalisierung Quelle: eigene Darstellung.

Beispiel für eine Datenmatrix Quelle: Kuß 2012, S. 190.





Beispiel für eine Kreuztabelle Quelle: Berekhoven / Eckert / Ellenrieder 2009, S. 193.

Exemplarische Ergebnisse der Kausalanalyse

Quelle: Helmke / Uebel / Brinker 2004, S. 366.

Exemplarische Ergebnisse der Faktorenanalyse

Quelle. Helmke / Uebel / Brinker 2004, S. 367.

Eisbrecherfragen Quelle: eigene Darstellung.

Fragebogen Quelle: eigene Darstellung.

www.iubh-fernstudium.de

Internationale Hochschule

Bad Honnef · Bonn

Fernstudium

Campus Bad Reichenhall

Zenostraße 6

83435 Bad Reichenhall

Telefon: +49 8651 90234-56

Telefax: +49 8651 90234-50

[email protected]

Date post:	04-Mar-2021
Category:	Documents
Upload:	others
View:	4 times
Download:	0 times

schung. Studienskript....Marktforschung gehört zu den am längsten etablierten Teilgebieten der...

Documents