Marketing (M 2) - auf den Seiten von Frau Prof. Dr. Andrea Raab!

Transcription

Studiengang Betriebswirtschaftslehre: Marketing (M 2)
Marktforschung und Marktstrategie (M 2), Hochschule Ingolstadt: Andrea E. Raab
Agenda
Die Rolle der Information im Marketing / Definition Marketingforschung
Der Marketingforschungsprozess im Überblick
Untersuchungsziel erkennen und definieren
- Phase 1
Forschungsplan erstellen und Daten erheben
- Phase 2
Erhobene Daten analysieren und interpretieren - Phase 3
Ergebnisse präsentieren und kommunizieren
- Phase 4
Klausurbeilage
Basis für dieses Skript:
- Raab, A., Poost, A., Eichhorn, S.: Marketingforschung – Ein praxisorientierter Leitfaden, 2009
- Kotler Ph., Keller K.: Marketing Management 13th ed., 2009
- Berekhoven, E., Eckert, W., Ellenrieder, P.: Marktforschung, 2006
Prof. Dr. Andrea E. Raab
Hochschule Ingolstadt
-2-
Agenda
- Phase 1
- Phase 2
- Phase 4
Klausurbeilage
-3-
Die Rolle der Information im Marketing / Definition Marketingforschung: Lernziele
Lernziele
Der Erfolgreichste im Leben ist der,
der am besten informiert wird.
Benjamin Disraeli
• Warum werden Informationen heutzutage immer wichtiger?
• Welche
W l h M
Marketinginformationen
k ti i f
ti
sollte
llt ein
i U
Unternehmen
t
h
b
besitzen?
it
?
• Welche Elemente sollte ein modernes Marketing Informationssystem enthalten?
• Was ist Marketingforschung und was sind die Ziele?
-4-
Marketingforschung: die Rolle der Information im Marketing (1)
“Die
Die Märkte sind einem radikalen Wandel unterworfen!
unterworfen!”
Durch bedeutende Veränderungen im Makroumfeld entstehen neue Verhaltensweisen bei
Kunden, die zu neuen Chancen und Herausforderungen bei Unternehmen führen.
• Einflussfaktoren
• Technologischer Wandel
• Globalisierung
• Deregulierung der Märkte
• Privatisierung
• Zunehmende Anzahl an Käufermärkten
• Customization
BRAINSTORMING ZU
EINFLUSSFAKTOREN
Transformation des traditionellen
Einzelhandels
• Verschmelzung von Industrienzweigen
•
• Disintermediation
C. Kolumbus: “Zuverlässige Informationen sind unbedingt nötig für das
Gelingen eines Unternehmens.”
-5-
Marketinginformationen - Informationsbereiche
Informationsbereich
Informationen über die
U t
Unternehmensumwelt
h
lt
Informationen über
betriebsinterne
b
ti b i t
T
Tatbestände
tb tä d
Dateninformationen
Instrumentalinformationen
nichtwirtschaftliche Daten
wirtschaftliche Daten
Informationen
über gesamtwirtschaftliche
Größen
Brancheninformationen
Nachfragerinformationen
Informationen über
die betriebliche
Marktlage und die
Marktentwicklung
rechtliche
Daten
Konkurrenzinformationen
technische
Daten
gesellschaftliche Daten
Informationen über die
Unternehmensreaktionen auf
Aktivitäten der Umwelt
Informationen über
Umweltreaktionen auf
marketingpolititsche
Maßnahmen
Reaktionsinformation
R
kti
i f
ti iin b
bezug
auf Abnehmermaßnahmen
BedarfsKaufkraftinformationen informationen
Z hl d
Zahl
der
Bedarfsträger
Zahl der
Konkurrenten
B d f
Bedarfsintensität
Quelle: Bindlingmaier, 1983, S. 35
Konkurrenzintensität
Reaktionsinformation in bezug
auf Konkurrenzmaßnahmen
Informationen
Informationen
über Abnehmer- über Konkurrenzreaktionen
reaktionen
Informationen über
Reaktionen staatlicher Instanzen
-6-
Informationsmanagement mit Hilfe eines Marketing Informationssystems (MIS) (1):
• Hilfreiche Fragen zur Erfassung des internen Informationsbedarfs
• Welche Entscheidungen haben Sie für gewöhnlich zu treffen?
• Welche Informationen brauchen Sie für diese Entscheidungen?
• Welchen Informationen werden Ihnen üblicherweise geliefert?
• Welche Sonderberichte fordern Sie in welchen Zeitintervallen an?
• Welches Informationsmaterial, das Sie eigentlich
g
g
gerne hätten, erhalten Sie g
gegenwärtig
g
g nicht?
• Welche Informationen benötigen Sie täglich, wöchentlich, monatlich oder jährlich?
• Über welche spezifischen Themenbereiche wollen Sie stets auf dem laufenden gehalten werden?
• Welche Datenanalyseprogramme sollte man Ihnen zur Verfügung stellen?
• Welches wären nach Ihrer Meinung die vier nützlichsten Änderungen, die am gegenwärtigen MarketingInformationssystem vorgenommen werden könnten?
-7-
Informationsmanagement mit Hilfe eines Marketing Informationssystems (MIS) (2):
• Definition: A MIS consists of people, equipment, and procedures to gather, sort, analyze, evaluate,
and distribute needed, timely, and accurate information to marketing decision makers.
• Klassifizierung eines MIS (Marketing Informationssystems)
• Vertriebsinformationssystem: stellt Verkaufsdaten (Bestellungen, Umsätze, Preise etc.) aus dem
internen Berichtswesen (z.B. SFA, EDI) zur Verfügung
• Datenbanken, Data Warehousing und Data Mining: Daten werden in unterschiedlichen Datenbanken
abgelegt (z.B. Kundendatenbank, Produktdatenbank) und datenbankübergreifende Abfragen erstellt
• Marketing Intelligence System: Prozesse und Quellen, die von Managern genutzt werden, um aktuelle
Informationen über Entwicklungen
Ent ickl ngen im Marketing Umfeld zu erhalten (z.B.
( B Kunden-,
K nden Handelspanel).
Handelspanel)
• Marketingforschungssystem: Marketinguntersuchungen zu speziellen Marketing Problemen.
Erfolgreiche Unternehmen erfassen kontinuierlich ihren Informationsbedarf und
bauen entsprechende Marketing Informationssysteme (MIS) auf, um diesen Bedarf zu
decken.
-8-
Marketingforschung: Warum und was ist das?? (1)
Marketingforschung
• Um beispielsweise Antworten auf die folgenden Fragen zu finden:
• Wie hoch ist das gegenwärtige Marktpotenzial / Marktvolumen und die momentane
Marktwachstumsrate?
• Wie lassen sich aktuelle und potenzielle Kunden eines Unternehmens charakterisieren? Wie, wann,
wo und warum kaufen sie die Produkte des Unternehmens bzw. Produkte der Wettbewerber?
• Welche Kundensegmente können vom Unternehmen profitabel bedient werden?
• Welche gegenwärtigen / potenziellen Wettbewerber gibt es? Welche Stärken und Schwächen haben
die stärksten Wettbewerber des betrachteten Unternehmens, welche Strategien verfolgen diese?
• Wie reagiert der Markt auf die Kommunikationsaktivitäten des Unternehmens?
Definition Marketingforschung (Quelle: Kotler Ph., Keller K.: Marketing Management 13e, 2009, S. 130)
Marketing research is the systematic
• design,
design
• collection,
• analysis, and
reporting of data and findings relevant to a specific marketing situation facing the company
company.
-9-
Marketingforschung: Warum und was ist das?? (2)
Marktforschung versus Marketingforschung
• Der Begriff „Marktforschung“ bezieht sich schwerpunktmäßig auf die Untersuchung von
Sachverhalten außerhalb des Unternehmens (z. B. Arbeitsmarkt, Absatzmarkt, Rohstoffmarkt,
p
) Im Speziellen
p
werden die Absatz- und Beschaffungsmöglichkeiten
g
g
eines
Kapitalmarkt).
Unternehmens sowie deren Potenziale und Risiken untersucht.
• Der Begriff „Marketingforschung“ hingegen betrachtet außerbetriebliche und innerbetriebliche
Informationen. Dies bedeutet, dass sowohl die Wirkung von Marketingaktivitäten wie z. B.
Distributions-, Produkt-, Kommunikations- und Preispolitik als auch innerbetriebliche Sachverhalte
untersucht werden wie z. B. Vertriebskosten oder Lagerprobleme. Hinsichtlich der außerbetrieblichen
Informationsbeschaffung ist der Begriff „Marketingforschung“ weniger umfassend, da die
Beschaffungsmärkte keine Berücksichtigung finden.
finden
- 10 -
Marketingforschung: Ziele (1)
Die Marketingforschung erfüllt im Unternehmen folgende Funktionen:
• Anregungsfunktion: Generierung von Impulsen für die Initiierung neuer Marketingaktivitäten,
beispiels-weise die Bearbeitung neuer Märkte, die Entwicklung neuer Produkte oder
g , die Durchführung
g von Preisanpassungen.
p
g
Produktverbesserungen,
• Prognosefunktion: Einschätzung der Veränderungen marketingrelevanter Faktoren in den
Bereichen Markt, Kunden, Lieferanten, Handel, Konkurrenz und Umfeld sowie deren Auswirkungen
auf das eigene Geschäft.
• Bewertungsfunktion: Unterstützung bei der Bewertung und Auswahl von Entscheidungsalternativen,
z. B. bei Neuprodukten, Preisanpassungen, der Bearbeitung von Vertriebskanälen.
• Kontrollfunktion: Systematische Suche/Sammlung marketingrelevanter Informationen über die
aktuelle
kt ll M
Marktstellung
kt t ll
d
des eigenen
i
U
Unternehmens
t
h
sowie
i di
die Wi
Wirksamkeit
k
k it einzelner
i
l
Marketinginstrumente.
• Bestätigungsfunktion: Erforschung von Ursachen des Erfolgs/Misserfolgs von
Marketingentscheidungen.
Marketingentscheidungen
- 11 -
Marketingforschung: Mögliche Untersuchungsgegenstände (1)
Beispiele für Untersuchungsfragen
• Fall 1: Ermittlung der Absatzchancen für ein neues UMTS-Handy
Untersuchungsziel: Ermittlung des Absatzpotenzials?
• Datenquellen? Primäre, sekundäre?
• Einstieg in die Primäruntersuchung durch Expertenbefragung? Welche?
• Operationalisierung (Variablen): Kaufabsichten (eigenes Produkt / Wettbewerb), Kaufhäufigkeit,
Durchschnittspreis …
• Formulieren von Thesen?
• Erhebungsmethode: Befragung, Beobachtung, Experiment?
• Erhebungsinstrument?
• Untersuchungseinheiten / Grundgesamheit?
• Auswahlverfahren?
• Auswertung/Analyse Daten (händisch, elektronisch, Tabellen, Graphen; deskriptive Statistik [univariat,
bivariat multivariat]; induktive Statistik: Hypothesen)
bivariat,
• Interpretation
• Bericht und Präsentation: Darstellungsform; Handlungsempfehlungen
• Fall 2:
Untersuchung
g der Käuferschicht eines Handy-Herstellers
y
hinsichtlich soziodemographischer Merkmale, Kaufverhalten-, und Einstellungsmerkmale;
Untersuchungsziel: gezieltere Ausrichtung der Marketingaktivitäten
• Untersuchungsziel?
- 12 -
Agenda
- Phase 1
- Phase 2
- Phase 4
Klausurbeilage
- 13 -
Der Marketingforschungsprozess im Überblick: Lernziele
Lernziele
• Welche Prozessschritte umfasst der Marketingforschungsprozess?
• IIn welchem
l h
Z
Zusammenhang
h
wird
i d di
die explorative,
l ti
d
deskriptive
k i ti oder
d kkausalanalytische
l
l ti h
Marketingforschung eingesetzt?
• Wann wählt man welchen Forschungsansatz?
• Wie gehe ich bei der Durchführung einer Primärforschung vor?
• Wie finde ich den Einstieg in die Thematik?
• Wie kann das Untersuchungsproblem operationalisiert werden?
- 14 -
Marketingforschung: Der Marketingforschungsprozess im Überblick (1)
Der Marketingforschungsprozess (1)
n
o
Untersuchungsziel erkennen
und
definieren
a) Sekundärforschung - vorhandene Daten erheben
b) Primärforschung – neue Daten erheben
• Interne
Daten
• Externe
Daten
p
Erhobene
Daten
analysieren
und interpretieren
q
Ergebnisse
präsentieren
und
kommunizieren
Projekte effizient steuern
Für eine erfolgreiche Marketingforschung müssen einige Entscheidungen getroffen und
Barrieren überwunden werden,, um letztendlich Marktchancen identifizieren zu können.
- 15 -
o
n
Untersuchungs
suchungsziel erkennen
und
definieren
• Interne
Daten
• Externe
Daten
p
Erhobene
Daten
analysieren
und interpretieren
q
Ergebnisse
präsentieren
und
kommunizieren
n Definition der
Problemstellung
g

Ausgangssituation:
- Burning Platform

Zielsetzung:
- In Scope
p
- Out of Scope

Forschungsansatz:
- explorativ
- deskriptiv
- kausalanalytisch
k
l
l ti h
- 16 -
n
o
Untersuchungsh
ziel erkennen
und
definieren
b) Primärforschung
Pi äf
h
– neue Daten
D t erheben
h b
• Interne
Daten
• Externe
Daten
p
Erhobene
Daten
analysieren
und interpretieren
q
Ergebnisse
präsentieren
und
kommunizieren
o Forschungsplan erstellen
und Daten erheben

Beginn der
Informationssammlung
a) Sekundärforschung

Interne Datenquellen

Externe Datenquellen
- 17 -
n
o
Untersuchungsh
ziel erkennen
und
definieren
p
b)) Primärforschung
f
– neue Daten erheben
• Interne
Erhobene
Daten
analysieren
und interpretieren
Daten
• Externe
Daten
q
Ergebnisse
g
präsentieren
und
kommunizieren
b)
Primärforschung
a)) Wie erfolgt
f
der Einstieg in die Thematik der Untersuchung?
?
b) Welche Annahmen sollen geprüft werden?
c) Wie kann das Untersuchungsproblem messbar gemacht
werden?
d) Auf
A f welche
l h W
Weise
i werden
d U
Untersuchungen
t
h
iin d
der P
Praxis
i am
häufigsten durchgeführt?
e) Welche Instrumente können eingesetzt werden?
f) Über welche Wege können die Probanden kontaktiert werden?
g) Welche und wie viele Personen sollen in die Stichprobe mit
einbezogen werden?
h) Wie wird eine Befragung durchgeführt (4 Hauptprobleme)?
- 18 -
n
o
Untersuchungsh
ziel erkennen
und
definieren
p
f
• Interne
q
Erhobene
Daten
analysieren
und interpretieren
Daten
• Externe
Daten
Ergebnisse
g
präsentieren
und
kommunizieren
p erhobene Daten analysieren und
interpretieren

Daten tabellarisieren

Erstellung der Häufigkeitsverteilungen und Errechnung der
Mittel- und Streuwerte
Mittel
(univariate Auswertungen)

Anwendung von höheren
statistischen Auswertungsmethoden und -modellen
(multivariate Auswertungen)

Interpretation /
Handlungsempfehlungen
- 19 -
n
o
Untersuchungs
suchungsziel erkennen
und
definieren
p
b) Primärforschung
Pi äf
h
– neue Daten
D t erheben
h b
• Interne
q
Erhobene
Daten
analysieren
und interpretieren
Daten
• Externe
Daten
Ergebnisse
präsentieren
und
kommunizieren
q Die für die Problemstellung
relevanten Ergebnisse
werden den Entscheidungsträgern präsentiert und
kommuniziert

Präsentation /
Dokumentation

Kommunikation
- 20 -
n
o
Untersuchungsh
ziel erkennen
und
definieren
f
• Interne
Daten
• Externe
Daten
p
Erhobene
Daten
analysieren
und interpretieren
q
Ergebnisse
g
präsentieren
und
kommunizieren
Projektmanagement

P j kt d i i t ti
Projektadministration

Projektorganisation

Projektcontrolling
- 21 -
Agenda
- Phase 1
- Phase 2
- Phase 4
Klausurbeilage
- 22 -
Untersuchungsziel erkennen und definieren (1)
• Ausgangssituation
Konkretisierung der Problemstellung durch die Beschreibung des Ist-Zustandes und des
j
((Einflussfaktoren,, Interessensgruppen,
g pp , Projektrisiken,
j
, Chancen und Potenziale).
)
Projektumfeldes
Methoden: Projektumfeldanalyse, Kreativitätstechniken, Issue Based Problem Solving, „Burning
Plattform“
Die exakte Beschreibung der Ausgangssituation ist von hoher Bedeutung, weil es durch eine
unpräzise Definition im schlimmsten Fall passieren kann
kann, dass an der grundlegenden
Fragestellung vorbeigeforscht wird.
• Definition der Zielsetzung
Abl it
Ableitung
d
der P
Projektziele
j kt i l und
dd
deren U
Unterziele.
t i l Di
Die Zi
Ziele
l b
beschreiben
h ib
jenen Zustand, der am Ende des Projektes vorliegen soll.
• In Scope – Bestandteil des Projektes
• Out of Scope – kein Bestandteil des Projektes
• Wahl des Forschungsansatzes
• explorativ
• deskriptiv
• kausalanalytisch
Nur durch im Vorfeld definierte Ziele ist es möglich, den Erfolg eines Projektes
nachzuvollziehen und zu messen.
- 23 -
Untersuchungsziel erkennen und definieren (2)
Beispiel für die Ausgangssituation eines Marketingforschungsprojektes:
Im Frühjahr 2010 möchte das Unternehmen XYZ ein neues Produkt auf den Markt bringen. Es handelt
sich um eine Innovation aus dem Bereich Audio- und Multimedia, die bisher von keinem Unternehmen im
Markt angeboten wird. Die Zielgruppe für das Produkt sind Personen im Alter von 30 - 50 Jahren mit
einem gehobenen Haushaltsnettoeinkommen. Der Preis des Produktes soll zwischen 700 und 1.000 €
angesiedelt
i d lt sein.
i Das
D
P d kt wird
Produkt
i d über
üb eine
i
exklusive
kl i
V ti b
Vertriebsschiene
hi
angeboten,
b t
üb die
über
di auch
h
andere Hersteller ihre Produkte vertreiben. Das Unternehmen XYZ ist sich nicht sicher, ob der
Hauptwettbewerber ein ähnliches Produkt entwickelt. Da es sich um eine Innovation handelt, existieren
auf dem Markt bisher keine technischen Standards für dieses Produkt. Durch die hohen prognostizieren
Marketingaufwendungen, die nötig sind, um das Produkt in den Markt einzuführen, droht das Projekt aus
dem Budget zu laufen.
Beispiel einer Problemdefinition für das oben genannte Beispiel:
Für das Unternehmen XYZ stellt sich nun die Frage, ob die Investition in das neue Produkt profitabel ist.
K
Kann
am Markt
M kt eine
i
ausreichend
i h d hohe
h h Stückzahl
Stü k hl abgesetzt
b
t t werden,
d
um in
i Anbetracht
A b t ht der
d hohen
h h
Einführungsaufwendungen einen Gewinn zu erzielen? Welche Maßnahmen sind vom Wettbewerb zu
erwarten? Welche Bedeutung hat das Fehlen von technischen Standards für die Kunden?
- 24 -
Agenda
- Phase 1
- Phase 2
- Phase 4
Klausurbeilage
- 25 -
Forschungsplan erstellen und Daten erheben: Lernziele
Lernziele
• Welche Erhebungsmethoden und -instrumente gibt es?
• Wie
Wi sieht
i ht ein
i ““guter”
t ”F
Fragebogen
b
aus?
?
• Welche Beobachtungsmethoden gibt es? Wann wählt man welche Methode und warum?
• Wie sieht ein experimentelles Design aus? Welche Testmethoden gibt es? Wann wählt man welche
Methode und warum?
• Welche Skalierungsverfahren gibt es? Wann skaliert man wie und warum?
- 26 -
Forschungsplan erstellen und Daten erheben (1)
• Man unterscheidet zwischen Sekundär- und Primärdaten.
Die Auswahlentscheidung, welche Quellen zur Informationssammlung verwendet werden, wird von
• der Qualität der zu erwartenden Ergebnisse,
• dem mutmaßlichen Zeit- und Kostenaufwand sowie
• der personellen Kapazität bestimmt.
• Ein professioneller Forschungsplan beschreibt die einzelnen Schritte der
Informationssammlung.
• Er formuliert im Falle der Primärforschung Hypothesen aus der Problemstellung, zerlegt diese in
empirisch untersuchbare Einzelteile, legt die Erhebungsmethode, das Erhebungsinstrument, den
Sampling-Plan (Stichprobenplan) und die Kontaktmethode fest.
- 27 -
Sekundär vs. Primärforschung (1)
Beobachtung
(teilnehmend, nicht
teilnehmend)
Marktanalyse
(Zeitpunktbetrachtung)
Befragung
F k
Fokusgruppe
Primärforschung
Experiment
(Feld-//
(Feld
Laborexperiment)
Marktbeobachtung
(Zeitraum
(Zeitraumbetrachtung)
g)
SekundärSekundär
forschung
Verhaltensdaten
((“Panels”)
Panels )
• Interne Quellen
• Öffentliche
Quellen
• Zeitschriften /
Bücher
• Kommerzielle
Quellen
- 28 -
Sekundärforschung (1)
Sekundärforschung
• Def. Informationsgewinnung aus bereits vorhandenem und erhobenem Datenmaterial, das
g für einen anderen Zweck
in der Regel
zusammengetragen wurde.
• Interne Quellen
• Öffentliche
Quellen
• Zeitschriften /
Bücher
• Kommerzielle
Quellen
Sekundärforschung
• Datenquellen
• Interne Datenquellen: Daten, die innerhalb des Unternehmens zur Verfügung stehen
• Unterlagen aus Kostenrechnung / Controlling (z.B. Absatz- und Vertriebskosten, Deckungsbeiträge)
• Statistiken (z.B. Absatz-, Umsatz- und Kundenstatistik)
• Außendienstberichte ((z.B. Besuchsberichte))
• Berichte aus früheren Sekundär- und Primärforschungen
• Externe Datenquellen: Daten die außerhalb des Unternehmens zur Verfügung stehen
• Berichte von öffentlichen Stellen und Wirtschaftsverbänden (amtliche Quellen, Verbände und Organisationen)
• Veröffentlichungen spezieller Institute und Marktforschungsdienstleister
• Wirtschaftspresse, Fachzeitschriften, Bücher
• Firmenveröffentlichungen
• Neuere Datenquellen: Elektronische Datenbanken, -vermittlungsorganisationen und „InformationBroker
Broker“
- 29 -
Primärforschung (1)
Primärforschung
• Def. Informationsgewinnung durch die Erhebung von neuen, noch nicht vorhandenen Daten, die
speziell auf die Problemstellung zugeschnitten sind
sind.
D
erheaten
ben
Erh
e
met bungs
defi hode nier
en
Erh
inst ebungs
ru
wäh ment
len
Ope
r
lisie ationa
erst rung elle
n
Hyp
ot
bild hesen
en
• Externe
Daten
Exp
befr erten
age
n
• Interne
Daten
Sam
p
P ling
erst lan
elle
n
Ko
metntaktwähhode
len
o
- 30 -
Primärforschung - Experten befragen (1)
Expertenbefragung
• Def. Befragung von Personen, die mit der Thematik / Problemstellung bereits vertraut bzw.
Spezialisten oder Sachverständige auf diesem Gebiet sind, um durch deren Wissen, Erfahrung und
g relativ schnell einen tieferen Einblick in die Thematik zu erhalten.
Meinung
• Klassifikation
• Einzelbefragung
• Gruppenbefragung (Expertenrunde / Fokusgruppe)
• Methode
• Vorzugsweise persönliche oder telefonische Interviews
• Befragung mittels eines Interviewleitfadens
• Verwendung von offenen Fragestellungen
• Ziele
• Gewinnung von zusätzlichen Informationen zu der Thematik / Problemstellung.
• Beleuchtung des Themas aus den unterschiedlichen Blickwinkeln der Experten.
• Validierung der Informationen aus der Sekundärforschung und Klärung von offenen Fragen.
• Bildung von ersten Hypothesen für die Problemstellung.
• Sammlung
S
l
von IInformationen
f
ti
zu möglichen
ö li h Lö
Lösungsansätzen,
ät
Ch
Chancen und
d Ri
Risiken.
ik
- 31 -
Primärforschung
- Hypothesen bilden (1)
Nicht alles
Hypothesenbildung (1)
• Hypothesen sind allgemeine Aussagen über Zusammenhänge zwischen empirischen oder logischen
Sachverhalten (z. B. „Je älter die Käufer, desto höher die Akzeptanz von Produkt X“).
g
g
g ist es, die aufgestellten
g
Ausgangshypothesen
g g yp
mit Hilfe der
• Ziel einer Marketingforschungsuntersuchung
gesammelten Daten beantworten zu können.
• Als Ergebnis werden die Hypothesen entweder bestätigt (nicht falsifiziert) oder abgelehnt (falsifiziert).
• Die Prüfung von Hypothesen gehört in jede fundierte Marketingforschungsuntersuchung zur
E t h id
Entscheidungsfindung.
fi d
Im Wesentlichen gelten für Hypothesen folgende Richtlinien. Hypothesen müssen:1
• Operationalisierbar sein,
sein d.h.
d h mess- und prüfbar gemacht werden können
können.
• Mindestens zwei Begriffe (meist Merkmale bzw. Variablen) enthalten.
• Falsifizierbar sein, d. h. es muss ein Fall existieren, bei dem die Hypothesen abgelehnt werden können.
• Realitätsnah formuliert sein,, d. h. die Begriffe
g
sind auf Wirklichkeitsphänomene
p
hin operationalisierbar.
p
• Möglichst exakt und eng an der Problemstellung angelehnt sein.
• Frei von Redundanzen sein, d. h. ein Begriff deckt den anderen semantisch nicht ab.
• Widerspruchsfrei sein, d. h. ein Begriff schließt den anderen semantisch nicht aus.
• Aussagen und keine Fragen darstellen.
• Die empirischen Geltungsbereiche implizit oder explizit aufzählen.
1
Vgl. Kamenz, U.: Marktforschung: Einführung mit Fallbeispielen, 2. Aufl., 2001
- 32 -
Primärforschung - Hypothesen bilden (2)
Hypothesenbildung (2)
• Klassifikation von Hypothesen nach der Richtung
• Einseitige (gerichtete) Hypothesen
• Geben die Richtung des Unterschieds/Zusammenhangs an.
Bsp.: „Je höher die Akzeptanz, desto höher der Absatz des Produktes X.“
• Zweiseitige (ungerichtete) Hypothesen
Sagen nichts über die Richtung des Unterschieds/Zusammenhangs aus.
Bsp.: „Das Produkt X wird von den Käufergruppen unterschiedlich akzeptiert .“
• Klassifikation von Hypothesen nach Art
3. Verteilungshypothesen
Sie betrachten nur die Verteilung eines Merkmals (Variable). Bsp.: „An der Fachhochschule Ingolstadt
gibt es mehr männliche Studenten als weibliche
weibliche.“
2. Zusammenhangshypothesen
Sie beinhaltet eine Aussage über den erwarteten Zusammenhang (Kovariation) zwischen mindestens
zwei Variablen.
B
Bsp.:
„Die
Di E
Erhöhung
höh
d
des P
Preises
i
füh
führtt zu einer
i
V
Verminderung
i d
d
des Ab
Absatzes.“
t
“
3. Unterschiedshypothesen
Sie beinhaltet Aussagen über systematische Unterschiede innerhalb von oder zwischen zwei und mehr
Gruppen von Merkmalsträgern.
B
Bsp.:
„Männer
Mä
kkaufen
f häufiger
hä fi
d
das P
Produkt
d kt X als
l F
Frauen .““
4. Veränderungshypothesen
Sie beinhaltet Aussagen über erwartete oder sich der derzeit vollziehende Veränderungsprozesse.
Bsp: „In den letzten 10 Jahren hat sich der Absatz des Produktes X jedes Jahr erhöht.“
Vgl. Huber, O. (2000). Das psychologische Experiment: Eine Einführung (3.Aufl). Bern: Huber.
- 33 -
Primärforschung - Operationalisierung erstellen (1)
Operationalisierung (1)
Theoretische
Begriffe
Dimension
(Abgeleitete Begriffe)
Indikatoren
(Variablen)
Variable 1
Abgeleiteter
Begriff 1
Messinstrument
gefällt mir
sehr
gefällt mir
gar nicht
Variable 2
1
2
3
4
5
6
Variable 3
Begriff 1
Abgeleiteter
Begriff 2
Variable 4
Variable 5
Variable 6
Abgeleiteter
Begriff 3
Variable 7
Variable 8
Begriff 2
- 34 -
Ausgangshypothese: „Das Produkt X wird von den Käufergruppen unterschiedlich akzeptiert.“
Theoretische
Begriffe
Indikatoren
(Variablen)
Dimensionen
demografische Daten
Alter
Jahre
Geschlecht
männlich/weiblich
Familienstand
ledig, verheiratet,
geschieden…
…
Käufergruppe
M
Messinstrument
i t
t
Beruf
Einkommen
……
Kosten
……
Nutzen
……
Bekanntheitsgrad der
Marke
…
Akzeptanz
psychografische Daten
habe ich noch
nie gehört
ist mir
bekannt
Bekanntheit
des Produktes
…
1
2
3
4
- 35 -
Die Operationalisierung stellt die konkreten Messgrößen übersichtlich dar. Durch die Kombination der
einzelnen Indikatoren können sich noch zusätzliche Hypothesen ergeben
Hypothesen, die Zusammenhänge zwischen einem theoretischen Begriff und
dessen untergeordneten Dimensionen bzw. Indikatoren darstellen, sind nicht
sinnvoll.
- 36 -
Primärforschung Erhebungsmethode definieren und Erhebungsinstrument wählen (1)
Befragung
• Befragungssubjekt, Untersuchungsgegenstand, Befragungshäufigkeit
• Einzelbefragung / Gruppenbefragung
• Einthemenbefragung / Mehrthemen
Mehrthemen- oder Omnibusbefragung
• Adhoc / Tracking-Forschung
Marktanalyse
• Art des Fragebogens
• direkte / indirekte Fragen
• Standardisierungsgrad des Fragebogens
• hochstandardisiert (festes Befragungsschema ohne Variationsmöglichkeit)
• teilstandardisiert (Interviewerleitfaden)
Befragung
e agu g
(Zeitpunkt(Zeitpunkt
betrachtung)
Hochstandardisiert
Teilstandardisiert
Nicht-Standardisiert
Panelbefragung
Online-Befragung
telefonische Befragung
schriftliche Befragung
Expertenbefragung
Gruppenbefragung
Leitfadengespräch
Fokusgruppe
Expertenbefragung
informelles Gespräch
Gruppendiskussion
• nicht-standardisiert (Fragestellung ist dem Interviewer frei überlassen)
• offene Fragen / geschlossene Fragen
Möglichkeiten für geschlossenen Fragen:
• Auswahlfragen (nominales Skalenniveau)
• Alternativfragen (einfache Auswahl)
• Selektivfragen (mehrfache Auswahl)
• Skalenfragen (ordinales / metrisches Skalenniveau)
- 37 -
Befragung - Beispiele
zweideutiger Frageformulierung (1)
z In der nächsten Dekade wird der PC zu einer Ubiquität am
Arbeitsplatz werden.
werden Was prognostizieren Sie? Wird Ihr
Unternehmen bei der raschen Implementierung reüssieren?
Ja
Nein
Weiß nicht
Marktanalyse
Befragung
z Worin sehen Sie die Bedeutung computergestützter Systeme in der Praxis?
z Sind Sie mit den Kosten und der Qualität des Kundendienstes zufrieden?
Ja
Nein
z In welchem Zeitraum sind Sie zur Schule gegangen?
Von
Bis
____________
____________
z Eine große Zahl von Wissenschaftlern hat auf die Gefahren der Kernenergie hingewiesen
hingewiesen. Teilen Sie
diese Bedenken?
Ja
Nein
- 38 -
z Was meinen Sie? Wäre es nicht besser, wenn es weniger
Werbung gäbe?
Ja
Nein
Marktanalyse
Befragung
z Kreuzen Sie von den von Ihnen als zutreffend erachteten Eigenschaften
jeweils doppelt an, die Sie als besonders wichtig erachten, und bringen Sie
sie in eine Rangreihe der Wichtigkeit
z Wi
Wie oft
ft waren Sie
Si in
i den
d lletzten
t t fünf
fü f Jahren
J h
beim
b i Zahnarzt?
Z h
t? (Durchschnitt
(D h h itt
genügt!)
___________ mal
z Stimmen Sie folgender Aussage zu: Je mehr Weißkraft ein Vollwaschmittel
besitzt, desto stärker greift es das Gewebe an?
Stimme zu
Stimme nicht zu
- 39 -
z Sie haben mit unserem Unternehmen in verschiedenen
Bereichen Kontakt
Kontakt. Bitte geben Sie an
an, wie wichtig Ihnen
die einzelnen Bereiche sind und wie zufrieden Sie damit
sind?
sehr wichtig/
sehr zufrieden
Marktanalyse
Befragung
total unwichtig/
sehr unzufrieden
Schnelligkeit
Beratung durch Außendienst
Lieferzeit
Reklamationsabwicklung
Qualität der Produkte
- 40 -
Befragung – Checkliste für die
Durchführung einer
Phasen der Fragebogen-
Gesichtspunkte / Kriterien
entwicklung
Befragung
Marktanalyse
1) Präzisierung, Einengung
des Themas
Themas, Klärung
der zu erfragenden Inhalte, geordnet nach
ihrer Bedeutsamkeit
• Entscheidung über Ausmaß der Standardisierung: ob
schriftliche oder mündliche Befragung (Interview)
• Entscheidung über die zu wählende Sprache
(Zielgruppenspezifisch)
• Intensives Erfragen eines Bereichs oder oberflächliches
Abfragen verschiedener Bereiche
2) Formulierung von Fragen
zu interessierenden Bereichen / zu den Hypothesen
• Balance der Fragen, Konkretheit, Verständlichkeit,
Eindeutigkeit
• Trennung von unabhängigen und abhängigen Variablen
• Mischung geschlossener und offener Fragen (Adressatenkreis,
Monotonie des Fragebogens, Präzision und objektive
A
Auswertbarkeit
tb k it d
der F
Fragen))
3) Ordnung der Fragen in
eine Reihenfolge
• Einleitung: Allgemeine Information, Motivation, Zusicherung
der Anonymität
• Aufwärmfragen
• Peinliche Fragen nicht an den Anfang
• Abhängigkeit von
on Fragekontext:
Fragekonte t Kontrollgruppen
Kontrollgr ppen
4) Überprüfung des Fragebogens
• Vortest an ca. 20 Befragten
• Fragen an Unebenheiten der Frageformulierung
• Statistische Auswertung (wenn nur eine Antwort auf eine
Frage vorkommt, dann ist Frage nicht informativ)
5) Vorbereitung der Hauptuntersuchung: Interviewerschulung
• Versuchsplanung: Ist eine Variation der unabhängigen
Variablen durch die Auswahl der Stichprobe möglich
• Interviewerschulung
• Organisation von Adresslisten, usw.
Befragung
Schema für das Erstellen eines Fragebogens (Wellenreuther, 1982, S. 179)
- 41 -
Beobachtung
• Klassifikation der Beobachtung nach
• Bewusstseinsgrad des Beobachteten
• offene Beobachtung (Achtung: Gefahr des Beobachtungseffektes)
• verdeckte Beobachtung
• Partizipationsgrad des Beobachters
• Teilnehmend (Laden- oder Gaststättentest)
• nicht-teilnehmend (Messung der Fernseheinschaltquote mit Telemeter)
• Strukturierungsgrad
• standardisiert
• nicht-standardisiert
• Wahrnehmungs- und Registrierungsform
Beobachtung
(teilnehmend / nicht
teilnehmend)
Marktanalyse
• visuell
• andere Sinnesmodalitäten (instrumentell mithilfe v. Kameras, elektronischen Zähleinrichtungen)
• Ziele:
• Einkaufsverhalten
• Verwendungsverhalten (Handhabung, Nutzung)
• Informationsverhalten
• Beispiele:
• Berichte des Außendienstes, marktbezogene Daten des betriebl. Rechnungswesens
• Zählung der Kunden in Einzelhandelsgeschäften mittels Drehkreuz mit Zähleinrichtungen
• Kundenlaufstudien
Die Beobachtung im Unterschied zur Befragung ist dadurch charakterisiert, dass die
Untersuchungssubjekte zum Untersuchungsgegenstand keine Erklärungen abgeben, die
einen Rückschluss auf ihr Verhalten zulassen.
- 42 -
Fokusgruppe (Gruppendiskussion)
• Die Fokusgruppe ist eine Methode, die man im Rahmen einer beurteilenden oder explorativen
Gruppendiskussion über ein bestimmtes Thema durchführt, um in relativ kurzer Zeit ein
p
von Meinungen
g und Einstellungen
g zu erheben.
breites Spektrum
• i. d. R. 6 bis 10 Teilnehmer + erfahrener Moderator
• oft Vorstufe für eine repräsentative Untersuchung
• Auswahl der Teilnehmer über ein sog. „convenient sample“, d. h. es werden Personen befragt, die am
leichtesten erreichbar sind.
• Ziele:
• Diskussion von Fragen zu einem Thema
• Einholung von verschiedenen Meinungen
Marktanalyse
Fokusgruppe
• Treffen von Einschätzungen
• Entwicklung von Hypothesen
• Beispiele:
• Expertenrunden (z. B. Wissenschaftler, Journalisten etc.)
Von der Quantifizierung (in Form von Prozentangaben) der Untersuchungsergebnisse, die aus
einer Fokusgruppe resultieren, sollte i. d. R. Abstand genommen werden, da die Teilnehmer
über ein „convenient sample“ ausgewählt werden.
- 43 -
Experiment
• Def.: Keine gesonderte Erhebungsmethode, da Datengewinnung durch (apparative) Beobachtung
oder durch Befragung auf der Basis einer Versuchsanordnung
• Zielsetzung: Aufdeckung von Ursache-Wirkungszusammenhängen (kausalanalytische Studie)
• Voraussetzungen:
• Kontrolle der Störvariablen
• aktive Manipulation der interessierenden unabhängigen Variable (=Ursache
( Ursache, zz. B
B. Verpackung
Verpackung, Preis)
• genaue Messung evtl. Veränderungen der abhängigen Variablen (=Wirkung, z. B. Kaufbereitschaft,
Image)
• Klassifikation nach:
Marktanalyse
Experiment
(Feld- / Laborexperiment)
• Experimentellem Umfeld:
•
Laborexperiment
•
Feldexperiment
• Zeitpunkt
p
des Auftretens der abhängigen
gg
Variablen:
•
Projektives Experiment
•
Ex-post-facto-Experiment
• Versuchsanordnung; Kombination
folgender Merkmale:
Beispiele:
•
•
•
•
Konzepttest
Warentest
Produkttest
Storetest
Testmarkt-Ersatzverfahren
(Minimarkttest, Testmarktsimulation)
Werbetest
• Markttest
M ktt t
•
Kennzeichnung der Versuchsgruppe: Experimental group / Control group
•
Zeitpunkt der Messung: before /after
- 44 -
Produkttest
• Def.: Experimentelle Untersuchung, bei der zunächst nach bestimmten Merkmalen ausgewählten
Testpersonen unentgeltlich bereitgestellte Produkte, probeweise ge- oder verbrauchen und
anschließend nach ihren subjektiven Wahrnehmungen und / oder Beurteilungen bezüglich der
getesteten Produkte als Ganzes bzw. einzelner Produktbestandteile gefragt werden
• Testobjekte:
• eigene bereits im Markt befindliche Produkte
• Prototypen
• Konkurrenzprodukte
• Ziel:
Marktanalyse
Experiment
• Ermittlung v. Produktalternativen
• Aussagen über die optimale Gestaltung der Produkteigenschaften
(Packung, Preis, Name, Imagewirkung)
• Ausprägungen:
• Volltest
• Partialtest (Preistest, Packungstest, Geschmackstest, Namenstest)
• Blindtest
• Testverfahren der Praxis:
• Tachistoskop
• Schnellgreifbühne
- 45 -
Storetest
• Def.: Probeweiser Produktverkauf unter kontrollierten Bedingungen in ausgewählten
Einzelhandelsgeschäften
Produkte, insbesondere
• Ziel: Test der Verkaufsfähigkeit neuer / geänderter Produkte
• Verkaufschancen
• Eignung der Verpackung
• Eignung
g
g des Verkaufspreises
p
• Wirkung von Verkaufsförderungsmaßnahmen
• Wirkung von Sonderplazierungen
• Anwendung:
• oft im Anschluss an einen Produkttest
Marktanalyse
Experiment
• unter marktrealen Bedingungen
- 46 -
Markttest
• Def.: umfassendes Feldexperiment in einem räumlich begrenzten Gebiet, welches die Gesamtheit
vorgesehener Marketingmaßnahmen simuliert und deren Erfolg misst
• Ziel: Test einer geänderten Marketingkonzeption für
• ein bereits eingeführtes / geändertes Produkt
Marktanalyse
Experiment
• ein neues Produkt im Rahmen eines schon vorhandenen
Produktprogramms
• ein völlig neues Produkt
• Vorgehen:
Auswahl eines Testmarktes, in dem in einem geographisch genau
abgegrenzten Teil des Gesamtmarktes der Markttest durchgeführt wird
(Testmarkt soll in seiner Struktur hinsichtlich Struktur der
Bevölkerung; Handelsstruktur entsprechen)
- 47 -
Tracking-Forschung (1)
• Def.: Datengewinnung über schriftliche
Befragung oder Beobachtung
Marktbeobachtung
Verhaltensdaten
(“Panels”)
• Wesen: Langzeitstudien
• Klassifikation:
• Wellenerhebungen: gleiches Thema, gleiche Stichprobe
• Panelerhebungen:
g
gleiches Thema,, identische Stichprobe
g
p
• Anwendungsgebiete:
• Verbraucherpanel: schriftliche Erfragung der Konsumgewohnheiten der Verbraucher
• Verkaufsdatenerfassung (durch Scanning)
• Handelspanel (Retail Tracking): Beobachtung von Einzelhandelsgeschäften zu einem gleich
bleibenden Untersuchungsgegenstand (Absatzmengen, Distributionsraten, Durchschnittspreise,
Regalplatz, Verkaufsaktivitäten)
• Fernsehpanel:
F
h
l Beobachtung
B b ht
d
des F
Fernsehverhaltens
h h lt
mittels
itt l technischer
t h i h Geräte
G ät
- 48 -
Tracking-Forschung (2)
• Brainstorming
These: Panelauswertungen liefern eine Flut von Daten!!!
Marktbeobachtung
Verhaltensdaten
(“Panels”)
• Fragen
• Wer benötigt die Daten?
• Welche Ziele werden mit einer Paneluntersuchung
g verfolgt?
g
•
Welche Informationen zieht man aus den Daten?
• Verbraucherpanel
• Handelspanel
• Detaillierte Informationen zur Tracking-Forschung entnehmen Sie bitte auch den Unterlagen des
Gastvortrages von Herrn Kröger (GfK Panel Services Deutschland)
- 49 -
Primärforschung - Skalierung (1)
Skalierung
Skalierung*::
• Def. Skalierung: Konstruktion von Maßskalen und Zuordnung von Zahlen zu Objekten (Messen)
• Def. Skala: numerische Abbildung eines empirischen Merkmals
Skalenniveaus:
*Definitionen entnommen aus: Berekhoven, Eckert, Ellenrieder, 2004, S.74 ff.
- 50 -
Klassifikation von Skalierungsverfahren
Skalierung i.w.S.
Selbsteinstufung
Fremdeinstufung
subjektive
Fremdeinstufung
eindimensionale
Skalierung ii.e.S.
eS
eindimensionale
Skalierung
einfache
Rating-Skala
objektive
Fremdeinstufung
Verfahren der
Indexbildung
•Likert-Skala
•Thurstone-Skala
•Guttmann-Skala
mehrdimensionale
Skalierung
semantisches
Differenzial
* Beispiele entnommen aus: Berekhoven, Eckert, Ellenrieder, 2004, S.74 ff.
Multiattributmodelle:
•Fishbein-Ansatz
•Trommsdorff-Ansatz
Multidimensionale
Skalierung (MDS)
- 51 -
Skalierung - Klassifikation von
Skalierungsverfahren (1)
• Selbsteinstufungsverfahren:
• Rating-Skala (am häufigsten eingesetzte Skalierungsmethode)
Befragte Person gibt ihre Position/Einstellung auf der interessierenden Merkmalsdimension selbst an.
Rating-Skalen bilden „natürliche“ Rangfolgen ab und messen deshalb mit einem ordinalen Messniveau.
Somit lassen sich nur kleiner- / größer-Beziehungen analysieren, wobei Angaben über die Abstände
zwischen
i h d
den einzelnen
i
l
A
Antwortkategorien
t
tk t
i streng
t
genommen nicht
i ht möglich
ö li h sind.
i d
• Fremdeinstufungsverfahren
g wird mit einer Batterie von Items konfrontiert, die in der Regel
g als Skalafragen
g konstruiert
Befragter
sind; Untersuchungsleiter verknüpft die Einzelmesswerte zur Messskala, worauf der Befragte
positioniert wird.
• subjektive Fremdeinschätzung (Verfahren der Indexbildung)
Bild
Bildung
einer
i
einzigen
i i
M
Maßzahl
ß hl aus mehreren
h
T
Teildimensionen,
ildi
i
d
deren M
Merkmalsausprägungen
k l
ä
auff
Grundlage des subjektiven Empfindens des Interviewers ermittelt wurden.
• objektive Fremdeinschätzung
Auf Grundlage eines streng standardisierten Verfahrens wird der Proband vom Interviewer positioniert.
- 52 -
Skalierung (2):
Objektive Fremdeinschätzungsverfahren
Eindimensional
•
•
•
Likert-Skala (Technik der summierten Einschätzung)
Den Befragten wird eine Reihe von Statements vorgelegt, zu
denen sie Zustimmung oder Ablehnung äußern können, und zwar
in abgestufter
g
Form. Die Befragten
g
sollen beispielsweise
p
angeben, ob sie der geäußerten Ansicht „völlig“ - „überwiegend“ „teilweise“ - „eher nicht“ oder „gar nicht“ zustimmen.
Mehrdimensional
•
Semantisches Differenzial (Polaritätenprofil):
Beurteilung eines Untersuchungsgegenstandes durch wertende
Assoziationen auf einer Anzahl bipolarer Ratingskalen.
•
Multiattributmodelle:
a) Fishbein-Ansatz: Versucht kognitive und affektive
Einstellungskomponente miteinander zu verknüpfen. Die
Einstellung einer Person setzt sich aus mehreren
Eindruckswerten zusammen.
zusammen Eindruckswerte setzten sich aus
der Multiplikation der kognitiven und affektiven Komponente
zusammen.
Thurstone-Skala (Verfahren der gleich erscheinenden
Intervalle))
Im Unterschied zur Likert-Skala werden Statements zunächst von
Experten hinsichtlich ihrer Ausprägung beurteilt. Die Skala wird in
einem zweiten Schritt aus den eindeutig einer Position
zugeordneten Statements gebildet, somit sind die Statements
hinsichtlich ihre Wertigkeit geeicht.
Guttmann-Skala (Skalogramm-Verfahren)
Den Befragten werden einige Aussagen vorgelegt, die sie
bejahen oder verneinen sollen. Es wird angenommen, dass die
Aussagen einer Reihenfolge entsprechen (oder in eine
Reihenfolge gebracht werden können) derart, dass sie jeweils
eine unterschiedlich „extreme“ Auffassung dem Objekt gegenüber
ausdrücken.
b) Trommsdorff-Ansatz: Die idealen Merkmalsausprägungen
(affektive Komponente) werden erfasst und die kognitiven
Einstellungkomponenten durch Fragen direkt bestimmt. Der
Eindruckswert ergibt sich aus der Differenz der kognitiven und
affektiven Komponenten.
•
Multidimensionale Skalierung
g (MDS):
(
)
Verfahren, das Objekte in einem mehrdimensionalen Raum
räumlich positioniert; die Positionen der Objekte und ihre
gegenseitigen Entfernungen stimmen mit den tatsächlichen
Entfernungen bzw. Unterschieden überein.
- 53 -
Skalierungsverfahren – Beispiele (1)
• Rating-Skala
• Verfahren der Indexbildung
- 54 -
• Likert-Skala
• Thurstone-Skala
• Guttmann-Skala
- 55 -
• Semantisches Differenzial
• Multiattributmodell: Fishbein-Ansatz
• Multidimensionale Skalierung (MDS)
• Multiattributmodell: Trommsdorff-Ansatz
- 56 -
Primärforschung - Kontaktmethode wählen (1)
Kontaktmethode
• Schriftlich (z. B. per Post, Fax, E-Mail)
• Große Datenmengen können zu relativ geringen Kosten gesammelt werden.
• Erfordert eine besonders einfache und klare Formulierung der Fragen.
• Erfahrungsgemäß eine geringe Rücklaufquote.
• Telefonisch
•
•
•
•
Beste Methode für eine schnelle Informationsgewinnung.
I t kti zwischen
Interaktion
i h P
Proband
b d und
d IInterviewer
t i
möglich
ö li h (Fl
(Flexibilität).
ibilität)
Interviewleitfaden darf nicht zu umfangreich sein und Fragen nicht zu persönlich.
Computergestützte Interviewführung möglich mit paralleler Dateneingabe.
• Persönlich (face to face)
•
•
•
•
•
Klassifikation (Einzelinterview/Gruppengespräch)
Es können viele Fragen gestellt werden.
Zusätzliche Informationsgewinnung durch das Erscheinungsbild und die Körpersprache des Probanden.
Hohe Kosten, sowie hoher administrativer und zeitlicher Aufwand.
Negative Beeinflussung durch den Interviewer möglich.
• Online
• Fragebogen ist über eine Internetadresse erreichbar oder steht zum Download zur Verfügung
Verfügung.
• Probanden können den Fragebogen online ausfüllen.
• Musik, Bilder und Videos können integriert werden.
- 57 -
Primärforschung - Sampling Plan erstellen (1)
Definitionen:
• Def. Stichprobe (Sample)
Beschränkung der Untersuchung auf einen kleineren Teil der Grundgesamtheit [=Gesamtmasse]
(Teilerhebung)
• Def. Repräsentativität
• Eine Teilmasse ist repräsentativ, wenn sie in der Verteilung aller interessierenden Merkmale der
Gesamtmasse entspricht, d.h. ein zwar verkleinertes, aber sonst wirklichkeitsgetreues Abbild der
Gesamtheit darstellt.
• Nicht alle im folgenden aufgeführten Verfahren genügen diesem Ideal, deshalb folgende
Verallgemeinerung: --> Eine Teilmasse ist dann repräsentativ, wenn sie einen zutreffenden
Rückschluss auf die Grundgesamtheit zulässt.
• Def. Zufallsauswahl (Random-Verfahren)
(
)
• Jede Einheit hat dieselbe Wahrscheinlichkeit in die Stichprobe einbezogen zu werden
• Der Stichprobenfehler lässt sich nach der Wahrscheinlichkeitstheorie berechnen
--> Mit zunehmender Größe der Stichprobe steigt die Wahrscheinlichkeit, dass sich das Ergebnis der
Teilerhebung einer Vollerhebung angleicht
• Def. Verfahren der bewussten Auswahl
Auswahl der zu untersuchenden Einheiten nach sachrelevanten Einheiten
--> Auswahl ist so vorzunehmen, dass das Sample hinsichtlich der interessierenden Merkmale möglichst
repräsentativ für die Grundgesamtheit ist
Im Rahmen der Erstellung des Sampling-Plans sind die folgenden Entscheidungen zu treffen:
1) Definition der Grundgesamtheit; 2) Festlegung des Auswahlverfahrens und der
Stichprobengröße.
* Definitionen entnommen aus: Berekhoven, Eckert, Ellenrieder, 2006, S. 55 ff.
- 58 -
1 Definition der Grundgesamtheit
1.
•
Ausgangsbasis für den Sampling-Plan ist die Grundgesamtheit der Untersuchung
•
Grundgesamtheit ist die Menge aller potenziellen Merkmalsträger, für die das Ergebnis der
Untersuchung gültig sein soll
soll.
•
Die Grundgesamtheit orientiert sich am Untersuchungsziel und schließt alle Merkmalsträger ein, die
zur Untersuchung der Problemstellung herangezogen werden könnten.
•
Sollen beispielsweise
p
Kunden nach ihrer Zufriedenheit befragt
g werden,, ist es sinnvoll,, nur Personen
in die Untersuchung einzubeziehen, die das Produkt bereits gekauft haben, da nur diese Personen
Aussagen zur Problemstellung treffen können.
•
Die Grundgesamtheit wird im Allgemeinen anhand:
•
•
demografischer (z. B. Alter, Geschlecht),
•
geografischer (z. B. PLZ-Gebiet, Land),
•
psychografischer (z. B. Einstellung, Meinung) oder
•
verhaltensorientierter Merkmale (z. B. Kaufverhalten)
definiert, wobei meistens eine Kombination aus mehreren Kriterien herangezogen wird.
- 59 -
2 Festlegung des Auswahlverfahrens und
2.
der Stichprobengröße
•
Damit eine Stichprobe als repräsentativ angesehen werden kann, wird in diesem Schritt des
Marketingforschungsprozesses ein so genannter Sampling
Sampling-Plan
Plan (Stichprobenplan) erstellt, der
genau festlegt, welche Merkmalsträger aus der Grundgesamtheit ausgewählt werden müssen, damit
ein Repräsentationsrückschluss möglich ist.
•
Der Sampling-Plan stellt eine bindende Richtlinie für das Untersuchungsteam dar und basiert auf
speziellen Auswahlverfahren, welche die Repräsentativität sicherstellen sollen.
•
Der Rückschluss von der Stichprobe auf die Grundgesamtheit ist mit Fehlern behaftet, da die
Stichprobe lediglich einen Schätzwert für die Grundgesamtheit darstellt.
•
Bei den systematischen Fehlern handelt es sich um Non-Response- (z. B.
Antwortverweigerungen, Testpersonen nicht erreichbar) oder Erfassungsfehler (z. B. Fehler im
Auswahlverfahren, Verzerrung durch Interviewer, Auswertungsfehler)
•
Zufallsfehler sind solche Fehler
Fehler, die in statistischen Massen auftreten und nach den Gesetzen der
Wahrscheinlichkeit um einen „wahren Wert“ streuen, so dass sie sich per Saldo ausgleichen. Sie
können nicht vermieden, sondern nur durch eine Vergrößerung der Stichprobe verkleinert werden.
Dies lässt sich dadurch erklären, dass sich die bei der Erfassung der einzelnen Merkmalsträger
gemachten Fehler mit wachsender Zahl der Probanden tendenziell ausgleichen.
- 60 -
Grundformen von Auswahlverfahren
Auswahlverfahren
Vollerhebung
Teilerhebung
repräsentative
Auswahl
willkürliche
Auswahl
Verfahren der
zufallsorientierten
Auswahl
Verfahren der nicht
zufallsorientierten
(bewussten) Auswahl
einfache
Zufallsauswahl
uneingeschränkte
Zufallsauswahl:
Lotterieprinzip
geschichtete
Zufallsauswahl
Auswahltechniken:
systematische
Auswahl usw.
Klumpenauswahl
proportional
Quotenverfahren
Konzentrationsverfahren (cut-off)
typisches
Auswahlverfahren
disproportional
- 61 -
Zufallsauswahl - Auswahltechniken
• Systematische Auswahl
Soll aus einer Grundgesamtheit mit 100.000 Merkmalsträgern (N) eine Stichprobe von 1.000
p
((n)) entnommen werden,, wird zunächst innerhalb der ersten 100 Elemente p
per Zufall ein
Testpersonen
Startpunkt festgelegt und von diesem Startpunkt ausgehend, jeder weitere 100ste Merkmalsträger
einbezogen.
• Schlussziffernauswahl
Es werden nur Merkmalsträger in die Stichprobe einbezogen, die in einer durchnummerierten Liste
der Merkmalsträger eine bestimmte Endziffer aufweisen
(z. B. alle Elemente mit der Endziffer „6“ wie 6, 16, 26, 36, 46 ...).
• Geburtstags
Geburtstags- oder Buchstabenauswahl
Die Probanden werden anhand ihres Geburtsdatums oder anhand des Anfangsbuchstabens der
Nach- oder Vornamen ausgewählt (z. B. alle Personen, die am 06. April geboren sind; alle Personen,
deren Nachname mit „M“ beginnt).
• Auswahl mittels Zufallszahlen
Jedem Element der Grundgesamtheit wird eine fortlaufende Nummer zugewiesen. Danach wird durch
ein Zufallsverfahren (z. B. per Zufallsgenerator) eine Zufallszahlentabelle generiert, die festlegt,
welche
l h M
Merkmalsträger
k l tä
iin di
die U
Untersuchung
t
h
einbezogen
i b
werden.
d
- 62 -
Beispiele für Auswahlverfahren (1)
- 63 -
Beispiele für Auswahlverfahren (2)
- 64 -
Stichprobengröße
Damit ein Repräsentationsrückschluss von der Stichprobe auf die Grundgesamtheit möglich
ist, müssen die erhobenen Stichprobenwerte einer Normalverteilung folgen.
Achtung:
Ein Zufallsfehler kann nur für
Verfahren der Zufallsauswahl
berechnet werden, nicht für
Verfahren der bewussten
Auswahl!
- 65 -
Stichprobengröße – Sicherheitsfaktor,
Sicherheitsfaktor
Vertrauensbereich, Vertrauenswahrscheinlichkeit (1)
• Die Streuung der Stichprobenmittelwerte um den wahren Wert der Grundgesamtheit wird mit der
Varianz bzw. der Standardabweichung gemessen. Die Standardabweichung stellt die mittlere
Abweichung vom Stich-probenmittelwert dar. Sie wird in der Einheit des Merkmals ausgedrückt,
definiert den Vertrauensbereich (Konfidenzintervall) um den Stichprobenmittelwert und legt somit
die Wahrscheinlichkeit (Vertrauenswahrscheinlichkeit) fest, mit welcher der wahre Wert der
Grundgesamtheit in den Vertrauensbereich fällt.
• Da es für die Marketingforschung nicht ausreichend ist, eine Aussage zu treffen, die nur für (68,3%)
der theoretisch denkbaren Fälle in Frage kommt, wird der Vertrauensbereich erweitert, indem die
Standardabweichung mit einem so genannten Sicherheitsfaktor multipliziert wird
wird. Dadurch steigt zum
einen die Vertrauenswahrscheinlichkeit und zum anderen vergrößert sich der Vertrauensbereich.
• Um eine Vertrauenswahrscheinlichkeit von 99,7%
Zusammenhang Sicherheitsfaktor - Vertrauensbereich Vertrauenswahrscheinlichkeit
,
g Wahrscheinzu erhalten,, d. h. mit einer 99,7%igen
lichkeit sagen zu können, dass der wahre Wert der
Grundgesamtheit in einen bestimmten Vertrauensbereich fällt, muss die Standardabweichung beispielsweise
i mit
it d
dem Si
Sicherheitsfaktor
h h it f kt 3 multipliziert
lti li i t werden.
d
Durch
D h die
di M
Multiplikation
lti lik ti mit
it d
dem
Sicherheitsfaktor wird der Vertrauensbereich
um das dreifache der Standardabweichung erweitert.
- 66 -
Sicherheitsfaktor
• Die Irrtumswahrscheinlichkeit ist das Gegenstück zur Vertrauenswahrscheinlichkeit und gibt an, mit
welcher Wahrscheinlichkeit der wahre Wert der Grundgesamtheit nicht im Vertrauensbereich liegt.
• In der Marketingforschung wird versucht, ein möglichst genaues Schätzergebnis von der Stichprobe
auf die Grundgesamtheit zu erzielen. Betrachtet man jedoch die Größen Vertrauensbereich
(Stichprobenfehler) und Vertrauenswahrscheinlichkeit genauer, dann erkennt man, dass sie sich
konträr verhalten. Erhöht man die Vertrauenswahrscheinlichkeit, erweitert sich automatisch der
korrespondierende Stichprobenfehler.
• Es gilt, je größer der Umfang einer Stichprobe, desto genauer kann der wahre Wert einer
G
Grundgesamtheit
d
th it auff Basis
B i einer
i
Stichprobe
Sti h
b geschätzt
hät t werden.
d
• Allerdings nimmt die Güte der Stichprobe nicht proportional zu. Eine Vervierfachung der Stichprobe
bedeutet beispielsweise nur eine Verdoppelung der Güte der Stichprobe.
• Deshalb legt man in der Marketingforschungspraxis im Vorfeld der Stichprobenziehung die Qualität
des Stichprobenergebnisses über den zulässigen Stichprobenfehler und die
Vertrauenswahrscheinlichkeit fest und bestimmt auf dieser Basis den optimalen Umfang der
Stichprobe. Man unterscheidet den heterograden und den homograden Fall.
- 67 -
Sicherheitsfaktor
- 68 -
Stichprobengröße – Heterograder Fall
• Die Untersuchungsmerkmale sind quantitativ (z. B. Einkommen, Alter, Körpergröße) und sollen auf
ihren Mittelwert hin untersucht werden.
• Die Formel für die Berechnung des Stichprobenumfangs für quantitative Merkmale lautet:
mit:
n: Stichprobenumfang
t: Sicherheitsfaktor
2
σ : Varianz
e: größter zulässiger Fehler (Stichprobenfehler)
• Während der Sicherheitsfaktor
über die gewünschte Vertrauenswahrscheinlichkeit hergeleitet wird
und der Stichprobenfehler vom
Untersuchungsteam aus Erfahrungswerten geschätzt wird, ist die
Varianz in der Regel nicht
bekannt Sie muss entweder in
bekannt.
einem Pre-Test geschätzt oder
vom Untersuchungsteam
bestimmt werden.
- 69 -
Stichprobengröße – Homograder Fall
• Die Untersuchungsmerkmale sind qualitativ (z. B. Geschlecht, Familienstand, Beruf) und sollen auf
relative Häufigkeiten (Anteile) hin untersucht werden.
• Die Formel zur Errechnung des Stichprobenumfangs für qualitative Merkmale lautet wie folgt:
• Wurden „q“ und „p“ nicht bereits im
Vorfeld über einen Pre-Test
Pre Test
erhoben, ist es üblich, den ungünstigsten Fall anzusetzen, nämlich
jeweils 50% (p = 50; q = 50). Für die
F l
Festlegung
von „t““ und
d „e““ kö
können
die Überlegungen für den heterograden Fall übernommen werden.
- 70 -
Primärforschung - Daten erheben (1)
Daten erheben
• Bekannte Probleme
• Di
Die P
Probanden
b d sind
i d nicht
i ht anzutreffen
t ff und
d müssen
ü
d
deshalb
h lb erneutt kkontaktiert
t kti t werden
d oder
d d
durch
h andere
d
Testpersonen ersetzt werden.
• Die Probanden verweigern
g
die Auskunft oder g
geben bewusst falsche Antworten.
• Die Probanden haben Vorurteile gegenüber dem Untersuchungsinstrument oder der Thematik der
Untersuchung.
• Der Interviewer ist voreingenommen (z. B. suggestives Fragen) oder unehrlich
(z. B. Selbstausfüllung durch den Interviewer bzw. Befragung von Bekannten).
- 71 -
Primärforschung - Daten erheben (2)
Daten erheben –
mögliche Vorgehensweise für die Befragung von Unternehmen aus der Praxis
Versendung des Fragebogens
und des Anschreibens per Email
Telefonische Kontaktaufnahme
Absage
g
Teilnahme
Nachtelefonieren
Befragung
am Telefon
T l f
Endgültige
Absage
Neue
Kontaktperson
Endgültige
Absage
Keine Zeit
Teilnahme
Terminvereinbarung
Teilnahme
Antwort per Post
Antwort per Fax
Befragung
am Telefon
- 72 -
Agenda
- Phase 1
- Phase 2
- Phase 4
Klausurbeilage
- 73 -
Erhobene Daten Analysieren und Interpretieren: Lernziele
Lernziele
• Überblick über die wichtigsten Datenanalyseverfahren und deren Anwendung in der Praxis
• univariat
i i t
• bivariat
• multivariat
• Fähigkeit der eigenständigen Berechnung einer einfachen Regressionsanalyse bzw.
bzw Erkenntnis,
Erkenntnis
wann die einfache Regressionsanalyse in der Praxis wie zum Einsatz kommt
• Fähigkeit der Durchführung bestimmter Hypothesentests
• Fähigkeit der eigenständigen Berechnung von Stichprobenfehler und Stichprobenumfang
- 74 -
Erhobene Daten analysieren und interpretieren (1)
Computergestützte Datenanalyse
• Tabellenkalkulationsprogramme (z. B. Microsoft Excel)
• Werkzeug zur Datenerfassung und –verwaltung
• Diverse statistische Auswertungsfunktionen (univariate Auswertungen,
Auswertungen Korrelationen,
Korrelationen Regressionen)
• Schnelle und unkomplizierte Analyse von kleinen Datenmengen
• Datenbanksysteme (z. B. Microsoft Access)
• System
y
zur elektronischen Datenverwaltung
g
• Erstellung einer Datenbank ist in der Regel aufwändig
• Ermittlung und Visualisierung von einfachen statistischen Kennzahlen und Zusammenhängen
• Hoher Aufwand bei komplexen statistischen Auswertungen
• Effizientes, widerspruchsfreies und dauerhaftes Speichern von großen Datenmengen
• Statistische Auswertungsprogramme (z. B. SPSS, SAS)
• Software speziell für die statistische Datenanalyse
• Umfangreiche Datenmengen können verwaltet, transformiert und verarbeitet werden
• Vielzahl von statistischen Funktionen und Prozeduren stehen zur Verfügung
• Sowohl univariate (Mittelwertberechnung, Häufigkeitsauszählun-gen etc.) als auch komplexe
multivariate Testverfahren (Faktorenanalyse,
(Faktorenanalyse Conjoint-Analyse
Conjoint Analyse etc
etc.)) möglich
- 75 -
Klassifikation statistischer Verfahren
• Deskriptive Statistik
• Deskriptive = beschreibende Statistik
• Sie beinhaltet Analyseverfahren die vorwiegend dazu dienen
dienen, die Verteilung der
Merkmalsausprägungen durch eine grafische oder tabellarische Darstellung genauer zu beschreiben
und statistische Kennzahlen (z. B. Häufigkeit, Mittelwert, Varianz) zu berechnen.
• Verallgemeinerungen bzw. Schlüsse auf die Grundgesamtheit sind damit nicht möglich, sondern sind
Gegenstand der noch zu behandelnden Verfahren der induktiven Statistik.
• Induktive Statistik
• Induktive
I d kti St
Statistik
ti tik = statistische
t ti ti h P
Prüfverfahren
üf f h
• Die induktive Statistik beschäftigt sich mit der Frage, inwieweit die Ergebnisse einer Teilerhebung durch
eine Stichprobe auf die Grundgesamtheit übertragen werden können und verwendet dafür Methoden
wie z. B. den Chi-Quadrat-Test oder den T-Test.
• Überprüfung von Annahmen oder zur Prüfung der Zulässigkeit des Schlusses von Werten der
Stichprobe auf Werte der Grundgesamtheit.
- 76 -
Deskriptive Statistik
Statistische Verfahren - univariat
• Häufigkeiten
g
• Mittelwerte
• Streumaße
Statistische Verfahren - bivariat
• Kreuztabellierung
• Korrelationsmaße
• einfache Regressionsanalyse
Statistische Verfahren - multivariat
Induktive
e Statistik
statistische
Auswertungsverfahren
•
•
•
•
•
•
•
Regressionsanalyse (mehrfach)
Varianzanalyse
Diskriminanzanalyse
Faktorenanalyse
Clusteranalyse
MDS
Conjoint Measurement
Statistische Verfahren - Induktiv
• Hypothesentests
- 77 -
Beispiel für uni-,
uni- bi- und multivariate Analysen
- 78 -
Erhobene Daten analysieren und interpretieren Deskriptive Statistik / univariate Verfahren - Häufigkeiten (1)
Häufigkeiten
• Häufigkeiten
• Mittelwerte
• Streumaße
Deskriptive
Statistik
• Absolute Häufigkeit:
Ist die Anzahl der Elemente in der Grundgesamtheit
genau dieser Merkmalsausprägung.
p g g
mit g
• Relative Häufigkeit:
Misst den prozentualen Anteil der Elemente
mit genau dieser Merkmalsausprägung an
der Grundgesamtheit.
fi =
hi
N
• Absolute Summenhäufigkeit:
Gibt die Anzahl der Elemente an, die höchstens
diese Merkmalsausprägung aufweisen.
Hi =
i
∑hj
j =1
• Relative Summenhäufigkeit:
Gibt den prozentualen Anteil der Elemente
an der Grundgesamtheit an, die höchstens
diese Merkmalsa
Merkmalsausprägung
spräg ng a
aufweisen.
f eisen
i
Fi = ∑ f j =
j =1
Hi
N
mit:
it
N Anzahl
N:
A
hl d
der V
Variablenwerte
i bl
t
fi:: Relative Häufigkeit
H::i Absolute Summenhäufigkeit
Fi :
Relative Summenhäufigkeit
- 79 -
Beispiele für Häufigkeiten (1)
Deskriptive
Statistik
• Häufigkeiten
• Mittelwerte
• Streumaße
Beispiel – absolute/relative Häufigkeit sowie für absolute/relative Summenhäufigkeit
Im folgenden Beispiel soll eine Personengruppe bzgl. ihrer Altersstruktur genauer analysiert
werden. Bei einer Befragung gaben 20 Personen ihr Alter an.
Nr. des Befragten
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Alter
35
25
30
35
18
21
29
39
25
33
34
36
38
46
29
48
18
30
28
37
Datensatz unsortiert
Nr. des Befragten
17
5
6
9
2
19
15
7
3
18
10
11
1
4
12
20
13
8
14
16
Alter
18
18
21
25
25
28
29
29
29
30
33
34
35
35
36
37
38
39
46
48
Datensatz sortiert nach Alter, aufsteigend
- 80 -
Beispiele für Häufigkeiten (2)
Deskriptive
Statistik
• Häufigkeiten
• Mittelwerte
• Streumaße
Beispiel – absolute/relative Häufigkeit sowie für absolute/relative Summenhäufigkeit
Aus diesem Datensatz ergeben sich folgende absolute/relative Häufigkeiten sowie absolute/relative
Summenhäufigkeiten:
Alter
Absolute Häufigkeit
Relative Häufigkeit
18-21
3
15%
22-25
2
10%
26-30
5
25%
31-35
4
20%
36-40
4
20%
41-45
0
0%
46-50
2
10%
Alter
Absolute Summenhäufigkeit
Relative Summenhäufigkeit
18-21
3
15%
18-25
5
25%
18-30
10
50%
18-35
14
70%
18-40
18
90%
18-45
18
90%
18-50
20
100%
- 81 -
Erhobene Daten analysieren und interpretieren Deskriptive Statistik / univariate Verfahren - Mittelwerte (1)
Mittelwerte (Lagemaße): wohin tendiert
eine Verteilung?
Deskriptive
Statistik
• Arithmetisches Mittel AM
• gewogenes AM:
• ungewogenes AM:
AM
1
x=
N
• Häufigkeiten
• Mittelwerte
• Streumaße
N
∑x
i =1
i
mit:
N:
N
xi :
i =1
x:
f:
x = ∑ fi xi
Anzahl der Variablenwerte
Variablenwert an der Stelle „n“
Mittelwert aller Merkmalswerte
xi
Gewichtungsfaktor
• Modus
• Der Modus einer Reihe von Merkmalsausprägungen ist der Wert,
Wert der in dieser Reihe am
häufigsten vorkommt.
• (Æ in einer Reihe von Merkmalsausprägungen kann es mehrere Modi geben!)
• Median (= Zentralwert, wobei die Merkmalsausprägungen der Reihe nach geordnet sind)
• N ist eine ungerade Zahl: Me(x) = x N +1
2
• N ist eine gerade Zahl: Me(x) =
⎤
1⎡
+
x
x
⎢ N
N ⎥
+1
2⎣ 2
2 ⎦
- 82 -
Beispiele für Mittelwerte (1)
- 83 -
Beispiele für Mittelwerte (2)
- 84 -
Erhobene Daten analysieren und interpretieren Deskriptive Statistik / univariate Verfahren - Streumaße (1)
Deskriptive
Statistik
Streumaße: wie variabel ist eine Verteilung?
• Spannweite SW
• Häufigkeiten
• Mittelwerte
• Streumaße
St
ß
Ist die Differenz aus der größten Merkmalsausprägung und der kleinsten Merkmalsausprägung
Merkmalsausprägung.
SW(x) = xN - x1
• Interquartilspanne IQS
Ist die Spannweite einer Reihe,
Reihe nachdem 25% der geringsten und 25% der größten
Merkmalsausprägungen ausgeschlossen wurden.
IQS(x) = Q3 – Q1
mit:
Q1:
erstes Quartil
Q 3:
drittes Quartil
• Empirische Varianz VAR
Grundidee der Varianz ist es, eine Art durchschnittliche
Abweichung vom Mittelwert zu bestimmen
mit:
N:
⎡1 ⎛ N
1 N
⎞⎤
VAR(x) = ∑ ( xi − x) 2 = ⎢ ⎜ ∑ xi2 ⎟⎥ − ( x) 2
x:i
N i =1
⎣ N ⎝ i =1 ⎠⎦
x:
Variablenwert an der Stelle „n“
Mittelwert aller Merkmalswerte x i
• Empirische Standardabweichung SAW
Ermöglicht die Vergleichbarkeit mit Mittelwerten (Varianz hat Einheit zum Quadrat, daher nicht
geeignet zum Vergleich)
SAW(x) = VAR(x)
- 85 -
Erhobene Daten analysieren und interpretieren Deskriptive Statistik / univariate Verfahren - Streumaße (2)
Beispiele für Streumaße
- 86 -
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik /
bivariate Verfahren - Kreuztabellen und Korrelationsmaße (1)
Deskriptive
Statistik
Kreuztabellierung:
• Einfachstes Verfahren, Zusammenhänge zu ermitteln und zu veranschaulichen.
• Hierbei werden alle möglichen Kombinationen von Merkmalsausprägungen bezüglich zweier
Variablen anhand einer Matrix
Matrix, der sog
sog. Kreuztabelle
Kreuztabelle, dargestellt
dargestellt.
• Die Häufigkeit, mit der jede Kombination auftritt, wird anschließend in die Matrix eingetragen.
Korrelationsmaße:
• Wie gleichgerichtet sind zwei verschiedene Verteilungen?
• Empirische Kovarianz KOV
Quantifiziert das Ausmaß des ”Gleichlaufens” zweier Merkmale
Q
1
KOV(x;y)=
N
N
∑ [ x i − x ][ y i − y ]
i =1
1
N
N
∑x *y
i
i
− x*y
i =1
• Korrelationskoeffizient r
Ein Korrelationskoeffizient von +1 drückt eine perfekte
Gleichläufigkeit, ein Wert von –1 dagegen eine perfekte
Gegenläufigkeit
g
g
zweier
Merkmale aus.
r ( x; y ) =
KOV ( x; y )
SAW ( x) * SAW ( y )
mit:
N:
x:
Variable x
y:
Variable y
x:
y:
xi
yi
- 87 -
Deskriptive
Statistik
Beispiel für eine lineare Korrelation (1)
Beispiel - Zusammenhang zwischen Gewicht und Größe (1)
Gehen wir vom einfachsten Fall zweier Messwertreihen X (z.B. Gewicht) und Y (z.B. Körpergröße) aus. Dann
gibt der Korrelationskoeffizient Auskunft darüber, wie gut sich durch die beiden Messwertreihen jeweils eine
Gerade legen lässt, so dass die Quadrate der Abstände der Messwerte von der Geraden minimal werden.
Im folgenden Beispiel ergibt sich zwischen dem Körpergewicht und dem Körpergröße ein
Korrelationskoeffizient r = 0,84.
r ( x; y ) =
KOV ( x; y )
12.068,15 − (69,9 *171,15)
12.068,15 − 11.963,34
⇒
⇒
⇒
SAW ( x ) * SAW ( y )
13,83 * 8,972
191,49 * 80,5
⇒
104,76
⇒ 0,843817
124,08
Beispiel entnommen aus:
http://www.sgipt.org/wisms/statm/kor/kurkor.htm#Der%20Korrelationskoeffizient.;
abgerufen am 29.09.2008
- 88 -
Deskriptive
Statistik
Beispiel für eine lineare Korrelation (2)
Beispiel - Zusammenhang zwischen Gewicht und Größe (2)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Summe
x
65 76 98 52
52 46 51 61 65 67 74 72 74 76 81 85 58 55 63
63 92 87 1.398 y
166 177 185 161
161 165 158 164 167 174 172 181 162 175 181 182 155 165 169
169 179 185 3.423 x*y
10.790 13.452 18.130 8 372
8.372 7.590 8.058 10.004 10.855 11.658 12.728 13.032 11.988 13.300 14.661 15.470 8.990 9.075 10 647
10.647 16.468 16.095 241.363 x²
4.225 5.776 9.604 2 704
2.704 2.116 2.601 3.721 4.225 4.489 5.476 5.184 5.476 5.776 6.561 7.225 3.364 3.025 3 969
3.969 8.464 7.569 101.550 y²
27.556 31.329 34.225 25 921
25.921 27.225 24.964 26.896 27.889 30.276 29.584 32.761 26.244 30.625 32.761 33.124 24.025 27.225 28 561
28.561 32.041 34.225 587.457 x:
Variable „Gewicht“
y:
Variable „Körpergröße“
x
= 69,90
y
= 171,15
KOV ( x ; y ) =
=
1 N
∑ xi * y i − x * y
N i =1
241 . 363
− 69 , 9 * 171 ,15 = 12 . 068 ,15
20
Beispiel entnommen aus:
http://www.sgipt.org/wisms/statm/kor/kurkor.htm#Der%20Korrelationskoeffizient;
abgerufen am 29.09.2008
- 89 -
bivariate Verfahren - einfache Regressionsanalyse (1)
Einfache Regressionsanalyse
Deskriptive
Statistik
Ermittlung eines Zusammenhangs zwischen
zwei Merkmalen
• Regressionsgerade:
R
i
d
mit:
yˆ1 = a + b * x1 yˆ
a:
Regressionskonstante (Schnittpunkt der Regressionsgerade mit der Y-Achse)
b:
Regressionskoeffizient (Steigung der Regressionsgeraden)
x:
unabhängige Variable
y:
abhängige Variable
• Die einfache Regressionsanalyse baut auf der Korrelationsanalyse auf und untersucht nicht den
wechselseitigen
h l iti
Zusammenhang
Z
h
zwischen
i h zweii Variablen,
V i bl
sondern
d
die
di einseitige
i
iti B
Beziehung
i h
zwischen einer abhängigen und einer unabhängigen Variablen.
• Ziel der Regression ist es, die Koeffizienten a und b der Regressionsgeraden so zu bestimmen, daß
di S
die
Summe d
der quadrierten
d i t Ab
Abstände
tä d zwischen
i h d
den S
Schätzwerten
hät
t und
dd
den wahren
h
W
Werten
t y1
minimiert wird. (“Kleinste-Quadrate-Schätzung”)
• Die Regression versucht also eine Gerade zu bestimmen, von der alle Punkte gleich weit entfernt
sind im Mittel. (→Regressionsgerade)
- 90 -
Beispiel für eine Regressionsanalyse (1)
Deskriptive
Statistik
- 91 -
Deskriptive
Statistik
Streudiagramm für die Variablen „Werbeausgaben“ und „Absatzmenge“
- 92 -
i
bivariate
Verfahren - einfache Regressionsanalyse (4)
Deskriptive
Statistik
- 93 -
Deskriptive
Statistik
- 94 -
Deskriptive
Statistik
Erklärte und nicht erklärte Abweichung
- 95 -
multivariate Verfahren - Kriterien zur Auswahl eines mulitvariaten Verfahrens (1)
Kriterien zur Auswahl eines multivariaten Verfahrens:
• Untersuchungsgegenstand /
Art der Untersuchungsobjekte
Deskriptive
p
Statistik
• Kontigenzanalyse
• Diskriminanzanalyse
Di k i i
l
• Varianzanalyse
• Regressionsanalyse (mehrfach)
• Faktorenanalyse
• Clusteranalyse
• MDS
• Conjoint Measurement
• Anzahl der Variablen
• Abhängigkeit zwischen den Variablen
• Daten- und Messniveau
• (Untersuchungszeitpunkt /
Untersuchungszeitraum)
- 96 -
Erhobene Daten analysieren und interpretieren - Deskriptive Statistik / multivariate Verfahren (1)
Deskriptive
Statistik
Unterteilung
• Dependenzanalyse:
• Varianzanalyse
• Faktorenanalyse
• Clusteranalyse
• MDS
Eine bzw. mehrere Variablen (abhängige Var. bzw.
Kriteriumsvariablen) hängen von anderen Variablen (unabhängige Var. bzw. Prediktoren) ab.
Einsatz nur wenn ein kausaler Zusammenhang zwischen den Variablen vermutet werden kann.
Wichtigste Verfahren: Kontingenzanalyse, Diskriminanzanalyse, Varianzanalyse und
multiple Regressionsanalyse
• Interdependenzanalyse:
Es erfolgt keine Unterscheidung zwischen abhängiger und unabhängiger Variablen
Wichtigste Verfahren: Clusteranalyse, Faktorenanalyse, multidimensionale Skalierung und Conjoint
Analyse
- 97 -
Erhobene Daten analysieren und interpretieren Deskriptive Statistik / multivariate Verfahren (2)
Deskriptive
Statistik
nicht metrisch
metrisch
nich
ht metrisch
Kontigenzanalyse
Diskriminanzanalyse
metrisch
m
unabhängige Variable
abhängige Va
ariable
Dependenzanalysen
• Varianzanalyse
• Faktorenanalyse
• Clusteranalyse
• MDS
Varianzanalyse
y
Regressionsanalyse
y
- 98 -
Erhobene Daten analysieren und interpretieren Deskriptive Statistik / multivariate Verfahren (3)
Interdependenzanalysen
Deskriptive
Statistik
• Varianzanalyse
• Faktorenanalyse
• Clusteranalyse
• MDS
- 99 -
Erhobene Daten analysieren und interpretieren - Zusammenfassung
statistische Auswertungsverfahren Auswahl des passenden statistischen Verfahrens (1)
Deskriptive
Statistik
Statistische Verfahren univariat
• Häufigkeiten
• Mittelwerte
• Streumaße
Zusammenfassung Auswertungsverfahren
m
metrisch
nich
ht metrisch
h
Datenniveau
nominali l
skaliert
ordinaldi l
skaliert
iintervallt
ll
skaliert
ratioti
skaliert
Statistische Analyseverfahren
univariat
bivariat
mulitvariat
Häufigkeitsanalyse,
Hä
fi k it
l
Modus
Kreuztabellenanalyse,
l
K
Kontigenzti
koeffizient (Pearson),
CHI2, Phi
Kontigenzanalyse,
K
ti
l
Clusteranalyse
M di
Median,
Quantile
Assoziationskoeffizient Faktorenanalyse,
(G d
(Goodman-Kruskal),
K k l)
MDS
MDS,
Rangkorrelationskoeff. Conjoint-Analyse,
(Spearman, Kendall) Diskriminanzanalyse
Varianzanalyse,
arithmetisches Mittel
Mittel,
Varianzanalyse
Varianzanalyse,
Produkt-MomentVarianz,
Regressionsanalyse,
Korrelation (Pearson),
Standardabweichung
Diskriminanzanalyse
Regressionsanalyse
geometrisches Mittel,
Mittel
harmonisches Mittel,
Variationskoeffizient
Regressionsanalyse
Statistische Verfahren bivariat
• einfache
Regressionsanalyse
Statistische Verfahren multivariat
• Regressionsanalyse
(mehrfach)
• Varianzanalyse
• Faktorenanalyse
• Clusteranalyse
• MDS
Regressionsanalyse
- 100 -
Erhobene Daten analysieren und interpretieren: Induktive Statistik (1)
Hypothesentests:
• Ausgangspunkt ist die Nullhypothese H0
Induktive
Statistik
• Hypothesentests
• Gegenstück ist die Alternativhypothese H1
• Es
E gibt
ibt i.d.R.
i d R zweii Fragestellungen
F
t ll
beim
b i Hypothesentest:
H
th
t t
Mit welcher Wahrscheinlichkeit wird die Nullhypothese abgelehnt, obwohl sie richtig ist?
Wieviel Treffer müssen auf einem bestimmten Signifikanzniveau „gelandet“ werden, damit die
Nullhypothese angenommen werden kann?
• Termini:
α-Fehler = Fehler 1.Art = H0 richtig aber abgelehnt (Irrtumswahrscheinlichkeit)
β-Fehler = Fehler 2
2.Art
Art = H0 falsch aber angenommen
übliche Werte für α:
≤0,01 hochsignifikant (d.h. zu 99% ist H0 richtig und wird angenommen)
≤0,05 signifikant
Gesamtfehler = p
p*α
α + (1
(1-p)*β
p) β
1-α = Sicherheitswahrsch. bzw. statist. Sicherheit
Vergrößerung des Annahmebereichs bewirkt eine Verkleinerung des α-Fehlers
- 101 -
Beispiel Hypothesentest:
Induktive
Statistik
• Hypothesentests
- 102 -
Verteilungstests:
Induktive
Statistik
• Hypothesentests
Verteilungstest
Art des
Tests
Nullhypothese
Skalenniveau
Voraussetzungen
Prüffunktion
Anpassungs- V(x) = V0(x)
test
(V0(x) ist eine
genau spezifizierte Verteilung der
Grundgesamtheit)
mindestens
nominalskalierte
Daten
Ej > 5 für alle j = 1,…,m
(bei Gültigkeit der Nullhypothese zu erwartende
Häufigkeit in den
einzelnen Ausprägungs
Ausprägungsklassen)
χ2emp= ∑
Unabhängig- x, y sind vonkeitstest
einander unabhängig
mindestens
nominalskalierte
Daten
Eij > 5 für alle i = 1,…,k
und j = 1,…., l
(bei Unabhängigkeit zu
erwartende Häufigkeit
der einzelnen Merkmalskombinationen)
Verteilung der
Prüffunktion
m
(nj – Ej)2
j=1
Ej
χ2 –Verteilung mit
v=m–1
Freiheitsgraden
m = Anzahl der Ausprägungsklassen (Intervalle)
nj = tatsächliche Anzahl
der Beobachtungen im
j-ten Intervall
k
l
χ2emp= ∑ ∑
i=1 j=1
(nij – Eij)2
Eij
nij = tatsächliche Häufigkeit der Merkmalskombinationen (xi, yj)
χ2 –Verteilung mit
v = (k – 1) * (l – 1)
Freiheitsgraden
Weitere Ausgewählte Testverfahren (Parametertest) siehe Nieschlag, Dichtl, Hörschgen, 1997, S. 770
- 103 -
Daten
D t iinterpretieren
t
ti
• Erläuterung der Zusammenhänge und Begutachtung der erhobenen, aufbereiteten und
ausgewerteten Daten
• Beantwortung der dem Projekt zugrunde liegenden Problemstellung
• Formulierung Handlungsempfehlungen zur Unterstützung der Entscheidungsfindung
komprimieren
–>
die wichtigsten Erkenntnisse zusammenfassen
pointieren
–>
aussagekräftige Ergebnisse hervorheben
kombinieren
–>
Gesetzmäßigkeiten ableiten und herausstellen
begutachten
–>
Aussage und Signifikanz der Ergebnisse bewerten
formulieren
–>
Ergebnisse auf konkrete Problemstellung übertragen
- 104 -
Agenda
- Phase 1
- Phase 2
- Phase 4
Klausurbeilage
- 105 -
Ergebnisse präsentieren und kommunizieren (1)
• Erstellung eines Ergebnisdokumentes (Ausrichtung an der Problemstellung und den Zielen des
Auftraggebers)
• Elemente eines Ergebnisdokumentes:
Inhaltsverzeichnis
Projektplan und Projektrahmenbedingungen
Problemstellung, Burning Platform (Ausgangssituation) und Untersuchungsziele
Management Summary (wichtigste Ergebnisse der Untersuchung zusammengefasst)
Methodik der Untersuchung
Marketingforschungsplan
g
g p
Darstellung und Interpretation der Untersuchungsergebnisse
Schlussfolgerungen und Handlungsempfehlungen
Anhang
- 106 -
Agenda
- Phase 1
- Phase 2
- Phase 4
Klausurbeilage
- 107 -
Klausurbeilage

Korrelationsmaße:
1
KOV(x;y)=
N
N
∑ [x
i =1
i
r ( x; y ) =
− x ][ y i − y ]
Einfache lineare Regression:
yˆ1 = a + b * x1 yˆ
y = a + b* x
n(∑ xi yi ) − (∑ xi )(∑ yi ) ⎛
⎜=
b=
2
2
⎜
n(∑ xi ) − (∑ xi )
⎝

Stichprobenberechnungen:
e = t *σ x =
t *σ
n
=t
σ2
n
Sicherheitskoeffizient
1,00
1,96
2,00
2,58
3,00
3,29
KOV ( x; y )
SAW ( x) * SAW ( y )
∑x y
∑x
Heterograder Fall
⇒n≥
t2 ⋅σ 2
e2
i
i
2
i
− n* x * y ⎞
⎟
2
− n * x ⎟⎠
Homograder Fall
⇒n≥
t2 ⋅ p ⋅q
e2
Korrespondierende
Irrtumswahrscheinlichkeit (in %)
31,73
5,00
4,55
1,00
0,27
0,10
mit:
n:
t:
p:
q:
e:
σ x:
σ 2:
Stichprobenumfang
Sicherheitsfaktor
Anteil der Merkmalsträger in der
Stichprobe, welche die gesuchte
Merkmalsausprägung aufweisen.
Anteil der Merkmalsträger in der
Stichprobe,
p
, welche die gesuchte
g
Merkmalsausprägung nicht
aufweisen.
größter zulässiger Fehler
(Stichprobenfehler)
Standardabweichung
Varianz
- 108 -