Erfolgsfaktoren des Viral Marketing

Transcription

Master-Arbeit
Erfolgsfaktoren des
Viral Marketing
Verfasser:
Sven Ruoss
Brunnenwiesenstrasse 25
8305 Dietlikon
+41 (0)44 833 17 84
sven.ruoss@student.unisg.ch
Referent:
Prof. Dr. Andreas Herrmann
Zentrum für Business Metrics
+41 (0)71 224 21 31
Master-Arbeit
Universität St. Gallen
Master-Stufe
Sommersemester 2008
19. Mai 2008
Abstract
What are the decisive success factors that ensure the spread of viral marketing campaigns?
This Master‟s thesis investigates the above-mentioned research issue. It demonstrates
which factors are assumed to have an effect on whether a campaign is spread on the basis
of theories and conclusions about the research topic. Based on the accepted viral model,
the hypotheses put forward are tested in an empirical study using four video
advertisements. As a result, the work identifies relevant success factors that have a
significant effect on the spreading of information. An initial attempt at a regression equation
is put forward for spreading behaviour. The factors “entertainment/pleasure”, “humour”,
"surprise" and “reception” arise as regression coefficients that have a positive effect on
forwarding information, and “social risk” and “fear/shock” correlate negatively in this respect.
Interesting conclusions for the seeding process are gained from the results, for which
“market mavens" and “innovators” should be won over as “viral mavens” to spread a viral
marketing campaign successfully.
Welches sind die entscheidenden Erfolgsfaktoren, damit virale Marketingkampagnen
weitergeleitet werden? Die vorliegende Masterarbeit geht genannter Forschungsfrage nach.
In ihr wird aufgezeigt, bei welchen Faktoren ein Wirkungszusammenhang zum
Weiterleitungsverhalten aufgrund Theorien und Ergebnisse zum Forschungsthema
vermutet werden. Basierend auf dem angenommenen Weiterleitungsmodell werden die
aufgestellten Hypothesen in einer empirischen Studie anhand von vier Videospots
überprüft. Als Ergebnis identifiziert die Arbeit relevante Erfolgsfaktoren, welche signifikant
auf die Weiterleitung wirken. Eine erste Annäherung einer Regressionsgleichung wird für
das Weiterleitungsverhalten aufgestellt. Als Regressionskoeffizienten stellen sich die
Faktoren „Unterhaltung/Freude“, „Humor“, „Überraschung“ und „Empfang“ heraus, welche
sich positiv auf die Weiterleitung auswirken, und „Soziales Risiko“ und „Abscheu/Schock“,
welche negativ mit der Weiterleitungsabsicht korrelieren. Aus den Ergebnissen können
interessante Schlüsse für den Seedingprozess gewonnen werden, bei welchem für eine
erfolgreiche Verbreitung einer viralen Marketingkampagne die „Market Maven“ und die
„Innovatoren“ als „Viral Maven“ gewonnen werden sollen.
Erfolgsfaktoren des Viral Marketing - Sven Ruoss
I
Inhaltsverzeichnis
Abstract ................................................................................................................................ I
Inhaltsverzeichnis ................................................................................................................ II
Abbildungsverzeichnis ........................................................................................................ IV
Tabellenverzeichnis ............................................................................................................. V
1
Einleitung ...................................................................................................................... 1
1.1 Einleitungsfall ........................................................................................................ 1
1.2 Problemstellung, Zielsetzung und Forschungsfragen ............................................ 1
1.3 Forschungsmethode (Vorgehensweise) ................................................................ 3
1.4 Aufbau der Arbeit .................................................................................................. 3
2
Grundlagen des Viral Marketing.................................................................................... 4
2.1 Definition Viral Marketing ....................................................................................... 4
2.2 Definition von Word-of-Mouth ................................................................................ 5
2.3 Formen des Viral Marketing................................................................................... 6
2.4 Abgrenzung von Viral Marketing ............................................................................ 6
2.5 Die Bedeutung von Viral Marketing ....................................................................... 7
3
Ableitung der Hypothesen............................................................................................10
3.1 Literaturüberblick ..................................................................................................10
3.2 Implikationen für Viral Marketing...........................................................................12
3.2.1
Determinanten des Beziehungsaspektes ................................................13
3.2.2
Determinanten des Inhaltsaspektes (Kampagnengut) .............................17
3.2.3
Demografische Faktoren .........................................................................24
3.3 Das Modell im Überblick .......................................................................................27
4
Empirische Untersuchung ............................................................................................29
4.1 Spezifikation des Untersuchungsgegenstandes ...................................................29
4.1.1
CWS „Say no to dirt“ ...............................................................................29
4.1.2
Sprite Zero, no bull***t .............................................................................30
4.1.3
JBS Underwear .......................................................................................31
4.1.4
Quiksilver, the dynamite Surfing ..............................................................32
4.2 Festlegung der potenziell relevanten Informationsquellen ....................................33
4.3 Formulierung geeigneter Hypothesen ...................................................................33
4.4 Festlegung des Untersuchungs- und Analysedesigns ..........................................37
4.5 Auswahl der Erhebungsinstrumente .....................................................................37
4.6 Planung der zu realisierenden Stichprobe ............................................................39
II
4.7 Erhebung und Erfassung der Daten .....................................................................39
4.8 Auswertung der verfügbaren Daten ......................................................................39
5
Ergebnisse der Untersuchung .....................................................................................41
5.1 Teilnehmerkreis ....................................................................................................41
5.2 Allgemeine Bekanntschaft mit Viral Marketing ......................................................43
5.3 Reliabilitätsanalyse der Items ...............................................................................43
5.4 Globale Prüfung der Regressionsfunktion ............................................................44
5.4.1
Bestimmtheitsmass (R²) ..........................................................................45
5.4.2
F-Statistik ................................................................................................46
5.4.3
Standardfehler der Schätzung .................................................................47
5.5 Ergebnisse der einzelnen viralen Videospots ......................................................47
5.5.1
Video 1 (CWS) ........................................................................................47
5.5.2
Video 2 (Sprite Zero) ...............................................................................49
5.5.3
Video 3 (Herrenunterwäsche JBS) ..........................................................50
5.5.4
Video 4 (Quiksilver) .................................................................................51
5.6 Überprüfung der Hypothesen zum Beziehungsaspekt ..........................................52
5.7 Überprüfung der Hypothesen zum Kampagnengut ...............................................56
5.8 Überprüfung der Hypothesen zu den demografischen Faktoren ...........................62
5.9 Die Regressionsgleichung zur Weiterleitung ........................................................65
5.10 Bewertung der bereit gestellten Informationen......................................................66
6
Implikationen für die Praxis ..........................................................................................68
7
Abschlussbetrachtung .................................................................................................69
7.1 Zusammenfassung zentraler Ergebnisse der Arbeit .............................................69
7.2 Ausblick auf weitere Forschungen ........................................................................73
Literaturverzeichnis ............................................................................................................75
Anhang ...............................................................................................................................82
A
Online-Umfrage ....................................................................................................82
B
Zentrale Ergebnisse .............................................................................................88
Eigenständigkeitserklärung ...............................................................................................108
III
Abbildungsverzeichnis
Abbildung 1: Viral Marketing vs. Kundenempfehlung . ........................................................ 7
Abbildung 2: Theoretische Bezüge und Determinanten, welche die Wahrscheinlichkeit
der Weiterleitung von viralen Botschaften beeinflussen .............................. 17
Abbildung 3: Die Determinanten, welche das Weiterleitungsverhalten beeinflussen ......... 28
Abbildung 4: Ablauf der Studie in zehn Schritten ............................................................. 29
Abbildung 5: CWS-Spot „Say no to dirt“ ............................................................................ 30
Abbildung 6: Spot „Sprite Zero“ ........................................................................................ 31
Abbildung 7: JBS Underwear Spot ................................................................................... 32
Abbildung 8: „Quiksilver dynamite surfing“ Spot................................................................ 33
Abbildung 9: Gewählte Methoden der Datenerhebung ..................................................... 37
Abbildung 10: Gewähltes multivariates Analyseverfahren ................................................. 38
Abbildung 11: Histogramm und P-P-Diagramm der standardisierten Residuen ................. 53
Abbildung 12: Diagramm Weiterleitung-Indikator „Unter der Gürtellinie“ ............................ 59
Abbildung 13: Streudiagramm mit Y=Weiterleitung und X=AbscheuSchock ...................... 61
IV
Tabellenverzeichnis
Tabelle 1: Arenen der Forschungsfragen von Viral Marketing . .......................................... 2
Tabelle 2: Motive für die Weiterleitung von Emails ........................................................... 19
Tabelle 3: Die fünfzehn Hypothesen im Überblick ............................................................ 35
Tabelle 4: Erfolgsfaktoren mit ihren Indikatoren ............................................................... 36
Tabelle 5: Stichprobenprofil nach Geschlecht, Alter, Beruf, Ausbildung und
Internetnutzung ............................................................................................... 43
Tabelle 6: Reliabilitätsanalyse der Items .......................................................................... 44
Tabelle 7: Das Bestimmtheitsmass der Regressionsfunktion ........................................... 45
Tabelle 8: Empirische F-Werte ......................................................................................... 46
Tabelle 9: Standardfehler der Schätzung ......................................................................... 47
Tabelle 10: Koeffizienten von Video 1................................................................................ 48
Tabelle 11: Verfahren „Schrittweise“ zum Einschluss von erklärenden Variablen in die
Regressionsgleichung ..................................................................................... 49
Tabelle 12: Koeffizienten von Video 2................................................................................ 50
Tabelle 13: Koeffizienten Video 3 ...................................................................................... 51
Tabelle 14: Koeffizienten Video 4 ...................................................................................... 52
Tabelle 15: Prüfung der Regressionsfunktion mit der unabhängigen Variable
„Marktinvolvement“ .......................................................................................... 52
„Innovationsneigung“ ....................................................................................... 54
Tabelle 17: Konfidenzintervall für die Mittelwerte der Innovationsneigung ......................... 54
„Empfehlung“ ................................................................................................... 55
„Freude/Unterhaltung“ ..................................................................................... 56
Tabelle 20: Prüfung der Regressionsfunktion mit der unabhängigen Variable „Humor“ ..... 57
„Nacktheit/Erotik“ ............................................................................................. 58
Tabelle 22: Prüfung der Regressionsfunktion mit der unabhängigen Variable „Gewalt“ ..... 60
Tabelle 23: Mittelwerte der Weiterleitung nach Geschlecht ................................................ 62
Tabelle 24: Konfidenzintervall für die Mittelwerte des Alters .............................................. 63
Tabelle 25: Konfidenzintervall für die Mittelwerte der Ausbildung ...................................... 64
Tabelle 26: Konfidenzintervall für die Mittelwerte der Internetnutzung ............................... 65
Tabelle 27: Koeffizienten der allgemeinen Regressionsgleichung ..................................... 66
V
1
Einleitung
1.1
Einleitungsfall
OfficeMax, ein amerikanischer Büroausstatter, hatte 2006 die vorweihnachtliche Kampagne
„Elfyourself“ im Internet lanciert. Auf der Homepage www.elfyourself.com konnten
Internetnutzer mittels Upload eines eigenen Bildes ihr Gesicht auf Elfenkörper platzieren.
Das Resultat war zu Elfenmusik tanzende Elfe mit einem individuellen Gesicht, welche als
Weihnachtsgrüsse an Freunde und Familie weitergeleitet oder auf persönlichen Websites
oder Blogs platziert wurden. Während der fünf Wochen dauernden Kampagne besuchten
36 Millionen Besucher die Homepage und elf Millionen Elfen wurden kreiert (OfficeMax, 11.
12. 2007).
Nach dem grossen Erfolg von 2006 startete die Kampagne Mitte November 2007 mit einem
Launch. Das Elfkonzept wurde erweitert, indem nun eine komplette Elfenband mit vier
Mitgliedern kreiert werden konnte (CNN Money, November 2007).
Der Erfolg übertraf nach der grossen Wirkung im ersten Jahr sämtliche Erwartungen. TVSendungen wie beispielsweise USA Today, ABC World News Now und CNN American
Morning haben über die Elfenkampagne berichtet (OfficeMax, 21. 12. 2007). Bereits am 21.
Dezember 2007 konnten mehr als 120 Millionen Seitenbesucher gezählt werden. Mehr als
75 Millionen tanzende Elfe wurden an Familie und Freunde weitergeleitet (OfficeMax, 21.
12. 2007). Wenn man die Anzahl Besucher mit der durchschnittlichen Verweildauer auf der
Seite multipliziert, so hätte eine einzelne Person mehr als 1500 Jahre auf der Seite verweilt
(OfficeMax, 21. 12. 2007). Google kennt unter dem Begriff Elfyourself mehr als 560„000
Einträge (Stand 17. 01. 2008), auf Youtube findet man mehr als 550 Videos (Stand 17. 01.
2008) dazu. Elfyourself ist sozusagen zu einem eigenen Brand geworden. Teilweise werden
die Elfen bereits mit der Weihnachtskultfigur „Rudolph, the rednose reindeer“ gleichgesetzt
(vgl. High, Adweek, 2007).
1.2
Problemstellung, Zielsetzung und Forschungsfragen
Der Fall „Elfyourself“ zeigt eindrücklich die Möglichkeiten und Erfolgsaussichten von Viral
Marketing auf. Er ist ein Indiz dafür, dass Strategien, welche auf Kunden als Verkäufer
setzen, sehr effektiv und effizient sein können. Die schwindende Perzeptionsbereitschaft
der Konsumenten infolge Werbeüberflutung und die abnehmende Glaubwürdigkeit der
Massenkommunikation
deuten
auf
die
sinkende
Bedeutung
der
alten
Massenkommunikationsmedien hin. Der Blick auf die wachsende Wichtigkeit der
Kommunikation für Marken, die oft noch die einzige Unterscheidungsmöglichkeit der
Marken darstellt, zeigt die steigende Bedeutung von alternativen Werbeformen wie Viral
1
Marketing auf. Viral Marketing vermag entscheidende Vorteile gegenüber den alten
Massenmedien aufzuweisen. Einerseits ist Viral Marketing glaubwürdiger und wird stärker
beachtet, da sie, wie die Mund-zu-Mund-Propaganda, direkt von Kunde zu Kunde gestreut
wird, und andererseits weist sie den wirtschaftlichen Vorteil auf, dass eine globale
Verbreitung zu sehr geringen Kosten möglich ist.
Trotz dieser einleuchtenden Vorteile von Viral Marketing kommen auf eine Erfolgsstory wie
„Elfyourself“ viele fehlgeschlagene Versuche. Watts, Peretti und Frumin bringen die
Problematik auf den Punkt: „Viral Marketing, however, is much easier to tell stories about
than to implement“ (2007, S. 1).
Beim grossen Unwissen darüber, was eine virale Kampagne erfolgreich macht, setzt diese
Studie an. Da wissenschaftliche Arbeiten zum eher neuen Thema „Viral Marketing“ selten
sind und diese Lücke noch nicht schliessen können, will diese Untersuchung einen Beitrag
zur
besseren
Verständigung
über
die
Wirkungsmechanismen
von
viralen
Marketingbotschaften leisten und mögliche Erfolgsfaktoren genauer identifizieren.
Viral Marketing kann auf unterschiedlichste Art und Weise untersucht werden. Man kann
den Hauptfokus entweder auf „Gründe“ oder „Wirkungen“ legen, als Objekt eher den
„Informationsempfänger“ oder den „Informationsgeber“ analysieren. Die Arbeit fokussiert
sich auf das Thema „Gründe“ und den „Informationsgeber“. Der Informationsgeber ist beim
Viral Marketing die gleiche Person wie der Informationsempfänger. Jedoch muss der
Informationsempfänger zu einem –geber mutieren. Diese Veränderung ist von zentralem
Interesse. Unter welchen Umständen geschieht diese Mutation? Tabelle 1 zeigt die
Eingrenzung dieser Arbeit schematisch dar.
Analyseobjekt
Hauptfokus der Studie
Gründe
Informationsempfänger
Informationsgeber
Frage:
Wirkungen
Weshalb
empfangen
Frage: Was ist der Einfluss solcher
Menschen VM Nachrichten?
VM Nachrichten?
Frage:
Frage: Was
Unter
welcher
passiert
mit
dem
Bedingungen leiten Menschen
Kommunikator, nachdem er die
virale
Nachricht weitergeleitet hat?
Marketingbotschafen
weiter?
Tabelle 1: Arenen der Forschungsfragen von Viral Marketing (in Anlehnung an Nyilasy, 2006, S. 168).
Die folgende Frage stellt sich: Was sind die Erfolgsfaktoren von Viral Marketing? Welche
Faktoren entscheiden, ob eine virale Marketingkampagne zum Erfolg wird oder ihre Ziele
nicht
erreicht?
Dieser
zentralen
Problemstellung
wird
in
der
folgenden
Arbeit
nachgegangen. Bei Viral Marketing zeigt sich als wesentliche Komponente die
2
Weiterleitung des Kampagnengutes. Ohne dass Menschen eine Nachricht weiterleiten oder
davon weitererzählen, kann keine virale Verbreitung der Kampagne geschehen. Aus
diesem Grund fokussiert sich diese Arbeit darauf, herauszufinden, von welchen Faktoren
eine Weiterleitung abhängt und von welchen nicht. Obschon gewaltige Erfolge von Viral
Marketing existieren und der Einsatz von viralen Kampagnen in den letzten Jahren grösser
wurde, ist bisher in der Forschung wenig bekannt über die Motivation, Einstellungen und
Verhalten der Menschen, solche Nachrichten weiterzuleiten (Phelps, Lewis, Mobilio, Perry
& Raman, 2004, S. 333).
1.3
Forschungsmethode (Vorgehensweise)
Um das Ziel der Identifikation und Überprüfung von Erfolgsfaktoren für Viral Marketing zu
erreichen, wird in der Studie folgende Vorgehensweise ausgewählt. In einem ersten Schritt
wir die wissenschaftliche Literatur zur Thematik bearbeitet werden. Da im verwandten
Forschungsthema „Word-of-Mouth“ die Fülle an Forschungsergebnissen viel breiter und
detaillierter ist und relevante Implikationen daraus fürs Viral Marketing abgeleitet werden
können, wird sie in der Arbeit intensiv beachtet. Explizit wird in der bestehenden Literatur
nach Erfolgsfaktoren für Viral Marketing gesucht bzw. Erfolgsfaktoren für Word-of-MouthMarketing, welche sich eignen, für das virale Marketing adaptiert zu werden. Die Sammlung
an Erfolgsfaktoren wird in einem weiteren Schritt kritisch reflektiert und ergänzt. Die
gefundenen Erfolgsfaktoren dienen als Basis für die Aufstellung der Hypothesen. Das Ziel
liegt darin, ein Modell mit Erfolgsfaktoren aufzustellen, welches in der empirischen
Untersuchung nach seiner Richtigkeit beurteilt wird. Die eigene Forschung ist quantitativer
Art, da bisherige Studien stark qualitativ geprägt waren, und hat strukturüberprüfenden
Charakter, um das Modell und die aufgestellten Hypothesen zu untersuchen. Die
Ergebnisse sollen die einzelnen Erfolgsfaktoren genauer charakterisieren und deren
Gewichtung
näher
aufzeigen.
Zudem
wird
erwartet,
dass
mittels
der
Untersuchungsergebnisse evtl. interessante und unerwartete Korrelationen auftreten,
welche man im Detail in zukünftigen Forschungen untersuchen könnte. Aus den
Ergebnissen werden schliesslich konkrete Handlungsempfehlungen für die Praxis
abgeleitet.
1.4
Aufbau der Arbeit
Die Arbeit gliedert sich in fünf Hauptteile. Im ersten Teil werden in einem kurzen Überblick
die
Grundlagen
von
Viral
Marketing
vorgestellt.
Basierend
auf
anderweitigen
Untersuchungen zu verwandten Forschungsthemen und zum gleichen -thema werden im
zweiten Teil fünfzehn Hypothesen abgeleitet. Der dritte Teil widmet sich der empirischen
Untersuchung der Hypothesen. Darin werden zuerst die Methoden und das Design
vorgestellt, anschliessend folgt die Präsentation der Resultate. Ausgehend von den
3
Ergebnissen der Untersuchung sollen im vierten Teil konkrete Handlungsempfehlungen für
die Praxis abgegeben werden. Die Arbeit schliesst mit einem Fazit und Ausblick auf
zukünftige Forschungen in diesem Bereich.
2
Grundlagen des Viral Marketing
In diesem Kapitel soll zuerst eine kurze Übersicht über Viral Marketing (VM) gegeben
werden. Dabei sollen die zentralen Begriffe definiert, das Gebiet Viral Marketing von
verwandten Themen abgegrenzt, die verschiedenen Formen von VM aufgezählt und
abschliessend die Bedeutung von VM aufgezeigt werden. Aufbauend auf diesem
Basiswissen werden im nächsten Kapital dann die fünfzehn Hypothesen vorgestellt, welche
anschliessend im empirischen Teil untersucht werden.
2.1
Definition Viral Marketing
Viren sind laut medizinischer Definition infektiöse Erreger mit der Eigenschaft einer
epidemieartigen Ausbreitung (Haller, 2005, S. 390). Im Gegensatz zur medizinischen
Sprache kann ein Virus im Marketing auch sein Gutes haben (Tomczak & Kruthoff, 2002, S.
64). Die Verwendung des medizinischen Bergriffs „Virus“ für Viral Marketing bezieht sich
hierbei auf die Verbreitungs- und Infektionsfunktion. Virale Effekte bedürfen einer starken
Multiplikatorwirkung um sie auszulösen (Meffert, Burmann & Kirchgeorg, 2008, S. 426).
Unter „viral“ versteht man im Marketing, dass eine Botschaft eine „kritische Masse“ (vgl.
Gladwell, 2000) erreicht, und sich dann „explosionsartig ausbreitet (Meffert et al., 2008, S.
426).
Diese exponentielle Verbreitung ist nach Ansicht des Autors die wichtigste Eigenschaft von
Viral Marketing (VM) und differenziert sich dadurch auch vom Word-of-Mouth (WOM) bzw.
Mund-zu-Mund-Propaganda. VM und WOM haben vieles gemeinsam. So profitieren beide
von den Vorteilen der persönlichen Empfehlung (Grunder, 2003, S. 3). Porter und Golan
definieren den Begriff wie folgt: „Viral advertising is unpaid peer-to-peer communication of
provocative content originating from an identified sponsor using the Internet to persuade or
influence an audience to pass a long the content to others“ (2006, S. 33). Wie viele andere
Autoren beschränken die beiden VM auf das Medium Internet. Die Technologie „Internet“
hilft sicherlich dabei, eine exponentielle Verbreitung und eine kritische Masse zu erreichen.
Man kann mit den Worten von Silverman sagen: „The web is the perfect medium for viral
marketing“ (2001, S. 111). Jedoch bleibt nicht auszuschliessen, dass VM auch in der
Offline-Welt die kritische Masse erreicht. Daher ist die Definition von Porter und Golan zu
begrenzt. Denn VM ist wie Gabriel, Experte für Viral Marketing in der Schweiz, passend
ausdrückt, „nicht in erster Linie eine Frage der Technologie, sondern der Psychologie“
4
(2003, S. 61). Dennoch wird in dieser Arbeit hauptsächlich VM mit dem Medium Internet
betrachtet, da es das am häufigsten und besten geeignete Medium für VM ist.
Ein weiteres Merkmal lässt sich in der Definition von Wilson erkennen: „Viral marketing
describes any strategy that encourages individuals to pass on a marketing message to
others
(…)“
(2000).
Dabei
geht
es
also
um
die
Beeinflussbarkeit
der
Empfehlungsbereitschaft der Kunden. VM versucht gezielt die Kunden zu motivieren und es
ihnen zu erleichtern, Marketingbotschaften an andere weiterzuleiten.
Tomczak und Kruthoff bezeichnen VM als nichts anderes als die bekannte Mund-zu-MundPropaganda (2002, S. 64). Wie bereits angetönt, baut VM auf den gleichen
Effektivitätsgrundlagen wie die traditionelle Mundwerbung auf, jedoch wechselt der
Diffusionsgrad von lokal auf global (Grunder, 2003, S. 11) und kann somit als
Weiterentwicklung des Word-of-Mouth angesehen werden.
Unter Berücksichtigung der dargestellten Ausführungen definiert der Autor Viral Marketing
für diese Arbeit wie folgt:
Viral Marketing ist die anbieterinitiierte Kommunikation zwischen Kunden, welche auf den
Wirkungsgrundlagen
der
Mund-zu-Mund-Propaganda
beruht
und
gezielt
die
Empfehlungsbereitschaft der Kunden stimuliert. Sie versucht mit Technologie, Psychologie
und Kampagnengut die Multiplikatoreffekte zu unterstützen, so dass eine exponentielle
Verbreitung und eine „kritische Masse“ erreicht werden.
2.2
Definition von Word-of-Mouth
Wie bereits bei der Definition von Viral Marketing erläutert, sind die Begriffe Viral Marketing
und Word-of-Mouth sehr nah miteinander verwandt. Eine treffende Definition aus
Marketingsicht findet man bei Nyilasy: „WOM from a marketing perspective is essentially
interpersonal communication, the exchange of information between communicators and
receivers about a commercial topic“ (2006, S. 167). Die Definition beinhaltet zwei
wesentliche Eigenschaften von Word-of-Mouth. Einerseits die persönliche, mündliche Faceto-Face Kommunikation. Andererseits der kommerzielle Inhalt des Gesprächs über eine
Marke, ein Produkt oder eine Dienstleistung. Nyilasy fügt noch eine weitere zentrale
Eigenschaft von WOM an, welche jedoch nicht explizit in der ebengenannten Definition
erwähnt wird. Nämlich die Eigenschaft, dass die Kommunikatoren nicht kommerziell
motiviert sind, bzw. zumindest nicht als solche wahrgenommen werden (Nyilasy, 2006, S.
164).
5
Der
grösste
Unterschied
zwischen
Word-of-Mouth
besteht
einerseits
in
der
Kommunikationsform. Word-of-Mouth ist eine mündliche, persönliche Kommunikation. Viral
Marketing hingegen ist nicht auf eine Kommunikationsform eingegrenzt.
Beim Viral Marketing ist der Fokus mehr auf der viralen, epidemieartigen Verbreitung.
Word-of-Mouth hingegen setzt keine virale Verbreitung voraus.
2.3
Formen des Viral Marketing
Oft wird als äusserst gelungenes Beispiel von VM Hotmail genannt. Wenn man einen
Hotmail-Account einrichtet und damit Mails versendet, so verschickt man automatisch die
Mails mit dem Werbezusatz „Get your private, free email at hotmail.com“ an seine Freunde
und Bekannte. Dadurch konnte Hotmail nach der Lancierung innerhalb von eineinhalb
Jahren über 12 Millionen Abonnenten gewinnen (Leskovec, Adamic & Huberman, 2006, S.
229). Gabriel bezeichnet es jedoch nicht als gelungenes Beispiel für VM (2005). Das
Beispiel lässt sich als passives bzw. geringintegratives VM charakterisieren, d.h. der Kunde
wird nicht selbst aktiv und verbreitet die Information nur durch die Nutzung desselben weiter
(Langner, 2005, S. 29). Im Gegensatz zum passiven VM existiert das aktive bzw. das
hochintegrative VM mit aktiver Konsumentenbeteiligung. Der Kunde wird selbst aktiv und
empfiehlt einer anderen Person etwas bzw. leitet eine Nachricht aktiv weiter (Langner,
2005, S. 28). Die Arbeit fokussiert sich auf das aktive VM. Um die Motivation der
Konsumenten zur Weiterleitung von viralen Marketingkampagnen zu untersuchen, benötigt
es zwingend das aktive VM, da eine Aktivität der Kunden benötigt wird.
2.4
Abgrenzung von Viral Marketing
Viral Marketing wird oft gleichgesetzt mit Kundenempfehlungen. Jedoch unterscheiden sie
sich in der Intensität der Auseinandersetzung mit dem Empfehlungsobjekt. Wenn ein Kunde
mit seiner Filmkamera sehr zufrieden war, dann steigt die Wahrscheinlichkeit, dass er die
Marke seiner Kamera an Freunde weiterempfiehlt, wenn sie auf der Suche nach einer
Kamera sind. Dabei spricht man von einer Kundenempfehlung, da sich beide Parteien
intensiv mit dem Empfehlungsobjekt (im Beispiel: Kamera) auseinandersetzen. Wenn
jedoch jemand einen lustiges Werbevideo auf Youtube findet und er dies nun an seine
Freunde und Kollegen weiterleitet, so spricht man von Viral Marketing. In diesem Fall ist die
individuelle Auseinandersetzung mit dem Empfehlungsobjekt eher gering (Langner, 2005,
S. 28).
6
Kundenempfehlung
Intensive individuelle
Auseinandersetzung mit dem Empfehlungsobjekt
Geringe, individuelle
Auseinandersetzung mit dem
Empfehlungsobjekt
Viral Marketing
Abbildung 1: Viral Marketing vs. Kundenempfehlung (in starker Anlehnung an Langner, 2005, S. 28).
Für Marketer ist am VM interessant, dass sie die Weiterleitung besser als bei der
Kundenempfehlung stimulieren und instrumentalisieren können, da VM eher kurzfristige,
situativ ergebene „Gelegenheitsempfehlungen“ darstellen (Langner, 2005, S. 28). Der
Besitz
des
Produktes
oder
der
Dienstleistung
ist
kein
hinreichendes
Unterscheidungsmerkmal für VM versus Kundenempfehlungen. So können Konsumenten
auch Kundenempfehlungen von Produkten und Dienstleistungen an andere weitergeben,
welche sie nur von Dritten empfangen haben oder aus der Werbung kennen (Wangenheim,
2002, S. 79)
Oft werden auch die Begriffe VM und Guerilla Marketing vermischt. Beide Konzepte
beruhen auf einer einzigartigen, kreativen und überraschenden Idee. Ihre Ziele sind
ebenfalls identisch. Sie wollen mit einem kleinen Budget eine möglichst grosse
Aufmerksamkeit erzielen. Im Unterschied zu VM wird Guerilla Marketing hauptsächlich mit
ungewöhnlichen Aktionen im öffentlichen Raum, d.h. offline, praktiziert (Schmid, 2006, S.
33). Sie zielen mehr auf den Überraschungs- statt auf den globalen Multiplikatoreffekt.
2.5
Die Bedeutung von Viral Marketing
„How likely is it that you would recommend company x to a friend or colleague?“
(Reichheld, 2006, S. 28)
Reichheld hat erforscht, dass es eine einfache Kennzahl, den „Net Promotor Score“, gibt,
welche besser mit dem Umsatzwachstum als alle anderen Kennzahlen korreliert. Diese
Kennziffer errechnet man mit der sogenannten „Ultimate Question“: „How likely is it that you
would recommend [company x] to a friend or colleague?“ (Reichheld, 2003, S. 50). Diese
Frage wird auf einer elfstufigen Skala abgefragt von 0 (not at all likely) bis 10 (extremely
likely). Aus den Antworten lassen sich 3 Cluster von Kundengruppen ableiten. Die
„Promoters (Antworten zwischen 9 – 10), die „Passively satisfied“ (Antworten zwischen 7 –
7
8) und die „Detractors“ (0 – 6) (Reichheld, 2003, S. 51). Von besonderer Relevanz für ein
Unternehmen sind die Promotoren und die Kritiker. Der Net Promoter Score errechnet sich,
indem man den prozentualen Anteil der „Detractors“ von dem prozentualen Anteil der
„Promoters“ subtrahiert (Reichheld, 2003, S. 53). Reichheld hat diese starke Korrelation des
Net Promoter Score mit dem Umsatzwachstum in verschiedenen Branchen wie
beispielsweise im Airlinebusiness, bei Internet Service Providers und Autovermietungen
analysiert und bestätigen können (Reichheld, 2003, S. 52). Diese Korrelationen bestätigen
auch Marsden, Samson und Upton, welche den Net Promoter Score bei Retailbanken,
Autohersteller, Mobiltelefonieanbieter und Supermärkten untersucht haben (2005, S. 1). Die
wichtigsten Ergebnisse in Zahlen sind wie folgt: Word of Mouth ist eine statistisch
signifikante Wirkungsvariable vom jährlichen Umsatzwachstum mit einem Pearson‟s
Korrelationskoeffizienten von 𝑟 = 0.484 für den Net Promoter Score und einem von
𝑟 = −0.524 für negatives Word of Mouth (Signifikanz bei 𝑝 < 0.01) (Marsden et al., 2005, S.
3). Eine Steigerung von sieben Punkte des Net Promoters Score korreliert mit einer
Umsatzsteigerung von 1%. Jede Reduktion um 2% von negativem Word of Mouth steigert
den Umsatz um beinahe 1% (Marsden et al., 2005, S. 5). Wenn man bei der Argumentation
beide Kennzahlen, den Net Promoter Score und den prozentualen Anteil an negativen
Word of Mouth, zusammennimmt, so kommt man zum Ergebnis, dass Firmen mit einem
relativ hohen Net Promoter Score (>0) und relativ kleinen negativen WOM-Raten (<25%)
2004 viermal so schnell gewachsen sind als Firmen, welche einen geringen Net Promoter
Score (<0) und hohe negative WOM-Raten (>25%) aufwiesen (Marsden et al., 2005, S. 5).
Aus den Ergebnissen lässt sich wiederum ableiten, dass eine Verringerung von negativen
WOM wichtiger für ein Unternehmen ist als die Steigerung des positiven WOM. Dies
bestätigen Aussagen und Untersuchungen anderer Wissenschaftler (vgl. beispielsweise
Misner & Devine, 1999, S. 27 oder Silverman, 2001, S. 26).
Der grosse Nutzen der Studie von Marsden et al. liegt nach Meinung des Autors darin, dass
die finanzlogische Quantifizierbarkeit nach dem Shareholder Value-Ansatz es ermöglicht,
den Wert der „Word-of-Mouth-Assets“ besser zu dokumentieren und zu belegen (vgl.
Reinecke & Janz, 2007, S. 394). Die Zahlen sprechen die Sprache der Finanzen und sind
daher eine gelungene Argumentationshilfe für das Word-of-Mouth-Marketing.
Zum Net Promoter Score (NPS) gibt es auch kritische Stimmen. So bestreiten Keiningham,
Cooil, Andreassen und Aksoy in einer Studie, dass der NPS allen anderen Kennzahlen
überlegen ist und zeigen auf, dass der American Customer Satisfaction Index gleich stark
wie der NPS mit dem Umsatzwachstum korreliert (2007, S. 39 - 51). Der Autor stuft den
American Customer Satisfaction Index als ähnliche Methode wie der NPS ein. Daher wird
8
der NPS nicht in Frage gestellt, lediglich wird die Bedeutung des NPS als „beste Kennzahl“
relativiert.
Die Untersuchungen haben klar die Relevanz von Word-of-Mouth aufgezeigt. Um wachsen
zu können, müssen Unternehmen wissen, was ihre Kunden ihren Freunden und Bekannten
über das Unternehmen erzählen. Es wurde eine starke Verbindung zwischen der
Kundenweiterempfehlung und dem Umsatzwachstum belegt. Mundpropaganda ist der
Schlüssel zum Erfolg. Silverman verdeutlicht die Wichtigkeit euphorisch: „Word of mouth is
thousands of times more powerful than conventional marketing“ (2001, S. 22).
Doch wieso ist Word-of-Mouth so effektiv? Diese Frage soll kurz erläutert werden. Der
wichtigste Vorteil des WOM ist die erhöhte Glaubwürdigkeit. „WOM is much more credible
than your most sincere salesperson“, schreibt Silverman (2001, S. 48). Denn die
Kommunikation findet unabhängig vom Unternehmen statt. Silverman bezeichnet den
indirekten Erfahrungsaustausch als grösste Macht von WOM (2001, S. 27). Potenzielle
Käufer möchten, um das Risiko zu minimieren, von Erfahrungen anderer Nutzer hören, um
sich so ein besseres Bild vom Produkt oder der Dienstleistung zu machen (Silverman,
2001, S. 27). Daneben ist die situative Flexibilität der Information zu erwähnen. Die
Information kann an den Informationsempfänger angepasst werden und folgt zur richtigen
Zeit. Im Gegensatz zum Monolog der Massenwerbung ist bei der Face-to-FaceKommunikation ein Dialog möglich. Der Informationsempfänger hat die Möglichkeit,
nachzufragen und Feedback zu geben. Zudem wird bei der Word-of-Mouth-Kommunikation
der persönliche Aufnahmefilter umgangen. Anders als bei Zeitungsinseraten oder
Fernsehspots hat der Informationsempfänger weniger die Möglichkeit, die Information
willentlich nicht aufzunehmen. Als letzter Vorteil kann die Gruppendynamik erwähnt werden,
welche Word-of-Mouth unterstützen kann. Denn durch die Gemeinschaft entsteht ein
Konformitätsdruck, welche Communitymitglieder dazu veranlassen kann, gewisse Produkte
oder Dienstleistungen zu kaufen, um von der Out-Group zur In-Group zu wechseln (Arndt,
1967, zit. in Oetting, 2007).
Aufbauend auf dem bestehenden Zusammenhang zwischen Kundenweiterempfehlung und
Umsatzwachstum sowie der Effektivitätsvorteile der Mundwerbung, wird im Weiteren auf die
Faktoren eingegangen, wovon eine Weiterleitung abhängt und wovon nicht.
9
3
Ableitung der Hypothesen
Folgende Fragestellungen stehen im Zentrum des Interesses: Wieso reden Menschen über
Produkte und Dienstleistungen? Was motiviert Menschen, viel Zeit mit Kommunikation über
Produkte und Dienstleistungen zu verwenden? Nachfolgend werden zur Forschungsfrage
fünfzehn Hypothesen abgeleitet, welche anschliessend in einer empirischen Studie
untersucht werden.
3.1
Literaturüberblick
Ein pragmatisches Axiom der Kommunikationstheorie von Watzlawick besagt, dass jede
Kommunikation einen Inhalts- und einen Beziehungsaspekt hat (Watzlawick, Beavin &
Jackson, 2007, S. 53). Dabei bestimmt laut Watzlawick der Beziehungsaspekt den
Inhaltsaspekt (Watzlawick et al., 2007, S. 56). Diese Folgerung ist jedoch umstritten und
beispielsweise nach Auffassung von Fischer und Wiswerde nicht zwingend (vgl. Fischer &
Wiswerde, 2002, S. 315). Aus dem Axiom von Watzlawick lassen sich zwei allgemeine
Motive für die Kommunikation ableiten. Entweder geht es bei der Kommunikation um den
Willen zur Wissensübermittlung (Inhaltsaspekt) oder um das Bedürfnis nach sozialer
Interaktion (Beziehungsaspekt) (Scherrer, 1975, S. 58). Diese Unterscheidung in die beiden
Kommunikationsmotive ist wichtig und muss in den folgenden Ausführungen stets
mitberücksichtigt werden. So können beispielsweise die von Balter und Butman
herausgearbeiteten sechs Hauptgründe für die Entstehung für WOM-Kommunikation über
Produkte mehrheitlich dem Beziehungsaspekt zugeordnet werden (2005, S. 19ff.). Das
Kommunikationsmotiv „Helping and Educating“ (Beziehungs- und Inhaltsaspekt) besagt,
dass man mit einem uneigennützigen und einem gutgemeinten Motiv kommuniziert, um der
anderen Person zu helfen. Ganz anders das Motiv „Proving Knowledge“. Dabei wird
kommuniziert, um sein Wissen anderen zu zeigen mit dem Bedürfnis nach Wertschätzung.
Daneben ist es ein wichtiges Motiv um über Produkte und Dienstleistungen zu reden, weil
es einfacher über derartiges als über Persönliches zu reden ist. Gerade mit
Kommunikationspartnern, welche man noch nicht sehr gut kennt, eignet sich WOM über
Produkte,
da
man
Kommunikationspartnern
dadurch
findet.
einen
Dieses
gemeinsamen
Motiv
wird
Grund
„Finding
zwischen
Common
den
Ground“
(Beziehungsaspekt und Inhaltsaspekt) genannt. Oft möchten die Menschen auch nur
einfach in ihren Meinungen bestätigt werden und wissen, ob sie mit ihren Informationen und
Einstellungen richtig liegen. Balter und Butnam nennen dieses Motiv „Validating our Own
Opinion“ (Beziehungsaspekt). Auch der Stolz bzw. „Pride“ (Beziehungsaspekt) spielt als
Motivator eine Rolle. Oft fühlen sich die Menschen stolz, dass sie gewisse Brands und
Produkte in ihr Leben integriert haben. Beispielsweise fühlt sich ein Harley Davidson
Besitzer selbstbewusst, dass er das richtige Motorrad ausgewählt hat und nun zur Harley
10
Davidson Community dazugehört. Als letztes Motiv führen Balter und Butnam das „Sharing“
(Beziehungs- und Inhaltsaspekt) auf. Menschen mögen es, ihre Ideen, Meinungen,
Erfahrungen und Informationen mit anderen zu teilen und sorgen damit dafür, dass andere
auch einen Teil davon werden (Balter & Butnam, 2005, S. 19-25).
Scherrer hingegen teilt die Motive in drei Kategorien auf: Art der Erfahrung mit der
unternehmerischen Leistung, Selbstbestätigung und hilfsbereite Einstellungen (1975, S.
59). Ähnlich zu den Motiven von Balter und Butnam sind die Motive „Selbstbestätigung“
(Beziehungsaspekt)
und
„hilfsbereite
Einstellungen“
(Beziehungsaspekt).
Bei
„Selbstbestätigung“ (Beziehungsaspekt) geht es um das Bedürfnis nach Wertschätzung und
Geltungsstreben. Der Mensch möchte in seinen Meinungen bestätigt werden. In dieser
Kategorie sind die Motive „Proving Knowledge“ und „Validating our Own Opinion“
einzuordnen. Bei der „hilfsbereiten Einstellung“ (Beziehungsaspekt) wird versucht, andere
Individuen an der Information teilhaben zu lassen und ihnen damit zu helfen. In diese
Kategorie gehören die beiden Motive „Helping and Educating“ und „Sharing“. Als neues,
aber sehr zentrales Motiv zählt Scherrer die „Art der Erfahrung mit der unternehmerischen
Leistung“ (Inhaltsaspekt) auf. Dabei wird die unternehmerische Leistung mit den
Erwartungen verglichen. Übertrifft die Leistung die Erwartung, so ist der Kunde begeistert.
Ist es jedoch umgekehrt, dass die erhaltene Leistung die Erwartungen nicht erfüllt, entsteht
beim Kunden eine Frustration. Sowohl Begeisterung als auch Frustration können entweder
positives oder negatives WOM auslösen (Scherrer, 1975, S. 59-63).
Wangenheim beschreibt in seiner Dissertation vier unterschiedliche Forschungsansätze,
welche die Abgabe der Weiterempfehlung erklären sollen (vgl. Wangenheim, 2002, S. 8086). Die „Sozialpsychologischen Austauschtheorien“ besagen, dass sozialer Austausch
nutzenstiftend sein soll. Ähnlich wie bei ökonomischen Transaktionen wägt man die Kostenund Nutzenerwartungen gegeneinander ab und versucht, den Nettonutzen zu maximieren.
Die Waage zwischen Geben und Nehmen zwischen den Austauschpartnern soll im
Gleichgewicht stehen, damit die Beziehung stabil bleibt (Wangenheim, 2002, S. 80-81). Die
psychologische „Theorie der kognitiven Dissonanz“ befasst sich damit, dass Menschen ihre
kognitiven Inkonsistenzen ausgleichen möchten. Im Bereich Marketing sind dies
Einstellungsinkonsistenzen, Meinungsinkonsistenzen oder Inkonsistenzen über gemachte
Entscheidungen. D.h. es geht darum, dass das Individuum oft im Ungewissen ist, ob es das
richtige Produkt gekauft hat oder, ob es die richtige Einstellung zu einer Marke hat. Diese
Dissonanzen sind mit negativen Empfindungen verbunden, welche jedoch mit sozialer
Kommunikation
abgebaut
werden
können
(Wangenheim,
2002,
S.
82-83).
Die
„Motivationalen Ansätze“ gehen auf die Psychoanalyse von Freud mit den drei Instanzen
„Es“, „Ich“ und „Über-Ich“ zurück (vgl. Freud, 1955). Bei verschiedenen Untersuchungen
11
beispielsweise von Dichter (1966, S. 147 - 166) oder Sundaram, Mitra und Webster (1998,
S. 527 - 531) über die Abgabe von Produktinformationen konnten die Wissenschaftler
folgende
Motivkategorien
herausarbeiten:
Altruismus,
Produktinvolvement,
Selbstdarstellung, Informationsinteresse und Sympathie. Beim Altruismus hilft man mit der
Kommunikation anderen ohne Erwartung einer Gegenleistung. Produktinvolvement
unterscheidet zwischen Low und High Involvement-Käufen und besagt, dass die
Weiterempfehlung verstärkt bei wichtigen Käufen (High Involvement) auftritt. Beim Motiv der
Selbstdarstellung wird wiederum versucht, das eigene Ansehen bei den anderen zu
verbessern.
Informationsinteresse
beschreibt
das
Motiv,
über
wichtige
und
aussergewöhnliche Nachrichten zu sprechen. Und schlussendlich kaufen verschiedene
Konsumenten Produkte, weil sie das Unternehmen und die Marke einfach sympathisch
finden (Wangenheim, 2002, S. 83-84).
Als vierter Forschungsansatz bleibt noch der „soziale Netzwerkansatz“ kurz zu erläutern.
Dabei wird von der bisherigen Mikroebene-Perspektive auf die der Makroebene gewechselt.
Im Zentrum des Interesses steht dabei die Stellung des Individuums innerhalb seines
Netzwerkes. Dabei können Personen identifiziert werden, welche in gewissen Gesprächen
zu gewissen Themen in ihren sozialen Kommunikationsnetzwerk einen grösseren Einfluss
als andere ausüben können. Diese Personengruppen werden als „opinion leader“ oder als
Meinungsführer bezeichnet. In diesem Zusammenhang soll auch auf das von Katz und
Lazarsfeld eingeführte „Two-Step Flow of Communication“-Modell erwähnt werden, welches
besagt, dass die Nachrichten der Massenmedien erst zu den Meinungsführern fliesst und
anschliessend diese Meinungsführer für die Verbreitung in die Masse sorgen (1955, S. 32).
Es lässt sich erkennen, dass die von Balter und Butnam, Scherrer und Wangenheim
herausgearbeiteten Motive für die Weiterempfehlung sich teilweise stark ähneln. Die
Selbstbestätigung, die Selbstdarstellung, und der Altruismus werden von allen erwähnt. Die
meisten Motive lassen sich in den Beziehungsaspekt einordnen. Der Inhaltsaspekt wird
nach Meinung des Autors zu schwach gewichtet. Nur bei Scherrer findet er in der Kategorie
„Art der Erfahrung mit der unternehmerischen Leistung“ (1975, S. 59) explizit Beachtung.
Oft wird der Inhaltsaspekt einfach vorausgesetzt. Doch gerade im Bezug zu Viral Marketing
lässt sich erahnen, dass der Inhalt der Nachricht entscheidend für die Weiterempfehlung ist.
3.2
Implikationen für Viral Marketing
Basierend auf diesen theoretischen Ansätzen werden nun Implikationen für das Viral
Marketing herausgearbeitet. Welche Ansätze spielen in welcher Form auch eine Rolle beim
Viral Marketing? Welche Determinanten sind für die Weiterleitung von Viral Marketing
Botschaften ausschlaggebend?
12
Auch beim Viral Marketing geht es um Kommunikation mit einem Beziehungs- und
Inhaltsaspekt. Aus den bisher diskutierten Motiven lassen sich teilweise direkt
Determinanten für die Weiterleitung ableiten. Aus diesem Grund werden die Determinanten
in die beiden Kategorien “Inhalt” und “Beziehung” aufgeteilt. Und abschliessend folgen noch
vier Hypothesen, welche auf demografischen Faktoren beruhen.
3.2.1
Determinanten des Beziehungsaspektes
Als Ausgangslage für die Determinanten, welche den Beziehungsaspekt berücksichtigen,
werden die Bestimmungsgrössen der Abgabe von Weiterempfehlung von Wangenheim auf
ihre
Eignung
für
das
virale
Marketing
überprüft
und
auf
den
spezifischen
Untersuchungsgegenstand adaptiert.
Wangenheim hat sieben Determinanten der Abgabe von Weiterempfehlungen im
Konsumgüterbereich identifiziert: Wahrgenommenes Risiko, Produktinvolvement, situatives
Involvement, Kundenzufriedenheit, Marktinvolvement, Empfang einer Weiterempfehlung
und Innovationsneigung (2002, S. 119).
Kundenzufriedenheit
Die Kundenzufriedenheit ist eine subjektive Grösse, welche sich aus dem Vergleich der
Kundenerwartungen mit der wahrgenommenen oder erlebten Leistung eines Anbieters
ergibt (Meffert, 2000, S. 946). Ihr Einfluss auf die Abgabe von Weiterempfehlung ist
nachvollziehbar. Dennoch wird bei der empirischen Untersuchung der Motive der
Weiterleitung von Viral Marketing auf diese Variable verzichtet. Denn meistens sind bei
viralen Marketingbotschaften die dahinterstehenden Unternehmen versteckt bzw. sind im
Hintergrund. Wie bereits im Kapitel 2 erläutert, besteht beim Viral Marketing eine geringe
individuelle Auseinandersetzung mit dem Empfehlungsobjekt (Langner, 2005, S. 28). Aus
diesem Grund wird die Distanz von der Weiterleitung einer VM-Botschaft auf die
Kundenzufriedenheit mit dem hinter der Kampagne stehenden Unternehmen als zu gross
angesehen und somit nicht berücksichtigt. Da der Inhalt der Nachricht im Zentrum steht,
wird statt der Kundenzufriedenheit mit dem Anbieter bzw. einem Produkt die
Kundenzufriedenheit mit dem Inhalt der Kampagne als Determinante verwendet.
Ausführliches zur Kategorie des Kampagnengutes folgt im Abschnitt 3.2.2.
Produktinvolvement
Die Art des Involvements, welche Käufer über einen längeren Zeitraum an den Tag legen,
wird als Produktinvolvement ausgedrückt (Wangenheim, 2002, S. 94). Da, wie im Kapitel 2
erwähnt, VM vor allem Gelegenheitsempfehlungen sind, hat es die Merkmale der
Kurzfristigkeit und der Situationsangepasstheit. VM beruht nicht auf langfristigen
Beziehungen zu einer Marke (Langner, 2005, S. 28). Aus diesem Grund kann das
13
Produktinvolvement ebenfalls nicht als Variable für die Weiterleitung von VM-Botschaften
angesehen werden.
Situatives Involvement
Im Gegensatz zum Produktinvolvement ist das situative Involvement ein temporäres
Phänomen (Wangenheim, 2002, S. 96). Da sich die Weiterleitung von VM-Botschaften oft
situativ ergibt (Langner, 2005, S. 28), ist dieser Aspekt zu berücksichtigen. In der Praxis
lassen sich einige gelungene Kampagnen finden, welche auf den Zug einer Aktualität
aufspringen und dadurch von einem vorübergehenden höheren Interesse an einem
bestimmten Thema profitieren. So haben sich beispielsweise nach den Ereignissen am 11.
September 2001 einige Bilder und Nachrichten viral sehr schnell verbreitet. „Situatives
Involvement“ ist eine interessante Determinante, welche auch für Viral Marketing genauer
untersucht werden müsste. Da jedoch diese Variable schwer abgefragt werden kann und
wenn, dann nur durch mehrere Faktoren unterschiedlicher Perspektive, und dadurch die
Komplexität der Umfrage enorm steigt, wird auf sie verzichtet. Es empfiehlt sich, eine
separate auf diese Variable ausgerichtete Untersuchung durchzuführen. Da in der
empirischen Untersuchung diese Variable nicht berücksichtigt wird, wird darauf geachtet,
dass die ausgewählten Untersuchungsbeispielen im Durchschnitt ein etwa gleich hohes
situatives Involvement aufweisen, so dass die Ergebnisse nicht verzerrt werden.
Marktinvolvement
Das Marktinvolvement richtet sich auf das allgemeine Interesse der Menschen an
Einkaufen, Kauf- und Konsumsituationen (Wangenheim, 2002, S. 97). Im Gegensatz zum
Produktinvolvement bezieht sich das Marktinvolvement nicht auf ein spezielles Produkt,
sondern auf den Markt. Der kritische Punkt des Marktinvolvements für das Viral Marketing
liegt darin, dass beim Viral Marketing oft das Produkt und somit auch der Markt, zu
welchem das Produkt dazugehört, nicht zentral sind. Bezieht man jedoch Marktinvolvement
auf den gesamten Markt an sich, spielt es sicherlich eine Rolle für das Viral Marketing.
Verschiedene Wissenschaftler weisen darauf hin, dass es von grosser Wichtigkeit ist, die
Meinungsführer als erste „Träger“ für eine exponentielle Verbreitung zu gewinnen (vgl.
Helm, 2000, S. 159). Feick und Price haben den Begriff der „Market Maven“ eingeführt,
welche über folgende Charakteristiken verfügen: Vielzahl von Informationen bezüglich
Produkten, Geschäften, Einkaufsmöglichkeiten und weiteren marktrelevanten Aspekten,
Initiative für Gespräche mit anderen Konsumenten (1987, S. 85). Da Viral Marketing oft das
Medium „Internet“ verwendet, soll „Market Maven“ insbesondere auch den Internetmarkt
mitberücksichtigen. Cakim nennt „online opinion leaders“ „e-fluentials“. 10% der
Bevölkerung mit Internetzugang werden als „e-fluentials“ bezeichnet, welche ihre
Erfahrungen von Unternehmungen im Durchschnitt an vierzehn andere Leute weiterleiten
14
und von diesen als Experten angesehen werden (2006, S. 108). Für das Viral Marketing
wurde speziell der Begriff „Viral Maven“ geschaffen, welche als solche Personen definiert
werden, die viele Weiterleitungsmails erhalten und davon auch viele weiterleiten (Phelps et
al., 2004, S. 344).
Hypothese 1:
Je höher das Marktinvolvement der Befragten ausfällt, desto
häufiger leiten sie virale Marketingkampagnen weiter.
Innovationsneigung
Ein weiterer Nachfragetyp erhält in der Marketingliteratur immer wieder Aufmerksamkeit:
der Innovator. Dieser ist ein Typ, welcher über eine grosse Innovationsneigung verfügt und
neue Produkte als erster kauft (Wangenheim, 2002, S. 105). Meinungsführer, Innovatoren
und „Market Maven“ sind eng miteinander verwandt. Dennoch lassen sich Unterschiede
erkennen. „Market Maven“ haben mehr ein produktklassenübergreifendes Wissen,
Innovatoren hingegen können auch in einem einzelnen Produktbereich Frühkäufer sein,
welche die Produkte selbst kaufen und nutzen. „Market Mavens“ dagegen müssen ihr
Wissen nicht aus der Nutzung der Produkte sammeln und müssen sie somit nicht besitzen
(Wangenheim, 2002, S. 106). Für die Untersuchung von Viral Marketing versteht man unter
Innovationsneigung,
dass
der
Nutzer
besonders
an
neuen
und
innovativen
Internetapplikationen und Inhalten interessiert ist. Es wird eine positive Korrelation zwischen
Weiterleitung und Innovationsneigung angenommen. Diese Annahme basiert vor allem auf
psychologischen und sozialen Aspekten, dass ein Innovator sein Wissen weitergeben,
anderen helfen und sich bei anderen als interessanter Innovator positionieren möchte.
Hypothese 2:
Je höher die Innovationsneigung der Befragten ausfällt, desto
Empfang einer Weiterempfehlung
Nach Wangenheim ist es für die Wahrscheinlichkeit eine Empfehlung an andere abzugeben
entscheidend, ob man bereits dieselbe Empfehlung erhalten hat (2002, S. 107). Einen
Erklärungsansatz findet man in der Dissonanztheorie. So wird beim Empfang einer
positiven Information die Dissonanz abgebaut. Dies wiederum führt zu einer höheren
Bereitschaft zur Weiterempfehlung (Wangenheim, 2002, S. 107). Bei der Adaption auf das
Viral Marketing im Medium Internet ist zu beachten, dass die Botschaft beim Empfang
bereits von einer Person weiterempfohlen wurde, da man sonst die Nachricht gar nicht
bekommen hätte. Daher wird die Determinante Empfang so abgeändert, dass man nebst
dieser Weiterempfehlung die gleiche Botschaft auch noch von mindestens einer anderen
Partei empfohlen bekommen hat.
Hypothese 3:
Bei Befragten, welchen die virale Marketingkampagne bereits
15
einmal empfohlen wurde, ist die Wahrscheinlichkeit für eine
Weiterleitung grösser als bei Befragten, welchen die virale
Kampagne noch nicht empfohlen wurde.
Wahrgenommenes soziales Risiko
Das wahrgenommene Risiko wird als „die subjektive Erwartung möglicher Verluste in Folge
von Kaufentscheidungen“ definiert (Wangenheim, 2002, S. 103). Da es sich bei Viral
Marketing nicht um Kaufentscheidungen handelt, muss die Bestimmungsgrösse angepasst
werden. So kann als soziales Risiko die Nichtakzeptanz einer weitergeleiteten Nachricht
beim Empfänger angesehen werden. Das Risiko besteht, dass die weitergeleitete Nachricht
den Empfänger nicht interessiert und er sich belästigt fühlt oder, dass die Nachricht gegen
die Werte und Einstellungen des Empfängers verstösst. Die Weiterleitung derartiger
Nachrichten kann die Stellung des Senders in sozialen Beziehungen verschlechtern. Mit
dieser Interpretation des wahrgenommenen Risikos wird ein negativer Zusammenhang
zwischen dem wahrgenommenen sozialen Risiko und der Weiterleitung von viralen
Botschaften erwartet.
Hypothese 4:
Je niedriger das Risiko wahrgenommen wird, dass der Empfänger
die weitergeleitete Nachricht nicht akzeptiert und toleriert, desto
häufiger werden virale Marketingkampagnen weitergeleitet.
Zusammenfassung der Determinanten des Beziehungsaspektes
Zusammengefasst haben sich das wahrgenommene Risiko, der Empfang einer
Weiterempfehlung, das Marktinvolvement und die Innovationsneigung als geeignete
Determinanten herauskristallisiert, welche die Wahrscheinlichkeit der Weiterleitung von
viralen Botschaften beeinflussen könnten. Abbildung 2 fasst die für den Beziehungsaspekt
relevanten Determinanten der Weiterleitung von viralen Marketingbotschaften zusammen.
Gleichzeitig zeigt sie dahinterstehende, besprochene Theoriebezüge sowie den erwarteten
Einfluss auf die Wahrscheinlichkeit der Weiterleitung von VM-Botschaften auf. Nochmals
soll darauf hingewiesen werden, dass das Modell von Wangenheim als Ausgangsmodell
diente und darauf aufbauend die für die Weiterleitung von viralen Marketingbotschaften
relevanten Variablen ausgewählt und dem spezifischen Untersuchungsgegenstand
angepasst wurden (2002, S. 119).
16
Theoretische Ansätze
Abgeleitete Variante
Erwarteter Einfluss auf
die
Wahrscheinlichkeit
der Weiterleitung
Wahrgenommenes
Risiko
Negativ
Motivationale
Ansätze
Empfang einer
Weiterempfehlung
Positiv
Kognitive
Dissonanztheorie
Marktinvolvement
Positiv
Soziale
Austauschtheorie
Innovationsneigung
Positiv
Abbildung 2: Theoretische Bezüge und Determinanten, welche die Wahrscheinlichkeit der Weiterleitung von
viralen Botschaften beeinflussen (in Anlehnung an Wangenheim, 2002, S. 119).
3.2.2
Determinanten des Inhaltsaspektes (Kampagnengut)
Neben den Determinanten des Beziehungsaspektes werden im Folgenden die des
Inhaltsaspektes analysiert. Dabei geht es um den Inhalt der viralen Botschaft. Der Autor
nennt dies das „Kampagnengut“. Nur wenn eine Botschaft die Aufmerksamkeit auf sich
selbst leiten kann und es sich lohnt, darüber zu sprechen, kann sie als virale Kampagne
erfolgreich sein. Die Determinanten des Kampagnengutes müssen vermutlich stärker
gewichtet werden als die des Beziehungsaspektes. Denn wie Langner feststellt, ist das
Kampagnengut fast immer der Kern einer viral Marketingkampagne (2005, S. 36). Die
zentrale Frage in diesem Bereich ist: Welche Elemente muss eine virale Marketingbotschaft
enthalten, damit die Wahrscheinlichkeit steigt, dass sie weitergeleitet wird?
Harris nennt die fünf S-Regel als Erfolgsfaktor von Viral Marketing: „Short, simple,
surprising, sensational and sequential“ (2000, S. 64ff.). Eine „Story“ ist für Silverman
Bedingung für ein Word-of-Mouth-Programm, welche folgende Charakteristiken aufweist:
„short and simple, interesting, exciting, new, different, unique, or otherwise worth talking
about and in story form“ (2001, S. 97). Er zählt folgende sechs Faktoren auf, welche den
17
Erfolg ausmachen: „News, unique results, effects or activities, sex, secrets, helping others
and the unsusual“ (2001, S. 103). Auch Langner erwähnt ähnliche Eigenschaften eines
wirksamen Kampagnengutes. Für ihn sind „Vergnügen“, „Unterhaltung“ und „Spass“
wichtige Faktoren (Langner, 2001, S. 37). Ebenso ist für das Kampagnengut relevant, dass
es innovativ und einzigartig ist (Langner, 2001, S. 39). Untersuchungen haben festgestellt,
dass diejenigen Botschaften die höchsten Weiterleitungsquoten haben, welche entweder
Elemente von Gewalt, Pornographie oder respektlosen Humor aufweisen (Witthaus, 2002,
S. 20). Dobele, Lindgreen, Beverland, Vanhamme und van Wijk stellen die These auf, dass
eine emotionale Verbindung zwischen der Kampagne und dem Empfänger entstehen muss,
damit der Virus weitergeleitet wird (2007, S. 292). Ihre These beruht auf dem Phänomen
des sozialen Teilens von Emotionen (vgl. Rimé, Philippot, Boca & Mesquita, 1992).
Zwischen 88% und 96% aller emotionalen Erfahrungen werden weitererzählt (Rimé et al.,
1992, S. 227). Somit können Emotionen als Schlüsseltreiber für virale Marketingkampagnen
angesehen werden (Dobele et al., 2007, S. 293). Sie definierten sechs Hauptemotionen:
Surprise, fear, sadness, joy, disgust and anger (Dobele et al., 2007, S. 294).
Phelps et al. haben mittels den 28 zwischenmenschlichen Kommunikationsbeweggründen
von Rubin, Perse und Barbato (1988) anhand von Telefoninterviews die Motive für das
Weiterleiten von Emails untersucht (2004, S. 342-344). Die Resultate sind in Tabelle 2
dargestellt. Die Kategorie „Pleasure“ schneidet als wichtigstes Motiv ab. Die drei am
wichtigsten eingestuften Motive sind „Because it is fun“, „Because I enjoy it“ und „Because it
is entertaining“. Die Ergebnisse bestätigen die Wichtigkeit von Unterhaltung- und
Spasselementen in viralen Marketingkampagnen.
18
Motiv
Wert
Rang
Pleasure (Vergnügen)
3.03
8
Because it‟s fun
Because it‟s exciting
To have a good time
Because it‟s thrilling
Because it‟s stimulating
Because it‟s entertaining
Because I enjoy it
Because it peps me up
Affection (Zuneigung)
3.91
2.65
3.39
2.00
2.48
3.48
3.61
2.74
3.02
3.48
3.39
3.09
2.70
2.43
2.46
2.35
2.74
2.26
2.48
2.43
1
12
5
23
13
3
2
8
8
3
5
7
10
17
15
19
8
21
13
15
To help others
To let others know I care about their feelings
To thank them
To show others encouragement
Because I‟m concerned about them
Espace (Ablenkung)
To put off doing something I should be doing
To get away from what I‟m doing
Because I have nothing better to do
To get away from pressures and responsibilities
Relaxation (Entspannung)
Because it relaxes me
Because it allows me to unwind
Because it‟s a pleasant rest
Because it makes me feel less tense
Control (Einflussnahme)
2.24
13
2.70
10
2.43
17
2.35
19
2.10
20
Because I want someone to do
2.00
23
To tell others what to do
1.83
25
To get something I don‟t have
2.48
13
Inclusion (Einbeziehung)
1.78
26
Because I need someone to talk to
1.65
27
Because I just need to talk about
1.83
25
Because it makes me feel less lonely
1.48
28
Because it‟s reassuring to know someone is there
2.13
22
Tabelle 2: Motive für die Weiterleitung von Emails (in Anlehnung an Phelps et al, 2004, S. 343).
Basierend auf den in der Literatur gefundenen Motiven, wurden folgende sechs
Determinanten für die empirische Untersuchung ausgewählt: Freude/Unterhaltung, Humor,
Überraschung, Abscheu, Erotik und Gewalt. Wieso gerade jene ausgelesen wurden und
was unter den Begriffen zu verstehen ist, wird im folgenden Abschnitt erläutert.
Eine virale Marketingbotschaft muss als wichtigste Voraussetzung dem Empfänger einen
Nutzen stiften. Daneben muss die Nachricht den Empfänger auf der emotionalen Ebene
berühren, damit die Wahrscheinlichkeit grösser wird, dass sie weitergeleitet wird. Aus
diesem Grund wird für die Basis der Hypothesen zum Kampagnengut davon ausgegangen,
dass je besser die Beurteilung des viralen Marketingkampagnengutes ausfällt, desto höher
die Wahrscheinlichkeit ist, dass die Kampagne weitergeleitet wird.
19
Freude/Unterhaltung
Wie bereits beschrieben, ist das Vergnügen und die Unterhaltung ein wesentliches Motiv,
um virale Botschaften weiterzuleiten. In der Untersuchung von Phelps et al. wird die
Motivkategorie „Pleasure“ als wichtigste Kategorie innerhalb der sechs Oberkategorien der
28 zwischenmenschlichen Kommunikationsmotive nach Rubin et al. eingestuft (2004, S.
343). Virale Kampagnen müssen beim Empfänger positive Emotionen freisetzen, damit sie
weitergeleitet werden. Freude und Unterhaltung eignen sich dazu. Der Autor jedoch stellt
sich die Frage, ob ein gewisser Grad an Freude und Unterhaltung für eine Weiterleitung
genügt oder ob er nur eine Grundvoraussetzung darstellt, um in Kombination mit anderen
Determinanten zum Erfolgt führt. Jedoch wird allgemein eine positive Korrelation zwischen
dem Grad an Freude und Unterhaltung und dem Weiterleitungsquotienten vermutet.
Hypothese 5:
Je höher der Unterhaltungswert einer viralen Marketingkampagne
ausfällt, desto höher ist die Wahrscheinlichkeit, dass die Kampagne
weitergeleitet wird.
Humor
Humor ist eine elementare menschliche Emotion, mit welcher die Marketingexperten in der
Werbung oft spielen. Mittels Humor können beim Empfänger positive Gefühle ausgelöst
werden. Bei einer Untersuchung von Phelps et al. über den Inhalt von erhaltenen viralen
Mails zeigte sich, dass Mails mit humorvollem Inhalt den dominanten Typus darstellen. Fast
die Hälfte aller erhaltenen Massenmails gehören der Kategorie „Jokes“ an (Phelps et al.,
2004, S. 341). Humor ist daher eine wesentliche, beinahe schon obligatorische,
Komponente im Bereich des viral Advertisements (Shifman, 2007, S. 196). Bei der Analyse
der einzelnen Themen im Bereich Humor zeigt sich, dass „Sex“ das beliebteste Thema
darstellt, gefolgt von „Geschlecht“ und „Tiere“ (Shifman, 2007, S. 200). Humor wird
subjektiv beurteilt. Menschen finden Unterschiedliches lustig. Diese Subjektivität muss
berücksichtigt werden. So finden beispielsweise Männer sexuelle Witze, Wortwitze und
ethnische Witze lustiger als Frauen (Madden & Weinberger, 1982, S. 9). Auch muss
angefügt werden, dass sich Humor im Spannungsfeld zwischen kognitiver Aktivität und
affektiver Reaktion bewegt. Humor setzt einerseits einen Intellekt voraus, andererseits
besteht die Gefahr, dass der Reiz durch das intensive Nachdenken verloren gehen kann
(Erbeldinger & Kochhan, 1998, S. 141).
Aus diesem Grund wird erwartet, dass Humor ein wichtiger Erfolgsfaktor spielt und eine
positive Korrelation zwischen Humorgehalt und Weiterleitung von viralen Botschaften
besteht.
20
Hypothese 6:
Je höher der Humorgehalt einer viralen Marketingkampagne
Erotik
Damit eine Werbung wirksam sein kann, wird eine Aufmerksamkeit bzw. eine Aktivierung
des
Empfängers
vorausgesetzt.
Unter
Aktivierung
versteht
man
den
inneren
Erregungszustand eines Menschen (Meffert, 2000, S. 110). Mit einem Sex-Appeal in der
Werbung wird versucht die Aktivierung zu steigern, um so die Wahrscheinlichkeit zu
erhöhen, beachtet und genutzt zu werden. Vorausgesetzt wird die positive Korrelation
zwischen dem Aktivierungsgrad und der Beachtung (vgl. Kroeber-Riel & Esch, 2000, S.
164.) Von der Wissenschaft wird bestätigt, dass Erotik und Sex in der Werbung eine
Aufmerksamkeitssteigerung bewirkt (Immisch, 2002, S. 31). Doch je nach Alter und
Geschlecht der Werbeempfänger kann der Einfluss von Erotik/Sex variieren. Jüngere
Personen und Männer sind besonders empfänglich für Sex-Appeal (Immisch, 2002, S. 63).
Ebenso entscheidend ist die Art des Sex-Appeal, welcher von Schönheit, Nacktheit über
sexuelle Posen bis zur Pornographie variieren kann (Immisch, 2002, S. 63). Der Autor geht
davon aus, dass bei Frauen der Sex-Appeal bis zu einer Akzeptanzschwelle hinsichtlich der
Art des Sex-Appeals eine positive Wirkung hat. Nach dieser Schwelle hat er eine negative
Wirkung auf die Weiterleitung. Der gleiche Unterschied im Weiterleitungsverhalten
zwischen Männern und Frauen ist ebenfalls bei der Komponente „Humor“ zu erwarten. Die
Forschungen von „Clark McKay and Walpole Interactive“, einer Directmarketing Agentur in
London, zeigen auf, dass die höchsten Weiterleitungsquoten unter anderem bei
Nachrichten mit respektlosen Humor zu finden sind (Witthaus, 2002, S. 20).
Diese
Korrelation soll jedoch in der Untersuchung differenzierter betrachtet werden, da vermutet
wird, dass derartiger Humor, welcher sich „unter der Gürtellinie“ befindet, bei Frauen und
Männern ein unterschiedliches Weiterleitungsverhalten auslöst. Daher lässt sich folgende
Hypothese ableiten:
Hypothese 7:
Virale Marketing Kampagnen, deren Humor oder Erotik sich „unter
der
Gürtellinie“
befindet,
erhöht
bei
Männern
die
Wahrscheinlichkeit, dass sie weitergeleitet werden. Bei Frauen
hingegen
verringert
sich
die
Wahrscheinlichkeit,
dass
sie
weitergeleitet werden.
Die Agentur „ClarkMc Kay and Walpole Interactive“ zeigt ebenfalls auf, dass Erotik in einer
viralen Marketingbotschaft sehr hohe Weiterleitungsquoten aufweist (Witthaus, 2002, S.
20). Der Autor unterstützt die allgemeine „Sex sells“-These und erwartet in der
Untersuchung eine positive Korrelation zwischen Erotikgehalt und Weiterleitungsquote.
21
Hypothese 8:
Virale Marketingkampagnen, in welchen Nacktheit und Erotik
vorkommen,
werden
öfters
weitergeleitet
als
solche
ohne
derartigen Inhalt.
Überraschung
Eine Überraschung wird ausgelöst durch ein plötzliches und unerwartetes Ereignis (Izard,
1981, S. 313). Überraschung spielt mit der Diskrepanz zwischen Erwartung und Realität.
Überraschung kann sowohl positiv als auch negativ beurteilt werden, je nachdem welche
anderen Emotionen mitspielen. Wenn zur Emotion „Überraschung“ noch „Freude“
dazukommt, spricht man von einer positiven Überraschung. Dagegen wird die
Überraschung negativ, wenn zu ihr noch die Emotion „Ärger“ dazustösst (Lindgreen &
Vanhamme, 2005, S. 127).
Der Einfluss von der Überraschungsemotion basiert wiederum auf dem Phänomen des
„sozialen Austausches von Emotionen“. Wie der Name der Emotion bereits sagt, kommt sie
überraschend. Dies hat zur Folge, dass die laufenden Aktivitäten oft unterbrochen werden,
wenn ein solcher Überraschungseffekt eintritt (Lindgreen & Vanhamme, 2005, S. 129). Es
gibt eine Evidenz, welche besagt, dass je grösser der Störfaktor eines Events ist, desto
schneller und häufiger die Information ausgetauscht wird (Rimé, Finkenauer, Luminet, Zech
& Philippot, 1998, S. 164). Ein weiterer Vorteil von überraschenden viralen Botschaften liegt
darin, dass der Empfänger die Nachricht als neuartig und überraschend einstuft. Er erhält
durch die Nachricht einen Kundennutzen. Da er davon ausgeht, dass diese Botschaft für
andere auch neu und nützlich sein kann, leitet er die Nachricht vermehrt weiter (Lindgreen
& Vanhamme, 2005, S. 130).
Da verschiedene Forschungen ergeben haben, dass viele erfolgreiche VM-Kampagnen
überraschende Elemente aufweisen (vgl. Lindgreen & Vanhamme, 2005, S. 134) und diese
auch auf einer nachvollziehbaren Logik aufgebaut sind, wird „Überraschung“ als
Determinante in das Modell aufgenommen. Bei der Untersuchung wird eine positive
Korrelation zwischen „Überraschungsgehalt“ und „Weiterleitung“ erwartet.
Hypothese 9:
Je
höher
der
Marketingkampagne
Überraschungseffekt
ausfällt,
desto
einer
höher
viralen
ist
die
Wahrscheinlichkeit, dass die Kampagne weitergeleitet wird.
Gewalt
Um die Aufmerksamkeit der Konsumenten in der heutigen Zeit zu erwecken, werden
neuerdings radikalere Wege als früher eingeschlagen. So wird in der Werbebranche
vermehrt mit dem Mittel der Provokation gearbeitet. Nach Jäckel und Reinhardt gehören zur
provokativen Werbung Normbrüche bei den Tabuthemen der Sexualität, Diskriminierung
22
von Gesellschaftsgruppen, Missbrauch religiöser Symbole und die Verherrlichung der
Gewalt oder schockierende gewalttätige Bilder (2003, S. 530-534). Laut Kranz lassen sich
Emotionen als „affektive Reaktionsbündel eines Konsumenten auf wahrgenommene Reize“
definieren (2005, S. 27). Als Reiz dient die Gewaltdarstellung, welche verschiedene
Emotionen wie Angst, Sorge, Wut, Traurigkeit und Unzufriedenheit auslösen kann. Es lässt
sich feststellen, dass alle mit dem Reiz „Gewalt“ verbundenen „Emotionen“ auf der
Dimension der Gefühlsrichtung negative Gefühle auslösen (vgl. Kranz, 2005, S. 27). Der
Aktivierungsgrad der einzelnen Emotionen variiert und ist als eher hoch zu bewerten (vgl.
Kranz, 2005, S. 27). Von Interesse ist nun, wie Darstellungen körperlicher Gewalt auf den
Rezipienten wirken. Kommt es zu einer Anschlusskommunikation? Wie bereits erwähnt, hat
die Agentur „Clark McKay and Walpole Interactive“ die höchsten Weiterleitungsquoten bei
viralen Botschaften mit Gewaltdarstellungen, Pornografie und respektlosem Humor
festgestellt. (Witthaus, 2002, S. 20). Zu erklären ist diese Feststellung durch den hohen
Aktivierungsgrad, welche die besagten Elemente beim Betrachter auslösen. Trotz diesen
Forschungsergebnissen
erwartet
der
Autor
eine
negative
Korrelation
zwischen
Weiterleitung und Gewaltdarstellungen in den Filmen. Argumentiert wird damit, dass der
Reiz „Gewalt“ nur negative Gefühle auslöst. Negative Gefühle fördern die Weiterleitung
nicht, da virale Botschaften stark mit dem Spassfaktor und somit mit positiven Gefühlen
verbunden sind.
Der Rezipient
kann oft nur zu einer
ablehnenden negativen
Anschlusskommunikation verleitet werden (Jäckel & Reinhardt, 2002, S. 530). Aus diesem
Grund wird mit der Hypothese 10 folgender Zusammenhang erwartet:
Hypothese 10:
Je höher die Gewalttätigkeit einer viralen Marketingkampagne
beurteilt wird, desto tiefer ist die Wahrscheinlichkeit, dass die
Kampagne weitergeleitet wird.
Abscheu/Schock
Benettons
bekannteste
Werbekampagne
zeigte
Bilder
von
Krieg,
Kinderarbeit,
Verschmutzung der Meere oder griff das Thema Aids auf und hat dabei eine grosse
Protestwelle ausgelöst. Die Kampagne schockierte, verletzte Regeln und brach Tabus. Das
Gute an der schockierenden Werbung von Benetton war, dass sie stark beachtet wurde.
Durch die Reiz- und Informationsüberflutung wird es immer schwieriger für die
Werbeindustrie, Aufmerksamkeit zu erlangen. Vermehrt wird mit Knalleffekten gearbeitet,
es wird provoziert, der gute Geschmack wird ausser Acht gelassen, um damit die nötige
Aufmerksamkeit zu erregen. Doch welche Wirkung haben solche schockierende Elemente
auf die Werbeempfänger? Logisch erscheint, dass damit eine Emotion beim Empfänger
ausgelöst wird. Eine erhöhte Aufmerksamkeit wird von vielen angenommen, bzw. daraus
resultiert eine erhöhte Bekanntheit. Ob sie auch zu einem steigenden Umsatz führt, ist nicht
23
abschliessend zu beantworten. Denn der Schockeffekt kann auch zu einem gezielten Nichtkauf führen. Für die Untersuchung ist jedoch nur die erhöhte Aufmerksamkeit und die
Verbindung mit einer Emotion ausschlaggebend, um die These aufzustellen, dass eine
Korrelationen zwischen Schockeffekt und Weiterleitung vermutet wird. Jedoch wird
erwartet, dass die Korrelation nur bis zu einem gewissen Schockgrad positiv mit der
Weiterleitung korreliert. Verstösst die virale Botschaft zu stark gegen die guten Sitten und
ist zu stark „unter der Gürtellinie“, wird vermutet, dass die Weiterleitungsquote abnimmt.
Denn dann entstehen negative Gefühle, welche wie bei Hypothese 10 für die Weiterleitung
nicht als förderlich angesehen werden.
Hypothese 11:
Virale Marketingkampagnen, welche ein mittleres Mass an
Abscheu und schockierenden Elementen aufweisen, werden
häufiger weitergeleitet, als solche mit einem geringen oder hohen
Mass an Abscheu und schockierenden Elementen.
3.2.3
Demografische Faktoren
Neben den Determinanten, welche den Beziehungs- und Inhaltsaspekt berücksichtigen,
und den daraus abgeleiteten Hypothesen werden nun an dieser Stelle moderierende
Variablen besprochen, welche ebenfalls Einfluss auf das Weiterleitungsverhalten ausüben.
Folgende vier demografische Faktoren werden als relevant angesehen: Geschlecht, Alter,
Ausbildung und Internetnutzung. Im Gegensatz zu den vorhin beschriebenen Variablen
können Unternehmen die moderierenden Variablen nicht beeinflussen und müssen diese
als gegeben ansehen. Dennoch ist es für die Unternehmen von Interesse zu wissen,
welche
Gesellschaftsgruppen
besonders
affin
für
die
Weiterleitung
von
viralen
Marketingbotschaften sind. Diese ist insbesondere für den Seedingprozess von Bedeutung.
An welche Gruppe muss das Kampagnengut vom Unternehmen herangetragen werden,
damit es die kritische Masse (vgl. Gladwell, 2000) schnell erreicht? Ein exponentielles
Wachstum kann nur erreicht werden, wenn die Reproduktionsrate R grösser als 1 ist, d.h.
wenn der durchschnittliche Empfänger die Nachricht an mehr als eine Person weiterleitet
(Watts & Peretti, 2007, S. 22). Eine hohe Reproduktionsrate, R grösser als 1, ist sehr
schwierig und selten zu erreichen (Watts & Peretti, 2007, S. 23). Erfolgreiches Seeding ist
daher ein aktiver Prozess (Rosen, 2000, S. 166), welchen die Marketingexperten mit einem
grösseren Wissen über die demografischen Faktoren besser steuern können. Es ist
relevant, dass die erste Kundengruppe richtig ausgewählt wird, da sie die grundlegenden
Word-of-Mouth-Lieferanten sind (Dobele, Toleman & Beverland, 2005, S. 148).
Geschlecht
Unterschiedliche Untersuchungen zu geschlechtsspezifischen Word-of-Mouth-Verhalten
kamen zum Schluss, dass Frauen mehr Weiterempfehlungen als Männer abgeben (vgl.
24
Naylor, 1999, Feick & Price, 1987). Dies ist insoweit nicht erstaunlich, da Frauen dem
sozialen Aspekt ihres Umfeldes mehr Gewicht als die Männer schenken (vgl. Best,
Satterwhite & Williams, 1999, S. 513). Ist dieses Verhalten auch beim Weiterleiten von
viralen Botschaften mit dem Medium Internet zu beobachten? Laut dem Bundesamt für
Statistik (BFS) unterscheidet sich die Internetnutzung von Männern und Frauen in der
Schweiz noch deutlich. So nutzen 2004 83% der Männer und lediglich 67% der Frauen das
Internet (Bundesamt für Statistik, 2006, S. 18). Auch hinsichtlich der Nutzungshäufigkeit,
Nutzungsdauer und der Nutzungsmotivation lassen sich Unterschiede zwischen den
Geschlechtern erkennen (Bundesamt für Statistik, 2006, S. 19). Jedoch relativieren sich die
Unterschiede, wenn man die für Viral Marketing besonders interessante Zielgruppe der 15 –
34 Jährigen betrachtet. Bei den 15-24 Jährigen erkennt man keinen Unterschied in der
Internetnutzung zwischen Männern und Frauen (Männer: 85%; Frauen: 86%), bei den 2534 Jährigen besteht eine geringe Differenz (Männer: 90%; Frauen: 78%) (Bundesamt für
Statistik, 2006, S. 20). Es lässt sich erkennen, dass das Internet im Moment noch eher ein
Männermedium darstellt. Diese leichte Tendenz lässt sich auch erklären, dass das Internet
mit dem Mailverkehr eine neue Art der Kommunikation ist, welche sich stark von der
persönlichen
direkten
Face-to-Face-Kommunikation,
welche
für
die
Kommunikationsaufgaben des „Kennenlernen, des „Fragen stellen“ und des „Streiten“
geeignet ist (vgl. Döring, 2003, S. 135), abgrenzt. Vielleicht kommt diese eher
unpersönliche, indirekte Kommunikationsart des Emails, welches besonders für die
Kommunikationsaufgabe des „Informieren“, „Fragen stellen“ und „in Verbindung bleiben“
geeignet ist (vgl. Döring, 2003, S. 135), den Männern eher entgegen. Aus diesem Grund
wird - im Gegensatz zur häufigeren Weiterempfehlung bei persönlicher Kommunikation der
Frauen gegenüber den Männern - vermutet, dass bei der eher unpersönlichen
Kommunikation
von
viralen
Marketingbotschaften
die
Männer
eine
höhere
Weiterleitungsquote als die Frauen aufweisen.
Hypothese 12:
Männer leiten virale Marketingkampagnen öfters weiter als Frauen.
Alter
Fails und Francis, welche den Zusammenhang zwischen demografischen Variablen und
Weiterempfehlung untersuchten, fanden heraus, dass das Alter positiv mit der
Weiterempfehlungsbereitschaft korreliert (1996, zit. in Wangenheim, 2002, S. 121). Bei der
Untersuchung geht es wiederum um Word-of-Mouth, d.h. um mündliche Weiterempfehlung.
Wenn man jedoch wiederum die Weiterempfehlungsbereitschaft beim viralen Marketing im
Internet betrachtet, muss man sich wiederum den Internetnutzer vorstellen. Beim Segment
der 15 – 24 Jährigen nutzen 86% der Personen das Internet während des letzten Monats.
Dieser Prozentsatz verringert sich konstant über die älteren Alterssegmente. Von den über
25
64 Jährigen nutzen noch 53% der Befragten das Internet im letzten Monat (Bundesamt für
Statistik, 2006, S. 19). Das Gleiche lässt sich auch bei der Häufigkeit, der Frequenz und der
Nutzungsdauer feststellen (Bundesamt für Statistik, 2006, S. 22ff). Aus diesen Zahlen lässt
sich
herauslesen,
dass
die
jüngere
Generation
das
Internet
intensiver
als
Kommunikationsmittel nutzt. Die Jungen pflegen in Online-Communities und Netzwerken
wie Facebook Freundschaften. Der grösste Nutzungszweck vom Internet ist das E-Mail.
90% nutzen das Internet zum Senden und Empfangen von E-Mails (Bundesamt für
Statistik, 2006, S. 26). Das Internet ist ein Kommunikationsmittel, welches von der jüngeren
Generation
stärker
eingesetzt
wird.
Aus diesem
Grund wird
–
entgegen den
Untersuchungen beim WOM - davon ausgegangen, dass die jüngere öfters als die ältere
Generation virale Marketingkampagnen weiterleiten.
Hypothese 13:
Junge Menschen leiten virale Marketingkampagnen öfters weiter
als ältere Menschen.
Bildungsniveau
Die Untersuchungen von Fails und Francis haben auch ergeben, dass je höher das
Bildungsniveau ist, desto geringer die Weiterempfehlungsbereitschaft wird (1996, zit. in
Wangenheim, 2002, S. 121). Fraglich ist, ob diese Korrelation ebenfalls für die
Weiterempfehlungsbereitschaft von viralen Botschaften im Internet gilt. Denn bei der
Internetnutzung zeigt sich eine markante Differenz zwischen den Bildungsniveaus. So
nutzen in einem Monat 62% der Personen mit einer obligatorischen Schulausbildung das
Internet, mit einer höheren Schulbildung hingegen 88% der Personen (Bundesamt für
Statistik, 2006, S. 19). Aus dieser Erkenntnis kann die These aufgestellt werden, dass
Personen mit einer höheren Bildung vermehrt virale Botschaften weiterleiten, weil sie das
Internet intensiver nutzen, vertrauter mit diesem Medium sind und es intensiver als
Kommunikationsmittel nutzen. Diese These vermutet eine entgegengesetzte Korrelation
zwischen Bildungsstand und Weiterleitungsquote zu den Ergebnissen von Fails und
Francis. Es ist schwierig, für die Untersuchung eine Korrelation korrekt vorauszusagen. Der
Autor tendiert jedoch zur positiven Korrelation. Die intensive Nutzung des Internet als
Kommunikationsmittel bei den Menschen mit hoher Ausbildung spricht dafür, dass dieses
Segment auch vermehrt über virale Marketingbotschaften kommuniziert und diese
überdurchschnittlich oft weiterversendet.
Hypothese 14:
Menschen mit hoher Ausbildung leiten virale Marketingkampagnen
häufiger weiter als Menschen mit geringer Ausbildung.
26
Internetnutzung
Das Bundesamt für Statistik beschreibt in der Zusammenfassung ihrer Ergebnisse zur
Internetnutzung in den Haushalten der Schweiz: „Der typische Internetnutzende ist jung,
männlich und besitzt ein höheres Bildungsniveau“ (2006, S. 36). Unter Berücksichtigung der
Hypothesen zwölf bis vierzehn kann folglich ein direkter Zusammenhang zwischen
Internetnutzung,
Nutzungsintensität
und
Nutzungsfrequenz
und
dem
Weiterleitungsverhalten angenommen werden. Denn wenn das Internet intensiver genutzt
wird, wird auch der am häufigsten genannte Verwendungszweck das Versenden und
Erhalten elektronischer Nachrichten intensiver genutzt. So finden mehr Mails den Weg in
die Mailbox und mehr Mails werden geschrieben. Es ist anzunehmen, dass dann auch
vermehrt virale Marketingkampagnen, welche empfangen werden, weitergeleitet werden.
Hypothese 15:
Intensive Internetnutzer leiten virale Marketingkampagnen häufiger
weiter als gelegentliche Internetnutzer.
Zusammenfassung der demografischen Faktoren
Zusammengefasst lässt sich sagen, dass davon ausgegangen wird, dass das
Weiterleitungsverhalten von viralen Botschaften von moderierenden Variablen beeinflusst
wird. So werden das Alter, das Geschlecht, das Bildungsniveau und die Internetnutzung als
mögliche Faktoren angesehen. Bei der Vermutung der Korrelation wurde das spezifische
Medium „Internet“ mit seinen Eigenschaften stark gewichtet. So wird vermutet, dass
intensive Internetnutzer einen höheren Weiterleitungsquotienten gegenüber sporadischen
Nutzer aufweisen. Da intensive Nutzer typischerweise männlich, jung und ein hohes
Bildungsniveau aufweisen, lassen sich die Korrelationen auch auf das Geschlecht, Alter
und das Bildungsniveau einzeln übertragen. Zu betonen bleibt jedoch, dass bei den
Hypothesen auch noch andere Aspekte eine Rolle spielen. Beispielsweise geht man davon
aus, dass Männer die unpersönliche Kommunikationsform des Internets stärker als die
Frauen mögen und dadurch auch vermehrt über dieses Medium kommunizieren.
3.3
Nachdem
Das Modell im Überblick
nun
die
einzelnen
Determinanten
vorgestellt
wurden,
welche
das
Weiterleitungsverhalten beeinflussen, werden sie an dieser Stelle in einem Modell
visualisiert, um damit einen Überblick zu erhalten. Wie bereits erläutert, lassen sich die
Determinanten in die beiden Kategorien „Kampagnengut“ und „Beziehungsaspekte“
(Meinungsführerschaft, Risiko, Empfang) einordnen. Die demografischen Faktoren werden
als nicht beeinflussbare Variablen angesehen.
27
Unabhängige Variable
Abhängige Variable
„Ursache“
„Wirkung“
Exogen
Endogen
Meinungsführerschaft
Marktinvolvement
Innovationsneigung
Freude/Unterhaltung
Kampagnengut
Humor
Überraschung
Weiterleitung
Gewalt
Abscheu/Schock
Erotik
Risiko
Soziales Risiko
Empfang
Empfang
Demografische Faktoren
Internetnutzung
Alter
Bildungsniveau
Geschlecht
Demographische Faktoren
Abbildung 3: Die Determinanten, welche das Weiterleitungsverhalten beeinflussen (eigene Darstellung)
28
4
Empirische Untersuchung
Der Ablauf der empirischen Untersuchung folgt in zehn Schritten gemäss dem Schema von
Herrmann (2004, S. 8), welches in Abbildung 4 visualisiert ist. Übergeordnet sind dies, die
drei Hauptschritte Hypothesenbildung (Schritt 1-3), das Design (Schritt 4-7) der empirischen
Untersuchung und die Auswertung der Ergebnisse (Schritt 8-10). Der Vollständigkeit und
der Nachvollziehbarkeit halber werden jeweils zu jedem der zehn Schritte die Überlegungen
erläutert.
1. Spezifikation des Untersuchungsgegenstandes
2. Festlegung der potenziell relevanten Informationsquellen
3. Formulierung geeigneter Hypothesen
4. Festlegung des Untersuchungs- und Analysedesigns
5. Auswahl der Erhebungsinstrumente
6. Planung der zu realisierenden Stichprobe
7. Erhebung und Erfassung der Daten
8. Auswertung der verfügbaren Daten
9. Ergebnispräsentation und Berichterstellung
10. Bewertung der bereit gestellten Informationen
Abbildung 4: Ablauf der Studie in zehn Schritten (In Anlehnung an Herrmann, 2004, S. 8).
4.1
Spezifikation des Untersuchungsgegenstandes
Die Auswahl der zu untersuchenden Forschungsobjekte fiel auf vier virale Videoclips. Man
hat sich bewusst dafür entschieden, vier kurze Filme auszuwählen, damit die
Vergleichbarkeit unter den Filmen nicht von der Form und deren Spezifika abhängig ist.
Wichtig
für
die
Auswahl
war
ebenfalls,
dass
es
sich
um
erfolgreiche
virale
Marketingkampagnen handelt, da dadurch sichergestellt werden konnte, dass sie die
Charakteristiken der Erfolgsfaktoren für Viral Marketing aufweisen. Man versuchte zudem
aktuelle Clips auszuwählen, um so zu verhindern, dass diese den Teilnehmenden der
Untersuchung bereits bekannt waren. Im Folgenden sollen die vier ausgewählten Spots
kurz vorgestellt werden.
4.1.1
CWS „Say no to dirt“
Das Unternehmen CWS beschreibt Ihr Angebot wie folgt: „CWS bietet umfassende
Hygienelösungen für alle Unternehmen und Branchen.“ (CWS). Eine wahrlich nicht ganz
einfache Aufgabenstellung für eine Werbeagentur, eine gelungene Werbung für
29
Hygieneprodukte zu realisieren. Die Werbeagentur Jung von Matt/Alster ist es gelungen, für
Clean Washroom Solutions einen viralen Clip zu produzieren, über den jeder spricht und
welcher um die ganze Welt gegangen ist. Im Spot mit dem Namen „Say no to dirt“ erlebt
eine Partygängerin eine unfreiwillige Produktvorführung einer selbst reinigenden Klobrille
(vgl. Abbildung 5). Die junge Frau betritt die Toilette einer edlen Diskothek, um sich dort
ihrem Kokainkonsum zu widmen. Jedoch saugt die selbstreinigende Klobrille das weisse
Pulver schneller weg als die Frau selbst dies tun konnte. Die Dame ist entrüstet, der
Sloganaufruf
„Say
no
to
dirt“
wird
eingeblendet.
(vgl.
Gesamtverband
Kommunikationsagenturen). Der Clip spielt sehr stark mit der Schadenfreude. Man macht
sich lustig über die Dame. Dies stellt vermutlich einen Erfolgsfaktor für diesen Clip dar. Der
Spot verbreitete sich rasant. Allein auf Youtube.com verzeichnet der Film über 750„000
Klicks (Stand 21. 11. 2007).
Abbildung 5: CWS-Spot „Say no to dirt“
4.1.2
Sprite Zero, no bull***t
Nach dem Erfolg von Coke Zero werden nun auch die anderen Produktmarken aus dem
Hause Coca-Cola um die Produkte Zero erweitert. So gibt es auch in der Schweiz seit 2008
Sprite Zero und Fanta Zero. In den nördlichen Ländern Dänemark, Schweden und Finnland
wurde
das
Produkt
Sprite
ZERO
bereits
2007
lanciert.
In
der
integrierten
Produkteinführungskampagne mit Print, Outdoor und Radio spielte ebenso das VM eine
wichtige Rolle (GoViral, 2007a). So wurde ein von den „Jack Ass“ Filmen inspirierter viraler
Clip produziert (vgl. Abbildung 6). Darin überraschen einige Kollegen ihren schlafenden
Freund. Der als lustig gedachte „Katapult-Scherz“ endet in einem unerwarteten Unfall
(GoViral, 2007a). Der Clip endet mit dem Slogan „Friendship is overrated. No Sugar, No
Bull***t“.
Das Ziel des Spots lag darin, die Aufmerksamkeit für das neue Produkt zu steigern. Die
angestrebten 135„000 Views wurde bei weitem überboten. Mehr als drei Millionen
Menschen haben den Clip gesehen, bereits im ersten Monat wurde er mehr als eine Million
30
Mal betrachtet. Der Spot war in über 2800 Webseiten und Blogs ein Thema (GoViral,
2007a).
Abbildung 6: Spot „Sprite Zero“
4.1.3
JBS Underwear
Wie sehen Werbungen für Herrenunterwäsche aus? Fast überall nehmen die Werber
durchtrainierte männliche Models, welche das Produkt „Unterwäsche“ vorführen. Aus der
Reihe tanzt dabei „JBS“, der laut eigenen Angaben führende und grösste Hersteller von
Herrenunterwäsche in Dänemark (vgl. JBS). Bei ihren Anzeigen zeigt das Unternehmen
JBS weibliche Models in männlichen Posen, welche Herrenunterwäsche tragen. Der Slogan
dazu:
„Men
don„t
want
to
look
at
naked
men.“
Mit
der
Änderung
der
Kommunikationsstrategie 2006 und der verjüngten Zielgruppe der 17 – 35 jährigen Männer
entstand die Idee eines viralen Marketing Spots. Die Kampagne zeigt eine junge Frau,
welche nach einer wilden Hausparty in Katerstimmung aufwacht, nur mit einer JBSUnterhose bekleidet, und dabei Dinge verrichtet, welche Männer gewöhnlich machen (vgl.
Abbildung 7). Sie kratzt sich am Hintern, bereitet ihre Cornflakes anstatt mit Milch mit Bier
zu und schaut Autorennen. Der Spot spielt mit den Vorurteilen über Geschlechterrollen und
trifft somit den Nerv eines Themas, über welches immer wieder und oft diskutiert wird.
Der Spot wurde zuerst auf Internetseiten mit einer hohen Affinität für junge Männer in
Dänemark platziert, drei Wochen später erfolgte der Launch in Norwegen (GoViral, 2007b)
Der Erfolg dieses viralen Werbespots darf sich sehen lassen. Mehr als eine Million
Menschen haben den Clip in der ersten Woche angeschaut, nach zwei Monaten zählte er
sechs Millionen Views. Der Clip wurde in 206 Ländern gesehen und mehr als 1100
Websites und Blogs berichteten über diesen Spot (GoViral, 2007b).
31
Abbildung 7: JBS Underwear Spot
4.1.4
Quiksilver, the dynamite Surfing
Das Ziel der Quiksilver Kampagne lag darin, Surfklamotten in Ländern zu promoten, welche
über eine geringe bzw. über keine Surfkultur verfügen, um Quiksilver als trendige
Freizeitkleidermarke zu positionieren. Bestandteil der Kampagne war ein viraler Clip, in
welchem einige junge Surfer mithilfe von Dynamit eine künstliche Welle in Kopenhagen
erzeugen, auf welcher sie surfen können (vgl. Abbildung 8). Die Machart des Films wurde
so gewählt, dass der Eindruck einsteht, dass der Clip mit einer kleinen Handkamera
gedreht wurde. Dies sollte ein Gefühl der Authentizität auslösen (GoViral, 2007c). Die
Surfer waren maskiert, so dass der Eindruck entsteht, dass es sich dabei um eine illegale
Sache handelt (GoViral, 2007c).
Auch dieser Clip war sehr erfolgreich. Mehr als eine Million Views in der ersten Woche, 10.3
Millionen Views nach nur zwei Monaten. Der Clip wurde in mehr als 260 Webseiten und
Blogs thematisiert (GoViral, 2007c). Ein Erfolgsfaktor des Clips war der grosse
Diskussionsgehalt und die offenen Fragen des Spots. Ist es wirklich möglich, eine solche
Welle künstlich zu produzieren? Ist der Clip real oder nicht?
32
Abbildung 8: „Quiksilver dynamite surfing“ Spot
4.2
Festlegung der potenziell relevanten Informationsquellen
Zur Erhebung von Informationen stehen grundsätzlich zwei Varianten zur Verfügung:
Primärforschung und Sekundärforschung (Tscheulin & Helmig, 2004, S. 108). Da, wie
erwähnt, wenige Studien über die Motivation der Weiterleitung von Viral Marketing
Kampagnen existieren, wird für die Untersuchung eine Primärforschung gewählt. Die Daten
werden über eine Befragung gewonnen, da diese Möglichkeit für die Überprüfung von
Motiven für die Weiterleitung geeignet scheint. Die Umfrage baut jedoch auf den
Ergebnissen der Sekundärforschung auf.
4.3
Formulierung geeigneter Hypothesen
Die folgenden zwei zentralen Fragestellungen dienten als Ausgangslage zur Erarbeitung
der Hypothesen.
1) Welches sind die entscheidenden Erfolgsfaktoren, damit Massenmails angeschaut
und
weitergeleitet
werden?
Welche
Faktoren
haben
Einfluss
auf
die
Wahrscheinlichkeit auf das Weiterleiten von Mails?
2) Wie beeinflussen gewisse Faktoren die Wahrscheinlichkeit, dass Massenmails
angeschaut und weitergeleitet werden?
Die zwei zentralen Fragestellungen lassen erkennen, dass die Weiterleitung einer viralen
Marketingbotschaft an Freunde und Bekannte als abhängige Variable angesehen wird. Für
sie müssen als unabhängige Variable Prädikatoren gefunden werden, welche als Ursache
für die abhängige Variable „Weiterleitung“ angesehen werden kann. Welche ErklärungsVariablen beeinflussen die Prognose-Variable positiv wie negativ (Berekoven, Eckert &
Ellenrieder, 2006, S. 257)? Bevor die Zusammenhänge zwischen den Variablen
mathematisch analysiert werden können, müssen die Gründe und Motive für oder gegen
33
die Weiterleitung an Freunde und Bekannte von Viral Marketing Kampagnen eruiert werden
(vgl. Berekoven et al., 2006, S. 258). Das Modell muss daher möglichst präzise sein. Um
diesen erheblichen Prognoseaufwand zu verringern, wird zum Teil auf bereits vorhandene
Prognosen zurückgegriffen (vgl. Berekoven et al., 2006, S. 259) Es wird sowohl auf die
spärliche Forschung der Weiterleitung des Viral Marketing als auch auf die Forschung der
Motivation der Weiterempfehlung durch Kunden berückstichtigt (v.a. Wangenheim, 2003).
Diese Motivationsgründe können teilweise auf das aktuelle Forschungsprojekt adaptiert
werden.
Die Hypothesen wurden bereits im Kapitel 3 formuliert und sind nun zur Übersicht in der
Tabelle 3 visualisiert.
34
Hypothesen zum Beziehungsaspekt
Hypothese 1
Marktinvolvement
Hypothese 2
Innovationsneigung
Hypothese 3
Vorangegangene
Empfehlung
Hypothese 4
Soziales Risiko der
Weiterleitung
Hypothesen zum Kampagnengut
Hypothese 5
Unterhaltungswert
Hypothese 6
Humorgehalt
Hypothese 7
Virale Marketingkampagnen, deren Humor/Erotik sich „unter der
Gürtellinie“ befindet, erhöht bei Männern die Wahrscheinlichkeit,
dass sie weitergeleitet werden. Bei Frauen hingegen verringert sich
die Wahrscheinlichkeit, dass sie weitergeleitet werden.
Humor/Erotik „unter
der Gürtellinie“
Hypothese 8
vorkommen, werden öfters weitergeleitet als solche ohne derartigen
Inhalt.
Erotik
Hypothese 9
Je
höher
der
einer
viralen
Marketingkampagne ausfällt, desto höher ist die Wahrscheinlichkeit,
dass die Kampagne weitergeleitet wird.
Überraschung
Hypothese 10
Gewalt
Hypothese 11
Virale Marketingkampagnen, welche ein mittleres Mass an Abscheu
und schockierenden Elementen aufweisen, werden häufiger
weitergeleitet, als solche mit einem geringen oder hohen Mass an
Abscheu und schockierenden Elementen.
Abscheu
Hypothesen zu den demografischen Faktoren
Hypothese 12
Geschlecht
Hypothese 13
Junge Menschen leiten virale Marketingkampagnen öfters weiter als
ältere Menschen.
Alter
Hypothese 14
Bindungsniveau
Hypothese 15
Internetnutzung
Tabelle 3: Die fünfzehn Hypothesen im Überblick
Zu den im Kapitel 3 abgeleiteten Erfolgsfaktoren mussten einzelne Indikatoren gefunden
werden. Es wurde versucht, pro Faktor mit möglichst wenigen Indikatoren auszukommen.
So sind die jeweiligen Faktoren mit jeweils einem bis zwei Indikatoren beschrieben. In der
35
Befragung wurden die Erfolgsfaktoren durch im Folgenden aufgezählte Indikatoren
abgefragt.
Faktor
Marktinvolvement I
Marktinvolvement II
Indikator
Mir macht es Spass, anderen Tipps bei der Wahl von Produkten und
Dienstleistungen zu geben.
Für Bekannte und Freunde bin ich eine gute Informationsquelle für neue Produkte
und Dienstleistungen.
Faktor
Innovationsneigung
I
Innovationsneigung
II
Indikator
Wenn neue Produkte und Dienstleistungen auf den Markt kommen, gehöre ich zu
den ersten, die diese kaufen.
Es freut mich, wenn ich neues und interessantes im Internet entdecke.
Faktor
Freude/Unterhaltung
I
Freude/Unterhaltung
II
Indikator
Dieses Video ist spannend.
Faktor
Humor I
Humor II
Indikator
Dieses Video ist lustig.
Dieses Video macht sich über andere lustig.
Faktor
Nacktheit/Erotik I
Nacktheit/Erotik II
Indikator
In diesem Video kommen Nacktheit und/oder Erotik vor.
1
Dieses Video ist unter der Gürtellinie.
Faktor
Überraschung I
Überraschung II
Indikator
Dieses Video ist einzigartig.
Dieses Video ist überraschend.
Faktor
Abscheu/Schock I
Abscheu/Schock II
Indikator
Dieses Video ist schockierend.
Dieses Video ist abstossend.
Faktor
Gewalt
Indikator
Dieses Video ist gewalttätig.
Faktor
Empfang
Faktor
Soziale Risiko
Dieses Video ist unterhaltsam.
Indikator
Dieses Video wurde mir bereits einmal empfohlen.
Indikator
Das Risiko ist gross, dass bei einer Weiterleitung meine Kollegen das Video nicht
gut finden.
Faktor
Indikator
Weiterleitung
Den Link zu diesem Video leite ich an Freunde/Bekannte weiter.
Tabelle 4: Erfolgsfaktoren mit ihren Indikatoren
1
Dieser Indikator stellte sich bei der empirischen Untersuchung als ungeeignet für den Faktor „Nacktheit/Erotik“
heraus. Detailliert wird auf die Problematik im Abschnitt 5.3 eingegangen.
36
4.4
Festlegung des Untersuchungs- und Analysedesigns
Es wurde eine Online-Befragung als Design gewählt. Die Vorteile wurden gegenüber den
Nachteilen als wichtiger eingestuft. Die Schnelligkeit, die Preisgünstigkeit und die
Zeitersparnis durch die bereits vorliegenden digitalen Daten sprachen als Vorteile für eine
Online-Befragung.
Die
Nachteile
wurden
soweit
wie
möglich
minimiert,
indem
beispielsweise versucht wurde, ein möglichst heterogener Teilnehmerkreis zu finden.
Die Methodik der Datenerhebung ist in der Abbildung 9 visualisiert. Es handelt sich um eine
nicht-experimentelle Forschung über eine schriftliche Online-Befragung.
Methoden der Datenerhebung
Experimentelle
Forschung
NichtExperimentelle
Forschung
Beobachtung
Persönlich
Befragung
Telefonisch
Schriftlich
Postalisch
Online
Abbildung 9: Gewählte Methoden der Datenerhebung (In Anlehnung an Odekerken-Schröder 1999, S. 84)
4.5
Auswahl der Erhebungsinstrumente
Sowohl die unabhängigen Variablen als auch die abhängige Variable werden mittels
Rating-Skalen abgefragt. Rating-Skalen liefern streng genommen nur ordinal skalierte
Angaben. Es wird jedoch angenommen, dass die Abstände auf der Skala von den
Befragten als gleiche Intervalle aufgefasst werden. Aus dieser Argumentationslogik dürfen
die Messdaten als metrisch behandelt werden (Berekoven et al., 2006, S. 75).
Dieses Setting führt dazu, dass als multivariates Analyseverfahren die multiple
Regressionsanalyse verwendet werden kann, da beide Variablentypen als metrisch
eingestuft werden dürfen. Abbildung 10 zeigt das gewählte Dependenzanalyseverfahren.
37
Dependenzanalyse
(einseitige Abhängigkeit)
abhängige Variable
metrisch
abhängige Variable
nicht metrisch
unabhängige
Variable metrisch
--> Multiple
Diskriminaznanalyse
--> Logistische
Regression
unabhängige
Variable nicht
metrisch
unabhängie
Variable metrisch
--> Multiple
Regressionsanalyse
-> Multiple
Varianzanalyse
unabhängige
Variable nicht metrich
--> Baumanalyse
Abbildung 10: Gewähltes multivariates Analyseverfahren (In Anlehnung an: Berekoven et al., 2006, S. 211 und
Herrmann, Homburg, Pflesser & Klarmann, 2008, S. 164)
Es
wird
mit
einer
siebenstufigen
Skalenabstufung
gearbeitet.
Die
sieben
Skalenabstufungen reichen von „Ich stimme überhaupt nicht zu“ bis „Ich stimme voll und
ganz zu“. Die Anzahl der zu verwendeten Skalenstufen ist in der Literatur nicht
unumstritten. Jedoch wird der Vorteil höher gewichtet, dass die Befragten differenziertere
Antworten geben können gegenüber dem Nachteil, dass die Befragten überfordert werden
und nicht mehr zwischen den Antwortkategorien differenzieren können (Heitmann, 2005, S.
253)
Die Reihenfolge der Fragen wird wie folgt bestimmt. Die Umfrage beginnt mit vier
allgemeinen Fragen zum Empfang und Weiterleitung von Mails mit der Empfehlung oder
dem Link auf etwas Interessantes oder Lustiges im Internet. Danach folgen vier Fragen zu
Marktinvolvement und Innovationsneigung. Diese Fragen sind den folgenden vier
Videoclips-Beispielen übergeordnet. Damit soll der Aspekt der Meinungsführerschaft
abgefragt werden. Nach diesen kurzen Einleitungsfragen folgen bereits die Beispielfragen
mit den einzelnen Video Clips. Einige allgemeine Fragen zum Viral Marketing folgen darauf
und schliesslich werden die persönlichen Angaben zur Person abgefragt. Der komplette
Fragebogen ist im Anhang der Arbeit zu finden.
Mit dieser Reihenfolge wird versucht, eher einfachere und interessante Fragen zu Beginn
der Umfrage zu stellen, um so die Abbruchquote der Teilnehmenden möglichst gering zu
halten (vgl. Ausführungen von Tscheulin & Helmig zur Dramaturgie eines Fragebogens,
2004, S. 191).
38
Die Entwicklung des Fragebogens war sehr wichtig, weil die Entwicklung des
Erhebungsinstruments für Marktforschung von grosser Bedeutung ist und es sich um ein
Struktur-prüfendes Verfahren handelt. Aus diesem Grund sind die Ergebnisse stark vom
Frageboden abhängig.
4.6
Planung der zu realisierenden Stichprobe
Bei der Planung der zu realisierenden Stichprobe muss zuerst die folgende wichtige Frage
beantwortet werden: „Wer soll befragt werden, wessen Antworten interessieren?“
(Berekoven et al., 2006, S. 49). Folgende Zielgruppe wird anvisiert: Junge Menschen im
Alterssegment bis 29 Jahren, welche oft bzw. fast täglich einen Computer und das Internet
benutzen. Sie sollten bereits in Kontakt mit Viral Marketing Kampagnen gekommen sein
und sind oft auch die Zielgruppe für solche Kampagnen.
Die anvisierte Zielgruppe dient als Grundgesamtheit. Da eine Vollerhebung aus finanziellen,
zeitlichen und organisatorischen Gründen (vgl. Berekoven et al., 2006, S. 51.) nicht in
Frage kam, wird die Untersuchung mit einer Stichprobe (Sample) von anvisierten 100
Probanden eine Teilerhebung durchgeführt. Damit aus den Ergebnissen der Teilerhebung
auf die Grundgesamtheit geschlossen werden kann, wird versucht eine möglichst
repräsentative Stichprobe zu rekrutieren. Aus Aufwand- und Kostenüberlegungen muss
jedoch ein einfaches Stichprobenauswahlverfahren gewählt werden, welches einen nicht
optimalen qualitativen Anspruch der Erhebungsmethode aufweist. Es wird mit einer
selbstselektierten Erhebung ohne Zugangsbeschränkung gearbeitet (vgl. Lütters, 2004, S.
70). Unter Verzicht auf eine systematische Auswahl erfolgt die Online-Befragung durch
Einladung per Mail oder durch eine Message in der Netzwerkcommunity Facebook bzw.
durch Weiterleiten dieses Mails oder dieser Message an weitere interessierte Freunde und
Bekannte (sogenanntes Viral Marketing der Viral Marketing Umfrage). Somit steht die
Umfrage theoretisch allen Menschen mit Internetzugang zur Verfügung. Da der Zugang
folglich offen und weitgehend unkontrolliert ist (Lütters, 2004, S. 70), ist es wichtig kritisch
zu hinterfragen, damit der Anspruch zu generalisieren, erfüllt wird.
4.7
Erhebung und Erfassung der Daten
Es wurde mit der Online-Befragungssoftware Umfragecenter 5.0 von Globalpark gearbeitet,
welche speziell für Hochschulen, Universitäten und Forschungseinrichtungen konzipiert ist.
Die
Software
ermöglicht
eine
einfache
Aufsetzung
der
Umfrage,
stetige
Kontrollmöglichkeiten und einen einfachen Export der Ergebnisse für eine statistische
Auswertung. Die Daten wurden von Ende November 2007 bis Ende Januar 2008 erhoben.
4.8
Auswertung der verfügbaren Daten
39
Die Daten wurden mit dem Statistikprogramm „SPSS 15 for Windows“ ausgewertet. Als
Einführung in die Welt von SPSS dienten dem Autor folgende drei Nachschlagewerke:
Jansen & Latz, 2005; Bühl, 2006; Brosius, 2006. Die wichtigsten Auswertungen finden sich
im Anhang (vgl. Anhang B).
Die nach Herrmann letzten drei Schritte einer empirischen Untersuchung (2004, S. 8)
werden zwecks der Wichtigkeit im nächsten, als eigenstehendes, Kapitel behandelt. Darin
werden die Ergebnisse der Auswertung der verfügbaren Daten präsentiert und die bereit
gestellten Informationen kritisch bewertet.
40
5
Ergebnisse der Untersuchung
Ziel dieses Kapitels ist es, die Ergebnisse der empirischen Untersuchung zu präsentieren
und so die im Kapitel 3 hergeleiteten Hypothesen zu überprüfen.
5.1
Teilnehmerkreis
Die elektronische Umfrage war während 63 Tagen vom 29. November 2007 bis zum 31.
Januar 2008 online geschaltet. In diesem Zeitraum haben 324 Personen auf den Link zur
Umfrage geklickt, wovon insgesamt 251 Personen an der Befragung teilgenommen haben.
Von dieser Gesamtteilnehmerzahl haben total 158 Personen (63%) den Fragebogen
komplett ausgefüllt. Bei der Auswertung werden nur die komplett ausgefüllten Fragebogen
berücksichtigt. Dies ergibt somit ein Gesamtsample von 158 Antwortenden und das Ziel von
mindestens 100 Antworten wurde somit mehr als erfüllt.
Die Konzeption des Online-Fragebogens bringt es mit sich, dass alle Befragten Zugang zu
einem Mailkonto und dem Internet hatten. Diese Einengung des Teilnehmerkreises stellt
kein
Problem
bezüglich
Verfälschung
der
Ergebnisse
dar,
da
das
virale
Weiterleitungsverhalten im Medium Internet untersucht wird und dies auf die Zielgruppe der
Internetnutzer beschränkt sein muss.
Von den Teilnehmenden sind 52% (82 Personen) weiblich und 48% (76 Personen)
männlich. 23% (36 Personen) der Befragten sind unter 18 Jahre alt, 67% (106 Personen)
zwischen 19 – 29 Jahren, 5% (8 Personen) zwischen 30 – 39 Jahren, 3% (5 Personen)
zwischen 40 – 49 Jahren und 2% (3 Personen) über 50 Jahre. Das Alter der Befragten zeigt
deutlich auf, dass keine demografisch repräsentative Abbildung erreicht wird. 90% der
Teilnehmenden ist unter 29 Jahre alt, lediglich 10% der Befragten ist älter als 29 Jahre.
Diese nicht demografische Verteilung zeigt sich auch bei der Aufteilung der Berufsgruppen
und der zuletzt abgeschlossenen Ausbildung. So bezeichnen sich 50% (79 Personen) der
Befragten als Studierende und 22% (35 Personen) als Schülerinnen und Schüler.
Arbeitende sind in der Minderheit. So sind 15% (23 Personen) Angestellte ohne leitende
Funktion, 3% (5 Personen) Angestellte mit leitender Funktion und 5% (8 Personen) gelten
als selbständig Erwerbende. Bezüglich zuletzt abgeschlossener Ausbildung zeigt sich, dass
eine Mehrheit über einen Hochschulabschluss (36%) oder ein Maturitätszeugnis (31%)
verfügen. Über keinen Abschluss verfügen 17% der Befragten. Dieser hohe Anteil geht
darauf zurück, dass viele der unter 18 Jährigen sich noch in Ausbildung befinden und somit
erst einen Abschluss anstreben. Die Berufslehre ist mit 8% klar untervertreten.
Bei der Internetnutzung zeigen die Befragten folgendes Nutenverhalten: 26% (41 Personen)
nutzen das Internet über 15 Stunden pro Woche, 16% (25) zwischen 11 und 15 Stunden,
30% (47) zwischen 6 und 10 Stunden, 25% (40) zwischen 1 und 5 Stunden und lediglich
41
3% (5) nutzen es weniger als 1 Stunde pro Woche. Im Vergleich zur Studie der
Internetnutzung des Bundesamtes für Statistik im Jahr 2004 zeigt sich, dass die Befragten
das Internet überdurchschnittlich nutzen (2006, S. 24). Dies lässt sich jedoch damit
erklären, dass vor allem eine junge Gruppe mit hoher Ausbildung befragt wurde, welche
laut dieser ebengenannten Studie das Internet ebenfalls überdurchschnittlich nutzen (2006,
S. 24). Zudem kann vermutet werden, dass sich die Internetnutzung zwischen der
Untersuchung des Bundesamtes im Jahr 2004 und der eben durchgeführten Befragung
Ende 2007 bzw. Anfangs 2008 intensiviert hat. Im Überblick sind die Häufigkeiten in der
Tabelle 5 visualisiert.
Es bleibt nochmals zu erwähnen, dass die Stichprobe kein „verkleinertes Abbild“ darstellt
und somit von ihr aus kein Schluss auf die Gesamtheit erlaubt ist (Hartung, 2002, S. 315).
Dennoch eignet sich die Stichprobe, da sie die gleiche Gruppe darstellt, welche für Viral
Marketing von besonderem Interesse ist: Junge Menschen bis 29 Jahren, welche das
Internet sehr aktiv und intensiv nutzen.
Da es sich um eine Art „Focus Group Study“ handelt, können interessante Schlüsse auf
diese im Viral Marketing oft bearbeitete und wichtige Zielgruppe der jungen aktiven
Internetnutzer gezogen werden.
Alter
Gült ig
Unter 18 Jahre
19 - 29 Jahre
30 - 39 Jahre
40 - 49 Jahre
Über 50 Jahren
Gesamt
Häuf igkeit
36
106
8
5
3
158
Gült ige
Prozente
22.8
67.1
5.1
3.2
1.9
100.0
Prozent
22.8
67.1
5.1
3.2
1.9
100.0
Kumulierte
Prozente
22.8
89.9
94.9
98.1
100.0
Geschlecht
Gült ig
Frau
Mann
Gesamt
Häuf igkeit
82
76
158
Prozent
51.9
48.1
100.0
Gült ige
Prozente
51.9
48.1
100.0
Kumulierte
Prozente
51.9
100.0
Berufsgruppe
Häuf igkeit
Gült ig
Angestellte(r) mit
leitender Funktion
Angestellte(r) ohne
leitende Funktion
Selbständig Erwerbender
St uden(in)
Schüler(in)
Anderes
Gesamt
Prozent
Gült ige
Prozente
Kumulierte
Prozente
5
3.2
3.2
3.2
23
14.6
14.6
17.7
8
79
35
8
158
5.1
50.0
22.2
5.1
100.0
5.1
50.0
22.2
5.1
100.0
22.8
72.8
94.9
100.0
42
Ausbildung
Gült ig
Beruf slehre
Maturität
St udium
Kein Abschluss
Anderes
Gesamt
Häuf igkeit
13
49
57
27
12
158
Prozent
8.2
31.0
36.1
17.1
7.6
100.0
Gült ige
Prozente
8.2
31.0
36.1
17.1
7.6
100.0
Kumulierte
Prozente
8.2
39.2
75.3
92.4
100.0
Internetnutzung
Gült ig
Weniger als 1 Stunde
1 - 5 Stunden
6 - 10 Stunden
11 - 15 Stunden
Über 15 Stunden
Gesamt
Häuf igkeit
5
40
47
25
41
158
Prozent
3.2
25.3
29.7
15.8
25.9
100.0
Gült ige
Prozente
3.2
25.3
29.7
15.8
25.9
100.0
Kumulierte
Prozente
3.2
28.5
58.2
74.1
100.0
Tabelle 5: Stichprobenprofil nach Geschlecht, Alter, Beruf, Ausbildung und Internetnutzung
5.2
Allgemeine Bekanntschaft mit Viral Marketing
84% (N=133) der Befragten haben im letzten Monat virale Botschaften per Mail erhalten.
Von allen Befragten haben 40% solche virale Mails im letzten Monat an ihre Freunde
und/oder Bekannten weitergeleitet. Im Durchschnitt haben die Befragten 6.4 Mails erhalten
und 2.4 Mails weitergeleitet. Von denjenigen, welche Mails empfangen haben, haben 72%
weniger als zehn Mails erhalten. 28% haben zehn und mehr Mails erhalten. Insgesamt
wurden nach Angaben der Befragten 1009 Mails empfangen. 387 Mails davon wurden
weitergeleitet. 80% der Personen, welche Mails weitergeleitet haben, haben zwischen
einem und fünf Mail an ihre Freunde weiterversandt. Die übrigen 20% der Weiterleiter
haben mehr als fünf Mails weiterempfohlen. 65% aller weitergeleiteten Mails gehen auf das
Konto dieser 20% der intensiven Weiterleiter. Es kann festgehalten werden, dass ein kleiner
Anteil von 8.2% aller Befragten bzw. 20% der Weiterleiter für virale Marketer besonders
wichtig sind, da sie für die Mehrheit der Weiterleitungen zuständig sind. Diese Gruppe von
Menschen können als „Viral Maven“ definiert werden, da sie viele Mails empfangen und
vielen weiterleiten (Phelps et al., 2004, S. 344).
5.3
Reliabilitätsanalyse der Items
Bevor mit der Auswertung begonnen wird, sollten zunächst die einzelnen Faktoren auf ihre
Korrelation untersucht werden. Einzelne Faktoren wurden mittels zwei Indikatoren
gemessen. Diese Items sollten eine hohe Korrelation zueinander aufweisen, da sie dem
gleichen Faktor zugeordnet werden. Nur wenn die Items miteinander korrelieren, scheint es
sinnvoll, ihnen denselben Hintergrundfaktor zugrunde zu legen (Brosius, 2006, S. 801). Um
diese Korrelation abzuklären werden die Inter-Item-Korrelation-Werte und das Cronbachs
Alpha, welches umso höher wird, je stärker die einzelnen Items miteinander korrelieren
43
(Brosius, 2006, S. 801), genauer betrachtet. Die einzelnen Werte sind in Tabelle 6
zusammengefasst. Der Faktor „Nacktheit/Erotik“ schneidet bei der Korrelation sehr schlecht
ab. Die Korrelation ist mit 0.18 sehr gering und es ist nicht sinnvoll, die beiden Items zu
einer Skala zusammenzufassen. Zu erklären ist dies mit den sehr unterschiedlichen Items.
Einerseits wird der Erotikgehalt abgefragt, andererseits fragt man danach, ob ein Spot
„unter der Gürtellinie“ liegt. Der zweite Indikator ist nicht expliziert auf die Erotik bezogen,
sondern ebenso auf andere Faktoren wie beispielsweise Humor. Dieser Problematik war
man bereits bei der Erarbeitung der Umfrage bewusst 2 . Mit Hinblick auf die anderen
Faktoren zeigt sich, dass das Item „Unter der Gürtellinie“ eigentlich besser zum Faktor
„Abscheu/Schock“ gehört. Denn bei diesem Faktor geht es um das Provokative, das
Abstossende, das an die Grenzen-des-guten-Geschmacks-Gehende. Diese Vermutung
bestätigt die Korrelationsanalyse von „Nacktheit/Erotik 2“ mit den Items der Faktoren
„Abscheu/Schock“. Die Inter-Item-Korrelationsmatrix ergibt für „Nacktheit/Erotik 2“ 0.682
bzw. 0.478. Aus diesem Grund wechselt das Item „Nacktheit/Erotik 2“ von dem geplanten
Faktor „Nacktheit/Erotik“ zum Faktor „Abscheu/Schock.
Die anderen Inter-Item-Korrelationen können zumindest als zufriedenstellend angesehen
werden. Um für alle Faktoren das gleiche Skalenniveau beizubehalten, werden
Durchschnittswerte aus den einzelnen Items für die Faktoren gebildet.
Faktoren
Inter-Item
Cronbach
Korrelation
Alpha
Marktinvolvement 1 – Marktinvolvement 2
0.594
0.744
Innovationsneigung 1 – Innovationsneigung 2
0.397
0.569
Freude/Unterhaltung 1 – Freude/Unterhaltung 2
0.625
0.769
Humor 1 – Humor 2
0.338
0.503
Überraschung 1 – Überraschung 2
0.473
0.641
Abscheu/Schock1 - Abscheu/Schock 2
0.485
0.653
Nacktheit/Erotik 1 – Nacktheit/Erotik 2
0.180
0.295
Tabelle 6: Reliabilitätsanalyse der Items
5.4
Globale Prüfung der Regressionsfunktion
Bevor die einzelnen Hypothesen bzw. die einzelnen Regressionskoeffizienten nach ihrer
Güte überprüft werden, soll an dieser Stelle ein Überblick über die vier einzelnen
Videospots und ihre allgemeinen Ergebnisse präsentiert werden und somit die
Regressionsfunktion als Ganzes geprüft werden. Die vier viralen Spots unterscheiden sich
teilweise hinsichtlich ihrer Regressionsgleichung bei den einzelnen Faktoren beträchtlich.
Ausgegangen wird jeweils von der Vermutung folgender multipler Beziehung:
2
Siehe Abschnitt 4.3
44
𝑌 = 𝑓(𝑋1 , 𝑋2 , 𝑋3 , 𝑋4 , 𝑋5 , 𝑋6 , 𝑋7 , 𝑋8 , 𝑋9 , 𝑋10 )
Die Regressionsgleichung hat folgende Form:
𝑌 = 𝑏0 + 𝑏1 𝑋1 + 𝑏2 𝑋2 + 𝑏3 𝑋3 + 𝑏4 𝑋4 + 𝑏5 𝑋5 + 𝑏6 𝑋6 + 𝑏7 𝑋7 + 𝑏8 𝑋8 + 𝑏9 𝑋9 + 𝑏10 𝑋10
Das Bestimmtheitsmass (R²), die F-Statistik und der Standardfehler der Schätzung werden
als globale Gütemasse zur Prüfung der Regressionsfunktion herangezogen (Backhaus,
Erichson, Plinke & Weiber, 2006, S. 63).
5.4.1
Bestimmtheitsmass (R²)
Das Bestimmtheitsmass R² berechnet sich aus der Relation zwischen der erklärten
Streuung
zur
Gesamtstreuung
und misst somit
die
Güte der
Anpassung
der
Regressionsfunktion (Backhaus et al., 2006, S. 64). Je grösser das Bestimmtheitsmass R²,
desto höher ist der Anteil der erklärten Streuung an der Gesamtstreuung, und desto besser
ist
die
Anpassung
der
Regressionsgeraden
(Brosius,
2006,
S.
551).
Das
Bestimmtheitsmass wird durch die Zahl der Regressoren beeinflusst und kann so durch die
Aufnahme von irrelevanten Regressoren zunehmen. Um diesen Sachverhalt zu
berücksichtigen lässt sich das korrigierte Bestimmtheitsmass verwenden (Backhaus et al.,
2006, S. 68).
Bei der Bestimmung von R² werden in diesem Schritt alle zehn unabhängigen Variablen
berücksichtigt. Bei der Regressionsanalyse der einzelnen viralen Spots ergeben sich
unterschiedliche Gütemasse wie Tabelle 7 zeigt.
Spots
R-Wert
R-Quadrat
Korrigiertes RQuadrat
Video 1
0.503
0.254
0.203
Video 2
0.576
0.332
0.287
Video 3
0.667
0.445
0.407
Video 4
0.570
0.325
0.279
Allgemein
0.566
0.320
0.309
Tabelle 7: Das Bestimmtheitsmass der Regressionsfunktion
Die Anpassung der Regressionsfunktion ist beim Video 1 am schlechtesten. Lediglich 25%
bzw. 20% nach dem korrigierten Bestimmtheitsmass der gesamten Streuung werden durch
die zehn unabhängigen Variablen erklärt. Somit bleiben 75% bzw. 80% der Abweichung
unerklärt. Die Schwankungen der Weiterleitungswerte sind also zu einem grossen Anteil
durch andere Einflüsse, die in der Regressionsgleichung nicht erfasst wurden,
zurückzuführen (vgl. Backhaus, 2006, S. 67). Die Videos 2 und 4 weisen höhere R-Werte
auf. So erklärt die Regressionsfunktion bei Video 2 33% bzw. 29% und bei Video 4 33%
45
bzw. 28% der gesamten Streuung. Das provokative Video 3 mit der Herrenunterwäsche
erzielt die höchste Güte der Anpassung. Mit einem R²-Wert von 0.445 bzw. einem
korrigierten R²-Wert von 0.407 ist der prozentuale erklärte Anteil der Gesamtstreuung
grösser als 40%.
Die Werte des Bestimmtheitsmasses sind als gering einzustufen. Unter Berücksichtigung
dass es sich dabei um eine verhaltenswissenschaftliche Studie handelt, können die Werte
jedoch als zufriedenstellend angesehen werden.
5.4.2
F-Statistik
Mit der F-Statistik kann die Frage beantwortet werden, ob die Zusammenhänge der
Variablen aus der Stichprobe auch auf die Grundgesamtheit Gültigkeit besitzen (Backhaus
et al., 2006, S. 68). Dazu wird folgende Nullhypothese formuliert, welche keinen
Zusammenhang zwischen abhängiger und den unabhängigen Variablen und die
Regressionskoeffizienten als Null annimmt:
𝐻0 : 𝛽1 = 𝛽2 = 𝛽3 = 𝛽4 = 𝛽5 = 𝛽6 = 𝛽7 = 𝛽8 = 𝛽9 = 𝛽10 = 0
Die empirischen F-Werte lassen sich aus Quadratsumme der Residuen und Regression
sowie den Freiheitsgraden des Zählers (10) und der Zahl der Freiheitsgrade des Nenners
(158 – 10 – 1 = 147) berechnen (vgl. Backhaus, 2006, S. 70). Für die vier viralen Spots
ergibt dies F-Werte nach Tabelle 8.
Viraler Spot
Regression
Residuen
F-Wert
Video 1
135.969
400.391
4.992
Video 2
191.997
386.187
7.308
Video 3
246.453
307.123
11.796
Video 4
162.065
336.289
7.084
(Allgemein
707.006
1500.068
29.269)
Tabelle 8: Empirische F-Werte
Diese empirischen F-Werte müssen nun mit den theoretischen F-Werten verglichen
werden. Dazu muss zuerst ein Signifikanzniveau vorgegeben werden (Backhaus et al.,
2006, S. 70). Es wird mit der üblichen Vertrauenswahrscheinlichkeit von 0.95 gearbeitet,
d.h. die Irrtumswahrscheinlichkeit liegt bei 5%. Mithilfe der F-Tabelle (Backhaus et al., 2006,
S. 810) ergibt dies mit diesem Signifikanzniveau einen theoretischen F-Wert zwischen 1.83
(Zahl der Freiheitsgrade des Nenners = unendlich) und 1.91 (Zahl der Freiheitsgrade des
Nenners = 120). Da alle vier empirischen F-Werte grösser als der aus der Tabelle
abgelesene theoretische F-Wert ist, kann die Nullhypothese verworfen werden. Der
Zusammenhang kann folglich als signifikant eingestuft werden (vgl. Backhaus et al., 2006,
S. 72). Zu betonen bleibt jedoch, dass es sich mit der F-Statistik nicht erübrigt, einzelne
Regressionskoeffizienten auf ihre Signifikanz zu testen (Jansen & Laatz, 2005, S. 419).
46
5.4.3
Standardfehler der Schätzung
Durch die Regressionsgerade sollen nicht nur die prognostizierten Werte im Durchschnitt
möglichst exakt den wahren Werten entsprechen, sondern es ist ebenfalls von Interesse,
wie stark die einzelnen geschätzten Werte von den prognostizierten Werten abweichen. Die
Wunschvorstellung wäre es, dass jeder Schätzwert möglichst nahe am realen Wert liegt
(Brosius, 2006, S. 551). Als Gütemass für diesen Indikator kann der Standardfehler der
Schätzung hinzugezogen werden, welcher aussagt, wie stark der Fehler zur Schätzung der
abhängigen Variablen „Weiterleitung“ im Durchschnitt ausfällt (Backhaus et al., 2006, S.
73). Die Standardfehler der Schätzung in der empirischen Untersuchung sind in Tabelle 9
abgebildet. Die Standardfehler variieren zwischen 1.45 und 1.65. Bezogen auf den
Mittelwert der Weiterleitungswerte ist der Standardfehler der Schätzung sehr hoch und kann
nicht als gut beurteilt werden.
Viraler Spot
Standardfehler
Mittelwert
der Schätzung
Weiterleitung Y
Video 1
1.65038
3.7405
Video 2
1.62084
3.2848
Video 3
1.44543
3.0949
Video 4
1.51251
3.1519
Allgemein
1.55421
3.3180
der
Tabelle 9: Standardfehler der Schätzung
5.5
Ergebnisse der einzelnen viralen Videospots
Nachfolgend sollen die zentralen Ergebnisse der einzelnen viralen Videospots präsentiert
werden.
5.5.1
Video 1 (CWS)
Wie bereits erwähnt, weist das Video 1 tiefe R-Werte aus. Der R-Wert liegt bei 0.503. Wie
der F-Test ergeben hat, kann die Nullhypothese verworfen werden und in der
Grundgesamtheit besteht ein Zusammenhang. Aus diesem Grund sind nun die einzelnen
Regressionskoeffizienten zu prüfen (Backhaus, 2006, S. 73). Für jeden einzelnen
Regressionskoeffizient muss die Nullhypothese
(H0: BJ = 0) aufgestellt und überprüft
werden. Die teilweise sehr tiefen absoluten T-Werte (vgl. Tabelle 10) weisen darauf hin,
dass vielmals die Nullhypothese nicht verworfen und somit der Einfluss als nicht signifikant
eingestuft werden kann. Interessante Ergebnisse liefert die schrittweise Integration von
Variablen
in
die
Regressionsgleichung.
Dabei
werden
nur
Variablen
in
die
Regressionsgleichung aufgenommen, die sich als relevant erweisen (Bühl, 2006, S. 364).
Zuerst sucht das Statistikprogramm SPSS nach derjenigen Variablen, welche die höchste
Korrelation mit der abhängigen Variablen aufweist. Anschliessend kommt diejenige Variable
47
dazu, welche die höchste partielle Korrelation aufweist (Backhaus et al., 2006, S. 106).
Dazu müssen die Kriterien zur Aufnahme und Ausschluss einer Variablen festgelegt werden
(Jansen & Laatz, 2005, S. 438). Die Aufnahmekriterien werden mit dem Signifikanzniveau
𝑒 ≤ 0.1 und 𝐵 ≥ 0.2 definiert. Die vier Faktoren „Freude/Unterhaltung“, „Empfang“,
„Marktinvolvement“ und „Überraschung“ zeigen sich als relevant. Es ergibt sich folgende
Regressionsgleichung zur Vorhersage des Weiterleitungs-Wertes (vgl. Tabelle 11):
𝑌 = 0.195 + 0.258𝑋𝐹𝑟𝑒𝑢𝑑𝑒 /𝑈𝑛𝑡𝑒𝑟 𝑕𝑎𝑙𝑡𝑢𝑛𝑔 + 0.210𝑋𝐸𝑚𝑝𝑓𝑎𝑛𝑔 + 0.176𝑋𝑀𝑎𝑟𝑘𝑡𝑖𝑛𝑣𝑜𝑙𝑣𝑒𝑚𝑒𝑛𝑡 + 0.223𝑋Ü𝑏𝑒𝑟𝑟𝑎𝑠𝑐 𝑕𝑢𝑛𝑔
Das Modell mit den vier Faktoren weist einen korrigierten R-Quadrat-Wert von 0.216 auf.
Dies ist ein besserer Wert als die Regressionsfunktion, welche alle Faktoren
mitberücksichtigt (R-Quadrat = 0.200). Das Modell hat einen hohen F-Wert von 11.830 und
kann somit als signifikant angesehen werden.
Von allen vier viralen Videospots hat das Video 1 den höchsten Mittelwert des
Weiterleitungswertes mit 3.7405. Dieser hohe Wert wird dadurch bestätigt, dass eine
Mehrheit von 53.13% diesen Spot unter den vier als den Besten einstuft und ihn auch mit
einer 42.14 prozentigen Wahrscheinlichkeit am ehesten weiterleiten würde.
Koeffi zi entena
Modell
1
(Konst ant e)
Marktinv olv ement
Innov ationsneigung
A. FreudeUnterhalt ung
A. Humor
A. Überraschung
A. AbscheuSchock
A. NacktheitErotik
A. SozialesRisiko
A. Empf ang
A. Gewalt
Nicht standardisiert e
Koef f izient en
St andardf
B
ehler
.622
.901
.182
.136
-.042
.150
.170
.149
.112
.126
.218
.134
-.030
.164
-.006
.083
-.112
.112
.199
.066
.035
.193
St andardisie
rte
Koef f izient en
Beta
.135
-.029
.116
.080
.156
-.017
-.006
-.088
.230
.015
T
.690
1.338
-.283
1.144
.894
1.620
-.182
-.076
-.995
3.030
.181
Signif ikanz
.491
.183
.778
.255
.373
.107
.856
.939
.321
.003
.856
a. Abhängige Variable: A.Weiterleitung
Tabelle 10: Koeffizienten von Video 1
48
Koeffi zi entena
Modell
1
2
3
4
(Konst ant e)
(Konst ant e)
A. Empf ang
(Konst ant e)
A. Empf ang
Marktinv olv ement
(Konst ant e)
A. Empf ang
Marktinv olv ement
A. Überraschung
Koef f izient en
St andardf
B
ehler
1.159
.548
.534
.110
1.078
.529
.441
.109
.232
.064
.448
.606
.392
.110
.219
.064
.205
.099
.195
.619
.258
.134
.210
.063
.176
.100
.223
.128
St andardisie
rte
Koef f izient en
Beta
.363
.300
.268
.267
.253
.152
.176
.242
.131
.160
T
2.114
4.864
2.040
4.055
3.620
.740
3.565
3.438
2.066
.315
1.935
3.306
1.768
1.748
Signif ikanz
.036
.000
.043
.000
.000
.461
.000
.001
.041
.753
.055
.001
.079
.082
Tabelle 11: Verfahren „Schrittweise“ zum Einschluss von erklärenden Variablen in die Regressionsgleichung
5.5.2
Video 2 (Sprite Zero)
Beim Video von Sprite Zero ergibt die schrittweise Integration der relevanten Faktoren
wiederum eine interessante Regressionsgleichung. Wie im Video 1 spielt der Faktor
„Freude / Unterhaltung“ eine wesentliche Rolle, neben den beiden Faktoren „Humor“ und
„Gewalt“. Es ergibt sich folgende Regressionsgleichung (vgl. Tabelle 12):
𝑌 = 0.363 + 0.357𝑋𝐹𝑟𝑒𝑢𝑑𝑒 /𝑈𝑛𝑡𝑒𝑟 𝑕𝑎𝑙𝑡𝑢𝑛𝑔 + 0.435𝑋𝐻𝑢𝑚𝑜𝑟 − 0.173𝑋𝐺𝑒𝑤𝑎𝑙𝑡
Dabei korreliert der Faktor „Gewalt“ negativ zur Weiterleitungsabsicht. Je mehr das Video
als gewalttätig eingestuft wird, desto geringer wird die Wahrscheinlichkeit, dass es
weitergeleitet wird. Das Modell mit den drei Faktoren kommt auf ein korrigiertes R-Quadrat
von 0.309 und kann als signifikant betrachtet werden.
49
Koeffi zi entena
Modell
1
2
3
(Konst ant e)
B. FreudeUnt erhalt ung
(Konst ant e)
B. Humor
(Konst ant e)
B. Humor
B. Gewalt
Koef f izient en
St andardf
B
ehler
.547
.400
.646
.089
-.253
.477
.408
.119
.390
.133
.363
.523
.357
.118
.435
.132
-.173
.066
St andardisie
rte
Koef f izient en
Beta
.503
.318
.270
.278
.302
-.177
T
1.370
7.260
-.530
3.435
2.922
.693
3.013
3.296
-2.628
Signif ikanz
.173
.000
.597
.001
.004
.489
.003
.001
.009
a. Abhängige Variable: B. Weiterleitung
Tabelle 12: Koeffizienten von Video 2
5.5.3
Video 3 (Herrenunterwäsche JBS)
Wiederum mit dem „schrittweise“ Verfahren von SPSS lassen sich drei relevante Faktoren
erkennen: „Freude/Unterhaltung“, „Überraschung“ und „Soziales Risiko“. Es zeigt sich
wiederum, dass der Faktor „Freude/Unterhaltung“ mit der abhängigen Variablen
„Weiterleitung“ den höchsten Korrelationskoeffizienten hat. Dass der Faktor „Überraschung“
in diesem Spot zentral ist, lässt sich dadurch erklären, dass die kurze Geschichte am Ende
des Spot mit dem überraschenden Claim „Men don„t want to look at naked men“ aufgelöst
wird. Der provokative Faktor „Abscheu/Schock“ wird beim Video 3 unter allen vier am
höchsten mit 3.1137 bewertet. Es zeigt sich, dass diese schockierenden und
provozierenden Elemente die Befragten nicht zu einer Weiterleitung veranlassen, weil das
soziale Risiko ihnen zu gross erscheint. Der Zusammenhang zwischen Weiterleitung und
dem beurteilten sozialen Risiko der Weiterleitung ist negativ korreliert. Zusammenfassend
lässt sich für Video 3 folgende Regressionsgleichung formulieren (vgl. Tabelle 13):
𝑌 = 0.542 + 0.513𝑋𝐹𝑟𝑒𝑢𝑑𝑒 /𝑈𝑛𝑡𝑒𝑟 𝑕𝑎𝑙𝑡𝑢𝑛𝑔 + 0.273𝑋Ü𝑏𝑒𝑟𝑟𝑎𝑠𝑐 𝑕𝑢𝑛𝑔 − 0.134𝑋𝑆𝑜𝑧𝑖𝑎𝑙𝑒𝑠𝑅𝑖𝑠𝑖𝑘𝑜
Das Bestimmtheitsmass für die drei Faktoren liegt bei R = 0.656 bzw. bei einem korrigierten
R² = 0.420. Somit wird durch die Regressionsgleichung 42% der gesamten Streuung
erklärt.
50
Koeffi zientena
Modell
1
2
3
(Konst ant e)
C.FreudeUnterhaltung
(Konst ant e)
C.Überraschung
(Konst ant e)
C.Überraschung
C.SozialesRisiko
Nicht standardisierte
Koef f izient en
St andardf
B
ehler
.131
.313
.792
.078
-.264
.349
.622
.104
.251
.103
.542
.615
.513
.124
.273
.104
-.134
.085
St andardisie
rte
Koef f izient en
Beta
.632
.497
.201
.410
.219
-.123
T
.419
10.187
-.757
6.001
2.426
.881
4.149
2.630
-1.587
Signif ikanz
.676
.000
.450
.000
.016
.380
.000
.009
.114
a. Abhängige Variable: C.Weit erleitung
Tabelle 13: Koeffizienten Video 3
3
Bei der Wahl nach dem besten Spot schneidet das Video 3 am schlechtesten ab. Lediglich
11.88% der Befragten beurteilen den Spot von der Herrenunterwäsche JBS als den besten.
18.24% sagen, dass sie am ehesten dieses Video weiterleiten würden. Diese schlechte
Beurteilung des Spots zeigt sich auch im tiefsten Mittelwert der Weiterleitung von 3.0949.
5.5.4
Video 4 (Quiksilver)
Beim Quiksilver-Spot lassen sich lediglich zwei Faktoren durch das „schrittweise“ Verfahren
als relevant bestimmen: „Humor“ und „Überraschung“. Die Regressionsgleichung sieht wie
folgt aus (vgl. Tabelle 14):
𝑌 = −0.260 + 0.556𝑋𝐻𝑢𝑚𝑜𝑟 + 0.384𝑋Ü𝑏𝑒𝑟𝑟𝑎𝑠𝑐 𝑕𝑢𝑛𝑔
Es ist interessant festzustellen, dass das Video 4 als das am wenigsten „lustigste“ Video mit
einem Mittelwert von 2.9335 beurteilt wird, jedoch der Humorgehalt am stärksten korreliert
mit der Weiterleitung. Dass der Überraschungsfaktor eine grosse Rolle spielt, lässt sich
wiederum erklären damit, dass das Video überraschend und einzigartig ist und der
Betrachter rätselt, ob eine solche Surfwelle wirklich künstlich erzeugt wurde oder ob es sich
nur um ein „Fake“ handelt. Dieses „Im-Ungewissen-Sein“ fördert die Kommunikation
darüber und somit auch die Bereitschaft zur Weiterleitung dieses Videos.
3
In diesem Beispiel wurde mit 𝑒 ≤ 0.15 und 𝐵 ≥ 0.3 gearbeitet.
51
Koeffi zientena
Modell
1
2
Koef f izient en
St andardf
B
ehler
.852
.364
.784
.116
-.260
.427
.556
.122
.384
.088
(Konst ant e)
D.Humor
(Konst ant e)
D.Humor
D.Überraschung
St andardisie
rte
Koef f izient en
Beta
.474
.337
.324
T
2.343
6.731
-.608
4.567
4.391
Signif ikanz
.020
.000
.544
.000
.000
a. Abhängige Variable: D.Weit erleitung
Tabelle 14: Koeffizienten Video 4
Das Regressionsmodell mit den beiden Faktoren hat ein Bestimmtheitsmass von R² =
0.311 bzw. ein korrigiertes R² = 0.302. Der empirische F-Wert von 34.954 liegt deutlich über
dem theoretischen Wert, somit ist das Modell signifikant. Der Standardfehler der Schätzung
liegt bei 1.48857.
5.6
Überprüfung der Hypothesen zum Beziehungsaspekt
Nachfolgend sollen die empirischen Ergebnisse näher auf die aufgestellten Hypothesen
zum Beziehungsaspekt genauer untersucht werden.
Hypothese 1:
Diese These kann leider nicht bestätigt werden. Die F-Werte und die R²-Werte sind bei den
einzelnen Beispielen und im allgemeinen Modell teilweise zu gering. Die Tabelle 15 zeigt
die Gütemasse bei den einzelnen Beispielen. Bei Video 2 und 4 wird das vorgegebene
Signifikanzniveau von 𝛼 ≤ 0.05 nicht erreicht. Aus diesem Grund lassen sich keine
signifikante Schlüsse aus dem Zusammenhang ziehen. Jedoch lassen sich Tendenzen
erkennen. In allen Fällen besteht ein positiver
Zusammenhang zwischen dem
Marktinvolvement und der Weiterleitungsabsicht, welche zwischen dem B von 0.1 und
0.341 schwankt.
Modell
R-Wert
F-Wert
Signifikanz
B
(𝛼 ≤ 0.05)
Video 1
R = 0.254
F = 10.715
√
B = 0.341
Video 2
R = 0.071
F = 0.796
−
B = 0.1
Video 3
R = 0.200
F = 6.501
√
B = 0.273
Video 4
R = 0.081
F = 1.035
−
B = 0.105
Allgemein
R = 0.153
F = 15.137
√
B = 0.210
Tabelle 15: Prüfung der Regressionsfunktion mit der unabhängigen Variable „Marktinvolvement“
52
Der Blick auf das Histogramm und P-P-Diagramm der standardisierten Residuen lässt
erkennen, dass es beim Histogramm statt zu einer glockenförmigen Linie eher zu zwei
konzentrierten Wölbungen kommt. Der Normalverteilungsplot bestätigt diese Vermutung.
Residuen mittlerer Werte weichen nach unten ab, hingegen weichen Residuen grosser
Werte nach oben ab. Aus diesem Grund wurde nun die Gesamtheit der Antwortenden
anhand ihrer Beurteilung zum Marktinvolvement in die beiden Segmente „hohes
Marktinvolvement (Wert Marktinvolvement ≥ 6) und in das Segment (tiefes und mittleres
Marktinvolvement (Wert Marktinvolvement < 6) eingeteilt.
Abbildung 11: Histogramm und P-P-Diagramm der standardisierten Residuen
Vergleicht man die Mittelwerte der Weiterleitung beider Gruppen, ergibt dies interessante
Schlüsse. Die Gruppe der „Market Maven“ (14% der Antwortenden) weisen den Mittelwert
3.90 (N=88) der Weiterleitung auf, die Gruppe mit einem niedrigen bis mittleren
Marktinvolvement kommt auf den Mittelwert 3.22 (N=544). Die Zufälligkeit dieser
Differenzen kann mit einer Irrtumswahrscheinlichkeit von 5% ausgeschlossen werden. Bei
Betrachtung der 95%-Konfidenzintervalle der beiden Gruppen zeigt sich, dass sie sich nicht
überschneiden. So liegt das Konfidenzintervall der „Nicht-Market-Maven“ zwischen 3.063.37, hingegen liegt die Untergrenze des Intervalls der „Market Maven“ bei 3.49. Somit
existiert ein signifikanter Unterschied. Es kann festgehalten werden, dass sich das
Weiterleitungsverhalten der Market Maven signifikant von der Gruppe mit niedrigem bis
mittlerem Marktinvolvement unterscheidet.
Hypothese 2:
53
Diese These kann nicht bestätigt werden. Die Irrtumswahrscheinlichkeit ist zu gross und
liegt in drei der fünf Fällen über der dem definierten Signifikanzniveau von 𝛼 ≤ 0.05 (vgl.
Tabelle 16). Es lässt sich aber erkennen, dass die Innovationsneigung leicht positiv mit der
Weiterleitungsabsicht
korreliert.
Diese
Tendenz
kann
jedoch
nicht
mit
der
denjenigen
des
Vertrauenswahrscheinlichkeit von 0.95 nachgewiesen werden.
Modell
R-Wert
F-Wert
Signifikanz
B
(𝛼 ≤ 0.05)
Video 1
R = 0.223
F = 8.144
√
B = 0.321
Video 2
R = 0.071
F = 0.785
−
B = 0.106
Video 3
R = 0.147
F = 3.437
−
B = 0.215
Video 4
R = 0.128
F = 2.599
−
B = 0.180
Allgemein
R = 0.140
F = 12.620
√
B = 0.206
Tabelle 16: Prüfung der Regressionsfunktion mit der unabhängigen Variable „Innovationsneigung“
Die
Bilder
des
Histogramms
und
das
P-P-Diagramm
ähneln
Marktinvolvement sehr stark. Aus diesem Grund wird wiederum wie beim Marktinvolvement
anhand der Werte der Innovationsneigung die Befragten in die Gruppe „Innovatoren“ (Wert
Innovationsneigung ≥ 6) und „Nicht-Innovatoren“ (Wert Innovationsneigung < 6) unterteilt.
Diese Unterscheidung ergibt 12% Innovatoren, was nach Ansicht des Autors sinnvoll
erscheint. Die Differenzen bei den Mittelwerten der „Innovatoren“ (Mittelwert 3.8026) und
der „Nicht-Innovatoren“ (3.2518) können wiederum als signifikant beurteilt werden (vgl.
Tabelle 17). Der F-Wert liegt bei 5.844, was eine Signifikanz von 0.016 bedeutet. Somit
kann wiederum zusammengefasst werden, dass zwar die Hypothese 2 im Allgemeinen
nicht bestätigt werden kann, jedoch bei einer Einteilung der Antwortenden in die beiden
Gruppen „Innovatoren“ und „Nicht-Innovatoren“ sich die These bestätigt. Die Innovatoren
leiten gegenüber der Gruppe mit einer tiefen bis mittleren Innovationsneigung virale
Marketingbotschaften häufiger weiter.
ONEWAY deskriptive Statistiken
Weiterleitung
Mittelwert
St andardf
ehler
556
3.2518
1.84085
.07807
3.0985
76
632
3.8026
3.3180
2.02003
1.87022
.23171
.07439
3.3410
3.1719
N
tief e bis mit telere
Innov at ionsneigung
hohe Innov at ionsneigung
Gesamt
95%-Konf idenzinterv all f ür
den Mittelwert
Untergrenze
Obergrenze
St andardab
weichung
Minimum
Maximum
3.4051
1.00
7.00
4.2642
3.4641
1.00
1.00
7.00
7.00
Tabelle 17: Konfidenzintervall für die Mittelwerte der Innovationsneigung
54
Hypothese 3:
Diese These kann mit einem Signifikanzniveau von 0.05 nicht bestätigt werden. Bei Video
3 und 4 sind die Irrtumswahrscheinlichkeiten grösser, jedoch in einem akzeptablen Bereich.
So kann die These lediglich mit einer Vertrauenswahrscheinlichkeit von 88% bestätigt
werden (vgl. Tabelle 18).
Modell
R-Wert
F-Wert
Signifikanz
B
(𝛼 ≤ 0.05)
Video 1
R = 0.338
F = 20.162
√
B = 0.293
Video 2
R = 0.200
F = 6.484
√
B = 0.203
Video 3
R = 0.125
F = 2.487
−
B = 0.120
(𝛼 = 0.117)
Video 4
R = 0.122
−
F = 2.358
B = 0.111
(𝛼 = 0.127)
Allgemein
R = 0.206
√
F = 27.997
B = 0.203
Tabelle 18: Prüfung der Regressionsfunktion mit der unabhängigen Variable „Empfehlung“
Menschen leiten virale Marketingkampagnen tatsächlich öfters weiter, wenn Ihnen die
gleiche Kampagne bereits einmal empfohlen wurde. Die Wiederholung des Empfangs
bestätigt das Individuum, dass es sich dabei um etwas Gutes handelt. So verringert ein
Empfang auch das subjektive soziale Risiko, dass bei einer Weiterleitung der Empfänger
die Botschaft als nicht wünschenswert einstuft. Der Empfang und das soziale Risiko sind
miteinander negativ korreliert.
Hypothese 4:
Modell
R-Wert
F-Wert
Signifikanz
B
(𝛼 ≤ 0.05)
Video 1
R = 0.287
F = 13.971
√
B = - 0.374
Video 2
R = 0.388
F = 27.723
√
B = - 0.424
Video 3
R = 0.445
F = 38.421
√
B = - 0.487
Video 4
R = 0.272
F = 12.469
√
B = - 0.279
Allgemein
R = 0.365
F = 96.602
√
B = - 0.405
Tabelle 19: Prüfung der Regressionsfunktion mit der unabhängigen Variable „Soziales Risiko“
55
Das subjektive wahrgenommene Risiko, dass der Empfänger die weitergeleitete virale
Marketingbotschaft
nicht
gut
findet,
korreliert
in
allen
Fällen
negativ
mit
der
Weiterleitungsabsicht. Der Faktor „Soziales Risiko“ erklärt bis zu 19% der gesamten
Streuung durch die Variable „Weiterleitung“ (Video 3, korrigiertes R² = 0.192). Es ergeben
sich zudem relative hohe absolute Werte für B bzw. nach Standardisierung für Beta (vgl.
Tabelle 19). Die hohen Werte der standardisierten Regressionsfunktion zeigen auf, dass
der Faktor „Soziales Risiko“ stark auf die Weiterleitungsabsicht wirkt. Diese Feststellung
untermauert auch die hohe Zustimmung von 72% aller Antwortenden zum Statement „Ich
überlege mir gut, an wen genau ich solche Videos weiterleiten soll“. Die These kann als
bestätigt angesehen werden.
5.7
Überprüfung der Hypothesen zum Kampagnengut
Nachfolgend sollen die Ergebnisse zu den Faktoren zum Kampagnengut kurz einzeln
vorgestellt werden.
Hypothese 5:
Die These kann mit einer hohen Vertrauenswahrscheinlichkeit bestätigt werden (𝛼 < 0.01)
(vgl. Tabelle 20). Die R-Werte sind im Vergleich zu den anderen Faktoren des
Kampagnengutes am höchsten, d.h. der Faktor „Unterhaltung/Freude“ erklärt als einzelner
Faktor am meisten der gesamten Streuung. Der Unterhaltungsfaktor erklärt bis zu 39% der
gesamten Streuung der Weiterleitung (Video 3, korrigiertes R² von 0.396). Ebenso sind die
absoluten B-Werte bzw. Beta-Werte im Vergleich sehr gross. Dies zeigt, dass der
Unterhaltungsfaktor von allen Faktoren am stärkten auf die Weiterleitungsabsicht wirkt. Aus
diesem Grund kann gesagt werden, dass der Faktor „Freude/Unterhaltung“ der Wichtigste
ist. Eine virale Marketingnachricht muss unterhaltsam und spannend sein und dem
Empfänger Freude bereiten. Dabei korreliert der Indikator „Unterhaltung“ (Korrelation nach
Pearson: 0.536) noch stärker als der Indikator „Spannung“ (Korrelation nach Pearson:
0.388) mit der Weiterleitung.
Modell
R-Wert
F-Wert
Signifikanz
B
(𝛼 ≤ 0.05)
Video 1
R = 0.363
F = 23.657
√
B = 0.534
Video 2
R = 0.503
F = 52.705
√
B = 0.646
Video 3
R = 0.632
F = 103.773
√
B = 0.792
Video 4
R = 0.447
F = 38.989
√
B = 0.528
Allgemein
R = 0.501
F = 211.099
√
B = 0.628
Tabelle 20: Prüfung der Regressionsfunktion mit der unabhängigen Variable „Freude/Unterhaltung“
56
Hypothese 6:
Der
positive Zusammenhang zwischen subjektiv empfundenen Humorgehalt und
Weiterleitungsabsicht kann durch die empirische Untersuchung bestätigt werden. Die hohen
F-Werte stehen für eine sehr geringe Irrtumswahrscheinlichkeit (vgl. Tabelle 21). Die
Untersuchung bestätigt somit vorangegangene Untersuchungen, in welchen besagt wurde,
dass Mails mit lustigen Inhalten sehr oft weitergeleitet werden.
Modell
R-Wert
F-Wert
Signifikanz
B
(𝛼 ≤ 0.05)
Video 1
R = 0.315
F = 17.230
√
B = 0.441
Video 2
R = 0.487
F = 48.631
√
B = 0.703
Video 3
R = 0.474
F = 45.182
√
B = 0.594
Video 4
R = 0.474
F = 45.309
√
B = 0.784
Allgemein
R = 0.419
F = 134.086
√
B = 0.515
Tabelle 21: Prüfung der Regressionsfunktion mit der unabhängigen Variable „Humor“
Hypothese 8:
vorkommen,
werden
öfters
weitergeleitet
als
solche
ohne
derartigen Inhalt.
Die Hypothese 8 muss klar verworfen werden. Die empirische Untersuchung zeigt deutlich,
dass kein Zusammenhang zwischen dem subjektiven wahrgenommenen Erotikgehalt der
Kampagne und der Weiterleitungsabsicht existiert (vgl. Tabelle 22). Dieses Ergebnis war
bei Video 2 und 4 zu erwarten, da in diesem Video die Erotik nach Ansicht des Autors keine
Rolle spielt. So wurde der Erotikgehalt bei diesen beiden Videos mit grosser Mehrheit als
sehr gering eingeschätzt. Der Mittelwert bei Video 2 liegt bei 1.2975 und 94.9% der
Befragten haben dem Statement „In diesem Video kommen Nacktheit und/oder Erotik vor“
überhaupt nicht bzw. nicht zugestimmt. Die Werte beim Video 4 sind ähnlich. So liegt der
Mittelwert bei 1.3291 und 95% der Befragten stimmt dem genannten Statement überhaupt
nicht bzw. nicht zu.
Jedoch überrascht der nicht existierende Zusammenhang bei Video 1 und 3, in welchen ein
gewisser Erotikgehalt vorhanden ist. So liegt der Mittelwert bei Video 1 bei 3.4241, bei
Video 3 bei 5.500. Die Standardabweichung und die Varianz sind bedeutend grösser als bei
den erstgenannten beiden Videos. Auch bei einer Unterscheidung des Gesamtsamples
nach dem Geschlecht, kann sowohl bei den Männern als auch bei den Frauen kein
Zusammenhang gesehen werden. Die Männer beurteilen den Erotikgehalt der beiden Spots
57
grösser als die Frauen und leiten nach dem Mittelwert die Spots auch häufiger weiter. Doch
ein Zusammenhang besteht nicht.
Modell
R-Wert
F-Wert
Signifikanz
B
(𝛼 ≤ 0.05)
Video 1
R = 0.120
F = 0.210
−
B = - 0.013
Video 2
R = 0.118
F = 2.206
−
B = - 0.294
Video 3
R = 0.068
F = 0.722
−
B = 0.104
Video 4
R = 0.042
F = 0.282
−
B = - 0.091
Allgemein
R = 0.010
F = 0.066
−
B = - 0.009
Tabelle 22: Prüfung der Regressionsfunktion mit der unabhängigen Variable „Nacktheit/Erotik“
Hypothese 7:
Virale Marketing Kampagnen, deren Humor oder Erotik sich „unter
der
Gürtellinie“
befindet,
erhöht
bei
Männern
die
Wahrscheinlichkeit, dass sie weitergeleitet werden. Bei Frauen
hingegen
verringert
sich
die
Wahrscheinlichkeit,
dass
sie
weitergeleitet werden.
Um diese These zu testen, wird auf den Indikator „Nacktheit/Erotik2“ zurückgegriffen.
Dieser Indikator misst, wie stark ein Spot von den Befragten als „unter der Gürtellinie“
empfunden wird. Die These 9 ist schwierig zu verifizieren bzw. falsifizieren, da bei allen vier
Spots die Befragten dem Statement „dieses Video ist „unter der Gürtellinie„“ eher nicht
zugestimmt haben. Da der Mittelwert dieses Statement bei Video 3 mit 3.01 am höchsten
ist, macht es Sinn, diese These nur anhand dieses Videos zu überprüfen. Abbildung 12
zeigt, dass ein Unterschied im Zusammenhang zwischen Weiterleitung und dem Indikator
„Unter der Gürtellinie“ hinsichtlich des Geschlechts existiert. Bei der Gruppe der Frauen
lässt sich die erwartete abnehmende Bereitschaft der Weiterleitung ab einem Wert von 3
beim Indikator erkennen. Der Kurvenverlauf der Männer hingegen wurde so nicht erwartet
und kann auch nicht mit logischem Verstand interpretiert werden. Zudem ist die Abbildung
mit grosser Vorsicht zu geniessen, da es sich beim Indikatorwert 7 um je einen einzelnen
Wert bei Frau und Mann handelt. Auch wenn nur einzelne Wertebereiche des Indikators
untersucht werden, liefern die Resultate keine signifikanten Resultate. Tendenziell lässt sich
nur erkennen, dass der Indikator negativ mit der Weiterleitung korreliert. Diese Tendenz
basiert jedoch nicht auf Analysen mit einer genügenden Vertrauenswahrscheinlichkeit.
Somit kann die These nicht verifiziert werden.
58
7
Geschlecht
Frau
Mann
6
Weiterleitung
Punkte/Linien zeigen Mittelwerte
5
4
3
2
2
4
6
Indikator: "Unter de r Gürte llinie"
Abbildung 12: Diagramm Weiterleitung-Indikator „Unter der Gürtellinie“
Hypothese 9:
Je
höher
der
Marketingkampagne
ausfällt,
desto
einer
höher
viralen
ist
die
Wahrscheinlichkeit, dass die Kampagne weitergeleitet wird.
Der Zusammenhang zwischen Überraschungseffekt und Weiterleitung ist wie erwartet
positiv korreliert. Die Regressionskoeffizienten B sind ähnlich gross wie diejenigen bei den
Faktoren „Freude/Unterhaltung“ und „Humor“. So lässt das allgemeine Regressionsmodell
bei einer Erhöhung von 1 beim Überraschungseffekt eine Erhöhung von 0.559 beim
Weiterleitungswert (𝑌 = 0.850 + 0.559𝑋) (vgl. Tabelle 23). Diese Wirkung vom Faktor
„Überraschung“ auf die Weiterleitungsabsicht kann als gross beurteilt werden. Die
Hypothese kann bestätigt werden.
Modell
R-Wert
F-Wert
Signifikanz
B
(𝛼 ≤ 0.05)
Video 1
R = 0.358
F = 22.933
√
B = 0.500
Video 2
R = 0.389
F = 27.871
√
B = 0.494
Video 3
R = 0.536
F = 62.799
√
B = 0.669
Video 4
R = 0.467
F = 43.505
√
B = 0.555
Allgemein
R = 0.442
F = 153.233
√
B = 0.559
Tabelle 23: Prüfung der Regressionsfunktion mit der unabhängigen Variable „Überraschung“
59
Hypothese 10:
Modell
R-Wert
F-Wert
Signifikanz
B
(𝛼 ≤ 0.05)
Video 1
R = 0.057
F = 0.505
−
B = - 0.136
Video 2
R = 0.199
F = 6.459
√
B = - 0.195
Video 3
R = 0.096
F = 1.464
−
B = - 0.191
Video 4
R = 0.108
F = 1.826
−
B = - 0.105
Allgemein
R = 0.131
F = 11.030
√
B = - 0.143
Tabelle 24: Prüfung der Regressionsfunktion mit der unabhängigen Variable „Gewalt“
Die negative Korrelation zwischen Weiterleitung und subjektiver Beurteilung der
Gewaltelemente von viralen Spots lässt sich tendenziell erkennen. Jedoch sind die R- und
F-Werte sehr gering. Von einem signifikanten Zusammenhang kann daher nicht
gesprochen werden. Nur beim Video 2 ist die Irrtumswahrscheinlichkeit bei 5%, dass die
Einschätzung der Gewalttätigkeit im Spot negativ auf die Weiterleitung wirkt. Das Video in
Anlehnung an die „Jack-Ass-Filme“ ist ebenfalls dasjenige Video mit dem höchsten
Mittelwert an Gewalteinschätzung mit 3.5063. Bei den anderen Videos ist der fehlende
Zusammenhang wohl damit zu erklären, dass eine Mehrheit der Befragten die
ausgewählten Videos als gewaltlos beurteilen. Bei diesen Videos fehlt das Element
„Gewalt“ und kann somit auch nicht auf die Weiterleitung wirken. Unter dieser
Berücksichtigung sind die Resultate auch nicht erstaunlich und entsprechen der Logik.
Zusammengefasst kann die Hypothese 10 nicht bestätigt werden, jedoch muss sie auch
nicht als falsch abgelehnt werden. Beim einzigen Video mit Gewaltelementen konnte eine
negative Korrelation nachgewiesen werden. Diese Falluntersuchung genügt jedoch nicht für
eine Bestätigung. Für weitere Forschungen empfiehlt es sich, den Faktor „Gewalt“ noch
genauer zu untersuchen.
Hypothese 11:
Virale Marketingkampagnen, welche ein mittleres Mass an
Abscheu und schockierenden Elementen aufweisen, werden
häufiger weitergeleitet, als solche mit einem geringen oder hohen
Mass an Abscheu und schockierenden Elementen.
Die Streudiagramme der einzelnen untersuchten viralen Videos deuten nicht darauf hin,
dass Hypothese 11 bestätigt werden kann (vgl. Abbildung 13). Die Diagramme deuten
darauf hin, dass geringe Werte des Faktors „Abscheu/Schock“ keinen Einfluss auf die
Weiterleitung haben. So findet man in den Streudiagrammen in diesem Bereich jegliche
Weiterleitungswerte. Bei mittleren und hohen Abscheuwerten erkennt man, dass hohe
60
Weiterleitungswerte seltener werden. Diese Feststellung kann so interpretiert werden, dass,
wenn der Empfänger einer viralen Marketingbotschaft den Inhalt nicht als schockierend,
provozierend und abstossend empfindet, dies keinen Einfluss auf die Weiterleitungsabsicht
hat. Nur wenn er den Inhalt als schockierend und abstossend einstuft, so verringert sich
seine Weiterleitungsbereitschaft.
Abbildung 13: Streudiagramm mit Y=Weiterleitung und X=AbscheuSchock
Es scheint, dass es bei einem gewissen Wert vom Faktor „Abscheu/Schock“ zu einem
Strukturbruch kommt, einer sogenannten Trendänderung (vgl. Backhaus et al., 2006, S.
82). Um diesen Strukturbruch zu erfassen, soll anbei eine Dummy-Variable eingeführt
werden (vgl. Jansen & Laatz, 2005, S. 439). Die Diagramme zeigen, dass die
Trendänderung in etwa bei einem Abscheuwert von 2 liegt. Aus diesem Grund
unterscheidet man in die beiden Fälle, dass entweder "𝑋𝐴𝑏𝑠𝑐 𝑕𝑒𝑢𝑆𝑐 𝑕𝑜𝑐𝑘 ≤ 2 “ oder
X AbscheuSchock >2 ist. Durch die lineare Regressionsanalyse wird die Vermutung bestätigt. Die
Modellzusammenfassung von "𝑋𝐴𝑏𝑠𝑐 𝑕𝑒𝑢𝑆𝑐 𝑕𝑜𝑐𝑘 ≤ 2 besagt, dass die Weiterleitung in keiner
Art und Weise durch den Faktor „Abscheu/Schock“ beeinflusst wird. Der Mittelwert der
Weiterleitung liegt bei 3.6, jedoch mit einer grossen Standardabweichung von 2. Das R² ist
gleich 0.000. Dagegen konnte bei X AbscheuSchock >2 ein Zusammenhang zwischen
Weiterleitung und Abscheugehalt festgestellt werden. Der empirische F-Wert ist mit 17.976
viel grösser als der theoretische Wert, somit ist der Zusammenhang signifikant. Die
Regressionsgleichung sieht für die beiden Fällen wie folgt aus:
61
𝑋𝐴𝑏𝑠𝑐 𝑕𝑒𝑢𝑆𝑐 𝑕𝑜𝑐𝑘 ≤ 2
kein Zusammenhang mit Weiterleitung
X AbscheuSchock >2
𝑌 = 4.430 − 0.368𝑋𝐴𝑏𝑠𝑐 𝑕𝑒𝑢𝑆𝑐 𝑕𝑜𝑐𝑘
Somit kann die Hypothese 11 nicht bestätigt werden. Es hat sich zwar bestätigt, dass ein zu
grosser
provozierender
und
schockierender
Inhalt
sich
negativ
auf
das
Weiterleitungsverhalten auswirkt. Jedoch wirkt sich ein Fehlen an schockierenden und
abstossenden Elementen in viralen Botschaften nicht wie erwartet negativ auf die
Weiterleitung
aus.
Vielmehr
besteht
bei
einem
Fehlen
solcher
Elemente
kein
Zusammenhang mit der Weiterleitung. Erst ab einem gewissen Vorhandensein von solchen
Elementen besteht eine negative Korrelation mit der Weiterleitungsabsicht.
5.8
Überprüfung der Hypothesen zu den demografischen Faktoren
Schliesslich sollen noch die Hypothesen zu den demografischen Faktoren genauer
analysiert werden.
Hypothese 12:
Mit Blick auf die Mittelwerte der Weiterleitung zwischen Männern und Frauen lässt sich
feststellen, dass Männer höhere Werte für die Weiterleitung aufweisen (vgl. Tabelle 25). Die
Ausnahme bildet Video 4, bei welchem der Mittelwert der Weiterleitung bei den Frauen
höher ist. Doch ob dieser Unterschied der Mittelwertdifferenzen signifikant ist, muss mittels
einer einfaktoriellen Varianzanalyse (ANOVA) überprüft werden (vgl. Jansen & Laatz, 2005,
S. 347).
Geschlecht
Video 1
Video 2
Video 3
Video 4
Allgemein
Frau (N=82 bzw. 328)
3.6341
3.1951
2.7439
3.3293
3.2256
Mann (N=76 bzw. 304)
3.8553
3.3816
3.4731
2.9605
3.4178
Insgesamt (N=158 bzw. 332)
3.7405
3.2848
3.0949
3.1519
3.3180
Tabelle 25: Mittelwerte der Weiterleitung nach Geschlecht
Die Betrachtung der 95%-Konfidenzinteralle für die einzelnen Mittelwerte macht deutlich,
dass sich bei einem Sicherheitsniveau von 95% die Konfidenzintervalle der Männer und
Frauen überschneiden. Lediglich bei Video 3 kann der Unterschied zwischen Männer und
Frauen bei der Weiterleitung signifikant nachgewiesen werden. Das Resultat ist damit zu
interpretieren, dass beim Video 3 eine nur mit einer Männerunterhose bekleidete Frau
vorkommt und dieses „erotische“ Objekt die Männer mehr anspricht und zu einer
Weiterleitung verleitet. Bei den Frauen hingegen ist die Wirkung der beinahe nackten
gleichgeschlechtlichen Person eine andere. Der eta²-Wert von 0.038, welcher den durch
den Faktor „Geschlecht“ erklärten Anteil der Varianz angibt (vgl. Jansen & Laatz, 2005, S.
62
351), zeigt, dass das Geschlecht nur 3.8% der Varianz erklärt und somit nur eine geringe
Erklärungskraft besitzt.
Die Nullhypothesen können somit nicht verworfen werden und die Hypothese 12 kann nicht
bestätigt werden. Die tendenziell höheren Mittelwerte bei den Männern können nicht
signifikant nachgewiesen werden und können folglich auch zufällig zustande gekommen
sein. Männer und Frauen unterscheiden sich demzufolge im Allgemeinen nicht in ihrem
Weiterleitungsverhalten von viralen Marketingbotschaften. Dennoch kann es wie Video 3
gezeigt hat, bei spezifischen viralen Inhalten zu signifikanten Differenzen zwischen Männer
und Frauen kommen.
Hypothese 13:
Junge Menschen leiten virale Marketingkampagnen öfters weiter
als ältere Menschen.
Bei der Überprüfung der Hypothese 13 stellt sich das Problem, dass vorwiegend junge
Menschen bis 29 Jahren an der Umfrage teilgenommen haben. So ist die ältere Generation
klar untervertreten bzw. die ältere Generation ist nur mit einer Stichprobe von 16
Teilnehmenden in der empirischen Untersuchung vertreten. Aus diesem Grund kann die
Hypothese nicht befriedigend untersucht werden. Über alle viralen Videos hinweg lässt sich
kein Trend in der Weiterleitung bezüglich des Alters feststellen. Die Konfidenzintervalle für
die
Mittelwerte
überschneiden
Signifikanzniveau
ist
mit
sich
𝛼 = 0.341
in
den
zu
verschiedenen
gross,
um
Altersgruppen.
die
Unterschiede
Das
im
Weiterleitungsverhalten als signifikant einzustufen. Tabelle 26 zeigt die verschiedenen
Mittelwerte. Auch bei der Analyse der einzelnen Spots ergeben sich keine signifikanten
Differenzen im Weiterleitungsverhalten in Bezug auf das Alter. Die Hypothese muss klar
verworfen werden und gilt als falsifiziert. Es lässt sich kein Zusammenhang zwischen dem
Alter und dem Weiterleitungsverhalten erkennen.
Weiterleitung
N
Unter 18 Jahre
19 - 29 Jahre
30 - 39 Jahre
40 - 49 Jahre
Über 50 Jahren
Gesamt
144
424
32
20
12
632
Mittelwert
3.2639
3.2995
3.9375
3.4000
2.8333
3.3180
St andardab
weichung
1.69320
1.92836
1.96645
1.75919
1.64225
1.87022
St andardf
ehler
.14110
.09365
.34762
.39337
.47408
.07439
den Mittelwert
Untergrenze
Obergrenze
2.9850
3.5428
3.1155
3.4836
3.2285
4.6465
2.5767
4.2233
1.7899
3.8768
3.1719
3.4641
Minimum
1.00
1.00
1.00
2.00
1.00
1.00
Maximum
7.00
7.00
7.00
7.00
6.00
7.00
Tabelle 26: Konfidenzintervall für die Mittelwerte des Alters
63
Hypothese 14:
Wie Tabelle 27 zeigt, leiten Personen mit einer Berufslehre virale Marketingvideos am
häufigsten weiter. Sie kommen auf einen Mittelwert von 3.9615. Im Gegensatz leiten
Personen mit einer Maturitätsausbildung bzw. einem Abitur derartige Videos am seltensten
weiter. Ihr Mittelwert liegt deutlich tiefer bei 3.1020. Die Differenz gilt auch mit einem
Sicherheitsniveau von 90% als signifikant (𝛼 = 0.051). Bei den einzelnen Spots lässt sich
nur bei einem Video eine signifikante Differenz mit einer Irrtumswahrscheinlichkeit von 10%
(𝛼 = 0.061) zwischen den Mittelwerten feststellen. Nämlich zwischen der Gruppe mit
Berufslehre (Mittelwert = 4.6923) und Studium (Mittelwert = 3.01750). Die These muss
wiederum
verworfen
werden.
Die
Ausbildung
hat
keine
Wirkung
auf
das
Weiterleitungsverhalten. In konkreten Fällen mit spezifischen Inhalten kann sich die
Ausbildung jedoch auf die Weiterleitung auswirken.
Weiterleitung
N
Beruf slehre
Maturität / Abitur
St udium
Kein Abschluss
Anderes
Gesamt
52
196
228
108
48
632
Mittelwert
3.9615
3.1020
3.3684
3.2315
3.4583
3.3180
St andardab
weichung
2.23134
1.88647
1.84302
1.67782
1.80965
1.87022
St andardf
ehler
.30943
.13475
.12206
.16145
.26120
.07439
den Mittelwert
Untergrenze
Obergrenze
3.3403
4.5827
2.8363
3.3678
3.1279
3.6089
2.9114
3.5515
2.9329
3.9838
3.1719
3.4641
Minimum
1.00
1.00
1.00
1.00
1.00
1.00
Maximum
7.00
7.00
7.00
7.00
7.00
7.00
Tabelle 27: Konfidenzintervall für die Mittelwerte der Ausbildung
Hypothese 15:
Den höchsten Mittelwert bei der Weiterleitung haben die Personengruppen, welche das
Internet bis zu fünf Stunden pro Woche nutzen. Auf fast ebensolche hohen Mittelwerte
kommen auch die Personen, welche das Internet mit über 15 Stunden pro Woche am
intensivsten nutzten. Die mittleren Internetnutzer mit einer Nutzungsdauer von 6 – 15
Stunden kommen auf geringere Werte. In der Tendenz lässt sich eine U-förmige Kurve
zwischen Weiterleitung und Internetnutzung erkennen. Doch nach der Varianzanalyse muss
auch beim Faktor „Internetnutzung“ festgestellt werden, dass die unterschiedlichen
Mittelwerte auch zufällig entstehen konnten und somit keine Signifikanz vorhanden ist.
Somit kann diese Tendenz der U-Form nicht bestätigt werden. Die Hypothese 15, welche
64
eine positive lineare Korrelation zwischen Weiterleitung und Internetnutzung annimmt, muss
somit falsifiziert werden. Es lässt sich kein Zusammenhang beweisen.
Weiterleitung
N
Weniger als 1 Stunde
1 - 5 Stunden
6 - 10 Stunden
11 - 15 Stunden
über 15 Stunden
Gesamt
20
160
188
100
164
632
Mittelwert
3.5000
3.5188
3.1011
3.2300
3.4024
3.3180
St andardab
weichung
2.30560
1.88664
1.77788
1.72243
1.97754
1.87022
St andardf
ehler
.51555
.14915
.12967
.17224
.15442
.07439
den Mittelwert
Untergrenze
Obergrenze
2.4209
4.5791
3.2242
3.8133
2.8453
3.3569
2.8882
3.5718
3.0975
3.7074
3.1719
3.4641
Minimum
1.00
1.00
1.00
1.00
1.00
1.00
Maximum
7.00
7.00
7.00
7.00
7.00
7.00
Tabelle 28: Konfidenzintervall für die Mittelwerte der Internetnutzung
Zusammengefasst kann zu den demografischen Faktoren gesagt werden, dass keine
signifikanten Zusammenhänge zwischen Geschlecht, Alter und Ausbildung und dem
Weiterleitungsverhalten gefunden werden konnten. Alle Hypothesen müssen verworfen
werden.
5.9
Die Regressionsgleichung zur Weiterleitung
Nachdem die einzelnen Thesen genauer analysiert wurden, soll an dieser Stelle nun die
Regressionsgleichung über alle Daten der vier Spots vorgestellt werden. Dazu steht ein
Gesamtsample von 632 Antworten zur Verfügung. Wie bereits bei den einzelnen Spots wird
das „schrittweise“ Verfahren mit Aufnahme und Ausschluss der Variablen gewählt, welches
interessante Ergebnisse liefert. So sind die Faktoren „Freude/Unterhaltung“, „Humor“,
„Überraschung“, „Soziales Risiko“, „Empfang“ und „Abscheu/Schock“ die zentralen
Erfolgsfaktoren für die Weiterleitung von viralen Marketingbotschaften. Das Modell ergibt
folgende Regressionsgleichung (vgl. Tabelle 29):
𝑌 = 0.679 + 0.218𝑋𝐹𝑟𝑒𝑢𝑑𝑒 /𝑈𝑛𝑡𝑒𝑟 𝑕𝑎𝑙𝑡𝑢𝑛𝑔 + 0.225𝑋𝐻𝑢𝑚𝑜𝑟 + 0.260𝑋Ü𝑏𝑒𝑟𝑟𝑎𝑠𝑐 𝑕𝑢𝑛𝑔 − 0.095𝑋𝑆𝑜𝑧𝑖𝑎𝑙𝑒𝑠𝑅𝑖𝑠𝑖𝑘𝑜
+ 0.091𝑋𝐸𝑚𝑝𝑓𝑎𝑛𝑔 – 0.096𝑋𝐴𝑏𝑠𝑐 𝑕𝑒𝑢 /𝑆𝑐𝑕𝑜𝑐𝑘
„Soziales Risiko“ und „Abscheu/Schock“ korrelieren negativ mit dem Weiterleitungswert,
während die anderen Faktoren, wie in den Hypothesen erwartet, positiv zusammenhängen.
Die Variablen „Marktinvolvement“, „Innovationsneigung“, „Nacktheit“ und „Gewalt“ werden
beim Modell ausgeschlossen, d.h. ein Einschluss der dieser zusätzlichen Variablen würde
des Bestimmtheitsmass R² nicht signifikant erhöhen.
Das Modell weist einen R-Wert von 0.564 auf, bzw. einen korrigierten R²-Wert von 0.312.
Somit erklärt das allgemeine Regressionsmodell mehr als 30% der gesamten Streuung.
65
Dieser Wert kann nicht als gut beurteilt werden, jedoch in der verhaltenswissenschaftlichen
Forschung kann er als akzeptabel interpretiert werden. Der Standardfehler der Schätzung
liegt bei 1.55119. Das Histogramm der standardisierten Residuen zeigt eine sehr gute
Normalverteilung. Der F-Wert liegt bei 48.709, somit ist das Modell signifikant.
Koeffi zi entena
Modell
1
2
3
4
5
6
(Konst ant e)
FreudeUnterhaltung
(Konst ant e)
FreudeUnterhaltung
Humor
(Konst ant e)
FreudeUnterhaltung
Humor
Überraschung
(Konst ant e)
FreudeUnterhaltung
Humor
Überraschung
SozialesRisiko
(Konst ant e)
FreudeUnterhaltung
Humor
Überraschung
SozialesRisiko
Empf ang
(Konst ant e)
FreudeUnterhaltung
Humor
Überraschung
SozialesRisiko
Empf ang
AbscheuSchock
Koef f izient en
St andardf
B
ehler
.626
.196
.628
.043
.220
.211
.487
.052
.243
.051
-.142
.226
.328
.064
.241
.050
.238
.058
.679
.349
.247
.069
.223
.050
.250
.057
-.136
.044
.569
.349
.231
.069
.213
.050
.253
.057
-.130
.044
.090
.033
.679
.354
.218
.069
.225
.050
.260
.057
-.095
.048
.091
.033
-.096
.051
St andardisie
rte
Koef f izient en
Beta
.501
.388
.197
.261
.196
.188
.197
.181
.198
-.123
.184
.173
.200
-.117
.092
.174
.183
.206
-.086
.093
-.070
T
3.190
14.529
1.043
9.409
4.779
-.628
5.123
4.808
4.131
1.946
3.582
4.441
4.366
-3.071
1.630
3.359
4.257
4.425
-2.937
2.712
1.921
3.167
4.462
4.556
-1.984
2.745
-1.865
Signif ikanz
.001
.000
.297
.000
.000
.530
.000
.000
.000
.052
.000
.000
.000
.002
.104
.001
.000
.000
.003
.007
.055
.002
.000
.000
.048
.006
.063
a. Abhängige Variable: Weit erleitung
Tabelle 29: Koeffizienten der allgemeinen Regressionsgleichung
5.10 Bewertung der bereit gestellten Informationen
Die vorliegende empirische Untersuchung unterliegt einer Reihe von Einschränkungen. Da
die Stichprobe nicht als repräsentativ angesehen werden kann, dürfen keine Schlüsse auf
die Allgemeingültigkeit gezogen werden. Man könnte die Grundgesamtheit auf die
gutausgebildeten, jungen Menschen bis 29 Jahren, welche mit dem Internet vertraut sind
und es häufig nutzen, einengen. Dies macht soweit Sinn, dass virale Marketingkampagnen
66
häufig auf diese Zielgruppe ausgerichtet sind. Nur für diese in der Umfrage stark vertretene
Gruppe können interessante Schlüsse gezogen werden.
Die Umfrage baut auf vier Fallbeispielen (Video 1 – 4) auf. Durch die tiefe Fallbeispielanzahl
ist
es
gefährlich,
allgemein
gültige
Resultate
bzw.
eine
allgemein
gültige
Regressionsgleichung daraus abzuleiten. Aus diesem Grund sind die Resultate mit Vorsicht
zu geniessen und müssen in weiteren wissenschaftlichen Untersuchungen überprüft
werden. Die empirische Untersuchung mit der geringen Anzahl an untersuchten
Fallbeispielen alleine genügt nicht, die Hypothese als richtig anzusehen. Über die
Ablehnung der Nullhypothese erlaubt die Untersuchung vielmehr die Hypothesen als nicht
falsch einzustufen.
Ebenfalls als Mangel stellt sich heraus, dass die Faktoren jeweils mir nur einem bis drei
Indikatorfragen abgefragt wurden. Die Diskussion sei erlaubt, ob es die richtigen
Indikatorfragen waren oder, ob noch weitere Indikatorfragen aufgenommen werden
müssten.
Da die im Modell ausgewählten Faktoren nur einen beschränkten Teil der gesamten
Streuung erklären, darf spekuliert werden, ob noch andere Faktoren einen massgeblichen
Beitrag zur Erklärung der Weiterleitungsabsicht geben. Die Faktoren wurden anhand der
Theorie gewonnen und in der empirischen Untersuchung wurden anschliessend die
vermuteten Zusammenhänge durch ein Strukturen-prüfendes Verfahren getestet. Aus
diesem Grund wurden nur die im Voraus definierten Faktoren und deren im Voraus
definierten Zusammenhänge untersucht. Um neue Faktoren und Zusammenhänge zu
entdecken, hätte ein Strukturen-entdeckendes Verfahren eingesetzt werden müssen (vgl.
Backhaus et al., 2006, S. 7).
67
6
Implikationen für die Praxis
Die Ergebnisse der empirischen Untersuchung lassen zwei interessante Implikationen für
die Praxis zu. Einerseits lassen sich Handlungsempfehlungen für das Seeding sowie für die
Gestaltung des Kampagnengutes ableiten.
Beim Viral Marketing wird oft die Schwierigkeit genannt, zu Beginn durch Seeding die
richtigen Personen anzusprechen, welche als Multiplikatoren die Verbreitung der viralen
Botschaft vervielfachen sollen. Die Untersuchung hat gezeigt, dass eine kleine Minderheit
von 8% für die Mehrheit der weitergeleiteten Botschaften (65%) verantwortlich ist. Für die
Praxis ist es von zentralem Interesse, diese sogenannte Gruppe der „Viral Maven“ (Phelps
et al., 2004, S. 344) anzusprechen und für ihre Kampagne zu begeistern. Doch wer ist
diese Gruppe von „Viral Maven“, welche sowohl viele derartige Mails empfangen als auch
viele davon weitersenden? Es hat sich gezeigt, dass sich diese Gruppe hinsichtlich
demografischer Faktoren wie Geschlecht, Alter, Ausbildung und Beruf nicht definieren
lassen. Vielmehr konnte festgestellt werden, dass Menschen mit einem hohen
Marktinvolvement und einer hohen Innovationsneigung virale Botschaften eher weiterleiten.
Aus diesem Grund soll in der Praxis die Gruppe der „Market Maven“ und „Innovatoren“
besonders angesprochen werden, damit die Wahrscheinlichkeit steigt, dass die virale
Verbreitung ein kritisches Mass (vgl. Gladwell, 2000) erreicht und zum Erfolg wird.
Die drei wichtigsten Faktoren beim Kampagnengut sind „Unterhaltung/Freude“, „Humor“
und „Überraschung“. Es soll versucht werden mit möglichst unterhaltenden, humorvollen
und überraschenden Elementen im Viral Marketing zu arbeiten. Denn die Beurteilung des
Kampagnengutes ist entscheidend für eine mögliche Weiterleitung. Die Botschaft darf aber
nicht zu schockierend und zu abstossend sein, da sich damit die Wahrscheinlichkeit für eine
Weiterleitung verringert. Auch soll Viral Marketing nicht „Unter der Gürtellinie“ ansetzen. Die
Verletzung der guten Sitten und Moral wird bei den Empfängern mit einer tieferen
Bereitschaft für die Weiterleitung bestraft. Wenn Viral Marketers mit erotischen oder
gewalttätigen Inhalten arbeiten möchten, so muss ihnen laut den Ergebnissen der Umfrage
davon abgeraten werden. Die Faktoren „Nacktheit/Erotik“ und „Gewalt“ haben im
Allgemeinen keinen signifikanten Einfluss auf die Weiterleitung. Die Aufmerksamkeit soll
nicht mit billiger Effekthascherei gewonnen werden.
68
7
Abschlussbetrachtung
7.1
Zusammenfassung zentraler Ergebnisse der Arbeit
Das Ziel der vorliegenden Arbeit bestand darin, die Erfolgsfaktoren der Weiterleitung von
viralen Marketingbotschaften theoretisch und empirisch zu untersuchen und aus den
Ergebnissen Handlungsempfehlungen für das Viral Marketing abzuleiten.
Die Grundlagen des VM, insbesondere ihre Relevanz, wurde im zweiten Kapitel behandelt.
Im
dritten
Kapitel
wurden
fünfzehn
Weiterleitungsverhalten
besser
Determinanten
Beziehungs-
des
erklären
Hypothesen
sollten.
und
Dabei
aufgestellt,
welche
das
unterschied
man
die
Inhaltsaspektes.
Die
in
Faktoren
des
Beziehungsaspektes basieren auf denjenigen von Wangenheims (2003), welche von der
Weiterempfehlung durch persönliche Kommunikation auf das Viral Marketing adaptiert
wurden. Aus verschiedensten Forschungsarbeiten liessen sich die Determinanten des
Inhaltsaspektes ableiten.
Die postulierten Zusammenhänge wurden im Rahmen einer empirischen Untersuchung
anhand von vier Videos überprüft. Die Ergebnisse zeigten auf, welche als Erfolgsfaktoren
für VM angesehen werden dürfen, und wie sie auf das Weiterleitungsverhalten wirken.
Die wichtigsten Erkenntnisse dieser Arbeit werden im Folgenden auf den Punkt gebracht.
Die zentrale Forschungsfrage „Was sind die Erfolgsfaktoren von Viral Marketing?“ kann nun
in knapper Form beantwortet werden.
Die drei wichtigsten Erfolgsfaktoren von Viral Marketing sind Unterhaltungselemente,
Humor
und
Überraschungseffekte.
Diese
drei
Faktoren
wirken
stark
auf
die
Weiterleitungsabsicht. Sie sind positiv mit dem Faktor „Weiterleitung“ korreliert. Mit einem
gewissen Grad an vorhandenen schockierenden und abstossenden Elementen, korreliert
der Faktor „Abscheu/Schock“ negativ mit dem der Weiterleitung. Beim Beziehungsaspekt
sind die beiden Faktoren „Soziales Risiko“ und „Empfang“ von Bedeutung. Wenn die
erhaltene virale Botschaft bereits vorgängig einmal empfangen wurde, so erhöht dies die
Wahrscheinlichkeit einer Weiterleitung. Daneben existiert ein negativer Zusammenhang
zwischen dem sozialen Risiko und der Weiterleitungsabsicht.
Die Ergebnisse der Überprüfung der fünfzehn Hypothesen soll anbei in knapper Form
zusammengefasst werden.
Hypothese 1: Je höher das Marktinvolvement der Befragten ausfällt, desto häufiger leiten
sie virale Marketingkampagnen weiter.
69
Die Hypothese kann nicht bestätigt werden, tendenziell lässt sich eine positive Korrelation
feststellen. Bei Unterteilung der Antwortenden in die beiden Gruppen „Market Maven“
(hohes Marktinvolvement) und „Nicht Market Maven“ (tiefes bis mittleres Marktinvolvement)
lassen sich signifikante Differenzen im Mittelwert der Weiterleitung feststellen.
Hypothese 2: Je höher die Innovationsneigung der Befragten ausfällt, desto häufiger leiten
sie virale Marketingkampagnen weiter.
Wie bei Hypothese 1 ist auch bei Hypothese 2 die Tendenz erkennbar, jedoch kann sie
nicht verifiziert werden. Wiederum entstehen signifikante Differenzen im Mittelwert der
Weiterleitung
bei
Einteilung
in
die
beiden
Gruppen
„Innovatoren“
(hohe
Innnovationsneigung) und „Nicht-Innovatoren“ (tiefes bis mittlere Innovationsneigung).
Hypothese 3: Bei Befragten, welchen die virale Marketingkampagne bereits einmal
empfohlen wurde, ist die Wahrscheinlichkeit für eine Weiterleitung grösser als bei
Befragten, welchen die virale Kampagne noch nicht empfohlen wurde.
Die Hypothese kann lediglich mit einer Vertrauenswahrscheinlichkeit von 88% bestätigt
werden.
Hypothese 4: Je niedriger das Risiko wahrgenommen wird, dass der Empfänger die
weitergeleitete Nachricht nicht akzeptiert und toleriert, desto häufiger werden virale
Marketingkampagnen weitergeleitet.
Die negative Korrelation kann nachgewiesen werden und somit die Hypothese 4 bestätigt
werden. Das soziale Risiko der Weiterleitung wirkt stark auf die Weiterleitung.
Hypothese 5: Je höher der Unterhaltungswert einer viralen Marketingkampagne ausfällt,
desto höher ist die Wahrscheinlichkeit, dass die Kampagne weitergeleitet wird.
Die Hypothese 5 kann bestätigt werden. Der Faktor „Unterhaltung/Freude“ erklärt von allen
Faktoren
am
meisten
der
gesamten
Streuung,
wirkt
am
stärksten
auf
die
Weiterleitungsabsicht und kann somit als wichtigsten Faktor identifiziert werden.
Hypothese 6: Je höher der Humorgehalt einer viralen Marketingkampagne ausfällt, desto
höher ist die Wahrscheinlichkeit, dass die Kampagne weitergeleitet wird.
Auch der Faktor „Humor“ zeigt sich als wichtigen Indikator für das Weiterleitungsverhalten.
Die
positive
Korrelation
kann
mit
einer
sehr
geringen
Irrtumswahrscheinlichkeit
nachgewiesen werden. Die Hypothese 6 wird bestätigt.
70
Hypothese 7: Virale Marketingkampagnen, deren Humor/Erotik sich „unter der Gürtellinie“
befindet, erhöht bei Männern die Wahrscheinlichkeit, dass sie weitergeleitet werden. Bei
Frauen hingegen verringert sich die Wahrscheinlichkeit, dass sie weitergeleitet werden.
Da lediglich Video 3 über genügend „Unter-der-Gürtellinie-Elemente“ aufweist, wurde die
Hypothese nur an diesem Fallbeispiel untersucht. Bei den Frauen lässt sich eine negative
Korrelation tendenziell erkennen, jedoch muss die vermutete positive Korrelation bei den
Männern als widerlegt angesehen werden. In der Tendenz ist der Indikator „Unter der
Gürtellinie“ sowohl bei Frauen und Männern negativ mit der Weiterleitung korreliert. Die
Hypothese 7 muss verworfen werden.
Hypothese 8: Virale Marketingkampagnen, in welchen Nacktheit und Erotik vorkommen,
werden öfters weitergeleitet als solche ohne derartigen Inhalt.
In der empirischen Untersuchung zeigt sich, dass kein Zusammenhang zwischen dem
subjektiv empfundenen Erotikgehalt und dem Weiterleitungsverhalten existiert. Die
Hypothese 8 muss klar verworfen werden.
Hypothese 9: Je höher der Überraschungseffekt einer viralen Marketingkampagne ausfällt,
desto höher ist die Wahrscheinlichkeit, dass die Kampagne weitergeleitet wird.
Neben den Faktoren „Freude/Unterhaltung“ und „Humor“ gehört die unabhängige Variable
„Überraschung“
zu
den
drei
wichtigsten
Faktoren
im
Modell,
welche
das
Weiterleitungsverhalten erklären. Wie erwartet wirkt der Faktor positiv auf die abhängige
Variable. Die Hypothese 9 kann bestätigt werden.
Hypothese 10: Je höher die Gewalttätigkeit einer viralen Marketingkampagne beurteilt wird,
desto tiefer ist die Wahrscheinlichkeit, dass die Kampagne weitergeleitet wird.
Beim einzigen Video mit Gewaltelementen (Video 2) konnte eine negative Korrelation zum
Weiterleitungsverhalten nachgewiesen werden. Bei den anderen Videos ohne solche
Gewaltelemente lässt sich kein Zusammenhang erkennen. Aus diesem Grund kann die
Hypothese nicht bestätigt werden, jedoch auch nicht als falsch abgelehnt werden.
Hypothese 11: Virale Marketingkampagnen, welche ein mittleres Mass an Abscheu und
schockierenden Elementen aufweisen, werden häufiger weitergeleitet, als solche mit
einem geringen oder hohen Mass an Abscheu und schockierenden Elementen.
Die
empirische
Untersuchung
zeigt,
dass
bei
geringen
Werten
des
Faktors
„Abscheu/Schock“ kein Zusammenhang mit der Weiterleitung feststellbar ist. Bei mittleren
und hohen Werte ist eine negative Korrelation zum Weiterleitungsverhalten nachweisbar.
Aus diesem Grund muss die These verworfen werden. Ein Fehlen an schockierenden und
71
abstossenden Elementen in viralen Botschaften wirkt sich nicht wie erwartet negativ auf die
Weiterleitung aus, sondern hat keine Wirkung.
Hypothese 12: Männer leiten virale Marketingkampagnen öfters weiter als Frauen.
Die
tendenziell
höheren
Mittelwerte
bei
den
Männern
können
nicht
signifikant
nachgewiesen werden und somit muss die Hypothese 12 verworfen werden.
Hypothese 13: Junge Menschen leiten virale Marketingkampagnen öfters weiter als ältere
Menschen.
Mit der Stichprobe kann die Hypothese 13 wegen der mangelnden Altersverteilung nicht
befriedigend untersucht werden. Bei der dennoch durchgeführten Analyse zeigt sich, dass
keine signifikante Differenz im Weiterleitungsverhalten in Bezug auf das Alter besteht.
Hypothese 14: Menschen mit hoher Ausbildung leiten virale Marketingkampagnen häufiger
weiter als Menschen mit geringer Ausbildung.
Die Ausbildung hat im Allgemeinen keine Wirkung auf das Weiterleitungsverhalten. In
konkreten Fällen mit spezifischen Inhalten kann sich die Ausbildung jedoch auf die
Weiterleitung auswirken. Die Hypothese 14 muss somit verworfen werden.
Hypothese 15: Intensive Internetnutzer leiten virale Marketingkampagnen häufiger weiter
als gelegentliche Internetnutzer.
Die Analyse der Streudiagramme tendiert zu einer Vermutung nach einer U-förmigen Kurve.
D.h. seltene Internetnutzer (<5 Stunden pro Woche) und intensive Internetnutzer (>15
Stunden pro Woche) haben die höchsten Weiterleitungsabsichten. Die Varianzanalyse
bestätigt diese Vermutung nicht. Die Hypothese 15 muss verworfen werden. Es lässt sich
keinen Zusammenhang zwischen Weiterleitung und Internetnutzung beweisen.
Als zentrales Ergebnis der empirischen Untersuchung soll abschliessend die allgemeine
Regressionsgleichung nochmals Erwähnung finden. Die Regressionsgleichung besteht aus
der abhängigen Variablen „Weiterleitung“ und den sechs unabhängigen Variablen
„Unterhaltung/Freude“, „Humor“, „Überraschung“, „Soziales Risiko“, „Empfang“ und
„Abscheu/Schock“ und lässt sich mathematisch wie folgt formulieren:
𝑌 = 0.679 + 0.218𝑋𝐹𝑟𝑒𝑢𝑑𝑒 /𝑈𝑛𝑡𝑒𝑟 𝑕𝑎𝑙𝑡𝑢𝑛𝑔 + 0.225𝑋𝐻𝑢𝑚𝑜𝑟 + 0.260𝑋Ü𝑏𝑒𝑟𝑟𝑎𝑠𝑐 𝑕𝑢𝑛𝑔 − 0.095𝑋𝑆𝑜𝑧𝑖𝑎𝑙𝑒𝑠𝑅𝑖𝑠𝑖𝑘𝑜
+ 0.091𝑋𝐸𝑚𝑝𝑓𝑎𝑛𝑔 – 0.096𝑋𝐴𝑏𝑠𝑐 𝑕𝑒𝑢 /𝑆𝑐𝑕𝑜𝑐𝑘
72
7.2
Ausblick auf weitere Forschungen
Wie bereits bei der Bewertung der Ergebnisse erläutert, unterliegt die vorliegende Arbeit
einer Reihe von Einschränkungen. Für weitere Forschungen sollen diese Restriktionen
berücksichtigt werden, um die Ergebnisse zu validieren oder zu ergänzen. Wie jede
wissenschaftliche Untersuchung wirft sie neue Fragen auf. Da Viral Marketing laut Experten
immer wichtiger wird und wissenschaftliche Forschungen in diesem Bereich bisher dünn
gesät waren, besteht in Zukunft ein grosser Forschungsbedarf. Aus diesem Grund zählen
wir an dieser Stelle einige aus unserer Sicht besonders lohnenswerte Forschungsthemen
und Empfehlungen für zukünftige Untersuchungen auf.
Als
Novum
im
Forschungsgebiet
des
Viral
Marketing
darf
die
aufgestellte
Regressionsgleichung angesehen werden. Sie beruht jedoch nur auf den vier untersuchten
viralen Spots. Daher soll in zukünftigen Forschungen mit weiteren Falluntersuchungen die
Regressionsgleichung validiert und verbessert werden.
Die einzelnen Faktoren wurden mit sehr wenigen Indikatoren gemessen. In weiteren
Forschungen soll versucht werden, weitere Indikatoren für die einzelnen Faktoren zu finden,
um so zu verlässlicheren Ergebnissen zu kommen.
In der vorliegenden Arbeit wurde versucht, einen Gesamtüberblick über die Faktoren zu
erhalten. Für weitere Forschungen wäre es lohnenswert, einzelne Faktoren genauer zu
analysieren. Zu denken sei beispielsweise an eine eigene Untersuchung zum sozialen
Risiko einer Weiterleitung.
Weil die in der Untersuchung überprüften Faktoren nur einen Teil der gesamten Streuung
erklären, bleibt die Frage im Raum, ob es noch weitere wichtige Faktoren gibt, welche mit
der abhängigen Variablen „Weiterleitung“ zusammenhängen. Um weitere Faktoren und
Zusammenhänge zu entdecken, empfiehlt es sich für zukünftige Forschungen mit einem
Strukturen-entdeckenden Verfahren zu arbeiten.
Völlig ausgeklammert wurden in der Untersuchung die in den viralen Spots beworbenen
Marken oder Produkte. Wie wirken Marken oder Produkte in viralen Spots auf die
Konsumenten?
Steht eine Weiterleitung auch im Zusammenhang mit der beworbenen
Marke oder Produkt? In Verbindung mit der Marke stellen sich verschiedene interessante
Forschungsfragen.
Viral Marketing boomt. Doch weiss man über die Mechanismen von Viral Marketing
genügend Bescheid? Kennt man die exakten Erfolgsfaktoren von Viral Marketing? Die
vorliegende Masterarbeit versucht, einen Beitrag zum Weiterleitungsverhalten von viralen
Marketingkampagnen zu leisten. Aufgrund der Brisanz des Themas lohnt es sich die
73
Entwicklung von Viral Marketing genau zu verfolgen und durch weitere Forschungen die
Erfolgsmechanismen genauer zu analysieren.
74
Literaturverzeichnis
Backhaus, K., Erichson, B., Plinke, W. & Weiber, R. (2006). Multivariate Analysemethoden.
Eine anwendungsorientierte Einführung (11.Aufl.). Berlin: Springer.
Balter, D. & Butnam, J. (2005). Grapevine. The New Art of Word-of-Mouth Marketing.
London: Penguin Books Ltd.
Berekoven, L., Eckert, W. & Ellenrieder, P. (2006). Marktforschung. Methodische
Grundlagen und praktische Anwendung (11.Aufl.). Wiesbaben: Gabler.
Best, D., Satterwhite, R. & Williams, J. (1999). Pancultural Gender Stereotypes Revisited:
The Five Factor Model. Sex Roles, 44 (7/8), p. 513-525.
Brosius, F. (2006). SPSS 14. Heidelberg: Redline GmbH.
Bühl, A. (2006). SPSS 14. Einführung in die moderne Datenanalyse. (10.Aufl.). München:
Pearson Education.
Bundesamt für Statistik (BFS). (2006). Internetnutzung in den Haushalten der Schweiz.
Ergebnisse der Erhebung 2004 und Indikatoren. Neuchâtel: Eidgenössisches
Departement des Innern.
Cakim, I. (2006). Online opinion leaders: a predictive guide for viral marketing campaign. In
J. Kirby & P. Marsden (Eds.), Connected Marketing (p. 107-108). Oxford: ButterworthHeinemann
CNN (2007, November 26). Elf is Back! OfficeMax Announces the Return of Fun Favorite
for
the
2007
Holiday
Season.
Gefunden
am
15.
Januar
2008
unter
http://news.moneycentral.msn.com/printarticle.aspx?feed=PR&date=20071126&id=78
52255
CWS (ohne Datum). Homepage von CWS. Gefunden am 21. Nov. 2007 unter
http://www.cws.com/servlet/PB/menu/1019561/index.html
Dichter, E. (1966). How Word-of-Mouth Advertising Works. Harvard Business Review, 44
(6), p. 147-166.
Dobele, A., Lindgreen, A., Beverland, M., Vanhamme, J. & van Wijk, R. (2007). Why pass
on viral messages? Because they connect emotionally. Business Horizons, 50, p.
291-304.
Dobele, A., Toleman, D. & Beverland, M. (2005). Controlled infection! Spreading the brand
message through viral marketing. Business Horizons, 48, p. 143-149.
75
Döring, N. (2003). Sozialpsychologie des Internet. Die Bedeutung des Internet für
Kommunikationsprozesse, Identitäten, soziale Beziehungen und Gruppen (2. Aufl.).
Göttingen: Hogrefe Verlag für Psychologie.
Eckert, J. et al. (2005). Medizinische Mikrobiologie. Stuttgart: Thieme Verlage.
Elfyourself (ohne Datum). Homepage von Elfyourself. Gefunden am 23. Dezember 2007
unter www.elfyourself.com
Erbeldinger, H. & Kochhan, Ch. (1998). Humor in der Werbung. Chancen und Risiken. In M.
Jäckel (Hrsg.) (S. 141-177). Die umworbene Gesellschaft. Wiesbaden: Westdeutscher
Verlag GmbH.
Feick, L.F. & Price, L.L. (1987). The Market Maven: A Diffuser of Marketplace. Journal of
Marketing, 51 (1), p. 83-97.
Fischer, L. & Wiswerde, G. (2002). Grundlagen der Sozialpsychologie (2. Aufl.). München:
Oldenbourg.
Freud, S. (1955). Abriss der Psychoanalyse. Das Unbehagen in der Kultur. Frankfurt:
Fischer Bücherei.
Gesamtverband Kommunikationsagenturen (GWA)
(ohne Datum). Homepage
des
Gesamtverband Kommunikationsagenturen. Gefunden am 21. Nov. 2007 unter
http://www.gwa.de/modules/news/index.php?news_id=2991&pos=350&show=all
Gladwell, M. (2000). The Tipping Point: How Little Things Can Make a Big Difference. New
York: Little, Brown and Company.
GoViral (2007a). Sprite Zero, no bull***t. Gefunden am 21. Nov. 2007 unter
http://www.goviral.com/articles/goviral_cocacola_spritezero_case_070301.pdf
GoViral (2007b). Because men don’t want to look at naked men. Gefunden am 21. Nov.
2007
unter
http://www.goviral.com/articles/goviral_jbs_mensunderwear_case_070419.pdf
GoViral (2007c). Quiksilver riding the wave of viral success. Gefunden am 21. Nov. 2007
unter
http://www.goviral.com/articles/goviral_quiksilver_dynamitesurfing_case_070420.pdf
Grunder,
R.
(2003).
Viral
Marketing.
Grundlagen,
Anwendungsbereiche,
Erfolgsvoraussetzungen. Bern: Institut für Marketing und Unternehmungsführung der
Universität Bern.
76
Haller, O. (2005). Allgemeine Virologie. In H. Kayser, E.C. Böttger, R.M. Zinkernagel, O.
Haller, J. Eckert & P. Deplazes (Hrsg.) (2005). Medizinische Mikrobiologie (11. Aufl.).
(S.389-448). Stuttgart: Thieme Verlag.
Harris, G. (2000). Let your fingers do the talking : using word of mouth advertising on the
Internet. Los Angeles: Americas Group.
Hartung, J. (2002). Statistik: Lehr- und Handbuch der angewandten Statistik (13.Aufl.).
München: Oldenbourg.
Heitmann, M. (2005). Entscheidungszufriedenheit: Grundidee, theoretisches Konzept und
empirische Befunde. Dissertation, Universität St. Gallen, Nr. 3016. Bamberg: DifoDruck GmbH.
Helm, S. (2000). Viral Marketing -
Establishing Customer Relationships by „Word-of-
mouse“. Electronic Markets, 10 (3), p. 158 – 161.
Herrmann, A, Homburg, Ch, Klarmann, M. & Pflesser, C. (2008). Methoden der
Datenanalyse im Überblick. In: Herrmann, A. & Homburg, Ch. & Klarmann, M. (Hrsg.)
(2008). Handbuch Marktforschung. Methoden – Anwendungen – Praxisbeispiele
(3.Aufl.) (S. 151-174). Wiesbaden: Gabler.
Herrmann, A. (2004). Vorlesungsunterlagen zu Market and Business Research.
Wintersemester 2004/2005, Universität St.Gallen. St.Gallen: Skriptekommisssion.
High, K. (2007, December 13). OfficeMax Elf Goes Beyond Viral. Adweek. Gefunden am
15.
Januar
2008
unter
http://www.adweek.com/aw/creative/article_display.jsp?vnu_content_id=1003685228
Immisch, G. (2002). „Sex sells“? Eine theoretische Diskussion eines alten Mythos.
München: Ludwig-Maximilians-Universität München.
Izard, C. E. (1981). Die Emotionen des Menschen. Einführung in die Grundlagen der
Emotionspsychologie. Aus dem engl. übers. von Barbara Murakami (Orginialtitel:
Human Emotions, 1977). Basel: Beltz.
Jäckel, M. & Reinhardt, J.D. (2002). Aufmerksamkeitspiele: Anmerkungen zu provokanter
Werbung. In H. Willems (Hrsg.), Die Gesellschaft der Werbung (S. 527 – 547).
Wiesbaden: Westdeutscher Verlag GmbH.
Janssen, J. & Laatz, W. (2005). Statistische Datenanalyse mit SPSS für Windows. (5. Aufl.).
Berlin: Springer.
77
JBS (ohne Datum). Homepage von JBS Mens Underwear. Gefunden am 15. Aug. 2007
unter http://www.jbs.dk/
JBS (ohne Datum). Homepage von JBS. Gefunden am 21. Nov. 2007 unter
http://www.jbs.dk/profil.aspx
Katz, E. & Lazarsfeld, P.F. (1955). Personal Influence. The Part Played by People in the
Flow of Mass Communications. New York: The Free Press.
Keiningham, T., Cooil, B., Andreassen, T. & Aksoy, L. (2007, July). A Longitudinal
Examination of Net Promoter and Firm Revenue Growth. Journal of Marketing, 71 (3),
p. 39-51.
Kirby, J. & Marsden, P. (eds.) (2006). Connected Marketing. The Viral, Buzz and Word of
Mouth Revolution. Oxford : Butterworth-Heinemann.
Kranz, M. (2005). Was Liebe, Freude und Angst wirklich bewirken. Absatzwirtschaft –
Zeitschrift für Marketing, Ausgabe 5, S. 26-28.
Langner, S. (2005). Viral Marketing. Wie Sie Mundpropaganda gezielt auslösen und
Gewinn bringend nutzen. Wiesbaden: Gabler Verlag.
Leskovec, J., Adamic, L.A. & Huberman, B.A. (2006). The Dynamics of Viral Marketing. In
EC `06: Proceedings oft he 7th ACM conference on Eletronic commerce (p. 228 –
237). New York: ACM Press.
Lindgreen, A. & Vanhamme, J. (2005). Viral marketing: The use of surprise. In I.C. Clarke &
T. B. Flaherty (Eds.), Advances inelectronic marketing (pp. 122−138). Hershey, PA:
Idea Group.
Lütters, H. (2004). Online-Marktforschung: eine Positionsbestimmung im Methodenkanon
der Marktforschung unter Einsatz eines webbasierten Analytic Hierarchy Process
(webAHP). Wiesbaden: Deutscher Universitäts-Verlag.
Madden, T. J. & Weinberger, M.G. (1982). The effects of humor on attention in magazine
advertising. Journal of Advertising, 11 (3), S.8-14.
Marsden, P., Samson, A. & Upton, N. (2005, September 5). Advocacy Drives Growth.
Customer Advocacy Drives UK Business Growth. Gefunden am 22. Januar 2008
unter
http://www.lse.ac.uk/collections/pressAndInformationOffice/PDF/AdvocacyDrivesGrow
th_5-9-05.pdf
78
Meffert, H, Burmann, Ch., & Kirchgeorg, M. (2008). Marketing. Grundlagen marktorientierter
Unternehmensführung: Konzepte – Instrumente – Praxisbeispiele (10.Auflage).
Wiesbaden: Gabler Verlag.
Meffert, H. (2000). Marketing: Grundlagen marktorientierter Unternehmensführung.
Konzepte – Instrumente – Praxisbeispiele (9.Aufl.). Wiesbaden: Gabler Verlag.
Misner, I. & Devine, V. (1999). The World’s Best-Known Marketing Secret. Building Your
Business with Word-of-Mouth Marketing (2nd ed.). Austin: Bard Press.
Naylor, G. (1999). Why to they wine? An Examination into the Determinants of Negative
and Positive Word-of-Mouth. Journal of Consumer Satisfaction, Dissatisfachtion and
Complaining Behavior, 12, p. 162-169.
Nyilasy, G. (2006). Word of mouth: what we really know – and what we don’t. In J. Kirby, &
P. Marsden (Eds.), Connected Marketing: The Viral, Buzz and Word of Mouth
Revolution (p.161-184). Oxford : Butterworth-Heinemann.
Odekerken-Schröder, G. (1999). The Role of the Buyer in Affecting Buyer-Seller
Relationships. Empirical Studies in a Retail Context. Maastricht: Econoom B.V.
Oetting, M. (2007, 15. November). Was macht Mundpropaganda so durchschlagend?
Gefunden
am
21.
Januar
2008
unter
http://www.connectedmarketing.de/cm/7_forschung_akademisch/index.html
OfficeMax (2007, December 11). OfficeMax’s ElfYourself.com is One oft he Hottest Holiday
Web Sites for the Second Year in a Row. Gefunden am 15. Januar 2008 unter
http://officemax.mediaroom.com/index.php/press_releases/431
OfficeMax (2007, December 21). OfficeMax’s ElfYourself.com Surges Past 75 Million Elves
– Will it Reach 100 Million Before Christmas? Gefunden am 15. Januar 2008 unter
http://officemax.mediaroom.com/index.php/press_releases/434
Phelps, J., Lewis, R., Mobilio, J., Perry, D. & Raman, N. (2004, December). Viral Marketing
or Electronic Word-of-Mouth Advertising : Examining Consumer Responses and
Motivations to Pass Along Email. Journal of Advertising Research, 44 (4) p. 333-348.
Porter, L. & Golan, G. (2006). From Subservient Chickens to Brawny Men: a Comparsion of
VA to Television Advertising. Journal of Interactive Advertising, 6 (2), p. 30-38.
Reichheld, F. (2003). The One Number You Need to Grow. Harvard Business Review, 81
(12), p. 46-54.
79
Reichheld, F. (2006). The ultimate question: Driving Good Profits and True Growth. Boston:
Harvard Business School Press.
Reinecke, S. & Janz, S. (2007). Marketingcontrolling. Sicherstellen von Marketingeffektivität
und –effizienz. Stuttgart: Kohlhammer.
Rimé, B., Finkenauer, C., Luminet, O., Zech, E. & Philippot, P. (1998, January). Social
Sharing of Emotion: New Evidence and New Questions. European Review of Social
Psychology. 9 (1), p. 145 – 189.
Rimé, B., Phillipot, P., Boca, S. & Mesquita, B. (1992, January). Long-lasting Cognitive and
Social Consequences of Emotion: Social Sharing and Rumination. European Review
of Social Psychology, 3 (1), p. 225-258.
Rosen, E. (2000). The Anatomy of Buzz. New York: Doubleday.
Rubin, R.B., Perse, E.M. & Barbato, C.A. (1988). Conzeptualization and Measurement of
Interpersonal Communication Motives. Human Communication Research, 14 (4), p.
602-628.
Scherrer, A. (1975). Das Phänomen der Mund-zu-Mund-Werbung und seine Bedeutung für
das Konsumentenverhalten. Dissertation, Universität Freiburg.
Schmid, Ch. (2006). Guerilla Marketing: Phänomen und Erfolgsfaktoren. Nicht publizierte
Master-Arbeit. St. Gallen: Universität St. Gallen.
Shifman, L. (2007). Humor in the Age of Digital Reproduction: Continuity and Change in
Internet-Based Comic Texts. International Journal of Communication, 1, p. 187-209.
Silverman, G. (2001). The secrets of Word-of-Mouth Marketing. How to trigger exponential
sales through runaway word of mouth. New York : Amacom.
Sundaram, D.S., Mitra, K., & Webster, C. (1998). Word-of-Mouth Communications: A
Motivational Analysis. Advances in Consumer Research, 25 (1), p. 527-531.
Tomczak, T. & Kruthoff, K. (2002, August). Viral Marketing: Achtung Ansteckungsgefahr!
Persönlich, August, S. 64.
Tscheulin, D. & Helmig, B. (2004). Gabler Lexikon: Marktforschung. Wiesbaben: Gabler.
Wangenheim, F. (2003). Weiterempfehlung und Kundenwert. Ein Ansatz zur persönlichen
Kommunikation. Wiesbaden: Deutscher Universitäts-Verlag.
80
Watts, D.J. & Peretti, J. (2007). Viral Marketing for the Real World. Harvard Business
Review, 85 (5), p. 22-23.
Watzlawick, P., Beavin, J.H. & Jackson, D.D. (2007). Menschliche Kommunikation. Formen,
Störungen, Paradoxien (11. Aufl.). Bern: Verlag Hans Huber.
Wilson, R. (2000). The Six Simple Principles of Viral Marketing. Web Marketing Today, 40.
Gefunden
am
23.
Januar
2008
unter
http://www.crmodyssey.com/Documentation/Documentation_PDF/Principles_viral_ma
rketing.PDF
Witthaus, M. (2002). Spreading the word. Precision Marketing, 14(25), S. 18-20.
81
Anhang
A
Online-Umfrage
82
83
84
85
86
87
B
Zentrale Ergebnisse
Regressionsanalyse Gesamt (Methode: Einschluss)
Aufgenommene/Entfernte Variablenb
Modell
1
Auf genomme
ne Variablen
Gewalt,
Überraschun
g, Empf ang,
Marktinv olv em
ent, Nacktheit,
Soziales
Risiko,
Humor,
Abscheu
Schock,
Innov ationsne
igung,
Freude
a
Unterhaltung
Entf ernte
Variablen
Methode
.
Eingeben
a. Alle gewünschten Variablen wurden auf genommen.
b. Abhängige Variable: Weiterleitung
Model lzusammenfassung
Modell
1
R
R-Quadrat
.566a
.320
Korrigiertes
R-Quadrat
.309
St andardf
ehler des
Schätzers
1.55421
a. Einf lußv ariablen : (Konst ant e), Gewalt, Überraschung,
Empf ang, Marktinv olv ement, Nackt heit, SozialesRisiko,
Humor, AbscheuSchock, Innov ationsneigung,
FreudeUnterhaltung
ANOVAb
Modell
1
Regression
Residuen
Gesamt
Quadrats
umme
707.006
1500.068
2207.074
df
10
621
631
Mittel der
Quadrate
70.701
2.416
F
29.269
Signif ikanz
.000a
a. Einf lußv ariablen : (Konst ante), Gewalt, Überraschung, Empf ang,
Marktinv olv ement, Nacktheit, SozialesRisiko, Humor, AbscheuSchock,
Innov at ionsneigung, FreudeUnterhaltung
b. Abhängige Variable: Weit erleitung
88
Koeffi zi entena
Modell
1
(Konst ant e)
Marktinv olv ement
Innov ationsneigung
FreudeUnterhaltung
Humor
Überraschung
AbscheuSchock
Nacktheit
SozialesRisiko
Empf ang
Gewalt
Koef f izient en
St andardf
B
ehler
.605
.387
.070
.063
-.037
.069
.219
.070
.225
.052
.251
.058
-.081
.062
-.011
.036
-.093
.048
.092
.034
-.025
.049
St andardisie
rte
Koef f izient en
Beta
.052
-.026
.175
.183
.198
-.059
-.013
-.083
.093
-.023
T
1.566
1.117
-.543
3.111
4.335
4.336
-1.310
-.320
-1.926
2.709
-.508
Signif ikanz
.118
.264
.587
.002
.000
.000
.191
.749
.055
.007
.612
Regressionsanalyse Video 1 (Methode: Einschluss)
Modell
1
Auf genomme
ne Variablen
A.Gewalt, A.
Empf ang, A.
Nacktheit
Erot ik,
Marktinv olv em
ent, A.
Soziales
Risiko, A.
Überraschun
g, A.Humor, A.
Abscheu
Schock, A.
Freude
Unterhaltung,
Innov aationsne
igung
Entf ernte
Variablen
Methode
.
Eingeben
b. Abhängige Variable: A.Weiterleit ung
89
Modell
1
R
R-Quadrat
.503a
.254
Korrigiertes
R-Quadrat
.203
St andardf
ehler des
Schätzers
1.65038
a. Einf lußv ariablen : (Konst ant e), A. Gewalt , A.Empf ang, A.
Nacktheit Erotik, Marktinv olv ement , A.SozialesRisiko, A.
Überraschung, A.Humor, A.AbscheuSchock, A.
FreudeUnterhaltung, I nnov ationsneigung
ANOVAb
Modell
1
Regression
Residuen
Gesamt
Quadrats
umme
135.969
400.391
536.361
df
10
147
157
Mittel der
Quadrate
13.597
2.724
F
4.992
Signif ikanz
.000a
a. Einf lußv ariablen : (Konst ante), A.Gewalt , A. Empf ang, A.NacktheitErot ik,
Marktinv olv ement, A.SozialesRisiko, A.Überraschung, A. Humor, A.
AbscheuSchock, A.FreudeUnterhaltung, I nnov ationsneigung
b. Abhängige Variable: A.Weiterleitung
Koeffi zi entena
Modell
1
(Konst ant e)
Marktinv olv ement
Innov ationsneigung
A. Humor
A. Überraschung
A. AbscheuSchock
A. NacktheitErotik
A. SozialesRisiko
A. Empf ang
A. Gewalt
Koef f izient en
St andardf
B
ehler
.812
.931
.173
.136
-.041
.149
.164
.148
.107
.125
.209
.134
-.010
.164
-.004
.083
-.147
.117
.198
.065
.036
.192
St andardisie
rte
Koef f izient en
Beta
.129
-.029
.112
.076
.150
-.006
-.004
-.113
.228
.015
T
.872
1.276
-.279
1.106
.850
1.558
-.061
-.054
-1.257
3.019
.185
Signif ikanz
.384
.204
.781
.271
.397
.121
.951
.957
.211
.003
.854
90
Modell
1
Auf genomme
ne Variablen
B.Gewalt, B.
Überraschun
g, B.
Nacktheit
Erot ik, B.
Empf ang,
Marktinv olv em
ent, B.
Soziales
Risiko, B.
Humor,
Innov ationsne
igung, B.
Abscheu
Schock, B.
Freude
a
Unterhaltung
Entf ernte
Variablen
Methode
.
Eingeben
b. Abhängige Variable: B.Weiterleit ung
Modell
1
R
R-Quadrat
.576a
.332
St andardf
ehler des
Schätzers
1.62084
Korrigiertes
R-Quadrat
.287
a. Einf lußv ariablen : (Konst ant e), B. Gewalt , B.
Überraschung, B.NacktheitErotik, B.Empf ang,
Marktinv olv ement, B.SozialesRisiko, B.Humor,
Innov ationsneigung, B.AbscheuSchock, B.
FreudeUnterhaltung
ANOVAb
Modell
1
Regression
Residuen
Gesamt
Quadrats
umme
191.997
386.187
578.184
df
10
147
157
Mittel der
Quadrate
19.200
2.627
F
7.308
Signif ikanz
.000a
a. Einf lußv ariablen : (Konst ante), B.Gewalt , B. Überraschung, B. NacktheitErotik, B.
Empf ang, Marktinv olv ement , B.SozialesRisiko, B.Humor, Innov ationsneigung, B.
AbscheuSchock, B.FreudeUnterhaltung
b. Abhängige Variable: B.Weiterleitung
91
Koeffi zi entena
Modell
1
(Konst ant e)
Marktinv olv ement
Innov ationsneigung
B. Humor
B. Überraschung
B. AbscheuSchock
B. NacktheitErotik
B. SozialesRisiko
B. Empf ang
B. Gewalt
Koef f izient en
St andardf
B
ehler
.424
.845
.045
.133
-.006
.148
.222
.165
.426
.137
.099
.123
.008
.140
-.053
.179
-.060
.107
.072
.073
-.157
.101
St andardisie
rte
Koef f izient en
Beta
.032
-.004
.173
.296
.078
.007
-.021
-.055
.071
-.161
T
.502
.337
-.037
1.345
3.106
.808
.060
-.298
-.559
.990
-1.554
Signif ikanz
.617
.736
.970
.181
.002
.421
.952
.766
.577
.324
.122
Modell
1
Auf genomme
ne Variablen
C.Gewalt,
Marktinv olv em
ent, C.
Empf ang, C.
Nacktheit
Erot ik, C.
Soziales
Risiko, C.
Überraschun
g, C.
Abscheu
Schock, C.
Humor,
Innov ationsne
igung, C.
Freude
a
Unterhaltung
Entf ernte
Variablen
Methode
.
Eingeben
b. Abhängige Variable: C.Weiterleitung
92
Modell
1
R
R-Quadrat
.667a
.445
Korrigiertes
R-Quadrat
.407
St andardf
ehler des
Schätzers
1.44543
a. Einf lußv ariablen : (Konst ant e), C.Gewalt,
Marktinv olv ement, C. Empf ang, C. NacktheitErotik, C.
SozialesRisiko, C. Überraschung, C.AbscheuSchock, C.
Humor, Innov ationsneigung, C.FreudeUnterhaltung
ANOVAb
Modell
1
Regression
Residuen
Gesamt
Quadrats
umme
246.453
307.123
553.576
df
10
147
157
Mittel der
Quadrate
24.645
2.089
F
11.796
Signif ikanz
.000a
a. Einf lußv ariablen : (Konst ante), C.Gewalt, Marktinv olv ement, C.Empf ang, C.
Nacktheit Erotik, C.SozialesRisiko, C.Überraschung, C. AbscheuSchock, C.Humor,
Innov at ionsneigung, C.FreudeUnterhaltung
b. Abhängige Variable: C.Weit erleitung
Koeffi zientena
Modell
1
(Konst ant e)
Marktinv olv ement
C.Humor
C.Überraschung
C.AbscheuSchock
C.Nacktheit Erotik
C.SozialesRisiko
C.Empf ang
C.Gewalt
Koef f izient en
St andardf
B
ehler
1.140
.854
.085
.120
-.156
.130
.517
.145
.047
.111
.289
.108
-.071
.101
-.081
.100
-.106
.094
-.025
.063
.012
.133
St andardisie
rte
Koef f izient en
Beta
.062
-.107
.413
.037
.231
-.052
-.053
-.097
-.026
.006
T
1.335
.708
-1.201
3.576
.421
2.669
-.709
-.806
-1.134
-.393
.091
Signif ikanz
.184
.480
.232
.000
.675
.008
.479
.421
.259
.695
.927
93
Modell
1
Auf genomme
ne Variablen
Innov ationsne
igung, D.
Soziales
Risiko, D.
Nacktheit
Erot ik, D.
Empf ang, D.
Gewalt, D.
Humor, D.
Überraschun
g,
Marktinv olv em
ent, D.
Abscheu
Schock, D.
Freude
a
Unterhaltung
Entf ernte
Variablen
Methode
.
Eingeben
b. Abhängige Variable: D.Weiterleitung
Modell
1
R
R-Quadrat
.570a
.325
Korrigiertes
R-Quadrat
.279
St andardf
ehler des
Schätzers
1.51251
a. Einf lußv ariablen : (Konst ant e), Innov at ionsneigung, D.
SozialesRisiko, D. NacktheitErotik, D.Empf ang, D.
Gewalt, D.Humor, D.Überraschung, Marktinv olv ement,
D.AbscheuSchock, D.FreudeUnterhaltung
ANOVAb
Modell
1
Regression
Residuen
Gesamt
Quadrats
umme
162.065
336.289
498.354
df
10
147
157
Mittel der
Quadrate
16.207
2.288
F
7.084
Signif ikanz
.000a
a. Einf lußv ariablen : (Konst ante), Innov ationsneigung, D.SozialesRisiko, D.
Nacktheit Erotik, D.Empf ang, D.Gewalt, D. Humor, D.Überraschung,
Marktinv olv ement, D. AbscheuSchock, D.FreudeUnterhaltung
b. Abhängige Variable: D.Weit erleitung
94
Koeffi zientena
Modell
1
(Konst ant e)
D.FreudeUnterhaltung
D.Humor
D.Überraschung
D.AbscheuSchock
D.Nacktheit Erotik
D.SozialesRisiko
D.Empf ang
D.Gewalt
Marktinv olv ement
Koef f izient en
St andardf
B
ehler
.259
.741
-.034
.138
.529
.147
.382
.114
-.107
.136
-.029
.153
-.062
.083
.078
.081
.030
.094
-.008
.122
.008
.134
St andardisie
rte
Koef f izient en
Beta
-.029
.320
.322
-.078
-.014
-.061
.068
.030
-.006
.005
T
.350
-.246
3.613
3.359
-.784
-.190
-.752
.959
.315
-.068
.056
Signif ikanz
.727
.806
.000
.001
.435
.850
.453
.339
.753
.946
.955
Regressionsanalyse Gesamt (Methode: Schrittweise mit 𝑒 ≤ 0.1 und 𝐵 ≥ 0.2)
Modell
1
2
3
4
5
6
R
R-Quadrat
.501a
.251
.527b
.277
c
.544
.296
.554d
.307
.561e
.315
f
.564
.319
Korrigiertes
R-Quadrat
.250
.275
.293
.302
.309
.312
St andardf
ehler des
Schätzers
1.61989
1.59253
1.57257
1.56212
1.55426
1.55119
a. Einf lußv ariablen : (Konst ant e), FreudeUnterhaltung
b. Einf lußv ariablen : (Konst ant e), FreudeUnterhaltung,
Humor
c. Einf lußv ariablen : (Konst ant e), FreudeUnterhaltung,
Humor, Überraschung
d. Einf lußv ariablen : (Konst ant e), FreudeUnterhaltung,
Humor, Überraschung, SozialesRisiko
e. Einf lußv ariablen : (Konst ant e), FreudeUnterhaltung,
Humor, Überraschung, SozialesRisiko, Empf ang
f .Einf lußv ariablen : (Konst ant e), FreudeUnterhaltung,
Humor, Überraschung, SozialesRisiko, Empf ang,
AbscheuSchock
95
ANOVAg
Modell
1
2
3
4
5
6
Regression
Residuen
Gesamt
Regression
Residuen
Gesamt
Regression
Residuen
Gesamt
Regression
Residuen
Gesamt
Regression
Residuen
Gesamt
Regression
Residuen
Gesamt
Quadrats
umme
553.931
1653.143
2207.074
611.842
1595.232
2207.074
654.053
1553.021
2207.074
677.067
1530.008
2207.074
694.840
1512.235
2207.074
703.213
1503.861
2207.074
df
1
630
631
2
629
631
3
628
631
4
627
631
5
626
631
6
625
631
Mittel der
Quadrate
553.931
2.624
F
211.099
Signif ikanz
.000a
305.921
2.536
120.625
.000b
218.018
2.473
88.160
.000c
169.267
2.440
69.366
.000d
138.968
2.416
57.527
.000e
117.202
2.406
48.709
.000f
a. Einf lußv ariablen : (Konst ante), FreudeUnterhaltung
b. Einf lußv ariablen : (Konst ante), FreudeUnterhaltung, Humor
c. Einf lußv ariablen : (Konst ante), FreudeUnterhaltung, Humor, Überraschung
d. Einf lußv ariablen : (Konst ante), FreudeUnterhaltung, Humor, Überraschung,
SozialesRisiko
e. Einf lußv ariablen : (Konst ante), FreudeUnterhaltung, Humor, Überraschung,
SozialesRisiko, Empf ang
f . Einf lußv ariablen : (Konst ante), FreudeUnterhaltung, Humor, Überraschung,
SozialesRisiko, Empf ang, AbscheuSchock
g. Abhängige Variable: Weit erleitung
96
Koeffi zi entena
Modell
1
2
3
4
5
6
(Konst ant e)
FreudeUnterhaltung
(Konst ant e)
FreudeUnterhaltung
Humor
(Konst ant e)
FreudeUnterhaltung
Humor
Überraschung
(Konst ant e)
FreudeUnterhaltung
Humor
Überraschung
SozialesRisiko
(Konst ant e)
FreudeUnterhaltung
Humor
Überraschung
SozialesRisiko
Empf ang
(Konst ant e)
FreudeUnterhaltung
Humor
Überraschung
SozialesRisiko
Empf ang
AbscheuSchock
Koef f izient en
St andardf
B
ehler
.626
.196
.628
.043
.220
.211
.487
.052
.243
.051
-.142
.226
.328
.064
.241
.050
.238
.058
.679
.349
.247
.069
.223
.050
.250
.057
-.136
.044
.569
.349
.231
.069
.213
.050
.253
.057
-.130
.044
.090
.033
.679
.354
.218
.069
.225
.050
.260
.057
-.095
.048
.091
.033
-.096
.051
St andardisie
rte
Koef f izient en
Beta
.501
.388
.197
.261
.196
.188
.197
.181
.198
-.123
.184
.173
.200
-.117
.092
.174
.183
.206
-.086
.093
-.070
T
3.190
14.529
1.043
9.409
4.779
-.628
5.123
4.808
4.131
1.946
3.582
4.441
4.366
-3.071
1.630
3.359
4.257
4.425
-2.937
2.712
1.921
3.167
4.462
4.556
-1.984
2.745
-1.865
Signif ikanz
.001
.000
.297
.000
.000
.530
.000
.000
.000
.052
.000
.000
.000
.002
.104
.001
.000
.000
.003
.007
.055
.002
.000
.000
.048
.006
.063
97
Ausgeschlossene Vari ableng
Modell
1
2
3
4
5
6
Marktinv olv ement
Innov ationsneigung
Humor
Überraschung
AbscheuSchock
Nacktheit
SozialesRisiko
Empf ang
Gewalt
Marktinv olv ement
Innov ationsneigung
Überraschung
AbscheuSchock
Nacktheit
SozialesRisiko
Empf ang
Gewalt
Marktinv olv ement
Innov ationsneigung
AbscheuSchock
Nacktheit
SozialesRisiko
Empf ang
Gewalt
Marktinv olv ement
Innov ationsneigung
AbscheuSchock
Nacktheit
Empf ang
Gewalt
Marktinv olv ement
Innov ationsneigung
AbscheuSchock
Nacktheit
Gewalt
Marktinv olv ement
Innov ationsneigung
Nacktheit
Gewalt
Beta In
.053a
.019a
.197a
.190a
-.073a
.030a
-.132a
.107a
-.069a
.046b
.013b
.188b
-.085b
-.012b
-.110b
.095b
-.060b
.027c
.002c
-.099c
-.012c
-.123c
.097c
-.064c
.032d
.012d
-.068d
-.005d
.092d
-.043d
.026e
-.002e
-.070e
-.012e
-.041e
.034f
.007f
-.003f
-.015f
T
1.494
.548
4.779
4.096
-2.048
.875
-3.230
3.067
-1.983
1.340
.377
4.131
-2.427
-.342
-2.730
2.747
-1.757
.775
.045
-2.863
-.337
-3.071
2.856
-1.908
.937
.342
-1.816
-.151
2.712
-1.260
.759
-.048
-1.865
-.337
-1.184
.982
.211
-.097
-.379
Signif ikanz
.136
.584
.000
.000
.041
.382
.001
.002
.048
.181
.706
.000
.016
.733
.007
.006
.079
.439
.964
.004
.736
.002
.004
.057
.349
.733
.070
.880
.007
.208
.448
.962
.063
.736
.237
.327
.833
.923
.704
Part ielle
Korrelation
.059
.022
.187
.161
-.081
.035
-.128
.121
-.079
.053
.015
.163
-.096
-.014
-.108
.109
-.070
.031
.002
-.114
-.013
-.122
.113
-.076
.037
.014
-.072
-.006
.108
-.050
.030
-.002
-.074
-.013
-.047
.039
.008
-.004
-.015
Kollinearit
ätsstatistik
Toleranz
.960
.942
.674
.540
.937
.994
.706
.957
.984
.959
.940
.540
.933
.929
.696
.951
.981
.940
.934
.925
.929
.692
.951
.980
.937
.926
.785
.925
.948
.931
.933
.906
.784
.921
.930
.921
.889
.905
.738
a. Einf lußv ariablen im Modell: (Konstante), FreudeUnterhaltung
b. Einf lußv ariablen im Modell: (Konstante), FreudeUnterhaltung, Humor
c. Einf lußv ariablen im Modell: (Konstante), FreudeUnterhaltung, Humor, Überraschung
d. Einf lußv ariablen im Modell: (Konstante), FreudeUnterhaltung, Humor, Überraschung,
SozialesRisiko
e. Einf lußv ariablen im Modell: (Konstante), FreudeUnterhaltung, Humor, Überraschung,
SozialesRisiko, Empf ang
f .Einf lußv ariablen im Modell: (Konstante), FreudeUnterhaltung, Humor, Überraschung,
SozialesRisiko, Empf ang, AbscheuSchock
g. Abhängige Variable: Weit erleitung
98
Regressionsanalyse Video 1 (Methode: Schrittweise mit 𝑒 ≤ 0.1 und 𝐵 ≥ 0.2)
Modell
1
2
3
4
R
R-Quadrat
.363a
.132
.447b
.199
c
.470
.221
.486d
.236
Korrigiertes
R-Quadrat
.126
.189
.206
.216
St andardf
ehler des
Schätzers
1.72785
1.66448
1.64721
1.63631
a. Einf lußv ariablen : (Konst ant e), A. FreudeUnterhaltung
b. Einf lußv ariablen : (Konst ant e), A. FreudeUnterhaltung,
A. Empf ang
c. Einf lußv ariablen : (Konst ant e), A. FreudeUnterhaltung, A.
Empf ang, Marktinv olv ement
d. Einf lußv ariablen : (Konst ant e), A. FreudeUnterhaltung,
A. Empf ang, Markt inv olv ement, A.Überraschung
ANOVAe
Modell
1
2
3
4
Regression
Residuen
Gesamt
Regression
Residuen
Gesamt
Regression
Residuen
Gesamt
Regression
Residuen
Gesamt
Quadrats
umme
70.628
465.733
536.361
106.935
429.426
536.361
118.515
417.846
536.361
126.700
409.661
536.361
df
1
156
157
2
155
157
3
154
157
4
153
157
Mittel der
Quadrate
70.628
2.985
F
23.657
Signif ikanz
.000a
53.468
2.770
19.299
.000b
39.505
2.713
14.560
.000c
31.675
2.678
11.830
.000d
a. Einf lußv ariablen : (Konst ante), A.FreudeUnterhaltung
b. Einf lußv ariablen : (Konst ante), A.FreudeUnterhaltung, A. Empf ang
c. Einf lußv ariablen : (Konst ante), A.FreudeUnterhaltung, A. Empf ang,
Marktinv olv ement
d. Einf lußv ariablen : (Konst ante), A.FreudeUnterhaltung, A. Empf ang,
Marktinv olv ement, A.Überraschung
e. Abhängige Variable: A.Weiterleitung
99
Koeffi zi entena
Modell
1
2
3
4
(Konst ant e)
(Konst ant e)
A. Empf ang
(Konst ant e)
A. Empf ang
Marktinv olv ement
(Konst ant e)
A. Empf ang
Marktinv olv ement
A. Überraschung
Koef f izient en
St andardf
B
ehler
1.159
.548
.534
.110
1.078
.529
.441
.109
.232
.064
.448
.606
.392
.110
.219
.064
.205
.099
.195
.619
.258
.134
.210
.063
.176
.100
.223
.128
St andardisie
rte
Koef f izient en
Beta
.363
.300
.268
.267
.253
.152
.176
.242
.131
.160
T
2.114
4.864
2.040
4.055
3.620
.740
3.565
3.438
2.066
.315
1.935
3.306
1.768
1.748
Signif ikanz
.036
.000
.043
.000
.000
.461
.000
.001
.041
.753
.055
.001
.079
.082
100
Ausgeschlossene Vari ablene
Modell
1
2
3
4
Marktinv olv ement
Innov ationsneigung
A. Humor
A. Überraschung
A. AbscheuSchock
A. NacktheitErotik
A. SozialesRisiko
A. Empf ang
A. Gewalt
Marktinv olv ement
Innov ationsneigung
A. Humor
A. Überraschung
A. AbscheuSchock
A. NacktheitErotik
A. SozialesRisiko
A. Gewalt
Innov ationsneigung
A. Humor
A. Überraschung
A. AbscheuSchock
A. NacktheitErotik
A. SozialesRisiko
A. Gewalt
Innov ationsneigung
A. Humor
A. AbscheuSchock
A. NacktheitErotik
A. SozialesRisiko
A. Gewalt
Beta In
.177a
.130a
.173a
.217a
-.058a
-.036a
-.169a
.268a
-.008a
.152b
.088b
.141b
.186b
-.036b
-.021b
-.141b
-.017b
-.026c
.116c
.160c
-.042c
-.013c
-.127c
-.027c
-.021d
.098d
-.065d
-.012d
-.126d
-.022d
T
2.334
1.676
2.001
2.315
-.775
-.483
-2.096
3.620
-.107
2.066
1.163
1.680
2.049
-.492
-.289
-1.801
-.233
-.262
1.369
1.748
-.593
-.184
-1.623
-.374
-.214
1.151
-.908
-.171
-1.631
-.304
Signif ikanz
.021
.096
.047
.022
.439
.630
.038
.000
.915
.041
.247
.095
.042
.624
.773
.074
.816
.793
.173
.082
.554
.855
.107
.709
.831
.252
.365
.865
.105
.762
Part ielle
Korrelation
.184
.133
.159
.183
-.062
-.039
-.166
.279
-.009
.164
.093
.134
.163
-.040
-.023
-.144
-.019
-.021
.110
.140
-.048
-.015
-.130
-.030
-.017
.093
-.073
-.014
-.131
-.025
Kollinearit
ätsstatistik
Toleranz
.943
.919
.728
.619
1.000
.995
.841
.945
.982
.934
.895
.719
.613
.992
.992
.832
.981
.501
.700
.597
.990
.989
.824
.976
.500
.687
.962
.989
.824
.975
a. Einf lußv ariablen im Modell: (Konstante), A.FreudeUnterhaltung
b. Einf lußv ariablen im Modell: (Konstante), A.FreudeUnterhaltung, A. Empf ang
c. Einf lußv ariablen im Modell: (Konstante), A.FreudeUnterhaltung, A. Empf ang, Marktinv olv ement
d. Einf lußv ariablen im Modell: (Konstante), A.FreudeUnterhaltung, A. Empf ang,
Marktinv olv ement, A.Überraschung
e. Abhängige Variable: A. Weiterleitung
101
Modell
1
2
3
R
R-Quadrat
.503a
.253
.540b
.292
c
.567
.322
Korrigiertes
R-Quadrat
.248
.282
.309
St andardf
ehler des
Schätzers
1.66444
1.62561
1.59550
a. Einf lußv ariablen : (Konst ant e), B. FreudeUnterhaltung
b. Einf lußv ariablen : (Konst ant e), B. FreudeUnterhaltung,
B. Humor
c. Einf lußv ariablen : (Konst ant e), B. FreudeUnterhaltung,
B. Humor, B.Gewalt
ANOVAd
Modell
1
2
3
Regression
Residuen
Gesamt
Regression
Residuen
Gesamt
Regression
Residuen
Gesamt
Quadrats
umme
146.010
432.174
578.184
168.579
409.605
578.184
186.158
392.025
578.184
df
1
156
157
2
155
157
3
154
157
Mittel der
Quadrate
146.010
2.770
F
52.705
Signif ikanz
.000a
84.289
2.643
31.896
.000b
62.053
2.546
24.376
.000c
a. Einf lußv ariablen : (Konst ante), B.FreudeUnterhaltung
b. Einf lußv ariablen : (Konst ante), B.FreudeUnterhaltung, B. Humor
c. Einf lußv ariablen : (Konst ante), B.FreudeUnterhaltung, B. Humor, B.Gewalt
d. Abhängige Variable: B.Weiterleitung
Koeffi zi entena
Modell
1
2
3
(Konst ant e)
(Konst ant e)
B. Humor
(Konst ant e)
B. Humor
B. Gewalt
Koef f izient en
St andardf
B
ehler
.547
.400
.646
.089
-.253
.477
.408
.119
.390
.133
.363
.523
.357
.118
.435
.132
-.173
.066
St andardisie
rte
Koef f izient en
Beta
.503
.318
.270
.278
.302
-.177
T
1.370
7.260
-.530
3.435
2.922
.693
3.013
3.296
-2.628
Signif ikanz
.173
.000
.597
.001
.004
.489
.003
.001
.009
102
Ausgeschlossene Vari ablend
Modell
1
2
3
Marktinv olv ement
Innov ationsneigung
B. Humor
B. Überraschung
B. AbscheuSchock
B. NacktheitErotik
B. SozialesRisiko
B. Empf ang
B. Gewalt
Marktinv olv ement
Innov ationsneigung
B. Überraschung
B. AbscheuSchock
B. NacktheitErotik
B. SozialesRisiko
B. Empf ang
B. Gewalt
Marktinv olv ement
Innov ationsneigung
B. Überraschung
B. AbscheuSchock
B. NacktheitErotik
B. SozialesRisiko
B. Empf ang
Beta In
-.015a
-.035a
.270a
.076a
-.134a
-.046a
-.139a
.083a
-.148a
.007b
-.024b
.051b
-.137b
-.034b
-.125b
.094b
-.177b
.034c
.015c
.072c
-.013c
-.019c
-.050c
.067c
T
-.208
-.499
2.922
.785
-1.898
-.654
-1.627
1.170
-2.147
.095
-.344
.536
-1.986
-.501
-1.492
1.350
-2.628
.490
.208
.771
-.126
-.281
-.562
.971
Signif ikanz
.835
.619
.004
.434
.060
.514
.106
.244
.033
.925
.732
.593
.049
.617
.138
.179
.009
.625
.835
.442
.900
.779
.575
.333
Part ielle
Korrelation
-.017
-.040
.229
.063
-.151
-.052
-.130
.094
-.170
.008
-.028
.043
-.158
-.040
-.119
.108
-.207
.040
.017
.062
-.010
-.023
-.045
.078
Kollinearit
ätsstatistik
Toleranz
.971
.957
.534
.514
.950
.979
.648
.942
.989
.960
.954
.510
.949
.975
.645
.939
.972
.939
.911
.506
.443
.968
.553
.916
a. Einf lußv ariablen im Modell: (Konstante), B.FreudeUnterhaltung
b. Einf lußv ariablen im Modell: (Konstante), B.FreudeUnterhaltung, B. Humor
c. Einf lußv ariablen im Modell: (Konstante), B.FreudeUnterhaltung, B. Humor, B.Gewalt
d. Abhängige Variable: B. Weiterleitung
Modell
1
2
3
R
R-Quadrat
.632a
.399
b
.649
.421
.656c
.431
Korrigiertes
R-Quadrat
.396
.414
.420
St andardf
ehler des
Schätzers
1.45979
1.43745
1.43045
a. Einf lußv ariablen : (Konst ant e), C.FreudeUnterhaltung
b. Einf lußv ariablen : (Konst ant e), C.FreudeUnterhaltung,
C.Überraschung
c. Einf lußv ariablen : (Konst ant e), C.FreudeUnterhaltung,
C.Überraschung, C.SozialesRisiko
103
ANOVAd
Modell
1
2
3
Regression
Residuen
Gesamt
Regression
Residuen
Gesamt
Regression
Residuen
Gesamt
Quadrats
umme
221.141
332.435
553.576
233.305
320.271
553.576
238.462
315.114
553.576
df
1
156
157
2
155
157
3
154
157
Mittel der
Quadrate
221.141
2.131
F
103.773
Signif ikanz
.000a
116.653
2.066
56.456
.000b
79.487
2.046
38.846
.000c
a. Einf lußv ariablen : (Konst ante), C.FreudeUnterhaltung
b. Einf lußv ariablen : (Konst ante), C.FreudeUnterhaltung, C.Überraschung
c. Einf lußv ariablen : (Konst ante), C.FreudeUnterhaltung, C.Überraschung, C.
SozialesRisiko
d. Abhängige Variable: C.Weit erleitung
Koeffi zientena
Modell
1
2
3
(Konst ant e)
(Konst ant e)
C.Überraschung
(Konst ant e)
C.Überraschung
C.SozialesRisiko
Koef f izient en
St andardf
B
ehler
.131
.313
.792
.078
-.264
.349
.622
.104
.251
.103
.542
.615
.513
.124
.273
.104
-.134
.085
St andardisie
rte
Koef f izient en
Beta
.632
.497
.201
.410
.219
-.123
T
.419
10.187
-.757
6.001
2.426
.881
4.149
2.630
-1.587
Signif ikanz
.676
.000
.450
.000
.016
.380
.000
.009
.114
104
Ausgeschlossene Vari ablend
Modell
1
2
3
Marktinv olv ement
Innov ationsneigung
C.Humor
C.Überraschung
C.AbscheuSchock
C.Nackt heit Erotik
C.SozialesRisiko
C.Empf ang
C.Gewalt
Marktinv olv ement
Innov ationsneigung
C.Humor
C.AbscheuSchock
C.Nackt heit Erotik
C.SozialesRisiko
C.Empf ang
C.Gewalt
Marktinv olv ement
Innov ationsneigung
C.Humor
C.AbscheuSchock
C.Nackt heit Erotik
C.Empf ang
C.Gewalt
Beta In
.005a
-.072a
.056a
.201a
-.070a
-.044a
-.095a
-.038a
-.030a
-.027b
-.094b
.038b
-.099b
-.053b
-.123b
-.044b
-.025b
-.013c
-.085c
.025c
-.071c
-.058c
-.042c
-.007c
T
.081
-1.092
.643
2.426
-1.103
-.692
-1.221
-.592
-.485
-.407
-1.447
.443
-1.564
-.849
-1.587
-.691
-.410
-.202
-1.298
.284
-1.048
-.939
-.667
-.113
Signif ikanz
.936
.276
.521
.016
.272
.490
.224
.555
.628
.685
.150
.658
.120
.397
.114
.491
.683
.840
.196
.777
.296
.349
.506
.910
Part ielle
Korrelation
.006
-.087
.052
.191
-.088
-.055
-.098
-.048
-.039
-.033
-.116
.036
-.125
-.068
-.127
-.056
-.033
-.016
-.104
.023
-.084
-.076
-.054
-.009
Kollinearit
ätsstatistik
Toleranz
.905
.889
.503
.545
.957
.970
.630
.935
.989
.869
.873
.499
.929
.966
.618
.934
.988
.854
.865
.494
.800
.963
.934
.952
a. Einf lußv ariablen im Modell: (Konstante), C.FreudeUnterhaltung
b. Einf lußv ariablen im Modell: (Konstante), C.FreudeUnterhaltung, C.Überraschung
c. Einf lußv ariablen im Modell: (Konstante), C.FreudeUnterhaltung, C.Überraschung, C.
SozialesRisiko
d. Abhängige Variable: C.Weiterleitung
Modell
1
2
R
R-Quadrat
.474a
.225
b
.558
.311
Korrigiertes
R-Quadrat
.220
.302
St andardf
ehler des
Schätzers
1.57339
1.48857
a. Einf lußv ariablen : (Konst ant e), D.Humor
b. Einf lußv ariablen : (Konst ant e), D.Humor, D.
Überraschung
105
ANOVAc
Modell
1
2
Regression
Residuen
Gesamt
Regression
Residuen
Gesamt
Quadrats
umme
112.166
386.188
498.354
154.899
343.456
498.354
df
1
156
157
2
155
157
Mittel der
Quadrate
112.166
2.476
77.449
2.216
F
45.309
Signif ikanz
.000a
34.953
.000b
a. Einf lußv ariablen : (Konst ante), D.Humor
b. Einf lußv ariablen : (Konst ante), D.Humor, D.Überraschung
c. Abhängige Variable: D.Weit erleitung
Koeffi zientena
Modell
1
2
(Konst ant e)
D.Humor
(Konst ant e)
D.Humor
D.Überraschung
Koef f izient en
St andardf
B
ehler
.852
.364
.784
.116
-.260
.427
.556
.122
.384
.088
St andardisie
rte
Koef f izient en
Beta
.474
.337
.324
T
2.343
6.731
-.608
4.567
4.391
Signif ikanz
.020
.000
.544
.000
.000
106
Ausgeschlossene Variablenc
Modell
1
2
D.Überraschung
D.AbscheuSchock
D.Nacktheit Erotik
D.SozialesRisiko
D.Empf ang
D.Gewalt
Marktinv olv ement
D.AbscheuSchock
D.Nacktheit Erotik
D.SozialesRisiko
D.Empf ang
D.Gewalt
Marktinv olv ement
Beta In
.247a
.324a
-.116a
-.059a
-.132a
.060a
-.052a
.046a
.057a
.035b
-.080b
-.019b
-.083b
.079b
-.038b
-.003b
.002b
T
2.798
4.391
-1.637
-.839
-1.781
.839
-.728
.643
.804
.324
-1.173
-.278
-1.162
1.171
-.560
-.050
.027
Signif ikanz
.006
.000
.104
.403
.077
.403
.468
.521
.423
.746
.243
.781
.247
.243
.576
.960
.979
Part ielle
Korrelat ion
.219
.333
-.130
-.067
-.142
.067
-.058
.052
.064
.026
-.094
-.022
-.093
.094
-.045
-.004
.002
Kollinearit
ätsstatistik
Toleranz
.610
.819
.978
.999
.894
.988
.986
.994
.979
.390
.962
.979
.870
.984
.984
.967
.945
a. Einf lußv ariablen im Modell: (Konstante), D.Humor
b. Einf lußv ariablen im Modell: (Konstante), D.Humor, D. Überraschung
c. Abhängige Variable: D.Weit erleitung
107
Eigenständigkeitserklärung
Ich erkläre hiermit,
-
dass ich die vorliegende Arbeit ohne fremde Hilfe und ohne Verwendung anderer als
der angegebenen Hilfsmittel verfasst habe,
-
dass ich sämtliche verwendeten Quellen erwähnt und gemäss gängigen
wissenschaftlichen Zitierregeln korrekt zitiert habe,
-
dass ich ohne schriftliche Zustimmung des Rektors keine Kopien dieser Arbeit an
Dritte aushändigen werde, ausgenommen nach Abschluss des Verfahrens an
Studienkollegen und –kolleginnen oder an Personen, die mir wesentliche
Informationen für die Master-Arbeit zur Verfügung gestellt haben.
Sven Ruoss
108

Erfolgsfaktoren des Viral Marketing

Transcription

Similar documents

Handout Korrelationen und Regressionen mit SPSS

LEITFADEN Integrierte Kommunikation

Viral Marketing zum Discount Preis - Wie Sie auch mit

Inhaltsverzeichnis

mai 2012

Kinder- und Jugendfilm Korrespondenz

Die BUCHSTAVIER - Das Dosierte Leben

Rôznosť Vielfalt. Zážitok Erlebnis. Idey Ideen.