Weitere ähnliche Inhalte Ähnlich wie eWOM Studie - Wie Konsumenten in Deutschland, Österreich und der Deutsch-Schweiz Online-Bewertungen heute nutzen (20) Mehr von Mark Leinemann (7) eWOM Studie - Wie Konsumenten in Deutschland, Österreich und der Deutsch-Schweiz Online-Bewertungen heute nutzen1. Die digitale Herausforderung:
Wie gehen Konsumenten mit
Online-Bewertungen um?
Freie Universität Berlin
© Sabrina Gottschalk und Alexander Mafael
Studienbeteiligte
Forschungs-
durchführung:
Inhaltliche
Studienbegleitung:
2. 2
Ziel der Studie
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
3. 3
Relevanz des Themas
• Marktforschung und Marketing-Wissenschaft sind sich einig: Online-Bewertungen beeinflussen
Kaufentscheidungen von Konsumenten maßgeblich
• Online-Bewertungsseiten (z.B. tripadvisor.com, ciao.com) erhalten immer mehr Zulauf
• Konsumenten finden auf Online-Bewertungsseiten eine große Informationsvielfalt und
Informationsmenge vor
Die einen verlassen sich blind auf sie, die anderen halten sie für Quatsch:
Kundenbewertungen im Internet
(Wirtschaftswoche, 30.07.2014)
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
4. 4
Ziele der Untersuchung
Ob Reise, Taxifahrer oder Liefergeschwindigkeit – mittlerweile hat schon mehr als
jeder zweite Internetnutzer seine Meinung im Netz veröffentlicht
(Bitkom, 2014)
Kernfragen der Untersuchung:
• Welchen Stellenwert haben Online-Bewertungen für Konsumenten?
• Wie gehen Konsumenten mit Online-Bewertungen um?
• Gibt es bestimmte Nutzer-Typen von Online-Bewertungen?
Anlage der Untersuchung:
• Großzahlige Befragung mit Nutzern der Online-Plattform Kjero
• Besondere Eignung der Kjero-Nutzer als Befragungsteilnehmer aufgrund ihrer großen Erfahrung
mit Produkten und Bewertungen
• Studienbegleitung durch MR. WOM (www.mrwom.com)
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
5. 5
Vorbemerkung der Studienpartner
In den USA präferieren 58% der Konsumenten Online Shops mit
Konsumentenbewertungen – die Online-Bewertungen steigern dort den Absatz
durchschnittlich um 18%.
(Revoo.com 2013, Marketing Sherpa 2007 )
Warum MR. WOM diese Studie unterstützt:
• Online-Bewertungen haben heute eine hohe Bedeutung für die Kaufentscheidung von Konsumenten im Internet.
Studien von u.a. Accelerom zeigen, dass die Empfehlung von Freunden und Kollegen einer der wichtigsten
Kontaktpunkte für die Kaufentscheidung von Konsumenten ist. Markenhersteller und die Marketingbranche selbst
präferieren dabei oft nur eine hohe Quantität sehr positiver Bewertungen, da sie davon ausgehen, dass Online
Nutzer sich nur an den besten Bewertungen im Netz für ihre Produktauswahl orientieren.
• MR. WOM verfolgt den Ansatz, dass es im Word of Mouth Marketing nicht darauf ankommt, nur positive, sondern vor
allem qualitativ hochwertige, differenzierte und authentische Produkt-Bewertungen von Konsumenten zu erhalten.
Denn nur ehrliche Konsumentenbewertungen haben nachhaltigen und glaubwürdigen Einfluss auf die Kaufent-
scheidung. Daher hat MR. WOM als Studienpartner die Forschung der FU Berlin gerne unterstützt – inhaltlich und
operativ in der Studienbegleitung zwischen der FU Berlin und dem von ihm vermittelten Panelpartner Kjero.
• Die nun vorliegende Studie belegt, dass das Nutzungsverhalten bei Online-Bewertungen wesentlich differenzierter ist
und es mehrere Nutzertypen gibt. Diese Erkenntnisse unterstützen und bestätigen den qualitativen Word of Mouth
Marketing Ansatz von MR. WOM.
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
7. 7
95,4 Prozent der befragten Panel Nutzer haben
Online-Bewertungen bereits genutzt
Gesamtstichprobe N= 2732 Kjero Nutzer
Interessierende
Teilstichprobe
N= 2606 Kjero Nutzer, die Online-
Bewertungen bereits genutzt haben
95,4%
4,6%
Haben Sie schon einmal vor einer Kaufentscheidung
Online-Bewertungen gelesen?
Ja
Nein
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
8. 8
Die „Nicht-Nutzer“ im Überblick
Interessierende
Teilstichprobe
N= 126 2606 Nutzer der Plattform kjero
Geschlecht 85,7% weiblich, 14,3% männlich
Alter 41,48 Jahre
Herkunft
Deutschland: 52 Nutzer (41,3%)
Österreich: 56 Nutzer (44,4%)
Schweiz: 18 Nutzer (14,3%)
Haushaltsgröße
Deutschland: 3,31 Personen im Haushalt
Österreich: 3,0 Personen im Haushalt
Schweiz: 4,06 Personen im Haushalt
Berufliche Tätigkeit
(Auszug)
41,3% Angestellte(r)
16,7% Hausfrau/ Hausmann
9,5% Arbeiter(in)
7,1% Rentner(in)
6,3% Sonstiges
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
9. 9
Die „Nutzer“ im Überblick
Interessierende
Teilstichprobe
N= 2606 Nutzer der Plattform kjero
Geschlecht 84,1% weiblich, 15,9% männlich
Alter 37,74 Jahre
Herkunft
Deutschland: 1365 Nutzer (52,4%)
Österreich: 1064 Nutzer (40,8%)
Schweiz: 177 Nutzer (6,8%)
Haushaltsgröße
Deutschland: 3,13 Personen im Haushalt
Österreich: 3,15 Personen im Haushalt
Schweiz: 3,81 Personen im Haushalt
Berufliche Tätigkeit
(Auszug)
53,3% Angestellte(r)
17,6% Hausfrau/Hausmann
5,4% Arbeiter(in)
6,3% Selbstständige(r)
5,5% Student(in)
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
10. 10
„Nutzer“ sind signifikant jünger als „Nicht-Nutzer“
37,72 Jahre
41,48 Jahre
Nutzer Nicht-Nutzer
Alter in Jahren
Die Mittelwerte unterscheiden sich signifikant auf
dem 1% Niveau (p***<0,001)
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
11. 11
Diese Differenz spiegelt sich auch innerhalb der
Ländergruppen wider
38,68 Jahre
36,41 Jahre
38,16 Jahre
42,67 Jahre
39,54 Jahre
44,11 Jahre
Deutschland Österreich Schweiz
Alter in Jahren
Nutzer Nicht-Nutzer
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
Die Mittelwerte unterscheiden sich signifikant auf
dem 5% Niveau (p***<0,05)
12. 12
Der Anteil der „Nicht-Nutzer“ aus der Schweiz ist relativ
gesehen deutlich höher als der Anteil der „Nutzer“
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
52%
41%
7%
39%
47%
14%
Deutschland Österreich Schweiz
Anteil der „Nutzer" und „Nicht-Nutzer"
„Nutzer"
„Nicht-Nutzer"
14. 14
Das Internet hat für die befragten Nutzern einen hohen
Stellenwert…
3 Items von 1 (nicht aufregend/ unwichtig/ irrelevant)
bis 5 (aufregend/ wichtig/ relevant)
MittelwertDeutschland = 4,42
MittelwertÖsterreich = 4,33
MittelwertSchweiz = 4,38
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
1
2
3
4
5
aufregend wichtig relevant
Die Nutzung des Internets ist für mich…
Deutschland
Österreich
Schweiz
15. 15
… und viele Nutzer schätzen ihre Internet-
Erfahrung als umfangreich ein
1 Item von 1 (nicht umfangreich)
bis 5 (umfangreich)
MittelwertD, AT, CH = 4,43
Deutsche,
Österreicher und
Schweizer weisen bei
ihrer Meinung zum
Internet sowie bei
ihrer Internet-
Erfahrung keine
systematischen
Unterschiede auf
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
4,45 4,41 4,38
1
2
3
4
5
Deutschland Österreich Schweiz
17. 17
Die befragten Panel Nutzer haben eine eher positive
Einstellung zu Online-Bewertungen
Skala: Adaptiert von Jimenez & Mendoza, 2013
19,10%
23,50%
23,90%
32,20%
3%
4,90%
3,10%
1,1%
0,00% 10,00% 20,00% 30,00% 40,00% 50,00%
Online-Bewertungen beeinflussen häufig meine
Kaufentscheidungen.
Ich schaue mir immer Online-Bewertungen an, bevor ich etwas
kaufe.
Ich lese typischerweise Online-Bewertungen, bevor ich eine
Kaufentscheidung treffe.
Ich denke, dass Online-Bewertungen hilfreich für meine
Entscheidungsfindung sind.
Was denken Sie im Allgemeinen über Online-Bewertungen?
Stimme überhaupt nicht zu Stimme vollkommen zu
Generelle Einstellung zu Online-Bewertungen
4 Items von 1 (stimme überhaupt nicht zu)
bis 5 (stimme vollkommen zu)
Mittelwert = 3,71 (s.d. = 0,87)
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
18. 18
Im Mittel sind die deutschen Probanden Online-Bewertungen
gegenüber am positivsten eingestellt, die Schweizer am negativsten
von 1 (stimme überhaupt nicht zu) bis 5 (stimme vollkommen zu),
abgebildet sind die Mittelwerte der vier Items für die Ländergruppen
***p<0.001
**p<0.05
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5
Online-Bewertungen beeinflussen häufig meine
Kaufentscheidungen.
Ich schaue mir immer Online-Bewertungen an, bevor
ich etwas kaufe.
Ich lese typischerweise Online-Bewertungen, bevor ich
eine Kaufentscheidung treffe.
Ich denke, dass Online-Bewertungen hilfreich für meine
Entscheidungsfindung sind.
Einstellung gegenüber Online-Bewertungen
Deutschland
Österreich
Schweiz
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
19. 19
Detailinformation zum Item „Online-Bewertungen sind hilfreich für
meine Entscheidungsfindung“ im Ländervergleich
30,20%
30,60%
28,20%
0,70%
1,60%
1,10%
0,00% 10,00% 20,00% 30,00% 40,00% 50,00%
Deutschland
Österreich
Schweiz
„Ich denke, dass Online-Bewertungen hilfreich für meine
Entscheidungsfindung sind“
1 (stimme überhaupt nicht zu) 5 (stimme voll und ganz zu)
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
20. 20
Detailinformation zum Item „Ich lese typischerweise Online-Bewertungen,
bevor ich eine Kaufentscheidung treffe“ im Ländervergleich
25,60%
23,50%
13,00%
1,80%
4,30%
6,20%
0,00% 10,00% 20,00% 30,00% 40,00% 50,00%
Deutschland
Österreich
Schweiz
„Ich lese typischerweise Online-Bewertungen,
bevor ich eine Kaufentscheidung treffe“
1 (stimme überhaupt nicht zu) 5 (stimme voll und ganz zu)
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
21. 21
Detailinformation zum Item „Ich schaue mir immer Online-Bewertungen
an, bevor ich etwas kaufe“ im Ländervergleich
24,30%
24,20%
13,00%
3,40%
5,50%
13,00%
0,00% 10,00% 20,00% 30,00% 40,00% 50,00%
Deutschland
Österreich
Schweiz
„Ich schaue mir immer Online-Bewertungen an, bevor ich etwas kaufe“
1 (stimme überhaupt nicht zu) 5 (stimme voll und ganz zu)
Bei diesem Item zeigt
sich ein besonders
deutlicher
Unterschied im
Antwortverhalten der
schweizerischen und
der deutschen
Probanden
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
22. 22
Detailinformation zum Item „Online-Bewertungen beeinflussen häufig
meine Kaufentscheidungen“ im Ländervergleich
19,90%
19,40%
11,90%
2,90%
3,20%
2,80%
0,00% 5,00% 10,00% 15,00% 20,00% 25,00% 30,00% 35,00% 40,00% 45,00% 50,00%
Deutschland
Österreich
Schweiz
„Online-Bewertungen beeinflussen häufig meine Kaufentscheidungen“
1 (stimme überhaupt nicht zu) 5 (stimme voll und ganz zu)
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
23. 23
Zwar vermutet ein beachtlicher Teil der Befragten
auch gefälschte Online-Bewertungen…
8,20%
34,0%
38,20%
14,4%
5,20%
1 2 3 4 5
„Ich glaube, dass ein großer Teil der Online-Bewertungen
im Internet gefälscht ist“
stimme überhaupt
nicht zu
stimme
vollkommen zu
Nur 8% der Befragten
stimmen überhaupt
nicht zu, dass ein
großer Teil der Online-
Bewertungen
gefälscht ist.
Mittelwert = 2,74 (s.d. = 0,98)
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
24. 24
… wobei die Schweizer vergleichsweise am wenigsten
skeptisch sind, die Deutschen am meisten skeptisch…
Mittelwert = 2,74 (s.d. = 0,98)
Gemessen auf einer Skala von 1 (stimme überhaupt nicht zu) bis 5 (stimme vollkommen zu)
6,8%
31,1%
37,7%
14,5%
6,4%
7,9%
33,8%
36,1%
13,2%
3,9%
14,4%
33,8%
32,2%
12,4%
2,3%
0%
10%
20%
30%
40%
50%
1 2 3 4 5
„Ich glaube, dass ein großer Teil von Online-Bewertungen
gefälscht ist.“
Deutschland
Österreich
Schweiz
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
25. 25
…mehr als die Hälfte der Befragten hält Online-
Bewertungen aber für glaubwürdig
1,50%
8,90%
34,80%
43,80%
10,90%
1 2 3 4 5
stimme überhaupt
nicht zu
stimme
vollkommen zu
54,7% der
Befragten stimmen
der Aussage, dass
Online-Bewertungen
glaubwürdig sind, zu
oder vollkommen zu
„Ich glaube, dass Online-Bewertungen grundsätzlich eine
glaubwürdige Quelle darstellen“
Mittelwert = 3,54 (s.d. = 0,86)
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
26. 26
Detailinformationen für die Ländergruppen
Mittelwert = 3,54 (s.d. = 0,86)
Gemessen auf einer Skala von 1 (stimme überhaupt nicht zu) bis 5 (stimme vollkommen zu)
1,6%
7,4%
32,9%
42,8%
11,6%
1,3%
10,1%
33,8%
40,5%
9,3%
0,5%
7,2%
32,8%
41,5%
8,7%
0%
5%
10%
15%
20%
25%
30%
35%
40%
45%
50%
1 2 3 4 5
„Ich glaube, dass Online-Bewertungen grundsätzlich eine
glaubwürdige Informationsquelle darstellen“
Deutschland
Österreich
Schweiz
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
27. 27
Online-Bewertungen werden aus verschiedenen
Gründen genutzt
Gemessen mit insgesamt 16 Items von 1(stimme überhaupt nicht zu) bis 5 (stimme voll und ganz zu)
M=3,86
M=3,18
M=3,03
M=1,87
M=3,39
Kaufinformationen
erhalten
Soziale Interaktion bei
der Informationssuche
Teil einer Community
sein
Vergütung erhalten Tipps zum Umgang mit
einem Produkt erhalten
„Wenn Sie Bewertungen von anderen Konsumenten im Internet
lesen, aus welchen Gründen tun Sie dies?“
Das Motiv
„Kaufinformationen
erhalten“ spielt als
Grund für den Umgang
mit Online-
Bewertungen die
bedeutendste Rolle,
„Vergütung zu
erhalten“, die geringste
Skala: Adaptiert von Hennig-Thurau & Walsh, 2003
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
28. 28
Motive für die Nutzung von Online-Bewertungen
im Ländervergleich
3,94
3,36 3,29
1,99
3,53
3,85
3,41
2,88
1,76
3,3
3,8
3,07
2,93
1,86
3,35
Kaufinformationen
erhalten
Soziale Interaktion bei
der Informationssuche
Teil einer Community
sein
Vergütung erhalten Tipps zum Umgang mit
einem Produkt erhalten
Deutschland
Österreich
Schweiz Bei den deutschen
Probanden sind die
Motive generell am
stärksten ausgeprägt,
die Bedeutung der
unterschiedlichen
Motive innerhalb der
Länder-Gruppen ist
allerdings ähnlich.
Gemessen mit insgesamt 16 Items von 1(stimme überhaupt nicht zu) bis 5 (stimme voll und ganz zu)
Skala: Adaptiert von Hennig-Thurau & Walsh, 2003
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
29. 29
Online-Bewertungen werden beim Kauf vieler
verschiedener Produkte und Services konsultiert*
Elektronik-
produkte
Autos/
Autozubehör
Hotels/ Reisen
Bücher/
CDs/ DVDs
Möbel
Restaurants
Sportgeräte
Haushalts-
geräte
„Alles Mögliche“
„Fast alles“
„zu viel zum
auflisten“
Lebensmittel
Babyartikel
„Für welche Produkte oder Dienstleistungen haben Sie in der Vergangenheit bereits
Online-Bewertungen gelesen? Für…“
…und für vieles mehr!
Bekleidung
Tierfutter
*Grün hinterlegt = besonders häufige Nennung
*Qualitative Auswertung und Gruppierung von über 30.000 offenen Nennungen
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
31. 31
Die Nutzer sind sich der oftmals großen Zahl vorhandener
Online-Bewertungen für ein Produkt bewusst…
Deutsche und
Österreicher sind
sich hier sehr
ähnlich, Nutzer aus
der Schweiz haben
ein etwas weniger
ausgeprägtes
Bewusstsein für die
große Zahl an
vorhandenen
Online-Bewertungen
für viele Produkte
und
Dienstleistungen
66,9%
21,6%
11,5%
60,0%
26,0%
14,0%
52,5%
33,9%
13,6%
0
10
20
30
40
50
60
70
80
90
100
Ja Nein Vielleicht
„Ich bin mir der großen Zahl an Online-Bewertungen bewusst“
Deutschland
Österreich
Schweiz
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
32. 32
…zudem enthalten Online-Bewertungswebseiten
viele Informationsbausteine…
Nutzer müssen sich
entscheiden, wie sie bei
der Informationssuche mit
Online-Bewertungen
umgehen, und auf welche
Informationsbausteine sie
Wert legen.
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
33. 33
Nutzertypen von Online-Bewertungen
Fragestellung
Gibt es Gruppen von Individuen, die sich bei der Nutzung von Online-
Bewertungen ähneln?
Messinstrument
Likert-Skala: 13 Dimensionen, die den Umgang mit Online-Bewertungen und den
Informationsbausteinen auf Online-Bewertungsseiten abbilden, gemessen mit
jeweils zwei Items.
Beispiel: Dimension „Fokus auf positive Online-Bewertungen“
Item 1: „In Situationen, in denen sehr viele Online-Bewertungen für ein Produkt oder für eine Dienstleistung
vorhanden sind, schaue ich mir vor allem positive Online-Bewertungen (z.B. 5 von 5 Sternen) an“
(1 stimme überhaupt nicht zu - 5 stimme vollkommen zu)
Item 2: „In Situationen, in denen sehr viele Online-Bewertungen für ein Produkt oder für eine Dienstleistung
vorhanden sind, sind für meine Entscheidung besonders Online-Bewertungen relevant, die positive Aspekte des
Produktes oder der Dienstleistung hervorheben“ (1 stimme überhaupt nicht zu - 5 stimme vollkommen zu)
Methodik
Clusteranalytische Verfahren
1. Single-Linkage-Verfahren: Elimination von Ausreißern
2. Ward-Verfahren: Bestimmung der Clusterzahl
3. k-means Algorithmus: Identifikation der optimalen Clusterzuordnung
4. ANOVAS und Kreuztabellen: Abgrenzung der Cluster voneinander
Ergebnis: 4-Cluster-Lösung
Nutzer in den Clustern weisen Gemeinsamkeiten in Bezug auf ihren Umgang mit
Online-Bewertungen auf.
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
34. 34
Die vier Nutzertyp-Cluster im Überblick
Positive Online-Bewertungen
Negative Online-Bewertungen
Mittelmäßige Online-Bewertungen
Sterne-Ranking
Anzahl
Hilfreich-Ranking
Struktur/Textaufbau
Schreibstil
Länge
Überschrift
Informationen Autor
Aktualität
Argumentation
1 2 3 4 5
Cluster 1 Cluster 2 Cluster 3 Cluster 4
Beim Umgang mit Online-
Bewertungen fokussieren sich die
Cluster-Mitglieder auf…
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
35. 35
Cluster 1: „Die vielseitigen Intensiv-Nutzer“
1 2 3 4 5
Ein typischer Vertreter dieses Clusters…
… ist vergleichsweise älter und hat ein niedrigeres
Bildungsniveau als die Mitglieder der anderen Cluster
…nutzt Online-Bewertungen am häufigsten
Bei der Nutzung von Online-Bewertungen…
… betrachtet er sehr viele Elemente und Informationsbausteine
... legt er einen besonderen Fokus auf Aktualität und
inhaltliche Argumentation
… sind ihm die Sterne-Rankings besonders wichtig
Sehr intensive Auseinandersetzung mit Online-Bewertungen
Clustergröße1 N=440
Land DE=62%, AT=31,8%, CH=6,1%
Durchschnittsalter 39,8
Beruf
(Top 3 Nennung)
Angestellte=56,8%,
Hausfrau=14,1%,
Arbeiterin=8%
Ausbildung
(Top 3 Nennung)
Lehre=40%
Universität 20,9%
Abitur=18,4%
Einstellung
Online-Bewertungen2 4,04
Nutzungshäufigkeit2
Online-Bewertungen
4,26
Fokus auf…
1 Signifikante Unterschiede
zwischen den Clustern bei allen
Variablen, p**<0,05. Keine sign.
Unterschiede zwischen den
Clustern bei Geschlecht ,
HH Größe, Zahl soz. Kontakte,
Beziehungsstatus, Budget,
Häufigkeit Online-Aktivitäten,
Verantw. für Einkauf,
2 Auf einer Skala von 1-5.
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
36. 36
Cluster 2: „Die moderaten All-Round-Nutzer“
Ein typischer Vertreter dieses Clusters…
… hat eine eher positive Einstellung zu Online-Bewertungen und
nutzt diese eher häufig
Bei der Nutzung von Online-Bewertungen…
… ähnelt sein Vorgehen dem von Cluster 1, ist aber insgesamt
weniger stark ausgeprägt
… haben mittelmäßige Bewertungen für ihn eine geringe
Bedeutung
Moderat ausgeprägte Auseinandersetzung mit Online-
Bewertungen
Clustergröße1 N=1092
Land DE=56,1%, AT=37%, CH=6,9%
Durchschnittsalter 37,9
Beruf
(Top 3 Nennung)
Angestellte=56,4%,
Hausfrau=12,5%,
Selbstständige=6,3%
Ausbildung
(Top 3 Nennung)
Lehre=35,9%%
Abitur=23,9%
Universität=22,7%
Einstellung
Online-Bewertungen2 3,69
Nutzungshäufigkeit
Online-Bewertungen2 3,97
1 2 3 4 5
Fokus auf…
1 Signifikante Unterschiede
zwischen den Clustern bei allen
Variablen, p**<0,05. Keine sign.
Unterschiede zwischen den
Clustern bei Geschlecht ,
HH Größe, Zahl soz. Kontakte,
Beziehungsstatus, Budget,
Häufigkeit Online-Aktivitäten,
Verantw. für Einkauf,
2 Auf einer Skala von 1-5.
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
37. 37
Cluster 3: „Die selektiven Strategen“
Ein typischer Vertreter dieses Clusters…
… ist vergleichsweise jünger und hat ein höheres
Bildungsniveau als die Mitglieder der anderen Cluster
Bei der Nutzung von Online-Bewertungen…
… will er hauptsächlich negative Bewertungen mit klaren
Argumenten sehen
… nutzt er besonders Sterne-Rankings
… interessieren ihn andere Informationen wenig
… betrachtet er insbesondere „Detailinformationen“ wie Autor-
Informationen oder „Hilfreich-Bewertungen“ nicht
Sehr selektive Nutzung bestimmter Informationsaspekte
Clustergröße1 N=803
Land DE=43,5%, AT=49,4%, CH=7,1%
Durchschnittsalter 36,1
Beruf
(Top 3 Nennung)
Angestellte=51,2%,
Hausfrau=11,7%,
Studentin=8,7%
Ausbildung
(Top 3 Nennung)
Lehre=32,5%
Abitur=27,3%
Universität=23,2%
Einstellung
Online-Bewertungen2 3,69
Nutzungshäufigkeit
Online-Bewertungen2 4,34
1 2 3 4 5
Fokus auf…
1 Signifikante Unterschiede
zwischen den Clustern bei allen
Variablen, p**<0,05. Keine sign.
Unterschiede zwischen den
Clustern bei Geschlecht ,
HH Größe, Zahl soz. Kontakte,
Beziehungsstatus, Budget,
Häufigkeit Online-Aktivitäten,
Verantw. für Einkauf,
2 Auf einer Skala von 1-5.
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
38. 38
1 2 3 4 5
Cluster 4: „Die unentschiedenen Skeptiker“
Ein typischer Vertreter dieses Clusters…
… hat eine indifferente Einstellung zu Online-Bewertungen
… nutzt Online-Bewertungen eher sporadisch
Bei der Nutzung von Online-Bewertungen…
… betrachtet er insgesamt wenig Informationsaspekte intensiv
… achtet er am ehesten auf Sterne-Ranking und Argumentation
Misst Online-Bewertungen generell eine relativ geringe
Bedeutung bei
Fokus auf… Clustergröße1 N=271
Land DE=48%, AT=45,4%, CH=6,6%
Durchschnittsalter 39,8
Beruf
(Top 3 Nennung)
Angestellte=50,2%,
Hausfrau=15,1%,
Arbeiterin=8,1%
Ausbildung
(Top 3 Nennung)
Lehre=29,5%
Abitur=24,4%
Universität=24,4%
Einstellung
Online-Bewertungen2 3,29
Nutzungshäufigkeit
Online-Bewertungen2 3,73
1 Signifikante Unterschiede
zwischen den Clustern bei allen
Variablen, p**<0,05. Keine sign.
Unterschiede zwischen den
Clustern bei Geschlecht ,
HH Größe, Zahl soz. Kontakte,
Beziehungsstatus, Budget,
Häufigkeit Online-Aktivitäten,
Verantw. für Einkauf,
2 Auf einer Skala von 1-5.
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
39. 39
Ausprägung der Motive in den einzelnen Clustern
Kaufinformationen
erhalten
Soziale Interaktion
bei der
Informationssuche
Teil einer
Community sein
Vergütung erhalten
Tipps zum Umgang
mit einem Produkt
erhalten
„Die vielseitigen Intensiv-Nutzer“ 4,36 3,99 3,83 2,6 4,07
„Die moderaten All-Round-Nutzer“ 3,8 3,27 3,18 2,04 3,47
„Die selektiven Strategen“ 4,03 3,06 2,85 1,45 3,28
„Die unentschiedenen Skeptiker“ 3,43 2,67 2,59 1,5 2,94
0
1
2
3
4
5
von 1 (stimme überhaupt nicht zu) bis 5 (stimme vollkommen zu),
abgebildet sind die Mittelwerte der fünf Motive für die vier Cluster
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
40. 40
Ausprägung des Preis- und Qualitätsbewusstseins
beim Einkauf in den einzelnen Clustern
"Ist mir eher
der Preis am
wichtigsten"
"Ist mir der
Preis am
wichtigsten"
"Ist mir eher
die Qualität
am
wichtigsten"
"Ist mir die
Qualität am
wichtigsten"
"Die vielseitigen Intensiv-Nutzer" 8,6% 5,0% 32,0% 54,3%
"Die moderaten All-Round-Nutzer" 12,8% 5,8% 43,1% 38,2%
"Die selektiven Strategen" 9,6% 5,3% 47,1% 38,0%
"Die untenschiedenen Skeptiker" 13,0% 3,5% 42,5% 41,0%
0,0%
10,0%
20,0%
30,0%
40,0%
50,0%
60,0%
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
41. 41
Generelle Diskussion und Fazit
• Die befragten Nutzer haben grundsätzlich eine eher positive Einstellung zu Online-Bewertungen und
halten diese für relativ glaubwürdig
• Online-Bewertungen werden häufig und beim Kauf einer Vielzahl von Produkten und Dienstleistungen
(z.B. Hotels, Elektronikprodukte und Restaurants) genutzt
• Kaufinformationen und Tipps zum Umgang mit Produkten oder Dienstleistungen zu erhalten sind die
wichtigsten Gründe für das Lesen von Online-Bewertungen
• Im Ländervergleich haben deutsche Nutzer von Online-Bewertungen die positivste Einstellung; unter den
schweizerischen Probanden sind relativ viele „Nicht-Nutzer“ von Online Bewertungen zu finden
Online-Bewertungen haben für die befragten Nutzer einen großen Stellenwert
• Clusteranalysen zeigen vier verschiedene Nutzungstyp-Gruppen von Online-Bewertungen:
• „Die vielseitigen Intensiv-Nutzer“
• „Die moderaten All-Round-Nutzer“
• „Die selektiven Strategen“
• „Die unentschiedenen Skeptiker“
Die befragten Nutzer gehen strategisch mit Online-Bewertungen um und unterscheiden sich
hierbei in ihrem Vorgehen und in den als wichtig erachteten Informationsbausteinen
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
43. 43
Generelle Handlungsempfehlungen für Online-
Bewertungen
1. Setzen Sie nicht nur auf beste Bewertungen, sondern auf die ganze Vielfalt an Ratings & Reviews
2. Achten Sie auf differenzierte Online-Bewertungen und nicht schnell generierte oberflächliche Quantität
3. Sorgen Sie für ehrliches und authentisches Konsumenten-Feedback und verzichten Sie auf Manipulation,
Zensur, oder gar die Fälschung von Bewertungen – das hat auf Dauer keinen Erfolg
4. Stellen Sie auch mittelmäßige oder schlechte Bewertungen transparent und umfassend im Internet dar,
denn nur dies schafft auf Dauer treue Käufer
5. Auch negative Bewertungen sind nützliche Bewertungen – zur Produktoptimierung oder für selektiv
vorgehenden Online Nutzer
6. Nutzen Sie etablierte WOM-Plattform-Anbieter – nur diese garantieren Ihnen qualifizierte
Produktrückmeldungen und ein nachhaltiges Review & Rating Management
7. Spielen Sie das Kundenfeedback, nutzer-generierten Content, Reviews und Ratings wieder zurück in den
Markt – via Werbung, in Ihren Social Media Kanälen, am POS oder auf Ihrer Marken-Website
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
44. 44
Rating & Review Management und WoM
Nutzer-Story Loop
Das in WoM Aktionen und Kampagnen generierte Konsumenten-Feedback in Form von User generated Content (Rezensionen,
Bewertungen, Kommentare, Bilder, Videos, Blogberichte etc.) können Firmen für die Kommunikation in ihrem Markenuniversum
nutzen und mit Ihren Marken-Kontaktpunkten verknüpfen und somit für mehr Reputation & neues Word of Mouth sorgen.
Der generierte Earned Media Content kann in den Markt zurückgespielt werden z.B. als Reviews in Ihrem Online Shop, als
Regalstopper am POS, als Empfehlungssiegel auf Produkt-Verpackungen, in Anzeigen oder Werbebannern, als User-
Testimonial in TV Spots und Plakaten, als Branded Content in den Social Media Kanälen oder mit einem Rating & Review
Widget auf der Marken-Website. Die eigenen Mediakanäle werden dadurch zum Verstärker des erzeugten Word of Mouth
©
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
45. 45
Über die Studienpartner
Über MR. WOM
MR. WOM ist der erste Word of Mouth (WoM) Marketing Spezialist der Schweiz und einer der führenden
Experten für Mundpropaganda- und Empfehlungsmarketing im deutschsprachigen Raum. MR. WOM macht
Unternehmen, Marken, Produkte und Services kleiner und grosser Unternehmen weitererzählbarer und
empfehlenswerter.
Das Leistungsportfolio von MR. WOM umfasst die Entwicklung, Konzeption und Umsetzung von Word of
Mouth Marketing Strategien, Massnahmen und System-Lösungen sowie die WoM-Wissensvermittlung in
Form von Trainings, Coaching und Vorträgen.
Mehr zu MR. WOM findet sich unter www.mrwom.com.
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
46. 46
Sabrina Gottschalk
Freie Universität Berlin
Marketing-Department
Otto-von-Simson Straße 19
14195 Berlin
Tel: +49 (30) 838-54773
sabrina.gottschalk@fu-berlin.de
Alexander Mafael
Freie Universität Berlin
Marketing-Department
Otto-von-Simson Straße 19
14195 Berlin
Tel: +49 (30) 838-52047
alexander.mafael@fu-berlin.de
Kontakte
FU Berlin / wissenschaftliche Fragen zur Studie
MR. WOM - Word of Mouth Marketing
Mark Leinemann | Founder & Managing Director MR. WOM
Tel. +41 71 4601070 | wom@mrwom.com | www.mrwom.com
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael
47. 47
Weiterführende Quellen und Links zum Thema Online-
Bewertungen
Bambauer-Sachse, S., & Mangold, S. (2011). Brand equity dilution through negative online word-of-mouth communication. Journal of Retailing and
Consumer Services 18(1), 38-45. Verfügbar unter: http://www.sciencedirect.com/science/article/pii/S096969891000086X
Bambauer-Sachse, S., & Mangold, S. (2013). Do consumers still believe what is said in online product reviews? A persuasion knowledge
approach. Journal of Retailing and Consumer Services 20(4), 373-381. Verfügbar unter:
http://www.sciencedirect.com/science/article/pii/S0969698913000337
Cheung, M.Y., Luo, C., Sia, C.L., & Chen, H. (2009). Credibility of electronic word-of-mouth: Informational and normative determinants of online
customer recommendations. International Journal of Electronic Commerce 13(4), 9-38. Verfügbar unter:
http://web.a.ebscohost.com/ehost/detail/detail?sid=07e9f345-b419-46ae-9a92-
07eb2da3112a%40sessionmgr4003&vid=0&hid=4207&bdata=JnNpdGU9ZWhvc3QtbGl2ZQ%3d%3d#db=buh&AN=41423245
Chevalier, J.A., & Mayzlin, D. (2006). The effect of word of mouth on sales: Online book reviews. Journal of Marketing Research 43(3), 345-354.
Verfügbar unter: http://www.jstor.org/stable/30162409
Dellarocas, C., Zhang, X., & Awad, N.F. (2007). Exploring the value of online product reviews in forecasting sales: The case of motion pictures.
Journal of Interactive Marketing 21(4), 23-45. Frei verfügbar unter: http://blog.mikezhang.com/files/movieratings.pdf
Doh, S.-J., & Hwang, J.-S. (2009). How consumers evaluate eWOM (Electronic word-of-mouth) messages. CyberPsychology & Behavior 12(2), 193-
197. Verfügbar unter: http://web.b.ebscohost.com/ehost/pdfviewer/pdfviewer?sid=f787be3b-d5a2-407f-8fd3-
844f9af0140f%40sessionmgr198&vid=0&hid=112
Duan, W., Gu, B., & Whinston, A.B. (2008). Do online reviews matter? – An empirical investigation of panel data. Decision Support Systems 45,
1007-1016. Verfügbar unter: http://pages.stern.nyu.edu/~wgreene/entertainmentandmedia/online-reviews.pdf
Hung, K.H., & Li, S.Y. (2007). The influence of eWOM on virtual consumer communities: Social capital, consumer learning, and behavioral
outcomes. Journal of Advertising Research, December, 485-495. Verfügbar unter:
http://www.coms.hkbu.edu.hk/~kineta/files/The_influence_of_eWOM.pdf
Mudambi, S.M., & Schuff, D. (2010). What makes a helpful online review? A study of customer reviews on Amazon.com. MIS Quarterly 34(1), 185-
200. Verfügbar unter: http://wweb.uta.edu/management/Dr.Casper/Fall10/BSAD6314/BSAD%206314-
Student%20Articles/Moderated%20Multiple%20Regression/moderation%20...pdf
Zhu, F., & Zhang, X. (2010). Impact of online consumer reviews on sales: The moderating role of product and consumer characteristics. Journal
of Marketing 74, 133-148. Working Paper verfügbar unter: http://uxscientist.com/public/docs/uxsci_49.pdf
© Marketing-Department, Freie Universität Berlin | Sabrina Gottschalk und Alexander Mafael