SlideShare ist ein Scribd-Unternehmen logo
WIRTSCHAFTSWISSENSCHAFTEN
WIRTSCHAFTSINFORMATIK | WIRTSCHAFTSRECHT
Juniorprofessur für Betriebswirtschaftslehre, insb. Marketing

GRUNDLAGEN

DES

MARKETING
VORLESUNG: THEMA 3: MARKTFORSCHUNG
WINTERSEMESTER 2013/2014
JUN.-PROF. DR. PAUL MARX

Jun.-Prof. Dr. Paul Marx Universität Siegen
Jun.-Prof. Dr. Paul Marx || Universität Siegen

1
!
3.Marktforschung als Informationsbasis der
Marketingentscheidungen
Lernziele
- Begriff, Bedeutung und Informationsquellen der
Marktforschung
- Gütekriterien
- Phasen einer Marktforschung
- Befragung als wichtigste Marktforschungsmethode

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


2
CASE BEECHCRAFT STARSHIP

1
2

Dennis Murphy, a sales person at Elliot Flying Services in Des Moines, Iowa
Russel Munson in “The Stock Market”, 1991
Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


3
CASE BEECHCRAFT STARSHIP
Das erste zivile Flugzeug
- aus modernem Kohlefaserverbundstoff
- Design eines “Entenflugzeuges”
- L-förmige Flügel mit Steuerrudern
- Zwei turboprop Triebwerke im Heck
- F&E-Kosten ca. $500Mio

1
2

Dennis Murphy, a sales person at Elliot Flying Services in Des Moines, Iowa
Russel Munson in “The Stock Market”, 1991
Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


3
CASE BEECHCRAFT STARSHIP
Das erste zivile Flugzeug
- aus modernem Kohlefaserverbundstoff
- Design eines “Entenflugzeuges”
- L-förmige Flügel mit Steuerrudern
- Zwei turboprop Triebwerke im Heck
- F&E-Kosten ca. $500Mio

1
2

Dennis Murphy, a sales person at Elliot Flying Services in Des Moines, Iowa
Russel Munson in “The Stock Market”, 1991
Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


3
CASE BEECHCRAFT STARSHIP
Das erste zivile Flugzeug
- aus modernem Kohlefaserverbundstoff
- Design eines “Entenflugzeuges”
- L-förmige Flügel mit Steuerrudern
- Zwei turboprop Triebwerke im Heck
- F&E-Kosten ca. $500Mio

“For the pilot and passengers, it has really got everything...

1
2

Dennis Murphy, a sales person at Elliot Flying Services in Des Moines, Iowa
Russel Munson in “The Stock Market”, 1991
Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


3
CASE BEECHCRAFT STARSHIP
Das erste zivile Flugzeug
- aus modernem Kohlefaserverbundstoff
- Design eines “Entenflugzeuges”
- L-förmige Flügel mit Steuerrudern
- Zwei turboprop Triebwerke im Heck
- F&E-Kosten ca. $500Mio

“For the pilot and passengers, it has really got everything...
...for the money, the performance just isn’t there...

1
2

Dennis Murphy, a sales person at Elliot Flying Services in Des Moines, Iowa
Russel Munson in “The Stock Market”, 1991
Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


3
CASE BEECHCRAFT STARSHIP
Das erste zivile Flugzeug
- aus modernem Kohlefaserverbundstoff
- Design eines “Entenflugzeuges”
- L-förmige Flügel mit Steuerrudern
- Zwei turboprop Triebwerke im Heck
- F&E-Kosten ca. $500Mio

“For the pilot and passengers, it has really got everything...
...for the money, the performance just isn’t there...
...for $5Mio, you can buy a jet. Starship just doesn’t fit in today’s market”1

1
2

Dennis Murphy, a sales person at Elliot Flying Services in Des Moines, Iowa
Russel Munson in “The Stock Market”, 1991
Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


3
CASE BEECHCRAFT STARSHIP
Das erste zivile Flugzeug
- aus modernem Kohlefaserverbundstoff
- Design eines “Entenflugzeuges”
- L-förmige Flügel mit Steuerrudern
- Zwei turboprop Triebwerke im Heck
- F&E-Kosten ca. $500Mio

“For the pilot and passengers, it has really got everything...
...for the money, the performance just isn’t there...
...for $5Mio, you can buy a jet. Starship just doesn’t fit in today’s market”1

“The Starship was a $500Mio mistake because of a
lack of marketing research”2
1
2

Dennis Murphy, a sales person at Elliot Flying Services in Des Moines, Iowa
Russel Munson in “The Stock Market”, 1991
Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


3
CASE ELECTROLUX

Electrolux - a scandinavian manufacturer of inexpensive vacuum cleaners - took its rhyming
phrase “Nothing Sucks Like an Electrolux” and brought it in the early 1970s to America from
English-speaking markets overseas. They didn’t know that the word “sucks” had become a
derogatory word in the US.
Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


4
CASE AMERICAN AIRLINES

American Airlines launched a new
leather first class seats ad campaign
(1977-78) in the Mexican market:
"Fly in Leather" (vuela encuero)
meant "Fly Naked"

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


5
CASE AMERICAN AIRLINES

American Airlines launched a new
leather first class seats ad campaign
(1977-78) in the Mexican market:
"Fly in Leather" (vuela encuero)
meant "Fly Naked"

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


5
CASE FOOD & BEVERAGES


6
Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”
CASE FOOD & BEVERAGES

In the 1970s and early 80s, Coke began to
face stiff competition from other soft drink
producers. To remain in the number one
spot, Coke executives decided to cease
production on the classic cola in favor of New
Coke. The public was outraged, and CocaCola was forced to re-launch its original
formula almost immediately. Lesson learned
-- don't mess with success.


6
Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”
CASE FOOD & BEVERAGES

In the 1970s and early 80s, Coke began to
face stiff competition from other soft drink
producers. To remain in the number one
spot, Coke executives decided to cease
production on the classic cola in favor of New
Coke. The public was outraged, and CocaCola was forced to re-launch its original
formula almost immediately. Lesson learned
-- don't mess with success.

Cocaine is a high-energy drink, containing
three and a half times the amount of
caffeine as Red Bull. It was pulled from U.S.
shelves in 2007, after the FDA declared that
its producers, Redux Beverages, were
"illegally marketing their drink as an
alternative to street drugs." The drink is still
available, however, online, in Europe and
even in select stores in the U.S. Despite the
controversy, Redux Beverages does not plan
to cease production any time soon. You
know what they say -- there's no such thing
as bad publicity.
Jun.-Prof. Dr. Paul Marx | Universität Siegen


6
Vorlesung “Marketing”
CASE FOOD & BEVERAGES

In the 1970s and early 80s, Coke began to
face stiff competition from other soft drink
producers. To remain in the number one
spot, Coke executives decided to cease
production on the classic cola in favor of New
Coke. The public was outraged, and CocaCola was forced to re-launch its original
formula almost immediately. Lesson learned
-- don't mess with success.

Cocaine is a high-energy drink, containing
three and a half times the amount of
caffeine as Red Bull. It was pulled from U.S.
shelves in 2007, after the FDA declared that
its producers, Redux Beverages, were
"illegally marketing their drink as an
alternative to street drugs." The drink is still
available, however, online, in Europe and
even in select stores in the U.S. Despite the
controversy, Redux Beverages does not plan
to cease production any time soon. You
know what they say -- there's no such thing
as bad publicity.
Jun.-Prof. Dr. Paul Marx | Universität Siegen

In what must be one of the most bizarre
brand extensions ever Colgate decided to
use its name on a range of food products
called Colgate's Kitchen Entrees. Needless
to say, the products did not take off and
never left U.S. soil. The idea must have been
that consumers would eat their Colgate
meal, then brush their teeth with Colgate
toothpaste. The trouble was that for most
people the name Colgate does not exactly
get their taste buds tingling.

6
Vorlesung “Marketing”
RETURNS ON MARKETING ACTIONS

60-95% Neuprodukteinführungen sind Flops
50% der Werbung hat keinen Effekt
85% von Preis-Promotions verlieren Geld
97% Brands erzeugen 37% $$ (Unilever)

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


7
Marktforschung hilft, Fehler in der
Managemententscheidungen zu vermeiden

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


8
Begriff der Marktforschung

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


9
MARKTFORSCHUNG-BEGRIFF DER AMA
M
! arketing research

is the function that links the consumer, cust
omer, and
public to the marketer through informatio
n -information used to (1) identify and define
marketing
opportunities and problems; (2) generate
, refine, and
evaluate marketing actions; (3) monitor m
arketing
performance; and (4) improve understand
ing of
marketing as a process.
American Marketing Association (AMA), est

. in 2007

Quelle: http://www.marketingpower.com/aboutama/pages/definitionofmarketing.aspx

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


10
RELEVANZ DER MARKTFORSCHUNG
Wieso Marktforschung?
Entscheidungsqualität
verbessern
Probleme erkennen
Veränderungen auf dem
Markt aufspüren und
verstehen
Beziehungen zu bestehenden
Kunden effektiv pflegen
Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


11
ZIELE DER MARKTFORSCHUNG
Ziele der Marktforschung
Marketing-Geschehen
verstehen
Marketing-Chancen und
Marketing-Probleme erkennen
Marketing-Aktionen
konzipieren, optimieren und
auf ihre Wirksamkeit hin
überprüfen
die Marketing-Leistung messen
Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


12
MARKETING RESEARCH: A CONCISE DEFINITION
Marktforschung
!

bezeichnet die
systematische Gewinnung, Auswertung und Interpretation
von für die Marketingentscheidungen relevanter Informationen
über Märkte sowie über Möglichkeiten zu ihrer Beeinflussung
!
!
!
Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


13
Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


14
TOP 10 AKTIVITÄTEN MODERNER MARKTFORSCHUNG
Marktbeobachtung und -messung

18%

Neuproduktentwicklung / Concept-Tests

14%

Monitoring der Werbe- und Brand-Wahrnehmung

13%

Kundenzufriedenheitsmessung (inkl. Mystery Shopping)

10%

Nutzungs- und Einstellungs-Studien

7%

Medienforschung und -evaluation

6%

Werbeentwicklung und Pre-Tests

5%

Soziologische Umfragen für Regierung

4%

Messung & Monitoring von Brand- und Firmenimage

4%

Omnibus-Studien

3%
Source: Business Management Research Associates, Inc.
Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


15
MARKTBEOBACHTUNG UND -MESSUNG

Source: http://holgerschmidt.tumblr.com/post/66555235834/deutscher-smartphone-markt-ist-fest-in-den-haenden-von
Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


16
MARKTBEOBACHTUNG UND -MESSUNG

Source: http://holgerschmidt.tumblr.com/post/66555235834/deutscher-smartphone-markt-ist-fest-in-den-haenden-von
Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


16
MARKTBEOBACHTUNG UND -MESSUNG

Source: http://holgerschmidt.tumblr.com/post/67876615759/der-medienwandel-beschleunigt-sich
Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


17
MARKTBEOBACHTUNG UND -MESSUNG

Source: http://holgerschmidt.tumblr.com/post/67876615759/der-medienwandel-beschleunigt-sich
Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


17
WERBEENTWICKLUNG UND PRETESTS

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


18
NEUPRODUKTENTWICKLUNG / CONCEPT-TESTS

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


19
NEUPRODUKTENTWICKLUNG / CONCEPT-TESTS

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


20
ZENTRALE OBJEKTE DER MARKTFORSCHUNG
Marktposition
z.B.
Stellung des Unternehmens im 

betrachteten Markt
Absoluter und relativer Marktanteil 

(aggregiert, pro Produkt, pro 

Produktgruppe, pro Marktsegment)
Bekanntheitsgrad und Image bei 

bestehenden und potenziellen
Kunden

Allgemeine Marktcharakteristika
und -entwicklungen
z.B.
Marktvolumen
Marktwachstum
Stand des Marktes im Lebenszyklus
Saisonale Schwankungen
Entwicklung der durchschnittlich im 

Markt erzielten Gewinne

Kundensegmente
z.B.
Identifikation der einzelnen Kunden
im Markt
Identifikation der Kundensegmente
im Markt
Analyse der Bedeutungsveränderung 

der einzelnen Segmente

Marktforschung
Wettbewerber
z.B.
Identifikation der wichtigsten 

Wettbewerber
Marktposition der wichtigsten 

Wettbewerber (z.B. Marktanteil,
Ertragslage, Kostenstruktur,
Kundenstruktur)
Ressourcen, Ziele und Strategien der
wichtigsten Wettbewerber

Kundenzufriedenheit und
-loyalität
z.B.
Analyse der Zufriedenheit der
Kunden 

mit den einzelnen
Leistungsparametern 

des Unternehmens
Analyse von Veränderungen der 

Kundenzufriedenheit
Analyse der Kundenloyalität

Kundenverhalten und 

-bedürfnisse
z.B.
Identifikation und Gewichtung der 

grundlegenden Bedürfnisse der
Kunden
Erkennen der Veränderungen der 

Bedürfnisse
Analyse des Informations- und 

Einkaufsverhaltens der Kunden

!

Quelle: in Anlehnung an Homburg/Krohmer 2009, S. 58.

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


21
PROZESS DER MARKTFORSCHUNG
DIE

Definitionsphase

1

Designphase

“5 D’S” DER MARKTFORSCHUNG

Datenerhebungsphase

2

3

Datenanalysephase

4

Daten5
interpretationsphase
Contents

Informationsbedarf Entscheiden bzgl.
indentifizieren
Budget
Forschungsproblem
Datenquellen
und -fragen
Forschungsdefinieren
methoden
Forschungsziele
Stichprobenplan
festlegen
Kontaktmethoden
Informationswert
Methoden der
prüfen
Datenanalyse

Daten
entsprechend
dem Plan
erheben oder
externen
Dienstleister
beauftragen

Daten
statistisch und
subjektiv
analysieren, sowie
Antworten und
Implikationen
ableiten

Ergebnisse der
Datenanalyse
Formulieren
Forschungsbericht
aufbereiten

Comments

Ergebnisse haben
keinen praktischen
Wert, wenn das
Forschungsproblem
nur vage definiert ist

Der Plan muss im
Voraus festgelegt,
dennoch flexibel sein,
um ggf. notwendige
Anpassungen
einbauen zu können

Diese Phase ist sehr
kostspielig und sehr
fehleranfällig

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Wahl der
Datenanalysmethode
hängt im
Wesentlichen von
dem Forschungstyp
ab

Aktionsfähige
Schlüsselergebnisse statt
überwältigende
statistische
Methoden
präsentieren
Vorlesung “Marketing”


22
Typologie der Marktforschung

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


23
PROZESS DER MARKTFORSCHUNG
DIE

Definitionsphase

1

Designphase

“5 D’S” DER MARKTFORSCHUNG

Datenerhebungsphase

2

3

Datenanalysephase

4

Daten5
interpretationsphase
Contents

Informationsbedarf Entscheiden bzgl.
indentifizieren
Budget
Forschungsproblem
Datenquellen
und -fragen
Forschungsdefinieren
methoden
Forschungsziele
Stichprobenplan
festlegen
Kontaktmethoden
Informationswert
Methoden der
prüfen
Datenanalyse

Daten
entsprechend
dem Plan
erheben oder
externen
Dienstleister
beauftragen

Daten
statistisch und
subjektiv
analysieren, sowie
Antworten und
Implikationen
ableiten

Ergebnisse der
Datenanalyse
Formulieren
Forschungsbericht
aufbereiten

Comments

Ergebnisse haben
keinen praktischen
Wert, wenn das
Forschungsproblem
nur vage definiert ist

Der Plan muss im
Voraus festgelegt,
dennoch flexibel sein,
um ggf. notwendige
Anpassungen
einbauen zu können

Diese Phase ist sehr
kostspielig und sehr
fehleranfällig

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Wahl der
Datenanalysmethode
hängt im
Wesentlichen von
dem Forschungstyp
ab

Aktionsfähige
Schlüsselergebnisse statt
überwältigende
statistische
Methoden
präsentieren
Vorlesung “Marketing”


24
TYPOLOGIE DER MARKTFORSCHUNG
Nach
Zielen

Explorativ


Nach
Datenquellen

Nach
Methodologie

Primär

Qualitativ

Sekundär

Quantitativ

(a.k.a. diagnostisch)

Deskriptiv
Kausal

(a.k.a. prädiktiv,
experimentell)

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


25
größere
Umfragen,
Beobachtung,
etc.

Experimente,
Konsumentenpanels

(a.k.a. diagnostisch)

Deskriptiv

Kausal

(a.k.a. prädiktiv,
experimentell)

Ausgangspunkt: geringe Problemkenntnis
Ziel: Einsichten in das Problem, Generierung von
Hypothesen

Ausgangspunkt: es liegen keine Daten über die
Marketing-Umwelt vor
Ziel: Erfassung und Beschreibung der
Markttatbestände: wer, was, wann, wo, wie?

Ausgangspunkt: Vorliegen von Hypothesen über
Wirkungszusammenhänge
Ziel: Tests der Hypothesen, Bestimmung der 

Ursache-Wirkung-Beziehungen und deren Stärke

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”

Problem-Identifizierung

Explorativ


Problem-Lösung

kleinere
Umfragen,
Focus-Groups,
Interviews

Unsicherheit beeinflusst den Marktforschungs

MF-TYPOLOGIE NACH ZIELEN


26
UNSICHERHEIT BESTIMMT DEN TYP DER MF
Deskriptive
MF

Explorative
MF

Kausale
MF

Grad der Entscheidungs(un)sicherheit
Unsicher

Bewusst

Problem-Identifizierung

Sicher
Problem-Lösung

Market Potential Research
Market Share Research
Image Research
Market Characteristics
Research
Sales Analysis Research
Forecasting Research
Business Trends Research
Jun.-Prof. Dr. Paul Marx | Universität Siegen

Segmentation Research
Product Research
Pricing Research
Promotion Research
Distribution Research

Vorlesung “Marketing”


27
PROZESS DER MARKTFORSCHUNG
DIE

Definitionsphase

1

Designphase

“5 D’S” DER MARKTFORSCHUNG

Datenerhebungsphase

2

3

Datenanalysephase

4

Daten5
interpretationsphase
Contents

Informationsbedarf Entscheiden bzgl.
indentifizieren
Budget
Forschungsproblem
Datenquellen
und -fragen
Forschungsdefinieren
methoden
Forschungsziele
Stichprobenplan
festlegen
Kontaktmethoden
Informationswert
Methoden der
prüfen
Datenanalyse

Daten
entsprechend
dem Plan
erheben oder
externen
Dienstleister
beauftragen

Daten
statistisch und
subjektiv
analysieren, sowie
Antworten und
Implikationen
ableiten

Ergebnisse der
Datenanalyse
Formulieren
Forschungsbericht
aufbereiten

Comments

Ergebnisse haben
keinen praktischen
Wert, wenn das
Forschungsproblem
nur vage definiert ist

Der Plan muss im
Voraus festgelegt,
dennoch flexibel sein,
um ggf. notwendige
Anpassungen
einbauen zu können

Diese Phase ist sehr
kostspielig und sehr
fehleranfällig

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Wahl der
Datenanalysmethode
hängt im
Wesentlichen von
dem Forschungstyp
ab

Aktionsfähige
Schlüsselergebnisse statt
überwältigende
statistische
Methoden
präsentieren
Vorlesung “Marketing”


28
MF-TYPOLOGIE NACH DATENQUELLEN

Primär

Sekundär

Generierung von Daten, die bisher noch nicht
vorliegen. Diese Daten werden analysiert und
können ggf. von dem Forscher veröffentlicht werden.

Verwendung von zu einem früheren Zeitpunkt
erhobenen Daten für den beabsichtigten
Untersuchungszweck.

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


29
SEKUNDÄRE DATEN: PROS-AND-CONS
Sekundäre
Daten

Informationen, die früher für einen anderen Zweck erhoben waren

Vorteile

Nachteile

Geringe Kosten
Schnelle Verfügbarkeit (u.a. per
Internet)
Hilfreich für die Konzipierung
der primären Datenerhebung
u.a. bei der Bestimmung der
Zielgruppe von Befragten

Häufig problematische Güte
(da für andere Untersuchungsziele konzipiert)
Nicht hinreichend
detailliert
Andere Grundgesamtheit
Unvollständige
Informationen über die
Erhebungsmethodik
Breite Zugänglichkeit

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


30
PRIMÄRE DATEN: PROS-AND-CONS
Primary
Data

Informationen, die für das aktuelle Problem zum ersten Mal
erhoben werden

Vorteile

Nachteile

Erlaubt Beantwortung
spezifischer Fragestellungen
(Problemspezifität)

Z.T. hohe Kosten

Aktualität der Daten

Erfordert Methodenkompetenz

Hohe methodische Transparenz

Längere Erhebungsdauer

Hohe Steuerbarkeit
Exklusivität

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


31
PRIMÄRE DATEN: PROS-AND-CONS
Primary
Data

Informationen, die für das aktuelle Problem zum ersten Mal
erhoben werden

Vorteile

Nachteile

Erlaubt Beantwortung
spezifischer Fragestellungen
(Problemspezifität)

Z.T. hohe Kosten

Aktualität der Daten

Erfordert Methodenkompetenz

Hohe methodische Transparenz

Längere Erhebungsdauer

Hohe Steuerbarkeit
Exklusivität

Vorteile der primären Daten
überwiegen i.d.R. Nachteile 

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


31
MF-TYPOLOGIE NACH METHODOLOGIE

Quantitativ
re
Primä
Daten
Sekundäre
Daten

Qualitativ

Ziel: Marktsachverhalte
möglichst genau zu
beschreiben und vorhersagbar zu machen

Ziel: Konsumentenverhalten
und seine Ursachen zu
verstehen

Erfordert große
Datenmengen

Schwerpunkt auf Individuen
und kleinen Gruppen

Verwendet statistische
Methoden der Datenanalyse

Nicht repräsentativ. Eine
Sichtweise verstehen, nicht
alle Sichtweisen

Strebt Repräsentativität der
Ergebnisse an
Explorative
MF

Deskriptive Kausale
MF
MF

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


32
FORSCHUNGS-METHODOLOGIE

Forschung

Suche und Sammlung von
ort
Informationen und Ideen in Antw
auf eine spezifische Fragestellung

Methodologie

Set von Methoden
welche zur
Bearbeitung eines
spezifischen
Forschungsproblem
s
verwendet werden


33
METHODEN DER MARKTFORSCHUNG
Ansatz

Primär

Sekundär

Quelle

Methode

Gesellschaft
Gruppen
Individuen

Befragung
Focus Group

Bibliothek
Web
Datenbank
Archiv

Tiefeninterview
Projektive Tech.

Beobachtung

(Literatur-)
Recherche

34
Befragung

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


35
BEFRAGUNG
Befragung

!

… ist eine der populärsten
Improve quality of
Methoden, primäre Daten zu
decision making	

erheben, wobei der Forscher mit
Befragten interagiert, um
Trace Problems	

Informationen über
tellung on keeping existing
EinsFocus en, Meinungen,
Wissen und Verhaltensweisen von
customers	

Menschen zu gewinnen
!

Understand changes in
marketplace

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


36
BEFRAGUNGSMETHODEN
traditionell (überholt)
Computer Assisted Telephone Interview (CATI)

Persönliche
Interview

in-home
mall intercept
Computer Assisted Personal Interview (CAPI)

MailBefragung

mail
mail panel

Elektronische
Befragung

e-mail
internet
internet panel

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Panelbildung möglich

Befragungsmethoden

Telefoninterview

Vorlesung “Marketing”


37
76
FRAGETECHNIKEN (“BEFRAGUNGSTAKTIK”)

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


38
FRAGETECHNIKEN (“BEFRAGUNGSTAKTIK”)

direkte
vs.
indirekte fragen

Trinken Sie täglich Alkohol?
vs.
Welche Getränke bevorzugen Sie zu den Mahlzeiten?

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


38
FRAGETECHNIKEN (“BEFRAGUNGSTAKTIK”)

direkte
vs.
indirekte fragen

Trinken Sie täglich Alkohol?
vs.
Welche Getränke bevorzugen Sie zu den Mahlzeiten?

offene
vs.
geschlossene Fragen

Freie Äußerung des Befragten
vs.
Antwortmöglichkeiten vorgegeben

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


38
SKALIERUNG UND MESSUNG
Nominal

Zahlen dienen lediglich zur
Kalssifizierung der Objekte
nicht-kontinuierliche Skala

nicht
oder
1

2

Jun.-Prof. Dr. Paul Marx | Universität Siegen

1

2

1

2

Vorlesung “Marketing”


39
SKALIERUNG UND MESSUNG
Nominal

Ordinal

Zahlen dienen lediglich zur
Kalssifizierung der Objekte
nicht-kontinuierliche Skala

Zahlen geben die relativen
Positionen der Objekte an
aber nicht die Größe der Differenz
zwischen ihnen

nicht
oder
1

1

2

2

1

2

Präferenz für Snacks

mehr

weniger

3

1

Jun.-Prof. Dr. Paul Marx | Universität Siegen

2

1

2

3

Vorlesung “Marketing”


39
SKALIERUNG UND MESSUNG
Nominal

Ordinal

Interval

quasi-metrisch

Zahlen dienen lediglich zur
Kalssifizierung der Objekte
nicht-kontinuierliche Skala

Zahlen geben die relativen
Positionen der Objekte an
aber nicht die Größe der Differenz
zwischen ihnen

nicht
oder
1

1

2

2

1

2

Präferenz für Snacks

mehr

weniger

3

1

2

1

2

3

Unterschiede zwischen Objekten
können verglichen werden
Nullpunkt willkürlich

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


39
SKALIERUNG UND MESSUNG
Nominal

Ordinal

Zahlen dienen lediglich zur
Kalssifizierung der Objekte
nicht-kontinuierliche Skala

Zahlen geben die relativen
Positionen der Objekte an
aber nicht die Größe der Differenz
zwischen ihnen

Interval

oder
1

1

2

2

1

2

Präferenz für Snacks

mehr

weniger

3

1

2

1

2

3

Unterschiede zwischen Objekten
können verglichen werden
Nullpunkt willkürlich

Metrisch

nicht

Nullpunkt eindeutig festgesetzt
Verhältnisse der Skalenwerte
können berechnet werden

quasi-metrisch

Ratio

Verkaufsmenge (kg)
Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


39
SKALENARTEN
Skala

Beschreibung

Gängige Beispiele

Beispiele aus Marketing

Nominalskala

Klassifikation

Reisepass-Nummer,
Nummer vom
Fußballspieler

Brand,
Geschlecht, 

Beruf, Typ des Lokals

Ordinalskala

Rangordnung 

(ohne Abstandsbestimmung)

Schulnoten, 

Position der Läufer im
Marathonlauf

Marke A ist besser als B,
Marke A ist wichtiger als B

Intervalskala

Kategorien gleichen Abstandes von
kontinuierlichen Phänomenen

Temperatur (Fahrenheit,
Celsius)

Einstellung,
Kaufintention,

Kundenzufriedenheit, 

Index-Zahlen

Metrische Skala

Rangordnung objektiver
Abstandsbestimmung

Länge, Gewicht, Zeit,
Geld

Alter, Umsatz, Einkommen,
Marktanteil

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


40
WICHTIGSTE SKALENTYPEN: LIKERT SCALE
Einstellungen, Meinungen und Verhaltensweisen werden i.d.R. anhand von vorgegebenen Antworten
gemessen, die von einem Extrem zum anderen reichen.

Im Folgenden sind unterschiedliche Aussagen über Real aufgelistet. Bitte geben Sie an,
wie stark Sie diesen Aussagen zustimmen:
1 = Stimme gar nicht zu
2 = Stimme nicht zu
3 = Neutral
4 = Stimme zu
5 = Stimme voll und ganz zu

Stimme
gar nicht Stimme
zu
nicht zu Neutral

Stimme
Stimme voll und
zu
ganz zu

1 Real verkauft hochwertige Waren

[1]

[x]

[3]

[4]

[5]

2 Real hat schlechten Service

[1]

[x]

[3]

[4]

[5]

3 Einkaufen bei Real macht mir Spaß

[1]

[2]

[x]

[4]

[5]

Real bietet eine gute Mischung aus
4
verschiedenen Marken

[1]

[2]

[3]

[x]

[5]

5 Die Kreditpolitik bei Real ist schrecklich

[1]

[2]

[3]

[x]

[5]

6 Deutschland kauft bei Real ein

[x]

[2]

[3]

[4]

[5]

7 Ich mag Werbung von Real nicht

[1]

[2]

[3]

[x]

[5]

8 Real hat ein breites Sortiment an Waren

[1]

[2]

[3]

[x]

[5]

9 Die Preise bei Real sind fair

[1]

[x]

[3]

[4]

[5]

NOTICE the reversed scoring of items 2,4,5, and 7. Reverse the scale for these items prior analyzing to be consistent with the whole set of items, i.e. a higher score should
Vorlesung “Marketing”
Jun.-Prof. Dr. Paul Marx | Universität Siegen
denote a more favorable attitude.


41
POPULÄRE LIKERT-SKALEN IN MARKETING
Konstrukt

Likert

Skala

Einstellung

Sehr schlecht

Wichtigkeit

Schlecht

Weder gut,
noch schlecht

Gut

Sehr gut

Überhaupt nicht Unwichtig
wichtig

Neutral

Wichtig

Sehr wichtig

Zufriedenheit

Sehr
unzufrieden

Unzufrieden

Weder
zufrieden, noch
unzufrieden

Zufrieden

Sehr zufrieden

Kaufabsicht

Definitiv nicht

Wahrscheinlich
nicht

Untentschieden

Wahrscheinlich
ja

Auf jeden fall ja

Kaufhäufigkeit

Nie

Selten

Manchmal

Oft

Sehr oft

Zustimmung

Trifft überhaupt
nicht zu

Trifft eher ncht
zu

Teils teils

Trifft eher zu

Trifft voll und
ganz zu

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


42
WICHTIGSTE SKALENTYPEN: SEMANTISCHES DIFFERENTIAL
Zweipolige Rating-Skala, deren Extreme mit jeweils gegensätzlichen Adjektiven beschrieben werden.
Erlaubt Messung mehrdimensionaler Einstellungen und deren Profildarstellung.

Wie schätzen Sie das Image von Kaufhof ein?
Im folgenden Kasten finden Sie jeweils gegensätzliche Begriffspaare. Bitte kreuzen Sie an,
inwieweit Sie in Ihrer Einschätzung jeweils mehr zu der einen oder der anderen Ausprägung
tendieren.  

Kaufhof ist:
Stark

[ ] [ ] [ ] [ ] [X] [ ] [ ] Schwach

Unzuverlässig

[ ] [ ] [ ] [ ] [ ] [X] [ ] Zuverlässig

Modern

[ ] [ ] [ ] [ ] [ ] [ ] [X] Altmodisch

Kalt

[ ] [ ] [ ] [ ] [ ] [X] [ ] Warm

Sorgfälltig

[ ] [X] [ ] [ ] [ ] [ ] [ ] Leichtsinnig

NOTE: The negative adjective sometimes appears at the left side of the scale and sometimes at the right. This controls the tendency of some respondents, particularly those
Vorlesung “Marketing”
Jun.-Prof. Dr. Paul Marx | Universität Siegen
with very positive or very negative attitudes, to mark the right- or left-hand sides without reading the labels.


43
SEMANTISCHES DIFFERENTIAL:
POLARITÄTSPROFIL VON ZWEI AUTOMARKEN

hoch

[ ] [ ] [ ] [ ] [ ] [ ] [ ] tief

stark

[ ] [ ] [ ] [ ] [ ] [ ] [ ] schwach

zuverlässig

[ ] [ ] [ ] [ ] [ ] [ ] [ ] unzuverlässig

kalt

[ ] [ ] [ ] [ ] [ ] [ ] [ ] heiß

schnell

[ ] [ ] [ ] [ ] [ ] [ ] [ ] langsam

modern

[ ] [ ] [ ] [ ] [ ] [ ] [ ] altmodisch

gut

[ ] [ ] [ ] [ ] [ ] [ ] [ ] schlecht

freundlich

[ ] [ ] [ ] [ ] [ ] [ ] [ ] feindlich

häßlich

[ ] [ ] [ ] [ ] [ ] [ ] [ ] schön

aktiv

[ ] [ ] [ ] [ ] [ ] [ ] [ ] passiv

jung

[ ] [ ] [ ] [ ] [ ] [ ] [ ] alt

vorsichtig

[ ] [ ] [ ] [ ] [ ] [ ] [ ] sorglos

klein

[ ] [ ] [ ] [ ] [ ] [ ] [ ] groß

sanft

[ ] [ ] [ ] [ ] [ ] [ ] [ ] abstoßend

robust

Seman
tic
Diff.

[ ] [ ] [ ] [ ] [ ] [ ] [ ] empfindlich

Automarke X
Automarke Y
Quelle: in Anlehnung an Hammannn/Erichson,, 1990, S.270.

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


44
LATENTE KONSTRUKTE & MULTI-ITEM-MESSUNG
Latentes Konstrukt
A Latent Construct
!
...ist ein Sachverhalt (z.B.
Kundenzufriedenheit), der nicht direkt
beobachtbar bzw. messbar ist.

!
Das bedeutet nicht, dass der betreffende
Sachverhalt nicht “existiert”, sondern nur,
dass er aus anderen, messbaren
Sachverhalten (Indikatoren) erschlossen
werden kann.

!
!
!
!

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


45
LATENTE KONSTRUKTE & MULTI-ITEM-MESSUNG
Beispiele
Zufriedenheit
Loyalität
Vertrauen
Service-Qualität
Kaufabsicht
Brand Image
Involvement
Preiswahrnehmung
Benutzerfreundlichkeit
...

Vorteile
Möglichkeit zur Beurteilung
abstrakter Konzepte
Verschiedene Facetten des
Konstruktes können erfasst
werden
Reduktion der
Datendimensionalität durch
Aggregation einer Vielzahl von
beobachtbaren Sachverhalte zu
einem Modell
...

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


46
LATENTE KONSTRUKTE & MULTI-ITEM-MESSUNG
Konstrukt

Dimensionen

Faktoren

Items

Skala

Kundenzufriedenheit

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


47
LATENTE KONSTRUKTE & MULTI-ITEM-MESSUNG
Konstrukt

Dimensionen

Faktoren

Items

Skala

Produktzufriedenheit

Kundenzufriedenheit
Servicezufriedenheit

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


47
LATENTE KONSTRUKTE & MULTI-ITEM-MESSUNG
Konstrukt

Dimensionen

Faktoren

Produktzufriedenheit

Freundlichkeit

Kundenzufriedenheit

Items

Skala

Fachkompetenz
Servicezufriedenheit

Verbindlichkeit

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


47
LATENTE KONSTRUKTE & MULTI-ITEM-MESSUNG
Konstrukt

Dimensionen

Kundenzufriedenheit
Servicezufriedenheit

Items

Freundlichkeit

Der Verkäufer
war mir
sympathisch

Fachkompetenz

Produktzufriedenheit

Faktoren

Der Verkäufer
lächelte nett

Verbindlichkeit

Der Verkäufer
war zuvorkommend

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Skala

Vorlesung “Marketing”


47
LATENTE KONSTRUKTE & MULTI-ITEM-MESSUNG
Konstrukt

Dimensionen

Produktzufriedenheit

Kundenzufriedenheit

Faktoren

Items

Skala

Freundlichkeit

Der Verkäufer
war mir
sympathisch

trifft voll zu

Fachkompetenz
Servicezufriedenheit

Der Verkäufer
lächelte nett

Verbindlichkeit

Der Verkäufer
war zuvorkommend

Jun.-Prof. Dr. Paul Marx | Universität Siegen

trifft
weitgehend
zu
trifft nur
teilweise
zu

trifft
überhaupt
nicht zu

Vorlesung “Marketing”


47
Gütekriterien der Marktforschung

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


48
GÜTEKRITERIEN DER MARKTFORSCHUNG
The True Score Model
!

XO = XT + XS + XR
!

Messung

wobei
XO = beobachteter Wert einer Charakteristik
XT = der wahre Wert der Charakteristik
XS = systematischer Fehler
XR = Zufallsfehler

er
Ergebnis der Messung ist nicht d
wahre Wert einer Charakteristik,
sondern eine Beobachtung davon

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


49
RELIABILITÄT
!

Reliabilität

gibt an, wie genau ein Messinstrument misst.

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


50
RELIABILITÄT
!

Reliabilität

gibt an, wie genau ein Messinstrument misst.

1. Messung (9:15h)

Jun.-Prof. Dr. Paul Marx | Universität Siegen

85kg

Vorlesung “Marketing”


50
RELIABILITÄT
!

Reliabilität

gibt an, wie genau ein Messinstrument misst.

1. Messung (9:15h)

Jun.-Prof. Dr. Paul Marx | Universität Siegen

85kg

Vorlesung “Marketing”


50
RELIABILITÄT
!

Reliabilität

gibt an, wie genau ein Messinstrument misst.

1. Messung (9:15h)

85kg

2. Messung (9:16h)

85kg

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


50
VALIDITÄT
!

Validität

gibt an, inwieweit ein Messinstrument auch
tatsächlich den Sachverhalt misst, den es zu
messen galt (Güte der Messung)

1. Messung (9:15h)
!
2. Messung (9:16h)
!
3. Messung (9:17h)

Jun.-Prof. Dr. Paul Marx | Universität Siegen

85kg
85kg
85kg

Vorlesung “Marketing”


51
Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


52
RELIABILITÄT & VALIDITÄT
XO = XT + XS + XR
Reliabilität
gibt an, wie genau ein
Messinstrument misst
kein Zufallsfehler ( XR → 0)

Validität
gibt an, inwieweit ein Messinstrument
auch tatsächlich den Sachverhalt misst,
den es zu messen galt (Güte der
Messung)
kein Messfehler 

( XO → XT, XS → 0, XR → 0)

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


53
ZUSAMMENHANG ZWISCHEN RELIABILITÄT & VALIDITÄT
XO = XT + XS + XR

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


54
ZUSAMMENHANG ZWISCHEN RELIABILITÄT & VALIDITÄT
XO = XT + XS + XR
Validität impliziert Reliabilität
( XO = XT | XS = 0, XR = 0)

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


54
ZUSAMMENHANG ZWISCHEN RELIABILITÄT & VALIDITÄT
XO = XT + XS + XR
Validität impliziert Reliabilität
( XO = XT | XS = 0, XR = 0)
Nicht-Reliabilität impliziert NichtValidität
( XR ≠ 0 | XO = XT +XR ≠ XT)

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


54
ZUSAMMENHANG ZWISCHEN RELIABILITÄT & VALIDITÄT
XO = XT + XS + XR
Validität impliziert Reliabilität
( XO = XT | XS = 0, XR = 0)
Nicht-Reliabilität impliziert NichtValidität
( XR ≠ 0 | XO = XT +XR ≠ XT)
Aus Reliabilität kann Validität nicht
gefolgert werden
( XR = 0, XS ≠ 0 | XO = XT +XS ≠ XT)

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


54
ZUSAMMENHANG ZWISCHEN RELIABILITÄT & VALIDITÄT
XO = XT + XS + XR
Validität impliziert Reliabilität
( XO = XT | XS = 0, XR = 0)
Nicht-Reliabilität impliziert NichtValidität
( XR ≠ 0 | XO = XT +XR ≠ XT)
Aus Reliabilität kann Validität nicht
gefolgert werden
( XR = 0, XS ≠ 0 | XO = XT +XS ≠ XT)

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


54
ZUSAMMENHANG ZWISCHEN RELIABILITÄT & VALIDITÄT
XO = XT + XS + XR
Validität impliziert Reliabilität
( XO = XT | XS = 0, XR = 0)
Nicht-Reliabilität impliziert NichtValidität
( XR ≠ 0 | XO = XT +XR ≠ XT)
Aus Reliabilität kann Validität nicht
gefolgert werden
( XR = 0, XS ≠ 0 | XO = XT +XS ≠ XT)

Reliabilität ist eine notwendige, aber
nicht hinreichende Bedingung der
Validität

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


54
Auswahl der Stichprobe (Sampling)

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


55
PROZESS DER MARKTFORSCHUNG
DIE

Definitionsphase

1

Designphase

“5 D’S” DER MARKTFORSCHUNG

Datenerhebungsphase

2

3

Datenanalysephase

4

Daten5
interpretationsphase
Contents

Informationsbedarf Entscheiden bzgl.
indentifizieren
Budget
Forschungsproblem
Datenquellen
und -fragen
Forschungsdefinieren
methoden
Forschungsziele
Stichprobenplan
festlegen
Kontaktmethoden
Informationswert
Methoden der
prüfen
Datenanalyse

Daten
entsprechend
dem Plan
erheben oder
externen
Dienstleister
beauftragen

Daten
statistisch und
subjektiv
analysieren, sowie
Antworten und
Implikationen
ableiten

Ergebnisse der
Datenanalyse
Formulieren
Forschungsbericht
aufbereiten

Comments

Ergebnisse haben
keinen praktischen
Wert, wenn das
Forschungsproblem
nur vage definiert ist

Der Plan muss im
Voraus festgelegt,
dennoch flexibel sein,
um ggf. notwendige
Anpassungen
einbauen zu können

Diese Phase ist sehr
kostspielig und sehr
fehleranfällig

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Wahl der
Datenanalysmethode
hängt im
Wesentlichen von
dem Forschungstyp
ab

Aktionsfähige
Schlüsselergebnisse statt
überwältigende
statistische
Methoden
präsentieren
Vorlesung “Marketing”


56
Der weltweit bekannteste
Schlagzeilenfehler
President Harry Truman gegen
Thomas Dewey
Chicago Daily Tribute gibt
falsche Wahlergebnisse bekannt
Grund?
→ Bias
→ ungenaue Meinungsumfrage

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


57
Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


58
Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


59
Yes, dear Dilbert, it was the wrong Sample
Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


59
AUSWAHL DER STICHPROBE (SAMPLING)

Grundgesamtheit (Population)

Personenkreis, den wir verstehen wollen.
Oft segmentiert nach demographischen
oder psyhografischen Merkmalen (Alter,
Geschlecht, Interessen, Lebensstil usw.)

Stichprobe (Sample)

repräsentative Teilmenge der
Grundgesamtheit

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Die meisten Umfragen können
nicht jede Person befragen.
Stattdessen wird es eine
Stichprobe gezogen und
untersucht.
!
Diese Prozedur bezeichnet man
als Sampling.
!
Ist Sampling richtig gemacht,
können die Umfrageergebnisse
auf die ganze Grundgesamtheit
übertragen werden.
!
Ist die Stichprobe fehlerhaft
gezogen, sind alle Daten nutzlos.
Vorlesung “Marketing”


60
AUSWAHL DER STICHPROBE (SAMPLING)

Grundgesamtheit (Population)

Personenkreis, den wir verstehen wollen.
Oft segmentiert nach demographischen
oder psyhografischen Merkmalen (Alter,
Geschlecht, Interessen, Lebensstil usw.)

Stichprobe (Sample)

repräsentative Teilmenge der
Probanden
Grundgesamtheit
Personen, die Antworten

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Die meisten Umfragen können
nicht jede Person befragen.
Stattdessen wird es eine
Stichprobe gezogen und
untersucht.
!
Diese Prozedur bezeichnet man
als Sampling.
!
Ist Sampling richtig gemacht,
können die Umfrageergebnisse
auf die ganze Grundgesamtheit
übertragen werden.
!
Ist die Stichprobe fehlerhaft
gezogen, sind alle Daten nutzlos.
Vorlesung “Marketing”


60
SAMPLING: ZWEI GRUNDLEGENDE METHODEN
Zufällige
Auswahl

-zufällige
Nicht
uswahl
A

Stichprobe wird nach de
mp
des Forschers gezogen (o ersönlichen Urteil
ft aufs Geratewohl,
“convinience sample”, z.
B. Passanten im
Einkaufszentrum)

!

Dies ist i.d.R. kostengünst
ig
eine Einschätzung der Po und ermöglicht
pulationsparameter.
Da jedoch dabei der Stic
hprobenfehler nicht
berechnet werden kann,
sind die Ergebnisse
nicht repräsentativ - d.h
. sie können auf die
Grundgesamtheit nicht ü
bertragen werden.

zip
dem Zufallsprin
ach
tichprobe wird n
S
ausgewählt.
ischer
!
wendung statist igkeit
An
Dies ermöglicht immung von Genau
st
Verfahren zur Be zw. geschätzten
nb
der gemessene eter sowie zur Beurteilung
m
Populationspara ervalle. Ergebnisse sind
t
ihrer Konfidenzin r und können auf die
a
verallgemeinerb übertragen werden.
eit
Grundgesamth

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


61
BEISPIEL EINES QUOTENPLANS

ft in
wird o
Online
gen
Umfra
ndet
verwe

Quotenplan
!

Kontrollcharakteristiken

Zusammensetzung
der
Grundgesamtheit

Zusammensetzung der Stichprobe

Anteil, %

Anteil, %

Anzahl

Geschlecht
Männlich

Weiblich



48

52

------100



48

52

------100



480

520

------1000

Alter




27

39

16

18
------100



27

39

16

18
------100



270

390

160

180
------1000

!

!

!

18-30
31-45
45-60

über 60

Markenverwendung

Marke A
Marke B

30
70
-------100

30
70
-------100

300
700
-------1000

die Stichprobe wird nach vorgegebenen
Kontrollcharakterisitken (z.B. Geschlecht,
Alter, Einkommen, Größe des Unternehmens,
Umsatz usw.) gezogen, sodass die in der
Stichprobe enthaltenen Objekte die Struktur
der Grundgesamtheit im Hinblick auf die
proportionale Aufteilung dieser
Charakteristiken wiedergeben.

!
Die Objekte der Stichprobe werden dabei
meistens auf Geratewohl ausgewählt. Die
Voraussetzung ist jedoch, dass die
Stichprobenobjekte den Quotenplan erfüllen.

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


62
PROZESS DER MARKTFORSCHUNG
DIE

Definitionsphase

1

Designphase

“5 D’S” DER MARKTFORSCHUNG

Datenerhebungsphase

2

3

Datenanalysephase

4

Daten5
interpretationsphase
Contents

Informationsbedarf Entscheiden bzgl.
indentifizieren
Budget
Forschungsproblem
Datenquellen
und -fragen
Forschungsdefinieren
methoden
Forschungsziele
Stichprobenplan
festlegen
Kontaktmethoden
Informationswert
Methoden der
prüfen
Datenanalyse

Daten
entsprechend
dem Plan
erheben oder
externen
Dienstleister
beauftragen

Daten
statistisch und
subjektiv
analysieren, sowie
Antworten und
Implikationen
ableiten

Ergebnisse der
Datenanalyse
Formulieren
Forschungsbericht
aufbereiten

Comments

Ergebnisse haben
keinen praktischen
Wert, wenn das
Forschungsproblem
nur vage definiert ist

Der Plan muss im
Voraus festgelegt,
dennoch flexibel sein,
um ggf. notwendige
Anpassungen
einbauen zu können

Diese Phase ist sehr
kostspielig und sehr
fehleranfällig

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Wahl der
Datenanalysmethode
hängt im
Wesentlichen von
dem Forschungstyp
ab

Aktionsfähige
Schlüsselergebnisse statt
überwältigende
statistische
Methoden
präsentieren
Vorlesung “Marketing”


63
DATENANALYSE
Angesichts folgender Präferenzwerte, welches Produkt sollten wir anbieten?
Produktalternativen
Gelb Choice

Balu

Rot

Proband #1

50

40

10

Blau

Proband #2

0

65

75

Gelb

Proband #3

40

30

20

Blau

Mittelwert

30

45

35

Rot

“Rot” hat den höchsten durchschnittlichen Präferenzwert
Allerdings, keiner bevorzugt “Rot”

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


64
DATENANALYSE
Angesichts folgender Präferenzwerte, welches Produkt sollten wir anbieten?
Produktalternativen
Gelb Choice

Balu

Rot

Proband #1

50

40

10

Blau

Proband #2

0

65

75

Gelb

Proband #3

40

30

20

Blau

Mittelwert

30

45

35

Rot

“Rot” hat den höchsten durchschnittlichen Präferenzwert
Allerdings, keiner bevorzugt “Rot”

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


64
DATENANALYSE
Angesichts folgender Präferenzwerte, welches Produkt sollten wir anbieten?
Produktalternativen
Gelb Choice

Balu

Rot

Proband #1

50

40

10

Blau

Proband #2

0

65

75

Gelb

Proband #3

40

30

20

Blau

Mittelwert

30

45

35

Rot

“Rot” hat den höchsten durchschnittlichen Präferenzwert
Allerdings, keiner bevorzugt “Rot”

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


64
VERFAHREN DER DATENANALYSE

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


65
VERFAHREN DER DATENANALYSE
Analyseverfahren

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


65
VERFAHREN DER DATENANALYSE
Analyseverfahren

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


65
VERFAHREN DER DATENANALYSE
Analyseverfahren

Univariate
Verfahren

Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


65
VERFAHREN DER DATENANALYSE
Analyseverfahren

Univariate
Verfahren

Mittelwert
Standardabweichung/

Varianz
…
Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


65
VERFAHREN DER DATENANALYSE
Analyseverfahren

Bi- und multivariate
Verfahren

Univariate
Verfahren

Mittelwert
Standardabweichung/

Varianz
…
Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


65
VERFAHREN DER DATENANALYSE
Analyseverfahren

Bi- und multivariate
Verfahren

Univariate
Verfahren

Mittelwert
Standardabweichung/

Varianz
…
Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


65
VERFAHREN DER DATENANALYSE
Analyseverfahren

Bi- und multivariate
Verfahren

Univariate
Verfahren

Dependenzanalyse

Mittelwert
Standardabweichung/

Varianz
…
Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


65
VERFAHREN DER DATENANALYSE
Analyseverfahren

Bi- und multivariate
Verfahren

Univariate
Verfahren

Dependenzanalyse

Regressionsanalyse
Mittelwert

…

Standardabweichung/

Varianz
…
Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


65
VERFAHREN DER DATENANALYSE
Analyseverfahren

Bi- und multivariate
Verfahren

Univariate
Verfahren

Dependenzanalyse

Interdependenzanalyse

Regressionsanalyse
Mittelwert

…

Standardabweichung/

Varianz
…
Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


65
VERFAHREN DER DATENANALYSE
Analyseverfahren

Bi- und multivariate
Verfahren

Univariate
Verfahren

Dependenzanalyse

Interdependenzanalyse

Regressionsanalyse
Mittelwert

Clusteranalyse

…

…

Standardabweichung/

Varianz
…
Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


65
WANN SOLLTE MAN KEINE MARKTFORSCHUNGSPROJEKTE STARTEN

Fall

Kommentar

Unzureichende Ressourcen

Es lohnt sich nicht, eine quantitavie Studie aufzusetzten, solange keine
statistisch signifikante Stichprobe realisierbar ist; Wenn Finanzen nicht
ausreichen, die aus der Studie resultierende Entscheidungen umzusetzten.

Fixierte Haltung

Wenn Entscheidung beteirts getroffen ist und die Studie nur als
“Abstempelung” eines vorgefassten Plans dienen soll.

Informationen nicht erforderlich

Wenn entscheidungsrelevanten Informationen bereits
vorhanden sind.

Vage Ziele

Wenn Manager sich nicht darauf einigen können, welche Informationen sie zur
Entscheidunhgsfindung brauchen.Marktforschung kann nur hilfreich sein, wenn
sie eine konkrete Frage untersucht.

Ergebnisse nicht aktionsfähig

Wenn z.B. psychographische Charakteristiken genutz werden,
die nicht helfen können, konkrete Entscheidungen zu treffen.

Zu spät

Wenn Ergebnisse zu spät bereit gestellt werden, um die
Entscheidung beeinflussen zu können.

Schlechtes Timing

Wenn ein Produkt in der Degenerationsphase ist, macht es
wenig Sinn, nach neuen Produktvariationen zu erforschen.

Kosten überwiegen Vorteile

Erwarteter Informationswert sollte die Kosten der
Datenerhebung und -analyse übersteigen.
Jun.-Prof. Dr. Paul Marx | Universität Siegen

Vorlesung “Marketing”


66

Weitere ähnliche Inhalte

Mehr von Paul Marx

HS Worms - Probevortrag - Dynamic Pricing.pdf
HS Worms - Probevortrag - Dynamic Pricing.pdfHS Worms - Probevortrag - Dynamic Pricing.pdf
HS Worms - Probevortrag - Dynamic Pricing.pdf
Paul Marx
 
SEO in KMU: Ansatzpunkte und Methodologie
SEO in KMU: Ansatzpunkte und MethodologieSEO in KMU: Ansatzpunkte und Methodologie
SEO in KMU: Ansatzpunkte und Methodologie
Paul Marx
 
Einsatzbereiche und Wirksamkeit von Social Media Marketing für KMU
 Einsatzbereiche und Wirksamkeit von Social Media Marketing für KMU Einsatzbereiche und Wirksamkeit von Social Media Marketing für KMU
Einsatzbereiche und Wirksamkeit von Social Media Marketing für KMU
Paul Marx
 
Innovative Ansätze des digitalen Marketing für Non-Profit Vorhaben mit gesel...
Innovative Ansätze des digitalen Marketing für Non-Profit Vorhaben  mit gesel...Innovative Ansätze des digitalen Marketing für Non-Profit Vorhaben  mit gesel...
Innovative Ansätze des digitalen Marketing für Non-Profit Vorhaben mit gesel...
Paul Marx
 
Einführung in die Methodik der Conjoint-Analyse
Einführung in die Methodik der Conjoint-AnalyseEinführung in die Methodik der Conjoint-Analyse
Einführung in die Methodik der Conjoint-Analyse
Paul Marx
 
Applied pricing on platform markets
Applied pricing on platform marketsApplied pricing on platform markets
Applied pricing on platform markets
Paul Marx
 
Einfluss und Nutzen von Digitalisierung und Biologisierung auf eine nachhalti...
Einfluss und Nutzen von Digitalisierung und Biologisierung auf eine nachhalti...Einfluss und Nutzen von Digitalisierung und Biologisierung auf eine nachhalti...
Einfluss und Nutzen von Digitalisierung und Biologisierung auf eine nachhalti...
Paul Marx
 
How Advancements in Technology Influence Marketing: Natural Language Processing
How Advancements in Technology Influence Marketing: Natural Language ProcessingHow Advancements in Technology Influence Marketing: Natural Language Processing
How Advancements in Technology Influence Marketing: Natural Language Processing
Paul Marx
 
Preispolitik
PreispolitikPreispolitik
Preispolitik
Paul Marx
 
Herausforderung und chancen in der kundengewinnung für digitale medienprodukte
Herausforderung und chancen in der kundengewinnung für digitale medienprodukteHerausforderung und chancen in der kundengewinnung für digitale medienprodukte
Herausforderung und chancen in der kundengewinnung für digitale medienprodukte
Paul Marx
 
Digital Marketing: Concepts, Controlling, Perspectives
Digital Marketing: Concepts, Controlling, PerspectivesDigital Marketing: Concepts, Controlling, Perspectives
Digital Marketing: Concepts, Controlling, Perspectives
Paul Marx
 
Grundlagen der Umfrageforschung (www.questionstar.de) : 7. Ergebnisse berichten
Grundlagen der Umfrageforschung (www.questionstar.de) : 7. Ergebnisse berichtenGrundlagen der Umfrageforschung (www.questionstar.de) : 7. Ergebnisse berichten
Grundlagen der Umfrageforschung (www.questionstar.de) : 7. Ergebnisse berichten
Paul Marx
 
Grundlagen der Umfrageforschung (www.questionstar.de) : 6. Fortgeschrittene T...
Grundlagen der Umfrageforschung (www.questionstar.de) : 6. Fortgeschrittene T...Grundlagen der Umfrageforschung (www.questionstar.de) : 6. Fortgeschrittene T...
Grundlagen der Umfrageforschung (www.questionstar.de) : 6. Fortgeschrittene T...
Paul Marx
 
Grundlagen der Umfrageforschung (www.questionstar.de) : 5. Datenanalyse
Grundlagen der Umfrageforschung (www.questionstar.de) : 5. DatenanalyseGrundlagen der Umfrageforschung (www.questionstar.de) : 5. Datenanalyse
Grundlagen der Umfrageforschung (www.questionstar.de) : 5. Datenanalyse
Paul Marx
 
Grundlagen der Umfrageforschung (www.questionstar.de): 4. Stichproben
Grundlagen der Umfrageforschung (www.questionstar.de): 4. StichprobenGrundlagen der Umfrageforschung (www.questionstar.de): 4. Stichproben
Grundlagen der Umfrageforschung (www.questionstar.de): 4. Stichproben
Paul Marx
 
Grundlagen der Umfrageforschung (www.questionstar.de): 3. Fragebogen
Grundlagen der Umfrageforschung (www.questionstar.de): 3. FragebogenGrundlagen der Umfrageforschung (www.questionstar.de): 3. Fragebogen
Grundlagen der Umfrageforschung (www.questionstar.de): 3. Fragebogen
Paul Marx
 
Grundlagen der Umfrageforschung (www.questionstar.de): 2. Messung und Skalierung
Grundlagen der Umfrageforschung (www.questionstar.de): 2. Messung und SkalierungGrundlagen der Umfrageforschung (www.questionstar.de): 2. Messung und Skalierung
Grundlagen der Umfrageforschung (www.questionstar.de): 2. Messung und Skalierung
Paul Marx
 
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)  Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
Paul Marx
 
Principles of Survey Research (questionStar)
Principles of Survey Research (questionStar)Principles of Survey Research (questionStar)
Principles of Survey Research (questionStar)
Paul Marx
 
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
Paul Marx
 

Mehr von Paul Marx (20)

HS Worms - Probevortrag - Dynamic Pricing.pdf
HS Worms - Probevortrag - Dynamic Pricing.pdfHS Worms - Probevortrag - Dynamic Pricing.pdf
HS Worms - Probevortrag - Dynamic Pricing.pdf
 
SEO in KMU: Ansatzpunkte und Methodologie
SEO in KMU: Ansatzpunkte und MethodologieSEO in KMU: Ansatzpunkte und Methodologie
SEO in KMU: Ansatzpunkte und Methodologie
 
Einsatzbereiche und Wirksamkeit von Social Media Marketing für KMU
 Einsatzbereiche und Wirksamkeit von Social Media Marketing für KMU Einsatzbereiche und Wirksamkeit von Social Media Marketing für KMU
Einsatzbereiche und Wirksamkeit von Social Media Marketing für KMU
 
Innovative Ansätze des digitalen Marketing für Non-Profit Vorhaben mit gesel...
Innovative Ansätze des digitalen Marketing für Non-Profit Vorhaben  mit gesel...Innovative Ansätze des digitalen Marketing für Non-Profit Vorhaben  mit gesel...
Innovative Ansätze des digitalen Marketing für Non-Profit Vorhaben mit gesel...
 
Einführung in die Methodik der Conjoint-Analyse
Einführung in die Methodik der Conjoint-AnalyseEinführung in die Methodik der Conjoint-Analyse
Einführung in die Methodik der Conjoint-Analyse
 
Applied pricing on platform markets
Applied pricing on platform marketsApplied pricing on platform markets
Applied pricing on platform markets
 
Einfluss und Nutzen von Digitalisierung und Biologisierung auf eine nachhalti...
Einfluss und Nutzen von Digitalisierung und Biologisierung auf eine nachhalti...Einfluss und Nutzen von Digitalisierung und Biologisierung auf eine nachhalti...
Einfluss und Nutzen von Digitalisierung und Biologisierung auf eine nachhalti...
 
How Advancements in Technology Influence Marketing: Natural Language Processing
How Advancements in Technology Influence Marketing: Natural Language ProcessingHow Advancements in Technology Influence Marketing: Natural Language Processing
How Advancements in Technology Influence Marketing: Natural Language Processing
 
Preispolitik
PreispolitikPreispolitik
Preispolitik
 
Herausforderung und chancen in der kundengewinnung für digitale medienprodukte
Herausforderung und chancen in der kundengewinnung für digitale medienprodukteHerausforderung und chancen in der kundengewinnung für digitale medienprodukte
Herausforderung und chancen in der kundengewinnung für digitale medienprodukte
 
Digital Marketing: Concepts, Controlling, Perspectives
Digital Marketing: Concepts, Controlling, PerspectivesDigital Marketing: Concepts, Controlling, Perspectives
Digital Marketing: Concepts, Controlling, Perspectives
 
Grundlagen der Umfrageforschung (www.questionstar.de) : 7. Ergebnisse berichten
Grundlagen der Umfrageforschung (www.questionstar.de) : 7. Ergebnisse berichtenGrundlagen der Umfrageforschung (www.questionstar.de) : 7. Ergebnisse berichten
Grundlagen der Umfrageforschung (www.questionstar.de) : 7. Ergebnisse berichten
 
Grundlagen der Umfrageforschung (www.questionstar.de) : 6. Fortgeschrittene T...
Grundlagen der Umfrageforschung (www.questionstar.de) : 6. Fortgeschrittene T...Grundlagen der Umfrageforschung (www.questionstar.de) : 6. Fortgeschrittene T...
Grundlagen der Umfrageforschung (www.questionstar.de) : 6. Fortgeschrittene T...
 
Grundlagen der Umfrageforschung (www.questionstar.de) : 5. Datenanalyse
Grundlagen der Umfrageforschung (www.questionstar.de) : 5. DatenanalyseGrundlagen der Umfrageforschung (www.questionstar.de) : 5. Datenanalyse
Grundlagen der Umfrageforschung (www.questionstar.de) : 5. Datenanalyse
 
Grundlagen der Umfrageforschung (www.questionstar.de): 4. Stichproben
Grundlagen der Umfrageforschung (www.questionstar.de): 4. StichprobenGrundlagen der Umfrageforschung (www.questionstar.de): 4. Stichproben
Grundlagen der Umfrageforschung (www.questionstar.de): 4. Stichproben
 
Grundlagen der Umfrageforschung (www.questionstar.de): 3. Fragebogen
Grundlagen der Umfrageforschung (www.questionstar.de): 3. FragebogenGrundlagen der Umfrageforschung (www.questionstar.de): 3. Fragebogen
Grundlagen der Umfrageforschung (www.questionstar.de): 3. Fragebogen
 
Grundlagen der Umfrageforschung (www.questionstar.de): 2. Messung und Skalierung
Grundlagen der Umfrageforschung (www.questionstar.de): 2. Messung und SkalierungGrundlagen der Umfrageforschung (www.questionstar.de): 2. Messung und Skalierung
Grundlagen der Umfrageforschung (www.questionstar.de): 2. Messung und Skalierung
 
Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)  Grundlagen der Umfrageforschung (www.questionstar.de)
Grundlagen der Umfrageforschung (www.questionstar.de)
 
Principles of Survey Research (questionStar)
Principles of Survey Research (questionStar)Principles of Survey Research (questionStar)
Principles of Survey Research (questionStar)
 
Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)Grundlagen der Umfrageforschung (Uni Siegen)
Grundlagen der Umfrageforschung (Uni Siegen)
 

3. marketing vorlesung - ws13 14 (thema 3. marktforschung)

  • 1. WIRTSCHAFTSWISSENSCHAFTEN WIRTSCHAFTSINFORMATIK | WIRTSCHAFTSRECHT Juniorprofessur für Betriebswirtschaftslehre, insb. Marketing GRUNDLAGEN DES MARKETING VORLESUNG: THEMA 3: MARKTFORSCHUNG WINTERSEMESTER 2013/2014 JUN.-PROF. DR. PAUL MARX Jun.-Prof. Dr. Paul Marx Universität Siegen Jun.-Prof. Dr. Paul Marx || Universität Siegen 1 !
  • 2. 3.Marktforschung als Informationsbasis der Marketingentscheidungen Lernziele - Begriff, Bedeutung und Informationsquellen der Marktforschung - Gütekriterien - Phasen einer Marktforschung - Befragung als wichtigste Marktforschungsmethode Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 2
  • 3. CASE BEECHCRAFT STARSHIP 1 2 Dennis Murphy, a sales person at Elliot Flying Services in Des Moines, Iowa Russel Munson in “The Stock Market”, 1991 Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 3
  • 4. CASE BEECHCRAFT STARSHIP Das erste zivile Flugzeug - aus modernem Kohlefaserverbundstoff - Design eines “Entenflugzeuges” - L-förmige Flügel mit Steuerrudern - Zwei turboprop Triebwerke im Heck - F&E-Kosten ca. $500Mio 1 2 Dennis Murphy, a sales person at Elliot Flying Services in Des Moines, Iowa Russel Munson in “The Stock Market”, 1991 Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 3
  • 5. CASE BEECHCRAFT STARSHIP Das erste zivile Flugzeug - aus modernem Kohlefaserverbundstoff - Design eines “Entenflugzeuges” - L-förmige Flügel mit Steuerrudern - Zwei turboprop Triebwerke im Heck - F&E-Kosten ca. $500Mio 1 2 Dennis Murphy, a sales person at Elliot Flying Services in Des Moines, Iowa Russel Munson in “The Stock Market”, 1991 Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 3
  • 6. CASE BEECHCRAFT STARSHIP Das erste zivile Flugzeug - aus modernem Kohlefaserverbundstoff - Design eines “Entenflugzeuges” - L-förmige Flügel mit Steuerrudern - Zwei turboprop Triebwerke im Heck - F&E-Kosten ca. $500Mio “For the pilot and passengers, it has really got everything... 1 2 Dennis Murphy, a sales person at Elliot Flying Services in Des Moines, Iowa Russel Munson in “The Stock Market”, 1991 Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 3
  • 7. CASE BEECHCRAFT STARSHIP Das erste zivile Flugzeug - aus modernem Kohlefaserverbundstoff - Design eines “Entenflugzeuges” - L-förmige Flügel mit Steuerrudern - Zwei turboprop Triebwerke im Heck - F&E-Kosten ca. $500Mio “For the pilot and passengers, it has really got everything... ...for the money, the performance just isn’t there... 1 2 Dennis Murphy, a sales person at Elliot Flying Services in Des Moines, Iowa Russel Munson in “The Stock Market”, 1991 Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 3
  • 8. CASE BEECHCRAFT STARSHIP Das erste zivile Flugzeug - aus modernem Kohlefaserverbundstoff - Design eines “Entenflugzeuges” - L-förmige Flügel mit Steuerrudern - Zwei turboprop Triebwerke im Heck - F&E-Kosten ca. $500Mio “For the pilot and passengers, it has really got everything... ...for the money, the performance just isn’t there... ...for $5Mio, you can buy a jet. Starship just doesn’t fit in today’s market”1 1 2 Dennis Murphy, a sales person at Elliot Flying Services in Des Moines, Iowa Russel Munson in “The Stock Market”, 1991 Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 3
  • 9. CASE BEECHCRAFT STARSHIP Das erste zivile Flugzeug - aus modernem Kohlefaserverbundstoff - Design eines “Entenflugzeuges” - L-förmige Flügel mit Steuerrudern - Zwei turboprop Triebwerke im Heck - F&E-Kosten ca. $500Mio “For the pilot and passengers, it has really got everything... ...for the money, the performance just isn’t there... ...for $5Mio, you can buy a jet. Starship just doesn’t fit in today’s market”1 “The Starship was a $500Mio mistake because of a lack of marketing research”2 1 2 Dennis Murphy, a sales person at Elliot Flying Services in Des Moines, Iowa Russel Munson in “The Stock Market”, 1991 Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 3
  • 10. CASE ELECTROLUX Electrolux - a scandinavian manufacturer of inexpensive vacuum cleaners - took its rhyming phrase “Nothing Sucks Like an Electrolux” and brought it in the early 1970s to America from English-speaking markets overseas. They didn’t know that the word “sucks” had become a derogatory word in the US. Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 4
  • 11. CASE AMERICAN AIRLINES American Airlines launched a new leather first class seats ad campaign (1977-78) in the Mexican market: "Fly in Leather" (vuela encuero) meant "Fly Naked" Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 5
  • 12. CASE AMERICAN AIRLINES American Airlines launched a new leather first class seats ad campaign (1977-78) in the Mexican market: "Fly in Leather" (vuela encuero) meant "Fly Naked" Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 5
  • 13. CASE FOOD & BEVERAGES 6 Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing”
  • 14. CASE FOOD & BEVERAGES In the 1970s and early 80s, Coke began to face stiff competition from other soft drink producers. To remain in the number one spot, Coke executives decided to cease production on the classic cola in favor of New Coke. The public was outraged, and CocaCola was forced to re-launch its original formula almost immediately. Lesson learned -- don't mess with success. 6 Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing”
  • 15. CASE FOOD & BEVERAGES In the 1970s and early 80s, Coke began to face stiff competition from other soft drink producers. To remain in the number one spot, Coke executives decided to cease production on the classic cola in favor of New Coke. The public was outraged, and CocaCola was forced to re-launch its original formula almost immediately. Lesson learned -- don't mess with success. Cocaine is a high-energy drink, containing three and a half times the amount of caffeine as Red Bull. It was pulled from U.S. shelves in 2007, after the FDA declared that its producers, Redux Beverages, were "illegally marketing their drink as an alternative to street drugs." The drink is still available, however, online, in Europe and even in select stores in the U.S. Despite the controversy, Redux Beverages does not plan to cease production any time soon. You know what they say -- there's no such thing as bad publicity. Jun.-Prof. Dr. Paul Marx | Universität Siegen 6 Vorlesung “Marketing”
  • 16. CASE FOOD & BEVERAGES In the 1970s and early 80s, Coke began to face stiff competition from other soft drink producers. To remain in the number one spot, Coke executives decided to cease production on the classic cola in favor of New Coke. The public was outraged, and CocaCola was forced to re-launch its original formula almost immediately. Lesson learned -- don't mess with success. Cocaine is a high-energy drink, containing three and a half times the amount of caffeine as Red Bull. It was pulled from U.S. shelves in 2007, after the FDA declared that its producers, Redux Beverages, were "illegally marketing their drink as an alternative to street drugs." The drink is still available, however, online, in Europe and even in select stores in the U.S. Despite the controversy, Redux Beverages does not plan to cease production any time soon. You know what they say -- there's no such thing as bad publicity. Jun.-Prof. Dr. Paul Marx | Universität Siegen In what must be one of the most bizarre brand extensions ever Colgate decided to use its name on a range of food products called Colgate's Kitchen Entrees. Needless to say, the products did not take off and never left U.S. soil. The idea must have been that consumers would eat their Colgate meal, then brush their teeth with Colgate toothpaste. The trouble was that for most people the name Colgate does not exactly get their taste buds tingling. 6 Vorlesung “Marketing”
  • 17. RETURNS ON MARKETING ACTIONS 60-95% Neuprodukteinführungen sind Flops 50% der Werbung hat keinen Effekt 85% von Preis-Promotions verlieren Geld 97% Brands erzeugen 37% $$ (Unilever) Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 7
  • 18. Marktforschung hilft, Fehler in der Managemententscheidungen zu vermeiden Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 8
  • 19. Begriff der Marktforschung Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 9
  • 20. MARKTFORSCHUNG-BEGRIFF DER AMA M ! arketing research
 is the function that links the consumer, cust omer, and public to the marketer through informatio n -information used to (1) identify and define marketing opportunities and problems; (2) generate , refine, and evaluate marketing actions; (3) monitor m arketing performance; and (4) improve understand ing of marketing as a process. American Marketing Association (AMA), est . in 2007 Quelle: http://www.marketingpower.com/aboutama/pages/definitionofmarketing.aspx Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 10
  • 21. RELEVANZ DER MARKTFORSCHUNG Wieso Marktforschung? Entscheidungsqualität verbessern Probleme erkennen Veränderungen auf dem Markt aufspüren und verstehen Beziehungen zu bestehenden Kunden effektiv pflegen Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 11
  • 22. ZIELE DER MARKTFORSCHUNG Ziele der Marktforschung Marketing-Geschehen verstehen Marketing-Chancen und Marketing-Probleme erkennen Marketing-Aktionen konzipieren, optimieren und auf ihre Wirksamkeit hin überprüfen die Marketing-Leistung messen Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 12
  • 23. MARKETING RESEARCH: A CONCISE DEFINITION Marktforschung ! bezeichnet die systematische Gewinnung, Auswertung und Interpretation von für die Marketingentscheidungen relevanter Informationen über Märkte sowie über Möglichkeiten zu ihrer Beeinflussung ! ! ! Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 13
  • 24. Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 14
  • 25. TOP 10 AKTIVITÄTEN MODERNER MARKTFORSCHUNG Marktbeobachtung und -messung 18% Neuproduktentwicklung / Concept-Tests 14% Monitoring der Werbe- und Brand-Wahrnehmung 13% Kundenzufriedenheitsmessung (inkl. Mystery Shopping) 10% Nutzungs- und Einstellungs-Studien 7% Medienforschung und -evaluation 6% Werbeentwicklung und Pre-Tests 5% Soziologische Umfragen für Regierung 4% Messung & Monitoring von Brand- und Firmenimage 4% Omnibus-Studien 3% Source: Business Management Research Associates, Inc. Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 15
  • 26. MARKTBEOBACHTUNG UND -MESSUNG Source: http://holgerschmidt.tumblr.com/post/66555235834/deutscher-smartphone-markt-ist-fest-in-den-haenden-von Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 16
  • 27. MARKTBEOBACHTUNG UND -MESSUNG Source: http://holgerschmidt.tumblr.com/post/66555235834/deutscher-smartphone-markt-ist-fest-in-den-haenden-von Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 16
  • 28. MARKTBEOBACHTUNG UND -MESSUNG Source: http://holgerschmidt.tumblr.com/post/67876615759/der-medienwandel-beschleunigt-sich Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 17
  • 29. MARKTBEOBACHTUNG UND -MESSUNG Source: http://holgerschmidt.tumblr.com/post/67876615759/der-medienwandel-beschleunigt-sich Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 17
  • 30. WERBEENTWICKLUNG UND PRETESTS Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 18
  • 31. NEUPRODUKTENTWICKLUNG / CONCEPT-TESTS Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 19
  • 32. NEUPRODUKTENTWICKLUNG / CONCEPT-TESTS Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 20
  • 33. ZENTRALE OBJEKTE DER MARKTFORSCHUNG Marktposition z.B. Stellung des Unternehmens im 
 betrachteten Markt Absoluter und relativer Marktanteil 
 (aggregiert, pro Produkt, pro 
 Produktgruppe, pro Marktsegment) Bekanntheitsgrad und Image bei 
 bestehenden und potenziellen Kunden Allgemeine Marktcharakteristika und -entwicklungen z.B. Marktvolumen Marktwachstum Stand des Marktes im Lebenszyklus Saisonale Schwankungen Entwicklung der durchschnittlich im 
 Markt erzielten Gewinne Kundensegmente z.B. Identifikation der einzelnen Kunden im Markt Identifikation der Kundensegmente im Markt Analyse der Bedeutungsveränderung 
 der einzelnen Segmente Marktforschung Wettbewerber z.B. Identifikation der wichtigsten 
 Wettbewerber Marktposition der wichtigsten 
 Wettbewerber (z.B. Marktanteil, Ertragslage, Kostenstruktur, Kundenstruktur) Ressourcen, Ziele und Strategien der wichtigsten Wettbewerber Kundenzufriedenheit und -loyalität z.B. Analyse der Zufriedenheit der Kunden 
 mit den einzelnen Leistungsparametern 
 des Unternehmens Analyse von Veränderungen der 
 Kundenzufriedenheit Analyse der Kundenloyalität Kundenverhalten und 
 -bedürfnisse z.B. Identifikation und Gewichtung der 
 grundlegenden Bedürfnisse der Kunden Erkennen der Veränderungen der 
 Bedürfnisse Analyse des Informations- und 
 Einkaufsverhaltens der Kunden ! Quelle: in Anlehnung an Homburg/Krohmer 2009, S. 58. Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 21
  • 34. PROZESS DER MARKTFORSCHUNG DIE Definitionsphase 1 Designphase “5 D’S” DER MARKTFORSCHUNG Datenerhebungsphase 2 3 Datenanalysephase 4 Daten5 interpretationsphase Contents Informationsbedarf Entscheiden bzgl. indentifizieren Budget Forschungsproblem Datenquellen und -fragen Forschungsdefinieren methoden Forschungsziele Stichprobenplan festlegen Kontaktmethoden Informationswert Methoden der prüfen Datenanalyse Daten entsprechend dem Plan erheben oder externen Dienstleister beauftragen Daten statistisch und subjektiv analysieren, sowie Antworten und Implikationen ableiten Ergebnisse der Datenanalyse Formulieren Forschungsbericht aufbereiten Comments Ergebnisse haben keinen praktischen Wert, wenn das Forschungsproblem nur vage definiert ist Der Plan muss im Voraus festgelegt, dennoch flexibel sein, um ggf. notwendige Anpassungen einbauen zu können Diese Phase ist sehr kostspielig und sehr fehleranfällig Jun.-Prof. Dr. Paul Marx | Universität Siegen Wahl der Datenanalysmethode hängt im Wesentlichen von dem Forschungstyp ab Aktionsfähige Schlüsselergebnisse statt überwältigende statistische Methoden präsentieren Vorlesung “Marketing” 22
  • 35. Typologie der Marktforschung Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 23
  • 36. PROZESS DER MARKTFORSCHUNG DIE Definitionsphase 1 Designphase “5 D’S” DER MARKTFORSCHUNG Datenerhebungsphase 2 3 Datenanalysephase 4 Daten5 interpretationsphase Contents Informationsbedarf Entscheiden bzgl. indentifizieren Budget Forschungsproblem Datenquellen und -fragen Forschungsdefinieren methoden Forschungsziele Stichprobenplan festlegen Kontaktmethoden Informationswert Methoden der prüfen Datenanalyse Daten entsprechend dem Plan erheben oder externen Dienstleister beauftragen Daten statistisch und subjektiv analysieren, sowie Antworten und Implikationen ableiten Ergebnisse der Datenanalyse Formulieren Forschungsbericht aufbereiten Comments Ergebnisse haben keinen praktischen Wert, wenn das Forschungsproblem nur vage definiert ist Der Plan muss im Voraus festgelegt, dennoch flexibel sein, um ggf. notwendige Anpassungen einbauen zu können Diese Phase ist sehr kostspielig und sehr fehleranfällig Jun.-Prof. Dr. Paul Marx | Universität Siegen Wahl der Datenanalysmethode hängt im Wesentlichen von dem Forschungstyp ab Aktionsfähige Schlüsselergebnisse statt überwältigende statistische Methoden präsentieren Vorlesung “Marketing” 24
  • 37. TYPOLOGIE DER MARKTFORSCHUNG Nach Zielen Explorativ
 Nach Datenquellen Nach Methodologie Primär Qualitativ Sekundär Quantitativ (a.k.a. diagnostisch) Deskriptiv Kausal
 (a.k.a. prädiktiv, experimentell) Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 25
  • 38. größere Umfragen, Beobachtung, etc. Experimente, Konsumentenpanels (a.k.a. diagnostisch) Deskriptiv Kausal
 (a.k.a. prädiktiv, experimentell) Ausgangspunkt: geringe Problemkenntnis Ziel: Einsichten in das Problem, Generierung von Hypothesen Ausgangspunkt: es liegen keine Daten über die Marketing-Umwelt vor Ziel: Erfassung und Beschreibung der Markttatbestände: wer, was, wann, wo, wie? Ausgangspunkt: Vorliegen von Hypothesen über Wirkungszusammenhänge Ziel: Tests der Hypothesen, Bestimmung der 
 Ursache-Wirkung-Beziehungen und deren Stärke Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” Problem-Identifizierung Explorativ
 Problem-Lösung kleinere Umfragen, Focus-Groups, Interviews Unsicherheit beeinflusst den Marktforschungs MF-TYPOLOGIE NACH ZIELEN 26
  • 39. UNSICHERHEIT BESTIMMT DEN TYP DER MF Deskriptive MF Explorative MF Kausale MF Grad der Entscheidungs(un)sicherheit Unsicher Bewusst Problem-Identifizierung Sicher Problem-Lösung Market Potential Research Market Share Research Image Research Market Characteristics Research Sales Analysis Research Forecasting Research Business Trends Research Jun.-Prof. Dr. Paul Marx | Universität Siegen Segmentation Research Product Research Pricing Research Promotion Research Distribution Research Vorlesung “Marketing” 27
  • 40. PROZESS DER MARKTFORSCHUNG DIE Definitionsphase 1 Designphase “5 D’S” DER MARKTFORSCHUNG Datenerhebungsphase 2 3 Datenanalysephase 4 Daten5 interpretationsphase Contents Informationsbedarf Entscheiden bzgl. indentifizieren Budget Forschungsproblem Datenquellen und -fragen Forschungsdefinieren methoden Forschungsziele Stichprobenplan festlegen Kontaktmethoden Informationswert Methoden der prüfen Datenanalyse Daten entsprechend dem Plan erheben oder externen Dienstleister beauftragen Daten statistisch und subjektiv analysieren, sowie Antworten und Implikationen ableiten Ergebnisse der Datenanalyse Formulieren Forschungsbericht aufbereiten Comments Ergebnisse haben keinen praktischen Wert, wenn das Forschungsproblem nur vage definiert ist Der Plan muss im Voraus festgelegt, dennoch flexibel sein, um ggf. notwendige Anpassungen einbauen zu können Diese Phase ist sehr kostspielig und sehr fehleranfällig Jun.-Prof. Dr. Paul Marx | Universität Siegen Wahl der Datenanalysmethode hängt im Wesentlichen von dem Forschungstyp ab Aktionsfähige Schlüsselergebnisse statt überwältigende statistische Methoden präsentieren Vorlesung “Marketing” 28
  • 41. MF-TYPOLOGIE NACH DATENQUELLEN Primär Sekundär Generierung von Daten, die bisher noch nicht vorliegen. Diese Daten werden analysiert und können ggf. von dem Forscher veröffentlicht werden. Verwendung von zu einem früheren Zeitpunkt erhobenen Daten für den beabsichtigten Untersuchungszweck. Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 29
  • 42. SEKUNDÄRE DATEN: PROS-AND-CONS Sekundäre Daten Informationen, die früher für einen anderen Zweck erhoben waren Vorteile Nachteile Geringe Kosten Schnelle Verfügbarkeit (u.a. per Internet) Hilfreich für die Konzipierung der primären Datenerhebung u.a. bei der Bestimmung der Zielgruppe von Befragten Häufig problematische Güte (da für andere Untersuchungsziele konzipiert) Nicht hinreichend detailliert Andere Grundgesamtheit Unvollständige Informationen über die Erhebungsmethodik Breite Zugänglichkeit Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 30
  • 43. PRIMÄRE DATEN: PROS-AND-CONS Primary Data Informationen, die für das aktuelle Problem zum ersten Mal erhoben werden Vorteile Nachteile Erlaubt Beantwortung spezifischer Fragestellungen (Problemspezifität) Z.T. hohe Kosten Aktualität der Daten Erfordert Methodenkompetenz Hohe methodische Transparenz Längere Erhebungsdauer Hohe Steuerbarkeit Exklusivität Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 31
  • 44. PRIMÄRE DATEN: PROS-AND-CONS Primary Data Informationen, die für das aktuelle Problem zum ersten Mal erhoben werden Vorteile Nachteile Erlaubt Beantwortung spezifischer Fragestellungen (Problemspezifität) Z.T. hohe Kosten Aktualität der Daten Erfordert Methodenkompetenz Hohe methodische Transparenz Längere Erhebungsdauer Hohe Steuerbarkeit Exklusivität Vorteile der primären Daten überwiegen i.d.R. Nachteile 
 Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 31
  • 45. MF-TYPOLOGIE NACH METHODOLOGIE Quantitativ re Primä Daten Sekundäre Daten Qualitativ Ziel: Marktsachverhalte möglichst genau zu beschreiben und vorhersagbar zu machen Ziel: Konsumentenverhalten und seine Ursachen zu verstehen Erfordert große Datenmengen Schwerpunkt auf Individuen und kleinen Gruppen Verwendet statistische Methoden der Datenanalyse Nicht repräsentativ. Eine Sichtweise verstehen, nicht alle Sichtweisen Strebt Repräsentativität der Ergebnisse an Explorative MF Deskriptive Kausale MF MF Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 32
  • 46. FORSCHUNGS-METHODOLOGIE Forschung Suche und Sammlung von ort Informationen und Ideen in Antw auf eine spezifische Fragestellung Methodologie Set von Methoden welche zur Bearbeitung eines spezifischen Forschungsproblem s verwendet werden 33
  • 47. METHODEN DER MARKTFORSCHUNG Ansatz Primär Sekundär Quelle Methode Gesellschaft Gruppen Individuen Befragung Focus Group Bibliothek Web Datenbank Archiv Tiefeninterview Projektive Tech. Beobachtung (Literatur-) Recherche 34
  • 48. Befragung Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 35
  • 49. BEFRAGUNG Befragung ! … ist eine der populärsten Improve quality of Methoden, primäre Daten zu decision making erheben, wobei der Forscher mit Befragten interagiert, um Trace Problems Informationen über tellung on keeping existing EinsFocus en, Meinungen, Wissen und Verhaltensweisen von customers Menschen zu gewinnen ! Understand changes in marketplace Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 36
  • 50. BEFRAGUNGSMETHODEN traditionell (überholt) Computer Assisted Telephone Interview (CATI) Persönliche Interview in-home mall intercept Computer Assisted Personal Interview (CAPI) MailBefragung mail mail panel Elektronische Befragung e-mail internet internet panel Jun.-Prof. Dr. Paul Marx | Universität Siegen Panelbildung möglich Befragungsmethoden Telefoninterview Vorlesung “Marketing” 37 76
  • 51. FRAGETECHNIKEN (“BEFRAGUNGSTAKTIK”) Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 38
  • 52. FRAGETECHNIKEN (“BEFRAGUNGSTAKTIK”) direkte vs. indirekte fragen Trinken Sie täglich Alkohol? vs. Welche Getränke bevorzugen Sie zu den Mahlzeiten? Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 38
  • 53. FRAGETECHNIKEN (“BEFRAGUNGSTAKTIK”) direkte vs. indirekte fragen Trinken Sie täglich Alkohol? vs. Welche Getränke bevorzugen Sie zu den Mahlzeiten? offene vs. geschlossene Fragen Freie Äußerung des Befragten vs. Antwortmöglichkeiten vorgegeben Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 38
  • 54. SKALIERUNG UND MESSUNG Nominal Zahlen dienen lediglich zur Kalssifizierung der Objekte nicht-kontinuierliche Skala nicht oder 1 2 Jun.-Prof. Dr. Paul Marx | Universität Siegen 1 2 1 2 Vorlesung “Marketing” 39
  • 55. SKALIERUNG UND MESSUNG Nominal Ordinal Zahlen dienen lediglich zur Kalssifizierung der Objekte nicht-kontinuierliche Skala Zahlen geben die relativen Positionen der Objekte an aber nicht die Größe der Differenz zwischen ihnen nicht oder 1 1 2 2 1 2 Präferenz für Snacks mehr weniger 3 1 Jun.-Prof. Dr. Paul Marx | Universität Siegen 2 1 2 3 Vorlesung “Marketing” 39
  • 56. SKALIERUNG UND MESSUNG Nominal Ordinal Interval quasi-metrisch Zahlen dienen lediglich zur Kalssifizierung der Objekte nicht-kontinuierliche Skala Zahlen geben die relativen Positionen der Objekte an aber nicht die Größe der Differenz zwischen ihnen nicht oder 1 1 2 2 1 2 Präferenz für Snacks mehr weniger 3 1 2 1 2 3 Unterschiede zwischen Objekten können verglichen werden Nullpunkt willkürlich Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 39
  • 57. SKALIERUNG UND MESSUNG Nominal Ordinal Zahlen dienen lediglich zur Kalssifizierung der Objekte nicht-kontinuierliche Skala Zahlen geben die relativen Positionen der Objekte an aber nicht die Größe der Differenz zwischen ihnen Interval oder 1 1 2 2 1 2 Präferenz für Snacks mehr weniger 3 1 2 1 2 3 Unterschiede zwischen Objekten können verglichen werden Nullpunkt willkürlich Metrisch nicht Nullpunkt eindeutig festgesetzt Verhältnisse der Skalenwerte können berechnet werden quasi-metrisch Ratio Verkaufsmenge (kg) Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 39
  • 58. SKALENARTEN Skala Beschreibung Gängige Beispiele Beispiele aus Marketing Nominalskala Klassifikation Reisepass-Nummer, Nummer vom Fußballspieler Brand, Geschlecht, 
 Beruf, Typ des Lokals Ordinalskala Rangordnung 
 (ohne Abstandsbestimmung) Schulnoten, 
 Position der Läufer im Marathonlauf Marke A ist besser als B, Marke A ist wichtiger als B Intervalskala Kategorien gleichen Abstandes von kontinuierlichen Phänomenen Temperatur (Fahrenheit, Celsius) Einstellung, Kaufintention,
 Kundenzufriedenheit, 
 Index-Zahlen Metrische Skala Rangordnung objektiver Abstandsbestimmung Länge, Gewicht, Zeit, Geld Alter, Umsatz, Einkommen, Marktanteil Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 40
  • 59. WICHTIGSTE SKALENTYPEN: LIKERT SCALE Einstellungen, Meinungen und Verhaltensweisen werden i.d.R. anhand von vorgegebenen Antworten gemessen, die von einem Extrem zum anderen reichen. Im Folgenden sind unterschiedliche Aussagen über Real aufgelistet. Bitte geben Sie an, wie stark Sie diesen Aussagen zustimmen: 1 = Stimme gar nicht zu 2 = Stimme nicht zu 3 = Neutral 4 = Stimme zu 5 = Stimme voll und ganz zu Stimme gar nicht Stimme zu nicht zu Neutral Stimme Stimme voll und zu ganz zu 1 Real verkauft hochwertige Waren [1] [x] [3] [4] [5] 2 Real hat schlechten Service [1] [x] [3] [4] [5] 3 Einkaufen bei Real macht mir Spaß [1] [2] [x] [4] [5] Real bietet eine gute Mischung aus 4 verschiedenen Marken [1] [2] [3] [x] [5] 5 Die Kreditpolitik bei Real ist schrecklich [1] [2] [3] [x] [5] 6 Deutschland kauft bei Real ein [x] [2] [3] [4] [5] 7 Ich mag Werbung von Real nicht [1] [2] [3] [x] [5] 8 Real hat ein breites Sortiment an Waren [1] [2] [3] [x] [5] 9 Die Preise bei Real sind fair [1] [x] [3] [4] [5] NOTICE the reversed scoring of items 2,4,5, and 7. Reverse the scale for these items prior analyzing to be consistent with the whole set of items, i.e. a higher score should Vorlesung “Marketing” Jun.-Prof. Dr. Paul Marx | Universität Siegen denote a more favorable attitude. 41
  • 60. POPULÄRE LIKERT-SKALEN IN MARKETING Konstrukt Likert Skala Einstellung Sehr schlecht Wichtigkeit Schlecht Weder gut, noch schlecht Gut Sehr gut Überhaupt nicht Unwichtig wichtig Neutral Wichtig Sehr wichtig Zufriedenheit Sehr unzufrieden Unzufrieden Weder zufrieden, noch unzufrieden Zufrieden Sehr zufrieden Kaufabsicht Definitiv nicht Wahrscheinlich nicht Untentschieden Wahrscheinlich ja Auf jeden fall ja Kaufhäufigkeit Nie Selten Manchmal Oft Sehr oft Zustimmung Trifft überhaupt nicht zu Trifft eher ncht zu Teils teils Trifft eher zu Trifft voll und ganz zu Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 42
  • 61. WICHTIGSTE SKALENTYPEN: SEMANTISCHES DIFFERENTIAL Zweipolige Rating-Skala, deren Extreme mit jeweils gegensätzlichen Adjektiven beschrieben werden. Erlaubt Messung mehrdimensionaler Einstellungen und deren Profildarstellung. Wie schätzen Sie das Image von Kaufhof ein? Im folgenden Kasten finden Sie jeweils gegensätzliche Begriffspaare. Bitte kreuzen Sie an, inwieweit Sie in Ihrer Einschätzung jeweils mehr zu der einen oder der anderen Ausprägung tendieren.   Kaufhof ist: Stark [ ] [ ] [ ] [ ] [X] [ ] [ ] Schwach Unzuverlässig [ ] [ ] [ ] [ ] [ ] [X] [ ] Zuverlässig Modern [ ] [ ] [ ] [ ] [ ] [ ] [X] Altmodisch Kalt [ ] [ ] [ ] [ ] [ ] [X] [ ] Warm Sorgfälltig [ ] [X] [ ] [ ] [ ] [ ] [ ] Leichtsinnig NOTE: The negative adjective sometimes appears at the left side of the scale and sometimes at the right. This controls the tendency of some respondents, particularly those Vorlesung “Marketing” Jun.-Prof. Dr. Paul Marx | Universität Siegen with very positive or very negative attitudes, to mark the right- or left-hand sides without reading the labels. 43
  • 62. SEMANTISCHES DIFFERENTIAL: POLARITÄTSPROFIL VON ZWEI AUTOMARKEN hoch [ ] [ ] [ ] [ ] [ ] [ ] [ ] tief stark [ ] [ ] [ ] [ ] [ ] [ ] [ ] schwach zuverlässig [ ] [ ] [ ] [ ] [ ] [ ] [ ] unzuverlässig kalt [ ] [ ] [ ] [ ] [ ] [ ] [ ] heiß schnell [ ] [ ] [ ] [ ] [ ] [ ] [ ] langsam modern [ ] [ ] [ ] [ ] [ ] [ ] [ ] altmodisch gut [ ] [ ] [ ] [ ] [ ] [ ] [ ] schlecht freundlich [ ] [ ] [ ] [ ] [ ] [ ] [ ] feindlich häßlich [ ] [ ] [ ] [ ] [ ] [ ] [ ] schön aktiv [ ] [ ] [ ] [ ] [ ] [ ] [ ] passiv jung [ ] [ ] [ ] [ ] [ ] [ ] [ ] alt vorsichtig [ ] [ ] [ ] [ ] [ ] [ ] [ ] sorglos klein [ ] [ ] [ ] [ ] [ ] [ ] [ ] groß sanft [ ] [ ] [ ] [ ] [ ] [ ] [ ] abstoßend robust Seman tic Diff. [ ] [ ] [ ] [ ] [ ] [ ] [ ] empfindlich Automarke X Automarke Y Quelle: in Anlehnung an Hammannn/Erichson,, 1990, S.270. Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 44
  • 63. LATENTE KONSTRUKTE & MULTI-ITEM-MESSUNG Latentes Konstrukt A Latent Construct ! ...ist ein Sachverhalt (z.B. Kundenzufriedenheit), der nicht direkt beobachtbar bzw. messbar ist. ! Das bedeutet nicht, dass der betreffende Sachverhalt nicht “existiert”, sondern nur, dass er aus anderen, messbaren Sachverhalten (Indikatoren) erschlossen werden kann. ! ! ! ! Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 45
  • 64. LATENTE KONSTRUKTE & MULTI-ITEM-MESSUNG Beispiele Zufriedenheit Loyalität Vertrauen Service-Qualität Kaufabsicht Brand Image Involvement Preiswahrnehmung Benutzerfreundlichkeit ... Vorteile Möglichkeit zur Beurteilung abstrakter Konzepte Verschiedene Facetten des Konstruktes können erfasst werden Reduktion der Datendimensionalität durch Aggregation einer Vielzahl von beobachtbaren Sachverhalte zu einem Modell ... Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 46
  • 65. LATENTE KONSTRUKTE & MULTI-ITEM-MESSUNG Konstrukt Dimensionen Faktoren Items Skala Kundenzufriedenheit Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 47
  • 66. LATENTE KONSTRUKTE & MULTI-ITEM-MESSUNG Konstrukt Dimensionen Faktoren Items Skala Produktzufriedenheit Kundenzufriedenheit Servicezufriedenheit Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 47
  • 67. LATENTE KONSTRUKTE & MULTI-ITEM-MESSUNG Konstrukt Dimensionen Faktoren Produktzufriedenheit Freundlichkeit Kundenzufriedenheit Items Skala Fachkompetenz Servicezufriedenheit Verbindlichkeit Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 47
  • 68. LATENTE KONSTRUKTE & MULTI-ITEM-MESSUNG Konstrukt Dimensionen Kundenzufriedenheit Servicezufriedenheit Items Freundlichkeit Der Verkäufer war mir sympathisch Fachkompetenz Produktzufriedenheit Faktoren Der Verkäufer lächelte nett Verbindlichkeit Der Verkäufer war zuvorkommend Jun.-Prof. Dr. Paul Marx | Universität Siegen Skala Vorlesung “Marketing” 47
  • 69. LATENTE KONSTRUKTE & MULTI-ITEM-MESSUNG Konstrukt Dimensionen Produktzufriedenheit Kundenzufriedenheit Faktoren Items Skala Freundlichkeit Der Verkäufer war mir sympathisch trifft voll zu Fachkompetenz Servicezufriedenheit Der Verkäufer lächelte nett Verbindlichkeit Der Verkäufer war zuvorkommend Jun.-Prof. Dr. Paul Marx | Universität Siegen trifft weitgehend zu trifft nur teilweise zu trifft überhaupt nicht zu Vorlesung “Marketing” 47
  • 70. Gütekriterien der Marktforschung Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 48
  • 71. GÜTEKRITERIEN DER MARKTFORSCHUNG The True Score Model ! XO = XT + XS + XR ! Messung wobei XO = beobachteter Wert einer Charakteristik XT = der wahre Wert der Charakteristik XS = systematischer Fehler XR = Zufallsfehler er Ergebnis der Messung ist nicht d wahre Wert einer Charakteristik, sondern eine Beobachtung davon Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 49
  • 72. RELIABILITÄT ! Reliabilität gibt an, wie genau ein Messinstrument misst. Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 50
  • 73. RELIABILITÄT ! Reliabilität gibt an, wie genau ein Messinstrument misst. 1. Messung (9:15h) Jun.-Prof. Dr. Paul Marx | Universität Siegen 85kg Vorlesung “Marketing” 50
  • 74. RELIABILITÄT ! Reliabilität gibt an, wie genau ein Messinstrument misst. 1. Messung (9:15h) Jun.-Prof. Dr. Paul Marx | Universität Siegen 85kg Vorlesung “Marketing” 50
  • 75. RELIABILITÄT ! Reliabilität gibt an, wie genau ein Messinstrument misst. 1. Messung (9:15h) 85kg 2. Messung (9:16h) 85kg Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 50
  • 76. VALIDITÄT ! Validität gibt an, inwieweit ein Messinstrument auch tatsächlich den Sachverhalt misst, den es zu messen galt (Güte der Messung) 1. Messung (9:15h) ! 2. Messung (9:16h) ! 3. Messung (9:17h) Jun.-Prof. Dr. Paul Marx | Universität Siegen 85kg 85kg 85kg Vorlesung “Marketing” 51
  • 77. Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 52
  • 78. RELIABILITÄT & VALIDITÄT XO = XT + XS + XR Reliabilität gibt an, wie genau ein Messinstrument misst kein Zufallsfehler ( XR → 0) Validität gibt an, inwieweit ein Messinstrument auch tatsächlich den Sachverhalt misst, den es zu messen galt (Güte der Messung) kein Messfehler 
 ( XO → XT, XS → 0, XR → 0) Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 53
  • 79. ZUSAMMENHANG ZWISCHEN RELIABILITÄT & VALIDITÄT XO = XT + XS + XR Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 54
  • 80. ZUSAMMENHANG ZWISCHEN RELIABILITÄT & VALIDITÄT XO = XT + XS + XR Validität impliziert Reliabilität ( XO = XT | XS = 0, XR = 0) Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 54
  • 81. ZUSAMMENHANG ZWISCHEN RELIABILITÄT & VALIDITÄT XO = XT + XS + XR Validität impliziert Reliabilität ( XO = XT | XS = 0, XR = 0) Nicht-Reliabilität impliziert NichtValidität ( XR ≠ 0 | XO = XT +XR ≠ XT) Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 54
  • 82. ZUSAMMENHANG ZWISCHEN RELIABILITÄT & VALIDITÄT XO = XT + XS + XR Validität impliziert Reliabilität ( XO = XT | XS = 0, XR = 0) Nicht-Reliabilität impliziert NichtValidität ( XR ≠ 0 | XO = XT +XR ≠ XT) Aus Reliabilität kann Validität nicht gefolgert werden ( XR = 0, XS ≠ 0 | XO = XT +XS ≠ XT) Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 54
  • 83. ZUSAMMENHANG ZWISCHEN RELIABILITÄT & VALIDITÄT XO = XT + XS + XR Validität impliziert Reliabilität ( XO = XT | XS = 0, XR = 0) Nicht-Reliabilität impliziert NichtValidität ( XR ≠ 0 | XO = XT +XR ≠ XT) Aus Reliabilität kann Validität nicht gefolgert werden ( XR = 0, XS ≠ 0 | XO = XT +XS ≠ XT) Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 54
  • 84. ZUSAMMENHANG ZWISCHEN RELIABILITÄT & VALIDITÄT XO = XT + XS + XR Validität impliziert Reliabilität ( XO = XT | XS = 0, XR = 0) Nicht-Reliabilität impliziert NichtValidität ( XR ≠ 0 | XO = XT +XR ≠ XT) Aus Reliabilität kann Validität nicht gefolgert werden ( XR = 0, XS ≠ 0 | XO = XT +XS ≠ XT) Reliabilität ist eine notwendige, aber nicht hinreichende Bedingung der Validität Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 54
  • 85. Auswahl der Stichprobe (Sampling) Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 55
  • 86. PROZESS DER MARKTFORSCHUNG DIE Definitionsphase 1 Designphase “5 D’S” DER MARKTFORSCHUNG Datenerhebungsphase 2 3 Datenanalysephase 4 Daten5 interpretationsphase Contents Informationsbedarf Entscheiden bzgl. indentifizieren Budget Forschungsproblem Datenquellen und -fragen Forschungsdefinieren methoden Forschungsziele Stichprobenplan festlegen Kontaktmethoden Informationswert Methoden der prüfen Datenanalyse Daten entsprechend dem Plan erheben oder externen Dienstleister beauftragen Daten statistisch und subjektiv analysieren, sowie Antworten und Implikationen ableiten Ergebnisse der Datenanalyse Formulieren Forschungsbericht aufbereiten Comments Ergebnisse haben keinen praktischen Wert, wenn das Forschungsproblem nur vage definiert ist Der Plan muss im Voraus festgelegt, dennoch flexibel sein, um ggf. notwendige Anpassungen einbauen zu können Diese Phase ist sehr kostspielig und sehr fehleranfällig Jun.-Prof. Dr. Paul Marx | Universität Siegen Wahl der Datenanalysmethode hängt im Wesentlichen von dem Forschungstyp ab Aktionsfähige Schlüsselergebnisse statt überwältigende statistische Methoden präsentieren Vorlesung “Marketing” 56
  • 87. Der weltweit bekannteste Schlagzeilenfehler President Harry Truman gegen Thomas Dewey Chicago Daily Tribute gibt falsche Wahlergebnisse bekannt Grund? → Bias → ungenaue Meinungsumfrage Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 57
  • 88. Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 58
  • 89. Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 59
  • 90. Yes, dear Dilbert, it was the wrong Sample Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 59
  • 91. AUSWAHL DER STICHPROBE (SAMPLING) Grundgesamtheit (Population) Personenkreis, den wir verstehen wollen. Oft segmentiert nach demographischen oder psyhografischen Merkmalen (Alter, Geschlecht, Interessen, Lebensstil usw.) Stichprobe (Sample) repräsentative Teilmenge der Grundgesamtheit Jun.-Prof. Dr. Paul Marx | Universität Siegen Die meisten Umfragen können nicht jede Person befragen. Stattdessen wird es eine Stichprobe gezogen und untersucht. ! Diese Prozedur bezeichnet man als Sampling. ! Ist Sampling richtig gemacht, können die Umfrageergebnisse auf die ganze Grundgesamtheit übertragen werden. ! Ist die Stichprobe fehlerhaft gezogen, sind alle Daten nutzlos. Vorlesung “Marketing” 60
  • 92. AUSWAHL DER STICHPROBE (SAMPLING) Grundgesamtheit (Population) Personenkreis, den wir verstehen wollen. Oft segmentiert nach demographischen oder psyhografischen Merkmalen (Alter, Geschlecht, Interessen, Lebensstil usw.) Stichprobe (Sample) repräsentative Teilmenge der Probanden Grundgesamtheit Personen, die Antworten Jun.-Prof. Dr. Paul Marx | Universität Siegen Die meisten Umfragen können nicht jede Person befragen. Stattdessen wird es eine Stichprobe gezogen und untersucht. ! Diese Prozedur bezeichnet man als Sampling. ! Ist Sampling richtig gemacht, können die Umfrageergebnisse auf die ganze Grundgesamtheit übertragen werden. ! Ist die Stichprobe fehlerhaft gezogen, sind alle Daten nutzlos. Vorlesung “Marketing” 60
  • 93. SAMPLING: ZWEI GRUNDLEGENDE METHODEN Zufällige Auswahl -zufällige Nicht uswahl A Stichprobe wird nach de mp des Forschers gezogen (o ersönlichen Urteil ft aufs Geratewohl, “convinience sample”, z. B. Passanten im Einkaufszentrum) ! Dies ist i.d.R. kostengünst ig eine Einschätzung der Po und ermöglicht pulationsparameter. Da jedoch dabei der Stic hprobenfehler nicht berechnet werden kann, sind die Ergebnisse nicht repräsentativ - d.h . sie können auf die Grundgesamtheit nicht ü bertragen werden. zip dem Zufallsprin ach tichprobe wird n S ausgewählt. ischer ! wendung statist igkeit An Dies ermöglicht immung von Genau st Verfahren zur Be zw. geschätzten nb der gemessene eter sowie zur Beurteilung m Populationspara ervalle. Ergebnisse sind t ihrer Konfidenzin r und können auf die a verallgemeinerb übertragen werden. eit Grundgesamth Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 61
  • 94. BEISPIEL EINES QUOTENPLANS ft in wird o Online gen Umfra ndet verwe Quotenplan ! Kontrollcharakteristiken Zusammensetzung der Grundgesamtheit Zusammensetzung der Stichprobe Anteil, % Anteil, % Anzahl Geschlecht Männlich
 Weiblich 
 48
 52
 ------100 
 48
 52
 ------100 
 480
 520
 ------1000 Alter
 
 27
 39
 16
 18 ------100 
 27
 39
 16
 18 ------100 
 270
 390
 160
 180 ------1000 ! ! ! 18-30 31-45 45-60
 über 60 Markenverwendung
 Marke A Marke B 30 70 -------100 30 70 -------100 300 700 -------1000 die Stichprobe wird nach vorgegebenen Kontrollcharakterisitken (z.B. Geschlecht, Alter, Einkommen, Größe des Unternehmens, Umsatz usw.) gezogen, sodass die in der Stichprobe enthaltenen Objekte die Struktur der Grundgesamtheit im Hinblick auf die proportionale Aufteilung dieser Charakteristiken wiedergeben. ! Die Objekte der Stichprobe werden dabei meistens auf Geratewohl ausgewählt. Die Voraussetzung ist jedoch, dass die Stichprobenobjekte den Quotenplan erfüllen. Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 62
  • 95. PROZESS DER MARKTFORSCHUNG DIE Definitionsphase 1 Designphase “5 D’S” DER MARKTFORSCHUNG Datenerhebungsphase 2 3 Datenanalysephase 4 Daten5 interpretationsphase Contents Informationsbedarf Entscheiden bzgl. indentifizieren Budget Forschungsproblem Datenquellen und -fragen Forschungsdefinieren methoden Forschungsziele Stichprobenplan festlegen Kontaktmethoden Informationswert Methoden der prüfen Datenanalyse Daten entsprechend dem Plan erheben oder externen Dienstleister beauftragen Daten statistisch und subjektiv analysieren, sowie Antworten und Implikationen ableiten Ergebnisse der Datenanalyse Formulieren Forschungsbericht aufbereiten Comments Ergebnisse haben keinen praktischen Wert, wenn das Forschungsproblem nur vage definiert ist Der Plan muss im Voraus festgelegt, dennoch flexibel sein, um ggf. notwendige Anpassungen einbauen zu können Diese Phase ist sehr kostspielig und sehr fehleranfällig Jun.-Prof. Dr. Paul Marx | Universität Siegen Wahl der Datenanalysmethode hängt im Wesentlichen von dem Forschungstyp ab Aktionsfähige Schlüsselergebnisse statt überwältigende statistische Methoden präsentieren Vorlesung “Marketing” 63
  • 96. DATENANALYSE Angesichts folgender Präferenzwerte, welches Produkt sollten wir anbieten? Produktalternativen Gelb Choice Balu Rot Proband #1 50 40 10 Blau Proband #2 0 65 75 Gelb Proband #3 40 30 20 Blau Mittelwert 30 45 35 Rot “Rot” hat den höchsten durchschnittlichen Präferenzwert Allerdings, keiner bevorzugt “Rot” Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 64
  • 97. DATENANALYSE Angesichts folgender Präferenzwerte, welches Produkt sollten wir anbieten? Produktalternativen Gelb Choice Balu Rot Proband #1 50 40 10 Blau Proband #2 0 65 75 Gelb Proband #3 40 30 20 Blau Mittelwert 30 45 35 Rot “Rot” hat den höchsten durchschnittlichen Präferenzwert Allerdings, keiner bevorzugt “Rot” Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 64
  • 98. DATENANALYSE Angesichts folgender Präferenzwerte, welches Produkt sollten wir anbieten? Produktalternativen Gelb Choice Balu Rot Proband #1 50 40 10 Blau Proband #2 0 65 75 Gelb Proband #3 40 30 20 Blau Mittelwert 30 45 35 Rot “Rot” hat den höchsten durchschnittlichen Präferenzwert Allerdings, keiner bevorzugt “Rot” Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 64
  • 99. VERFAHREN DER DATENANALYSE Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 65
  • 100. VERFAHREN DER DATENANALYSE Analyseverfahren Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 65
  • 101. VERFAHREN DER DATENANALYSE Analyseverfahren Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 65
  • 102. VERFAHREN DER DATENANALYSE Analyseverfahren Univariate Verfahren Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 65
  • 104. VERFAHREN DER DATENANALYSE Analyseverfahren Bi- und multivariate Verfahren Univariate Verfahren Mittelwert Standardabweichung/
 Varianz … Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 65
  • 105. VERFAHREN DER DATENANALYSE Analyseverfahren Bi- und multivariate Verfahren Univariate Verfahren Mittelwert Standardabweichung/
 Varianz … Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 65
  • 106. VERFAHREN DER DATENANALYSE Analyseverfahren Bi- und multivariate Verfahren Univariate Verfahren Dependenzanalyse Mittelwert Standardabweichung/
 Varianz … Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 65
  • 107. VERFAHREN DER DATENANALYSE Analyseverfahren Bi- und multivariate Verfahren Univariate Verfahren Dependenzanalyse Regressionsanalyse Mittelwert … Standardabweichung/
 Varianz … Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 65
  • 108. VERFAHREN DER DATENANALYSE Analyseverfahren Bi- und multivariate Verfahren Univariate Verfahren Dependenzanalyse Interdependenzanalyse Regressionsanalyse Mittelwert … Standardabweichung/
 Varianz … Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 65
  • 109. VERFAHREN DER DATENANALYSE Analyseverfahren Bi- und multivariate Verfahren Univariate Verfahren Dependenzanalyse Interdependenzanalyse Regressionsanalyse Mittelwert Clusteranalyse … … Standardabweichung/
 Varianz … Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 65
  • 110. WANN SOLLTE MAN KEINE MARKTFORSCHUNGSPROJEKTE STARTEN Fall Kommentar Unzureichende Ressourcen Es lohnt sich nicht, eine quantitavie Studie aufzusetzten, solange keine statistisch signifikante Stichprobe realisierbar ist; Wenn Finanzen nicht ausreichen, die aus der Studie resultierende Entscheidungen umzusetzten. Fixierte Haltung Wenn Entscheidung beteirts getroffen ist und die Studie nur als “Abstempelung” eines vorgefassten Plans dienen soll. Informationen nicht erforderlich Wenn entscheidungsrelevanten Informationen bereits vorhanden sind. Vage Ziele Wenn Manager sich nicht darauf einigen können, welche Informationen sie zur Entscheidunhgsfindung brauchen.Marktforschung kann nur hilfreich sein, wenn sie eine konkrete Frage untersucht. Ergebnisse nicht aktionsfähig Wenn z.B. psychographische Charakteristiken genutz werden, die nicht helfen können, konkrete Entscheidungen zu treffen. Zu spät Wenn Ergebnisse zu spät bereit gestellt werden, um die Entscheidung beeinflussen zu können. Schlechtes Timing Wenn ein Produkt in der Degenerationsphase ist, macht es wenig Sinn, nach neuen Produktvariationen zu erforschen. Kosten überwiegen Vorteile Erwarteter Informationswert sollte die Kosten der Datenerhebung und -analyse übersteigen. Jun.-Prof. Dr. Paul Marx | Universität Siegen Vorlesung “Marketing” 66