Traue keiner Studie - Statistik-Basics für Online-Marketer und Studienverwender

Traue keiner Studie –
Statistik-Basics für Marketer
und Studienverwender
Thorsten Biedenkapp
biedenkapp.it | 11.10.2014

Über mich
 Thorsten Biedenkapp (37)
 Studium Humanmedizin in
Frankfurt am Main
 Seit 2002 freier IT-Berater
 Seit 2007 Inhaber biedenkapp.it
 Schwerpunkt Healthcare
 Tätigkeitsfelder
 Konzeption
 Umsetzung von Websites / Portalen
im Bereich Healthcare
 Social Media / Kommunikative
Nachbetreuung im Bereich
Healthcare
 Twitter: @biedenkappIT
biedenkapp.it | 11.10.2014 Statistik für Online-Marketer

Womit alles begann…
Quelle: http://t3n.de/news/studie-seziert-million-headlines-559473/

Fragen über Fragen
Quelle: http://moz.com/blog/5-data-insights-into-the-headlines-readers-click

Voraussetzungen für gute
Studien / Umfragen

Gutes Personal ist wichtig
 Untersucher sollte objektiv sein
 Untersucher sollte Daten korrekt kodieren
 Untersucher sollte Entscheidungen treffen
können, die der Studie zuträglich sind
 Bsp.: Probanden nicht im Freundeskreis
rekrutieren
 Untersucher sollte Daten korrekt
interpretieren können

Gute Studie = Gute Daten
 Studie sollte auch bei mehrmaliger Anwendung
immer die gleichen Ergebnisse erzeugen
(Reliabilität)
 Studie sollte das messen, was in der
Arbeitshypothese beschrieben wird (Validität)
 Studie sollte unabhängig von wirtschaftlichen,
politischen oder sonstigen Interessen durchgeführt
werden
 Studie sollte transparent und überprüfbar mit den
erhobenen Daten umgehen können

Häufige Fehler in Statistiken

Sind die Zahlen korrekt?
 Bei der Hochrechnung zur Parlamentswahl
2011 im russischen Fernsehen kommt es zu
einem kuriosen Rechenfehler: Zählt man die
Prozentwerte aller Parteien zusammen
haben diese angeblich 146,67 % der
Stimmen auf sich vereinigen können.
 Bild:
http://www.spiegel.de/fotostrecke/wahlkuriosit
aeten-in-russland-wir-sind-99-47-prozent-oder-
Quelle: spiegel.de
fotostrecke-75892-3.html

Wie häufig kaufen Sie in
Onlineshops ein?
Mehr als 2 Käufe / Monat
2 Käufe / Monat
1 Kauf / Monat
15 %
43 %
28 %

Der Maßstab machts
515
505
495
485
475
465
Häufigkeit von Zahlen beim Roulettespiel
1 2 3 4 5 6 7 8 9

Der Maßstab machts – Teil 2
600
500
400
300
200
100
0
Häufigkeit von Zahlen beim Roulettespiel
1 2 3 4 5 6 7 8 9

Die Perspektive machts

Unklare Zielpopulation
 Die Zielpopulation / Grundgesamtheit setzt
sich aus allen Individuen zusammen, die
untersucht werden sollen.
 Bsp.: Kaufverhalten der Deutschen in Online-
Shops
 Zielpopulation = Gesamte deutsche Bevölkerung
 Einschränkung = Geschäftsfähiges Alter + Wohnort in
Deutschland
 Negativbeispiel: „Ein Glas Rotwein am Abend ist
gesund!“

Stichprobe sollte Zielpopulation
repräsentieren
 Repräsentativ bedeutet, dass die
Zusammensetzung der Stichprobe
mengenmäßig die Zielpopulation im
kleinen Maßstab abbildet
 Auswahl der Probanden sollte auf
aktuellen Daten beruhen
 Keine Bevorzugung von bestimmten
Teilmengen der Zielpopulation

Wir haben eine Umfrage
durchgeführt und…
 4 von 5 Zahnärzten
würden Zahnbürsten
von XYZ empfehlen.
 90 % der befragten
Leserinnen der
Zeitschrift abc würden
Hautcreme von 0815
kaufen.
 Es wurden eventuell
nur 5 Zahnärzte
befragt.
 Es wurden nur 20
Leserinnen befragt,
davon waren 15
Angestellte des
Verlags

Beispiel für kleine Stichproben
Quelle: http://www.jolie.de/artikel/jolie-leserinnen-lieben-die-neue-aquasource-bb-cream-2276338.html

Genauigkeit einer Stichprobe /
Fehlergrenze
Bsp.: 100 Personen wurden befragt
1
100
= 0,1 = 10 %

Zusammensetzung der
Stichprobe
 Bsp.: 5.000 Besucher einer Website wurden
zu Ihrer Meinung über ein Produkt befragt
 Probleme:
 Nur Teilnehmer, die sich AKTIV entschieden haben, an
der Umfrage teilzunehmen (meist Menschen mit klaren
Vorstellungen und dem Drang zur Meinungsäußerung)
 Nur Teilnehmer mit Internetzugang
 Nur AKTIVE Besucher der Website (möglicherweise
bereits Käufer des Produkts)

Willkommen beim Datenfriseur
 Bsp.: Ein Teil der Studiendaten war
unbrauchbar, da die Teilnehmer sinnlose
Angaben im Feld „Alter“ gemacht haben.
 FALSCH:
 Fehlerhafte Daten werden aussortiert und
verworfen / in der Auswertung unterschlagen
 RICHTIG:
 Fehler dokumentieren und in der Auswertung
darstellen

Willkommen beim Datenfriseur –
Teil 2
 Bsp.: Ein Medikament wird vor seiner
Markteinführung am Patienten getestet. In
der Studie wird geschrieben: „Von den
Patienten, die erfolgreich an der Studie
teilgenommen haben…“
 Problem:
 Was ist mit den Patienten passiert, die nicht erfolgreich
an der Studie teilgenommen haben? Sind sie vielleicht
nach Einnahme des Medikaments verstorben?

Niedrige Antwortquote
 Bsp.: Ein Online-Shop versendet in einer Umfrage
zur Kundenzufriedenheit 5.000 Fragebögen an
seine Kunden. Die Aktion erzeugt 250 Rückläufer.
 Problem:
 Was ist mit den Fragebögen der übrigen 4.750 Kunden? Was
ist deren Meinung?
 Typische Antwortquoten:
 Brief 50-70%
 Telefon 80%
 E-Mail 40%
 Online 30%
 Interview 80-85%
Quelle:http://www.utexas.edu/academic/ctl/assessment/iar/teaching/gather/method/survey-Response.php

Wann frage ich was?
 Suggestivfragen verfälschen die
Aussagekraft jeder noch so gut designten
Studie
 Bsp:
 Ist XYZ eine starke Marke mit großer Strahlkraft?
 Wie einfach war es für Sie, den Online-Shop ZZZ zu
benutzen?
 Sicherlich sind Sie nach der Bestellzusammenfassung
zur Kasse gegangen?
 80% unserer Kunden sagen, dass wir ein gutes
Warenangebot haben. Stimmen Sie zu?

Wann frage ich was? – Teil 2
 Der Zeitpunkt für eine Studie sollte gut
gewählt sein
 Bsp.: Direkt nach einem Datenskandal in
einem Online-Shop wird eine Umfrage zur
Vertrauenswürdigkeit des Anbieters
durchgeführt.

Zusammenfassung
 Gedanken zum Studiendesign machen
(Objektivität, Reliabilität, Validität)
 Zahlen, Diagramme immer auf Korrektheit
prüfen (Addition, Maßstab, Perspektive)
 Zielpopulation und Stichprobe hinterfragen
 Umgang mit Daten hinterfragen
(Auslassungen, Antwortquote,
Formulierungen)
 Fragetypen und Timing der Studie beachten

Noch Fragen?
Ich freue mich auf Sie!
 Vortrag auf
Slideshare:
 Twitter:
@biedenkappIT
 E-Mail:
info@biedenkapp.it

Traue keiner Studie - Statistik-Basics für Online-Marketer und Studienverwender

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Andere mochten auch

Andere mochten auch (20)

Ähnlich wie Traue keiner Studie - Statistik-Basics für Online-Marketer und Studienverwender

Ähnlich wie Traue keiner Studie - Statistik-Basics für Online-Marketer und Studienverwender (20)

Traue keiner Studie - Statistik-Basics für Online-Marketer und Studienverwender