Identifikation und Ausschöpfung von Up-Selling-Potenzialen: Ein Beitrag zur Segmentierung von Aufsteigern

André Pohlkamp Identifikation und Ausschöpfung von Up-Selling-Potenzialen

GABLER RESEARCH Unternehmensführung und Marketing Herausgeber: Prof. Dr. Dr. h. c. mult. Heribert Meffert, Münster/Westf. Prof. Dr. Hartwig Steffenhagen, Aachen Prof. Dr. Hermann Freter, Siegen

Band 53

André Pohlkamp

Identifikation und Ausschöpfung von Up-Selling-Potenzialen Ein Beitrag zur Segmentierung von Aufsteigern Mit einem Geleitwort von Prof. Dr. Dr. h. c. mult. Heribert Meffert

RESEARCH

Bibliografische Information der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über abrufbar.

Dissertation Universität Münster 2009 D6 (2009)

1. Auflage 2009 Alle Rechte vorbehalten © Gabler | GWV Fachverlage GmbH, Wiesbaden 2009 Lektorat: Claudia Jeske | Jutta Hinrichsen Gabler ist Teil der Fachverlagsgruppe Springer Science+Business Media. www.gabler.de Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung außerhalb der engen Grenzen des Urheberrechtsgesetzes ist ohne Zustimmung des Verlags unzulässig und strafbar. Das gilt insbesondere für Vervielfältigungen, Übersetzungen, Mikroverfilmungen und die Einspeicherung und Verarbeitung in elektronischen Systemen. Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten wären und daher von jedermann benutzt werden dürften. Umschlaggestaltung: KünkelLopka Medienentwicklung, Heidelberg Gedruckt auf säurefreiem und chlorfrei gebleichtem Papier Printed in Germany ISBN 978-3-8349-1961-8

Meinen Eltern und Sandra

Geleitwort Seit einiger Zeit wird vor dem Hintergrund veränderter Markt- und Kontextbedingungen der Intensivierung bestehender Kundenbeziehungen ein wachsendes Interesse zuteil. Demzufolge setzt sich die Mehrheit der Unternehmen mit unterschiedlichen Strategien zur Erhöhung von Erlös- und Ertragspotenzialen von Kundenbeziehungen auseinander. Neben dem Verkauf zusätzlicher Leistungen kann insbesondere im Verkehrsdienstleistungsbereich vermehrt das so genannte UpSelling als das Angebot höherwertiger Leistungen, beobachtet werden. Die Zielsetzung der Unternehmen ist dabei die Abschöpfung latent vorhandener Zahlungsbereitschaften von Stammkunden. Trotz der offensichtlichen Attraktivität dieser Intensivierungsstrategie zur Verbesserung der Auslastungs- und Gewinnsituation von Unternehmen wurde dieses Themenfeld in der wissenschaftlichen Forschung sowohl im deutschsprachigen als auch internationalen Raum bislang lediglich ansatzweise erörtert. Dieses Forschungsdefizit adressiert der Verfasser in der vorliegenden Arbeit und greift mit einer umfassenden theoretischen Auseinandersetzung diese Forschungslücke als Grundlage zur Erarbeitung und empirischen Überprüfung eines Segmentierungskonzeptes auf. Im Fokus steht dabei die Erfassung, Erklärung und Steuerung des Konsumentenverhaltens mit dem Ziel, einen Beitrag zur Entwicklung eines potenzialorientierten Segmentierungsverfahrens zu leisten. Als Untersuchungsobjekt sowohl in konzeptioneller als auch empirischer Hinsicht dienen dem Verfasser Up-Seller von der 2. auf die 1. Klasse der Deutschen Bahn AG. Den Ausgangspunkt der Untersuchung stellt eine ausführliche theoretische Einordnung von Up-Selling dar. Dazu werden ähnliche Konzepte wie Cross-Selling oder Up-Grading anhand geeigneter Dimensionen abgegrenzt. In diesem Rahmen werden Klassenkonzepte im Verkehrsdienstleistungskontext als leistungsbezogene Preisdifferenzierung eingeordnet, die in Form von Leistungsbündeln ein sog. Trade-Up-Bundling darstellen. In einer verkehrsdienstleistungsspezifischen Untersuchung der Zielsetzungen und Anforderungen an Segmentierungsverfahren wird das Problem einer optimalen Marktsegmentierung diskutiert. Vor dem Hintergrund dieser Erkenntnisse und der spezifischen Wettbewerbssituation im Verkehrsdienstleistungsbereich wird dann die Problemstellung bzw. Notwendigkeit einer potenzialorientierten Erfassung und Erschließung von Up-Selling verdeutlicht. Von diesen Ausführungen leitet der Verfasser ein geeignetes, mehrstufiges Segmentierungsverfahren zur Identifikation und Ausschöpfung von Up-Selling-Potenzialen ab. VII

Im Mittelpunkt der Arbeit steht die Konkretisierung und Anwendung eines zweistufigen Segmentierungsverfahrens am Beispiel der Deutschen Bahn AG. Insgesamt können auf beiden Segmentierungsstufen zwei Up-Seller-Fallgruppen gebildet werden, die als natürliche und aktivierte Up-Seller zu charakterisieren sind. Im Rahmen einer A-Priori-Segmentierung werden zielführende Deskriptoren des UpSelling-Verfahrens ermittelt, die sich in besonderer Weise zur Identifikation neuer Up-Seller im Kundenstamm eines Verkehrsdienstleisters eignen. Aufbauend auf diesen Ergebnissen wird auf der zweiten Segmentierungsstufe eine Post-hocSegmentierung mit dem Ziel einer weiteren Differenzierung der Fallgruppen durchgeführt. Hierzu ermittelt der Verfasser auf Basis entscheidungsrelevanter Merkmale der leistungsbezogenen Klassendifferenzierung für die natürlichen sowie aktivierten Up-Seller insgesamt sieben trennscharfe Cluster. Die Ergebnisse der beiden Segmentierungsstufen werden anschließend hinsichtlich ihrer Interdependenzen analysiert und eine Zusammenführung der Segmentierungsstufen vorgenommen. Hierdurch wird die Rückführung der Segmentlösungen auf die Segmentierungskriterien der ersten Stufe erreicht. In diesem Zusammenhang können letztlich Potenziale zur Ausschöpfung von zu aktivierenden und natürlichen UpSellern aufgezeigt werden, welche nach einer Segmentbewertung als Ansatzpunkte für detaillierte Handlungsempfehlungen der Marktbearbeitung dienen. Insgesamt gesehen stellt die Arbeit eine deutliche Bereicherung der wissenschaftlichen Auseinandersetzung auf dem Gebiet der Kundenbeziehungsforschung und der Segmentierung dar. Die besondere Leistung liegt zum einen in der grundlegenden Auseinandersetzung sowie Präzisierung von Up-Selling und zum anderen in dem leistungsfähigen heuristischen Planungs- bzw. Segmentierungsansatz zur besseren gewinnorientierten Steuerung nicht ausgeschöpfter Kundenpotenziale durch gezielte Marketingmaßnahmen. Insofern stellt die Arbeit nicht nur einen Mehrwert für die wissenschaftliche Diskussion dar, sondern besitzt ebenfalls für die Unternehmenspraxis einen hohen Nutzen. Das empirische Datenmaterial beruht auf mehreren Forschungsprojekten der Forschungsstelle Bahnmarketing des Marketing Centrums Münster. Ohne die Unterstützung durch die Deutsche Bahn AG und die Bereitschaft ihrer Mitarbeiter, den Dialog zwischen Wissenschaft und Praxis zu fördern, wäre die Realisierung der Untersuchung in dieser Form nicht möglich gewesen. Hierfür gilt mein besonderer Dank.

Münster, im September 2009

VIII

Prof. Dr. Dr. h. c. mult. H. Meffert

Vorwort Die Intensivierung von Kundenbeziehungen gewinnt angesichts eines steigenden Wettbewerbs sowie der wachsenden Komplexität der Märkte eine zunehmende Bedeutung. In diesem Kontext stellt bei vielen Unternehmen neben Kaufvolumensoder Kauffrequenzsteigerungsbemühungen das so genannte Up-Selling, im Sinne eines Verkaufs von höherwertigen Dienstleistungen, eine vielbeachtete Maßnahme zur Intensivierung der Kundenbeziehungen dar. In Zeiten knapper werdender Marketingbudgets muss die gezielte Suche nach Up-Selling-Möglichkeiten der Forderung einer bestmöglichen Allokation der Ressourcen gerecht werden. Somit ist nicht die Fokussierung auf sämtliche loyalen Kunden, sondern vielmehr eine Potenzialorientierung zielführend, welche profitable Kunden im Rahmen einer wertorientierten Steuerung identifiziert, um den Ertragswert der Kundenbeziehung nachhaltig zu optimieren. Auch und insbesondere im Verkehrsdienstleistungsbereich stellen vielerlei Maßnahmen auf die Intensivierung bestehender Kundenbeziehungen durch Up-Selling ab. Daher ist die gezielte Identifikation und Ausschöpfung von Up-Selling-Potenzialen als besonders relevant einzuordnen, um eine differenzierte Bearbeitung der Verkehrsdienstleistungskunden entsprechend ihres jeweiligen Up-Selling-Potenzials zu ermöglichen. Vor diesem Hintergrund besteht die generelle Zielsetzung der vorliegenden Arbeit darin, einen Segmentierungsansatz zur Identifikation und Ausschöpfung von UpSelling-Potenzialen im Verkehrsdienstleistungsbereich zu entwickeln, um ein im Sinne des integrierten Konzeptes der Markterfassung und Marktbearbeitung ausgerichtetes Zielgruppenmarketing auszugestalten. Zentrales Anliegen ist es dabei, die integrierte Erfassung und Bearbeitung von Marktsegmenten einer optimalen bzw. guten Lösung zuzuführen. Ausgangspunkt ist zunächst eine umfassende Einordnung sowie theoretische Auseinandersetzung von Up-Selling als Grundlage zur Erarbeitung und empirischen Überprüfung eines mehrstufigen Segmentierungskonzeptes im Verkehrsdienstleistungsbereich. Im Fokus der Untersuchung stehen dabei Up-Selling-Potenziale von BahnCard-Kunden für einen Wechsel von der 2. in die 1. Klasse im Fernverkehr der Deutschen Bahn AG mit dem Ziel, einen Beitrag zur Erfassung, Erklärung sowie Steuerung des Konsumentenverhaltens zu leisten. Aufbauend auf den empirischen Ergebnissen von über 6.000 Bahnreisenden werden strategische Stoßrichtungen für insgesamt sieben Up-SellerSegmente abgeleitet, die sowohl natürliche als auch zu aktivierende Up-Seller umfassen.

IX

Die vorliegende Arbeit wurde im Juni 2009 von der Wirtschaftswissenschaftlichen Fakultät der Westfälischen Wilhelms-Universität Münster als Dissertationsschrift angenommen. Die Erstellung der Arbeit war nur durch die Unterstützung zahlreicher Personen und Institutionen möglich. Mein besonderer Dank gilt dabei meinem akademischen Lehrer und Doktorvater, Herrn Prof. Dr. Dr. h. c. mult. Heribert Meffert, der nicht nur die entscheidenden Impulse bei der Konkretisierung der Themenstellung gab, sondern die Erstellung der Arbeit in allen Phasen der Entstehung umfassend förderte. Ebenfalls verdanke ich ihm eine sowohl fachliche als auch persönliche wesentliche Weiterentwicklung. Darüber hinaus möchte Herrn Prof. Dr. Manfred Krafft, Direktor des Instituts für Marketing, ganz herzlich für die Übernahme des Zweitgutachtens danken. Der empirische Teil der vorliegenden Arbeit stützt sich auf Daten und eine Befragung von Bahnreisenden mit BahnCard im innerdeutschen Personenfernverkehr. Die Durchführung einer derart umfassenden empirischen Untersuchung wäre ohne die ausgezeichnete Zusammenarbeit mit der Deutschen Bahn AG nicht realisierbar gewesen. Daher gilt mein Dank den Mitarbeitern der Deutschen Bahn AG, besonders Herrn Dr. Karl-Friedrich Rausch und Herrn Markus Altenhoff. Dank gebührt nicht zuletzt – im Sinne eines Assistentenlebenszyklus – allen ehemaligen und aktuellen Kollegen sowie Freunden am Marketing Centrum Münster der Westfälischen Wilhelms-Universität, insbesondere dem Team Meffert. Maßgeblich hervorheben möchte ich an dieser Stelle Herrn Dipl.-Kfm. Florian Böckermann mit seiner jederzeitigen Bereitschaft zu vielfältigen Diskussionen und seinen wertvollen Beiträgen über den gesamten Zeitraum der Anfertigung (m)eines Dissertationsmanuskriptes sowie unsere Sekretärin Frau Dorothea Brahm-Tobies. Für die Unterstützung in methodischen Fragen der multivariaten Analyseverfahren – auch zu nachtschlafender Zeit – möchte ich meinen Kollegen am Marketing Centrum Münster, Herrn Dipl.-Kfm. Daniel Asselmann und Herrn Dipl.-Kfm. Carsten Schulze Bentrop danken. Danken möchte ich ferner Herrn Dr. Daniel Nießing und Frau Dr. Simone Schmidt, die trotz hoher eigener beruflicher Belastung, durch konstruktiv-kritische Anmerkungen einen wertvollen Beitrag zur Identifikation und Ausschöpfung von Optimierungspotenzialen bei der Niederschrift dieser Arbeit geleistet haben. Darüber hinaus möchte ich meinen Dank an Herrn Dr. Martin Holzberg und Herrn Dipl.-Volksw. Philipp Gerlach für die sowohl soziale als auch und insbesondere sportliche Ablenkung adressieren, welche sich nicht selten durch weiterführende wissenschaftliche Dialoge sowie zahlreiche JoggingKilometer durch Münster auszeichnete.

X

Mein besonderer Dank gilt meiner Familie, insbesondere meinen Eltern, die mir erst die Möglichkeit eröffnet haben, meine persönlichen Ziele erfolgreich zu verfolgen und mir stets die Freiheit für eigene Entscheidungen gegeben haben. Durch das besondere Verständnis, das uneingeschränkte Vertrauen sowie die allumfassende Unterstützung meiner lieben Eltern, Jutta und Heinz-Josef Pohlkamp, konnte ich meinen gesamten Lebensweg und vor allem diese Arbeit mit der notwendigen Motivation und Gelassenheit angehen, die ich – wie so vieles – maßgeblich ihnen zu verdanken habe. Zum Dank widme ich Euch diese Arbeit. Schließlich möchte ich Dir, liebe Sandra, für Deine liebevolle Unterstützung während der gesamten Promotionszeit und die damit verbundenen Entbehrungen danken. Ohne Dein Verständnis, Deine Geduld und Deine Zuwendung hätte ich die mannigfaltigen Herausforderungen einer Dissertation kaum meistern können. Nicht nur die zurückgelegten Wegstrecken zwischen Siegen und Münster, die Du trotz Deiner eigenen Belastung auf Dich genommen hast, sondern vielmehr Deine grenzenlose Nachsicht sowie Dein uneingeschränkter Rückhalt haben mich beständig motiviert. Du hast einen unschätzbaren Anteil am Erfolg und daher möchte ich auch Dir diese Arbeit widmen.

Münster, im September 2009

André Pohlkamp

XI

Inhaltsverzeichnis Abbildungsverzeichnis .................................................................................... XVII Tabellenverzeichnis .......................................................................................... XIX Abkürzungsverzeichnis .................................................................................... XXI A.

Einleitung ................................................................................................... 1

1

Relevanz des Themas und Problemstellung ............................................... 1

2

Zielsetzung und Gang der Untersuchung .................................................... 8

B.

Identifikation und Ausschöpfung von Up-Selling-Potenzialen bei Verkehrsdienstleistungsunternehmen .................................................. 13

1

Up-Selling im Verkehrsdienstleistungsbereich als Untersuchungsgegenstand ....................................................................... 13

2

1.1

Begriffliche Abgrenzung und Einordnung von Up-Selling bei Verkehrsdienstleistungen ........................................................ 13

1.2

Leistungs- und Preisdifferenzierung als Voraussetzung für Klassenkonzepte bei Verkehrsdienstleistungsunternehmen ......... 21

1.3

Forschungsarbeiten im Up-Selling-Bereich ................................... 27

Entwicklung eines Segmentierungskonzeptes zur Erfassung und Bewertung von Up-Selling-Potenzialen im Verkehrsdienstleistungsbereich .. 32 2.1

Zielsetzungen, Besonderheiten und Anforderungen an Segmentierungsverfahren im Verkehrsdienstleistungsbereich ...... 33

2.2

Klassenwahlverhalten als Grundlage der Segmentierung ............. 37

2.3

Entscheidungstatbestände der Markt- und Kundenerfassung im Verkehrsdienstleistungsbereich ................................................ 42

2.4

Konzeptionalisierung eines mehrstufigen Segmentierungsverfahrens für einen Verkehrsdienstleistungsanbieter ................... 48

XIII

C.

Mehrstufige Markterfassung zur Identifikation von Up-SellingPotenzialen bei einem Verkehrsdienstleistungsanbieter .................... 55

1

Design und Methodik der empirischen Analyse ........................................ 55 1.1

Erhebungsmethode und Datenbasis ............................................. 55

1.2

Ablaufschritte der empirischen Analyse ......................................... 59

1.3

Methoden und Beurteilungskriterien der statistischen Auswertung ................................................................................... 61 1.3.1 Methoden und Beurteilungskriterien der A-PrioriSegmentierung .................................................................. 62 1.3.2 Methoden und Beurteilungskriterien der Post-hocSegmentierung .................................................................. 65

2

Zweistufige Segmentierung von Up-Sellern bei einem Verkehrsdienstleistungsanbieter ............................................................... 69 2.1

A-Priori-Segmentierung zur Identifikationen der Up-Seller ............ 69 2.1.1 Operationalisierung der ersten Segmentierungsstufe ........ 69 2.1.2 Vergleichende Analyse von natürlichen Up-Sellern und Verweilern ................................................................... 73 2.1.3 Vergleichende Analyse von aktivierten Up-Sellern und Verweilern ................................................................... 80 2.1.4 Zusammenfassung der Ergebnisse und mögliche Optimierungsansätze der ersten Segmentierungsstufe ..... 87

2.2

Post-hoc-Segmentierung der identifizierten Up-Seller auf Basis entscheidungsrelevanter Merkmale ............................... 90 2.2.1 Operationalisierung der zweiten Segmentierungsstufe...... 90 2.2.2 Clusteranalytische Bestimmung von natürlichen Up-Seller-Segmenten ........................................................ 94 2.2.3 Clusteranalytische Bestimmung von aktivierten Up-Seller-Segmenten ...................................................... 101 2.2.4 Zusammenfassung und Vergleich der Ergebnisse der zweiten Segmentierungsstufe .......................................... 106

2.3 3 XIV

Interdependenzen und Zusammenführung der A-Priori- und Post-hoc-Segmentierung ............................................................. 108

Ableitung einer Segmentstrukturierung und der Segmentgrößen............ 112

D.

Zielgruppenspezifische Marktbearbeitung zur Ausschöpfung von Up-Selling-Potenzialen bei einem Verkehrsdienstleistungsanbieter 119

1

Bewertung und Priorisierung von Zielsegmenten zur potenzialorientierten Marktbearbeitung von Up-Sellern ........................... 119

2

Marktbearbeitung potenzieller natürlicher Up-Seller bei einem Verkehrsdienstleistungsanbieter ............................................................. 126

3

2.1

Segmentspezifische Ausschöpfungsstrategie für natürliche Up-Seller ..................................................................... 126

2.2

Bewertungsmodell zur Ausschöpfung des Potenzials bei natürlichen Up-Sellern ................................................................. 132

Marktbearbeitung zu aktivierender Up-Seller bei einem Verkehrsdienstleistungsanbieter ............................................................. 135 3.1

Segmentspezifische Ausschöpfungsstrategie für zu aktivierende Up-Seller ............................................................ 135

3.2

Bewertungsmodell zur Bestimmung der Effektivität und Effizienz ausgewählter Anreizmaßnahmen ................................. 140

4

Zusammenfassende Darstellung der strategischen zielgruppenspezifischen Stoßrichtungen ................................................. 146

E.

Zusammenfassung und Implikationen ................................................ 149

1

Würdigung der Untersuchungsergebnisse .............................................. 149

2

Implikationen für das Management von Up-Selling im Verkehrsdienstleistungsbereich .......................................................... 153

3

Implikationen für die Weiterentwicklung des Segmentierungskonzeptes 161

Anhang ............................................................................................................... 165 Anhang I (ergänzende Abbildungen und Tabellen) ................................. 167 Anhang II (Informationen zur Direktmarketingaktion) .............................. 185 Anhang III (Fragebögen der Untersuchung) ............................................ 189 Literaturverzeichnis .......................................................................................... 201

XV

Abbildungsverzeichnis Abbildung 1:

Gang der Untersuchung............................................................... 11

Abbildung 2:

Prozessmodell des Klassenwahlverhaltens im Verkehrsdienstleistungsbereich ................................................... 40

Abbildung 3:

Mehrstufiges Segmentierungskonzept zur Identifikation und Ausschöpfung von Up-Selling-Potenzialen im Verkehrsdienstleistungsbereich ................................................... 52

Abbildung 4:

Up-Selling innerhalb des BahnCard-Systems der Deutschen Bahn AG ...................................................................................... 57

Abbildung 5:

Konzeption der empirischen Erhebung ........................................ 58

Abbildung 6:

Vorgehensweise der mehrstufigen empirischen Analyse............. 60

Abbildung 7:

Sensitivitätsanalyse der signifikanten Variablen zur Identifikation von natürlichen Up-Sellern...................................... 79

Abbildung 8:

Sensitivitätsanalyse der signifikanten Variablen zur Identifikation von aktivierten Up-Sellern ....................................... 86

Abbildung 9:

Ergebnis der Clusteranalyse der natürlichen Up-Seller ............... 95

Abbildung 10: Ergebnis der Clusteranalyse der aktivierten Up-Seller .............. 102 Abbildung 11: Zusammenführung der Segmentierungsstufen zur Identifikation von Up-Selling-Potenzialen................................... 108 Abbildung 12: Segmentzuordnung der natürlichen Up-Seller ........................... 111 Abbildung 13: Segmentzuordnung der aktivierten Up-Seller ............................ 111 Abbildung 14: Strukturierungsmatrix der Up-Selling-Segmente ........................ 113 Abbildung 15: Anteil des Up-Selling-Potenzials der identifizierten Segmente .. 116 Abbildung 16: Stufenmodell zur Ausschöpfung von Up-Selling-Potenzialen .... 125 Abbildung 17: Strategische Ausgestaltungsoptionen für die Bearbeitung der zu aktivierenden Up-Seller ......................................................... 135 Abbildung 18: Ausgewählte Anreize für zu aktivierende Up-Seller ................... 142 Abbildung 19: Up-Selling innerhalb eines ganzheitlichen Kundenbeziehungsmanagement ............................................... 153

XVII

Abbildung 20: Entscheidungstatbestände im Rahmen des Direktmarketingeinsatzes........................................................... 157 Abbildung 21: Konzeption eines experimentellen Designs zur Optimierung des Direktmarketing bei Up-Sellern ........................................... 160

XVIII

Tabellenverzeichnis Tabelle 1:

Ausgewählte Begriffe zu Up-Selling ............................................. 15

Tabelle 2: 

Abgrenzung von Up-Selling zu Up-Grading und Cross-Selling .... 18

Tabelle 3: 

Typen der Preisdifferenzierung als Voraussetzung für UpSelling im Verkehrsdienstleistungsbereich................................... 24

Tabelle 4: 

Forschungsarbeiten im Up-Selling-Bereich.................................. 32

Tabelle 5: 

Vergleich von S-R- und S-O-R-Modellen im Rahmen der Markt- und Kundensegmentierung ............................................... 39

Tabelle 6: 

Vergleichende Beurteilung von Segmentierungskriterien im Verkehrsdienstleistungsbereich ................................................... 47

Tabelle 7: 

Zentrale Gütemaße zur Beurteilung des Modellfits der logistischen Regression ............................................................... 64

Tabelle 8: 

Potenzielle Deskriptorvariablen der ersten Segmentierungsstufe ................................................................... 72

Tabelle 9: 

Vergleich der natürlichen Up-Seller und Verweiler auf Basis der Ausprägungen und Mittelwerte .............................................. 73

Tabelle 10: 

Klassifikationsmatrix des Vergleichs von natürlichen UpSellern und Verweilern ................................................................. 75

Tabelle 11: 

Empirische Analyse des Wechselverhaltens auf Basis der logistischen Regression bei natürlichen Up-Sellern ..................... 77

Tabelle 12:

Vergleich der aktivierten Up-Seller und Verweiler auf Basis der Ausprägungen und Mittelwerte .............................................. 81

Tabelle 13:

Klassifikationsmatrix des Vergleichs von aktivierten UpSellern und Verweilern ................................................................. 83

Tabelle 14:

Empirische Analyse des Wechselverhaltens auf Basis der logistischen Regression bei aktivierten Up-Sellern ...................... 84

Tabelle 15:

Vergleichende Bewertung der wichtigsten Segmentierungskriterien zur Identifikation von Up-Sellern .......... 87

Tabelle 16:

Entscheidungsrelevante Merkmale der Klassenwahl ................... 92

Tabelle 17:

Clustervergleich der natürlichen Up-Seller anhand ausgewählter segmentbeschreibender Variablen ........................ 98

XIX

Tabelle 18:

Klassifizierungsmatrix der diskriminanzanalytischen Überprüfung der natürlichen Up-Seller ........................................ 99

Tabelle 19:

Diskriminatorische Bedeutung der Merkmalsdimensionen der natürlichen Up-Seller ........................................................... 101

Tabelle 20:

Clustervergleich der aktivierten Up-Seller anhand ausgewählter segmentbeschreibender Variablen ...................... 103

Tabelle 21:

Klassifizierungsmatrix der diskriminanzanalytischen Überprüfung der aktivierten Up-Seller ....................................... 104

Tabelle 22:

Diskriminatorische Bedeutung der Merkmalsdimensionen der aktivierten Up-Seller ............................................................ 105

Tabelle 23:

Clusterbeschreibung anhand zugänglicher Merkmale ............... 110

Tabelle 24:

Berechnung des Up-Selling-Potenzials auf Basis der relevanten BahnCard-Kunden ................................................... 115

Tabelle 25:

Segmentbewertung zur Ableitung potenzialorientierter Marktbearbeitungsmaßnahmen ................................................. 123

Tabelle 26:

Bewertung der Ausschöpfungsstrategien .................................. 133

Tabelle 27:

Bewertung der Effektivität ausgewählter Anreizmaßnahmen..... 143

Tabelle 28:

Bewertung der Effizienz ausgewählter Anreizmaßnahmen........ 145

Tabelle 29:

Zusammenfassende Darstellung der wesentlichen zielgruppenspezifischen Stoßrichtungen ................................... 148

XX

Abkürzungsverzeichnis a. a. O. a. M. Abb. AG akt. Anh. Aufl.

am angegebenen Ort am Main Abbildung Aktiengesellschaft aktivierter Anhang Auflage

bb-Punkte BC BC 25 BC 50 BC 50 erm. BC 100 bc-Punkte Bd. BMW bzw.

bahn.bonus-Punkte BahnCard BahnCard 25 BahnCard 50 BahnCard 50 ermäßigt BahnCard 100 bahn.comfort-Punkte Band Bayerische Motorenwerke beziehungsweise

ca. CLV CRM

circa Customer Lifetime Value Customer Relationship Management

d. h. DB AG DBW df Diss. DM

das heißt Deutsche Bahn AG Die Betriebswirtschaft Degrees of Freedom (Freiheitsgrade) Dissertation Direktmarketing

e. V. EDV et al. etc. EUR

eingetragener Verein Elektronische Datenverarbeitung et alii, et alia, et alteri et cetera Euro

f. ff. FAZ

folgende fortfolgende Frankfurter Allgemeine Zeitung

GfK ggü. ggf. GmbH

Gesellschaft für Konsum- und Absatzforschung gegenüber gegebenenfalls Gesellschaft mit beschränkter Haftung

Hrsg.

Herausgeber XXI

i. d. R. i. e. S. i. H. v. i. w. S. IC ICE inkl. insb.

in der Regel im engeren Sinne in Höhe von im weiteren Sinne InterCity InterCityExpress inklusive insbesondere

Jg.

Jahrgang

Kap.

Kapitel

m Mio. ML MCC Mrd. MW

männlich Millionen Maximum Likelihood Maximum Chance Criterion Milliarde(n) Mittelwert

n. s. nat. No. Nr.

nicht signifikant natürliche Number Nummer

ÖPNV

Öffentlicher Personennahverkehr

PAM Pkm Pkw PCC

Produkt-, Angebots- und Markenpolitik Personenkilometer Personenkraftwagen Proportional Chance Criterion

RB RE

Regional Bahn Regional Express

S. Sig. sog. S-O-R S-R Sp. SPSS

Seite Signifikanz so genannte (n, r, s) Stimulus-Organism-Response Stimulus-Response Spalte Superior Performance Software System

Tab.

Tabelle

XXII

u. u. a. u. U.

und und andere, unter anderem unter Umständen

usw.

und so weiter

vgl. Vol. vs.

vergleiche Volume versus

w WiSt WWW

weiblich Wirtschaftswissenschaftliches Studium World Wide Web

z. B. ZfB ZFP z. T. ZfbF

zum Beispiel Zeitschrift für Betriebswirtschaft Zeitschrift für Forschung und Praxis zum Teil Zeitschrift für betriebswirtschaftliche Forschung

XXIII

A. 1

Einleitung Relevanz des Themas und Problemstellung

In den vergangenen Jahren hat vor dem Hintergrund stagnierender Märkte sowie weitgehend austauschbarer Produkte und Dienstleistungen ein Wandel in der marktorientierten Unternehmensführung von einem transaktions- bzw. massenorientierten Marketingansatz zu einem einzelkundenorientierten Beziehungsmarketing stattgefunden.1 Das instrumentelle, eher auf kurzfristige Erfolgswirkung ausgerichtete Marketing, bei dem angebotene Produkte und Dienstleistungen im Vordergrund stehen, wird dabei durch eine ganzheitliche sowie prozessuale Perspektive abgelöst.2 Darüber hinaus werden diese Entwicklungen durch den Fortschritt in der Informations- und Kommunikationstechnologie zusätzlich verstärkt. Die direkte Interaktion zwischen Anbieter und Nachfrager durch DatabaseMarketing ermöglicht den Unternehmen eine individualisierte Kundenansprache, die im Rahmen des Customer Relationship Management (CRM) auf eine integrierte Betrachtung der Kundenbeziehung abstellt.3 Im Rahmen dieser prozessorientierten Sichtweise werden Kundenbeziehungen vielfach mit Hilfe des Kundenlebenszykluskonzeptes strukturiert.4 Neben den Phasen der Neukundenakquisition und der Kundenrückgewinnung ist es für viele Unternehmen in einer Mehrzahl der Branchen von zentraler Bedeutung, aktuelle Kunden zu halten und deren Ertragspotenzial mittels Kundenbindungsstrategien auszuschöpfen bzw. zu steigern.5 Zahlreiche branchenunabhängige Studien bestätigen in diesem Zusammenhang den höheren Erfolgsbeitrag von Kundenbin-

1

2

3

4 5

Vgl. MEFFERT, H., Kundenbindung als Element moderner Wettbewerbsstrategien, in: BRUHN, M., HOMBURG, C. (HRSG.), Handbuch Kundenbindungsmanagement, 6. Aufl., Wiesbaden 2008, S. 159. Vgl. KRAFFT, M., Kundenbindung und Kundenwert, 2. Aufl., Heidelberg 2007, S. 1 f. sowie GRÖNROOS, C., Relationship Marketing – The Nordic School Perspective, in: SHETH, J. N., PARVATIYAR, A. (HRSG.), Handbook of Relationship Marketing, New York 2000, S. 95 ff. Vgl. BRUHN, M., Relationship Marketing – Das Management von Kundenbeziehungen, 2. Aufl., München 2009, S. 9 ff. sowie NIEßING, J., Kundenbindung im Verkehrsdienstleistungsbereich – Ein Beitrag zum Verkehrsmittelwahlverhalten von Bahnreisenden, Wiesbaden 2006, S. 3. Vgl. RUTSATZ, U., Kundenrückgewinnung durch Direktmarketing – Das Beispiel des Versandhandels, Wiesbaden 2004, S. 21 ff. Vgl. BRUHN, M., Relationship Marketing – Das Management von Kundenbeziehungen, a. a. O., S. 3 sowie DILLER, H., Kundenbindung als Marketingziel, in: Marketing ZFP, 18. Jg., Nr. 2, 1996, S. 82.

1

dungsstrategien im Vergleich zu klassischen Wettbewerbsstrategien oder einer alleinigen Fokussierung auf Neukundenakquisitionen.6 Letztlich gewinnt in diesem Zusammenhang eine wert- und potenzialorientierte Kundensicht an Bedeutung, und es gilt daher umso mehr, profitable Kunden im Rahmen einer wertorientierten Steuerung zu identifizieren, um den Ertragswert der Kundenbeziehung nachhaltig zu optimieren.7 Möglichkeiten zur Intensivierung von Kundenbeziehungen lassen sich aus der Einordnung der Kundenbindung in das Zielsystem eines Unternehmens ableiten, wobei verschiedenartige Umsatz- und Kosteneffekte zu unterscheiden sind.8 Hierunter lassen sich klassische Kaufvolumens- oder Kauffrequenzsteigerungsbemühungen seitens der Unternehmen, wie u. a. auch Cross-Selling-Angebote, anführen. Letztere bezeichnen den Verkauf von zusätzlichen bzw. ergänzenden Produkten oder Leistungen eines Anbieters, der somit zusätzliche Umsatzerlöse realisieren und Kosten durch Akquisitionseinsparungen mindern kann.9 Des Weiteren können vermehrt Anstrengungen der Unternehmenspraxis in Bezug auf den Absatz höherwertiger Produkte und Dienstleistungen innerhalb bestehender Kundenbeziehung identifiziert werden.10 Diese so genannten Up-Selling-Aktivitäten sollen Kunden durch Marketing-Maßnahmen eines Unternehmens zum Kauf höherwertiger Produkte oder Dienstleistungen anregen.11

6

7

8

9

10 11

Vgl. NIEßING, J., Kundenbindung im Verkehrsdienstleistungsbereich – Ein Beitrag zum Verkehrsmittelwahlverhalten von Bahnreisenden, a. a. O., S. 2 sowie HELM, S., Kundenbindung und Kundenempfehlung, in: BRUHN, M., HOMBURG, C. (HRSG.), Handbuch Kundenbindungsmanagement, 6. Aufl., Wiesbaden 2008, S. 137 f. und REICHHELD, F. F., SASSER, W. E., Zero Defections: Quality Comes to Services, in: Harvard Business Review, Vol. 68, No. 5, 1990, S. 105 f. Vgl. hierzu kritisch KRAFFT, M., Kundenbindung und Kundenwert, a. a. O., S. 2 f. Vgl. GÖTZ, O., KRAFFT, M., Erfolgreiche Implementierung von CRM-Strategien, in: BRUHN, M., HOMBURG, C. (HRSG.), Handbuch Kundenbindungsmanagement, 6. Aufl., Wiesbaden 2008, S. 551 f. Vgl. hierzu MEFFERT, H., BRUHN, M., Dienstleistungsmarketing, Grundlagen – Konzepte – Methoden, 6. Aufl., Wiesbaden 2009, S. 138 ff. sowie FORNELL, C., A National Customer Satisfaction Barometer: The Swedish Experience, in: Journal of Marketing, Vol. 56, No. 1, 1992, S. 11. Vgl. HOMBURG, C., SCHÄFER, H., Die Erschließung von Kundenpotenzialen durch CrossSelling: Konzeptionelle Grundlagen und empirische Ergebnisse, in: Marketing ZFP, 24. Jg., Nr. 1, 2002, S. 7 ff. Vgl. DILLER, H., Kundenbindung als Marketingziel, a. a. O., S. 82 sowie BRUHN, M., Relationship Marketing – Das Management von Kundenbeziehungen, a. a. O., S. 3 ff. Vgl. VOGEL, V., Kundenbindung und Kundenwert – Der Einfluss von Einstellungen auf das Kaufverhalten, Wiesbaden 2006, S. 47 sowie MÜLLER, H. D., Einsatz von Customer Relationship Management-Systemen – Bestimmungsgrößen, Ausprägungen und Erfolgsfaktoren, Wiesbaden 2004, S. 254 f. Vielfach wird der Up-Selling-Begriff in der wissenschaftlichen Lite(Fortsetzung der Fußnote auf der nächsten Seite)

2

So bieten beispielsweise nahezu alle Automobilhersteller innerhalb ihres Produktportfolios Einstiegsmodelle wie BMW das Modell 1er an, um loyalen Kunden im Rahmen der Kundenbeziehung bzw. des Kundenlebenszyklusses bei Ersatzkäufen höherwertige Modellreihen wie den 3er, 5er oder 7er BMW zu verkaufen.12 Zweck ist seitens der Anbieter u. a. eine Steigerung der Umsatz- und Gewinnerzielung. Aber nicht nur im Markt für (langlebige) Konsumgüter, sondern ebenso im Dienstleistungssektor hält der Trend zur Ausschöpfung von Kundenbeziehungen mittels Up-Selling verstärkt Einzug. So ist der Finanzdienstleistungs- und Assekuranzbereich durch eine Vielzahl der genannten Aktivitäten gekennzeichnet, die Kunden z. B. nach Nutzung eines Einstiegskontos umfangreichere Kontoführungsmöglichkeiten anbieten und so Zahlungsbereitschaften der Kunden abschöpfen. Erste Untersuchungen zeigen, dass z. B. bei Versicherungen Up-SellingPotenziale bei ca. der Hälfte aller Kunden von bis zu 25 % des Umsatzes zu prognostizieren sind.13 Auch und insbesondere im Verkehrsdienstleistungsbereich stellen vielerlei Maßnahmen auf die Intensivierung bestehender Kundenbeziehungen durch UpSelling ab.14 Ursächlich für die hohe Bedeutung dieser Strategien ist hierbei ein aus Nachfragersicht – im Vergleich zu Konsumgütern – tendenziell höheres wahrgenommenes Kaufrisiko, welches aus der Immaterialität der Verkehrsdienstleistung und somit aus einem hohen Anteil an Erfahrungs- und Vertrauenseigenschaf-

ratur im Kontext des Kundenwertes diskutiert. Auf eine vertiefende Einordnung wird im Rahmen des Kapitels B 1.1 verwiesen. 12

13

14

Hierbei ist es für eine erste Auseinandersetzung unerheblich, ob Kunden sukzessive über Zwischenmodelle bis zum hochwertigsten Modell, wie in diesem Beispiel dem BMW 7er, oder sofort vom Einstiegsmodell bis zum Premiummodell aufsteigen. Ein weiteres Beispiel ist der Anbieter Apple mit dem digitalen Multimediagerät iPod, das vom Einsteigerprodukt wie dem iPod nano bis zum höherwertigen Modell iPod touch angeboten wird. Vgl. KIM, B.-D., KIM, S.-O., Measuring Upselling Potential of Life Insurance Customers: Application of a Stochastic Frontier Model, in: Journal of Interactive Marketing, Vol. 13, No. 4, 2000, S. 2 ff. Im engeren Sinne kann Verkehr als Überwindung räumlicher Distanzen umschrieben werden. Verkehrsdienstleistungen sollen daher im Folgenden nach MEFFERT / PERREY / SCHNEIDER als „selbständige marktfähige Leistungen verstanden werden, die mit der Bereitstellung und/oder dem Einsatz von Leistungsfähigkeiten zur Überwindung von räumlichen Distanzen verbunden sind (Potentialorientierung), in deren Erstellungsprozeß interne und externe Faktoren kombiniert werden (Prozeßorientierung) und deren Faktorkombination mit dem Ziel eingesetzt wird, Ortsveränderungen von Personen (oder Gütern) vorzunehmen“. MEFFERT, H., PERREY, J., SCHNEIDER, H., Grundlagen marktorientierter Unternehmensführung im Verkehrsdienstleistungsbereich, in: MEFFERT, H. (HRSG.), Verkehrsdienstleistungsmarketing – Marktorientierte Unternehmensführung bei der Deutschen Bahn AG, Wiesbaden 2000, S. 7 f.

3

ten resultiert.15 Wenngleich die Mehrzahl der Nachfrager über eine ausreichend hohe Produkterfahrung mit einer Verkehrsdienstleistung verfügt, so kann dieses nicht ohne weiteres für die Gesamtheit der angebotenen Leistungen konstatiert werden. Insbesondere höherwertige Leistungen werden lediglich von einem geringen Anteil der Reisenden in Anspruch genommen, sodass subjektive Kaufrisiken der Kunden erst im Rahmen einer längerfristigen Kundenbeziehung gemindert werden können. Zusätzlich sind die Anbieter von Verkehrsdienstleistungen durch die spezifische Wettbewerbssituation im Verkehrsdienstleistungsbereich, welche u. a. durch eine Öffnung und Liberalisierung der Märkte gekennzeichnet ist, einem stetig wachsenden inter- und intramodalen Wettbewerb ausgesetzt.16 Hierbei steigt nicht nur die Anzahl der Marktteilnehmer, so z. B. durch den Markteintritt von Low-CostAirlines Anfang des Jahrtausends, sondern auch das Marktvolumen von Verkehrsdienstleistungen.17 Die Gesamtverkehrsleistung in Europa ist in den Jahren von 1995 bis 2005 um 18,2 % gewachsen. Jedoch konnte der schienengebundene Personenverkehr an diesem Wachstum nur unterproportional mit einem Wachstum von 8,2 % partizipieren.18 Demnach sieht sich der schienengebundene Personenverkehr zum Teil deutlichen Marktanteilsverlusten gegenüber. Dieser Trend wird sich in Bezug auf die Verteilung des Modalsplits auf Grund struktureller Veränderungen, wie der demographischen Entwicklung, in den kommenden Jahrzehnten nicht nachhaltig ändern.19

15

16

17

18 19

Vgl. hierzu ausführlich MEFFERT, H., PERREY, J., SCHNEIDER, H., Grundlagen marktorientierter Unternehmensführung im Verkehrsdienstleistungsbereich, a. a. O., S. 6 ff. Diese Aussagen gelten ebenfalls für den gesamten Dienstleistungsbereich. Vgl. die Ausführungen zu Ansätzen der Informationsökonomik in MEFFERT, H., BRUHN, M., Dienstleistungsmarketing, Grundlagen – Konzepte – Methoden, a. a. O., S. 56 ff. sowie BERRY, L. L., Relationship Marketing of Services – Growing Interest, Emerging Perspectives, in: Journal of the Academy of Marketing Services, Vol. 23, No. 4, 1995, S. 237 f. Intramodaler Wettbewerb bezeichnet die Konkurrenz innerhalb einer Verkehrsträgerebene (z. B. innerhalb von Anbietern schienengebundener Verkehrsdienstleistungen), während mit der intermodalen Betrachtungsebene eine verkehrsträgerübergreifende Perspektive (z. B. zwischen Bahn und Flugzeug) eingenommen wird. Vgl. zu den Auswirkungen des Eintritts von Low-Cost-Airlines ausführlich BINGGELI, U., POMPEO, L., The battle for Europe’s low-fare flyers, in: MCKINSEY & COMPANY (HRSG.), McKinsey on Travel & Logistics, New York 2005, S. 1. Vgl. zu den statistischen Auswirkungen EUROPÄISCHE KOMMISSION (HRSG.), Energy & Transport in Figures 2007, Part 3: Transport, Brüssel 2007. Als Modalsplit wird hierbei der modale Anteil der Verkehrsleistung eines Verkehrsmittels am aggregierten Gesamtverkehr aller Verkehrsmittel verstanden. Vgl. FORSCHUNGSSTELLE BAHNMARKETING, Geschäftsmodell 2020 im Personenverkehr, unveröffentlichte Studie der (Fortsetzung der Fußnote auf der nächsten Seite)

4

Für den Erfolg der Ausschöpfung von Kundenbeziehungen mittels Up-Selling ist die Existenz unterschiedlicher Bedürfnisse bzw. Anforderungen an Verkehrsdienstleistungen seitens der Kunden entscheidend, welche unterschiedliche Zahlungsbereitschaften generieren. Up-Selling zeichnet sich folglich durch die Ausnutzung von Differenzierungsmöglichkeiten aus. So bieten Airlines ihren Kunden auf innerdeutschen Flügen zumeist zwei unterschiedliche Beförderungsmöglichkeiten in Form der Economy und Business Class an, die sich z. B. hinsichtlich des Sitzplatzangebotes oder des Catering unterscheiden.20 An dieser Stelle wird deutlich, dass dem Kundenbeziehungsmanagement durch Ausschöpfung bestehender Kundenbeziehungen auch im Verkehrsdienstleistungsbereich eine exponierte Stellung zukommt.21 In Zeiten knapper werdender Marketingbudgets muss die gezielte Suche nach Up-Selling-Möglichkeiten daher der Forderung einer optimalen Allokation der Ressourcen gerecht werden.22 Vor diesem Hintergrund wird ersichtlich, dass nicht die Fokussierung auf sämtliche loyalen Kunden, sondern vielmehr eine Potenzialorientierung zielführend ist.23 So verweisen GÖTZ / KRAFFT auf eine differenzierte Bearbeitung der Kunden durch das Marketing-Mix-Instrumentarium entsprechend ihres jeweiligen Erfolgspotenzials.24

Forschungsstelle Bahnmarketing im Auftrag der Deutschen Bahn AG, Münster 2008 sowie EUROPÄISCHE KOMMISSION (HRSG.), European Energy & Transport: Trends to 2030 – Update 2007, Brüssel 2007, S. 9 ff. 20 21

22

23

24

Auf interkontinentalen Verbindungen bietet eine Vielzahl von Airlines zudem eine dritte, über der Business Class positionierte, so genannte First Class an. Als ein einfacher erster Indikator sei auf die hohe Anzahl von Kundenbindungsprogrammen im Verkehrsdienstleistungsmarkt verwiesen. Vgl. hierzu FITZGERALD, M., ARNOTT, D., Unterstanding demographic Effects on Marketing Communications in Services, in: International Journal of Service Industry Management, Vol. 7, No. 3, 1996, S. 31 ff. Vgl. RUST ET AL., Measuring Marketing Productivity: Current Knowledge and Future Directions, in: Journal of Marketing, Vol. 68, No. 4, 2004, S. 76 ff. sowie KRAFFT, M., ALBERS, S., Ansätze zur Segmentierung von Kunden – Wie geeignet sind herkömmliche Konzepte?, in: ZfbF, 52. Jg., Nr. 6, 2000, S. 515. Vgl. REINARTZ, W., KRAFFT, M., Überprüfung des Zusammenhangs von Kundenbindungsdauer und Kundenertragswert, in: ZfB, 71. Jg., Nr. 11, 2001, S. 1263 ff. sowie BLUT, M., Der Einfluss von Wechselkosten auf die Kundenbindung – Verhaltenstheoretische Fundierung und empirische Analyse, Wiesbaden 2008, S. 19 ff. Im Hinblick auf den Potenzialbegriff ist insbesondere die zukunftsgerichtete Betrachtung der Kunden von Bedeutung. Vgl. GEORGI, D., Kundenbindungsmanagement im Kundenbeziehungslebenszyklus, in: BRUHN, M., HOMBURG, C. (HRSG.), Handbuch Kundenbindungsmanagement, 6. Aufl., Wiesbaden 2008, S. 258. Vgl. GÖTZ, O., KRAFFT, M., Erfolgreiche Implementierung von CRM-Strategien, a. a. O., S. 551.

5

Grundlage eines so gearteten potenzialorientierten Kundenbeziehungsmanagement für Up-Selling-Maßnahmen ist die Identifikation der Kunden im Sinne einer Segmentierung.25 Im Vordergrund steht dabei zunächst aus verhaltens- und methodenorientierter Perspektive, den relevanten Markt in bezüglich ihrer Marktreaktionen intern möglichst homogene sowie untereinander heterogene Teilmärkte aufzuteilen, um die Informationsbasis für eine Marktbearbeitung zu generieren.26 Somit umfasst die Marktsegmentierung nicht nur den Prozess der Informationsgewinnung und Marktaufteilung, sondern als strategisch-managementorientierter Ansatz zudem die gezielte Bearbeitung ausgewählter Segmente mit Hilfe segmentspezifischer Marketingprogramme.27 Die Marktsegmentierung kann folglich als integriertes Konzept der Markterfassung und Marktbearbeitung beschrieben werden.28

25

26

27

28

6

Die Einführung des Begriffes Marktsegmentierung wird in der wissenschaftlichen Diskussion dabei vielfach SMITH zugeschrieben. Vgl. SMITH, W. R., Product Differentiation and Market Segmentation as Alternative Marketing Strategies, in: Journal of Marketing, Vol. 21, No. 1, 1956, S. 3 ff. PERREY weist jedoch darauf hin, dass DEAN bereits 1951 und später HUMMEL die Segmentierung aufgegriffen haben. Vgl. PERREY, J., Nutzenorientierte Marktsegmentierung – Ein integrativer Ansatz zum Zielgruppenmarketing im Verkehrsdienstleistungsbereich, Wiesbaden 1998, S. 5 sowie die dort angegebene Literatur. Diese Aufgabe wird auch als Marktsegmentierung i. e. S., zu der die Erklärung des Käuferverhaltens, die Informationsgewinnung sowie die Informationsverarbeitung gerechnet werden, eingeordnet. Vgl. grundlegend zur Marktsegmentierung FRETER, H., Markt- und Kundensegmentierung – Kundenorientierte Markterfassung und -bearbeitung, 2. Aufl., Stuttgart 2008, S. 25 ff. sowie FRANK, R. E., MASSY, W. F., WIND, Y., Market Segmentation, Englewood Cliffs, New York 1972, S. 11 ff. Vgl. MEFFERT, H., BURMANN, C., KIRCHGEORG, M., Marketing – Grundlagen marktorientierter Unternehmensführung: Konzepte – Instrumente – Praxisbeispiele, 10. Aufl., Wiesbaden 2008, S. 182 sowie KOTLER, P., KELLER, K. L., BLIEMEL, F., Marketing-Management – Strategien für wertschaffendes Handeln, 12. Aufl., München 2007, S. 356. Diese Aktionsseite der Marktsegmentierung umfasst im Rahmen der Marktbearbeitung die Segmentauswahl und den Instrumenteneinsatz. Markterfassung und Marktbearbeitung stellen dabei die Marktsegmentierung i. w. S. dar. Vgl. hierzu MEFFERT, H., BURMANN, C., KIRCHGEORG, M., Marketing – Grundlagen marktorientierter Unternehmensführung: Konzepte – Instrumente – Praxisbeispiele, a. a. O., S. 182. Als Weiterentwicklung zur Marktsegmentierung wird seit geraumer Zeit in Verbindung mit dem Relationship Marketing der Begriff Kundensegmentierung diskutiert. Wesentliches Unterscheidungsmerkmal ist die Fokussierung der Kundensegmentierung auf bestehende Kunden. Somit werden potenzielle Kunden bzw. Interessenten ausgeschlossen. Vgl. hierzu DEYLE, H.-G., Der Einsatz moderner Segmentierungsverfahren zur Unterstützung einer differenzierten Kundenbindungspolitik – Konzeptionelle und methodische Aspekte einer Kundenbindungssegmentierung, Nürnberg 2007, S. 55 f. sowie BRUHN, M., Relationship Marketing – Das Management von Kundenbeziehungen, a. a. O., S. 3 ff. sowie zu einer Verhältnisbestimmung von Marktund Kundensegmentierung FRETER, H., Markt- und Kundensegmentierung – Kundenorientierte Markterfassung und -bearbeitung, a. a. O., S. 54 ff.

Vor diesem Hintergrund ergeben sich in Verbindung mit dem Relationship Marketing insbesondere im Verkehrsdienstleistungsbereich auf Basis kundenindividueller Daten neue Möglichkeiten der Erfassung und Bearbeitung von Kunden/ -gruppen zur Durchdringung von Kundenbeziehungen. So konnte DEYLE im Rahmen einer im Jahr 2006 durchgeführten Studie herausstellen, dass eine Verbesserung der Kundenausschöpfung durch Cross- oder Up-Selling von über 45 % der befragten Unternehmen als sehr wichtiges Ziel einer Segmentierung im Direktmarketing angesehen wird.29 Dementsprechend erfahren Direktmarketingaktionen seitens der Verkehrsdienstleistungsunternehmen einen enormen Zuspruch und erheben mitunter den Anspruch auf hohe Effizienz der Marketingmaßnahmen.30 Jedoch sind mit dieser Entwicklung auch einige Problembereiche behaftet. Die immer komplexere Struktur wie auch Dynamik der Verkehrsdienstleistungsmärkte, die in einer Abnahme der Prognosefähigkeit resultieren, erweisen sich als neue Herausforderungen.31 Des Weiteren wird die Mehrzahl der eingesetzten Datamining-Methoden vielfach dem Anspruch, Kundenbedürfnisse zumindest ansatzweise erklären zu können, nicht gerecht und sieht sich dem Vorwurf der Willkür gegenüber.32 Zusammenfassend zeigt sich, dass bisher nur wenige fundierte Erkenntnisse zum Up-Selling-Verhalten sowie zum Management von Up-Selling-Aktivitäten vorliegen. Vor diesem Hintergrund wird deutlich, dass eine Ausschöpfung bestehender Kundenbeziehungen auf Grund des ansteigenden Wettbewerbs im Verkehrsdienstleistungsbereich sinnvoll erscheint und die hohe Komplexität und Heterogenität des Verkehrsdienstleistungsmarktes einer gezielten Segmentierung zur Hebung von Up-Selling-Potenzialen bedarf. Aus entscheidungsorientierter Sichtweise besteht somit die Notwendigkeit, Up-Selling-Potenziale bei Verkehrsdienstleis-

29

30

31

32

Vgl. DEYLE, H.-G., Der Einsatz moderner Segmentierungsverfahren zur Unterstützung einer differenzierten Kundenbindungspolitik – Konzeptionelle und methodische Aspekte einer Kundenbindungssegmentierung, a. a. O., S. 79 ff. Vgl. AHRENS, M., Experimentelle Analyse der Wirkungen ausgewählter DirektmarketingInstrumente – Ein Beitrag zur Effektivitäts- und Effizienzmessung im Direktmarketing, Frankfurt a. M. 2007, S. 28 ff. Vgl. FIRATH, A. F., SHULTZ, C. J., From segmentation to fragmentation – Markets and marketing strategy in the postmodern era, in: European Journal of Marketing, Vol. 31, No. 5, 1997, S. 431 ff. Vgl. DEYLE, H.-G., Der Einsatz moderner Segmentierungsverfahren zur Unterstützung einer differenzierten Kundenbindungspolitik – Konzeptionelle und methodische Aspekte einer Kundenbindungssegmentierung, a. a. O., S. 1 f.

7

tungsanbietern zu identifizieren, um so letztlich Maßnahmen zur Durchdringung von Kundenbeziehungen im Rahmen der Marktbearbeitung ableiten zu können.

2

Zielsetzung und Gang der Untersuchung

Die vorhergehenden Ausführungen haben die hohe Relevanz sowie Notwendigkeit der Erfassung und Erschließung von Up-Selling-Potenzialen für Verkehrsdienstleistungsunternehmen deutlich gemacht. Die generelle Zielsetzung der vorliegenden Arbeit besteht darin, sowohl einen Beitrag zur Identifikation als auch zur Ausschöpfung von Up-Selling-Potenzialen im Verkehrsdienstleistungsbereich zu leisten. In diesem Kontext steht der Erkenntnisgewinn im Sinne einer theoretischen und praktisch-normativen Forschung im Vordergrund der Untersuchung. Im Rahmen des Forschungsvorhabens sollen dabei als gleichgewichtige Ziele ein Beitrag zur Einordnung von Up-Selling geleistet sowie ein geeignetes Segmentierungsverfahren zur Identifikation und Ausschöpfung von Up-Selling-Potenzialen abgeleitet werden. Als Untersuchungsobjekt dient der vorliegenden Arbeit dabei der Personenverkehr der Deutschen Bahn AG. Um der zuvor beschriebenen generellen Zielsetzung gerecht zu werden, werden aufeinander aufbauende Teilziele formuliert, die ferner die inhaltlichen Forschungsschwerpunkte der Arbeit widerzuspiegeln im Stande sind: x

Ein erstes Teilziel besteht in der Abgrenzung von Up-Selling zu analogen Konzepten sowie der grundlegenden Einordnung von Up-Selling mit Hilfe bestehender Erklärungsansätze. Darauf aufbauend werden Klassenkonzepte als Grundlage für Up-Selling im Verkehrsdienstleistungsbereich erörtert.

x

Auf dieser Basis kommt der Konzeption eines Segmentierungsverfahrens zur Identifikation von Up-Selling-Potenzialen als Informationsgrundlage im Verkehrsdienstleistungsbereich im Sinne einer Markt- bzw. Kundensegmentierung eine entscheidende Bedeutung zu. Hierbei steht die anwendungsorientierte Ausgestaltung eines mehrstufigen Segmentierungsverfahrens als Optimierungsproblem im Vordergrund.

x

Im Rahmen der empirischen Analyse wird ein zweistufiges Segmentierungsverfahren sukzessive zur Identifikation von potenziellen Up-Sellern angewendet. In diesem Kontext wird mit Hilfe einer A-Priori- und Post-hocSegmentierung untersucht, welche Potenziale bei unterschiedlichen UpSelling-Segmenten zu prognostizieren sind.

8

x

In engem Zusammenhang mit der markt- und kundenseitigen Erfassung von Potenzialen steht die entscheidungsorientierte Bewertung und Auswahl geeigneter Zielsegmente als Aktionsgrundlage. Diese sollen im Folgenden einer differenzierten Marktbearbeitung zugeführt und zielgruppenspezifische Implikationen abgeleitet werden. Ergänzt werden diese Untersuchungen durch eine Bewertung der Effektivität und Effizienz ausgewählter Anreizmaßnahmen.

x

Aufbauend auf den Ergebnissen der Arbeit ist es schließlich das Ziel, Implikationen für eine zielgruppenspezifische Marktbearbeitung von potenziellen Up-Sellern sowie für ein integriertes und potenzialorientiertes Management von Kundenbeziehungen abzuleiten.

Mit den beschriebenen Zielsetzungen ist der Gang der Untersuchung bereits vorgezeichnet. In Teil B erfolgt zunächst eine Auseinandersetzung mit Up-Selling als Untersuchungsgegenstand. In diesem Zusammenhang wird eine begriffliche Abgrenzung und Einordnung von Up-Selling im Kontext des Kundenbeziehungsmanagement vorgenommen. Weiterhin werden Leistungs- und Preisdifferenzierungen als Voraussetzung von Klassenkonzepten im Verkehrsdienstleistungsbereich erörtert. Daran anknüpfend sollen Klassenkonzepte im Sinne einer Leistungsbündelung von Grund- und Zusatzleistungen die Basis für Up-Selling im Verkehrsdienstleistungsbereich bilden. Schließlich wird ein Überblick zu bestehenden Forschungsarbeiten im Up-Selling-Bereich gegeben. Auf diesen Ausführungen aufbauend werden dann die Grundlagen zur Entwicklung eines Segmentierungskonzeptes zur Erfassung und Bewertung von Up-Selling-Potenzialen im Verkehrsdienstleistungsbereich gelegt, indem die Zielsetzungen und Entscheidungstatbestände der Marktbearbeitung bzw. -erfassung erarbeitet werden. Teil C der Arbeit widmet sich der Ableitung und schrittweisen Anwendung eines mehrstufigen Segmentierungsverfahrens im Rahmen der empirischen Analyse von Up-Sellern bei einem schienengebundenen Verkehrsdienstleistungsanbieter. Da sich die Markterfassung als komplexer Lösungsdefekt darstellt, gilt es, das Segmentierungsproblem sukzessive zu lösen bzw. zu optimieren. So wird in einer ersten Stufe zunächst eine Segmentierung auf Basis a priori bekannter Kriterien durchgeführt, die auf ein von den Kunden selbsttätig bzw. auf durch Anreizmaßnahmen initiiertes Up-Selling abstellt und so relevante Up-Seller identifiziert. Auf diesen Schritt aufbauend wird im Folgenden die Segmentlösung einer weiteren Analyse unterzogen, indem entscheidungsrelevante Merkmale des Klassenwahlverhaltens identifiziert werden.

9

Der zielgruppenspezifischen Marktbearbeitung von potenziellen Up-Sellern ist der anschließende Teil D gewidmet. Nach einer Bewertung sowie Priorisierung von zu bearbeitenden Zielsegmenten werden praktisch-normative Handlungsoptionen abgeleitet und entsprechend der zuvor identifizierten Zielgruppen ausgearbeitet. Weiterhin wird unter Bezugnahme auf untersuchte Anreizmaßnahmen ein Bewertungsmodell zur Optimierung der Effektivität und Effizienz von Marketingstimuli bei Up-Selling-Maßnahmen erarbeitet und diskutiert. Den Abschluss des vierten Kapitels bildet eine zusammenfassende Darstellung der strategischen zielgruppenspezifischen Stoßrichtungen. Im Rahmen einer weiterführenden Betrachtung steht im Zentrum des letzten Teils der Arbeit, Teil E, zum einen die Ableitung von Implikationen für das Management von Up-Selling im Verkehrsdienstleistungsbereich und zum anderen die Weiterentwicklung des Segmentierungskonzeptes. Dazu werden insbesondere die Optimierung der Effektivität sowie der Effizienz der Anreizmaßnahmen mit Hilfe eines experimentellen Untersuchungsdesigns vorgestellt. Abbildung 1 zeigt abschließend den Gang der Untersuchung und somit den Aufbau der Arbeit.

10

A Einleitung

B Identifikation und Ausschöpfung von Up-Selling-Potenzialen bei Verkehrsdienstleistungsunternehmen 1. Up-Selling im Verkehrsdienstleistungsbereich als Untersuchungsgegenstand 2. Entwicklung eines Segmentierungsansatzes zur Erfassung und Bewertung von Up-Selling-Potenzialen im Verkehrsdienstleistungsbereich

C

Mehrstufige Markterfassung zur Identifikation von Up-Selling-Potenzialen bei einem Verkehrsdienstleistungsanbieter

1. Design und Methodik der empirischen Analyse 2. Zweistufige Segmentierung von Up-Sellern bei einem Verkehrsdienstleistungsanbieter 3. Ableitung einer Segmentstrukturierung und der Segmentgrößen

D

Zielgruppenspezifische Marktbearbeitung zur Ausschöpfung von Up-Selling-Potenzialen bei einem Verkehrsdienstleistungsanbieter

1. Bewertung und Priorisierung von Zielsegmenten zur potenzialorientierten Marktbearbeitung von Up-Sellern 2. Marktbearbeitung potenzieller natürlicher Up-Seller bei einem Verkehrsdienstleistungsanbieter

3. Marktbearbeitung zu aktivierender Up-Seller bei einem Verkehrsdienstleistungsanbieter

4. Zusammenfassende Darstellung der strategischen zielgruppenspezifischen Stoßrichtungen

E

Zusammenfassung und Implikationen

Abbildung 1:

Gang der Untersuchung

11

B.

Identifikation und Ausschöpfung von Up-SellingPotenzialen bei Verkehrsdienstleistungsunternehmen

Die große Diskrepanz der bisher lediglich in Ansätzen vorliegenden Erkenntnisse zu Up-Selling auf der einen Seite sowie die hohe Relevanz der Ausschöpfung von Kundenbeziehung auf der anderen Seite verdeutlichen die Herausforderung und damit verbundene Erfordernis, den Untersuchungsgegenstand grundlegend zunächst im Rahmen einer terminologischen Abgrenzung und Einordnung im Verkehrsdienstleistungskontext zu spezifizieren. Auf dieser Basis kann dann ein Segmentierungskonzept, welches den Anforderungen und Einsatzmöglichkeiten von Up-Selling im Verkehrsdienstleistungsbereich gerecht wird, entwickelt werden, um letztlich einen Beitrag zur Identifikation und Ausschöpfung von Up-SellingPotenzialen zu leisten.

1

1.1

Up-Selling im Verkehrsdienstleistungsbereich als Untersuchungsgegenstand

Begriffliche Abgrenzung und Einordnung von Up-Selling bei Verkehrsdienstleistungen

Trotz einer weiten Verbreitung von Up-Selling-Maßnahmen in der Unternehmenspraxis und der aufgezeigten hohen Relevanz des Up-Selling wurde dieses Themenfeld wissenschaftlich bisher nur wenig durchdrungen.33 Dementsprechend wird sowohl in der anglo-amerikanischen als auch europäischen Literatur eine intensive wissenschaftliche Auseinandersetzung, wie z. B. von NGOBO oder VOGEL, gefordert.34 Zwar findet Up-Selling in vielen praxisnahen Publikationen wie Praxisführern und -leitfäden eine entsprechende Beachtung, jedoch beschränken sich

33

34

So weist VON WANGENHEIM darauf hin, dass bis 2003 lediglich eine empirische Untersuchung zum Thema Up-Selling vorliegt. Auch in den Folgejahren konnten nur wenige neue Arbeiten zum Themenbereich identifiziert werden. Vgl. VON WANGENHEIM, F., Weiterempfehlung und Kundenwert: Ein Ansatz zur persönlichen Kommunikation, Wiesbaden 2003, S. 45 sowie Kapitel B 1.3 dieser Arbeit. Vgl. NGOBO, P. V., Drivers of upward and downward migration: An empirical investigation among theatergoers, in: International Journal of Research in Marketing, Vol. 22, No. 2, 2005, S. 183; weiterhin VOGEL, V., Kundenbindung und Kundenwert – Der Einfluss von Einstellungen auf das Kaufverhalten, a. a. O., S. 47 sowie ROTTE, K., CHANDRASHEKAN, M., Detecting and managing customer uncertainty in forced migrations. Working Paper, August 2003, University of New South Wales.

13

diese Ausführungen vielfach auf praxisorientierte Anregungen und lassen sowohl eine theoretische Konzeptionalisierung als auch empirische Fundierung vermissen.35 Weiterhin haben sich in der Kundenbeziehungsforschung diverse Publikationen mit Up-Selling als Randbereich befasst, wobei primär der Bereich des CrossSelling in Verbindung mit der Kundenbindungsforschung im Vordergrund steht.36 Eine umfassende Einordnung sowie theoretische Auseinandersetzung konnten bisher nicht identifiziert werden. Angesichts dieser mangelnden Fundierung soll Up-Selling zunächst einer allgemeinen Begriffsbestimmung zugeführt werden, um darauf aufbauend die Besonderheiten im Verkehrsdienstleistungsbereich zu erarbeiten. Aufgrund einer Vielzahl von Definitionen für den Begriff Up-Selling und einer nicht trennscharfen Abgrenzung zu Begriffen wie Cross-Selling und Up-Grading besteht kein uniformes Verständnis des Up-Selling-Begriffes. Um den Begriff des UpSelling zu konkretisieren, ist es sinnvoll, diesen im Rahmen eines Überblicks verbreiteter Begriffsauffassungen näher zu bestimmen. Ausgewählte Begriffe zu UpSelling sind dabei der Tabelle 1 zu entnehmen. Hierbei lässt sich grundlegend konstatieren, dass Up-Selling die Zielsetzung einer Umsatz- und Deckungsbeitragserhöhung durch – im Weiteren näher zu bestimmende – Verkäufe von Produkten und Dienstleistungen eines Anbieters anstrebt.37

35 36

37

14

Vgl. zu Praxisführern DASTANI, P., Ausschöpfung von Cross- und Up-Selling – Potenzialen auf der Spur, in: direktmarketing, Nr. 2, 2008, S. 22 ff. Vgl. SCHÄFER, H., Die Erschließung von Kundenpotenzialen durch Cross-Selling – Erfolgsfaktoren für ein produktübergreifendes Beziehungsmanagement, Wiesbaden 2002, S. 56 sowie NGOBO, P. V., Drivers of customers' cross-buying intentions, in: European Journal of Marketing, Vol. 38, No. 9/10, 2004, S. 1129 ff. Vgl. auch PELTIER ET AL., Interactive Psychographics: Cross-Selling in the Banking Industry, in: Journal of Advertising Research, Vol. 42, No. 2, 2002, S. 7 ff. sowie LI, S., SUN, B., WILCOX, R. T., Cross-Selling Sequentially Ordered Products: An Application to Consumer Banking Services, in: Journal of Marketing Research, Vol. 42, No. 2, 2005, S. 233 ff. Die folgenden Ausführungen können sowohl auf den Konsumgüter- als auch auf den Dienstleistungsbereich bezogen werden. Daher werden im Folgenden die Begriffe Produkt oder Dienstleistung in Bezug auf die Abgrenzung von Up-Selling synonym verwendet.

Höheres Preisniveau

Substituti onsbeziehung

Kundenbeziehung

9

9

Autor (Jahr)

Definition

BAUER / HAMMERSCHMIDT / DONNEVERT (2007), S. 62

„Up-Selling beschreibt das Potenzial, welches in späteren Phasen der Kundenbeziehung durch Kauf höherpreisiger Güter derselben Produktkategorie entsteht.“

BRUHN (2009), S. 3

„[…] für Up-Selling-Aktivitäten genutzt werden, wenn gebundene Kunden nach anfänglicher Nutzung günstiger Leistungen zu einem späteren Zeitpunkt in der Kundenbeziehung zu höherwertigen Angeboten des Unternehmens wechseln.“

9

BLATTBERG / KIM / NESLIN (2008), S. 515

„Up-Selling entails selling ‚more‘ (upgrades) of products they already are buying from the company“

9

9

GREVE (2006), S. 85

„Up-Selling als wiederholter Verkauf des Erstproduktes in höheren Mengen oder einem höheren Preissegment.“

9

9

HELMKE / UEBEL (2002), S. 124

„Up-Selling bezeichnet den Verkauf von höherpreisigen Produkten an Bestandskunden, die bisher in dieser Produktkategorie Produkte mit einem niedrigeren Preis gewählt haben.“

9

9

KOLLMANN (2008), S. 354

„Beim Up-Selling bietet das Unternehmen den Verkauf höherwertiger Produkte oder Serviceleistungen als ursprünglich vom Kunden erwünscht an.“

9



9

MÜLLER (2004), S. 255

„Up-Selling als eine Aktivität zur Steigerung des Umsatzes durch Wiederholungskäufe […] die sich durch einen Wechsel des Kunden von einer niedrigeren in eine höhere Preisklasse innerhalb derselben Produktkategorie äußert.“

9

9

9

SALAZAR / HARRISON / ANSELL (2007), S. 117

„Up-Selling focuses on up-grading or improving the conditions of previously acquired products to keep customers consuming”

9

9

9

SCHNEIDER (2007), S. 117

„Up-Selling Erfolgsbeiträge beziehen sich auf den Verkauf derselben Produktkategorie und […] entstehen durch den Verkauf von höherpreisigen Produkten desselben Typs.“

9

9

TECKLENBURG (2007), S. 92

„Beim Up-Selling fokussiert sich der Anbieter darauf, dem Geschäftskunden über die Zeit höherwertige Dienstleistungen zu verkaufen.“

9

9

WITTKÖTTER / STEFFEN (2002), S. 75

„Nachdem ein Abnehmer einen Teil des Sortiments kennen gelernt hat, bestehen die Optionen, […] ihm ausgehend von seinem derzeitigen Produkt ein Höherwertiges zu verkaufen (Up-Selling).“

9

9

Tabelle 1:

9

9 9

9

Ausgewählte Begriffe zu Up-Selling

Insgesamt treten drei wesentliche Merkmale in den Vordergrund, die sich für eine erste Begriffseingrenzung einbeziehen lassen. Das erste Merkmal des Up-Selling umfasst die Fokussierung von Up-Selling auf Transaktionen innerhalb einer bereits bestehenden Geschäfts- bzw. Kundenbeziehung.38 Dieses setzt mindestens eine Transaktion vor dem eigentlichen Up-Selling-Verkauf voraus. Die Dauer der Beziehung bzw. die Zeit zwischen einem Kauf und dem Up-Selling ist dabei zunächst nicht von Relevanz. Folglich liegt kein Up-Selling vor, wenn ein Neukunde beim ersten Geschäftskontakt mit einem Anbieter sofort ein hochwertiges Pro-

38

Vgl. BLATTBERG, R. C., KIM, B.-D, NESLIN, S. A., Database Marketing, Analyzing and Managing Customers, New York 2008, S. 515 sowie KOLLMANN, T., E-Entrepreneurship – Grundlagen der Unternehmensgründung in der Net Economy, 2. Aufl., Wiesbaden 2008, S. 354 f.

15

dukt kauft. Auf Grund der geforderten bestehenden Kundenbeziehung wird dieses erste Merkmal vielfach auch im Zusammenhang mit der Kundenbindungsforschung diskutiert.39 Weiterhin lassen sich Aussagen in Bezug auf die Relation des Preisniveaus zwischen dem Einstiegsprodukt und dem Up-Selling-Produkt treffen. So ist den Begriffsabgrenzungen gemein, dass Up-Selling auf den Verkauf von höherwertigen Produkten und Dienstleistungen – im Sinne von qualitativ besseren und teureren Produkten oder Dienstleistungen – abzielt. Dabei existieren bei einigen Autoren jedoch gewisse Unschärfen, welcher Bezugspunkt einer höheren Wertigkeit heranzuziehen ist.40 Jedoch lässt sich dieses durch die Einbeziehung des letzten Up-Selling-Merkmals lösen. So konkretisieren – als drittes Merkmal – viele Begriffsbestimmungen Up-Selling als den Verkauf von Produkten und Dienstleistungen, die in einer substitutiven Beziehung zueinander stehen.41 Der Verkauf des vielfach als Einstiegsprodukt bezeichneten Angebotes entstammt folglich der gleichen Produkt- oder Dienstleistungskategorie und stiftet dem Kunden den gleichen Grundnutzen. Erschwert wird eine trennscharfe Definition des Up-Selling-Begriffes weiterhin dadurch, dass die Begriffe Cross- und Up-Selling zum einen synonym, zum anderen aber auch sehr unterschiedlich verwendet bzw. in Beziehung gesetzt werden. Daher ist der Up-Selling-Begriff von dem Terminus des Cross-Selling abzugrenzen. Unter Cross-Selling wird dabei der Mehrzahl der Beiträge im Schrifttum folgend die Deckung eines Kundenbedarfs durch den Verkauf zusätzlicher Produkte, die mit den Einstiegsprodukten verbunden sind, aber keine Substitute darstellen, verstanden.42 Der Fokus liegt demnach auf dem Zusatz- oder Überkreuzverkauf

39 40

41

42

Vgl. BRUHN, M., Relationship Marketing – Das Management von Kundenbeziehungen, a. a. O., S. 186 ff. Vgl. TECKLENBURG, T., Churn-Management im B2B-Kontext – Eine empirische Analyse unter Berücksichtigung von hierarchischen Kundenstrukturen und heterogenem Kundenverhalten, Wiesbaden 2007, S. 92 sowie GREVE, G., Erfolgsfaktoren von Customer-RelationshipManagement-Implementierungen, Wiesbaden 2006, S. 85. Selten wird der Begriff Up-Selling auch mengenbezogen definiert und hierbei der Verkauf einer größeren Menge der gleichen Artikel verstanden. Vgl. VOGEL, V., Kundenbindung und Kundenwert, a. a. O., S. 47. Vgl. BAUER, H. H., HAMMERSCHMIDT, M., DONNEVERT, T., Effektivität und Effizienz im interaktiven Marketing – Die Integration von Kundennutzen- und Kundenwertsegmentierung im Internet, in: ZfB, Ergänzungsheft 2007/3, S. 62 sowie SCHNEIDER, N. C., Kundenwertbasierte Effizienzmessung: Der Beitrag von Marketingmaßnahmen zur Unternehmenswerterhöhung in der Automobilindustrie, Wiesbaden 2007, S. 117. Vgl. HOMBURG, C., SCHÄFER, H., Die Erschließung von Kundenpotenzialen durch CrossSelling, a. a. O., S. 7 ff. wie auch BACKHAUS, K., VOETH, M., Industriegütermarketing, 8. Aufl., München 2007, S. 170. Vgl. weiterhin CORNELSEN, J., Kundenwertanalysen im Beziehungsmarketing: Theoretische Grundlegung und Ergebnisse einer empirischen Studie im Automobil(Fortsetzung der Fußnote auf der nächsten Seite)

16

weiterer Produkte oder Dienstleistungen des Anbieters mit dem Ziel einer Umsatzsteigerung, wobei negative Kannibalisierungseffekte – wie beim Up-Selling – ausgeschlossen sind.43 Es wird deutlich, dass Up-Selling sowohl auf den Status bzw. die Dauer einer Transaktions-/Kundenbeziehung als auch auf die Verhältnisbestimmung zwischen dem Einstiegsprodukt und dem höherwertigen Up-Selling-Produkt abstellt. Voraussetzung ist hierbei, dass die wahrgenommene Nutzendifferenz zwischen den jeweiligen Angeboten ausreichend groß ist.44 Weiterhin ist im Vergleich zum Cross-Selling die Austauschbarkeit des Grundnutzens maßgeblich. Somit wird UpSelling in dieser Arbeit als Deckung eines Kundenbedarfs innerhalb einer Kundenbeziehung durch den Verkauf höherwertiger Produkte und/oder Dienstleistungen eines Grundproduktes bzw. einer Grundleistung eines Anbieters, die in einer substitutiven Beziehung zueinander stehen, definiert.45 Die Tabelle 2 zeigt abschließend wesentliche Unterscheidungsmerkmale des UpSelling gegenüber den Begriffen Cross-Selling sowie Up-Grading hinsichtlich der Produktkategorie, des Preisniveaus, des Initiators sowie des Zeitraumes auf.46 Hierbei wird ersichtlich, dass der herausragende Unterschied des Up- zu CrossSelling in der Substituierbarkeit beim Up-Selling liegt, Up-Selling-Angebote also keine Zusatzverkäufe mit grundlegend anders geartetem Grundnutzen darstellen. Up-Grading hingegen wird als Push-Konzept vom Anbieter initiiert, wobei die Kun-

bereich, Nürnberg 2000, S. 178 ff. sowie NGOBO, P. V., Drivers of customer’s cross-buying intentions, a. a. O., S. 1129. Vgl. auch KAMAKURA ET AL., Cross-Selling through database marketing: a mixed data factor analyzer for data augmentation and prediction, in: International Journal of Research in Marketing, Vol. 20, No.1, 2003, S. 46 f. 43

44 45

46

Hierbei ergeben sich folgende weiterführende Fragestellungen, die auf den Zeitbezug des Cross-Selling (Kauf des Zusatzproduktes gleichzeitig oder nach dem Kauf des Einstiegsproduktes), den Produktbezug (Existenz einer Verbundenheit zwischen Einstiegs- und Zusatzprodukt) und schließlich den Sortimentsbezug (Make-or-Buy-Entscheidung) abstellen. Vgl. SCHÄFER, H., Die Erschließung von Kundenpotenzialen durch Cross-Selling – Erfolgsfaktoren für ein produktübergreifendes Beziehungsmanagement, a. a. O., S. 52 ff. Vgl. SIMON, H., FASSNACHT, M., Preismanagement, 3. Aufl., Wiesbaden 2009, S. 429. Vgl. in Anlehnung an BRUHN, M., Relationship Marketing – Das Management von Kundenbeziehungen, a. a. O., S. 3 f. Je nach Perspektive wird der Up-Selling-Begriff dabei unterschiedlich verwendet. Liegt die hier eingenommene Sicht des Anbieters vor, handelt es sich um UpSelling. Aus Sicht des Kunden wird hingegen vielfach von Up-Buying gesprochen. Im weiteren Verlauf dieser Arbeit sollen diese Begriffe synonym verwendet werden, da hier primär die Anbieterperspektive untersucht werden soll. Weiterhin lassen sich jeweils Antonyme der Begriffe Up-Selling und Up-Grading definieren, wobei diese die jeweils gegensätzliche Wirkungsrichtung beinhalten. Somit bezeichnet DownSelling den Verkauf geringwertiger Leistungen und Down-Grading die Abstufung eines Kunden seitens des Anbieters.

17

den – gleich dem Up-Selling – höherwertige Leistungen erhalten, für diese aber keine zusätzliche Zahlungsbereitschaft aufweisen.47 Up-Grading wird im Verkehrsdienstleistungsbereich mitunter als geeignetes Instrument für ein späteres Up-Selling angesehen, indem Kunden die Vorteile der höherwertigeren Leistungen innerhalb eines begrenzten Zeitraumes zum Preis der bisherigen Grundleistung nutzen können.48 Up-Selling

Up-Grading

Cross-Selling

Produkt/ Dienstleistung

Produkte/Dienstleistungen stehen in substitutiver Beziehung zueinander

Produkte/Dienstleistungen stehen in substitutiver Beziehung zueinander

Produkte/Dienstleistungen stehen in komplementärer Beziehung zueinander

Preis

Höherwertige Produkte/Dienstleistungen

Höherwertige Produkte/Dienstleistungen

Gleichwertige Produkte/Dienstleistungen

Initiator

Kunde = Up-Buying (Pull) oder Anbieter = Up-Selling (Push), Zahlungsbereitschaft

Anbieter (Push), keine Zahlungsbereitschaft

Anbieter oder Kunde (Push/Pull), Zahlungsbereitschaft

Zeitraum

Mittel- bis langfristig

Kurz- bis mittelfristig

Kurz- bis mittelfristig

Tabelle 2:

Abgrenzung von Up-Selling zu Up-Grading und Cross-Selling

Auf Grund der identifizierten Voraussetzung einer bestehenden Kundenbeziehung kann als generelle Zielsetzung des Up-Selling die selektive Intensivierung der Kundenbeziehung durch Abschöpfung von Zahlungsbereitschaften angesehen werden. Hierbei ist unter den Nebenbedingungen der Effektivität und Effizienz der individuelle Kundenwert über die Beziehungsdauer zu maximieren. Dabei sind nicht nur vergangene und aktuelle Perioden, sondern vielmehr auch eine Betrachtung zukünftiger Up-Selling-Erfolge im Sinne von Verkaufschancen zu integrieren. Folglich ist das im Rahmen dieser Arbeit zu untersuchende Up-Selling-Potenzial vielmehr als eine zukunftsgerichtete Größe zu interpretieren.49

47

48 49

18

Vgl. VON WANGENHEIM, F., BAYÓN, T., Behavioral Consequences of Overbooking Service Capacity, in: Journal of Marketing, Vol. 71, No. 4, 2007, S. 36 f. sowie DOLD, T., HOFFMANN, B., NEUMANN, J., Marketingkampagnen effizient managen: Methoden und Systeme, Effizienz durch IT-Unterstützung, Integration in das operative CRM, Wiesbaden 2004, S. 87. Im Gegensatz zum Up-Grading bezeichnet Down-Grading die vom Anbieter erzwungene Abstufung von Kunden z. B. innerhalb von Kundenclubs oder Kundenbindungsprogrammen. Vgl. BORN, K., Der integrierte Touristikkonzern: Strategien, Erfolgsfaktoren und Aufgaben, Oldenburg 2004, S. 417. Vgl. HIPPNER, H., CRM – Grundlagen, Ziele und Konzepte, in: HIPPNER, H., WILDE, K. D. (HRSG.), Grundlagen des CRM: Konzepte und Gestaltung, 2. Aufl., Wiesbaden 2006, S. 26.

Bezogen auf den Kontext des Verkehrsdienstleistungsmarketing gilt es, die Besonderheiten des Verkehrsdienstleistungsbereiches im Hinblick auf die identifizierten Merkmale des Up-Selling zu würdigen sowie für das noch abzuleitende Konzept zur Erfassung von Up-Selling-Potenzialen zu berücksichtigen. Nach MEFFERT / PERREY / SCHNEIDER stellen im Wesentlichen die Immaterialität einer Verkehrsdienstleistung, die Leistungsfähigkeit des Verkehrsdienstleistungsunternehmens sowie die Integration des externen Faktors in den Erstellungsprozess die Besonderheiten von Verkehrsdienstleitungen dar.50 Die Immaterialität von Verkehrsdienstleistungen führt dazu, dass Kunden eine Qualitätsbewertung der Grund- wie auch der höherwertigen Leistung beim Up-Selling vor der Inanspruchnahme nur eingeschränkt vornehmen können.51 Vielmehr sind die Kunden darauf angewiesen, erkennbare materielle Faktoren des physischen Leistungsumfeldes, wie z. B. die Ausstattung der Verkehrsmittel, als Bewertungsindikatoren für die Wahl zwischen Grundleistung und Up-Selling-Leistung heranzuziehen. Da sich Dienstleistungen überwiegend vor wie auch nach ihrer Inanspruchnahme einer faktischen Beurteilung durch den Kunden entziehen, gewinnen auf Grund fehlender ausreichender Sucheigenschaften bei Verkehrsdienstleistungen ferner Erfahrungs- und Vertrauenseigenschaften an Bedeutung.52 Es wird deutlich, dass die Kunden von Verkehrsdienstleistungsunternehmen durch die Immaterialität der Leistung einen wesentlich komplexeren Beurteilungsprozess als bei Konsumgütern zu bewältigen haben. Im Rahmen von Up-Selling besitzen die Kunden jedoch bereits Erfahrungen mit der Grundleistung und können bei der Bewertung der höherwertigen Leistung auf Grund der Substituierbarkeit der Leistungen diese Kenntnisse mit einfließen lassen. In Verbindung mit der Immaterialität der Verkehrsdienstleistung ergibt sich im Vergleich zum Konsumgüterbereich ein höheres wahrgenommenes Kaufrisiko aus

50 51

52

Vgl. MEFFERT, H., PERREY, J., SCHNEIDER, H., Grundlagen marktorientierter Unternehmensführung im Verkehrsdienstleistungsbereich, a. a. O., S. 8 f. Vgl. PARASURAMAN, A., ZEITHAML, V. A., BERRY, L. L., A Conceptual Model of Service Quality and Its Implications for Future Research, in: Journal of Marketing, Vol. 49, No. 4, 1985, S. 42 sowie MEYER, A., Dienstleistungs-Marketing: Erkenntnisse und praktische Beispiele, 6. Aufl., München 1994, S. 24 ff. Erfahrungseigenschaften können durch den Kunden erst nach bzw. während der Leistungserstellung beurteilt werden. Hingegen sind Vertrauenseigenschaften dadurch gekennzeichnet, dass diese nicht direkt durch den einzelnen Nachfrager bewertet werden können. Sucheigenschaften können jedoch bereits vor dem Kauf bzw. der Leistungserstellung beurteilt werden. Vgl. ZEITHAML, V. A., How Consumer Evaluation Processes Differ between Goods and Services, in: LOVELOCK, C. H. (HRSG.), Services Marketing, 2nd edition, Englewood Cliffs 1991, S. 39 ff.

19

Sicht der Kunden.53 So ist beispielsweise die Beurteilung des Preis-LeistungsVerhältnisses für den Kunden a priori nur eingeschränkt möglich, wodurch auch die Preisdurchsetzung seitens der Verkehrsdienstleister erschwert werden kann.54 Hieraus resultiert ein hoher Informationsbedarf, um die vom Kunden wahrgenommenen Risiken zu reduzieren. Besonders im Verkehrsdienstleistungsbereich werden persönliche Erfahrungen mit der Verkehrsdienstleistung aus der Vergangenheit als Informationsquellen herangezogen, so z. B. Erfahrungen mit der Business Class bei Airlines. Dabei ist zu konstatieren, dass die letztendliche Kaufentscheidung sowie -beurteilung trotz zahlreicher Produkt- bzw. Dienstleistungseigenschaften auf der Basis einiger weniger Informationen beruht, welche es zu identifizieren gilt.55 Weiterhin stehen dem Kunden im Up-Selling-Kontext Erfahrungen mit dem Preis-/Leistungsverhältnis der Grundleistung zur Verfügung, welche eine Beurteilung oder Abgrenzung der höherwertigen Up-Selling-Leistung weniger komplex gestaltet. Dabei ist es für den Verkehrsdienstleistungsanbieter wichtig, die Unterschiede der verschiedenen Dienstleistungen dem Kunden auf Basis ausgewählter Merkmale eindeutig und wahrnehmbar zu signalisieren. Ein weiteres zentrales Merkmal von Verkehrsdienstleistungen besteht in der Integration des externen Faktors in den Leistungserstellungsprozess. Damit wird die Qualität von Verkehrsdienstleistungen durch externe Faktoren mitbestimmt, die auf unterschiedlichen Ebenen mit dem Anbieter in Kontakt kommen.56 Während die räumliche Kontaktebene die Tatsache umschreibt, dass der Nachfrager persönlich anwesend sein muss, beinhaltet die zeitliche Kontaktebene die permanente Präsenz des Nachfragers während der Leistungserstellung. Dabei kommt auf Grund der Interaktion zwischen Mitarbeitern und Kunden während des gesamten Erstellungsprozesses der Verkehrsdienstleistung auch der sozialen Kontaktebene eine bedeutsame Rolle zu. Mitarbeiterbezogene Aspekte, wie z. B. die Betreuung und Beratungskompetenz, können in diesem Zusammenhang beim Up-

53

54 55

56

20

Vgl. JOHNSTON, R., The Zone of Tolerance: Exploring the Relationship Between Service Transactions and Satisfaction with the Overall Service, in: International Journal of Service Industry Management, Vol. 6, No. 2, 1995, S. 49. Vgl. HENTSCHEL, B., Dienstleistungsqualität aus Kundensicht: Vom merkmals- zum ereignisorientierten Ansatz, Wiesbaden 1992, S. 63. Ein sog. „information overload“ kann dadurch vermieden werden, dass mehrere Produktmerkmale zu Schlüsselmerkmalen zusammengefasst werden. Vgl. hierzu TROMMSDORFF, V., Konsumentenverhalten, 7. Aufl., Stuttgart 2009, S. 103. Vgl. HENTSCHEL, B., Dienstleistungsqualität aus Kundensicht: Vom merkmals- zum ereignisorientierten Ansatz, a. a. O., S. 28 f.

Selling sowohl in der Vor- oder Nachreisephase wie auch während der eigentlichen Transportleistung eine besondere Relevanz einnehmen. Neben diesen konstitutiven Merkmalen von Verkehrsdienstleistungen sind beim Up-Selling vor allem reisebezogene Faktoren wie der Reiseanlass, die Reisesituation oder auch die Wegelängen mit einzubeziehen. So resultieren aus den unterschiedlichen Reiseanlässen einerseits Nachfrageschwankungen sowie andererseits heterogene Anforderungen der Konsumenten an das Verkehrsmittel.57 Diese Nachfrageschwankungen sowie die unterschiedlichen Bedürfnisse der Konsumenten in Abhängigkeit des Reiseanlasses müssen im Rahmen der Ausschöpfung von Up-Selling-Potenzialen bei Verkehrsdienstleistungsunternehmen berücksichtigt und entlang des gesamten Kundenlebenszyklus identifiziert werden. Diese Merkmale von Up-Selling im Allgemeinen und die Besonderheiten im Verkehrsdienstleistungsbereich im Speziellen gilt es im weiteren Verlauf der Untersuchung zu berücksichtigen und im Rahmen des zu erarbeitenden Segmentierungskonzepts zu integrieren.

1.2

Leistungs- und Preisdifferenzierung als Voraussetzung für Klassenkonzepte bei Verkehrsdienstleistungsunternehmen

Die Auseinandersetzung mit den Besonderheiten des Up-Selling im Verkehrsdienstleistungsbereich ermöglicht es nun, die Einsatzfelder für Up-Selling bei Verkehrsdienstleistungen aufzuzeigen und zu konkretisieren. Dabei erschließen sich mögliche Up-Selling-Bereiche auch durch den Rekurs auf die Zielsetzung von UpSelling. Up-Selling zielt mit dem Verkauf höherwertiger Dienstleistungen auf die Existenz unterschiedlich hoher Preisbereitschaften der Kunden ab.58 Folglich können die Zahlungsbereitschaften im Verkehrsdienstleistungsbereich durch entsprechende Preissetzungen abgeschöpft werden. Dieses als Preisdifferenzierung bezeichnete Instrument der Preispolitik hat die Zielsetzung, Konsumentenrenten zur Steigerung des Unternehmensgewinns ab-

57

58

Vgl. STABENAU, H., Verkehrsbetriebslehre: Betriebswirtschaftliche Grundlagen für eine langfristig orientierte Unternehmenspolitik in strukturell sich ändernden Verkehrsmärkten, 3. Aufl., Düsseldorf 1994, S. 51 ff. In diesem Kontext zeigt sich wiederum der Bezug zum zuvor identifizierten Merkmal des Preisniveaus, vgl. Kapitel B 1.1.

21

zuschöpfen.59 Dabei wird vorausgesetzt, dass Nachfrager unterschiedliche Maximalpreise und Preiselastizitäten aufweisen, die aus unterschiedlichen Nutzen oder Nutzwerten resultieren. Der Preisdifferenzierung kommt im Verkehrsdienstleistungsbereich die Aufgabe einer besseren Auslastungssteuerung der Kapazitäten zu. Überdies wird in der Literatur auch und insbesondere auf die Steigerung der Kundenbindung als Ziel der Preisdifferenzierung hingewiesen.60 In einem engeren Begriffsverständnis umfasst die Preisdifferenzierung lediglich die Forderung unterschiedlicher Preise für ansonsten nach Raum, Zeit, Leistung oder Menge identische Leistungen.61 Da es sich beim Up-Selling jedoch nicht um eine exakt identische Leistung, sondern vielmehr eine höherwertigere Leistung aus der gleichen Produkt- bzw. Dienstleistungskategorie handelt, soll hier der Begriffsauffassung von Preisdifferenzierung im weiteren Sinne als Verkauf von ähnlichen Dienstleistungen zu unterschiedlichen Preisen gefolgt werden.62 Im Hinblick auf die hohe Relevanz der Preisdifferenzierung zur Aufdeckung und Umsetzung von Up-Selling-Möglichkeiten erscheint eine nähere Auseinandersetzung mit den Formen der Preisdifferenzierung erforderlich. Diese werden im Folgenden kurz dargestellt, um eine Einordnung und weitere Konkretisierung von Up-Selling im Verkehrsdienstleistungsbereich vornehmen zu können. Nach PIGOU können drei Erscheinungsformen unterschieden werden.63 Bei der Preisdifferenzierung ersten Grades versucht der Anbieter, bei jedem Kunden den individuellen Maximalpreis durchzusetzen, wobei die Konsumentenrente vollkommen ausgeschöpft wird (z. B. Auktionen).64 Diese Form der Preisdifferenzierung gestaltet sich allein vor dem Hintergrund der hohen Kundenzahlen im Verkehrsdienstleistungsbereich als ungeeignet. Diesem Problem begegnet die Preisdifferenzierung zwei-

59 60 61 62

Vgl. SIMON, H., FASSNACHT, M., Preismanagement, a. a. O., S. 257 sowie DILLER, H., Preispolitik, 3. Aufl., Stuttgart 2000, S. 295 ff. Vgl. MEFFERT, H., BRUHN, M., Dienstleistungsmarketing: Grundlagen – Konzepte – Methoden, a. a. O., S. 317 und 324. Vgl. ELLINGHAUS, U. W., Die Grundlagen der Theorie der Preisdifferenzierung, Tübingen 1964, S. 22. Vgl. zur weiteren Begriffsabgrenzung FASSNACHT, M., Preisdifferenzierung bei Dienstleistungen: Implementationsformen und Determinanten, Wiesbaden 1996, S. 25.

63

Vgl. PIGOU, A. C., The Economics of Welfare, 4th edition, London 1960, S. 279 sowie MOORTHY, K. S., Market Segmentation, Self-Selection, and Product Line Design, in: Marketing Science, Vol. 3, No. 4, 1984, S. 288 ff.

64

Vgl. NICHOLSON, W., Intermediate Microeconomics and its Applications, 6th edition, Fort Worth 1994, S. 452.

22

ten Grades, indem eine bestimmte Anzahl von Segmenten mit Maximalpreisen festgelegt wird und sich die Nachfrager selber diesen Segmenten zuordnen (Selbstselektion). Die Bearbeitung eines (teilweise anonymen) Massenmarktes wie dem Verkehrsdienstleistungsmarkt ist durch diese Vorgehensweise relativ einfach möglich. Bei der Preissegmentierung dritten Grades sind die Maximalpreise und der Zugang zu diesen an Kriterien gekoppelt wie beispielsweise Seniorentickets (Kriterium Alter). Hierbei wird deutlich, dass diese Preisdifferenzierung Kunden je nach Kriterienauswahl exkludiert und so mitunter Gewinnpotenziale im Rahmen von Up-Selling minimieren kann. Auf Grund der Möglichkeiten der Preisdifferenzierung zweiten Grades scheint diese Form in besonderem Maße für Up-Selling-Maßnahmen im Verkehrsdienstleistungsbereich geeignet. Als grundlegende Implementationsformen der Preisdifferenzierung zweiten Grades werden die leistungs- wie auch die mengenbezogene Preisdifferenzierung in der Preispolitik diskutiert.65 Bei letzterer erhält der Nachfrager je zusätzlich abgenommener Leistung einen höheren Rabatt, wodurch der Preis pro Einheit mit steigender Menge abnimmt. Als besondere Form wird hierunter der zweiteilige Tarif diskutiert, der sich aus einer pro Periode einmaligen Gebühr und einem Preis pro nachgefragter Einheit zusammensetzt (z. B. bei der BahnCard der Deutschen Bahn AG). Auf Grund der vorgenommenen Definition von Up-Selling als wert- und nicht mengenbezogenem Mehrverkauf wird die mengenbezogene Preisdifferenzierung zweiten Grades nicht weiter zur Identifikation von Up-Selling-Möglichkeiten verfolgt. Hingegen stellen leistungsbezogene Preisdifferenzierungen zweiten Grades Varianten einer Dienstleistung dar, welche hinsichtlich der räumlichen, zeitlichen und mengenbezogenen Dimension identisch sind, aber dienstleistungsspezifische Unterschiede aufweisen und zu differenzierten Preisen angeboten werden.66 Entscheidend hierbei ist, dass Preisunterschiede von Kunden als angemessen angesehen werden und diese tatsächlich zu divergierenden Preisbereitschaften führen. Als Voraussetzung kann die Existenz von Nutzenunterschieden angesehen werden, die von den Kunden wahrgenommen und von diesen als bedeutsam erachtet

65

66

Vgl. SIMON, H., FASSNACHT, M., Preismanagement, a. a. O., S. 265 ff. Insgesamt ist eine Differenzierung nach allen genannten Dimensionen Raum, Zeit, Menge oder Leistung möglich. Auf Grund des Untersuchungsfokus werden lediglich für Up-Selling relevante Formen erörtert. Vgl. DILLER, H., Preispolitik, a. a. O., S. 287 ff. sowie VARIAN, H. R., Price Discrimination, in: SCHMALENSEE, R., WILLIG, R. D. (HRSG.), Handbook of Industrial Organisation, Amsterdam 1989, S. 626.

23

werden müssen. Entsprechend muss die wahrgenommene Nutzendifferenz zwischen den Dienstleistungen ausreichend groß sein.67 Dabei kann beim Up-Selling die theoretisch durchsetzbare Preisdifferenz nicht größer werden als die Nutzendifferenz der Dienstleistungen. Die vorgenommenen Ausführungen lassen erkennen, dass die leistungsbezogene Preisdifferenzierung zweiten Grades als Voraussetzung für Up-Selling heranzuziehen ist und den Suchraum für mögliche Up-Selling-Felder im Verkehrsdienstleistungsbereich aufzeigt (vgl. Tabelle 3). Typen der Preisdifferenzierung

Implementierungsformen

Einordnung des Untersuchungskontextes

Preisdifferenzierung 1. Grades

Preisverhandlungen

Preisdifferenzierung 2. Grades

Mengenbezogene Preisdifferenzierung

BahnCard als zweiteiliger nicht-linearer Tarif

Leistungsbezogene Preisdifferenzierung

Klassenkonzepte als Leistungsbündel

Auktionen

Regionale Preisdifferenzierung Preisdifferenzierung 3. Grades

Personenbezogene Preisdifferenzierung

Ermäßigte BahnCards für Jugendliche und Senioren

Zeitliche Preisdifferenzierung Mehrpersonen-Preisbildung

Tabelle 3:

Typen der Preisdifferenzierung als Voraussetzung für UpSelling im Verkehrsdienstleistungsbereich68

Dabei finden sowohl die Selbstselektionsfunktion als auch die Leistungsvariation der Preisdifferenzierung zweiten Grades in den weit verbreiteten Klassenkonzepten oder auch Serviceklassen im Verkehrsdienstleistungsbereich, die den heterogenen Kundenanforderungen gerecht werden, ihren Niederschlag.69 Diese Klassen lassen sich z. B. anhand der Dimensionen Komfort, Service und letztlich dem Preis unterscheiden. Hinsichtlich der Komfortkomponente sind z. B. unterschiedliche Sitzplatzangebote oder Arbeitsmöglichkeiten zu identifizieren. In Bezug auf die Servicedimension differieren die Konzepte unter anderem durch die Ausprägungen des Cateringangebots. Preislich unterscheidet sich ein Hin- und

67 68 69

24

Vgl. SIMON, H., FASSNACHT, M., Preismanagement, a. a. O., S. 429. In Anlehnung an SIMON, H., FASSNACHT, M., Preismanagement, a. a. O., S. 264. Vgl. STERZENBACH, R., Luftverkehr, München 1996, S. 285 ff. Dabei existieren neben dem Begriff der Klassenkonzepte weitere synonym verwendete Begriffe wie z. B. Beförderungsklassen.

Rückflugticket von Frankfurt a. M. nach New York in der Business Class vom günstigsten Ticket in der Economy Class durch einen um 7,8 teureren Faktor.70 Auffällig bei Verkehrsdienstleistungen ist, dass die Beförderungsdienstleistung nicht isoliert bereitgestellt wird, sondern vielmehr als Leistungsbündelung, bestehend aus der Grundleistung – als Überwindung räumlicher Distanzen – mit unterschiedlich ausgeprägten Zusatzleistungen wie Arbeitskomfort oder Speisen, angeboten werden.71 Die zu Klassen aggregierten Leistungsbündel werden am Markt nicht einzeln angeboten, sodass eine reine Bündelung vorliegt, welche gegebenenfalls die Transparenz für den Kunden erschwert.72 Ferner stellen Klassenkonzepte bei Airlines oder schienengebundenen Verkehrsdienstleistern eine Sonderform des Bundling, dem so genannten Trade-Up-Bundling, dar.73 Diese Form der Bündelung zeichnet sich durch hierarchisch aufeinander aufbauende Leistungsbündel, wie z. B. die Economy und die Business Class der Lufthansa AG, aus. Dabei enthält jedes weitere höherwertige Bündel (z. B. Business Class) alle Komponenten des Basisbündels (z. B. Economy Class) auf gleichem oder höherem Niveau sowie weitere Zusatzleistungen. An dieser Stelle wird deutlich, dass Klassenkonzepte im Verkehrsdienstleistungsbereich als idealtypische Anwendungsfelder bzw. Umsetzung für Up-Selling angesehen werden können. Zum einen divergiert bei den betrachteten Klassenkonzepten die Grundleistung nicht und ist daher substituierbar. Zum anderen stel-

70 71

72

73

Vgl. SIMON, H., FASSNACHT, M., Preismanagement, a. a. O., S. 429. Die Unterscheidung in Grund- und Zusatzleistung entspricht den beim Up-Selling verwendeten Begrifflichkeiten und unterstreicht so die Übertragbarkeit des Konzeptes. Analog zu dieser Unterteilung differenzieren andere Autoren nach Primär- und Sekundärleistung oder Core- bzw. Secondary Services. Für eine ausführliche Beschreibung vgl. LAAKMANN, K., Value Added Services als Profilierungsinstrument im Wettbewerb: Analyse, Generierung und Bewertung, Frankfurt a. M. 1995, S. 10 ff. GRUNBERG bemerkt, dass streng genommen jede Verkehrsdienstleistung ein Leistungsbündel darstellt, da die Grundleistung des Transports immer mit zusätzlichen Leistungen gebündelt wird. Vgl. GRUNBERG, B., Leistungsbündelung bei Verkehrsdienstleistungen – Eine Analyse des Klassenkonzeptes der Deutschen Bahn AG, in: MEFFERT, H., BACKHAUS, K., BECKER, J. (HRSG.), Arbeitspapier Nr. 151 der Wissenschaftlichen Gesellschaft für Marketing und Unternehmensführung e. V., Münster 2001, S. 3. Dieser Begriff wird in der wissenschaftlichen Literatur auch als Pure Bundling diskutiert. Hingegen bezeichnet ein Mixed Bundling das gleichzeitige Angebot von Einzelleistungen oder als Bündel. Vgl. hierzu MEFFERT, H., BRUHN, M., Dienstleistungsmarketing: Grundlagen – Konzepte – Methoden, a. a. O., S. 325 ff. sowie GUILTINAN, J. P., The Price Bundling of Services, A Normative Framework, in: Journal of Marketing, Vol. 51, No. 2, 1987, S. 74 ff. Vgl. EPPEN, G. D., HANSON, W. A., MARTIN, R. K., Bundling – New Products, New Markets, Low Risk, in: Sloan Management Review, Vol. 32, No. 4, 1991, S. 10.

25

len Klassen mit einem höheren Maß an Zusatzleistungen eine höherwertigere Leistung im Sinne einer Up-Selling-Variante dar. Klassenkonzepte als unterschiedlich bepreiste Reiseklassen existieren im schienengebundenen Personenverkehr schon seit dem neunzehnten Jahrhundert.74 Auch heute umfassen die Beförderungsklassen beispielsweise der Deutschen Bahn AG im Nah- wie auch im Fernverkehr eine günstigere 2. Klasse und eine höherwertigere 1. Klasse.75 Dieses Klassenkonzept der Deutschen Bahn AG findet sich auch im Rabattsystem BahnCard wieder, welches als zweiteiliger nichtlinearer Tarif innerhalb der mengenbezogenen Preisdifferenzierung eingeordnet werden kann (vgl. Tabelle 3). Zur Differenzierung dieser beiden Klassen können ersten Untersuchungen zufolge vereinfachend die Dimensionen Komfort, Service und Preis herangezogen werden, welche unterschiedliche Ausprägungen entlang der Vor-Reise-, Reise- und Nach-Reise-Phase besitzen.76 Dabei entspricht der Preis der 1. Klasse im Vergleich zur 2. Klasse einem um 1,6 teureren Faktor, sodass ein Up-Selling in die 1. Klasse – höhere Deckungsbeiträge für den Anbieter vorausgesetzt – der Zielsetzung einer Ausschöpfung der Kundenbeziehung entspricht. Unter Berücksichtigung der Ausgestaltungsformen der Preis- und Leistungsdifferenzierung können Klassenkonzepte somit als optimale Basis bzw. Voraussetzung zur Identifikation und Ausschöpfung von Up-Selling-Potenzialen im Verkehrsdienstleitungsbereich bewertet werden und stellen im weiteren Verlauf der Arbeit den Fokus der Untersuchung dar.

74

75

76

26

So beschreibt Dupuit bereits 1849 leistungsbezogene Preisdifferenzierung mittels Klassenkonzept als „It is not because of the few francs which would have to be spent to put a roof over the third-class carriages with wooden benches […] What the company is trying to do is to prevent the passenger who can pay the second-class fare from travelling third-class.” Zitiert nach EKELUND, R. B. J., Price Discrimination and Product Differentiation in Economic Theory: An Early Analysis, in: The Quarterly Journal of Economics, Vol. 84, No. 2, 1970, S. 275. Dabei werden unter Nahverkehr Reisen unter 100 km verstanden, und der Begriff Fernverkehr bezeichnet Reisen mit einer Streckenlänge von über 100 km. Vgl. MEFFERT, H., PERREY, J., SCHNEIDER, H., Grundlagen marktorientierter Unternehmensführung im Verkehrsdienstleistungsbereich, a. a. O., S. 4. Vgl. FORSCHUNGSSTELLE BAHNMARKETING, PAM, unveröffentlichte Studie der Forschungsstelle Bahnmarketing im Auftrag der Deutschen Bahn AG, Münster 2001.

1.3

Forschungsarbeiten im Up-Selling-Bereich

Auf Grund der bisher lediglich ansatzweise erfolgten Berücksichtigung von UpSelling in der wissenschaftlichen Literatur soll der Untersuchungsgegenstand im Folgenden kurz zu theoretischen Bezugspunkten in Relation gesetzt werden. In diesem Zusammenhang kann zunächst konstatiert werden, dass Up-Selling primär im Globalzusammenhang des Kundenbeziehungsmanagement bzw. Relationship Marketing und in vertriebsnahen Arbeiten diskutiert und eingeordnet wird.77 Erste Ausführungen weisen daher Publikationen zum CRM und zur Kundenbindung wie auch das hiermit verbundene Themenfeld des Kundenlebenszykluskonzeptes auf. Im Rahmen des Kundenlebenszykluskonzeptes diskutieren BRUHN und weitere Autoren Up-Selling innerhalb der Kundenbindungsphase, der die Aufgabe einer Steigerung der Leistungsnutzung zukommt.78 Ebenfalls ordnen KRAFFT ET AL. Up-Selling innerhalb der Ausgestaltung eines CRM-Systems der Bindungsbzw. Intensivierungsphase zu.79 Weiterhin können sowohl Umsatzsteigerungen als auch die häufig zitierten zunehmenden Zahlungsbereitschaften innerhalb längerfristiger Kundenbeziehungen als Up-Selling interpretiert werden, jedoch unterbleibt hier vielfach eine explizite Detaillierung bzw. Benennung als Up-Selling.80 Zudem finden sich vermehrt Beiträge, die pauschalisierte Erkenntnisse über die Korrelation zwischen Umsatzsteigerung und Kundenbindung(-sdauer) kritisch beleuchten.81 Vielmehr wird hier gefordert, Kundenbeziehungen differenziert nach deren Erfolgspotenzialen zu betrachten.

77

78 79

80 81

Dabei kann sowohl durch den beschriebenen Einsatz der Unternehmenspraxis von Up-Selling im Kundenbindungsmanagement als auch durch die definitorische Bestimmung des Verkaufs innerhalb bestehender Kundenbeziehungen auf eine hohe Affinität zum Kundenbeziehungsmanagement bzw. zum Relationship Marketing geschlossen werden. Vgl. BRUHN, M., Relationship Marketing: Das Management von Kundenbeziehungen, a. a. O., S. 186 ff. Vgl. KRAFFT ET AL., Einsatz von Customer Relationship Management (CRM-)Systemen. Eine internationale Studie, Arbeitsbericht des ZMU an der WHU, Vallendar 2002, S. 42 sowie REINARTZ, W., KRAFFT, M., HOYER, W. D., The Customer Relationship Management Process: Its Measurement and Impact on Performance, in Journal of Marketing Research, Vol. 41, No. 3, 2004, S. 295. Vgl. REICHHELD, F. F., SASSER, W. E., Zero Defections: Quality Comes to Services, a. a. O., S. 105 f. Vgl. KRAFFT, M., REINARTZ, W. J., Überprüfung des Zusammenhangs von Kundenbindungsdauer und Kundenertragswert, a. a. O., S. 1264 ff.

27

Ein an Erfolgspotenzialen orientiertes Kundenmanagement bedingt eine Bewertung von Kundenbeziehungen im Sinne eines Kundenwert- oder Customer Lifetime Value-Konzeptes (CLV).82 Der CLV-Ansatz wird demnach als Summe der über die geschätzte Kundenlebenszeit abdiskontierten kundenspezifischen Erträge abzüglich der individuellen Kundenbearbeitungskosten interpretiert.83 Dabei fließen nach CORNELSEN im Wesentlichen direkt-monetäre Faktoren wie Umsatz, Erfolgs- und Cross-Selling-Potenzial der Kunden, aber auch indirekt-monetäre Größen wie Referenz- und Informationswert in die Bestimmung ein.84 Es wird deutlich, dass die Kundenwertkomponenten neben Vergangenheitsgrößen, deren Konstanz in Zukunft vorausgesetzt wird, auch zukunftsgerichtete Potenzialgrößen integrieren. Up-Selling wird von vielen Autoren dabei als eine Ausprägung der monetären Dimension des Kundenwertes angesehen und im Rahmen des zukünftigen Erfolgspotenzials eingebracht.85 Insgesamt ist diese Auseinandersetzung mit Up-Selling in diesem Zusammenhang als eine erste theoretische Aufarbeitung des Themas einzuordnen, wobei UpSelling-spezifische, tiefergehende Untersuchungen bisher ausgeblieben sind. Im Folgenden soll daher eine kritische Bestandsaufnahme der Forschungsarbeiten hinsichtlich der Identifikation und Bewertung von Up-Selling-Potenzialen das Aufdecken von Forschungsdefiziten ermöglichen. Auf Grund der geringen Anzahl an Publikationen in diesem untersuchten Themenbereich handelt es sich primär um partialanalytische Studien mit divergierenden Branchenschwerpunkten. Als erste Forschungsarbeit zum Up-Selling wird in der wissenschaftlichen Literatur der Beitrag von KIM / KIM angesehen, in dem das Up-Selling-Potenzial bestehen-

82

83 84

85

28

Vgl. für eine ausführliche Auseinandersetzung mit dem Customer Lifetime Value BLATTBERG, R. C., KIM, B.-D, NESLIN, S. A., Database Marketing, Analyzing and Managing Customers, a. a. O., S. 105 ff. sowie KRAFFT, M., Kundenbindung und Kundenwert, a. a. O., S. 56 ff. Vgl. auch Helm, S., Günter, B., Kundenwert – eine Einführung in die theoretischen und praktischen Herausforderungen der Bewertung von Kundenbeziehungen, in: GÜNTER, B., HELM, S. (HRSG.), Kundenwert: Grundlagen – Innovative Konzepte – Praktische Umsetzung, 3. Aufl., Wiesbaden 2006, S. 3 ff. Vgl. KUMAR, V., LEMON, K. N., PARASURAMAN, A., Managing Customers for Value – An Overview and Research Agenda, in: Journal of Service Research, Vol. 9, No. 2, 2006, S. 88. Vgl. CORNELSEN, J., Kundenwertanalyse im Beziehungsmarketing – Theoretische Grundlegung und Ergebnisse einer empirischen Studie im Automobilbereich, a. a. O., S. 171 sowie VOGEL, V., Kundenbindung und Kundenwert, a. a. O., S. 445 ff. Vgl. DILLER, H., Probleme des Kundenwerts als Steuerungsgröße im Kundenmanagement, in: BÖHLER, H. (HRSG.), Marketing-Management und Unternehmensführung, Stuttgart 2002, S. 315.

der Kunden im Finanzdienstleistungsmarkt untersucht wird.86 Anhand eines Stochastic Frontier Modells prognostizieren die Autoren die maximalen Up-SellingMöglichkeiten bei 5.000 Kunden von Lebensversicherungen. Durch die Zuordnung von Scores wird das Kundenpotenzial bewertet und schließlich aufgezeigt, dass eine bis zu 25 %-ige Umsatzsteigerung durch Up-Selling erzielt werden kann. Dabei erfasst die Studie Up-Selling-Potenziale auf Einzelkundenbasis und ist dem Bereich des Datamining zuzuordnen. Kritisch anzumerken ist, dass die Autoren keinerlei Beitrag zur theoretischen Fundierung bzw. zur Erklärung des Up-SellingVerhaltens leisten, da das Untersuchungsdesign isoliert verhaltensbezogene Größen abbildet. Weiterhin konzentriert sich die Studie lediglich auf die Erfassung UpSelling-affiner Kunden und vernachlässigt die Anwendung bzw. Umsetzung der erhobenen Informationen. Hingegen untersucht NGOBO die Treiber der Kundenmigration bei 4.500 Theaterabonnementbesitzern unter Einbeziehung eines hypothesengestützten Untersuchungsdesigns.87 Das Untersuchungsziel besteht in der Aufdeckung von Gründen für eine aufwärts- oder abwärtsgerichtete Migration und kann mit Up- oder DownSelling des Abonnements angenähert werden. Hierbei wird zum einen untersucht, welche Kunden das Abonnement zugunsten eines höherwertigen Vertrages aufwerten und zum anderen, welche Kunden den Vertrag vollständig beenden und zum Gelegenheitskäufer werden. Dabei werden die Kunden in einem Stufenmodell differenziert und mit Hilfe eines Nested Logit Modells analysiert. Die einbezogenen Variablen zur Erklärung des Migrationsverhaltens bestehen aus Variablen der Marketinginstrumente (Serviceerfahrung der Kunden und die Preispolitik des Unternehmens) sowie aus Variablen der Kundenmotivation (soziodemographische und kundenbeziehungsspezifische Kriterien). Hierbei erweisen sich insbesondere die Kriterien für die Kundenmotivation wie Alter, Kundeninteraktionsfrequenz und Dauer der Kundenbeziehung als signifikant zur Erklärung des Verhaltens. Somit scheinen insbesondere als Lebensabschnittswechsel interpretierbare Merkmale eine hohe Prognosegüte für Up-Selling-Verhalten in dem untersuchten Kontext zu besitzen.

86 87

Vgl. KIM, B.-D, KIM, S.-O., Measuring Upselling Potential of Life Insurance Customers: Application of a Stochastic Frontier Model, a. a. O., S. 2-9. Vgl. NGOBO, P. V., Drivers of upward and downward migration: An empirical investigation among theatergoers, a. a. O., S. 183-201.

29

BAUER / HAMMERSCHMIDT / DONNEVERT stellen einen mehrdimensionalen Segmentierungsansatz zur Untersuchung von 2.161 Websitenutzern eines Automobilherstellers in den USA und Deutschland vor.88 Zur Sicherstellung der Effektivität und Effizienz angebotener Webinhalte entwickeln die Autoren eine nutzen- und kundenwertbezogene Segmentierung. Zur Nutzensegmentierung findet ein hybrider Clusteransatz Eingang in die Untersuchung. Zur Prognose des Kundenwertes wird auf ein Regressionsmodell zurückgegriffen. Die Kombination der Kundennutzenund Kundenwertsegmentierung wird für die Ableitung einer Kundenpriorisierung genutzt. Der Up-Selling-Bezug wird im Rahmen der Operationalisierung der Prädiktoren des Kundenwertes erkennbar. Die Prädiktoren sind den Autoren nach auch zur Prognose des Transaktionspotenzials und somit zur Ableitung des Basistransaktions-, Cross- und Up-Selling-Potenzials geeignet. Das vorgestellte Segmentierungskonzept führt letztendlich zu einer 5-Cluster-Lösung mit jeweils zwei Kundenwerttypen. Somit ist die Untersuchung primär durch eine Erfassung der Kundenpotenziale gekennzeichnet, wobei eine ausführliche Ableitung von Implikationen für die Bearbeitung unterbleibt. Weiterhin wurde Up-Selling – insbesondere im Finanzdienstleistungsbereich – im Zusammenhang mit Cross-Selling analysiert. So entwickeln SALAZAR / HARRISON / ANSELL einen Ansatz zur Identifikation von Cross- und Up-Selling-Möglichkeiten auf Grundlage von 4.000 Kundendaten eines Finanzdienstleisters.89 Diese Studie basiert auf einem dreistufigen Vorgehensmodell mittels Datamining-Verfahren. In einer ersten Stufe werden die Kunden grob in einer A-Priori- sowie Post-hocSegmentierung erfasst, um Bedürfnisstrukturen zu erkennen. Die nächste Stufe umfasst die Akquisitionsoptionen des Finanzdienstleisters, um so auf der letzten Stufe ein Prognosemodell abzuleiten. Als Ergebnis lässt sich festhalten, dass die Cross- und Up-Selling-Möglichkeiten maßgeblich vom Kundenlebenszyklus – verstanden als Alter und Lebensphase – sowie mit dem Erfahrungshintergrund der jeweiligen Kunden abhängen. Während die zuvor beschriebenen Studien den Konsum- bzw. Dienstleistungsbereich fokussieren, konnte schließlich eine erste Studie zu Up-Selling-

88

89

30

Vgl. BAUER, H. H., HAMMERSCHMIDT, M., DONNEVERT, T., Effektivität und Effizienz im interaktiven Marketing – Die Integration von Kundennutzen- und Kundenwertsegmentierung im Internet, a. a. O., S. 55-116. Vgl. SALAZAR, M. T., HARRISON, T., ANSELL, J., An approach for the identification of cross-sell and up-sell opportunities using a financial services customer database, in: Journal of Financial Services Marketing, Vol. 12, No. 2, 2007, S. 115-131.

Entscheidungen von Unternehmen identifiziert werden. Diese Untersuchung von BOLTON / LEMON / VERHOEF analysiert das Kauf- und Entscheidungsverhalten von Organisationen hinsichtlich eines Up-Grading bzw. Up-Selling bei institutionellen Serviceverträgen.90 Als wesentliche Faktoren werden die Zufriedenheit, die Service-Qualität des Vorvertrages und der Preis einbezogen. Als moderierende Faktoren werden die Dauer der Kundenbeziehung und die Vertragsart untersucht. Insgesamt lassen sich auf Grund des Untersuchungskontextes keine differenzierten Ergebnisse zur Übertragung auf den Konsumgüter- oder Dienstleistungsbereich im Allgemeinen und Verkehrsdienstleistungsbereich im Speziellen nutzen. Bei den aufgezeigten Publikationen ist kritisch anzumerken, dass die Grundlagenarbeiten zum Relationship Marketing bzw. zur Kundenbindung Up-Selling lediglich als Randbereich betrachten und keinerlei weiterführende Erklärungsansätze bieten. Des Weiteren sind mehrheitlich praktische bzw. pragmatische Erklärungsansätze zu identifizieren. In Bezug auf die empirischen Studien zeigt sich, dass auch hierbei eine umfassende theoretische Fundierung von bzw. Auseinandersetzung mit Up-Selling bisher ausgeblieben ist. Zudem existieren hinsichtlich der Identifikation und Ausschöpfung von Up-Selling-Potenzialen lediglich Analysen, die eine ganzheitlich integrierte Betrachtung im Sinne einer Markterfassung und -bearbeitung vermissen lassen (vgl. Tabelle 4). Insbesondere wird deutlich, dass im Fokus der Untersuchung eine Ermittlung von Kundenpotenzialen auf Basis von verhaltensbezogenen Größen steht und eine einstellungsbezogene Dimension dabei vernachlässigt wird. Dabei wird Up-Selling überwiegend als DataminingProblem angesehen, sodass die erfassten Studien mehrheitlich keine generalisierbaren Aussagen zulassen. Darüber hinaus konnten keine Arbeiten mit Verkehrsdienstleistungsbezug identifiziert werden, die Up-Selling in irgendeiner Form, z. B. als Bestandteil des Kundenbindungsmanagement, berücksichtigen. Vor diesem Hintergrund ergeben sich insbesondere drei zentrale Forschungsdefizite. Erstens wurde Up-Selling bisher nicht im Verkehrsdienstleistungsbereich untersucht, sodass es einer Übertragung des Konzeptes bedarf. Zweitens ist aus verhaltens- und methodenorientierter Perspektive bislang noch kein Konzept zur Erfassung von Up-Selling-Potenzialen abgeleitet worden, welches die jeweiligen Stärken und Schwächen unterschiedlicher Segmentierungsansätze kombiniert und

90

Vgl. BOLTON, R. N., LEMON, K. N., VERHOEF P. C., Expanding Business-to-Business Customer Relationships: Modeling the Customer’s Upgrade Decision, in: Journal of Marketing, Vol. 72, No. 1, 2008, S. 46-64.

31

so eine integrierte Markterfassung ermöglicht. Weiterhin findet insbesondere die Marktbearbeitungsseite aus managementorientierter Perspektive zu wenig Beachtung, sodass diese Forschungslücke dahingehend geschlossen werden soll. Autor (Jahr)

Untersuchungsschwerpunkt

Forschungsmethodik

Zentrale Ergebnisse

STUDIEN MIT UP-SELLING-BEZUG BAUER / HAMMERSCHMIDT / DONNEVERT (2007)

Ableitung eines Segmentierungsverfahrens durch Kombination von Nutzensegmentierung und Kundenbewertung im PremiumAutomobilbereich im Internet

Online-Befragung von Website-Besuchern; hybride Clusteranalyse sowie Regressionsmodell; n = 2.161 Kunden

Bestätigung des Up-SellingPotenzials als Prädiktor des Kundenwertes

BOLTON / LEMON / VERHOEF (2008)

Untersuchung von Unternehmen hinsichtlich des Up-Grading bzw. Up-Selling-Verhaltens bei ServiceVerträgen

Untersuchung von Unternehmensdaten und Kaufverhalten bei Serviceverträgen; binäres Logit Modell; n = 200 Unternehmen

Qualität des Vorvertrages und Zufriedenheit mit dem Anbieter beeinflussen das Up-Grading-Verhalten der Unternehmen

KIM / KIM (1999)

Datamining-Untersuchung zur Berechnung des Up-SellingPotenzials bei Lebensversicherungen

Untersuchung auf Basis der Kundendatenbank des Versicherungsanbieters; Stochastic Frontier Modell; n = 5.000 Kunden

Bestimmung einer Verkaufsineffizienz und eines Up-SellingPotenzials in Höhe von 25 % bei Versicherungskunden; Alter als wesentliches Kriterien zur Bestimmung von Up-Selling-Möglichkeiten 

NGOBO (2005)

Bestimmung des Migrationsverhaltens im Sinne von Up- bzw. Down-Selling bei Theaterabonnement-Kunden

Analyse auf Basis der Kundendatenbank und Befragung von Abonnement-Kunden; Nested Logit Modell; n = 4.500 Kunden

Sozio-demographische Kriterien wie Alter, Bildung und Geschlecht sowie kundenbeziehungsspezifische Kriterien (Interaktionsfrequenz, Dauer der Kundenbeziehung) beeinflussen das Up-Selling-Verhalten

REINARTZ / KRAFFT / HOYER (2004)

Untersuchung des CRMProzesses und der UnternehmensPerformance

Befragung von Unternehmen; Kausalanalyse; n = 211 

Up-Selling als Subdimension der Kundenbindungsphase im CRMSystem

SALAZAR / HARRISON / ANSELL (2007)

Identifikation von Cross- und UpSelling-Möglichkeiten bei einem Finanzdienstleister

Kundendaten eines Finanzdienstleisters; Clusteranalyse, Entscheidungsbaum, Logistische Regression; n = 4.000 Kunden

Variablen mit Einfluss auf das UpSelling-Verhalten: Alter, Kundenwert, Dauer der Kundenbeziehung

Tabelle 4:

2

Forschungsarbeiten im Up-Selling-Bereich

Entwicklung eines Segmentierungskonzeptes zur Erfassung und Bewertung von Up-Selling-Potenzialen im Verkehrsdienstleistungsbereich

Die bisher vorliegenden Ansätze im Up-Selling-Kontext verdeutlichen unter Berücksichtigung eines ganzheitlichen Kundenbeziehungsmanagement die Erfordernis, eine Ausschöpfung von Up-Selling-Potenzialen als Identifikation Erfolg versprechender Kundenbeziehungen in Verbindung mit einer zielgruppenspezifischen Bearbeitung zu verstehen und aufzugreifen. Daher wird nach der bereits vorgenommenen Einordnung von Up-Selling im Folgenden ein Segmentierungskonzept zur Erfassung und Bewertung von Up-Selling-Potenzialen im Verkehrsdienstleistungsbereich erarbeitet, welches im Laufe der Untersuchung anhand eines konkreten Verkehrsdienstleisters weiter zu spezifizieren ist.

32

2.1

Zielsetzungen, Besonderheiten und Anforderungen an Segmentierungsverfahren im Verkehrsdienstleistungsbereich

Die Differenzierung des Angebotes in Abhängigkeit unterschiedlicher Kundenbedürfnisse ermöglicht es den Unternehmen, die Nachfrage besser zu befriedigen und bestehende Zahlungsbereitschaften abzuschöpfen. Diese Kundenheterogenität greift die Segmentierung, verstanden als Markterfassung und Marktbearbeitung, auf, indem Gesamtmärkte, in bezogen auf deren Nachfrageverhalten, intern homogene sowie extern heterogene Teilmärkte (Segmente, Käufergruppen, Käufertypen etc.) aufgeteilt und anschließend Segmente ausgewählt sowie eines oder mehrere dieser Segmente gezielt bearbeitet werden.91 Die Grundidee der Segmentierung erfährt dabei in einem stark heterogenen Markt wie dem Verkehrsdienstleistungsmarkt eine besonders hohe Bedeutung. Weiterhin erscheint das Konzept vor dem aufgezeigten Hintergrund zur Identifikation und Ausschöpfung von Up-Selling-Potenzialen durch die Dualität von Markterfassung und -bearbeitung in besonderem Maße geeignet. Die damit einhergehende Zielsetzung der Segmentierung kann dabei in der Erreichung eines hohen Identitätsgrades zwischen der angebotenen, differenzierten Leistung und den spezifischen Bedürfnissen der jeweiligen Zielgruppen gesehen werden.92 Somit dient die Segmentierung zum einen der Marktidentifizierung durch Abgrenzung des Marktes und einer Ermittlung der relevanten Up-SellingSegmente. Zum anderen wird versucht, eine bessere Befriedigung der Kundenbedürfnisse durch einen differenzierten Einsatz der Marketinginstrumente zu erzielen. Dabei wird die Zielsetzung maßgeblich durch die Erreichung von Effektivität

91

92

Vgl. MEFFERT, H., BURMANN, C., KIRCHGEORG, M., Marketing – Grundlagen marktorientierter Unternehmensführung: Konzepte – Instrumente – Praxisbeispiele, a. a. O., S. 182 f. Vgl. hierzu weiterhin die Ausführungen des Kapitels A 1 dieser Arbeit sowie zur Segmentierung im Dienstleistungsbereich vgl. MEFFERT, H., BRUHN, M., Dienstleistungsmarketing, Grundlagen – Konzepte – Methoden, a. a. O., S. 111 ff. Diesem Verständnis ist das im angloamerikanischen Sprachraum verbreitete dreistufige STP-Konzept von KOTLER / KELLER / BLIEMEL gleichzusetzen, das Segmentierung als Aufteilung des Marktes (Segmentation), Segmentauswahl (Targeting) und segmentspezifischem Instrumenteeinsatz differenziert (Positioning). Vgl. KOTLER, P., KELLER, K. L., BLIEMEL, F., Marketing-Management – Strategien für wertschaffendes Handeln, a. a. O., S. 365 f. Vgl. CRONE, B., Marktsegmentierung, Frankfurt a. M. 1977, S. 22 sowie MEFFERT, H., BURMANN, C., KIRCHGEORG, M., Marketing – Grundlagen marktorientierter Unternehmensführung: Konzepte – Instrumente – Praxisbeispiele, a. a. O., S. 183. Dabei kann Segmentierung als derivative Größe des gesamten unternehmerischen Zielsystems angesehen werden. Vgl. zum Zielsystem von Unternehmen HEINEN, E., Grundlagen betriebswirtschaftlicher Entscheidungen. Das Zielsystem der Unternehmung, 3. Aufl., Wiesbaden 1976, S. 59 ff.

33

im Sinne einer treffsicheren Ansprache der Up-Selling-Segmente unterstützt.93 Weiterhin wird eine Effizienzsteigerung durch optimale Allokation der Ressourcen auf die Segmente bei Minimierung der Streuverluste angestrebt. Hierbei gilt es, im Hinblick auf den Untersuchungsfokus dieser Arbeit zum einen die richtigen UpSelling-affinen Segmente überhaupt erst zu erfassen (Effektivität) und zum anderen durch eine geeignete Auswahl die auszuwählenden Zielgruppen mit dem optimalen Instrumenteneinsatz zu bearbeiten (Effizienz).94 Insbesondere aus der Effektivitäts- und Effizienzbedingung ergibt sich die Anforderung einer optimalen Marktsegmentierung im Sinne einer z. B. gewinnmaximalen Up-Selling-Segmentierungsintensität.95 Jedoch wird diese Forderung wesentlich erschwert durch die Interdependenz zwischen Markterfassung und -bearbeitung. So lässt sich die Segmentierungstiefe und -breite nicht unabhängig von der Bearbeitung der Zielgruppen und die segmentspezifische Ausgestaltung des Marketing-Mix nicht ohne Kenntnis der jeweiligen Segmentbedürfnisse bestimmen.96 Es kann davon ausgegangen werden, dass mit zunehmender Anzahl zu bearbeitender Up-Selling-Segmente die Kosten für die Marktsegmentierung mindestens proportional oder progressiv ansteigen. Dabei sind z. B. steigende Marktforschungskosten der Up-Seller-Identifikation und höhere Marketingkosten durch die Bearbeitung unterschiedlicher Up-Selling-Segmente mit einzubeziehen. Folglich nehmen die erzielbaren Grenzerlöse insgesamt – obgleich einer besseren Abschöpfung der Konsumentenrente – bei einer Erhöhung der Segmentanzahl monoton ab. Theoretisch ergibt sich die optimale Segmentierungsintensität nun dort, wo die Differenz zwischen Segmentierungsgewinnen und Segmentierungskosten maximal ist.

93

94

95 96

34

Vgl. KOTLER ET AL., Grundlagen des Marketing, 3. Aufl., München 2003, S. 55 sowie WALSH, G., NIERMANN, S., KLEE, A., Kundenzufriedenheit und Kundenbindung als Grundlage der Zielgruppenbildung im Dienstleistungssektor, in: Jahrbuch der Absatz- und Verbrauchsforschung, 54. Jg., Nr. 1, 2008, S. 45. Dabei ist es mitunter nicht immer effizient, die Zielgruppen mit dem höchsten Potenzial auch automatisch mit dem höchsten Mitteleinsatz zu bedenken. Das Potenzial dieser Segmente könnte nämlich auch darin begründet sein, dass diese ohnehin – also ohne Instrumenteneinsatz – up-sellen werden. Vgl. KRAUTTER, J., Zum Problem der optimalen Marktsegmentierung, in: ZfB, 45. Jg., Nr. 2, 1975, S. 109 ff. Vgl. hierzu DICHTL, E., Die Bildung von Konsumententypen als Voraussetzung differenzierter Marktbearbeitung, in: WiSt, 3. Jg., Nr.3, 1974, S. 54 ff.

Es wird deutlich, dass das Problem der optimalen Marktsegmentierung ausgehend vom integrierten oder dualen Konzept der Markterfassung und -bearbeitung als interdependent einzuordnen ist, welches folglich nur näherungsweise durch analytische oder heuristische Ansätze einer Lösung zugeführt werden kann.97 Jedoch ist die praktische Anwendbarkeit der vielfach analytisch mathematischen Ansätze eingeschränkt und durch viele Prämissen deren Übertragbarkeit restringiert. In einem heterogenen Markt mit großem Marktvolumen und vielen Marktteilnehmern wie dem Verkehrsdienstleistungsmarkt erscheint somit eher ein sukzessives, stufenweises Vorgehen zur Identifikation und Ausschöpfung von UpSelling-Potenzialen geeignet.98 Hierbei können leistungsstarke Datenbanken, die vielfach bei Verkehrsdienstleistern vorhanden sind, auch anspruchsvollere Ansätze im Rahmen des CRM berücksichtigen. Neben diesen aus den Zielen abgeleiteten Anforderungen an Segmentierungen sollen zur Ableitung eines geeigneten Konzeptes in gebotener Kürze weitere Anforderungen insbesondere an die Segmentierungskriterien unter Berücksichtigung des Verkehrsdienstleitungsmarktes diskutiert werden. Diese sind sowohl im weiteren Verlauf der Segmentierungskonzeption als auch bei der Segmentierung zu integrieren.99 Zunächst sind geeignete Indikatoren als Segmentierungskriterien zu wählen, welche mit vorhandenen Marktforschungsmethoden erfassbar sind. Diese Forderung zielt auf die Messbarkeit und Operationalisierbarkeit des Segmentierungskonzeptes ab.100 Dabei stellt sich hinsichtlich des Untersuchungsfokus die Frage, welche Kriterien zu trennscharfen Segmenten angesichts des bisher wissenschaftlich wenig durchdrungenen Up-Selling-Verhaltens

97

98 99

100

Dabei stellt das Problem der optimalen Kombination der Marketing-Instrumente keine grundlegend neue Herausforderung für das Marketing dar, sondern wird schon seit langer Zeit, so z. B. in der Mikroökonomie, diskutiert. Vgl. zu den analytischen Ansätzen KRAUTTER, J., Zum Problem der optimalen Marktsegmentierung, a. a. O., S. 109. Ein heuristisches Modell stellt WINTER vor. Vgl. WINTER, F. W., A Cost-Benefit Approach to Market Segmentation, in: Journal of Marketing, Vol. 43, No. 4, 1979, S. 103 ff. WEDEL, M., KAMAKURA, W. A., Market Segmentation: Conceptual and Methodological Foundations, 2nd edition, Boston 2000, S. 17 ff. Hierbei sollen im Folgenden sechs Anforderungen gewürdigt werden, bei denen ein großer Konsens in der wissenschaftlichen Literatur herrscht. Vgl. HOMBURG, C., KROHMER, H., Marketingmanagement – Strategie – Instrumente – Umsetzung – Unternehmensführung, 2. Aufl., Wiesbaden 2006, S. 101 ff. sowie FRETER, H., Markt- und Kundensegmentierung – Kundenorientierte Markterfassung und -bearbeitung, a. a. O., S. 91. Vgl. auch STAMER, H. H., Segmentspezifische Analyse des Preisverhaltens – Eine theoretische und empirische Analyse des Konzepts der Preissegmentierung, Nürnberg 2006, S. 5 ff. Vgl. STUHLDREIER, U., Mehrstufige Marktsegmentierung im Bankmarketing, Wiesbaden 2002, S. 30.

35

führen. In einem engen Zusammenhang mit der Forderung nach Effektivität und Effizienz steht aus ökonomischer Perspektive die Anforderung der Wirtschaftlichkeit des einzusetzenden Segmentierungskonzeptes. Dabei muss sichergestellt sein, dass der Informationsnutzen einer Segmentierung von Up-Sellern höher ausfällt als die damit im Zusammenhang stehenden Kosten, insbesondere den Informationskosten.101 Auf Grund der hohen Anzahl sowohl aktueller als auch potenzieller Verkehrsdienstleistungsnachfrager und den damit verbundenen Kosten ist neben der zielführenden Auswahl auch die Frage nach der richtigen Segmentansprache zu adressieren. Einhergehend mit der Forderung nach Wirtschaftlichkeit besitzt die Sicherstellung einer zeitlichen Stabilität der Segmentierung bzw. Segmentierungskriterien insbesondere im Verkehrsdienstleistungsbereich eine gewichtige Bedeutung.102 So ist die Wahl des Klassenkonzeptes häufig keine langfristige, sondern vielmehr eine reiseanlassbezogene Entscheidung, die somit durch situative Reiseanlässe geprägt ist. Daher kommt dem Zeitaspekt beim zukünftigen Up-Selling-Umsatz eine hohe Aufmerksamkeit zu, insbesondere vor dem Hintergrund erster empirischer Ergebnisse, die Up-Selling in Verbindung mit Lebensabschnitts- oder Familienlebenszyklusveränderungen bringen.103 Als eine wesentliche Anforderung gilt weiterhin die der Kaufverhaltensrelevanz.104 Als Segmentierungskriterien sind dabei geeignete Indikatoren auszuwählen, die das künftige Kauf- oder Wahlverhalten zu prognostizieren im Stande sind. Eine Identifikation von potenziellen UpSellern eines Verkehrsdienstleisters fordert dieses in besonderem Maße. Überdies muss die Segmentierung auch eine Handlungsfähigkeit dergestalt beinhalten, dass die Aufteilung der Kunden in Segmente mit konkreten Anhaltspunkten zu einer spezifischen Bearbeitung eben dieser Segmente führen kann. Schließlich ist die gezielte Ansprache mittels der gewählten Segmentierungskriterien zu ermöglichen. Die Erreichbarkeit bzw. Zugänglichkeit der Zielgruppen kann dabei über einen direkten, persönlichen Kontakt oder wie bei einem Mas-

101 102 103 104

36

Vgl. MEFFERT, H., BURMANN, C., KIRCHGEORG, M., Marketing – Grundlagen marktorientierter Unternehmensführung: Konzepte – Instrumente – Praxisbeispiele, a. a. O., S. 190. Vgl. SCHEER, B., Nutzenbasierte Marktsegmentierung – Eine kaufprozessorientierte empirische Untersuchung zur Wirkungsmessung von Marketing-Aktivitäten, Wiesbaden 2008, S. 56. Vgl. NGOBO, P. V., Drivers of upward and downward migration: An empirical investigation among theatergoers, a. a. O., S. 196 ff. Vgl. HEISE, G., Internationale Marktsegmentierung im Automobilmarketing, Wiesbaden 1997, S. 187.

senmarkt des Verkehrsdienstleistungsbereiches über Werbemittelträger erfolgen. Wesentlich ist jedoch, dass die Zielgruppen jeweils von den relevanten Informationen und Maßnahmen erreicht werden, um dem Ziel der Effektivität und Effizienz gerecht zu werden.105 Zusammenfassend lässt sich festhalten, dass diese genannten Anforderungen allesamt der folgenden Erarbeitung eines geeigneten Segmentierungs- und Bewertungskonzeptes dienen und sich durch eine stufenweise Verknüpfung hervorheben. So muss das konkret zu entwickelnde Segmentierungskonzept zunächst in der Lage sein, die richtigen Kunden für Up-Selling anhand geeigneter Kriterien zu identifizieren, um dann in einem nachgelagerten Schritt die Up-Seller mittels segmentspezifischer Marketing-Mix-Ausgestaltung zu adressieren oder deren UpSelling-Wahrscheinlichkeit zu erhöhen. Dabei wird der Leistungs- und Preisdifferenzierung Rechnung getragen, die in dem jeweiligen Klassenkonzept ihren Niederschlag findet. Letztlich steht gleichgewichtig die Zielsetzung der Entwicklung eines Prognosemodells wie auch eines Bearbeitungskonzepts im Vordergrund.

2.2

Klassenwahlverhalten als Grundlage der Segmentierung

Für die Segmentierung und Analyse von Up-Selling-Potenzialen stellt die Erfassung des Käuferverhaltens, auf dessen Basis ein Beitrag zur Erklärung des Klassenwahlverhaltens geleistet werden kann, einen wichtigen Ausgangspunkt dar.106 Käuferverhaltensmodelle untersuchen Zusammenhänge zwischen den Einflussgrößen (Stimuli) und beobachtbaren Ergebnissen des Kaufverhaltens (Response).107 Das der Segmentierung zugrunde gelegte Modell hat dabei nicht nur Einfluss auf die Art bzw. den Grad der Erklärung des Verhaltens, sondern auch und insbesondere auf die Ausgestaltung der Segmentierung als Ganzes sowie die Wahl der Segmentierungskriterien. Erst durch die Kenntnis der Bestimmungsfaktoren des Kauf- bzw. Klassenwahlverhaltens können Entscheidungen über den Einsatz und die Anpassung der Marketing-Instrumente auf der Marktbearbeitungs-

105 106 107

Vgl. PERREY, J., Nutzenorientierte Marktsegmentierung – Ein integrativer Ansatz zum Zielgruppenmarketing im Verkehrsdienstleistungsbereich, a. a. O., S. 24. Vgl. HOMBURG, C, KROHMER, H., Marketingmanagement – Strategie – Instrumente – Umsetzung – Unternehmensführung, a. a. O., S. 27. Vgl. MEFFERT, H., BURMANN, C., KIRCHGEORG, M., Marketing – Grundlagen marktorientierter Unternehmensführung: Konzepte – Instrumente – Praxisbeispiele, a. a. O., S. 100 f.

37

seite getroffen werden. Den Käuferverhaltensmodellen kommt folglich die Aufgabe der Prognose, Erklärung und Beeinflussung von Kaufentscheidungen zu.108 Die gängige Differenzierung nach behavioristischen und neobehavioristischen Forschungsansätzen erlaubt im vorliegenden Untersuchungskontext eine geeignete Konkretisierung des Segmentierungskonzeptes.109 Das behavioristische Stimulus-Response-Modell (S-R-Modell) untersucht, wie ein Individuum auf bestimmte Stimuli mit beobachtbarem Verhalten reagiert. 110 Mit dem S-R-Modell können Reize und Kundenreaktionen beobachtet und gemessen, jedoch nicht erklärt werden.111 Hingegen gibt das Stimulus-Organism-Response-Modell (S-O-R-Modell) diese Black-Box-Betrachtung auf und berücksichtigt zusätzlich innere, nichtbeobachtbare Prozesse der Konsumenten als intervenierende Variable.112 Grundsätzlich ist zu konstatieren, dass S-R-Modelle in besonderem Maße zur Prognose und Erfassung aggregierter Gesamtmarktreaktionen geeignet sind.113 Die Vorteile der S-O-R-Modelle liegen wiederum in der Erklärung des individuellen Kaufverhaltens. Hierdurch ergeben sich auch gezieltere Beeinflussungs- bzw. Steuerungsmöglichkeiten der auszuwählenden Zielsegmente (vgl. Tabelle 5).

108

109

110

111

112

113

38

Vgl. KROEBER-RIEL, W., WEINBERG, P., Konsumentenverhalten, 8. Aufl., München 2008, S. 29 sowie PEPELS, W., Käuferverhalten – Basiswissen für Kaufentscheidungen von Konsumenten und Organisationen, Berlin 2005, S. 31. Diese Strukturierung kann noch um die Modelle der kognitiven Erklärungsansätze erweitert werden. Überdies werden weitere Klassifizierungen, wie z. B. nach ihrer wissenschaftlichen Herkunft oder nach dem Aggregationsgrad der Modelle, vorgenommen. Vgl. hierzu FRETER, H., Markt- und Kundensegmentierung – Kundenorientierte Markterfassung und -bearbeitung, a. a. O., S. 64 f. Stimuli können beispielsweise die Umwelt, ein attraktives Produkt oder Kommunikationsanreize darstellen. Als Response kann die Absatzmenge (beispielsweise der Kauf oder Nicht-Kauf eines Produktes oder die Inanspruchnahme einer Dienstleistung) verstanden werden. Wenn ein bestimmter Reiz auf einen Organismus trifft, so kann die Reaktion beobachtet werden. Vgl. VON ROSENSTIEL, L., KIRSCH, A., Psychologie der Werbung, Rosenheim 1996, S. 48. Das Verhalten des Individuums wird jedoch nur auf Basis der Input- und Outputgrößen untersucht. Durch die Vernachlässigung der Vorgänge im Inneren des Kunden werden diese Modelle auch als Black-Box-Modelle bezeichnet. In einem engen Zusammenhang mit der Unterscheidung in S-R- und S-O-R-Modelle steht die Differenzierung nach dem Abstraktionsgrad in global- und detailanalytische Ansätze. Dabei bilden letztere als S-O-R-Modelle den Kaufentscheidungsprozess in mehreren Phasen ab, welche der Kunde durchläuft. Globalanalytische Ansätze hingegen verzichten auf eine detailliertere Analyse des Entscheidungsprozesses. Vgl. für ein tiefergehendes Verständnis von Kaufverhaltensmodellen KROEBER-RIEL, W., WEINBERG, P., Konsumentenverhalten, a. a. O., S. 29. Vgl. FRETER, H., Markt- und Kundensegmentierung – Kundenorientierte Markterfassung und -bearbeitung, a. a. O., S. 77.

S-R-Modelle Einsatzbereiche

S-O-R-Modelle

x Direkt beobachtbare Größen

x

Individuelle Reaktionen

x Eher Makrosegmentierung

x

Eher Mikrosegmentierung

Prognose

+

o

Erklärung

-

+

Beeinflussung

-

+

Tabelle 5:

Vergleich von S-R- und S-O-R-Modellen im Rahmen der Markt- und Kundensegmentierung

Der unterschiedliche Grad der Detaillierung der Kaufverhaltensabbildung der beiden Modelle führt notwendigerweise zu einem differenzierten Einsatz der Segmentierungskriterien. Aus der Einbeziehung der nicht-beobachtbaren Vorgänge der S-O-R-Modelle ergeben sich folglich divergierende Einschätzungen der anwendbaren Variablen. Die Anforderung der Messbarkeit kann von beiden Modelltypen und deren Segmentierungskriterien hinreichend erfüllt werden. Jedoch ist anzumerken, dass insbesondere in Verbindung mit der Forderung nach Wirtschaftlichkeit das S-R-Modell in einem Massenmarkt grundsätzlich einfacher und effizienter zu operationalisieren ist. Dieses ergibt sich aus der Fokussierung auf beobachtbare Größen, die folglich auch valide und kostengünstig gemessen werden können und somit tendenziell deutlich geringere Informationskosten verursachen als S-OR-Modelle. Die Kaufverhaltensrelevanz und zeitliche Stabilität ist bei beiden Modellen über geeignete Segmentierungskriterien sicherzustellen.114 S-O-R-Modelle zeigen eine gewisse Überlegenheit im Rahmen der Erreichbarkeit und Handlungsfähigkeit auf. So ermöglichen die Kriterien der S-R-Modelle zwar die Auswahl der Zielsegmente, jedoch leisten sie vielfach keinen Beitrag zur Art und zum Umfang der Marktbearbeitung.115 Im zu untersuchenden Problembereich des Up-Selling-Verhaltens kann die Wahl des Kaufverhaltensmodells jedoch nicht allein anhand dieser Anforderungen erfolgen. Vielmehr muss die Festlegung des Modells durch das folgende Prozessmodell des Klassenwahlverhaltens näher bestimmt werden: Zunächst wird durch einen internen oder externen Stimulus die Aktivierung eines Bedürfnisses nach Mobilität und folglich der Auswahl einer Reiseklasse beim Konsumenten ausgelöst

114

115

Auf Grund der verwendeten Konstrukte bei S-O-R-Modellen ist tendenziell davon auszugehen, dass die einbezogenen Variablen eine höhere zeitliche Stabilität aufweisen. Vgl. DILLER, H., Kundenbindung als Marketingziel, a. a. O., S. 83.

39

(vgl. Abbildung 2).116 Hierbei ist von einem internen Stimulus im Verkehrsdienstleistungsbereich auszugehen, wenn z. B. eine ohne Fremdeinflüsse initiierte Wahl der Klasse (natürliche Klassenwahlentscheidung) vorliegt. Hingegen stellt beispielsweise ein durch Werbung ausgelöstes Bedürfnis zum Wechsel der Reiseklasse (aktivierte Klassenwahlentscheidung) einen externen Stimulus dar. Weiterhin müssen mögliche Restriktionen der Ressourcen (Zeit, Einkommen etc.) bei den Konsumenten berücksichtigt werden, welche die Bedürfnisbefriedigung beeinflussen können. Bedürfnisse (Reiseanlass etc.)

Ressourcen (Zeit, Einkommen etc.)

Klasse A Merkmalsbündel A1

A2

Preis Klasse A

A3

Klasse B Merkmalsbündel Wahrgenommene Merkmale

Leistung Klasse A

-

+

B1

B2

Preis Klasse B

Erwarteter Nutzen

Nettonutzen A

B3

Leistung Klasse B

-

+ Nettonutzen B

…

Präferenz

…

…

Kauf-/Auswahlwahrscheinlichkeit

…

Kauf-/Auswahlhandlung

Abbildung 2: Prozessmodell des Klassenwahlverhaltens im Verkehrsdienstleistungsbereich117 Wie bereits erläutert, zeichnen sich Klassenkonzepte durch Bündelung der Grundmit unterschiedlich ausgeprägten Zusatzleistungen aus (Merkmalsbündel A und

116

117

40

Aus Vereinfachungsgründen sei davon auszugehen, dass der Konsument sich bereits auf einen Anbieter festgelegt hat und die Wahl des Verkehrsmittels bereits erfolgt ist. Vgl. ausführlich zur Verkehrsmittelwahl KNAPP, F. D., Determinanten der Verkehrsmittelwahl, Berlin 1998, S. 4 ff. In Anlehnung an PERREY, J., Nutzenorientierte Marktsegmentierung – Ein integrativer Ansatz zum Zielgruppenmarketing im Verkehrsdienstleistungsbereich, a. a. O, S. 16.

B). Aus der Informationssuche und -aufnahme der Individuen resultieren subjektive Wahrnehmungen der Merkmalsbündel (A1, …A3 und B1, …B3) und deren Ausprägungen wie z. B. Preishöhe, Komfortniveau oder Servicegrad.118 Im Rahmen eines sich anschließenden Bewertungsprozesses werden die Alternativen miteinander verglichen und beurteilt. Als Vergleichsgrundlage wird der erwartete Nutzen, der als Resultat des begrenzt rationalen Entscheidungsprozesses fungiert, in die Kaufentscheidung einbezogen.119 Der in Form von Trade-offs bewertete Nettonutzen bezieht sämtliche Komponenten des Leistungsbündels ein und setzt sich aus – den Nutzen positiv und negativ beeinflussenden – Faktoren zusammen.120 Auf der Basis des erwarteten Gesamtnettonutzens der Alternativen wird die Präferenzbildung vollzogen, die schließlich in Kauf- und Auswahlwahrscheinlichkeiten mündet.121 Letztlich findet dann die reale Kauf- bzw. Auswahlhandlung für ein Nutzenbündel bzw. eine Klasse statt, die als beobachtbare Response erfasst werden kann. Wenngleich das aufgezeigte Prozessmodell für Up-Selling-Potenziale zunächst auch die inneren Vorgänge des Konsumenten erfasst, so zeigt sich doch, dass die Abbildung dieser nicht-beobachtbaren Vorgänge im Rahmen einer Segmentierung als relativ komplex anzusehen ist. Zudem haben die vorhergehenden Ausführungen deutlich gemacht, dass für eine grundlegende Segmentierung erst wenige gesicherte Erkenntnisse über die Up-Selling-Einstellungen und -motive auf theoretischer Basis vorhanden sind. Obwohl die absatztheoretischen S-R-Modelle zu-

118

119

120

121

Einem möglichen Vergleich der Alternativen vorgelagert ist die Frage, welche Alternativen der Nachfrager als relevant für sein Mobilitätsbedürfnis ansieht und in die Bewertung mit einfließen lässt. Vgl. SCHLEUSENER, M., Wettbewerbsorientierte Nutzenpreise – Preisbestimmung bei substituierbaren Verkehrsdienstleistungen, Wiesbaden 2001, S. 37. Nutzenbasierte Auswahlentscheidungen setzen vollständige Informationen über alle Nutzendimensionen voraus und gehen von rationalen Entscheidungen aus. Jedoch ist diese Prämisse zu Gunsten einer begrenzten Rationalität der Konsumenten aufzugeben, sodass nicht optimale Lösungen angestrebt, sondern vielmehr schlechte Entscheidungen vermieden werden. Vgl. MUNIER ET AL., Bounded Rationality Modeling, in: Marketing Letters, Vol. 10, No. 3, 1999, S. 234 sowie PAYNE, J. W., BETTMANN, J. R., JOHNSON, E. J., The Adaptive Decision Maker, Cambridge 1993, S. 12 ff. Positive Komponenten werden dabei auch als Benefits und negative Faktoren als Sacrifies bezeichnet. Neben dem zu entrichtenden Preis gehören weitere monetäre wie nicht-monetäre Komponenten wie z. B. Zeiteinsatz, psychischer Aufwand etc. zu den Nutzen negativ beeinflussenden Faktoren. Vgl. BOLTON, R. N., LEMON, K. N., A Dynamic Model of Customer’s Usage of Services: Usage as an Antecedent and Consequence of Satisfaction, in: Journal of Marketing Research, Vol. 26, No. 2, 1998, S. 96 ff. Vgl. TROMMSDORFF, V., BLEICKER, U., HILDEBRAND, L., Nutzen und Einstellung, in: WiSt, 9. Jg., Nr. 6, 1980, S. 240 f. sowie BÖCKER, F., Präferenzforschung als Mittel marktorientierter Unternehmensführung, in: ZfbF, 38. Jg., Nr. 7/8, 1986, S. 556.

41

nächst weniger Ansatzpunkt für eine geeignete Segmentierung zu geben scheinen, so bieten diese dennoch in einem ersten Schritt gute Aussagewerte, wenn auf individuelle Reaktionen abgestellt wird, indem Konsumenten mit ähnlichen Reaktionsfunktionen in homogene Segmente zusammengefasst werden.122 Darüber hinaus kann von einem sinnvollen Verhältnis von Informationsnutzen und -kosten ausgegangen werden. Für eine erste Erfassung ist es zunächst für den Verkehrsdienstleistungsanbieter von untergeordneter Relevanz, welche inneren Gründe bei den Kunden für den Wechsel in eine höherwertige Klasse vorliegen. Vielmehr ist die Erfassung von Up-Selling-Potenzialen im Sinne einer guten Prognose zielführend. In einem weiteren Schritt können jedoch auch die nicht-beobachtbaren Wechselintentionen mit Hilfe eines S-O-R-Modells analysiert werden, um eine gezieltere Ansprache sowie Beeinflussung der Kunden hinsichtlich ihres Up-SellingVerhaltens zu erreichen. Vor dem Hintergrund der Erfassung und Erschließung von Up-Sellern, erscheint es demnach sinnvoll, als Grundlage zur Prognose und Ausschöpfung von Up-Selling-Potenzialen die Vorteile einer Segmentierung auf S-R- und S-O-R-Modell-Basis gleichermaßen zu nutzen.

2.3

Entscheidungstatbestände der Markt- und Kundenerfassung im Verkehrsdienstleistungsbereich

Neben der Wahl des Käuferverhaltensmodells sind weitere Entscheidungstatbestände der Markt- und Kundenerfassung zur Identifikation von Up-SellingPotenzialen zu berücksichtigen. Nachdem das Prozessmodell des Klassenwahlverhaltens insbesondere den hohen Einfluss auf die Festlegung geeigneter Segmentierungskriterien aufgezeigt hat, stellt sich in diesem Zusammenhang die Frage nach der Art und Weise der Kriterienauswahl zur Erfassung von Up-SellingSegmenten. Hiervon unmittelbar tangiert sind zwei Fragestellungen, welche die Segmentbildung und die Verhältnisbestimmung der Variablen betreffen. Erstere Frage untersucht die Art und Weise der Bestimmung der Segmentanzahl als zuvor festgelegtes oder ex post ermitteltes Vorgehen. Zur Segmentbildung können somit so

122

42

Vgl. HINES, T., QUINN, L., Socially Constructed Realities and the Hidden Face of Market Segmentation, in: Journal of Marketing Management, Vol. 21, No. 5/6, 2005, S. 539.

genannte A-Priori- oder Post-hoc-Methoden herangezogen werden.123 Im Rahmen des zweiten Aspektes können in der wissenschaftlichen Diskussion Verfahren identifiziert werden, welche als präskriptive Ansätze zwischen unabhängigen und abhängigen unterscheiden bzw. als deskriptive Verfahren diesbezüglich keine Differenzierung vornehmen.124 Mitunter werden diese beiden Klassifikationen isoliert oder aber auch kombiniert erörtert. Ebenso sind die Einsatzempfehlungen als sehr heterogen zu beurteilen und die Festlegung des Verfahrens ist somit vor dem Hintergrund des Up-Selling-Kontextes zu prüfen. A-Priori-Segmentierungen sind grundsätzlich dadurch gekennzeichnet, dass im Vorfeld der Markterfassung auf Grund eines Sortierkriteriums Segmente gebildet werden.125 Diese Ansätze stellen demnach auf eine eindimensionale Klassifikation ab, sodass lediglich eine Segmentierungsdimension berücksichtigt werden kann.126 Die Segmentdifferenzierung ist bei der A-Priori-Segmentierung vom Forschenden im Hinblick auf die Segmentabgrenzung oder die Segmentanzahl zu spezifizieren bzw. festzulegen.127 Die Verwendung deskriptiver Modelle ist auf der einen Seite durch eine einfache Anwendung gekennzeichnet, jedoch auf der anderen Seite durch Vernachlässigung von Interdependenzen als weniger geeignet zu bewerten.128 Daher kann diesen Verfahren lediglich die Aufgabe einer ersten groben Analyse zugesprochen werden. Vielmehr sind präskriptive Verfahren bei A-

123 124

125

126

127

128

Vgl. WIND., Y., Issues and Advances in Segmentation Research, in: Journal of Marketing Research, Vol. 15, No. 3, 1978, S. 317 ff. Vgl. WEDEL, M., KAMAKURA, W. A., Market Segmentation: Conceptual and Methodological Foundations, a. a. O., S. 17 ff. sowie KOCH, M. J., Die Marktsegmentierung als Ansatz zur Modellierung von (unbeobachtetem) heterogenem Konsumentenverhalten unter Verwendung von Finiten Mischungsmodellen – Empirisches Beispiel und Simulation, Frankfurt a. M. 2006, S. 31. Vgl. REUTTERER, T., Bestandsaufnahme und aktuelle Entwicklungen bei der Segmentierungsanalyse von Produktmärkten, in: Journal für Betriebswirtschaft, 53. Jg., Nr. 2, 2003, S. 61 f. sowie BAIER, D., BRUSCH, M., Marktsegmentierung, in: HERRMANN, A., HOMBURG, C., KLARMANN, M. (HRSG.), Handbuch Marktforschung, Methoden – Anwendungen – Praxisbeispiele, 3. Aufl., Wiesbaden 2008, S. 777. Im anglo-amerikanischen Sprachraum wird die A-Priori-Segmentierung auch als criterion segmentation bezeichnet, wodurch die Fokussierung auf nur ein Kriterium deutlich wird. Vgl. BAGOZZI, R. P., Principles of Marketing Management, Chicago 1986, S. 229. Vor diesem Hintergrund lassen sich zwei Fälle unterscheiden. Im ersten Fall sind Ausprägungen der Kriterien gegeben und somit die Anzahl der A-Priori-Segmente festgelegt (z. B. Geschlecht: männlich vs. weiblich). Im zweiten Fall sind die Kriteriumsausprägungen als stetig anzusehen (z. B. Personenverkehrskilometer pro Jahr). Bei letzterem ist sowohl eine Abgrenzung vorzunehmen als auch die Segmentanzahl zu bestimmen. Hingegen stellt sich bei gegebenen Kriterien lediglich die Aufgabe der Auswahl des Segmentierungskriteriums. Vgl. SHAPIRO, B. P., BONOMA, T. V., How to segment Industrial Markets, in: Harvard Business Review, Vol. 62, No. 3, 1984, S. 105 ff.

43

Priori-Segmentierungen zu bevorzugen, da diese Aussagen hinsichtlich der Gruppenzugehörigkeit treffen können und so in besonderem Maße zur Erfassung von Up-Sellern geeignet scheinen.129 Im konkreten Fall des Up-Selling könnten Kunden in Bezug auf die Ausprägung des Kaufverhaltenskriteriums „Wechsel in die höherwertige Klasse“ versus „Verbleib in der aktuellen Klasse“ differenziert werden. Das Entscheidungsproblem der A-Priori-Segmentierung besteht also in der Festlegung der Segmente sowie in der Auswahl der zur Differenzierung herangezogenen Merkmale.130 Hingegen werden die Segmente bei der Post-hoc-Segmentierung auf Basis der Datenauswertung im Nachhinein festgelegt und sind so in der Anzahl der Segmente und deren Ausgestaltung zunächst unbestimmt.131 Methodisch erfolgt die Bestimmung der Segmente durch Gruppierungsverfahren. Je nach Untersuchungsergebnissen und Anzahl der Marketing-Stimuli können als Ergebnis unterschiedlich viele Segmente mit unterschiedlichen Eigenschaften identifiziert werden.132 Im Gegensatz zur A-Priori-Segmentierung berücksichtigt das Post-hocVerfahren gleichzeitig mehrere Kriterien und kann daher als mehrdimensionale Methode eingeordnet werden. Sowohl präskriptive als auch deskriptive Verfahren können als geeignete Ansätze bewertet werden, denen in vielfältigen Studien hinsichtlich ihrer Möglichkeiten zur Aufdeckung von Gruppen gute Segmentierungslösungen attestiert werden konnten.133 Im Rahmen der Up-Selling-Segmentierung muss der Einsatz der Verfahren zum einen auf die vorhandene Datengrundlage abgestimmt und zum anderen an die Zielsetzung des Segmentierungskonzeptes angepasst werden.

129

130 131 132 133

44

Weiterhin werden A-Priori-Modelle sukzessive durchgeführt. Zunächst werden die Gruppen bestimmt und anschließend Kriterien zur Bestimmung der Trennschärfe der Gruppen untersucht. Hierbei kann entweder ein vorwärts- oder rückwärtsgerichtetes Vorgehen unterschieden werden. Vgl. hierzu WEDEL, M., KAMAKURA, W. A., Market Segmentation: Conceptual and Methodological Foundations, a. a. O., S. 22. Vgl. MAIER, J., SAUNDERS, J., The Implementation Process of Segmentation in Sales Management, in: Journal of Personal Selling & Sales Management, Vol. 10, No. 1, 1990, S. 39 ff. Vgl. ARABIE, P., HUBERT, L., Cluster Analysis in Marketing Research, in: BAGOZZI, R. P. (HRSG.), Advanced Methods of Marketing Research, Cambridge 1994, S. 160 ff. Vgl. SCHEER, B., Nutzenbasierte Marktsegmentierung – Eine kaufprozessorientierte empirische Untersuchung zur Wirkungsmessung von Marketing-Aktivitäten, a. a. O., S. 63. Vgl. zu den deskriptiven Post-hoc-Segmentierungen z. B. HRUSCHKA, H., Market Definition and Segmentation Using Fuzzy Clustering Methods, in: International Journal of Research in Marketing, Vol. 3, No. 2, 1986, S. 117 ff. sowie zu präskriptiven Verfahren WEDEL, M., KAMAKURA, W. A., Market Segmentation: Conceptual and Methodological Foundations, a. a. O., S. 23 ff.

Zusammenfassend zeigt sich, dass der Unterschied der segmentbildenden Ansätze gradueller Natur ist.134 Letztlich setzt die A-Priori-Segmentierung ein hohes Maß an Wissen voraus, um die relevanten Kriterien zur Identifikation von UpSelling-Potenzialen im Verkehrsdienstleistungsbereich vorab bestimmen zu können. Somit erscheint eine solche A-Priori-Segmentierung zur Identifikation von UpSelling-Potenzialen als sinnvoll, die Up-Seller und Nicht-Up-Seller (Verweiler) segmentiert, um Wahrscheinlichkeiten hinsichtlich der Gruppenzugehörigkeit abzuleiten. Überdies dienen signifikante Unterschiede von Kriterien, wie beispielsweise des Alters oder der Nutzungsintensität, einer tiefergehenden Segmentbeschreibung.135 Des Weiteren weisen Post-hoc-Segmentierungen eine hohe Eignung hinsichtlich der weiteren Erklärung des Kaufverhaltens sowie zur Ableitung von Marktbearbeitungsstrategien beim Up-Selling auf. Sowohl die Spezifizierung der Art der Segmentbildung als auch die Festlegung des Verhältnisses der Variablen untereinander haben unmittelbare Auswirkungen auf die Auswahl der Segmentierungskriterien. Auf Grund der intensiven Diskussion von Segmentierungskriterien in der wissenschaftlichen Literatur empfiehlt es sich an dieser Stelle, lediglich auf die Besonderheiten der Einsatzmöglichkeiten im Verkehrsdienstleistungsbereich einzugehen und die Kriterien hinsichtlich der gestellten Anforderungen im Rahmen der Klassenwahl zu bewerten.136 Die Vielzahl der entwickelten und eingesetzten Segmentierungskriterien kann durch eine Systematisierung nach drei Bereichen in sozio-ökonomische, psychographische und kaufverhaltensorientierte Kriterien unterschieden werden.137 x Als so genannte klassische Merkmale können die sozio-ökonomischen Kriterien beschrieben werden.138 Im Verkehrsdienstleistungsbereich ist dabei zu prüfen, in welchem Maße Beziehungen zwischen Dienstleistungsbedarf und Merkmalen wie dem Geschlecht, Alter, Einkommen, Bildungsstand

134 135 136

137

138

Vgl. FRETER, H., Markt- und Kundensegmentierung – Kundenorientierte Markterfassung und -bearbeitung, a. a. O., S. 198 f. Dieses Vorgehen wird auch als segment profiling bezeichnet. Vgl. hierzu LILIEN, G. L., RANGASWAMY, A., Marketing Engineering, 2nd edition, Victoria 2002, S. 83 ff. Vgl. für eine ausführliche Diskussion von Segmentierungskriterien hier und im Folgenden FRETER, H., Markt- und Kundensegmentierung – Kundenorientierte Markterfassung und -bearbeitung, a. a. O., S. 92 ff. Vgl. FRETER, H., Marktsegmentierung im Dienstleistungsbereich, in: MEFFERT, H., BRUHN, M. (HRSG.), Handbuch Dienstleistungsmanagement – Von der strategischen Konzeption zur praktischen Umsetzung, 2. Aufl., Wiesbaden 2001, S. 287 ff. Vgl. BAGOZZI ET AL., Marketing-Management, München 2000, S. 300 ff.

45

etc. bestehen könnten. Des Weiteren können geographische Kriterien zur Erfassung des Up-Selling herangezogen werden. So werden höherwertige Klassen als Up-Selling-Möglichkeit evtl. nicht auf allen Strecken angeboten.139 Auf Grund der vorab vorliegenden Kenntnis über die Existenz der Klassen nach Relationen ist die Datenbeschaffung aus Anbietersicht verhältnismäßig einfach und die Zugänglichkeit zu den Segmenten gegeben. Jedoch ist die Aussagekraft für die Kaufverhaltensrelevanz nur gering zu bewerten, sodass diese Kriterien allenfalls in Verbindung mit anderen einzusetzen sind. x Psychographische Kriterien stellen auf die in das S-O-R-Modell integrierten nicht-beobachtbaren Vorgänge im Inneren des Konsumenten ab.140 Hierunter sind allgemeine Persönlichkeitsmerkmale, wie beispielsweise Lebensstile, zu fassen, die sich für eine Segmentierung von Up-Sellern jedoch weniger eignen, da ein hohes Involvement der Konsumenten vorausgesetzt wird. Diese Kriterien besitzen eine hohe zeitliche Stabilität, die gerade die Erfassung des Wechselverhaltens erschwert. Im Hinblick auf den Prozess der Klassenwahl bieten leistungsspezifische psychographische Variablen, die Einstellungen, Präferenzen oder Kaufabsichten widerspiegeln, eine bessere Basis zur Segmentierung. Insofern kann die Anforderung der Kaufverhaltensrelevanz von den Kriterien gut erfüllt werden. Weiterhin vermögen diese leistungsbezogenen Variablen gezielte Beiträge zur Handlungsfähigkeit und Ausgestaltung der Marketinginstrumente zu leisten. Die Anforderungen an die Messbarkeit sind im Vergleich zu den sozioökonomischen-Kriterien hingegen deutlich schwieriger zu erfüllen.141 x Zur Segmentierung können auch kaufverhaltensorientierte Kriterien herangezogen werden, welche sich an Outputgrößen des Kauf- und Wahlverhaltens orientieren.142 Dabei werden Informationen des vergangenen Kauf-

139

140

141 142

46

Das Schienenverkehrsnetz der DB AG ist sehr unterschiedlich in seiner Dichte. Besonders die ICE-Verbindungen sind z. B. im Osten Deutschlands in deutlich geringerer Anzahl vertreten als im Rest des Landes. Es ist zu vermuten, dass ein Mangel an Möglichkeiten auch die Wahrscheinlichkeit für einen Wechsel in die höhere Klasse negativ beeinflusst. Vgl. WEDEL, M., KAMAKURA, W. A., Market Segmentation: Conceptual and Methodological Foundations, a. a. O., S. 16 ff. sowie KESTING, T., RENNHAK, C., Marktsegmentierung in der deutschen Unternehmenspraxis, Wiesbaden 2008, S. 10 ff. Vgl. FRETER, H., Marktsegmentierung im Dienstleistungsbereich, a. a. O., S. 292 ff. Vgl. KÖNIG, T., Nutzensegmentierung und alternative Segmentierungsansätze: Eine vergleichende Gegenüberstellung im Handelsmarketing, Wiesbaden 2001, S. 19 ff.

verhaltens zur Ableitung und Prognose des künftigen Verhaltens genutzt.143 Die Nutzungsintensität oder -frequenz der jeweiligen Klassenkonzepte bieten z. B. eine Basis für die Segmentierung.144 Darüber hinaus können Kriterien wie die Kundenbeziehungsdauer, der Zeitpunkt der letzten Reise oder der mit einem Kunden erfasste Umsatz als relevante Kriterien zu Erfassung des Up-Selling-Verhaltens mit einbezogen werden. Kritisch anzumerken ist, dass die verhaltensorientierten Kriterien weder die Ursachen des Wahlverhaltens noch Hinweise für den Einsatz der Marketinginstrumente bieten. Zusammenfassend werden die vorgestellten Segmentierungskriterien in Tabelle 6 hinsichtlich ihrer Eignung für den Verkehrsdienstleistungsbereich synoptisch dargestellt. Kaufverhaltensrelevanz

Handlungsfähigkeit

Messbarkeit

Zugänglichkeit

Zeitliche Stabilität

Wirtschaftlic hkeit

Sozioökonomische Kriterien

+

++

++++

+++

+++

+

Psychographische Kriterien (persönlichkeitsbezogen)

+

+

+

+

+++

++

Psychographische Kriterien (leistungsbezogen)

+++

++

+

+

++

+++

Kriterien des beobachtbaren Käuferverhaltens

+++

++

++

++

++

++

Tendenzielle Erfüllung der Anforderungen ++++: hoch +: niedrig

Tabelle 6:

143

144

145

Vergleichende Beurteilung von Segmentierungskriterien im Verkehrsdienstleistungsbereich145

Dieses Vorgehen wird in der wissenschaftlichen Auseinandersetzung teils sehr unterschiedlich diskutiert. Jedoch ist davon auszugehen, dass im Verkehrsdienstleistungsbereich eine vollständige Änderung des Kaufverhaltens eher unwahrscheinlich und vielmehr durch situative Kontextfaktoren bedingt ist, die es somit zu erfassen gilt. Vgl. zur Eignung von kaufverhaltensorientierten Kriterien im Verkehrsdienstleistungsbereich MEFFERT, H., PERREY, J., Nutzensegmentierung im Verkehrsdienstleistungsbereich – theoretische Grundlagen und empirische Erkenntnisse am Beispiel des Schienenpersonenverkehrs, in: TJ, 1. Jg., Nr. 1, 1997, S. 13 ff. sowie PERREY, J., Nutzenorientierte Marktsegmentierung – Ein integrativer Ansatz zum Zielgruppenmarketing im Verkehrsdienstleistungsbereich, a. a. O., S. 28. In Anlehnung an FRETER, H., Marktsegmentierung im Dienstleistungsbereich, a. a. O., S. 299.

47

Schließlich kann festgehalten werden, dass keines der vorgestellten Segmentbildungsverfahren bzw. keine skizzierte Kriteriengruppe isoliert der Zielsetzung der Identifikation, Prognose und Bearbeitung von Up-Selling-Potenzialen genügt. Daher erscheint es zweckmäßig, ein Segmentierungskonzept zu entwickeln, welches den kombinierten, sukzessiven Einsatz der Segmentierungskriterien erlaubt und sowohl die effektive Erfassung als auch effiziente Bearbeitung der Up-SellingPotenziale berücksichtigt.

2.4

Konzeptionalisierung eines mehrstufigen Segmentierungsverfahrens für einen Verkehrsdienstleistungsanbieter

Die vorhergehenden Ausführungen zur Entwicklung eines Segmentierungskonzeptes haben deutlich gemacht, dass die Erfassung von Up-Selling-Potenzialen einen komplexen Entscheidungstatbestand darstellt. Daher stellt sich nun die Frage, in welcher Art und Weise ein Segmentierungskonzept den nachfolgend zusammengefassten Aufgabenstellungen gerecht werden kann: x Zunächst stellt die Identifikation der relevanten Up-Selling-affinen Kunden den Ausgangspunkt der Untersuchung dar, welche durch die Auswahl und den kombinierten Einsatz geeigneter Segmentierungskriterien erreicht werden kann. Dabei sind auf Grund der Eingrenzung von Up-Selling bestehende Kundenbeziehungen zu fokussieren. x Als zukunftsgerichtete Größe soll das Up-Selling-Potenzial weiterhin zur Prognose des künftigen Verhaltens dienen und Aussagen über Wechselwahrscheinlichkeiten der Kunden in höherwertige Klassen bei einem Anbieter ermöglichen. Somit können Zielsegmente bewertet und einer optimalen Ansprache zugeführt werden. x Auf dieser Basis ist eine segmentspezifische Bearbeitung von Kunden mit Up-Selling-Potenzialen zu ermöglichen. Dabei ist ein Erklärungsbeitrag zum Up-Selling-Verhalten als Voraussetzung zur gezielten Bearbeitung anzusehen. x Schließlich ist im Rahmen eines wertorientierten Kundenbeziehungsmanagement unter Effektivitäts- und Effizienzaspekten das Problem der optimalen Marktsegmentierung hinsichtlich der Segmentierungskosten und dem Informationsnutzen zu integrieren und letztlich zu lösen.

48

Zur Berücksichtigung dieser Rahmenbedingungen und Entscheidungstatbestände wird in der Literatur auf die Konzeption und Einbeziehung von unterschiedlichen Segmentierungsstufen hingewiesen.146 Diesbezüglich beschreibt FRETER zwei grundlegende Ausprägungen: Die Marktsegmentierung der ersten Stufe umfasst die Unterteilung in Käufer- und Nicht-Käufer-Märkte und stellt demnach eine Basisinformation der Segmentierung dar.147 Weiterhin kommt der zweiten Stufe der Segmentierung die Kernaufgabe der Bildung von homogenen Käufersegmenten zu. In Anlehnung an den Investitionsgüterbereich ist diese Zweiteilung um beliebig viele Stufen zu erweitern und dementsprechend von mehrstufigen Ansätzen auszugehen.148 Diese untersuchen in einem stufenweisen Filterungsprozess unterschiedliche Einflussfaktoren. Das den mehrstufigen Ansätzen zugrunde liegende sukzessive Vorgehen erlaubt mit jeder zusätzlichen Stufe die weitere Aufteilung der Segmente als die vorhergehende Segmentlösung, wodurch homogenere Segmente als bei einstufigen Partialansätzen entstehen.149 Es gilt jedoch zu beachten, dass die Auswahl der Segmentierungskriterien der jeweiligen Stufen auch und insbesondere im Verkehrsdienstleistungsbereich sorgfältig getroffen werden muss.150 Weiterhin ist auch eine Segmentierung auf Basis eines mehrdimensionalen Ansatzes zu prüfen. Diese Verfahren bilden Segmente nicht anhand eines sequentiellen Vorgehens, sondern beziehen mehrere Segmentierungsdimensionen simultan zur Segmentbildung in die Analyse ein.151 Im Vergleich zu den mehrstufigen An-

146 147

148

149 150

151

Vgl. WEDEL, M., KAMAKURA, W. A., Market Segmentation: Conceptual and Methodological Foundations, a. a. O., S. 17 ff. Vgl. FRETER, H., Markt- und Kundensegmentierung – Kundenorientierte Markterfassung und -bearbeitung, a. a. O., S. 50. Somit zeigt sich, dass die eigentliche Segmentierung erst auf der zweiten Stufe stattfindet. PERREY konstatiert daher, dass im Konsumgüter- und Dienstleistungsbereich überwiegend einstufige Partialansätze zur Marktaufteilung eingesetzt werden. Vgl. PERREY, J., Nutzenorientierte Marktsegmentierung – Ein integrativer Ansatz zum Zielgruppenmarketing im Verkehrsdienstleistungsbereich, a. a. O., S. 25. Vgl. BACKHAUS, K., VOETH, M., Industriegütermarketing, a. a. O., S. 185 ff. sowie KOHRMANN, O., Mehrstufige Marktsegmentierung zur Neukundenakquisition – Am Beispiel der Telekommunikation, Wiesbaden 2003, S. 57 ff. Vgl. grundlegend zu mehrstufigen Ansätzen FRANK, R. E., MASSY, W. F., WIND, Y., Market Segmentation, a. a. O., S. 91 ff. Durch die mehrstufige Vorgehensweise entstehen Abhängigkeiten zwischen den jeweiligen Stufen, da die Ergebnisse der vorhergehenden Stufe die nachfolgenden beeinflussen. Vgl. DEYLE, H.-G., Der Einsatz moderner Segmentierungsverfahren zur Unterstützung einer differenzierten Kundenbindungspolitik – Konzeptionelle und methodische Aspekte, a. a. O., S. 124 ff. Für eine ausführliche Auseinandersetzung mit den unterschiedlichen Formen der mehrdimensionalen Segmentierung vgl. DEYLE, H.-G., Der Einsatz moderner Segmentierungsverfahren (Fortsetzung der Fußnote auf der nächsten Seite) 49

sätzen weisen diese mehrdimensionalen Verfahren jedoch auf Grund der Schwierigkeit der einzubeziehenden Dimensionen eine geringere Eignung für den Verkehrsdienstleistungsmarkt auf.152 Vor diesem Hintergrund sollen mehrdimensionale Verfahren hier nicht weiterverfolgt werden, sondern vielmehr das empirisch anzuwendende Segmentierungskonzept als mehrstufiges Verfahren angelegt werden, um so die Erfassung und Erschließung von Up-Selling-Potenzialen zu ermöglichen. Hiermit kann gleichermaßen den zuvor aufgeführten Aufgabenstellungen wie auch dem Anspruch eines iterativen Verfahrens unter Berücksichtigung von Interdependenzen Rechnung getragen werden. Das abzuleitende Segmentierungskonzept umfasst zum einen die Markterfassung als Informationsgrundlage und zum anderen die Marktbearbeitung als Aktionsgrundlage. Dabei wird das Konzept auf der Markterfassungsseite als zweistufiges Verfahren spezifiziert. In diesem Rahmen sollen durch ein integratives Konzept die Vorteile der zuvor vorgestellten Entscheidungstatbestände kombiniert und mögliche Nachteile überkompensiert werden.153 Die Kombination von behavioristischen und neobehavioristischen Modellen vermag hinsichtlich der Anforderungen einer optimalen Segmentierung eine effiziente Anpassung des Informationsnutzens und der Segmentierungskosten durch ein sukzessives Vorgehen zu leisten. Somit kann die Modellierung des Segmentierungsansatzes einerseits zur Identifikation und Prognose der relevanten Up-Selling-Gruppen und andererseits zur Erklärung des Wechselverhaltens als Grundlage zur Marktbearbeitung beitragen. Eine besondere Herausforderung nimmt hierbei die Prognose des zukünftigen Verhaltens ein, die auf Basis von vergangenheitsbezogenen Daten realisiert werden muss. Hierzu ist eine umfassende Datengrundlage zu fordern, um valide Aus-

zur Unterstützung einer differenzierten Kundenbindungspolitik – Konzeptionelle und methodische Aspekte, a. a. O., S. 89 ff. Hierbei ordnet DEYLE die mehrstufigen Ansätze ebenfalls als Spezialfall in den Kontext der mehrdimensionalen Segmentierungsmodelle ein. 152

153

50

Insgesamt führen mehrdimensionale Segmentierungsansätze nur dann zu relevanten Segmentlösungen, wenn es sich um eine A-Priori-Segmentierung handelt. D. h. alle Kriterien müssen vorab spezifiziert sein und die Individuen hierauf aufbauend zuordenbar sein. Vielfach wird auch auf den Informationsverlust dieser Segmentierungsart hingewiesen, da eine Optimierung nach allen einbezogenen Kriterien durch das Gruppierungsverfahren angestrebt wird. Vgl. PERREY, J., Nutzenorientierte Marktsegmentierung – Ein integrativer Ansatz zum Zielgruppenmarketing im Verkehrsdienstleistungsbereich, a. a. O., S. 127. Vgl. SALAZAR, M. T., HARRISON, T., ANSELL, J., An approach for the identification of cross-sell and up-sell opportunities using a financial services customer database, a. a. O., S. 118.

sagen über das zukünftige Buchungs- bzw. Klassenwahlverhalten ableiten zu können.154 Auf der ersten Segmentierungsstufe soll mittels einer präskriptiven A-PrioriSegmentierung zunächst eine grundlegende Einteilung der heterogenen Verkehrsdienstleistungsnachfrager vorgenommen werden. Hierbei ist sicherzustellen, dass die Vorabsegmentierung keine negativen einschränkenden Effekte auf die nachfolgende Segmentierungsstufe besitzt.155 Daher erscheint es sinnvoll, auf grundlegende Segmentierungskriterien zurückzugreifen, welche sowohl eindeutig der Identifikation von Up-Selling-Potenzialen dienen und überdies einfach zugänglich sind. Als Grundlage eignet sich somit in besonderem Maße ein Rückgriff auf beobachtbare Größen des Käuferverhaltens im Sinne eines S-R-Modells. Die Wahl der Segmentierungskriterien hat daher aus dem Bereich der kaufverhaltensorientierten Kriterien zu erfolgen, welche bei geringen Informationskosten einen relativ hohen Informationsnutzen generieren. Insbesondere zur Abgrenzung von Up-Sellern gegenüber Kunden, die in ihrer Klasse verbleiben, vermag eine Differenzierung in „Up-Seller“ versus „Verweiler“ erste Erkenntnisse zur Prognose Up-Selling-affiner Kunden zu liefern. Eine weiterführende Analyse soll hierbei signifikante Unterschiede relevanter Merkmale unter Zuhilfenahme von sozioökonomischen und kaufverhaltensorientierten Variablen erkennen lassen.156 Darauf aufbauend erfolgt in der zweiten Segmentierungsstufe eine deskriptive Post-hoc-Segmentierung zur Detaillierung der Segmente. Diese Stufe dient primär der Aufdeckung des Käuferverhaltens, verstanden als Wechselverhalten, und bedarf daher keiner Spezifikation hinsichtlich abhängiger oder unabhängiger Variablen. Daher sollen psychographische Segmentierungskriterien das Verhalten explizieren und Wechselgründe sowie Präferenzen der Up-Seller offenlegen. Somit können neben der Erklärung des Wechselverhaltens wertvolle Hinweise zur Bearbeitung und Steuerung des Wechselverhaltens gewonnen werden. Insgesamt ist im Vergleich zur ersten Stufe von höheren Informationskosten auszugehen,

154 155

156

Vgl. PERREY, J., Nutzenorientierte Marktsegmentierung – Ein integrativer Ansatz zum Zielgruppenmarketing im Verkehrsdienstleistungsbereich, a. a. O., S. 117. Vgl. die Kritik zu mehrstufigen Segmentierungskonzepten bei HORST, B., Ein mehrdimensionaler Ansatz zur Segmentierung von Investitionsgütermärkten, Pfaffenweiler 1988, S. 285 wie auch DEYLE, H.-G., Der Einsatz moderner Segmentierungsverfahren zur Unterstützung einer differenzierten Kundenbindungspolitik – Konzeptionelle und methodische Aspekte, a. a. O., S. 92. Hierbei handelt es sich um das in Kapitel B 2.3 dieser Arbeit vorgestellte segment profiling, welches geeignete Deskriptorvariablen identifiziert.

51

welche jedoch auch einen potenziell höheren Beitrag zum Informationsnutzen und letztlich zur Ausschöpfung von Up-Selling-Potenzialen leisten können. Darüber hinaus sind eventuelle Interdependenzen zwischen der ersten und zweiten Segmentierungsstufe zu überprüfen und gegebenenfalls Anpassungen vorzunehmen. Diese Erkenntnisse fließen unmittelbar in die Marktbearbeitungsseite ein und sollen die segmentspezifische Bearbeitung von Up-Selling-affinen Kundengruppen ermöglichen. Zunächst ist jedoch eine geeignete Auswahl bzw. Priorisierung der identifizierten Segmente vorzunehmen, die sich entsprechend auf die Segmentattraktivität oder Up-Selling-Wahrscheinlichkeit stützt. Auf Grund der Post-hocSegmentbildung in der zweiten Stufe muss die Auswahl der Zielsegmente im konkreten empirischen Untersuchungskontext erfolgen und wird daher an entsprechender Stelle vertiefend erörtert. Schließlich wird für die ausgewählten Zielsegmente das Marketing-Mix-Instrumentarium spezifiziert und geeignete Maßnahmen zur Ausschöpfung der Kundenbeziehung durch Up-Selling abgeleitet. Insbesondere ist im Rahmen einer zusätzlichen vereinfachten Verhaltensuntersuchung zu analysieren, welchen Einfluss gezielte Marketing-Stimuli auf das Wechselverhalten besitzen. Der Ablauf des Vorgehens ist dabei Abbildung 3 als Stufenmodell zu entnehmen.

Markterfassung

Kunden

Stufe 1

S-R-Modell

A-PrioriSegmentierung

Stufe 2

S-O-R-Modell

Post-hocSegmentierung

Marktbearbeitung

Abbildung 3: Mehrstufiges Segmentierungskonzept zur Identifikation und Ausschöpfung von Up-Selling-Potenzialen im Verkehrsdienstleistungsbereich

52

Zusammenfassend erlaubt das vorgestellte Segmentierungskonzept in konzeptioneller Hinsicht die Integration unterschiedlicher und teilweise unvereinbar scheinender Zielsetzungen und Anforderungen. Insbesondere die stufenweise Einbeziehung und Kombination des Segmentierungskonzeptes vermag die tiefergehende Aufdeckung von Up-Selling-Potenzialen zu leisten, indem sinnvolle Vorab-Segmente gebildet werden, welche durch a posteriori noch aufzudeckende Merkmale ergänzt werden. Weiterhin stellt die umfassende Auseinandersetzung mit der Ableitung von Handlungsempfehlungen zur Marktbearbeitung einen wesentlichen Beitrag zur Ausschöpfung von Up-Selling-Potenzialen dar.

53

C.

Mehrstufige Markterfassung zur Identifikation von UpSelling-Potenzialen bei einem Verkehrsdienstleistungsanbieter

Die empirische Analyse zur mehrstufigen Marktsegmentierung im Verkehrsdienstleistungsbereich

erfolgt

auf

Basis

des

Datenmaterials

einer

von

der

FORSCHUNGSSTELLE BAHNMARKETING des Marketing Centrum Münster in enger Zusammenarbeit mit der Deutschen Bahn AG durchgeführten Studie zum Up-SellingVerhalten im Personenverkehr der Deutschen Bahn AG. Im Zeitraum von Frühjahr 2007 bis Sommer 2008 wurden sowohl verschiedene Workshops als auch die empirischen Erhebungen durchgeführt, die als Grundlage der folgenden Ausführungen dieses Kapitels dienen. Die Untersuchung bezieht sich dabei auf aktuelle Kundenbeziehungen im Personenverkehr und umfasst zwei wesentliche Untersuchungsstränge. Zum einen werden als natürliche Aufsteiger zu charakterisierende Kunden erfasst, deren Up-Selling-Verhalten von keinem direkt kontrollierbaren Stimulus beeinflusst wurde (natürliche Up-Seller). Zum anderen werden solche Up-Seller in die Untersuchung einbezogen, deren Klassenwechselverhalten auf Grund einer Direktmarketingaktion der Deutschen Bahn AG erfolgte (aktivierte UpSeller). Beide Gruppen wurden schriftlich nachbefragt und dienen als Ausgangsbasis der mehrstufigen Segmentierung. Im Folgenden werden zunächst die verwendeten Erhebungsformen sowie die Datenbasis vorgestellt. Daran anknüpfend werden die Ablaufschritte der empirischen Analyse und die zur Datenanalyse herangezogenen statistischen Methoden und Programme dargestellt. Anschließend erfolgt die Analyse des empirisch erhobenen Datenmaterials zur Identifikation und Ausschöpfung von Up-SellingPotenzialen. 1 1.1

Design und Methodik der empirischen Analyse Erhebungsmethode und Datenbasis

Die empirische Grundlage des anzuwendenden und zu prüfenden Segmentierungsverfahrens resultiert aus aktuellen Kunden der Deutschen Bahn AG im Personenverkehr. Zur Identifikation und Erschließung von Up-Selling-Potenzialen wurde im Rahmen der empirischen Erhebung auf Grund des beschriebenen mehrstufigen Vorgehens auf zwei durchgeführte Teilstudien sowie auf Vorstudien der FORSCHUNGSSTELLE BAHNMARKETING zur Leistungsdifferenzierung von Klassenkonzepten im Verkehrsdienstleistungsbereich zurückgegriffen. 55

Der erste Teil der Untersuchung basiert auf Datenmaterial aus Datenbanken der Deutschen Bahn AG. Dabei erfolgte die Auswahl der einzubeziehenden Kunden auf Grundlage der zuvor vorgenommenen Definition und Abgrenzung von UpSelling aus bestehenden Kundenbeziehungen mit dem Verkehrsdienstleistungsanbieter. Hierbei konnten im Rahmen der Studie grundsätzlich zwei verschiedene Fallgruppen bzw. Untersuchungsstränge berücksichtigt werden: Zum einen wurden im Fall A natürliche Up-Seller, welche ohne einen gezielt eingesetzten externen Stimulus in die 1. Klasse gewechselt sind, anhand von Stammund Transaktionsdaten des Data-Warehouse einbezogen.157 Zum anderen konnte im Fall B eine Direktmarketingaktion mit dem Ziel des Up-Selling von der 2. in die 1. Klasse wissenschaftlich mit konzipiert und ausgewertet werden, sodass in diesem zweiten Fall externe Stimuli verschickt und so genannte aktivierte Up-Seller ermittelt wurden. Hierbei wurde insgesamt 185.381 Kunden des Verkehrsdienstleistungsanbieters ein postalisches Mailing mit unterschiedlich ausgeprägten Incentives zum Wechsel in die 1. Klasse im Zeitraum von März 2007 bis Juni 2007 zugeschickt.158 Zur Vergleichbarkeit der Daten wurde zusätzlich der Betrachtungszeitraum der natürlichen Up-Seller im Fall A dem Zeitraum der Direktmarketingaktion im Fall B angeglichen. Insgesamt konnten 4.846 natürliche Up-Seller im Vergleichszeitraum und 1.346 aktivierte Up-Seller der Direktmarketingaktion mit vollständigen Datensätzen identifiziert und als Basis für die Segmentierung genutzt werden.159 Somit fanden sowohl umfangreiche Stamm- als auch einige Transaktionsdaten der natürlichen und aktivierten Up-Seller Eingang in die Erhebung. Weiterhin wurden repräsentative Vergleichsstichproben von 2. Klasse Kunden – in dieser Arbeit als Verweiler bezeichnet – aus dem Data-Warehouse ermittelt, die im Fall der natürlichen und aktivierten Up-Seller der Identifikation von Up-Selling-Merkmalen dienten. Zur besseren Erfassung des Klassenwahlverhaltens sowie auf Grund der Einordnung von Up-Selling als Verkauf einer höherwertigen Leistung innerhalb einer be-

157

158 159

56

Vgl. hierzu die Ausführungen in Kapitel B 2.2 dieser Arbeit. Insgesamt wurden im Untersuchungszeitraum keine anbieterseitigen gezielten Marketingmaßnahmen für ein Up-Selling durchgeführt. Jedoch können andere externe, nicht beeinflussbare Störgrößen nicht vollständig ausgeschlossen werden. Das versendete Mailing sowie die weiteren Stimuli finden sich im Anhang II. Des Weiteren wird auf die Aktion stellenweise im Rahmen der Marktbearbeitung in Kapitel D 3 Bezug genommen. Ursprünglich umfasste die Stichprobe insgesamt 5.179 natürliche Up-Seller sowie 1.601 aktivierte Up-Seller. Im Rahmen der durchzuführenden Untersuchung wurden die Fälle mit fehlenden Werten von der weiteren Analyse ausgeschlossen.

stehenden Kundenbeziehung wurde die Analyse auf Kunden im Besitz einer gültigen BahnCard eingegrenzt.160 Up-Selling stellt sich in der vorliegenden Untersuchung demnach als der Wechsel einer BahnCard der 2. Klasse zu einer BahnCard der 1. Klasse dar (vgl. Abbildung 4).161 Insgesamt wurden hierbei Kunden mit einer BahnCard 25 oder BahnCard 50 der 2. Klasse berücksichtigt, die auf eine BahnCard der 1. Klasse mit der gleichen Rabattstufe innerhalb des Untersuchungszeitraumes gewechselt haben.162

BahnCard 100 BahnCardAbo50 -System BahnCard Abo 25 -System BahnCard BahnCardAboAbo BahnCard 1. Klasse

Keine erfassbare Kundenbeziehung

Keine erfassbare Kundenbeziehung

Keine erfassbare Kundenbeziehung

BahnCard 2.DownKlasse UpSelling Selling BahnCard 2.DownKlasse UpSelling Selling Keine BahnCard DownUp2. Klasse Selling Selling Keine BahnCard 2. Klasse Keine BahnCard 2. Klasse

Bestehende Kundenbeziehung

Bestehende Kundenbeziehung

Bestehende Kundenbeziehung

AboBahnCard1. Klasse Abo-SystemBahnCard DownUpUpSelling Selling BahnCard 1. Klasse UpDownUpSelling Selling UpDownUpBahnCard 2. Klasse Selling Selling

Abbildung 4: Up-Selling innerhalb des BahnCard-Systems der Deutschen Bahn AG

160

161

162

Die BahnCard – als zweistufiger Tarif – ist mit unterschiedlich hohen Rabatten der 1. bzw. 2. Klasse zu erwerben. Für eine ausführliche Übersicht der verschiedenen BahnCard-Arten vgl. Anhang I-1. Hingegen handelt es sich nicht um Up-Selling, wenn ein Kunde in eine höhere Rabattstufe unter Beibehaltung der Klasse wechselt, wie z. B. von der BahnCard 25 auf die BahnCard 50. Dieser Fall kann als Up-Selling ausgeschlossen werden, da es sich hierbei nicht um eine höherwertige Leistung handelt, sondern vielmehr um dieselbe Leistung in gleicher Menge und Beschaffenheit zu einem geringeren Preis. Hierbei wurden BahnCards 50 und BahnCards 50 erm. zusammengefasst und als BahnCard 50-Kunden betrachtet. Eine weitere Unterteilung wird im Rahmen der Marktbearbeitung erfolgen. Weiterhin wurden BahnCard 100-Kunden sowie Inhaber einer Netzkarte aus der Analyse ausgeschlossen, da deren Fahrverhalten nicht im Data-Warehouse der Deutschen Bahn AG erfasst wird.

57

Die Fokussierung auf BahnCard-Kunden ermöglicht dabei mehrere grundlegende Vorteile. Zunächst können durch die Untersuchung von BahnCard-Kunden die notwendigen Kundendaten (Stamm- und Transaktionsdaten) mit Hilfe leistungsstarker Datenbanken des Verkehrsdienstleistungsanbieters umfassender bzw. effizienter ermittelt werden als durch alternative Befragungs- oder Erhebungsformen und zusätzlich sehr hohe Fallzahlen zur Analyse bereitgestellt werden. Weiterhin vermag die Einbeziehung dieser Datenbanken ein umfassendes Bild der gesamten Kundenstruktur zu geben und so eine hinreichende Repräsentativität durch entsprechende Selektionsverfahren zu gewährleisten. Eine weitere Stärke kann darin gesehen werden, dass unerwünschte Befragungs- oder Erhebungseffekte ausgeschlossen werden können, da der Rückgriff auf Kundendaten lediglich tatsächliches Verhalten abbildet.163 Schließlich ermöglicht das gewählte Vorgehen die konkrete Anwendung am Untersuchungsobjekt und eine bessere Ableitung von Handlungsempfehlungen.

1.

Verhaltensdaten der BahnCard-Kunden

Schriftliche Nachbefragung

2.

01.03.2007 - 30.06.2007

01.06.2008 - 15.07.2008

Zeit Natürliche Up-Seller Fall A

Aktivierte Up-Seller Fall B

BC 25:

2.022

BC 25:

94

BC 50:

2.824

BC 50:

109

 Gesamt:

4.846

 Gesamt:

203

672

BC 25:

100

674

BC 50:

112

 Gesamt:

212

BC 25: BC 50:  Gesamt

1.346

Abbildung 5: Konzeption der empirischen Erhebung Anknüpfend an diese grundlegende Ermittlung der Up-Selling-Kunden wurde eine standardisierte schriftliche Nachbefragung der natürlichen und aktivierten UpSeller vorgenommen, die weitere, über die im BahnCard-System erfassten soziodemographischen Daten hinausgehende Merkmale erfassen konnte. An die Ausführungen zur Erfassung des Käuferverhaltens anschließend wurden für beide Fallgruppen wesentliche Wechselursachen bzw. -gründe zur Aufdeckung der

163

58

Vgl. zu Befragungseffekten bzw. Befragungsverzerrungen HARTMANN, A., Kaufentscheidungsprognose auf Basis von Befragungen – Modelle, Verfahren und Beurteilungskriterien, Wiesbaden 2004, S. 114 f. sowie SCHNELL, R., HILL, P. B., ESSER, E., Methoden der empirischen Sozialforschung, 8. Aufl., München 2008, S. 319 ff.

nicht-beobachtbaren Vorgänge der Kunden ermittelt. Die Einschätzung der Wichtigkeit und Zufriedenheit mit Leistungen der 1. Klasse lieferte eine differenzierte Bewertung wesentlicher Leistungsmerkmale. Diese konnte überdies durch einen Vergleich der 1. und 2. Klasse vervollständigt werden. Zusätzlich wurden die aktivierten Up-Seller der Direktmarketingaktion zu der Wahrnehmung und Einschätzung des ausgesendeten Direktmarketing-Stimulus gesondert befragt. Schließlich konnten beide Fallgruppen A und B in Bezug auf deren zukünftiges Wiederkaufverhalten untersucht und Aussagen zur tendenziellen Verweildauer in der 1. Klasse abgeleitet werden.164 Die Befragung wurde ca. ein Jahr nach dem Wechsel von einer BahnCard der 2. Klasse auf eine BahnCard der 1. Klasse durchgeführt, sodass die Kunden hinreichende Erfahrungen mit der höherwertigen Klasse sammeln und folglich auch das Wiederkaufverhalten besser abschätzen konnten. Mit dem Rücklauf der Nachbefragung konnten so 203 natürliche und 212 aktivierte Up-Seller untersucht werden, die hinsichtlich ihrer Verteilung in Bezug auf die erste Teilstudie als repräsentativ angesehen und somit in der zweiten Segmentierungsstufe als Grundlage genutzt werden können (vgl. Abbildung 5). 1.2

Ablaufschritte der empirischen Analyse

Rekurrierend auf das in Kapitel B abgeleitete Segmentierungskonzept wird im konkreten Anwendungsfall der Deutschen Bahn AG ein zweistufiges Segmentierungsverfahren zur Identifikation und Ausschöpfung von Up-Selling-Potenzialen bei BahnCard-Kunden angewendet. Dementsprechend werden zunächst die Segmentierungsschritte und die damit einhergehenden Analysen dargestellt, bevor auf die zum Einsatz gelangenden statistischen Methoden kurz eingegangen wird. Grundsätzlich orientieren sich die Ablaufschritte der empirischen Analyse an den vorgestellten untersuchungsspezifischen Segmentierungszielen der Prognose, der Erklärung und der Beeinflussung und den damit einhergehenden Segmentierungsschritten. Im Rahmen der ersten Segmentierungsstufe, der A-Priori-Segmentierung, werden vorab die Segmente spezifiziert und diese Differenzierung anhand des kaufverhaltensorientierten Kriteriums Wechsel zur BahnCard der 1. Klasse in

164

Vgl. zum Wiederkaufverhalten im Rahmen der Kundenbindungsforschung PETERS, S. I., Kundenbindung als Marketingziel: Identifikation und Analyse zentraler Determinanten, 2. Aufl., Wiesbaden 1999, S. 80 sowie HOMBURG, C., BRUHN, M., Kundenbindungsmanagement – Eine Einführung in die theoretischen und praktischen Problemstellungen, in: BRUHN, M., HOMBURG, C. (HRSG.), Handbuch Kundenbindungsmanagement, 6. Aufl., Wiesbaden 2008, S. 9.

59

Up-Seller und Verweiler vorgenommen. Diese Differenzierung kann zum einen objektiv und valide anhand der vorhandenen Verhaltens- bzw. Reaktionsdaten aus dem Data-Warehouse entnommen werden. Zum anderen bietet sich die Möglichkeit, grundlegende Unterschiede der Up-Seller zu erkennen sowie diese zur Bewertung Up-Selling-affiner Kunden zu nutzen, um so zur Zielsetzung der Identifikation von Up-Selling-Potenzialen beizutragen. Eine derartige Vorgehensweise erlaubt die gesonderte Betrachtung der beiden Up-Selling-Fallgruppen A und B der natürlichen und aktivierten Up-Seller im Rahmen der A-Priori-Segmentierung. Abbildung 6 zeigt das Vorgehen innerhalb dieser ersten Segmentierungsstufe schematisch auf.

BahnCard-Kunden

S-R-Modell Up-Seller Analyse A

Stufe 1

Aktivierte Up-Seller

Natürliche Up-Seller

Analyse B Verweiler

Markterfassung

S-O-R-Modell Analyse C

Stufe 2

Natürliche Up-Seller 1A

Analyse 3

2A

Aktivierte UpSeller 1B

2B

Up-Seller Typ 1A

Up-Seller Typ 1B

Up-Seller Typ 2A

Up-Seller Typ 2B

Marktbearbeitung

Abbildung 6: Vorgehensweise der mehrstufigen empirischen Analyse Die Analyse A dient dem Vergleich der natürlichen Up-Seller auf eine BahnCard der 1. Klasse mit den sog. Verweilern, die keine höherwertige BahnCard erworben haben. Analog stellt sich die Analyse B der aktivierten Up-Seller und der Verweiler dar. Hierbei gilt es jedoch zu beachten, dass in diesem Fall als Verweiler die BahnCard-Kunden der Direktmarketingaktion einbezogen wurden, welche nicht respondiert und folglich die BahnCard der 2. Klasse beibehalten haben. Somit 60

kann innerhalb der ersten Segmentierungsstufe neben dem Kaufverhaltenskriterium weiterhin eine Differenzierung des Up-Selling-Verhaltens nach der Existenz eines externen direkten Stimulus vorgenommen und so zusätzliche Erkenntnisse gewonnen werden. Überdies ist die Segmentierung derart im Stande, Aussagen über Unterschiede und Potenziale zwischen den beiden Fallgruppen zu treffen. Zur vertiefenden Erfassung der Up-Seller und insbesondere deren Wechselintentionen wird in der zweiten Segmentierungsstufe eine Post-hoc-Segmentierung durchgeführt. Diese baut auf den Ergebnissen der vorgelagerten Stufe auf und übernimmt die aufgezeigte Fallunterscheidung.165 Demnach ermöglicht eine Clusteranalyse in diesem Schritt eine weitere Aufteilung der Up-Seller in homogenere Segmente und kann so zur Aufdeckung der Wechselgründe beitragen. Neben der Erklärung von Verhaltensursachen sollen zudem die wesentlichen Unterschiede der beiden Fälle in der Analyse C herausgearbeitet werden. Letztlich dient diese Segmentierungsstufe als Grundlage zur Ableitung zielgruppenspezifischer Maßnahmen im Sinne der Marktbearbeitung. 1.3

Methoden und Beurteilungskriterien der statistischen Auswertung

Im Rahmen der statistischen Auswertung werden vorrangig zwei Zielsetzungen verfolgt, die sich aus den vorgestellten Segmentierungsstufen ableiten lassen. Zum einen gilt es, mit der Analyse der Verhaltensdaten auf der ersten Segmentierungsstufe die Up-Seller gegenüber den Verweilern abzugrenzen, deren relevante Differenzierungskriterien zu ermitteln sowie einen Lösungsansatz zur Bestimmung zukünftiger Gruppenzuordnungen zu finden (Analyse A und Analyse B). Zum anderen wird auf der zweiten Segmentierungsstufe versucht, tiefergehende Erkenntnisse in Bezug auf die Gruppen zu erkennen, indem vorher nicht bekannte Cluster aufgedeckt werden (Analyse C). Somit ermöglicht die Kombination dieser Verfahren eine umfassende Analyse zur Bestimmung von Up-Sellern und weiterhin eine gute Basis zur Ausschöpfung von Up-Selling-Potenzialen.

165

Ursächlich für die Aufrechterhaltung der gesonderten Betrachtung ist die mögliche Beeinflussung der Kunden durch die Direktmarketingmaßnahme und somit eine unterschiedliche Datenbasis. Zudem können die Gruppen so miteinander verglichen und Aussagen über potenzielle Unterschiede getroffen werden. Des Weiteren erscheint vor dem Hintergrund einer abzuleitenden Marktbearbeitung eine isolierte Untersuchung der natürlichen und aktivierten UpSeller sinnvoll.

61

1.3.1 Methoden und Beurteilungskriterien der A-Priori-Segmentierung Zur Erreichung der ersten Zielsetzung soll nach einer anfänglichen Überprüfung durch Mittelwertvergleiche das Verfahren der logistischen Regression zum Einsatz kommen, welches als ein strukturprüfendes Verfahren eingeordnet werden kann.166 Folglich wird die logistische Regression der A-Priori-Segmentierung gerecht, indem die zuvor festgelegten Gruppen hinsichtlich ihrer Trennschärfe untersucht werden.167 Dabei wird das Verfahren der binär-logistischen Regressionsanalyse zur Untersuchung von Beziehungen zwischen mehreren unabhängigen Variablen und einer dichotomen abhängigen Variablen eingesetzt.168 Ziel des Ansatzes ist es, die Koeffizienten der zugrunde liegenden Funktion derartig zu schätzen, dass eine optimale Trennung der durch die abhängige Variable induzierten Gruppen erreicht wird. Die Schätzung der Modellparameter erfolgt hierbei mit Hilfe der Maximum-Likelihood-Methode, welche die Einflussgewichte der unabhängigen Variablen in einem schrittweisen Iterationsverfahren so bestimmt, dass die Wahrscheinlichkeit, die beobachteten Erhebungsdaten zu erhalten, maximiert wird.169 Die logistische Regression ermittelt folglich die Eintrittswahrscheinlichkeit eines z. B. binär ausgeprägten Ereignisses, wie hier die Wahrscheinlichkeit eines Wechsels in die erste Klasse oder dem Nicht-Wechsel, in Abhängigkeit verschiedener unabhängiger Einflussgrößen.170 Das Verfahren modelliert dabei den Wahrscheinlichkeitsübergang einer abhängigen Variablen in Abhängigkeit der verschiedenen

166 167 168

169 170

62

Vgl. zur Kontingenzanalyse BACKHAUS ET AL., Multivariate Analysemethoden – Eine anwendungsorientierte Einführung, 12. Aufl., Berlin Heidelberg 2008, S. 297. Vgl. FRETER, H., Markt- und Kundensegmentierung – Kundenorientierte Markterfassung und -bearbeitung, a. a. O., S. 196 ff. Neben dieser Form der logistischen Regression besteht zudem die Möglichkeit, mehr als zwei Ausprägungskategorien zu betrachten. Hierbei handelt es sich dann um die so genannte Multinominal-logistische Regressionsanalyse, die sich vom Grundmodell jedoch nicht weit reichend von der hier vorgestellten Variante unterscheidet. Vgl. BACKHAUS ET AL., Multivariate Analysemethoden – Eine anwendungsorientierte Einführung, a. a. O., S. 253 f. Vgl. KRAFFT, M., Der Ansatz der Logistischen Regression und seine Interpretation, in: ZfB, 67. Jg., Nr. 5/6, 1997, S. 628. Dabei ist von komplementären Ereignissen auszugehen, d. h. dass sich die Eintrittswahrscheinlichkeiten zu 1 ergänzen. Für den konkreten Anwendungsfall ist diese Voraussetzung erfüllt, da die Eintrittswahrscheinlichkeit des Wechsels in die 1. Klasse und dem Nicht-Wechsel in der Summe 1 ergeben. Als Nicht-Wechsel wird dabei das Verweilen in der 2. Klasse angesehen. Prinzipiell wäre auch eine Interpretation als Ausscheiden aus dem BahnCard-System denkbar, jedoch wurde diese Möglichkeit auf Grund der Fokussierung auf bestehende und aktuelle Kundenbeziehungen ausgegrenzt.

unabhängigen Variablen unter der Annahme, dass die Residuen einer logistischen Verteilung genügen.171 Hierauf aufbauend können weiterhin Aussagen über die Veränderung von Gruppenzugehörigkeitswahrscheinlichkeiten getroffen werden, wenn eine unabhängige Variable einen anderen Wert annimmt.172 Es wird deutlich, dass sich die binär-logistische Regression im vorliegenden Kontext in besonderem Maße zur Prognose und Schätzung der Wahrscheinlichkeiten von UpSelling-Potenzialen eignet. Neben diesem ersten Vorteil weist die logistische Regression in Bezug auf die Anwendbarkeit gegenüber alternativen Verfahren wie der Regressions- oder der Zwei-Gruppen-Diskriminanzanalyse einige weitere erhebliche Vorzüge auf. So vermag die logistische Regression im vorliegenden Fall eine dichotom bzw. binär ausgeprägte abhängige Variable (hier: Wechsel in die 1. Klasse ja/nein) einzubeziehen, wobei dieses bei der Regressionsanalyse zur Verletzung der fundamentalen Prämisse normalverteilter Residuen führen würde und dementsprechend bei der herkömmlichen Regression keine inferenzstatistischen Aussagen möglich sind.173 Darüber hinaus bietet sich durch die logistische Regression die Möglichkeit, abhängige und unabhängige Variablen mit sowohl metrischen als auch kategorialen Ausprägungen einzubeziehen. Insgesamt sind geringere Anforderungen dieses Verfahrens zu konstatieren, die so zu einer Überlegenheit der logistischen Regression durch ihre Robustheit für den beschriebenen Untersuchungsfall führen. Dennoch müssen auch bei der logistischen Regression einige Voraussetzungen erfüllt werden. Eine Prämisse bezieht sich auf die Unabhängigkeit der Regressoren, sodass weder Multikollinearität noch Autokorrelation vorliegen darf.174 Zudem ist eine gewisse Stichprobengröße zu fordern, die pro Gruppe nicht kleiner als 25 Fälle sein sollte.175 Für die Beurteilung der Aussagekraft eines mit der logistischen

171 172

173 174

175

Vgl. KRAFFT, M., Der Ansatz der Logistischen Regression und seine Interpretation, a. a. O., S. 625 ff. Vgl. AHRENS, M., Experimentelle Analyse der Wirkungen ausgewählter DirektmarketingInstrumente – Ein Beitrag zur Effektivitäts- und Effizienzmessung im Direktmarketing, a. a. O., S. 148 f. Vgl. URBAN, D., Logit-Analyse: Statistische Verfahren zur Analyse von Modellen mit qualitativen Response-Variablen, Stuttgart 1993, S. 16 ff. Multikollinearität kann durch die Analyse der Korrelationsmatrix der unabhängigen Variablen aufgedeckt werden und bedingt die Elimination einzelner Variablen. Vgl. MENARD, S., Applied Logistic Regression Analysis, 2nd edition, Thousand Oaks 2001, S. 75 ff. BACKHAUS ET AL., Multivariate Analysemethoden – Eine anwendungsorientierte Einführung, a. a. O., S. 288. Einige Autoren verweisen auch auf die Anwendbarkeit mit einer Beobachtungsanzahl von mindestens 50 oder 100. Vgl. KRAFFT, M., Der Ansatz der Logistischen Regression und seine Interpretation, a. a. O., S. 629 sowie die dort angegebene Literatur.

63

Regression geschätzten Modells kann nicht auf herkömmliche Maße und Tests zurückgegriffen werden. Vielmehr sind spezielle Gütemaße heranzuziehen, die im Folgenden kurz erläutert werden. Die Güte der Modellanpassung auf Basis der LogLikelihood-Funktion wird durch die so genannte Devianz oder auch –2LL-Wert repräsentiert. Gute Modelle mit einer hohen Wahrscheinlichkeit nahe 1 resultieren in einer Devianz die nahe 0 ist. Der Likelihood-Ratio-Test betrachtet die Signifikanz des Modells und kann mit dem F-Test der Regressionsanalyse verglichen werden. Die Güte des Gesamtmodells kann weiterhin durch McFaddens-R², Cox & Snell-R² oder Nagelkerkes R² bestimmt werden.176 Akzeptable Werte sind der Tabelle 7 mit den zentralen Gütemaßen zu entnehmen. Darüber hinaus kann die Güte der Anpassung über die Klassifikationsmatrix beurteilt werden, indem eine Prüfung der richtig klassifizierten Fälle durchgeführt wird. Diese Matrix gibt Aufschluss über die Vorhersagegenauigkeit des berechneten logistischen Modells.177 Die Beurteilung dieser Trefferquote kann auf Basis zweier Ansätze erfolgen: zum einen wird das proportional chance criterion (PCC) für ungleiche Anzahlen von Gruppenfällen eingesetzt und zum anderen erfolgt die Bewertung mit Hilfe des maximum chance criterion (MCC) bei approximativ gleich großen Gruppen.178 Gütekriterium

Akzeptabler Wertebereich

Devianz (–2LL-Wert)

–2LL nahe 0, Signifikanzniveau nahe 1

Likelihood-Ratio-Test

Möglichst hoher Chi-Quadrat-Wert, Signifikanzniveau < 5 %

McFaddens-R²

Akzeptabel ab Werten > 0,2; gut ab Werten > 0,4

Cox & Snell-R²

Akzeptabel ab Werten > 0,2; gut ab Werten > 0,4

Nagelkerkes-R²

Akzeptabel ab Werten > 0,2; gut ab Werten > 0,4; sehr gut ab Werten > 0,5

Klassifikationsergebnisse

Höher als die proportionale Zufallswahrscheinlichkeit

Tabelle 7:

176 177 178

179

64

Zentrale Gütemaße zur Beurteilung des Modellfits der logistischen Regression179

Vgl. BACKHAUS ET AL., Multivariate Analysemethoden – Eine anwendungsorientierte Einführung, a. a. O., S. 262. Hierbei sollte die durch das logistische Modell berechnete Trefferquote höher liegen als bei zufälliger Zuordnung. Vgl. FRENZEN, H., KRAFFT, M., Logistische Regression und Diskriminanzanalyse, in: HERRMANN, A., HOMBURG, C., KLARMANN, M. (HRSG.), Handbuch Marktforschung, 3. Aufl., Wiesbaden 2008, S. 635 f. In Anlehnung an BACKHAUS ET AL., Multivariate Analysemethoden – Eine anwendungsorientierte Einführung, a. a. O., S. 270.

Konnte die Beurteilung der Gesamtmodellgüte als genügend erkannt werden, so stellt sich die Frage nach der Prüfung der unabhängigen Variablen hinsichtlich der Signifikanz, Richtung und relativen Bedeutung. Ersteres wird mittels der ²verteilten Wald-Statistik bei metrischen Variablen bestimmt. Für kategoriale Variablen müssen zusätzlich noch die Variablen-Freiheitsgrade beachtet werden.180 Die Richtung des Einflusses kann über das Vorzeichen des Koeffizienten interpretiert werden, wobei negative Vorzeichen sinkende und positive Vorzeichen steigende Wahrscheinlichkeiten implizieren. Zur Interpretation der Parameterschätzer werden in der Literatur neben partiellen Ableitungen und Elastizitätsanalysen insbesondere Sensitivitätsanalysen vorgeschlagen, die sich vor dem Hintergrund der vorliegenden Fragestellung als besonders geeignet erweisen.181 Der wesentliche Vorteil der Sensitivitätsanalyse liegt in diesem Zusammenhang in der Veranschaulichung der Reaktionen der Wahrscheinlichkeit auf veränderte Ausprägungen der unabhängigen Variablen, die vielfach mit den Stichproben-Mittelwerten der betrachteten unabhängigen Variablen verglichen werden. 1.3.2 Methoden und Beurteilungskriterien der Post-hoc-Segmentierung Nachdem in der ersten Segmentierungsstufe ein Ansatz zur Identifikation und Prognose von Up-Selling-Potenzialen vorgestellt wurde, dient die nachfolgende zweite Stufe der Zielsetzung einer Erklärung und Beeinflussung des Up-SellingVerhaltens. Mit der Clusteranalyse soll hier ein Verfahren zum Einsatz gelangen, welches Untersuchungsobjekte nach deren Ähnlichkeit bezüglich ausgewählter Merkmale in Gruppen zusammenfasst, die vorab nicht näher spezifiziert wurden.182 Demnach handelt es sich um ein Gruppenbildungsverfahren, bei dem die Anzahl bzw. die Beschreibung der Segmente durch den Einsatz der Methode selbst bestimmt und Up-Selling-Cluster aus den zuvor identifizierten Fallgruppen ermittelt werden können. Hierbei tritt der explorative Charakter der Clusteranalyse

180

181

182

Vgl. STEINLEIN, U., Data Mining als Instrument der Responseoptimierung im Direktmarketing: Methoden zur Bewältigung kleiner Stichproben, Göttingen 2004, S. 121 sowie KRAFFT, M., Der Ansatz der Logistischen Regression und seine Interpretation, a. a. O., S. 633. Die Schwierigkeit der Interpretation resultiert daher, dass der Koeffizient nicht wie im Fall der Regressionsanalyse der absoluten Änderung der abhängigen Variablen entspricht, wenn sich das Ausgangsniveau der unabhängigen Variablen z. B. um eine Einheit ändert. Der Koeffizient stellt eine Änderung des Logit dar, der als natürlicher Logarithmus dem Verhältnis von Gewinnwahrscheinlichkeit zur Gegenwahrscheinlichkeit entspricht. Vgl. KRAFFT, M., Der Ansatz der Logistischen Regression und seine Interpretation, a. a. O., S. 633 ff. Vgl. BACKHAUS ET AL., Multivariate Analysemethoden – Eine anwendungsorientierte Einführung, a. a. O., S. 391.

65

in den Vordergrund, der in der Suche nach Strukturen seinen Niederschlag findet.183 Letztlich umfassen Clusteranalysen Ansätze, die heterogene Objektmengen in homogene Teilmengen unterteilen und somit besonders zur Segmentierung geeignet sind.184 Grundsätzlich lassen sich verschiedene Typen von Clustermethoden unterscheiden. Neben einer Differenzierung nach interdependenz- und dependenzanalytischen Methoden soll im Folgenden die Unterteilung nach der Modellierung der Clusterzugehörigkeit kurz erläutert werden, um eine Auswahl für den spezifischen Untersuchungskontext vornehmen zu können.185 Überlappende Clustermethoden können dabei Objekte oder Fälle prinzipiell mehreren Clustern gleichzeitig zuordnen und lassen daher keine Aussagen zu, welcher Gruppe das Objekt am ähnlichsten ist. Fuzzy und probabilistische Methoden weisen Objekte den Clustern mit bestimmten Gewichtungen zu bzw. berechnen Zugehörigkeitswahrscheinlichkeiten zu den gebildeten Clustern.186 Gegenüber den Vorgenannten zeichnen sich nichtüberlappende Clustermethoden dadurch aus, dass jedes Untersuchungsobjekt genau einer Gruppe zugewiesen wird.187 Zur Bildung von Up-Selling-Clustern mit dem Ziel der Erklärung und letztlich Beeinflussung im Rahmen der Marktbearbeitung soll im Weiteren ein nicht-überlappendes Verfahren auf Grund der Möglichkeit, Grundformen zu erkennen, eingesetzt werden.188 Damit können die in der

183

184 185

186

187 188

Vgl. Jensen, O., Clusteranalyse, in: HERRMANN, A., HOMBURG, C., KLARMANN, M. (HRSG.), Handbuch Marktforschung, Methoden – Anwendungen – Praxisbeispiele, 3. Aufl., Wiesbaden 2008, S. 337. Vgl. WEDEL, M., KAMAKURA, W. A., Market Segmentation: Conceptual and Methodological Foundations, a. a. O., S. 19 ff. Die Differenzierung nach interdependenz- und dependenzanalytischen Clustermethoden entspricht einer Einteilung, inwiefern zwischen abhängigen bzw. unabhängigen Variablen unterschieden wird. Hierbei liegt in der vorliegenden Arbeit der Fokus auf einer Interdepenzanalyse, d. h. das Clusterverfahren unterscheidet nicht zwischen abhängigen bzw. unabhängigen Variablen. Vgl. HAHN, C. H., Segmentspezifische Kundenzufriedenheitsanalyse: Neue Ansätze zur Segmentierung von Märkten, Wiesbaden 2002, S. 34 ff. Vgl. ausführlich zu den Fuzzy Clustermethoden MANTON, K. G., WOODBURY, M. A., TOLLEY, H. D., Statistical Applications Using Fuzzy Sets, New York 1994, S. 15 ff. sowie zu probabilistischen Modellen VERMUNT, J. K., MAGIDSON, J., Latent Class Cluster Analysis, in: HAGENAARS, J. A., MCCUTCHEON, A. L. (HRSG.), Applied Latent Class Analysis, Cambridge 2002, S. 89 ff. Diese werden auch als klassische Clustermethoden bezeichnet und besitzen weiterhin eine hohe Bedeutung innerhalb der Gruppierungsverfahren. Hiermit wird der Argumentation von JENSEN gefolgt, der nicht-überlappende Clustermethoden zur eindeutigen Zuordnung bei entsprechenden Untersuchungszielen vorschlägt. Vgl. Jensen, O., Clusteranalyse, a. a. O., S. 340. Zudem ist es nicht Ziel dieser Segmentierung die Anzahl der richtigen Cluster zu ermitteln, sondern vielmehr, einen Beitrag zur Aufdeckung des UpSelling-Verhaltens zu liefern. Vgl. ähnlich BAUER, H. H., Hammerschmidt, M., Donnevert, T., (Fortsetzung der Fußnote auf der nächsten Seite)

66

ersten Segmentierungsstufe ermittelten Ergebnisse genutzt und eine Zuordnung der a posteriori identifizierten Cluster vorgenommen werden. Zunächst muss im Rahmen der Post-hoc-Segmentierung mittels nicht überlappender Clusterverfahren der anzuwendende Fusionierungsalgorithmus festgelegt werden. Als grundlegende Algorithmen können hierarchische und partitionierende Verfahren unterschieden werden.189 Hierarchische Modelle zeichnen sich durch eine schrittweise erfolgende Gruppenbildung aus, welche entweder agglomerativ oder divisiv erfolgen kann.190 Hingegen gehen partitionierende Verfahren von einer gegebenen Clusteranzahl aus und berechnen Clusterlösungen, bis eine festgelegte Zielfunktion ein Optimum erreicht. Vor dem Hintergrund der Zielsetzung der zweiten Segmentierungsstufe sollen die Clusteranzahl bzw. die Startpartitionierungen zunächst nicht vorgebeben, sondern vielmehr die Anzahl der Cluster im Rahmen der hierarchischen Verfahren identifiziert werden.191 Weiterhin ist ein geeignetes Proximitätsmaß zur Ähnlichkeitsbestimmung zu wählen, welches die einzubeziehenden Fälle entweder auf Basis der Ähnlichkeit oder der Distanz gruppiert.192 Ähnlichkeitsmaße beruhen auf dem Vergleich von Profilverläufen und sind folglich unabhängig vom jeweiligen Objektniveau. Demgegenüber vermögen Distanzmaße den absoluten Abstand zwischen den Objekten zu bestimmen, indem die Ähnlichkeit als umso größer angesehen wird, je geringer der Objektabstand ist. In der vorliegenden Untersuchung werden demnach Distanzmaße zur Ermittlung der Ähnlichkeit herangezogen, da das Erkenntnisinteresse primär in der Bestimmung von Up-Selling-Clustern mit gleichen Niveaus und nicht mit gleichen Profilverläufen liegt.

Effektivität und Effizienz im interaktiven Marketing – Die Integration von Kundennutzen- und Kundenwertsegmentierung im Internet, a. a. O., S. 66 ff. 189

190

191

192

Des Weiteren lassen sich graphentheoretische Verfahren sowie weitere Optimierungsverfahren unterscheiden. Vgl. BACKHAUS ET AL., Multivariate Analysemethoden – Eine anwendungsorientierte Einführung, a. a. O., S. 412. Als agglomeratives Verfahren wird das Vorgehen bezeichnet, bei dem alle Fälle anfangs ein Cluster bilden und sukzessive größere Gruppen gefunden werden. Hingegen geht ein divisives Verfahren von der Gesamtheit der Fälle aus und untergliedert diese in kleinere Teilmengen. Vgl. WEDEL, M., KAMAKURA, W. A., Market Segmentation: Conceptual and Methodological Foundations, a. a. O., S. 44. Eine weitere Begründung für den nicht isolierten Einsatz von partitionierenden Verfahren ist die Tatsache, dass diese häufig lediglich lokale und keine globalen Optima ergeben, wenn keine vollständige Berechnung alle Clusterlösungen bzw. Enumeration durchgeführt wird. Vgl. BAILEY, K. D., Typologies and Taxonomies: An Introduction to Classification Techniques, in: Sage University Paper Series on Quantitative Applications in the Social Sciences, Thousand Oaks 1994, S. 38.

67

Den empfohlenen Angaben der wissenschaftlichen Literatur folgend wird zunächst das Single-Linkage-Verfahren zur Identifikation von Ausreißern verwendet, um diese gegebenenfalls durch einen Fallausschluss zu eliminieren.193 Zur weiteren Analyse wird darauf aufbauend das weit verbreitete und robuste Ward-Verfahren zur Bestimmung der Clusterlösungen eingesetzt, welches im Gegensatz zum Single-Linkage-Verfahren jeweils diejenigen Objekte vereinigt, welche am wenigstens zur Varianzerhöhung eines Clusters beitragen.194 Nach erfolgter Gruppenbildung muss schließlich die optimale Anzahl der Cluster bestimmt werden. Einen ersten Anhaltspunkt hierzu liefern das so genannte Elbow-Kriterium bzw. die Entwicklung der Fehlerquadratsumme. Diese weisen im Rahmen des Ward-Verfahrens bei einem Verschmelzungsschritt auf einen überproportionalen Zuwachs der Heterogenität innerhalb eines Clusters hin. Dieser Zuwachs impliziert dann die gesuchte Clusteranzahl der Segmentierung. Dem Vorteil der einfachen Anwendung stehen jedoch einige Nachteile, wie z. B. die vielfach genannte Subjektivität bei der Auswahl der Clusteranzahl, gegenüber. Eine Reihe von getesteten Kriterien, wie z. B. der Test von Mojena, beanspruchen ihrerseits objektivere Lösungen, jedoch bedarf es vielfach einer letztlichen Einschätzung vor dem Hintergrund des spezifischen Untersuchungskontextes durch den Forscher.195 Hieran anschließend wird die gefundene Cluster-Lösung mittels K-Means-Verfahren optimiert und im Weiteren bewertet und interpretiert.196

193 194

195

196

Vgl. PUNJ, G., STEWART, D. W., Cluster Analysis in Marketing Research: Review and Suggestions for Application, in: Journal of Marketing Research, Vol. 20, No. 2, 1983, S. 135 ff. Vgl. BACKHAUS ET AL., Multivariate Analysemethoden – Eine anwendungsorientierte Einführung, a. a. O., S. 420. Das Single-Linkage-Verfahren fasst die Objekte in einer Gruppe zusammen, die jeweils die geringste Distanz aufweisen. Hierbei kommt das Nearest-NeighbourVerfahren zum Einsatz, welches der neuen Gruppe die kleinste Distanz zuordnet, die sich aus den alten Distanzen der Objekte einer Gruppe zu einem bestimmten Objekt ergibt. Auf Grund von Untersuchungen wie beispielsweise von MILIGAN / COOPER konnte gezeigt werden, dass mittels des Ward-Verfahrens bei metrischen Daten sehr gute Partitionen durchgeführt und die Objekte den jeweils richtigen Clustern zugeordnet werden können. Vgl. MILLIGAN, G. W., COOPER, M. C., An Examination of Procedures for Determining the Number of Clusters in a Data Set, in: Psychometrika, Vol. 50, No. 2, 1985, S. 159 ff. sowie Jensen, O., Clusteranalyse, a. a. O., S. 348. Der Test von Mojena zeigt bei einer Überschreitung des standardisierten Fusionskoeffizienten eine gute Cluster-Lösung an. Der Grenzwert der Überschreitung wird hierbei in der Literatur zwischen 1,25 bis 2,75 angegeben. Vgl. hierzu MILLIGAN, G. W., COOPER, M. C., An Examination of Procedures for Determining the Number of Clusters in a Data Set, a. a. O., S. 159 ff. Die partitionierenden Verfahren ermöglichen eine iterative Umgruppierung von Objekten bis ein vorgegebenes Optimalitätskriterium erreicht ist, und eignen sich besonders zur Optimierung von Clusterlösungen. Vgl. HAHN, C. H., Segmentspezifische Kundenzufriedenheitsanalyse: Neue Ansätze zur Segmentierung von Märkten, a. a. O., S. 37 f. sowie HELSEN, K., GREEN, (Fortsetzung der Fußnote auf der nächsten Seite)

68

Zur Beurteilung und Beschreibung der identifizierten Cluster wird ein Mittelwertvergleich der einzelnen Cluster durchgeführt und so erste Grundlagen für die Clusterprofile gelegt. Darüber hinaus wird zur Beurteilung der Cluster und zur Beurteilung der internen Homogenität für jede einbezogene Variable der F-Wert gebildet, der bei niedrigen Werten eine geringe Streuung der betrachteten Variable impliziert.197 Hinsichtlich der Interpretation wird als ergänzendes Kriterium der t-Wert eingesetzt. Dieser zeigt als normierter Wert für jede Variable in jeder Gruppe an, in welchem Maße Variablen im Vergleich zur Grundgesamtheit über- bzw. unterrepräsentiert sind.198 Letztlich werden die Cluster mittels Diskriminanzanalyse überprüft, um so deren Trennschärfe zu bewerten.199

2

Zweistufige Segmentierung von Up-Sellern bei einem Verkehrsdienstleistungsanbieter

2.1

A-Priori-Segmentierung zur Identifikationen der Up-Seller

2.1.1 Operationalisierung der ersten Segmentierungsstufe Der Ableitung und Auswahl der zum Einsatz gelangenden Segmentierungskriterien ist im Rahmen der A-Priori-Segmentierung eine besondere Bedeutung beizumessen. Durch die Einschränkung auf bestimmte Kriterien werden die Ergebnisse der nachfolgenden Stufen beeinflusst. Vor diesem Hintergrund wird im Rahmen der logistischen Regression eine zielführende Aufteilung mittels der beobachtbaren kaufverhaltensorientierten Variable Aufstieg auf eine BahnCard der 1. Klasse mit den dichotomen Ausprägungen Up-Seller und Verweiler als abhängige Variable vorgenommen (Up-Seller = 1, Nicht-Aufsteiger bzw. Verweiler = 0).200 Des Weiteren erlaubt die getrennte Untersuchung der beiden Gruppen der natürlichen und aktivierten Up-Seller eine tiefergehende Analyse auf Basis des Kriteriums

P. E., A Computational Study of Replicated Clustering with an Application to Market Segmentation, in: Decision Sciences, Vol. 22, No. 5, 1991, S. 1124 ff. 197 198

199

200

Vgl. KOHRMANN, O., Mehrstufige Marktsegmentierung zur Neukundenakquisition – Am Beispiel der Telekommunikation, a. a. O., S. 107. Negative bzw. positive t-Werte geben an, dass eine Variable in dem analysierten Cluster im Vergleich zur Grundgesamtheit unter- bzw. überrepräsentiert ist. Vgl. BACKHAUS ET AL., Multivariate Analysemethoden – Eine anwendungsorientierte Einführung, a. a. O., S. 440. Vgl. zur Diskriminanzanalyse FRENZEN, H., KRAFFT, M., Logistische Regression und Diskriminanzanalyse, a. a. O., S. 609 ff. Dies entspricht einer Marktaufteilung in Käufer vs. Nicht-Käufer. Vgl. Kap. A 3.4 dieser Arbeit.

69

Existenz eines externen direkten Marketing-Stimulus. Grundsätzlich gelten die nachfolgenden Ausführungen sowohl für die natürlichen als auch für die aktivierten Up-Seller gleichermaßen. Im weiteren Verlauf der Untersuchung sollen die zu bestimmenden zwei Gruppen der segmentbildenden Variablen mit Hilfe von segmentbeschreibenden Variablen, welche auch als Deskriptorvariablen bezeichnet werden, näher erläutert werden.201 Im Rahmen der Erfassung des Klassenwahl- bzw. Klassenwechselverhaltens sollen auf dieser Segmentierungsstufe lediglich Variablen aus den vorliegenden Stamm- und Transaktionsdaten des Verkehrsdienstleistungsanbieters Eingang finden, sodass eine Identifizierung von Up-Selling-Potenzialen auf Basis unmittelbar zugänglicher Daten erfolgen kann.202 Hierbei wurden aus der Gesamtheit möglicher Kriterien des Data-Warehouses in einem mehrstufigen Auswahlverfahren einige Variablen a priori ausgeschlossen, da diese zum einen eine zu geringe Datenqualität besaßen und zum anderen nicht interpretierbar waren bzw. keinen Erklärungsbeitrag für die weitere Untersuchung leisten konnten. Zunächst werden ausgewählte sozio-ökonomische Variablen vorgestellt, die auf Grund sachlogischer Überlegungen bzw. erster empirischer Erkenntnisse in die Untersuchung integriert wurden.203 Als eine grundlegende Variable wird das Geschlecht der BahnCard-Kunden herangezogen, um Aussagen über potenzielle Unterschiede der Up-Seller treffen zu können.204 Des Weiteren konnte dem Bildungsniveau, angenähert in Form von akademischen Titeln, auf Grund von univariaten Voruntersuchungen sowie den Ergebnissen von NGOBO ein potenzieller Einfluss auf das Klassenwahlverhalten zugeschrieben werden.205 Im Rahmen der Untersuchung von KIM / KIM konnte gezeigt werden, dass das Alter einen positi-

201 202

203 204

205

70

Vgl. WIND, Y., Issues and Advances in Segmentation Research, a. a. O., S. 319. Hieraus ergeben sich für die Untersuchung sowohl Vor- als auch Nachteile. Zunächst kann die Herausforderung identifiziert werden, dass die vorliegenden Variablen das Wechselverhalten evtl. nicht vollständig erklären können. Jedoch ist demgegenüber der Vorteil zu berücksichtigen, dass die Ergebnisse unmittelbar auf das gesamte Data-Warehouse und somit auf weitere Kunden des Verkehrsdienstleisters angewendet werden können. Durch eine Voruntersuchung auf Basis univariater Auswertungen konnte ein zielführender Ausschluss von Variablen auf Basis dieser Ergebnisse bzw. sachlogischer Überlegungen erfolgen. Vgl. die Ausführungen des Kapitels B 1.3 dieser Arbeit. Vgl. NGOBO, P. V., Drivers of upward and downward migration: An empirical investigation among theatergoers, a. a. O., S. 183 ff. Vgl. ebenda, S. 185 ff.

ven Einfluss auf das Up-Selling-Verhalten besitzt.206 Diesen Ergebnissen soll hier gefolgt werden, da die Gestaltung der höherwertigen 1. Klasse bei der Deutschen Bahn AG insbesondere den älteren Konsumenten zugeschriebenen Bedürfnissen nach hohem Komfort sowie individuellem Service entgegenkommt.207 Somit finden insgesamt drei wesentliche sozio-demographische Merkmale Eingang in die Analyse, welche unmittelbar im Rahmen so genannter Stammdaten im DataWarehouse des Verkehrsdienstleistungsanbieters erfasst werden.208 Neben diesen Deskriptoren sollen überdies verhaltensorientierte Kriterien genutzt werden, um die A-Priori-Segmentierung zu vervollständigen. Das Kriterium E-Mail-Permission gibt hierbei die Einwilligung der BahnCard-Kunden an Direktkommunikation auf E-Mail-Basis wider. Insbesondere zur Ableitung von kommunikationspolitischen Maßnahmen erscheint die Kenntnis des Nutzungsverhaltens von Trägermedien zielführend.209 In Verbindung mit den sozio-demographischen Variablen können folglich Handlungsempfehlungen für die zu analysierenden Zielgruppen abgeleitet werden.210 Eine weitere einzubeziehende Variable, die auch angesichts bereits identifizierter Studien einbezogen werden soll, stellt die Dauer der Kundenbeziehung – verstanden als Anzahl der Jahre im Besitz einer BahnCard – dar.211 Vor dem Hintergrund der Interpretation des Up-Selling im Kontext einer Kundenbeziehung kommt diesem Kriterium eine besondere Aufmerksamkeit zu. Weiterhin soll die BahnCard-Art analysiert und hierbei potenzielle Unterschiede bei den jeweiligen Up-Sellern identifiziert werden.212 Schließlich finden Größen des beobachtbaren Kaufverhaltens Eingang in die erste Segmentierungsstufe, die

206 207 208 209 210

211 212

Vgl. KIM, B.-D, KIM, S.-O., Measuring Upselling Potential of Life Insurance Customers: Application of a Stochastic Frontier Model, a. a. O., S. 2 ff. Vgl. MÜLLER, C., Mehr Komfort im Fern- und Nahverkehr, in: Internationales Verkehrswesen, 52. Jg., Nr. 7+8, 2000, S. 329 ff. Vgl. zu möglichen Datenarten MUSIOL, G., Data Mining: Der Einsatz von Scorekarten in der Praxis, Hamburg 2007, S. 24 ff. Vgl. u. a. SUJAN, M., Consumer Knowledge: Effects on Evaluation Strategies Mediating Consumer Judgements, in: Journal of Consumer Research, Vol. 12, No. 1, 1985, S. 31 ff. Vgl. AHRENS, M., Experimentelle Analyse der Wirkungen ausgewählter DirektmarketingInstrumente – Ein Beitrag zur Effektivitäts- und Effizienzmessung im Direktmarketing, a. a. O., S. 112 ff. Vgl. NGOBO, P. V., Drivers of upward and downward migration: An empirical investigation among theatergoers, a. a. O., S. 183 ff. Vgl. zu unterschiedlichen Rabattkarten im schienengebundenen Personenverkehr SCHIEFELBUSCH, M., Rabattkarten im europäischen Bahnverkehr, in: Internationales Verkehrswesen, 53. Jg., Nr. 12, 2001, S. 597 ff. sowie EHRHARDT, M. R., Das neue Preissystem im Personenverkehr der Deutschen Bahn AG, in: Internationales Verkehrswesen, 54. Jg., Nr. 1+2, 2002, S. 23 ff.

71

mittels Umsatz oder Bonuspunkten operationalisiert werden können. Der über die erfasste Kundenbeziehungsdauer mit einem Kunden kumulierte Umsatz stellt in Anlehnung an SALAZAR / HARRISON / ANSELL eine wichtige Größe dar.213 In einem engen Zusammenhang mit diesem stehen die beiden folgenden Variablen, die sich zum einen auf ein Prämienprogramm und zum anderen auf das Statusprogramm der Deutschen Bahn AG beziehen. Daher sollen die bahn.bonus-Punkte als Prämienpunkte sowie die bahn.comfort-Punkte als Indikator für den Kundenstatus untersucht werden. Die potenziellen Deskriptorvariablen und relevante Ausprägungen sind zusammengefasst der Tabelle 8 zu entnehmen. Potenzielle Deskriptorvariable

Beschreibung

SOZIO-ÖKONOMISCHE KRITERIEN Geschlecht

Männliche und weibliche BahnCard-Besitzer

Titel

Akademische Titel wie Dipl.-Kfm., Dipl.-Ing., Dr., Prof. etc.

Alter

Alter der BahnCard-Kunden in Jahren

VERHALTENSORIENTIERTE KRITERIEN E-Mail-Permission

Teilnahme oder Nicht-Teilnahme an der E-MailKommunikation des Verkehrsdienstleistungsanbieters

Dauer der Kundenbeziehung

Kundenbeziehungsdauer in Jahren berechnet nach Anzahl der in Folge erworbenen BahnCards; dabei entspricht ein Jahr einer erworbenen BahnCard

BahnCard-Art

Differenzierung nach BahnCard 25 und BahnCard 50

Umsatz

Insgesamt mit einem Kunden getätigter Umsatz in Euro über die relevante Kundenbeziehungsdauer

bahn.bonus-Punkte

Anzahl der erworbenen Prämienpunkte des bahn.bonusProgramms; dabei entspricht ein bahn.bonus-Punkt einem 214 Euro Umsatz mit der BahnCard

bahn.comfort-Punkte

Anzahl der erworbenen Statuspunkte des bahn.comfortProgramms; dabei entspricht ein bahn.comfort-Punkt einem Euro Umsatz mit der BahnCard.

Tabelle 8:

Potenzielle Deskriptorvariablen der ersten Segmentierungsstufe

Neben der Differenzierung der Up-Seller und Verweiler (Analyse A und Analyse B) sollen die genannten Kriterien einen Beitrag für eine erste Bewertung der Unter-

213 214

72

Vgl. auch SALAZAR, M. T., HARRISON, T., ANSELL, J., An approach for the identification of crosssell and up-sell opportunities using a financial services customer database, a. a. O., S. 124 ff. Seit dem 01.01.2007 erhalten Kunden in der 1. Klasse die 1,5-fache bahn.bonus-PunkteAnzahl. Der Vergleich der Aufsteiger und Nicht-Aufsteiger erfolgt in der ersten Segmentierungsstufe auf Basis der Kundenausprägungen vor dem Wechsel auf die BahnCard der 1. Klasse, sodass der Punktefaktor keinerlei Einfluss auf die Punktanzahl besitzt.

schiede zwischen den Up-Seller-Gruppen der natürlichen und aktivierten Up-Seller aufzeigen.

2.1.2 Vergleichende Analyse von natürlichen Up-Sellern und Verweilern Im Rahmen der ersten Segmentierungsstufe konnten auf Basis einer balancierten Stichprobe der natürlichen Up-Seller und Verweiler jeweils 4.846 BahnCardKunden berücksichtigt und in die Untersuchung einbezogen werden. Die Daten der Up-Seller entstammen dabei einer Stichprobe aus dem Zeitraum von März bis Juni 2007. Als Vergleichseinheit wurde eine zur relevanten Grundgesamtheit repräsentative Gruppe von Kunden einer BahnCard der 2. Klasse zufallsbedingt gezogen, die in demselben Zeitraum nicht auf eine BahnCard 1. Klasse gewechselt hat.215 Sozio-ökonomische Kriterien Geschlecht

Kriterium Ausprägung

Titel

Alter

m

w

ja

nein

MW



Nat. Up-Seller

65,3 %

34,7 %

13,9 %

86,1 %

51,42

14,75

Verweiler

45,7 %

54,3 %

3,7 %

96,3 %

41,32

18,50

Verhaltensorientierte Kriterien Kriterium Ausprägung

E-Mail-Permission

Dauer der Kundenbeziehung

ja

nein

MW

Nat. Up-Seller

35,2 %

64,8 %

Verweiler

10,9 %

89,1 %

Umsatz

Kriterium Ausprägung

BahnCard



BC 25

BC 50

5,44

2,02

41,7

58,3

3,13

1,85

63,5

36,5

bahn.bonus-Punkte

bahn.comfort-Punkte

MW



MW



MW



Nat. Up-Seller

2281,81

2960,92

1309,63

1582,08

967,01

1097,28

Verweiler

384,21

1050,45

256,26

457,70

115,13

293,48

Tabelle 9:

Vergleich der natürlichen Up-Seller und Verweiler auf Basis der Ausprägungen und Mittelwerte

Vor der Analyse mittels der logistischen Regression werden die beiden Gruppen zunächst anhand wesentlicher Merkmale kurz gegenübergestellt (vgl. Tabelle 9). Hinsichtlich der Verteilung erfasster sozio-ökonomischer Variablen kann ein deutlich höherer Anteil von männlichen natürlichen Up-Sellern mit ca. 65 % im

215

Hierbei konnte die Repräsentativität per Zufallsziehung ermittelten Fälle der Verweiler durch Mittelwertvergleiche der Stichprobe und weitere Gütemaße sichergestellt werden. Alle Fälle weisen vollständige Daten auf, sodass keine fehlenden Werte vorliegen.

73

Vergleich zu den Verweilern mit ca. 46 % konstatiert werden. Demnach scheinen männliche BahnCard-Kunden mehrheitlich Up-Seller darzustellen. Durchschnittliche 2. Klasse-Kunden mit einer BahnCard sind ca. 41 Jahren alt, sodass sich überdies ein um ca. zehn Jahre höheres Alter der Up-Seller gegenüber der Vergleichsgruppe festhalten lässt.216 Des Weiteren zeigt sich, dass sowohl Up-Seller mit 86,1 % als auch die Verweiler mit 96,3 % einen hohen Kundenanteil ohne akademischen Titel aufweisen. Jedoch liegt der Wert von Kunden mit einem Titel bei den natürlichen Up-Sellern fast viermal höher als bei den Verweilern, sodass erste Rückschlüsse auf ein höheres Bildungsniveau der Up-Seller gezogen werden können. Im Bereich der verhaltensorientierten Daten lassen sich ebenfalls deutliche Unterschiede der beiden Gruppen finden. Up-Seller besitzen mit 35,2 % eine sehr hohe Einwilligungsquote für Direktmarketingmaßnahmen. Hingegen sind in den Datenbanken lediglich nur ca. 11 % Verweiler mit einer E-Mail-Permission erfasst.217 Ebenfalls ist der Mittelwertanalyse eine um ca. zwei Jahre längere Kundenbeziehungsdauer der Up-Seller zu entnehmen. Somit können hier erste Ansatzpunkte für eine bessere Ausschöpfung von Kundenbeziehungen identifiziert werden, die es im weiteren Verlauf der Untersuchung zu vertiefen gilt. Im Bereich der umsatz- bzw. punktebezogenen Variablen zeigt sich, dass Up-Seller erheblich höhere Werte sowohl beim kumulierten Umsatz als auch bei den bahn.bonus- und bahn.comfort-Punkten aufweisen. So besitzen die Mittelwerte der natürlichen UpSeller mindestens viermal so hohe Werte wie die der Verweiler. Die vorangegangene deskriptive Analyse hat bereits erste Unterschiede zwischen natürlichen Up-Sellern und Verweilern deutlich werden lassen. Jedoch vermögen diese Unterschiede isoliert betrachtet noch keine hinreichende Basis zur Identifikation von Up-Sellern darzustellen. Vielmehr kann geschlussfolgert werden, dass mehrere Kriterien gleichzeitig für eine hohe Prognosewahrscheinlichkeit von Up-Sellern herangezogen werden müssen. Daher wurden in der folgenden Analyse acht der vorgestellten sozio-ökonomischen bzw. verhaltensorientierten Kriterien

216 217

74

Die Verweiler weisen eine leicht höhere Standardabweichung mit einem Wert von 18,5 auf als die natürlichen Up-Seller mit 14,75. Bei Vorliegen einer E-Mail-Permission konnte durch eine Analyse bestätigt werden, dass gleichzeitig auch eine gültige E-Mail-Adresse im Data-Warehouse existiert. Vgl. zum Permission Marketing WIRTZ, B. W., Integriertes Direktmarketing. Grundlagen – Instrumente – Prozesse, Wiesbaden 2005, S. 180 sowie GODIN, S., Permission Marketing: Turning strangers into friends, and friends into customers, New York 1999, S. 10 ff.

als unabhängige Variablen auf Basis der Einschlussmethode in die logistische Regression einbezogen.218 Bevor die Interpretation der Koeffizienten erfolgen kann, muss das berechnete Modell der logistischen Regression hinsichtlich der vorgestellten Gütemaße überprüft werden. Für das Gesamtmodell ergibt sich eine Devianz von 7.369,081. Hierbei sinkt die Devianz nach Einbeziehung sämtlicher unabhängiger Variablen von 13.435,965 auf 7.369,081 und zeigt, dass die unabhängigen Variablen eine signifikante Verbesserung gegenüber dem Nullmodell darstellen. Der Likelihood-Quotienten-Test deutet mit einem X² von 6.088,884 bei einem Signifikanzniveau von 0,000 auf eine gute Anpassung des Modells hin. Angesichts der Pseudo-R²-Statistiken wird die Güte des Modells weiter hervorgehoben. So weist das McFaddens-R² mit einem Wert von 0,452 auf eine hohe Güte des berechneten Gesamtmodells hin. Auch die Werte für Cox & Snell-R² mit 0,465 sowie Nagelkerkes-R² mit 0,620 implizieren eine jeweils gute Modellanpassung.219 Prognostizierte Gruppenzugehörigkeit

Beobachtete Gruppenzugehörigkeit

Verweiler

Natürliche Up-Seller

Korrekte Klassifizierung

Verweiler

4.101

745

84,6 %

Natürliche Up-Seller

877

3.969

81,9 %

Gesamt

83,3 %

Der Trennwert lautet 50,0 %.

Tabelle 10:

218

219

Klassifikationsmatrix des Vergleichs von natürlichen UpSellern und Verweilern

Vor dem Hintergrund der Studie hätten auch iterative Verfahren wie die Vor- bzw. Rückwärtsmethode angewendet werden können. Neben der Einschränkung der Aussagekraft der Gütemaße soll den iterativen Verfahren auf Grund eines hohen Maßes an Willkür nicht gefolgt werden. Vgl. KRAFFT, M., Außendienstentlohnung im Licht der Neuen Institutionenlehre, Wiesbaden 1995, S. 289 f. Auf Grund der Analyse der Korrelationen zwischen den unabhängigen Variablen wurde die Variable bahn.bonus-Punkte zur Vorbeugung einer Multikollinearität aus der weiteren Analyse ausgeschlossen. Dabei konnte gezeigt werden, dass der Ausschluss keine wesentlichen Auswirkungen auf das Modell besitzt. Der Informationsverlust kann insgesamt durch die Variable bahn.comfort-Punkte ausgeglichen werden. Vgl. zur Bestimmung von Multikollinearität SCHNEIDER, H., Nachweis und Behandlung von Multikollinearität, in: ALBERS ET AL. (HRSG.), Methodik der empirischen Forschung, Wiesbaden 2006, S. 187 ff. sowie MENARD, S., Applied Logistic Regression Analysis, a. a. O., S. 75 ff. Vgl. HOSMER, D. W., LEMESHOW, S., Applied Logistic Regression, 2nd edition, New York 2000, S. 144 ff.

75

Die Klassifikationsmatrix der logistischen Regression weist eine korrekte Zuordnung der natürlichen Up-Seller und Verweiler von insgesamt 83,3 % auf und stellt gegenüber einer zufallsbasierten Klassifikation eine deutliche Steigerung dar (vgl. Tabelle 10).220 Das maximum chance criterion für nahezu gleich große Gruppenanzahlen fällt entsprechend positiv aus, da die Trefferquote höher ist als das MCC von 50,0 %. Folglich können auf Basis des berechneten Modells natürliche UpSeller mit einer Wahrscheinlichkeit von 81,9 % identifiziert werden. Nach der erfolgten Beurteilung der globalen Gütemaße gilt es, die Regressionsbzw. Logit-Koeffizienten hinsichtlich Signifikanz, Richtung und relativer Bedeutung zu interpretieren. Die Einflussrichtungen der jeweiligen signifikanten LogitKoeffizienten lassen sich anhand des Vorzeichens der Tabelle 11 interpretieren. So deuten positive Vorzeichen auf einen positiven Einfluss der Up-SellingWahrscheinlichkeit hin. Im untersuchten Fall kategorialer Variablen folgt daraus, dass die jeweilige Ausprägung bei Logit-Koeffizienten mit positivem Vorzeichen eine Erhöhung der Wahrscheinlichkeit, ein natürlicher Up-Seller zu sein, zur Folge hat. Jedoch bedürfen Aussagen hinsichtlich der Einflussstärke der signifikanten unabhängigen Variablen einer vertiefenden Analyse, welche im Rahmen einer nachfolgenden Sensitivitätsanalyse erfolgen wird.221 In Anbetracht der Ergebnisse des berechneten Modells zeigen sich zunächst fast alle unabhängigen Variablen als hoch signifikant. Auf Basis der Untersuchung der sozio-ökonomischen Kriterien zeigt sich, dass das Geschlecht im Fall eines männlichen BahnCard-Kunden einen positiven Einfluss auf den Klassenaufstieg besitzt. Des Weiteren kann der Logit-Koeffizient des akademischen Titels dahingehend interpretiert werden, dass die Existenz eines Titels die Wahrscheinlichkeit, natürliche Up-Seller erfasst zu haben, steigt. Ein Fehlen eines Titels wirkt sich folglich eher negativ auf die Wechselwahrscheinlichkeit des Kunden aus. Als dritte unabhängige Variable der sozio-ökonomischen Größen wurde das Alter in Form von gebildeten Altersklassen analysiert. Es zeigt sich, dass auch das Alter den Klassenwechsel beeinflusst. So kann geschlussfolgert werden, dass Kunden in den beiden höheren Altersklassen (40 - 50 Jahre und ab 51 Jahren) tendenziell eher einen natürlichen Up-Seller in die 1. Klasse darstellen. Hingegen sinkt die

220 221

76

Bei einer zufallsbasierten Zuordnung ist bei dieser balancierten Stichprobe ein Trennwert von 50 % anzusetzen. Vgl. ROHRLACK, C., Logistische und Ordinale Regression, in: ALBERS ET AL. (HRSG.), Methodik der empirischen Forschung, Wiesbaden 2006, S. 211 ff.

Wahrscheinlichkeit für BahnCard-Kunden unter 40 Jahren hinsichtlich eines Wechsels von einer 2. Klasse auf eine 1. Klasse BahnCard. LOGITKoeffizient

Signifikanz

Einflussrichtung

Geschlecht (männlich)

0,520

***

+

Titel (vorhanden)

0,665

***

+

0 - 39 Jahre

-1,137

***

-

40 - 50 Jahre

0,284

***

+

> 50 Jahre

0,853

***

+

Unabhängige Variablen SOZIO-ÖKONOMISCHE KRITERIEN

Altersklasse

VERHALTENSORIENTIERTE KRITERIEN E-Mail-Permission (vorhanden)

0,528

***

+

Kundenbeziehungsdauer (> 5 Jahre)

1,386

***

+

BahnCard (BC 50)

Umsatzklasse

bahn.comfortPunkte-Klasse

0,149

*

+

0 - 500 €

-0,411

***

-

501 - 1.000 €

0,107

***

+

> 1.000 €

0,305

***

+

0

-1,973

***

-

1 - 500

-0,456

***

-

501 - 1.000

0,522

*

+

> 1.000 1,908 *** + ***: signifikant mit  < 0,01 *: signifikant mit  < 0,1 n. s.: nicht signifikant +: signifikant positiver Einfluss auf die Wahrscheinlichkeit, ein natürlicher Up-Seller zu sein -: signifikant negativer Einfluss auf die Wahrscheinlichkeit, ein natürlicher Up-Seller zu sein

Tabelle 11:

Empirische Analyse des Wechselverhaltens auf Basis der logistischen Regression bei natürlichen Up-Sellern

Neben diesen Kriterien wurden ebenfalls die verhaltensorientierten Variablen untersucht. Auch hier konnten fast alle unabhängigen Variablen mit einer Irrtumswahrscheinlichkeit von kleiner als 0,01 % bestätigt und infolgedessen als Prädiktoren herangezogen werden.222 So deutet die Existenz einer Einwilligung zur EMail-Kommunikation bei einem BahnCard-Kunden mit höherer Wahrscheinlich-

222

Lediglich die unabhängigen Variablen BahnCard-Art sowie die Klasse 501 - 1.000 bahn.comfort-Punkte konnten auf einem kleiner als 0,1 getesteten Signifikanzniveau einbezogen werden. Jedoch sind auch diese Werte noch als gut bis akzeptabel zu beurteilen. Vgl. KRAFFT, M., Außendienstentlohnung im Licht der Neuen Institutionenlehre, a. a. O., S. 304 sowie die Parameterwerte in Anhang I-2.

77

keit auf einen natürlichen Up-Seller als das Fehlen dieser Ausprägung. In Übereinstimmung mit der Einordnung von Up-Selling als Strategie zur Steigerung des Kundenwertes bei loyalen Kunden zeigt sich, dass eine längere Kundenbeziehungsdauer einen positiven Einfluss auf die Wahrscheinlichkeit, einen potenziellen Up-Seller identifiziert zu haben, besitzt. Im Untersuchungsfall wirkt sich eine längere Kundenbeziehungsdauer als fünf Jahre erhöhend auf die Up-SellingWahrscheinlichkeit aus. In Bezug auf die Art der BahnCard kann anhand der Regressionskoeffizienten des errechneten Modells geschlussfolgert werden, dass bei Kunden mit einer BahnCard 50 die Wahrscheinlichkeit für einen Klassenaufstieg tendenziell steigt und daher ein höheres Up-Selling-Potenzial vorliegt als bei Kunden mit einer BahnCard 25. Letztlich fand mit dem kumulierten Umsatz auch eine direkt monetäre Größe Eingang in die logistische Regression. Hierbei wurden insgesamt drei Umsatzklassen gebildet, wobei deutlich wird, dass höhere Umsätze positive Wahrscheinlichkeiten aufweisen. Die Klasse 0 - 500 € kumulierter Umsatz wirkt sich dementsprechend negativ auf die Wahrscheinlichkeit aus, einen natürlichen Up-Seller erfasst zu haben. Hingegen deutet sowohl die Umsatzklasse 501 - 1.000 € als auch die Klasse > 1.000 € Umsatz auf eine positive Beeinflussung der Aufstiegswahrscheinlichkeit hin. Diese Ergebnisse werden zudem durch die Interpretation der bahn.comfort-Koeffizienten gestützt. Es zeigt sich, dass hohe Punkteklassen die Wahrscheinlichkeit, einen Up-Seller identifiziert zu haben, erhöhen und vice versa. Konkret besitzen die Klassen von 501 - 1.000 Punkten sowie die > 1.000 Punkte-Klasse einen hoch signifikanten positiven Einfluss auf die Wahrscheinlichkeit.223 Ausgehend von diesen Ergebnissen soll im Folgenden eine Sensitivitätsanalyse einen wesentlichen Erklärungsbeitrag zur Bestimmung der relativen Bedeutung bzw. Einflussstärke der jeweiligen signifikanten Variablen leisten. In diesem Rahmen erfolgt die systematische Variation einzelner unabhängiger Variablen, während alle anderen unabhängigen Variablen konstant gehalten werden, im Sinne einer Ceteris paribus-Betrachtung. Als Ergebnis lassen sich die Wahrscheinlichkeitsänderungen als Einflussstärke interpretieren. Ausgehend von den Mittelwerten bzw. im konkreten Untersuchungsfall den häufigsten Ausprägungen der Ver-

223

78

Jedoch sind die Ergebnisse der Status-Punkte mit denen des Umsatzes vorsichtig zu interpretieren, da Status-Punkte im BahnCard-System nach zwei Jahren verfallen. Hingegen wird der Umsatz über die erfasste Kundenbeziehungsdauer kumuliert.

weiler werden die zu untersuchenden Variablen jeweils entsprechend der signifikanten Ausprägungen der natürlichen Up-Seller variiert.224 Ausprägung in der Ausgangssituation

Variierte Ausprägung

Veränderung der Wechselwahrscheinlichkeit

Geschlecht

Weiblich

Männlich

+ 66,11 %

Titel

Kein Titel

Unabhängige Variable

Alter

E-Mail-Permission Kundenbeziehungsdauer BahnCard-Art

Umsatz

bahn.comfort-Punkte Wechselwahrscheinlichkeit

Vorhanden

+ 90,83 %

40 - 50 Jahre

+ 290,62 %

> 50 Jahre

+ 552,80 %

Nicht vorhanden

Vorhanden

+ 67,21 %

< 5 Jahre

> 5 Jahre

+ 277,84 %

BC 25

BC 50

+ 15,66 %

501 - 1.000 €

+ 65,69 %

> 1.000 €

+ 100,52 %

0 Punkte

501 - 1.000 Punkte

+ 898,01 %

1,91 %

99,73 %*

0 - 39 Jahre

0 - 500 €

*Reaktionswahrscheinlichkeit bei gleichzeitiger Optimierung aller Ausprägungen

Abbildung 7: Sensitivitätsanalyse der signifikanten Variablen zur Identifikation von natürlichen Up-Sellern Auf Basis der Sensitivitätsanalyse in Abbildung 7 wird deutlich, dass die unabhängige Variable bahn.comfort-Punkte den größten Einfluss auf die Wahrscheinlichkeit besitzt, dass ein BahnCard-Kunde von der 2. auf die 1. Klasse BahnCard wechselt. Dementsprechend kann geschlussfolgert werden, dass im Rahmen der Segmentierung eine Fokussierung auf Kunden mit einer hohen bahn.comfortPunkte-Zahl größer als 500 Punkte liegen sollte.225 Ebenso besitzt das Kriterium Alter einen nachhaltigen Einfluss hinsichtlich der Prognose potenzieller natürlicher Up-Seller. So kann die Erfolgsquote – einen Up-Seller identifiziert zu haben – durch die Änderung der Segmentierungskriterien von der Altersklasse bis 39 Jahre auf die beiden höher liegenden Altersklassen deutlich gesteigert werden. Des Wei-

224

225

Eine ausführliche Auseinandersetzung mit unterschiedlichen Sensitivitätsanalysen im Rahmen der logistischen Regression findet sich bei KRAFFT, M., Außendienstentlohnung im Licht der Neuen Institutionenlehre, a. a. O., S. 330 ff. sowie LECLERE, M., The Interpretation of Coefficients in Models with Qualitative Dependent Variables, in: Decision Sciences, Vol. 23, No.3, 1992, S. 722 ff. Die Variation auf die bahn.comfort-Punkte-Klasse > 1.000 bahn.comfort-Punkte zeigt insgesamt eine noch deutlich höhere relative Einflussstärke und ist hoch signifikant.

79

teren ist der Dauer der Kundenbeziehung ein erheblich höherer Einfluss auf die Wechselwahrscheinlichkeit zuzusprechen als der Mehrheit der unabhängigen Variablen. Interessanterweise weisen zwar auch höhere Umsatzklassen einen zunehmenden Einfluss auf die Wahrscheinlichkeit, einen Up-Seller identifiziert zu haben, auf und stehen so im Einklang mit den Ergebnissen der Variablen Statuspunkte. Jedoch ist der Einfluss im Vergleich zu letztgenannten eher als moderat zu bezeichnen, sodass hohe bahn.comfort-Punkte eventuell Hinweise auf eine hohe Bahnnutzung kurz vor dem Wechsel implizieren, wohingegen der Umsatz die gesamte Kundenbeziehungsdauer umfasst.226 Als mittlere Einflussfaktoren können das Geschlecht, die Existenz eines akademischen Titels sowie Affinität für E-MailMarketing angesehen werden. Grundsätzlich vermögen diese unabhängigen Kriterien zwar die bessere Prognose der Up-Selling-Wahrscheinlichkeit, fallen jedoch im Vergleich zu den Kriterien Statuspunkte, Alter und Umsatz ab. Schließlich weist die letzte Variable der BahnCard-Art einen lediglich geringen positiven Effekt zur Veränderung der Reaktionswahrscheinlichkeit auf. Folglich ist die Art der BahnCard von untergeordneter Bedeutung für einen Klassenaufstieg. Zur Beurteilung der Prognosegüte des Segmentierungsmodells für Up-Seller soll weiterhin die Reaktionswahrscheinlichkeit der Ausprägungen der Ausgangssituation für einen Verweiler mit den variierten und optimierten Segmentierungskriterien verglichen werden. Hierbei steigt die Wahrscheinlichkeit, BahnCard-Kunden bei Vorliegen der variierten Ausprägungen als Up-Seller identifiziert zu haben, auf 99,73 %. Dementsprechend erscheint es sinnvoll, die als wesentlich herausgestellten Variablen nicht isoliert, sondern in Kombination einzusetzen.

2.1.3 Vergleichende Analyse von aktivierten Up-Sellern und Verweilern Weiterhin erfolgte im Rahmen der A-Priori-Segmentierung parallel die Analyse einer Direktmarketingaktion der Deutschen Bahn AG im gleichen Zeitraum wie die Stichprobenziehung der natürlichen Up-Seller. Hierbei wurden insgesamt 185.381 Kunden mit einer 2. Klasse BahnCard in den Großräumen Berlin und Hamburg mit einem postalischen Mailing angeschrieben, in welchem die Vorteile der 1. Klasse erläutert sowie ein Warengutschein und eine einmalige Fahrt in der 1. Klasse inkludiert waren. Insgesamt entschieden sich 1.601 Kunden für einen Wechsel zur

226

80

Diese Annahme basiert auf der Gültigkeitsdauer der Statuspunkte. bahn.comfort-Punkte verfallen nach zwei Jahren und müssen neu angesammelt werden.

BahnCard der 1. Klasse. Hiervon konnten letztlich 1.346 Fälle in die Untersuchung einbezogen werden.227 Als Vergleichsgruppe wurde eine repräsentative Stichprobe aus den Verweilern mit einer BahnCard der 2. Klasse mit einer Anzahl von 1.346 Fällen gebildet. Nachfolgend werden die beiden Gruppen hinsichtlich unterschiedlich ausgeprägter Variablen überblicksartig dargestellt (vgl. Tabelle 12). Sozio-ökonomische Kriterien Geschlecht

Kriterium Ausprägung

Titel

Alter

m

w

ja

nein

MW



Akt. Up-Seller

56,9 %

43,1 %

11,6 %

88,4 %

57,36

12,88

Verweiler

50,3 %

49,7 %

7,4 %

92,6 %

49,23

12,74

Verhaltensorientierte Kriterien Kriterium Ausprägung

E-Mail-Permission ja

nein

Dauer der Kundenbeziehung MW

BahnCard



BC 25

BC 50

5,36 Jahre

2,00

50,1 %

49,9 %

4,06 Jahre

1,98

54,5 %

45,5 %

Akt. Up-Seller

34,8 %

65,2 %

Verweiler

15,2 %

84,8 %

MW



MW



MW



1.366,69 €

2.087,33

624,08

840,24

545,08

690,36

936,14 €

1.775,52

360,67

596,93

319,76

483,65

Umsatz

Kriterium Ausprägung Akt. Up-Seller Verweiler

Tabelle 12:

bahn.bonus-Punkte

bahn.comfort-Punkte

Vergleich der aktivierten Up-Seller und Verweiler auf Basis der Ausprägungen und Mittelwerte

Die deskriptive Analyse der sozio-ökonomischen Daten zeigt analog zur vorherigen Untersuchung der natürlichen Up-Seller tendenziell gleichverlaufende Unterschiede der aktivierten Up-Seller und Verweiler. Jedoch sind die beobachtbaren Effekte weniger stark ausgeprägt. Während zuvor eine eindeutige Mehrheit männlicher Up-Seller zu erkennen war, kann diese Verteilung zugunsten männlicher Up-Selling-Kunden zwar identifiziert, jedoch mit 56,9 % (Up-Seller) und 50,3 % (Verweiler) nicht in dem gleichen Maße bestätigt werden. Im Vergleich des Alters zeigt sich bei den BahnCard-Kunden der Testaktion ebenfalls ein knapp zehn Jahre höheres Durchschnittsalter der aktivierten Up-Seller respektive Up-Seller. Fallgruppenübergreifend lässt sich das deutliche höhere Alter der Testaktionskunden sowohl auf Up-Seller- als auch auf Verweiler-Seite konstatieren, welches es

227

Aus der Analyse wurden 255 Fälle ausgeschlossen, da diese größtenteils unvollständige Datensätze beinhalteten oder durch extreme Ausreißer bestimmt waren. Vgl. LITTLE, R. J. A., RUBIN, D. B., Statistical Analysis With Missing Data, 2nd edition, Thousand Oaks 2002, S. 5 ff.

81

im zweiten Segmentierungsschritt näher zu untersuchen gilt. Hinsichtlich der Angabe akademischer Titel zeigen sich lediglich geringfügige Unterschiede der hier betrachteten Gruppen. So weisen die Up-Seller mit knapp vier Prozentpunkten einen leicht höheren Anteil von Kunden mit höherem Bildungsniveau auf. In Übereinstimmung mit den Erkenntnissen der sozio-ökonomischen Variablen deuten auch die einbezogenen verhaltensorientierten Kriterien auf tendenziell ähnliche Ergebnisse im Vergleich zur Analyse der natürlichen Up-Seller hin. Hinsichtlich der Bereitschaft zur E-Mail-Kommunikation weisen aktivierte Up-Seller mit 34,8 % einen mehr als doppelt so hohen Anteil an Einwilligungen auf. Ein Mittelwertvergleich der Kundenbeziehungsdauer zeigt hingegen nur marginale Unterschiede der vorliegenden Gruppen. Jedoch kann eine durchschnittlich ein Jahr längere Dauer festgestellt werden. Hinsichtlich der BahnCard-Verteilung zeichnet sich ebenfalls ein ausgewogenes Bild ab. Die monetären bzw. monetär-nahen Größen weisen jedoch eine höher ausfallende Divergenz auf. Allerdings zeigt die hohe Standardabweichung keine einheitliche Verteilung der Umsätze auf. Ebenfalls besitzen die identifizierten Up-Seller sowohl höhere Prämien- als auch Statuspunkte im Vergleich zu den Verweilern bei der Direktmarketingaktion. Angesichts dieser ersten deskriptiven Befunde soll im Weiteren eine binärelogistische Regression zur Beschreibung der aktivierten Up-Seller- und VerweilerGruppen sowie zur Prognose der Gruppenzugehörigkeit vorgenommen werden. Zur Berechnung des Modells konnten acht unabhängige Variablen einbezogen werden, welche zuvor auch für die Analyse der natürlichen Up-Seller herangezogen wurden.228 Somit können in einem nachgelagerten Schritt beide Untersuchungsstränge der natürlichen und aktivierten Up-Seller in Bezug auf mögliche Unterschiede analysiert werden. Hinsichtlich der heranzuziehenden Gütemaße ergibt sich für das Gesamtmodell eine Devianz von 3.087,249. Hierbei sinkt die Devianz nach Einbeziehung sämtlicher unabhängiger Variablen von 3.731,904 auf 3.087,249 und zeigt, dass die einbezogenen unabhängigen Variablen eine signifikante Verbesserung gegenüber dem Nullmodell darstellen. Ebenfalls weist der

228

82

Ebenfalls wurde bei der Prüfung auf Korrelationen eine Abhängigkeit der bahn.bonus- und bahn.comfort-Punkte mit Hilfe des VIF und weiterer Verfahren entdeckt, sodass die unabhängige Variable bahn.bonus-Punkte ausgeschlossen wurde. Es konnte in diesem Zusammenhang geprüft werden, dass der Ausschluss keine wesentlichen Auswirkungen auf das Modell besitzt. Die Korrelation ist im Wesentlichen daher zu erklären, dass sowohl bahn.bonus- als auch bahn.comfort-Punkte für jeden Euro Umsatz mit der BahnCard gesammelt werden können. Vgl. zum VIF SCHNEIDER, H., Nachweis und Behandlung von Multikollinearität, a. a. O., S. 191 ff.

Likelihood-Quotienten-Test mit einem X² von 644,655 bei einer Irrtumswahrscheinlichkeit von 0,000 auf eine gute Anpassung des Modells hin.229 Weiterhin kann dem McFadden-R² mit 0,212 eine akzeptable Modellanpassung entnommen werden. Angesichts der Werte für Cox & Snell-R² mit 0,213 sowie NagelkerkesR² mit 0,284 weist das berechnete Modell ein akzeptables Niveau auf.230 Prognostizierte Gruppenzugehörigkeit

Beobachtete Gruppenzugehörigkeit

Verweiler

Aktivierte Up-Seller

Korrekte Klassifizierung

Verweiler

905

441

67,2 %

Aktivierte Up-Seller

389

957

71,1 %

Gesamt

69,2 %

Der Trennwert lautet 50,0 %.

Tabelle 13:

Klassifikationsmatrix des Vergleichs von aktivierten UpSellern und Verweilern

Die Klassifikationsmatrix der logistischen Regression in Tabelle 13 zeigt eine korrekte Zuordnung der Up-Seller mit externem Marketing-Stimulus und Verweilern von insgesamt 69,2 % und stellt gegenüber einer zufallsbasierten Klassifikation eine deutliche Steigerung dar. Das maximum chance criterion für nahezu gleich große Gruppenanzahlen ist somit positiv, da die Trefferquote höher ist als das MCC von 50,0 %. Mit Hilfe der bestimmten Koeffizienten können die Up-Seller mit einer Trefferwahrscheinlichkeit von 71,1 % und die Verweiler mit 67,2 % richtig klassifiziert werden. Auf Grund der nachgewiesenen Modellgüte können die Ergebnisse im Folgenden interpretiert werden. Analog dem vorherigen Vorgehen werden unter Zuhilfenahme der Logit-Koeffizienten die Signifikanz sowie die Einflussrichtung der in Tabelle 14 angegebenen unabhängigen Variablen untersucht. Demnach sind fast alle einbezogenen sozio-ökonomischen Kriterien hoch signifikant.231 Der Regressionskoeffizient des Geschlechts des BahnCard-Kunden weist darauf hin, dass bei

229 230

231

Das Chi-Quadrat wurde hierbei bei 12 Freiheitsgraden berechnet. Auch im Rahmen des Hosmer-Lemeshow-Tests wurde ein möglichst niedriger Chi-QuadratWert von 4,616 bei einer Signifikanz von 0,798 erreicht, sodass von einer akzeptablen Modellgüte auszugehen ist. Hierbei konnte sowohl beim Geschlecht als auch bei allen Altersklassen ein Signifikanzniveau von < 1 % bestätigt werden. Lediglich der Titel weist ein Signifikanzniveau von < 10 % auf. Vgl. Anhang I-3.

83

männlichen Kunden die Wahrscheinlichkeit eines Up-Selling positiv beeinflusst wird. Ebenso wie in der ersten logistischen Regression wird der positive Einfluss auf die Wahrscheinlichkeit durch die Existenz eines akademischen Titels bestätigt. Jedoch ist dieser Einfluss lediglich schwach signifikant im Gegensatz zur vorigen Untersuchung. Weiterhin wurde das Alter in Form der auch zuvor angewendeten drei Altersklassen untersucht. Für die Ausprägung 0 - 39 Jahre ergibt sich ein negatives Vorzeichen des Logit-Koeffizienten, sodass auch auf eine negative Wechselwahrscheinlichkeit geschlossen werden kann. Demgegenüber können ältere BahnCard-Kunden im Alter von 40 - 50 bzw. über 50 Jahren mit signifikant höheren Wahrscheinlichkeiten als Up-Seller erfasst werden. LOGITKoeffizient

Signifikanz

Einflussrichtung

Geschlecht (männlich)

0,395

***

+

Titel (vorhanden)

0,290

*

+

0 - 39 Jahre

-1,257

***

-

40 - 50 Jahre

0,235

***

+

> 50 Jahre

1,022

***

+

Unabhängige Variablen SOZIO-ÖKONOMISCHE KRITERIEN

Altersklasse

VERHALTENSORIENTIERTE KRITERIEN E-Mail-Permission (vorhanden)

1,049

***

+

Kundenbeziehungsdauer (> 5 Jahre)

0,783

***

+

BahnCard-Art (BC 50)

-0,321

***

+

Umsatzklasse

bahn.comfortPunkte-Klasse

0 - 500 €

0,233

***

501 - 1000 €

0,039

n. s.

> 1.000 €

-0,272

***

-

0€

-0,931

***

-

1 - 500 €

-0,333

***

-

501 - 1000 €

0,346

***

+

> 1.000 € 0,918 *** + ***: signifikant mit  < 0,01 *: signifikant mit  < 0,1 n. s.: nicht signifikant +: signifikant positiver Einfluss auf die Wahrscheinlichkeit, ein aktivierter Up-Seller zu sein -: signifikant negativer Einfluss auf die Wahrscheinlichkeit, ein aktivierter Up-Seller zu sein

Tabelle 14:

84

Empirische Analyse des Wechselverhaltens auf Basis der logistischen Regression bei aktivierten Up-Sellern

Im Bereich der verhaltensorientierten Kriterien wurden entsprechend der ersten Analyse die gleichen unabhängigen Variablen in die logistische Regression aufgenommen.232 Hierbei zeigt sich ein signifikanter und positiver Effekt auf Grund der Einwilligung zur Direktkommunikation über den E-Mail-Kanal. Dieser muss jedoch, wie alle übrigen Koeffizienten auch, bezüglich der relativen Bedeutung mittels einer Sensitivitätsanalyse abschließend bewertet werden. Außerdem wurde als zweites Merkmal dieser Kriteriengruppe die Kundenbeziehungsdauer erfasst. Hierbei zeigt sich, dass eine Beziehungsdauer über fünf Jahre einen positiven Einfluss auf die Up-Seller-Wahrscheinlichkeit besitzt. Diese Ergebnisse stehen im Einklang mit den Erkenntnissen der natürlichen Up-Seller. Hingegen lässt die Analyse des kumulierten Umsatzes Unterschiede zu den Feststellungen der ersten logistischen Regression erkennen. In dieser Analyse B konnten lediglich zwei Umsatzklassen als signifikant bestätigt werden. Die mittlere Klasse von 501 - 1.000 € wurde demnach nicht in das Modell integriert. Die Analyse zeigt, dass die untere Klasse (0 - 500 €) einen positiven Einfluss auf die Aufstiegswahrscheinlichkeit zu besitzen scheint. Die Interpretation des Logit-Koeffizienten deutet jedoch bei der höchsten Umsatzklasse auf einen negativen Einfluss hin. Diese Ergebnisse stehen somit zunächst im Widerspruch zu den Interpretationen der Analyse der natürlichen Up-Seller. Jedoch zeigen Auswertungen, dass auf Grund der Umsatzverteilung diese Werte für die Direktmarketingaktion als plausibel angenommen werden können. Zudem lassen sich den Status-Punkte-Klassen wiederum ähnliche Einflussrichtungen wie in der ersten Untersuchung entnehmen. Auch hier besitzt die unterste bahn.comfort-Punkte-Klasse tendenziell negative Auswirkungen auf die Up-Selling-Wahrscheinlichkeit. Hingegen ist bei den beiden höheren Punkteklassen auf einen positiven Einfluss zu schließen.233 Die abschließende Sensitivitätsanalyse vermag letztlich Aufschluss über die relativen Bedeutungen der jeweiligen unabhängigen Variablen zu liefern. Hierbei wird auf das bereits aufgezeigte Vorgehen der Analyse A zurückgegriffen.234 Auf

232

233

234

Auch bei der Analyse der aktivierten Up-Seller wurde die Variable bahn.bonus-Punkte auf Grund von Multikollinearität aus der logistischen Regression ausgeschlossen. Der Verzicht auf die Informationen dieser Variable kann jedoch durch die bahn.comfort-Punkte sowie durch den Umsatz kompensiert bzw. ermittelt werden. Eine mögliche Interpretation der Gegenläufigkeit der beiden Variablen Umsatz und bahn.comfort-Punkte besteht in der Erklärung, dass im konkreten Untersuchungskontext prinzipiell weniger aktive Kunden sowie Kunden mit kürzeren Kundenbeziehungen einbezogen wurden. Zur Identifikation der Einflussstärke und zur besseren Vergleichbarkeit wurden größtenteils die gleichen Ausprägungen wie in der Analyse A gewählt.

85

dieser Basis zeigt sich, dass die größte Einflussstärke in Abbildung 8 dem Alter zugeschrieben werden kann. Die Fokussierung auf Kundengruppen über 50 Jahren weist die höchste positive Veränderung der Wechselwahrscheinlichkeit auf. Weiterhin erscheint die bahn.comfort-Punkteklasse in Höhe von 501 - 1.000 Punkten als besonders relevant.235 An dritter Stelle kann die Bereitschaft zur Kommunikation auf E-Mail-Basis als Kriterium mit hohem Einfluss herangezogen werden. In Übereinstimmung mit den Ergebnissen aus der Analyse A zeigt sich ebenfalls, dass die Kundenbeziehungsdauer eine hohe relative Bedeutung in Bezug auf die Identifikation des Wechselverhaltens besitzt. Demgegenüber können der akademische Titel und das Geschlecht der BahnCard-Kunden als Faktoren mit mäßigem Einfluss interpretiert werden. Im Gegensatz zur ersten Untersuchung der natürlichen Up-Seller fällt auf, dass sowohl höhere Umsätze als auch der Besitz einer BahnCard 50 einen negativen Einfluss auf die Up-Selling-Wahrscheinlichkeiten besitzen. Ursächlich hierfür sind die insgesamt niedrigeren Ausprägungen der aktivierten im Vergleich zu den natürlichen Up-Sellern und somit die geringeren Unterschiede der aktivierten Up-Seller und Verweiler. Unabhängige Variable

Ausprägung in der Ausgangssituation

Variierte Ausprägung

Veränderung der Wechselwahrscheinlichkeit

weiblich

männlich

+ 44,52 %

Titel

Kein Titel

Vorhanden

+ 31,11 %

40 - 50 Jahre

+ 279,08 %

Alter

0 - 39 Jahre > 50 Jahre

+ 575,94 %

Nicht vorhanden

Vorhanden

+ 160,07 %

< 5 Jahre

> 5 Jahre

+ 106,34 %

BC 25

BC 50

- 26,56 %

Umsatz

0 - 500 €

> 1.000 €

- 38,38 %

bahn.comfort-Punkte

0 Punkte

501 - 1.000 Punkte

+ 215,51 %

5,03 %

94,44 %*

Geschlecht

E-Mail-Permission Kundenbeziehungsdauer BahnCard-Art

Wechselwahrscheinlichkeit

*Reaktionswahrscheinlichkeit bei gleichzeitiger Optimierung aller Ausprägungen

Abbildung 8: Sensitivitätsanalyse der signifikanten Variablen zur Identifikation von aktivierten Up-Sellern

235

86

Auch die Variation auf die Klasse > 1.000 bahn.comfort-Punkte zeigt eine ähnlich hohe relative Einflussstärke auf die Wechselwahrscheinlichkeit. Jedoch ist diese ebenfalls kleiner als die Einflussstärke des Alters.

2.1.4 Zusammenfassung der Ergebnisse und mögliche Optimierungsansätze der ersten Segmentierungsstufe In einer Zusammenfassung der Ergebnisse der ersten Segmentierungsstufe lässt sich festhalten, dass zum einen die wesentlichen Deskriptoren für eine trennscharfe Abgrenzung der Up-Seller und Verweiler mit den relevanten Ausprägungen identifiziert wurden und zum anderen anhand des berechneten Modells eine hohe Prognosegüte von Up-Selling-Potenzialen erzielt werden kann. Dabei fallen hinsichtlich der identifizierten Deskriptoren sowohl Gemeinsamkeiten als auch Unterschiede in beiden Untersuchungssträngen (Analyse A und Analyse B) auf. Diese sollen für eine spätere Marktbearbeitung auch zur Unterscheidung von natürlichen Up-Sellern und durch Marketing-Stimuli zu aktivierende Up-Seller herausgearbeitet und daher übersichtlich in Tabelle 15 zusammengestellt sowie kurz erörtert werden. Einfluss

Natürliche Up-Seller

Aktivierte Up-Seller

Geschlecht

+

+

Titel

+

+

Alter

+++

+++

+

++

++

++

BahnCard-Art

o

o

Umsatz

+

o

+++

++

SOZIO-ÖKONOMISCHE KRITERIEN

VERHALTENSORIENTIERTE KRITERIEN E-Mail-Permission Kundenbeziehungsdauer

bahn.comfort-Punkte +++ sehr hoher Einfluss

++ hoher Einfluss

+ moderater Einfluss

o geringer bis kein Einfluss

Tabelle 15:

Vergleichende Bewertung der wichtigsten Segmentierungskriterien zur Identifikation von Up-Sellern

Untersuchungsübergreifend können als wichtigste Deskriptoren das Alter, die Anzahl der gesammelten Statuspunkte sowie die Kundenbeziehungsdauer und somit eine Kombination der beiden einbezogenen Kriteriengruppen aufgeführt werden.236 Hierbei besitzt das Alter der BahnCard-Kunden bei durch externe Mar-

236

Die Wichtigkeit wurde hierbei auf Basis des in der Sensitivitätsanalyse aufgezeigten Einflusses bzw. der relativen Bedeutung der jeweiligen unabhängigen Variablen bestimmt.

87

keting-Stimuli induzierten Up-Sellern den größten Einfluss. Die Untersuchung der natürlichen Up-Seller hat gezeigt, dass hier die Bedeutung der bahn.comfortPunkte am höchsten zu bewerten ist. Weiterhin kommt der Dauer der Kundenbeziehung eine überdurchschnittliche Relevanz zur Identifikation von Up-Sellern zu.237 Unter Zuhilfenahme dieser drei Kriterien lassen sich anhand der zuvor aufgezeigten Variablenausprägungen zielführende Segmentierungen unter Effektivitäts- und Effizienzaspekten durchführen.238 Zusätzlich muss jedoch das Niveau, also die Ausprägung dieser Variablen, betrachtet werden, um im Folgenden natürliche Up-Seller von zu aktivierenden Up-Sellern hinreichend zu differenzieren. Hierbei fällt auf, dass insbesondere die bahn.comfort-Punkte sowie das Alter ein hohes Differenzierungspotenzial besitzen. Natürliche Up-Seller besitzen hierbei ein ca. sechs Jahre jüngeres Durchschnittsalter und doppelt so viel bahn.comfortPunkte. Somit lassen sich gezielte Selektionen für die beiden Fallgruppen hinsichtlich der Marktbearbeitung vornehmen. Als größte Abweichungen lassen sich unterschiedliche Ausprägungen insbesondere des Umsatzes und der E-Mail-Affinität erkennen. Weiterhin kann konstatiert werden, dass beide Fallgruppen unterschiedlich gute Prognosen ermöglichen. Auf Grund der vorliegenden Daten scheint grundsätzlich eine bessere Prognose von natürlichen Up-Sellern möglich, da diese bezüglich der erfassten Kriterien in sich homogener und gegenüber den Verweilern heterogener sind. Dies lässt sich wie folgt interpretieren: Kunden, bei denen ohne einen externen Stimulus das Bedürfnis eines Klassenaufstiegs initiiert wurde und deren Wechselbereitschaft schließlich in einem realen Kauf der höherwertigen Klasse resultiert, besitzen Kundenhistorien mit höherer Fahrintensität im Vergleich zu den aktivierten Up-Sellern.239 Denkbar sind an dieser Stelle bewusst rationalere Entscheidungen oder situative Einflüsse der natürlichen Up-Seller, die das Up-Selling-Verhalten determinieren.

237

238

239

88

Hierbei wurde als dritter Einflussfaktor die Kundenbeziehungsdauer mit einbezogen, da dieses Kriterium bei beiden Untersuchungen im Gegensatz zu der E-Mail-Permission eine hohe Bedeutung besessen hat. Ähnliche Ergebnisse zeigen SALAZAR / HARRISON / ANSELL in ihrer Studie auf, deren Fokus jedoch primär auf Cross-, aber auch in geringem Maße auf Up-Selling liegt. Vgl. SALAZAR, M. T., HARRISON, T., ANSELL, J., An approach for the identification of cross-sell and up-sell opportunities using a financial services customer database, a. a. O., S. 124 f. Vgl. hierzu die Ausführungen in Kapitel B 2.2 dieser Arbeit sowie GUTSCHE, J., Produktpräferenzanalyse. Ein modelltheoretisches und methodisches Konzept zur Marktsimulation mittels Präferenzerfassungsmodellen, Berlin 1995, S. 42.

Es bleibt festzuhalten, dass bei beiden Fallgruppen – ungeachtet der Ermittlung der Wechselwahrscheinlichkeit auf vergangenheitsbezogene Daten – geeignete Modelle zur Bestimmung von Up-Sellern anhand der vorliegenden Daten abgeleitet wurden, welche auch zur Profilerstellung von Up-Sellern genutzt werden können.240 Jedoch wurden die logistischen Regressionsmodelle in dieser Untersuchung anhand der zwei vorhandenen Datensätze bestimmt und getestet. Prinzipiell bedarf eine Prognose von Up-Selling-Potenzialen bei BahnCard-Kunden daher der Generalisierung anhand weiterer Daten.241 Allerdings kann durch die Repräsentativität der Daten für den vorliegenden Untersuchungskontext auf eine hinreichende Prognosegüte von Up-Selling-Potenzialen geschlussfolgert werden. Die vorangegangenen Ausführungen zur Identifikation von Up-Selling-Potenzialen haben primär eine einzelkundenbezogene Betrachtung zur Basis. Diese Erkenntnisse nutzend sollen im Folgenden erste Überlegungen zur Schätzung von UpSelling-Potenzialen auf Gesamtkundenbasis im Sinne eines Marktpotenzials bei der Deutschen Bahn AG aufgezeigt werden. Hierzu müssen die Ergebnisse im weiteren Verlauf der Arbeit eingeordnet und mit der nachfolgenden Segmentierungsstufe in Einklang gebracht werden. Auf Basis der identifizierten Up-SellerProfile können dann Kundenselektionen durchgeführt werden, die – noch zu konkretisierende – Marketingmaßnahmen zur Folge haben. Auf Grund dieser aufgezeigten ersten Stufe des Segmentierungsansatzes stellt sich die Frage nach Optimierungsmöglichkeiten. Zunächst konnte gezeigt werden, welche Parameterjustierung vorgenommen werden muss, um die Up-SellerGruppen möglichst trennscharf von den Verweilern zu erfassen. Unter der Prämisse der Vermeidung von Streuverlusten konnte somit eine optimale Lösung erarbeitet werden.242 Jedoch können Kriteriengrenzen unter bestimmten Umständen ausgeweitet werden. So könnte beispielsweise hinsichtlich der Variable Alter neben

240 241

242

Vgl. MALTHOUSE, E. C., DERENTHAL, K. M., Improving Predictive Scoring Models through Model Aggregation, in: Journal of Interactive Marketing, Vol. 22, No. 3, 2008, S. 51 ff. Die Schätzung der Regressionsfunktion verfolgt grundsätzlich die Zielsetzung, die Trefferquote in der vorhandenen Stichprobe zu maximieren. Hierbei können Stichprobeneffekte entstehen, da die Schätzung des Modells auf denselben Daten beruht wie die nachgelagerte Prognose. Somit bieten sich Holdout Samples des verwendeten Datensatzes oder die Validierung auf Basis anderer Datensätze an. Vgl. KUHLMANN, J., Ausgewählte Verfahren der Holdout- und Kreuzvalidierung, in: ALBERS ET AL. (HRSG.), Methodik der empirischen Forschung, Wiesbaden 2006, S. 419 ff. Vgl. zu Streuverlusten MEFFERT, H., BURMANN, C., KIRCHGEORG, M., Marketing – Grundlagen marktorientierter Unternehmensführung: Konzepte – Instrumente – Praxisbeispiele, a. a. O., S. 653.

89

der als optimal errechneten Ausprägung (Altersklasse > 50 Jahre) eine weitere Ausprägung (Altersklasse 40 - 50 Jahre) mit in die Selektion aufgenommen werden, da sich der Einfluss auf die Up-Selling-Wahrscheinlichkeit auch hier – wenn auch auf niedrigerem Niveau – als positiv erwiesen hat. Folglich muss eine Grenzbetrachtung von zusätzlichen in die Marktbearbeitung einbezogenen Kunden (hier durch Ausweitung der Altersgrenze) die ökonomische Vorteilhaftigkeit höherer Marketingkosten durch bessere Erfolgsaussichten bzw. höhere Gewinne belegen. In einem engen Zusammenhang hiermit steht die bisher überwiegend statische Perspektive der vorliegenden Untersuchung. Diese ist im Rahmen der Implikationen überdies um eine dynamische Sichtweise zu erweitern bzw. zu ergänzen. Somit kann der eingangs geforderten integrierten Betrachtung der Kundenbeziehung als Optimierung der über die gesamte Beziehungsdauer zurechenbaren kundenspezifischen Umsätze und Kosten entsprochen werden. Folglich bleibt festzuhalten, dass die erste Segmentierungsstufe die Zielsetzung einer Identifikation von Up-Selling-affinen Segmenten im Sinne der Prognose von Up-Selling-Potenzialen erfüllt. Jedoch vermag diese erste Segmentierungsstufe keine Erfassung der nicht beobachtbaren Wechselintentionen sowie Einstellungen der Kunden zu leisten. Daher bedarf es im Weiteren der sukzessiven Optimierung der Segmentierung durch eine Untersuchung der relevanten Entscheidungskriterien im Rahmen der zweiten Segmentierungsstufe. 2.2

Post-hoc-Segmentierung der identifizierten Up-Seller auf Basis entscheidungsrelevanter Merkmale

2.2.1 Operationalisierung der zweiten Segmentierungsstufe Unter Berücksichtigung der vorhergehenden Erkenntnisse sollen im Rahmen der zweiten Segmentierungsstufe nicht beobachtbare Aspekte des Wechselverhaltens der BahnCard-Kunden als Basis zur zielgruppenspezifischen Marktbearbeitung untersucht werden. Hierzu werden die Ergebnisse der schriftlichen Nachbefragung der zuvor erfassten Up-Seller – entsprechend der Differenzierung der Fallgruppen A und B nach natürlichen und aktivierten Up-Sellern der Direktmarketingaktion – genutzt und für eine weiterführende Gruppenbildung der a posteriori zu bildenden Segmente verwendet. Rekurrierend auf das in Kapitel B erarbeitete Prozessmodell des Klassenwahlverhaltens sollen im Folgenden Überlegungen zur Ermittlung und Aufdeckung potenzieller Bedürfnis- bzw. Präferenzstrukturen der Up-Seller beitragen, die für eine Post-hoc-Segmentierung genutzt werden können. Dabei wurde deutlich, dass Prä90

ferenzen das Ergebnis eines Nutzenvergleichs der wahrgenommenen Merkmale der jeweiligen Klassenkonzepte darstellen.243 Auf Grund der Notwendigkeit einer Zurechenbarkeit der Ergebnisse der zweiten Segmentierungsstufe zur vorhergehenden Stufe wurde hierbei auf eine Erhebung vollständiger Nutzenprofile zugunsten einer Erfassung der wahrgenommenen Merkmale und der damit einhergehenden Anforderungen an die 1. Klasse verzichtet.244 Hierbei konnten sowohl durch Workshops mit dem Verkehrsdienstleistungsanbieter als auch auf Basis wissenschaftlich gesicherter Ergebnisse des Verkehrsmittelwahlprozesses sowie vorhergehender Projekte der FORSCHUNGSSTELLE BAHNMARKETING umfassende Erkenntnisse zur Ableitung entscheidungsrelevanter Merkmale der Klassenwahl gewonnen werden.245 Vor diesem Hintergrund sollen wahlentscheidungsdeterminierende Dimensionen genutzt werden, welche Klassenkonzepte als Bündelung einer Grund- mit unterschiedlich ausgeprägten Zusatzleistungen berücksichtigen. Demnach stellen der Transport von A nach B, zugmaterialbetreffende Komponenten sowie Relation und Taktung für die beiden Klassen des untersuchten Verkehrsdienstleistungsanbieters die identischen Grundleistungen dar.246 Entsprechend der Up-Selling-Definition sind höherwertige Leistungen im Verkehrsdienstleistungsbereich primär in weichen Differenzierungsmerkmalen, den Zusatzleistungen, zu suchen. Auf diesen Grundlagen aufbauend können vier grundsätzliche Merkmalsdimensionen zur Untersuchung des Wechselverhaltens bei UpSellern vorgestellt werden, die sich sowohl positiv als auch negativ auf den zur Wahlentscheidung herangezogenen Nettonutzen auswirken.

243 244

245

246

Vgl. das in Kapitel B 2.2 dieser Arbeit vereinfacht dargestellte Prozessmodell des Klassenwahlverhaltens. Hierbei können Anforderungen weitgehend gleichgesetzt werden mit Bedürfnissen, die ein zielgerichtetes Kaufverhalten auslösen. Daher kann davon ausgegangen werden, dass mit Hilfe psychographischer Kriterien wie den Anforderungen das Nachfrageverhalten hinreichend erklärt und prognostiziert werden kann. Vgl. TROMMSDORFF, V., Konsumentenverhalten, a. a. O., S. 114. Vgl. PERREY, J., Nutzenorientierte Marktsegmentierung – Ein integrativer Ansatz zum Zielgruppenmarketing im Verkehrsdienstleistungsbereich, a. a. O., S. 170 ff. sowie SCHLEUSENER, M., Wettbewerbsorientierte Nutzenpreise – Preisbestimmung bei substituierbaren Verkehrsdienstleistungen, a. a. O., S. 93 ff. Vgl. auch FORSCHUNGSSTELLE BAHNMARKETING, PAM, unveröffentlichte Studie der Forschungsstelle Bahnmarketing im Auftrag der Deutschen Bahn AG, a. a. O. Diese Aspekte beschreibt PERREY als harte Komponenten der Verkehrsmittelwahl. Hierbei wird deutlich, dass wesentliche Leistungen der Klassen identisch sind, da durch die Zugeinheit aus 2. und 1. Klasse beide Konzepte sowohl hinsichtlich der Relation als auch der Frequenz gleich sind. Vgl. PERREY, J., Nutzenorientierte Marktsegmentierung – Ein integrativer Ansatz zum Zielgruppenmarketing im Verkehrsdienstleistungsbereich, a. a. O., S. 170.

91

Als eine wesentliche Merkmalsdimension kann hierbei der Komfort der Klasse identifiziert werden, der sich beispielsweise in der Sitzanzahl bzw. dem Raumangebot, dem Sitzplatzkomfort oder den Arbeitsmöglichkeiten im Zug niederschlägt. In Anlehnung an PERREY kann Komfort somit primär über die Ausstattungskomponenten des Verkehrsdienstleisters erfasst werden.247 Weiterhin sind Aspekte des Serviceangebotes bzw. des Serviceniveaus zu integrieren. Diese determinieren die Serviceorientierung des Zugbegleitpersonals und das Angebot von Dienstleistungen wie z. B. das Angebot kostenloser Zeitungen oder den Gastronomieservice am Sitzplatz.248 Hierbei kommt den Services im Rahmen der Klassendifferenzierung eine herausragende Bedeutung zu, da diese als Value Added Services über die eigentliche Beförderungsleistung hinaus einen wesentlichen Nutzen stiften können.249 Dimension Merkmale

Tabelle 16:

Komfort

Service

ƒ Raumangebot ƒ Ruhe und Ungestörtheit ƒ Ausreichende Anzahl an Sitzplätzen ƒ Design/ Gestaltung des Zuginnern ƒ Arbeitsmöglichkeiten

ƒ Serviceorientierung des Zugbegleitpersonals ƒ Gastronomie am Sitzplatz ƒ Kostenlose Tageszeitungen ƒ Kleine Aufmerksamkeiten ƒ Persönliche Ansprache des Zugpersonals

Status ƒ Exklusivität ƒ 1,5-fache bahn.bonusPunkte ƒ Zutritt zu DB Lounges ƒ 1. Klasse bahn.comfortCounter ƒ Atmosphäre

Preis ƒ Preis/Leistungsverhältnis (allgemein) ƒ Preis im Vergleich zur 2. Klasse ƒ Preisinformiertheit ƒ Leistungen für Preis zu gering

Entscheidungsrelevante Merkmale der Klassenwahl

Neben diesen Dimensionen soll eine weitere, eher weiche Komponente zur Unterscheidung der Klassen einbezogen werden. Leistungen der 1. Klasse weisen da-

247

248

249

92

Vgl. PERREY, J., Nutzenorientierte Marktsegmentierung – Ein integrativer Ansatz zum Zielgruppenmarketing, in: MEFFERT, H. (HRSG.), Verkehrsdienstleistungsmarketing – Marktorientierte Unternehmensführung bei der Deutschen Bahn AG, Wiesbaden 2000, S. 92 ff. Vgl. SIEFKE, A., Zufriedenheit mit Bahnreisen – Phasenorientierte Operationalisierung und Erklärung der Kundenzufriedenheit im Verkehrsdienstleistungsbereich auf empirischer Basis, in: MEFFERT, H. (HRSG.), Verkehrsdienstleistungsmarketing – Marktorientierte Unternehmensführung bei der Deutschen Bahn AG, Wiesbaden 2000, S. 217 f. sowie ZIMMERMANN, G., Mehr Service auf der Schiene, in: creditreform 4, 2006, S. 28 f. Vgl. MEFFERT, H., PERREY, J., SCHNEIDER, H., Grundlagen marktorientierter Unternehmensführung im Verkehrsdienstleistungsbereich, a. a. O., S. 29 ff. sowie LAAKMANN, K., Value Added Services als Profilierungsinstrument im Wettbewerb: Analyse, Generierung und Bewertung, a. a. O., S. 10. Vgl. auch VOETH, M., RABE, C., GWANTKA, A., Produktbegleitende Dienstleistungen, DBW, 64. Jg., Nr. 6, 2004, S. 773 ff.

bei besondere Merkmale eines hohen Status auf, der zum einen als wahrnehmbare Differenzierung der Klasse für den Kunden und zum anderen auch zur sozialen Anerkennung durch Dritte fungieren kann.250 Weiterhin wurde Up-Selling zuvor als leistungsbezogene Preisdifferenzierung eingeordnet und vorgestellt. Somit wird auch der Preis bzw. das wahrgenommene Preis-/Leistungsverhältnis als ein wesentliches Differenzierungsmerkmal der Klassen zur Gruppierung unterschiedlicher Up-Seller einbezogen. PERREY konnte dabei in einer Studie zeigen, dass der Preisdimension gegenüber den zuvor vorgestellten Komponenten eine besonders hohe Wichtigkeit zukommt.251 Im Anschluss an diese auf wissenschaftlichen Erkenntnissen beruhenden Überlegungen hinsichtlich der Dimensionen wurden im Rahmen eines Workshops mit der Deutschen Bahn AG die wesentlichen Merkmale als Anforderungen operationalisiert (vgl. Tabelle 16).252 Hierbei konnten den ersten drei Dimensionen jeweils fünf bahnspezifische Merkmale zugeordnet und das Merkmal Preis über Preis-/ Leistungs-Einschätzungen sowie über die Preisinformiertheit erfasst werden.253 Demnach kann mittels dieser psychographischen Kriterien erstens ein Beitrag zur Aufdeckung und Erklärung des Klassenwechselverhaltens geleistet werden, wobei unter Bezugnahme auf das Prozessmodell den Dimensionen Komfort, Service und Status ein tendenziell positiver und dem Preis ein prinzipiell negativer Nutzen zuzuordnen ist. Folglich müssen andere Merkmale der höherwertigen Klasse das aus dem Preis entstehende Nutzendefizit ausgleichen oder überkompensieren.254 Zweitens können neben der Erklärung auch Schlüsse für die Markt-

250 251 252

253

254

Vgl. KUß, A., TOMCZAK, T., Käuferverhalten: Eine marketingorientierte Einführung, 3. Aufl., Stuttgart 2004, S. 115 ff. Vgl. PERREY, J., Nutzenorientierte Marktsegmentierung – Ein integrativer Ansatz zum Zielgruppenmarketing im Verkehrsdienstleistungsbereich, a. a. O., S. 170. Des Weiteren konnten die vorgestellten Dimensionen zusätzlich durch eine offene Abfrage der wesentlichen Unterschiede bzw. Merkmale der 2. und 1. Klasse bei der Deutschen Bahn AG innerhalb der schriftlichen Nachbefragung bestätigt werden. Hierbei konnten die Probanden offen die drei Bereiche angeben, in denen die größten Unterschiede zwischen der 2. und 1. Klasse gesehen werden. Vgl. den Fragebogen der natürlichen und aktivierten Up-Seller in Anhang III. Die abgefragten Merkmale wurden dabei anhand einer Rating-Skala erhoben, deren Randpunkte mit „1 = sehr wichtig“ und „5 = gar nicht wichtig“ bzw. „1 = trifft voll zu“ und „5 = trifft gar nicht zu“ belegt waren. Es ist zu beachten, dass die Komponenten Komfort, Service und Status auf Grund unterschiedlicher Zugtypen wie ICE, IC, RE, RB der Deutschen Bahn AG auch unterschiedlich zum Nettonutzen beitragen. Dabei ist der Preis der 1. Klasse im Vergleich zur 2. Klasse bei der Deutschen Bahn AG um den Faktor 1,6 teurer.

93

bearbeitung der Up-Seller gezogen werden, die auf den zu bildenden Clustern basieren und somit die Ausschöpfung von Up-Selling-Potenzialen ermöglichen. Vor diesem Hintergrund umfasste die Nachbefragung neben der Erfassung der relevanten Klassenmerkmale, die als segmentbildende Variablen genutzt werden, auch die Abfrage von Soziodemographika sowie wesentliche Angaben zum Reiseverhalten und Angaben zu den Wechselintentionen der befragten Up-Seller. Somit liegen hinreichend so genannte segmentbeschreibende Variablen vor, welche zur weiteren Profilbildung herangezogen und mit den Ergebnissen der ersten Segmentierungsstufe in Einklang gebracht werden können.255 Angesichts einer kundenertragsorientierten Ableitung von Handlungsimplikationen konnten darüber hinaus noch Informationen zu den zukünftigen Nutzungsabsichten im Sinne einer Verlängerung des BahnCard-Abonnements der 1. Klasse oder eines Down-Sellings auf die 2. Klasse gesammelt werden.256 Zusätzlich wurde bei der Fallgruppe B die Bewertung der ausgesendeten Direktmarketing-Stimuli abgefragt, sodass eine erste Bewertung der Effektivität und in einem weiteren Schritt auch eine Beurteilung der Effizienz vorgenommen werden kann.257 2.2.2 Clusteranalytische Bestimmung von natürlichen Up-Seller-Segmenten Die Bestimmung der Segmente der natürlichen Up-Seller erfolgte auf Basis des bereits skizzierten dreigliedrigen Vorgehens. Dabei wurde mittels der Clusteranalyse zunächst das Single-Linkage-Verfahren als hierarchisch-agglomeratives Verfahren zur Identifikation von Ausreißern eingesetzt. Bei den insgesamt 203 Respondierern der Nachbefragung wurden vier Fälle mit extremen Beurteilungen aus der weiteren Untersuchung ausgeschlossen, sodass letztlich 199 natürliche Up-Seller zur Segmentbildung herangezogen werden konnten.258

255

256 257

258

94

Vgl. SCHARF, A., DÖRING, M., JELLINEK, J. S., Bildung von Konsumententypen zur Erklärung des Markenwahlverhaltens bei Parfüm/Duftwasser, in: Planung und Analyse, 23. Jg., Nr. 3, 1996, S. 62. Weiterhin wurde auch die Möglichkeit abgefragt, ob beabsichtigt wird, eine Folge-BahnCard nach Ablauf der aktuellen BahnCard zu kaufen. Zur Bewertung der Effektivität und Effizienz von Direktmarketingmaßnahmen vgl. AHRENS, M., Experimentelle Analyse der Wirkungen ausgewählter Direktmarketing-Instrumente – Ein Beitrag zur Effektivitäts- und Effizienzmessung im Direktmarketing, a. a. O., S. 57 ff. Vgl. das Dendrogramm im Anhang I-4. Des Weiteren konnte auf Basis einer Überprüfung der Verteilungen und Mittelwerte wesentlicher Kundenmerkmale auf eine – im Hinblick auf die erste Segmentierungsstufe – repräsentative Stichprobe geschlossen werden.

Dem Zwecke einer Bestimmung der optimalen Clusteranzahl diente das WardVerfahren, welches bei den vorliegenden metrischen Daten gute Partitionen liefert und als Ausgangsbasis für die weitere Analyse genutzt werden soll. Die aus der Beurteilung der Klassenmerkmale ermittelten Anforderungen wurden als clusterbildende Kriterien eingesetzt und anhand einer Analyse der Fehlerquadratsumme eine 4-Clusterlösung identifiziert.259 Zur sukzessiven Verbesserung der gefundenen Segmentlösung wurden dann die Centroide der vier Segmente als Startpartition für eine partitionierende Clusteranalyse verwendet und durch Iteration optimiert.260 Das Ergebnis dieser abschließenden Gruppierung hinsichtlich der einbezogenen segmentbildenden Variablen ist in Abbildung 9 unter Einbeziehung der tWerte dargestellt. Merkmale und Anforderungen

1

Komfort

t-Werte

Sehr wichtig / Trifft voll zu 2

3

4

Gar nicht wichtig / Trifft gar nicht zu Cluster Cluster Cluster Cluster 5 1A 2A 3A 4A

Raumangebot

-0,03

0,11

-0,37

0,34

Ruhe und Ungestörtheit

0,08

-0,08

-0,34

0,29

Ausreichende Anzahl an Sitzplätzen

-0,03

0,13

0,02

-0,11

Design/Gestaltung des Zuginnern

0,05

-0,23

-0,71

0,93

0,46

-1,40

0,51

0,20

0,18

0,04

-0,82

0,43

0,18

-0,14

-1,00

0,84

0,17

-0,53

-0,41

0,73

Kleine Aufmerksamkeiten

0,05

-0,50

-0,49

1,02

Persönliche Ansprache

0,08

0,06

-1,02

0,83

Exklusivität

0,09

-0,40

-0,88

1,21

Zutritt zu DB Lounge

0,13

-0,78

-0,28

0,97

0,17

-0,66

-0,62

1,10

1. Klasse bahn.comfort-Counter

0,05

-0,40

-0,50

0,90

Atmosphäre

0,12

-0,03

-0,65

0,47

Preis-/Leistungsverhältnis allgemein

-0,05

0,03

-0,43

0,52

Gutes Preis-/Leistungverh. 1. Klasse

0,05

0,17

-0,90

0,64

Preis ist im Vgl. zur 2. Kl. angemessen

0,04

0,17

-0,65

0,39

Gut über Angebote/Preise informiert

-0,07

0,17

-0,23

0,30

Leistungen 1. Kl. für Preis zu gering

-0,17

-0,21

0,21

0,40

Cluster 2A

Arbeitsmöglichkeiten

Preis

Status

Service

Serviceorientierung des Zugpersonals Gastronomie am Sitzplatz Cluster 1A

Kostenlose Tageszeitungen

1,5-fache bahn.bonus-Punkte

Cluster 4A

Anteil des Clusters an den natürlichen Up-Sellern

Cluster 3A

39,2 % 22,6 % 19,6 % 18,6 %

Abbildung 9: Ergebnis der Clusteranalyse der natürlichen Up-Seller

259

260

Ein Test der 20 segmentbildenden Variablen auf korrelierte Variablen hat keine hohen Korrelationen, die zu einem eventuellen Ausschluss führen konnten, ergeben. Zur Bestimmung der Clusteranzahl vgl. Anhang I-5. Eine Clusteranalyse auf Basis des statistischen Programms Latent Gold konnte ebenfalls die 4-Clusterlösung bestätigen. Vgl. HOMBURG, C., JENSEN, O., KROHMER, H., Configurations of Marketing and Sales: A Taxonomy, in: Journal of Marketing, Vol. 72, No. 1, 2008, S. 142 ff. sowie GREEN, P. E., KRIEGER, A. M., Alternative Approaches to Cluster-Based Market Segmentation, in: Journal of Marketing Research Society, Vol. 37, No. 3, 1995, S. 225.

95

Das Cluster 1A stellt mit ca. 39 % der befragten natürlichen Up-Seller das volumenstärkste Segment dar und umfasst diejenigen Up-Seller, deren Wechselverhalten durch hohe Anforderungen im Service-, aber auch im Komfort-Bereich gekennzeichnet ist.261 Eine Auswertung des Profils unter Zuhilfenahme der ermittelten t-Werte macht deutlich, dass die Aufsteiger dieser Gruppe gegenüber den restlichen Clustern – auch im Hinblick auf Statusmerkmale – als leicht überdurchschnittlich anspruchsvoll charakterisiert werden können. Im Wesentlichen scheinen Aspekte einer effizienten Arbeitszeitmaximierung eine hohe Bedeutung einzunehmen, wobei diese Einschätzung durch die hohe Bedeutung der LoungeNutzung bestätigt wird.262 Hinsichtlich des Preises ist auf Grund einer unterdurchschnittlichen Preisinformiertheit des Clusters davon auszugehen, dass das Preisniveau keine wesentliche entscheidungsrelevante Variable darstellt. Neben diesen Erkenntnissen vermögen die Soziodemographika sowie eine Analyse weiterer segmentbeschreibender Variablen aus Tabelle 17 weiterführende Hinweise zur Erklärung des Wechsel- bzw. Nutzungsverhaltens zu leisten. So sind die überwiegend männlichen Reisenden durch einen relativ jungen Altersdurchschnitt gekennzeichnet (49,6 Jahre). Überdies verfügen die Befragten dieses Clusters über das höchste Haushaltsnettoeinkommen bei der größten Anzahl an Haushaltsmitgliedern. Weiterhin ist der hohe Anteil von überwiegend geschäftlich Reisenden hervorzuheben, der mit einer hohen Nutzungsintensität des Fernverkehrs sowie dem Besitz einer BahnCard 50 einhergeht. Die Einbeziehung der abgefragten Wechselgründe bestätigt diese Einordnung. So sind ein bekundeter veränderter Mobilitätsbedarf und eine Nutzung der 1. Klasse-Vorteile als eine Erklärung des Wechselverhaltens zu berücksichtigen.263 Daher können die Befragten des Clusters 1A als serviceorientierte Produktiv-Reisende bezeichnet werden, die vor dem Hintergrund eines höheren Mobilitätsbedarfs Reisezeit als Arbeitszeit nutzen. Die Untersuchung des Clusters 2A, das einen Anteil von 22,6 % an den natürlichen Up-Sellern besitzt, zeigt insbesondere hohe Anforderungen in Bezug auf einen hohen Reisekomfort und persönliche Services.264 Die t-Werte machen deut-

261

262

263 264

96

Eine Bewertung des Clusters zeigt, dass die F-Werte für alle Variablen als homogen anzusehen sind und daher das Cluster 1 als vollkommen homogen beurteilt werden kann. Vgl. Anhang I-8. Die DB Lounge kann im Wesentlichen als Möglichkeit zur produktiven Überbrückung von Umstiegszeiten genutzt werden und bietet insbesondere Arbeitsplatzmöglichkeiten an. Vgl. hier und im Folgenden zur Untersuchung der Wechselgründe Anhang I-12. Die Überprüfung der jeweiligen F-Werte der Variablen weist bei nahezu allen einbezogenen Variablen auf eine hohe Homogenität des Clusters hin. Vgl. Anhang I-8.

lich, dass der Wechsel zur 1. Klasse nicht durch die Suche nach Arbeitseffizienz, sondern vielmehr durch angenehmes Reisen im Sinne einer Erholung, ohne besondere Ansprüche, geprägt ist. Hierbei ist auf die durchgängig positiven Beurteilungen der Preisdimension hinzuweisen. Die segmentbeschreibenden Variablen bestätigen diese Folgerungen. So deuten auch die Wechselgründe bei vielen Reisenden dieses Clusters auf eine positive Einschätzung des Preis-/Leistungsverhältnisses der 1. Klasse hin. Insbesondere sind jedoch die Wechselintentionen vor dem Hintergrund eines bekundeten gestiegenen Komfort- und Serviceanspruchs sowie guten Erfahrungen mit den Leistungen der 1. Klasse zu nennen. Darüber hinaus umfasst dieses Cluster die ältesten 1. Klasse-Kunden, bei denen das Verhältnis zwischen Männern und Frauen ausgeglichen ist. Diese Erkenntnis eines verhältnismäßig alten Clusters wird durch den hohen Anteil an Zweipersonenhaushalten sowie das geringste Haushaltsnettoeinkommen der natürlichen UpSeller gestützt. Weiterhin ist der sehr geringe Anteil an Geschäftsreisenden dieses Clusters hervorzuheben.265 Somit lassen sich die Reisenden des zweiten Clusters schließlich als ältere komfortorientierte Freizeitreisende mit gestiegenem Komfort- und Serviceniveau charakterisieren. Die Interpretation der Reisenden des Clusters 3A mit einem Anteil von 19,6 % weist – ähnlich wie bei den vorigen Gruppen – auf hohe Anforderungen hinsichtlich des Komforts hin. Grundsätzlich ist ein ähnlicher Profilverlauf der einbezogenen Variablen entsprechend den Ausprägungen des ersten Clusters zu konstatieren, jedoch auf etwas geringerem Niveau. So werden insgesamt alle Servicekomponenten als eher unwichtig eingeschätzt und Aspekte des Status – bis auf die DB Lounge – nahezu gänzlich vernachlässigt.266 Hinsichtlich der Preisdimension kann auf eine unterdurchschnittliche Bewertung dieses Segments im Vergleich zu allen anderen geschlossen werden. Auffällig ist eine relativ geringe Preisinformiertheit dieser natürlichen Up-Seller. Zur besseren Abgrenzung des Clusters sollen ausgewählte segmentbeschreibende Variablen einbezogen werden. Hinsichtlich des Alters kann demnach festgehalten werden, dass dieses Segment mit einem Durchschnittsalter von ca. 42 Jahren die jüngste Gruppe darstellt. Wie auch im

265 266

Als Geschäftsreisende konnten dabei diejenigen Kunden klassifiziert werden, bei denen sowohl die BahnCard als auch die Fahrten vom Arbeitgeber bezahlt wurden. Dieses lässt sich auch den ermittelten t-Werten entnehmen, die aufzeigen, dass nahezu alle Merkmale innerhalb dieses Clusters unterrepräsentiert sind. So besitzt der gastronomische Sitzplatzservice die geringste Bedeutung im Vergleich zu allen Clustern mit einem t-Wert des Clusters 3 von -1,00.

97

ersten Cluster überwiegt hier der Anteil der männlichen BahnCard 50-Besitzer. Unter Rückgriff auf die Wechselgründe zeigt sich, dass ein Großteil der Reisenden des dritten Clusters die 1. Klasse BahnCard vom Arbeitgeber erhalten hat und die Leistungen der 1. Klasse kein wesentliches Kaufkriterium dargestellt haben. Vor diesem Hintergrund kann dieses Cluster als anspruchslose Produktiv-Reisende bezeichnet werden, die anscheinend durch Gebundenheit gegenüber dem Verkehrsdienstleister gekennzeichnet sind. Merkmale

Cluster 1A

Cluster 2A

Cluster 3A

Cluster 4A

Durchschnittsalter

49,6 Jahre

59,2 Jahre

42,4 Jahre

55,4 Jahre

Anteil Geschlecht

männl. 72,7 %

weibl. 27,6 %

männl. 52,3 %

weibl. 47,7 %

männl. 65,8 %

weibl. 34,2 %

männl. 56,8 %

weibl. 43,2 %

Haushaltsnettoeinkommen > 4.000 €

50,0 %

18,4 %

36,4 %

32,3 %

Anteil Haushaltsgröße  2 Pers.

62,7 %

85,7 %

68,4 %

73,6 %

Anteil PkwVerfügbarkeit

88,2 %

84,1 %

71,1 %

70,3 %

Anteil BahnCard-Art

BC 25: 30,3 %

BC 50: 69,7 %

BC 25: 70,5 %

BC 50: 29,5 %

BC 25: 39,5 %

BC 50: 60,5 %

BC 25: 51,5 %

BC 50: 48,5 %

Dauer BahnCardBesitz in Jahren

 5 J.: 51,3 %

> 5 J.: 48,7 %

 5 J.: 57,8 %

> 5 J.: 42,2 %

 5 J.: 52,3 %

> 5 J.: 47,4%

 5 J.: 64,9 %

> 5 J.: 35,1 %

Anteil Fernverkehrsreisen Zufriedenheit Fernverkehr Anteil Geschäftsreisender

Tabelle 17:

78,4 %

72,0 %

72,4 %

81,5 %

2,2

2,5

2,5

1,9

55,1 %

6,7 %

43,6 %

18,9 %

Clustervergleich der natürlichen Up-Seller anhand ausgewählter segmentbeschreibender Variablen

Das letzte gebildete Cluster 4A besitzt einen Anteil an allen untersuchten natürlichen Up-Sellern von 18,6 %.267 Im Vergleich zu den zuvor betrachteten Clustern zeichnet sich diese Up-Seller-Gruppe durch überdurchschnittlich hohe Anforderungen in Bezug auf Komfort und Service bei gleichzeitig hoher Preiszufriedenheit aus. Insbesondere das Raumangebot sowie die Ruhe und Ungestörtheit werden als sehr wichtig eingeschätzt. Weiterhin besitzen im Gegensatz zu den anderen

267

98

Auch hier zeigt die Überprüfung der F-Werte der Variablen, dass eine hinreichende Homogenität des Clusters gegeben ist. Vgl. Anhang I-8.

Gruppen hier Aspekte des Status – im Sinne von Exklusivität – eine hohe Bedeutung.268 Dieses findet seinen Niederschlag auch in den weiteren Variablen. So weisen die durchschnittlich 55-jährigen dieses Clusters hohe Zufriedenheiten mit der Bahn insgesamt auf. Entsprechend der offensichtlichen Affinität zu exklusiven Leistungen ist ein hohes Haushaltsnettoeinkommen zu konstatieren. Mit diesen Erkenntnissen in Einklang stehend bekunden die Befragten hinsichtlich der Wechselgründe einen gestiegenen Komfort- und Service-Anspruch sowie eine bewusste Nutzung der 1. Klasse-Vorteile. Ungeachtet der hohen Zufriedenheitsbewertung der Bahn im Fernverkehr scheint außerdem eine gewisse Unzufriedenheit mit der 2. Klasse ein entscheidungsrelevantes Kriterium gewesen zu sein. Der Anteil der geschäftlich Reisenden ist in dieser Gruppe gering. Schließlich lassen sich diese Up-Seller als überzeugte Exklusiv-Reisende bezeichnen. Prognostizierte Clusterzugehörigkeit nach der Diskriminanzanalyse

Clusterzugehörigkeit nach der Clusteranalyse

Cluster 1A

78

Cluster 2A

45

Cluster 3A

39

Cluster 4A

Tabelle 18:

37

Cluster 1A

Cluster 2A

Cluster 3A

Cluster 4A

84

43

36

36

100,0 %

0,0 %

0,0 %

0,0 %

(78)

(0)

(0)

(0)

4,4 %

95,6 %

0,0 %

0,0 %

(2)

(43)

(0)

(0)

7,7 %

0,0 %

92,3 %

0,0 %

(3)

(0)

(36)

(0)

2,7 %

0,0 %

0,0 %

97,3 %

(1)

(0)

(0)

(36)

Klassifizierungsmatrix der diskriminanzanalytischen Überprüfung der natürlichen Up-Seller

Die zuvor beschriebenen Cluster wurden dann zur Validierung bzw. zur Feststellung der Trennschärfe zwischen den Clustern mittels Diskriminanzanalyse untersucht.269 Dabei wurden als abhängige Variable die Clusterzugehörigkeit und als unabhängige Variablen die verwendeten Segmentierungskriterien herangezogen. Die Ergebnisse der Analyse zeigen, dass die berechneten Diskriminanzfunktionen

268

269

Die t-Werte der Merkmale Exklusivität, 1. Klasse bahn.comfort-Counter sowie der Zutritt zur DB Lounge weisen darauf hin, dass diese Variablen im Vergleich zur Gesamtheit überrepräsentiert sind. Vgl. FRENZEN, H., KRAFFT, M., Logistische Regression und Diskriminanzanalyse, a. a. O., S. 610 ff.

99

allesamt signifikant zur Gruppenbildung beitragen und folglich auf dieser Basis die Gruppenzugehörigkeit der vier Cluster bestimmt werden kann.270 Wie Tabelle 18 zu entnehmen ist, sind hervorzuhebende Falschklassifizierungen nicht vorhanden. Insgesamt können 97,0 % aller Fälle korrekt klassifiziert werden, sodass von einem sehr guten Ergebnis auszugehen ist, welches die Trennschärfe der gefundenen Clusterlösung nachhaltig bestätigt.271 Abschließend wurden die mittleren Diskriminanzkoeffizienten der einbezogenen Variablen gebildet, um Aussagen über die diskriminatorische Bedeutung der Variablen sowie der zugrunde gelegten Dimensionen vornehmen und diese für die noch zu konkretisierende Marktbearbeitung nutzbar machen zu können.272 Die Ermittlung der relativen Bedeutung der Merkmalsdimensionen in Tabelle 19 zeigt dabei interessante Ergebnisse.273 So kann den Komfortmerkmalen insgesamt nur die drittwichtigste relative Bedeutung der Dimensionen zugeordnet werden. Hierbei besitzt das Merkmal Arbeitsmöglichkeiten die höchste diskriminatorische Bedeutung im Vergleich zu allen Variablen. Dieses Ergebnis konnte bereits hinreichend im Rahmen der Clusterbeschreibung einbezogen werden. Hingegen sind die Beiträge der anderen Merkmale der Komfortdimension zur Segmentdifferenzierung deutlich geringer, sodass hier von so genannten Hygienefaktoren ausgegangen werden kann, die als Muss-Kriterien vorausgesetzt werden.274 Die Servicedimension belegt mit insgesamt 27,4 % den zweiten Rang zur Erklärung der

270

271

272

273 274

100

Die ersten beiden Diskriminanzfunktionen besitzen eine Irrtumswahrscheinlichkeit von  < 0,01 und die dritte von  < 0,10. Die erste Funktion trägt bereits mit 67,5 % erklärter Varianz bei. Das Wilks‘ Lambda beträgt hierbei 0,073. Der Eigenwertanteil der zweiten Funktion umfasst 29,9 % an erklärter Varianz bei einem niedrigen Wilks‘ Lambda. Weiterhin konnte eine signifikante dritte Diskriminanzfunktion ermittelt werden, die ebenfalls zur Klassifikation einbezogen wurde. Insbesondere ist auf die hohe Güte der Klassifizierung bei Cluster 1A, 2A und 4A hinzuweisen, die insgesamt 80,4 % aller natürlichen Up-Seller darstellen. Das Cluster 3 besitzt mit einer korrekten Klassifizierung von 92,3 % zwar einen geringeren Wert, jedoch ist auch hier eine hohe Trennkraft gegeben. Um die mittleren Diskriminanzkoeffizienten einer Variablen zu bilden, sind die mit den Eigenwertanteilen gewichteten absoluten Werte der standardisierten Koeffizienten aller einbezogenen Diskriminanzfunktionen einer Variable zu addieren. Vgl. BACKHAUS ET AL., Multivariate Analysemethoden – Eine anwendungsorientierte Einführung, a. a. O., S. 208. Vgl. Anhang I10. Hierzu wurden die relativen Bedeutungen aller Variablen gemäß der in Kapitel C 2.2.1 vorgestellten Dimensionen zusammengefasst und deren Gesamtbedeutung ermittelt. Vgl. zu Hygienefaktoren MEFFERT, H., PERREY, J., SCHNEIDER, H., Grundlagen marktorientierter Unternehmensführung im Verkehrsdienstleistungsbereich, a. a. O., S. 29 sowie BALLENSIEFEN, B., Preisaktionen bei Verkehrsdienstleistungen – Ein Beitrag zum Behavioral Pricing, Wiesbaden 2008, S. 4.

Clusterunterschiede. Hier finden sich auch viele Variablen mit hohen Bedeutungen wie der persönlichen Ansprache, Gastronomie am Sitzplatz oder kleinen Aufmerksamkeiten. Interessanterweise kommt den Statusmerkmalen die insgesamt höchste relative Bedeutung zu.275 Insbesondere die Einschätzung der Exklusivität vermag einen hohen Erklärungsanteil zur Gruppentrennung zu leisten. Schließlich kann der Preisdimension die niedrigste Bedeutung beigemessen werden.276 Als Erklärung kann angeführt werden, dass die Entscheidung für die höherwertige BahnCard der 1. Klasse bereits getroffen sowie das Preisniveau akzeptiert wurde, um so etwaige kognitive Dissonanzen verringern zu können.277 Dimension

Relative Bedeutung

Komfort

23,7 %

Service

27,4 %

Status

35,4 %

Preis

13,5 %

Gesamt

100,0 %

Tabelle 19:

Diskriminatorische Bedeutung der Merkmalsdimensionen der natürlichen Up-Seller

2.2.3 Clusteranalytische Bestimmung von aktivierten Up-Seller-Segmenten Zur Bestimmung einer Segmentlösung der 212 aktivierten Up-Seller der Direktmarketingaktion wurde entsprechend dem zuvor aufgezeigten Vorgehen eine Clusteranalyse auf Basis der entscheidungsrelevanten Merkmale bzw. Anforderungen durchgeführt. Durch Einsatz des Single-Linkage-Verfahrens reduzierte sich die Anzahl der Up-Seller auf insgesamt 210, da zwei Ausreißer identifiziert und aus der weiteren Segmentierung ausgeschlossen wurden.278 Im Rahmen des

275

276

277

278

Dieses Ergebnis mag zunächst verwundern, da das Niveau der Variablen vergleichsweise gering ist und diesen Merkmalen nur durchschnittliche Wichtigkeiten zugeordnet werden. Jedoch besitzen diese Variablen sehr große Unterschiede zwischen den Clustern. Vgl. zur Wichtigkeit des Preises als zentrales Merkmal der Verkehrsmittelwahl SCHNEIDER, H., Preisbeurteilung im Verkehrsdienstleistungsbereich – Konzeptionelle Grundlagen und Ergebnisse einer empirischen Analyse, in: MEFFERT, H. (HRSG.), Verkehrsdienstleistungsmarketing – Marktorientierte Unternehmensführung bei der Deutschen Bahn AG, Wiesbaden 2000, S. 119 ff. Vgl. zu kognitiven Dissonanzen FESTINGER, L., A Theory of Cognitive Dissonance, Palo Alto 1957, S. 3 ff. sowie FESTINGER, L., Theorie der kognitiven Dissonanz, in: IRLE, M., MÖNTMANN, V. (HRSG.), Theorie der kognitiven Dissonanz, Bern 1978, S. 274 ff. Die Dissonanztheorie geht davon aus, dass Individuen ein langfristiges Gleichgewicht des kognitiven Systems anstreben und daher die Zielsetzung haben, entstehende Dissonanzen abzubauen. Vgl. das Dendrogramm in Anhang I-6.

101

Ward-Verfahrens konnten auf Basis einer Analyse der Fehlerquadratsumme die optimale Segmentanzahl und eine erste Clusterlösung bestimmt werden, sodass insgesamt drei Cluster identifiziert wurden. Durch die abschließende Optimierung der Clusterlösung mittels K-Means-Verfahren auf Basis der Centroide der WardLösung konnte die endgültige Zuordnung der Up-Seller zu den Segmenten vorgenommen werden. Die Iteration lieferte das in Abbildung 10 dargestellte Ergebnis einer 3-Clusterlösung.279

Merkmale und Anforderungen

Status

Service

Komfort

1

Preis

t-Werte

Sehr wichtig / Trifft voll zu 2

3

4

Gar nicht wichtig / Trifft gar nicht zu Cluster Cluster Cluster 5 1B 2B 3B

Raumangebot

0,08

-0,32

0,13

Ruhe und Ungestörtheit

0,13

-0,43

0,13

0,08

-0,41

0,20

Design/Gestaltung des Zuginnern

0,05

-0,69

0,46

Arbeitsmöglichkeiten

0,48

-0,47

-0,43

Serviceorientierung des Zugpersonals

0,03

-0,84

0,61

0,02

-0,75

0,56

Kostenlose Tageszeitungen

-0,03

-0,90

0,76

Kleine Aufmerksamkeiten

-0,09

-0,80

0,79

Persönliche Ansprache

-0,09

-0,66

0,67

Exklusivität

0,10

-0,99

0,61

Zutritt zu DB Lounge

0,25

-1,05

0,41

1,5-fache bahn.bonus-Punkte

0,11

-1,03

0,63

1. Klasse bahn.comfort-Counter

0,12

-1,06

0,64

Atmosphäre

-0,12

-0,26

0,40

Preis-/Leistungsverhältnis allgemein

-0,06

-0,43

0,43

Gutes Preis-/Leistungverh. 1. Klasse

-0,20

0,07

0,27

-0,14

0,00

0,23

Gut über Angebote/Preise informiert

0,22

-0,03

-0,34

Leistungen 1. Kl. für Preis zu gering

0,08

-0,32

0,12

Ausreichende Anzahl an Sitzplätzen

Gastronomie am Sitzplatz

Cluster 2B

Cluster 3B

Preis ist im Vgl. zur 2. Kl. angemessen

Anteil des Clusters an den aktivierten Up-Sellern

Cluster 1B

48,1 % 22,9 % 29,0 %

Abbildung 10: Ergebnis der Clusteranalyse der aktivierten Up-Seller Das Cluster 1B zeichnet sich hierbei durch hohe Ausprägungen hinsichtlich der Komfortaspekte sowie insbesondere der Arbeitsmöglichkeiten aus.280 Dieses wird durch gleichgerichtete Anforderungen in der Statusdimension gestützt, die sich auf die Produktivität und Effizienz auswirken wie beispielsweise verkürzte Wartezeiten

279

280

102

Grundsätzlich ist vor der Interpretation darauf hinzuweisen, dass diese untersuchten Up-Seller im Gegensatz zu den natürlichen Up-Sellern im Rahmen einer Direktmarketingaktion zu einer BahnCard der 1. Klasse gewechselt haben und dieses im Folgenden zu berücksichtigen ist. Vgl. zur Bestimmung der Clusteranzahl Anhang I-7. Die ermittelten F-Werte dieses Clusters weisen auf eine Homogenität innerhalb des Clusters hin. Vgl. zu den F-Werten der aktivierten Up-Seller hier und im Folgenden Anhang I-9.

am bahn.comfort-Counter. Preiskomponenten werden hingegen unterdurchschnittlich bewertet und sind innerhalb dieses Clusters unterrepräsentiert. D. h., das Preis-/Leistungsverhältnis der 1. Klasse wird insbesondere zur 2. Klasse als weniger gut erachtet. Das Cluster 1B ist das deutlich jüngste der aktivierten Up-SellerCluster und mit über 60 % durch männliche Reisende geprägt, die zu ca. 20 % geschäftlich reisen. Die Untersuchung der Wechselintention zeigt, dass sowohl ein gestiegener Komfort- und Serviceanspruch als auch die damit einhergehende gezielte Nutzung von 1. Klasse-Vorteilen ursächlich für den Wechsel waren. Zusammenfassend lassen sich diese Aufsteiger des ersten Clusters als primär serviceorientierte Up-Seller mit hoher Präferenz für produktives Reisen charakterisieren. Merkmale

Cluster 1B

Cluster 2B

Cluster 3B

Durchschnittsalter

51,3 Jahre

61,9 Jahre

55,3 Jahre

Anteil Geschlecht

männl. 61,6 %

weibl. 38,4 %

männl. 56,3 %

weibl. 43,8 %

männl. 52,5 %

weibl. 47,5 %

Haushaltsnettoeinkommen > 4.000 €

26,3 %

27,9 %

23,1 %

Anteil Haushaltsgröße  2 Pers.

82,3 %

77,8 %

83,1 %

Anteil PkwVerfügbarkeit

61,0 %

62,5 %

65 %

Anteil BahnCard-Art

BC 25: 52,6 %

BC 50: 47,4 %

BC 25: 48,9 %

BC 50: 51,1 %

BC 25: 41,7 %

BC 50: 58,3 %

Dauer BahnCardBesitz in Jahren

 5 J.: 53,5 %

> 5 J.: 46,5 %

 5 J.: 57,4 %

> 5 J.: 42,6 %

 5 J.: 51,7 %

> 5 J.: 48,3 %

Anteil Fernverkehrsreisen Zufriedenheit Fernverkehr Anteil Geschäftsreisender

Tabelle 20:

74,5 %

65,9 %

69,2 %

2,2

2,3

1,9

21,8 %

22,9 %

9,8 %

Clustervergleich der aktivierten Up-Seller anhand ausgewählter segmentbeschreibender Variablen

Ausgehend von ermittelten Anforderungsdimensionen soll das Cluster 2B ebenfalls weiter konkretisiert und analysiert werden. So weisen diese Up-Seller deutlich geringere Ansprüche auf als die beiden anderen Gruppen. Insgesamt besitzen eher weiche Faktoren, wie persönliche Dienstleistungen im Servicebereich sowie die Möglichkeiten einer angenehmen Reise, eine hohe Bedeutung. Zudem ist von einer grundsätzlichen hohen Preiszufriedenheit auszugehen. Das durchschnittliche Alter von über 60 Jahren des Clusters kann eventuell auch mit dem bekunde103

ten gestiegenen Anspruch hinsichtlich Service und Komfort in Zusammenhang stehen. Überdies geben die Befragten an, auf Grund der Direktmarketingaktion neugierig auf das Angebot der 1. Klasse gewesen zu sein. Demnach können diese Up-Seller als preiszufriedene Up-Seller bezeichnet werden, die eine mittlere Serviceorientierung aufweisen. Das letzte Cluster zeichnet sich durch eine überdurchschnittlich anspruchsvolle Bewertung der einbezogenen Anforderungsdimensionen aus. Während nahezu alle Merkmale des Clusters 3B folglich ausgeprägter sind als in den übrigen Clustern, scheinen Arbeitsmöglichkeiten eine deutlich untergeordnete Rolle einzunehmen. Dieses bestätigen auch die ermittelten t-Werte dieses Clusters. Das Cluster scheint weiterhin sehr preissensibel zu sein und bekundet eine hohe Preisinformiertheit sowie Preiszufriedenheit. Anhand der Soziodemographika können diese aktivierten Up-Seller als durchschnittlich 55 Jahre alt und mit einer leichten Mehrheit von BahnCard 50-Besitzern eingeordnet werden. Des Weiteren weisen die genannten Wechselgründe auf eine positive Erfahrung mit der 1. Klasse sowie auf die gezielte Inanspruchnahme der höherwertigen Leistungen hin. Vor diesem Hintergrund erscheint eine Bezeichnung als anspruchsvoll statusorientierte UpSeller zielführend. Prognostizierte Clusterzugehörigkeit nach der Diskriminanzanalyse

Clusterzugehörigkeit nach der Clusteranalyse

Tabelle 21:

Cluster 1B

101

Cluster 2B

48

Cluster 3B

61

Cluster 1B

Cluster 2B

Cluster 3B

106

48

56

96,0 %

1,0 %

3,0 %

(97)

(1)

(3)

2,1 %

97,9 %

0,0 %

(1)

(47)

(0)

13,1 %

0,00 %

86,9 %

(8)

(0)

(53)

Klassifizierungsmatrix der diskriminanzanalytischen Überprüfung der aktivierten Up-Seller

Die abschließende diskriminanzanalytische Überprüfung der ermittelten Segmentlösung zeigt auch bei den aktivierten Up-Sellern eine signifikante Trennung ( < 0,01) auf Basis der zwei Diskriminanzfunktionen.281 Nach der Einbeziehung der

281

Im so genannten Mehr-Gruppen-Fall, d. h. bei mehr als zwei Gruppen, kann mehr als eine Diskriminanzfunktion ermittelt werden. Dabei können bei G Gruppen maximal G - 1 Funktionen (Fortsetzung der Fußnote auf der nächsten Seite)

104

ersten Funktion wurden bei einem Wilks‘ Lambda von 0,124 bereits 85,2 % der Varianz erklärt. Die Aufnahme der zweiten Funktion führte ebenfalls zu einem niedrigen Wilks‘ Lambda, sodass anhand dieser beiden Funktionen die Up-Seller klassifiziert werden können. Die Klassifikationsmatrix in Tabelle 21 weist mit einem Anteil von 93,8 % der Fälle ein gutes Ergebnis auf. Auch der Übereinstimmungsgrad von prognostizierter und tatsächlicher Gruppenzugehörigkeit der drei Cluster signalisiert eine hohe Trennschärfe der Segmentlösung. Zur Ermittlung der diskriminatorischen Bedeutung der Merkmalsdimensionen der Clusteranalyse wurden abschließend die mittleren Diskriminanzkoeffizienten auf Basis der verwendeten Segmentierungskriterien berechnet (vgl. Tabelle 22). Dimension

Relative Bedeutung

Komfort

15,1 %

Service

26,7 %

Status

32,0 %

Preis

26,2 %

Gesamt

100,0 %

Tabelle 22:

Diskriminatorische Bedeutung der Merkmalsdimensionen der aktivierten Up-Seller

Angesichts dieser Ergebnisse zeigt sich, dass die größte Bedeutung zur Erklärung der Segmentunterschiede – ebenso wie bei den natürlichen Up-Sellern – von den Statuskomponenten ausgeht. Insbesondere die Merkmale bahn.comfortCounter sowie Exklusivität können dies verdeutlichen. Hingegen tragen Komfortfaktoren bei den aktivierten Up-Seller-Clustern am wenigsten zur Gruppentrennung bei. Die in der vorhergehenden Untersuchung herausgestellten Arbeitsmöglichkeiten werden demzufolge relativ ähnlich bewertet und bieten keine wesentlichen Ansatzpunkte einer zielgruppenspezifischen Marktbearbeitung. Indes kann der Servicedimension insgesamt ein relativer Bedeutungsanteil von 26,7 % zugerechnet werden, sodass hier Unterschiede genutzt werden können. Entgegen den Ergebnissen bei den natürlichen Up-Sellern besitzen die Preiskomponenten mit 26,2 % eine höhere diskriminatorische Bedeutung und können somit auch im Rahmen der Marktbearbeitung genutzt werden.282

gebildet werden. Die Funktionsanzahl kann dabei jedoch nicht größer sein als die Anzahl der einbezogenen Merkmalsvariablen. Vgl. FRENZEN, H., KRAFFT, M., Logistische Regression und Diskriminanzanalyse, a. a. O., S. 617. 282

Vgl. für die Ermittlung der relativen diskriminatorischen Bedeutungen Anhang I-11.

105

2.2.4 Zusammenfassung und Vergleich der Ergebnisse der zweiten Segmentierungsstufe In einer Zusammenfassung der wesentlichen Ergebnisse der zweiten Segmentierungsstufe lässt sich festhalten, dass sowohl bei den natürlichen als auch bei den aktivierten Up-Sellern trennscharfe Cluster identifiziert werden konnten. Auf dieser Basis kann ein Vergleich der beiden Fallgruppen bzw. Untersuchungsstränge angestellt und letztlich Implikationen auf Grundlage der Clusterbildung für eine segmentspezifisch zu erarbeitende Marktbearbeitung abgeleitet werden. Nicht zuletzt können die Erkenntnisse hinsichtlich des Up-Selling-Verhaltens einen wichtigen Erklärungsbeitrag leisten. Zunächst zeigt die Anzahl der gebildeten Cluster eine höhere Heterogenität der natürlichen Up-Seller im Vergleich zu den Up-Sellern der Direktmarketingaktion. Somit scheint der selbstinitiierte Wechsel zur 1. Klasse ohne externen MarketingStimulus aus vielseitigeren Ursachen begründet als der Wechsel auf Grund einer Marketingaktion. Ein erster Anhaltspunkt kann hierbei in dem deutlich höheren Anteil von geschäftlich Reisenden (Cluster 1A und 3A) bei den natürlichen UpSellern gesehen werden, welche bei den aktivierten Up-Sellern zu vernachlässigen sind. Des Weiteren zeigt sich, dass die einzelnen untersuchten Dimensionen in unterschiedlicher Art und Weise zur Trennung der Segmente und zur Erklärung des Klassenwechsels beitragen. Angesichts der hohen und identischen Bewertungen weit reichender Komfortkomponenten, wie Sitzplatzangebot sowie Ruhe und Ungestörtheit, können diese Merkmale für alle Cluster als Hygienefaktoren eingeordnet werden. Hinsichtlich der Servicekomponenten lassen sich jedoch gänzlich andere Erkenntnisse ableiten. So bestehen hier deutliche Differenzen der Cluster beider Fallgruppen, wobei diese auch in den Diskriminanzanalysen bestätigt wurden. Sowohl kostenlose als auch kostenpflichtige Serviceleistungen polarisieren die identifizierten Gruppen. Weiterhin kommt den Statusmerkmalen eine sehr heterogene Bedeutung zu. Die Gruppe der natürlichen Up-Seller gibt tendenziell eine homogenere Wichtigkeitseinschätzung hinsichtlich dieser Komponenten ab. Entsprechend höher ist die relative diskriminatorische Bedeutung der Statusdimension bei den aktivierten Up-Sellern. Als letzte Dimension kommt dem Preis bei der Fallgruppe B (aktivierte Up-Seller) ebenfalls eine höhere Bedeutung zu, sodass hier gezielte Ansatzpunkte für eine zielgruppenspezifische Bearbeitung abgeleitet werden können.

106

Während bei den natürlichen Up-Sellern auch deutlich divergierende und zum Teil gegenläufige Profile zu erkennen sind, können die Clusterprofile der aktivierten Up-Seller als – auf unterschiedlichen Niveaus – tendenziell gleichverlaufend beschrieben werden. Folglich kann von grundsätzlich ähnlichen Ansprüchen der aktivierten Up-Seller, jedoch nicht auf identische Anspruchsniveaus geschlossen

werden.

Interessanterweise

zeigt

ein

abschließender

Inter-

Gruppenvergleich, dass die Einschätzung der Merkmalsdimensionen der beiden Fallgruppen – unabhängig von den Segmenten – als grundsätzlich ähnlich eingeordnet werden kann.283 Diese Erkenntnis spiegelt sich auch zum Teil in den gebildeten Clustern wider. So konnten in beiden Up-Seller-Gruppen exklusiv Reisende oder stark komfortorientierte Segmente sowie Reisende mit stark reduzierten Ansprüchen identifiziert werden (Cluster 4A und Cluster 3B). Ein segmentübergreifender Vergleich der Wechselgründe weist indes deutliche Unterschiede auf. Auf der einen Seite resultieren die Aufstiegsintention der natürlichen Up-Seller verstärkt aus einem veränderten – maßgeblich gestiegenen – Mobilitätsbedarf, der vermutlich auch in Abhängigkeit mit geschäftlich bedingten Reisen steht. Darüber hinaus artikulieren natürliche Up-Seller eine hohe Unzufriedenheit mit der 2. Klasse. Vor diesem Hintergrund sind auch die Hygienefaktoren im Komfortbereich, wie Ruhe und Platzangebot, einzuordnen. Zusätzlich können diese Up-Seller vielfach auf bereits gemachte positive Erfahrungen mit der 1. Klasse zurückgreifen, die das Kaufrisiko folglich mindern. Dem stehen auf der anderen Seite Neugier sowie eine gezielte Nutzung der höherwertigen Leistungen bei den aktivierten Aufsteigern gegenüber. Angesichts dieser Erkenntnisse kann zum einen gezeigt werden, dass Unterschiede zwischen den Fallgruppen existieren. So scheint das Wechselverhalten der natürlichen Up-Seller durch situative Gegebenheiten geprägt. Das Verhalten der aktivierten Up-Seller weist indes eher kurzfristig-orientierte Aspekte auf, die vermutlich durch die Direktmarketingaktion und das als attraktiv wahrgenommene Preis-/Leistungsverhältnis des Angebots beeinflusst sind.284 Zum anderen wurden auch Gemeinsamkeiten der Fallgruppen aufgedeckt, die insbesondere in gleichgearteten Segmenten liegen. Vor diesem Hintergrund ist im weiteren Verlauf

283 284

Vgl. den Inter-Gruppenvergleich der natürlichen und aktivierten Up-Seller in Anhang I-14. Bei einem Up-Selling auf die 1. Klasse BahnCard wurde den Up-Sellern u. a. ein Warengutschein angeboten, der letztlich den Kaufpreis der höherwertigen BahnCard gemindert hat und diese gegenüber der 2. Klasse BahnCard attraktiver wirken ließ.

107

der Untersuchung auch das so genannte Trittbrettfahrer-Phänomen näher zu untersuchen und die jeweiligen Segmentgrößen abzuschätzen.285 Zuvor gilt es jedoch, die identifizierten Segmente entsprechend der Anforderung nach einer guten Zugänglichkeit für die Segmentbearbeitung weiter zu analysieren. 2.3

Interdependenzen und Zusammenführung der A-Priori- und Post-hocSegmentierung

In Anbetracht der bisherigen Untersuchungsschritte wird eine Auseinandersetzung mit möglichen Interdependenzen des sukzessiven Segmentierungsvorgehens deutlich. Dabei steht insbesondere die Notwendigkeit der Zugänglichkeit bzw. Erreichbarkeit der identifizierten Cluster der zweiten Segmentierungsstufe, der Post-hoc-Segmentierung, im Vordergrund, um hierauf aufbauend eine segment-

Segmentierungsvorgehen

spezifische Marktbearbeitung vornehmen zu können. Folglich bedarf es der Rückführung der erlangten Ergebnisse auf die erste Segmentierungsstufe und der Daten im Data-Warehouse, sodass letztlich Aussagen über die Segmentgröße sowie das Segmentpotenzial getroffen werden können (vgl. Abbildung 11).

BahnCard-Kunden Zugänglichkeit

Natürliche Up-Seller

Aktivierte Up-Seller

Zugänglichkeit

Zugänglichkeit

Cluster 1A … Cluster 4A

Cluster 1B … Cluster 3B

Abbildung 11:

285

108

„Gesamt-Markt“

A-PrioriSegmentierung

Post-hocSegmentierung

Zusammenführung der Segmentierungsstufen zur Identifikation von Up-Selling-Potenzialen

Vgl. zu Trittbrettfahrerproblemen MUNDT, J. W., Tourismuspolitik, München 2004, S. 72 sowie PECHTL, H., Logik von Preissystemen, in: DILLER, H., HERRMANN, A. (HRSG.), Handbuch Preispolitik: Strategie – Planung – Organisation – Umsetzung, Wiesbaden 2003, S. 79 f. Vgl. auch Walter, S., Schmidt, M., Kundenkarte und CRM im Handel, in: UEBEL, M. F., HELMKE, S., DANGELMAIER, W. (HRSG.), Praxis des Customer Relationship Management – Branchenlösungen und Erfahrungsberichte, 2. Aufl., Wiesbaden 2004, S. 41 f.

Zunächst ist auf der ersten Segmentierungsstufe die grundsätzliche Erfassung von Up-Sellern zu leisten. Zur Identifikation dieser BahnCard-Kunden dienen hierzu die in Kapitel C 2.1.2 und 2.1.3 identifizierten Up-Seller-Profile, deren Variablen unmittelbar aus dem Data-Warehouse entnommen werden können. Hierbei erfolgt eine Differenzierung zwischen natürlichen Up-Sellern und Up-Selling-affinen Kunden bei Direktmarketingaktionen.286 Unter Einsatz der ermittelten logistischen Regressionsfunktionen können die jeweiligen Gruppen bestimmt und durch eine zusätzliche Trennung anhand der bahn.comfort-Punkteklasse identifiziert werden.287 Des Weiteren ist es auf der zweiten Segmentierungsstufe notwendig, die mittels segmentbildender Variablen identifizierten Cluster auch denjenigen Variablen zuzuordnen, die sowohl eine sinnvolle Segmentansprache erlauben als auch die Rückführung auf die Segmentierungskriterien der ersten Stufe innerhalb des Data-Warehouse ermöglichen. Daher werden zunächst potenzielle segmentbeschreibende bzw. Außenvariable untersucht, um Aussagen zum Differenzierungspotenzial der Cluster zu treffen.288 Zur gleichzeitigen Beurteilung der Zugänglichkeit der Segmente wie auch einer Zusammenführung der Segmentierungsstufen können insbesondere soziodemographische und kaufverhaltensorientierte Variablen herangezogen werden.289 Diese zunächst subjektive Auswahl ist im Rahmen einer Bewertung der segmentspezifischen Häufigkeitsverteilung auf signifikante Unterschiede zu überprüfen. Hierbei gelangt ein geeigneter Chi-Quadrat-Test zum Einsatz.290 Wie die Ergebnisse in Tabelle 23 aufzeigen, können vor allem bei den natürlichen Up-Sellern hinreichende Unterschiede für eine Identifikation einzelner Cluster genutzt werden.

286

287

288 289 290

Wie im Rahmen der A-Priori-Segmentierung herausgestellt wurde, können natürliche und aktivierte Up-Seller insbesondere durch die unterschiedliche Höhe von bahn.comfort-Punkten erfasst werden. Im Rahmen eines Simulationsmodells hat sich hierbei der Punktebereich von 501-1.000 bahn.comfort-Punkte für akt. Up-Seller als guter Prädiktor ergeben. Hingegen können Punktebereiche über 1.000 Punkte als Indikator für natürliche Up-Seller genutzt werden. Insgesamt können somit ca. 90 % der natürlichen und aktivierten Up-Seller richtig zugeordnet werden. Vgl. KOHRMANN, O., Mehrstufige Marktsegmentierung zur Neukundenakquisition – Am Beispiel der Telekommunikation, a. a. O., S. 125 ff. Die sinnvollen Stamm- und Transaktionsdaten können dabei den unabhängigen Variablen der logistischen Regression entnommen werden. Vgl. zu den Voraussetzungen und Anwendungsempfehlungen des Chi-Quadrat-Tests BROSIUS, F., SPSS 16 – Das mitp-Standardwerk, Heidelberg 2008, S. 409 ff. sowie JANSSEN, J., LAATZ, W., Statistische Datenanalyse mit SPSS für Windows: Eine Anwendungsorientierte Einführung in das Basissystem und das Modul Exakte Tests, 5. Aufl., Berlin 2005, S. 254 f.

109

Natürliche Up-Seller Cluster 1A

Cluster 2A

0-45 J.

45,3 %

45-50 J.

16,0 %

50-55 J.

5,3 %

55-60 J.

9,3 %

60-65 J.

5,3 %

16,3 %

> 65 J.

18,7 %

37,2 %

Geschlecht (männlich)

72,7 %

Anteil BC 25 Dauer BCBesitz (< 5 Jahre) Reisen pro Jahr ( 15)

Merkmale

Cluster 3A

Cluster 4A

18,6 %

65,8 %

7,0 %

10,5 %

4,7 %

5,3 %

11,1 %

16,3 %

13,2 %

5,6 %

2,6 %

5,6 %

2,6 %

36,1 %

52,3 %

65,8 %

56,8 %

30,3 %

70,5 %

39,5 %

51,3 %

57,8 %

44,7 %

11,9 %

Aktivierte Up-Seller 2

ȤTest

Ȥ2Test

Cluster 1B

Cluster 2B

Cluster 3B

33,3 %

33,7 %

29,2 %

19,7 %

8,3 %

9,2 %

4,2 %

8,2 %

5,1 %

6,3 %

9,8 %

15,3 %

4,2 %

3,3 %

11,2 %

12,5 %

19,7 %

25,5 %

43,8 %

39,9 %

*

61,6 %

56,3 %

52,5 %

n. s.

51,5 %

***

52,6 %

48,9 %

41,7 %

n. s.

52,3 %

64,9 %

n. s.

53,5 %

57,4 %

51,7 %

n. s.

61,5 %

25,7 %

**

32,6 %

10,0 %

61,2 %

***

Alter

***

***

***: signifikant mit  < 0,01 **: signifikant mit  < 0,05 * : signifikant mit  < 0,10 n. s.: nicht signifikant

Tabelle 23:

Clusterbeschreibung anhand zugänglicher Merkmale

Es ist offensichtlich, dass die Variablen Alter sowie BahnCard-Art und Reisen pro Jahr gute zugänglichkeitssteuernde Merkmale darstellen. Dabei weisen bei den natürlichen Up-Sellern die Cluster 1A und Cluster 3A hinsichtlich der BahnCard-Arten und der Altersverteilungen sehr ähnliche Ausprägungen auf. Vor dem Hintergrund der Ableitung einer Segmentzuordnung auf Basis der Daten im DataWarehouse müssen diese Cluster im Folgenden zusammengefasst werden, da eine isolierte Segmentansprache auf Basis der vorliegenden Daten nicht möglich ist. Hingegen zeigen Cluster 2A und 4A sowohl unterschiedliche BahnCard-Typen als auch Altersverläufe auf, die eine gezielte Segmentbearbeitung erlauben. Angesichts dieser Überlegungen wurde eine Zuordnungslösung der Cluster zu den Daten der logistischen Regression bestimmt, welche die prognostizierten UpSeller anhand beider Variablen bestmöglich den Clustern zuordnet (vgl. Abbildung 12).291 Es zeigt sich, dass sich die gefundene Clusterzuordnung gut der mittels Clusteranalyse ermittelten Segmentverteilung annähert.

291

Diese Lösung sowie die nachfolgende Lösung der aktivierten Up-Seller wurden im Rahmen mehrerer Kontingenzanalysen ermittelt und unter Zuhilfenahme von Diskriminanzanalysen (Fortsetzung der Fußnote auf der nächsten Seite)

110

Natürliche Up-Seller

BC 25

Anteil

BC 50

> 55 Jahre

< 55 Jahre

> 55 Jahre

< 55 Jahre

Cluster 2A

Cluster 4A

Cluster 4A

Cluster 1A / Cluster 3A

20,6 %

31,1 %

48,3 %

Abbildung 12: Segmentzuordnung der natürlichen Up-Seller Die Analyse der aktivierten Up-Seller macht deutlich, dass lediglich Unterschiede bei der im Data-Warehouse erfassten Variable Alter existieren. Demgegenüber bieten andere Kriterien keine signifikanten Befunde für eine Rückführung der Posthoc-Segmentierung auf die erste Stufe. Lediglich die Variable Anzahl der Reisen, die im Rahmen der Nachbefragung erfasst wurde, kann weiterhin Aufschluss auf die Cluster geben. Hierzu ist eine Überführung dieser Variable auf im DataWarehouse erfasste Transaktionsdaten, wie z. B. Umsatz oder bahn.bonusPunkte, notwendig. Nach Transformierung auf die Größe Umsatz und zusätzliche Einbeziehung der Variable Alter konnten ähnliche Segmentgrößen wie bei der Clusterlösung und eine richtige Segmentzuordnung erzielt werden (Abbildung 13). Aktivierte Up-Seller

< 55 Jahre

Anteil

> 55 Jahre

< 15 Reisen

> 15 Reisen

< 15 Reisen

> 15 Reisen

Cluster 1B

Cluster 1B

Cluster 2B

Cluster 3B

18,3 %

36,5 %

45,2 %

Abbildung 13: Segmentzuordnung der aktivierten Up-Seller

signifikant bestätigt. Vgl. hierzu BACKHAUS ET AL., Multivariate Analysemethoden – Eine anwendungsorientierte Einführung, a. a. O., S. 297 sowie BROSIUS, F., SPSS 16 – Das mitpStandardwerk, a. a. O., S. 403 ff.

111

Nach der erfolgten Identifikation von zugänglichkeitssteuernden Variablen und Zuordnung der Cluster kann festgehalten werden, dass die Kriterien Alter sowie BahnCard-Besitz nicht nur sehr gut zu identifizieren sind, sondern auch im besonderen Maße zur Bearbeitung der Segmente im Sinne der Kaufverhaltensrelevanz und somit zur Handlungsfähigkeit beitragen. Ursächlich hierfür ist auch die gute Messbarkeit bzw. Operationalisierbarkeit der Variablen im Data-Warehouse des Verkehrsdienstleisters. Hingegen gilt es, im weiteren Verlauf der Untersuchung die zeitliche Stabilität sowie die Wirtschaftlichkeit der Segmentierung zu überprüfen. Zunächst werden jedoch die jeweiligen Segmentgrößen auf Basis aller BahnCard-Kunden ermittelt. 3

Ableitung einer Segmentstrukturierung und der Segmentgrößen

Die Zusammenführung der Segmentierungsstufen und die Ableitung von zugänglichkeitssteuernden Merkmalsausprägungen ermöglichen eine zielführende Strukturierung aller Up-Selling-Cluster. Hierbei sollen die wesentlichen Ausprägungen der Segmentierung gewürdigt werden, um einen Beitrag zur Einordnung der Up-Selling-Cluster leisten und die Segmentgrößen bestimmen zu können. Entsprechend der aufgezeigten herausragenden Bedeutung des Alters sowohl in der A-Priori- als auch in der Post-hoc-Segmentierung soll dieses als eine Dimension Eingang in die Strukturierung finden.292 Darüber hinaus soll als zweite Strukturierungsdimension das relative Anspruchsniveau aller Merkmalsgruppen der Up-Selling-Segmente – verstanden als der durchschnittliche Anspruch im Vergleich zu allen Clustern – herangezogen werden, welches zuvor im Rahmen der zweiten Segmentierungsstufe ermittelt wurde. Hierbei werden diejenigen Cluster einem niedrigen Anspruchsniveau zugeordnet, die im Vergleich zu den anderen Clustern insgesamt unterdurchschnittliche Ausprägungen besitzen. Analog werden die Felder des mittleren und hohen Anspruchsniveaus belegt. Somit können die Segmente anhand dieser Strukturierung entsprechend Abbildung 14 zugeordnet werden. Zurückgreifend auf die Ergebnisse der Diskriminanzanalyse sowie auf die Interpretation der Clusterlösung wird ersichtlich, dass Cluster mit niedrigen Niveauaus-

292

112

Entsprechend den Ergebnissen der logistischen Regression beider Fallgruppen kommt dem Alter eine herausragende Bedeutung hinsichtlich der Identifikation von Up-Sellern zu. Des Weiteren konnte in der Post-hoc-Segmentierung gezeigt werden, dass eine Altersgrenze von 55 Jahren eine gute Trennung der Cluster ermöglicht.

prägungen wie das Cluster 2B sowie Cluster 3A relativ hohe Ausprägungen bei den Komfortmerkmalen bei ansonsten niedrigen Gesamtniveaus aufweisen.293 Somit kann die Schlussfolgerung, dass Komfortmerkmale für die 1. Klasse als eine Art Hygienefaktoren angesehen werden, bestätigt werden. Insbesondere kommt den Merkmalen Raumangebot im Sinne einer ausreichenden Sitzplatzanzahl und einem hohen Sitzplatzkomfort sowie dem ungestörten Reisen der Status von MussLeistungen zu. Cluster mit mittleren Ausprägungsniveaus weisen demnach auch hohe Anforderungen bei Komfortaspekten auf und bewerten zusätzlich Servicemerkmale als überdurchschnittlich wichtig. Indes besitzen Serviceleistungen beispielsweise im Bewertungsraum des mit niedrigem Anspruchsniveau erkannten Clusters 2B lediglich den Status einer wünschenswerten, aber nicht notwendigen Leistung. Schließlich lässt sich den Clustern mit den höchsten Niveaus eine Bedürfnisartikulation nach Statusmerkmalen zuordnen, sodass Leistungen als besonders wichtig erachtet werden. Komfort

+

Service

+

Status

Dimension

Alter

 55 Jahre

< 55 Jahre

Cluster 2B

Cluster 3A

niedrig

Abbildung 14:

Cluster 2A

Cluster 3B

Cluster 1A

Cluster 3B

Cluster 1B

Cluster 4A

mittel

hoch

Relatives Anspruchsniveau

Strukturierungsmatrix der Up-Selling-Segmente

Aus ganzheitlicher Perspektive aller Up-Selling-Segmente kann konstatiert werden, dass die Dimensionen in gewissem Maße additiv miteinander verknüpft scheinen und einem hierarchischen Aufbau entsprechen. Vor diesem Hintergrund lassen sich die in der Clusteranalyse genutzten Dimensionen parallel zu

293

Vgl. zu den Ergebnissen der Diskriminanzanalyse die Ausführungen in Kapitel C 2.2.2 und 2.2.3 dieser Arbeit.

113

den Ausprägungen der Anspruchsniveaus der Segmente auf der Abszisse anführen. Somit erscheint eine Einordnung der drei Aspekte Komfort, Service und Status als Muss-, Kann- und Sollleistungen der höherwertigen Klasse zielführend.294 Diese Differenzierung zeigt, dass interessanterweise Cluster beider Fallgruppen in allen Ausprägungen zu finden sind und somit die generelle Eignung der Strukturierung im Up-Selling-Kontext bestätigt werden kann. Demnach finden sich sowohl natürliche Up-Seller als auch potenziell zu aktivierende Up-Seller in den niedrigen, mittleren oder hohen Anspruchsniveaus. Vor dem Hintergrund dieser Strukturierung sollen nun die Segmentgrößen der identifizierten Cluster bestimmt werden, um letztlich eine Basis zur Einschätzung des Marktpotenzials bzw. der mengenmäßigen Segmentpotenziale zu geben. Ausgehend von den beiden Fallgruppen werden zunächst die Anteile und absoluten Größen der identifizierten Clusterlösungen bestimmt, um darauf aufbauend die Zuordnungslösung ermitteln zu können (vgl. Tabelle 24).295 Als Gesamtmarkt werden hierbei alle aktuellen BahnCard-Kunden im Besitz einer 2. Klasse BahnCard betrachtet.296 Die Ermittlung der Segmentgrößen zeigt zunächst eine natürliche Up-Selling-Quote von ca. 0,25 %. Hierbei kann den fusionierten Clustern 1A und 3A nach der Zuordnung der größte Segmentanteil von 48 % zugerechnet werden. Somit ist knapp die Hälfte der natürlichen Up-Seller eher komfort- bzw. serviceorientiert. Weiterhin sind jedoch auch 31 % der Up-Seller dem sehr anspruchsvollen Segment bei einem Alter von unter 55 Jahren zuzuordnen. Der Einsatz eines Marketing-Stimulus vermag demgegenüber eine deutliche Verbesserung der Up-Selling-Quote um knapp 250 % auf ca. 0,9 % in Bezug auf die relevanten 2. Klasse BahnCard-Kunden zu erzielen.297 Somit erscheint der Einsatz geeigneter Stimuli sinnvoll und zur Ausschöpfung von Up-SellingPotenzialen Erfolg versprechend. Die Übertragung der Up-Selling-Profile der Di-

294

295

296

297

114

Vgl. LAAKMANN, K., Value Added Services als Profilierungsinstrument im Wettbewerb: Analyse, Generierung und Bewertung, a. a. O., S. 19 ff. sowie BRUHN, M., Relationship Marketing – Das Management von Kundenbeziehungen, a. a. O., S. 188. Als Zuordnungslösung wird dabei die Segmentgrößenberechnung angesehen, welche sich durch Zusammenführung der beiden Segmentierungsstufen ergibt. Vgl. hierzu die Ausführungen in Kapitel C 2.3 dieser Arbeit. Die aktuellen BahnCard-Anzahlen entstammen hierbei den Angaben des Verkehrsdienstleistungsanbieters. Dabei wurden BahnCard 100 und Netzkartenbesitzer aus der Analyse ausgeschlossen. Hierbei ist zu beachten, dass die Aktion keinerlei der hier ermittelten Kriterien unterlag und somit tendenziell von hohen Streuverlusten auszugehen ist.

rektmarketingaktion auf alle relevanten BahnCard-Kunden zeigt, dass dem serviceorientierten Cluster der potenziell zu aktivierenden Up-Seller mit ca. 50 % der größte Anteil zugeordnet werden kann. Der Anteil der Segmente 2B bzw. 3B beträgt entsprechend 18 % bzw. 37 % der erzielbaren Up-Selling-Quote.298 Fallgruppe

Natürliche Up-Seller

Zu aktivierende Up-Seller

Cluster 1A

Cluster 2A

Cluster 3A

Cluster 4A

Cluster 1B

Cluster 2B

Cluster 3B

Segmentanteil an Fallgruppe

39,00 %

22,60 %

19,60 %

18,60 %

48,10 %

22,90 %

29,00 %

Segmentanteil an allen BCKunden

0,10 %

0,06 %

0,05 %

0,05 %

0,41 %

0,20 %

0,25 %

 Gesamt

3.412,5

1.977,5

1.715

1.627,5

14.478,1

6.892,9

8.729

Clusterlösung

Segmentzuordnung Segmentanteil an Fallgruppe

48,30 %a

20,60 %

48,30 %a

31,10 %

45,20 %

18,30 %

36,50 %

Segmentanteil an allen BCKunden

0,12 %a

0,05 %

0,12 %a

0,08 %

0,39 %

0,16 %

0,31 %

 Gesamt

4.226,25a

1.802,5

4.426,25a

2.721,25

13.605,2

5.508,3

10.986,5

Gesamtanteil

0,25 %

0,86 %

Gesamt

8.750

30.100

a

: Cluster 1A und Cluster 3A wurden hierbei als ein Cluster zusammengefasst

Tabelle 24:

Berechnung des Up-Selling-Potenzials auf Basis der relevanten BahnCard-Kunden

Auch wenn diese prozentualen Anteile an der Gesamtkundenzahl zunächst gering erscheinen, so sind die Ergebnisse dahingehend zu relativieren, dass die potenziellen Up-Seller die Top-Kunden des Verkehrsdienstleistungsanbieters dar-

298

Bei der Berechnung des Potenzials handelt es sich streng genommen nicht mehr um tatsächliche aktivierte Up-Seller, daher werden diese im Weiteren als zu aktivierende Up-Seller bezeichnet.

115

stellen und das Potenzial pro zu Grunde gelegtem Berechnungsjahr entsteht.299 Letztlich kann so ein Gesamt-Up-Selling-Potenzial bei über 42.000 der relevanten BahnCard-Kunden pro Jahr identifiziert werden.300 Dabei könnten die natürlichen Up-Seller tendenziell als Marktvolumen mit ca. 9.000 Up-Sellern pro Jahr, d. h. ohne gezielte Marketingaktionen des Verkehrsdienstleistungsanbieters, interpretiert werden. Bei Einsatz von zielgruppengerechten Stimuli ist dann ein zusätzliches Up-Seller-Potenzial von über 30.000 BahnCard-Kunden möglich.301 Komfort

+

Service

+

Status

Dimension

Alter

 55 Jahre

12,79 %

4,18 %

(0,16 %)

(0,05 %)

25,5 % (0,31 %)

19,6 % (0,12 %)

< 55 Jahre

31,58 % (0,39 %)

6,32 % (0,08 %)

niedrig

mittel

hoch Potenzial nat. Up-Seller

Relatives Anspruchsniveau Potenzial akt. Up-Seller

( ): Up-Selling-Anteil bei allen BC-Kunden

Abbildung 15: Anteil des Up-Selling-Potenzials der identifizierten Segmente Eine Einordnung der Ergebnisse auf die vorgestellte Strukturierung veranschaulicht das mengenmäßige Potenzial der jeweiligen Cluster (Abbildung 15) und gibt zudem Hinweise auf mögliche Schwerpunkte der Marktbearbeitung.302 Es zeigt

299

300 301

302

116

Ursächlich hierfür ist das Abonnement und die Gültigkeitsdauer der BahnCard, die auf ein Jahr beschränkt ist. Demnach ergibt sich ceteris paribus jedes zugrunde gelegte Berechnungsjahr erneut das gesamte Up-Selling-Potenzial. Als relevante Kunden sind in diesem Kontext diejenigen Kunden zu verstehen, die eine aktuelle bzw. gültige BahnCard der 2. Klasse besitzen. Die Interpretation der natürlichen Up-Seller als Marktvolumen muss vor dem Hintergrund betrachtet werden, dass die Anzahl und Art dieser Fallgruppe vielmehr geschätzte und keine gesicherten Größen umfassen und somit auch hier von einem Potenzial auszugehen ist. Dabei wurde zum einen der Anteil des Up-Selling-Potenzials aller möglichen Up-Seller und zum anderen der Anteil der Segmente an allen relevanten BahnCard-Kunden ermittelt.

sich, dass die potenziellen zu aktivierenden Up-Seller-Segmente einen Großteil des Up-Seller-Anteils einnehmen und zudem eher service- sowie statusaffin sind. Diese Cluster umfassen einen Anteil von über 55 % der potenziellen Up-Seller. Bei den natürlichen Up-Sellern besitzt das Segment der Produktiv-Reisenden (Clustern 1A und 3A) das größte Volumen. Der Anteil dieser Gruppe beträgt insgesamt knapp 10 % aller als Up-Selling-affin identifizierten BahnCard-Kunden. Schließlich kann an dieser Stelle durch die Berechnung der Segmentgrößen lediglich eine mengenmäßige Potenzialbestimmung vorgenommen werden. Daher gilt es, die Bestimmung der Up-Selling-Potenziale um eine wertorientierte Betrachtung zu erweitern und somit die eingangs geforderte zukunftsgerichtete Perspektive zu integrieren.

117

D.

Zielgruppenspezifische Marktbearbeitung zur Ausschöpfung von Up-Selling-Potenzialen bei einem Verkehrsdienstleistungsanbieter

Die empirische Analyse der Identifikation von Up-Selling-Potenzialen im Verkehrsdienstleistungsbereich im Sinne der Markterfassung stellt den Ausgangspunkt der weiteren Untersuchung dar. Vielfach können in der Segmentierungsliteratur lediglich isolierte Ansätze identifiziert werden, die eine Bearbeitung entweder aus instrumentell-methodenorientierter Perspektive oder unter strategisch-managementorientierten Gesichtspunkten vorstellen. Somit kommt einer ganzheitlichen Sichtweise der integrierten Markterfassung und Marktbearbeitung eine besondere Bedeutung zu. Zur Ableitung einer zielgruppenspezifischen Marktbearbeitung werden die identifizierten Segmente daher hinsichtlich einer Ausschöpfung von Up-SellingPotenzialen im Sinne einer integrativen Segmentierung tiefergehend analysiert. Dabei sollen auch die als natürliche Aufsteiger identifizierten Up-Seller berücksichtigt werden, indem diese vor dem Hintergrund eines ganzheitlichen Beziehungsmanagement mit der Zielsetzung einer Ausschöpfung der Kundenbeziehung einbezogen werden. Somit wird die Differenzierung entsprechend der beiden Fallgruppen fortgeführt und Implikationen für die auszuwählenden Segmente abgeleitet.

1

Bewertung und Priorisierung von Zielsegmenten zur potenzialorientierten Marktbearbeitung von Up-Sellern

Die differenzierte bzw. zielgruppenspezifische Ausschöpfung von Up-SellingPotenzialen erfordert eine sorgfältige Auswahl der Marktbearbeitungsstrategie sowie die Evaluation der identifizierten Up-Selling-Cluster hinsichtlich der Anzahl und Priorisierung der einzubeziehenden Segmente. In diesem Zusammenhang gilt es, insbesondere eine Entscheidung über die Art der Bearbeitung zu treffen. Grundsätzlich stehen dem Verkehrsdienstleistungsanbieter hierzu eine konzentrierte, undifferenzierte und differenzierte Strategie zur Verfügung.303

303

Vgl. KOTLER, P., BLIEMEL, F., Marketing-Management: Analyse, Planung und Verwirklichung, 10. Aufl., Stuttgart 2001, S. 453 ff. Neben dem hier vorgestellten Ansatz von KOTLER können noch weitere Ansätze angeführt werden, die Marktbearbeitungsstrategien aus anderen Perspektiven untersuchen und sich zum Teil überschneiden. Vgl. für eine ausführliche Diskussion dieser Ansätze FRETER, H., Markt- und Kundensegmentierung – Kundenorientierte Markterfassung und -bearbeitung, a. a. O., S. 244 ff.

119

Mit der Wahl der Strategie sind Entscheidungen verbunden, ob der gesamte relevante Markt einbezogen respektive mit welcher Differenzierung des Instrumenteeinsatzes dieser bearbeitet werden soll. Dem daraus resultierenden Spannungsfeld zwischen nachfragerbezogener Differenzierung und angebotsseitiger Standardisierung kommt im Verkehrsdienstleistungsbereich eine besondere Bedeutung zu. Auf Grund der hohen Fixkostenintensität und einer diffizilen Kapazitätsauslastung bei Verkehrsdienstleistern existiert auch in höherwertigen Klassen primär ein standardisiertes Leistungsangebot.304 Jedoch erscheint eine undifferenzierte Bearbeitungsstrategie vor dem Hintergrund der deutlichen identifizierten Bedürfnisunterschiede der Up-Seller sowie der unterschiedlichen Fallgruppen wenig zielführend.305 Vielmehr soll daher eine differenzierte Bearbeitungsstrategie abgeleitet werden. Angesichts der Einordnung von Up-Selling als Intensivierungsstrategie beinhaltet eine effektiv- und effizienzorientierte Sichtweise zwei zentrale Herausforderungen für den Anbieter von Verkehrsdienstleistungen.306 So müssen einerseits die richtigen Kunden erkannt und andererseits der richtige Bearbeitungsgrad für das jeweilige Kunden- bzw. Segmentpotenzial bestimmt und letztlich auch umgesetzt werden.307 Hiermit einhergehend gilt es, eine optimale Allokation der zur Verfü-

304

305

306 307

120

Vgl. FRIEDL, B., Kapazitätsplanung und -steuerung als Bezugsobjekt des Kostenmanagement in Dienstleistungsunternehmen, in: CORSTEN, H., STUHLMANN, S. (HRSG.), Kapazitätsmanagement in Dienstleistungsunternehmen: Grundlagen und Gestaltungsmöglichkeiten, Wiesbaden 1997, S. 111 ff. Eine undifferenzierte Strategie würde die ökonomischen Unterschiede von natürlichen UpSellern, die weitestgehend ohne externen Marketing-Stimulus up-sellen und mögliche zu aktivierende Up-Seller gänzlich vernachlässigen und zu sub-optimalen Lösungen führen. Auch eine mögliche Segment-of-One-Bearbeitungsstrategie scheint in einem Massenmarkt wie dem Verkehrsdienstleistungsbereich nicht zielführend. Vgl. BRUHN, M., Relationship Marketing – Das Management von Kundenbeziehungen, a. a. O., S. 161. Vgl. CORNELSEN, J., Kundenwertanalysen im Beziehungsmarketing: Theoretische Grundlegung und Ergebnisse einer empirischen Studie im Automobilbereich, a. a. O., S. 286 ff. Vgl. HOMBURG, C., DROLL, M., TOTZEK, D., Customer Prioritization: Does it pay off, and how should it be implemented?, in: Journal of Marketing, Vol. 72, No. 9, 2008, S. 110. So konnte in Studien beobachtet werden, dass viele Unternehmen Kunden zwar priorisiert haben, die Implementierung bzw. Umsetzung im Sinne der Budgetallokation jedoch ausbleibt. Vgl. PEPPERS, D., ROGERS, M., DORF, B., Is your Company ready for one-to-one Marketing?, in: Harvard Business Review, Vol. 77, No. 1, 1999, S. 151 ff.

gung stehenden Ressourcen, beispielsweise in Form von Marketingbudgets, zu definieren.308 Zur Bestimmung der Segmentattraktivität wird auf ein dreistufiges Vorgehen zurückgegriffen.309 Dieses umfasst den Ausschluss derjenigen Segmente, die keine Konformität zu den Unternehmens- bzw. Up-Selling-Zielen aufweisen. 310 Als konkrete Zielsetzung konnte die Maximierung des Deckungsbeitrages pro Kunde bzw. pro Segment über die Kundenbeziehungsdauer herausgestellt werden. Der Fokus der Evaluation liegt im konkreten Untersuchungskontext jedoch auf der Auswahl geeigneter Kriterien, die als Indikatoren für die Attraktivität fungieren. Aus den in der wissenschaftlichen Diskussion vorgeschlagenen Kriterien, wie beispielsweise segmentspezifischem Marktpotenzial bzw. Marktvolumen, Umsatzanteil, Ausschöpfungsgrad des Segmentes oder segmentbezogene Deckungsbeiträge, sollen im Folgenden zielführende Kriterien für eine Bewertung der Up-SellingSegmente bestimmt werden.311 Zunächst sind die derzeitige bzw. die prognostizierte Segmentgröße sowie das zukünftige Segmentwachstum zu beurteilen. Zur Bewertung der Segmentattraktivität ist demzufolge die Potenzialorientierung einzubeziehen.312 Die Segmente sollen somit hinsichtlich ihrer zukünftigen Potenziale beurteilt werden, da in der vorliegenden Arbeit die Erschließung von zukünftigen – also noch nicht realisierten – Up-Selling-Erfolgen im Vordergrund steht.313 Neben der Beurteilung der möglichen zu aktivierenden Up-Seller werden zudem die natürlichen Up-Seller analysiert, da deren Wechsel auf Basis der berechneten Modelle lediglich erwartet, jedoch nicht als gesichert angesehen werden kann.

308

309 310 311

312 313

Vgl. FRANK, R. E., MASSY, W. F., WIND, Y., Market Segmentation, a. a. O., S. 174 ff. sowie HEILIGENTHAL, J., SKIERA, B., Optimale Verteilung von Budgets auf Aktivitäten zur Kundenakquisition, Kundenbindung und Add-on-Selling, in: ZfB, Ergänzungsheft 2007/3, S. 117 ff. Vgl. MEFFERT, H., BURMANN, C., KIRCHGEORG, M., Marketing – Grundlagen marktorientierter Unternehmensführung: Konzepte – Instrumente – Praxisbeispiele, a. a. O., S. 293 ff. Hierbei wären z. B. Up-Selling-Segmente mit extremen Low-Cost-Ansprüchen für die 1. Klasse auszuschließen, die jedoch in der vorliegenden Untersuchung nicht existent sind. Vgl. zu allgemeinen Kriterien ROBERTS, K. J., How to define your market segment, in: MCDONALD, M. (HRSG.), Marketing Strategies. New Approaches, New Techniques, Oxford 1995, S. 71 ff. sowie zu verkehrsdienstleistungsspezifischen Größen HANRIEDER, M., Checkliste zur Situationsanalyse im Tourismusmarketing, 2. Aufl., München 1995, S. 407. Vgl. ZEITHAML, V. A., RUST, R. T., LEMON, K. N., The Customer Pyramid: Creating and Serving Profitable Customers, in: California Management Review, Vol. 43, No. 4, 2001, S. 118 ff. Vgl. Kapitel B 1.1 dieser Arbeit. Dabei stellen Up-Selling-Erfolge nicht nur den eigentlichen Wechsel, sondern z. B. auch eine intensivere Nutzung der 1. Klasse dar.

121

Überdies ist als weiteres Kriterium die voraussichtliche Kundenbeziehungsdauer innerhalb der höherwertigen Klasse zu beachten. Ziel des Verkehrsdienstleistungsanbieters sollte es daher sein, diejenigen potenziellen Up-Seller zu bearbeiten, deren voraussichtliche Nutzungsdauer der 1. Klasse BahnCard maximal ist. Hierbei kann auf Angaben der Nachbefragung zurückgriffen werden, auf deren Basis Tendenzaussagen zum Wiederkauf der 1. Klasse BahnCard, einem möglichen Down-Selling auf eine 2. Klasse BahnCard oder einem Ausstieg aus dem BahnCard-System getroffen werden können.314 Neben der Bewertung der Up-Selling-Erfolge im Sinne einer dauerhaften und längerfristigen Kundenbeziehung ist eine mögliche Nutzungsintensivierung zu beurteilen.315 Hierbei wird zum einen die Veränderung des Mobilitätsbedarfes nach dem Wechsel in die 1. Klasse und zum anderen der Modalsplit der Kunden ermittelt. Eine häufigere Nutzung des Verkehrsmittels Bahn im Vergleich zum Fahrverhalten in der 2. Klasse erhöht die Kundenattraktivität für den Verkehrsdienstleistungsanbieter, da hieraus ceteris paribus eine Erhöhung der kumulierten kundenspezifischen Deckungsbeiträge resultiert.316 Entsprechend zeigt der bahnbezogene Modalsplitanteil, in welchem Maße zukünftige Intensivierungspotenziale ausgeschöpft werden können. Schließlich erfolgt als letzter Schritt die Segmentbeurteilung auf Basis der unternehmensinternen und -externen Beurteilungsfaktoren.317 Hierbei sind vor dem konkreten Hintergrund des Verkehrsdienstleisters insbesondere geschäftlich Reisende angesprochen, deren Klassenwahlentscheidung nicht durch den BahnCardInhaber getroffen wurde. Vielmehr ist das Entscheidungsverhalten auf Basis von nicht erfassbaren Kontextspezifika, wie beispielsweise Geschäftsreiserichtlinien, determiniert, sodass eine Ansprache und Steuerung dieser Kundenbeziehung nahezu wirkungslos, zumindest aber erheblich erschwert wird.

314 315

316

317

122

Vgl. HOMBURG, C., DROLL, M., TOTZEK, D., Customer Prioritization: Does it pay off, and how should it be implemented?, a. a. O., S. 114 ff. Vgl. DEYLE, H.-G., DILLER, H., Mehrdimensionale Segmentierung im beziehungsorientierten Direktmarketing, in: ZfB, Ergänzungsheft 3/2007, S. 32 ff. sowie JAYACHANDRAN ET AL., The Role of Relational Information Processes and Technology Use in Customer Relationship Management, Journal of Marketing, Vol. 69, No. 4, 2005., S. 178 ff. Innerhalb der Ceteris Paribus-Betrachung ist von gleich hohen Umsätzen pro Fahrt auszugehen. Eine Verlagerung der Reisewertigkeit zu günstigeren Reisen kann theoretisch auch zu geringen Gewinnen für den Anbieter führen. Vgl. hier Kapitel D 2.2 dieser Arbeit. Im Rahmen von Up-Selling sind hier z. B. die Kapazitäten in der 1. Klasse zu prüfen.

Zur letztendlichen Priorisierung der identifizierten Segmente kann auf verschiedene, insbesondere heuristische Ansätze zurückgriffen werden. Vielfach werden beispielsweise Checklisten-Verfahren, Scoring-Modelle sowie Portfolio-Modelle eingesetzt.318 Vor dem Hintergrund der hier zum Einsatz gelangenden Bewertung werden die beiden Fallgruppen zunächst isoliert voneinander beurteilt, da jeweils andere Zielsetzungen bzw. Strategien verfolgt werden (Tabelle 25). Daher ist auf mögliche Interdependenzen an entsprechender Stelle einzugehen. Fallgruppe

Natürliche Up-Seller

Zu aktivierende Up-Seller

Cluster 1A + 3 A

Cluster 2A

Cluster 4A

Cluster 1B

Cluster 2B

Cluster 3B

Kriterium

Komfort/ Service

Service

Status

Service

Komfort

Status

Segmentgröße

4.227

1.803

2.721

13.605

5.508

10.987

Segmentanteil an BC-Kunden

0,12 %

0,05 %

0,08 %

0,39 %

0,16 %

0,31 %

WiederkaufQuote

92,5 %

83,3 %

91,7 %

76,0 %

74,5 %

81,0 %

Down-SellingQuote

5,7 %

4,8 %

5,6 %

11,5 %

19,1 %

15,5 %

Beendigungsquote

1,9 %

11,9 %

2,8 %

12,5 %

6,4 %

3,4 %

Mobilitätsbedarf

o/+

o

+

o/+

o

o/+

Modalsplitanteil Bahn

39,4 %

42,0 %

21,8 %

33,7 %

31,7 %

37,1 %

Geschäftsreisende

ja

nein

nein

nein

nein

nein

Gesamtbewertung

J

Cluster

N

K

K

N

K

+: mehr Mobilitätsbedarf o / +: konstanter bis leicht gestiegener Mobilitätsbedarf o: keine Veränderung des Mobilitätsbedarfs K: sehr hohe Segmentattraktivität N: hohe Segmentattraktivität J: geringe bis keine Segmentattraktivität

Tabelle 25:

318

Segmentbewertung zur Ableitung potenzialorientierter Marktbearbeitungsmaßnahmen

Vgl. PERREY, J., Nutzenorientierte Marktsegmentierung – Ein integrativer Ansatz zum Zielgruppenmarketing im Verkehrsdienstleistungsbereich, a. a. O., S. 139 sowie MALTHOUSE, E. C., DERENTHAL, K. M., Improving Predictive Scoring Models through Model Aggregation, a. a. O., S. 51 ff.

123

Die Bewertung und Gegenüberstellung der Segmente hinsichtlich der erläuterten Kriterien zeigen bei den natürlichen Up-Sellern, dass das fusionierte Cluster 1A + 3A zwar das größte mengenmäßige Volumen besitzt, jedoch auf Grund eines hohen Anteils geschäftlich Reisender mit den unternehmensinternen Beurteilungsfaktoren der Deutschen Bahn im Widerspruch steht. Daher lässt sich lediglich eine untergeordnete Bearbeitungsattraktivität für den Verkehrsdienstleister ableiten. Hingegen weist das Cluster 4A der überzeugten Exklusiv-Reisenden eine ebenfalls positiv zu bewertende Segmentgröße auf und besitzt mit einem Anteil von über 90 % sehr gute Wiederkaufquoten der höherwertigen BahnCard, sodass auf eine längere Kundenbeziehung geschlossen werden kann. Außerdem kann diesem Segment als einzigem eine eindeutige Steigerung der Mobilität in der 1. Klasse zugewiesen werden. Dennoch zeigt sich ein relativ geringer Anteil des bahnbezogenen Modalsplits. Vor diesem Hintergrund kann diesem Cluster noch deutliches Intensivierungspotenzial zugesprochen werden. Weiterhin kommt auch den komfortorientierten Freizeitreisenden (Cluster 2A) eine hinreichende Bearbeitungspriorität zu. Insgesamt deuten die Kriterien jedoch auf eine geringere Attraktivität hin. Weniger die Intensivierung als vielmehr die Aufrechterhaltung der Kundenbeziehung als Kundenbindung sollte bei diesem Segment im Vordergrund stehen, da eine relativ hohe Beendigungsquote der Kundenbeziehung existiert.319 Die Priorisierung der zu aktivierenden Up-Seller zeigt, dass das Cluster 1B (serviceorientierte Up-Seller) wie auch das Cluster 3B (anspruchsvoll statusorientierte Up-Seller) sowohl hinsichtlich des Segmentpotenzials als auch in Bezug den Mehrverkehr gegenüber dem dritten Cluster überlegen sind. Diese können daher als sehr attraktive Cluster bewertet werden. Insgesamt kann diesen beiden Segmenten ein Potenzial von knapp 25.000 Up-Selling-affinen Kunden zugeordnet werden. Zwar beträgt die bekundete Wiederkaufwahrscheinlichkeit des Clusters 1B 76 %, allerdings ist hier der Anteil derjenigen Kunden, die nach Ablauf des Abonnements gar keine BahnCard mehr kaufen möchten, mit 12 % am höchsten. Das Cluster 2B ist mit dem geringsten mengenbezogenen Potenzial auch als attraktives Cluster zu bewerten. Interessanterweise liegt die Down-Selling-Quote am höchsten, sodass zu prüfen ist, ob eventuell Mitnahmeeffekte der Marketingaktion eine Bedeutung für das Up-Selling gespielt haben. Diese Annahme unterstützt auch die nicht veränderte Gesamtfahrleistung mit dem Verkehrsdienstleister.

319

124

Vgl. BÖHRS, S., Customer Value Management: Die Integration von Kundenwert und Kundennutzen als Marketingansatz im Verkehrsdienstleistungsbereich, Mannheim 2004, S. 20 ff.

Insgesamt ist festzuhalten, dass die zu aktivierenden Up-Seller hinsichtlich des Volumenpotenzials deutlich attraktiver zu bewerten sind als die natürlichen UpSeller. In beiden Fallgruppen konnten jedoch bearbeitungswürdige Cluster identifiziert werden. Grundsätzlich erscheinen zwei wesentliche Bearbeitungsstrategien Erfolg versprechend. Während die zu aktivierenden Up-Seller zunächst für einen Wechsel in die 1. Klasse angesprochen und somit mittels Akquisitionsstrategie bearbeitet werden müssen, fokussiert sich die Segmentbearbeitung der natürlichen Up-Seller primär auf eine Intensivierung der Nutzung des Verkehrsdienstleistungsanbieters (vgl. Abbildung 16).320 Beide Fallgruppen bedürfen jedoch zusätzlich einer Bindungsstrategie zur Sicherstellung der zukünftigen Nutzung der 1. Klasse. Hierbei wird deutlich, dass eine Ausschöpfung von Up-SellingPotenzialen nicht nur in der Aufdeckung und Ansprache neuer potenzieller UpSeller liegt, sondern auch die Intensivierung vorhandener Up-Seller einem potenzialorientierten Kundenbeziehungsmanagement entspricht. Somit vermag ein Stufenmodell zur Ausschöpfung des Up-Selling-Potenzials die strategischen Bearbeitungsrichtungen aufzuzeigen, die es im Folgenden segmentspezifisch auszuarbeiten und zu konkretisieren gilt. Ausschöpfung des Up-Selling-Potenzials

Intensivierung der 1. Klasse-Nutzung Bindung an die 1. Klasse Akquisition in die 1. Klasse

Zu aktivierende Up-Seller

Natürliche Up-Seller

Abbildung 16: Stufenmodell zur Ausschöpfung von Up-Selling-Potenzialen

320

Vgl. BRUHN, M., Relationship Marketing – Das Management von Kundenbeziehungen, a. a. O., S. 192.

125

2

Marktbearbeitung potenzieller natürlicher Up-Seller bei einem Verkehrsdienstleistungsanbieter

2.1

Segmentspezifische Ausschöpfungsstrategie für natürliche Up-Seller

Im Mittelpunkt der zielgruppenspezifischen Marktbearbeitung der natürlichen UpSeller steht weniger die Akquisition im Rahmen des Stufenmodells als vielmehr die Intensivierung und Aufrechterhaltung der Kundenbeziehung unter Berücksichtigung der Kosten und Erlöse der Zielsegmente. Dabei gilt es, die natürlichen Aufsteiger hinsichtlich ihres kurz- und mittelfristigen Potenzials auszuschöpfen und Maßnahmen zur Steigerung der Ver- bzw. Gebundenheit zu initiieren.321 Vor diesem Hintergrund werden Möglichkeiten der Ausgestaltung des Marketing-MixInstrumentariums für die als natürliche Up-Seller identifizierten Segmente zur Erschließung des Up-Selling-Potenzials untersucht. Im Sinne einer zielgruppengerechten Bearbeitung ist das Angebot zunächst mittels Leistungs- und Preispolitik zu positionieren, um diese mittels Kommunikations- und Distributionspolitik auszugestalten.322 Dabei wird der Einsatz der Marketinginstrumente jeweils für alle Segmente diskutiert, um notwendige Differenzierungs- bzw. mögliche Standardisierungsmöglichkeiten abzuleiten. Insgesamt wurde das Leistungsangebot der 1. Klasse von den natürlichen UpSellern im Rahmen der empirischen Untersuchung insgesamt als hinreichend und die Differenzierung zur geringerwertigen 2. Klasse als ausreichend bewertet und wahrgenommen.323 Folglich scheint kein unmittelbarer Handlungsbedarf für eine

321

322

323

Somit wird auch die Notwendigkeit der Bearbeitung der natürlichen Up-Seller deutlich. Diese besteht nicht primär in der Bildung von Stimuli zum Wechsel, sondern in der Herausforderung, die bestehende Kundenbeziehung weiter zu intensivieren. Vgl. FRETER, H., Markt- und Kundensegmentierung – Kundenorientierte Markterfassung und -bearbeitung, a. a. O., S. 412 ff. Es gilt zu beachten, dass die BahnCard an sich bereits ein Instrument zur Gebundenheit darstellt im Sinne einer vertraglichen Wechselbarriere. Im Rahmen der Marktbearbeitung soll auf die klassische Strukturierung der Marketinginstrumente zurückgegriffen werden, jedoch werden diese auf Grund der Einordnung von Up-Selling als Ausschöpfung von Kundenbeziehungen entsprechend beziehungsorientiert ausgestaltet. Vgl. BRUHN, M., Relationship Marketing – Das Management von Kundenbeziehungen, a. a. O., S. 173. Darüber hinaus werden im Dienstleistungsbereich die vier Instrumente oftmals um die Personal-, Ausstattungs- und Prozesspolitik erweitert. Da letztlich sämtliche absatzpolitischen Entscheidungen auf die traditionellen Marketinginstrumente zurückgeführt werden können, soll hier an dieser Strukturierung festgehalten werden. Mögliche Ergänzungen werden im Rahmen dieser klassischen Instrumente behandelt und erörtert. Vgl. MIDDLETON, V. T. C., Marketing in Travel and Tourism, 2nd edition, Oxford 1994, S. 66. Dieses konnte durch die Auswertung einer offenen Abfrage der wesentlichen Unterschiede der 1. und 2. Klasse bestätigt werden. Jedoch konnte die Analyse aufzeigen, dass neue Anreiz(Fortsetzung der Fußnote auf der nächsten Seite)

126

Anpassung des Leistungsniveaus gegeben zu sein. Die heterogenen Anforderungen der Segmente ermöglichen grundsätzlich eine differenzierte Ausgestaltung der Marktbearbeitung entsprechend der vorgenommenen Cluster-Priorisierung. Zunächst sollte die Bearbeitungsstrategie für das attraktivste Clusters 4A eine Intensivierung im Sinne einer mengen- und wertmäßigen Nutzung der 1. Klasse fokussieren. Ursächlich hierfür sind die hohen Chancen einer Modalsplitsteigerung bei den überzeugten Exklusiv-Reisenden zugunsten des Verkehrsmittels Bahn sowie die geringen Down-Selling- und Exit-Quoten. Unterstützend wirkt sich auch die aufgezeigte hohe Gesamtzufriedenheit dieses Cluster mit dem Fernverkehr aus.324 Diese Beurteilung findet wiederum in einer Gegenüberstellung der Wichtigkeiten und bekundeten Zufriedenheiten der einzelnen Leistungsmerkmale ihren Niederschlag und impliziert eine hohe Verbundenheit dieses Segmentes, die es weiter auszubauen gilt.325 Die Analyse der Zufriedenheit ist vor allem deshalb interessant, da die Anforderungen der Exklusivreisenden auf ein hohes Niveau in allen Leistungsdimensionen abstellen. Dieses als „Catch-all“ zu bezeichnende Verhalten weist in Bezug auf statusnahe Leistungen besonders hohe Ausprägungen auf, sodass eine Fokussierung auf diese Aspekte im Rahmen der Kommunikation zweckmäßig erscheint.326 Die Leistungsbewertung der komfortorientierten Freizeitreisenden (Cluster 2A) macht hingegen deutlich, dass insbesondere gestiegene Ansprüche bei Convenience-Faktoren den Wechsel zur 1. Klasse bestimmen. Eine Nutzungsintensivierung sollte bei BahnCard-Kunden dieses Segments zwar verfolgt werden, auf Grund des geringen Haushaltsnettoeinkommens jedoch nicht im Vordergrund stehen. Daher sollte ein weiterer Schwerpunkt auf der längerfristigen Bindung liegen, um einem Down-Selling oder einer Beendigung der Kundenbeziehung entgegenzuwirken.327 Schließlich wurde das fusionierte

systeme wie höhere Prämienpunkte für die Fahrt in der 1. Klasse weder als besonders wichtig noch mit hohen Zufriedenheiten bewertet wurden. 324 325

326 327

Vgl. Kapitel C 2.2.2 dieser Arbeit. Die Zufriedenheitsuntersuchung auf Basis der Einzelmerkmale stellt die Wichtigkeiten den Zufriedenheiten des jeweiligen Merkmals gegenüber und trifft Aussagen im Vergleich zu den anderen Clustern der Fallgruppe. Lediglich die 1,5-fachen bahn.bonus-Punkte werden vom Cluster 4 als relativ schlecht bewertet. Vgl. PERREY, J., Nutzenorientierte Marktsegmentierung – Ein integrativer Ansatz zum Zielgruppenmarketing im Verkehrsdienstleistungsbereich, a. a. O., S. 170. Hierbei konnten mittels Kreuztabellierung keine Anhaltspunkte für eine Beendigung der Kundenbeziehung auf Grund eines hohen Alters und somit einer geringeren Nutzungsintensität gefunden werden. Vielmehr kündigen jüngere Kunden dieses Clusters das BahnCardAbonnement.

127

Cluster 1A und 3A hinsichtlich einer gezielten Bearbeitung als wenig attraktiv priorisiert. Dem Verkehrsdienstleister sind bei diesen Produktiv-Reisenden enge Grenzen in Bezug auf die Beeinflussung des Reiseverhaltens gesetzt, sodass diese Cluster nicht weiter berücksichtigt werden.328 Vielmehr bietet sich eine von den bisher betrachteten Up-Sellern vollkommen unabhängige Bearbeitungsstrategie an, die im Rahmen eines Key-Account-Management und unternehmensspezifischen Rahmenverträgen zu leisten ist.329 Die Einbeziehung der Preisgestaltung zeigt, dass auf Grund der hohen Preiszufriedenheit der überzeugten Exklusiv-Reisenden sowie komfortorientierten Freizeitreisenden bei ebenfalls hoher Preisinformiertheit keine unmittelbare Notwendigkeit abgeleitet werden kann, die Up-Selling-Wahrscheinlichkeit auf Basis von monetären Vorteilen wie Preisaktionen etc. sicherzustellen bzw. zu steigern.330 Darauf aufbauend ist der Fragestellung nachzugehen, ob eine Intensivierungsstrategie mittels Preisreduktion sinnvoll ist. Die gewählte Strategieausrichtung einer Ausschöpfung der Kundenbeziehung, die letztlich auch in einer Abschöpfung von Zahlungsbereitschaften resultiert, kann demnach nicht primär auf niedrigere Preise abstellen, sondern vielmehr auf die Schaffung von Verbundenheit gegenüber dem Anbieter. Dementsprechend sollte die Kundenbearbeitung dieser Segmente solchen Gesichtspunkten genügen, welche die Inputgrößen im Sinne von Marktbearbeitungskosten dem erzielten Output als zusätzlichen Kundenertrag angemessen gegenüberstellen.331 Eine Möglichkeit einer solchen kostengünstigen Bearbeitung stellt die Vergabe von Status- oder Prämienpunkten dar. Hierbei könnte eine Nutzungsintensivierung bei den überzeugten Exklusiv-Reisenden mit dem bahn.comfort-Status erfolgen,

328

329 330

331

128

Eine mögliche Strategie könnte in dem Versuch der Verlagerung einer geschäftlichen Gebundenheit hin zu einer Verbundenheit über Geschäftsreisen hinaus bei freizeitbedingten Reiseanlässen liegen, jedoch soll diese Strategie auf Grund der Priorisierung an dieser Stelle nicht vertiefend erörtert werden. Vgl. zur Gebunden- und Verbundenheit im Verkehrsdienstleistungsbereich NIEßING, J., Kundenbindung im Verkehrsdienstleistungsbereich – Ein Beitrag zum Verkehrsmittelwahlverhalten von Bahnreisenden, a. a. O., S. 18 ff. Vgl. zum Key-Account-Management JENSEN, O., Key-Account-Management, Gestaltung – Determinanten – Erfolgsauswirkungen, 2. Aufl., Wiesbaden 2004, S. 1 ff. Vgl. grundlegend zu Preisaktionen DILLER, H., Preispolitik, a. a. O., S. 337 sowie zu Preisaktionen im Verkehrsdienstleistungsbereich BALLENSIEFEN, B., Preisaktionen bei Verkehrsdienstleistungen – Ein Beitrag zum Behavioral Pricing, a. a. O., S. 4 sowie ZHANG, Z. J., KRISHNA, A., DHAR, S. K., The Optimal Choice of Promotional Vehicles: Front-Loaded or Rear-Loaded Incentives?, in: Management Science, Vol. 46, No. 3, 2000, S. 348 ff. Vgl. LASSLOP, I., Effektivität und Effizienz von Marketing Events, Wiesbaden 2003, S. 8.

der weitere Exklusivleistungen für den Kunden beinhaltet, jedoch aus Sicht des Verkehrsdienstleisters kostenneutral ist.332 Weiterhin kann die Forcierung einer Gebundenheitsstrategie bei den komfortorientierten Freizeitreisenden durch ökonomische Wechselbarrieren, wie der zusätzlichen Vergabe von Prämienpunkten, für eine Verlängerung des 1. Klasse Abonnements zweckmäßig sein. Im Rahmen der Kommunikationspolitik ergibt sich auf Grundlage dieser Überlegungen die Fokussierung auf eine effizienzorientierte Bearbeitung der Cluster. Segmentübergreifend sollte die Bearbeitung zunächst die Zielsetzung einer Sicherstellung des tatsächlichen Klassenaufstiegs erfüllen. Hierzu müssen möglichst kostenneutrale Aktivierungsmaßnahmen für alle natürlichen Up-Seller initiiert werden, deren Kundenprofile denen von natürlichen Aufsteigern entsprechen. Vielfach lassen sich Dialogmarketingmaßnahmen nutzen, die unabhängig von der Up-Selling-Ansprache erfolgen. Beispielsweise bietet sich die Integration einer Nutzungssteigerungsmaßnahme in die Regelkommunikation an, welche im Rahmen einer Punktstand-Kommunikation oder bei Ablauf des Abonnements durchgeführt wird.333 Hinsichtlich der segmentspezifischen Kommunikationsmaßnahmen zielen die Inhalte auf eine Nutzungssteigerung oder Bindung ab. Somit bietet sich bei den überzeugten Exklusiv-Reisenden angesichts der gezielten Nutzungsabsicht von 1. Klasse-Vorteilen in diesem Zusammenhang ein kommunikativer Schwerpunkt auf wesentliche Differenzierungsfaktoren der Klassen an. Zudem ist der Kommunikation der Exklusivität und der Statusmerkmale auf Grund der empirischen Erkenntnisse eine hohe Bedeutung beizumessen. Die Zielsetzung einer Nutzungsintensi-

332

333

BahnCard-Kunden können den bahn.comfort-Status ab 2.000 bahn.comfort-Punkten erlangen, der die Kunden berechtigt, besondere Statusleistungen in Anspruch zu nehmen. Vgl. WILGER, G., Mehrpersonenpreisdifferenzierung, Wiesbaden 2004, S. 192 sowie MEHDORN, H., KLEINBÖLTING, R., Möglichkeiten und Grenzen der marktorientierten Führung in deregulierten Märkten am Beispiel der Deutschen Bahn, in: BRUHN, M., KIRCHGEORG, M., MEIER, J. (HRSG.), Marktorientierte Führung im wirtschaftlichen und gesellschaftlichen Wandel, Festschrift zum 70. Geburtstag von Heribert Meffert, Wiesbaden 2007, S. 204. Vgl. auch WAGNER, T., HENNIGTHURAU, T., RUDOLPH, T., Does Customer Demotion Jeopardize Loyalty, in: Journal of Marketing, Vol. 73, No. 2, 2009, S. 69 ff. Weiterhin könnte geschlussfolgert werden, dass die hohe Zufriedenheit der überzeugten Exklusiv-Reisenden sogar eine mögliche Akzeptanz von Preissteigerungen impliziert, welche die Kunden zu tragen bereit sind. Vgl. HOMBURG, C., KOSCHATE, N., HOYER, W. D., Do Satisfied Customers Really Pay More? A Study of the Relationship Between Customer Satisfaction and Willingness to Pay, in: Journal of Marketing, Vol. 69, No. 2, 2005, S. 84 ff. Vgl. zur Regelkommunikation HARTMANN, W., KREUTZER, R. T., KUHFUß, H., Kundenclubs & More – Innovative Konzepte zur Kundenbindung, Wiesbaden 2004, S. 97.

129

vierung kann über die Schaffung von Reiseanlässen (z. B. exklusive Städtereisen in der 1. Klasse) bzw. die Steigerung des Bahn-Modalsplits über eine Kommunikation der bahnspezifischen Vorteile („Sie haben es sich verdient“) primär über E-Mail-Kommunikation erfolgen. Analog können die komfortorientierten Freizeitreisenden bearbeitet werden, wobei hier der Aktivierungsfokus auf einem attraktiven Preis-/Leistungsverhältnis sowie auf freizeitbezogenen Faktoren liegen sollte. Weiterhin bedarf dieses Segment einer Stabilisierung der Geschäftsbeziehung in der 1. Klasse über Kundenbindungsmaßnahmen zur Verhinderung von Down-Selling. Mögliche Ansatzpunkte können in einer proaktiven Kommunikation vor Ablauf des Abonnements seitens des Verkehrsdienstleistungsanbieters liegen sowie die Kommunikation einer Prämienpunktevergabe bei Verlängerung des BahnCard-Abonnements. Die Wahl eines geeigneten Kommunikationskanals kann mittels der Ergebnisse der logistischen Regression getroffen werden. Hier konnte eine besondere Affinität der natürlichen Up-Seller-Segmente in Bezug auf E-Mail-Kommunikation aufgezeigt werden. Auf Grund der verhältnismäßig geringen Kosten im Vergleich zu klassischen Mailings vermögen E-Mails insbesondere der Anforderung nach Wirtschaftlichkeit gerecht zu werden und stellen einen wesentlichen Kommunikationskanal dar. Jedoch wird hierdurch nicht die Mehrheit aller möglichen natürlichen Up-Seller erreicht, sodass zusätzliche Kommunikationsmittel wie Mailings etc. einzusetzen sind.334 Hierbei muss ein Einsatz moderner Medien jedoch vor dem Hintergrund des höheren Alters der Up-Seller – insbesondere beim Cluster 4A – beachtet werden.335 Hinsichtlich der Distributionspolitik ist zwischen dem Absatz der 1. Klasse BahnCards und der Distribution von Bahnfahrten oder Bahndienstleistungen zu differenzieren. Der Kundenkontakt erfolgt hinsichtlich des BahnCard-Absatzes standardmäßig über postalische Mailings wie auch über die bahneigenen Reisecenter mit persönlicher Betreuung. Hierbei kann die persönliche Betreuung als besonders wichtig für die 1. Klasse-Kunden eingeordnet werden, da diese Kunden als Top-Kunden des Verkehrsdienstleistungsanbieters anzusehen sind. Vor allem präferieren die überzeugten Exklusiv-Reisenden persönliche Services wie die Nut-

334

335

130

Eine Möglichkeit läge z. B. in der Einrichtung von kostenlosen oder gering bepreisten ServiceHotlines für 1. Klasse-Kunden mit speziellen Kundenkontaktmitarbeitern zur Steigerung der Nutzungsintensität. Vgl. GFK (HRSG.), Generation Silber: Marketing für die Märkte von Morgen, Nürnberg 2005, S. 5 ff. sowie HUPP ET AL., Beyond Verbal Scales: Measurement of Emotions in Advertising Effectiveness Research, in: Yearbook of Marketing and Consumer Research, Vol. 6, No. 4, 2008, S. 72 ff.

zung des exklusiven bahn.comfort-Counters. Die Kundenzufriedenheit kann durch diesen Kontakt nachhaltig beeinflusst werden, sodass der Qualität des Kontaktpersonals eine besondere Aufmerksamkeit zukommt. Die Verfolgung einer Intensivierungsstrategie könnte über ein CRM-System am Point of Sale unterstützt werden, indem Kunden gezielt auf Angebote hingewiesen werden.336 Eine ähnliche Vorgehensweise kann auch für die komfortorientierten Freizeitreisenden gewählt werden, deren möglicher Kündigung des Abonnements durch ein so genanntes Churn-Prevention entgegengewirkt werden kann.337 Bei möglichen Kundenabwanderungen, die auf eine Unzufriedenheit mit dem Leistungsniveau zurückgehen, bietet sich eine Service Recovery im Sinne eines proaktiven Beschwerdemanagement an, welches die frühzeitige Erfassung von Problemen z. B. am Serviceschalter oder durch standardisierte Umfragen bei 1. Klasse-Kunden vor Ablauf des Abonnementzeitraumes beinhaltet.338 Ein weiterer Ansatzpunkt sind der Ausbau und die Förderung von Distributionsmöglichkeiten in der als sehr positiv bewerteten DB Lounge für 1. Klasse-Kunden. Insgesamt ist festzuhalten, dass die Marktbearbeitung der natürlichen Up-Seller insbesondere auf der Kommunikations- und Preisebene differenziert erfolgen muss. Dabei stellt die Betonung unterschiedlicher Leistungsmerkmale die Grundlage der segmentspezifischen Kommunikation dar. Hingegen haben die Ausführungen deutlich gemacht, dass hinsichtlich der Distributionspolitik eine weitestgehende Standardisierung sinnvoll erscheint.

336

337

338

Vgl. ZENTES, J., SWOBODA, B., Kommunikation von Handelsunternehmen, in: BRUHN, M., ESCH, F.-R., LANGNER, T. (HRSG.), Handbuch Kommunikation, Wiesbaden 2008, S. 1140 sowie METHA, R., DUBINSKY, A. J., ANDERSON, R. E., Marketing channel management and the sales manager, in: Industrial Marketing Management, Vol. 31, No. 5, 2002, S. 429 ff. Vgl. ATHANASSOPOULOS, A. D., ILIAKOPOULUS, A., Modeling Customer Satisfaction in Telecommunications: Assessing the Effects of Multiple Transaction Points on the Perceived Overall Performance of the Provider, in: Production and Operations Management, Vol. 12, No. 2, 2003, S. 224 ff. sowie TECKLENBURG, T., Churn-Management im B2B-Kontext – Eine empirische Analyse unter Berücksichtigung von hierarchischen Kundenstrukturen und heterogenem Kundenverhalten, a. a. O., S. 2 ff. Vgl. auch GUNNARSSON ET AL., Lessons learned: A case study using data mining in the newspaper industry, in: Journal of Database Marketing & Customer Strategy Management, Vol. 14, No. 4, 2007, S. 271 ff. Vgl. HESS, R. L., GANESAN, S., KLEIN, N. M., Service Failure and Recovery: The Impact of Relationship Factors on Customer Satisfaction, in: Journal of the Academy of Marketing Science, Vol. 31, No. 2, 2003, S. 127 ff. sowie MEFFERT, H., BRUHN, M., Beschwerdeverhalten und Zufriedenheit von Konsumenten, in: DBW, 41. Jg., Nr. 4, 1981, S. 597 ff.

131

2.2

Bewertungsmodell zur Ausschöpfung des Potenzials bei natürlichen Up-Sellern

Um weiterführende Erkenntnisse zur vorgestellten Intensivierungs- und Bindungsstrategie der natürlichen Up-Seller zu erlangen, erscheint die Erarbeitung eines Bewertungsmodells von Auswirkungen möglicher Bearbeitungsmaßnahmen als zweckmäßig. Hierbei werden zwei wesentliche Aspekte analysiert, die sich unmittelbar aus den Zielsetzungen der Segmentstrategien ableiten lassen. Als Analyseparameter können demnach Variationen x des bahnbezogenen Modalsplitanteils in der 1. Klasse sowie x der Wiederkaufquote der BahnCard in der 1. Klasse Aufschluss über segmentspezifische Potenziale geben. Dabei entspricht die Untersuchung des bahnbezogenen Modalsplitanteils im Wesentlichen der Intensivierungsstrategie und die Variation der Wiederkaufquote der Bindungsstrategie bzw. einer Kündigerprävention, welche zusätzlich bei den komfortorientierten Freizeitreisenden verfolgt werden soll.339 Als Bewertungsgrundlage dienen die jeweiligen Umsatzzuwächse der betrachteten Segmente bei Erhöhung der Inputgrößen um einen Prozentpunkt. Ziel der Untersuchung ist es, die Vorteilhaftigkeit der beiden Bearbeitungsstrategien pro Up-Selling-Segment zu beurteilen. Hierbei wird unterstellt, dass durch einen Marketinginput, z. B. in Form eines Mailings, die jeweilige Erhöhung des Modalsplits bzw. der Wiederkaufquote erreicht werden kann.340 Bei diesem vereinfachten Modell werden gleiche Reaktionsfunktionen sowohl hinsichtlich der Segment- als auch der Strategiedifferenzierung unterstellt, die im Weiteren detailliert werden müssen.341

339

340 341

132

Vgl. Kapitel D 2.1 dieser Arbeit. Wie gezeigt wurde, handelt es sich nicht um eine reine Bindungs- oder Intensivierungsstrategie, sondern um eine Kombination aus beiden Strategien, die jedoch unterschiedlich gewichtet sind. Hierbei seien gleiche Reaktionsfunktionen für die beiden Segmente unterstellt, d. h. beide Segmente reagieren gleich auf den Stimulus. Reaktionsfunktionen dienen der wirkungsbedingten Absatzprognose und zeigen den Verlauf ökonomischer sowie psychographischer Zielvariablen in Abhängigkeit der veränderten Parameter auf. Vgl. MEFFERT, H., STEFFENHAGEN, H., Marktprognosemodelle, Stuttgart 1977, S. 5 ff. sowie LILIEN, G. L., KOTLER, P., MOORTHY, K. S., Marketing Models, Englewood Cliffs 1992, S. 20 ff. Vgl. auch GEDENK, K., SKIERA, B., Marketing-Planung auf der Basis von Reaktionsfunktionen. Elastizitäten und Absatzreaktionsfunktionen, in: WiST, 22. Jg., Nr. 12, 1993, S. 637 ff.

Anhand der Ergebnisse in Tabelle 26 wird zunächst deutlich, dass die Intensivierungsstrategie bei den überzeugten Exklusiv-Reisenden höhere Umsatzzuwächse generiert als bei den komfortorientierten Freizeitreisenden. Weiterhin lassen sich auf Basis der zusätzlichen Deckungsbeiträge die maximalen Kosten pro UpSeller für Marketingmaßnahmen zur Zielerreichung im Sinne einer Break-EvenBetrachtung der Berechnung bestimmen. Die maximalen Ausgaben für die Marktbearbeitung des Clusters 4A liegen um knapp 65 % über denen des Clusters 2A, da der zusätzliche Deckungsbeitrag des Clusters 4A deutlich höher ist.342 Der Vergleich der Bindungsstrategie durch Erhöhung der Wiederkaufquote zeigt bei beiden Segmenten lediglich marginale Unterschiede. Angesichts dieser Ergebnisse wird auch die zuvor gewählte Priorisierung der beiden Segmente bestätigt, da ein Marketinginput bei Cluster 4A einen höheren Output generiert als beim Cluster 2A. Cluster 4A

Cluster 2A

2.721,25

1.802,5

1.980 EUR

2.320 EUR

Modalsplitanteil

21,8 %

42,0 %

Umsatzsteigerung bei Erhöhung des Modalsplitanteils um 1 %-Punkt

4,59 %

2,38 %

Maximale Kosten pro Up-Seller für Erhöhung des Modalsplitanteils

90,86 EUR

55,29 EUR

Wiederkaufquote

91,7 %

83,3 %

Umsatzsteigerung bei Erhöhung der Wiederkaufquote um 1 %-Punkt

1,09 %

1,20 %

Maximale Kosten pro Up-Seller für Erhöhung der Wiederkaufquote

29,69 EUR

21,63 EUR

Segmentgröße Ø Umsatz pro Up-Seller Intensivierungsstrategie

Bindungsstrategie

Tabelle 26:

Bewertung der Ausschöpfungsstrategien

Wird ein Vergleich der Strategien Intensivierung vs. Kündigerprävention gezogen, zeigt sich, dass bei den gegebenen Daten die Intensivierungsstrategie für beide Segmente höhere Umsätze als die Bindungsstrategie aufweist. Folglich gilt es für den Verkehrsdienstleistungsanbieter, grundsätzlich eine Ausschöpfung der

342

Hierbei wird unterstellt, dass zur Zielerreichung maximal die zusätzlichen Umsatzzuwächse als Marktbearbeitungskosten eingesetzt werden dürfen, um eine Kostendeckung der Maßnahmen zu erreichen.

133

Potenziale über eine Nutzungsintensivierung anzustreben.343 Dessen ungeachtet ist die Erhöhung der Wiederkaufquote bei den komfortorientierten Freizeitreisenden (Clusters 2A) zielführend und sollte im Rahmen der Marktbearbeitung berücksichtigt werden. Neben diesen monetären Effekten müssen jedoch weiterhin zeitliche Aspekte in die Betrachtung einbezogen werden.344 So sind Erfolge einer Intensivierung deutlich kurzfristiger ergebniswirksam, da diese im Gegensatz zu Maßnahmen zur Erhöhung der Wiederkaufquote auch unterjährig erzielt werden können. Diese Ergebnisse aufgreifend wird letztlich deutlich, dass weiterführende Aussagen nur bei Kenntnis der segmentspezifischen Responsefunktionen hinsichtlich der eingesetzten Stimuli möglich und sinnvoll sind.345 Falls keine quantitativen Daten zur Verfügung stehen, empfiehlt sich ein Rückgriff auf so genannte qualitative Prognosen auf Basis von Befragungen unterschiedlicher Experten.346 Vor dem Hintergrund der vorliegenden Untersuchung erscheint es plausibel, dass eine einmalige Nutzungsintensivierung gegenüber einer Bindung an die BahnCard für ein weiteres Jahr deutlich höhere Responsequoten und somit eine bessere Reaktionsfunktion aufweisen dürfte. Ursächlich hierfür kann beispielsweise ein niedrigeres wahrgenommenes Risiko einer Einmaltransaktion mit dem Verkehrsdienstleister (einer zusätzlichen Bahnfahrt) durch geringere Wechselkosten sein.347 Eine tiefergehende Analyse bedarf somit der weiteren Erfassung von Daten in qualitativer oder quantitativer Form, die im Rahmen der Marktbearbeitung der aktivierten Up-Seller wieder aufgegriffen werden soll.

343

344 345 346

347

134

Hiervon unberührt bleibt vorab die Fragestellung, ob Kunden z. B. eine BahnCard 25 oder BahnCard 50 besitzen. Vgl. SCHMALEN, H., Kommunikationspolitik, Werbeplanung, 2. Aufl., Stuttgart 1992, S. 56. Vgl. FRANK, R. E., MASSY, W. F., WIND, Y., Market Segmentation, a. a. O., S. 190 ff. Vgl. zu den Möglichkeiten qualitativer Prognosen WÖLLER, R., Qualitative Prognosen, in: PEPELS, W. (HRSG.), Moderne Marktforschungspraxis – Handbuch für mittelständische Unternehmen, Neuwied 1999, S. 441 ff. sowie KRAUTTER, J., Marketing-Entscheidungsmodelle, Wiesbaden 1973, S. 17 ff. Weiterhin können so genannte Decision Calculus herangezogen werden. Vgl. LITTLE, J. D. C., Models and Managers: The Concept of a Decision Calculus, in: Marketing Science, Vol. 16, No. 8, 1970, S. 466 ff. Vgl. zur Risikotheorie im Zusammenhang von Kundenbindung z. B. BAKAY, Z., Kundenbindung von Haushaltsstromkunden: Ermittlung zentraler Determinanten, Wiesbaden 2003, S. 45 ff. sowie SHETH, J. N., PARVATIYAR, A., Relationship Marketing in Consumer Markets: Antecendents and Consequences, in: Journal of the Academy of Marketing Science, Vol. 23, No. 4., 1995, S. 258 f. Vgl. zu Wechselkosten BANSAL, H. P., IRVING, G., TAYLOR, S. F., A ThreeComponent Model of Customer Commitment to Service Providers, in: Journal of the Academy of Marketing Science, Vol. 32, No. 3, 2004, S. 238.

3

Marktbearbeitung zu aktivierender Up-Seller bei einem Verkehrsdienstleistungsanbieter

3.1

Segmentspezifische Ausschöpfungsstrategie für zu aktivierende UpSeller

Aufbauend auf den Ergebnissen der empirischen Analyse der aktivierten Up-Seller und der Segmentbewertung können mögliche Marktbearbeitungsmaßnahmen potenziell zu aktivierender Up-Seller abgeleitet werden. Hierbei werden entsprechend der Priorisierung alle drei identifizierten Up-Selling-Segmente in die Ausgestaltung des Marketing-Mix-Instrumentariums einbezogen. Vor diesem Hintergrund gilt es zu beachten, dass bereits eine Kundenbeziehung der zu aktivierenden Kunden im Rahmen der Nutzung einer BahnCard der 2. Klasse zu dem Verkehrsdienstleistungsanbieter existiert. Dennoch sollte das Up-Selling-Angebot nicht nur einer klassischen Bindungsstrategie, sondern tendenziell einer Strategie wie in der Akquisitionsphase des Kundenlebenszyklus folgen.348 Mittel Aufgabe

Überzeugung

Stimulierung

Symbolisch

Faktisch

Symbolische Überzeugungsstrategie

Faktische Überzeugungsstrategie

Weiterempfehlungen Qualitätszertifizierungen

Leistungsproben

Symbolische Stimulierungsstrategie

Faktische Stimulierungsstrategie

Imageaufbau Testimonials

Sonderangebote Rabatte

Abbildung 17: Strategische Ausgestaltungsoptionen für die Bearbeitung der zu aktivierenden Up-Seller349

348

349

Vgl. BRUHN, M., Relationship Marketing – Das Management von Kundenbeziehungen, a. a. O., S. 193. In Anbetracht der bereits gesammelten Erfahrungen mit dem Anbieter kann das wahrgenommene Kaufrisiko aus Sicht der Kunden jedoch gegenüber BahnCard-Neukunden als deutlich vermindert angesehen werden. Vgl. hierzu JOHNSTON, R., The Zone of Tolerance: Exploring the Relationship Between Service Transactions and Satisfaction with the Overall Service, in: International Journal of Service Industry Management, Vol. 6, No. 2, 1995, S. 49. In Anlehnung an BRUHN, M., Relationship Marketing – Das Management von Kundenbeziehungen, a. a. O., S. 132 ff.

135

Dabei können zwei Ausgestaltungsoptionen für die zu aktivierenden Up-Seller verfolgt werden: So kann das Marketing-Mix-Instrumentarium zum einen eine Überzeugungs- und zum anderen eine Stimulierungsstrategie fokussieren. Je nach Ausgestaltungsgrad lässt sich weiterhin unterscheiden, ob die beiden Strategien eher symbolisch oder faktisch umgesetzt werden sollen. Mögliche Ausprägungen sind dabei Abbildung 17 zu entnehmen. Angesichts einer praktischen Umsetzung erscheint jedoch im vorliegenden Up-Selling-Kontext ein isolierter Einsatz einer Strategie in Verbindung mit einem Segment i. d. R. nicht sinnvoll. Daher werden im Folgenden Ausgestaltungsmöglichkeiten beider Optionen im Rahmen der Segmentbearbeitung diskutiert. Im Mittelpunkt der Leistungspolitik steht im Rahmen einer Bearbeitung der UpSeller weniger die Aufgabe einer Leistungsanpassung oder -veränderung als vielmehr die Positionierung des Leistungsangebots. Vor diesem Hintergrund zeigte sich in der empirischen Untersuchung, dass die Unterschiede zwischen den Klassen der Deutschen Bahn AG von den zu aktivierenden Up-Sellern deutlicher wahrgenommen werden als von den natürlichen Up-Sellern. Dementsprechend sollte die Positionierung der 1. Klasse segmentübergreifend auf die höhere Klassenwertigkeit als Differenzierungsfaktor abzielen und wesentliche Leistungsmerkmale wie Ruhe und das Angebot persönlicher Services im Rahmen einer symbolischen Stimulierungsstrategie herausstellen. Weiterhin können aus den Ergebnissen der Clusterbeschreibung zahlreiche Ansatzpunkte für eine segmentspezifische Positionierung abgeleitet werden. So deuten die Zufriedenheitsurteile des Clusters 1B der serviceorientierten Up-Seller (Cluster 1B) in Bezug auf die Leistungen darauf hin, dass persönliche ServiceLeistungen besonders positiv beurteilt werden. Weiterhin konnten Aspekte des produktiven Reisens für dieses junge Segment als relevante Leistungsmerkmale identifiziert werden, sodass eine Positionierung als „Reisezeit ist produktive Zeit“ sinnvoll erscheint.350 Hingegen kann die Positionierung der 1. Klasse für die anspruchsvoll statusorientierten Up-Seller (Cluster 3B) insbesondere vor dem Hintergrund der hohen Reisetätigkeit über die Betonung der Exklusivität und der hohen Wertigkeit der 1. Klasse erfolgen, die über entsprechende materielle Leistungen

350

136

Vgl. GRUNBERG, B., Zeitbezogene Nutzenkomponenten von Verkehrsdienstleistungen: Erklärung und Wirkung am Beispiel von Bahnreisen, Frankfurt a. M. 2004, S. 5 ff.

verdeutlicht werden müssen.351 Weiterhin sollte die Leistungspositionierung der 1. Klasse für die als weniger attraktiv bewerteten preiszufriedenen Up-Seller (Cluster 2B) im Wesentlichen die Ruhe und Ungestörtheit sowie das gute Platzangebot fokussieren. Ergänzt werden kann diese Positionierung mittels Betonung von persönlichen Dienstleistungen der überwiegend älteren Kunden dieses Clusters, die teilweise kostenpflichtig zur Verfügung stehen und genutzt werden können. Es wird deutlich, dass die Positionierung im Wesentlichen den Muss-, Kann- und SollLeistungen – entsprechend der segmentspezifischen Präferenzen – folgen sollte. Somit müssen die Segmente primär von der Leistungsfähigkeit überzeugt und ein entsprechendes Erwartungsmanagement verfolgt werden. Der Preispolitik kommt bei den zu aktivierenden Up-Sellern ein besonderer Schwerpunkt zu. Dies vor allem deshalb, da der Preis als faktische Stimulierungsstrategie fungieren und BahnCard-Kunden mit entsprechenden Up-SellerProfilen zu einem Up-Selling in die 1. Klasse bewegen kann. Dabei ist zu berücksichtigen, dass diese BahnCard-Kunden i. d. R. nicht ohne einen wie auch immer gearteten Stimulus in die höhere Klasse wechseln würden.352 Unter Berücksichtigung des vorgestellten Entscheidungsverhaltens der Klassenwahl muss der Stimulus so den Nettonutzenvergleich der Kunden zwischen der 2. und 1. Klasse zugunsten der 1. Klasse beeinflussen.353 Somit scheint vor allem die Frage relevant, welcher Anreiz in Bezug auf Art und Höhe geeignet ist, die Kunden zu einem Up-Selling zu stimulieren. Zum einen kann der Preis bei Leistungen, deren Qualität nicht unmittelbar beurteilt werden kann, die Aufgabe eines Qualitätsindikators übernehmen.354 Durch vergünstigte und zeitlich begrenzte Leistungsproben, wie beispielsweise Schnupperfahrten in der 1. Klasse, kann daher die Positionierung der höherwertigen Klasse für die potenziellen Up-Seller erlebt und bestätigt werden. Zum anderen kann sich neben dieser faktischen Überzeugung

351

352 353

354

Erfolgreiche Ansätze sind hier der Luftfahrtbranche zu entnehmen, welche insbesondere die Exklusivität von höheren Klassen herausstellt. Vgl. HAUSCHILD, U., HILVERKUS, S., Fallstudie Miles & More: Profitable Kundenbindung in der Airline Industrie, in: Bruhn, M., HOMBURG, C. (HRSG.), Handbuch Kundenbindungsmanagement, 6. Aufl., Wiesbaden 2008, 804 ff. Dieses kann daraus geschlussfolgert werden, dass sich die identifizierten Kundenprofile mit Hilfe der logistischen Regression signifikant voneinander unterscheiden. Vgl. HOLBROOK, M. B., The Nature of Customer Value: An Axiology of Services in the Consumption Experience, in: RUST, R. T., OLIVER, R. L. (HRSG.), Service Quality: New Directions in Theory and Practice, London 1994, S. 22. Vgl. SCHNEIDER, H., Preisbeurteilung als Determinante der Verkehrsmittelwahl: Ein Beitrag zum Preismanagement im Verkehrsdienstleistungsbereich, Wiesbaden 1999, S. 7 ff.

137

auch eine monetäre Incentivierung als geeignet erweisen.355 Ein einmaliger direkter Preisrabatt auf die BahnCard der 1. Klasse bei einem Up-Selling kann bei einigen Segmenten ökonomisch sinnvoll sein, da der Rabatt lediglich auf den Kauf der BahnCard gewährt wird und nicht auf die Preise von Bahntickets, welche die weitaus höheren Umsatzchancen des Anbieters darstellen.356 Hinsichtlich der zielgruppenspezifischen Ausgestaltung sollen in einem ersten Schritt noch weiter zu konkretisierende Schwerpunkte abgeleitet werden, die es mit Hilfe eines Bewertungsmodells im weiteren Verlauf konkret zu überprüfen gilt. Zunächst empfiehlt es sich, bei den preiszufriedenen Up-Sellern preisliche Anreize deutlich seltener und in geringerem Umfang einzusetzen als bei den anderen Segmenten. Mögliche Anreize stellen vielmehr Test- oder Treueangebote dar (faktische Überzeugung). Eine mögliche Stimulierung der anspruchsvoll statusorientierten Up-Seller (Cluster 3B) sollte sich angesichts der Exklusivitätsorientierung ebenfalls eher an Leistungsproben orientieren. Jedoch scheint auf Grund des hohen Anspruchsniveaus dieser potenziellen Up-Seller die Nutzung von direkten Preisnachlässen nicht unumgänglich. Diese Annahme wird auch durch die bekundeten Zufriedenheiten mit dem Preis-/Leistungsverhältnis dieser UpSeller gestützt (faktische Stimulierung). Hingegen zeigen die Bewertungen der serviceorientierten Up-Seller (Cluster 1B) keine hohe Notwendigkeit von Preisaktionen auf, sodass tendenziell auf eine symbolische Überzeugung geschlossen werden kann. Die Überlegungen zur Leistungs- und Preispolitik der zu aktivierenden Up-Seller bedürfen schließlich der Integration in zielgruppenspezifische Kommunikationskonzepte. Generelle Zielsetzung hierbei muss es sein, eine attraktive Marketingmaßnahme zu konzipieren, die den potenziellen Up-Seller zum optimalen Zeitpunkt im Kaufentscheidungsprozess erreicht.357 Ein möglicher Zeitpunkt sollte hinreichend vor einem möglichen Abonnement-Ende liegen, um den Entscheidungsprozess hinsichtlich einer potenziellen Beendigung der Geschäftsbeziehung durch den Kunden rechtzeitig beeinflussen zu können. Weiterhin sollte im Rahmen der segmentübergreifenden Kommunikation eine Service Hotline oder

355 356 357

138

Vgl. BERRY, L. L., Relationship Marketing of Services – Growing Interest, Emerging Perspectives, a. a. O., S. 240 f. Vgl. SCHNEIDER, H., Preismanagement im Dienstleistungsbereich – Das neue Preissystem der DB AG, in: List Forum für Wirtschafts- und Finanzpolitik, Band 29, H. 3, 2003, S. 275 ff. Vgl. ZHANG, Z. J., KRISHNA, A., DHAR, S. K., The Optimal Choice of Promotional Vehicles: Front-Loaded or Rear-Loaded Incentives?, a. a. O., S. 348 ff.

spezielle Webangebote für 1. Klasse-Interessenten eingerichtet werden, um eine Reduktion der Unsicherheit bei den potenziellen Top-Kunden zu ermöglichen. Überdies gilt es, ein Kommunikationskonzept zu implementieren, das sowohl einer Überzeugung als auch einer Stimulierung der zu aktivierenden Up-Seller gerecht wird.358 Auf Grund der Segmentgrößen, der vorhandenen Kundenkontakte und aktueller Datenschutzbeschränkungen erscheint insbesondere der Einsatz von Direktmarketing-Maßnahmen auf Basis von postalischen Mailings oder EMails für alle Segmente zielführend.359 Dabei sollte bei den anspruchsvoll statusorientierten Up-Sellern der individuelle Service und exklusive Charakter der 1. Klasse betont und in der Argumentation im Sinne eines „High-Class reisen“ aufgegriffen werden. Im Zusammenhang mit den serviceorientierten Up-Sellern erscheint eine Kommunikation der Arbeitsmöglichkeiten und produktivitätssteigernden Services denkbar, welche die Kunden von der Vorteilhaftigkeit der Klasse überzeugt. Hingegen müssen die preiszufriedenen Up-Seller mit einer klaren Kosten-/Nutzen-Gegenüberstellung gewonnen und so die 1. Klasse als sinnvolle Klassenwahlentscheidung dargestellt werden. Insbesondere ist auf dieser Ebene ebenfalls eine ausreichende Personalisierung bzw. Individualisierung vorzunehmen, um den Kunden durch eine gezielte Ansprache bzw. Argumentation zu überzeugen.360 Beispielsweise kann die Nennung der in einem Jahr erreichten Fahrleistung mit der Bahn sinnvoll sein, um den Kunden von der Vorteilhaftigkeit eines Up-Selling auf Grund der 1. Klasse-Leistungen zu überzeugen. Des Weiteren gilt es, einen attraktiven Stimulus für die Initiierung des Klassenaufstiegs zu definieren und den Zielgruppen zu vermitteln. Dieser Stimulus kann dabei in der reinen Kommunikationsbotschaft, z. B. in Form einer Information bzw. Argumentation der Vorteile der 1. Klasse, liegen oder in direkten bzw. indirekten Preisrabatten und Incentives.361 Hierbei kann auf die Überlegungen, die im Rahmen der Preispolitik getroffen wurden, zurückgegriffen werden. Jedoch werden mögliche Anreizmaßnahmen hinsichtlich ihrer Effektivität und Effizienz bei den Clustern im weiteren Verlauf der Arbeit bewertet.

358 359

360 361

Vgl. TAPP, A., Principles of Direct and Database Marketing – A Digital Orientation, 4th edition, Harlow 2008, S. 315 ff. Vgl. BRUNS, J., Direktmarketing, 2. Aufl., Ludwigshafen 2007, S. 153 ff. sowie KREUTZER, R. T., Praxisorientiertes Dialog-Marketing: Konzepte – Instrumente – Fallbeispiele, Wiesbaden 2009, S. 115 ff. Vgl. HOLLAND, H., Direktmarketing, 3. Aufl., München 2009, S. 18. Vgl. SARGEANT, A., WEST, D. C., Direct and Interactive Marketing, Oxford 2001, S. 177 ff.

139

Schließlich muss die Distributionspolitik für die zu aktivierenden Up-Seller dergestalt spezifiziert werden, dass die Kundenbeziehung mit dem Ziel eines UpSelling gesteuert werden kann. Somit steht nicht die Ubiquität der Distribution, sondern vielmehr die gezielte Ansprache über vom Kunden präferierte Vertriebswege zur Akquisition im Vordergrund. Persönliche Kundenkontakte sollten dabei im Rahmen der Informationsbereitstellung und des späteren Ticketverkaufs genutzt werden. Letztlich ist festzustellen, dass die Erwartungen der potenziell zu aktivierenden Up-Seller zunächst über eine Überzeugungsstrategie gesteuert werden sollten. Ziel muss es daher sein, die Kunden über aktivierende Prozesse zum Kauf der höherwertigen BahnCard zu motivieren und danach auf Basis der vertraglichen Gebundenheit eine Verbundenheitsbeziehung aufzubauen. Daher ist zu konstatieren, dass sich eine Schwerpunktsetzung bei den potenziell zu aktivierenden UpSellern auf die Ausgestaltung geeigneter Direktmarketingmaßnahmen empfiehlt. Diese Kommunikationsmaßnahmen müssen letztlich auf der Zielgruppen-, Angebots- sowie Werbemedien- und Gestaltungsebene angepasst werden.362 Die tatsächliche Ausgestaltung kann jedoch nur vor dem Hintergrund der spezifischen Marktsituation und Möglichkeiten des Verkehrsdienstleistungsanbieters erfolgen und benötigt zur Optimierung der Kundenansprache ein sinnvolles Testverfahren anhand realer Kundendaten und Kaufsituationen, welches im Folgenden erarbeitet werden soll. 3.2

Bewertungsmodell zur Bestimmung der Effektivität und Effizienz ausgewählter Anreizmaßnahmen

Die Ausrichtung und Ausgestaltung eines Kommunikationskonzeptes muss unter dem Gesichtspunkt eines potenzialorientierten Kundenbeziehungsmanagement erfolgen. Demnach muss die zu konkretisierende Akquisitionsstrategie der zu aktivierenden Up-Seller nicht nur auf Nachfragerseite einem Nutzen-Kalkül, sondern auch einer anbieterseitigen Forderung nach Effektivität und Effizienz genügen.363 Vor diesem Hintergrund werden im Folgenden mögliche Ausgestaltungsva-

362

363

140

Vgl. AHRENS, M., Experimentelle Analyse der Wirkungen ausgewählter DirektmarketingInstrumente – Ein Beitrag zur Effektivitäts- und Effizienzmessung im Direktmarketing, a. a. O., S. 7 ff. Vgl. BACKHAUS, K., Relationship Marketing – Ein neues Paradigma im Marketing?, in: BRUHN, M., STEFFENHAGEN, H. (HRSG.), Marktorientierte Unternehmensführung, Reflexionen – Denkanstöße – Perspektiven, 2. Aufl., Wiesbaden 1998, S. 20 ff.

rianten von Direktmarketinganreizen untersucht, um zielgruppenspezifische Schwerpunkte einer Überzeugungs- bzw. Stimulierungsstrategie abzuleiten.364 Grundlage der Untersuchung ist der Test ausgewählter Anreize bei aktivierten Up-Sellern. Zur Bestimmung der Effektivität, also der Fragestellung, ob ein Anreiz zum Up-Selling maßgeblich beigetragen hat oder nicht, wird als Bewertungsbasis die bekundete Inanspruchnahme des Anreizes genutzt.365 Diese wurde im Rahmen der Nachbefragung der aktivierten Up-Seller erhoben und zielgruppenspezifisch ausgewertet.366 Um den Erkenntnisgewinn im Rahmen des Tests zu maximieren, wurden Anreize ausgewählt, die entweder einer Überzeugung oder einer Stimulierung des Up-Selling-Verhaltens dienen. Nicht-monetäre Anreize können nach BRUHN tendenziell eher einer Überzeugungsstrategie zugeordnet werden als beispielsweise monetäre Anreize.367 Rekurrierend auf die Ausführungen zur Marktbearbeitung soll somit eine leistungsbezogene Vorteilsargumentation den ersten zu testenden Anreiz darstellen (vgl. Abbildung 18). Dieser beinhaltet eine personalisierte Ansprache der Kunden und betont symbolisch den Komfort sowie den Service in der 1. Klasse. Als Hybrid zwischen Überzeugung und Stimulierung wird als zweiter Anreiz eine einmalige Leistungsprobe der 1. Klasse bei den aktivierten Up-Sellern überprüft.368 Hierbei handelt es sich um einen Gutschein zur Nutzung der 1. Klasse zum Preis einer

364

365 366

367 368

Für die Analyse der Anreizwirkung wurde auf die Direktmarketingaktion zur Aktivierung von Up-Sellern zurückgegriffen. Diese Untersuchung war hinsichtlich der Entscheidungstatbestände der Zielgruppen-, Werbemedien- und Gestaltungsebene wie folgt spezifiziert: Als Zielgruppe wurden die mittels Direktmailing zu aktivierenden Up-Seller im Rahmen der Nachbefragung gewählt und untersucht, ob und in welchem Umfang ein ausgesendeter Stimulus wahrgenommen und genutzt wurde. Die inhaltliche und formale Gestaltung war für alle Teilnehmer des Tests gleich, sodass die bekundete Nutzung des Stimulus auf den Direktmarketinganreiz zurückgeführt werden kann. Vgl. den Fragebogen der aktivierten Up-Seller in Anhang III-2. Die Inanspruchnahme der Anreize konnte auf Grund der prozesstechnischen Komplexität nicht beim Verkehrsdienstleister erfasst werden, sodass die Nutzung über die Nachbefragung erfasst wurde. Vgl. BRUHN, M., Relationship Marketing – Das Management von Kundenbeziehungen, a. a. O., S. 175 ff. Leistungsproben wurden zuvor als faktische Überzeugungsstrategie eingeordnet. Jedoch können die hier eingesetzten Leistungsproben auf Grund ihrer Wertigkeit auch in einem gewissen Grad der Stimulierungsstrategie zugeordnet werden, da eine Nutzung der 1. Klasse auf Grund der Leistungsprobe zum Preis des 2. Klasse-Fahrscheins möglich ist. Somit erhält der Kunde einen indirekten Preisrabatt auf die Fahrt in der 1. Klasse.

141

Bahnfahrt der 2. Klasse.369 Dieser fungiert als faktisches Überzeugungsinstrument und kann so ein mögliches Kaufrisiko des Up-Selling aus Sicht der Kunden reduzieren. Schließlich kommt ein indirekter Preisrabatt in Form eines Warengutscheins zum Einsatz, der überwiegend einer faktischen Stimulierungsstrategie zugeordnet werden kann.370 Dieser wurde jedoch nur bei einem tatsächlichen Aufstieg auf die 1. Klasse BahnCard versendet, sodass es sich um einen nachträglichen indirekten Rabatt handelt.371 Leistungsbezogene Vorteilskommunikation

Anreizart

Überzeugung

Einmaliger Leistungstest

Indirekter Preisrabatt über Warengutschein

Stimulierung

Abbildung 18: Ausgewählte Anreize für zu aktivierende Up-Seller Der zentrale Vorteil des verwendeten Testdesigns ist darin zu sehen, dass den aktivierten Up-Sellern alle drei Anreize zugeschickt wurden und so ein direkter Anreizvergleich je Individuum durchgeführt werden konnte. Somit haben alle UpSeller ein Mailing mit leistungsbezogener Kommunikation erhalten, wobei die Kunden entscheiden konnten, ob sie darüber hinaus noch die Leistungsprobe oder den Warengutschein nutzen wollten. Des Weiteren bestand auch die Möglichkeit, sowohl die Leistungsprobe als auch den Warengutschein einzulösen, sodass auch

369 370

371

142

Dieser im Mailing als Upgrade-Gutschein bezeichnete Voucher bedingt somit den Kauf einer Bahnfahrt in der 2. Klasse, der jedoch zur Fahrt in der 1. Klasse berechtigt. Der Warengutschein ist dabei nach der Rabattstufe der BahnCard differenziert. Im Fall einer BahnCard 25 oder BahnCard 50 ermäßigt beträgt der Warengutschein 50 EUR. Hingegen wurde ein Warengutschein i. H. v. 100 EUR für den Aufstieg auf eine BahnCard 100 versendet. Vgl. ZHANG, Z. J., KRISHNA, A., DHAR, S. K., The Optimal Choice of Promotional Vehicles: Front-Loaded or Rear-Loaded Incentives?, a. a. O., S. 348 ff. Der Warengutschein konnte bei einem nicht zum Kerngeschäft des Verkehrsdienstleistungsanbieters einzuordnenden Unternehmen eingelöst werden. Weiterhin kann der Rabatt nicht mit dem Kauf der BahnCard verrechnet werden und wird daher als indirekter Preisrabatt bezeichnet.

die Effektivität einer Anreizkombination ermittelt werden konnte.372 Der bekundete Verzicht auf einen über das Mailing hinausgehenden Anreiz wurde hierbei der Wirkung der leistungsbezogenen Kommunikation zugeschrieben.373 Auf dieser Basis kann nun die Effektivität der Anreizmaßnahmen bei den jeweiligen Zielgruppen bewertet werden (vgl. Tabelle 27). Cluster 1B

Cluster 2B

Cluster 3B

Serviceorientierte Up-Seller

Preiszufriedene Up-Seller

Anspruchsvoll statusorientierte Up-Seller

Gesamt

Ȥ -Test

Leistungsbezogene Vorteilsargumentation

34,7 %

29,2 %

23,0 %

30,0 %

***

Einmaliger Leistungstest

11,9 %

22,9 %

14,8 %

15,2 %

***

Indirekter Preisrabatt

21,8 %

25,0 %

21,3 %

22,4 %

***

Kombination Leistungstest und Preisrabatt

31,7 %

22,9 %

41,0 %

32,4 %

***

Cluster Anreizart

2

***: signifikant mit  < 0,01

Tabelle 27:

Bewertung der Effektivität ausgewählter Anreizmaßnahmen

Eine nähere Betrachtung der allesamt signifikanten Ergebnisse macht zunächst deutlich, dass segmentübergreifend die Kombination aus einmaligem Leistungstest und Preisrabatt mit 32,4 % den effektivsten Anreiz für zu aktivierende Up-Seller darstellt.374 Dieses Ergebnis wird umso mehr verstärkt, da auch der Preisrabatt isoliert mit 22,4 % als sehr effektiv bewertet werden kann. Folglich hat insgesamt über die Hälfte aller Up-Seller den Warengutschein in Anspruch genommen.375 Erstaunlicherweise weist jedoch auch die leistungsbezogene Vorteilsargumentation eine hohe Effektivität auf. Es wird deutlich, dass ca. ein Drit-

372

373

374

375

Daraus ergibt sich streng genommen jedoch auch das Problem, dass die Reaktionen der Befragten nicht wie in einem Experiment eineindeutig auf die Variation der Stimuli zurückzuführen sind. Dieses Problem wird an späterer Stelle noch einmal vertiefend erörtert. Kritisch betrachtet ist ein gewisser Einfluss der beiden anderen offerierten Anreize, auch wenn diese nicht genutzt wurden, auf das Verhalten nicht auszuschließen. Diese Herausforderung könnte in einem experimentellen Design gelöst werden. Vgl. Kapitel E 2. Als Prüfgröße wurde ein Chi-Quadrat-Test eingesetzt, bei dem alle Anreize mit einer Irrtumswahrscheinlichkeit von  < 0,01 bestätigt werden konnten. Vgl. BROSIUS, F., SPSS 16 – Das mitp-Standardwerk, a. a. O., S. 409 ff. Hierbei sind sowohl die Up-Seller, die nur den Warengutschein genutzt haben (22,4 %), als auch die Up-Seller, welche die Kombination gewählt haben (32,4 %), einzubeziehen, sodass letztlich 54,8 % den Warengutschein erhalten haben.

143

tel aller aktivierten Up-Seller gänzlich auf die Nutzung weiterer Incentives verzichtet hat und lediglich auf Grund der kostengünstigen Mailings in die 1. Klasse aufgestiegen ist. Diese Erkenntnisse gilt es nun zielgruppenspezifisch vor dem Hintergrund der zuvor abgeleiteten preispolitischen Ausrichtungen zu überprüfen. Die Untersuchung des Clusters 3B der anspruchsvoll statusorientierten Up-Seller zeigt, dass die Fokussierung auf geeignete Stimulierungsmaßnahmen bei diesem Segment die höchste Effektivität aufweist (62,3 %). Daher kann geschlussfolgert werden, dass das hohe Anspruchsniveau zumindest teilweise durch Preiszugeständnisse befriedigt werden muss. Hingegen weisen die Ergebnisse der serviceorientierten UpSeller (Cluster 1B) sowohl auf eine hohe Eignung von Überzeugungsmaßnahmen im Form von leistungsbezogener Kommunikation (34,7 %) als auch auf die Effektivität von Preisrabatten hin (21,8 %). Beim letzten Cluster 2B der preiszufriedenen Up-Seller besitzen preisliche Stimulierungsmaßnahmen – wie zuvor im Rahmen der Preispolitik abgeleitet – die geringste Effektivität (22,9 %). Demzufolge besitzen symbolische wie auch faktische Überzeugungsinstrumente mehrheitlich die höchste Wirkung (52,1 %). Insgesamt können die aus den Clusterbeschreibungen abgeleiteten Handlungsempfehlungen auch empirisch bestätigt werden, welche jedoch hinsichtlich ihrer wirtschaftlichen Vorteilhaftigkeit noch näher zu untersuchen sind. Die Effizienzbewertung der Anreizmaßnahmen muss auf den anreizbedingten Kosten sowie auf den zielgruppenspezifischen Umsätzen basieren. Dabei sind Unterschiede der Umsatzsteigerungen durch ein Up-Selling in Abhängigkeit der jeweiligen BahnCard-Art zu berücksichtigen, sodass die Verteilung der BahnCardArten u. a. entscheidend für die Effizienzbestimmung ist.376 Da eine Diskussion und Offenlegung der einzelnen Kostenparameter nicht als Ziel dieser Untersuchung anzusehen sind, wird hierauf nicht vertiefend eingegangen.377 Bei der Berechnung der Effizienz wurden alle Größen, wie z. B. die Nutzungsintensität, kon-

376 377

144

Beispielsweise erzielt der Verkehrsdienstleistungsanbieter einen ca. 140 % höheren Umsatz bei dem Up-Selling einer BahnCard 50 im Vergleich zu einer BahnCard 25. Insgesamt wurden alle relevanten Kosten wie Konzeptions-, Mailing- und Prozesskosten berücksichtigt. Des Weiteren fanden die Incentivekosten nach Angaben des Verkehrsdienstleisters Eingang in die Untersuchung. Der Warengutschein wurde mit einem Verrechnungspreis einbezogen. Beim einmaligen Leistungstest fallen neben den Produktionskosten streng genommen lediglich Opportunitätskosten des entgangenen Gewinns an. Diese wurden jedoch nicht mit in die Effizienzberechnung integriert.

stant gehalten, um eine ceteris paribus-Betrachtung durchführen zu können. Die Bewertung der Effizienz der Anreize wurde zum einen gesamthaft für alle aktvierten Up-Seller und zum anderen segmentspezifisch berechnet. Dabei wurde ein Effizienzrang ermittelt und die Steigerung des Gewinns eines Anreizes im Vergleich zum jeweils ineffizientesten Anreiz innerhalb der Betrachtungsgruppe bestimmt (vgl. Tabelle 28). Leistungsbezogene Vorteilsargumentation

Einmaliger Leistungstest

Indirekter Preisrabatt

Kombination Leistungstest und Preisrabatt

1.

4.

3.

2.

+ 195,56 %

-

+ 36,49 %

+ 98,69 %

1.

2.

3.

4.

+ 144,55 %

+ 90,37 %

+ 27,86 %

-

Cluster 1B (Serviceorientierte Up-Seller) Effizienzrang Gewinnsteigerung zum ineffizientesten Anreiz

Cluster 2B (Preiszufriedene Up-Seller) Effizienzrang Gewinnsteigerung zum ineffizientesten Anreiz

Cluster 3C (Anspruchsvoll statusorientierte Up-Seller) Effizienzrang Gewinnsteigerung zum ineffizientesten Anreiz

1.

3.

4.

2.

+ 151,69 %

+ 74,82 %

-

+ 150,09 %

1.

3.

4.

2.

+ 105,50 %

+ 7,93 %

-

+ 67,64 %

Gesamt (Aktivierte Up-Seller) Effizienzrang Gewinnsteigerung zum ineffizientesten Anreiz

Tabelle 28:

Bewertung der Effizienz ausgewählter Anreizmaßnahmen

Die Ergebnisse der segmentübergreifenden Effizienzberechnung machen deutlich, dass der Vorteilsargumentation die höchste Effizienz zugesprochen werden kann und am nachhaltigsten zur Gewinnsteigerung beiträgt. Auch die Anreizkombination wurde hinsichtlich der Wirtschaftlichkeit als zweckmäßig bewertet, obwohl die Kosten für diesen Stimulus am höchsten waren. Ursächlich hierfür ist die zuvor aufgezeigte hohe Effektivität der beiden Anreize. Die ökonomische Wirtschaftlichkeitsuntersuchung der einzelnen Segmente zeigt teilweise divergierende Ergebnisse zu der segmentübergreifenden Betrachtung auf. In weitestgehender Übereinstimmung mit den Erkenntnissen der Effektivitätsanalyse wird beim Cluster 1B die Vorteilsargumentation am effizientesten bewertet. Hingegen konnte der Leistungsprobe der schlechteste Rang zugeordnet werden. Dem Cluster 2B wird hinsichtlich der faktischen Überzeugung mittels Leistungstest allerdings eine hohe Wirtschaftlichkeit attestiert. Diese wird lediglich von der kostengünstigen 145

und effektiven Vorteilsargumentation übertroffen. Auch wenn die Clustergröße und die Beziehungsdauer geringer zu bewerten sind als bei den anderen Clustern, so kann dieses durch die hohe Effektivität und Effizienz der kostengünstigen Anreize kompensiert werden. Die aus der Effektivitätsprüfung abgeleitete Vorteilhaftigkeit von Preisrabatten für das Cluster 3B wird durch die Effizienzbewertung bestätigt. Es zeigt sich, dass die Vorteilsargumentation gegenüber den indirekten Preisrabatten lediglich marginal höhere Gewinnsteigerungen ermöglicht und folglich der Einsatz von monetären Anreizen als zielführend beschrieben werden kann. Letztlich liefert die Einbeziehung der Effektivitäts- und Effizienzbetrachtung wertvolle Hinweise für die Einsatzmöglichkeiten der Anreize je Up-Selling-Segment. Insgesamt konnten die aus den Clusterprofilen abgeleiteten Handlungsempfehlungen hinsichtlich einer Überzeugungs- und Stimulierungsstrategie weiter konkretisiert und empirisch überprüft werden. Ebenso wurde offensichtlich, dass die eingangs vorgenommene Clusterpriorisierung der zu aktivierenden Up-Seller vor dem Hintergrund der Effektivität und Effizienz einzelner Anreize mitunter anzupassen ist, um eine bestmögliche Allokation des Marketingbudgets zu erreichen. Jedoch ist die konkrete Bearbeitungsstrategie letztlich vor dem Hintergrund der jeweiligen unternehmensspezifischen Zielsetzungen im Rahmen eines ganzheitlichen Kundenbeziehungsmanagement festzulegen.

4

Zusammenfassende Darstellung der strategischen zielgruppenspezifischen Stoßrichtungen

In Anbetracht der Untersuchung des Up-Selling-Potenzials ist zusammenfassend festzustellen, dass insgesamt ein beachtenswertes Up-Selling-Potenzial bei der Deutschen Bahn AG identifiziert werden konnte. Zur Hebung der mengenbezogenen Potenziale stellt insbesondere die Aktivierung neuer Up-Seller eine wirtschaftlich zweckmäßige Strategie dar. Überdies konnten zielführende Maßnahmen zur wertmäßigen Steigerung im Sinne einer Ausschöpfung des Up-Selling-Potenzials aufgezeigt werden. Hinsichtlich der abgeleiteten Bearbeitungsmaßnahmen der Zielgruppen ist letztlich festzustellen, dass die Bearbeitungsstrategien der natürlichen und zu aktivierenden Up-Seller als komplementäre Strategien aufgefasst werden können. Hierbei folgen die Zielsetzungen und Maßnahmen der beiden Fallgruppen einem idealtypischen Kundenlebenszyklus bzw. dem erarbeiteten Stufenmodell. Die zu aktivierenden Up-Seller sind in diesem Kontext mit einer Akquisitionsstrategie zu bearbeiten, die sich zum einen in einer Überzeugungs- und zum anderen 146

in einer Stimulierungsstrategie niederschlägt. Es wurde deutlich, dass diese beiden Optionen segmentspezifisch nicht isoliert, sondern vielmehr mit divergierenden Schwerpunktsetzungen einzubeziehen sind. Während sich die Bearbeitung des Clusters 3B der anspruchsvoll statusorientierten Up-Seller durch eine Fokussierung auf eine faktische Stimulierung mit Hilfe einer Kommunikation der Exklusivität als sehr effizientes Vorgehen auszeichnet, konnte für das Cluster 1B (serviceorientierte Up-Seller) eine Fokussierung auf den ausgewogenen Einsatz von Überzeugungs- und Stimulierungsmaßnahmen mit persönlichen Services abgeleitet werden. Hingegen ist die Attraktivitätsbewertung des Clusters 2B der preiszufriedenen Up-Seller nach Einbeziehung der Effektivitäts- und Effizienzbetrachtung dahingehend zu relativieren, dass die hohe Effektivität von kostengünstigen Überzeugungsmailings eine hohe Wirtschaftlichkeit dieses Segmentes impliziert. Letztlich wird deutlich, dass eine Überzeugung auf Grundlage einer Stimulierung für alle zu aktivierenden Up-Seller gegeben sein muss und die abgeleiteten segmentspezifischen Kommunikationsschwerpunkte einzubeziehen sind. Fallweise sind dann die untersuchten monetären bzw. nicht-monetären Anreize zu integrieren. Im Gegensatz zu den Maßnahmen der zu aktivierenden Up-Seller verfolgt die Marktbearbeitung der natürlichen Up-Seller eine Bindungs- und Intensivierungsstrategie, da primär keine anbieterseitigen Maßnahmen für die Initiierung des Wechsels in die höherwertige Klasse notwendig sind. Die Untersuchung dieser Up-Seller hat dabei aufgezeigt, dass grundsätzlich eine Intensivierungsstrategie beider betrachteten Segmente effizienter erscheint. Neben einer Intensivierung ist auch eine zusätzliche Verhinderung von Down-Selling im Sinne eines Churn Prevention der komfortorientierten Freizeitreisenden (Cluster 2A) zielführend. Daneben bedarf die Intensivierung der mengen- und wertbezogenen Nutzung der überzeugten Exklusiv-Reisenden (Cluster 4A) einer Schaffung von Reiseanlässen und konsequenten Verfolgung einer Verbundenheitsstrategie. Insgesamt wird die Zielsetzung des skizzierten Stufenmodells und der aufeinander aufbauenden Strategien zur Bearbeitung von Up-Sellern deutlich: Nach erfolgreicher Akquisition der aktivierten Up-Seller sind diese im Rahmen eines langfristig angelegten Kundenbeziehungsmanagement ebenfalls selektiv – im Sinne einer Wertorientierung – einer Intensivierungsstrategie zuzuführen. Somit ist die Ausschöpfung der Up-Selling-Potenziale zum einen in der Aktivierung und Akquisition der Potenziale und zum anderen in der Intensivierung der Leistungsnutzung zu sehen. Die wesentlichen segmentspezifischen Stoßrichtungen sind abschließend Tabelle 29 zu entnehmen.

147

Fallgruppe

Ausschöpfungsstrategie

Cluster

Strategische Stoßrichtung

Bearbeitungsschwerpunkte

Anreizmaßnahmen

Überzeugung und Stimulierung

x (Persönliche) Services als Schwerpunkte der leistungsbezogenen Kommunikation

x Hohe Effizienz von symbolischer Überzeugungsstrategie

x Herausstellung der 1. Klasse-Vorteile sowie Betonung der Möglichkeiten des produktiven Reisens bei diesem jüngeren Segment

x Begrenzter Einsatz von Preisrabatten

x Betonung des guten Preis-/Leistungsverhältnisses

x Fokussierung auf symbolische und faktische Überzeugung

ZU AKTIVIERENDE UP-SELLER

Fallgruppe B

Cluster 1B

Primär Überzeugung

Akquisitionsstrategie

Cluster 2B

x Erwartungsmanagement hinsichtlich der Ansprüche älterer Kunden im Bereich Ruhe und ausreichender Sitzkomfort Primär Stimulierung

Cluster 3B

x Inhaltliche Fokussierung des „High Class“-Reisen bei hoher Reisetätigkeit dieses Segmentes x Betonung der Exklusivität und hohen Wertigkeit der 1. Klasse

x Weitestgehender Verzicht auf Preisaktionen x Hohe Effizienz direkter sowie indirekter Preisrabatte auf Grund der Kenntnis der 1. Klasse x Geringer Wirkungsgrad von Leistungsproben

NATÜRLICHE UP-SELLER Verhinderung von Down-Selling und moderate Intensivierung der Kundenbeziehung

Fallgruppe A

Cluster 2A

x Proaktive Direktmarketingmaßnahmen vor Abonnementende x Fokussierung auf freizeitbezogene Kommunikation und Betonung des guten Preis-/Leistungsverhältnisses x Churn-Prevention und Beschwerdemanagement x Berücksichtigung der gestiegenen Komfort- und Servicebedürfnisse der älteren Reisenden

Bindungs- und Intensivierungsstrategie

Cluster 4A

Mengen- und wertmäßige Intensivierung der Kundenbeziehung über Schaffung von Verbundenheit

x Schaffung von Reiseanlässen zur Steigerung des bahnbezogenen Modalsplitanteils x Fokussierung auf reiseanlassbezogene Kommunikation und Vermarktung innerhalb der Regelkommunikation x Betonung von StatusLeistungen

Tabelle 29:

148

x Einsatz von Treueangeboten bei Verlängerung des BahnCardAbonnements in der 1. Klasse als ökonomische Gebundenheit x Zusätzliche bahn.bonusPunkte bei Verlängerung

x Keine unmittelbaren monetären Anreizmaßnahme n, sondern Schaffung von Zufriedenheit als Basis einer Verbundenheitsstrategie x bahn.comfortStatus als kostenneutraler, nichtmonetärer Anreiz

Zusammenfassende Darstellung der wesentlichen zielgruppenspezifischen Stoßrichtungen

E. 1

Zusammenfassung und Implikationen Würdigung der Untersuchungsergebnisse

Den Ausgangspunkt der vorliegenden Arbeit stellte die Erkenntnis einer zunehmenden Fokussierung sowie Intensivierung bestehender Kundenbeziehungen und die daraus resultierende Notwendigkeit einer potenzialorientierten Identifikation und Ausschöpfung von Kundenpotenzialen dar. In diesem Zusammenhang wurden Up-Selling-Potenziale als für den Verkehrsdienstleistungsbereich besonders relevant herausgestellt. Aus der bisher nur rudimentären und wenig fundierten Auseinandersetzung mit diesem Themenbereich sowie einer damit einhergehenden fehlenden ganzheitlichen Betrachtung im Rahmen des Kundenmanagement wurde der Untersuchungsbedarf der vorliegenden Arbeit abgeleitet. Dementsprechend bestand die übergeordnete Zielsetzung der Arbeit darin, einen Segmentierungsansatz zur Identifikation und Ausschöpfung von Up-Selling-Potenzialen im Verkehrsdienstleistungsbereich zu entwickeln, um ein im Sinne des integrierten Konzeptes der Markterfassung und Marktbearbeitung ausgerichtetes Zielgruppenmarketing auszugestalten. Ausgehend von einer begrifflichen Konkretisierung des Untersuchungsgegenstandes wurden zunächst drei wesentliche Merkmale von Up-Selling abgeleitet. Es wurde deutlich, dass Up-Selling erstens auf bestehende Kundenbeziehungen und zweitens auf den Wechsel von höherwertigen Produkten und Dienstleistungen, die drittens in einer substitutiven Beziehung zueinander stehen, abstellt. Hierauf aufbauend wurden Besonderheiten des Verkehrsdienstleistungsbereiches hinsichtlich Up-Selling abgeleitet und als Grundlage für die Erfassung von Up-SellingPotenzialen erörtert. Zur Aufdeckung von Up-Selling-Möglichkeiten wurden Klassenkonzepte als leistungsbezogene Preisdifferenzierung untersucht, die in Form von Leistungsbündeln ein so genanntes Trade-Up-Bundling darstellen. In diesem Rahmen wurden die substitutive Grundleistung von Verkehrsdienstleistungen diskutiert und höherwertige Klassen durch Value Added Services differenzierte Zusatzleistungen charakterisiert. Die Entwicklung eines Segmentierungskonzeptes zur Erfassung von UpSelling-Potenzialen stellte ein weiteres Teilziel der Arbeit dar. In einer verkehrsdienstleistungsspezifischen Untersuchung der Zielsetzungen und Anforderungen an Segmentierungsverfahren wurde das Problem einer optimalen Marktsegmentierung diskutiert und für den vorliegenden Untersuchungskontext mit Hilfe eines sukzessiven Vorgehens einer Lösungsmöglichkeit zugeführt. Neben der Identifika149

tion der Up-Selling-Potenziale wurde zur Erklärung des Käuferverhaltens ein vereinfachtes Prozessmodell des Klassenwahlverhaltens vorgestellt. Geleitet von UpSelling-spezifischen Anforderungen konnten geeignete sozio-ökonomische sowie kaufverhaltensorientierte Segmentierungsvariablen zur Erfassung von Up-Sellern abgeleitet und bewertet werden. Schließlich wurde ein – dem Anspruch eines sukzessiven Vorgehens Rechnung tragendes – zweistufiges Segmentierungsverfahren vorgestellt, welches durch den kombinierten Einsatz einer A-Priori- und Posthoc-Segmentierung zum einen der Markterfassung und zum anderen als Grundlage der Marktbearbeitung diente. Im Mittelpunkt der Arbeit stand die Anwendung und Konkretisierung des Segmentierungsverfahrens im Rahmen einer empirischen Untersuchung bei einem schienengebundenen Verkehrsdienstleister. Dabei konnten auf der ersten Stufe mittels A-Priori-Segmentierung zwei Up-Seller-Fallgruppen vorab auf Basis des tatsächlichen Kundenverhaltens gebildet werden, die als natürliche und aktivierte Up-Seller charakterisiert wurden. Anhand der ausgewählten und verwendeten Segmentierungsvariablen konnten zielführende Deskriptoren des Up-SellingVerhaltens für beide Fallgruppen ermittelt werden. Mit dem Alter, der Kundenbeziehungsdauer und den Statuspunkten fanden Kriterien Eingang in das berechnete Modell, die einen wesentlichen Beitrag zur späteren Marktbearbeitung ermöglichten. Hierbei zeigte sich eine grundsätzlich höhere Modellgüte und somit einfachere Erfassung von natürlichen Up-Sellern. Letztlich ließen die Ergebnisse die Schlussfolgerung zu, dass die berechneten Modelle bei beiden Fallgruppen zur Identifikation neuer Up-Seller im Kundenstamm des Verkehrsdienstleisters geeignet sind. Dies umso mehr, da durch den Rückgriff auf für alle Kunden vorhandene Stamm- und Transaktionsdaten eine kontinuierliche und potenzialorientierte Ermittlung von Up-Selling-Potenzialen möglich erscheint. Aufbauend auf dieser ersten Segmentierungsstufe konnte im Rahmen der Posthoc-Segmentierung ein wesentlicher Beitrag zur weiteren Differenzierung der Fallgruppen und Einordnung des Up-Selling-Verhaltens geleistet werden. Auf Basis entscheidungsrelevanter Merkmale der leistungsbezogenen Klassendifferenzierung konnten sowohl für die natürlichen als auch für die aktivierten Up-Seller trennscharfe Cluster ermittelt werden. Mit den serviceorientierten bzw. anspruchslosen Produktiv-Reisenden, komfortorientierten Freizeitreisenden und überzeugten Exklusiv-Reisenden ließen sich bei den natürlichen Up-Sellern vier Segmente zur weiteren Marktbearbeitung identifizieren. Hinsichtlich der aktivierten Up-Seller stellten die serviceorientierten Up-Seller, die preiszufriedenen Up-Seller sowie die anspruchsvoll statusorientierten Up-Seller diejenigen drei Cluster dar, welche die 150

Basis für das zusätzliche mengenmäßige Up-Selling-Potenzial bildeten. Zur letztendlichen Potenzialbestimmung bedurfte es einer Zusammenführung der zwei Segmentierungsstufen mit Hilfe zugänglichkeitssteuerender Merkmale für beide Fallgruppen. Schließlich konnten eine Segmentzuordnung und -strukturierung bestimmt werden, welche Muss-, Kann- und Sollleistungen als Grundlage der Klassenwahl aufzeigten und mittels derer die Segmentgrößen wie auch Segmentpotenziale ermittelt werden konnten. Hierbei zeigte sich das hohe Potenzial zur Ausschöpfung von zu aktivierenden Up-Sellern bei dem untersuchten Verkehrsdienstleistungsanbieter. Der Zielsetzung einer gleichgewichtigen Betrachtung der Markterfassung und der Marktbearbeitung folgend wurden mittels eines dreistufigen Vorgehens die identifizierten Segmente bewertet. Zur Ableitung einer potenzialorientierten Priorisierung und Ausschöpfung der Kundenbeziehung wurden hierbei besonders die Kundenbeziehungsdauer sowie die Möglichkeiten einer Nutzungsintensivierung berücksichtigt. Als Ergebnis wurde lediglich ein Segment auf Grund von unternehmensinternen Beurteilungsfaktoren aus der sich anschließenden Bearbeitung ausgeschlossen. Die restlichen Up-Selling-Cluster wurden dann einer segmentspezifischen Bearbeitung zugeführt. Zur Ausschöpfung der Up-SellingPotenziale konnten zwei grundlegende Strategieausrichtungen für die zu aktivierenden und natürlichen Up-Seller abgeleitet werden, die in einem Stufenmodell aufeinander aufbauen. So wurde für die zu aktivierenden Up-Seller die strategische Ausrichtung des Marketing-Mix-Instrumentariums entsprechend einer Akquisitionsstrategie mit den Optionen einer Überzeugung oder Stimulierung aufgezeigt. Demgegenüber wurde auf Basis der Segmentausprägungen der natürlichen Up-Seller eine Fokussierung auf eine mengen- und wertmäßige Intensivierung der Kundenbeziehung, die zum einen den bahnbezogenen Modalsplit steigern und zum anderen ein Down-Selling verhindern kann, als zielführend identifiziert. Vor dem Hintergrund einer erforderlichen wertorientierten Betrachtung der Kundenbeziehung wurde die Ableitung von Handlungsmaßnahmen um eine segmentbezogene Bewertung der Effektivität und Effizienz erweitert. In diesem Zusammenhang wurden mit den strategischen Ausrichtungen der Segmente im Einklang stehende Anreizmaßnahmen hinsichtlich ihrer ökonomischen Vorteilhaftigkeit überprüft. Die Ergebnisse verdeutlichten bei den natürlichen Up-Sellern sowohl den tendenziell höheren Wirkungsgrad von Intensivierungsmaßnahmen gegenüber Investitionen zur Verhinderung von Down-Selling als auch die Notwendigkeit einer quantitativen oder qualitativen Ableitung der Reaktionsfunktionen. Dieses Problem aufgreifend konnte im Rahmen der Effektivitäts- und Effizienz151

beurteilung der aktivierten Up-Seller eine direkte Untersuchung unterschiedlicher Anreizarten zur Akquisition von Up-Sellern getestet werden. Die Ergebnisse unterstreichen dabei nachhaltig die zuvor abgeleiteten Bearbeitungsstrategien. Zusammenfassend ist zu konstatieren, dass das entwickelte stufenweise Segmentierungsverfahren in besonderer Weise geeignet ist, das Problem der Identifikation und Ausschöpfung von Up-Selling-Potenzialen sukzessive zu lösen. Die Leistungsfähigkeit des Vorgehens konnte angesichts der statistisch abgesicherten empirischen Befunde verdeutlicht werden und zeichnet sich durch eine gute Prognose der Up-Selling-Wahrscheinlichkeit aus. Des Weiteren kann das ermittelte Modell auf der ersten Segmentierungsstufe hinsichtlich der Selektionskriterien kontextspezifisch angepasst werden: Somit vermag es eine Abwägung von beispielsweise zusätzlichen, in die Marktbearbeitung einbezogenen Kunden und damit einhergehenden höheren Marketingkosten im Vergleich zu möglichen zusätzlichen Gewinnen bzw. Streuverlusten zu leisten. Grundsätzlich konnte zudem die bessere Erfassung bei natürlichem Up-Selling-Verhalten der Kunden durch die höhere intrinsische Motivation gegenüber einem durch externe Maßnahmen initiierten Aufstieg aufgezeigt werden. Dessen ungeachtet kann die gezielte Aktivierung von Up-Sellern einen überproportionalen Beitrag zur Hebung und Ausschöpfung von Up-Selling-Potenzialen leisten und durch die erarbeiteten Bearbeitungsstrategien eine zusätzliche Intensivierung der Kundenbeziehung ermöglichen. Durch die Kombination der auf Verhaltensdaten basierenden ersten Segmentierungsstufe und Aufdeckung der Aufstiegsgründe sowie entscheidungsrelevanter Merkmale auf der zweiten Stufe konnte insgesamt ein wichtiger Beitrag zur Identifikation und Erklärung von Up-Selling geleistet werden, auf dessen Grundlage schließlich die Ausschöpfung ausgewählter Kundenbeziehungen im Rahmen eines Customer Relationship Management möglich ist. Letztlich bieten die erzielten Erkenntnisse eine wichtige Grundlage zur Ableitung weiterführender Implikationen für das Management von Up-Selling im Kontext des Verkehrsdienstleistungsbereiches und zeigen Ansatzpunkte hinsichtlich einer Weiterentwicklung des Segmentierungskonzeptes auf.

152

2

Implikationen für das Management von Up-Selling im Verkehrsdienstleistungsbereich

Der zunehmende Wettbewerbsdruck und die wachsende Komplexität der Verkehrsdienstleistungsmärkte führen dazu, dass Verkehrsdienstleistungsunternehmen in besonderer Weise gefordert sind, auf Basis einer Leistungsdifferenzierung Up-Selling-Potenziale auszuschöpfen und Kundenbeziehungen gezielt zu intensivieren. Die hiermit einhergehende Komplexität des Entscheidungsproblems konnte insbesondere durch die sukzessive Vorgehensweise des zweistufigen Segmentierungsansatzes aufgelöst werden. Das Management von Verkehrsdienstleistungsanbietern ist daher zunächst gefordert, die generelle Zielsetzung einer UpSelling-Strategie zu spezifizieren. Neben der hier untersuchten Kombination aus einer langfristigen wert- und mengenmäßigen Ausschöpfung durch die Up-SellingEntscheidung und die Erhöhung der Reiseintensität besteht auch die Möglichkeit einer alleinigen Fokussierung auf rein wertorientierte Ziele im Sinne eines einmaligen Up-Selling.378 Beziehungsintensität/Deckungsbeitrag

Intensivierung

Aktivierung

Zeit Anbahnungs- Sozialisationsphase phase

Akquisition

Wachstumsphase

379

Reifephase

Bindung

Abbildung 19: Up-Selling innerhalb hungsmanagement379

378

Verhinderung von Down-Selling

Up-Selling

Kündigungsphase

Abstinenzphase

Revitalisierungsphase

Rückgewinnung

eines

ganzheitlichen

Kundenbezie-

Z. B. kann es durch das Geschäftsmodell oder sonstige Kontextsituationen bedingte Zielsetzungen von Verkehrsdienstleistern geben, die lediglich auf ein einmaliges Up-Selling und nicht auf die Intensivierung innerhalb des Up-Selling abzielen. In Anlehnung an RUTSATZ, U., Kundenrückgewinnung durch Direktmarketing – Das Beispiel des Versandhandels, a. a. O., S. 21.

153

Das erarbeitete Segmentierungskonzept liefert darüber hinaus weitere wichtige Implikationen für das Management von Up-Selling im Verkehrsdienstleistungsbereich. Aus einer strategischen Perspektive ist damit die Integration der Erfassung und Erschließung von Up-Selling-Potenzialen in ein übergeordnetes Kundenbeziehungsmanagement bzw. CRM-System angesprochen, die auf eine wertund potenzialorientierte Steuerung von Kundenbeziehungen abstellt. Das Management von Up-Selling-Potenzialen muss dabei als Teilaufgabe eines ganzheitlichen Kundenbeziehungsmanagement entlang des Kundenbeziehungszyklus verstanden und integriert werden (vgl. Abbildung 19).380 Dabei erfordert die Integration neben der Schaffung von technischen Standards insbesondere die zeitliche sowie inhaltliche Koordination mit anderen Phasen und Strategien des Kundenbeziehungszyklus.381 Im Rahmen der strategischen Überlegungen ist folglich festzulegen, ab welchem Zeitpunkt Up-Selling-Maßnahmen gezielt eingesetzt werden sollen, um anschließend auf der operativen Ebene die Häufigkeit bzw. Frequenz des Einsatzes konkreter Maßnahmen zu bestimmen. Entsprechend der vorgenommenen Einordnung wurde Up-Selling der Wachstumsund Reifephase zugeordnet, sodass Bindungs- respektive Intensivierungsstrategien zielführend sind. Auf inhaltlicher Ebene ist die strategische Kombination mit anderen Maßnahmen angrenzender Kundenbeziehungsphasen zu prüfen und zu hinterfragen, ob ggfs. andere Intensivierungsstrategien gleichberechtigt und simultan zum Einsatz kommen sollen. Beispielsweise sind die Wirkungen von zusätzlichen Cross-Selling-Aktionen gegenüber Up-Selling-Maßnahmen hinsichtlich der ökonomischen Vorteilhaftigkeit auf Kunden- oder Segmentebene zu eruieren.382

380

381

382

154

Dabei stellt der Kundenbeziehungszyklus lediglich ein vereinfachtes oder idealtypisches Modell der realen Kundenbeziehung dar. Variationen sind insbesondere hinsichtlich einer Existenz der Phasen sowie der Dauer der Phasen zu beachten. Zum einen ist der Fragestellung nachzugehen, ob ein Kunde überhaupt alle Phasen (chronologisch) durchlaufen muss und zum anderen ist zu klären, wie lang die einzelnen Phasen bei einem Kunden in unterschiedlichen Kontextsituationen andauern. Vgl. REINARTZ, W. J., KUMAR, V., The Impact of Customer Relationship Characteristics on Profitable Lifetime Duration, in: Journal of Marketing, Vol. 67, No. 1, 2003, S. 78 ff. Vgl. HOMBURG, C., SIEBEN, F. G., Customer Relationship Management (CRM) – Strategische Ausrichtung statt IT-getriebenem Aktivismus, in: BRUHN, M., HOMBURG, C. (HRSG.), Handbuch Kundenbindungsmanagement, 6. Aufl., Wiesbaden 2008, S. 514 f. Vgl. für eine Einschätzung von branchenspezifischen Cross-Selling-Potenzialen und -Erfolgen SCHÄFER, H., Die Erschließung von Kundenpotentialen durch Cross-Selling – Erfolgsfaktoren für ein produktübergreifendes Beziehungsmanagement, a. a. O., S. 163 ff.

Damit eng verbunden ist die Notwendigkeit einer Abstimmung und Festlegung der segmentspezifischen Ausschöpfungsstrategien innerhalb des Kundenbeziehungszyklus.383 Hierbei tritt insbesondere die Frage nach der Fokussierung auf natürliche Up-Seller oder solche Up-Selling-Potenziale, die einer Aktivierung bedürfen, in den Vordergrund. Die Ergebnisse der vorliegenden Untersuchung geben hierbei erste Hinweise für die strategische Ausgestaltung. Es wurde deutlich, dass natürliche Up-Seller zwar treffsicherer bearbeitet werden können, die zu aktivierenden Up-Seller dagegen ein deutlich größeres mengenmäßiges Potenzial besitzen.384 Letztlich kann resümiert werden, dass die Aktivierung der Up-Seller eine mitunter notwendige, aber keine hinreichende Bedingung für eine längerfristig profitable Kundenbeziehung darstellt. Die Bearbeitung der Up-Seller muss nach der potenziellen Aktivierung vielmehr eine Intensivierungsstrategie zur Ausschöpfung und Bindung bzw. Vermeidung eines Down-Selling für beide Up-Seller-Gruppen verfolgen. Neben den übergeordneten Phasen der Akquisition, Bindung und Rückgewinnung gewinnt somit auch das Management innerhalb der Phasen mit den Subphasen der Aktivierung, Intensivierung oder Churn-Prevention beim UpSelling erheblich an Bedeutung. Diese lassen sich mit Hilfe des erarbeiteten Stufenmodells koordinieren und ermöglichen letztlich auch strategische Wettbewerbsvorteile gegenüber alternativen Verkehrsdienstleistungsanbietern.385 Zur Erfassung der Up-Selling-Potenziale gilt es darüber hinaus, hinsichtlich der Kundenselektion relevante Entscheidungen zu treffen, welche die Ausgestaltung der Segmentierungsstufen und der einzubeziehenden Segmentierungskriterien beeinflussen. Als wesentliche Deskriptoren konnten in der vorliegenden Analyse die Statuspunkte und in einem geringeren Maße der Umsatz identifiziert werden. Diese beiden Kriterien dienten der Annäherung eines nicht im Data-Warehouse integrierten Customer Lifetime Values bzw. Kundenwertes. Vor dem Hintergrund eines wertorientierten Kundenbeziehungsmanagement ist diese Größe als eine wesentliche Grundlage anzusehen und bedarf daher einer sorgfältigen Be-

383 384

385

Vgl. Kapitel B 1.1 dieser Arbeit. Dabei werden Aussagen durch die Ergebnisse der vorliegenden Untersuchung gestützt, aber weiterhin auch durch Up-Selling-Studien im Finanzdienstleistungsbereich bestätigt. Vgl. KIM, B.-D, KIM, S.-O., Measuring Upselling Potential of Life Insurance Customers: Application of a Stochastic Frontier Model, a. a. O., S. 2 ff. Das Stufenmodell enthält dabei die Phasen der Akquisition, Bindung und Intensivierung. Vgl. Kapitel D 1 dieser Arbeit.

155

stimmung.386 So muss ein Verkehrsdienstleister zusätzlich der Fragestellung nachgehen, ob ein Up-Selling in eine höherwertige Klasse bei allen Kunden ökonomisch zielführend ist. Dabei ist es beispielsweise denkbar, dass die Kunden nach der Entscheidung für die höherwertige Leistung ihre Nutzungsintensität auf Grund des höheren Preisniveaus gegenüber dem Nutzungsverhalten vor dem UpSelling verringern.387 Daher bedarf die Selektion der Kunden einer besonderen Aufmerksamkeit unter Einbeziehung des gesamten Kundenbeziehungszyklus. Im Hinblick auf die Umsetzung der Ausschöpfungs- bzw. Basisstrategien gilt es, auf operativ-taktischer Ebene eine beziehungszyklusorientierte Kundenbearbeitung zu modellieren, die Ansatzpunkte für eine Kontaktierung des Kunden im UpSelling-Kontext aufzeigt. Im Rahmen der Ableitung von Handlungsempfehlungen wurde deutlich, dass das Kommunikationskonzept einer effektiven und effizienten Bearbeitung genügen muss. Voraussetzung hierfür ist eine bereits vorhandene Kundenbeziehung und die Erfassung wesentlicher Kundendaten sowie eine hohe Aktualität der Datenbasis.388 Vor diesem Hintergrund können Direktmarketingmaßnahmen als besonders geeignet angesehen werden, da diese eine gezielte Ansprache von Kunden, eine hohe Zielgenauigkeit und eine Erfolgskontrolle des Wirkungsgrades bei insgesamt hoher Flexibilität ermöglichen.389 Zunächst ist hierbei die Selektion der Zielkunden auf der Zielgruppenebene angesprochen.390 Diese muss generell zwischen den zu aktivierenden und natürlichen Up-Sellern auf Basis der Up-Seller-Profile der

386

387

388

389

390

156

Vgl. VENKATESAN, R., KUMAR, V., A Customer Lifetime Value Framework for Customer Selection and Resource Allocation Strategy, in: Journal of Marketing, Vol. 68, No. 4, 2004, S. 106 ff. sowie LIBAI, B., NARAYANDAS, D., HUMBY, C., Toward an Individual Customer Profitability Model, A Segment-Based Approach, in: Journal of Service Research, Vol. 5, No. 1, 2002, S. 70 ff. Beispielsweise könnten Kunden nach dem Up-Selling auf die 1. Klasse BahnCard insgesamt weniger Fahrten mit der Bahn zurücklegen als bei Nutzung einer BahnCard der 2. Klasse. Je nach Deckungsbeiträgen kann sich dadurch für den Verkehrsdienstleister eine ökonomisch schlechtere Situation oder ein geringerer Kundenwert ergeben. Im Rahmen dieser Untersuchung konnte jedoch durch die Nachbefragung sichergestellt werden, dass keiner der UpSeller sein Fahrverhalten gegenüber der Nutzung in der 2. Klasse verringert hat. Vgl. BERRY, M., LINOFF, G., Data Mining Techniques: For Marketing, Sales and Customer Support, New York 1997, S. 7 sowie STEINLEIN, U., Data Mining als Instrument der Responseoptimierung im Direktmarketing: Methoden zur Bewältigung kleiner Stichproben, a. a. O., S. 15 ff. Vgl. HOLLAND, H., Direktmarketing, a. a. O., S. 12 ff. Grundsätzlich ist darüber hinaus entsprechend der unternehmensspezifischen Up-Selling-Strategie auch der Einsatz von Massenmedien zur Schaffung einer generellen Aufmerksamkeit zu prüfen. Vgl. ELSNER, R., Optimiertes Direkt- und Database-Marketing unter Einsatz mehrstufiger dynamischer Modelle, Wiesbaden 2003, S. 48 f.

logistischen Regression unterscheiden.

Weiterhin sollten die Segmente weiter

konkretisiert und die Ausschöpfungsstrategien um segmentspezifische Stoßrichtungen erweitert werden (vgl. Abbildung 20).

Zielgruppenebene

Werbemedienebene

Zu aktivierende Up-Seller

Segmente

Direktwerbemedium mit Responseelement

Intensivierung der Nutzung der höherwertigen Klasse

Gestaltungsebene Akquisition in die höherwertige Klasse

Angebotsebene

Natürliche Up-Seller

Segmente

Bindung an die höherwertige Klasse

Anreizarten Akquisitionsanreize

Bindungsanreize

Intensivierungsanreize

Abbildung 20: Entscheidungstatbestände im Rahmen des Direktmarketingeinsatzes391 Die Festlegung eines Direktwerbemediums muss entsprechend der Segmentpriorisierung sowie der Zielgruppen erfolgen, um so zum einen dem Verhältnis von Marketingkosten und Kundenwert und zum anderen den divergierenden Ansprüchen der Zielsegmente gerecht zu werden.392 Überdies gilt es, angesichts des Verkaufs höherwertiger Leistungen und somit vielfach der Top-Leistungen eines Verkehrsdienstleistungsanbieters das Leistungsversprechen oder die Überzeugungsstrategie ebenfalls auf eine adäquate Art und Weise mit Hilfe des Mediums zu transportieren. Hieran anschließen sollten sich zudem die Integration und Wahl eines geeigneten Rückkanals, mit dessen Hilfe letztlich auch ein einfacher UpSelling-Prozess ermöglicht werden sollte. Damit sind neben dem kostenfreien

391

392

In Anlehnung an AHRENS, M., Experimentelle Analyse der Wirkungen ausgewählter Direktmarketing-Instrumente – Ein Beitrag zur Effektivitäts- und Effizienzmessung im Direktmarketing, a. a. O., S. 78. Beispielsweise dürfen hohe Kosten des Direktmarketingeinsatzes bei wenig attraktiven Kunden den ökonomischen Erfolg nicht a priori konterkarieren oder die Fokussierung auf kostengünstige SMS-Kommunikation für Up-Seller mit hohen Ansprüchen an Statusleistungen die Up-Selling-Erfolge verringern.

157

Rückantwort-Mailing als Responsekanal die Einrichtung einer kostenlosen Service-Hotline oder von exklusiven Internet-Inhalten angesprochen, die zielgruppenspezifisch geprüft werden müssen.393 Nicht gänzlich unberücksichtigt bleiben darf die Frage nach der Dauer bzw. Reichweite der Up-Selling-Entscheidung. Dies beinhaltet die Art und Höhe der kundenseitigen spezifischen Investition und den Grad der Abhängigkeit, in die sich ein Kunde durch das Up-Selling begibt: Eine Direktmarketingaktion, welche auf ein dauerhaftes Up-Selling im Sinne einer vertraglichen Gebundenheit (z. B. BahnCard-Abonnement) abzielt, bedarf einer höherwertigen Kommunikation als das einmalige Up-Selling bei lediglich einer Transaktion, wie beispielsweise die Buchung der Business anstatt der Economy Class bei einem innerdeutschen Hinflug mit einer Fluggesellschaft.394 In diesem Kontext wird bereits deutlich, dass die Auswahl der Kommunikationsmedien auch aktionsbezogen und zielkonform erfolgen muss. Hiermit unmittelbar verbunden ist die Gestaltungsebene, auf der die formale und inhaltliche Umsetzung der Direktmarketingmaßnahmen spezifiziert wird.395 Die inhaltliche Ausgestaltung muss in diesem Zusammenhang den abgeleiteten Ausschöpfungsstrategien der Akquisition, der Bindung oder der Intensivierung folgen, welche bei Existenz entsprechender Marktforschungsdaten segmentspezifisch anzupassen sind. In Verbindung mit dem gewählten Werbemedium muss eine konsistente Gestaltung der Direktmarketingmaßnahmen angestrebt werden.396 Im Rahmen der Akquisition von Up-Sellern erscheinen vor allem eine

393

394

395

396

158

Vgl. TAPP, A., Principles of Direct and Database Marketing – A Digital Orientation, a. a. O., S. 403 ff. sowie AHRENS, M., Experimentelle Analyse der Wirkungen ausgewählter Direktmarketing-Instrumente – Ein Beitrag zur Effektivitäts- und Effizienzmessung im Direktmarketing, a. a. O., S. 97 ff. Vgl. DICK, A. S., BASU, K., Customer Loyalty: Towards an Integrated Conceptual Framework, in: Journal of the Academy of Marketing Science, Vol. 22, No. 2, 1994, S. 99 sowie zu spezifischen Investitionen BACKHAUS ET AL., Kundenbindung im Industriegütermarketing, in: BRUHN, M., HOMBURG, C. (HRSG.), Handbuch Kundenbindungsmanagement, 6. Aufl., Wiesbaden 2008, S. 219. Vgl. zur Gestaltung von Mailings PETERS, K., FRENZEN, H., FELD, S., Die Optimierung der Öffnungsquote von Direct-Mailings – Eine empirische Studie am Beispiel von Finanzdienstleistern, in: ZfB, Ergänzungsheft 2007/3, S. 145 ff. sowie BELL, G. H., LEDOLTER, J., SWERSEY, A. J., Experimental Design on the Front Lines of Marketing: Testing New Ideas to Increase Direct Mail Sales, in: International Journal of Research in Marketing, Vol. 23, No. 3, 2006, S. 310 ff. Vgl. DALLMER, H., Erfolgsbedingungen der Kommunikation im Direct-Marketing, Wiesbaden 1979, S. 79 f. sowie SHERMAN, E., GREENE, J. N., PLANK, R. E., Exploring Business-to-Business Direct Mail Campaigns: Comparing One-Sided, Two-Sided and Comparative Message Structures, in: Journal of Direct Marketing, Vol. 5, No. 2, 1991, S. 25 ff.

Überzeugung und Stimulierung als zweckmäßig. Hierbei kann die Präsentation des Angebots und der Inhalte mit Hilfe von Grafiken oder einer interaktiven Medienverknüpfung unterstützt werden.397 Die Intensivierung sollte hingegen eher auf die Schaffung und Aufrechterhaltung einer Verbundenheit abzielen, indem z. B. eine zusätzliche Nutzung durch Kundenbindungsprogramme incentiviert wird.398 Daneben müssen auch formale Aspekte wie eine hinreichende Personalisierung oder auch die Teaser und Headlines Eingang in die Gestaltung finden.399 Damit einhergehend ist auch und insbesondere die Angebotsebene angesprochen, die letztlich die Ausschöpfungsstrategien mittels geeigneter Anreize umsetzen muss. Zur Festlegung geeigneter Anreize kann u. a. zwischen monetären und nicht-monetären Anreizen, dem Zeitpunkt der Incentivierung oder aber nach dem Grad des Kernleistungsbezugs unterschieden werden.400 Die vorliegende empirische Untersuchung vermochte hierbei zunächst nur partielle Lösungsansätze und Handlungsempfehlungen aufzuzeigen, wobei jedoch insbesondere deutlich wurde, dass ein differenzierter Anreizeinsatz grundlegend zur Effektivität und auch zur Effizienz beiträgt. Folglich gilt es, den optimalen Anreizeinsatz in Bezug auf Art und Höhe, aber auch hinsichtlich des zeitlichen Einsatzes für die jeweiligen Zielgruppen zu bestimmen. Vor dem Hintergrund der aufgezeigten Relevanz des Direktmarketing bei UpSelling sowie der Forderung nach einer effizienten Allokation des Marketingbudgets erscheint es abschließend sinnvoll, zur Optimierung des Direktmarketingeinsatzes ein Testverfahren im Sinne eines Experimentes zu konzipieren und durchzuführen, welches auf den abgeleiteten Handlungsempfehlungen basiert.401 Mit Hilfe des Experimentes, welches sowohl als Labor- aber auch als Feldexperiment ausgestaltet sein kann, können so ausgewählte Ausgestaltungsparameter der Zielgruppen-, Werbemedien-, Gestaltungs- und Angebotsebene analysiert werden,

397 398

399 400

401

Vgl. PETERS, K., FRENZEN, H., FELD, S., Die Optimierung der Öffnungsquote von DirectMailings – Eine empirische Studie am Beispiel von Finanzdienstleistern, a. a. O., S. 156 f. Vgl. HOFFMANN, A., Die Akzeptanz kartenbasierter Kundenbindungsprogramme aus Konsumentensicht – Determinanten und Erfolgswirkungen, Wiesbaden 2007, S. 28 ff. Vgl. BRUNS, J., Direktmarketing, a. a. O., S. 158 f. Vgl. SARGEANT, A., WEST, D. C., Direct and Interactive Marketing, a. a. O., S. 177 ff. sowie ZHANG, Z. J., KRISHNA, A., DHAR, S. K., The Optimal Choice of Promotional Vehicles: FrontLoaded or Rear-Loaded Incentives?, a. a. O., S. 348 ff. Vgl. HEILIGENTHAL, J., SKIERA, B., Optimale Verteilung von Budgets auf Aktivitäten zur Kundenakquisition, Kundenbindung und Add-on-Selling, a. a. O., S. 117 ff.

159

um auf Basis zu ermittelnder Reaktionsfunktionen den späteren Einsatz bei allen Kunden zu optimieren.402 Auf dieser Basis kann zunächst im Rahmen des experimentellen Designs auf der Zielgruppenebene hinsichtlich der zu aktivierenden und natürlichen Up-Seller differenziert werden. Weiterhin bietet sich z. B. die Möglichkeit an, einen nichtmonetären Anreiz (leistungsbezogene Vorteilsargumentation) und einen monetären Anreiz in Form eines Preisrabattes einzusetzen. Diese Angebote können außerdem standardisiert oder personalisiert durch eine Verknüpfung mit der individuellen Reisetätigkeit kommuniziert werden. Auf der Werbemedienebene bietet sich eine Differenzierung des Werbeträgers nach E-Mail oder postalischem Mailing an. Ein Beispiel für die Integration aller vier Entscheidungstatbestände des Direktmarketingeinsatzes ist Abbildung 21 zu entnehmen.403 Zielgruppenebene

Stimulus

Stimulus

Anreiz 2: monetär

Stimulus

Stimulus

Anreiz 1: nicht-monetär

Stimulus

Stimulus

Anreiz 2: monetär

Stimulus

Stimulus

Anreiz 1: nicht-monetär

Stimulus

Stimulus

Anreiz 2: monetär

Stimulus

Stimulus

Anreiz 1: nicht-monetär

Stimulus

Stimulus

Anreiz 2: monetär

Stimulus

Stimulus

Kontrollgruppe

Standardisiert

Anreiz 1: nicht-monetär

Gestaltungsebene

Individualisiert

Mailing

Standardisiert

Natürliche Up-Seller

Werbemedienebene E-Mail

Individualisiert

Zu aktivierende Up-Seller

Angebotsebene

Kein Stimulus

Abbildung 21: Konzeption eines experimentellen Designs zur Optimierung des Direktmarketing bei Up-Sellern Schließlich können durch das Experiment Aussagen getroffen werden, welche Anreize und Ausgestaltungsvarianten mittels welcher Kanäle bei welchen Ziel-

402

403

160

Vgl. grundlegend zu Experimenten BROWN, S. R., MELAMED, L. E., Experimental design and analysis, London 1990, S. 5 ff. sowie MEFFERT, H., Marketingforschung und Käuferverhalten, 2. Aufl., Wiesbaden 1992, S. 206. Neben den zu untersuchenden Zielgruppen muss überdies eine Kontrollgruppe, welche keinem Stimulus ausgesetzt wurde, integriert werden, um mögliche Störfaktoren zu identifizieren.

gruppen die höchste Response erfahren haben. Diese Erkenntnisse können um detaillierte Effizienzkennzahlen wie Cost per Contact, Cost per Interest oder Cost per Order ergänzt werden und liefern so eine umfassende Entscheidungsbasis für die Ausgestaltung des Direktmarketingeinsatzes. Letztlich kann die Ausschöpfung von Up-Selling-Potenzialen nach der Analyse der DirektmarketingWirkung zielgruppenspezifisch optimiert werden. 3

Implikationen für die Weiterentwicklung des Segmentierungskonzeptes

Aufbauend auf den Erkenntnissen der vorliegenden Arbeit werden abschließend Implikationen für die Weiterentwicklung des Segmentierungsverfahrens aufgezeigt. In Anbetracht der konzeptionellen Ausführungen sowie der empirischen Analyse hinsichtlich der Erfassung und Erschließung von Up-Selling-Potenzialen kommt dieser Untersuchung vor dem Hintergrund der wenigen bestehenden Forschungsarbeiten im Bereich Up-Selling der Charakter einer Basisuntersuchung zu. Geleitet von der Notwendigkeit einer gleichgewichtigen Betrachtung der Markterfassung und der Marktbearbeitung stand sowohl die Ableitung eines Segmentierungskonzeptes als auch die Ausschöpfung von Up-Selling-Potenzialen im Vordergrund der Arbeit. Ausgehend von dieser Einschätzung zeichnen sich Ansatzpunkte für eine Weiterentwicklung des Segmentierungsverfahrens in künftigen Forschungsarbeiten ab: x Die vorliegenden Forschungsergebnisse basieren auf einer Untersuchung des Personenverkehrs der Deutschen Bahn AG, anhand derer Up-SellingPotenziale identifiziert und Möglichkeiten zur Ausschöpfung aufgezeigt wurden. Trotz der umfassenden Datenbasis beruht die Untersuchung von Up-Selling-Potenzialen auf einer statischen zeitpunktbezogenen Betrachtung der Kunden. Vor dem Hintergrund eines ganzheitlichen Management entlang der Kundenbeziehung wäre es sinnvoll, den erarbeiteten Segmentierungsansatz hinsichtlich der zeitlichen Stabilität zu überprüfen und einen potenziellen Modifikationsbedarf im Zeitablauf unter Berücksichtigung der Segmentstabilität zu bewerten.404

404

Vgl. hierzu auch PERREY, J., Nutzenorientierte Marktsegmentierung – Ein integrativer Ansatz zum Zielgruppenmarketing im Verkehrsdienstleistungsbereich, a. a. O., S. 227 ff. sowie BORNSTEDT, M., Kaufentscheidungsbasierte Nutzensegmentierung – Entwicklung und empiri(Fortsetzung der Fußnote auf der nächsten Seite) 161

x Vor dem Hintergrund des gewählten zweistufigen und sukzessiven Segmentierungsvorgehens ist darüber hinaus zur prüfen, welchen Beitrag andere mehrstufige Segmentierungen leisten und welche Kriterien zusätzlich integriert werden müssen. So ist vor allem das Verhältnis zwischen Segmentierungskosten und Informations- bzw. Segmentierungsnutzen tiefergehend zu untersuchen und die Vorteilhaftigkeit der sukzessiven gegenüber anderen Segmentierungskonzepten, wie beispielsweise einer simultanen mehrdimensionalen Segmentierung, empirisch zu überprüfen und zu bestätigen. x Angesichts einer zunehmenden Entwicklung hybrider oder multioptionaler Konsumenten sowie des sich abzeichnenden demographischen Wandels erscheint eine weitere Auseinandersetzung mit der prognostischen Güte der Identifikation des Up-Selling-Verhaltens unerlässlich.405 In diesem Rahmen sind Untersuchungen anzustreben, welche die Kaufentscheidung im Up-Selling-Kontext vertiefend analysieren und einen zusätzlichen Beitrag zur Erklärung des Up-Selling-Verhaltens leisten. Mögliche Ansatzpunkte sind hier im Einsatz von Benefit-Segmentierungen als nachgelagerte Segmentierungsstufe zu sehen. x Insbesondere ist der Bestimmung des Up-Selling-Potenzials weitere Aufmerksamkeit zu widmen. So sind beispielsweise die auf Basis der logistischen Regression ermittelten Up-Seller-Profile dahingehend zu untersuchen, in welchem Maße die Veränderung einzelner Kriterienausprägungen zur Identifikation weiterer Up-Selling-affiner Kunden beitragen kann. Hierbei vermag der Einsatz von Simulationsmodellen vertiefende Erkenntnisse zur Identifikation von Up-Selling-Potenzialen zu leisten. Letztlich ist auch die Prognose auf Basis von vergangenheitsorientierten Daten weiterzuentwickeln und die Güte der errechneten Modelle beständig zu optimieren. x Des Weiteren bedarf das Segmentierungskonzept einer stärkeren Einbindung des Customer Lifetime Value. Dieser konnte in der vorliegenden Untersuchung lediglich approximiert über die Erfassung anderer Kriterien ein-

sche Überprüfung von Segmentierungsansätzen auf Basis von individualisierten LimitConjoint-Analysen, Göttingen 2007, S. 135. 405

162

Vgl. DEYLE, H.-G., Der Einsatz moderner Segmentierungsverfahren zur Unterstützung einer differenzierten Kundenbindungspolitik – Konzeptionelle und methodische Aspekte, a. a. O., S. 58 ff.

bezogen werden. Es ist jedoch offensichtlich, dass der Kundenwert angesichts eines wert- und potenzialorientierten Kundenbeziehungsmanagement eine wesentliche Entscheidungsgrundlage für die Kundenbewertung und Priorisierung von Handlungsmaßnahmen darstellt.406 x In einem engen Zusammenhang hiermit steht die Entwicklung weiterführender Verfahren zur Bewertung der Segmentattraktivität und deren Übertragung auf Einzelkundenebene. Rekurrierend auf den Fortschritt und Erkenntnisgewinn der wissenschaftlichen Forschung sowie die hohe Verbreitung in der Unternehmenspraxis muss die Leistungsfähigkeit zur kundenindividuellen Bewertung von Up-Selling-Potenzialen durch Score-Cards untersucht und überprüft werden.407 Dementsprechend sollte die Entwicklung solcher Score-Cards zur besseren Prognose von Potenzialen im Vordergrund stehen. x Die vorgestellten Ausschöpfungsstrategien besitzen den Status von praktisch-normativen Aussagen und müssen hinsichtlich ihrer Eignung weiter bestätigt werden. Die quasi-experimentellen Untersuchungen bzw. Tests können lediglich erste Hinweise für eine optimale Allokation der Marketingbudgets geben.408 Somit bedarf die Marktbearbeitung der Up-Seller noch weiterer zu entwickelnder Methoden und Konzepte, welche Aussagen zur bestmöglichen Verwendungsrichtung und somit effizienten Verteilung des Budgets geben. Einen bereits vorgestellten Ansatzpunkt bietet das abgeleitete experimentelle Design.409 Hierauf aufbauend können Reaktionsfunktionen identifiziert bzw. abgeleitet werden, um weitere Segmente zu bilden oder eine Priorisierung der natürlichen oder zu aktivierenden Up-

406

407

408 409

Vgl. BAUER, H. H., HAMMERSCHMIDT, M., DONNEVERT, T., Effektivität und Effizienz im interaktiven Marketing – Die Integration vom Kundennutzen- und Kundenwertsegmentierung im Internet, a. a. O., S. 61 f. sowie NIEßING, J., Kundenbindung im Verkehrsdienstleistungsbereich – Ein Beitrag zum Verkehrsmittelwahlverhalten von Bahnreisenden, a. a. O., S. 187 ff. Vgl. STEINLEIN, U., Data Mining als Instrument der Responseoptimierung im Direktmarketing: Methoden zur Bewältigung kleiner Stichproben, a. a. O., S. 26 ff. sowie KRAFFT, M., ALBERS, S., Ansätze zur Segmentierung von Kunden – Wie geeignet sind herkömmliche Konzepte?, a. a. O., S. 521 ff. Vgl. GUPTA, S. LEHMANN, D. R., STUART, J. A., Valuing Customers, in: Journal of Marketing Research, Vol. 41, No. 1, 2004, S. 7 ff. Vgl. PICK, D., Wiederaufnahme vertraglicher Geschäftsbeziehungen – Eine empirische Untersuchung der Kundenperspektive, Wiesbaden 2008, S. 167 ff. sowie KOSCHATE, N., Kundenzufriedenheit und Preisverhalten. Theoretische und empirische experimentelle Analysen, Wiesbaden 2002, S. 5 ff.

163

Seller vorzunehmen sowie die Ausgestaltung der Ausschöpfungsstrategien zu konkretisieren. x Ferner gilt es, eine mögliche Trittbrettfahrerproblematik bei Up-Sellern zu vermeiden, um natürliche Up-Seller nicht mit hohen Marketingkosten für einen Klassenaufstieg zu bearbeiten. Somit muss das Segmentierungsverfahren zur Identifikation dergestalt entwickelt werden, dass eine möglichst hohe Trennschärfe aller gebildeten Zielsegmente erreicht wird. Hierzu bedarf es der Integration weiterer Kundendaten, die entweder im Rahmen der Neukundenakquisition oder bei Bestandskunden mittels Datenanreicherung erfasst werden sollten. x Schließlich kommt auch der Erfassung von Kunden, deren Up-SellingEntscheidung durch Dritte beeinflusst oder gänzlich bestimmt wird, eine hohe Relevanz zu. Daher bedarf es vor dem Hintergrund des Informationsaspektes der Erfassung dieser Up-Seller und hinsichtlich des Aktionsaspektes der Einbeziehung dieser Kunden in eine mögliche Segmentbearbeitungsstrategie. Insgesamt machen die Ausführungen abschließend deutlich, dass trotz der vorliegenden Erkenntnisse zahlreiche Fragestellungen, welche für die gegenwärtige und zukünftige Identifikation und Ausschöpfung von Up-Selling-Potenzialen im Verkehrsdienstleistungsbereich besondere Relevanz besitzen, weiterer Forschungsbemühungen bedürfen. Vor dem Hintergrund einer zunehmenden Wettbewerbsintensivierung des Verkehrsdienstleistungsbereiches sowie der wachsenden Fokussierung auf eine Wert- und Potenzialorientierung im Rahmen des Kundenbeziehungsmanagement erscheint eine sowohl theoretisch als auch empirisch fundierte Auseinandersetzung mit den aufgezeigten Ansatzpunkten umso bedeutender. Infolgedessen ist die Marketingwissenschaft im Dialog mit der Praxis aufgefordert, den Erkenntnisstand des ganzheitlichen Management von Up-Selling durch weiterführende Forschungsbemühungen voranzutreiben und zu vertiefen.

164

Anhang

Anhang I (ergänzende Abbildungen und Tabellen)

Anhang I-1: 

Übersicht der BahnCard-Arten und deren Spezifika .................. 168

Anhang I-2: 

Parameterwerte der binären logistischen Regression der natürlichen Up-Seller ................................................................. 168

Anhang I-3: 

Parameterwerte der binären logistischen Regression der aktivierten Up-Seller .................................................................. 169

Anhang I-4: 

Dendrogramm des Single-Linkage-Verfahrens zur Ermittlung von Ausreißern bei den natürlichen Up-Sellern ......................... 172

Anhang I-5: 

Entwicklung der Fehlerquadratsummen mit Hilfe des WardVerfahrens bei den natürlichen Up-Sellern ................................ 173

Anhang I-6: 

Dendrogramm des Single-Linkage-Verfahrens zur Ermittlung von Ausreißern bei den aktivierten Up-Sellern........................... 177

Anhang I-7: 

Entwicklung der Fehlerquadratsummen mit Hilfe des WardVerfahrens bei den aktivierten Up-Sellern ................................. 178

Anhang I-8: 

F-Werte-Berechnung für die Cluster der natürlichen Up-Seller .................................................................................... 179

Anhang I-9: 

F-Werte-Berechnung für die Cluster der aktivierten Up-Seller ... 180

Anhang I-10:  Ermittlung der relativen diskriminatorischen Bedeutung der Merkmale bei den natürlichen Up-Sellern .................................. 181 Anhang I-11:  Ermittlung der relativen diskriminatorischen Bedeutung der Merkmale bei den aktivierten Up-Sellern ................................... 182 Anhang I-12:  Segmentspezifische Untersuchung der Wechselgründe bei den natürlichen Up-Sellern ........................................................ 183 Anhang I-13:  Segmentspezifische Untersuchung der Wechselgründe bei den aktivierten Up-Sellern.......................................................... 183 Anhang I-14:  Inter-Gruppenvergleich der natürlichen und aktivierten Up-Seller .................................................................................... 184

167

BahnCard 25 2. Klasse

Ticket Rabatt Preis Zielgruppe

BahnCard 25 1. Klasse

BahnCard 50 2. Klasse

25 % 57 €

BahnCard 50 1. Klasse

Mobility Mobility BahnCard 100 BahnCard 100 2. Klasse 1. Klasse

50 % Inland 114 €

115 €

Gelegenheitsfahrer/Familie

100%

230 €

3.650 €

Vielfahrer

6.150 €

Premium

DB intern

bahn.comfort

bahn.comfort-Punkte sammeln

inklusive

bahn.bonus

bahn.bonus-Punkte sammeln

Abhängig von Kartenwert

Internet

Fahrkartenkauf online + BahnCard-Zuordnung

Nutzung Zusatzkarten

FV/NV 5€

Partner

Mietwagen

BC 25 gratis

206 € 15 €

RAILPLUS Sonstiges

FV/NV + ÖPNV 103 €

10 € Jugend-BC 4 Mitfahrer mit Sparpreis

DB-Carsharing, Call a bike, City-Ticket

/

spezielle Angebote und Tarife bei SIXT, Hertz, Europcar und AVIS

Parken

DB-Rabatt in ausgewählten Bahnhöfen

KFZ-Versicherung

10% günstiger Tarif bei der Versicherung und dem Verkehrs-Rechtsschutz bei der DEVK

Reiseschutz

15 bzw. 22 €

27 bzw. 41 €

15 bzw. 22 €

27 bzw. 41 €

/

Anhang I-1:

Übersicht der BahnCard-Arten und deren Spezifika

Anhang I-2:

Parameterwerte der binären logistischen Regression der natürlichen Up-Seller

168

Anhang I-3:

C A S E Label Num 390 391 75 24 383 306 387 26 367 20 309 346 347 330 66 54 298 45 8 9 368 332 33 326 10 76 376 11 12 321 413

183 184 74 23 176 106 180 25 160 19 109 140 141 130 65 53 98 44 8 9 161 132 32 126 10 75 169 11 12 121 202

Parameterwerte der binären logistischen Regression der aktivierten Up-Seller

0 5 10 15 20 25 +---------+---------+---------+---------+---------+                                                                                    

169

170

331 380 69 50 325 371 317 400 369 1 288 370 378 19 337 64 14 364 386 372 44 22 310 302 296 63 61 18 349 308 299

131 173 68 49 125 164 117 193 162 1 88 163 171 18 136 63 14 157 179 165 43 21 110 102 96 62 60 17 143 108 99

                                                       

                              

                              

62 394 382 348 345 304 303 72 70 57 27 5 324 320 307 17 406 398 366 362 352 283 74 71 60 38 35 312 23 319 343 7 293 358 2 32 365

61 187 175 142 139 104 103 71 69 56 26 5 124 120 107 16 199 191 159 155 146 83 73 70 59 37 34 112 22 119 138 7 93 151 2 31 158

                                                          

327 315 295 285 77 48 46 42 41 34 359 78 323 25 58 13 6 414 411 396 384 385 329 318 336 305 301 67 395 361 39 30 21 399 375 360 351 333 291 322 284 279 43 403 401 374 350 65 289 316 36 4 287 412 389 381 379 356 328 313 281 68 373 353 314 56 51 292 49

127 115 95 85 76 47 45 41 40 33 152 77 123 24 57 13 6 203 200 189 177 178 129 118 135 105 101 66 188 154 38 29 20 192 168 153 145 133 91 122 84 79 42 196 194 167 144 64 89 116 35 4 87 201 182 174 172 149 128 113 81 67 166 147 114 55 50 92 48

                                                                                        

171

40 3 404 311 397 73 55 52 402 363 334 300 297 53 28 392 405 282 15 393 280 278 377 59 29 357 354 342 31 286 47 290 294 388 37

39 3 197 111 190 72 54 51 195 156 134 100 97 52 27 185 198 82 15 186 80 78 170 58 28 150 148 137 30 86 46 90 94 181 36

Anhang I-4:

172

                                                           

Dendrogramm des Single-Linkage-Verfahrens zur Ermittlung von Ausreißern bei den natürlichen Up-Sellern

Anzahl der Cluster

Fehlerquadratsumme

20

2111,84194

19

2151,38262

18

2193,08262

17

2235,57637

16

2282,65882

15

2333,40386

14

2387,20148

13

2441,84091

12

2499,45588

11

2557,64338

10

2619,94708

9

2691,35295

8

2771,03813

7

2851,05009

6

2937,71313

5

3029,84692

4

3126,90743

3

3356,35217

2

3602,93034

1

4175,80905

Anhang I-5:

Entwicklung der Fehlerquadratsummen mit Hilfe des WardVerfahrens bei den natürlichen Up-Sellern

173

Dendrogram using Single Linkage Rescaled Distance Cluster Combine C A S E Label Num 177 197 268 188 241 192 191 226 212 164 156 139 259 148 200 240 153 83 220 246 215 107 198 135 251 166 238 256 150 247 205 101 106 104 275 248 160 119 98 210 121 211 335 128 152 179 16 133 115 185 110 157 165 204 162 127 237 169 255

174

32 57 6 79 70 44 76 73 31 54 51 5 170 42 53 71 74 39 190 197 9 1 46 10 177 72 183 178 176 149 116 87 64 175 59 83 182 62 142 139 119 151 194 85 141 207 33 63 165 136 137 125 132 115 27 14 16 148 55

0 5 10 15 20 25 +---------+---------+---------+---------+---------+                                                                                                 

269 266 253 206 228 235 231 199 213 80 155 408 82 254 203 274 407 116 261 252 146 344 170 193 244 178 93 126 114 89 260 113 159 102 202 124 138 214 341 95 410 136 147 158 149 88 132 172 176 143 236 273 167 134 96 233 117 112 245 85 87 111 131 257 276 125 174 186 216

163 3 198 150 147 113 203 100 154 90 188 75 56 66 52 47 129 168 181 22 17 191 155 153 131 127 114 108 124 104 48 37 21 45 7 2 40 38 162 189 169 166 135 134 112 185 196 111 98 97 80 60 49 29 13 43 128 18 4 110 206 180 161 146 133 106 118 94 78

                                                                                                 

175

99 409 221 97 161 262 90 258 182 234 338 118 137 140 267 171 154 196 163 173 122 91 151 120 195 190 194 209 142 183 141 264 123 187 219 272 217 207 225 100 105 92 81 339 180 144 168 243 189 181 130 108 263 109 208 201 184 232 239 218 249 277 94 265 175 129 79 415 250

176

67 30 199 12 187 174 164 158 109 93 34 26 69 192 186 172 156 121 105 77 35 122 25 15 144 81 145 130 95 91 89 88 82 58 167 84 41 36 20 126 205 204 195 160 157 140 123 107 65 50 200 179 173 138 120 117 102 11 171 103 201 99 184 92 19 8 211 96 68

                                                                                          

227 224 223 242 145 229 103 355 86 230 340 270 271 84 222

101 86 159 202 193 209 152 143 28 212 61 23 24 208 210

Anhang I-6:

                              

Dendrogramm des Single-Linkage-Verfahrens zur Ermittlung von Ausreißern bei den aktivierten Up-Sellern

177

Anzahl der Cluster 20

2213,443

19

2257,300

18

2303,958

17

2353,691

16

2403,514

15

2454,963

14

2510,836

13

2568,010

12

2625,196

11

2687,266

10

2760,533

9

2837,313

8

2915,202

7

3000,908

6

3096,398

5

3213,263

4

3334,522

3

3460,889

2

3644,120

1

4298,805

Anhang I-7:

178

Fehlerquadratsumme

Entwicklung der Fehlerquadratsummen mit Hilfe des WardVerfahrens bei den aktivierten Up-Sellern

Cluster 1A

Cluster 2A

Cluster 3A

Cluster 4A

Raumangebot

0,87

0,62

0,94

0,55

Atmosphäre

0,61

1,14

0,27

0,76

Ruhe und Ungestörtheit

0,91

0,96

0,88

0,75

Serviceorientierung

0,84

0,76

0,68

0,66

Gastronomie am Sitzplatz

0,58

0,93

0,72

0,47

Exklusivität

0,46

0,88

0,62

0,23

Anzahl Sitzplätze

0,93

0,92

0,86

1,21

Tageszeitungen

0,78

1,05

0,75

0,63

Aufmerksamkeiten

0,71

0,68

0,84

0,62

Design Zuginneres

0,72

0,61

0,80

0,55

Arbeitsmöglichkeiten

0,29

0,39

0,28

0,88

1,5 bahn.bonusPunkte

0,55

0,62

0,75

0,50

Zutritt DB Lounges

0,58

0,94

1,02

0,19

1. Klasse-/bahncomfort-Counter

0,62

0,90

1,19

0,50

Preis/Leistungsverhältnis

0,78

0,93

0,61

0,52

Pers. Ansprache des Zugbegleitpersonals

0,58

0,72

0,48

0,41

Gutes Preis/Leistungsverhältnis der 1. Klasse

0,72

0,90

0,71

0,78

Preis 1. Klasse im Vergleich zur 2. Klasse angemessen

0,82

0,82

0,78

0,73

Gut über Angebote und Preise informiert

0,92

0,98

1,05

1,08

Leistungen der 1. Klasse für Preis zu gering

0,90

0,91

0,45

0,91

Anhang I-8:

F-Werte-Berechnung für die Cluster der natürlichen Up-Seller

179

Cluster 1B

Cluster 2B

Cluster 3B

Raumangebot

0,69

1,80

0,80

Atmosphäre

0,91

1,44

0,61

Ruhe und Ungestörtheit

0,68

1,76

0,78

Serviceorientierung

0,63

1,38

0,40

Gastronomie am Sitzplatz

0,79

0,91

0,69

Exklusivität

0,56

0,65

0,86

Anzahl Sitzplätze

0,64

2,38

0,36

Tageszeitungen

0,66

0,94

0,41

Aufmerksamkeiten

0,65

0,73

0,67

Design Zuginneres

0,75

0,95

0,89

Arbeitsmöglichkeiten

0,33

1,24

1,21

1,5 bahn.bonusPunkte

0,61

0,52

0,78

Zutritt DB Lounges

0,61

0,75

0,72

1. Klasse-/bahncomfort-Counter

0,65

1,00

0,29

Preis/Leistungsverhältnis

0,79

1,54

0,61

Pers. Ansprache des Zugbegleitpersonals

0,68

1,26

0,54

Gutes Preis/Leistungsverhältnis der 1. Klasse

1,03

1,01

0,84

Preis 1. Klasse im Vergleich zur 2. Klasse angemessen

0,85

1,40

0,87

Gut über Angebote und Preise informiert

0,71

1,10

1,24

Leistungen der 1. Klasse für Preis zu gering

1,10

0,74

0,96

Anhang I-9:

180

F-Werte-Berechnung für die Cluster der aktivierten Up-Seller

Dimension

Komfort

Service

Status

Preis

Merkmal

Mittlerer Diskriminanzko effizient

Rang

Relative Bedeutung

Raumangebot

0,151

9.

4,30 %

Ruhe und Ungestörtheit

0,110

12.

3,15 %

Ausreichende Anzahl an Sitzplätzen

0,067

17.

1,91 %

Design/Gestaltung des Zuginnern

0,021

20.

0,60 %

Arbeitsmöglichkeiten

0,483

1.

13,77 %

Serviceorientierung des Zugpersonals

0,095

13.

2,71 %

Gastronomie am Sitzplatz

0,260

5.

7,41 %

Kostenlose Tageszeitungen

0,045

19.

1,27 %

Kleine Aufmerksamkeiten

0,236

6.

6,74 %

Persönliche Ansprache

0,325

3.

9,27 %

Exklusivität

0,438

2.

12,51 %

Zutritt zu DB Lounge

0,225

7.

6,41 %

1,5-fache bahn.bonusPunkte

0,302

4.

8,61 %

1. Klasse bahn.comfortCounter

0,150

10.

4,29 %

Atmosphäre

0,126

11.

3,59 %

Preis-/Leistungsverhältnis

0,081

16.

2,32 %

Gutes Preis-/Leistung 1. Klasse

0,161

8.

4,61 %

Preis ist im Vgl. zur 2. Klasse angemessen

0,059

18.

1,69 %

Gut über Angebote/Preise informiert

0,086

14.

2,45 %

Leistungen 1. Klasse für Preis zu gering

0,084

15.

2,39 %

Summe

Anhang I-10:

3,504

100,00 %

Gesamt

23,7 %

27,4 %

35,4 %

13,5 %

100,0 %

Ermittlung der relativen diskriminatorischen Bedeutung der Merkmale bei den natürlichen Up-Sellern

181

Dimension

Komfort

Service

Status

Preis

Merkmal

Rang

Relative Bedeutung

Raumangebot

0,092

18.

2,16 %

Ruhe und Ungestörtheit

0,160

14.

3,77 %

Ausreichende Anzahl an Sitzplätzen

0,128

16.

3,01 %

Design/Gestaltung des Zuginnern

0,070

19.

1,65 %

Arbeitsmöglichkeiten

0,193

13.

4,55 %

Serviceorientierung des Zugpersonals

0,247

9.

5,82 %

Gastronomie am Sitzplatz

0,261

7.

6,15 %

Kostenlose Tageszeitungen

0,283

4.

6,66 %

Kleine Aufmerksamkeiten

0,314

3.

7,38 %

Persönliche Ansprache

0,028

20.

0,67 %

Exklusivität

0,278

5.

6,56 %

Zutritt zu DB Lounge

0,260

8.

6,13 %

1,5-fache bahn.bonusPunkte

0,267

6.

6,29 %

1. Klasse bahn.comfortCounter

0,439

1.

10,34 %

Atmosphäre

0,114

17.

2,68 %

Preis-/Leistungsverhältnis

0,195

12.

4,59 %

Gutes Preis-/Leistung 1. Klasse

0,232

10.

5,47 %

Preis ist im Vgl. zur 2. Klasse angemessen

0,331

2.

7,79 %

Gut über Angebote/Preise informiert

0,207

11.

4,87 %

Leistungen 1. Klasse für Preis zu gering

0,147

15.

3,47 %

Summe

Anhang I-11:

182

Mittlerer Diskriminanzko effizient

4,246

100,00 %

Gesamt

15,1 %

26,7 %

32,0 %

26,2 %

100,0 %

Ermittlung der relativen diskriminatorischen Bedeutung der Merkmale bei den aktivierten Up-Sellern

Wechselgründe KartevonArbeitgeberbekommen GuteErfahrungmit1.Klasse EmpfehlungvonBekannten/Freunden BessereBahnanbindung Wohnortwechsel Cluster1 NeugieraufdieLeistungender1.Klasse

Cluster2 Cluster3

Unzufriedenheitmit2.Klasse

Cluster4

Nutzung1.KlasseVorteile GutesPreisLeistungsverhältnis GestiegenerKomfort/ServiceAnspruch VeränderterMobilitätsbedarf 0,00

Anhang I-12:

10,00

20,00

30,00

40,00

50,00

60,00

70,00

Segmentspezifische Untersuchung der Wechselgründe bei den natürlichen Up-Sellern

Wechselgründe KartevonArbeitgeberbekommen GuteErfahrungmit1.Klasse EmpfehlungvonBekannten/Freunden BessereBahnanbindung Wohnortwechsel Cluster1

NeugieraufdieLeistungender1.Klasse

Cluster2 Cluster3

Unzufriedenheitmit2.Klasse Nutzung1.KlasseVorteile GutesPreisLeistungsverhältnis GestiegenerKomfort/ServiceAnspruch VeränderterMobilitätsbedarf 0,00

Anhang I-13:

10,00

20,00

30,00

40,00

50,00

60,00

70,00

80,00

Segmentspezifische Untersuchung der Wechselgründe bei den aktivierten Up-Sellern

183

Merkmale und Anforderungen

Sehr wichtig / Trifft voll zu 1

Gar nicht wichtig / Trifft gar nicht zu 2

3

4

5

Komfort

Raumangebot Ruhe und Ungestörtheit Ausreichende Anzahl an Sitzplätzen

Reagierer

Design/Gestaltung des Zuginnern Arbeitsmöglichkeiten

Service

Serviceorientierung des Zugpersonals Gastronomie am Sitzplatz Kostenlose Tageszeitungen Kleine Aufmerksamkeiten Persönliche Ansprache

Status

Exklusivität Zutritt zu DB Lounge 1,5-fache bahn.bonus-Punkte 1. Klasse bahn.comfort-Counter Atmosphäre

Preis

Preis-/Leistungsverhältnis Gutes Preis-/Leistung 1. Klasse Preis ist im Vgl. zur 2. Kl. angemessen

Natürliche Wechsler

Gut über Angebote/Preise informiert Leistungen 1. Kl. für Preis zu gering

Anhang I-14:

184

Inter-Gruppenvergleich der natürlichen und aktivierten UpSeller

Anhang II (Informationen zur Direktmarketingaktion)

Anhang II-1: 

Anschreiben der Direktmarketingaktion inklusive 1. Klasse Upgrade-Gutschein .................................................................... 186

Anhang II-2: 

Up-Selling-Formular für den Aufstieg auf die 1. Klasse BahnCard................................................................................... 187

Anhang II-3: 

Folder 1. Klasse-Vorteile............................................................ 188

Anhang II-4: 

Folder Einkaufswarengutschein ................................................. 188

Anhang II-5: 

Versandhülle der Direktmarketingaktion .................................... 188

 

185

Anhang II-1:

186

Anschreiben der Direktmarketingaktion inklusive 1. Klasse Upgrade-Gutschein

Anhang II-2:

Up-Selling-Formular für den Aufstieg auf die 1. Klasse BahnCard

187

Anhang II-3:

Folder 1. Klasse-Vorteile

Anhang II-4:

Folder Einkaufswarengutschein

Anhang II-5:

Versandhülle der Direktmarketingaktion

188

Anhang III (Fragebögen der Untersuchung) Anhang III-1:  Fragebogen der Nachbefragung der natürlichen Up-Seller ....... 193 Anhang III-2:  Fragebogen der Nachbefragung der aktivierten Up-Seller......... 197

189

190

191

192

Anhang III-1:

Fragebogen der Nachbefragung der natürlichen Up-Seller

193

194

195

196

Anhang III-2:

Fragebogen der Nachbefragung der aktivierten Up-Seller

197

Literaturverzeichnis

Ahrens, M., Experimentelle Analyse der Wirkungen ausgewählter Direktmarketing-Instrumente – Ein Beitrag zur Effektivitäts- und Effizienzmessung im Direktmarketing, Frankfurt a. M. 2007. Arabie, P., Hubert, L., Cluster Analysis in Marketing Research, in: Bagozzi, R. P. (Hrsg.), Advanced Methods of Marketing Research, Cambridge 1994, S. 160-189. Athanassopoulos, A. D., Iliakopoulus, A., Modeling Customer Satisfaction in Telecommunications: Assessing the Effects of Multiple Transaction Points on the Perceived Overall Performance of the Provider, in: Production and Operations Management, Vol. 12, No. 2, 2003, S. 224-245. Backhaus, K., Relationship Marketing – Ein neues Paradigma im Marketing?, in: Bruhn, M., Steffenhagen, H. (Hrsg.), Marktorientierte Unternehmensführung, Reflexionen – Denkanstöße – Perspektiven, 2. Aufl., Wiesbaden 1998, S. 19-36. Backhaus, K., Baumeister, C., Koch, M., Mühlfeld, K., Kundenbindung im Industriegütermarketing, in: Bruhn, M., Homburg, C. (Hrsg.), Handbuch Kundenbindungsmanagement, 6. Aufl., Wiesbaden 2008, S. 215-248. Backhaus, K., Erichson, B., Plinke, W., Weiber, R., Multivariate Analyseverfahren – Eine anwendungsorientierte Einführung, 12. Aufl., Berlin Heidelberg 2008. Backhaus, K., Voeth, M., Industriegütermarketing, 8. Aufl., München 2007. Bagozzi, R. P., Principles of Marketing Management, Chicago 1986. Bagozzi, R. P., Rosa, J. A., Celly, K., Coronel, F. F., Marketing-Management, München 2000. Baier, D., Brusch, M., Marktsegmentierung, in: Herrmann, A., Homburg, C., Klarmann, M. (Hrsg.), Handbuch Marktforschung, Methoden – Anwendungen – Praxisbeispiele, 3. Aufl., Wiesbaden 2008, S. 769-790. Bailey, K. D., Typologies and Taxonomies: An Introduction to Classification Techniques, in: Sage University Paper Series on Quantitative Applications in the Social Sciences, Thousand Oaks 1994. 199

Bakay, Z., Kundenbindung von Haushaltsstromkunden: Ermittlung zentraler Determinanten, Wiesbaden 2003. Ballensiefen, B., Preisaktionen bei Verkehrsdienstleistungen – Ein Beitrag zum Behavioral Pricing, Wiesbaden 2008. Bansal, H. P., Irving, G., Taylor, S. F., A Three-Component Model of Customer Commitment to Service Providers, in: Journal of the Academy of Marketing Science, Vol. 32, No. 3, 2004, S. 234-250. Bauer, H. H., Hammerschmidt, M., Donnevert, T., Effektivität und Effizienz im interaktiven Marketing – Die Integration von Kundennutzen- und Kundenwertsegmentierung im Internet, in: ZfB, Ergänzungsheft 2007/3, S. 55-116. Bell, G. H., Ledolter, J., Swersey, A. J., Experimental Design on the Front Lines of Marketing: Testing New Ideas to Increase Direct Mail Sales, in: International Journal of Research in Marketing, Vol. 23, No. 3, 2006, S. 309-319. Berry, L. L., Relationship Marketing of Services – Growing Interest, Emerging Perspectives, in: Journal of the Academy of Marketing Services, Vol. 23, No. 4, 1995, S. 236-245. Berry, M., Linoff, G., Data Mining Techniques: For Marketing, Sales and Customer Support, New York 1997. Binggeli, U., Pompeo, L., The battle for Europe’s low-fare flyers, in: McKinsey & Company (Hrsg.), McKinsey on Travel & Logistics, New York 2005, S. 1-8. Blattberg, R. C., Kim, B.-D., Neslin, S. A., Database Marketing, Analyzing and Managing Customers, New York 2008. Blut, M., Der Einfluss von Wechselkosten auf die Kundenbindung – Verhaltenstheoretische Fundierung und empirische Analyse, Wiesbaden 2008. Böcker, F., Präferenzforschung als Mittel marktorientierter Unternehmensführung, in: ZfbF, 38. Jg., Nr. 7/8, 1986, S. 556. Böhrs, S., Customer Value Management: Die Integration von Kundenwert und Kundennutzen als Marketingansatz im Verkehrsdienstleistungsbereich, Mannheim 2004. Bolton, R. N., Lemon, K. N., A Dynamic Model of Customer’s Usage of Services: Usage as an Antecedent and Consequence of Satisfaction, in: Journal of Marketing Research, Vol. 26, No. 2, 1998, S. 98-106. 200

Bolton, R. N., Lemon, K. N., Verhoef P. C., Expanding Business-to-Business Customer Relationships: Modeling the Customer’s Upgrade Decision, in: Journal of Marketing, Vol. 72, No. 1, S. 46-64. Born, K., Der integrierte Touristikkonzern: Strategien, Erfolgsfaktoren und Aufgaben, München 2004. Bornstedt, M., Kaufentscheidungsbasierte Nutzensegmentierung – Entwicklung und empirische Überprüfung von Segmentierungsansätzen auf Basis von individualisierten Limit-ConjointAnalysen, Göttingen 2007. Bowman, D., Narayandas, D., Linking Customer Management Effort to Customer Profitability in Business Markets, in: Journal of Marketing Research, Vol. 41, No. 4, 2004, S. 433-447. Brosius, F., SPSS 16 – Das mitp-Standardwerk, Heidelberg 2008. Brown, S. R., Melamed, L. E., Experimental design and analysis, London 1990. Bruhn, M., Relationship Marketing – Das Management von Kundenbeziehungen, 2. Aufl., München 2009. Bruns, J., Direktmarketing, 2. Aufl., Ludwigshafen 2007. Clement, M., Thies, S., Fuzzy Clustering mit Hilfe von Mixture Modells, in: Albers, S., Klapper, D., Konradt, U., Walter, A., Wolf, J. (Hrsg.), Methodik der empirischen Forschung, Wiesbaden 2006, S. 169-186. Cornelsen, J., Kundenwertanalyse im Beziehungsmarketing – Theoretische Grundlegung und Ergebnisse einer empirischen Studie im Automobilbereich, Nürnberg 2000. Crone, B., Marktsegmentierung, Frankfurt a. M. 1977. Dallmer, H., Erfolgsbedingungen der Kommunikation im Direct-Marketing, Wiesbaden 1979. Dastani, P., Ausschöpfung von Cross- und Up-Selling – Potenzialen auf der Spur, in: direktmarketing, Nr. 2, 2008. Deyle, H.-G., Der Einsatz moderner Segmentierungsverfahren zur Unterstützung einer differenzierten Kundenbindungspolitik – Konzeptionelle und methodische Aspekte einer Kundenbindungssegmentierung, Nürnberg 2007.

201

Deyle, H.-G., Diller, H., Mehrdimensionale Segmentierung im beziehungsorientierten Direktmarketing, in: ZfB, Ergänzungsheft 2007/3, S. 29-54. Dichtl, E., Die Bildung von Konsumententypen als Voraussetzung differenzierter Marktbearbeitung, in: WiSt, 3. Jg., Nr.2, 1974, S. 54-59. Dick, A. S., Basu, K., Customer Loyalty: Towards an Integrated Conceptual Framework, in: Journal of the Academy of Marketing Science, Vol. 22, No. 2, 1994, S. 99-113. Diller, H., Kundenbindung als Marketingziel, in: Marketing ZFP, 18. Jg., Nr. 2, 1996, S. 81-93. Diller, H., Preispolitik, 3. Aufl., Stuttgart 2000. Diller, H., Probleme des Kundenwerts als Steuerungsgröße im Kundenmanagement, in: Böhler, H. (Hrsg.): Marketing-Management und Unternehmensführung, Stuttgart 2002, S. 297-326. Diller, H., Ansatzpunkte und Herausforderungen des Zielgruppenmarketing, in: Diller, H. (Hrsg.): Zielgruppen finden und überzeugen, Nürnberg 2006, S. 1-22. Dold, T., Hoffmann, B., Neumann, J., Marketingkampagnen effizient managen: Methoden und Systeme, Effizienz durch ITUnterstützung, Integration in das operative CRM, Wiesbaden 2004. Du, R., Kamakura, W. A., Mela, C. F., Size and Share of Customer Wallet, in: Journal of Marketing, Vol. 71, No. 2, 2007, S. 94-113. Ehrhardt, M. R., Das neue Preissystem im Personenverkehr der Deutschen Bahn AG, in: Internationales Verkehrswesen, Vol. 54, 1+2/2002, S. 23-27. Ekelund, R. B. J., Price Discrimination and Product Differentiation in Economic Theory: An Early Analysis, in: The Quarterly Journal of Economics, Vol. 84, No. 2, 1970, S. 268-278. Ellinghaus, U. W., Die Grundlagen der Theorie der Preisdifferenzierung, Tübingen 1964. Elsner, R., Optimiertes Direkt- und Database-Marketing unter Einsatz mehrstufiger dynamischer Modelle, Wiesbaden 2003. Eppen, G. D., Hanson, W. A., Martin, R. K., Bundling – New Products, New Markets, Low Risk, in: Sloan Management Review, Vol. 32, No. 4, 1991, S. 7-14. 202

Europäische Kommission (Hrsg.), Energy & Transport in Figures 2007, Part 3: Transport, Brüssel 2007. Fassnacht, M., Preisdifferenzierung bei Dienstleistungen: Implementationsformen und Determinanten, Wiesbaden 1996. Festinger, L., A Theory of Cognitive Dissonance, Palo Alto 1957. Festinger, L., Theorie der kognitiven Dissonanz, in: Irle, M., Möntmann, V. (Hrsg.), Theorie der kognitiven Dissonanz, Bern 1978. Firath, A. F., Shultz, C. J., From segmentation to fragmentation – Markets and marketing strategy in the postmodern era, in: European Journal of Marketing, Vol. 31, No. 5, 1997, S. 183-207. FitzGerald, M., Arnott, D., Unterstanding demographic Effects on Marketing Communications in Services, in: International Journal of Service Industry Management, Vol. 7, No. 3, 1996, S. 31-45. Fornell, C., A National Customer Satisfaction Barometer: The Swedish Experience, in: Journal of Marketing, Vol. 56, No. 1, 1992, S. 6-21. Forschungsstelle Bahnmarketing, Geschäftsmodell 2020 im Personenverkehr, unveröffentlichte Studie der Forschungsstelle Bahnmarketing im Auftrag der Deutschen Bahn AG, Münster 2008. Frank, R. E., Massy, W. F., Wind, Y., Market Segmentation, Englewood Cliffs, New York 1972. Frenzen, H., Krafft, M., Logistische Regression und Diskriminanzanalyse, in: Herrmann, A., Homburg, C., Klarmann, M. (Hrsg.), Handbuch Marktforschung, 3. Aufl., Wiesbaden 2008, S. 607-649. Freter, H., Marktsegmentierung im Dienstleistungsbereich, in: Meffert, H., Bruhn, M. (Hrsg.), Handbuch Dienstleistungsmanagement – Von der strategischen Konzeption zur praktischen Umsetzung, 2. Aufl., Wiesbaden 2001, S. 279-314. Freter, H., Markt- und Kundensegmentierung – Kundenorientierte Markterfassung und -bearbeitung, 2. Aufl., Stuttgart 2008. Freudiger, M. P., Ein Verfahren zur Identifikation von Marktsegmenten, Arbeitspapier Nr. 16, Institut für Marketing und Unternehmensführung, 2. Aufl., Universität Bern, Bern 1993.

203

Friedl, B., Kapazitätsplanung und -steuerung als Bezugsobjekt des Kostenmanagement in Dienstleistungsunternehmen, in: Corsten, H., Stuhlmann, S. (Hrsg.), Kapazitätsmanagement in Dienstleistungsunternehmen: Grundlagen und Gestaltungsmöglichkeiten, Wiesbaden 1997, S. 50-68. Gedenk, K., Skiera, B., Marketing-Planung auf der Basis von Reaktionsfunktionen. Elastizitäten und Absatzreaktionsfunktionen, in: WiSt, 22. Jg., Nr. 12, 1993, S. 637-641. Georgi, D., Entwicklungen von Kundenbeziehungen, Theoretische und empirische Analysen unter dynamischen Aspekten, Wiesbaden 2000. Georgi, D., Kundenbindungsmanagement im Kundenbeziehungslebenszyklus, in: Bruhn, M., Homburg, C. (Hrsg.), Handbuch Kundenbindungsmanagement, 6. Aufl., Wiesbaden 2008, S. 249270. GfK, Generation Silber: Marketing für die Märkte von Morgen, Nürnberg 2005. Godin, S., Permission Marketing: Turning strangers into friends, and friends into customers, New York 1999. Götz, O., Krafft, M., Erfolgreiche Implementierung von CRM-Strategien, in: Bruhn, M., Homburg, C. (Hrsg.), Handbuch Kundenbindungsmanagement, 6. Aufl., Wiesbaden 2008, S. 549578. Green, P. E., Krieger, A. M., Alternative Approaches to Cluster-Based Market Segmentation, in: Journal of Marketing Research Society, Vol. 37, No. 3, 1995, S. 221-239. Greve, G.,Erfolgsfaktoren

von Customer-Relationship-Management-Implementierungen, Wiesbaden 2006.

Grönroos, C., Relationship Marketing – The Nordic School Perspective, in: Sheth, J. N., Parvatiyar, A. (Hrsg.), Handbook of Relationship Marketing, New York u. a. 2000, S. 95-117. Grunberg, B., Leistungsbündelung bei Verkehrsdienstleistungen – Eine Analyse des Klassenkonzeptes der Deutschen Bahn AG, in: Meffert, H., Backhaus, K., Becker, J. (Hrsg.), Arbeitspapier Nr. 151 der Wissenschaftlichen Gesellschaft für Marketing und Unternehmensführung e. V., Münster 2001. Grunberg, B., Zeitbezogene Nutzenkomponenten von Verkehrsdienstleistungen: Erklärung und Wirkung am Beispiel von Bahnreisen, Frankfurt a. M. 2004. 204

Guiltinan, J. P., The Price Bundling of Services, A Normative Framework, in: Journal of Marketing, Vol. 51, No. 2, 1987, S. 74-85. Gunnarsson, C. L., Walker, M. M., Walatka, V., Swann, K., Lessons learned: A case study using data mining in the newspaper industry, in: Journal of Database Marketing & Customer Strategy Management, Vol. 14, No. 4, 2007, S. 271-280 Gupta, S. Lehmann, D. R., Stuart, J. A., Valuing Customers, in: Journal of Marketing Research, Vol. 41, No. 1, 2004, S. 7-18. Gutsche, J., Produktpräferenzanalyse. Ein modelltheoretisches und methodisches Konzept zur Marktsimulation mittels Präferenzerfassungsmodellen, Berlin 1995. Hahn, C. H., Segmentspezifische Kundenzufriedenheitsanalyse: Neue Ansätze zur Segmentierung von Märkten, Wiesbaden 2002. Hanrieder, M., Checkliste zur Situationsanalyse im Tourismusmarketing, 2. Aufl., München 1995. Hartmann, A., Kaufentscheidungsprognose auf Basis von Befragungen – Modelle, Verfahren und Beurteilungskriterien, Wiesbaden 2004. Hartmann, W., Kreutzer, R. T., Kuhfuß, H., Kundenclubs & More – Innovative Konzepte zur Kundenbindung, Wiesbaden 2004. Hauschild, U., Hilverkus, S., Fallstudie Miles & More: Profitable Kundenbindung in der Airline Industrie, in: Bruhn, M., Homburg, C. (Hrsg.), Handbuch Kundenbindungsmanagement, 6. Aufl., Wiesbaden 2008, S. 795-812. Heiligenthal, J., Skiera, B., Optimale Verteilung von Budgets auf Aktivitäten zur Kundenakquisition, Kundenbindung und Add-on-Selling, in: ZfB, Ergänzungsheft 2007/3, S. 117-142. Heise, G., Internationale Marktsegmentierung im Automobilmarketing, Wiesbaden 1997. Heinen, E., Grundlagen betriebswirtschaftlicher Entscheidungen. Das Zielsystem der Unternehmung, 3. Aufl., Wiesbaden 1976. Helm, S., Kundenbindung und Kundenempfehlung, in: Bruhn, M., Homburg, C. (Hrsg.), Handbuch Kundenbindungsmanagement, 6. Aufl., Wiesbaden 2008, S. 135-156. Helm, S., Günter, B., Kundenwert – eine Einführung in die theoretischen und praktischen Herausforderungen der Bewertung von Kundenbeziehungen, in: Günter, B., Helm, S. (Hrsg.), 205

Kundenwert: Grundlagen – Innovative Konzepte – Praktische Umsetzung, 3. Aufl., Wiesbaden, 2006, S. 3-15. Helmke, S., Uebel, M., Kundenorientierte Steuerung im Direktmarketing, in: Helmke, S., Uebel, M., Dangelmaier, W. (Hrsg.), Effektives Customer Relationship Management: Instrumente, Einführungskonzepte, Organisation, München 2002., S. 119-147. Helsen, K., Green, P. E., A Computational Study of Replicated Clustering with an Application to Market Segmentation, in: Decision Sciences, Vol. 22, No. 5, 1991, S. 1124-1141. Hentschel, B., Dienstleistungsqualität aus Kundensicht: Vom merkmals- zum ereignisorientierten Ansatz, Wiesbaden 1992. Hess, R. L., Ganesan, S., Klein, N. M., Service Failure and Recovery: The Impact of Relationship Factors on Customer Satisfaction, in: Journal of the Academy of Marketing Science, Vol. 31, No. 2, 2003, S. 127-145. Hines, T., Quinn, L., Socially Constructed Realities and the Hidden Face of Market Segmentation, in: Journal of Marketing Management, Vol. 21, No. 5/6, 2005, S. 529-543. Hippner, H., CRM – Grundlagen, Ziele und Konzepte, in: Hippner, H., Wilde, K. D. (Hrsg.), Grundlagen des CRM: Konzepte und Gestaltung, 2. Aufl., Wiesbaden 2006, S. 15-44. Hoffmann, A., Die Akzeptanz kartenbasierter Kundenbindungsprogramme aus Konsumentensicht – Determinanten und Erfolgswirkungen, Wiesbaden 2007. Holbrook, M. B., The Nature of Customer Value: An Axiology of Services in the Consumption Experience, in: Rust, R. T., Oliver, R. L. (Hrsg.), Service Quality: New Directions in Theory and Practice, London 1994, S. 21-71. Holland, H., Direktmarketing, 3. Aufl., München 2009. Homburg, C., Bruhn, M., Kundenbindungsmanagement – Eine Einführung in die theoretischen und praktischen Problemstellungen, in: Bruhn, M., Homburg, C. (Hrsg.), Handbuch Kundenbindungsmanagement, 6. Aufl., Wiesbaden 2008, S. 3-40. Homburg, C., Droll, M., Totzek, D., Customer Prioritization: Does it pay off, and how should it be implemented?, in: Journal of Marketing, Vol. 72, No. 9, 2008, S. 110-130.

206

Homburg, C., Jensen, O., Krohmer, H., Configurations of Marketing and Sales: A Taxonomy, in: Journal of Marketing, Vol. 72, No. 1, 2008, S. 133-154. Homburg, C., Koschate, N., Hoyer, W. D., Do Satisfied Customers Really Pay More? A Study of the Relationship Between Customer Satisfaction and Willingness to Pay, in: Journal of Marketing, Vol. 69, No. 2, 2005, S. 84-96. Homburg, C., Krohmer, H., Marketingmanagement – Strategie – Instrumente – Umsetzung – Unternehmensführung, 2. Aufl., Wiesbaden 2006. Homburg, C., Schäfer, H., Die Erschließung von Kundenpotenzialen durch Cross-Selling: Konzeptionelle Grundlagen und empirische Ergebnisse, in: Marketing ZFP, 24. Jg., Nr. 1, 2002, S. 7-26. Homburg, C., Sieben, F. G., Customer Relationship Management (CRM) – Strategische Ausrichtung statt IT-getriebenem Aktivismus, in: Bruhn, M., Homburg, C. (Hrsg.), Handbuch Kundenbindungsmanagement, 6. Aufl., Wiesbaden 2008, S. 501-528. Hosmer, D. W., Lemeshow, S., Applied Logistic Regression, 2nd edition., New York 2000. Hruschka, H., Market Definition and Segmentation Using Fuzzy Clustering Methods, in: International Journal of Research in Marketing, Vol. 3, No. 2, 1986, S. 117-134. Hupp, O., Gröppel-Klein, A., Dieckmann, A., Broeckelmann, P., Walter, K., Beyond Verbal Scales: Measurement of Emotions in Advertising Effectiveness Research, in: Yearbook of Marketing and Consumer Research, Vol. 6, No. 4, 2008, S. 72-99. Janssen, J., Laatz, W., Statistische Datenanalyse mit SPSS für Windows: Eine Anwendungsorientierte Einführung in das Basissystem und das Modul Exakte Tests, 5. Aufl., Berlin 2005. Jayachandran, S., Sharma, S., Kaufman, P., Raman, P., The Role of Relational Information Processes and Technology Use in Customer Relationship Management, in: Journal of Marketing, Vol. 69, No. 4, 2005, S. 177-192. Jensen, O., Key-Account-Management, Gestaltung – Determinanten – Erfolgsauswirkungen, 2. Aufl., Wiesbaden 2004.

207

Jensen, O., Clusteranalyse, in: Herrmann, A., Homburg, C., Klarmann, M. (Hrsg.), Handbuch Marktforschung, Methoden – Anwendungen – Praxisbeispiele, 3. Aufl., Wiesbaden 2008, S. 335372. Johnston, R., The Zone of Tolerance: Exploring the Relationship Between Service Transactions and Satisfaction with the Overall Service, in: International Journal of Service Industry Management, Vol. 6, No. 2, 1995, S. 569-573. Kamakura, W. A., Wedel, M., de Rosa, F., Mazzon, J. A., Cross-Selling through database marketing: a mixed data factor analyzer for data augmentation and prediction, in: International Journal of Research in Marketing, Vol. 20, No. 1, 2003, S. 45-65. Kesting, T., Rennhak, C., Marktsegmentierung in der deutschen Unternehmenspraxis, Wiesbaden 2008. Kim, B.-D, Kim, S.-O., Measuring Upselling Potential of Life Insurance Customers: Application of a Stochastic Frontier Model, in: Journal of Interactive Marketing, Vol. 13, No. 4, 2000, S. 29. Knapp, F. D., Determinanten der Verkehrsmittelwahl, Berlin 1998. Koch, M. J., Die Marktsegmentierung als Ansatz zur Modellierung von (unbeobachtetem) heterogenem Konsumentenverhalten unter Verwendung von Finiten Mischungsmodellen – Empirisches Beispiel und Simulation, Frankfurt a. M. 2006. Kohrmann, O., Mehrstufige Marktsegmentierung zur Neukundenakquisition – Am Beispiel der Telekommunikation, Wiesbaden 2003. Kollmann, T., E-Entrepreneurship – Grundlagen der Unternehmensgründung in der Net Economy, 2. Aufl., Wiesbaden 2008. König, T., Nutzensegmentierung und alternative Segmentierungsansätze: Eine vergleichende Gegenüberstellung im Handelsmarketing, Wiesbaden 2001. Koschate, N., Kundenzufriedenheit und Preisverhalten. Theoretische und empirische experimentelle Analysen, Wiesbaden 2002. Kotler, P., Armstrong, G., Saunders, J., Wong, V., Grundlagen des Marketing, 3. Aufl., München 2003. Kotler, P., Bliemel, F., Marketing-Management: Analyse, Planung und Verwirklichung, 10. Aufl., Stuttgart 2001. 208

Kotler, P., Keller, K. L., Bliemel, F., Marketing-Management – Strategien für wertschaffendes Handeln, 12. Aufl., München 2007. Krafft, M., Außendienstentlohnung im Licht der Neuen Institutionenlehre, Wiesbaden 1995. Krafft, M., Der Ansatz der Logistischen Regression und seine Interpretation, in: ZfB, 67. Jg., 1997, Nr. 5/6, S. 625-642. Krafft, M., Kundenbindung und Kundenwert, 2. Aufl., Heidelberg 2007. Krafft, M., Albers, S., Ansätze zur Segmentierung von Kunden – Wie geeignet sind herkömmliche Konzepte?, in: ZfbF, 52 Jg., Nr. 6, S. 515-536. Krafft, M., Hoyer, W. D., Reinartz, W. J., Müller, H. D., Einsatz von Customer Relationship Management (CRM-)Systemen. Eine internationale Studie, Arbeitsbericht des ZMU an der WHU, Vallendar 2002. Krautter, J., Marketing-Entscheidungsmodelle, Wiesbaden 1973. Krautter, J., Zum Problem der optimalen Marktsegmentierung, in: ZfB, 45. Jg., Nr. 2, 1975, S. 109-128. Kreutzer, R. T., Praxisorientiertes Dialog-Marketing: Konzepte – Instrumente – Fallbeispiele, Wiesbaden 2009. Kroeber-Riel, W., Weinberg, P., Konsumentenverhalten, 8. Aufl., München 2008. Kuhlmann, J., Ausgewählte Verfahren der Holdout- und Kreuzvalidierung, in: Albers, S., Klapper, D., Konradt, U., Walter, A., Wolf, J. (Hrsg.), Methodik der empirischen Forschung, Wiesbaden 2006, S. 419-430. Kumar, V., Lemon, K. N., Parasuraman, A., Managing Customers for Value – An Overview and Research Agenda, in: Journal of Service Research, Vol. 9, No. 2, 2006, S. 87-94. Kuß, A., Tomczak, T., Käuferverhalten: Eine marketingorientierte Einführung, 3. Aufl., Stuttgart 2004. Laakmann, K., Value Added Services als Profilierungsintsrument im Wettbewerb: Analyse, Generierung und Bewertung, Frankfurt a. M. 1995. Lasslop, I., Effektivität und Effizienz von Marketing Events, Wiesbaden 2003.

209

LeClere, M., The Interpretation of Coefficients in Models with Qualitative Dependent Variables, in: Decision Sciences, Vol. 23, No. 3, 1992, S. 722 ff. LI, S., SUN, B., WILCOX, R. T., Cross-Selling Sequentially Ordered Products: An Application to Consumer Banking Services, in: Journal of Marketing Research, Vol. 42, No. 2, 2005, S. 233 ff. Libai, B., Narayandas, D., Humby, C., Toward an Individual Customer Profitability Model, A Segment-Based Approach, in: Journal of Service Research, Vol. 5, No. 1, 2002, S. 69-76. Lilien, G. L., Kotler, P., Moorthy, K. S., Marketing Models, Englewood Cliffs 1992. Lilien, G. L., Rangaswamy, A., Marketing Engineering, 2nd edition, Victoria 2002. Little, J. D. C., Models and Managers: The Concept of a Decision Calculus, in: Marketing Science, Vol. 16, No. 8, 1970, S. 466-482. Little, R. J. A., Rubin, D. B., Statistical Analysis With Missing Data, 2nd edition, Thousand Oaks 2002. Maier, J., Saunders, J., The Implementation Process of Segmentation in Sales Management, in: Journal of Personal Selling & Sales Management, Vol. 10, No.1, 1990, S. 39-48. Malthouse, E. C., Derenthal, K. M., Improving Predictive Scoring Models through Model Aggregation, in: Journal of Interactive Marketing, Vol. 22, No. 3, 2008, S. 51-68. Manton, K. G., Woodbury, M. A., Tolley, H. D., Statistical Applications Using Fuzzy Sets, New York 1994. Meffert, H., Marketingforschung und Käuferverhalten, 2. Aufl., Wiesbaden 1992. Meffert, H., Kundenbindung als Element moderner Wettbewerbsstrategien, in: Bruhn, M., Homburg, C. (Hrsg.), Handbuch Kundenbindungsmanagement, 6. Aufl., Wiesbaden 2008, S. 157180. Meffert, H., Bruhn, M., Beschwerdeverhalten und Zufriedenheit von Konsumenten, in: DBW, 41. Jg., Nr. 4, 1981, S. 597-613. Meffert, H., Bruhn, M., Dienstleistungsmarketing, Grundlagen – Konzepte – Methoden, 6. Aufl., Wiesbaden 2009.

210

Meffert, H., Burmann, C., Kirchgeorg, M., Marketing – Grundlagen marktorientierter Unternehmensführung: Konzepte – Instrumente – Praxisbeispiele, 10. Aufl., Wiesbaden 2008. Meffert, H., Perrey, J., Nutzensegmentierung im Verkehrsdienstleistungsbereich – theoretische Grundlagen und empirische Erkenntnisse am Beispiel des Schienenpersonenverkehrs, in: TJ, 1. Jg., Nr. 1, 1997, S. 13-40. Meffert, H., Perrey, J., Schneider, H., Grundlagen marktorientierter Unternehmensführung im Verkehrsdienstleistungsbereich, in: Meffert, H. (Hrsg.), Verkehrsdienstleistungsmarketing – Marktorientierte Unternehmensführung bei der Deutschen Bahn AG, Wiesbaden 2000, S. 1-56. Meffert, H., Steffenhagen, H., Marktprognosemodelle, Stuttgart 1977. Mehdorn, H., Klein-Bölting, R., Möglichkeiten und Grenzen der marktorientierten Führung in deregulierten Märkten am Beispiel der Deutschen Bahn, in: Bruhn, M., Kirchgeorg, M., Meier, J. (Hrsg.), Marktorientierte Führung im wirtschaftlichen und gesellschaftlichen Wandel, Festschrift zum 70. Geburtstag von Heribert Meffert, Wiesbaden 2007, S. 195208. Menard, S., Applied Logistic Regression Analysis, 2nd edition, Thousand Oaks 2001. Metha, R., Dubinsky, A. J., Anderson, R. E., Marketing channel management and the sales manager, in: Industrial Marketing Management, Vol. 31, No. 5, 2002, S. 429-439. Meyer, A.,Dienstleistungs-Marketing: Erkenntnisse und praktische Beispiele, 6. Aufl., München 1994. Middleton, V. T. C., Marketing in Travel and Tourism, 2nd edition, Oxford 1994. Milligan, G. W., Cooper, M. C., An Examination of Procedures for Determining the Number of Clusters in a Data Set, in: Psychometrika, Vol. 50, No. 2, 1985, S. 159-179. Moorthy, K. S., Market Segmentation, Self-Selection, and Product Line Design, in: Marketing Science, Vol. 3, No. 4, 1984, S. 288-307. Müller, C., Mehr Komfort im Fern- und Nahverkehr, in: Internationales Verkehrswesen, 52. Jg., Nr. 7+8, 2000, S. 329-331. Müller, H. D., Einsatz von Customer Relationship Management-Systemen – Bestimmungsgrößen, Ausprägungen und Erfolgsfaktoren, Wiesbaden 2004. 211

Mundt, J. W., Tourismuspolitik, München 2004. Munier, B., Selten, R., Bouyssou, D., Bourgine, P., Day, R., Harvey, N., Hilton, D., Machina, M. J., Parker, P., Sterman, J., Weber, E., Wernerfelt, B., Wensley, R., Bounded Rationality Modeling, in: Marketing Letters, Vol. 10, No. 3, 1999, S. 233-248. Musiol, G., Data Mining: Der Einsatz von Scorekarten in der Praxis, Hamburg 2007. Ngobo, P. V., Drivers of customers' cross-buying intentions, in: European Journal of Marketing, Vol. 38, No. 9/10, 2004, S. 1129-1157. Ngobo, P. V., Drivers of upward and downward migration: An empirical investigation among theatergoers, in: International Journal of Research in Marketing, Vol. 22, No. 2, 2005, S. 183201. Nicholson, W., Intermediate Microeconomics and its Applications, 6th edition, Fort Worth 1994. Nießing, J., Kundenbindung im Verkehrsdienstleistungsbereich – Ein Beitrag zum Verkehrsmittelwahlverhalten von Bahnreisenden, Wiesbaden 2006. Parasuraman, A., Zeithaml, V. A., Berry, L. L., A Conceptual Model of Service Quality and Its Implications for Future Research, in: Journal of Marketing, Vol. 49, No. 4, 1985, S. 41-50. Payne, J. W., Bettmann, J. R., Johnson, E. J., The Adaptive Decision Maker, Cambridge 1993. Pechtl, H., Logik von Preissystemen, in: Diller, H., Herrmann, A. (Hrsg.), Handbuch Preispolitik: Strategie – Planung – Organisation – Umsetzung, Wiesbaden 2003, S. 69-92. Peltier, J. W., Schibrowsky, J. A., Schultz, D. E., Davis, J., Interactive Psychographics: Cross-Selling in the Banking Industry, in: Journal of Advertising Research, Vol. 42, No. 2, 2002, S. 7-22. Pepels, W., Käuferverhalten – Basiswissen für Kaufentscheidungen von Konsumenten und Organisationen, Berlin 2005. Peppers, D., Rogers, M., Dorf, B., Is your Company ready for one-to-one Marketing?, in: Harvard Business Review, Vol. 77, No. 1, 1999, S. 151-160.

212

Perrey, J., Nutzenorientierte Marktsegmentierung – Ein integrativer Ansatz zum Zielgruppenmarketing im Verkehrsdienstleistungsbereich, Wiesbaden 1998. Perrey, J., Nutzenorientierte Marktsegmentierung – Ein integrativer Ansatz zum Zielgruppenmarketing, in: Meffert, H. (Hrsg.), Verkehrsdienstleistungsmarketing – Marktorientierte Unternehmensführung bei der Deutschen Bahn AG, Wiesbaden 2000, S. 57-118. Peters, K., Frenzen, H., Feld, S., Die Optimierung der Öffnungsquote von DirectMailings – Eine empirische Studie am Beispiel von Finanzdienstleistern, in: ZfB, Ergänzungsheft 2007/3, S. 143-170. Peters, S. I., Kundenbindung als Marketingziel: Identifikation und Analyse zentraler Determinanten, 2. Aufl., Wiesbaden 1999. Pick, D., Wiederaufnahme vertraglicher Geschäftsbeziehungen – Eine empirische Untersuchung der Kundenperspektive, Wiesbaden 2008. Pigou, A. C., The Economics of Welfare, 4th edition, London 1960. Punj, G., Stewart, D. W., Cluster Analysis in Marketing Research: Review and Suggestions for Application, in: Journal of Marketing Research, Vol. 20, No. 2, 1983, S. 134-148. Reichheld, F. F., Sasser, W. E., Zero Defections: Quality Comes to Services, in: Harvard Business Review, Vol. 68, No. 5, 1990, S. 105111. Reinartz, W., Krafft, M., Hoyer, W. D., Überprüfung des Zusammenhangs von Kundenbindungsdauer und Kundenertragswert, in: ZfB, Jg. 71, Nr. 11, 2001, S. 1263-1281. Reinartz, W., Krafft, M., Hoyer, W. D., The Customer Relationship Management Process: Its Measurement and Impact on Performance, in: Journal of Marketing Research, Vol. 41, No. 3, 2004, S. 293-305. Reinartz, W. J., Kumar, V., The Impact of Customer Relationship Characteristics on Profitable Lifetime Duration, in: Journal of Marketing, Vol. 67, No.1, 2003, S. 77-99. Reutterer, T., Bestandsaufnahme und aktuelle Entwicklungen bei der Segmentierungsanalyse von Produktmärkten, in: Journal für Betriebswirtschaft, 53. Jg., Nr. 2, S. 52-74.

213

Roberts, K. J., How to define your market segment, in: McDonald, M. (Hrsg.), Marketing Strategies. New Approaches, New Techniques, Oxford 1995, S. 71-82. Rohrlack, C., Logistische und Ordinale Regression, in: Albers, S., Klapper, D., Konradt, U., Walter, A., Wolf, J. (Hrsg.), Methodik der empirischen Forschung, Wiesbaden 2006, S. 205-222. Rotte, K., Chandrashekan, M., Detecting and managing customer uncertainty in forced migrations. Working Paper, August 2003, University of New South Wales. Rudolf-Sipötz, E., Kundenwert: Konzeption – Determinanten – Management, St. Gallen 2001. Rust, R. T., Ambler, T., Caroenter, G. S., Kumar, V., Srivastava, R. K., Measuring Marketing Productivity: Current Knowledge and Future Direction, in: Journal of Marketing, Vol. 68, No. 4, 2004, S. 76-89. Rutsatz, U., Kundenrückgewinnung durch Direktmarketing – Das Beispiel des Versandhandels, 2. Aufl., Wiesbaden 2005. Salazar, M. T., Harrison, T., Ansell, J., An approach for the identification of crosssell and up-sell opportunities using a financial services customer database, in: Journal of Financial Services Marketing, Vol. 12, Nr. 2, 2007, S. 115-131. Sargeant, A., West, D. C., Direct and Interactive Marketing, Oxford 2001. Schäfer, H., Die Erschließung von Kundenpotenzialen durch Cross-Selling – Erfolgsfaktoren für ein produktübergreifendes Beziehungsmanagement, Wiesbaden 2002. Scharf, A., Döring, M., Jellinek, J. S., Bildung von Konsumententypen zur Erklärung des Markenwahlverhaltens bei Parfüm/Duftwasser, in: Planung und Analyse, 23. Jg., Nr. 3, 1996, S. 60-67. Scheer, B., Nutzenbasierte Marktsegmentierung – Eine kaufprozessorientierte empirische Untersuchung zur Wirkungsmessung von Marketing-Aktivitäten, Wiesbaden 2008. Schiefelbusch, M., Rabattkarten im europäischen Bahnverkehr, in: Internationales Verkehrswesen, Vol. 53, Nr. 12, 2001, S. 597-603. Schleusener, M., Wettbewerbsorientierte Nutzenpreise – Preisbestimmung bei substituierbaren Verkehrsdienstleistungen, Wiesbaden 2001. 214

Schmalen, H., Kommunikationspolitik, Werbeplanung, 2. Aufl., Stuttgart 1992. Schneider, H.,

Preisbeurteilung als Determinante der Verkehrsmittelwahl: Ein Beitrag zum Preismanagement im Verkehrsdienstleistungsbereich, Wiesbaden 1999.

Schneider, H., Preisbeurteilung im Verkehrsdienstleistungsbereich – Konzeptionelle Grundlagen und Ergebnisse einer empirischen Analyse, in: Meffert, H. (Hrsg.), Verkehrsdienstleistungsmarketing – Marktorientierte Unternehmensführung bei der Deutschen Bahn AG, Wiesbaden 2000, S. 119-226. Schneider, H., Preismanagement im Dienstleistungsbereich – Das neue Preissystem der DB AG, in: List Forum für Wirtschafts- und Finanzpolitik, Band 29, H. 3, 2003, S. 268-283. Schneider, H., Nachweis und Behandlung von Multikollinearität, in: Albers, S., Klapper, D., Konradt, U., Walter, A., Wolf, J. (Hrsg.), Methodik der empirischen Forschung, Wiesbaden 2006, S. 187-204. Schneider, N. C., Kundenwertbasierte Effizienzmessung: Der Beitrag von Marketingmaßnahmen zur Unternehmenswerterhöhung in der Automobilindustrie, Wiesbaden 2007. Schnell, R., Hill, P. B., Esser, E., Methoden der empirischen Sozialforschung, 8. Aufl., München 2008. Shapiro, B. P., Bonoma, T. V., How to segment Industrial Markets, in: Harvard Business Review, Vol. 62, No. 3, S. 104-110. Sherman, E., Greene, J. N., Plank, R. E., Exploring Business-to-Business Direct Mail Campaigns: Comparing One-Sided, Two-Sided and Comparative Message Structures, in: Journal of Direct Marketing, Vol. 5, No. 2, 1991, S. 25-30. Sheth, J. N., Parvatiyar, A., Relationship Marketing in Consumer Markets: Antecendents and Consequences, in: Journal of the Academy of Marketing Science, Vol. 23, No. 4., 1995, S. 255-271. Siefke, A., Zufriedenheit mit Bahnreisen – Phasenorientierte Operationalisierung und Erklärung der Kundenzufriedenheit im Verkehrsdienstleistungsbereich auf empirischer Basis, in: Meffert, H. (Hrsg.), Verkehrsdienstleistungsmarketing – Marktorientierte Unternehmensführung bei der Deutschen Bahn AG, Wiesbaden 2000, S. 167-225. Simon, H., Fassnacht, M., Preismanagement, 3. Aufl., Wiesbaden 2009. 215

Smith, W. R., Product Differentiation and Market Segmentation as Alternative Marketing Strategies, in: Journal of Marketing, Vol. 21, No.1, 1956, S. 3-8. Stabenau, H., Verkehrsbetriebslehre: Betriebswirtschaftliche Grundlagen für eine langfristig orientierte Unternehmenspolitik in strukturell sich ändernden Verkehrsmärkten, 3. Aufl., Düsseldorf 1994. Stamer, H. H., Segmentspezifische Analyse des Preisverhaltens – Eine theoretische und empirische Analyse des Konzepts der Preissegmentierung, Nürnberg 2006. Steinlein, U., Data Mining als Instrument der Responseoptimierung im Direktmarketing: Methoden zur Bewältigung kleiner Stichproben, Göttingen 2004. Sterzenbach, R., Luftverkehr, München 1996. Stuhldreier, U., Mehrstufige Marktsegmentierung im Bankmarketing, Wiesbaden 2002. Sujan, M., Consumer Knowledge: Effects on Evaluation Strategies Mediating Consumer Judgements, in: Journal of Consumer Research, Vol. 12, No. 1, 1985, S. 31-46. Tapp, A., Principles of Direct and Database Marketing – A Digital Orientation, 4th edition, Harlow 2008. Tecklenburg, T., Churn-Management im B2B-Kontext – Eine empirische Analyse unter Berücksichtigung von hierarchischen Kundenstrukturen und heterogenem Kundenverhalten, Wiesbaden 2007. Trommsdorff, V., Konsumentenverhalten, 7. Aufl., Stuttgart 2009. Trommsdorff, V., Bleicker, U., Hildebrand, L., Nutzen und Einstellung, in: WiSt, 9. Jg., Nr. 6, 1980, S. 269-276. Urban, D., Logit-Analyse: Statistische Verfahren zur Analyse von Modellen mit qualitativen Response-Variablen, Stuttgart 1993. Varian, H. R., Price Discrimination, in: Schmalensee, R., Willig, R. D. (Hrsg.), Handbook of Industrial Organisation, Amsterdam 1989, S. 597-654. Venkatesan, R., Kumar, V., A Customer Lifetime Value Framework for Customer Selection and Resource Allocation Strategy, in: Journal of Marketing, Vol. 68, No. 4, 2004, S. 106-125. 216

Vermunt, J. K., Magidson, J., Latent Class Cluster Analysis, in: Hagenaars, J. A., McCutcheon, A. L. (Hrsg.), Applied Latent Class Analysis, Cambridge 2002, S. 89-106. Voeth, M., Rabe, C., Gwantka, A., Produktbegleitende Dienstleistungen, in: DBW, 64. Jg., Nr. 6, 2004, S. 773-776. Vogel, V., Kundenbindung und Kundenwert – Der Einfluss von Einstellungen auf das Kaufverhalten, Wiesbaden 2006. von Rosenstiel, L., Kirsch, A., Psychologie der Werbung, Rosenheim 1996. von Wangenheim, F., Weiterempfehlung und Kundenwert: Ein Ansatz zur persönlichen Kommunikation, Wiesbaden 2003. von Wangenheim, F., Bayón, T., Behavioral Consequences of Overbooking Service Capacity, in: Journal of Marketing, Vol. 71, No. 4, 2007, S. 36-47. Wagner, T., Hennig-Thurau, T., Rudolph, T., Does Customer Demotion Jeopardize Loyalty, in: Journal of Marketing, Vol. 73, No. 2, 2009, S. 69-85. Walsh, G., Niermann, S., Klee, A., Kundenzufriedenheit und Kundenbindung als Grundlage der Zielgruppenbildung im Dienstleistungssektor, in: Jahrbuch der Absatz- und Verbrauchsforschung, 54. Jg., Nr. 1, 2008, S. 42-59. Walter, S., Schmidt, M., Kundenkarte und CRM im Handel, in: Uebel, M. F., Helmke, S., Dangelmaier, W. (Hrsg.), Praxis des Customer Relationship Management – Branchenlösungen und Erfahrungsberichte, 2. Aufl., Wiesbaden 2004, S. 35-54. Wedel, M., Kamakura, W. A., Market Segmentation: Conceptual and Methodolocial Foundations, 2nd edition, Boston 2000. Wilger, G., Mehrpersonenpreisdifferenzierung, Wiesbaden 2004. Wind., Y., Issues and Advances in Segmentation Research, in: Journal of Marketing Research, Vol. 15, No. 3, 1978, S. 317-337. Winter, F. W., A Cost-Benefit Approach to Market Segmentation, in: Journal of Marketing, Vol. 43, No. 4, 1979, S. 103-111. Wirtz, B. W., Integriertes Direktmarketing. Grundlagen – Instrumente – Prozesse, Wiesbaden 2005. Wittkötter, M., Steffen, M., Customer Value als Basis des CRM, in: Ahlert, D., Becker, J. (Hrsg.), Customer Relationship im Handel 217

Strategien, Konzepte, Erfahrungen, Wiesbaden 2002, S. 73-84. Wöller, R., Qualitative Prognosen, in: Pepels, W. (Hrsg.), Moderne Marktforschungspraxis – Handbuch für mittelständische Unternehmen, Neuwied 1999, S. 441-454. Zeithaml, V. A., How Consumer Evaluation Processes Differ between Goods and Services, in: Lovelock, C. H. (Hrsg.), Services Marketing, 2nd edition, Englewood Cliffs 1991, S. 39-47. Zeithaml, V. A., Rust, R. T., Lemon, K. N., The Customer Pyramid: Creating and Serving Profitable Customers, in: California Management Review, Vol. 43, No. 4, 2001, S. 118-142. Zentes, J., Swoboda, B., Kommunikation von Handelsunternehmen, in: Bruhn, M., Esch, F.-R., Langner, T. (Hrsg.), Handbuch Kommunikation, Wiesbaden 2008, S. 1133-1152. Zezelj, G., Das CLV-Management-Konzept, in: Hofmann, M., Mertiens, M. (Hrsg.): Customer-Lifetime-Value-Management, Wiesbaden 2007. Zhang, Z. J., Krishna, A., Dhar, S. K., The Optimal Choice of Promotional Vehicles: Front-Loaded or Rear-Loaded Incentives?, in: Management Science, Vol. 46, No. 3, 2000, S. 348-362. Zimmermann, G., Mehr Service auf der Schiene, in: creditreform 4, 2006, S. 2829.

218