Repositionierung von Marken: Ein agentenbasiertes Simulationsmodell zur Prognose der Wirkungen von Repositionierungsstrategien

Christian Feddersen Repositionierung von Marken

GABLER RESEARCH Innovatives Markenmanagement

®

Herausgegeben von Professor Dr. Christoph Burmann, Universität Bremen, Lehrstuhl für innovatives Markenmanagement (LiM®) Professor Dr. Manfred Kirchgeorg, HHL – Leipzig Graduate School of Management, Lehrstuhl für Marketingmanagement

Marken sind in vielen Unternehmen mittlerweile zu wichtigen Vermögenswerten geworden, die zukünftig immer häufiger auch in der Bilanz erfasst werden können. Insbesondere in reiferen Märkten ist die Marke heute oft das einzig nachhaltige Differenzierungsmerkmal im Wettbewerb. Vor diesem Hintergrund kommt der professionellen Führung von Marken eine sehr hohe Bedeutung für den Unternehmenserfolg zu. Dabei müssen zukünftig innovative Wege beschritten werden. Die Schriftenreihe will durch die Veröffentlichung neuester Forschungserkenntnisse Anstöße für eine solche Neuausrichtung der Markenführung liefern.

Christian Feddersen

Repositionierung von Marken Ein agentenbasiertes Simulationsmodell zur Prognose der Wirkungen von Repositionierungsstrategien Mit einem Geleitwort von Prof. Dr. Christoph Burmann

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 Bremen, 2010

1. Auflage 2010 Alle Rechte vorbehalten © Gabler Verlag | Springer Fachmedien Wiesbaden GmbH 2010 Lektorat: Stefanie Brich | Stefanie Loyal Gabler Verlag ist eine Marke von Springer Fachmedien. Springer Fachmedien 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 978-3-8349-2495-7

Geleitwort

V

Geleitwort Die Positionierung von Marken gehört im Marketing zum „Kerngeschäft“. Einmal gewählte Positionierungen bleiben dabei im Zeitablauf selten unverändert, weil nahezu alle Marken in einem dynamischen Marktumfeld agieren. Deswegen sind RePositionierungen an der Tagesordnung. Sie sollen die Marke aktualisieren und an neue Marktgegebenheiten anpassen. Re-Positionierungen können leicht misslingen. Schnell sind die bisherigen Käufer einer Marke irritiert und wandern ab. Ebenso häufig werden keine zusätzlichen Käufer gewonnen, weil die neue Markenpositionierung als unglaubwürdig empfunden wird. Vor dem Hintergrund dieser Herausforderungen und der Häufigkeit von Repositionierungsentscheidungen in der Praxis verwundert es, dass die Marketingwissenschaft sich bislang kaum mit dem Phänomen der Re-Positionierung von Marken beschäftigt hat. Implizit wird zumeist davon ausgegangen, dass die sehr zahlreichen Publikationen zur Positionierung auch den Fall der Re-Positionierung mit abdecken. Bei näherer Betrachtung zeigt sich jedoch, dass dies tatsächlich nur sehr eingeschränkt der Fall ist, auch deswegen, weil die Positionierungsmodelle in sich zahlreiche Schwächen aufweisen. Eine dementsprechend große und hoch relevante Forschungslücke tut sich in der Marketingwissenschaft auf. Vor diesem Hintergrund hat sich Dr. Christian Feddersen die sehr verdienstvolle Aufgabe gestellt, die Eignung neuer computergestützter, agentenbasierter Simulationstechniken für die Entscheidungsunterstützung von Markenrepositionierungen zu analysieren. Konzeptionell basiert sein Modell dabei auf dem Ansatz der identitätsbasierten Markenführung. Empirisch nutzt er geschickt ein großes Forschungsprojekt für einen deutschen Technologiekonzern, um am Beispiel des Geschäftsbereiches Festnetztelefone sein agentenbasiertes Simulationsmodell zur Fundierung von Markenrepositionierungen zu überprüfen. Grundlage seiner eigenen Forschungsideen ist eine ebenso fundierte wie umfassende Analyse der Stärken und Schwächen der vorhandenen Positionierungs- und Repositionierungsmodelle im Marketing. Die vorliegende Dissertation ist der zweiundzwanzigste Band der Buchreihe zum „innovativen Markenmanagement“ des Gabler-Verlags (Deutscher UniversitätsVerlags). Diese Reihe dokumentiert die Forschungsarbeiten am deutschlandweit ers-

VI

Geleitwort

ten und einzigen Lehrstuhl für innovatives Markenmanagement (LiM“) an der Universität Bremen und des Lehrstuhls für Marketingmanagement an der privaten Handelshochschule Leipzig (HHL). Gleichzeitig sollen weitere Forschungsbemühungen zum innovativen Markenmanagement motiviert und ein reger Erfahrungsaustausch angestoßen werden. Als Herausgeber der Buchreihe freuen Manfred Kirchgeorg und ich uns über jede Art von Feedback ([email protected] oder [email protected]). Es ist geplant, auch zukünftig mindestens drei Dissertationen pro Jahr in dieser Reihe zu veröffentlichen, um in kurzen Abständen immer wieder mit neuen Ideen das wachsende Interesse am Thema „innovatives Markenmanagement“ zu beleben. Abschließend wünsche ich der Arbeit von Herrn Dr. Feddersen aufgrund ihrer herausragenden konzeptionellen und empirischen Qualität eine sehr weite Verbreitung in Wissenschaft und Praxis. Univ.-Prof. Dr. Christoph Burmann

Vorwort

VII

Vorwort Im Rahmen der Marketingforschung wird Positionierung häufig als „Königsdisziplin“ bezeichnet. Die Entscheidung, welche Nutzendimensionen ins Zentrum der Positionierung gestellt werden, ist in wettbewerbsintensiven Märkten mit zunehmender Angebotshomogenisierung elementar für einen nachhaltigen Markenerfolg. Dies betrifft nicht nur die Etablierung einer Position für eine neue Marke, sondern ebenfalls Repositionierungsentscheidungen bereits etablierter Marken. Die Notwendigkeit einer klaren, differenzierenden, präferenzbildenden Positionierung, um nachhaltige Wettbewerbs-vorteile zu generieren, rückt immer stärker in den Fokus unternehmerischen Handelns. Bei der Festlegung von Markenrepositionierungsstrategien sollte deswegen neben möglichen Wettbewerberreaktionen auch das Nachfragerverhalten im Rahmen der Entscheidungsfindung im Besonderen mit einbezogen werden. Das Scheitern vieler großer Marken bei Repositionierung zeigt auf, wie elementar die Markenführung und hier insbesondere die Markenpositionierung für den Erfolg einer Marke sind. Eine falsche Repositionierungsentscheidung kann neben nachhaltigen Markenimageschäden zu weit reichenden Umsatzeinbußen und Marktanteilsverlusten führen. Das zentrale Ziel dieser Arbeit war es, die Prognosegüte von Verfahren zu verbessern, um Markenrepositionierungen zu simulieren sowie die Entwicklung eines Entscheidungsunterstützungsinstrumentes für Repositionierungsentscheidungen innerhalb der Marken- und somit Unternehmensführung. Im Rahmen meiner Dissertation habe ich den Ansatz der agentenbasierten Modellierung gewählt, da ich zu der Überzeugung gelangt bin, dass dieser Ansatz Antworten in der zukünftigen Erforschung von Marketingfragestellungen liefern kann. Diese Arbeit ist ein erster Schritt die Potenziale der Möglichkeiten dieser Analyse aufzuzeigen. Ich hoffe, mit diesem Buch wichtige Anregungen für die Forschung und die Unternehmenspraxis geben zu können. Die vorliegende Arbeit wurde im Winter 2009 am Fachbereich Wirtschaftswissenschaften der Universität Bremen als Dissertation angenommen. Die Fertigstellung dieser Arbeit war geprägt von zahlreichen persönlichen und akademischen Herausforderungen. Der erfolgreiche Abschluss wäre ohne die Unterstützung zahlreicher Personen nicht möglich gewesen, denen ich im Folgenden herzlich danken möchte. Mein besonderer Dank gilt zunächst meinem Doktorvater und akademischen Lehrer, Herrn Prof. Dr. Christoph Burmann, der mich zu jeder Zeit und weit über diese Arbeit hinaus in beispielloser Weise unterstützt hat. Mein Dank gilt dem langjährigen Vertrauen, das Sie seit der Gründung des LiM, in mich gesetzt haben, und durch das ich immer wieder motiviert wurde. Herrn Prof. Dr. Jochen Zimmermann möchte ich herz-

VIII

Vorwort

lich für die Übernahme des Zweitgutachtens danken und seine ständigen Bemühungen die Forschung im Fachbereich voranzutreiben. Die empirische Analyse der vorliegenden Arbeit stützt sich auf eine umfassende Kundenbefragung eines renommierten deutschen Technologieunternehmens. Für die freundliche Unterstützung möchte ich mich bei allen Mitarbeitern, die zur Realisation dieses Forschungsprojektes beigetragen haben, bedanken. Insbesondere bei Herrn Graf Archibald von Keyserlingk, der das Projekt erst ermöglicht hat und immer ein wertvoller Ansprechpartner war, und ferner dem Team von Keylens. Für die großzügige finanzielle Unterstützung bei der Drucklegung dieser Arbeit sowie dem Wiwib e.V. – Wirtschaftmöchte ich Bonsai Deutschland Wissenschaft-Bremen, dem Förderverein des Fachbereichs Wirtschaftswissenschaft der Universität Bremen herzlich danken. Dem gesamten Team des LiM gebührt mein besonderer Dank! Bei den Gründungsmitgliedern des LiM Dr. Lars Blinda und Dr. Axel Nitschke, die mich als Hilfskraft eingestellt haben und somit meine „Karriere“ am LiM den Weg geebnet haben möchte ich mich bedanken sowie für die große Geduld, die Du, lieber Lars, in Zeiten des Zweifels aufgebracht hast. Bei Tobias „Lexi“ Recke möchte ich mich für die arbeitsintensiven aber stets humorvollen Nächte am LiM während der Projektarbeit bedanken, da er mich immer wieder motiviert hat das Bestehende nochmals zu hinterfragen: „Haben wir gut gemacht!“ Meinem Bürokollegen Rico Piehler möchte ich für seine Warmherzigkeit und den liebevollen Umgangston in unserem Büro danken, der die Zeit der Dissertationserstellung stets unbeschwert erscheinen ließ. Fabian „Erk“ Stichnoth gebührt Dank für die stets erfolgreiche Zusammenarbeit in diversen LiMPojekten. Heidi Schröder möchte ich für ihren immerwährenden Zuspruch und ihre gute „Antenne“ danken. Sabrina Hegner danke ich für ihr konstruktives Feedback zu aller Zeit, insbesondere bei der Finalisierung der Arbeit. Besonderer Dank gilt Ramon Scholz für seine Geduld und seine innovativen Ideen bei der Programmierung des Modells. Ebenso möchte ich mich bei den übrigen LiM-Kollegen für eine unvergessliche Zeit bedanken. Namentlich erwähnt seien Julia Launspach, Andreas Müller, Uwe Schnetzer, Christian Becker, Michael Schade, Frank Hemmann, Daniela Eilers, Dr. Tilo Halaszovich, Dr. Philip Maloney, Dr. Marc Jost-Benz, Dr. Jan-Phillip Weers, Dr. Verena Nießing und Brigitte Mucek. Den 22 freien Mitarbeitern auf dem Kickerfeld möchte ich für deren 24-stündige Arbeitsbereitschaft danken - ein schlechter Tag beim Kickern war stets ein guter Tag an der Diss! Abschließend danke ich von ganzem Herzen meiner Familie. Ohne die bedingungslose Unterstützung meiner Eltern und Großeltern während meines gesamten Bil-

IX

Vorwort

dungsweges wäre diese Arbeit nicht zustande gekommen. Insbesondere meine Eltern haben mir den Weg bereitet, mich bei allen Entscheidungen unterstützt und mich stets in diesem Vorhaben ermutigt. Der größte Dank gebührt meiner Frau Julia, die mich über alle Belange hinaus unterstützt hat. Danke dafür, dass Du meinen Stumpfsinn im familiären Alltag während der Dissertationserstellung ertragen und kompensiert hast. Danken möchte ich auch meinen beiden Söhnen Justus und Ruben, für die turbulenten abwechslungsreichen Stunden mit Ihnen. Justus, Dich werde ich bei deinem Dissertationsvorhaben über den „Raben Socke“ mit allen Kräften unterstützen - Euch Dreien möchte ich abschließend diese Arbeit widmen. Allen weiteren Lesern wünsche ich interessante Erkenntnisse bei der Lektüre!

Christian Feddersen

XI

Inhaltsverzeichnis

Inhaltsverzeichnis Geleitwort...........................................................................................................V Vorwort.............................................................................................................VII Inhaltsverzeichnis ............................................................................................XI Abbildungsverzeichnis ................................................................................ XVII Tabellenverzeichnis .................................................................................... XXIII Abkürzungsverzeichnis ...............................................................................XXV A Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung .................................................................................................. 1 1

2

3

4

Identitätsbasierter Markenführungsansatz............................................. 1 1.1

Definition des Markenbegriffes....................................................... 1

1.2

Grundkonzept der identitätsbasierten Markenführung ................... 2

1.3

Zusammenhang zwischen Markenidentität und Markenimage....... 8

Die Simulation von Markenrepositionierungen als Herausforderung an die Markenführung ............................................................................ 10 2.1

Relevanz der Simulation von Markenrepositionierungen ............. 10

2.2

Ansätze zur Modellierung von Markenrepositionierungen............ 14

Definition des Positionierungsbegriffes ............................................... 17 3.1

Instrumentell verkürztes Positionierungsverständnis ................... 19

3.2

Klassisch marktorientiertes Positionierungsverständnis............... 20

3.3

Modernes holistisches Positionierungsverständnis ...................... 25

3.4

Entwicklung eines markenspezifischen Positionierungsverständnisses..................................................... 29 3.4.1

Der Begriff Markenpositionierung ................................ 29

3.4.2

Der Begriff Markenrepositionierung............................. 30

Simulation von Markenrepositionierungen .......................................... 33 4.1

Markenwahlverhalten als Grundlage für die Simulation von Markenrepositionierungen............................................................ 33

4.2

Markenpositionierungsmodelle als Erklärungsmodelle des individuellen Markenwahlverhaltens............................................. 36

4.3

Der Zusammenhang zwischen Markenrepositionierung und Markenwahlverhalten ................................................................... 39

Inhaltsverzeichnis

XII

4.4 5

Modelltheoretische Analyse von Markenrepositionierungen ........ 42

Zielsetzung und Gang der Untersuchung............................................. 47

B Theoretische Grundlagen und aktueller Stand der Forschung................... 51 1

2

Das dynamische Konzept der Repositionierung ................................. 51 1.1

Auslöser von Markenrepositionierungen ...................................... 51

1.2

Ziele der dynamischen Repositionierung ..................................... 56

1.3

Intensität und zeitlicher Horizont .................................................. 59

1.4

Formen von Repositionierungen .................................................. 61

1.5

Der Repositionierungs-Fit als notwendige Bedingung.................. 62

1.6

Zusammenfassung und Überführung in einen Repositionierungsprozess ............................................................ 67

Systematisierung und Bewertung von Positionierungsmodellen ...... 68 2.1

Systematisierung.......................................................................... 68

2.2

Bewertungskriterien ..................................................................... 70

2.3

Markenrepositionierungsanalyse auf Basis der Multidimensionalen Skalierung..................................................... 73

2.4

2.3.1

Methodische Grundlagen der Multidimensionalen Skalierung ................................................................... 74

2.3.2

Simulation von Markenrepositionierungen anhand der Multidimensionalen Skalierung.................................... 78

2.3.2.1

Perceptor Modell von URBAN (1975)............................ 83

2.3.2.2

Trinodal-Mapping von KEON (1983)............................. 85

2.3.3

Bewertung der Positionierungsmodelle auf Basis der Multidimensionalen Skalierung zur Analyse von Markenrepositionierungen........................................... 87

Markenrepositionierungsanalyse auf Basis der Conjoint-Analyse .......................................................................... 92 2.4.1

Methodische Grundlagen ............................................ 92

2.4.2

Simulation von Markenrepositionierungen auf Basis der Conjoint-Analyse: Das Simopt Model von GREEN/KRIEGER (1992) .............................................. 100

2.4.3

Bewertung conjointanalytischer Modelle zur Analyse von Markenrepositionierungen .................... 107

XIII

Inhaltsverzeichnis

2.5

2.6 3

Markenrepositionierungsanalyse auf Basis der Diskriminanzanalyse .................................................................. 109 2.5.1

Methodische Grundlagen .......................................... 109

2.5.2

Simulation von Markenrepositionierungen mit der Diskriminanzanalyse dargestellt am Beispiel des Kullmann-Modells 2006............................................. 112

2.5.3

Bewertung diskriminanzanalytischer Modelle zur Analyse von Markenrepositionierungen .............. 117

Zusammenfassung und abschließende Bewertung ................... 120

Agentenbasierte Simulation als neue Methode zur Analyse von Repositionierungsstrategien ............................................................... 123 3.1

3.2

Allgemeine Grundlagen computerbasierter Simulation .............. 125 3.1.1

Computergestützte Simulation .................................. 125

3.1.2

Kriterien zur Klassifizierung und Bewertung computergestützter Modelle ...................................... 126

3.1.3

Simulationstechniken ................................................ 132

3.1.3.1

Makrosimulation ........................................................ 132

3.1.3.2

Mikrosimulation ......................................................... 134

3.1.3.3

Ereignisbasierte Simulation....................................... 136

3.1.3.4

Multilevel-Simulation ................................................. 138

3.1.3.5

Zelluläre Automaten .................................................. 139

3.1.4

Zusammenfassung und Fazit zu computergestützten Modellierungsansätzen ............................................. 145

Komponenten und Eigenschaften agentenbasierter Simulation .................................................................................. 146 3.2.1

Agenten..................................................................... 151

3.2.1.1

Agenteneigenschaften............................................... 152

3.2.1.2

Agentenarchitekturen und -klassifikation................... 155

3.2.2

Umwelt ...................................................................... 158

3.2.3

Regeln....................................................................... 163

3.2.3.1

Regeln in agentenbasierten Systemen...................... 163

3.2.3.2

Entscheidungsregeln beim Kaufverhalten ................. 165

3.2.4

Kommunikation ......................................................... 172

Inhaltsverzeichnis

XIV

3.3

3.4

Eignung agentenbasierter Modelle für die Analyse von Markenrepositionierungen.......................................................... 174 3.3.1

Erklärungsmodelle..................................................... 175

3.3.1.1

Das Modell von JANSSEN/JAGER (1999) ..................... 175

3.3.1.2

Das Modell von KEMP (1999)..................................... 177

3.3.1.3

Das Modell von ZHANG/ZHANG (2007) ....................... 178

3.3.2

Prognosemodelle ...................................................... 182

3.3.2.1

Das Modell von MAZANEC (2006)............................... 182

3.3.2.2

Das Modell von VAG (2007)....................................... 182

Abschließende Bewertung agentenbasierter Modelle zur Analyse von Markenrepositionierungen ..................................... 184 3.4.1

Eignung für die Simulation von Markenrepositionierungen......................................... 186

3.4.2

Eignung für die Simulation des Markenwahlverhaltens .............................................. 186

C Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt .................................................................................... 189 1

2

Entwicklung und formal-analytische Darstellung des agentenbasierten Repositionierungsmodells .................................... 189 1.1

Ablauf des agentenbasierten Simulationsmodells...................... 189

1.2

Die Softwareumgebung Netlogo ................................................ 191

1.3

Datenerhebung und Datengrundlage ......................................... 192

Operationalisierung der unterschiedlichen Modellkomponenten .... 197 2.1

Marken als Agenten ................................................................... 197

2.2

Der Nachfrager als Agent........................................................... 199

2.3

2.2.1

Wahrnehmung von Markenrepositionierungen.......... 199

2.2.2

Präferenzbildung und Markenwahl ............................ 200

2.2.2.1

Implementierung von Heuristiken zur Darstellung des Wahlverhaltens................................................... 203

2.2.2.2

Kompensatorische Heuristiken.................................. 205

2.2.2.3

Nicht-kompensatorische Heuristiken ......................... 207

2.2.3

Qualitätsabhängige Kaufzyklen................................. 208

Darstellung der sozialen Interaktion ........................................... 209

XV

Inhaltsverzeichnis

2.4

2.3.1

Soziales Umfeld ........................................................ 209

2.3.2

Interaktion zwischen den einzelnen Agenten ............ 210

Zusammenfassende Betrachtung des Modells .......................... 215

3

Konzeption und Ablauf agentenbasierter Simulationen ................... 215

4

Qualitätssichernde Maßnahmen bei der Erstellung agentenbasierter Modelle..................................................................... 217

5

Empirische Anwendung im Festnetztelefonmarkt ............................. 221 5.1

Abgrenzung des Marktes für schnurlose Festnetztelefone ........ 221

5.2

Soziale Interaktion beim Kauf von Festnetztelefonen ................ 224

5.3

Segmentierung im Festnetztelefonmarkt.................................... 225

5.4

5.3.1

Bildung von Nachfragersegmenten ........................... 225

5.3.2

Zugänglichkeitsprüfung der Segmente im Festnetztelefonmarkt................................................. 228

Positionierungsanalyse .............................................................. 232 5.4.1

Deskriptive Analysen zu Markenbekanntheit und Kaufverhalten ............................................................ 232

5.4.2

Dissaggregierte deskriptive Markenimageanalysen .. 235

5.4.3

Ergebnisse der Faktorenanalysen............................. 238

5.4.3.1

Verdichtung des Markenimages ................................ 239

5.4.3.2

Ermittlung der Bedeutungsgewichte.......................... 241

5.4.4

Integration der faktoranalytischen Ergebnisse in das agentenbasierte Markenwahlmodell.......................... 243

5.4.4.1

Formale Darstellung der Heuristiken ......................... 243

5.4.4.2

Analyse des Entscheidungsverhaltens im Festnetztelefonmarkt................................................. 244

5.4.5

Bestimmung der Notwendigkeit einer Markenrepositionierung............................................. 248

5.4.6

Ermittlung relevanter Nutzendimensionen für die Repositionierung ....................................................... 257

5.4.7

Simulation der Repositionierungsstrategien anhand des agentenbasierten Wahlmodells ................................. 265

5.4.7.1

Szenario 1 Qualitätsstrategie .................................... 265

5.4.7.2

Szenario 2 Aufladung der Marke mittels emotionaler Nutzenkategorien ...................................................... 267

Inhaltsverzeichnis

XVI

5.4.7.3 5.5

Szenario 3 Mischstrategie Qualität, Globalität und Emotionalität ............................................................. 269

Erweiterte Analyse des Empfehlungsverhaltens anhand des agentenbasierten Simulationsmodells........................................ 272 5.5.1

Analyse des Empfehlungsverhaltens innerhalb des Festnetztelefonmarktes ............................................. 272

5.5.2

Einfluss des Empfehlungsverhaltens auf die Entscheidungsregeln................................................. 274

5.5.2.1

Kompensatorische Entscheidungsregeln .................. 274

5.5.2.2

Nicht-Kompensatorische Entscheidungsregeln......... 279

D Schlussbetrachtung...................................................................................... 281 1

Zentrale Untersuchungsergebnisse.................................................... 281

2

Implikationen für das Management von Markenrepositionierungen................................................................... 292

3

Ansatzpunkte für weitere Forschungsarbeiten.................................. 297

Anhang I......................................................................................................... 299 Anhang II........................................................................................................ 301 Anhang III....................................................................................................... 302 Anhang IV ...................................................................................................... 306 Anhang V ....................................................................................................... 307 Literaturverzeichnis ...................................................................................... 313

Abbildungsverzeichnis

XVII

Abbildungsverzeichnis Abbildung 1:

Grundkonzept der identitätsbasierten Markenführung....................... 8

Abbildung 2:

Zusammenhang zwischen Identität und Image im Hinblick auf die externe Perspektive........................................................................... 9

Abbildung 3:

Repositionierung als dynamische Komponente des Positionierungskonzeptes. .............................................................. 31

Abbildung 4:

Eine Taxonomie unterschiedlicher Kaufverhaltensmodelle und die Einordnung des agentenbasierten Repositionierungsmodells......... 45

Abbildung 5 :

Gründe für Markenrepositionierungen............................................. 52

Abbildung 6:

Markenführung zwischen Markenstarre und Markenaktionismus.... 58

Abbildung 7:

Erstmaligkeits-Bestätigungs-Modell nach von Weizsäcker. ............ 64

Abbildung 8:

Der Repositionierungs-Fit der dynamischen Markenführung .......... 65

Abbildung 9:

Beeinflussung der Wahrnehmung neuer Informationen (Interference-Effect) ........................................................................ 66

Abbildung 10: Prozess der Repositionierung ......................................................... 68 Abbildung 11: Klassifizierung von Positionierungsanalysen und deren Zweck. ..... 69 Abbildung 12: Unterschiedliche Darstellung von Wahrnehmungsräumen.............. 76 Abbildung 13: Alternative Präferenzmodelle .......................................................... 95 Abbildung 14: Bewertung der Conjointmodelle. ................................................... 108 Abbildung 15: Beispielhafter Diskriminanzraum ................................................... 111 Abbildung 16: Konzeptionelle Darstellung der Wirkungszusammenhänge bei der Simulation unterschiedlicher Positionierungsstrategien ................ 114 Abbildung 17: Markenwahlschätzung innerhalb des Simulationsmodells ............ 116 Abbildung 18: Bewertung des Kullmann-Modells ................................................. 119 Abbildung 19: Abgrenzung statistischer Modellierung und Simulation als Methodik........................................................................................ 125 Abbildung 20: Klassifikationsmerkmale für computergstützte Modelle................. 127

XVIII

Abbildungsverzeichnis

Abbildung 21: Diagramm eines einfachen Queuing-Modells................................ 137 Abbildung 22: Verschiedene Formen von Nachbarschaften ................................ 141 Abbildung 23: Subjekt- und Objektraum in dem Modell von ROTH (1999)............ 144 Abbildung 24: Agenten und ihre Anwendungsfelder ............................................ 147 Abbildung 25: Verschiedene Agententypen ......................................................... 156 Abbildung 26: Kontinuum des Kaufentscheidungsprozesses............................... 161 Abbildung 27: Unterschiedliche Formen von Heuristiken..................................... 166 Abbildung 28: Charakterisierung und Einordnung von Wahlheuristiken............... 171 Abbildung 29: Einfaches direktes Kommunikationsmodell. .................................. 172 Abbildung 30: Einfaches Modell des shared-memory Verfahrens........................ 173 Abbildung 31: Schematische Darstellung des Ködereffektes............................... 179 Abbildung 32: Schematischer Aufbau des Modells von VAG (2007)..................... 183 Abbildung 33: Struktur des agentenbasierten Repositionierungsmodells ............ 189 Abbildung 34: Das Netlogo Prinzip....................................................................... 191 Abbildung 35: Übersicht der Markenimagedimensionen innerhalb der Hauptuntersuchung ....................................................................... 194 Abbildung 36: Entscheidungsprozess innerhalb der quantitativen Studie ............ 196 Abbildung 37: Das Markenimage zur Beschreibung der Markenagenten innerhalb des Models .................................................................... 198 Abbildung 38: Bewertungsmatrix von Wahlalternativen ....................................... 202 Abbildung 39: Verwendete Kaufzyklen im agentenbasierten Simulationsmodell . 209 Abbildung 40: Soziale Interaktion innerhalb des Modells ..................................... 211 Abbildung 41: Histogramm der Variable Empfehlung........................................... 213 Abbildung 42: Ablauf eines agentenbasierten Simulationsmodells. ..................... 216 Abbildung 43: Der Validierungsprozess ............................................................... 221 Abbildung 44: Entwicklung des Festnetztelefonmarktes bis 2011........................ 223

Abbildungsverzeichnis

XIX

Abbildung 45: Segmente im Festnetztelefonmarkt übertragen auf das agentenbasierte Simulationsmodell.............................................. 226 Abbildung 46: Relevanteste Kriterien im Festnetztelefonmarkt für die Nachfragerklassifizierung .............................................................. 227 Abbildung 48: Marktanteile der einzelnen Marken in den verschiedenen Segmenten ................................................................................... 230 Abbildung 49: Direkt erhobene Wichtigkeit für den Kauf über die Segmente....... 231 Abbildung 50: Gestützte Bekanntheit der analysierten Festnetztelefonmarken 2007......................................................... 233 Abbildung 51: Marktanteile der jeweiligen Festnetztelefonmarken im deutschen Markt in 2007 ................................................................................ 234 Abbildung 52: Markenfunnel der einzelnen Anbieter im deutschen Festnetztelefonmarkt..................................................................... 235 Abbildung 53: Performance der einzelnen Marken auf den Markenimagedimensionen im Marktvergleich in Deutschland in 2007...................................................................... 237 Abbildung 54: Ergebnisse der explorativen Faktorenanalyse der Markenimages......................................................................... 239 Abbildung 55: Ergebnisse der Faktorenanalyse hinsichtlich der Wichtigkeit für den Kauf ................................................................ 242 Abbildung 56: Prozentualer Erklärungsgehalt der einzelnen Wahlheuristiken in den fünf Samples...................................................................... 245 Abbildung 57: Wahrnehmungsraum des deutschen Festnetztelefonmarkt auf Basis der 18 Nutzendimensionen .......................................................... 250 Abbildung 58: Dendrogramm der Clusteranalyse anhand der Imagedaten nach der Single-Linkage Methode................................................................ 253 Abbildung 59: Dendrogramm der Clusteranalyse anhand der Imagedaten nach der WardMethode................................................................................ 254 Abbildung 60: Ermittelte Clusterzuordnung im Markt für Festnetztelefone in Deutschland .................................................................................. 255 Abbildung 61: Wahrnehmungsraum des deutschen Festnetztelefonmarktes auf Basis der ermittelten 4 Imagefaktoren..................................... 256

XX

Abbildungsverzeichnis

Abbildung 62: Prämissenerfüllung der vier Regressionsmodelle. ........................ 259 Abbildung 63: Einfluss der Imagefaktoren auf die Zufriedenheit der Nachfrager mit der gekauften Festnetztelefonmarke .................... 260 Abbildung 64: Einfluss der Imagefaktoren auf die Wiederkaufintention der Nachfrager im deutschen Festnetztelefonmarkt........................... 261 Abbildung 65: Einfluss der Imagefaktoren auf die Wiederkaufintention der Nachfrager im deutschen Festnetztelefonmarkt........................... 262 Abbildung 66: Lineares Regressionsmodell zur Ermittlung des Einflusses der Imagefaktoren auf die Markensympathie im deutschen Festnetztelefonmarkt..................................................................... 262 Abbildung 67: Empirisch erhobene Wichtigkeit der einzelnen Nutzendimensionen für den Kauf eines Festnetztelefons im deutschen Markt.............. 264 Abbildung 68: Szenario 1 Differenzierung über den Faktor Qualität .................... 265 Abbildung 69: Szenario 2 emotionale Differenzierung über die Faktoren Globalität und Emotionalität .......................................................... 268 Abbildung 70: Szenario 3 Differenzierung über die Faktoren Qualität, Globalität und Emotionalität ......................................................... 270 Abbildung 71: Durchschnittlich erhaltene Empfehlungen der Agenten je Marke .......................................................................... 272 Abbildung 72: Durchschnittlicher Empfehlungswert der Marken .......................... 273 Abbildung 73: Entwicklung des sozialen Attributes der Marken aus der strategischen Gruppe .................................................................... 274 Abbildung 74: Sensitivitätsanalyse des Einflusses der sozialen Interaktion im Zuge der Repositionierung von Marke 7.................................. 276 Abbildung 75: Sensitivitätsanalyse des Einflusses der sozialen Interaktion im Zuge der Repositionierung von Marke 6.................................. 277 Abbildung 76: Prozentuale Verteilung der Marken im Consideration-Set der Nachfrager im Festnetztelefonmarkt ............................................ 278 Abbildung 77: Sensitivitätsanalyse des Einflusses der sozialen Interaktion im Zuge der Repositionierung von Marke 5 ................ 279 Abbildung 78: Elbow-Kriterium bei der Linkage Methode..................................... 299

Abbildungsverzeichnis

XXI

Abbildung 79: Elbow-Kriterium bei der Ward Methode......................................... 300 Abbildung 80: Oberfläche des agentenbasierten Sinulationsmodells................... 306

Tabellenverzeichnis

XXIII

Tabellenverzeichnis Tabelle 1:

Verschiedene Definitionen auf Basis des instrumentell verkürzten Verständnisses der Positionierung. ............................... 20

Tabelle 2:

Definitionen des Begriffs Positionierung aus dem klassischen Positionierungsverständniss heraus................................................ 25

Tabelle 3:

Definitionen aus dem modernen holistischen Positionierungsverständnis heraus ................................................. 28

Tabelle 4:

Bewertungskriterien für die Beurteilung von Positionierungsmodellen ................................................................. 73

Tabelle 5:

Prognosemöglichkeiten auf Basis der Multidimensionalen Skalierung anhand ausgewählter Reaktionsgrößen........................ 80

Tabelle 6:

Vergleich unterschiedlicher Positionierungsmodelle auf Basis der MDS ................................................................................................ 82

Tabelle 7:

Bewertung von Positionierungsmodellen ........................................ 88

Tabelle 8:

Formalisierungen nicht-kompensatorischer Entscheidungsmodelle .................................................................... 98

Tabelle 9:

Auswahlregeln innerhalb conjointbasierter Simulations- bzw. Optimierungsmodelle .................................................................... 101

Tabelle 10:

Einfache Zielgrößen auf Basis der Conjointanalyse ...................... 102

Tabelle 11:

Unterschiedliche Zielvariablen auf Basis der Conjointanalyse. ..... 103

Tabelle 12:

Positionierungsmodelle auf Basis der Conjointanalyse ................. 104

Tabelle 13:

Vor- und Nachteile einzelner Methoden im Rahmen der Positionierungsanalys .................................................................. 120

Tabelle 14:

Definitionen künstlicher Intelligenz ................................................ 124

Tabelle 15:

Anwendungsgebiete von ............................................................... 138

Tabelle 16:

Zusammenfassender Vergleich unterschiedlicher Simulationstechniken .................................................................... 145

Tabelle 17:

Zusammenfassender Vergleich unterschiedlicher Simulationstechniken mit agentenbasierter Simulation ................. 150

Tabelle 18:

Agentenbasierte Studien, die explizit das Wahlverhalten der Agenten berücksichtigen ................................. 181

Tabelle 19:

Agentenbasierte Prognosemodelle. .............................................. 184

Tabelle 20:

Realisierte Stichprobenumfänge in den einzelnen Ländern .......... 195

XXIV

Tabellenverzeichnis

Tabelle 21:

Kontingenzanalyse zur Zugänglichkeitsüberprüfung der gebildeten Segmente .............................................................. 229

Tabelle 22:

Performance der einzelnen Marken auf den Markenimagedimensionen im Marktvergleich in Deutschland in 2007...................................................................... 236

Tabelle 23:

Werte für Cramers-V für die Heuristiken innerhalb der einzelnen Samples.................................................................. 246

Tabelle 24:

Prozentuale Erklärungsraten der Heuristiken auf Segmentebene Quelle:.................................................................. 247

Tabelle 25:

Distanzmatrix als Grundlage für die MDS-Analyse ....................... 249

Tabelle 26:

Simulationsergebnisse der Qualitätsstrategie Marke 7. ................ 266

Tabelle 27:

Simulationsergebnisse der emotionalen Differenzierung Marke 7 ................................................................ 269

Tabelle 28:

Simulationsergebnisse der Mischstrategie Marke 7 ...................... 271

Tabelle 29:

Ergebnisse der Arbeit.................................................................... 291

Tabelle 30:

Zuordnungsübersicht Linkage Methode ........................................ 299

Tabelle 31:

Zuordnungsübersicht Ward Methode ............................................ 300

Tabelle 32:

Rotierte Komponentenmatrix Image.............................................. 301

Tabelle 33:

Rotierte Komponentenmatrix Wichtigkeit für den Kauf. ................. 301

Tabelle 34:

Intergruppenvergleich der Segmente ............................................ 302

Tabelle 35:

Intergruppenvergleich der Segmente. ........................................... 303

Tabelle 36:

Intergruppenvergleich der Segmente ........................................... 304

Tabelle 37:

Intergruppenvergleich der Segmente ........................................... 305

XXV

Abkürzungsverzeichnis

Abkürzungsverzeichnis AMA

American Marketing Association

Aufl.

Auflage

B2B

Business to Business

B2C

Business to Consumer

Bd.

Band

bspw.

beispielsweise

bzw.

beziehungsweise

ca.

circa

c.p.

ceteris paribus

d. h.

das heißt

EBA

Eliminiation by aspects heuristic

EQW

Equal weight heuristic

et al.

Et alii, et alia, et alteri

etc.

et cetera

evtl.

eventuell

f. ff.

folgende, fortfolgende

ggf.

gegebenenfalls

Hrsg.

Herausgeber

i. d. R.

in der Regel

Jg.

Jahrgang

Kap.

Kapitel

KMO

Kaiser-Meyer-Olkin-Kriterium

LEX

Lexicographic heuristic

MCD

Majority of confirming dimensions heuristic

MDS

Multidimensionale Skalierung

o. V.

ohne Verfasser

Abkürzungsverzeichnis

XXVI

S.

Seite

SAT

Satisficing heuristic

sog.

so genannte

SPSS

Superior Performing Software System

u. a.

und andere, unter anderem

Verf.

Verfasser

vgl.

vergleiche

Vol.

Volume

WADD

Weighted additive heuristic

z. B.

zum Beispiel

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

1

A Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung 1

Identitätsbasierter Markenführungsansatz

1.1 Definition des Markenbegriffes Sowohl in der Wissenschaft als auch in der Praxis wird der Terminus „Marke“ auf vielfältige Art und Weise definiert. 1 Auf der Grundlage des identitätsbasierten Markenmanagements wird die Marke in Anlehnung an KELLER 2 als „ein Nutzenbündel mit spezifischen Merkmalen, die dafür sorgen, dass sich dieses Nutzenbündel gegenüber anderen Nutzenbündeln, welche dieselben Basisbedürfnisse erfüllen, aus Sicht relevanter Zielgruppen nachhaltig differenziert“ 3 definiert. Diese Definition rückt die Substanz der Marke in den Mittelpunkt, was von dem Markenverständnis im Markengesetz und der Definition der American Marketing Association (AMA) abweicht. In deren Definition stehen die Erscheinungsformen und Funktionen einer Marke im Mittelpunkt des Markenverständnisses.4 Das Nutzenbündel Marke setzt sich aus materiellen und immateriellen Komponenten zusammen. Das Konstrukt Marke bündelt einerseits funktionale Nutzenkomponenten und andererseits verschiedenartige Zeichen als symbolische Nutzenkomponenten. 5 Die funktionale Nutzenebene kann hierbei in funktional-utilitaristische- 6 und ökonomische 7 Nutzenkomponenten unterteilt werden. Das Bündel aus symbolischen Nutzen-

1

Vgl. hierzu BURMANN/MEFFERT/KOERS (2005), S. 5 f.

2

Vgl. KELLER (2003), S. 3 f.

3

Vgl. BURMANN/BLINDA/NITSCHKE (2003), S. 3.

4

Die American Marketing Association definiert Marke als: “A name, term, design, symbol, or any other feature that identifies one seller's good or service as distinct from those of other sellers. The legal term for brand is trademark. A brand may identify one item, a family of items, or all items of that seller. If used for the firm as a whole, the preferred term is trade name.” Vgl. AMA Dictionary (2008).

5

Vgl. MEFFERT/BURMANN/KIRCHGEORG (2008), S. 358.

6

Der funktional-utilitaristische Nutzen resultiert primär aus den physikalisch-technischen Attributen des Markenangebots und rekurriert innerhalb der Terminologie von VERSHOFEN auf den Grundnutzen. Vgl. VERSHOFEN (1950), S. 274.

7

Der ökonomische Nutzen spiegelt sich im Preis-Leistungsverhältnis der Marke sowie in den ökonomischen Konsequenzen für den Nachfrager wider. Vgl. MEFFERT/BURMANN/KIRCHGEORG (2008), S. 366.

2

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

komponenten umfasst neben den schutzfähigen Zeichen wie Namen, Logos, Jingles, Herkunftsbezeichnungen etc. auch nicht schutzfähige Zeichen, die den Auftritt und das Wesen der Marke charakterisieren. Darüber hinaus umfasst die symbolische Nutzenebene eine soziale- 8, eine sinnlich-ästhetische 9 und eine hedonistische 10 Nutzenkomponente. Die symbolischen und funktionalen Nutzenkomponenten einer Marke tragen in unterschiedlicher Weise zur nachhaltigen Differenzierung einer Marke bei. Das Ausmaß und die Nachhaltigkeit der Differenzierung sind immer dann besonders groß bzw. lange andauernd, wenn sich möglichst viele der angeführten Nutzenkategorien von den Konkurrenzmarken unterscheiden. Das gesamte Nutzenbündel sendet dabei unternehmensextern und -intern wahrnehmbare Signale aus, die sich im „Brand Commitment“ 11 der internen Zielgruppen sowie im Markenimage der externen Zielgruppen widerspiegeln. 1.2 Grundkonzept der identitätsbasierten Markenführung Ausgangspunkt der identitätsbasierten Markenführung ist die Markenidentität. Etymologisch rührt der Begriff Identität vom lateinischen Wort „idem“ her, welches „dasselbe“ bedeutet. Der Begriff beschreibt ursprünglich die „vollständige Übereinstimmung in allen Einzelheiten“. 12 Da ein Individuum nur in einem theoretisch sehr kurzen Zeitraum mit sich selbst übereinstimmt, herrscht in der Sozialwissenschaft ein abgemilderter Identitätsbegriff vor. Dieser beruht auf einer relativen Konstanz von Einstellungen und Verhaltenszielen des zu betrachtenden Individuums. 13 Identität kann im soziologischen Sinne demnach auch als „eine sich ihrer selbst bewussten Einheit verstanden werden“. 14 Wichtig in diesem Zusammenhang ist die Trennung von essen-

8

Die soziale Nutzenkomponente umfasst Gruppenzugehörigkeit, externe Wertschätzung und Selbstdarstellung des Nachfragers und kann somit als extrinsisch bezeichnet werden. Vgl. BÄNSCH (2002), S. 246 ff. Diese Nutzendimension kann auch als Geltungsnutzen bezeichnet werden.

9

Die sinnlich ästhetische Nutzenkategorie umfasst alle ästhetischen Eigenschaften der Marke z.B. Schönheit, Akustik, Haptik, Geschmack, Geruch etc. Vgl. MEFFERT/BURMANN/KIRCHGEORG (2008), S. 366.

10

Die intrinsisch motivierte hedonistische Nutzenkategorie umfasst die individuellen und persönlichkeitsbezogenen Prozesse des Nachfragers. TROMMSDORFF (2004), S. 129 ff.

11

Brand Commitment wird als das Ausmaß der psychologischen Verbundenheit eines Mitarbeiters mit der Marke definiert. Vgl. ZEPLIN (2006), S. 85.

12

Vgl. FRÖHLICH/DREVER (1978), S. 168.

13

Vgl. SCHMIDT/SCHISCHKOFF (1991), S. 294.

14

Vgl. KROEHL (2000), S. 21.

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

3

tiellen und akzidentiellen Eigenschaften, die schon von Aristoteles vorgenommen wurde. 15 Essentielle Kernelemente verleihen der Identität Konstanz und durch die akzidentiellen peripheren Elemente wird Flexibilität ermöglicht. Die Identitätsentwicklung kann somit aus psychosozialer Sicht als ein lebenslang andauernder Wechselwirkungsprozess zwischen Individuum und Gesellschaft verstanden werden. 16 Überträgt man diese Erkenntnisse auf die Markenführung, so können vier konstitutive Merkmale der Identität von Marken identifiziert werden: ƒ

Die Wechselseitigkeit kennzeichnet den Tatbestand, dass sich die Markenidentität nur durch Interaktion mit ihrer Umwelt konstituieren kann.

ƒ

Das Merkmal der Kontinuität kennzeichnet die Beibehaltung wesentlicher Merkmale der Markenidentität im Zeitablauf.

ƒ

Das Identitätsmerkmal der Konsistenz bezieht sich im Gegensatz zur Kontinuität nicht auf einen Zeitraum, sondern auf die Widerspruchsfreiheit zu einem Zeitpunkt.

ƒ

Das Identitätsmerkmal der Individualität beschreibt schließlich die Einmaligkeit einer Marke und setzt somit eine Differenzierung zum Wettbewerb voraus.

Das Merkmal der Wechselseitigkeit kann bei einer marktorientierten Führung der Marke im Sinne von Aufnahme und Verarbeitung von Marktreaktionen als unumgänglich bezeichnet werden. 17 Kontinuität (langfristige Orientierung) und Konsistenz (zeitpunktbezogene Widerspruchsfreiheit) innerhalb der Markenführung stellen die größten Herausforderungen innerhalb eines erfolgreichen Positionierungsmanagements dar. 18 Die strategische Sichtweise bezieht sich auf die zukünftigen Entwicklungen der Marke bspw. in Bezug auf eine Erweiterung des Leistungsspektrums. Operative Herausforderungen setzen sich aus der Kommunikation (Logos, Slogans etc.) und dem Verhalten der Mitarbeiter im Kundenkontakt zusammen. Kontinuität und Konsistenz sind die beiden zentralen Markenmerkmale für diese Arbeit, da sie bei Repositionierungsentscheidungen die zentralen Erfolgsfaktoren darstellen. Eine Gefahr für die Kontinuität innerhalb der Markenführung ist der „Markenaktionismus“ auf Basis unvollkommener Marktdaten und der Missinterpretation zukünftiger Ent-

15

Vgl. LEVITA (2002), S. 42.

16

Vgl. GUGUTZER (2002), S. 22.

17

Vgl. DAY (1994); HOMBURG/KROHMER (2006), S. 1318 f.

18

Vgl. KELLER (2008), S. 98 ff.

4

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

wicklungen. 19 So genannte ad-hoc Entscheidungen und Diskontinuitäten schaden der Identität einer Marke nachhaltig.20 Markenidentität im Sinne der identitätsbasierten Markenführung kann als: „diejenigen raum-zeitlich gleichartigen Merkmale der Marke, die aus Sicht der internen Zielgruppen in nachhaltiger Weise den Charakter der Marke prägen“ definiert werden. 21 Das Aussagenkonzept der Markenidentität dient im engeren Sinne als Basis für das Selbstverständnis der Marke und das Verhalten der markenführenden Institution. Sie kann auf Basis verhaltenswissenschaftlicher Erkenntnisse in sechs konstitutive Komponenten zerlegt werden, die bei der Ausgestaltung eine zentrale Rolle spielen: Markenherkunft, Markenführungskompetenzen, Markenwerte, Markenpersönlichkeit, Markenvision und Markenleistungen. 22 Das Fundament der Markenidentität ist die Markenherkunft („Woher kommen wir?“). Die Markenherkunft ist für die Markenführung von hoher Relevanz, da eine Marke von den internen und externen Zielgruppen zunächst im Kontext ihrer „Wurzeln“, d. h. ihres Ursprungs wahrgenommen und interpretiert wird. Im Unterschied zur Markenhistorie greift die Markenherkunft einzelne Facetten der Markengeschichte heraus und betont diese in besonderer Weise. Aus diesem Grund kann die Markenherkunft im Gegensatz zur Markenhistorie als eine langfristig dynamisch gestaltbare Identitätskomponente bezeichnet werden. Die Markenherkunft umfasst „die Gesamtheit aller geographischen, kulturellen und institutionellen Einflüsse, die festlegen, von wo, wem oder was eine Marke entstammt“ 23. Durch die richtige Akzentuierung bestimmter Elemente der Markenherkunft kann allen weiteren Aktivitäten des Markenmanagements ein hohes Maß an Glaubwürdigkeit und Authentizität verliehen werden. 24 Die Markenvision („Wohin wollen wir?“) stellt eine Motivations- und Inspirationsquelle dar, die die zukünftige Entwicklung einer Marke für die internen Bezugsgruppen

19

Vgl. JENNER (1999a), S. 24.

20

Vgl. BURMANN/MEFFERT (2005a), S. 84.

21

Vgl. BURMANN/MEFFERT (2005b) S. 49.

22

Vgl. BURMANN/BLINDA/NITSCHKE (2003), S. 17.

23

Vgl. BLINDA (2007), S. 104.

24

Vgl. BURMANN/SCHALLEHN (2008), S. 72 f.

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

5

erfassbar macht. 25 Sie dient der Sicherstellung eines unternehmensweiten, mit den Markenzielen konformen Handelns. 26 Markenkompetenzen („Was können wir?“) geben der Markenidentität, ähnlich wie die Herkunft, Substanz und Authentizität. Sie repräsentieren die organisationalen Fähigkeiten eines Unternehmens zur marktgerechten Kombination von Ressourcen. 27 Sie dienen in erster Linie der Erschaffung und Sicherung eines überlegenen Kundennutzens durch die Marke. 28 Die symbolisch-emotionalen Nutzenkomponenten einer Marke werden primär durch Markenwerte („Woran glauben wir?“) und die Markenpersönlichkeit („Wie treten wir auf?“) verkörpert. Markenwerte beinhalten dabei die auf einige wichtige Aussagen reduzierten Grundüberzeugungen, Werte und Normen des Managements und der Mitarbeiter einer Marke. Sie beeinflussen insbesondere die Authentizität einer Marke, wenn sie von den Mitarbeitern einer Marke überzeugend „gelebt“ werden. 29 Darüber hinaus dienen sie einer Emotionalisierung des Kundennutzens. 30 Die Markenpersönlichkeit findet ihren Ausdruck im verbalen und nonverbalen Kommunikationsstil einer Marke. Prägende Faktoren des markenspezifischen Kommunikationsstils sind die Repräsentanten sowie die Herkunft einer Marke. 31 Die Markenleistungen („Was tun wir?“) repräsentieren die grundsätzliche Form und Ausstattung der Produkte und Dienstleistungen eines Unternehmens. Dies erstreckt sich von der technisch-qualitativen Ausgestaltung bis hin zur visuellen Aufbereitung und Emotionalisierung des Auftritts im Markt. Die Markenleistungen basieren vor allem auf den drei Komponenten Markenkompetenzen, Markenwerte und Markenpersönlichkeit. Die grundsätzliche Art der Markenleistungen determiniert, wie eine Marke für den Nachfrager nutzbar wird. Im weiteren Sinne kann die Markenidentität als Führungskonzept verstanden werden, welches die Grundlage für die Ausgestaltung der Interaktionsbeziehungen zwischen internen und externen Zielgruppen darstellt. Die zwei Interaktionsebenen um-

25

Vgl. BLINDA (2007), S.105.

26

Vgl. BURMANN/BLINDA/NITSCHKE (2003) S. 21.

27

Vergleiche zu Markenkompetenzen insbesondere B LINDA (2007).

28

Vgl. MEFFERT/BURMANN (2002) S. 60.

29

Vgl. BURMANN/SCHALLEHN (2008), S. 56.

30

Vgl. MOSER (2003) S. 11 f.

31

Vgl. MEFFERT/BURMANN (2002) S. 63 f.

6

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

fassen das Markennutzenversprechen (Kommunikation nach Außen) und das Markenverhalten (Verhalten der Mitarbeiter gegenüber den Nachfragern). Als Grundlage für das Markennutzenversprechen dienen die einzelnen Identitätskomponenten. Sie werden im Rahmen des Markennutzenversprechens zu symbolischen und funktionalen Nutzen synthetisiert. Dem kommunizierten Markennutzen stehen auf Seiten der Nachfrager die Markenerwartungen gegenüber. 32 Wird das Markennutzenversprechen gleichzeitig über das Markenverhalten konsistent an allen Kundenkontaktpunkten eingelöst (Markenerlebnis 33), entsprechen die Markenerwartungen dem Markennutzenversprechen. Die Markenerwartungen, Markenerlebnisse und das Markenimage auf Seiten der Nachfrager werden als Marktwirkungskonzept bezeichnet. 34 Das Markenimage kann somit als Fremdbild der Markenidentität bezeichnet werden. Beim Markenimage handelt es sich um ein mehrdimensionales Einstellungskonstrukt 35, welches „ein in der Psyche relevanter externer Zielgruppen fest verankertes, verdichtetes, wertendes Vorstellungsbild von einer Marke“ repräsentiert. 36 Grundvoraussetzung für die Bildung eines Markenimages bei den externen Zielgruppen ist die Bekanntheit der Marke. Das Markenimage lässt sich in drei Komponenten unterteilen: Markenattribute, Markenpersönlichkeit und Markennutzen. 37

Die Markenpersönlichkeit innerhalb des Markenimages gibt die menschlichen Eigenschaften wider, die der Nachfrager mit der Marke assoziiert. Sie können sozio-

32

Der Begriff Markenerwartung kann unterschiedliche Ausprägungen annehmen. Der Begriff Erwartung kann zum einen die Annahme eines Nachfragers darüber wie sich die Marke verhalten wird, beschreiben. Vgl. CHURCHILL/SURPRENANT (1982), S. 491 ff.; BOULDING ET AL. (1993), S. 7 ff. und PARASURAMAN/BERRY/ZEITHAML (1991). Diese Form der Erwartung wird auch als antizipatorische Erwartung bezeichnet. In der Marketing Literatur werden Erwartungen zum anderen auch als Benchmarks zur Zufriedenheitsbeurteilung herangezogen. Vgl. CHURCHILL/SURPRENANT (1982) , S. 491 ff.; CADOTTE/WOODRUFF/JENKINS (1987), S. 305 ff. Bei der Bildung von Erwartungen gegenüber einer Marke können zwei Formen unterschieden werden. Eine adaptive Erwartung bildet der Nachfrager auf Basis seiner bisherigen Erfahrungen mit der Marke. Eine rationale Erwartung hingegen bildet der Nachfrager unter Einbezug aller verfügbaren Informationen. Vgl. ZEITHAML/BERRY/PARASURAMAN (1993), S. 1 ff. TSE/WILTON P C. (1988a), S. 204 ff. Allgemein kann der Begriff der Markenerwartung mit seinen unterschiedlichen Ausprägungen an den Begriff der Kundenerwartung angelehnt werden und als: „Das Kennzeichnen eines psychologischen Zustandes des Nachfragers, der sich auf zukünftige Verhaltenskonsequenzen für ihn bezieht“ definiert werden. Vgl. TSE/WILTON P C. (1988b), S.432.

33

Das Markenerlebnis umfasst sämtliche Berührungspunkte der Nachfrager mit der Marke. Vgl. BURMANN/MEFFERT/FEDDERSEN (2007), S. 12.

34

Vgl. MEFFERT/BURMANN/KIRCHGEORG (2008), S. 360.

35

Vgl. hierzu ausführlich TROMMSDORFF (2004).

36

Vgl. MEFFERT/BURMANN (2002), S. 53.

37

Vgl. BURMANN/STOLLE (2007).

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

7

demografischer und sozialer Natur sein oder Lebensstilkomponenten umfassen. Diese menschlichen Eigenschaften, die von der externen Zielgruppe mit der Marke assoziiert werden, können zu einer Stärkung der Marke-Kunden-Beziehung beitragen. 38 Markenattribute symbolisieren das subjektive Wissen des jeweiligen Nachfragers über die Marke. Sie beinhalten sämtliche Eigenschaften der Marke wie Herkunft, Preisstellung, typische Verwender etc. Die wahrgenommene Markenpersönlichkeit und die Markenattribute wirken auf den assoziierten Markennutzen ein. 39 Die funktionalen Nutzendimensionen werden aus den technisch-physikalischen Eigenschaften der Marke sowie ihrer Informations- und Vertrauensfunktion gespeist. Der Nachfrager nutzt die Marke als „information chunk“, um einerseits die Komplexität des Marktangebotes zu verringern und andererseits die Transaktionskosten zu mindern. Symbolische Nutzenassoziationen hingegen lassen sich nicht direkt aus den Markenleistungen und deren objektiv-technischer Beschaffenheit ableiten. Durch die emotionale Komponente kann die Marke symbolhaft für wichtige Motivatoren des Verhaltens der Nachfrager stehen. Dies umfasst bspw. die Marke als Mittel zur Generierung von Beziehungsvorteilen, die Marke als Sinnbild wichtiger Werte oder Lebensstile oder die Verknüpfung der Marke mit individuellen Erlebnissen und Erinnerungen. Dieser Zusatznutzen ist nach zahlreichen empirischen Untersuchungen als sehr wichtig für die Erklärung des Kaufverhaltens einzustufen und macht es möglich, der Marke einen emotionalen Mehrwert zu geben. 40 Der Zusammenhang zwischen den beschriebenen Komponenten wird in Abbildung 1 dargestellt.

38

Vgl. BURMANN/STOLLE (2007), S. 47 ff.

39

Dieser Wirkungszusammenhang basiert auf der Means-End-Theorie. Vgl. MEFFERT/BURMANN/ KIRCHGEORG (2008), S. 365.

40

FREUNDT (2006).

8

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

Führungskonzept: Markenidentität

Marktwirkungskonzept: Markenimage

Vision

Markenpersönlichkeit Markennutzenversprechen

Werte

Leistungen

Persönlichkeit

Kompetenzen önnen wir ?

Erwartungen an die Marke

Marke-KundeBeziehung Markenverhalten

Funktionale und symbolische Markennutzenassoziationen

Markenerlebnis Markenattribute

Herkunft

Markenbekanntheit

Abbildung 1: Grundkonzept der identitätsbasierten Markenführung Quelle: BURMANN/MEFFERT/FEDDERSEN (2007), S.4.

Die Übereinstimmung von Markenverhalten und Markennutzenversprechen erhöht ebenfalls, wie der Fit der einzelnen Identitätskomponenten zueinander, die Glaubwürdigkeit der Marke. 41 Diese verbesserte Glaubwürdigkeit führt in der Regel zu einer Erhöhung des Vertrauens in die Marke auf Seiten der Nachfrager. 42 Um dies gewährleisten zu können, muss die Markenidentität klar und konsistent ausgestaltet sein, um als Bezugspunkt für das Markennutzenversprechen und das Markenverhalten dienen zu können. 1.3 Zusammenhang zwischen Markenidentität und Markenimage Ziel der identitätsbasierten Markenführung ist die Schaffung und Umsetzung einer für die Nachfrager relevanten und nutzenstiftenden Markenidentität. Die zeitpunkt- sowie zeitraumbezogene (Konsistenz und Kontinuität) Stimmigkeit des Markennutzenversprechens und des Markenverhaltens determinieren innerhalb dieses Prozesses die Glaubwürdigkeit und das Vertrauen in die Marke und darauf aufbauend den ökonomischen Erfolg. Im Rahmen des Interaktionsprozesses zwischen Markenidentität und

41

Vgl. BURMANN/MEFFERT/FEDDERSEN (2007), S. 11.

42

Vgl. MALONEY (2008), S. 66 ff.

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

9

–image nimmt die Positionierung eine wichtige Stellung ein, die im Folgenden näher erläutert werden soll. Die Soll-Identität 43 einer Marke bildet die Grundlage für das Markennutzenversprechen. 44 Das Markennutzenversprechen dient der Abgrenzung der Marke von Konkurrenzmarken und stellt die marktseitige Umsetzung der Markenidentität in Form des Soll-Akzeptanzkonzeptes dar. 45 KELLER beschreibt diesen Vorgang als: „…a position is the part of the brand identity that is actively communicated.” 46 Innerhalb der identitätsbasierten Markenführung, wird jedoch die Positionierung über alle Marketing-Mix Instrumente transportiert, nicht ausschließlich über die Kommunikation. 47 Die Wirkungsgröße der Kommunikation stellt auf der externen Seite das Markenimage dar, es zeigt an, ob die intendierte Positionierung erfolgreich umgesetzt worden ist oder nicht (vgl. Abbildung 2).

Markenpositionierung Zielvorgabe

Markennutzenversprechen

Kommunikation Distribution

SollIdentität

Preis Zielvorgabe

Markenimage

Produkt

Markenverhalten

Feedback

Abbildung 2: Zusammenhang zwischen Identität und Image im Hinblick auf die externe Perspektive Quelle: Eigene Darstellung.

43

Unter einer Soll-Identität wird die intendierte konzeptionell planerische Markenidentität verstanden, welche das Idealbild darstellt. Vgl. BURMANN/MEFFERT/FEDDERSEN (2007), S. 11.

44

Vgl. ESCH (2007), S. 90; AAKER/JOACHIMSTHALER (2000), S. 27.; KELLER (2008), S. 671.

45

Vgl. WELLING (2003), S. 44.

46

Vgl. KELLER (2008), S. 671.

47

Vgl. BURMANN/MEFFERT (2005a), S. 86 ff.

10

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

Gleichzeitig dient das Markennutzenversprechen als Grundlage für das Markenverhalten. Das Markenverhalten ist die Einlösung des Markennutzenversprechens gegenüber der externen Zielgruppe und schließt sämtliche Marketing-Mix Elemente ein. Wenn dies der Fall ist, ist der Auftritt der Marke als glaubwürdig zu bewerten, was auf Seiten der Nachfrager zu Vertrauen in die Marke führt. 48 Dies zeigt, dass die Markenpositionierung innerhalb der identitätsbasierten Markenführung nicht nur die Basis für die strategische Ausrichtung gegenüber den Nachfragern bildet, sondern auch einen erheblichen Teil zur innengerichteten Führung der Marke beiträgt. Dies resultiert aus ihrer Rolle als Verhaltensgrundlage für alle Mitarbeiter. Dementsprechend ist die Wirkungsgröße der internen Kommunikation das Brand Commitment. 49 Die Wirkung der Positionierung als Grundlage für das Markenverhalten wird im Rahmen dieser Untersuchung nicht weiter thematisiert, da der Forschungsbereich der innengerichteten Markenführung bei der Simulation von Positionierungsstrategien nicht relevant ist. Im Fortgang der Untersuchung wird demnach nur die marktgerichtete Wirkung der Positionierung betrachtet. Hierbei wird insbesondere der Fokus auf die Antizipation der Auswirkungen einer Modifikation des marktgerichteten Auftritts der Marke gelegt. Die Untersuchung dieses Forschungsbereiches besitzt eine sehr hohe strategische Relevanz im Rahmen der marktorientierten Unternehmensführung. Sie dient zum einen der Sicherung von Kontinuität und der Effizienz identitätsbasierter Markenführung. Durch die Antizipation strategischer Auswirkungen können „Sunk Costs“ der Markenführung in schwierigen Wettbewerbsumfeldern vermindert werden. 2

Die Simulation von Markenrepositionierungen als Herausforderung an die Markenführung

2.1 Relevanz der Simulation von Markenrepositionierungen Die erfolgreiche Führung von Marken stellt Unternehmen angesichts zunehmender Komplexität und Dynamik des Marktumfeldes vor immer neue Herausforderungen. Insbesondere innerhalb gesättigter Märkte ist die Wahl der richtigen Marktbearbeitungsstrategie Grundlage für nachhaltigen Markenerfolg. 50 Bei der Festlegung von Marktbearbeitungsstrategien ist nicht nur der Einbezug möglicher Wettbewerberreak-

48

Vgl. MALONEY (2008), S. 66.

49

Vgl. ZEPLIN (2006), S. 111 ff.

50

Die Strategieebene der Marktbearbeitung beschäftigt sich mit der Art und Weise der Marktbeeinflussung und –steuerung im Sinne definierter Markenziele. Vgl. MEFFERT/BURMANN/KIRCHGEORG (2008), S. 295.

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

11

tionen in das Entscheidungskalkül notwendig, sondern speziell das Nachfragerverhalten. Durch die ständige Zunahme der Produkthomogenität steigt der Verdrängungswettbewerb innerhalb der Märkte stark an. 51 Die Notwendigkeit einer klaren, differenzierenden, präferenzbildenden Positionierung, um nachhaltige Wettbewerbsvorteile zu generieren, rückt daher immer stärker in den Fokus unternehmerischen Handelns und dient als Grundlage der Markenstrategie. 52 Positionierung dient demnach der Erreichung einer dominierenden Stellung innerhalb der Psyche der Nachfrager und umfasst neben Differenzierungs- auch Segmentierungsentscheidungen. 53 Die zunehmende Marktkomplexität 54 ist gekennzeichnet durch eine Vielzahl ökonomischer, technologischer, ökologischer, soziokultureller und politisch-rechtlicher Einflüsse sowie durch eine große Anzahl vielfältiger Anspruchsgruppen und Austauschbeziehungen. 55 Im Rahmen von Positionierungs- bzw. Repositionierungsentscheidungen ist die Nachfragekomplexität diesbezüglich ein wichtiger Treiber. 56 Nachfragekomplexität beinhaltet die Individualisierung einzelner Märkte. Dies zwingt Unternehmen, ihre Zielmärkte zunehmend zu fragmentieren, um die kleiner werdenden Zielgruppen zu erreichen. 57 Solch eine Entwicklung kann als die Degeneration bisher stabiler Gruppen von Nachfragern in schwerer fassbare Untergruppen beschrieben werden. 58 Hinzu kommt die zunehmende Heterogenisierung der Be-

51

Vgl. BAUER (1988), S. 1053 f.

52

Vgl. KELLER (2008), S. 98.

53

Vgl. MEFFERT/BURMANN/KIRCHGEORG (2008), S. 371.

54

Der Begriff „komplex“ stammt aus dem lateinischen und bedeutet soviel wie Zusammengefasstes oder Gesamtes. EBELING/FREUND/SCHWEITZER (1998) definieren komplex als (aus vielen Teilen zusammengesetzte) ganzheitliche Strukturen, die durch viele (hierarchisch geordnete) Relationen bzw. Operationen miteinander verknüpft sind. Vgl. EBELING/FREUND/SCHWEITZER (1998), S. 18. Eine weitere Definition gibt BANDTE (2007): „Komplexität bzw. komplex – in Abgrenzung zu einfach und kompliziert – beschreibt ein nicht zerlegbares, am Rand des Chaos befindliches System, welches in bestimmten (System-) Bereichen kohärente, regelgeleitete und rekursive Verhaltensmuster aufzeigt, in einer Zeitspanne eine große Zahl von verschiedenen Zuständen annehmen kann, und dessen Beschreibung abhängig vom Beobachter ist.“ Vgl. BANDTE (2007), S. 78. Schon Anfang der 90er Jahre bestanden über 30 Definitionen des Begriffs Komplexität. Im Rahmen dieser Arbeit soll der Definition von BLISS (2000) gefolgt werden, der im Rahmen seiner Arbeit Komplexität als: „Zusammentreffen einer a) strukturellen Vielschichtigkeit, resultierend aus Anzahl und Heterogenität der Variablen (Elementkomplexität) und deren Verknüpfung (Relationenkomplexität), sowie einer b) dynamischen Veränderlichkeit der Beziehungen der Systemelemente untereinander (dynamische Komplexität)“ definiert. Vgl. BLISS (2000), S. 127.

55

Vgl. MEFFERT/BURMANN/KIRCHGEORG (2008), S. 848.

56

Dies ist darauf zurückzuführen, dass eine hohe Anzahl heterogener Kunden (Kundenstrukturkomplexität) die Repositionierung einer Marke erschweren kann. Vgl. W IND (1990), S. 404 ff.

57

Vgl. BLISS (2000), S. 5.

58

Vgl. BLISS (2000), S. 51.

12

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

dürfnisstrukturen von Nachfragern. Dies führt dazu, dass die Marktsegmente, welche mit einem einheitlichen Marketing-Mix angesprochen werden können, immer kleiner werden. 59 Darüber hinaus ist es zunehmend schwieriger, mögliche Referenzgruppen zu identifizieren und zu beschreiben, da immer häufiger Inkonsistenzen innerhalb des Verbraucherverhaltens auftreten. Verbraucher, die ein solches Verhalten zeigen, können als „hybrider Nachfrager“, „multioptionaler Nachfrager“ oder „multidimensionaler Nachfrager“ bezeichnet werden. 60 Dies führt auf Seiten der markenführenden Institution zu einer enormen Steigerung der Komplexität im Rahmen von Positionierungsentscheidungen, da zunehmend individualisierte Leistungen angeboten werden müssen und Standardleistungen nicht mehr ausreichen. 61 Die marktseitige Dynamik ist ebenfalls auf eine Vielzahl von Ursachen zurückzuführen. Der schnelle technologische Fortschritt und die Verkürzung von Lebenszyklen induzieren innerhalb der Märkte Diskontinuitäten und Turbulenzen. 62 Dies führt zu einer Instabilität der Marktverhältnisse und einer schnellen Veränderung von Wettbewerberpositionen. Hinzu kommen die Deregulierung bisher stabiler Märkte, eine wachsende weltweite Vernetzung und ein Verschwimmen der Unternehmensgrenzen. 63 Innerhalb dieses Umfeldes ist es heutzutage viel schwieriger für eine Marke, sich über einen langen Zeitraum vom Wettbewerb zu differenzieren und relevant für das Kaufverhalten der Nachfrager zu bleiben. 64 Im Rahmen der Marketingforschung 65 wird Positionierung häufig als „Königsdisziplin“ bezeichnet. Die Entscheidung, welche Nutzendimensionen 66 ins Zentrum der Positionierung gestellt werden, ist in wettbewerbsintensiven Märkten mit zunehmender Angebotshomogenisierung elementar für den nachhaltigen Markenerfolg. Dies betrifft

59

Vgl. BLISS (2000), S. 52.

60

Vgl. LIEBMANN (1996), S. 40 f.; MEFFERT/BURMANN/KIRCHGEORG (2008), S. 855.

61

Vgl. MÜHLBACHER/DREHER/GABRIEL-RITTER (1996), S. 205; BLISS (2000a) bezeichnet diese Form der Komplexität als endogene Komplexität, welche als Determinante der beschriebenen und zuvor definierten Marktkomplexität beschrieben werden kann, welche die Kundenstrukturkomplexität, Programmkomplexität und die Produktkomplexität umfasst. Vgl. BLISS (2000a), S. 6.

62

Vgl. DAVIS (2000); KELLER/STERNTHAL/TYBOUT (2002), S. 80.

63

Vgl. MEFFERT/BURMANN/KIRCHGEORG (2008), S. 854.

64

Vgl. AAKER (2001), AAKER/JOACHIMSTHALER (2001), HOOLEY ET AL. (2001), KELLER (2008).

65

Marketingforschung umfasst die Gewinnung, Auswertung und Interpretation von Informationen über jetzige und zukünftige Marketingsituationen und Marketingentscheidungen eines Unternehmens. Vgl. MEFFERT/BURMANN/KIRCHGEORG (2008), S. 93.

66

Das Image einer Marke setzt sich aus den Markenattributen, dem aus diesen Merkmalen abgeleiteten funktionalen und symbolischen Nutzen der Marke für den jeweiligen Nachfrager zusammen. Vgl. BURMANN/MEFFERT (2005b), S. 54 ff. sowie MEFFERT/BURMANN/KIRCHGEORG (2008), S. 364.

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

13

nicht nur die Etablierung einer Position für eine neue Marke, sondern ebenfalls Repositionierungsentscheidungen bereits etablierter Marken. Innerhalb der wirtschaftswissenschaftlichen Forschung werden Repositionierungsentscheidungen schon seit den 70er Jahren im Rahmen von Positionierungskonzepten behandelt. 67 In jüngerer Vergangenheit jedoch kristallisierten sich verschiedene eigenständige strategische Ansätze zum Management von Markenrepositionierungen heraus. 68 Im Rahmen dieser Ansätze werden insbesondere die Konsistenz und Kontinuität innerhalb der Markenführung hervorgehoben, die ein wichtiger Bestandteil von Repositionierungsstrategien sind. 69 Dies betrifft in besonderem Maße die Entwicklung der Nutzendimensionen, die im Fokus der Positionierung stehen. Die Auswahl der richtigen Nutzendimensionen, die Antizipation von Wettbewerberstrategien sowie die Gradwanderung zwischen Kontinuität und Aktualität können innerhalb des skizzierten Marktumfeldes als kritische Erfolgsfaktoren für Markenrepositionierungen bezeichnet werden. 70 Ein positives Beispiel für eine erfolgreiche Repositionierung stellt die Marke Jägermeister dar, die es geschafft hat, durch eine Markenverjüngung ihren Umsatz von 182 Mill. Euro (1998) auf 312 Mill. (2006) zu steigern. Die Marke Camel kann hingegen als Negativbeispiel herangezogen werden. Eine Folge von misslungenen Repositionierungen innerhalb der letzten zwanzig Jahre führte zu einem Marktanteilsverlust von über 10% im deutschen Markt.71 Markenführung bewegt sich zwischen dem Aufbau einer klaren Markenpositionierung und der Anpassung an neue Bedingungen. 72 Im Regelfall werden Repositionierunsentscheidungen von den Unternehmen unter Unsicherheit getroffen. 73 Unsicherheit bedeutet in diesem Zusammenhang, dass keine eindeutigen Vorgaben oder Handlungsempfehlungen auf Basis vorliegender Informationen abgeleitet werden kön-

67

Vgl. SHOCKER/SRINIVASAN (1974); URBAN (1975); HUBER/ HOLBROCK (1979); WIND (1990), S. 387 ff.

68

Aktuelle Untersuchungen zum Re-Branding von Unternehmen sind bspw. Von MUZELLEC/LAMBKIN (2006); GOTSI/ANDRIOPOULOS (2007); DALY/MOLONEY (2004) durchgeführt worden. Erste konzeptionelle Studien zur notwendigen Ressourcenausstattung für die Repositionierung einer Marke sind bspw. von YAKIMOVA/BEVERLAND (2005); KELLER (1999); RYAN ET AL. (2007); BEVERLAND/EWING (2005) durchgeführt worden.

69

Vgl. KELLER (1999); YAKIMOVA/BEVERLAND (2005).

70

Vgl. JENNER (1999a) S. 22.

71

Vgl. HEIDE (2008), S. 130.

72

Vgl. JENNER (1999b), S. 150 f.

73

Vgl. JENNER (1999a), S. 24.

14

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

nen. 74 Für diesen Zweck wurden in der Vergangenheit zahlreiche auf multivariaten Analysemethoden beruhende Simulationsmodelle entwickelt, die auf Basis von Präferenzurteilen das Nachfragerverhalten prognostizieren und die Unsicherheit im Rahmen von Strategischen Entscheidungen minimieren sollen. 2.2 Ansätze zur Modellierung von Markenrepositionierungen Im Rahmen der Simulation von Positionierungsstrategien wird in der Forschung auf zwei große Verfahrensfamilien aus der multivariaten Statistik zurückgegriffen. 75 Die sogenannten Raummodelle innerhalb der Positionierungsforschung basieren auf Verfahren der Multidimensionalen Skalierung (MDS). 76 Ein großer Vorteil dieser Verfahren ist die Darstellung der relevanten Marken und Nachfrager innerhalb eines Wahrnehmungsraumes. 77 Der Wahrnehmungsraum dient daraufhin als Grundlage für die Simulation der Auswirkungen einzelner Positionierungsstrategien. Zielgrößen der Modelle sind zukünftige Marktanteile oder der zukünftige Gewinn, der mit einer Markenrepositionierung erzielt werden kann. 78 MDS Modelle orientieren sich an den Idealvorstellungen der Nachfrager und versuchen, die Distanz zwischen der derzeitigen Markenposition und der Idealposition im Markt zu minimieren. 79 Je geringer die Real-Ideal-Distanz ist, desto größer wird die Markenwahlwahrscheinlichkeit der Nachfrager. 80 MDS Modelle werden vorwiegend zur Analyse der Ist-Positionierung sowie zur Identifizierung von Positionierungslücken herangezogen. 81

74

Vgl. MERRY (1995), S.6.

75

Vgl. WIND (1990), S. 396.

76

Die Multidimensionale Skalierung ist ein Verfahren zur Erfassung der subjektiven Wahrnehmung von Objekten durch Personen. Grundannahme dieser Verfahrensfamilie ist es, dass jedes Objekt eine Position innerhalb eines mehrdimensionalen Wahrnehmungsraums jeder Person inne hat. Vgl. BACKHAUS ET AL. (2006), S. 620.

77

Ein Wahrnehmungsraum (perceptual space) stellt die Perzeptionen der Nachfrager von Marken oder Produkten in einem zwei- bzw. dreidimensionalen Raum dar. Vgl. GREEN (1975), S. 24 f.; CARROL/GREEN (1997), S. 193 f.

78

SHOCKER/SRINIVASAN (1974); BACHEM/SIMON (1979); HORSKY/NELSON (1992).

79

Vgl. FRETER (2008), S. 86.

80

Vgl. SHOCKER/SRINIVASAN (1974); BROCKHOFF (1978) S. 257 ff.

81

Ein Modell ist bspw. Image Planer von A. C. Nielsen, der auf Basis der Markeneigenschaften einen Imageraum aufspannt, um Positionierungslücken zu identifizieren. Vgl. ZEDNIK/STREBINGER (2005) S. 167.

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

15

Die zweite große Verfahrensfamilie sind Präferenzmessverfahren auf Basis der Conjointanalyse. 82 Wahlsimulatoren des Kaufverhaltens auf Basis der Conjoint Analyse sind mittlerweile so breit akzeptiert, dass sie innerhalb von Softwarepaketen wie „Sawtooth Software“ oder SPSS implementiert sind. 83 Auf Basis der ermittelten individuellen Präferenzen der Nachfrager können dann Simulationen unterschiedlicher Positionierungsstrategien durchgeführt werden. 84 Die Anwendbarkeit, Interpretierbarkeit und theoretische Fundierung der bisher angewandten Modelle weisen erheblich Schwächen auf, die in Kapitel B weiter vertieft werden. Simulationsmodelle auf Basis der MDS haben sich in der Praxis bis dato nicht durchgesetzt. Zum einen ist die Datenerhebung sehr kostenintensiv und zum anderen ist die Praktikabilität der Modelle durch eine mangelnde Interpretierbarkeit der Ergebnisse eingeschränkt. 85 Hinzu kommt, dass die meisten Modelle nicht in einen strategischen Rahmen eingebunden sind und Marken- bzw. Wettbewerbstheoretische Grundlagen vernachlässigen. Weitere Limitationen existierender Modelle bestehen darin, dass sie wenig Aussagekraft hinsichtlich der Markensteuerung aufweisen. 86 Viele Positionierungsmodelle erwecken den Eindruck, dass sie eher durch die mathematisch-analytischen Möglichkeiten und Grenzen und weniger durch sachlich formulierte markenspezifische Fragestellungen geleitet sind. 87 Die Darstellung des Markenwahlverhaltens innerhalb gängiger Positionierungsmodelle erfordert neben der Zugrundelegung eines geeigneten Präferenzmodells auch die Spezifikation eines Wahlmodells, welches den Zusammenhang zwischen Präferenzen und definitiven Kaufentscheidungen abbildet. 88 Entscheidungsheuristiken sind im Rahmen von Positionierungsmodellen weitgehend vernachlässigt worden, bis auf die Dominanzregel. Die meisten Simulationsmodelle basieren auf probabilistischen Verfahren wie bspw. dem multinomialen Logitmodell. Sie versuchen, durch die Einführung eines Fehlerterms den verschiedenen Einflüssen auf das Markenwahlverhalten

82

Mittels der Conjointanalyse kann untersucht werden, welchen Beitrag verschiedene Komponenten zum Gesamtnutzen eines Objektes leisten. Vgl. BACKHAUS ET AL. (2006), S. 558.

83

Vgl. GREEN/KRIEGER/WIND (2005a), S. 170 f.

84

Vgl. GREEN/KRIEGER/WIND (2005a), S. 169 ff.

85

Vgl. GREEN/KRIEGER (1989), S. 129 ff. GREEN/KRIEGER (1989) merkten an, dass keine „…MDS based algorithms/heuristics was (or currently is) routinely used to solve commercial marketing research problems.“ Diese Feststellung hat sich bis heute nicht geändert. Vgl. CARROL ET AL. (2005), S. 81.

86

Vgl. KAUL/RAO (1995), S. 317.

87

Vgl. ALBERS (1979), S. 94.

88

Vgl. STEINER/HRUSCHKA (2005), S. 166

16

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

gerecht zu werden. 89 Diese Modelle eignen sich noch am besten zur Modellierung segmentspezifischen Kaufverhaltens. 90 Aufgrund der starken Marktdynamiken und des Zerfalls klassischer Zielgruppenstrukturen, tritt heute jedoch die Betrachtung des individuellen Kaufverhaltens im Rahmen von Positionierungsentscheidungen immer stärker in den Vordergrund. Allerdings hat eine Verknüpfung unterschiedlicher kompensatorischer und nicht-kompensatorischer Entscheidungsregeln mit Einflussfaktoren des Kaufverhaltens im Rahmen von Positionierungsmodellen bisher nicht stattgefunden. 91 Des Weiteren wurde bisher die Modellierung von Empfehlungen oder der Mund-zuMund Kommunikation im Rahmen des Kaufverhaltens innerhalb der gängigen Positionierungsmodelle vernachlässigt. Die Signifikanz des sozialen Einflusses auf den Kauf wurde bereits von VEBLEN (1899), FESTINGER (1942) und DUESENBERRY (1967) festgestellt. Dies erstreckt sich bspw. auch auf die Erwerbung von Prestige durch den Vergleich mit anderen Nachfragern. 92 Für die Positionierung und Repositionierung von Marken spielen diese sozialen Einflüsse eine erhebliche Rolle, da Marken neben sich immer stärker angleichenden funktionalen Nutzendimensionen heute auch immer stärker symbolische Nutzendimensionen aufweisen müssen, um sich erfolgreich im Wettbewerb durchsetzen zu können. 93 Sobald jedoch Empfehlungen oder andere Interaktionen zwischen den Nachfragern zu nicht-linearen Dynamiken führen, ist eine valide Generierung von Handlungsempfehlungen für zukünftige strategische Entscheidungen mit sehr großer Unsicherheit behaftet. 94 Ökonomische Modelle innerhalb der Positionierungsforschung, die Märkte als geschlossene ökonomische Systeme, welche ein Gleichgewichtsbestreben aufweisen, betrachten, sind nicht in der Lage, soziale Interaktionen adäquat abzubilden. 95 Innerhalb von Positionierungsmodellen wird von der Hypothese ausgegangen, dass statische Gleichgewichte als exakte Prädiktoren für Marktkonfigurationen gut geeignet sind. 96 Diese

89

Dies sind Modelle der mathematischen Psychologie, die das Kaufverhalten der Entscheider als stochastisch (zufallsbeeinflusst) ansehen. Hierzu können auch ein Großteil der Produktraummodelle gezählt werden. Vgl. HOMBURG/KROHMER (2006), S. 112.

90

Vgl. STEINER/HRUSCHKA (2005), S. 167. sowie die Diskussion bei SUDHARSHAN/MAY/GRUCA (1988).

91

Vgl. MAZANEC (2006), S. 70.

92

Vgl. DUESENBERRY (1967), S. 29.

93

Vgl. MEFFERT/BURMANN/KIRCHGEORG (2008), S. 345.

94

Vgl. JAGER (2007), S. 868.

95

Vgl. KEMP (1999), S. 3.

96

Vgl. MARKS/ALBERS (2001), S. 150.

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

17

Modelle haben jedoch gezeigt, dass ihre Prognosefähigkeit in dynamischen oder volatilen Märkten sehr begrenzt ist. 97 Neue Ansätze, die sich mit der Erklärung von komplexen und dynamischen Systemen beschäftigen, bilden die Grundlage für die Modellierung und Simulation von diesem nicht-linearen Verhalten. 98 In diesem Zusammenhang sollen zwei Forschungsfragen im Rahmen dieser Arbeit beantwortet werden:

3

-

Sind bisherige Positionierungsmodelle in der Lage, die heutigen dynamischen und komplexen Rahmenbedingungen zu berücksichtigen und das Markenwahlverhalten der Nachfrager valide zu erklären und zu prognostizieren? Oder ist eine neue Methodik wie die agentenbasierte Simulation notwendig, die eine bessere Analyse individuellen Kaufverhaltens in dynamischen Umwelten ermöglicht?

-

Ist es möglich, deterministische Entscheidungsregeln des Nachfragers in einen Wahlsimulator mit externen Einflussfaktoren zu verknüpfen? Ist insbesondere eine Verknüpfung deterministischer Entscheidungsregeln mit sozialer Interaktion möglich und sinnvoll? Definition des Positionierungsbegriffes

Die erste Veröffentlichung, die das Thema Positionierung in Ansätzen behandelt, ist ein Artikel von HOTELLING (1929) aus dem Jahre 1929. 99 Innerhalb dieses Aufsatzes wird der Begriff der minimalen Unterscheidung thematisiert, welcher die Vereinheitlichung von Produkten als negatives Phänomen für die verschiedenen Marktteilnehmer beschreibt. Das gegenteilige Phänomen ist das der Differenzierung, welches einen klaren Bezug zum Konzept der Positionierung aufweist. Der Werbefachmann REEVES prägte 1961 den Begriff der „Unique Selling Proposition“, welcher als einzigartiger Verkaufsvorteil zur Profilierung des eigenen Produktes beschrieben werden kann und somit ebenfalls der Differenzierung zuzuordnen ist. 100 Innerhalb der wissenschaftlichen Literatur geht der Ansatz der Positionierung auf die topologische Psychologie bzw. die Feldtheorie zurück. 101 Bernt Spiegel bspw. befasste sich mit der Meinungsverteilung im sozialen Feld und positionierte Individuen in dreidimensi-

97

Vgl. TWOMEY/CADMAN (2002), S. 56 f.; ZHANG/ZHANG (2007), S. 921.

98

Vgl. TESFATSION (1997), S. 534.; HOLLAND (1988), S. 117 ff.; LANE/MAXFIELD (1988), S. 169 ff.

99

Vgl. HOTELLING (1929), S. 41 ff.

100

Vgl. REEVES (1961), S. 1 ff.

101

Vgl. SPIEGEL (1961); LEWIN/CARTWRIGHT (1963).

18

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

onalen sozialen Räumen. 102 Diese Arbeiten stellten die Grundlage für die in den 70er Jahren aufkommende Forschung zu multidimensionalen Einstellungsmodellen dar. 103 Der eigentliche Begriff der Positionierung wurde erst Ende der 60er Jahre geprägt und fand bei Wissenschaftlern und Praktikern gleichermaßen Anklang. 104 Ursprünglich stammt der Begriff aus dem angloamerikanischen Sprachraum und trat erstmalig als „Positioning“ in Erscheinung. 105 TROUT beschreibt 1969 das Konzept der Positionierung als Beginn einer neuen Ära: „Today we are entering the positioning era. This will be an era that recognises the importance of product features and the company image, but more than anything else stresses the need to create a "position" in the prospects mind. “ 106 Bis heute existiert in Wissenschaft und Praxis keine allgemeingültige Definition des Begriffs Positionierung. 107 AAKER und SHANSBY konstatierten 1982, dass der Begriff Positionierung innerhalb der Literatur nicht klar definiert und abgegrenzt ist: „…, positioning means different things to different people. To some, it means the segmentation decision. To others it is an image question. To still others it means selecting which product features to emphasize.” Dieses Zitat besitzt auch heute noch seine Gültigkeit. Darüber hinaus ist der Begriff Positionierung im Laufe der Zeit mit unterschiedlichen Prä- bzw. Suffixen belegt worden, die dem Begriff jeweils eine andere Bedeutung zuweisen und damit die Begriffsverwirrung weiter verstärken. 108 Die „inflationäre“ Verwendung des Begriffs Positionierung ist heute, 40 Jahre nach dessen Einführung, immer noch zu beobachten. 109 In einer Studie von 1993 untersuchte ARNOTT 39 Definitionen von 30 Autoren. Er fand heraus, dass viele der Definitionen Redundanzen und Ungenauigkeiten aufweisen. 110 Trotzdem ist es möglich,

102

Vgl. SPIEGEL (1961), S. 46.

103

Vgl. BECKER (1996), S. 13.

104

Vgl. ARNOTT (1993), S. 14.

105

Der englische Terminus „positioning“ ist mit dem Wort Positionierung im Deutschen gleichzusetzen. Vgl. BROCKHOFF (1999), S. 46. Aus diesem Grund werden diese beiden Begriffe im Folgenden synonym verwendet.

106

Vgl. TROUT (1969), S. 51.

107

Siehe hierzu Tabelle 1 die einen Überblick über die verschiedenen Definitionen von Positionierung gibt.

108

Unter anderem sind hier Produkt-Positionierung, Marken-Positionierung, Markt-Positionierung, Wettbewerbs-Positionierung, Image-Positionierung, Emotionale-Positionierung, PremiumPositionierung, Unternehmens-Positionierung u. a. zu nennen. Vgl. A RNOTT (1993) S. 5.

109

Vgl. BLANKSON/KALAFATIS (1999) S. 109.

110

Vgl. ARNOTT (1993), S. 3.

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

19

aus der Vielzahl an Definitionen drei Formen von Positionierungsverständnissen zu extrahieren, die im Folgenden näher erläutert werden. 3.1 Instrumentell verkürztes Positionierungsverständnis Zuerst ist das instrumentell verkürzte Positionierungsverständnis zu nennen, welches innerhalb der frühen Publikationen und insbesondere von Praktikern propagiert wurde. 111 Innerhalb dieses Verständnisses wird Positionierung als Kommunikationsmittel 112 verstanden, welches dazu genutzt werden soll, die Perzeptionen 113 der Nachfrager von einem Produkt oder einer Marke zu verändern. 114 RIES/TROUT (1986) bezeichnen „positioning“ lediglich als: „ […] a new approach to communication […].“ 115 Eine weitere Facette innerhalb des Verständnisses stellt die Differenzierung vom Wettbewerb dar. Produkt- oder Markendifferenzierung kann innerhalb des Positionierungskontextes als: „an offering [is] perceived by the consumer to differ from its competition on any physical or nonphysical product characteristic including price“ definiert werden. 116 Diese Form des Positionierungsverständnisses kann auch als Positionierung im engeren Sinne aufgefasst werden, was lediglich die Differenzierung vom Wettbewerb durch die klassische Werbung umfasst. 117 In Tabelle 1 sind exemplarisch die wichtigsten Definitionen des Positionierungsbegriffes im Rahmen des instrumentell verkürzten Positionierungsverständnisses dargestellt.

111

Vgl. ALPERT/GATTY (1969), S. 65 ff.; TROUT (1969), S. 51.

112

Ein Kommunikationsmittel kann als: „die reale, sinnlich wahrnehmbare Erscheinungsform der Kommunikationsbotschaft, welche die ursprünglich von Mensch zu Mensch verlaufende Kommunikation ersetzt und sie reproduzierbar macht“, definiert werden. Vgl. BRUHN (2005), S. 5.

113

Perzeptionen sind weitestgehend unbewusste Prozesse individueller Informations- und Wahrnehmungsverarbeitung, die im Bewusstsein des Informationsempfängers so genannte Vorstellungsbilder (images) von wahrgenommenen Teilaspekten der Wirklichkeit entstehen lassen. Vgl. KROEBER-RIEL/WEINBERG (2003), S. 343.

114

Vgl. RIES/TROUT (2001), S. 5 ff.

115

Vgl. RIES/TROUT (2001), S. 1.

116

Vgl. DICKSON/GINTER (1987), S. 4.

117

Vgl. RIES/TROUT (2001), S. 1 ff.

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

20

Autoren

Begriffsverständnis von Positionierung

Alpert/Getty 1969 118

"The differentiation of brands by studying the ways in which their consumers differ as well as how consumer perceptions of various brands differ is termed product positioning."

Trout 1969 119

"Today we are entering the positioning era. This will be an era that recognises the importance of product features and the company image, but more than anything else stresses the need to create a "position" in the prospects mind.“

Aaker/Shansby 1982 120

"The positioning decision often means selecting those associations which are to be built upon and emphasized and those associations which are to be removed or de-emphasized."

Park et al. 1986 121

"Positioning/Repositioning strategies, though incorporating the notion of image (and indirectly sales). Positioning and repositioning decisions are based on current conditions, they are not strategically oriented."

Tabelle 1:

Verschiedene Definitionen auf Basis des instrumentell verkürzten Verständnisses der Positionierung. Quelle: Eigene Darstellung.

3.2 Klassisch marktorientiertes Positionierungsverständnis Seit Jahrzehnten herrscht in der betriebswirtschaftlichen Forschung das Paradigma der Marktorientierung vor. 122 KOHLI/JAWORSKI (1990) interpretieren Marktorientierung verhaltensorientiert mit dem Fokus auf der Sammlung, Verbreitung und Nutzung von Marktinformationen: „a market-orientation refers to the organization-wide generation, dissemination, and responsiveness to market intelligence“. 123 Die marktorientierte Sichtweise beinhaltet demnach neben der Nachfragerorientierung auch die Wettbewerbsorientierung. 124 Weitere Komponenten der Marktorientierung sind eine kunden-

118

Vgl. ALPERT/GATTY (1969), S. 65.

119

Vgl. TROUT (1969), S. 51.

120

Vgl. AAKER/SHANSBY (1982), S. 56.

121

Vgl. PARK/JAWORSKI/MACINNIS (1986), S. 136.

122

Vgl. MEFFERT/BURMANN/KIRCHGEORG (2008), S. 766.

123

Vgl. KOHLI/JAWORSKI (1990) S. 2 f. HOMBURG/KROHMER (2006) definiert Marktorientierung ähnlich als: „Ausrichtung von Unternehmenskultur, Führungssystemen sowie Informations- und Lernprozessen an Kunden und Wettbewerbern des Unternehmens“ Vgl. HOMBURG/KROHMER (2006), S. 1278.

124

Vgl. BLINDA (2007) S. 35.

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

21

fokussierte Organisationskultur und eine zielgruppenspezifische Ausrichtung sämtlicher Unternehmensfunktionen. 125 Die konzeptionelle Verankerung der Marktorientierung ist der market-based View (MBV). 126 Ziel des MBV ist die Erreichung nachhaltiger Wettbewerbsvorteile, welche sich innerhalb des MBV’s durch eine reine „outside-in-Perspektive“ erklären lassen. 127 Die Auswahl und Bearbeitung der richtigen Marktsegmente sowie die Durchsetzung einer überlegenen Positionierung sind die Grundlage zu deren Erreichung. 128 Der Begriff Positionierung geht innerhalb dieses Verständnisses vorwiegend auf die Arbeit von MICHAEL E. PORTER zurück, hierbei insbesondere auf die Branchenstrukturanalyse sowie das „Five-Forces-Model“ 129. PORTER definiert Positionierung als: „Strategic positioning attempts to achieve sustainable competitive advantage by preserving what is distinctive about a company.” 130 Diese Perspektive dient noch heute als Basis für die Erklärung und Definition des Positionierungskonzeptes im Rahmen des strategischen Marketings und äußert sich häufig in einer reinen Image- oder Nutzenorientierung. 131 Die typische marktorientierte Positionierungsstrategie ist die nutzenbasierte Positionierung von Leistungen. 132 Eine Erweiterung des instrumentellen Verständnisses stellt die Darstellung der Position jedes vermarktungstauglichen Objektes (Produkt, Marke, Dienstleistung, Person, Unternehmen etc.) im Wahrnehmungsraum der Nachfrager relativ zum Wettbewerb

125

Vgl. HOOLEY/PIERCY/NICOULAUD (2008) S. 9. Die Interfunktionale Koordination, die eine nachfragerfokussierte Organisationskultur und eine Ausrichtung sämtlicher Unternehmensfunktionen an den Bedürfnissen der Nachfrager beinhaltet, geht auf die Untersuchung von NARVER und SLATER aus dem Jahre 1990 zurück. Vgl. NARVER/SLATER STANLEY F. (1990) S. 21 f.

126

Der in den 60er Jahren entstandene market-based view geht auf das in den 30er Jahren entstandene „structure-conduct-performance“-Paradigma aus der industriökonomischen Forschung zurück. Vgl. hierzu MASON (1939); BAIN (1959); MEFFERT/BURMANN/KIRCHGEORG (2008), S. 5.

127

Vgl. RÜHLI (1994) S. 31 f.

128

Vgl. BURMANN (2002) S. 142.

129

Vgl. Das Five Forces Model erklärt die Attraktivität einer Branche anhand von fünf Wettbewerbskräften: Bedrohung durch potentielle neue Wettbewerber, Bedrohung durch die Verhandlungsstärke von Zulieferern und Nachfragern, Bedrohung durch neue Produkte oder Services mit Substitutionspotenzial sowie der Rivalität zwischen den schon im Markt agierenden Unternehmen. Vgl. PORTER (1985); PORTER (2008) S. 80f.

130

Vgl. PORTER (2006), S. 6.

131

Vgl. RIES/TROUT (2001) S. 2 f.; KOTLER/KELLER/BLIEMEL (2007) S. 402. ROMANIUK (2001), S. 229. Ähnlich definiert WIND 1990 Positionierung als: „…, the place a product occupies in a given market - as perceived by its target segments - is the product's reason for being, the reason why consumers buy it. In this context the word positioning encompasses most of the common meanings of the word position - as a place, a rank and a mental attitude.” Vergleiche zur Nutzenorientierung PORTER (1996) S. 66.

132

Vgl. HOOLEY ET AL. (2001), S. 105.

22

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

dar. 133 Diese Sichtweise kann auch als Marktstrukturierung bezeichnet werden, da der Markt auf Basis von Informationen topografisch innerhalb eines Merkmalsraumes erfasst wird. 134 Hierzu ist es möglich, unterschiedliche multivariate Verfahren anzuwenden. Neben dem eher modellorientierten Begriff der Position wird innerhalb des klassischen Verständnisses der Positionierung die Segmentierungsentscheidung als Subprozess der Positionierung definiert. 135 Unter Marktsegmentierung wird in der Regel die Aufteilung eines Gesamtmarktes in unterschiedliche Gruppen, die hinsichtlich ihrer Marktreaktion in sich homogen sind (inklusive deren Bearbeitung), verstanden. 136 Es ist somit ein integriertes Konzept der Markterfassung und Marktbearbeitung. Die Markterfassung setzt sich dabei aus der Analyse des Käuferverhaltens sowie dem Einsatz mathematisch-statistischer Methoden zur Darstellung verhaltenswissenschaftlich relevanter Zusammenhänge zusammen. 137 Die Marktbearbeitung innerhalb des Segmentierungskonzeptes hat die Auswahl der Zielsegmente sowie den segmentspezifischen Einsatz der Marketing-Instrumente zum Gegenstand. Das klassische Positionierungsverständnis kann im Gegensatz zum instrumentellen Verständnis auch als Positionierung im weiteren Sinn bezeichnet werden und bildet die Grundlage für die gesamte Markenstrategie des Unternehmens. In der Regel wird der Akt der Positionierung innerhalb eines Prozesses umgesetzt. 138 Die prozessorientierte Perspektive innerhalb des Marketings hat ihren konzeptionellen Ursprung innerhalb der Beiträge von NARVER und SLATER zur Marktorientierung von Unternehmen. 139 Die von ihnen beschriebene Dimension der interfunktionalen Koordination beschreibt die Beteiligung unterschiedlicher Abteilungen an einem übergreifenden Prozess. 140 Ein Geschäftsprozess kann als „eine Kette von logisch zusammenhängenden Aktivitäten, die zu einem inhaltlich abgeschlossenen Ergebnis führen…“ definiert werden. 141 Dies kann sich auf sämtliche kundengerichteten Aktivitä-

133

Vgl. TROMMSDORFF (1975).

134

Vgl. u.a. GWIN/GWIN (2003) S. 30 f.; MEFFERT/BURMANN/KIRCHGEORG (2008) S. 619 ff.; CARROLL/ARABIE (1980) S. 608 f.; GREEN (1975), S. S. 24.

135

Vgl. KOTLER/KELLER (2006), S. 310.; Vgl. BECKER (2002), S. 249.

136

Vgl. SCHREIBER (1973) S. 9ff.; FRETER (1983), S. 18; HOMBURG/KROHMER (2006) S. 485 ff.

137

Vgl. MEFFERT/BURMANN/KIRCHGEORG (2008) S. 182 f.

138

Vgl. ARNOTT (1993), S.6 f.

139

Vgl. NARVER/SLATER STANLEY F. (1990) S. 22.

140

Vgl. NARVER/SLATER STANLEY F. (1990) S. 22.

141

Vgl. MEFFERT/BURMANN/KIRCHGEORG (2008), S. 779.

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

23

ten eines Unternehmens wie Innovation, Positionierung, Supply Chain, Customer Relationship etc. erstrecken. 142 Die prozessorientierte Perspektive des Positionierungskonzeptes hat sich ebenfalls seit den neunziger Jahren entwickelt. 143 Der iterative Prozess der Positionierung gliedert sich in Konzeption, Strategie und Implementierung. 144 In Tabelle 2 sind die wichtigsten Definitionen des klassischen Positionierungsverständnisses dargestellt.

Autoren

Parker/Churchill 1986

Definition/Begriffsverständnis von Positionierung

145

"Although the term positioning has been used in various ways, most writers would probably agree that a position involves a market perception that a given product, brand or company differs significantly from its competitors by offering a particular class of benefits to a particular class of buyers."

Dillon et al. 1986 146

"Positioning (repositioning) strategies can be characterised as attempts to move a brand to a particular location within a perceptual map."

DiMingo 1988 147

"Market-Positioning is the process of identifying and selecting a market or segment that represents business potential, targeting vulnerable competitors, and devising a strategy to compete.”

Shostack 1987 148

"When a firm or provider establishes and maintains a distinctive place for itself and its offerings in the market, it is said to be successfully positioned."

142

Vgl. MEFFERT/BURMANN/KIRCHGEORG (2008), S. 779. Der strategische Fokus der Prozessorientierung liegt hierbei auf der Optimierung des Marketingoutputs und äußert sich in einer inhaltlichen und strukturierten Ausgestaltung der definierten Kernprozesse.

143

Vgl. KOTLER/KELLER (2006), S. 310; ARNOTT (1993), S. 14.

144

Vgl. BECKER (1996), S. 13.

145

Vgl. PARKER/CHURCHILL (1986), S. 3.

146

Vgl. DILLON/DOMZAL/MADDEN (1986), S. 29.

147

Vgl. DIMINGO (1988), S. 35.

148

Vgl. SHOSTACK (1987). S. 34.

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

24

Nylen 1990

Wind 1990

149

150

"Positioning is a key strategic (direction giving) decision that specifies how a product or brand is to compete. The positioning decision incorporates the results of market segmentation and target market selection, thus enabling the marketer to select a means of attaining competitive superiority." "Positioning, the place a product occupies in a given market - as perceived by its target segments - is the product's reason for being, the reason why consumers buy it. In this context the word positioning encompasses most of the common meanings of the word position - as a place, a rank and a mental attitude."

Arnott 1993 151

"…positioning is the deliberate, proactive, iterative process, of defining, measuring, modifying and monitoring consumer perceptions of a marketable object…"

Ansari/Gosh 1994 152

"Positioning, the place a product occupies in a given market, is the foundation of marketing strategy. A brand's position differentiates it from its competitors on attributes considered important by target customers and gives it a distinctive identity in their minds."

Mühlbacher/Dreher 1996 153

"Prozess zur Bestimmung einer Erfolgsposition im Markt verstanden."

Kotler 1997

"Positioning is the act of designing the companies offering and image so that they occupy a meaningful and distinct competitive position in the target customers minds."

Romaniuk 2001 154

"A brand's position is how it is perceived in the minds of consumers, relative to competitive brands."

Gwin/Gwin 2003 155

"Through a brands positioning, a company tries to build a sustainable competitive advantage on product attributes - tangible or intangible - in the mind of the consumer."

149

Vgl. NYLEN (1990), S. 40 f.

150

Vgl. WIND (1990), S. 387.

151

Vgl. ARNOTT (1993), S. 8.

152

Vgl. ANSARI/BAWA/GOSH (1995), S. 248.

153

Vgl. MÜHLBACHER/DREHER/GABRIEL-RITTER (1996), S. 70.

154

Vgl. ROMANIUK (2001), S. 112.

155

Vgl. GWIN/GWIN (2003), S. 30.

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

25

Trommsdorf (2004) 156

"Unter Produktpositionierung versteht man entweder ein analytisches Verfahren zur Feststellung der Imageposition(en) oder die Imagegestaltung (Festlegung oder Änderung der Position)."

Kotler/Keller/Bliemel 2008 157

"Positionieren ist die Zuordnung von Merkmalen zu Vergleichsobjekten durch die Käufer im Zielmarkt."

Esch 2007

Tabelle 2:

"Positionierung muss die Besonderheiten der Marke herausstellen und zur Marke im weitesten Sinne passen, für die Kunden relevant sein, eine Abgrenzung von der Konkurrenz ermöglichen und langfristig verfolgt werden können."

158

Definitionen des Begriffs Positionierung aus dem klassischen Positionierungsverständniss heraus. Quelle: Eigene Darstellung.

3.3 Modernes holistisches Positionierungsverständnis Eine rein marktorientierte Sichtweise der Positionierung, ohne die Ressourcen und Kompetenzen eines Unternehmens zu betrachten, ist heutzutage nicht mehr zeitgemäß, da Ressourcen und Kompetenzen einer Unternehmung einen nachweislichen Einfluss auf den Erfolg von Positionierungsstrategien haben. 159 Trotzdem ist ein tiefes Verständnis der Wahrnehmung und Verhaltensweisen der Nachfrager weiterhin ein kritischer Erfolgsfaktor für die Generierung von Wettbewerbsvorteilen und einer überlegenen Positionierung. 160Neben den bereits angeführten Positionierungsverständnissen existiert in der heutigen Literatur ein holistisches Positionierungsverständnis, welches neben der marktorientierten Perspektive auch die ressourcen- und kompetenzorientierte Perspektive berücksichtigt. 161

156

Vgl. TROMMSDORFF (2004), S. 164.

157

Vgl. KOTLER/KELLER/BLIEMEL (2007), S. 402.

158

Vgl. ESCH (2007), S. 151.

159

Siehe hierzu die Diskussion innerhalb des Strategischen Managements zum market-based view. Hauptkritikpunkt am MBV ist das Ausblenden interner Erfolgsfaktoren und deren Betrachtung als Black Box. BARNEY J. B. (1991) S. 101 f. RÜHLI (1994) S. 36 ff.; BLINDA (2007), S. 38. Vgl. im Besonderen zum Einfluss von Ressourcen und Kompetenzen auf den Erfolg von Positionierungsstrategien ATTIA/HOOLEY (2007), S 91 ff.; MEFFERT/BURMANN/KIRCHGEORG (2008), S. 376 f.

160

Vgl. HOOLEY/PIERCY/NICOULAUD (2008), S. 11.

161

Vgl. TOMCZAK/ROOSDORP (1996), S. 31.

26

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

Der resource-based View dominiert immer stärker die Literatur zum strategischen Management 162. Die Wichtigkeit von Ressourcen für die Erklärung von Wettbewerbsvorteilen hat in den neunziger Jahren ebenfalls Einzug in die Marketing Literatur gehalten. 163 Der resource-based view of the firm legt zur Erklärung von Wettbewerbsvorteilen im Gegensatz zur marktorientierten Forschung unternehmensinterne, einzigartige Ressourcen und Kompetenzen zu Grunde. 164 In der Literatur sind eine Vielzahl von Definitionen und Klassifikationen für Ressourcen vorhanden. 165 Viele Ansätze jedoch definieren Ressourcen eher wie Inputgüter 166 und erklären nicht, wie die einzigartigen Ressourcen zu Stande kommen. 167 Aus diesem Grund wird im Rahmen dieser Arbeit dem Ansatz von GERSCH/FREILING/GOEKE (2005) gefolgt, die Ressourcen als: „…das Ergebnis durch Veredelungsprozesse weiter entwickelte Inputgüter, die wesentlich zur Heterogenität der Unternehmung und zur Sicherstellung aktueller und zukünftiger Wettbewerbsfähigkeit der Unternehmung beitragen (sollen)“ 168 definieren. Kompetenzen sind der zweite wichtige Baustein im Rahmen der „inside-out“ Perspektive zur Erklärung von Wettbewerbsvorteilen. Als Grundlage zur Definition von Kompetenzen wird im Rahmen dieser Arbeit der Competence based View herangezogen, der als Derivat des ressource-based view bezeichnet werden kann. 169 Innerhalb der wissenschaftlichen Literatur besteht, wie beim Terminus Ressource, eine Vielzahl an unterschiedlichen Definitionen, was zu einer sehr großen terminologischen Heterogenität führt. 170 Auf eine dezidierte Auseinandersetzung mit den unterschiedlichen terminologischen Besonderheiten einzelner Definitionen soll im Rahmen

162

Vgl. BLINDA (2007), S. 40.

163

Vgl. DAY (1994), S. 46 f.

164

Vgl. MAHONEY (1995); WERNERFELT (1995). Siehe für einen Überblick BLINDA (2007), S. 48. Freiling ermittelte in der wissenschaftlichen Literatur alleine 15 verschiedene Definitionen des Terminus Ressource bis zum Jahre 1999. Vgl. FREILING (2001), S. 14.

165

Vgl. für unterschiedliche Definitionen WERNERFELT (1995); AMIT/SCHOEMAKER (1993); BARNEY J. B. (1991).

166

Inputgüter sind homogene, prinzipiell marktgängige, unternehmensextern oder –intern erstellte Faktoren, die den Ausgangspunkt weiterer Verwertungs- oder Veredelungsaktivitäten bilden. Vgl. GERSCH/FREILING/GOEKE (2005), S. 45.

167

Vgl. PORTER (1991), S. 98. Im klassischen RBV wird vernachlässigt, auf welche Routinen oder Prozesse zurückgegriffen werden muss, um Ressourcen zu bilden vgl. B LINDA (2007), S. 49.

168

Vgl. GERSCH/FREILING/GOEKE (2005), S. 46.

169

Vgl. FREILING (2004), S. 5. Neben dem resource-based view hat der competence-based view seine Wurzeln in der Forschung zu “Dynamic-Capabilites”, die versucht die Prozesse zur Aktivierung und Entwicklung von Ressourcen zu erforschen vgl. BLINDA (2007), S. 52.

170

Vgl. FREILING (2001), S. 14.

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

27

dieser Arbeit verzichtet werden, da dies nicht im Fokus der Untersuchung steht. 171 Aus diesem Grund wird wie bei der Definition von Ressourcen dem Verständnis von GERSCH/FREILING/GOEKE (2005) gefolgt, die Kompetenzen als: „ wiederholbare, auf der Nutzung von Wissen beruhende, durch Regeln geleitete und daher nicht zufällige Handlungspotenziale einer Organisation, die zielgerichtete Prozesse sowohl im Rahmen der Disposition zukünftiger Leistungsbereitschaften als auch konkreter Marktzufuhr- und Marktprozesse ermöglichen“ definieren. 172. Sie dienen dem Erhalt der als notwendig erachteten Wettbewerbsfähigkeit und gegebenenfalls der Realisierung konkreter Wettbewerbsvorteile. Hierbei gibt es unterschiedliche Kompetenzen, die zur Generierung strategischer Wettbewerbsvorteile beitragen. Diese kann man in strategische und funktionale Kompetenzen differenzieren. 173 Positionierung kann innerhalb dieses Verständnisses den strategischen Fähigkeiten zugeordnet werden, da die Fähigkeit der Identifizierung von Positionierungsmöglichkeiten und die Auswahl von Zielmärkten in denen die Ressourcen und Kompetenzen der Unternehmung optimal genutzt werden, funktions- und prozessübergreifend auf Top-Management Ebene vorhanden sein müssen. 174 Sie kann auch als strategische Marketingfähigkeit in Anlehnung an MÖLLER/ANTTILA (1987) definiert werden: “Management's capability of applying market- and marketing-oriented concepts and tools for (1) determine the business mission of the firm, (2) the development and maintenance of the competitive advantage of the firm, and (3) the development of subsequent business strategy”. 175 HULT und KETCHEN führten 2001 eine Studie auf Basis von 1000 multinationalen Unternehmen durch und fanden heraus, dass die Marktorientierungs-Kompetenz einen positiven Effekt auf Positionierungsvorteile hat. Die Kompetenz der Marktorientierung setzte sich innerhalb der Studie aus der Wettbewerbsorientierung, der Kundenorien-

171

Vgl. BLINDA (2007), S. 55.

172

Vgl. GERSCH/FREILING/GOEKE (2005), S. 48.

173

“Strategic Capabilities are those that relate to senior management’s abilities to identify and interpret the environmental trends and industry events affecting the organization. Although primarily created through individual abilities and skills, strategic capability is related to such issues as providing a sense of purpose and direction or dominant logic, facilitating organisational learning and managing organisational change through developing and nurturing of corporate culture.”Vgl. HOOLEY/BRODERICK/MOLLER (1998), S. 102. Funktionale Kompetenzen beziehen sich hingegen eher auf spezifische Funktionen und Prozesse innerhalb des Unternehmens. Vgl. DAY (1994), S. 38 f.

174

Vgl. HOOLEY/BRODERICK/MOLLER (1998), S.103; DAY (1994) spricht im Rahmen seiner Arbeit von Market Sensing und Customer-linking als zentrale Fähigkeiten im Rahmen der Positionierung vgl. DAY (1994), S. 48.

175

Vgl. MÖLLER/ANTTILA (1987), S. 191.

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

28

tierung und der interfunktionalen Koordination zusammen und umfasst eine „…system-wide attention to markets (customers, competitors and other entities in the environment) throughout the organization“. 176 Sie hatte im Rahmen des Strukturgleichungsmodells den höchsten Erklärungswert von Positionierungsvorteilen. 177 Innerhalb der modernen Positionierungsforschung ist eine Synthese aus der marktorientierten- und der ressourcen- bzw. kompetenzorientierten Perspektive anzustreben, da ein isoliertes Verfolgen einer der Ansätze auf Dauer nicht zur Erreichung komparativer Wettbewerbsvorteile führen kann. 178 Andererseits können einzigartige Ressourcenausstattungen nur dann strategische Vorteile induzieren, wenn sie in adäquate Markenleistungen umgesetzt werden können. 179 In Tabelle 3 sind die Definitionen von Positionierung dargestellt, die diesem holistischen Begriffsverständnis entsprechen.

Autoren

Definition/Begriffsverständnis von Positionierung

Rigger 1995 180

"Positioning provides both, the foundation of the entire strategy and guidelines for marshalling the needed resources."

Hooley/Greenley/ Fahy/Cadogan 2001 181

"Competitive Positioning is the Combination of choice of target market and competitive advantage. A competitive advantage is one half of the positioning decision, the resources deployed to create an advantage contribute directly to the creation of competitive position."

Kuss/Tomczak/Reineke 2007 182

"Positionierung ist relevante Bedürfnisse bzw. Probleme von ausreichend großen Kundengruppen mit maßgeschneiderten, effizienten, auf solider Kompetenz gründenden Angeboten besser als irgendein anderer Anbieter nach Ansicht der Kunden nachhaltig zufrieden zu stellen bzw. zu lösen."

Tabelle 3:

Definitionen aus dem modernen holistischen Positionierungsverständnis heraus Quelle: Eigene Darstellung.

176

Vgl. HULT/KETCHEN (2001), S. 901.

177

Vgl. HULT/KETCHEN (2001), S. 905.

178

Vgl. MEFFERT/BURMANN/KIRCHGEORG (2008), S. 371 f.

179

Vgl. TOMCZAK/ROOSDORP (1996), S. 33.

180

Vgl. RIGGER (1995), S. 16 f.

181

Vgl. HOOLEY ET AL. (2001), S. 503.

182

Vgl. KUß/TOMCZAK/REINECKE (2007), S. 168.

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

29

3.4 Entwicklung eines markenspezifischen Positionierungsverständnisses 3.4.1 Der Begriff Markenpositionierung Für die Definition des Begriffes der Markenpositionierung bedarf es neben den bereits dargestellten Perspektiven noch einer markenspezifischen Erweiterung. Hierzu wird die holistische Begriffsinterpretation mit dem identitätsbasierten Markenmanagement zu folgender Arbeitsdefinition verknüpft: „Positionierung ist die Planung, Umsetzung, Kontrolle und Weiterentwicklung einer an den Idealvorstellungen der Nachfrager ausgerichteten, vom Wettbewerb differenzierten und von der eigenen Ressourcen- und Kompetenzausstattung darstellbaren, markenidentitätskonformen Position im Wahrnehmungsraum relevanter Zielgruppen.“ Die marktorientierte Sichtweise der Positionierung wird innerhalb des identitätsbasierten Ansatzes der Markenführung durch das Markenimage und die Markenerwartungen dargestellt (outside-in-Perspektive). 183 Die Markenerwartungen stellen hierbei die Idealvorstellungen der Nachfrager bezüglich der Marke dar. 184 Das Markenimage umfasst sämtliches Wissen sowie sämtliche Einstellungen der Nachfrager im Hinblick auf die Marke. 185 Neben der Analyse der Präferenzstrukturen der Nachfrager ist die Ressourcen- und Kompetenzanalyse ein wichtiger Baustein der identitätsbasierten Positionierung. Die Ressourcen- und Kompetenzorientierung innerhalb des identitätsbasierten Ansatzes der Markenführung wird durch die Markenidentität, das Selbstbild der Marke determiniert, welches als Grundlage für die Positionierung (das Markennutzenversprechen) dient. Aus der Identität können somit die elementaren Nutzendimensionen abgeleitet werden. Die Soll-Identität einer Marke gibt das Zielsystem für die SollPositionierung vor. 186 Das Markennutzenversprechen (Soll-Positionierung) entsteht daraufhin durch die Verdichtung der konzeptionell planerischen Identitätskomponenten zu einem symbolischen und einem funktionalen Kundennutzen. 187

183

Vgl. hierzu ausführlich Kapitel A 1.2

184

Die Idealvorstellungen der Nachfrager werden durch ihre Markenpräferenzen determiniert.

185

Vgl. MEFFERT/BURMANN/KIRCHGEORG (2008), S. 364 f.

186

Vgl. ESCH (2007), S. 90 f.

187

Vgl. BURMANN/MEFFERT/FEDDERSEN (2007), S. 11 f.

30

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

3.4.2 Der Begriff Markenrepositionierung Das Wort „Weiterentwicklung“ im Rahmen der Positionierungsdefinition zeigt an, dass es nicht ausreicht, eine Position im Markt einzunehmen und diese dann statisch im Zeitablauf beizubehalten. 188 Die herrschende Dynamik der Märkte und des Nachfragerverhaltens führen zu einer ständigen Notwendigkeit der evolutorischen Veränderung der Markenpositionierung. Dieser Vorgang kann als Repositionierung bezeichnet werden. 189 Insoweit ist die Repositionierung als ein Bestandteil des weiter gefassten Positionierungsbegriffes zu verstehen. Viele Autoren differenzieren nicht zwischen den Begriffen „Positionierung“ und „Repositionierung“, sondern ordnen die Veränderung einer bestehenden Position (Repositionierung) ebenfalls dem Positionierungskonzept zu. 190 Allgemein kann der Begriff der Positionierung in 2 unterschiedliche Phasen eingeteilt werden, die zeitlich aufeinander folgen. 191 Die erste Phase ist der Positionierungsaufbau, welcher sich mit der Erreichung einer vom Wettbewerb differenzierenden Position im Wettbewerbsumfeld auseinandersetzt. 192 Die zweite Phase der Positionierung stellt die „dynamische“ Komponente dar, welche als Positionierungspflege 193 oder Positionierungswandel bezeichnet werden kann. Die Repositionierung einer Marke kann in die zweite Phase der Positionierung eingeordnet werden.

188

Vgl. TOMCZAK/ROOSDORP (1996), S. 27.; KELLER (1999), S. 102.

189

Vgl. MAZANEC/WIEGELE (1977), S. 47; ESCH (2007), S. S. 148 ff.

190

Vgl. WIND (1990), S. 403.; MAZANEC/WIEGELE (1977), S. 46.; HOMBURG/KROHMER (2006), S. 636.

191

Vgl. ROOSDORP (1998), S. 15.

192

Vgl. ROOSDORP (1998), S. 15. Der Großteil der zuvor dargestellten Definitionen bezieht sich auf diesen Teilaspekt der Positionierung.

193

„Positionierungspflege ist das Anstreben einer sowohl kontinuierlichen als auch jederzeit aktuellen Positionierung von Marktleistungen, um eine Alleinstellung im Wettbewerbsumfeld zu halten und auszubauen. Kontinuität und Aktualität sind die Kernziele der Positionierungspflege.“ Vgl. ROOSDORP (1998), S. 16.

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

31

Abbildung 3: Repositionierung als dynamische Komponente des Positionierungskonzeptes Quelle: In Anlehnung an ROOSDORP (1998).

Der eigentliche Begriff der Repositionierung wird ähnlich wie der Positionierungsbegriff in der Literatur mit unterschiedlichen Bedeutungen belegt. Für eine Definition des Markenrepositionierungsbegriffes ist es sinnvoll, die unterschiedlichen Termini, welche Repositionierungen beschreiben, in einem ersten Schritt zu analysieren, um darauf aufbauend, eine Arbeitsdefinition zu entwickeln. Zuerst sollte der Begriff Repositionierung von dem Begriff der Variation abgegrenzt werden, da diese marketingpolitische Alternative inhaltlich einer Repositionierung zuzuordnen ist. 194 Der Begriff der Produktvariation kommt aus dem Produktmarketing und kann als „Veränderung im Bündel der Eigenschaften, durch die ein bereits angebotenes Produkt bisher bestimmt ist“ definiert werden. 195 NOMMENSEN (1990) grenzt die Variation von der Repositionierung ab, indem er konstatiert, dass sich Variationen ausschließlich auf objektive Eigenschaften beziehen, Repositionierungen jedoch subjektive Beurteilungen der Nachfrager zum Gegenstand haben. 196 Variationen werden demnach aus der Herstellerperspektive betrachtet, wohingegen Repositionierungen auf den Wahrnehmungen und Präferenzen der Nachfrager beruhen. BROCKHOFF (1999) hingegen verwendet die beiden Begriffe synonym und stellt fest: „für die Produktvariation werden die Bezeichnungen Repositionierung oder Neupositionierung verwendet.“ 197 Im Rahmen dieser Arbeit wird der Auffassung von NOMMENSEN (1990) gefolgt und der Begriff Repositionierung ausschließlich auf die subjektiven Nutzenas-

194

Vgl. NOMMENSEN (1990), S. 8.

195

Vgl. BROCKHOFF (1999), S. 25. ähnlich wird der Begriff auch von HOMBURG/KROHMER (2006), S. 508 f. sowie MEFFERT/BURMANN/KIRCHGEORG (2008), S. 456. verwendet.

196

Vgl. NOMMENSEN (1990), S. 9.

197

Vgl. BROCKHOFF (1999), S. 46.

32

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

soziationen der Nachfrager bezogen und nicht allein auf die Veränderung objektivtechnischer Merkmale der Marke. 198 Ein weiterer der Repositionierung verwandter Terminus ist der Brand-Relaunch. MEFFERT/BURMANN/KIRCHGEORG (2008) definieren den Begriff Relaunch als eine Form der Produktvariation: „eine Produktmodifikation, auch als Produktrelaunch bezeichnet, kennzeichnet die umfassende Veränderung einer oder mehrerer Produkteigenschaften eines bereits im Markt eingeführten Produktes“. 199 MEFFERT/BURMANN/ KIRCHGEORG (2008) grenzen den Begriff von der Produktpflege ab, bei der nur kleine Änderungen zur kontinuierlichen Verbesserung der im Markt eingeführten Produkte durchgeführt werden. 200 NIESCHLAG/DICHTL/HÖRSCHGEN (2002) hingegen definieren einen Relaunch als „Wiedereinführung eines Produkts nach dessen Umgestaltung oder schlagartig einsetzende Intensivierung der Marketingbemühungen für ein in der Stagnations- oder Degenerationsphase des Produkt-Lebenszyklus befindliches Erzeugnis.“ 201 WEINHOLD-STÜNZI beschreibt einen Relaunch sogar als Neupositionierung einer bestehenden Marktleistung. 202 BROCKHOFF (1999) formuliert einen Relaunch als eine Maßnahme, die durch den Einsatz verschiedener Marketing-Mix Instrumente gekennzeichnet ist, mit dem Ziel, eine Marke zu repositionieren. 203 BROCKHOFF (1999) bezieht sich demnach lediglich auf die Instrumentalebene des Marketing-Mixes. Ähnlich tun dies auch NIESCHLAG/DICHTL/HÖRSCHGEN (2002). Eine klare Abgrenzung der Begriffe Variation, Repositionierung, Relaunch und Pflege ist nicht leicht. In der vorliegenden Arbeit wird der Auffassung gefolgt, dass sich eine Repositionierung auf die subjektiven Wahrnehmungen der Nachfrager bezieht, wohingegen die Begriffe Variation, Relaunch und Pflege sich auf die Gestaltung objektiv-technischer Merkmale aus der Herstellerperspektive beziehen. Darüber hinaus sind die Begriffe Relaunch und Pflege eher der Maßnahmenebene zuzuordnen und weniger der strategischen Markenführungsebene. Ein weiterer Begriff, der im Zusammenhang mit einer Markenrepositionierung steht, ist das Re-Branding. Re-Branding wird häufig im Zusammenhang mit dem Begriff

198

ESCH (2008) bezieht den Terminus Repositionierung im Rahmen der Markenführung ebenfalls auf die durch den Nachfrager wahrgenommene Positionierungskonzept. ESCH (2008), S. 172.; vgl. hierzu auch KELLER (2008), S. 568 ff.

199

Vgl. MEFFERT/BURMANN/KIRCHGEORG (2008), S. 458.

200

Vgl. MEFFERT/BURMANN/KIRCHGEORG (2008a), S. 457.

201

Vgl. NIESCHLAG/DICHTL/HÖRSCHGEN (2002), S. 1309.

202

Vgl. WEINHOLD-STÜNZI (1996), S. 44 f.

203

Vgl. BROCKHOFF (1999), S. 47.

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

33

Re-Naming verwendet und hat die Änderung des Markennamens zum Gegenstand. 204 Prominente Beispiele aus der letzten Zeit sind Andersen Consulting und die Philip Morris Corp. welche sich in Altria umbenannt hat. Re-Branding kann nach MUZELLEC und LAMBKIN als: „.. the creation of a new name, term, symbol, design or combination of them for an established brand with the intention of developing a differentiated (new) position in the mind of stakeholders and competitors.“ definiert werden. 205 Vor diesem Hintergrund ergibt sich folgende Arbeitsdefinition206: „Markenrepositionierung beschreibt die Variation funktionaler und/oder symbolischer Nutzenmerkmale einer bereits in den Markt eingeführten Marke mit der Absicht, die Nutzenassoziationen relevanter Zielgruppen zieladäquat zu verändern.“ 4

Simulation von Markenrepositionierungen

4.1 Markenwahlverhalten als Grundlage für die Simulation von Markenrepositionierungen Die Konsumentenverhaltensforschung kann im Allgemeinen den Kognitionswissenschaften 207 zugeordnet werden. Das Erkenntnisobjekt der Konsumentenforschung ist der einzelne Mensch in seiner Rolle als Konsument. 208 Es wird somit das individuelle Verhalten der Menschen untersucht, welches durch Aggregation zu Aussagen über Segmente oder Zielgruppen zusammengefasst werden kann. Die wissenschaftliche Theorie differenziert drei Untersuchungsbereiche: den Entdeckungszusammenhang, den Begründungszusammenhang und den Verwendungszusammenhang. 209

204

Vgl. MUZELLEC/LAMBKIN (2006), S. 803.

205

Vgl. GOTSI/ANDRIOPOULOS (2007), S. 342. DALY/MOLONEY nehmen innerhalb einer konzeptionellen Studie den entgegengesetzten Standpunkt ein und beschreiben ein sogenanntes RebrandingContinuum, indem Rebranding als die radikalste Form einer Repositionierung dargestellt wird. Vgl. DALY/MOLONEY (2004), S. 31.

206

Vgl. zum Repositionierungsbegriff ausführlich die Dissertation von RECKE (2010).

207

Cognitive science is the interdisciplinary study of mind and intelligence, embracing philosophy, psychology, artificial intelligence, neuroscience, linguistics, and anthropology. Its intellectual origins are in the mid-1950s, when researchers in several fields began to develop theories of mind, based on complex representations and computational procedures. Its organizational origins are in the mid-1970s, when the Cognitive Science Society was formed and the journal Cognitive Science began. Vgl. Stanford Enzyklopedia of Philosophy.

208

Vgl. TROMMSDORFF (2004), S. 17.

209

Vgl. KROEBER-RIEL/WEINBERG (2003), S. 20.

34

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

Der Entdeckungszusammenhang der Konsumentenverhaltensforschung kann als interdisziplinär bezeichnet werden, da er sich aus Erkenntnissen der ökonomischen, psychologischen und naturwissenschaftlichen Forschung zusammensetzt. 210 Die Beiträge der betriebswirtschaftlichen Forschung erstrecken sich größtenteils auf die Ergebnisse der modelltheoretisch ausgerichteten mikroökonomischen Forschung. Primäres Ziel dieses Forschungszweiges ist es, den funktionalen Zusammenhang zwischen nachgefragter Produktmenge einerseits und den Produktpreisen andererseits zu bestimmen und dadurch optimale Preis-Mengen-Kombinationen zu ermitteln. 211 Die allgemeine Psychologie befasst sich in diesem Zusammenhang mit dem „autonomen Individuum“ Mensch. Sie hat einen maßgeblichen Beitrag zur theoretischen Grundlage der Konsumentenverhaltensforschung geleistet, insbesondere auf den Gebieten Motivation 212, Wahrnehmung 213, Lernen 214 und Persönlichkeit 215. Die Sozialpsychologie hingegen hat als Erkenntnisobjekt das soziale Wechselspiel agierender Personen. 216 Hier treten Begriffe aus den Sozialwissenschaften auf wie Kommunikation, Interaktion, Gruppe, Norm und Status. 217 Neuerdings werden im Rahmen der Konsumentenverhaltensforschung verstärkt naturwissenschaftliche Erkenntnisse aus der Neuroökonomie oder Physiologie genutzt. 218 Einen Rahmen für diese unterschiedlichen Forschungsbereiche bildet das Stimulus-Organism-Response Paradigma, welches davon ausgeht, dass bestimmte Stimuli im Organismus verarbeitet wer-

210

Vgl. BLACKWELL/MINIARD/ENGEL (2006), S. 4.

211

Vgl. GUTSCHE (1995), S. 26.

212

„Motivationen können als Emotionen (und Triebe), die mit einer Zielorientierung in Bezug auf das Verhalten verbunden sind“ definiert werden. Vgl. KROEBER-RIEL/WEINBERG (2003), S. 53.

213

„Wahrnehmung ist ein komplexer kognitiver Vorgang, der mit anderen kognitiven Vorgängen wie Aufmerksamkeit, Denken und Gedächtnis verknüpft ist. Infolgedessen ist es kaum möglich, die Wahrnehmung als eigenständigen Vorgang abzugrenzen und zu untersuchen. Die Analyse der menschlichen Wahrnehmung bedeutet in letzter Konsequenz die Untersuchung des menschlichen Verhaltens.“ Vgl. KROEBER-RIEL/WEINBERG (2003), S. 272.

214

„Unter Lernen wird aus der Perspektive der Kaufverhaltenstheorie „…das Erwerben und das Ändern von Verhalten und von bereits gespeicherten Zuständen – soweit die Verhaltensänderung nicht genetisch (Vererbung), durch biologische Veränderungen, durch tageszeitliche Einflüsse oder durch äußeren Eingriff unmittelbar bedingt ist“ definiert. Vgl. TROMMSDORFF (2004), S. 262.; Aus der kognitionspsychologischen Perspektive kann Lernen als „Prozess, der zu relativ stabilen Veränderungen im Verhalten oder im Verhaltenspotential führt und auf Erfahrung aufbaut“ definiert werden. Vgl. ZIMBARDO/HOPPE-GRAFF (1995), S. 264.

215

„Persönlichkeit bezieht sich auf die einzigartigen psychologischen Merkmale eines Individuums, die eine Vielzahl von charakteristischen konistenten Verhaltensmustern in verschiedenen Zeitpunkten beeinflussen.“ Vgl. ZIMBARDO/HOPPE-GRAFF (1995), S. 475.

216

Vgl. KROEBER-RIEL/WEINBERG (2003), S. 10.

217

Vgl. TROMMSDORFF (2004), S. 21.

218

Vgl. TROMMSDORFF (2004), S. 21.

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

35

den und dann zu Reaktionen führen. 219 Das S-O-R Paradigma kann als positivistische Forschungsrichtung bezeichnet werden, bei der die empirische Überprüfung generalisierbarer Hypothesen und Theorien im Mittelpunkt des Interesses steht.220 Im Gegensatz dazu hat seit den neunziger Jahren innerhalb der Konsumentenverhaltensforschung der „interpretierende“ Forschungsansatz immer mehr an Bedeutung gewonnen. Im Rahmen dieses Ansatzes stehen nicht mehr die Erforschung von Gesetzmäßigkeiten im Vordergrund sondern eher das umfassende Verständnis realen Kaufverhaltens mit allen Beziehungen und Zusammenhängen. 221 Im Rahmen dieser Arbeit wird dem interpretierenden Ansatz der Konsumentenverhaltensforschung gefolgt, da das reale Kaufverhalten untersucht werden soll. Der Verwendungszusammenhang der Konsumentenverhaltensforschung wird als Teilgebiet der Marketingwissenschaft aufgefasst und dient der Bewältigung von Entscheidungsproblemen im Rahmen marktorientierten Handelns. Die anwendbare Theorie des Konsumentenverhaltens soll das Geschehen am Markt erklären, zukünftiges Geschehen vorhersagen und Möglichkeiten aufzeigen, die dann in konkrete Maßnahmen überführt werden können. Insbesondere wird hierbei auf Maßnahmen im Rahmen von Marketing-Mix Entscheidungen abgestellt, welche die Preispolitik, Kommunikationspolitik, Produktpolitik und Distributionspolitik umfassen. TROMMSDORF ordnet die Positionierung den strategischen Entscheidungen im Rahmen der Produktpolitik zu. 222 In Abgrenzung zu diesem Verständnis bildet die Markenpositionierung im Rahmen der identitätsbasierten Markenführung die strategische Grundlage für sämtliche Marketing-Mix Entscheidungen. Der Begründungszusammenhang der Konsumentenverhaltensforschung setzt sich weitestgehend aus „Wenn-Dann“ Aussagen zu Theoriebausteinen zusammen, welche Verknüpfungen zwischen bedingenden und bedingten Sachverhalten darstellen. Hierbei muss zwischen direkt messbaren Erscheinungen und theoretischen Hilfskonstrukten unterschieden werden, welche gedanklich konstruiert sind. Äußere Stimuli oder Bedingungen innerer Zustände können als „Wenn-Elemente“ herangezogen werden. „Dann-Elemente“ setzen sich im Allgemeinen aus inneren Zuständen oder Verhaltensreaktionen zusammen. An dieser Stelle kann das Markenwahlverhalten als Untersuchungsfeld eingeordnet werden, da es je nach Art des Kaufes, ein Verhal-

219

Vgl. KUß/TOMCZAK (2007), S.3.

220

Vgl. KROEBER-RIEL/WEINBERG (2003), S. 23.

221

Vgl. KROEBER-RIEL/WEINBERG (2003), S. 24.

222

Vgl. TROMMSDORFF (2004), S. 24.

36

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

ten darstellt, welches aus einem Konstrukt heraus (Rationalkauf) oder durch einen Stimulus (Impulskauf) erklärt werden kann. Im Rahmen der Erklärung des Wahlverhaltens von Nachfragern treffen ökonomische und psychologische Forschung aufeinander. Der Nachfrager als Gegenstand der ökonomischen Theorie wird häufig als rationaler Entscheider beschrieben, der definierte stabile Präferenzen gegenüber einer Marke aufweist, die von nichts anderem als der betrachteten Marke abhängen. Innerhalb der mikroökonomischen Theorie wird der Nachfrager als Nutzenmaximierer dargestellt, der vollständiges Marktwissen besitzt. 223 Demgegenüber kann das Konzept der begrenzten Rationalität gesetzt werden, da die Nachfrager weder die Kapazitäten zur Berechnung der optimalen Nutzenkombination besitzen noch über das Wissen darüber verfügen. 224 Sie wenden eher Heuristiken an, um zu suboptimalen Entscheidungen zu gelangen, als ihre Entscheidung zu optimieren. 225 Die normative bzw. rationale Form des Entscheiders ist Grundlage der meisten Positionierungsmodelle. Demgegenüber soll im Rahmen dieser Arbeit ein Modell auf Basis der Theorie zur begrenzten Rationalität entwickelt werden. Dies folgt dem modelltheoretischen Forschungsansatz zur Erforschung des Markenwahlverhaltens. Hierbei wird versucht, ein Originalsystem (Kaufverhalten) anhand eines geschaffenen Systems (Modell) zu erklären. 226. Aus diesem Grund werden in den folgenden Kapiteln die Grundlagen für eine Modellierung von Markenrepositionierungen gelegt. 4.2 Markenpositionierungsmodelle als Erklärungsmodelle des individuellen Markenwahlverhaltens Der Terminus „Markenwahlverhalten“ kann ähnlich wie der Begriff „Produktwahlverhalten“ auf unterschiedliche Art und Weise verstanden werden, da er unterschiedliche semantische Bedeutungen aufweist. 227 Gemäß der Markendefinition innerhalb des identitätsbasierten Markenmanagements, welche die produktorientierte Sichtweise einnimmt und das Leistungsbündel Marke nicht vom Produkt trennt, können die Termini „Produktwahlverhalten“ und „Markenwahlverhalten“ synonym verwendet

223

Vgl. HOMBURG/KROHMER (2006), S. 112.

224

Vgl. SIMON (1955), S. 100 ff.

225

Vgl. DEVETAG (1999), S. 6.

226

Vgl. HERRMANN (1992), S. 11.

227

Vgl. Kapitel A 1.1

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

37

werden. 228 Im engeren Sinn symbolisiert der Begriff den Akt der Wahlhandlung, welcher direkt beobachtbar und messbar ist. Darüber hinaus schließt der Begriff jedoch die vorherige Suche nach Informationen, die Bildung von Präferenzen sowie das Erlebnis nach dem Kauf einer Marke ein. Des Weiteren werden sämtliche Einflussfaktoren auf die Markenwahlhandlung, die aus dem menschlichen Verhalten resultieren (Prädispositionen 229, Involvement 230, Stimmungen 231) ebenfalls unter diesem Begriff subsumiert. 232 Nach diesem Verständnis umfasst das Markenwahlverhalten gemäß der Auffassung von ENGEL/KOLLAT/BLACKWELL (1968) sowohl die “… simple association between a stimulus and a response…” 233 als auch nach dem Verständnis von ZALTMAN/WALLENDORF (1983) „.. acts, processes and social relationships exhibited by individuals, groups and organizations in the obtainment use of and consequent experience with products, services and other resources.” 234 Neben den bereits dargestellten Definitionen lassen sich zahlreiche weitere Begriffsexplikationen in der wissenschaftlichen Literatur identifizieren, die unterschiedliche Schwerpunkte setzen. SCHIFFMAN/KANUK (2007) betonen bspw. den prozessuralen Charakter der Markenwahlentscheidung: “.. the behavior that consumers display in searching for, purchasing, using, evaluating, and disposing of products services and ideas which they expect will satisfy their needs.” Die Komplexität des Realphänomens Markenwahlverhalten wird von BLACKWELL/MINIARD/ENGEL (2006) treffend als „Consumer decision making is influenced and shaped by many determinants that fall into these three categories (1) individual differences, (2) environmental influences, and (3) psychological processes” beschrieben. 235 MAGIN (2004) definiert den Begriff Markenwahlverhalten in seiner gesamten Breite „… als das Kauf- und Nutzungsverhalten gegen-

228

Vgl. WELLING (2006), S. 24 ff. Hinzu kommt, dass innerhalb dieser Arbeit eine Einzelmarkenbetrachtung vorliegt und keine Markenportfolios betrachtete werden. Vgl. KUß/TOMCZAK (2007), S. 11.; BLACKWELL/MINIARD/ENGEL (2006), S. 527 ff.

229

Unter Prädispositionen werden Grundhaltungen verstanden, die bereits vor dem Kontakt mit einem Stimulus existent sind. Vgl. WALSH (2002), S. 112.

230

Involvement kann allgemein als „der Grad der Ich-Beteiligung bzw. das gedankliche Engagement und die damit verbundene Aktivierung, mit der sich jemand einem Sachverhalt oder einer Aktivität zuwendet“ definiert werden. KROEBER-RIEL/WEINBERG (2003), S. 345.

231

Stimmungen können als „subjektive Befindlichkeit eines Individuums“ beschrieben werden. Vgl. SILBERER (1998).

232

Vgl. KROEBER-RIEL/WEINBERG (2003), S. 386 ff.

233

Vgl. ENGEL/KOLLAT/BLACKWELL (1968), S. 5.

234

Vgl. ZALTMAN/WALLENDORF (1983), S. 5.

235

Vgl. BLACKWELL/MINIARD/ENGEL (2006), S. 86.

38

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

über einer Marke“. 236 Somit ist der gesamte Kaufprozess Bestandteil des Makenwahlverhaltens. Dieser Auffassung kann im Rahmen dieser Arbeit nicht entsprochen werden, da die Komplexität des gesamten Entscheidungsprozesses nicht sinnvoll im Rahmen eines Modells abgebildet werden kann. 237 Eine zweite Bedeutungsform des Begriffes hat als wesentliches Charakteristikum, dass die Markenwahlhandlung aus dem Gesamtprozess des Konsumaktes herausgelöst wird. 238 HERRMANN (1992) versteht daraufhin das Produktwahlverhalten als: „ein Relationensystem von Elementen, d. h. von Produkten, Eigenschaften und Nachfragern.“ 239 Gleichzeitig beinhaltet die Psyche jedes einzelnen Nachfragers hypothetische Konstrukte, die in Form von intervenierenden Variablen einen Einfluss auf die Transformation von Reizen in tatsächliches Verhalten ausüben. Jede Einwirkung auf das beschriebene Relationensystem verändert die Beziehungen zwischen den Elementen und übt dadurch einen direkten Einfluss auf das Markenwahlverhalten der einzelnen Nachfrager aus. Ein konkreter Fall der Einwirkung ist die Repositionierung einer Marke. Die Veränderung der Nutzenzusammensetzung einer Markenpositionierung oder anderer für das Kaufverhalten wichtiger Charakteristika wirkt sich direkt auf Perzeptionen der Nachfrager von der Marke aus. 240 Auch wenn Einstellungen gegenüber einer Marke als zeitlich stabil einzuordnen sind, wirkt sich eine Repositionierung dennoch auf die Markenwahrnehmung und im nachgelagerten Schritt auf das Markenwahlverhalten aus. 241 Im Folgenden wird nun auf die konstitutiven Merkmale des Markenwahlverhaltens und des Einflusses von Markenrepositionierungen eingegangen.

236

Vgl. MAGIN (2004), S. 3.

237

Vgl. hierzu die Totalmodelle des Kaufverhaltens von BLACKWELL/MINIARD/ENGEL (2006), S. 85. BETTMAN (1979), S. 1 ff.; HOWARD/SHETH (1969), S. 31.

238

Vgl. ANDRITZKY (1976), S. 5 ff.

239

Vgl. HERRMANN (1992), S. 6.

240

BEST (1976) beschreibt dies im Rahmen der Joint-Space-Theory of Choice: “ Continuous checks are made to monitor the congruency between processed information and output decisions. Vgl. BEST (1976), S. 198. CARPENTER (1989) hat in seiner Studie ebenfalls einen Einfluss von Repositionierungen auf das Wahlverhalten und den ökonomischen Output innerhalb eines Marktes mit zwei Marken und zwei Beurteilungsdimensionen festgestellt. KROEBER-RIEL/WEINBERG (2003) stellt ebenfalls fest, dass die Positionierung einen erheblichen Einfluss auf die Einstellungen der Nachfrager besitzt. Vgl. KROEBER-RIEL/WEINBERG (2003), S. 219.

241

Einstellungen können als: „Zustand gelernten und relativ dauerhaften Bereitschaft, in einer entsprechenden Situation gegenüber dem betreffenden Objekt regelmäßig oder relativ stark positiv bzw. negativ zu reagieren“ definiert werden. Vgl. TROMMSDORFF (2004), S. 159. Auf die zeitliche Stabilität wird auch bei KUß/TOMCZAK (2007), S. 65 verwiesen.

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

39

4.3 Der Zusammenhang zwischen Markenrepositionierung und Markenwahlverhalten Innerhalb der erfahrungswissenschaftlichen Theorie wird auf Basis des theoretischen Wissenschaftsziels eine Erklärung früherer oder gegenwärtiger und eine Prognose zukünftiger Sachverhalte angestrebt. 242 Um dies tun zu können, werden Aussagen benötigt, die aus mehreren Elementen bestehen. 243 Für die Analyse des Einflusses von Repositionierungsstrategien auf das Markenwahlverhalten von Individuen, ist es im ersten Schritt notwendig, die zentralen Begriffe - Marke, Nachfrager, Eigenschaften und hypothetische Konstrukte - des zu untersuchenden Relationensystems zu spezifizieren. Hierbei muss das in Kapitel 4.2 dargestellte Relationengefüge zwischen Markenidentität und Markenimage weiter spezifiziert und auf Grund der Komplexität der einzelnen Beziehungen auf die für die Untersuchung relevanten Relationen eingegrenzt werden. Zuerst wird das Objekt Marke im modelltheoretischen Sinne definiert. Hierbei kann auf die in Kapitel A vorgestellte Definition der identitätsbasierten Markenführung zurückgegriffen werden: „ein Nutzenbündel mit spezifischen Merkmalen, die dafür sorgen, dass sich dieses Nutzenbündel gegenüber anderen Nutzenbündeln, welche dieselben Basisbedürfnisse erfüllen, aus Sicht relevanter Zielgruppen nachhaltig differenziert“. Die Wahrnehmung der Marke durch die Nachfrager wird nach dem Verständnis innerhalb dieser Arbeit durch die Positionierung der Marke nachhaltig determiniert. 244 Dies ist darauf zurückzuführen, dass die Positionierung auf einer bestimmten Nutzendimension als Reiz interpretiert werden kann. 245 Dieser Zusammenhang kann mit dem dieser Arbeit zu Grunde liegenden wirkungsbezogenen Verständnis von Positionierung begründet werden. Wirkungsbezogen besagt in diesem Kontext, dass auf einen durch die Positionierung hervorgerufenen Reiz eine kognitive und affektive Wirkung entsteht, welche das Verhalten der Nachfrager beeinflusst. 246 Diese Wir-

242

Vgl. CHMIELEWICZ (1994), S. 150 ff.

243

Vgl. CHMIELEWICZ (1994), S. 80.

244

Vgl. hierzu ausführlich Kapitel 3.4 des A-Kapitels.

245

Vgl. BAUSBACK (2007), S. 23.

246

PARK/JAWORSKI/MACINNIS (1986) sprechen innerhalb ihrer Studie davon, das bestimmte Formen der Positionierung kognitive (funktionale Positionierungen) oder affektive Wirkungen (emotionale Positionierung) induzieren können. Vgl. PARK/JAWORSKI/MACINNIS (1986), S. 136 f. Gleiches wird auch durch die Studie von BHAT/REDDY (1998) belegt. Diese Auffassung wird durch die Dreikomponententheorie gestützt. Demnach ist ein Markenimage durch eine kognitive, affektive und inten(Fortsetzung der Fußnote auf der nächsten Seite)

40

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

kung von Positionierungsstrategien wurde in mehreren empirischen Studien nachgewiesen und ist Grundlage vieler Positionierungsmodelle. 247. Aus diesem Zusammenhang heraus werden ausschließlich die relevanten symbolischen und funktionalen Nutzendimensionen zur Befriedigung der Bedürfnisse der Nachfrager für eine Modellierung herangezogen. 248 Die Leistung eines Anbieters wird jedoch nicht ausschließlich durch die Bewertung der angeführten funktionalen und symbolischen Nutzendimensionen determiniert, sondern gleichermaßen durch den psychischen Informationsverarbeitungsprozess, dessen Resultat die Wahrnehmung der ganzheitlichen Leistung ist. 249 Diese Wahrnehmung der technischen Leistung, des emotionalen Nutzens gepaart mit den individuellen Einstellungen und Werten lässt ein Markenimage entstehen. Im Rahmen einer modelltheoretischen Untersuchung werden jedoch lediglich die funktionalen und symbolischen Nutzenassoziationen der Nachfrager mit den Marken benötigt, 250 da diese Assoziationen das bewertete, gebündelte Wissen des Nachfragers zu der Marke sowie deren Erwartungen an die Marke beinhalten. 251 Die Markenpersönlichkeit und die Markenattribute fließen demnach in die Bewertung der Nutzen mit ein, aus diesem Grund kann auf eine Modellierung dieser beiden Komponenten verzichtet werden. 252 Dies kann als synthetische Herauslösung der wahrgenommenen Positionierung einer Marke aus dem Ge-

tionale Komponente bedingt und beeinflusst direkt das Verhalten. Vgl. hierzu ausführlich GRUNERT (1988), S. 10 ff.; TROMMSDORFF (1975), S. 164 ff.; KROEBER-RIEL/WEINBERG (2003), S. 168 ff. Die Integration der intentionalen Komponente in das Einstellungskonstrukt wird schon seit langem intensiv diskutiert. Die kausalen Wirkungszusammenhänge bleiben jedoch gleich. Vgl. für eine Diskussion NITSCHKE (2006), S. 97 ff. 247

BLANKSON ET AL. (2008) untersuchten in ihrer Studie den Einfluss von Positionierungsstrategien auf ökonomische und vorökonomische Erfolgsgrößen. Es konnte ein positiver Einfluss von Positionierungsstrategien auf die Wahrnehmung sowie auf den Absatz und den Gewinn festgestellt werden. Vgl. BLANKSON ET AL. (2008), S. 117. Ältere Studien weisen auf ähnliche Beziehungen hin PARK/JAWORSKI/MACINNIS (1986), S. 135 ff.; BLANKSON (2004), S. 327. BLANKSON/KALAFATIS (2007), S. 86.

248

Dieser Auffassung folgen ebenfalls HERRMANN (1998), S. 7 ff; BROCKHOFF (1999), S. 13; KELLER (2008), S.5. BHAT/REDDY (1998) fanden in ihrer Studie heraus, dass Marken zur selben Zeit funktional und emotional positioniert sein können. Vgl. B HAT/REDDY (1998), S. 40.

249

Vgl. HERRMANN (1992), S. 8.

250

Vgl. zum Imagebegriff Kapitel A 1.2

251

Vgl. NITSCHKE (2006), S. 99. sowie TROMMSDORFF (2004), S. 159 f.

252

Vgl. Kapitel A 3 sowie zur hierarchischen Gliederung des Markenimagekonstrukts ausführlich BURMANN/STOLLE (2007), S. 67 ff. sowie die dort zitierte Literatur.

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

41

samtgeflecht betrachtet werden, da dies das interessierende Erkenntnisobjekt im Rahmen dieser Arbeit darstellt. 253 Der Begriff der Nutzendimension kann als Eigenschaft einer Marke, die Bedürfnisse der Nachfrager zu befriedigen, interpretiert werden. Eigenschaften können ganz allgemein als: „das einem Objekt Eigene, sein Wesen ausmachende, ihm zugehörende und aus ihm nur durch Abstraktion Herauslösbare“ aufgefasst werden. 254 Die durch die Nachfrager bewerteten Nutzendimensionen stellen somit die Grundlage dafür dar, dass verschiedene Marken in bestimmten Relationen zueinander stehen und in Interaktionen miteinander treten können. Folglich kann postuliert werden, dass Nutzenassoziationen als beschreibende Elemente der Relationen zwischen verschiedenen Marken und Nachfragern fungieren können. Da Nutzendimensionen nur bestehen können, sobald sie durch die Nachfrager wahrgenommen werden, steuern nicht die objektiven Eigenschaften von Marken sondern die subjektiv wahrgenommenen Nutzenassoziationen der relevanten Nachfrager das Markenwahlverhalten. 255 Nachfrager können in diesem Kontext als Bedürfnisträger charakterisiert werden. Bedürfnisse können definiert werden „als Motivauslöser, die einen empfundenen Mangelzustand (Deprivation) kennzeichnen, der zunächst nicht auf ein Ziel gerichtet ist.“ 256 Sobald sich ein Bedürfnis auf Wirtschaftsgüter richtet und ein Bestreben vorhanden ist, diese Güter zu erwerben, wird von einem Bedarf gesprochen. 257 Die Bewertung der Marken, die der Bedürfnisbefriedigung dienen, wird von den Wertvorstellungen und Erfahrungen der Nachfrager beeinflusst. Darüber hinaus herrschen soziale Einflüsse, welche ebenfalls den Informationsverarbeitungsprozess im Rahmen der Bewertung von Handlungsalternativen determinieren. Einen besonders starken Einfluss auf den Informationsverarbeitungsprozess übt die Repositionierung einer Marke aus, da sie sich direkt auf die konkrete Bewertung der Handlungsalternativen

253

Diese Herangehensweise wird ebenfalls bei HERRMANN (1992), S. 8. postuliert. Ähnliche Herangehensweisen finden sich bei WIND (1982), S.6 ff. sowie KOTLER/KELLER/BLIEMEL (2007); S. 276 ff.

254

Vgl. HERRMANN (1992), S. 8.

255

Dies steht der Auffassung von ROSEN (1974) gegenüber, der nur objektiv bewertbare Charakteristika bei der Beschreibung von Produkten zulässt. Vgl. ROSEN (1974), S. 34. Für die Untersuchung des individuellen Markenwahlverhaltens werden jedoch subjektive Markenurteile benötigt. Vgl. HERRMANN (1998), S. 52.

256

Vgl. TROMMSDORFF (2004), S. 118. Ein ähnliches Verständnis findet sich auch bei KUß/TOMCZAK (2007), S. 42. und BALDERJAHN (1995), S. 42.

257

Vgl. KUß/TOMCZAK (2007), S. 44.

42

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

auswirkt. 258 Der tatsächliche Kaufakt tritt erst dann auf, sobald der Nachfrager den Bedarf konkretisiert und die Beschaffung disponiert. 259 Der psychische Prozess der Bedürfniskonkretisierung läuft im inneren des Nachfragers ab und ist weder beobachtbar noch direkt messbar. 260 Diese hypothetischen Konstrukte sind in der Psyche aller Nachfrager vorhanden, lediglich die interindividuelle Intensität und Ausprägung sind verschieden. 261 Dieser begriffliche und theoretische Bezugsrahmen ermöglicht es nun, Aussagen über die Wirkungsweise der einzelnen Konstrukte zu formulieren. Um den Einfluss einer Markenrepositionierung beurteilen zu können, ist es notwendig, Hypothesen im Sinne der Konsumentenverhaltensforschung zu entwickeln, welche die einzelnen hypothetischen Konstrukte miteinander verknüpfen. Gleichzeitig ist es erforderlich, die kausalen Zusammenhänge mit Messvorschriften zu versehen. Insbesondere der Einfluss von Markenrepositionierungen auf das Markenwahlverhalten muss auf diese Weise konkretisiert werden. Bisher wurde dies im Rahmen von Simulationsmodellen zur Prognose der Auswirkung von Positionierungsstrategien durchgeführt. Um ein eigenes Modell entwickeln zu können, wird im nächsten Kapitel die Grundlage für ein gemeinsames Modell- und Systemverständnis gelegt. 4.4 Modelltheoretische Analyse von Markenrepositionierungen Aus betriebswirtschaftlicher Sicht kann ein System als eine „Menge von Elementen die miteinander in Beziehung stehen“ definiert werden. 262 Hierbei muss zwischen offenen und geschlossenen Systemen differenziert werden. Im Gegensatz zu geschlossenen Systemen ist bei offenen Systemen ein aktiver Austausch von Materie,

258

Vgl. LANCASTER (1966). Er beschreibt in seiner neuen Haushaltstheorie in Abgrenzung zur mikroökonomischen Theorie, dass Güter nicht als Ganzes sondern als Nutzenbündel wahrgenommen werden. Vgl. LANCASTER (1966), S. 132 ff. Sie werden aktiv in die Präferenzbildung mit einbezogen, eine Veränderung in der Bewertung der einzelnen Nutzendimensionen durch eine Markenrepositionierung beeinflusst demnach die Präferenzbildung und schließlich das Markenwahlverhalten. Gemäß der Einstellungs-Verhaltens-Hypothese (E-V-Hypothese), können Einstellungen als direkte Prädiktoren des Verhaltens herangezogen werden. Vgl. GÜTTLER (2000), S. 99. Innerhalb multiattributiver Einstellungsmodelle werden die einzelnen wahrgenommenen Nutzendimensionen addiert. Ein Zuwachs an wahrgenommener Ausprägung auf einer Nutzendimension führt zu einer Erhöhung des Einstellungswertes und hat somit einen Einfluss auf das Markenwahlverhalten. Vgl. GUTSCHE (1995), S. 34.

259

Vgl. HERRMANN (1992), S. 10.

260

Vgl. TROMMSDORFF (2004), S. 34 ff.

261

Vgl. HERRMANN (1998), S. 52.

262

Vgl. MEFFERT (1971), S. 176.

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

43

Energie und/oder Informationen mit der Umwelt gegeben. 263 Entscheidende Eigenschaft eines Systems ist, dass es über klare Eingabe- und Ausgabeschnittstellen von der Umwelt abgrenzbar ist. Ein System kann nur identifiziert werden, wenn die Struktur im Inneren des Systems als eine stärkere Bindung verstanden werden kann als zu seiner Umwelt. 264 BOSSEL (2004) führt zur Charakterisierung von Systemen drei zentrale Begriffe an: Systemzweck, Systemstruktur, Systemintegrität. Der Systemzweck bedeutet, dass ein Objekt eine durch den Beobachter klar zu definierende Funktion besitzt. Die Systemstruktur sagt aus, dass sich ein Objekt aus Systemelementen und Wirkungsverknüpfungen zusammensetzt, die seine Funktion bestimmen. Letztlich besitzt jedes System eine Systemintegrität, welche bei einer Zerstörung des Systems verloren geht. Ein System ist folglich nicht teilbar, da sonst der Ursprungszweck des Systems verloren gehen würde. 265 Abschließend kann ein Markt in dem Nachfrager, Marken und weitere Akteure existieren, gedanklich als Subsystem der Betriebswirtschaftslehre bezeichnet werden. 266 In Abgrenzung dazu ist ein Modell oder ein Modellsystem das Abbild eines realen Systems, mit dem Informationen über das reale System gewonnen werden können. Ein Modell kann im Kontext der Betriebswirtschaftslehre als „die Repräsentation der Realität, d. h. Kenntnisse über ein spezifisches Erfahrungsobjekt, wie z.B. das Kaufverhalten, zu gewinnen, welches entweder ein Ausschnitt der wahrgenommenen Realität ist oder ein gedankliches Konstrukt darstellt, das sich auf die Realität bezieht“ 267 definiert werden. Das bedeutet, dass dem zu erklärenden Objektsystem (Original) ein anderes System (Modell) zugeordnet wird. 268 Wichtigstes Kriterium für die

263

Vgl. MEFFERT (1971), S. 177.

264

Vgl. KLÜGL (2001), S. 45. An dieser Stelle befindet sich die sogenannte Systemgrenze, ein Beispiel hierfür ist die menschliche Haut. Darüber hinaus befindet sich eine Systemgrenze dort, wo die Umweltverkopplungen nicht funktionsrelevant sind. Demnach ist eine Systemgrenze dort zu ziehen, wo die Umwelteinwirkungen auf das System nicht durch das System selbst bestimmt oder durch Rückkopplungen von Systemauswirkungen verändert werden können. Vgl. BOSSEL (2004), S. 38.

265

Vgl. BOSSEL (2004), S. 35.

266

Vgl. MEFFERT (1971), S. 184.

267

BANDTE (2007), S.198. MONSEF (1997) definiert ein Modell aus programmiertechnischer Sicht als „any Image which can be considered as a system and is used by a subject to obtain information about another system can be thought of as a model”. MONSEF (1997), S. 1.; HERRMANN (1992) definiert den Zweck eines Modells als ”...mittels isolierender Abstraktion die charakteristischen Tatbestände aus der Mannigfaltigkeit der Gegebenheiten herauszuheben, um so den komplexen Zusammenhang auf ein vereinfachtes gedankliches Gebilde zu reduzieren.” Vgl. HERRMANN (1992), S. 8. Dieser Auffassung kann im Rahmen der Analyse des Markenwahlverhaltens gefolgt werden.

268

Vgl. HERRMANN (1992), S. 11.

44

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

Erstellung von Modellen ist die Ähnlichkeit zwischen Modell und System. 269 Die größtmögliche Ähnlichkeit zwischen Modellen und Systemen kann mit dem Begriff der Isomorphie beschrieben werden. Isomorphie besteht, wenn zwei Strukturen, durch die Teile einer Struktur auf „bedeutungsgleiche“ Teile einer anderen Struktur umkehrbar eindeutig (bijektiv) abgebildet werden können. 270 Aufgrund der Komplexität ökonomischer Fragestellungen, insbesondere des Kaufverhaltens von Individuen, kann ein Grad vollständiger Ähnlichkeit zwischen Realität und Modell nicht gewährleistet werden. Aus diesem Grund muss die bereits angeführte Methodik der isolierenden Abstraktion im Rahmen der Modellbildung zurückgegriffen werden, um lediglich die für den Untersuchungszweck relevanten Beziehungen herauszugreifen. 271 Aus diesem Grund haben Modelle gegenüber Experimenten an komplexen Realsystemen signifikante Vorteile, bspw. sind Kosten für die Untersuchungen gering, Ergebnisse können rasch erzielt werden und die Ergebnisse anhand eines Modellsystems können vielfach einen breiteren Verhaltensbereich abdecken als ein Experiment im Realsystem leisten kann. 272 Häufig sind die Realsysteme zudem zu komplex, so dass eine vereinfachende Modelldarstellung zu einem höheren Erkenntnisgewinn und zu einer besseren Praktikabilität führen kann. 273 Zur Ableitung von Handlungsempfehlungen wird häufig im Rahmen betriebswirtschaftlicher Entscheidungstatbestände von der Vielschichtigkeit abstrahiert. Sie dienen als Hilfsmittel für die Entscheidungsfindung und sollen mögliche Handlungsempfehlungen für die zukünftige Entwicklung der betrachteten Marke (oder des Produktes) generieren. Die Analyse möglicher Auswirkungen, die bei der Durchführung von Markenrepositionierungen auftreten können, wird innerhalb der Marketingwissenschaft auf Basis von Simulationsmodellen prognostiziert. Hierbei geht es speziell um die bereits angeführte Veränderung von Nutzendimensionen und deren Auswirkung auf die Wahr-

269

Vgl. BOSSEL (2004), S. 51.; KOTLER/KELLER/BLIEMEL (2007) verweisen ebenfalls darauf, dass ein Ziel von Modellen, die möglichst wahrheitsgetreue Abbildung der Wirklichkeit. Vgl. KOTLER/KELLER/BLIEMEL (2007), S. 218 ff.; TROITZSCH (1990) verweist ebenfalls auf die Unterstellung oder Feststellung von Ähnlichkeiten zwischen System und Modell. Vgl. TROITZSCH (1990), S. 12.

270

Vgl. HERRMANN (1992), S. 13.

271

Vgl. HERRMANN (1998), S. 53.

272

Vgl. BOSSEL (2004), S. 50.

273

Dies trifft auch auf den Bereich des Marken- bzw. Marketing-Managements zu, da eine Vielzahl von Einflussfaktoren die Komplexität derartig erhöht, dass Modelle als vereinfachte Abbildung des zu untersuchenden Realitätsausschnitts herangezogen werden müssen. Einige Einflussfaktoren sind bspw. die Marketing-Mix Interaktion, Wettbewerbseffekte, verspätete Reaktion auf Maßnahmen, Vielzahl an Akteuren bzw. Marken etc. Vgl. LILIEN/KOTLER (1983), S. 5 ff.

45

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

nehmung der Marke durch die Nachfrager sowie den Einfluss auf deren Markenwahlverhalten. Hierzu sind viele unterschiedliche Modelle mit unterschiedlichen Erkenntniszielen entwickelt worden. Der Großteil der Modelle basiert auf der verhaltenswissenschaftlichen Forschungstradition und erforscht das Konsumentenverhalten. KOTLER/LILIEN entwickelten 1983 eine allgemein anerkannte Taxonomie 274 von Modellen, die versuchen das Konsumentenverhalten zu erklären (vgl. Abbildung 4).

Modellierter Prozess Aktivierung

InformationsWahrnehmung suche

Präferenzbildung

Kaufentscheidung

Nachkaufverhalten

Mikrodetail Totalmodelle Wahrnehmungsmodelle Erfassungslevel

Partielle Microdetails

Raum- und Präferenzmodelle Einstellungsmodelle

Agentenbasiertes Repositionierungsmodell

Rationale Wahlmodelle

Stochastische Wahlmodelle Makrodetail

Abbildung 4: Eine Taxonomie unterschiedlicher Kaufverhaltensmodelle und die Einordnung des agentenbasierten Repositionierungsmodells Quelle: In Anlehnung an LILIEN/KOTLER (1983), S. 205.

Zentrale Kriterien für die Einordnung der Modelle sind einerseits der modellierte Prozess und andererseits die Breite der dargestellten Verhaltensdetails und die Spezifität ihrer Darstellung. 275 Totalmodelle versuchen, das Nachfragerverhalten in seiner Gesamtheit zu erklären. „Repräsentativ“ für solche Modelle ist das Totalmodell von

274

Struktur (Hierarchie) über den Fachbegriffen eines Fachgebiets. Vgl. ALISCH (2004), S. 2901.

275

Vgl. LILIEN/KOTLER (1983), S. 204.

46

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

BLACKWELL/MINIARD/ENGEL (2006). 276 Diese Modelle sind in der Darstellung sehr präzise, die einzelnen Konstrukte sind jedoch nicht mit Messvorschriften versehen und die Beziehungen zwischen den einzelnen Konstrukten sind weder funktional festgelegt noch empirisch bestätigt.277 So genannte Wahrnehmungsmodelle basieren auf multivariaten Analysemethoden, mit denen es möglich ist, Wahrnehmungsräume zu generieren und die zu untersuchenden Marken auf Basis von Distanzen darzustellen. Hierzu zählen die Multidimensionale Skalierung, die Faktoranalyse sowie die Diskriminanzanalyse. Sie dienen primär der Analyse von Ist-Zuständen. 278 Diese Modelle werden heutzutage jedoch ebenfalls für Erklärung des Markenwahlverhaltens genutzt. 279 Diese Verfahrensfamilie wird auch als Raum- bzw. Präferenzmodelle bezeichnet. 280 Auf Basis von Einstellungsmodellen ist es möglich, die Stufen der Wahrnehmung, Präferenzbildung und Kaufentscheidung zu modellieren. In der Vergangenheit wurde hierbei ebenfalls auf multivariate Analysemethoden wie die Multidimensionale Skalierung oder die Conjointanalyse zurückgegriffen. Ein bekannter Vertreter dieser Modellform ist das Modell zur Einstellungsmessung von FISHBEIN (1963). Rationale- und stochastische Wahlmodelle haben die Erklärung des Wahlverhaltens zum Gegenstand. Hierbei gibt es zwei große Forschungstraditionen. Wahlmodelle, die einerseits auf einer HighInvolvement Situation basieren und andererseits Modelle, die auf einer LowInvolvementsituation basieren. 281 Hierbei behandeln Vollstochastische Ansätze die Markanwahlentscheidung als völligen Zufallsmechanismus. 282 Solche Modelle erstellen keine Prognosen über das Markenwahlverhalten der einzelnen Individuen, sondern lediglich eine spezifische Wahrscheinlichkeit, mit der der Nachfrager auf bestimmte Stimuli reagiert. 283 Unter den teilstochastischen Verfahren werden Konstanznutzen- und Zufallsnutzenmodelle zusammengefasst. Das Markenwahlverhalten wird bei diesen Modellen

276

Vgl. BLACKWELL/MINIARD/ENGEL (2006), S. 85. ein ähnliches Modell wurde von B ETTMAN (1979), S. 1 ff.; HOWARD/SHETH (1969), S. 31 entwickelten ebenfalls ein Totalmodell des Kaufverhaltens.

277

Vgl. TROMMSDORFF (2004), S. 29.

278

Ein bekanntes Modell ist bspw. das Modell von H AUSER/URBAN (1977), S. 579 ff.

279

Vgl. FRETER (2008), S. 86.

280

Vgl. HERRMANN (1992), S. 166.

281

Vgl. LILIEN/KOTLER (1983), S. 225.

282

Vgl. HOMBURG/KROHMER (2006), S. 112.

283

Vgl. HERRMANN (1992), S. 82.

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

47

durch subjektiv wahrgenommene Eigenschaften gesteuert. 284 Diese Eigenschaften werden in eine metrisch skalierte Rangordnung überführt, auf deren Basis nun die unterschiedlichen Wahlalternativen verglichen werden können. Jeder Marke kann so ein Präferenzwert zugeordnet werden. 285 Die Präferenzwerte werden dann entweder deterministisch oder probabilistisch interpretiert. Als deterministische Auswahlregel wird zumeist die First-Choice-Regel angewendet. 286 Probabilistische Wahlmodelle sind vorwiegend das Bradley-Terry-Luce-Modell sowie das Multinomiale-LogitModell. 287 Für die Modellierung der Auswirkungen von Markenrepositionierungen soll im Rahmen dieser Arbeit der Fokus auf die Simulation des Einflusses von Repositionierungsstrategien auf das Markenwahlverhalten gelegt werden. Im Rahmen der Taxonomie von LILIEN/KOTLER (1983) wird demnach auf die Wahrnehmung von Repositionierungen, die Präferenzbildung, die Kaufentscheidung und das Nachkaufverhalten, in Form von Empfehlungsverhalten, Bezug genommen. Dies ist auch darauf zurückzuführen, dass solch eine Analyse die Betrachtung von Käuferwanderungsbewegungen zulässt, welche einen direkten Indikator für ökonomische Ergebnisgrößen wie Marktanteil oder Käuferanteil darstellen. 5

Zielsetzung und Gang der Untersuchung

Da Repositionierungsstrategien und -entscheidungen bisher nicht agentenbasiert simuliert worden sind, besteht das übergeordnete Ziel der Dissertation in der Entwicklung eines aussagekräftigen, empirisch validierten Simulationsmodells von Markenrepositionierungsstrategien. Es lassen sich vier zentrale Forschungsziele der Dissertation formulieren: ƒ

Primäres Ziel ist die bessere Erklärung von Kaufentscheidungen in Abhängigkeit von Markenrepositionierungen. Dies erfolgt in Abgrenzung zu bisherigen analytischen Modellen, welche nicht in der Lage sind, nichtlineares Verhalten darzustellen. Angestrebt wird eine bessere Erklärung des Kaufverhaltens durch die Untersuchung der Effekte, die aus der Interaktion der einzelnen Nachfrager auf Mikroebene die Ergebnisse des Systems auf Makroebene (Marktanteil) beeinflussen.

284

Vgl. HOMBURG/KROHMER (2006), S. 113.

285

Vgl. HERRMANN (1992), S. 83.

286

Vgl. KOHLI/KRISHNAMURTI (1987); NAIR/THAKUR/WEN (1995).

287

Vgl. GUTSCHE (1995); STEINER/HRUSCHKA (2002).

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

48

ƒ

Darauf aufbauend soll die Eignung agentenbasierter Modelle für die Simulation des Einflusses von Repositionierungsstrategien auf das Kaufverhalten festgestellt und kritisch reflektiert werden.

ƒ

Auf Basis von Ist-Positionierungsanalysen werden Repositionierungsstrategien entwickelt, deren Einfluss auf das Kaufverhalten daraufhin agentenbasiert simuliert wird. Anwendungsobjekt ist der Markt für Festnetztelefone. Zum Zweck der Modellentwicklung wurde eine repräsentative Onlinebefragung in 5 Ländern durchgeführt. Zielmarkt der Befragung ist der private Endkundenmarkt (B2C).

ƒ

Aus der Simulation und der empirischen Untersuchung werden Handlungsempfehlungen für die Markenführung im Rahmen von Repositionierungen innerhalb einer komplexen und dynamischen Umwelt abgeleitet. Im Vordergrund steht hier eine Verbesserung des Aussagegehaltes von betriebswirtschaftlichen Methoden zur Unterstützung von Repositionierungsentscheidungen.

Durch die Anwendung der agentenbasierten Methodik zur Simulation, leistet diese Arbeit einen Methodentransfer von der Forschung zur künstlichen Intelligenz in die Positionierungsforschung. Für die Simulation des Markenwahlverhaltens wird hierzu auf verhaltenswissenschaftliche Grundlagen zurückgegriffen, die in den neuen Kontext der agentenbasierten Simulationstechnik übertragen werden. Gleichzeitig lässt die Wahl der agentenbasierten Simulationsmethodik die Erforschung emergenter Phänomene sowie die Erforschung des individuellen Kaufverhaltens auf Mikroebene und dessen Auswirkung auf die Makroebene zu. Insbesondere soziale Einflüsse auf das Markenwahlverhalten stehen im Rahmen der Simulation im Vordergrund. Über den Markenwahlprozess hinaus wird im Rahmen dieser Arbeit der spezielle soziale Einfluss auf das Kaufverhalten im Fall von Markenrepositionierungen simuliert, um neue Erkenntnisse für das Management von Markenrepositionierungen zu gewinnen. Der Forschungsansatz der vorliegenden Arbeit umfasst mehrere Teilbereiche. Zuerst wird ein konzeptioneller Bezugsrahmen für ein agentenbasiertes Simulationsmodell von Positionierungsstrategien als Weiterentwicklung bestehender Modelle definiert. 288 Das daraus abgeleitete Hypothesengerüst 289 wird auf Basis einer großzahli-

288

Vgl. WOLF (2008), S. 37 ff.

289

Wissenschaftliche Hypothesen sind Annahmen über reale Sachverhalte in Form von Konditionalsätzen. Sie weisen über den Einzelfall hinaus (Generalisierbarkeit, Untersuchbarkeit) und sind durch Erfahrungsdaten widerlegbar (Falsifizierbarkeit). Vgl. BORTZ/DÖRING (2005), S. 8.

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

49

gen quantitativen Primärmarkterhebung überprüft. Die Reliabilität 290 und Validität 291 des in der Befragung verwendeten standardisierten Fragebogens 292 wird auf Basis von qualitativen Vorstudien und Expertengesprächen gewährleistet. Zur Überprüfung der Repräsentativität der Umfrage wird auf Sekundärstudien zurückgegriffen. Zur Validierung weiterer modellkritischer Regeln und Routinen werden multivariate statistische Verfahren angewendet sowie Expertengespräche durchgeführt. Als Methodik für die Erkenntnisgewinnung werden einerseits multivariate statistische Verfahren und andererseits das agentenbasierte Simulationsprogramm Netlogo verwendet. 293 Der Aufbau der Arbeit gliedert sich in vier Teile. Das Kapitel A, definitorische Grundlagen und Forschungskonzept, beinhaltet die theoretischen Grundlagen dieser Arbeit. Nach einer Einleitung wird der Begriff Positionierung aus drei Perspektiven betrachtet und aufbauend auf dieser Analyse eine eigene Definition entwickelt. Anschließend wird die dynamische Komponente der Positionierung im Rahmen von Positionierungsstrategien erläutert und der Terminus Repositionierung definiert. Die Eingrenzung des Untersuchungsgegenstandes hinsichtlich der Simulation von Repositionierungsstrategien schließt dieses Kapitel ab. Kapitel B beschäftigt sich mit dem Status Quo der Forschung zu Repositionierungsmethodiken. Einleitend werden hierzu die einzelnen Charakteristika von Markenrepositionierungen näher erläutert und ein Prozess der Markenrepositionierung kurz beschrieben. Darauf aufbauend werden die einzelnen Methoden zur Analyse der Positionierungsanalyse, der Simulation und der Optimierung von Positionierungsstrategien dargestellt und kritisch bewertet. Nachfolgend werden agentenbasierte Ansätze zur Simulation vorgestellt und Implikationen für ein agentenbasiertes Simulationsmodell von dynamischen Positionierungsstrategien vorgestellt. In Kapitel C wird das agentenbasierte Modell entwickelt und analytisch dargestellt. Dies beinhaltet die Beschreibung der einzelnen Agentenklassen, des Regelwerkes

290

Die Reliabilität (Zuverlässigkeit) gibt den Grad der Messgenauigkeit (Präzision) eines Merkmals an, unabhängig davon, ob das Modell die Messung dieses Merkmals überhaupt beansprucht. Vgl. BÜHNER (2008), S. 35.

291

Die Validität (Gültigkeit) ist das wichtigste Testgütekriterium und gibt an, ob das Modell das misst, was es messen soll oder vorgibt zu messen. Validität kann in drei Unterbegriffe differenziert werden: Inhaltsvalidität, Kriteriumsvalidität und Konstruktvalidität. Vgl. BORTZ/DÖRING (2005), S. 199 f.

292

Ein standardisierter Fragebogen beinhaltet für alle Befragten die gleichen Fragen in gleicher Formulierung und Reihenfolge. Dies ermöglicht eine homogene Befragungssituation. Vgl. SCHNELL/HILL/ESSER (2005), S. 322.

293

Netlogo ist eine Umgebung zur Modellierung agentenbasierter Simulationen. Vgl. WILENSKY (1999).

50

Positionierungs- und Repositionierungsentscheidungen im Rahmen der Markenführung

sowie die Konzeption der Umwelt. Als Ergebnis wird das agentenbasierte Simulationsmodell mit den bereits beschriebenen Modellen zur Simulation von Repositionierungen verglichen. Die eigentliche Simulation von Markenrepositionierungen anhand eines Fallbeispieles schließt das Kapitel ab. Anschließend werden die Ergebnisse der Simulation diskutiert und anhand von statistischen Analysen validiert. In Kapitel D werden die Untersuchungsergebnisse kritisch gewürdigt. Darüber hinaus werden Implikationen für die weitere Forschung und Handlungsempfehlungen aus den Analyseergebnissen abgeleitet.

Theoretische Grundlagen und aktueller Stand der Forschung

51

B Theoretische Grundlagen und aktueller Stand der Forschung 1

Das dynamische Konzept der Repositionierung

Für die Analyse von Markenrepositionierungen kann der entscheidungsorientierte Ansatz nach Heinen 294 herangezogen werden. Er beschäftigt sich mit der Optimierung unternehmerischer Entscheidungen. Dies geschieht unter Einbeziehung realistischer Prämissen und dem tatsächlichen menschlichen Verhalten. Ziel des Ansatzes ist es, betriebliche Entscheidungen mittels Integration von Sicherheit, Risiko und Unsicherheit zu verbessern. Auf Basis dieses Ansatzes ist es nun möglich, den Entscheidungstatbestand der Markenrepositionierung in Abgrenzung zur Positionierung von Marken zu charakterisieren. Zuerst werden mögliche Gründe, Ziele und Formen von Markenrepositionierungen untersucht. Zum Abschluss werden unterschiedliche Formen und Intensitäten von Markenrepositionierungen betrachtet. 1.1 Auslöser von Markenrepositionierungen Auslöser für Markenrepositionierungen können nach ROOSDORP (1998) in fünf unterschiedliche Problemfelder differenziert werden: Verlust der eigenständigen Positionierung im Zeitverlauf, Überforderung auf Grund externer Veränderungen, sinkendes Kundenpotential, eingeschränkter Handlungsspielraum durch Konkurrenzaktivitäten, sowie die Vernachlässigung der Supportinstrumente und der Umsetzung. 295 MÜHLBACHER/DREHER/GABRIEL-RITTER (1996) hingegen fassen die Herausforderungen an Markenpositionen und die daraus resultierenden Gründe für etwaige Repositionierungen in die generischen Kategorien Komplexität und Dynamik zusammen. 296 KELLER/STERNTHAL/TYBOUT (2002) weisen bei etablierten Marken auf die periodische Neubewertung der gewählten points of parity und points of difference hin, um die Differenzierung der Marke zum Wettbewerb aufrechtzuerhalten. 297 Betrachtet man die unterschiedlichen möglichen Gründe für eine Markenrepositionierung, können vier Problemfelder herausgelöst werden, in welche die unterschiedlichen Kategorien von Gründen eingeordnet werden können (vgl. Abbildung 5).

294

Vgl. HEINEN (1962), S. 9 ff.

295

Vgl. ROOSDORP (1998), S. 35.

296

Vgl. MÜHLBACHER/DREHER/GABRIEL-RITTER (1996), S. 204 f.

297

Vgl. KELLER/STERNTHAL/TYBOUT (2002), S. 83.

Theoretische Grundlagen und aktueller Stand der Forschung

52

Verlust der eigenständigen Positionierung im Zeitablauf

Überforderung aufgrund zu starker externer Dynamik

Markenrepositionierung

Implementierungsdefizite

Mangelnder Markenidentitäts-Fit

Abbildung 5 : Gründe für Markenrepositionierungen Quelle: In Anlehnung an ROOSDORP (1998), S. 36.

Das erste Problemfeld umfasst den Verlust der eigenständigen Positionierung im Zeitablauf. 298 Ursächlich hierfür sind Fehlentscheidungen im Rahmen der Markenstrategie. 299 Dies trifft insbesondere auf Entscheidungen hinsichtlich der Markenevolution und des Markenportfoliomanagements zu. Markenevolution kann in diesem Kontext als die dynamische Weiterentwicklung der Markenarchitektur verstanden werden. Problempotenzial für die Markenpositionierung besitzen insbesondere die Markenexpansionsstrategien. Sie umfassen einerseits die geografische Expansion und andererseits Markenerweiterungsstrategien, wie Markendehnung oder Markentransfer. 300 Der Markentransfer ist ein beliebtes Mittel, um die Positionierung einer Marke dynamisch weiterzuentwickeln, wird jedoch das Potential der Marke überschätzt, kann dies zu einer Erosion der Markenidentität und gleichzeitig zu einer Verwässerung der Positionierung führen. 301 Dies resultiert häufig aus einer räumlichen Entfernung der Positionen des Stammprodukts und des Transferprodukts auf-

298

Vgl. ROOSDORP (1998), S. 38.

299

Vgl. Die Markenstrategie umfasst sämtliche Entscheidungen zur Markenarchitektur, Markenevolution, Markenpositionierung und Markenorganisation. Vgl. BURMANN/MEFFERT (2005a), S. 76. HOMBURG/KROHMER (2006), S. 632.

300

Vgl. BURMANN/MEFFERT/BLINDA (2005), S. 192 ff.

301

Vgl. BURMANN/MEFFERT (2007), S. 161 ff.

Theoretische Grundlagen und aktueller Stand der Forschung

53

grund der Ansprache möglichst unterschiedlicher Zielgruppen. 302 Ein prominentes Beispiel für den Verlust der eigenständigen Positionierung stellt die englische Marke Jaguar dar. Durch die Einführung eines Kombis auf Basis des Ford Mondeos sollten neue Zielgruppen wie Familien mit mittleren Einkommen erschlossen werden. Die Stammkäuferschaft der englischen Traditionsmarke strafte die Marke ab. Die Schere zwischen der Stammkäuferschaft englischer Sportwagen und des familienfreundlichen Mittelklassesegments war für die Marke Jaguar nicht zu bedienen. Seit dem hat Jaguar mit Absatzproblemen zu kämpfen. Neben möglichen Problemen im Rahmen der Markenevolutionsstrategien können ebenfalls Mängel im Rahmen der Markenportfoliostrategie zu einem Positionierungsverlust im Zeitablauf führen. Das größte Risiko besteht zwischen Mehrmarkenstrategien, da hier eine ungenügende Differenzierung der einzelnen Marken voneinander und der Kundensegmente, die von diesen Marken bedient werden, im Zeitablauf entstehen kann (Markenkannibalismus). Dies führt dann zu ungewünschten Käuferwanderungen und einer undifferenzierten Wahrnehmung der einzelnen Marken durch die Nachfrager. 303 An dieser Stelle können ebenfalls Fehler bei der Neubewertung der „points of parity“ oder „points of difference“ Strategien angeführt werden. Besonders im Rahmen von Markenportfolios kann dies zu Problemen führen, da Innovationen in der Regel in die gesamte Produktpalette integriert werden und somit eher zu einem Hygienefaktor werden, als sinnvoll zur Differenzierung zwischen den Marken innerhalb eines Portfolios beizutragen. 304 Ein Beispiel hierfür ist der Festnetztelefonmarkt. Die Homogenität der Produktportfolios der einzelnen Anbieter ist sehr hoch. Es gibt kaum noch Möglichkeiten, die Produkte innerhalb eines Portfolios über Funktionen zu differenzieren. Dies liegt unter anderem daran, dass Innovationen sehr schnell zu Hygienefaktoren degenerieren und schon in die Niedrigpreissegmente integriert werden müssen, um Konkurrenzfähigkeit zu sichern. Ein weiterer Grund kann ein beschränktes Dynamikpotential der eingenommenen Marktposition sein. Dies trifft insbesondere auf Märkte mit homogenen Gütern zu, da hier die Positionierungsspielräume von vornherein begrenzt sind. Eine dynamische Entwicklung der Position wird dann durch mangelndes Marktvolumen in möglichen Transfermärkten, besetzte Nischen und eine Beschränkung auf funktionale Nutzen-

302

Vgl. HÄTTY (1989); ZATLOUKAL (2002).

303

Vgl. ROOSDORP (1998), S. 38.

304

Vgl. KELLER/STERNTHAL/TYBOUT (2002), S. 83.

Theoretische Grundlagen und aktueller Stand der Forschung

54

dimensionen erschwert. 305 Ein Beispiel hierfür ist der Kraftstoffmarkt. Hier müssen sich die einzelnen Marken versuchen über Zusatzangebote zu differenzieren. Dies kann über Zusatzservices (Shell-Tankwart) oder Bistroangebote der Marke Aral geschehen. Das zweite Problemfeld umfasst die Überforderung der markenführenden Unternehmung aufgrund der zu starken externen Dynamik. Als ein Beispiel kann der Wandel der Nachfragerbedürfnisse im Zeitverlauf herangezogen werden. 306 Die zunehmende Heterogenisierung der Zielgruppen stellt eine besondere Herausforderung an eine Markenpositionierung dar. Die zunehmende Individualisierung der Kundenbedürfnisse erschwert es Anbietern, Märkte mit standardisierten Lösungen zu bedienen. Um eine adäquate Zielgruppenabdeckung zu gewährleisten, werden Markenpositionierungen immer komplexer. Dies führt im Rahmen von Repositionierungsentscheidungen zu einer Anpassung der Markenposition an die individualisierten Bedürfnisse, was einer klaren differenzierten Positionierung entgegenwirkt. 307 Ist eine Markenpositionierung abhängig von kurzfristigen Trends, können mögliche Positionierungsinhalte schnell veralten. Darüber hinaus ist ein kontinuierlicher Aufbau einer Markenpositionierung in dynamischen Märkten aufgrund der sehr schnell wechselnden Kundenbedürfnisse als schwierig einzustufen. Rasanter technologischer Fortschritt und die Verkürzung von Lebenszyklen können ebenfalls Ursachen für eine Markenrepositionierung sein, da entweder technologische Vorteile ausgebaut oder Nachteile kompensiert werden müssen, um weiterhin erfolgreich am Markt agieren zu können. Eine zu starke Dynamisierung des Wettbewerbsumfeldes und daraus resultierender Konkurrenzdruck kann ebenfalls als Grund für eine Repositionierung identifiziert werden. Dies äußert sich in einer häufigen Repositionierung von Wettbewerbern, die u. a. eine angestammte Position einer Marke angreifen, bspw. durch eine aggressive points-of-parity Strategie. 308 Darüber hinaus können der Eintritt neuer Wettbewerber oder die Fusion von Wettbewerbern zu einer Veränderung der Konkurrenzverhältnisse führen und eine Marke zur Repositionierung zwingen. 309

305

Vgl. ROOSDORP (1998), S. 41.

306

Vgl. WIND (1982), S. 530.

307

Vgl. BLISS (2000b), S. 52.

308

Vgl. KELLER/STERNTHAL/TYBOUT (2002), S.82.; HAEDRICH/TOMCZAK/KAETZKE (2003), S. 63.

309

Vgl. KELLER (2008), S. 547. Die Thematik defensiver Marketing-Strategien als Antwort auf das Eintreten neuer Wettbewerber im Markt wurde erstmals von HAUSER/SHUGAN (1983) konzeptionell beschrieben. Später wurde auf Basis der theoretischen Ausführungen das Defender-Modell ent(Fortsetzung der Fußnote auf der nächsten Seite)

Theoretische Grundlagen und aktueller Stand der Forschung

55

Aus dem Ansatz der identitätsbasierten Markenführung heraus kann als Auslöser einer Markenrepositionierung mangelnde Konsistenz und Kontinuität in der Markenführung identifiziert werden. Kontinuität bezieht sich auf die Beibehaltung der essenziellen Markenmerkmale im Zeitablauf, sofern keine Neupositionierung intendiert ist. Konsistenz bezieht sich dabei auf die Vermeidung von Widersprüchen zwischen der Ursprungspositionierung und der im Rahmen der Repositionierungsstrategie entwickelten neuen oder abgewandelten Positionierung. 310 Als Indikator für die Bewertung der Konsistenz kann der „Marken-Identitäts-Fit“ herangezogen werden. Zur Analyse der Kongruenz kann die Markenidentität herangezogen werden und zunächst in essentielle Kernelemente, die ihr Kontinuität verleihen und die akzidentiellen peripheren Elemente, die der Markenidentität Flexibilität verleihen, unterteilt werden. 311 Hierbei muss darauf geachtet werden, dass nicht zu viele Elemente als Kern der Identität definiert werden, da andernfalls der Handlungsspielraum und damit die Fähigkeit eines Wandels der Marke noch weiter begrenzt wird. 312 Das FitVerständnis kann dementsprechend konkretisiert werden: Die essentiellen Identitätsmerkmale der Marke zum Zeitpunkt t0 sollten passig zu denjenigen im Zeitpunkt t1 nach der Repositionierung sein. Bei der Umsetzung von Positionierungsstrategien kann es zu massiven Implementierungsfehlern kommen. 313 Gründe hierfür stellen eine unzureichende Marktforschung, eine kurzfristige Ausrichtung der Managementanreizsysteme und eine unzureichende Einbindung der Markenverantwortlichen bei der Leistungsentwicklung und Produktion der Kernleistungen dar. Die Schwächen in der Marktanalyse beziehen sich auf die unzureichende Messung der Markenwahrnehmung der Nachfrager. Innerhalb des Controllings der Positionierung muss das Image der Marke laufend und valide auf der gleichen Basis gemessen werden, damit Zeitreihenanalysen durchgeführt werden können, welche die Entwicklung der Positionierung über einen längeren Zeitraum dokumentieren können. Die kurzfristige Ausrichtung der Managementanreizsysteme führt zu einer mangelnden Kontinuität innerhalb der Markenführung. Ausschließliche Berücksichtigung quantitativer kurzfristiger Erfolgsgrößen bei der Beurteilung des Markenerfolgs ist nicht ausreichend. Die Berücksichtigung qualitati-

wickelt, welches den Eintritt neuer Wettbewerber und die Auswirkungen auf Bekanntheit, Preis etc. schon bestehender Produkte im Markt modelliert. Vgl. HAUSER/SHUGAN (2008), S. 88 ff. 310

Vgl. KELLER (1999), S. 105.

311

Vgl. BURMANN/FEDDERSEN (2007), S. 11 ff.

312

Vgl. KAPFERER (2000); KAPFERER (2003), S. 220 f.

313

Vgl. ROOSDORP (1998), S. 50.

Theoretische Grundlagen und aktueller Stand der Forschung

56

ver Größen bei der Beurteilung der Markenpositionierung ist zwingend erforderlich. Eine weitere Schwäche bei der Implementierung ist ein strukturelles Defizit innerhalb der Unternehmen. Der Einfluss des Marketings auf die Produktentwicklung und Produktion ist unsystematisch, was zu einer mangelnden Integration verhaltenswissenschaftlicher Erkenntnisse in den Leistungserstellungsprozess führt. 1.2 Ziele der dynamischen Repositionierung Auf Basis des identitätsbasierten Markenmanagements lassen sich im ersten Schritt vier Basisziele der Markenrepositionierung ableiten: Das Ziel der Kontinuität kennzeichnet die Beibehaltung wesentlicher Nutzendimensionen einer Markenpositionierung über einen längeren Zeitraum hinweg. Dieses Set essentieller Merkmale beschreibt das Wesen dessen, dem Identität zugeschrieben wird. Gehen diese essentiellen Merkmale verloren, erlischt die Identität. Im Gegensatz zu essentiellen Merkmalen können sich die akzidentiellen Merkmale einer Markenpositionierung verändern, ohne dass die Marke nachhaltigen Schaden davonträgt. 314 Für den Aufbau einer klaren Position im Markt ist somit eine Kontinuität der akzidentiellen Merkmale nicht erforderlich. Allerdings üben auch akzidentielle Merkmale Einfluss auf die konkrete Gestalt der Markenposition aus. Da die Wahrnehmung einer Marke auf Lernprozessen bei den Nachfragern basiert, kann diese nur erfolgreich verlaufen, wenn sie konstant bleibt. 315 Aus diesem Grund sollten die wesentlichen Merkmale beibehalten werden, damit die Nachfrager die vertraute unverwechselbare Gestalt der Marke zweifelsfrei wieder erkennen können (essentielle Merkmale). Neuerungen im Rahmen von Markenrepositionierungen sollten sich demnach nur auf die Veränderung akzidentieller Merkmale beschränken, da eine Veränderung essentieller Merkmale, nach dem Verständnis der identitätsbasierten Markenführung, zu einer Neupositionierung der Marke führen würde. Aktualität bezieht sich darauf, die Marke aus dem Konkurrenzfeld zu differenzieren und damit ihre Identität sichtbar zu machen. Das bedeutet, eine gedankliche Präsenz beim Nachfrager zu entwickeln, die stärker ist als die der Konkurrenten. 316 Im Rahmen der Kommunikationsforschung kann dies als „Thematisierung“ der Marke beschrieben werden. Dies führt zu einem Mere-Exposure-Effect der über die Bekannt-

314

Vgl. BÖHM (1989), S. 48 f.

315

Vgl. MÜHLBACHER/DREHER/GABRIEL-RITTER (1996), S. 206.

316

Vgl. KROEBER-RIEL/ESCH (2000), S. 97.

Theoretische Grundlagen und aktueller Stand der Forschung

57

heit hinaus die Einstellung zu einer Marke positiv beeinflussen kann. Versäumt eine Marke die Aktualisierung der Positionierung mittels der Marketing-Instrumente über einen längeren Zeitraum, führt dies zu einem Kompetenzverlust in der Wahrnehmung der Nachfrager. 317 Mittels einer kontinuierlichen evolutionären Repositionierung der Marke ist eine Gewährleistung der Aktualität auf unterschiedliche Art und Weise zu erreichen. Konsistenz beschreibt im Rahmen der Markenführung die Vermeidung von Widersprüchen im Markenauftritt und Führungsverhalten. Dies macht eine laufende Abstimmung der essenziellen und akzidentiellen Merkmale notwendig. Das bedeutet im Rahmen von Markenrepositionierungen eine widerspruchsfreie integrierte Kommunikation des Markennutzenversprechens über alle Marketing-Mix Instrumente zu gewährleisten. Bei einer Veränderung der angestrebten Merkmalskombination ist dies mittels aller Instrumente umzusetzen, um einer Verwässerung des Markenimages entgegenzuwirken. Relevanz stellt ein Maß für die Bedeutsamkeit einer Marke für das Kaufverhalten der Nachfrager dar. Im Rahmen von Repositionierungen dient sie als wichtiges Kriterium für die Informationsqualität, ob die Veränderung einer Position weiterhin relevant für die Nachfrager ist oder nicht. Durch Veränderung wichtiger Nutzendimensionen im Rahmen von Repositionierungen kann die Kaufverhaltensrelevanz nachhaltig geschädigt werden. Ein weiterer wichtiger Baustein für die Relevanz einer Marke ist ihre Differenzierung vom Wettbewerb. Die Marke befindet sich demnach in einem Spannungsfeld zwischen Kontinuität und Veränderung (Aktualität). JENNER (1999a) bezeichnet dieses Kontinuum treffend als Markenführung zwischen Markenstarre und Markenaktionismus (vgl. Abbildung 6). Markenstarre bezeichnet in diesem Kontext den Verlust von Relevanz und Aktualität und Markenaktionismus den Verlust von Kontinuität und Konsistenz. Es kann somit konstatiert werden, dass sich die Ziele von Markenrepositionierungen beeinflussen und dies sich im Zielsystem der Repositionierung widerspiegeln muss. Demnach ist eine dynamisch-kontinuierliche Markenführung anzustreben, welche die unterschiedlichen Ziele in einem übergeordneten Zielsystem integriert.

317

Vgl. JENNER (1999b), S. 150.

Theoretische Grundlagen und aktueller Stand der Forschung

58

Kontinuität

Problemzone 1 (Markenstarre) Erfolgszone (Dynamisch-kontinuierliche Markenführung)

Problemzone 2 (Markenaktionismus) Veränderung

Abbildung 6: Markenführung zwischen Markenstarre und Markenaktionismus Quelle: JENNER (1999a), S. 24.

Für eine erfolgreiche Markenrepositionierung ist somit ein Zielsystem als Grundlage für die weitere Strategie- und Maßnahmenplanung und ein zielorientiertes Controlling der Repositionierung zu entwickeln. Dies beinhaltet die Präzisierung des Vorhabens nach Inhalt, Ausmaß, Zeit- und Segmentbezug. 318 Die unterschiedlichen Dimensionen der Repositionierungsziele sind zu operationalisieren. Operationalität verlangt in diesem Kontext eindeutige Messvorschriften, auf deren Grundlage die Zielerreichung einer Repositionierung zu kontrollieren ist. Bei der Festlegung von Repositionierungszielen sollte das Ausmaß in Form einer Dimensionierung des Zielerreichungsgrades berücksichtigt werden. Hierbei kann zwischen begrenzten (Steigerung des Marktanteils um X%) und unbegrenzten (Veränderung des Markenimages) Zielen unterschieden werden. Der zeitliche Bezug bestimmt, in welchem Zeitraum die Repositionierungsziele zu erreichen sind. Im Idealfall beziehen sich die definierten Ziele auf eine möglichst homogene Schicht von Käufern, um den Segmentbezug zu gewährleisten. Grundlage für die Zielformulierung von Markenrepositionierungen ist die Veränderung funktionaler und symbolischer Nutzendimensionen auf Basis der Mar-

318

MEFFERT ET AL. beschreiben diese Form der Zielformulierung im Rahmen von Marketingzielen vgl. MEFFERT/BURMANN/KIRCHGEORG (2008a), S. 246.

Theoretische Grundlagen und aktueller Stand der Forschung

59

kenidentität. 319 Grundsätzlich können Repositionierungsziele, ähnlich wie Marketingziele, in psychographische und ökonomische Zielsetzungen unterschieden werden. Psychographische Ziele beziehen sich auf die nicht unmittelbar beobachtbaren psychischen Variablen oder intervenierenden mentalen Prozesse beim Nachfrager. 320 Ein psychographisches Ziel einer Markenrepositionierung ist bspw. die Wissensveränderung auf Seiten der Nachfrager. Durch die Repositionierung werden aktiv symbolische oder funktionale Nutzendimensionen verändert. Diese Erneuerung induziert auf Seiten der Nachfrager Lernprozesse, die zu einer Veränderung des Markenimages führen. 321 Bezüglich der zu repositionierenden Marke sollte die Änderung des Markenimages hinsichtlich Art, Richtung und Ausmaß im Wahrnehmungsraum beschrieben werden. Ein weiteres Repositionierungsziel stellt die Erhöhung des Markengebrauchs oder der Verwendungsintensität dar. 322 Gesteigerte Markenpräferenz kann ebenfalls das Ziel einer Markenrepositionierung darstellen. Die Generierung neuer Anwendungsmöglichkeiten oder alternativer Gebrauchssituationen kann ebenfalls ein Repositionierungsziel sein. 323 Ökonomische Ziele von Markenrepositionierungen hängen eng mit den allgemeinen Zielen der markenführenden Institution zusammen. Sie nehmen auf beobachtbare Ergebnisse des Kaufentscheidungsprozesses Bezug und lassen sich in der Regel anhand von Markttransaktionen messen. Ein häufig anzutreffendes ökonomisches Ziel einer Markenrepositionierung ist die Erhöhung des Marktanteils. Weitere ökonomische Zielgrößen können der Markengewinn, die Rentabilität der Marke oder eine Erhöhung des Kundenwerts sein. Durch die Repositionierung der Marke soll aktiv auf das Wahlverhalten der Nachfrager Einfluss genommen werden. 1.3 Intensität und zeitlicher Horizont Um die Intensität einer Markenrepositionierung zu erklären, sind in der Wissenschaft unterschiedliche Ansätze voneinander abgrenzbar. JENNER (1999b) differenziert im Rahmen der Markenführung evolutionäre und revolutionäre Veränderungen. Dieser

319

Vgl. NOMMENSEN (1990), S. 45.

320

Vgl. MEFFERT/BURMANN/KIRCHGEORG (2008a), S. 247.

321

Vgl. BLACKWELL/MINIARD/ENGEL (2006), S. 659.

322

Vgl. KELLER (1999), S. 122.

323

Vgl. WANSINK/GILMORE (1999), S. 91 f.

Theoretische Grundlagen und aktueller Stand der Forschung

60

Ansatz kann als strategischer Wandel bezeichnet werden. 324 Evolutionäre Veränderungen haben in der Auffassung von JENNER eher inkrementellen Charakter und stellen die etablierten Spielregeln des Wettbewerbs nicht in Frage. Eine wirkliche Änderung der Positionierung findet nicht statt, sondern kann über eine Veränderung der instrumentellen Ausgestaltung des Marketing-Mixes aufgefangen werden. 325 Revolutionäre Veränderungen setzen die etablierten Spielregeln des Wettbewerbs außer Kraft. Die Veränderungen gehen mit einer grundlegenden Änderung der Kundenbedürfnisse einher. Häufig werden sie durch Marktneulinge oder durch Entwicklungen in angrenzenden Märkten induziert. Die Eignung der bisherigen Positionierung muss hinterfragt werden und gegebenenfalls radikal verändert werden. 326 YAKIMOVA/BEVERLAND (2005) fanden in ihrer qualitativen Studie heraus, dass ein Kontinuum zwischen evolutionären und revolutionären Markenrepositionierungen besteht. Die Intensität hängt von den involvierten Marketing-Mix Elementen ab. Je mehr Marketing-Mix Instrumente involviert sind, desto revolutionärer ist eine Repositionierung und vice versa. 327 Eine Quantifizierung des Kontinuums findet leider nicht statt, die einzige Basis besteht in einer qualitativen Einschätzung. Im Rahmen der Forschung zum Re-Branding entwickelten MUZELLEC/LAMBKIN (2006) ein Kontinuum, welches die unterschiedlichen Ausprägungen von Repositionierungen aufzeigt. Als fundamentale Dimensionen werden hierbei die Positionierung und die Ästhetik der Marke identifiziert. 328 Unter Markenästhetik fallen demnach der Markenname, das Markenlogo und der Markenslogan. Eine evolutionäre Veränderung bedeutet die Veränderung eines Markenästhetikums, wohingegen bei einer revolutionären Veränderung mehrere Markenästhetika simultan verändert werden. 329 SAUNDERS/JOBBER (1994a) ermittelten in ihrer quantitativen Studie zwei Intensitätsformen von Repositionierung. 330 Im Rahmen der intangiblen Repositionierung bleibt die Ursprungsmarke bestehen, es werden lediglich Veränderungen an anderen nicht produktrelevanten Marketing-Mix Komponenten vorgenommen. Bei einer tangiblen Repositionierung wird neben einer Veränderung der Mix-Elemente auch eine Verän-

324

Vgl. JENNER (1999b), S. 150.

325

Vgl. JENNER (1999a), S. 21.

326

Vgl. JENNER (1999a), S. 22.

327

Vgl. YAKIMOVA/BEVERLAND (2005), S. 448.

328

Vgl. MUZELLEC/LAMBKIN (2006), S. 805

329

Vgl. STUART/MUZELLEC (2004), S. 474.

330

Vgl. BROCKHOFF (1999), S. 48.

Theoretische Grundlagen und aktueller Stand der Forschung

61

derung des Produktes vorgenommen. 331 Die Intensität einer tangiblen Repositionierung ist demnach höher. Eine genaue Quantifizierung der Intensität wird wie bei den bisher vorgestellten Ansätzen jedoch nicht vorgenommen. Zusammenfassend kann somit konstatiert werden, dass die Intensität von Repositionierungen bisher lediglich auf Basis konzeptioneller Überlegungen definiert worden ist. Eine Studie, die sich ausschließlich mit der Intensität von Repositionierungen befasst, ist dem Autor nicht bekannt. Eine Quantifizierung der optimalen Repositionierungsintensität kann somit nicht bestimmt werden. Eine Möglichkeit wäre die Verknüpfung repositionierungsrelevanter Daten (bspw. Imagedaten) mit ökonomischen Zielgrößen (bspw. Marktanteil). Eine Optimierung der ökonomischen Zielgröße könnte Aufschluss über eine optimale Repositionierungsintensität geben und eine Quantifizierung ermöglichen. Auf Basis der bisherigen wissenschaftlichen Erkenntnisse kann für die Identitätsbasierte Markenführung ebenfalls zwischen einer evolutionären und einer revolutionären Form der Repositionierung unterschieden werden. Bezugsobjekt ist aber nicht die Markenästhetik oder der Grad der involvierten Marketing-Mix Instrumente, sondern der Einbezug essentieller und akzidentieller Identitätsmerkmale in den Vorgang der Repositionierung. 1.4 Formen von Repositionierungen Repositionierungsstrategien können im Grundsatz unterschiedliche Formen und Ausprägungen aufweisen. In der Regel kann an dieser Stelle zwischen der aktiven, der reaktiven sowie der passiven Repositionierung differenziert werden. Die aktive Form der Repositionierung beinhaltet die Fokussierung auf latente Kundenbedürfnisse. 332 Die reaktive Form der Repositionierung ist dadurch charakterisiert, die bisherigen Bedürfnisse der Kunden wettbewerbsüberlegen zu befriedigen. 333 Diese Form der

331

Vgl. SAUNDERS/JOBBER (1994a), S. 438.

332

Latente Kundenbedürfnisse können als neue, dem Kunden bis zum Zeitpunkt der Positionierung unbekannte, für seine Kaufentscheidung jedoch wichtige Eigenschaftsdimensionen definiert werden. Vgl. SAUNDERS/JOBBER (1994b), S. 176.

333

Vgl. SAUNDERS/JOBBER (1994b), S. 176.

Theoretische Grundlagen und aktueller Stand der Forschung

62

Repositionierung wird häufig von Marktführern angewendet, um ihre Führungsposition innerhalb eines Marktes zu verteidigen.334 Bei der indirekten Form der Repositionierung sind drei grundsätzliche Vorgehensweisen voneinander zu unterscheiden. Die erste Möglichkeit umfasst die Veränderung der Idealvorstellungen der Nachfrager innerhalb des relevanten Marktes hin zur eigenen Marke. 335 Bei dieser Vorgehensweise werden sozusagen die Nachfrager innerhalb des Eigenschaftsraumes bewegt. 336 Die direkte Beeinflussung von Idealpositionen ist jedoch sehr zeitaufwendig und kostenintensiv, so dass diese Form der Repositionierung in der Praxis selten Anwendung findet. 337 Die zweite Strategie wäre eine Wahrnehmungsveränderung der Konkurrenzmarken. Diese Form ist mit der Legalisierung vergleichender Werbung in Deutschland möglich gemacht worden. Bei dieser Form wird die eigene Markenpositionierung ebenfalls nicht verändert. Die dritte und letzte Möglichkeit der indirekten Repositionierung ist die Einführung einer neuen nicht latenten Beurteilungsdimension zur Etablierung einer differenzierteren Marktbearbeitung. 338 1.5 Der Repositionierungs-Fit als notwendige Bedingung Aus dem Ansatz der identitätsbasierten Markenführung heraus kann die Anforderung der Konstanz und Kontinuität an eine Repositionierungsstrategie formuliert werden. Kontinuität bezieht sich auf die Beibehaltung der essenziellen Markenmerkmale im Zeitablauf, sofern keine Neupositionierung intendiert ist. Konsistenz bezieht sich dabei auf die Vermeidung von Widersprüchen zwischen der Ursprungspositionierung und der im Rahmen der Repositionierungsstrategie entwickelten neuen oder abgewandelten Positionierung. 339 Grundvoraussetzung für eine Markenrepositionierung ist demnach, ob die neue Position der Marke durch die Markenidentität dargestellt werden kann oder nicht. Dies liegt darin begründet, dass das Markennutzenversprechen lediglich eine Verdichtung der relevanten Nutzenattribute einer Marke für den Nachfrager darstellt. Über das Markennutzenversprechen werden nicht sämtliche Nutzen des Nutzenbündels kommuniziert, sondern nur die für den Nachfrager relevanten.

334

Vgl. ROOSDORP (1998), S. 96.

335

Vgl. NOMMENSEN (1990), S. 48.

336

Vgl. FRETER (2008), S. 86 ff.

337

Vgl. NOMMENSEN (1990), S. 48.

338

Vgl. NOMMENSEN (1990), S. 48.

339

Vgl. KELLER (1999), S. 105.

Theoretische Grundlagen und aktueller Stand der Forschung

63

Das Nutzenversprechen einer Marke ist nur dann glaubwürdig, wenn die Markenidentität dieses unterstützen kann. Wird das Markennutzenversprechen im Rahmen der Repositionierung verändert, muss ein Fit zwischen der alten Wahrnehmung der Marke (Ursprungsimage) zum neuen intendierten Markenimage (Image nach der Repositionierung) bestehen. Als Grundlage für die Betrachtung des Repositionierungs-Fits dient das von NITSCHKE (2006) entwickelte Fit-Konstrukt. Der Begriff des Fits wird im Schrifttum allgemein als „die subjektive Beurteilung der Beziehung zwischen einer Marke und einem weiteren Imageobjekt“ 340 definiert. Es dient der Analyse des Grades der gedanklichen Verbindung zwischen zwei Objekten; in diesem Fall des Markenimages im Zeitpunkt t0 zum intendierten Markenimage zum Zeitpunkt t1. Im Mittelpunkt steht die Wahrnehmung der Marke durch die Nachfrager im Zeitverlauf. Die Beurteilung des Markenimages zu den Zeitpunkten t0 und t1 bezieht sich beim Fit-Konstrukt auf die wahrgenommene Kongruenz der Inhalte des Markennutzenversprechens vor und nach der Repositionierung. 341 Zur Analyse der Kongruenz kann das Einstellungskonstrukt des Markenimages bestehend aus den Markenattributen, funktionalen und symbolischen Nutzenassoziationen und der Markenpersönlichkeit herangezogen werden. Grundlegende Vorgehensweise ist, eine Analyse hinsichtlich der verschiedenen Komponenten durchzuführen, ob das intendierte Markenimage hinsichtlich der genannten Komponenten zum derzeitigen Image der Marke passt oder nicht. Für eine theoretische Fundierung des Repositionierungs-Fits kann das allgemeine Kommunikationsmodell nach VON WEIZSÄCKER als Basis genutzt werden (vgl. Abbildung 7).

340

Vgl. BAUMGARTH (2001), S. 48.

341

Vgl. NITSCHKE (2006), S. 29 f.

Theoretische Grundlagen und aktueller Stand der Forschung

64

Wirkung der Information

Wmax

W0 Fmax

F0 0%

Bestätigung

100%

100%

Erstmaligkeit

0%

Verhältnis neuer zu bekannten Informationen

Abbildung 7: Erstmaligkeits-Bestätigungs-Modell nach von Weizsäcker Quelle: WEIZSÄCKER (1986), S. 99.

Das Erstmaligkeits-Bestätigungs-Modell nach von Weizsäcker zeigt die pragmatische Information 342 in Abhängigkeit von Erstmaligkeit und Bestätigung. Generell enthalten Informationen sowohl Elemente, die für den Empfänger neu und damit erstmalig sind, als auch Bestandteile, die bereits vorhandenes Wissen durch Wiederholung und Redundanz bestätigen. Das Markenwissen wird in so genannten Markenschemata im Kopf des Nachfragers abgespeichert. 343 Nach der Lerntheorie ist die Informationswirkung abhängig von dem Verhältnis neuer und bestätigter Informationen. Eine Information kann nur pragmatisch wirken, wenn sie eng an vorhandenes Wissen anknüpft. Eine Wirkung kann nur erreicht werden, wenn sie (i) weder zuviel an Erstmaligkeit von Informationen oder (ii) ein zu hohes Maß an Bestätigung bereits bekannter Informationen enthält. Bei einer vollständigen Erstmaligkeit der Information ist eine Dekodierung und Strukturierung durch den Empfänger nahezu unmöglich. Es fehlen die Anknüpfungspunkte innerhalb des bestehenden Markenschemas für die erstmalig auftretende Information. Der Empfänger versteht die Information nicht. Eine Information kann ihre pragmatische Wirkungsweise also nur dann entfalten, wenn sie auch bestätigende Elemente enthält, welche mit bereits vorhandenem Wissen verknüpft werden können. Allerdings bedeutet ein Übermaß an bestätigenden Elemen-

342

Eine pragmatische Information ist eine wirkungsvolle und sinnvolle Information, welche die Wissensstrukturen im Kopf des Empfängers verändert. Vgl. WEIZSÄCKER (1986), S. 87.

343

Schemata sind große, komplexe Wissenseinheiten, die typische Eigenschaften und feste, standardisierte Vorstellungen von bestimmten Objekten, Personen oder Ereignissen umfassen. Vgl. ESCH (2007), S. 358.

65

Theoretische Grundlagen und aktueller Stand der Forschung

ten wiederum einen Rückgang des pragmatischen Informationsgehalts. Die Interpretation der Information und die Verknüpfung mit bereits vorhandenen Wissensstrukturen stellt dann für den Empfänger kein Problem dar. Eine ausschließliche Wiederholung bereits vorhandener Informationen lässt die Marke für den Empfänger allerdings uninteressant und langweilig erscheinen. Innerhalb des hier vertretenen identitätsbasierten Markenführungsansatzes enthält das Markennutzenversprechen die Kaufverhaltensrelevanten Informationen über die Marke. Wird das Modell nach VON WEIZSÄCKER im Rahmen einer Markenrepositionierung angewendet, können demnach neue Positionierungsinhalte vom Rezipienten nur dann gelernt werden, wenn sie in Kombination mit bekannten Inhalten vermittelt werden (vgl. Abbildung 8). Wirkung der Information

Fit- Wirkungszusammenhang bei metrischer Interpretation Fit- Wirkungszusammenhang bei dichotomer Interpretation

Wmax Veränderung des Markenimages hin zur intendierten Position

Intensivierung des Images

Keine Veränderung des Images W0 Zu kleiner Fit

F0 0% 100%

Mittlerer Fit

FkritU

Repositionierungs-Fit

Zu großer Fit

FkritO Bestätigung Erstmaligkeit

Fmax 100% 0%

Abbildung 8: Der Repositionierungs-Fit der dynamischen Markenführung Quelle: In Anlehnung an NITSCHKE (2006), S. 186.

Bisher stehen die Kommunikation und das Erlernen der neuen Positionierung im Vordergrund. Das Repositionierungskonzept sollte aber auch eine Schwächung der Kernattribute der bisherigen Positionierung berücksichtigen. An dieser Stelle muss die Anforderung des Repositonierungs-Fits konzeptionell um eine zeitraumbezogene Komponente erweitert werden. Wissensstrukturen insbesondere Einstellungen gegenüber einer Marke sind zeitlich im Allgemeinen relativ stabil und schwer veränderbar. 344 Neben anderen Effekten 345 ist der „Interference-Effect“ dafür verantwortlich.346

344

Vgl. TROMMSDORFF (2004), S. 485; KROEBER-RIEL/WEINBERG (2003), S. 168.

Theoretische Grundlagen und aktueller Stand der Forschung

66

Dieser Effekt besagt, dass das Erlernen der neuen Positionierung einerseits durch die Interferenzen der alten Positionierung (bspw. starke Assoziation mit den bisherigen Markenattributen) und andererseits durch die Interferenzen der kommunizierten Position der Wettbewerbsmarken erschwert wird (vgl. Abbildung 9). Neue Dimension

Marke Image der Wettbewerbsmarke

Marke

Marke Beeinflusst die Wahrnehmung

Beeinflusst die Wahrnehmung

Altes Image der Marke Wissensstruktur über die repositionierte Marke

Abbildung 9: Beeinflussung der Wahrnehmung neuer Informationen (Interference-Effect) Quelle: Eigene Darstellung.

Um eine Veränderung der bisherigen Wissensstrukturen herbeizuführen, ist neben der Kommunikation der neuen Attribute/Nutzen die Schwächung bisheriger Markenassoziationen notwendig. 347 Dies kann durch die gezielte Nutzung durch den Wettbewerb ausgelöster Interferenzen innerhalb der Markenkommunikation gewährleistet werden. Bisherige Ergebnisse von Studien aus der Kaufverhaltensforschung belegen, dass die Erinnerung von Markenattributen schlechter ist, wenn die Werbung zweier ähnlicher Konkurrenzprodukte eng aufeinander folgt (TV) oder nebeneinander sichtbar ist (Print). 348 Im Falle einer Repositionierung kann sich dieser Effekt jedoch positiv auswirken, da durch die Präsenz einer Wettbewerbsmarke, mit der ebenfalls die gleichen alten Positionierungsattribute der repositionierten Marke assoziiert werden, diese dementsprechend nicht mehr mit der repositionierten Marke in Verbindung gebracht werden. Gleichzeitig wird die repositionierte Marke mit den neuen Attributen eher verbunden. 349 Dies trifft insbesondere auf Marken zu, die innerhalb ei-

345

Ein weiterer Effekt ist die Informationsflut oder der Information-Overload. Dieser beschreibt den Anteil der nicht beachteten Informationen an den insgesamt dargebotenen Informationen. Er führt dazu, dass eine Markenrepositionierung durch die Nachfrager gar nicht wahrgenommen wird, da die Informationen gar nicht zu Ihnen durchdringen. Hier muss die richtige Strategie gewählt werden, um die relevanten Zielgruppen zu erreichen. Vgl. KROEBER-RIEL/ESCH (2004), S. 13. Weitere Einflussfaktoren können Prädispositionen, Stimmungen, Werte oder demographische Einflussfaktoren sein. Vgl. hierzu NITSCHKE (2006), S. 129 ff.

346

Interference refers to the impaired ability to remember an item previously learned as a result of other learned items stored in long-term memory. JEWELL/UNNAVA (2003), S.284.

347

Vgl. JEWELL (2007), S. 232.

348

Vgl. BURKE/SRULL (1988), S. 65.

349

Vgl. JEWELL (2007), S. 239.

Theoretische Grundlagen und aktueller Stand der Forschung

67

nes homogenen Marktes auftreten und die relativ gleich positioniert sind. 350 Um die Wirkung einer Repositionierung zu beschleunigen und zu verstärken, sollte neben dem Repositionierungs-Fit und der Konstanz, der Zeitpunkt und die Art der Kommunikation im Rahmen des Repositionierungskonzepts berücksichtigt werden. 1.6 Zusammenfassung und Überführung in einen Repositionierungsprozess Der identitätsbasierte Repositionierungsprozess wird aufbauend auf der Markenidentität als Grundlage strukturiert. Zu Beginn des Repositionierungsprozesses wird eine Situationsanalyse durchgeführt. 351 Anhand der Situationsanalyse kann festgestellt werden, ob ein Repositionierungsbedarf für die Marke besteht. Daraufhin werden die Repositionierungsziele festgelegt, die beinhalten, was mit der Marke in welchem Zeitraum erreicht werden soll. 352 Im dritten Schritt werden auf Basis der Markenidentität die erforderlichen Komponenten für die Markenrepositionierung festgelegt. Die Verdichtung und Übersetzung der relevanten Identitätskomponenten in ein neues Markennutzenversprechen ist der abschließende strategische Prozessschritt innerhalb des Prozesses. 353 An dieser Stelle greift der Repositionierungs-Fit als notwendige Bedingung für den Erfolg. Die Anwendung von Positionierungsmodellen zur Prognose der zukünftigen Auswirkungen sollte ebenfalls vor Festlegung der Kommunikationsstrategie erfolgen. Die integrierte Kommunikation 354 des neuen Markennutzenversprechens durch die vier Marketing-Mix Elemente sowie durch die interne Kommunikation stellt den Implementierungsschritt der Repositionierung dar. 355 Der Pro-

350

Vgl. KENT/KELLARIS (1994), S. 102.

351

Im Rahmen der Situationsanalyse sollten sämtliche positionierungsrelevanten Rahmenbedingungen fundiert analysiert werden. Insbesondere sollte eine Analyse der Bedürfnisstrukturen der Nachfrager durchgeführt werden (Ist-Positionierungsanalyse). Diese sollte sich nicht nur über die bereits vorhandenen Bedürfnisse erstrecken, sondern auch latente Bedürfnisse, um zukünftige Positionierungsfelder zu erschließen, erfassen. Vgl. MÜHLBACHER/DREHER/GABRIEL-RITTER (1996), S. 215.; TOMCZAK/ROOSDORP (1996), S. 29.

352

Positionierungsziele können in ökonomische und vorökonomische (psychografische) Positionierungsziele differenziert werden. Ökonomische Positionierungsziele beinhalten dabei bspw. die Generierung eines Preispremiums, Steigerung des Customer Equity oder den Gewinn von Marktanteilen. Psychographische Ziele im Rahmen von Positionierungen umfassen Bekanntheit, Zufriedenheit mit der Marke, Imageziele, Markensympathie, möglichst große Differenzierung, Relevanz des Angebotes etc. Vgl. ausführlich zu Positionierungszielen B AUSBACK (2007), S. 89 ff.

353

Vgl. BURMANN/MEFFERT/FEDDERSEN (2007), S. 11.

354

Integrierte Kommunikation hat zum Ziel, den relevanten Zielgruppen ein in sich stimmiges, konsistentes Erscheinungsbild vom Kommunikationsobjekt (Marke) zu vermitteln. Vgl. MEFFERT/BURMANN/KIRCHGEORG (2008a), S. 636.

355

Vgl. BAUMGARTH (2001), S. 117.

Theoretische Grundlagen und aktueller Stand der Forschung

68

zess endet mit der Kontrolle und dem Monitoring der neu eingenommenen Position (vgl. Abbildung 10).

Werte Kompetenzen Herkunft

Markenidentität

Kommunikation des

Verdichtung und Übersetzung

Herkunft

3 Markennutzenversprechens

Symbolischer Nutzen

Persönlichkeit Werte Kompetenzen

Vision

Leistungen Kompetenzen Herkunft

Funktionaler Nutzen

Markennutzenversprechen

Intern

Extern

- HR Aktivitäten

- Preis

- Interne Kommunikation

- Produkt

- Führung

- Distribution

- Kommunikation

Marken-Position

Kontrolle der Positionierung

Persönlichkeit

2

Fit der Repositionierung

Vision

Leistungen

Situationsanalyse

Positionierungsziele

1 Markenidentitätskonzept

Integrierte Markenkommunikation

Feedback

Abbildung 10: Prozess der Repositionierung Quelle: Eigene Darstellung.

Die innengerichtete Kommunikation des Markennutzenversprechens stellt eine Erweiterung des bisherigen Positionierungsverständnisses dar. Die Repositionierung einer Marke bildet neben der Kommunikation nach außen auch die Grundlage für ein konsistentes Markenverhalten im Sinne der konzipierten Identität. Die Mitarbeiter einer Marke tragen dabei zu einer Positionierung innerhalb eines Zielmarktes bei, da sie ebenfalls mit den Kunden kommunizieren und interagieren. Diese Sichtweise ist in den bisher vorgestellten Ansätzen und Definitionen des Repositionierungskonzeptes nicht enthalten. 356 Im Folgenden wird jedoch auf die marktgerichtete Wirkung einer Markenrepositionierung Bezug genommen, da die innengerichtete Wirkung einem anderen Forschungszweig zuzuordnen ist. 2

Systematisierung und Bewertung von Positionierungsmodellen

2.1 Systematisierung Allgemein können vier unterschiedliche Formen von Positionierungsanalysen unterschieden werden. 357 Die Mehrzahl von Positionierungsanalysen hat die Bestimmung

356

Vgl. hierzu bspw. die Positionierungsprozesse von MÜHLBACHER/DREHER/GABRIEL-RITTER (1996), S. 214; HERRMANN (1998), S. 445.

357

Vgl. WIND (1990), S. 397.; BAIER (1994) klassifiziert die unterschiedlichen Methoden ähnlich, beschränkt sich jedoch in seiner Darstellung auf die Raum- bzw. Präferenzmodelle. Vgl. BAIER (Fortsetzung der Fußnote auf der nächsten Seite)

69

Theoretische Grundlagen und aktueller Stand der Forschung

der Ist-Position zum Gegenstand. 358 Simulationsmodelle können auf Basis der Multidimensionalen Skalierung (MDS), der Conjointanalyse, der Faktorenanalyse oder der Diskriminanzanlyse entwickelt werden. 359 Optimierungsmodelle werden hingegen ausschließlich auf Basis der MDS oder der Conjointanalyse umgesetzt. Aus diesem Grund werden in diesem Kapitel neben der Vorstellung der einzelnen Modelle auch die methodischen Grundlagen der Analyseverfahren erläutert. In Abbildung 11 sind die verschiedenen Methoden für die unterschiedlichen Zwecke im Rahmen der Evaluation von Repositionierungsstrategien dargestellt.

Positionierungsanalysen

Prognose der Wirkung einer Positionierungsstrategie ƒ

MDS + ökonometrische Modelle mit Vergangenheitsdaten

ƒ

Simulationsmodelle auf Basis der ConjointAnalyse

ƒ

Simulationsmodelle auf Basis der Faktorenanalyse

ƒ

Simulationsmodelle auf Basis der Diskriminanzanalyse

Festlegung der erwünschten Strategie ƒ

Optimierungsmodelle auf Basis der MDS

ƒ

Optimierungsmodelle auf Basis der Conjointanalyse

Abbildung 11: Klassifizierung von Positionierungsanalysen und deren Zweck Quelle: In Anlehnung an WIND (1990), S. 397; BAIER (1994), S. 27.

Zur Systematisierung der einzelnen Modelle werden die Kriterien Zielsetzung des Modells, ökonomische Zielgröße, Auswahlregeln, Idealmodell und die Datengrundla-

(1994), S. 27.; Weitere Ansätze werden bei SHOCKER/SRINIVASAN (1979) diskutiert, insbesondere im Hinblick auf die Prognose multiattributiver Entscheidungen. Diese Modelle finden im Rahmen der Modellkonzeption innerhalb der Darstellung des Entscheidungsprozesses der Nachfrager ihre Berücksichtigung. Vgl. hierfür insbesondere Kapitel C 2.2.2. 358

Vgl. WIND (1990), S. 397.

359

Da die Simulationsmodelle auf Basis der Faktorenanalyse ähnlich wie die Modelle auf Basis der MDS funktionieren, werden im folgenden lediglich Simulationsmodelle auf Basis der MDS vorgestellt. Auf eine detaillierte Darstellung faktoranalytischer Modelle wird aus Forschungsökonomischen Gründen verzichtet. Vgl. HUBER/ HOLBROCK (1979), S. 507.

Theoretische Grundlagen und aktueller Stand der Forschung

70

ge herangezogen. 360 Im zweiten Schritt werden die betrachteten Simulationsmodelle anhand von Bewertungskriterien hinsichtlich ihrer Eignung zur Simulation von Markenrepositionierungen bewertet. Auf Grund des bestehenden „multivariate jungle“ haben die folgenden Ausführungen keinen Vollständigkeitsanspruch. 361 Es werden die Modelle aufgezeigt, die innerhalb der wissenschaftlichen Literatur und praktischen Anwendung die größte Beachtung gefunden haben. Der Fokus der folgenden Ausführungen liegt dabei auf Raum- und Präferenzmodellen, da sie innerhalb der Positionierungsforschung am häufigsten Anwendung finden. 2.2 Bewertungskriterien In den letzten 40 Jahren wurden viele Modelle zur Marken- bzw. Produktpositionierung entwickelt. Im Folgenden werden die Modelle aus den unterschiedlichen Verfahrensfamilien in einem ersten Schritt systematisiert (Kapitel 2.2.2 und Kapitel 2.3.2) und anhand von Bewertungskriterien hinsichtlich ihrer Eignung zur Modellierung von Positionierungs- bzw. Repositionierungsentscheidungen bewertet (Kapitel 2.2.3 und Kapitel 2.3.3). Um die Eignung zur Darstellung einer Markenpositionierung festzustellen, werden die Kriterien theoretische Fundierung, empirische Validierung, Berücksichtigung von Einflussfaktoren des Markenwahlverhaltens, Möglichkeiten zur Darstellung von Markenrepositionierungen und die Berücksichtigung der Nachfragerheterogenität herangezogen. 362 1. Theoretische Fundierung: Das Kriterium der theoretischen Fundierung umfasst, ob und welche Theorie dem Positionierungsmodell zu Grunde liegt. Hierdurch wird überprüft, ob im Rahmen der Positionierungsmodelle kaufverhaltenstheoretische Zusammenhänge hinsichtlich der zeitlichen Veränderung von Einstellungen sowie wahrnehmungstheoretische Sachverhalte berücksichtigt werden. Dieses Kriterium hat eine sehr hohe Relevanz, da trotz hoch entwickelter quantitativ-statistischer Verfahren ein häufiges Scheitern von Markenrepositionierungen zu verzeichnen ist. Dies ist häufig auf eine mangelnde Verknüpfung verhaltenswissenschaftlicher, insbesondere kognitionspsychologischer, Überlegungen mit den statistisch-mathematischen Verfahren zur Datenanalyse zu-

360

361 362

Ähnliche Kriterien wurden auch von HERRMANN (1998), S. 451; TROMMSDORF/ASAN/BECKER (2004), S. 568 und BAIER (1994) genutzt und decken die wichtigen Charakteristika der einzelnen Modelle gut ab. HOOLEY/HUSSEY (1994), S. 3 ff. Vgl. TROMMSDORF/ASAN/BECKER (2004), BAIER (1994).

Theoretische Grundlagen und aktueller Stand der Forschung

71

rückzuführen. Dieser Umstand kann auch als theoriearme Operationalisierungsvielfalt bezeichnet werden. 363 2. Empirische Validierung: Das Kriterium der empirischen Validierung beinhaltet, ob das Modell innerhalb von qualitativen oder quantitativen Studien zur Repositionierung von Marken empirisch getestet wurde und wie es in Rahmen der Tests abgeschnitten hat. Dies dient einer Einschätzung der Ergebnisse hinsichtlich einer möglichen Fähigkeit zur Verallgemeinerung und der Feststellung externer Validität. 3. Berücksichtigung von Einflussfaktoren auf das Markenwahlverhalten: Dieses Kriterium beinhaltet, ob das Modell unterschiedliche Einflüsse auf das Entscheidungsverhalten der Probanden in die Simulation einbezieht oder nicht. Kaufentscheidungen unterliegen bspw. situativen Einflüssen, sozialen Einflüssen und persönlichen Einflüssen. Positionierungsmodelle, die das Markenwahlverhalten anhand von Einstellungen erklären, sollten in der Lage sein die verschiedenen Einflussfaktoren innerhalb der Simulation zu berücksichtigen. 4. Möglichkeiten zur Darstellung von Markenrepositionierungen: Der zeitliche Horizont spielt im Rahmen von Markenrepositionierungen eine entscheidende Rolle, da eine Einstellungsveränderung über einen längeren Zeitraum geschieht. Aus diesem Grund sollte ein Simulationsmodell von Markenrepositionierungen zum einen lerntheoretische Aspekte und zum anderen wahrnehmungstheoretische Aspekte berücksichtigen. Des Weiteren sollte die Intensität der Repositionierung betrachtet werden, da, wie bereits beschrieben, zu starke Veränderungen der Marke zu negativen Imagewirkungen führen können. Dies bezieht sich ebenfalls auf die Möglichkeit, unterschiedliche Formen der Repositionierung darzustellen. Es sollte die Gelegenheit bestehen, zwischen aktiven, reaktiven und passiven Repositionierungen zu differenzieren und deren Auswirkungen auf die Reaktionsgrößen zu prognostizieren. 364

363

Vgl. MAYER (1984), S, 290.

364

Vgl. hierzu Kapitel B 1

72

Theoretische Grundlagen und aktueller Stand der Forschung

5. Berücksichtigung der Nachfragerheterogenität: Da Repositionierungsstrategien am Kundennutzen im Gegensatz zu konkurrierenden Marken ansetzen, wird für das Wahlverhalten angenommen, dass Nachfrager sich auf Basis ihres Kundennutzens entscheiden. Auf dieser Basis ist es möglich, die Entscheidungen der markenführendenen Institution mit dem Wahlverhalten der Nachfrager zu verknüpfen. Hierbei ist nicht nur die aggregierte Marktebene von Belang, sondern insbesondere der nachfragerindividuelle Kundennutzen. Hierbei gibt es unterschiedliche Möglichkeiten, die Heterogenität der Nachfrager zu berücksichtigen. Meistens wird dies durch die Bildung homogener Untergruppen, unterschiedlicher Nutzenfunktionen oder die Berücksichtigung unterschiedlicher Idealpunkte umgesetzt. 365 Die Möglichkeit einer unterschiedlichen kognitiven Algebra der Nachfrager, d.h. jeder Proband nutzt unterschiedliche Entscheidungsstrategien, wäre dann ein Modell, welches jedes Individuum berücksichtigt. Im Rahmen der Bewertung wird der Grad der Berücksichtigung hinsichtlich des Entscheidungsverhaltens bewertet. In Tabelle 4 sind die Bewertungskriterien mit ihren einzelnen Ausprägungen als Grundlage der Bewertung zusammengefasst.

365

Vgl. TROMMSDORF/ASAN/BECKER (2004), S. 568.

Theoretische Grundlagen und aktueller Stand der Forschung

73

Keine theoretische Fundierung

Theoretische Fundierung

Bedingte theoretische Fundierung Umfassende theoretische Fundierung Keine empirische Validierung

Empirische Validierung

Partielle Validierung anhand künstlicher Daten Umfassende quantitative Validierung Keine Berücksichtigung

Berücksichtigung von Einflussfaktoren auf das Markenwahlverhalten

Teilweise Berücksichtigung Vollständige Berücksichtigung Keine Möglichkeit

Möglichkeiten zur Darstellung von Markenrepositionierungen

Teilweise möglich Vollständig möglich Keine Berücksichtigung

Berücksichtigung der Nachfragerheterogenität

Nur deterministische oder probabilistische Entscheidungen Entscheidungen können probabilistisch oder deterministisch getroffen werden Möglichkeit der Implementierung unterschiedlicher Entscheidungsregeln Nachfragerindividuelle Entscheidungsregeln

Tabelle 4:

Bewertungskriterien für die Beurteilung von Positionierungsmodellen Quelle: Eigene Darstellung.

2.3 Markenrepositionierungsanalyse auf Basis der Multidimensionalen Skalierung Eine der wichtigsten Gruppen zur Analyse von Markenpositionierungen stellt die Multidimensionale Skalierung (MDS) dar. Erste theoretische Ansätze der Multidimensionalen Skalierung wurden bereits in den 30er Jahren des 20. Jhr. entwickelt. 366 Als

366

Vgl. GREEN (1975).

Theoretische Grundlagen und aktueller Stand der Forschung

74

Begründer der Multidimensionalen Skalierung gelten jedoch KRUSKAL, TORGERSON und SHEPARD, die sich insbesondere mit der Ähnlichkeitsskalierung qualitativer Daten auseinandersetzten. 367 1970 schafften es CARROLL und CHANG erstmals, individuenspezifische Merkmalsdaten innerhalb eines MDS Modells zu berücksichtigen. 368 2.3.1 Methodische Grundlagen der Multidimensionalen Skalierung Unter MDS werden zahlreiche mathematisch-statistische Verfahren summiert, die eine Auswertung von Unähnlichkeits- und Merkmalsdaten sowie von Präferenzdaten zum Gegenstand haben. 369 Die unterschiedlichen Modellvarianten haben die graphische Darstellung von Objekten, in diesem Fall Marken, in einem möglichst niedrig dimensionierten Raum RF, in dem die relative Lage der Punkte die Beziehung zwischen den Objekten möglichst gut widergespiegelt wird, zum Ziel. 370 Die Distanzen innerhalb des Raumes sollten möglichst gut folgende Monotoniebedingung erfüllen: ukl > uij, dann dkl > dij. Eine mögliche Aussage einer Ähnlichkeitsskalierung könnte sein: Die Objekte kĮ und kȕ sind sich ähnlicher als die Objekte kĮ und kȖ, und diese sind wiederum ähnlicher als die Objekte kȕ und kį usw. 371 Parallel zu den Modellen zur Analyse von Ähnlichkeiten wurden ebenfalls Ansätze zur Modellierung von Präferenzdaten entwickelt. Diese Modelle bilden Objekte zweier unterschiedlicher Mengen in einer gemeinsamen Konfiguration ab. Die Distanzen geben dabei einerseits die Präferenzrelationen zwischen den Objekten und andererseits die Unähnlichkeits- bzw. Ähnlichkeitsbeziehungen derselben Objekte zueinander wieder. 372 Eine Präferenzskalierung sagt demnach aus: Der Proband X präferiert die Marken A,B,C in der Reihenfolge kĮ, kȕ, kȖ, der Proband Y präferiert die Reihen-

367

Vgl. zu den Arbeiten von KRUSKAL, TORGERSON und SHEPARD insbesondere KRUSKAL (1964a), S. 1 ff.; KRUSKAL (1964b), S. 115 ff.; SHEPARD (1962a), S. 125 ff.; SHEPARD (1962b), S. 219 ff.; TORGERSON (1952), S. 401 ff.

368

Dies war innerhalb des 1970 entwickelten INDSCAL Modells möglich. Vgl. hierzu CARROLL/CHANG (1970).

369

Vgl. BACKHAUS ET AL. (2006), S. 619 ff. Für eine detaillierte Behandlung verschiedener Datenfelder für den Einsatz einer MDS vgl. CARROLL/ARABIE (1980), S. 610 f. Metrische MDS-Techniken benötigen als Datengrundlage ratio- oder intervallskalierte Daten vgl. MAZANEC/WIEGELE (1977), S. 49. Die Korrespondenzanalyse ist ebenfalls eine Unterform der MDS und dient vornehmlich der Analyse qualitativer Daten sowie der Komplexitätsreduktion bspw. von sehr umfangreichen Kreuztabellen. Ziel der Korrespondenzanalyse ist es bspw. innerhalb eines Korrespondenzraumes graphisch darzustellen, mit welchen Merkmalen unterschiedliche Marken assoziiert werden. Vgl. BACKHAUS ET AL. (2006), S. 686 ff.

370

Vgl. GUTSCHE (1995), S. 102.

371

Vgl. GUTSCHE (1995), S.104.

372

Vgl. BAIER (1994), S. 38.

Theoretische Grundlagen und aktueller Stand der Forschung

75

folge kȖ, kĮ, kȕ, Proband Z die Reihenfolge kȕ, kȖ, kĮ usw. Neben den Objektpunkten ermitteln die Algorithmen zusätzlich die Wunschkombination der Nachfrager in Form eines Idealvektors oder eines Idealpunktes in einer joint-space Konfiguration. 373 Je geringer die Distanzen zwischen den abgebildeten Objekten innerhalb des Wahrnehmungsraumes dargestellt werden, desto ähnlicher sind sich die Objekte und umgekehrt. Die am häufigsten verwendete Distanzmetrik im Rahmen der Multidimensionalen Skalierung ist die euklidische Distanz. 374 1

d kl

Dkl

2 ªR 2 º «¦ ( x kr  xlr ) ]» mit ukl > uij dann dkl > dij ¼ ¬r 1

:

Xkr,lkr :

Distanz der Punkte k,l Koordinaten der Punkte k,l auf der r-ten Dimension (r=1,2,…R)

Als Maß für die Güte einer Konfiguration und damit als Zielkriterium für die Optimierung wird dabei im Allgemeinen das STRESS-Maß verwendet: 375

STRESS = Mit

¦¦ (d k

kl

 d kl ) 2

1

Faktor

d kl

:

Distanz zwischen den Objekten k und l

d kl

:

Disparitäten der Objekte k und l

Das STRESS Maß gibt an, wie gut bzw. wie schlecht eine Konfiguration die Monotoniebedingung erfüllt. Für das Auffinden der optimalen Konfiguration wird bei KRUSKAL ein iteratives Optimierungsverfahren verwendet, welches die gefundene Konfigurati-

373

Vgl. BAIER (1994), S. 39 ff. Neben dem Wahrnehmungsraum ist es möglich, einen Präferenzraum (preference space) aufzuspannen, der die Präferenzen der Nachfrager abbildet. KAMAKURA/SRIVASTAVA (1986), S. 199 ff.; KAUL/RAO (1995), S. 304 f. Eine Kombination aus beiden Räumen wird als joint space bezeichnet. Vgl. KEON (1983) S. 381 ff.; WIND (1982), S. 79 f.

374

Vgl. CARROLL/ARABIE (1980), S. 614. Neben der euklidischen Distanz existieren noch die CityBlock-Metrik sowie die Verallgemeinerung der City-Block-Metrik und der Euklidischen Distanz, die Minkowski Metrik. Vgl. hierzu BACKHAUS ET AL. (2006) S. 631 ff.

375

Besonders gebräuchlich sind die STRESS-Maße nach KRUSKAL. Vgl. KRUSKAL (1964a) und KRUSKAL (1964b) sowie BACKHAUS ET AL. (2006), S. 639.

Theoretische Grundlagen und aktueller Stand der Forschung

76

on soweit verbessert bis ein minimaler STRESS erreicht wird. Zur Darstellung der ermittelten Konfiguration wird durch die MDS ein Wahrnehmungsraum erzeugt. Dim 1

Dim 1

Dim 1 Idealpunkt Präferenzvektor

Marke 1

Marke 1

Marke 3

Marke 3 Marke 2

Marke 3

Marke 2 Dim 2

Marke 5

Marke 1

Marke 4

Perceptual Space

Marke 2 Dim 2

Marke 5

Marke 4

Idealpunkt-Modell

Dim 2 Marke 5

Marke 4

Idealvektor-Modell

Abbildung 12: Unterschiedliche Darstellung von Wahrnehmungsräumen Quelle: Eigene Darstellung.

Im Rahmen der Verwendung der Multidimensionalen Skalierung zur Analyse von Markenpositionierungen gibt es zahlreiche Vor- und Nachteile. Ein ganz entscheidender Vorteil der Multidimensionalen Skalierung besteht darin, dass die Dimensionen auf den Bewertungen oder Präferenzen der Nachfrager gegenüber einer Marke beruhen. Darüber hinaus ist es möglich, Marken und Idealpunkte der Nachfrager in einem Raum darzustellen. 376 Hierüber lassen sich dann Aussagen über die Markenwahlwahrscheinlichkeit der Nachfrager treffen: Je geringer die Real-Ideal-Distanz ist, desto größer ist die Markenwahlwahrscheinlichkeit. 377 Ein Nachteil der Multidimensionalen Skalierung liegt in der Interpretation des Repräsentationsraumes, da die verschiedenen Skalierungsverfahren keinen Hinweis auf die inhaltliche Bedeutung der Dimensionen geben. Hierbei muss daher einerseits auf Expertenurteile oder andererseits auf eine analytische Interpretation durch Einbeziehung ergänzender statistischer Verfahren zurückgegriffen werden. 378 Ein weiterer Nachteil ist, dass die Analyse mind. 7-8 verschiedene Marken benötigt, um einen zwei- oder drei-dimensionalen Raum aufspannen zu können, was zu einem Problem wird, sobald das Evoked-Set

376

Vgl. GWIN/GWIN (2003), S. 33.

377

Vgl. FRETER (2008), S. 87.

378

Expertenurteile unterliegen subjektiven Einflüssen und hängen von der a priori Information des Analytikers ab. Dies führt bei der Interpretation zu Unschärfen und ist aus diesem Grund nicht empfehlenswert. Vgl. GUTSCHE (1995), S. 122 f. Ein merkmalorientiertes Verfahren zur Interpretation des Repräsentationsraumes stellt das Property Fitting dar. Vgl. BACKHAUS ET AL. (2006), S. 668 ff.

Theoretische Grundlagen und aktueller Stand der Forschung

77

der Nachfrager kleiner ist. 379 Hinzu kommt, dass direkte Ähnlichkeitsbeurteilungen häufig nicht reliabel sind. Aus diesem Grund eignet sich die Multidimensionale Skalierung sehr gut für die Analyse etablierter Märkte mit vielen Akteuren, innerhalb derer die Attribute und Marken bekannt und gefestigt sind. 380 Ein Problem bei der Analyse einer Markenpositionierung anhand der Multidimensionalen Skalierung ist die Auswahl der Startkonfiguration, das Fehlen einer wichtigen Marke kann zu erheblichen Verzerrungen des Wahrnehmungsraumes führen. 381 Eine weitere Einschränkung im Rahmen der Positionierungsanalyse ist die Summierung der Ähnlichkeitsbzw. Präferenzdaten bei der Durchführung einer metrischen oder nichtmetrischen MDS. Dies führt in der Regel dazu, dass personenspezifische Wahrnehmungs- oder Präferenzunterschiede verloren gehen, da die klassischen Skalierungsverfahren von der Annahme der Urteilshomogenität ausgehen. Falls dennoch fundamentale personenspezifische Unterschiede existieren (große Streuung der Einzelwerte), führt eine Informationsaggregation zu irreführenden, der Positionierungsanalyse wenig zuträglichen Ergebnissen. 382 Zur Analyse von Markenpositionierungen ist die Multidimensionale Skalierung auf Grund der dargestellten Vielseitigkeit trotzdem als gut geeignet einzustufen. Jedoch ist ihre Aussagekraft für die Planung markenpolitischer Maßnahmen aufgrund der dargestellten Schwächen als begrenzt zu bezeichnen. Dies ist vor allem darauf zurückzuführen, dass die Ableitung konkreter Maßnahmen aus der Analyse heraus nur sehr schwer möglich ist. Die Herstellung einer Verbindung zwischen den Wahrnehmungsdimensionen (subjektiv wahrgenommene Eigenschaften „Bedürfnisbefriediger“) und den aus der Sicht der Unternehmen objektiven und beeinflussbaren Gestaltungselementen (objektiv messbare physikalisch-technische Eigenschaften und symbolische Eigenschaften einer Marke) kann kaum hergestellt werden. 383 Hauptproblem dabei ist, dass alle untersuchten Marken innerhalb eines Merkmalsraumes anhand der gleichen Imagedimensionen abgebildet werden und darauf basierende Distanzen ihre Relation zueinander wiedergeben. Sobald eine wichtige Beurteilungsdimension nicht vorhanden ist, kann dies zu einer falschen Darstellung des

379

Vgl. HAUSER/KOPPELMAN (1979).

380

Vgl. GWIN/GWIN (2003), S. 33.

381

Vgl. GUTSCHE (1995), S. 125. Für weitere Vor- bzw. Nachteile zur Verwendung der Multidimensionalen Skalierung vergleiche ausführlich WIND (1982), GREEN (1975).

382

Vgl. MAYER (1984), S. 177.

383

Vgl. FRETER (2008), S. 84. Für eine Diskussion des Zusammenwirkens von Bedürfnissen und Eigenschaften, welche diese Bedürfnisse befriedigen, vgl. KAWLATH (1969). SHOCKER/SRINIVASAN (1974), S. 922 sprechen in diesem Zusammenhang von „Want satisfier“.

Theoretische Grundlagen und aktueller Stand der Forschung

78

Wahrnehmungsraumes führen. Gleichermaßen gilt dies für Alleinstellungsmerkmale oder USPs. Sobald eine Marke ein Alleinstellungsmerkmal besitzt, über das die anderen Marken im Markt nicht abgebildet werden können, kann diese Dimension in einer MDS nicht verwendet werden. Dies ist darauf zurückzuführen, dass die MDS für die Darstellung der Relationen zwischen den Marken ein Urteil für jede Marke auf den zuvor identifizierten Dimensionen benötigt. Aus diesem Grund ist die Realitätsnähe einer MDS-Darstellung eingeschränkt. 384 Sobald jedoch anhand umfassender Vorstudien sämtliche relevanten Dimensionen ermittelt wurden, bietet das Verfahren eine gute methodische Basis für die Entwicklung von Simulationsmodellen, um die Auswirkungen von Markenrepositionierungen zu prognostizieren, da das Markenwahlverhalten auf Basis des Distanzkonzeptes einfach zu implementieren ist. Auf die Stärken und Schwächen der Simulationsmodelle wird im folgenden Kapitel näher eingegangen. Positionierungsmodelle auf Basis der MDS sind jedoch seit den 90er Jahren in der wissenschaftlichen Literatur kaum noch akzeptiert. Lediglich einige wenige neue Modelle sind entwickelt worden, die sich hauptsächlich mit der Modellierung mehrerer Idealpunkte eines Nachfragers oder der Findung besserer Lösungsalgorithmen für die Optimierungsmodelle auseinandersetzen. 385 2.3.2 Simulation von Markenrepositionierungen anhand der Multidimensionalen Skalierung Für die Simulation der Auswirkung einer Repositionierungsstrategie wurden zahlreiche Verfahren auf Basis der Multidimensionalen Skalierung entwickelt. 386 Grundlage für diese Modelle stellt der Positionierungsraum dar, in dem Nachfrager und Marken repräsentiert sind. Die Positionen der Nachfrager werden als Idealpunkte verstanden und es wird eine monotone Beziehung zwischen den Distanzen des Idealpunktes zu den Marken und der Präferenz der Nachfrager unterstellt. Auf dieser Basis können Prognosen über die Markenwahlwahrscheinlichkeiten getroffen werden. Der Zusammenhang stellt sich wie folgt dar:387

384

Vgl. KÖHLER (2001), S. 50.

385

Vgl. DESARBO/GREWAL/SCOTT (2008) oder GRUCA/ KLEMZ (2003).

386

Vgl. SHOCKER/SRINIVASAN (1974); SUDHARSHAN/MAY/GRUCA (1988); PESSEMIER ET AL. (1971); BACHEM/SIMON (1979); SCHÖNEMANN/WANG (1971). Für einen Überblick vgl. BAIER (1994), S. 49 ff.

387

Vgl. BAIER (1994), S. 50.

79

Theoretische Grundlagen und aktueller Stand der Forschung

r

¦ (x

d tj

jp

 P tp ) 2

p 1

Dies ist die quadrierte euklidische Distanz zwischen dem mittleren Idealpunkt für den t-ten Nachfrager und der j-ten Marke.388 Auf der Grundlage des dargestellten Zusammenhanges kommen zwei Formen von Auswahlregeln für die Erklärung des Markenwahlverhaltens in Frage: Probabilistische Auswahlregel 389

Deterministische Auswahlregel 390

ptj

1 d tjb b>0 abhängig von Markenkategorie n 1 ¦ b j 1 d tj

ptj

­1 falls j ° ® °0 sonst. ¯

max

j ' 1,..., n

^j ' d ` tj '

min ^d tj '' ` ½ ° ¾ ° ¿

j '' 1,..., n

Diese beiden Formen von Auswahlregeln bilden die Grundlage für zahlreiche Simulationsmodelle auf Basis der MDS, welche diese Auswahlregeln modifizieren. 391 Eine Modifikation einer probabilistischen Auswahlregel stellt das Bradley-Terry-Luce Auswahlmodell dar: 392 pik . j

p r S i ! S k Pi aij (aij  a kj ) 1

aij * (aij *  a ki *) 1

wobei aij *' bi aij bi ! 0 Dieses Modell gibt die Wahrscheinlichkeit einer Kaufentscheidung wieder, die wie folgt formuliert werden kann: „Nachfrager X bevorzugt Stimulus Si gegenüber Stimulus Sk“. Für alle Subjekte Pi existiert eine Funktion von p subjektspezifischen Werten

388

Auch die bereits angeführten Distanzmaße der City-Block-Metrik und der Minkowski-Metrik können zu solch einer Analyse umgeformt und herangezogen werden.

389

Vgl. PESSEMIER ET AL. (1971), S. 373.

390

Vgl. SUDHARSHAN/MAY/GRUCA (1988), S. 53 f.

391

Diese Modelle werden im folgenden Kapitel näher untersucht. Ziel dieses Kapitels ist es, die methodischen Grundlagen zu erläutern.

392

Vgl. LUCE (1961), S. 151 ff.; SCHÖNEMANN/WANG (1971), S. 277.

Theoretische Grundlagen und aktueller Stand der Forschung

80

aij, welche durch eine subjektspezifische multiplikative Konstante bestimmt wird. 393 Ein großer Kritikpunkt an diesem Modell ist die Annahme der konstanten und dem Konsumenten bekannten Nutzenwerte der Produktalternativen. 394 Weitere Möglichkeiten von Markenwahlfunktionen werden bei URBAN, BACHEM/SIMON sowie MOORE/PESSEMIER/LITTLE vorgestellt. 395 Auf Basis dieses Markenwahlverhaltens ist eine Prognose der Auswirkungen einer Positionsveränderung möglich, sofern die notwendigen Plandaten (bspw. Menge, Preis oder Kostenstrukturen) vorliegen. 396 Innerhalb der Modelle kann daraufhin eine Modifikation der Koordinaten im Merkmalsraum bzw. der Merkmalsausprägungen eine Prognose des Käuferanteils, des Absatzes, des Gewinns oder des Marktanteils unter Berücksichtigung der Markenrepositionierung erstellt werden (vgl. Tabelle 5). Prognose des Käuferanteils

Prognose des Absatzes

T

Nt

Anteil j

¦( N p

Absatz j

¦ (Menge p

t 1

tj

)

T

t

tj

)

t 1

Prognose des Marktanteils

Marktanteil ,

T

¦( t 1

Prognose des Gewinns Tabelle 5:

Gewinn j

Menget

¦

T t 1

Menget

ptj )

(¦t 1 Menget ptj )(Pr eis j  var K j )  fixK j T

Prognosemöglichkeiten auf Basis der Multidimensionalen Skalierung anhand ausgewählter Reaktionsgrößen Quelle: BAIER (1994), S.51.

Eng verbunden mit der Fragestellung, wie sich unterschiedliche Positionierungsstrategien bei neuen Marken oder Repositionierungsstrategien bei bereits existierenden Marken auf die vorgestellten Reaktionsgrößen auswirken, ist das Problem der Ermitt-

393

Vgl. SCHÖNEMANN/WANG (1971), S. 277.

394

Diese Kritik wurde vor allem von den Verfechtern der Zufallsnutzenmodelle geübt, die davon ausgehen, dass Nutzenwerte nicht konstant und dem Nachfrager nicht immer bekannt sind. Vgl. HOMBURG/KROHMER (2009), S. 114.

395

Vgl. URBAN (1975); MOORE/ PESSEMIER/LITTLE (1979); BACHEM/SIMON (1979).

396

Siehe hierzu ausführlich BAIER (1994), S. 51 sowie BACHEM/SIMON (1979); HORSKY/NELSON (1992).

Theoretische Grundlagen und aktueller Stand der Forschung

81

lung einer optimalen Positionierung für die zu betrachtende Marke. Zur Optimierung der Position im Markt hinsichtlich der dargestellten Reaktionsgrößen sind zahlreiche Modelle auf Basis der MDS entwickelt worden. Zur Systematisierung der Modelle werden die Kriterien: Implementierte Entscheidungsregel (deterministisch oder probabilistisch), Datengrundlage (Eigenschaftsbeurteilungen, Ähnlichkeitsbeurteilungen oder Präferenzdaten), Anzahl betrachteter Marken (eine Marke oder mehrere Marken) sowie deren Zielsetzung (Welche der genannten Reaktionsgrößen steht im Vordergrund?) herangezogen. 397. In Tabelle 6 sind die in der Wissenschaft anerkanntesten Simulationsmodelle auf Basis der MDS dargestellt.

397

Vgl. GREEN/KRIEGER (1989), S. 131.

Tabelle 6:

Modelle 1. Generation Gewinn

Gewinnoptimale Position bei Neuprodukteinführungen

Bachem/Simon 1979

Modelle 2. Generation

Vergleich unterschiedlicher Positionierungsmodelle auf Basis der MDS Quelle: In Anlehnung an BAIER (1994), S. 54; KAUL/RAO (1995), S. 305.; SHOCKER/SRINIVASAN (1979), S. 164.; TROMMSDORF (2007), S. 360. Käuferanteil

Berechnung multipler Idealpunkte um die wirkliche Wahlstruktur von Konsumenten zu ermitteln und daraus Positionierungsstrategien abzuleiten

Sudhir/Steckel 2002

Marktanteil

Käuferanteil

Optimale Positionierung von Neuprodukten

Gruca/Klemz 2001

Ein Modell für Marktsegmentierung und Positionierung, welches einen joint-space und Marktsegmente abbilden kann

Gewinn

Bestimmung eines gewinnmaximalen Produktkonzepts unter Einbeziehung der Konkurrenz

Horsky/Nelson 1992

DeSarbo/Grewal/Scott 2008

Gewinn

Bestimmung eines gewinnmaximalen Produktkonzepts

Albers 1989 "Proposas"

"Marktanteil/ Käuferanteil"

Optimale Position bei Neuprodukteinführungen

Marktanteil

Käuferanteil

Sudharsan/May/Gruca 1988 "Diffstrat"

Hauser/Shugan 1986 "Defender"

Gavish/Horsky/Srikanth 1983

Keon 1983 "Trinodal" Werbeprofil

Marktanteil

Bestimmung eines gewinnmaximalen Produktkonzepts

Albers 1979, Albers/Brockhoff 1979

Überprüfung von Werbestrategien und Unterstützung der Repositionierung Neuprodukteinführung in einer existierenden Produktkategorie Marketingstrategien für existierende Produkte bei Einführung einer neuen Wettbewerbsmarke (Verteidigungsstrategien)

Marktanteil

Urban 1975 „Perceptor“

Eigenschaftsbewertungen

Eigenschaftsbewertungen und Präferenzdaten

Eigenschaftsbewertungen

Präferenzen und Eigenschaftbewertungen

Ähnlichkeiten und ordinale Präferenzen

Eigenschaftsbewertungen und Präferenzen

Eigenschaftsbewertungen

Eigenschaftsbewertungen

Ähnlichkeiten, Verwechslungsdaten, Präferenzen

Eigenschaftsbewertungen

Ähnlichkeiten und ordinale Präferenzen

Eigenschaftsbewertungen oder Ähnlichkeitsurteile

Eigenschaftsbewertungen

Bewertung von Produktzufriedenheit und Marketingkonzepten bei Neuprodukten und Repositionierungen.

Shocker/Srinivasan 1974

Datengrundlage

Zielgröße "Marktanteil/ Käuferanteil"

Zielsetzung Optimale Position bei Neuprodukteinführungen

Autoren

deterministisch

probabilistisch

probabilistisch

deterministisch probabilistisch

deterministisch probabilistisch

deterministisch probabilistisch

probabilistisch

deterministisch

Idealvektormodell

Multiples Idealpunktmodell

Idealpunktmodell

Idealpunktmodell

Idealpunktmodell

Idealpunktmodell

Idealpunktmodell

Idealpunktmodell

Idealpunktmodell

Idealpunktmodell

deterministisch probabilistisch n.a.

Idealpunktmodell

deterministisch

Idealpunktmodell

Idealpunktmodell

deterministisch probabilistisch

probabilistisch

Idealmodell

Auswahlregel

82 Theoretische Grundlagen und aktueller Stand der Forschung

Theoretische Grundlagen und aktueller Stand der Forschung

83

Eine grobe Einteilung der Modelle auf Basis der MDS kann in einem ersten Schritt in Modelle 1. Generation und Modelle 2. Generation erfolgen. 398 Die Modelle 1. Generation wurden auf Basis neuentwickelter MDS-Algorithmen wie INDSCAL, COSPA, KYST, MULTISCAL und ALSCAL entwickelt. Das erste Modell auf Basis dieser MDS Algorithmen wurde von SHOCKER/SRINIVASAN (1974) entwickelt, um optimale Neuproduktideen zu identifizieren. Modelle 1. Generation haben zum Ziel, den Markt- bzw. Käuferanteil zu optimieren. 399 Diese Modelle führten zu zwei grundsätzlichen Diskussionspunkten: Welche Annahmen werden bei der Berechnung der Kaufwahrscheinlichkeiten getroffen und besteht die Möglichkeit der Errechnung einer gewinnoptimalen Position im Markt. 400 Das Modell von BACHEM/SIMON (1979) ist das erste Modell, welches Kosten und Preise in die Bestimmung der optimalen Position integriert hat. 401 Weitere Aspekte wie die Einbeziehung von Konkurrenzsituationen oder die Positionierung ganzer Produktlinien wird in den Modellen der 2. Generation behandelt. 402 Neuere Modelle seit dem Jahr 2001 befassen sich mit der Modellierung multipler Idealpunkte oder der Entwicklung genauerer Optimierungsalgorithmen. 403 Zum besseren Verständnis der dargestellten Modelle, werden ein Modell der ersten Generation und ein Modell der zweiten Generation näher vorgestellt und bewertet. Als Modell erster Generation wird das Modell von [2504 - Urban 1975 Perceptor: a model f...=] als ein früher Vertreter der optimalen Neuproduktpositionierung beschrieben. Das Modell gilt als eines der wichtigsten Modelle der ersten Modellgeneration. Diese Diskussion wird in den neueren Modellen aufgegriffen, als Modell 2. Generation wird das Modell von KEON (1983) vorgestellt, welches sich insbesondere zur Darstellung und Simulation von Markenrepositionierungen eignet. 404 2.3.2.1 Perceptor Modell von URBAN (1975) Das Modell von URBAN (1975) eignet sich zur Positionierung neuer Marken sowie zur Modifikation bereits existierender Marken und der Markenelimination. Das Ziel des

398

Vgl. TROMMSDORF/ASAN/BECKER (2004), S. 558.

399

Vgl. URBAN (1975).

400

Vgl. ALBERS/BROCKHOFF (1979), S. 231.

401

Vgl. BACHEM/SIMON (1979), S. 362.

402

Vgl. CARPENTER (1989); DESARBO/RAO (1986).

403

Vgl. LEE/SUDHIR/STECKEL (2002); DESARBO/GREWAL/SCOTT (2008).

404

Vgl. TROMMSDORF/ASAN/BECKER (2004), S. 558.

Theoretische Grundlagen und aktueller Stand der Forschung

84

Modells liegt in der Unterstützung des Marketingmanagers bei der Bestimmung psychologischer und physischer Bedürfnisse der Nachfrager hinsichtlich eines optimalen Produktes. Das Perceptor-Modell kann als Ansatz der ersten Generation bezeichnet werden. 405 Kern des Modells ist die Schätzung langfristiger Marktanteile. 406 Das Modell von Urban kann faktoranalytisch oder auf Basis der Multidimensionalen Skalierung umgesetzt werden, da beide Verfahren die Position von Real- und Idealpunkten innerhalb eines Merkmalsraumes zulassen. URBAN (1975) beschreibt sein Modell auf Basis des PREFMAP Verfahrens, welches von CARROLL/CHANG (1970) entwickelt wurde. Den heterogenen Mustern der Markenwahrnehmung und Präferenzbildung wird innerhalb des Perceptor-Modells durch die Bildung homogener Segmente Rechnung getragen. 407 Für diese werden dann jeweils eigene Wahrnehmungs- bzw. Präferenzräume ermittelt. Zur Vervollständigung des Modellergebnisses werden zusätzlich Daten bezüglich der zuletzt gekauften Marke sowie des Umfangs des Evoked-Sets erhoben. 408 Grundsätzlich beruhen die Annahmen über das Markenwahlverhalten auf dem probabilistischen Ansatz, eine wirkliche Markentheorie liegt dem Positionierungsmodell nicht zu Grunde. Der Marktanteil der im Mittelpunkt stehenden Marke setzt sich dabei aus den Erstkauf- und Wiederkaufwahrscheinlichkeiten zusammen. Hierzu müssen zwei Produktmarkträume rekonstruiert werden. Der erste Raum bezieht sich auf Wahrnehmungs- bzw. Präferenzdaten vor dem Kauf der Marke und der zweite Raum auf Daten nach dem Kauf. Hieraus lassen sich dann die erforderlichen Daten für den langfristigen Marktanteil generieren. Die Erstkaufwahrscheinlichkeit resultiert aus dem Abstand zwischen der Position der neuen Marke mit der Merkmalswunschkombination (Idealpunkt) des Nachfragers. Diese wird dann mit dem geplanten Werbedruck sowie der prognostizierten Distributionsrate multipliziert. Die Wiederkaufwahrscheinlichkeit resultiert aus der Wahrscheinlichkeit, nach dem Erwerb einer Wettbewerbsmarke zur neuen Marke zu wechseln, mit der Wahrscheinlichkeit, die neue Marke beim nächsten Kauf erneut nachzufragen. 409 Der langfristige Marktanteil wird

405

Vgl. HERRMANN (1998), S. 448.

406

Der langfristige Marktanteil wird aus dem Anteil der Zielgruppe zusammengesetzt, die jemals die neue Marke versucht haben, multipliziert mit dem Anteil derer, welche die neue Marke gekauft und vorher getestet haben. Vgl. URBAN (1975), S. 859. Dieses Verfahren ist an einen Ansatz von PARFITT/COLLINS (1968) angelehnt.

407

Vgl. HERRMANN (1998), S. 448.

408

Vgl. URBAN (1975), S. 862.

409

Vgl. HERRMANN (1998), S. 98.

Theoretische Grundlagen und aktueller Stand der Forschung

85

demnach auf Basis von Markov-Prozessen berechnet. 410 Die Markov-Eigenschaft setzt voraus, dass die Wahl einer Marke bei der nächsten Kaufentscheidung von der aktuell gewählten Marke abhängt und weiter zurückliegende Entscheidungen nicht in die aktuelle Entscheidung einfließen. Dies führt zu einer Gedächtnislosigkeit des stochastischen Markenwahlprozesses und kann als einschränkende Maßnahme des Modells bezeichnet werden. 411 Das Modell von URBAN (1975) wurde im Rahmen einer ersten Studie anhand von acht unterschiedlichen Neuproduktkonzepten angewendet und hat befriedigende Ergebnisse geliefert. 412 Heute wird das Modell immer noch in zahlreichen Neuproduktstudien verwendet. Die empirische Validierung des Modells ist somit gegeben. Zur Lösung des Repositionierungsproblems einer Marke trägt das Modell insofern bei, dass durch die prognostizierten Ergebnisse alternativer Produktpositionen auf die potentiell zu variierende Marke geschlossen werden kann. 413 Ein direkter Bezug zur Markenrepositionierung wird lediglich erwähnt, ist demnach aber nicht gegeben. Darüber hinaus wird an dem Modell von URBAN (1975) die völlige Inaktivität der Wettbewerber bemängelt. Neben den Schwächen der Markov-Prozesse unterliegt das Modell ebenfalls den bereits angeführten allgemeinen Kritikpunkten an der jointspace Methodik, die nicht in der Lage ist, Alleinstellungsmerkmale abzubilden. Eine markentheoretische Fundierung des Wahlverhaltens der Nachfrager ist nicht gegeben. 2.3.2.2 Trinodal-Mapping von KEON (1983) Das Trinodal-Mapping Model stellt kein Optimierungsmodell dar. Es ist jedoch ein Simulationsmodell auf Basis der MDS, das in der Lage ist, Markenrepositionierungen darzustellen. 414 Kern des Modells von KEON (1983) ist die Erweiterung bestehender joint-mapping Routinen. Es integriert neben den Markenimagepositionen und den Idealpunkten der Nachfrager auch die Werbeimages in Produktmarkträume. 415 Diese beinhalten die Beurteilung der Werbekampagnen der einzelnen Marken, wie sie von den Nachfragern wahrgenommen werden. Dies führt zu einer verbesserten Interpre-

410

Vgl. TROMMSDORF/ASAN/BECKER (2004), S. 559.

411

Vgl. BREUSCH (2008), S. 131.

412

Vgl. WIND (1982), S. 97.

413

Vgl. NOMMENSEN (1990), S. 59.

414

Vgl. TROMMSDORF/ASAN/BECKER (2004), S. 561.

415

Vgl. KEON (1983), S. 380.

Theoretische Grundlagen und aktueller Stand der Forschung

86

tierbarkeit der Dimensionen, da die Inhalte der Werbeimages durch die Markenführung induziert sind. 416 Im Gegensatz zur herkömmlichen MDS wird bei der Erhebung der Werbeimages nicht mit Ähnlichkeitsdaten gearbeitet sondern mit Verwechslungsdaten 417 als Grundlage für die Produktmarkträume.418 Insbesondere die Entwicklung und Überprüfung von Werbekampagnen zur Repositionierung von Marken kann durch das Modell von KEON (1983) dargestellt werden. Hierbei kann das Modell an unterschiedlichen Prozessstufen einer Markenrepositionierung eingesetzt werden. Zum einen kann es dazu dienen, aufzuzeigen, ob die Marke angemessen in Bezug auf die Nachfragerpräferenzen positioniert ist. Zum zweiten kann anhand des Modells analysiert werden, ob das Werbeimage das Markenimage unterstützt und vice versa. 419 Dies ist besonders wichtig in Produktkategorien, in denen symbolische Nutzenkategorien relevant für das Kaufverhalten sind und das Werbeimage einen großen Einfluss hat und trifft insbesondere auf Luxusmarken oder Servicemarken zu. 420 Limitationen des Modells sind, dass das Modell nicht prognostizieren kann, wie stark eine Werbekampagne das Markenimage beeinflussen wird. Es kann nur eine Indikation geben, wie die Werbekampagne ausgestaltet sein muss, um einen Effekt zu generieren. 421 Das Trinodal-Modell wurde in zahlreichen Märkten angewendet, u. a. im Whiskeyund Zigarettenmarkt. NOMMENSEN (1990) greift das Modell von KEON (1983) auf und validiert seine Anwendung empirisch anhand der Repositionierung einer Zigarettenmarke. 422 NOMMENSEN (1990) kommt zu dem Fazit, dass das Modell ein geeignetes Instrument zur Prüfung der gewählten Kommunikationsstrategie zur Repositionierung eines quasi-homogenen Produktes darstellt. 423 Eine mögliche Trennung von Images und Werbeimages stellt eine interessante Möglichkeit dar. Eine Überführung dieses

416

Vgl. NOMMENSEN (1990), S. 59.

417

Als Datengrundlage für die Darstellung der Werbeimages in den Produktmarkträumen dienen Matrizen mit Verwechslungsdaten. In der Studie von KEON sind es unterschiedliche Zigarettenmarken und deren Werbekampagnen. Als Grundlage für die Darstellung im Raum dienen nun die Missklassifikationen der Probanden. Das bedeutet die Anzahl der durch die Nachfrager falsch zugeordneten Werbeanzeigen. Keon bezeichnet diese Form der Daten auch als Werbekonfusion. Vgl. KEON (1983), S. 382.

418

Vgl. KEON (1983), S. 381.

419

Vgl. NOMMENSEN (1990), S. 59.

420

Vgl. KEON (1983), S. 388.

421

Vgl. KEON (1983), S. 390.

422

Vgl. NOMMENSEN (1990), S. 106.

423

Vgl. NOMMENSEN (1990), S. 133.

Theoretische Grundlagen und aktueller Stand der Forschung

87

Ansatzes in die agentenbasierte Modellierung wäre insoweit interessant, etwas über die Beziehungen zwischen Werbeimage und tatsächlicher Position im Markt herauszufinden. Hierzu müssten jedoch Werbe- und tatsächliches Image der Marke getrennt voneinander in den Köpfen der Nachfrager abgespeichert sein. Dieser Umstand wird in Kapitel C differenzierter untersucht. 2.3.3 Bewertung der Positionierungsmodelle auf Basis der Multidimensionalen Skalierung zur Analyse von Markenrepositionierungen Ein Fokus der bisherigen Positionierungsforschung liegt auf der Positionierung von Neuprodukten. Repositionierung existierender Produkte oder Marken ist eher unterrepräsentiert oder wird nur beiläufig beschrieben. 424 Lediglich die Modelle von URBAN (1975), KEON (1983), DESARBO/RAO (1986), ALBERS (1979) und DESARBO/GREWAL/ SCOTT (2008) greifen die Repositionierung von Marken explizit auf. Aufbauend auf der Systematisierung der Modelle werden diese nun anhand der vorgestellten Bewertungskriterien beurteilt. In Tabelle 7 ist die allgemeine Bewertung von MDS Modellen hinsichtlich der erarbeiteten Kriterien dargestellt.

424

Vgl. TROMMSDORF/ASAN/BECKER (2004), S. 558.

Theoretische Grundlagen und aktueller Stand der Forschung

88

Theoretische Fundierung

Modelle

Empirische Validierung

Berücksichtigung von Einflussfaktoren auf das Markenwahlverhalten

Möglichkeit zur Berücksichtigung Darstellung von der NachfragerMarkenheterogenität repositionierungen

Shocker Srinivasan 1974

Urban 1975 „Perceptor“ Albers 1979, Albers/Brockhoff 1979 Bachem/Simon 1979

Keon 1983 "Trinodal" Gavish/Horsky/Srikanth 1983 Desarbo/Rao1986

Sudharsan/May/Gruca 1988 "Diffstrat" Albers 1989 "Proposas"

Horsky/Nelson 1992

Gruca/Klemz 2001

Lee/Sudhir/Steckel 2002

DeSarbo/Grewal/Scott 2008

Tabelle 7:

Bewertung von Positionierungsmodellen Quelle: Eigene Darstellung.

Die theoretische Fundierung der einzelnen Modelle beschränkt sich meist auf oberflächliche Ausführungen zum Markenwahlverhalten. Unterschiedliche Formen von Entscheidungsverhalten werden in den Modellen lediglich in deterministisch und probabilistisch differenziert. Alle Modelle bis auf DESARBO/GREWAL/SCOTT (2008) nutzen zur Darstellung des Wahlverhaltens das bereits beschriebene Idealpunktmodell. Alle Nachfrager im Modell entscheiden sich nach der gleichen Methodik. Die Marke, die am nächsten zum Idealpunkt liegt, wird von den Nachfragern gekauft. Hierbei werden also keine individuellen Charakteristika der Nachfrager in die Modellierung integriert. Somit ist das theoretische Fundament der Raum- und Präferenzmodelle lediglich das Idealpunktkonzept, welches sämtliche Einflüsse weitestgehend ausblendet. 425 Der Nachfragerheterogenität wird in den meisten Modellen mittels Clusterbildung Rechnung getragen, diese homogenen Untergruppen werden dann zur Beurteilung der Neuproduktposition herangezogen.

425

Vgl. HOMBURG/KROHMER (2009), S. 118.

Theoretische Grundlagen und aktueller Stand der Forschung

89

Die empirische Validierung der einzelnen Modelle findet zum Großteil anhand künstlich generierter Daten statt. Bei neueren Modellen wird auf empirische Studien zurückgegriffen, die als Basis für die Validierung der Modelle dienen. Die meisten Positionierungsmodelle sind darauf ausgelegt, Neuproduktpositionierungen vorzunehmen. Das Thema Repositionierung und die Facetten von Markenrepositionierungen werden im Rahmen der meisten Modelle vernachlässigt. Zumeist wird in einem Nebensatz beschrieben, dass sich das Modell auch zur Modifikation bereits bestehender Marken eignet. Eine explizite Integration repositionierungsrelevanter Charakteristika bleibt aber aus. Allgemein können den unterschiedlichen Modellen hinsichtlich des Nachfragerverhaltens und der Imagerepräsentation zahlreiche Schwächen attestiert werden. 426 Hauptkritikpunkt an joint-space Modellen ist die Bewertung aller Wettbewerbsmarken auf Basis der gleichen Eigenschaften. 427 Sobald Marken sich von den urspünglichen Marktattributen im Rahmen ihrer Positionierung lösen, ist eine Darstellung des Marktes mittels eines Positionierungsraumes nur noch eingeschränkt möglich. 428 Das Resultat ist, dass die beschriebenen Simulationsmodelle Alleinstellungspositionierungen nicht darstellen können. Daraus folgt, dass die eigentlichen Wettbewerbsbeziehungen nicht mehr durch euklidische Distanzen darstellbar sind und das Markenwahlverhalten nicht mehr konsistent prognostiziert werden kann. Diese Einschränkung ist jedoch dahingehend zu relativieren, dass, sobald eine neue Dimension durch eine Marke besetzt wird, Mee-Too Positionierungen im Markt auftreten. Hinsichtlich des zeitlichen Horizonts sowie der Intensität der Repositionierung treffen alle untersuchten Modelle keine Aussage. Es wird zwar die optimale Merkmalskombination berechnet, wie stark sie jedoch die Einstellung der jeweiligen Nachfrager verändert und wie lange der Nachfrager benötigt, um die neue Position zu lernen, wird bei den Modellen nicht thematisiert. Eine weitere Einschränkung der dargestellten Modelle resultiert aus der Annahme, dass die Nachfrager immer die Marke wählen, die ihrem Idealpunkt am nächsten ist. 429 Dies ist eine starke Vereinfachung der Darstellung des Markenwahlverhaltens. Das bedeutet, jeder Nachfrager besitzt lediglich eine eindeutige Präferenz. 430 Diese

426

Vgl. TROMMSDORF (2007), S. 355.

427

Vgl. GREEN/CARROLL/GOLDBERG (1981), S. 19.

428

Vgl. TROMMSDORF (2007), S. 355.

429

Dieser Kritikpunkt trifft auf nahezu alle single ideal point auf Basis der MDS zu. Vgl. GREEN/KRIEGER (1989), S. 128.

430

Vgl. LEE/SUDHIR/STECKEL (2002), S. 73.

Theoretische Grundlagen und aktueller Stand der Forschung

90

Annahme ignoriert jedoch empirische Ergebnisse über das Markenwahlverhalten von Nachfragern in vielen Märkten. 431 Aus diesem Grund versuchen neuere Modelle multiple Idealpunkte zu modellieren, um das variety seeking behavior 432 einzelner Nachfrager oder das Einkaufsverhalten von Haushalten darzustellen. 433 Unter Ideal wird innerhalb der meisten Modelle „ein realisierbares Wunschprodukt, nicht jedoch der Inbegriff des Vollkommenen oder eines „Traumbildes“, verstanden. 434 Kritisch ist demnach die Prämisse zu sehen, dass es nur eine fixierbare Idealmarke geben kann. Diese Prämisse ist bspw. mit der Theorie der kognitiven Dissonanz 435 widerlegbar, da selbst bei Vorgabe der Situation und des Verwendungszweckes der zu betrachtenden Marke mehrere Idealpunkte existieren. Dies ist darauf zurückzuführen, dass sich die Idealmarke im Rahmen des Entscheidungsprozesses verschiebt. 436 Der Nachfrager erweitert innerhalb seines Entscheidungsprozesses sein Wissen über die Markenalternativen kontinuierlich und aus diesem Grund verändern sich seine Idealvorstellungen hinsichtlich der Marken. Ein weiterer Einwand hinsichtlich der Idealpunktbetrachtung zur Erklärung des Markenwahlverhaltens besteht darin, dass die Dimensionen (i. d. R. werden zwei- bzw. dreidimensionale Räume dargestellt) vielfältige, untereinander hochkorrelierende Eigenschaften der betrachteten Marken repräsentieren. Bei einer Untersuchung stellt

431

Vgl. GRUCA/ KLEMZ (2003), S. 622. Dass Nachfrager sich nicht immer eindeutig nach ihrer Präferenz entscheiden, wurde in zahlreichen Studien entdeckt, die auf Paneldaten rekurrieren. Vgl. BEST (1976), S. 198.

432

Variety Seeking oder Stimulus Variation ist ein persönlichkeitsgesteuertes Merkmal, welches in drei Formen auftritt: exploratives Verhalten beim Kauf (bspw. Markenwechsel um bessere Alternativen zu entdecken), vikariierendes Entdecken (bspw. Speichern von Informationen über neue Alternativen und das Nachsinnen über einen Kauf), innovative Nutzung (bspw. Nutzung eines schon bekannten Produktes in einer neuen Situation). Vgl. SCHIFFMAN (2001), S. 110; HIRSCHMAN (1980), S. 284 f.

433

Vgl. LEE/SUDHIR/STECKEL (2002), S. 76. Siehe zur Modellierung von variety seeking oder hybridem Markenwahlverhalten JIMENEZ-MARTIN/LADRÓN-DE-GUEVARA (2007), S. 243 f.

434

Vgl. MAYER (1984), S. 221.

435

Jeder Nachfrager strebt nach Konsistenz, das bedeutet, jeder Nachfrager hat das Bedürfnis auftretende Widersprüche (Inkonsistenzen) in seinem Einstellungssystem zu beseitigen oder von vornherein zu vermeiden. Vgl. KROEBER-RIEL/WEINBERG/GRÖPPEL-KLEIN (2009), S. 231. Im Rahmen der Markenrepositionierung können Dissonanzen auftreten, wenn sich eine Marke auf bestimmten Nutzendimensionen repositioniert, welche nicht zum bisherigen Image der Marke passen. Nach der Dissonanztheorie versucht daraufhin der Nachfrager das Gleichgewicht wieder herzustellen. Hierzu gibt es unterschiedliche Möglichkeiten, Wahrnehmungsverzerrung, Vergessen oder Umbewerten des in Widerspruch geratenen Nutzenattributs oder die gezielte Suche nach neuen Informationen. Nach der Dissonanztheorie können unterschiedliche Konsequenzen auftreten, wie z.B. Veränderung der Markenwahl, Nichtkauf, erneute Informationssuche. Präzise Aussagen können jedoch nicht abgeleitet werden. Vgl. T ROMMSDORFF (2009), S. 123.

436

ZELENY (1976), S. 153 ff. stellt fest: “ Early in the decision process one is thinking about unavailable alternatives but their influence is steadily decreasing as the process nears its completion.”

Theoretische Grundlagen und aktueller Stand der Forschung

91

man fest, dass die einzelnen Dimensionen die Markeninterrelationen festlegen, die als typisch für die Marken angesehen werden. Somit können nur Prognosen über das Markenwahlverhalten getätigt werden, wenn die typischen Markeninterrelationen 437 mit den Idealvorstellungen der Nachfrager übereinstimmen. MAYER (1984) beschreibt, dass eine intuitive Überprüfung die Annahme nahe legt, dass die Idealvorstellungen der Nachfrager von dem innerhalb eines Raumes dargestellten Markenleistungsgefüge, welches für einen bestimmten Produktmarkt typisch ist, abweichen können. 438 Dies kann zu erheblichen Konsequenzen führen. HUBER (1976) führt hierzu an: „Such a purchase Ideal can result in misleading managerial recommendations to the extent, that the reduced space slightly misrepresents potential offerings. By making each dimension independent, the internal ideal is seen to be an artefact of the reduced space. 439 Auf Basis der methodischen Kritik an der MDS lassen sich auch Defizite hinsichtlich der Markensteuerung identifizieren. Diese basieren auf der Aggregation von Perzeptionen und Präferenzen sowie der Ähnlichkeits- und Präferenzurteile in einem gemeinsamen Raum, welche zu einer mangelnden Interpretierbarkeit der Ergebnisse führen kann. Dieser Mangel kann auch nicht durch die Anwendung von Hilfsmitteln wie dem Property Fitting 440 oder von Expertenurteilen 441 vollständig behoben werden. 442 Darüber hinaus kann hinsichtlich der Validität und Reliablität der Verfahren auf Basis der MDS keine zufriedenstellende Aussage getroffen werden, da die dazu erforderlichen statistischen Tests nicht existieren.

437

Markeninterrelationen stellen die Beziehung zwischen dem Idealpunkt und der tatsächlichen Markenposition dar. Das Verhältnis zwischen diesen beiden Punkten im joint-space muss logisch nachvollziehbar sein, um Aussagen für das Markenmanagement treffen zu können.

438

Vgl. MAYER (1984), S. 224. MAYER (1984) führt das Beispiel der Wahrnehmung einer Automobilmarke an. Bei der Analyse von Premiumautomobilen liegen in der Regel hohe Geschwindigkeit und hoher Benzinverbrauch auf einer Dimension, da sie hoch korrelieren. Die Idealvorstellung der Nachfrager lassen jedoch eher andere Markenerwartungen vermuten: hohe Geschwindigkeit und ein relativ niedriger Benzinverbrauch. Somit dürfte der Benzinverbrauch zumindest eine andere Produktleistungsinterrelation (auf einer Dimension) bei dem Idealpunkt aufweisen oder sogar auf einer anderen Dimension liegen (bspw. Kosten). Vgl. MAYER (1984), S. 224.

439

Vgl. HUBER (1976), S. 141.

440

Durch das Property Fitting werden die erhobenen Eigenschaftsvektoren in den Raum projiziert. Über ihre Länge kann dann auf den Erklärungsgehalt der einzelnen Dimensionen innerhalb des Raumes geschlossen werden. Je länger der Vektor dargestellt wird, desto besser wird die Eigenschaft durch die Dimensionen erklärt und vice versa. Vgl. GUTSCHE (1995), S. 124.

441

Die Multidimensionalen Skalierungsverfahren geben keinerlei Aufschluss über die Interpretation der Dimensionen anhand derer der Merkmalsraum aufgespannt ist. Aus diesem Grund werden häufig Experten herangezogen, die den konfiguralen Ergebnisraum einer Multidimensionalen Skalierung auf Basis ihres Marktwissens interpretieren. Vgl. GUTSCHE (1995), S. 123.

442

Vgl. NOMMENSEN (1990), S. 139.

Theoretische Grundlagen und aktueller Stand der Forschung

92

Ein weiterer Kritikpunkt ist die Vernachlässigung dynamischer Effekte auf die Beeinflussung bspw. des Markenimages, die erst im Zeitverlauf auftritt. Diese Vereinfachung der Positionierungsmodelle wird zu Recht kritisiert. Dies führt dazu, dass innerhalb der Modelle Wirkungsverzögerungen, wiederholte Kommunikationskontakte, Kommunikation der Wettbewerber, sowie die Interaktion der Nachfrager untereinander und mit Meinungsführern innerhalb der dargestellten Positionierungsmodelle nicht berücksichtigt werden. Eine Dynamisierung der Merkmalsräume unterliegt zahlreichen methodischen Schwierigkeiten, unter anderem, dass der Vergleich zweier Merkmalsräume zu unterschiedlichen Zeitpunkten maßstäbliche und inhaltliche Anpassungen voraussetzt. Mögliche Fehler, die auftreten können, sind Messfehler zwischen der ersten und der zweiten Erhebung, inhaltliche Diskrepanzen von zwei Konfigurationen (Merkmalsraum t1 zu Merkmalsraum t2) und verfahrenstechnische Einflüsse, die bei der Verknüpfung mehrerer Räume zu Verformungen der Wanderungspfade führen. 443 Hierzu existieren jedoch noch keine allgemein anerkannten methodischen Ansätze. 444 2.4 Markenrepositionierungsanalyse auf Basis der Conjoint-Analyse Die Conjointanalyse wird seit über 30 Jahren angewendet, um Positionierungsentscheidungen zu unterstützen. 445 Der erste Beitrag zum „conjoint measurement“ wurde von LUCE/TUKEY (1964) verfasst. Seitdem wurde die Methode konsequent weiterentwickelt. Zuerst werden die methodischen Grundlagen der Conjointanalyse erläutert, um darauf aufbauend die Möglichkeit zur Erstellung von Simulationsmodellen darzulegen. 2.4.1 Methodische Grundlagen Eine Analyse der Markenpositionierung anhand einer Conjoint Analyse hat primär zum Ziel, herauszufinden, welchen Beitrag verschiedene Nutzendimensionen zum Gesamtnutzen eines Objektes leisten und welcher Nutzen von den Probanden am stärksten präferiert wird. 446 Die erste veröffentlichte wissenschaftliche Arbeit, die auf

443

Vgl. SCHOBERT (1979), S. 247.

444

Vgl. HERRMANN (1998), S. 157. Ein Zusammenführen von mehreren Merkmalsräumen zu einem Superraum wird bei DICHTL/SCHOBERT/BEESKOW (1979) sowie FRANK/MASSY (1971) beschrieben.

445

Vgl. GREEN/KRIEGER/WIND (2005b), S. 117.

446

Vgl. BACKHAUS ET AL. (2006), S. 558.

Theoretische Grundlagen und aktueller Stand der Forschung

93

einer Conjoint Analyse basiert, geht auf LUCE und TUKEY 1964 zurück. 447 Die unterschiedlichen Möglichkeiten der Ausgestaltung einer Conjointanalyse erschweren ihre Einordnung in eine allgemein anerkannte klassische Systematik multivariater Verfahren. Sie grenzt sich im Besonderen durch den experimentellen Versuchsaufbau von den anderen genannten Verfahren ab und nicht durch ihre mathematische Schätzmethodik. Konsens besteht mittlerweile darüber, die Conjointanalyse den Dependenzverfahren zuzuordnen, da der Einfluss mehrerer unabhängiger Variablen auf eine abhängige Variable ermittelt wird. 448 Die Datengrundlage der Conjointanalyse unterscheidet sich erheblich von der Datengrundlage der MDS. Bei einer MDS werden reale Objekte (Marken, Produkte) beschrieben, wohingegen bei einer Conjointanalyse i.d.R. fiktive Objekte (bspw. unterschiedliche Stimulikombinationen) charakterisiert werden. 449 Die Conjointanalyse kann als dekompositionelles Verfahren klassifiziert werden, da von einer additiven Zusammensetzung des Gesamtnutzens aus verschiedenen Teilnutzen ausgegangen wird. 450 Eines der wichtigsten Anwendungsgebiete der Conjointanalyse ist die Neuproduktpositionierung und deren damit verbundene optimale Gestaltung in Anlehnung an die Bedürfnisse der Nachfrager. 451 Die Datenerhebung für eine Conjointanalyse kann auf vielfältige Weise durchgeführt werden. Die traditionelle Erhebungsmethode einer Conjointanalyse ist die Profilmethode. Bei der Profilmethode (full-profile-approach) besteht ein Stimulus aus der Kombination je einer Ausprägung aller Eigenschaften. 452 Diese Methode zeichnet sich durch einen mangelnden Realitätsbezug aus. Gleichzeitig ist sie bei einer großen Anzahl von Merkmalen oder Merkmalsausprägungen mit einem erheblichen zeitlichen Aufwand verbunden. 453 Beim Zwei-Faktor-Ansatz (trade-off-approach) hingegen werden Merkmale bzw. Merkmalsausprägungen jeweils paarweise zur Bewertung vorgelegt. 454 Bei dieser Methode werden sukzessive alle relevanten Merkmale

447

Vgl. LUCE/TUKEY (1964), S. 1 ff.

448

Vgl. GUTSCHE (1995), S. 81; BACKHAUS ET AL. (2006), S. 559.

449

Vgl. BAIER (1994), S. 55.

450

Die ersten grundsätzlichen Arbeiten wurden als Conjoint-Measurement bezeichnet. Auf Grund des neuen ausgeweiteten Fokusses der Arbeiten ist die Bezeichnung Conjointanalyse jedoch treffender. Vgl. HAUSER/RAO (2005), S. 142.

451

Vgl. GREEN/CARROLL/GOLDBERG (1981), S. 20.

452

Die Profilmethode geht auf Green zurück. Vgl. GREEN (1974) S. 61 f.; GREEN/SRINIVASAN (2007), S. 290 ff.

453

Vgl. BAIER (1994), S. 56.

454

Der Trade-off-Ansatz geht auf Johnson zurück. Vgl. JOHNSON (1974), S. 303 ff.

Theoretische Grundlagen und aktueller Stand der Forschung

94

miteinander kombiniert, was an die Konzentrationsfähigkeit der Probanden im Gegensatz zur Profilmethode einen niedrigen Anspruch stellt. Kritikpunkte an dieser Methode sind die geringe Realitätsnähe, der hohe Zeitaufwand, der beim Ausfüllen der Matrizen entsteht, sowie eine ceteris-paribus Annahme bezüglich nicht betrachteter Merkmale. 455 Neuere Erhebungsformen im Rahmen der Conjointanalyse stellen die Hybride Conjointanalyse (HCA) und die Adaptive Conjointanalyse (ACA) dar. Bei der HCA wird der klassische dekompositionelle Ansatz mit der kompositionellen Methode verknüpft. 456 ACA basiert auf einem zwei Faktor Ansatz und kann als computergestütztes interaktives Interview durchgeführt werden. 457 Es kombiniert, ähnlich wie die HCA, kompositionelle und dekompositionelle Komponenten mit dem Vorteil, dass die gegeben Antworten am Computer fortlaufend aktualisiert werden. 458 Vorteile dieser Methode sind eine schnelle Auswertung und eine parallele Präsentation mehrerer Merkmale. 459 Zum Zweck der Bestimmung der Reliabilität und Validität der HCA und ACA sind zahlreiche Methodenvergleiche vorgenommen worden, die aber zu keinem eindeutigen Ergebnis führen. 460 Bei der Bestimmung des Gesamtnutzens im Rahmen einer Conjointanalyse gibt es viele unterschiedliche Ausgestaltungsmöglichkeiten. 461 Zentrale Entscheidungen sind hinsichtlich der Bewertungsfunktion und der Verknüpfungsfunktion im Rahmen des Conjoint Designs zu treffen. Die Bewertungsfunktion dient der Zuordnung von Teilnutzenwerten zu jeder Merkmalsausprägung. Sie stellt einen Zusammenhang zwischen der Merkmalsausprägung und der individuellen Nutzenvorstellung jedes einzelnen Probanden her. Es gibt drei Formen von Bewertungsfunktionen: Das Teilpräferenzwertmodell, das Idealvektormodell und das Idealpunktmodell (vgl. Abbildung 13). 462

455

Vgl. GUTSCHE (1995), S. 92.

456

Vgl. HAUSER/RAO (2005), S.147. Bei dieser Methode werden die Probanden in einem ersten Schritt gebeten, Statements über die Wichtigkeit der einzelnen Nutzenkomponenten abzugeben. Diese Wichtigkeitsbewertung dient als Grundlage für eine Cluster- bzw. Faktorenanalyse, um die Probanden in Gruppen einzuteilen. Im zweiten Schritt wird dann erst die eigentliche Conjointbefragung durchgeführt. Vgl. hierzu ausführlich HAGERTY (1985), S. 168 ff.

457

Vgl. HAUSER/RAO (2005), S. 148 ff.

458

Vgl. JOHNSON (1984), S. 1 ff.

459

Vgl. GUTSCHE (1995), S. 96.

460

Je nach Forschungsgruppe variieren die Ergebnisse bezüglich Reliabilität und Validität der Verfahren. Vgl. WITTINK/VRIENS/BURHENNE (1994), S 41 ff.; AGARWAL/GREEN (1991) , S. 141 ff.; AKAAH/KORGAONKAR (1983), S. 187 ff.

461

Vgl. HAUSER/RAO (2005), S. 141 ff.

462

Vgl. GREEN P E.; SRINIVASAN V. (1978), S. 106.

95

Theoretische Grundlagen und aktueller Stand der Forschung

Teilpräferenzwertmodell Präferenz

Attributbewertung Präferenz

Idealpunktmodell

Attributbewertung Präferenz

Idealvektormodell ȕj>0

ȕj<0 Attributbewertung

Abbildung 13: Alternative Präferenzmodelle Quelle: In Anlehnung an GREEN P E.; SRINIVASAN V. (1978), S. 106.

Das additive Teilpräferenzwertmodell kann wie folgt formalisiert werden: 463 J

Mj

¦¦ E

yk

j 1m 1

jm

x jm j

mit: Yk:

geschätzter Gesamtnutzenwert für Stimulus k,

E jm :

Teilnutzenwert für Ausprägung m von Teilnutzenwert j,

M:

Anzahl der Ausprägungen von Teilnutzenwert j,

463

Vgl. HILLIG (2006), S. 45.

Theoretische Grundlagen und aktueller Stand der Forschung

96

­1, falls bei Stimulus k , die Eigenschaft j in Ausprägung m vorliegt ,½ ® ¾. ¯0, sonst. ¿

x jm j :

Dieser Funktionsverlauf ist bspw. dazu geeignet, den wahrgenommenen Zuckerbzw. Alkoholgehalt von Getränken formal zu erfassen. 464 Beim Idealpunktmodell wird davon ausgegangen, dass von jedem Merkmal eine ideale Ausprägung existiert: 465

E 0  E j x jk  x ideal j

2

Yk

mit:

E0 , E j :

(zu schätzende) Parameter,

: x ideal j

Idealausprägung des Merkmals j,

x jk :

Ausprägung des j-ten Merkmals am k-ten Produkt,

Yk :

Nutzen von Produkt k.

Beispiele von Merkmalen, die sich anhand dieses Modells darstellen lassen, sind der Fruchtanteil im Speiseeis oder die Länge von kulturellen Veranstaltungen. Letzte Möglichkeit der Ausgestaltung der Bewertungsfunktion ist das Idealvektormodell: 466

E 0  E j xkj

Yk mit:

E0 , E j :

Parameter (Proportionalitätsfaktor), wobei E j z 0 gilt,

x jk :

Ausprägung des j-ten Merkmals am k-ten Produkt,

Yk

Nutzen von Produkt k.

Das Idealvektormodell eignet sich bspw. für die Darstellung linearer Merkmale, wie Benzinverbrauch oder den Preis einer Marke.

464

Vgl. GUTSCHE (1995), S. 84.

465

Vgl. GUTSCHE (1995), S. 83.

466

Vgl. GUTSCHE (1995), S. 82.

Theoretische Grundlagen und aktueller Stand der Forschung

97

Der nächste Schritt innerhalb der Conjointanalyse ist die Bildung einer geeigneten Verknüpfungsfunktion zwischen den Teilnutzenwerten zu einem Gesamtnutzenwert. Hierbei kann grundsätzlich in kompensatorische und nicht-kompensatorische Modelle unterschieden werden. 467 Zu den nicht-kompensatorischen Verknüpfungsmodellen zählen die Dominanzregel sowie konjunktive, disjunktive und lexikographische Modelle. 468 Die Dominanzregel bedeutet, dass eine eindeutige Dominanz der Marke A gegenüber der Marke B zu einer Nichtberücksichtigung im weiteren Entscheidungsprozess führt. Eine Dominanz liegt vor, sobald Marke A in allen Eigenschaften mindestens genauso gut und in wenigstens einer Eigenschaft besser beurteilt wird als Marke B. 469 Bei der konjunktiven Verknüpfung wird für jede Eigenschaft ein kritischer Mindestnutzenwert festgelegt. Die Marke ist dementsprechend nur entscheidungsrelevant, sobald die bewertete Marke die jeweiligen Schwellenwerte erreicht oder übertrifft. 470 Die Mindestanforderungen an eine Marke sind somit durch ein logisches „und“ verknüpft („Und-Modell“). Die disjunktive Verknüpfungsregel ist ein Pendant zum konjunktiven Verknüpfungsmodell. Die Käufer legen ebenfalls für jede Eigenschaft Schwellenwerte fest. Es genügt jedoch für das positive Abschneiden einer Marke, dass bei einer Eigenschaft der Schwellenwert übertroffen wird („Oder-Modell“). 471 Bei lexikographischen Modellen wird davon ausgegangen, dass die Käufer einer Marke die verschiedenen Eigenschaften sequenziell in der Rangfolge ihrer Wichtigkeiten abprüfen. 472 Hierbei werden die zur Auswahl stehenden Marken zunächst hinsichtlich der wichtigsten Eigenschaft verglichen. Weist eine Marke bei dieser Eigenschaft eindeutig die beste Ausprägung auf, wird sie, ungeachtet der Ausprägungen auf den anderen Eigenschaften, ausgewählt. Falls auf Basis der wichtigsten Eigenschaft keine eindeutige Entscheidung getroffen werden kann, wird die nächstwich-

467

Vgl. GUTSCHE (1995), S. 85.

468

Vgl. FISCHER (2001), S. 69.

469

Vgl. FISCHER (2001), S. 70.

470

Vgl. GUTSCHE (1995), S. 86.

471

Vgl. TROMMSDORFF (2004), S. 299. Das disjunktive Modell wird den alternativenbezogenen Modellen zugeordnet. Vgl. FISCHER (2001), S. 71.

472

Vgl. GUTSCHE (1995), S. 86.

Theoretische Grundlagen und aktueller Stand der Forschung

98

tigste Eigenschaft herangezogen. 473 Somit hat eine Marke, deren erste Eigenschaft als nicht akzeptabel bewertet wird, keine Möglichkeit, dieses Defizit durch positive Beurteilungen der anderen Eigenschaften auszugleichen. 474 Tabelle 8 zeigt eine formalisierte Darstellung der angeführten nicht-kompensatorischen Verknüpfungsmodelle. Konjunktives Modell

Disjunktives Modell

uk

min u kj für j 1,..., j.

uk

max u kj für j 1,..., j.

uj

­°a i1 u k wenn ® °¯a ik

Lexikographisches Modell

Tabelle 8:

j

j

a j1 a jk für k

1,2,..., v % m ai ,v 1

½° ¾ a j ,v 1 °¿

Formalisierungen nicht-kompensatorischer Entscheidungsmodelle Quelle: In Anlehnung an GUTSCHE (1995), S. 86.

Kompensatorische Modelle beruhen auf der Annahme, dass alle präferenzrelevanten Merkmale bei der Beurteilung unterschiedlicher Marken berücksichtigt werden. Das beinhaltet, dass gute und schlechte Merkmalsausprägungen ausgeglichen werden können. 475 Das am häufigsten genutzte und diskutierte Modell ist die linear additive Verknüpfung. 476 Bei diesem Modell werden die Bewertungen der einzelnen Eigenschaftsausprägungen additiv zu einem Gesamturteil verknüpft:477 j

uk

P  ¦ u kj j 1

mit:

uk :

Erwarteter Gesamtnutzen der Marke für Konsument k

473

Vgl. TROMMSDORFF (2004), S. 299.

474

Vgl. GUTSCHE (1995), S. 87.

475

Vgl. TROMMSDORFF (2004), S. 298.

476

Vgl. FISCHER (2001), S. 72.

477

Solche Modelle genießen innerhalb der normativen Entscheidungstheorie und der HighInvolvement Einstellungsforschung die größte Beachtung. Vgl. TROMMSDORFF (2004), S. 298.

Theoretische Grundlagen und aktueller Stand der Forschung

P:

konstanter Term,

u kj :

Teilnutzenwert, den der Konsument k der Eigenschaft j beimisst.

99

Das bekannteste kompensatorische Modell ist das Fishbein-Modell aus dem Jahr (1963). 478 Weitere kompensatorische Modelle sind das Modell von FISHBEIN/AJZEN (1975), das Belief/Importance Model von BASS/TALARCZYK (1972) und das BeliefsOnly Model von SHETH/TALARCZYK (1972). 479 Die Auswertung der empirisch erhobenen Daten erfolgt im Rahmen einer Conjointanalyse mit Hilfe von Schätzverfahren. Bei der Auswahl wird festgelegt, wie die Teilnutzenwerte der verschiedenen Eigenschaftsausprägungen geschätzt werden. Zu diesem Zweck gibt es unterschiedliche Methoden, die sich hinsichtlich des Skalenniveaus der abhängigen Variablen sowie des unterstellten Präferenzmodells unterscheiden. 480 Häufig genutzte nicht-metrische Schätzverfahren sind bspw. MONANOVA 481 und LINMAP 482. Zu den am häufigsten genutzten metrischen Verfahren zählt die Regressionsanalyse. 483 Auf eine umfassende Darstellung der einzelnen Schätzverfahren wird im Rahmen dieser Arbeit verzichtet. 484 Im Rahmen von Positionierungsentscheidungen eignet sich die Conjointanalyse im Besonderen zur Ermittlung und zum Monitoring der Präferenzen der Nachfrager hinsichtlich der Markeneigenschaften. 485 Des Weiteren ist es möglich, anhand der Conjointanalyse eine Nachfragersegmentierung vorzunehmen sowie Preisentscheidungen zu treffen. Die Wichtigkeit der einzelnen Positionierungsdimensionen kann ebenfalls anhand einer Conjointanalyse ermittelt werden. 486 Darüber hinaus können anhand der entsprechenden Darstellungen aus der Conjointanalyse aktuelle Wettbewerbskonstellationen in Bezug auf die relevanten Positionierungsdimensionen abge-

478

Vgl. FISHBEIN (1963), S. 233 ff.

479

Für einen detaillierten Überblick über die verschiedenen kompensatorischen Modelle vgl. LILIEN/KOTLER (1983), S. 220 ff.

480

Vgl. FISCHER (2001), S. 92.

481

Vgl. KRUSKAL (1964a), S. 8 ff.; KRUSKAL (1964b), S. 117 ff.

482

Vgl. SHOCKER/SRINIVASAN (1974), S. 921 ff.

483

Vgl. BAIER (1994), S. 62.

484

Für einen detaillierten Überblick über die einzelnen Schätzverfahren vgl. CARROLL/GREEN (1995), S. 385 ff. Vgl. zur Häufigkeit des Einsatzes der einzelnen Verfahren vgl. u. A. WITTINK/VRIENS/BURHENNE (1994), S. 46; SCHUBERT (1991), S. 316 ff.

485

Vgl. FISCHER (2001), S. 59.

486

Vgl. WIND (1982), S. 92.

Theoretische Grundlagen und aktueller Stand der Forschung

100

leitet werden. 487 Die Vorteile der Conjointanalyse liegen im Besonderen in der Möglichkeit, die generierten Ergebnisse flexibel weiter verarbeiten zu können. Ergebnisse präsentieren sich auf Individualniveau, die eingesetzten Variablen stellen eine direkt manipulierbare Größe für das Management dar und es entsteht eine Verknüpfung von Preisen mit nichtpreislichen Markeneigenschaften. 488 Die Nachteile der Conjointmethodik sind die a priori Festlegung der beschriebenen Merkmale der Bewertungsstimuli sowie das Fehlen eines inferenzstatistischen Instrumentariums. Dies führt dazu, dass keine Konfidenzaussagen oder statistischen Tests durchgeführt werden können. 489 Darüber hinaus sind im Rahmen der Markenpositionierung Entscheidungen bezüglich symbolischer Nutzendimensionen immens wichtig. Diese sind anhand der Conjointanalyse nur schwer zu ermitteln. Die Conjointanalyse eignet sich eher zur Evaluation funktionaler Nutzendimensionen. Ein weiterer Nachteil ist, dass mittels der traditionellen Conjointanalyse lediglich eine begrenzte Anzahl von Attributen abgefragt werden kann. Traditionelle Conjointverfahren, wie die „Choice-basedconjoint“ (CBC), nutzen in der Regel weniger als 7 Variablen mit durchschnittlich weniger als drei Ausprägungen. 490 Neuere Verfahren wie die ACA können mittlerweile jedoch bis zu 30 Merkmale verarbeiten. 491 2.4.2 Simulation von Markenrepositionierungen auf Basis der Conjoint-Analyse: Das Simopt Model von GREEN/KRIEGER (1992) Wie bei der Multidimensionalen Skalierung ist es auch auf Basis der Conjointanalyse möglich, eine Prognose über die Auswirkung einer Repositionierungsstrategie hinsichtlich gängiger Marktreaktionsgrößen wie Gewinn, Marktanteil, Käuferanteil etc. abzugeben. 492 Einer solchen Simulation kann folgende allgemeine Gleichung subjektiver Präferenzwerte zu Grunde gelegt werden: 493 V

u ij

Wv

¦¦ (u

ivw

M jvw )

v 1 w 1

487

Vgl. BAIER (1994), S. 63.

488

Vgl. GUTSCHE (1995), S. 132.

489

Vgl. GUTSCHE (1995), S. 133.

490

Vgl. TEICHERT (2000), S. 503.

491

Vgl. GUTSCHE (1995), S. 91.

492

Vgl. ORME/HUBER (2000), S. 12; GREEN/KRIEGER/WIND (2005a), S. 169 ff.; KRIEGER/GREEN/WIND (2004), S. 1.

493

Vgl. BAIER (1994), S. 66.

101

Theoretische Grundlagen und aktueller Stand der Forschung

mit:

(u111 ,..., uivwv ) als subjektspezifische Teilpräferenzwerte, ( M 111 ,..., M nvwv ) als Merkmalsdaten bestehender Produkte, ( u11 ,..., uin ) als subjektspezifische Präferenzwerte. Hierzu werden ähnliche Auswahlregeln wie innerhalb der Modelle der MDS angewendet (vgl. Tabelle 9). probabilistisch 494

Pij

u ijE n

¦u E ij

j 1

deterministisch 495 pij

Logit-Modell 496

­1 falls j ° ® °0 sonst. ¯

Tabelle 9:

Pij

^j ' u ` ij '

min ^u ij '' ` ½ ° ¾ ° ¿

j '' 1,..., n

1

Pij 1 e

Probit Modell 497

max

j ' 1,..., n



M

¦ E m ( xikm  x jkm )

M 01

ªM º ) «¦ E m ( xikm  x jkm )» ¬m 1 ¼

Auswahlregeln innerhalb conjointbasierter Simulationsmodelle Quelle: HOMBURG/KROHMER (2009), S. 112 ff.

494

E beschreibt in diesem Fall einen Parameter der in der Verallgemeinerung des Bradley-TerryLuce Modells von der jeweiligen Produktkategorie abhängt MOORE/ PESSEMIER/LITTLE (1979), S. 204.; GREEN/KRIEGER (1989), HOMBURG/KROHMER (2006), S. 114.

495

Vgl. BAIER (1994), S. 66.

496

Vgl. HERRMANN (1992), S. 135 ff.; MCFADDEN (1986), S. 275 ff.

497

Vgl. HOMBURG/KROHMER (2006), S. 115. Das Multinomiale-Probit-Modell ist ab vier Variablen praktisch nicht mehr lösbar. Es eignet sich jedoch um die UIA Problematik der BTL Modelle sowie der Logit-Modelle zu überwinden. Vgl. GUTSCHE (1995), S. 154.

Theoretische Grundlagen und aktueller Stand der Forschung

102

Die dargestellte Wahrscheinlichkeit Pij anhand derer das i-te Subjekt das j-te Objekt auswählt, hängt von den entsprechenden Merkmalsausprägungen ab. Daraus folgt, dass eine Prognose der Auswirkung einer Veränderung der Merkmalsausprägungen bei einer Marke auf die gleichen Reaktionsgrößen wie bei der MDS (Absatz, Marktanteil, Gewinn etc.) möglich ist: 498 Käuferanteil

Anteil j

T

Ni

¦( N P ) ij

t 1

Periodischer Absatz

Absatz j

Marktanteil (mengenmäßig)

Marktanteil j

T

¦ (Menge t 1

) tPij

T

¦( t 1

Menget T

¦ Menge

Pij )

t

t 1

Periodischer Gewinn Tabelle 10:

Gewinn j

V

Wv

T

¦¦ (((¦ Menge

tPij

v 1 w 1

) Deckungsbeitrag vw  Fixkostenvw ) B jvw )

t 1

Einfache Zielgrößen auf Basis der Conjointanalyse Quelle: In Anlehnung an BAIER (1994), S. 67.

Simulationsmodelle im Rahmen der Conjointanalyse haben die Bestimmung einer Positionierungs- bzw. Repositionierungsstrategie und Prognose ihrer Auswirkungen zum Gegenstand. Erste Modelle entstanden in den siebziger Jahren. 499 Bei den oben dargestellten Zielgrößen ist es möglich, hinsichtlich der aggregierten Reaktionsgrößen Optimierungsmodelle zu konstruieren. Die zu schätzenden Modellparameter sind in diesem Fall die Merkmalsausprägungen für die Marke ( M 011 ,..., M 0vwv ) und die jeweiligen Indikatorvariablen H 1,...,H T , welche anzeigen, ob der Nachfrager der jewei-

ligen Marke zugeordnet wird oder nicht. 500 Im Folgenden werden die Optimierungs-

498

Für eine Prognose der Reaktionsgrößen benötigt man die Menget als periodische Nachfrage in Mengeneinheiten, den Deckungsbeitragvw, welcher den Teildeckungsbeitrag der beim Verkauf einer Marke mit w-ter Ausprägung bzw. v-tem Merkmal entstehen würde, in Euro pro Mengeneinheit sowie Fixkostenvw, welche die fixen Teilkosten darstellen, wenn eine Marke mit w-ter Ausprägung bzw. v-tem Merkmal angeboten werden würde (in Euro) vgl. hierzu BAIER (1994), S. 67.

499

Vgl. SHUGAN S M; BALACHANDRAN/BALACHANDRAN (1977), S. 1 ff.

500

Vgl. BAIER (1994), S. 69.

103

Theoretische Grundlagen und aktueller Stand der Forschung

modelle für die schon eingeführten aggregierten Marktreaktionsgrößen dargestellt (vgl. Tabelle 11). Maximierung des Käuferanteils

¦ ( N H ) o max

Maximierung des Marktanteils

¦ (Menge H ) o max

Gewinnmaximierung

¦¦ (((¦ Menge H ) Deckungsbeitrag

Tabelle 11:

T

t

t

t 1

T

t

t

t 1

V

Wv

T

t

v 1 w 1

t

vw

 Fixkostenvw ) M 0 vw ) o max

t 1

Unterschiedliche Zielvariablen auf Basis der Conjointanalyse Quelle: In Anlehnung an BAIER (1994), S.69.

Die dargestellten Gleichungen haben folgende Bedingungen: Wv

V

M 0 vw  ^0,1` v, w ¦ M 0 vw

Wv

1 v, H t ^0,1` t , H t (¦¦ (u tvw M 0 vw )u tj ) t 0 t , j

w 1

v 1 w 1

Ein typisches Optimierungsproblem ist das Wohlfahrtsmaximierungsproblem, welches sich darauf bezieht, dass eine neue Marke so gestaltet werden soll, dass die jeweiligen Nutzenbewertungen der Nachfrager maximiert werden. 501 Datenbasis für ein solches Optimierungsmodell stellen markenspezifische Teilpräferenzwerte

(u111 ,..., uTvwv ) , Merkmalsdaten der bestehenden Marken ( M 111 ,..., M nVWv ) und die daraus zu berechnenden markenspezifischen Präferenzwerte (u11 ,..., uTn ) dar: V

T

Wv

¦ ( N (H ¦¦ u t

t 1

t0

n

tvw

v 1 w 1

M 0vw  ¦ H tj u tj )) o max ! j 1

mit:

M 0 vw  ^0,1`v, w,

Wv

¦M

0 vw

1v, H tj  ^0,1`t , j ,

w 1

501

Vgl. GREEN/KRIEGER (1985), S. 3.

n

¦H j 0

tj

1 t.

Theoretische Grundlagen und aktueller Stand der Forschung

104

Auf Grund der Nebenbedingungen wird jeder Nachfrager eindeutig einer Marke zugeordnet. Gleichzeitig gewährleistet die Zielfunktion, dass jeder Nachfrager der Marke zugeordnet wird, die ihm den höchsten Nutzen stiftet. Die in der Literatur am häufigsten diskutierten Modelle sind in Tabelle 12 chronologisch aufgeführt, nach den gleichen Kriterien wie zuvor die MDS-Modelle systematisiert wurden. 502 Autoren

Zielsetzung

Zielgröße

Datengrundlage

Auswahlregel

Shugan/Balachandran (1977)

Optimierung der Produktlinienstruktur

Gewinn (Produktlinie)

Präferenzen

deterministisch

Zufryden (1977)

Optimierung des Produktdesigns

Absatz (Produkt)

Eigenschaftsbewertungen, Präferenzen

deterministisch probabilistisch

Green/Carroll/Goldberg (1981)

Optimierung des Produktdesigns

Marktanteil, Absatz, Gewinn (Produkt)

Eigenschaftsbewertungen, Präferenzen

deterministisch probabilistisch

Green/Krieger (1985, 1987)

Optimierung der Produktlinienstruktur

Wohlfahrt, Gewinn (Produktlinie)

Eigenschaftsbewertungen, Präferenzen

deterministisch

Green/Krieger (1987, 1991, 1992)

Produktpositionierung

Marktanteil, Gewinn (Produktlinie)

Eigenschaftsbewertungen, Präferenzen

probabilistisch

Kohli/Krishnamurti (1987)

Positionierung eines Neuproduktes

Wohlfahrt, Gewinn (Produktlinie)

Eigenschaftsbewertungen, Präferenzen

deterministisch

Dobson/Kahlish (1988)

Positionierung einer Produktlinie

Käuferanteil (Produkt)

Präferenzen

deterministisch

Kohli/Krishnamurti (1989)

Positionierung eines Neuproduktes

Wohlfahrt, Käuferanteil, Gewinn (Produktlinie)

Eigenschaftsbewertungen, Präferenzen

deterministisch

Kohli/Sukumar (1990)

Positionierung einer Produktlinie

Marktanteil Gewinn (Produktlinie)

Präferenzen

deterministisch

Dobson/Kahlish (1993)

Positionierung einer Produktlinie

Wohlfahrt, Käuferanteil Gewinn (Produktlinie)

Präferenzen

deterministisch

Nair/Thakur/Wen (1995)

Produktliniendesign

Käuferanteil

Eigenschaftsbewertungen, Präferenzen

deterministisch

Camm et al. (2000)

Positionierung eines Neuproduktes

Käuferanteil

Eigenschaftsbewertungen, Präferenzen

deterministisch

Tabelle 12:

Positionierungsmodelle auf Basis der Conjointanalyse Quelle: In Anlehnung an BAIER (1994), S. 70.

Grundsätzlich kann man auf Basis von Conjointmodellen drei große Modellarten unterscheiden. Simulatoren, welche if-then Fragestellungen simulieren für eine Marke und mehrere Wettbewerber. Optimierungsmodelle finden die Position im Markt, die eine der genannten Marktreaktionsgrößen optimiert sowie dynamische Optimierungsmodelle, welche das Wettbewerbsverhalten mitmodellieren. 503

502

Vgl. BAIER (1994); GUTSCHE (1995); GREEN/KRIEGER/WIND (2005b); GREEN/KRIEGER/WIND (2005a); GREEN/SRINIVASAN (2007).

503

Vgl. GREEN/KRIEGER/WIND (2005a), S. 170.

Theoretische Grundlagen und aktueller Stand der Forschung

105

Des Weiteren können die unterschiedlichen Modelle hinsichtlich der implementierten Auswahlregel, die entweder probabilistisch oder deterministisch ausgestaltet werden kann, unterschieden werden. Innerhalb der untersuchten Modelle werden eher deterministische Auswahlregeln verwendet, obwohl heutzutage verschiedene Wahlregeln implementiert werden und diejenige, welche das Kaufverhalten am ehesten erklärt, genutzt wird. 504 Hinsichtlich des Lösungsprinzips können die einzelnen Modelle in exakte und heuristische 505 Modelle unterschieden werden. Eine weitere Möglichkeit, die einzelnen Modelle zu unterscheiden, ist das implementierte Lösungsverfahren der Optimierung. 506 Das 1992 entwickelte Simopt Modell ist ein Modell auf Basis der Conjointanalyse, mit dem es möglich ist, ein Produkt oder eine Produktlinie optimal zu positionieren. 507 Basis für das Modell sind zuvor erhobene Teilnutzen der Nachfrager sowie Imageprofildaten der Wettbewerber. Darüber hinaus ist es möglich, Wichtigkeiten der einzelnen Attribute, demografische Variablen, Marktanteile einzelner Marken sowie Kosten und Gewinndaten in die Simulation zu integrieren. 508 Für die Simulation des Wahlverhaltens greifen GREEN/KRIEGER (1992), wie viele andere Modelle, auf drei Entscheidungsregeln zurück. Die erste Regel ist die deterministische Max-UtilityRegel, welche besagt, dass der Nachfrager das Produkt mit dem höchsten Nutzenwert auswählt. 509 Darüber hinaus sind die probabilistischen Wahlregeln des Logitmodells sowie des Bradley-Terry-Luce-Modells integriert. Hinzu kommt die Alpha-Regel, welche es ermöglicht, die anderen drei Regeln nachzuahmen. 510 Eine Begründung, warum gerade diese drei Wahlregeln gewählt werden, wird von GREEN/KRIEGER (1992) nicht geliefert. Es wird lediglich beschrieben, dass viele Modelle diese drei

504

Vgl. GREEN/KRIEGER/WIND (2005a), S. 174 ff.

505

Heuristik kann definiert werden als [zu griech. heuískein "finden, entdecken"], Erfindungskunst, (lat. "ars inveniendi"), Lehre von den Verfahren, Probleme zu lösen, also für Sachverhalte empir. und nichtempir. Wissenschaften Beweise oder Widerlegungen zu finden. Die Heuristik dient somit der Gewinnung von Erkenntnissen, nicht ihrer Begründung. Sie bedient sich dabei heuristischer Prinzipien, z.B. der Variation der Problemstellung, Zerlegung in Teilprobleme, Entwicklung von Modellen und (Arbeits-) Hypothesen vgl. GRILL/DIGEL (1992), S. 270.

506

Vgl. GREEN/KRIEGER (1985) beschreiben einige der angewendeten Lösungsverfahren. Vgl. GREEN/KRIEGER (1985), S. 8. Für eine detaillierte Beschreibung der Greedy und Interchange Heuristiken siehe KUEHN/HAMBURGER (1963); ACHABAL (1982). Für das Verfahren der Lagrange Relaxation siehe EVERETT (1963).

507

Vgl. GREEN/KRIEGER (1992), S. 118.

508

Vgl. GREEN/KRIEGER/WIND (2005a), S. 175.

509

Vgl. GREEN/KRIEGER (1992), S. 121. Vgl. hierzu auch die Ausführungen zur Conjointanalyse in Kapitel 2.4

510

Vgl. hierzu die Ausführungen von PESSEMIER ET AL. (1971) und MOORE/ PESSEMIER/LITTLE (1979).

Theoretische Grundlagen und aktueller Stand der Forschung

106

Regeln nutzen. 511 Mit Hilfe der Auswahlregel ist es nun möglich, Marktanteilsprognosen auf Basis von Attributveränderungen zu berechnen. 512 Schlussendlich ist es möglich, Kosten und Ertragsdaten zu integrieren, um die Profite der gewählten Position oder Kannibalisierungseffekte der Produktlinienmarken zu berechnen. 513 Die Optimierung kann daraufhin über den Marktanteil oder den Profit der Marke erfolgen. Zur Berechnung der optimalen Produktkonfiguration wendet Simopt die bereits beschriebene Divide-and-Conquer-Heuristik an. Die Autoren schränken allerdings die Brauchbarkeit zur Findung des globalen Optimums mit der Divide-and-ConquerHeuristik ein, da sie das Optimum nur bei unabhängigen Eigenschaften gefunden haben. Sobald die Eigenschaften miteinander korrelieren, ist diese Heuristik nur begrenzt anwendbar. 514 GREEN/KRIEGER/WIND (2005a) betonen die große Flexibilität des Simopt Verfahrens, da es in der Lage ist, unterschiedliche Wahlregeln darzustellen sowie entweder den Marktanteil oder den Profit der einzelnen Akteure zu optimieren. Darüber hinaus ist Simopt in der Lage, Sensitivitätsanalysen durchzuführen und Kannibalisierungseffekte zu berechnen, was für die Betrachtung von Markenportfolios von Interesse ist. 515 Bei der Berechnung der Marktanteile wird bei Simopt, wie bei den meisten anderen Simulatoren, von der Konstanz anderer Merkmale ausgegangen. Wettbewerberreaktionen werden also im ersten Schritt nicht berücksichtigt. In einem zweiten Schritt jedoch ist es möglich, Wettbewerberreaktionen hinsichtlich der Veränderung von Markenattributen zu integrieren. 516 Die berechneten Marktanteile sollten jedoch kritisch reflektiert werden, da die methodischen Prämissen und Vereinfachungen berücksichtigt werden müssen. 517 Darüber hinaus muss gewährleistet sein, dass die Marktanteile relativ zur Konkurrenz berechnet werden und alle wichtigen Wettbewerber in der Studie vorhanden sind und die Marktanteile sich nicht signifikant von der realen Verteilung unterscheiden. Einschränkungen des Simopt-Modells liegen darin, dass die Ergebnisse voraussetzen, alle wichtigen Nutzenmerkmale der betrachteten Produkte in die Studie integ-

511

Vgl. GREEN/KRIEGER (1992), S. 121.

512

Vgl. GREEN/KRIEGER/WIND (2005a), S. 176 f.

513

Vgl. GREEN/KRIEGER/WIND (2005a), S. 178.

514

Vgl. GREEN/KRIEGER/WIND (2005a), S. 182.

515

Ein Verfahren zur Simulation von Repositionierungen in Markenportfolios wird in Kapitel 2.5.2. näher erläutert.

516

Vgl. GREEN/KRIEGER/WIND (2005a), S. 178.

517

Vgl. KAMINSKI (2002), S. 198.

Theoretische Grundlagen und aktueller Stand der Forschung

107

riert zu haben. Somit werden die ermittelten Teilnutzenwerte als stabil und relevant für zukünftige Managemententscheidungen angenommen. Es werden lediglich Produktattribute, Preis und die Marke berücksichtigt, sämtliche Einflussfaktoren wie Kommunikation, Produktpolitik und Distribution hingegen nicht. Gleiches gilt ebenfalls für Lerneffekte hinsichtlich einer Repositionierung einer Marke oder eine Produktes. Diese Kritikpunkte lassen sich auf die bisher dargestellten Conjoint-Simulatoren übertragen. 2.4.3 Bewertung conjointanalytischer Modelle zur Analyse von Markenrepositionierungen Die Conjoint-Methodik eignet sich hervorragend für die Messung von Produkt- bzw. Markenpräferenzen. Sie ist die am häufigsten angewandte Methodik zur Präferenzmessung. Insbesondere der metrische Datenoutput einer conjointanalytischen Untersuchung lässt sich, wie aufgezeigt, sehr gut mit weiteren mathematischen Verfahren weiterverarbeiten. Viele Conjointmodelle sind in der Lage, die einzelnen Positionierungsentscheidungen mit Kosten zu verknüpfen und explizit aus der Perspektive der Unternehmensführung zu bewerten. 518 Eine explizite Definition und Integration von Repositionierungsstrategien aus der Sicht der Markenführung findet wie bei den evaluierten MDS-Modellen jedoch nicht statt. Es geht häufig lediglich um die Findung der optimalen Merkmalsstruktur zur Optimierung der Marktreaktionsgrößen ohne eine weitere strategische Beurteilung hinsichtlich der Operationalisierung. Innerhalb komplexer conjointanalytischer Simulationsmodelle ist es jedoch nur begrenzt möglich, individuelles Kaufverhalten abzubilden, da die meisten Methoden Parameter-Verteilungen annehmen, obwohl die Nachfrager unterschiedliche Nutzenfunktionen oder unterschiedliche stochastische Komponenten aufweisen können. 519 Die Heterogenität der Nachfrager wird mehrheitlich mittels einer Segmentierung dargestellt. Für die unterschiedlichen Käufergruppen werden dann im Rahmen der Ermittlung der Kaufwahrscheinlichkeiten segmentspezifische Parameterschätzungen vorgenommen. 520 Die Markenwahlstrukturen werden über die verschiedenen Nachfrager hinweg pauschalisiert und es werden keine unterschiedlichen Markenwahlpro-

518

Vgl. hierzu den Conjoint and Cost Ansatz, welcher explizit die Kosten der Eigenschaftsausprägungen in die Analyse integriert. Vgl. BRUHN/HOMBURG (2004a), S. 128 und die dort angegebene Literatur.

519

Vgl. LOUVIERE/STREET/BURGESS (2005), S. 209.

520

Vgl. GUTSCHE (1995), S. 132.

Theoretische Grundlagen und aktueller Stand der Forschung

108

zesse berücksichtigt. 521 Es ist zwar möglich, unterschiedliche Entscheidungsregeln zu implementieren, ihre parallele Verwendung wird jedoch in keinem der dargestellten Modelle beschrieben. Entscheidungsstrategien der Nachfrager wie bspw. lexikographische Entscheidungen oder Satisficing-Strategien fanden bisher keinen Eingang in die Simulationen. 522 An dieser Stelle kann die agentenbasierte Simulation einen Forschungsbeitrag leisten, da hier die Modellierung des Markenwahlverhaltens auf individueller Ebene möglich ist, ohne Parameterschätzungen vorzunehmen (vgl. Abbildung 14). 523 Modelle

Theoretische Fundierung

Empirische Validierung

Berücksichtigung von Einflussfaktoren auf das Markenwahlverhalten

Möglichkeit zur Berücksichtigung Darstellung von der NachfragerMarkenheterogenität repositionierungen

Shugan/Balachandran (1977)

Zufryden (1977) Green/Carroll/Goldberg (1981)

Green/Krieger (1985, 1987) Green/Krieger (1987, 1991, 1992) Kohli/Krishnamurti (1987)

Dobson/Kahlish (1988)

Kohli/Krishnamurti (1989)

Kohli/Sukumar (1990)

Dobson/Kahlish (1993)

Nair/Thakur/Wen (1995)

Camm et al. (2000)

Abbildung 14: Bewertung der Conjointmodelle Quelle: Eigene Darstellung.

Hinsichtlich der Einflussfaktoren auf das Markenwahlverhalten werden bspw. Budgetrestriktionen berücksichtigt. Soziale Interaktion, Kommunikationseinflüsse oder ähnliches werden, wie bei den MDS-Modellen, nicht integriert. Die meisten Modelle beziehen sich auf die Optimierung der Position von Produktlinien oder von Neuproduk-

521

Vgl. LOUVIERE/STREET/BURGESS (2005), S. 210.

522

Vgl. KROEBER-RIEL/WEINBERG/GRÖPPEL-KLEIN (2009), S. 355 ff.

523

Vgl. ZHANG/ZHANG (2007), S. 914.

Theoretische Grundlagen und aktueller Stand der Forschung

109

ten. Die Repositionierung von Marken wird nicht explizit durch die Modelle angesprochen und ähnlich wie bei den MDS-Modellen mitbehandelt. Die theoretische Fundierung der Modelle beschränkt sich hauptsächlich auf die mathematische Psychologie zur Darstellung des Markenwahlverhaltens. Simulationsmodelle auf Basis der Conjointanalyse sind in der Praxis wesentlich häufiger vertreten als Modelle auf Basis der MDS. Dies zeigt sich bspw. darin, dass kommerziell vertriebene ConjointSimulatoren in Form von Softwarepaketen angeboten werden. 524 Darüber hinaus werden jährlich bis zu 400.000 Conjointstudien durchgeführt. Ein weiteres Defizit bestehender Modelle ist eine fehlende Behandlung des zeitlichen Horizonts sowie der Intensität der modellierten Repositionierung. Die Berechnung der optimalen Merkmalskombination findet lediglich in Abhängigkeit der zu optimierenden Zielgröße statt. Eine Einbettung in die Markensteuerung wird oftmals nicht gewährleistet. Die Ergebnisse werden nicht von einem entscheidungsorientierten Standpunkt reflektiert und in einen markentheoretischen Kontext eingebettet. 525 2.5 Markenrepositionierungsanalyse auf Basis der Diskriminanzanalyse Neben den beiden großen Verfahrensfamilien der Multidimensionalen Skalierung und der Conjointanalyse ist es möglich auf Basis der Diskriminanzanalyse ebenfalls Positionierungsanalysen durchzuführen. Neben statischen Positionierungsanalysen ist es ebenfalls möglich, mit ihrer Hilfe Simulationsmodelle zu erstellen. 2.5.1 Methodische Grundlagen Die Diskriminanzanalyse ist ein weiteres Verfahren, um die Positionierung zu analysieren. Sie lässt sich formal als ein Verfahren charakterisieren, anhand dessen die Abhängigkeit einer nominal skalierten Variablen von metrisch skalierten exogenen Variablen untersucht wird. Es werden also die zur Beurteilung herangezogenen Nutzendimensionen daraufhin untersucht, wie sehr sie zur Unterscheidung der einzelnen Marken beitragen. Die Datengrundlage der Diskriminanzanalyse ist, wie bei der Faktorenanalyse, eine Matrix bestehend aus Objektbewertungen auf Basis von Attributen. Die optimale Trennung zwischen den zu betrachtenden Marken sowie die Prüfung der diskriminatorischen Bedeutung der Merkmalsvariablen beruht auf der For-

524

Zu Sawtooth Softwarelösungen vgl. bspw. JOHNSON (1984).

525

Dieser Kritikpunkt bezieht sich auf die vorgestellten Simulationsstudien.

Theoretische Grundlagen und aktueller Stand der Forschung

110

mulierung und Schätzung folgender untereinander nicht korrelierender kanonischer Diskriminanzfunktionen: 526 J

Y

E0  ¦ E j * x j j 1

mit Y

=

Diskriminanzvariable

E0

=

Konstante

bj

=

Koeffizient der j-ten unabhängigen Merkmalsvariablen (j=1,2,…,J)

xj

=

Ausprägung der j-ten unabhängigen Merkmalsausprägung

Diese Funktion liefert für jedes Element i einer Gruppe g einen Diskriminanzwert Yig. Der mittlere Diskriminanzwert Yg einer Gruppe wird als Centroid bezeichnet:

Yg

1 lg ¦ Ygi lg i 1

Um die Unterschiedlichkeit zweier Gruppen zu bestimmen, wird die Distanz zwischen den Gruppencentroiden 527 berechnet und kann bei einem Zweigruppenfall wie folgt dargestellt werden: 528

Y A  YB Kernziel der Diskriminanzanalyse ist es, die Koeffizienten der Funktion so zu schätzen, dass das Diskriminanzkriterium maximal wird. Dieses Maximum wird durch den Eigenwert repräsentiert. Die Gruppenzentroide können in einem Diskriminanzraum dargestellt werden. Die Wahrnehmungsdimensionen des dargestellten Raumes werden anhand der Attribute erzeugt, die am besten zwischen den einzelnen Objekten (Marken) diskriminieren.

526

Vgl. BACKHAUS ET AL. (2006), S. 154 ff.

527

Der Gruppencentroid stellt das Gruppenmittel dar. Vgl. B ACKHAUS ET AL. (2006), S. 188.

528

Zur Berechnung der Distanz kann auf unterschiedliche Metriken zurückgegriffen werden, auf die an dieser Stelle nicht weiter eingegangen werden soll. Vgl. hierzu ausführlich BORTZ (2005), S. 605 ff.; THOMAS (1992), S.335 ff.

111

Theoretische Grundlagen und aktueller Stand der Forschung

Wichtig in diesem Zusammenhang ist, dass die gelieferten Dimensionen die Objektwahrnehmung durch die Nachfrager auf Basis der abgefragten Attribute widerspiegeln (vgl. Abbildung 15).

.. 4 . .. Marke . . . .. Marke 3 . . .. ..

9 8

Funktion 1

7 6 5 4

. 1 . . Marke . .

. . . . .. ..

Marke 2

3 2 1 0 0

.

1

2

3

4

Jeweiliger Gruppencentroid Nachfrager

5

6

7

8

9

10

11

12

Funktion 2

Abbildung 15: Beispielhafter Diskriminanzraum Quelle: Eigene Darstellung.

Ein Problem bei der Darstellung der Objekte innerhalb eines Diskriminanzraumes ist die Interpretation der Dimensionen und deren Übersetzung in Managementempfehlungen. 529 Eine weitere Einschränkung der Diskriminanzanalyse für ihre Verwendung bei Positionierungsentscheidungen ist, dass Präferenzen oder Auswahlmöglichkeiten bei der Erstellung des Raumes nicht berücksichtigt werden, sondern alle Attribute für alle Marken als gleich angesehen werden. Dies wird auch als fehlende Attributgewichtung bezeichnet. 530 Dennoch eignet sich die multiple Diskriminanzanalyse für Produktdifferenzierungsentscheidungen, indem sie die den unterschiedlichen Produktperzeptionen zu Grunde liegenden Nutzendimensionen aufdeckt. 531 Ein weiteres Einsatzfeld der Diskriminanzanalyse innerhalb von Positionierungsentscheidungen

529

Vgl. THOMAS (1992), S. 335 ff.; HUBER/ HOLBROCK (1979).

530

Vgl. GWIN/GWIN (2003), S. 33.

531

Vgl. HUBER/ HOLBROCK (1979), S. 515.

112

Theoretische Grundlagen und aktueller Stand der Forschung

sind bspw. das Design und die Technischen Features von Marken, da eher objektive Dimensionen Ergebnis einer solchen Analyse sind. 532 2.5.2 Simulation von Markenrepositionierungen mit der Diskriminanzanalyse dargestellt am Beispiel des Kullmann-Modells 2006 Eine Systematisierung von Modellen auf Basis der Diskriminanzanalyse die sich mit der Simulation von Markenrepositionierungen auseinandersetzen ist nicht zweckmäßig. Lediglich das 2006 am Lehrstuhl für innovatives Markenmanagement (LiM®) der Universität Bremen entstandene Modell zur integrierten und dynamischen Koordination von Markenportfolios wurde zu Simulationszwecken von Markenrepositionierungen entwickelt. Aus diesem Grund wird die Möglichkeit der Simulation von Markenrepositionierungen mit der Diskriminanzanlyse anhand dieses Modells erläutert und bewertet. Das Ziel des Modells von KULLMANN ist, ökonomische Gesamtportfolioergebnisse zu verbessern. Gegenstand der Untersuchung ist ein Markenportfolio bestehend aus unterschiedlichen Produktmarken. Dies beinhaltet eine Optimierung der Markenpositionierung im „internen“ (innerhalb des Portfolios durch die Minimierung von Kannibalisierungseffekten) und externen Wettbewerb. Grundsätzlich kann das Modell von KULLMANN in zwei Modellstufen differenziert werden. Die erste Stufe beinhaltet eine erweiterte statische Portfolioanalyse in der mittels multivariater Wirkungsanalysen (Ist-Positionierungsanalyse) der Einfluss einzelner Imageitems auf die Kaufentscheidung der Nachfrager quantifiziert wird. Hierbei werden Unterschiede oder Ähnlichkeiten von Marken als Erklärung für Partizipationsund Substitutionsbeziehungen 533 innerhalb eines Markenportfolios 534 herangezogen. Demnach wird in diesem Schritt ausschließlich die erste Wahl der Nachfrager betrachtet. Auf der Basis der evaluierten wichtigsten Leistungstreiber für das Nachfragerverhalten und der Betrachtung der einzelnen Markenimages werden qualitativ

532

Vgl. HUBER/ HOLBROCK (1979) stellen darauf ab, dass „objektive Dimensionen“ definiert werden als Dimensionen mit homogenen Bewertungen durch die Probanden und “subjektive Dimensionen” als Attribute mit heterogenen Bewertungen. Vgl. hierzu die Diskussion bei CARROLL/GREEN/CHATURVEDI (1997). Die unterschiedliche Varianz innerhalb der Antworten führt dann zu einer stärkeren Ausprägung objektiver Attribute innerhalb der Diskriminanzanalyse und einer stärkeren Ausprägung subjektiver Attribute bei der Faktorenanalyse. Vgl. HUBER/ HOLBROCK (1979), S. 512. Die mathematische Erläuterung befindet sich im Appendix des Artikels auf S. 515.

533

Partizipationsbeziehungen können als Kundenwanderungen zwischen den Portfoliomarken und dem externen Wettbewerb charakterisiert werden. Substitutionsbeziehungen bezeichnen Kundenwanderungen innerhalb des Portfolios. Vgl. KULLMANN (2006), S. 109.

534

Markenportfolios können als die Gesamtheit von einer Unternehmung geführter Marken definiert werden. Vgl. AAKER (2004), S. 16.

Theoretische Grundlagen und aktueller Stand der Forschung

113

mögliche Positionierungsoptionen im Rahmen des Portfolios erarbeitet. 535 Im zweiten Schritt wird die Analyse auf die erste Kaufalternative innerhalb des Evoked-Sets ausgeweitet. Die Käufer einer Marke werden dahingehend untersucht, in welcher Weise die Images der übrigen zur Verfügung stehenden Marken ihre Alternativwahl (second-choice) beeinflusst haben. 536 Auf diese Weise werden die wichtigsten Differenzierungstreiber der Marken untereinander identifiziert und können für weitere Positionierungskorrekturen verwendet werden. 537 Innerhalb des Modells von KULLMANN (2006) werden die gewonnen Ergebnisse qualitativ synthetisiert, um daraufhin eine Auswahl an möglichen Positionierungsszenarien abzuleiten. Dieser Ansatz folgt der gängigen Methodik im Rahmen von Positionierungsuntersuchungen anhand der MDS, welche ebenfalls anhand von Expertenurteilen konkretisiert und bewertet werden können. An die statische Analyse schließt sich die Modellstufe der dynamischen Portfolioanalyse an. Die quantifizierten Effektstärken der statischen Analyse bilden nun die Grundlage für eine ceteris paribus Schätzung der Veränderungen im Kaufverhalten der Nachfrager. Im ersten Analyseschritt wird ermittelt, welche der erhobenen Imagedimensionen zur Trennung zwischen den Marken und somit zur Erklärung des Markenwahlverhaltens innerhalb des betrachteten Marktes beitragen. Daraufhin werden die Diskriminanzfunktionen ermittelt. Mittels der Diskriminanzfunktionen ist es nun möglich, die relative Wichtigkeit der einzelnen Imagedimensionen für die Diskriminierung der Gruppen zu bestimmen. Die Dimensionen mit der höchsten relativen diskriminatorischen Bedeutung zwischen den betrachteten Marken bieten sich als mögliche Repositionierungsdimensionen an, da sie innerhalb des Modells von KULLMANN (2006) die größte Kaufverhaltensrelevanz aufzeigen. Eine Repositionierung wird nach KULLMANN (2006) simuliert, indem die durchschnittliche Ausprägung einer Portfoliomarke auf einer unabhängigen Variablen (Imagedimension) um eine Einheit im Vergleich zum tatsächlich gemessenen Durchschnittswert erhöht oder vermindert wird. 538 Um die Auswirkungen der Repositionierung auf das Kaufverhalten zu messen, werden die abhängigen Variablen neu geschätzt. Dies

535

Vgl. KULLMANN (2006), S. 139.

536

Vgl. KULLMANN (2006), S. 139.

537

Die methodische Umsetzung dieser Second-choice Analyse findet sich bei KULLMANN (2006), S. 181 ff.

538

Vgl. KULLMANN (2006), S. 152.

Theoretische Grundlagen und aktueller Stand der Forschung

114

geschieht im Rahmen der Diskriminanzanalyse. 539 Somit können Substitutions- bzw. Partizipationseffekte der unterschiedlichen Markenpositionierungen innerhalb des Portfolios prognostiziert werden. Das Modell stellt demnach einen Zusammenhang zwischen Positionierungs- und Wanderungsanalysen 540 her, auf deren Grundlage der Absatz der einzelnen Marken geschätzt werden kann (vgl. Abbildung 16). Imageprofil der Marke A -5

0

Positionierung der Marken im Wahrnehmungsraum

Portfoliobilanz der Corporate Brand

5

Teuer

Szenario 0 Szenario 1

Luxuriös

Szenario 0 Szenario 1

Konservativ

Exquisit

Prestige

Hochwertig Erfahren

M. C

Traditionell

M. B M. B‘

Klassisch

Sportlich

Zuverlässig

M. A

Solide

M. A‘

Sportlich

Trendy

Dynamisch Innovativ

Dynamisch

Modern Jugendlich

Jugendlich

Im Trend

Die Variation der Performance auf einzelnen Kriterien determiniert die neue Positionierung relativ zum Wettbewerb…

…die Repositionierung determiniert neue ökonomische Ergebnisgrößen (Partizipations- und Substitutionseffekte)

Abbildung 16: Konzeptionelle Darstellung der Wirkungszusammenhänge bei der Simulation unterschiedlicher Positionierungsstrategien Quelle: KULLMANN (2006), S. 154.

539

Innerhalb der Diskriminanzanalyse gibt es unterschiedliche Möglichkeiten Nachfrager zu klassifizieren. Innerhalb des Kullmann-Modells wird auf das Distanzkonzept zurückgegriffen, dass bedeutet, die Nachfrager werden derjenigen Marke zugeordnet zu denen ihre Distanz aufgrund ihrer Markenimagewahrnehmung am geringsten ist. Vgl. KULLMANN (2006), S. 224.

540

Als einer der ersten wendete TIEBOUT (1956) eine Wanderungsanalyse im Kontext der Erforschung hinsichtlich der Präferenzanalyse öffentlicher Güter im Rahmen der Wohnortentscheidung an. Übertragen auf den Markenkontext kann eine Wanderungsanalyse innerhalb von Markenportfolios durchgeführt werden, indem die Wanderungen der einzelnen Kunden von einer Portfoliomarke zur anderen gemessen und interpretiert werden.

Theoretische Grundlagen und aktueller Stand der Forschung

115

Die Funktionsweise des Modells wird am Beispiel des Schokoladenmarktes dargestellt. 541 Die Analyse wird aus der Sicht eines Herstellers durchgeführt, der zwei Produktmarken in einem Produktsegment (Tafelschokoladen) anbietet. Im Rahmen der statischen Analyse wird zuerst der Status Quo sowie die Wettbewerbssituation analysiert. Im Zuge dessen wird zunächst auf die beschriebenen deskriptiven Analysen zur Markenbekanntheit und Kaufverhalten zurückgegriffen. Im folgenden Schritt werden die bereits vorgestellten multivariaten Analysemethoden, die im Rahmen von Positionierungsanalysen genutzt werden, angewendet. Auf Basis eines anhand der MDS aufgespannten Wahrnehmungsraumes wird die Lage der Marken zueinander bestimmt und mit Hilfe einer Clusteranalyse strategische Gruppen gebildet. 542 Eine weitere dynamische Analyse auf Basis der MDS bleibt aus, obwohl dies möglich ist. Die Multidimensionale Skalierung hätte auch im Rahmen der Portfolioanalysen eingesetzt werden können, da sie ebenfalls in der Lage ist, Partizipations- und Substitutionseffekte darzustellen. Stattdessen wird ein Methodenwechsel vorgenommen und weitere Analysen auf Basis der Diskriminanzanalyse und der logistischen Regression vorgenommen. Auf Basis der empirischen Daten zum IstZustand des Portfolios werden diskriminanzanalytisch und auf Basis der logistischen Regression Schätzmodelle hinsichtlich der Kaufwahrscheinlichkeiten der einzelnen Nachfrager bestimmt. 543 Das Schätzmodell von KULLMANN (2006) basiert auf der Anwendung einer Diskriminanzanalyse mit vier Marken, die sich auf Basis der statischen Analyse als strategische Gruppe herauskristallisiert haben. Zuerst ist die Signifikanz der Beurteilungsdimensionen zu ermitteln, welche Eingang in die Analyse finden. Sämtliche von KULLMANN (2006) herangezogenen zwölf Dimensionen sind signifikant und können somit verwendet werden. 544 Das Schätzmodell besteht aus drei Diskriminanzfunktionen, welche alle bei einer Irrtumswahrscheinlichkeit von 0,001 als hoch signifi-

541

Vgl. KULLMANN (2006), S. 180 ff. Innerhalb der quantitativen Erhebung, welche als Grundlage für die Erstellung des Modells diente, wurden 1024 Probanden befragt. Die Interviews wurden mittels des Cati Verfahrens erhoben.

542

Strategische Gruppen bilden im Rahmen des Modells von KULLMANN (2006) Marken, die durch die Nachfrager ähnlich wahrgenommen werden. Innerhalb dieser Gruppen werden später die Positionierungsanalysen fortgeführt, um sich von den vom Nachfrager wahrgenommenen Kernwettbewerbern differenzieren zu können.

543

Vgl. Vergleiche zur Klassifikation einzelner Gruppen innerhalb der Diskriminanzanalyse BACKHAUS ET AL. (2006), S. 179 ff. und mittels der logistischen Regression BACKHAUS ET AL. (2006), S. 450 ff.

544

Vgl. KULLMANN (2006), S. 201.

Theoretische Grundlagen und aktueller Stand der Forschung

116

kant eingestuft werden können. 545 Wichtig im Zusammenhang der dynamischen Analyse mittels der Wanderungsbewegungen ist die Beurteilung der Klassifikationsleistung der Diskriminanzfunktionen, da sie Aufschluss darüber gibt, ob die Nachfrager auf Basis des Distanzkonzeptes den richtigen Marken zugeordnet werden können oder nicht. Sie liegt bei dem Modell von KULLMANN (2006) bei 77,6% und kann als ausreichend für die weiteren Analysen bezeichnet werden. Fehlklassifikationen können auf eine mangelnde Differenzierung der einzelnen Images innerhalb des Schokoladenmarktes zurückgeführt werden. Das Simulationsmodell zur dynamischen Portfolioanalyse setzt auf dem beschriebenen Schätzmodell auf. Das Markenwahlverhalten wird im Rahmen des Modells mittels des Distanzkonzeptes modelliert (vgl. Abbildung 17). 546 Markenwahlverhalten von Nachfrager i im Status Quo Centroid Marke 2

Markenwahlverhalten von Nachfrager bei Repositionierung der Marke 2 Centroid Marke 2 (alt)

Nachfrager i Centroid Marke 4: Centroid 2nd Choice Centroid Marke 3: Marke 1 1st Choice

Centroid Marke 2 (neu): 1st Choice Nachfrager i Centroid Marke 4

Centroid Marke 1

Centroid Marke 3: 2ndChoice

Abbildung 17: Markenwahlschätzung innerhalb des Simulationsmodells Quelle: KULLMANN (2006), S. 225.

Wie in Abbildung 17 dargestellt werden durch eine Repositionierung der Marke 2 die Distanzen innerhalb des Simulationsmodells zwischen dem fiktiven Nachfrager und den einzelnen Marken verändert. Auf Grund der Verringerung der Distanz von Marke 2 zum Nachfrager i, ändert dieser seine Erstwahl. Dies ist darauf zurückzuführen, dass durch die neue durchschnittliche Bewertung der Marke 2, die Distanz zu seiner Imagewahrnehmung der Marke 2 verringert wurde. Nach dem Idealpunkt-Prinzip,

545

Vgl. KULLMANN (2006), S. 202.

546

Vgl. zur Vertiefung des Distanzkonzeptes die Ausführungen zur Simulation von Repositionierungsstrategien auf Basis der MDS in Kapitel 2.3.1.

Theoretische Grundlagen und aktueller Stand der Forschung

117

entscheidet sich Nachfrager i nun für Marke 2, da die Distanz nun geringer ist als zu seiner ursprünglichen Erstwahl. Daraus folgt, dass seine vorherige Erstwahl zur Zweitwahl runtergestuft wird. Diese dargestellten Zusammenhänge werden auf Basis des Simulationsmodells für alle zu betrachtenden Marken und Nachfrager analysiert. Hierfür wurde eine Oberfläche innerhalb des Tabellenkalkulationsprogramms Excel programmiert, welche die Darstellung der Wirkungszusammenhänge der diskriminanzanalytischen Ergebnisse ermöglicht. 547 Obgleich der primäre Fokus des von KULLMANN entwickelten Modells die Portfoliooptimierung darstellt, wird implizit die Auswirkung unterschiedlicher Repositionierungsstrategien auf die Marktreaktionsgröße Absatz mit Schwerpunkt auf Kerngrößen des Portfoliomanagements (Partizipations- bzw. Substitutionseffekte) simuliert. 548 Das Modell ist jedoch mit einigen Schwächen behaftet, die im Folgenden näher ausgeführt werden sollen. 2.5.3 Bewertung diskriminanzanalytischer Modelle zur Analyse von Markenrepositionierungen Im Rahmen der Analyse und Bewertung wird lediglich auf das vorgestellte Modell von KULLMANN (2006) Bezug genommen, da keine weiteren diskriminanzanalytischen Modelle untersucht wurden. Zuerst ist das generelle Vorgehen im Rahmen der Modellentwicklung zu kritisieren. KULLMANN (2006) leitet aus einem bestehenden Datensatz sein Schätzmodell ab, ohne dieses an einem anderen Datensatz zu prüfen. In der Regel wird die Stichprobe jedoch in eine Trainingsstichprobe und eine Teststichprobe unterteilt (Split-Sample-Methode). 549 Die Trainingsstichprobe dient dazu, das Schätzmodell und die dazugehörigen Entscheidungsfunktionen zu ermitteln. Für die Herstellung externer Validität wird dann ein zweiter Datensatz (Teststichprobe) angewendet, um die Güte der Entscheidungsfunktion zu testen. Wenn man dieses Vorgehen nicht anwendet, besteht die Gefahr des „Overfittings“. 550 Es sollte also zumindest eine Kreuzvalidierung stattfinden. Findet solch eine Prüfung auf externe Validi-

547

Vgl. KULLMANN (2006), S. 226.

548

Vgl. KULLMANN (2006), S. 228 ff.

549

Vgl. FRANK/MASSY/MORRISON (1965), S. 250 ff.

550

Das „Overfitting“ kann als die Gefahr der Überschätzung der Klassifizierungsfähigkeit der Diskriminanzfunktionen beschrieben werden, die besteht, sobald das zur Berechnung genutzte Datenmaterial auch zur Überprüfung herangezogen wird. Vgl. MAYER (1984), S. 144. Zur Lösung des Problems der externen Validität können die bereits angeführte „Split-Sample-Methode“, die „UMethode“ sowie die „Jackknife Methode“ bzw. die „Pseudo-Jackknife Methode“ herangezogen werden.

Theoretische Grundlagen und aktueller Stand der Forschung

118

tät 551 nicht statt, können die Untersuchungsergebnisse nicht generalisiert werden. Somit kann konstatiert werden, dass die Eignung des Modells von KULLMANN (2006) lediglich zur dynamischen Portfolioanalyse innerhalb des Schokoladenmarktes und zum Befragungszeitpunkt anwendbar ist. Eine generelle Nutzung des Modells zur dynamischen Portfoliooptimierung ist aus diesem Grund nur sehr eingeschränkt sinnvoll. 552 Im Rahmen der Simulation geht das Modell von KULLMANN (2006) davon aus, dass die Veränderung der Einstellungen der Nachfrager sofort vollzogen werden. 553 Jeder Nachfrager nimmt demnach die Repositionierung wahr und verarbeitet sie auf gleiche Art und Weise. 554 Diese Form der Modellierung ist nach der Einstellungstheorie als kritisch anzusehen, da innerhalb der Kommunikationsforschung ein eigener Zweig besteht, der die zeitliche Wirkung von Werbewirkungen untersucht (vgl. Abbildung 18). Die theoretische Fundierung des Modells richtet sich nach der identitätsbasierten Markenführung, hinsichtlich des Markenwahlverhaltens wird ein SingleChoice-Ansatz unterstellt. Die Nachfrager innerhalb des Modells entscheiden sich deterministisch für die Marke, deren Centroid am nächsten liegt. Die empirische Validierung des Modells wurde anhand einer quantitativen Studie durchgeführt. Sie unterliegt jedoch den bereits beschriebenen methodischen Einschränkungen des Overfittings. Einflussfaktoren auf das Markenwahlverhalten werden nicht berücksichtigt, sämtliche Einflüsse werden ausgeblendet. Die Darstellung von Markenrepositionierungen ist möglich, jedoch ist ihre methodische Umsetzung innerhalb des Modells nicht eindeutig nachvollziehbar. Die Heterogenität der Nachfrager wird nicht berücksichtigt, weder durch die Zusammenführung von unterschiedlichen Käufersegmenten noch durch eine Variation der Entscheidungsregeln. Die vollständige Bewertung des Modells anhand der Kriterien kann Abbildung 18 entnommen werden.

551

Der Begriff der externen Validität bezeichnet eine Untersuchung, dessen Ergebnisse über die besonderen Bedingungen der Untersuchungssituation und die untersuchten Personen hinausgehend generalisierbar ist. Vgl. BORTZ (2005), S. 8.

552

Vgl. KULLMANN (2006), S. 242.

553

Einstellungen werden in der Regel als ein sehr stabiles Konstrukt beschrieben, welches eine sehr lange Zeit benötigt um sich zu verändern. Vgl. KROEBER-RIEL/WEINBERG/GRÖPPEL-KLEIN (2009), S. 225.

554

Die Wahrnehmung einer Marke kann als ein aktueller, durch äußere Reizdarbietung ausgelöster Prozess beschrieben werden. Im Rahmen dieses Prozesses werden die Reize durch die Nachfrager wahrgenommen und entschlüsselt. Die Annahme, dass alle Nachfrager die Repositionierung einer Marke wahrnehmen und ihre Einstellung ändern, ist aus der Verhaltenstheorie heraus nicht begründbar. Vgl. KROEBER-RIEL/WEINBERG/GRÖPPEL-KLEIN (2009),, S. 328. Vergleiche zu Informationsprozessen und deren Einflussfaktoren ausführlich BETTMAN/JOHNSON/PAYNE (1991), S. 50 ff.

119

Theoretische Grundlagen und aktueller Stand der Forschung

Bewertungskriterium

Das Modell von Kullmann 2006

Theoretische Fundierung Empirische Validierung Berücksichtigung von Einflussfaktoren auf das Markenwahlverhalten Möglichkeit zur Darstellung von Markenrepositionierungen

Berücksichtigung der Nachfragerheterogenität

Abbildung 18: Bewertung des Kullmann-Modells Quelle: Eigene Darstellung.

Ein weiteres Defizit des Modells besteht in der Verwendung der Excelmaske. Die Veränderung der einzelnen Imagebewertungen der Nachfrager führt zu keiner Neuberechnung der Markencentroide, was dazu führt, dass sich die Nachfrager innerhalb des Diskriminanzraumes bewegen, die Marken jedoch statisch sind. Leider ist die Excelmaske nicht in der Lage, auf Basis der Markenrepositionierung eine neue Diskriminanzfunktion zu schätzen, in der sich die Centroide der einzelnen Marken verändern. 555 Somit bleibt eine Repositionierung der Markencentroide aus. Mit dem Modell wird demnach lediglich eine Wanderung der Nachfrager innerhalb des Diskriminanzraumes simuliert, was zu unbefriedigenden Ergebnissen im Rahmen einer Repositionierungsanalyse führt, da die Markencentroide gerade die Repositionierung der Marken widerspiegeln sollen (vgl. Abbildung 17).

555

Innerhalb des Modells fehlt die Implementierung eines Prozesses zur Berechnung der neuen Markencentroide auf Basis der neuen Imagebewertungen durch die simulierten Repositionierungsszenarien. Eine reine Verschiebung der Nachfrager führt zu unplausiblen Ergebnissen, da bei einigen Repositionierungsstrategien eine Marke alle Nachfrager verlieren kann, was auf die Klassifikationslogik der Diskriminanzanalyse zurückzuführen ist. Vgl. BACKHAUS ET AL. (2006), S. 153.

Theoretische Grundlagen und aktueller Stand der Forschung

120

2.6 Zusammenfassung und abschließende Bewertung In einem ersten Schritt des Fazits wird die Eignung der dargestellten Verfahren für eine statische Positionierungsanalyse zusammengefasst. Dies umfasst die Vor- und Nachteile der einzelnen Verfahren, welche Analysen durchgeführt werden können und ihre häufigste Verwendung im Rahmen von Positionierungsentscheidungen. Darauf aufbauend findet dann eine abschließende Bewertung der auf den einzelnen Methodiken basierenden Simulationsmodelle statt. Einen zusammenfassenden Überblick bezüglich der einzelnen Verfahren gibt Tabelle 13. Verfahren

Analyse ƒ

Multidimensionale Skalierung

Generierung von Teilnutzenwerten und direkten Trade-Offs. ƒ Individuelle Analyse jedes Nachfragers sowie eine aggregierte Analyse auf Basis von Segmenten. ƒ Ermittlung der relativen Wichtigkeiten einzelner Nutzendimensionen. ƒ

Conjointanalyse

Tabelle 13:

Direkt manipulierbare Größen Verknüpfung von Preisen und nichtpreislichen Markeneigenschaften ƒ Große Flexibilität ƒ ƒ

Nachteile Dimensionen sind häufig schwierig zu interpretieren. ƒ Direkte Ähnlichkeitsbeurteilungen sind häufig nicht reliabel ƒ 7 bis 8 Marken werden benötigt um einen Raum aufzuspannen. ƒ Keine Möglichkeit USP's darzustellen ƒ

Häufigste Anwendung Darstellung von Wahrnehmungsräumen in etablierten Märkten ƒ Ausgangsbasis für die Marktsegmentierung ƒ Darstellung der Markenwahlwahrscheinlichkeit ƒ Simulationsmodelle ƒ

ƒ

Schlechte Darstellung symbolischer Markendimensionen

ƒ ƒ ƒ ƒ ƒ ƒ

Markendesign Neuproduktkonzeption Marktsegmentierung Produktliniendesign Simulationsmodelle Optimierungsmodelle

ƒ

Ermittlung der ƒ Die ermittelten Linearkombinationen der Dimensionen basieren Attribute, welche zwischen den ausschließlich auf Marken am besten trennen. differenzierenden Attributen.

ƒ

Die Interpretation der einzelnen Dimensionen ist nicht intuitiv und aus diesem Grund schwierig in Managementempfehlungen zu übertragen.

ƒ

Markendesign Entwicklung neuer Markenfeatures.

ƒ

Ermittlung von Schlüsseldimensionen basierend auf der erklärten Gesamtvarianz aller untersuchten Attribute durch Nutzung der AttributKorrelationen. Die Faktorwerte bilden die Basis für die Faktorräume.

ƒ

Faktoren sind Funktionen der erhobenen Daten (Attribute), welche die Wichtigkeit für die Nachfrager nicht berücksichtigen.

ƒ

Entwicklung von Kommunikatiosstrategien Findung von Marktnischen.

Diskriminanzanalyse

Faktorenanalyse

Vorteile

Basierend auf Distanzen, je ƒ Die resultierenden Dimensionen ähnlicher sich die untersuchten basieren auf den Beurteilungen Marken sind desto näher der Nachfrager oder deren werden sie innerhalb des ƒ Präferenzen. Die Ergebnisse Wahrnehmungsraumes sind nicht Abhängig von den platziert. abgefragten Attributen. ƒ Es ist möglich, die Idealpunkte der Nachfrager und die Marken in einem Wahrnehmungsraum darzustellen.

ƒ

Die Analyse reduziert viele Attribute zu Schlüsseldimensionen.

ƒ

Vor- und Nachteile einzelner Methoden im Rahmen der Positionierungsanalys Quelle: KEON (1983); HAUSER/KOPPELMAN (1979); HUBER/ HOLBROCK (1979); FRETER (2008); GWIN/GWIN (2003).

Die Eignung der dargestellten Methodiken für die Simulation von Markenrepositionierungen ist grundsätzlich gegeben. Innerhalb der Modellbeschreibung ist schon auf die wesentlichen Kritikpunkte und Möglichkeiten zur Weiterentwicklung der Modelle eingegangen worden. Zusammenfassend kann konstatiert werden, dass viele Modelle ihre mangelnde theoretische Fundierung häufig mittels komplexer mathematischer

Theoretische Grundlagen und aktueller Stand der Forschung

121

Formeln zu verschleiern versuchen. Ein prominentes Beispiel hierfür ist das Modell von SHOCKER/SRINIVASAN (1974), indem der wichtigste Parameter des Modells nicht erläutert wird. 556 Es kann ebenfalls festgestellt werden, dass die Simulationsmodelle auf Basis der Conjointmethodik am flexibelsten und auch hinsichtlich der Implementierung des Markenwahlverhaltens den Modellen auf Basis der MDS überlegen sind. Der große Vorteil der MDS hinsichtlich der Darstellung von Idealpunkten und Marken in einem joint-space, bildet die Grundlage für die Eignung als Basis für Simulationsmodelle. Gleichzeitig ist die Interpretation der Dimensionen welche den Wahrnehmungsraum aufspannen sehr schwierig. Daraus resultiert, dass sich eine Überführung der Ergebnisse in Managementempfehlungen schwierig gestalten. Es ist zu konstatieren, dass MDS-Modelle bis heute wenig praktische Relevanz gezeigt haben. Hinzukommt, dass in den letzten Jahren nur sehr wenig neue Modelle entwickelt worden sind. Der Höhepunkt dieser Forschung liegt in den siebziger bis Mitte der neunziger Jahre. Es mangelt an leistungsfähigen Modellen oder Systemen, die eine sinnvolle Managementunterstützung leisten können. 557 Hauptkritikpunkte sind die mangelnde Interpretierbarkeit der Dimensionen sowie die Annahme, dass Nachfrager immer die Marke wählen, welche ihrem Idealpunkt am nächsten liegt. Dies führt dazu, dass Ergebnisse auf Basis der MDS-Simulationsmodelle keine hinreichenden Indikationen für die Markensteuerung generieren. Wesentlich dabei ist die mangelnde Interpretierbarkeit der Dimensionen welche den Merkmalsraum aufspannen. Hier kann lediglich eine Annäherung auf Basis von Expertenurteilen oder mittels der Property Fittings erreicht werden. Eine umfassende quantitative Validierung der dargestellten Modelle hat bis heute nicht stattgefunden. Lediglich kleinzahlige Studien oder künstlich generierte Daten wurden zur Validierung der Modelle herangezogen. Die Vorgehensweise der Modelle ist sehr technisch, indem sie die optimale Position im joint-space lokalisieren, meistens dort wo sich die meisten Idealpunkte der Nachfrager befinden. Diese Position muss aber nicht zwingend für die Marke die beste Position aus Sicht der Markenführung sein, da diese Position bspw. nicht zur Identität oder dem bisherigen Image der Marke passt. Dies liegt zum einen daran, dass die meisten Modelle sich mit der Positionierung von Neuprodukten beschäftigen und die Nachfrager kein Wissen über diese Produkte besitzen. 558 Diese Einschränkung erklärt vielleicht, dass die angeführten inhaltlichen Defizite der Modelle noch nicht diskutiert wurden. Modelle auf Basis der MDS, die sich ausschließlich der Re-

556

Vgl. MAYER (1984), S. 65.

557

Vgl. ZHANG/ZHANG (2007), S. 921.; BAKKEN (2007), S. 24.

558

Vgl. BACHEM/SIMON (1979), S. 362.

122

Theoretische Grundlagen und aktueller Stand der Forschung

positionierung von Marken widmen, existieren nicht. Insbesondere die Inflexibilität der MDS-Modelle hinsichtlich der Darstellung von unterschiedlichem, individuellem Kaufverhalten ist ein Defizit. Sämtliche Nachfrager innerhalb der Modelle entscheiden sich nach dem gleichen Muster. Nachfragerindividuelle Entscheidungsmethodiken sind nicht darstellbar. 559 Dies ist auch ein Defizit der anderen Methodiken, bis auf die Conjointanalyse. Bei den conjointbasierten Modellen ist eine wesentlich höhere praktische Relevanz zu verzeichnen als bei den Modellen auf Basis der MDS. 560 Neben den schon aufgezeigten Kritikpunkten ist die kostspielige Erhebung der Datengrundlage im Gegensatz zu self-explicated Methoden hervorzuheben, auch wenn die neueren Methoden, wie die ACA die Kosten der Datenerhebung bereits reduzieren. Durch die weitere theoretische Weiterentwicklung sowie die vermehrte praktische Anwendung wird die conjointbasierte Forschung innerhalb des Käuferverhaltens weiterhin eine gewichtige Rolle spielen. 561 Die große Flexibilität des Conjointansatzes durch den modulartigen Aufbau sowie die Möglichkeit, den Conjoint-Output mittels mathematischer Verfahren weiterzuverarbeiten bieten einen großen Vorteil gegenüber den MDS Verfahren. Die Möglichkeit unterschiedliche Wahlsimulatoren zu integrieren, gibt den Forschern die Gelegenheit, unterschiedliche Entscheidungsregeln empirisch zu testen. Sobald jedoch Verfahren angewendet werden in denen Parameterschätzungen vorgenommen werden müssen, wie das multinomiale Logitmodell, ist eine simultane Verwendung unterschiedlicher Entscheidungsregeln nicht mehr möglich. Neben den Defiziten der aggregierten Betrachtung des Wahlverhaltens, berücksichtigt keines der aufgeführten Modelle spezifische Charakteristika von Markenrepositionierungen. Weder Intensität und Zeithorizont einer Repositionierung noch Einflussfaktoren auf den Erfolg finden in den Positionierungsmodellen ihre Berücksichtigung. 562 Darüber hinaus sind die dargestellten Verfahren nicht in der Lage, soziale Interaktionen zwischen den Nachfragern sinnvoll abzubilden. Diese besitzen jedoch einen erheblichen Einfluss auf die Kaufentscheidung. Kaufverhalten in komplexen und dynamischen Märkten mit einer heterogenen Käuferschaft neigen zu nichtlinearen Verhaltensweisen. Diese resultieren aus der Interaktion der einzelnen Nachfrager

559

Es können individuelle Nutzenfunktionen und ähnliches dargestellt warden, jedoch entscheidet sich jeder Nachfrager nach der gleichen Regel oder dem gleichen Entscheidungsmodell.

560

Vgl. WITTINK/VRIENS/BURHENNE (1994), S. 41 ff.

561

Vgl. GREEN/KRIEGER/WIND (2005b), S. 135.

562

Vgl. hierzu ausführlich RECKE (2010), der sich eingehend mit der Kontinuität von Markenpositionierungen im Rahmen einer modelltheoretischen Analyse befasst.

Theoretische Grundlagen und aktueller Stand der Forschung

123

auf Mikroebene und aus sozialen Einflüssen, die mit derartigen Methoden nicht abzubilden sind. Aus diesen Gründen sollte eine Simulationsmethodik angewendet werden, der es möglich ist, auf individueller Ebene flexibel die Entscheidungsregeln der einzelnen Nachfrager abzubilden sowie auf Makroebene nichtlineare Entwicklungen darzustellen. Eine sich anbietende Methodik, welche die aufgezeigten Schwächen der dargestellten Methodiken kompensiert, ist die agentenbasierte Simulation. Im Folgenden soll aus den genannten Gründen die computerbasierte Simulation und im Besonderen die agentenbasierte Methodik als Ansatz zur Simulation von Repositionierungsstrategien vorgestellt werden. Nach ihrer Vorstellung und der Darstellung der Vor- und Nachteile, wird daraufhin ein abschließendes Urteil über die Eignung der agentenbasierten Simulation als Methode für die Prognose der Effekte von Markenrepositionierungen gefällt. 3

Agentenbasierte Simulation als neue Methode zur Analyse von Repositionierungsstrategien

Ursprünglich kommt der Ansatz der agentenbasierten Simulation aus der Forschung zur artifiziellen Intelligenz, welche als Universalwissenschaft bezeichnet werden kann. 563 Künstliche Intelligenz versucht im Wesentlichen zwei Dimensionen zu erforschen, „Denkprozesse“ und „logisches Schließen“ sowie das menschliche Verhalten. 564 Hierbei sind zwei grundlegende Denkweisen zu unterscheiden. Auf der einen Seite wird versucht, das menschliche Handeln so genau wie möglich nachzubilden, auf der anderen Seite wird ein ideales Konzept der Intelligenz bewertet, welches als Rationalität 565 bezeichnet werden kann. In Tabelle 14 sind die bekanntesten Definitionen künstlicher Intelligenz dargestellt.

563

Vgl. RUSSELL/NORVIG (2004), S. 17.

564

Vgl. RUSSELL/NORVIG (2004), S. 18.

565

In diesem Fall ist ein System Rational, wenn es das seinen Kenntnissen entsprechend „richtige“ macht. Vgl. RUSSELL/NORVIG (2004), S. 18.

Theoretische Grundlagen und aktueller Stand der Forschung

124

Systeme, die denken wie Menschen

Systeme, die rational denken

„Die aufregende und neuartige Anstrengung Computern das Denken beizubringen, […] Künstliche Intelligenz will die Sache selbst: Maschinen mit Verstand, im vollen und wörtlichen Sinne.“ 566

"Die Studie mentaler Fähigkeiten durch die Nutzung programmiertechnischer Modelle." 567

„[Die Automatisierung von] Aktivitäten, die wir "Die Studie der Programmtechniken, die es ermögdem menschlichen Denken zuordnen, Aktivitälichen, wahrzunehmen, logisch zu schließen und zu ten wie bspw. Entscheidungsfindung, Problemagieren." 569 lösung, Lernen […]“ 568 Systeme, die wie Menschen agieren

Systeme, die rational agieren

"Die Kunst, Maschinen zu schaffen, die Funktionen erfüllen, die, werden sie von Menschen ausgeführt, der Intelligenz bedürfen." 570

"Computerintelligenz ist die Studie des Entwurfs intelligenter Agenten." 571

"Die Studie, wie man Computer dazu bringt, Dinge zu tun, bei denen ihnen momentan der Mensch noch überlegen ist." 572

"Künstliche Intelligenz […] beschäftigt sich mit intelligentem Verhalten in künstlichen Maschinen." 573

Tabelle 14:

Definitionen künstlicher Intelligenz Quelle: In Anlehnung an RUSSELL/NORVIG (2003), S. 18.

Dieser Arbeit liegt die Definition von BELLMAN (1978) zu Grunde, weil sie explizit auf die Entscheidungsfindung Bezug nimmt. 574 Damit bilden die Kaufverhaltenstheorie und die Theorie der artifiziellen Intelligenz die Grundlagen für die nachfolgende agentenbasierte Simulation von Markenrepositionierungen. Hiermit wird das Ziel verfolgt, die Eignung agentenbasierter Modelle für die Erklärung des Kaufverhaltens und die Erklärung und Prognose der Wirkungen von Markenrepositionierungen zu bewerten. Zuerst wird eine allgemeine Einführung in die computerbasierte Simulation gegeben und die unterschiedlichen Modellierungsansätze vorgestellt und anhand kaufverhaltenstheoretischer Kriterien bewertet.

566

Vgl. HAUGELAND (1985).

567

Vgl. CHARNIAK/MACDERMOTT (1985).

568

Vgl. BELLMAN (1978).

569

Vgl. WINSTON (1992).

570

Vgl. KURZWEIL (1992).

571

Vgl. POOLE/MACKWORTH/GOEBEL (1998).

572

Vgl. RICH/KNIGHT (1991).

573

Vgl. NILSSON (1991).

574

Vgl. BELLMAN (1978).

125

Theoretische Grundlagen und aktueller Stand der Forschung

3.1 Allgemeine Grundlagen computerbasierter Simulation Die besondere Herausforderung der Untersuchung agentenbasierter Simulation beginnt nach BANDTE (2007) bereits bei der Literaturanalyse. Er konstatiert: „Die für den Themenbereich relevanten Autoren bedienen sich zumeist entweder einer sehr technischen, d. h. primär an Informatiker bzw. Programmierer mit wissenschaftlichem Hintergrund gewandte Terminologie bzw. Syntax, oder einer sehr metaphernreichen z. T. unpräzisen Darstellung der Sachverhalte.“ 575 Diese Voraussetzungen erschweren die Vergleichbarkeit der Begriffe und Erkenntnisse sowie deren Übertragbarkeit auf kaufverhaltenstheoretische Fragestellungen. 3.1.1 Computergestützte Simulation Für die weitere Vorgehensweise wird im ersten Schritt die computergestützte Simulation von der statistischen Modellierung als Methode abgegrenzt (vgl. Abbildung 19). Schätzung von Parametern

Model

Abstraktion

Soziale Prozesse

Datenerhebung

Geschätzte Daten

Gleichheit

Erhobene Daten

Statistische Modellierung als Methode

Simulation

Model

Abstraktion

System

Simulierte Daten

Gleichheit

Datenerhebung

Erhobene Daten

Simulation als Methode

Abbildung 19: Abgrenzung statistischer Modellierung und Simulation als Methodik Quelle In Anlehnung an GILBERT/TROITZSCH (2005), S. 16 f.

575

Vgl. BANDTE (2007), S. 240. sowie als Beleg HUHNS/SINGH (1998); DROGOUL/FERBER (1995); BEN SAID/BOURON/DROGOUL (2002); COLLINGS/BAXTER (2007); EREZ/MOLDOVAN/SOLOMON (2007); WEISS (1999); ZHA (2007).

126

Theoretische Grundlagen und aktueller Stand der Forschung

Beide Methodiken unterliegen einer ähnlichen Vorgehensweise, bei der statistischen Modellierung ist die Beziehung zwischen System und Modellsystem größtenteils bekannt. Über Abstraktion versucht der Wissenschaftler ein System aus Gleichungen aufzustellen, die das zu erklärende System darstellen. Diese Gleichungen beinhalten Parameter, die durch ein bestimmtes statistisches Verfahren geschätzt werden. Im letzten Schritt wird überprüft, ob die geschätzten Daten den empirisch erhobenen Daten entsprechen. Die gleiche Logik liegt auch computergestützten Simulationsmodellen zu Grunde. Es werden jedoch keine statistischen Gleichungen genutzt, sondern Computerprogramme, um die unterschiedlichen Akteure innerhalb eines Systems zu beschreiben. Die Simulation generiert dann ebenfalls Daten, die mit den empirisch erhobenen verglichen werden können, um die Reliabilität und Validität des Simulationsmodells zu überprüfen. 576 Im Folgenden werden die unterschiedlichen computergestützten Simulationstechniken vorgestellt und anhand eines Kriterienkataloges bewertet. 3.1.2 Kriterien zur Klassifizierung und Bewertung computergestützter Modelle Die Klassifikation computergestützter Modelle erfolgt auf der Grundlage des Klassifizierungsschemas von TROITZSCH, welches im Rahmen der Modellierung allgemein anerkannt ist (vgl. Abbildung 20). 577 Dies dient der Abgrenzung unterschiedlicher Modellierungsansätze und der Herausarbeitung der spezifischen Vorteile des agentenbasierten Modellierungsansatzes. Die einzelnen Merkmale werden bei der Systematisierung der unterschiedlichen Methoden mit spezifischen Anforderungen an die Modellierung von Markenrepositionierungen verknüpft.

576

Vgl. für eine dataillierte Beschreibung der Unterschiede GILBERT/TROITZSCH (2005), S. 15 ff.

577

Vgl. Troitzsch, K. G. (1990) S. 12 ff. Vgl. analog Marietto, M. B./David, N./Sichman, J. S. (2003) S. 195 ff. Inhaltlich und bezüglich der Bezeichnungen der Teilelemente des Klassifizierungsschemas wurden Modifikationen vorgenommen. Vgl. BANDTE (2007), S. 200 ff.

127

Theoretische Grundlagen und aktueller Stand der Forschung

Form der Erkenntnis

Darstellungsform

Modellzweck

Zeitliche Stabilität und Zeitfortschritt

Zeitabhängigkeit Modell

Folgerungsmethode

Abbildungsebene

Lösungsverfahren

Funktionen

Operationalisierung

Abbildung 20: Klassifikationsmerkmale für computergstützte Modelle Quelle: In Anlehnung an TROITZSCH (1990) , S. 12 ff. und BANDTE (2007), S. 200.

Die Darstellungsform von Modellen drückt aus, welche Zusammenhänge, welche Arten von Objekten und welcher Ausschnitt aus dem Realsystem abgebildet werden sollen. Hierbei lassen sich Real-, Verbal-, Formal- und ikonische Modelle differenzieren. 578 Ikonische Modelle bilden dabei ein reales Objekt in einer stark vereinfachten Form als Zeichnung oder Skulptur dar. Innerhalb von realen Modellen werden wenige Eigenschaften durch viele Eigenschaften repräsentiert. Formalmodelle bedienen sich zur Darstellung einer formalen Sprache, die einer strengen Syntax unterliegt. Es kann festgestellt werden, dass sich die unterschiedlichen Modellklassen nicht trennscharf anhand der Darstellungsform differenzieren lassen. Prinzipiell sind jedoch alle Formen der Darstellung für spezielle Anwendungsgebiete einsetzbar. 579 Durch die gesteigerte Rechenleistung ist es möglich, komplexe Formalmodelle auf Basis von Computerprogrammen zu entwickeln. Dies bietet die Möglichkeit, lokale Interaktionen zwischen den Nachfragern (Nachfrager interagieren mit anderen Nachfragern im Markt) und den Wettbewerbern (Markenanbieter reagieren auf Strategieveränderungen des Wettbewerbs) abzubilden. Diese dynamische Betrachtung fehlt den bisher dargestellten Positionierungsmodellen.

578

Wobei sich Real- und Verbalmodelle zur Erklärung und Beschreibung eines Sachverhaltes eignen und Formalmodelle zur Prognose zukünftiger Entwicklungen.

579

Vgl. BANDTE (2007), S. 201.

Theoretische Grundlagen und aktueller Stand der Forschung

128

Ein weiteres Charakteristikum ist die zeitliche Stabilität und der Zeitfortschritt der Struktur der einzelnen Modelle. Eine grundlegende Einteilung kann in statische und dynamische Modelle erfolgen. Bei statischen Modellen werden die Relationen und Merkmale des Systems über die Zeit beibehalten. Bei dynamischen Modellen hingegen sind Relationen und Merkmale in Abhängigkeit von der Zeit veränderbar. Dynamische Modelle können zudem in zeitdiskrete (klar voneinander getrennte Zeitpunkte) und zeitkontinuierliche (fließender Übergang der einzelnen Zustände) Modelle differenziert werden. Des Weiteren können dynamische Modelle bezüglich der Zeitabhängigkeit in reminiszente (vergangene Zustände sind für den aktuellen Zustand verantwortlich) Modelle und obliterate (Zustand hängt ausschließlich vom aktuellen Zeitpunkt ab) Modelle unterschieden werden. Betrachtet man bisherige analytische Positionierungsmodelle, werden der zeitliche Horizont und die Intensität einer Markenrepositionierung nicht berücksichtigt. Die dargestellten Positionierungsmodelle sind statisch und bilden lediglich eine Momentaufnahme des Marktes ab. Hier wäre eine dynamische Betrachtung des Marktes auf Basis eines Simulationsmodells möglich. In den bisherigen gleichgewichtsanalytischen Modellen beziehen die Entscheider die Strategien aller anderen Wettbewerber in ihr Kalkül mit ein. Die entscheidungsorientierten Modelle beziehen lediglich die Reaktionen der Wettbewerber mit ein, die in unmittelbarer Nähe positioniert sind. Welche Konkurrenten das konkret sind, hängt jedoch von der dynamischen Entwicklung im Markt ab, die Konkurrenzbeziehungen können sich verändern. 580 Dieser Umstand wird in analytischen Modellen nicht berücksichtigt. Des Weiteren ist die häufige Modellierung des Wahlverhaltens anhand von Markovketten eine einschränkende Annahme. 581 Hier wäre eine reminiszente Modellierung, die in der Lage ist, auf Basis von Lerntheorien vergangene Käufe zu berücksichtigen, näher an der Realität. Die Folgerungsmethode innerhalb von Modellen kann wie bei den schon vorgestellten Modellen auf Basis der MDS und der Conjointanalyse in stochastische und deterministische Methoden unterteilt werden. Bei den stochastischen Modellen liegen statistische Annahmen als Basis für die Abbildung des Realsystems zu Grunde. Bei der deterministischen Methode hingegen liegen prädeterminierte Vorgänge vor und zufällige Effekte und Messfehler werden ausgeblendet. 582 Innerhalb der Fragestellung der Markenrepositionierung finden, wie bereits gezeigt, sowohl stochastische als

580

Vgl. ROTH (1999), S. 77.

581

Vgl. bspw. Die Modelle von URBAN (1975) und BREUSCH (2008).

582

Vgl. BANDTE (2007), S. 203.

Theoretische Grundlagen und aktueller Stand der Forschung

129

auch deterministische Modelle ihre Anwendung. Das dem Modell zu Grunde liegende Lösungsverfahren kann auch als Unterscheidungsmerkmal dienen. Hierbei können analytische- und Simulationsverfahren differenziert werden. Analytische Verfahren eignen sich für die Lösung einfacher mathematischer Gleichungen, wie sie im Rahmen technischer Systeme häufig zu finden sind. 583 Charakteristisch für solche Problemstellungen ist der fehlende Einfluss sozialer Komponenten (Bspw. die Weiterempfehlung einer Marke von einem Nachfrager zum nächsten). Dieser Form der Lösungsmethode folgen die bereits vorgestellten Positionierungsmodelle. Sobald das Realsystem komplexer Natur ist, können analytische Lösungsverfahren, auf Grund der starken Simplifizierung zu dysfunktionalen Erkenntnissen führen. 584 An dieser Stelle ist der Einsatz von adäquaten Simulationsmodellen sinnvoll. 585 Dies ist Gegenstand der Arbeit, die soziale Interaktion im Rahmen von Markenrepositionierungen in einem Simulationsmodell abzubilden. Hinsichtlich der Operationalisierung können Modelle in quantitative und qualitative Modelle unterschieden werden. Bei einem quantitativen Modell sind die Variablen operationalisiert und die Parameterwerte empirisch ermittelt, so dass neben den qualitativen Aussagen auch quantitative generiert werden können. Hinsichtlich der Funktionen innerhalb eines Modells kann zwischen linearen und nichtlinearen Funktionen unterschieden werden. Eine dritte Form können regelbasierte Modelle in Form von bspw. zellulären Automaten oder Agentenmodellen sein. 586 Bisherige Positionierungsmodelle bedienen sich der quantitativen Vorgehensweise auf Basis linearer oder nichtlinearer Funktionen. Bisher existiert lediglich eine regelbasierte Abbildung von Markenpositionierungen auf Basis zellulärer Automaten. 587 Eine agentenbasierte Modellierung auf Basis eines Regelsystems existiert bisher noch nicht. Die Möglichkeiten der regelbasierten Systeme sind demnach noch nicht ausgeschöpft und hinreichend auf die Positionierungsproblematik übertragen worden. Die Abbildungsebene ist nach TROITZSCH (1990) ebenfalls ein Klassifizierungsmerkmal von Modellen. Hierbei können Makro-, Mikro, sowie Mehrebenenmodelle unterschieden werden. Eine nähere Beschreibung der einzelnen Modelle findet im folgenden Kapitel statt. Eine Trennung der einzelnen Modellebenen wird innerhalb

583

Vgl. URBAN (2005), S.6.

584

Vgl. BANDTE (2007), S. 202.

585

Vgl. Kapitel Agentenbasierte Simulation.

586

Vgl. 3.1.3.

587

Vgl. ROTH (1999).

Theoretische Grundlagen und aktueller Stand der Forschung

130

der Wirtschafts- und Sozialwissenschaften zunehmend kritisiert. Ansätze, die ebenenübergreifend Beziehungen darstellen können, sind für eine Simulation komplexer Systeme wesentlich besser geeignet, bspw. für die Simulation von Organisationen, in denen das Gesamtverhalten des Systems (Bspw. der Gruppenidentität Marke) eine einzelne Entität (Markenmitarbeiter) verändert und beeinflusst. 588 Dies trifft aber auch auf Märkte zu, in denen sich Marken repositionieren. Die Repositionierung einer Marke hat einen Einfluss auf das individuelle Kaufverhalten der Nachfrager, die Marktbearbeitungsstrategien der anderen Marken sowie das Verhalten weiterer Marktteilnehmer und kann auf Basis der vielfältigen lokalen Interaktionen ebenfalls als komplexes System bezeichnet werden. Ein weiteres Klassifizierungsmerkmal ist der Modellzweck. Hierbei können Erklärungs-, Prognose-, Meß-, Deskriptions- und Entscheidungsmodelle voneinander unterschieden werden. Bei den so genannten Prognosemodellen wird versucht, ein reales System in einem Simulationsmodell nachzubilden, um Vorhersagen der Simulation auf das reale System anwenden zu können. 589 Erklärungsmodelle hingegen dienen der Verbesserung des Verständnisses, da das untersuchende System in der Regel nicht vollständig verstanden ist. Bei Vorhersagemodellen stehen die Ergebnisse der Simulationsläufe im Vordergrund, bei Erklärungsmodellen steht eher das erstellte Modell im Mittelpunkt. Deskriptionsmodelle hingegen geben lediglich Aussagen über durchgeführte Beobachtungen wieder. Sie dienen lediglich der Beschreibung von Sachverhalten. Innerhalb der Wirtschaftswissenschaften werden häufig Entscheidungsunterstützungsmodelle entwickelt, um ex-ante Aussagen über zukünftige Entwicklungen tätigen zu können. 590 Dieser Zweck wird ebenfalls bei bestehenden Positionierungsmodellen verfolgt, da im Rahmen der Simulation unterschiedlicher Repositionierungsstrategien ebenfalls eine Prognose über das zukünftige Kaufverhalten der Nachfrager und die Reaktionen der Wettbewerber erstellt wird. Die Form der Erkenntnis eines erstellten Modells lässt sich in konzept- sowie datenbasiert unterscheiden. Konzeptbasierte Modelle basieren auf einer konkreten Theorie, welche innerhalb des Modells dargestellt werden soll. Datenbasierte Modelle hingegen basieren auf empirisch erhobenen Daten (ausgehend vom EingangsAusgangs-Verhalten innerhalb des Realsystems), ohne eine explizite Theorie zu

588

Vgl. TROITZSCH (1990), S. 204.

589

Vgl. OECHSLEIN (2004), S. 44.

590

Vgl. TROITZSCH (1990), S. 19.

Theoretische Grundlagen und aktueller Stand der Forschung

131

Grunde zu legen. 591 Ein datenbasiertes Positionierungsmodell hingegen sollte auf verhaltenstheoretischen Grundlagen aufgebaut sein, um Aussagen über die Prognose zukünftiger Entwicklungen treffen zu können. Empirisch basierte computergestützter Modelle auf Basis quantitativer Erhebungen, die sich explizit mit Positionierung von Marken beschäftigen, sind bisher noch nicht existent. An dieser Stelle setzt die folgende Untersuchung an. Für den Betrachtungsgegenstand der Arbeit, die Modellierung von Markenrepositionierungen auf Basis eines computergestützten Modellierungsverfahrens, sind zusammengefasst folgende Modelltypen von Interesse: Aus entscheidungsorientierter Sicht ist ein computergestütztes Formalmodell heranzuziehen, welches in der Lage ist, lokale Interaktionen zwischen Nachfragern (Nachfrager interagieren mit anderen Nachfragern im Markt) und den Wettbewerbern (Markenanbieter reagieren auf Strategieveränderungen des Wettbewerbs) abzubilden. Dadurch ist man in der Lage, Repositionierungsprozesse abzubilden. Ein weiteres Kriterium ist die Reminiszenz des Modells, dass Markenkäufe abhängig sind von ihrer Historie und nicht wie bisher lediglich von ihrem letzten Kauf (Darstellung anhand von Markovketten). Für eine Darstellung der Intensität und des zeitlichen Horizonts einer Repositionierung sind kontinuierliche und diskrete Variablen notwendig. Eine regelbasierte Darstellung des Entscheidungsverhaltens innerhalb des Modells würde die Individualisierbarkeit des Wahlverhaltens seitens der Nachfrager erhöhen und ist aus diesem Grund anzustreben. Eine Fokussierung auf die Individualebene ist ebenfalls notwendig, um die Konsumentenheterogenität abbilden zu können. Zur Abbildung realen Kaufverhaltens ist ein Modell notwendig, welches auf empirisch erhobene Kaufverhaltensdaten zurückgreift und nicht wie häufig bei computergestützten Modellen auf künstlich erzeugte Zufallsdaten. Im Folgenden wird nun auf die unterschiedlichen Modellierungsansätze innerhalb der computergestützten Simulation eingegangen und anhand der Anforderungen an ein Positionierungsmodell bewertet. Dies dient der Eignungsfeststellung der unterschiedlichen Ansätze für die Modellierung einer Markenrepositionierung. Am Ende des Kapitels wird dann auf Basis der Analyse der Modellierungsansatz ausgewählt, der im Rahmen der Modellerstellung als Grundlage dienen soll.

591

Vgl. BANDTE (2007), S. 205.

Theoretische Grundlagen und aktueller Stand der Forschung

132

3.1.3 Simulationstechniken Im Rahmen von Simulationen sind zahlreiche Techniken entwickelt worden, die hinsichtlich der dargestellten Charakteristika und unterschiedlicher Anwendungsbereiche klassifiziert werden können. 592 3.1.3.1 Makrosimulation Eine Makrosimulation zeichnet sich dadurch aus, dass das gesamte System durch Zustandsgrößen beschrieben wird. Eine etablierte Methode zur Modellierung von Makromodellen ist System Dynamics. 593 Makromodellen liegt die Annahme zu Grunde, dass sämtliche Entscheidungen anhand von Schleifen getroffen werden. Hinzu kommt, dass sämtliche Strukturen durch lineare und nichtlineare Gleichungssysteme ausgedrückt werden können. 594 Durch den Regelkreischarakter kann ein dynamisches Verhalten von Systemen simuliert werden. System Dynamics bietet sich besonders als Simulationsmethode an, wenn eine große Anzahl quantifizierbarer, in Beziehung stehender Variablen simuliert werden soll. Der Fortgang der Simulation geschieht nicht auf einer simplifizierten Trendfortschreibung, sondern trifft in der Regel Annahmen über das dynamische Zusammenwirken der Objekte. System Dynamics Modelle sind reminiszent, das bedeutet, dass vergangene Zustände für den jeweils aktuellen Zustand verantwortlich sind. Die Folgerungsmethode innerhalb von System Dynamics Modellen ist deterministisch, zufällige Effekte und Messfehler werden ignoriert. Auf Basis dieser Methode werden seit den 70er und 80er Jahren bspw. die Weltentwicklungsprognosen durchgeführt (World Dynamics). 595 Im Zuge der Simulationen werden Differentialgleichungen zu Differenzengleichungen umgewandelt und in ein Simulationsprogramm übersetzt, anhand dessen dann Prognosen über zukünftige

592

Vgl. OECHSLEIN (2004), S. 45.

593

System Dynamics wurde in 1950er Jahren entwickelt und basiert auf der Analyse soziotechnische Systeme sowie der Kybernetik. Darüber hinaus sollte System Dynamics eine Integration der Systemtheorie in die Wirtschaftswissenschaften und den Sozialwissenschaften unterstützen. Primäres Ziel von System Dynamics ist die Erklärung der Auswirkungen der Struktur einer Organisation auf ihr Verhalten vgl. BANDTE (2007), S. 221 sowie zum Ursprung von System Dynamics FORRESTER (1958), S.37 ff.

594

Vgl. BANDTE (2007), S. 222.

595

Vgl. RICHARDSON/PUGH (1988).

Theoretische Grundlagen und aktueller Stand der Forschung

133

Entwicklungen getroffen werden können. Ansonsten wird System Dynamics hauptsächlich in technischen Bereichen eingesetzt. 596 Der System Dynamics Ansatz wird auch im Rahmen marketingtheoretischer Fragestellungen angewendet. NICHOLSON/KAISER (2008) bspw. untersuchten die Wirkung generischer Werbung innerhalb des Milchmarktes und deren Einfluss auf den Milch und Käseabsatz. 597 Verschiedene Szenarien auf Basis unterschiedlicher Werbeausgaben werden simuliert und ihr Einfluss anhand eines Stock-Flow-Feedback Modells dargestellt. 598 Eine weitere Möglichkeit des Einsatzes von System Dynamics im Rahmen der Marketingwissenschaften ist das von OTTO (2008) entwickelte Modell zur Simulation der optimalen Markteintrittsstrategie für pharmazeutische Produkte. Innerhalb der Studie wurde ein Modell entwickelt, welches eine globale Markenstrategie mit einer lokal abgewandelten Strategie vergleicht und Prognosen über zukünftige Gewinne bereitstellt. 599 System Dynamics kann auch zu Optimierungszwecken innerhalb der Preispolitik, der Produktion oder beim Management von Produktqualität eingesetzt werden. Ein Beispiel hierfür liefert die Studie von LIN (2008), welche innerhalb eines monopolistischen Marktes dynamische Entscheidungen wie Preis, Qualität etc. unter der Bedingung dynamischer Nachfrage anhand des System Dynamics Ansatzes optimiert. 600 Eine Anwendung des System Dynamics Ansatzes zur Simulation von Markenrepositionierungen ist dem Autoren nicht bekannt. Da System Dynamics eine Makroperspektive einnimmt, ist es nicht möglich, individuelles Kaufverhalten oder Interaktionen zwischen den Nachfragern zu modellieren. Somit ist ein entscheidendes Kriterium zur Analyse des Markenwahlverhaltens nicht erfüllt. Ein weiteres Beispiel für eine Makrosimulation sind die Räuber-Beute-Systeme 601 die auf Basis von Lotka-Volterra-Gleichungen 602 funktionieren. Innerhalb solcher Modelle

596

Vgl. BANDTE (2007), S. 223.

597

Vgl. NICHOLSON/KAISER (2008).

598

Vgl. NICHOLSON/KAISER (2008), S. 1127.

599

Vgl. OTTO (2008), S. 1176.

600

Vgl. LIN (2008), S. 1152 ff.

601

Räuber-Beute-Systeme stellen eine Wechselbeziehung zwischen zwei Populationen dar, wobei sich die eine von der anderen ernährt. Allgemein gehören hierzu alle Interaktionsformen, in denen ein Partner einen Vorteil und der andere einen Nachteil hat. Wie Konkurrenz-Systeme kann man sich Räuber-Beute-Systeme als eine Interaktion mit negativer Rückkopplung vorstellen, die unter bestimmten Bedingungen zu Gleichgewichten führt. Die wechselseitige Reaktion auf die RäuberBeute-Interaktion kann auf dem Niveau von Individuen (= funktionelle Reaktion) oder auf dem der Population (= numerische Reaktion) erfolgen.

Theoretische Grundlagen und aktueller Stand der Forschung

134

ist die Zeit die einzige unabhängige Variable während alle weiteren Variablen als homogen angenommen werden. Darüber hinaus wird bei den Interaktionen innerhalb des Systems von einer Gleichverteilung ausgegangen. 603 Es ist somit nicht möglich, individuelles Verhalten abzubilden (lediglich aggregierte Betrachtungen sind möglich). 604 Diese Annahmen sind gleichzeitig die größten Kritikpunkte an derartigen Modellen. Sie werden bspw. für ihre Anwendung innerhalb biologischer Modelle als zu abstrakt angesehen. 605 Auch hier sind dem Autor keine Anwendungen im Rahmen der Positionierungsforschung bekannt. 3.1.3.2 Mikrosimulation Die Mikrosimulation entwickelte sich zu einem ähnlichen Zeitpunkt wie der System Dynamics Ansatz. 606 Das Ziel eines mikroanalytischen Modells im Gegensatz zur Makrosimulation ist die Prognose dynamischer Gruppeneffekte als Reaktion auf die Veränderung von Rahmenbedingungen. Ein mikroanalytisches Modell setzt sich demnach aus Individuen mit bestimmten Attributen (Alter, Geschlecht, Bildung etc.), die auf eine Veränderung der Rahmenbedingungen unterschiedlich reagieren, zusammen. 607 Das Verhalten des Gesamtsystems ergibt sich somit aus der Interaktion der zugrunde liegenden Objekte. 608 Somit weisen Mikrosimulationen in der Regel mindestens zwei Ebenen auf. Es ist jedoch möglich, auch unterschiedliche Hierarchiestufen zu modellieren, z.B. innerhalb eines Unternehmens. Sobald die zu betrachtende Population hinsichtlich ihrer Merkmale sehr heterogen ist, erzielen Mikrosimulationen aufgrund der Berücksichtigung individueller Merkmale eine höhere Prognosequalität als System Dynamics Ansätze. Die allgemeine Vorgehensweise mikroanalytischer Simulationsmodelle beginnt mit der Datensammlung und der Extraktion einer repräsentativen Stichprobe, welche als Grundlage der Simulation dient. Die einzelnen Elemente, in der Regel einzelne Indi-

602

Die Lotka-Volterra Gleichungen sind ein Differentialgleichungssystem anhand derer die Populationsentwicklung innerhalb eines Räuber-Beute-Modells simuliert wird. Siehe hierzu ausführlich DROGOUL/FERBER (1995), S. 127 ff.

603

Kommunikation zwischen den einzelnen Entitäten kann also nicht dargestellt werden, was bspw. im Rahmen von Repositionierungsentscheidungen in Form von Weiterempfehlungen eine mögliche Komponente darstellt.

604

Vgl. BANDTE (2007), S. 224.

605

Vgl. KLÜGL (2001), S. 49.

606

Vgl. hierzu die Pionierarbeiten von ORCUTT (1960).

607

Vgl. OECHSLEIN (2004), S. 45.

608

Vgl. KLÜGL (2001), S. 50.

Theoretische Grundlagen und aktueller Stand der Forschung

135

viduen, werden in einem zweiten Schritt mit entsprechenden Attributen belegt z.B. Alter, Einkommen, Familienstand, politische Gesinnung etc. Hinzu kommen empirisch erhobene Veränderungswahrscheinlichkeiten, welche den einzelnen Attributen zugeschrieben werden (Bspw. die Wahrscheinlichkeit, den Familienstand in den nächsten 5 Jahren von ledig zu verheiratet zu wechseln, oder wie groß die Sterbewahrscheinlichkeit einzelner Person in den nächsten 5 Jahren ist). 609 Das erstellte Modell wird daraufhin in diskreten Zeitabschnitten fortgeschrieben. Mögliche abgebildete Prozesse laufen im Rahmen der Simulation auf Basis stochastischer Vorgaben nichtlinear ab und können durch die Veränderung exogener Variablen durch den Modellierer beeinflusst werden. Es ist möglich, die Ergebnisse quantitativ und qualitativ auszuwerten und eine Prognose der Entwicklung des Systemausschnitts vorzunehmen. 610 Somit ist die Mikrosimulation ausschließlich zur Prognose geeignet. Häufige Anwendungsfelder der Mikrosimulation sind in der Wirtschafts- bzw. Finanzpolitik bspw. bei der Prognose von Auswirkungen von Steuerreformen oder bei der Nachbildung von Gesellschaftssystemen. 611 Eine Darstellung des Kaufverhaltens von Individuen ist auf Basis der Mikrosimulation nur eingeschränkt möglich, da Merkmalsänderungen der einzelnen Objekte lediglich auf Basis von Wahrscheinlichkeiten erfolgen, individuelles Verhalten oder Präferenzen können nicht berücksichtigt werden. 612 Darüber hinaus ist bei der Erstellung auf eine hohe Qualität und große Quantität der Ausgangsdaten zu achten, um die Gültigkeit gewonnener Ergebnisse zu gewährleisten, was zu erheblichen Kosten führen kann. 613 LAVINGTON (1970) entwickelte trotz der methodischen Einschränkungen ein Mikrosimulationsmodell zur Erklärung des Kaufverhaltens. Ziel dieses Modells ist die Prognose von Umsätzen und Marktanteilen unter Berücksichtigung unterschiedlicher Ausprägungen der Marketing-Mix Instrumente (im Rahmen des Modells werden lediglich Preis, Distribution, Verkaufsförderung, Werbung dargestellt.). Die Daten für das Modell werden aus Verbraucherpanels gewonnen, entsprechend simuliert das Modell innerhalb eines Zeitintervalls von einer Woche das Kaufverhalten eines repräsentativen Panels typischer Verbraucher. 614 Um das Markenwahlverhalten der einzelnen Nachfrager darzustellen, werden im Modell zwei Stufen durchlaufen. Zu-

609

Vgl. BANDTE (2007), S. 226.

610

Vgl. GILBERT/TROITZSCH (2005), S. 59.

611

Vgl. JUDSON (1994), S. 9 ff.

612

Vgl. DAVIDSSON (2001), S. 100.

613

Vgl. BANDTE (2007), S. 227.

614

Vgl. LAVINGTON (1970), S. 166.

Theoretische Grundlagen und aktueller Stand der Forschung

136

erst wird eine Kaufneigung bestimmt, welche sich aus der Preiskonditionierung, der Konditionierung durch Werbung und der Konditionierung durch den Gebrauch einer Marke zusammensetzt. Die Preiskonditionierung beinhaltet die unterschiedlichen Preise der betrachteten Marken im Einzelhandel. Die Konditionierung durch Werbung stellt die Einstellung der einzelnen Nachfrager zu den Marken dar und deren Beeinflussung durch Kommunikationsaktivitäten. Die Konditionierung durch Gebrauch stellt die vorherige Erfahrung der Nachfrager mit der zu betrachtenden Marke dar. In der zweiten Stufe werden die Kaufwahrscheinlichkeiten auf Basis der ermittelten Kaufneigungen und der Entscheidungen des Einzelhändlers berechnet. Diese umfassen Lagerbestände, Auslagendesign sowie die Gestaltung der Produktverpackungen. 615 MEFFERT/STEFFENHAGEN (1977) äußern an den Operationaliserungen und Berechnungen des Modells von LAVINGTON (1970) beträchtliche Skepsis, da das Modell subjektiv validiert wurde. 616 Weitere Einschränkungen bei der Gütebeurteilung des Modells beruhen darauf, dass LAVINGTON (1970) unter Berufung auf Vertraulichkeit keine Ergebnisse publiziert hat. 617 Eine Analyse des individuellen Kaufverhaltens ist somit auf Basis von Mikrosimulationen möglich. Interaktionen können jedoch nicht dargestellt werden. 3.1.3.3 Ereignisbasierte Simulation Warteschlangenmodelle (Queuing-Models) sind die in den Wirtschaftswissenschaften am häufigsten angewendete Form von Simulationen. 618 Ein typisches Anwendungsgebiet ist die Prognose und Optimierung von Geschäftsprozessen und Arbeitsabläufen. Insbesondere Situationen, in denen Nachfrager, Warteschlangen und Verkaufseinheiten auftreten, können anhand der ereignisbasierten Simulation sehr gut abgebildet werden. Somit existieren bewegliche Elemente (z.B. Nachfrager) und statische Elemente (z.B. Marken) und Verkaufseinheiten. Die Nachfrager konkurrieren um die limitierten Ressourcen (Marken), so dass sich Warteschlangen bilden. Nachdem ein Nachfrager eine Marke bspw. gekauft hat, verschwindet er in einer nicht weiter spezifizierten „Senke“ (vgl. Abbildung 21). 619

615

Vgl. Für detaillierte Formalisierungen vergleiche LAVINGTON (1970).

616

Vgl. MEFFERT/STEFFENHAGEN (1977), S. 207.

617

Vgl. LAVINGTON (1970), S. 172.

618

Vgl. BANDTE (2007), S. 228.

619

Die Begriffe Quelle und Senke bezeichnen im Operations Research besondere Knoten eines Netzwerks. Vgl. BANDTE (2007), S. 228.

137

Theoretische Grundlagen und aktueller Stand der Forschung

Quelle

(Nachfrager)

Warteschlange

Counter

(Nachfrager)

Senke

Abbildung 21: Diagramm eines einfachen Queuing-Modells Quelle: GILBERT/TROITZSCH (2005), S.42.

Eine weitere mögliche Modellierungssituation könnte sein, dass Kunden am Flughafen auf ihre Abfertigung am Schalter warten. Diese Situation kann entweder deterministisch (alle 3 Minuten wird ein neuer Kunde bedient) oder stochastisch (basierend auf einer empirisch gesicherten Wahrscheinlichkeit) modelliert werden. 620 Die Zeit schreitet im Gegensatz zu System Dynamics Modellen oder Mikrosimulationen nicht kontinuierlich sondern ausschließlich zwischen zwei Ereignissen 621 voran. 622 Diese Ereignisse treten nach den Vorgaben einer Ereignisliste ein, welche alle zukünftigen Ereignisse sowie ihre Dauer beinhaltet. Abgearbeitete Ereignisse können einen Einfluss auf zukünftige Verhaltensweisen haben, somit hat die Historie eine Bedeutung für den Fortgang der Simulation (reminiszent). Übertragen auf das Kaufverhalten, könnte dies bspw. die Kaufhistorie darstellen, die ebenfalls einen Einfluss auf zukünftiges Kaufverhalten aufweist. Ähnlich wie bei der Mikrosimulation, ist es nicht möglich, Präferenzen und Verhaltensweisen der Individuen abzubilden, da auch alle Ereignisse durch stochastische Einflüsse vorherbestimmt werden müssen. Die häufigsten Anwendungsgebiete von Warteschlangenmodellen liegen in der Optimierung von Geschäftsprozessen, Arbeitsabläufen, Prozessen in der öffentlichen Verwaltung und zur Optimierung von Call-Center-Prozessen (vgl. Tabelle 15).

620

Vgl. BANDTE (2007), S. 230.

621

Ereignisse können nach BANKS (2000) als “an occurrence that changes the state of the system” definiert werden. Vgl. BANKS (2000), S. 10.

622

Vgl. GILBERT/TROITZSCH (2005), S. 81.

Theoretische Grundlagen und aktueller Stand der Forschung

138

Anwendungsbereich

Tabelle 15:

Server

Nachfrager

Bank

Kundenschalter

Kunde

Computer

Prozessor I/O Device

Programm Druckauftrag Nutzer

Flughafen

Gate Counter Runway

Passagiere Flugzeuge

Auktionen

Auktionator

Bietender

Öffentliche Verwaltung

Counter Beamter

Klient Kunde Dokument

Anwendungsgebiete von Queuing Modellen Quelle: GILBERT/TROITZSCH (2005), S. 81

Aufgrund der Schwerpunktsetzung der ereignisbasierten Simulation zur Analyse von Ablaufprozessen, ist eine mögliche Übertragung auf Problemstellungen im Rahmen des Einkaufsstättenwahlverhaltens möglich, da hier die explizite Trennung von Kunde, Warteschlange und Bedienelementen vorherrscht. 623 Da diese Trennung vorherrschen muss, ist eine allgemeine Simulation des Kaufverhaltens im Rahmen von Positionierungsanalysen nicht möglich, da kein Spielraum für flexible Umwelten gegeben ist. 624 3.1.3.4 Multilevel-Simulation Multilevel-Simulationen werden seit den achtziger Jahren durchgeführt. Sie können allgemein als die Zusammenführung von Makro- und Mikrosimulation verstanden werden. Der Schwerpunkt solcher Simulationen liegt auf der Erklärung von Sachverhalten und nicht auf der Prognose zukünftiger Entwicklungen. Sie wird dort eingesetzt, wo mehrere Simulationsebenen und Rückkopplungsprozesse zwischen diesen und den Objekten auf gleicher Ebene existieren. Multilevelsimulationen eignen sich besonders für die Betrachtung von nichtlinearen, deterministischen sowie stochastischen Einflüssen. 625 Innerhalb von Multilevelsimulationen ist es möglich, eine unbegrenzte Anzahl von gleichen oder gleichartigen reaktiven Elementen zu integrieren.

623

Vgl. BANDTE (2007), S. 231.

624

Vgl. TROITZSCH (2003), S. 355.

625

Vgl. BANDTE (2007), S. 231.

Theoretische Grundlagen und aktueller Stand der Forschung

139

Das bedeutet, dass die einzelnen Elemente innerhalb von Multilevelsimulationen als homogen anzusehen sind. Es existieren zwei Betrachtungsebenen innerhalb solcher Simulationen, die Individuen- und die Populationsebene. Die Populationsebene wird mit Eigenschaften versehen wie bspw. Populationsgröße, Geburtenrate, Sterberate, Einkommen etc. Diese Population besteht aus vielen Individuen, welche ihre eigenen Eigenschaften besitzen (z.B. Alter, Familienstand, Einkommen etc.) Die Eigenschaften der Population sind abhängig von den Eigenschaften der Individuen und vice versa. Um einen Zirkelschluss zu vermeiden, beziehen sich die Eigenschaften der Individualebene auf die Eigenschaften der Populationsebene der vorherigen Periode. 626 Auf Basis dieses Settings kann daraufhin ein zweistufiger Simulationsprozess aufgesetzt werden. Im ersten Schritt werden die Auswirkungen der Populationsebene auf die Individuenebene bestimmt. Hierbei wird auf empirisch ermittelte Übergangswahrscheinlichkeiten (z.B. Wechselwahrscheinlichkeit hinsichtlich des Familienstands ohne Kind zu Familienstand mit Kind im Alter von 30 Jahren) zurückgegriffen. Im zweiten Schritt werden daraufhin die Eigenschaften auf Individuenebene aggregiert und die Eigenschaften auf Populationsebene aktualisiert. 627 Mehrebenenmodelle werden vorwiegend in den Sozialwissenschaften eingesetzt. 628 Eine Übertragung der Multilevelsimulation auf Sachverhalte des Marketings ist dem Autor nicht bekannt. Da ausschließlich homogene Entitäten simuliert werden können, ist eine Simulation des Kaufverhaltens nur begrenzt möglich, da in der Regel die Akteure innerhalb eines Marktes unterschiedliche Eigenschaften (unterschiedliche Wissenszustände der Individuen) und Verhaltenweisen (Marken bspw. sind Ressourcen und weisen andere Verhaltenweisen auf als bspw. Nachfrager) aufweisen. 3.1.3.5 Zelluläre Automaten Zelluläre Automaten basieren im Gegensatz zu den bereits beschriebenen Simulationstechniken auf einer expliziten Darstellung des Raums als einheitliches zumeist zweidimensionales Zellgitter. 629 Sie können als: „automata distributed on the nodes of a periodic lattice, a discrete geometrical structure invariant under certain transla-

626

Vgl. TROITZSCH (1996), S. 110.

627

Vgl. OECHSLEIN (2004), S. 46.

628

Vgl. KLÜGL (2001), S. 51.

629

Vgl. OECHSLEIN (2004), S. 46.

Theoretische Grundlagen und aktueller Stand der Forschung

140

tion and rotation operations“ definiert werden. 630 Die zentralen Eigenschaften zellulärer Automaten können wie folgt beschrieben werden: 631 Der Zeitfortschritt innerhalb solcher Modelle ist diskret. Die einzelnen Zellen sind auf einem regelmäßigen, gleichförmigen Gitter angeordnet, welches idealerweise zweidimensional und rechtwinklig aufgebaut ist, es sind jedoch auch Dreieckige oder kubische Formen denkbar. Jede Zelle besitzt einen diskreten Zustand, der in jedem Zeitschritt auf der Grundlage der Nachbarzellen neu berechnet wird. 632 Die Regeln, nach denen die Veränderung des Zustandes abläuft, sind für jede Zelle gleich und verwenden nur lokale Informationen. Somit kann entweder das uniforme Regelwerk oder das gesamte System als zellulärer Automat beschrieben werden. Oberstes Ziel der Simulation auf Basis zellulärer Automaten ist die Simulation emergenten Verhaltens aufgrund lokaler Interaktion. 633 Der Begriff der Emergenz leitet sich von „emergere“ (lat.: auftauchen, hervorkommen, sich zeigen) ab. Es beschreibt allgemein den Sachverhalt, dass Phänomene „auftauchen“, die aufgrund des bisherigen theoretischen Wissens so nicht hätten erwartet werden können und die mit diesem Wissen nicht erklärbar sind. 634 Innerhalb der Systemtheorie wird der wesentliche Bestimmungsfaktor der Emergenz damit näher charakterisiert, dass in komplexen Systemen die lokalen Verhaltensmuster der vernetzten Systemelemente sich zu globalen Verhaltensmustern des Gesamtsystems erhöhen: Lokale Regeln erzeugen demnach globale Ordnungen. 635 Innerhalb zellulärer Automaten sind unterschiedliche Formen von Nachbarschaften denkbar, deren Einfluss auf die Berechnung des Zustands der zentralen Zelle je

630

Vgl. WEISBUCH (1994), S. 23. Die erste Arbeit zu zellulären Automaten stammt von NEUMANN (1966).

631

Vgl. HEGSELMANN/FLACHE (1998), S. 2.

632

Vgl. KLÜGL (2001), S. 54.

633

Vgl. BANDTE (2007), S. 233.

634

Vgl. ESSER (1993), S. 404. Weitere Definitionen von Emergenz können aus der Evolutionsbiologie herangezogen werden: „ … the sudden appearance of apparently new modes of organization and behavior , which seem quite unpredictable from anything which preceded them.“ Vgl. MIKULECKY (1995). Zusammenfassend kann STEPHAN (2007) angeführt werden: „Eine neuartige Struktur ist vor ihrem erstmaligen Auftreten prinzipiell unvorhersagbar wenn (i) das Verhalten der Systemkomponenten, das für ihre stabile Ausbildung verantwortlich ist, irreduzibel ist, also nicht aus deren Verhalten in anderen Systemen abgeleitet werden kann, oder wenn (ii) sich das Verhalten der Systemkomponenten, das für ihre stabile Ausbildung verantwortlich ist, nicht aus deren Verhalten in den bis zum Vorhersagezeitpunkt entstandenen anderen Systemen ergibt; oder wenn (iii) die Welt, in der die neue Struktur entsteht, indeterministisch ist; oder wenn (iv) die Prozesse, die zu der neuen Struktur führen, chaotisch verlaufen.“ Zur Emergenztheorie vergleiche insbesondere MILLER/PAGE (2007), S. 46 ff.

635

Vgl. BLISS (2000a), S. 26.

141

Theoretische Grundlagen und aktueller Stand der Forschung

nach Ausgestaltung differiert. Die bekanntesten Nachbarschaftsformen sind die von Neumann- und die Moore-Nachbarschaft (vgl. Abbildung 22). Von-Neumann-Nachbarschaft

Radius = 1

Radius = 2

Moore-Nachbarschaft

Radius = 1

Radius = 2

Abbildung 22: Verschiedene Formen von Nachbarschaften Quelle: In Anlehnung an KLÜGL (2001), S. 55.

Innerhalb von 2 dimensionalen Rastern liegt häufig die von Neumann Nachbarschaft vor, wobei die zentrale Zelle bei einem Radius von 1 lediglich die direkt angrenzenden Zellen als Nachbarn bezeichnet. Bei der Moore-Nachbarschaft hingegen werden alle acht umgebenden Zellen als Nachbarn angesehen. Einfache Anwendungen zellulärer Automaten bilden die Grundlage für Modelle mit statischen, räumlich verteilten Einheiten, die lokal miteinander interagieren. Sie eignen sich insbesondere zur Simulation der Ausbreitung von Epidemien und von Naturkatastrophen (bspw. Waldbränden) und deren Ausbreitungswahrscheinlichkeiten. 636 HEGSELMANN/FLACHE (1998) beschreiben ein einfaches Modell, welches die Ausbreitung von Meinungen simuliert. Jede Zelle besitzt einen diskreten numerischen Wert als Zustand. Eine Anpassung des Zustandes findet jede Runde statt, indem als neuer Zustand der Durchschnitt der Nachbarmeinungen angenommen wird. Nach wenigen Schritten wird in der Regel ein stabiler Zustand erreicht. 637 Das bekannteste Modell dieser Art ist Conway’s Game of Life.638 Im Rahmen der Marketingwissenschaften und der Kaufverhaltenforschung können zelluläre Automaten insbesondere im Bereich der Neuproduktdiffusion sowie der Forschung zu Word-of-Mouth (WoM) Kommunikation eingesetzt werden. Dies ist darauf zurückzuführen, dass zelluläre Automaten im Gegensatz zu den bisher vorgestellten Simulationstechniken, Erklärung (Multilevelsimulation) und Prognose (Mikro-

636

Vgl. KLÜGL (2001), S. 55.

637

Vgl. HEGSELMANN/FLACHE (1998), S. 3.

638

Vgl. BERLEKAMP/CONWAY/GUY (1970), S. 1 ff.

Theoretische Grundlagen und aktueller Stand der Forschung

142

simulation) verknüpfen. Darüber hinaus sind zelluläre Automaten in der Lage, quantitative und qualitative Sachverhalte abzubilden. 639 GOLDENBERG/LIBAI/MULLER (2002) untersuchten die Auswirkungen von WoM auf die Informationsverteilung innerhalb von Nachfragernetzwerken. Somit kann auf Basis zellulärer Automaten soziale Interaktion zwischen den Nachfragern sowie einfache Formen des Nachfragerverhaltens simuliert werden. Es wäre auch eine Simulation von Markenrepositionierungen denkbar. Eine Simulation, welche die Positionierung von Marken zum Gegenstand hat, ist das Modell von ROTH (1999). Roth greift in seinem Modell die Schwäche bisheriger Positionierungsmodelle auf, welche nicht in der Lage sind, Wettbewerbsprozesse darzustellen. Wie bereits in der Beschreibung analytischer Positionierungsmodelle dargestellt, werden statische Gleichgewichte ermittelt. Eine Darstellung dynamischer Prozesse ist nicht möglich. 640 Die modelltheoretischen Lösungen führen lediglich zu einem kurzfristigen Optimum, da die Veränderungen des Marktumfeldes durch die Modelle nicht antizipiert werden. Der Produktmarktraum setzt sich in Roths Modell aus einem Objekt – und einem Subjektraum zusammen, welche ähnlich ausgestaltet sind wie der Wahrnehmungs- und Präferenzraum in MDS-Modellen. Das Modell bedient sich einer diskreten Darstellung der Markenanbieter im Objektraum. Die unterschiedlichen Felder zeigen die Anzahl an Positionierungsalternativen auf, die jede Marke besitzt. Im Subjektraum sind die Präferenzen der Nachfrager abgebildet, jedes Feld repräsentiert die Präferenzen eines Nachfragersegmentes (vgl. Abbildung 23). Im Mittelpunkt des Modells stehen die Positionierungsprozesse der Wettbewerber, aus diesem Grund kommt ein stark vereinfachtes Nutzenmodell der Nachfrager zum Einsatz:

u xi

­ R  pi wenn Dxi d Dmax ® ¯0 sonst.

Die Preise pi sind in dem Modell gegeben und gleich hoch, jedoch niedriger als der für alle Konsumenten einheitliche Reservationspreis. Für pi gilt: pi 1 i und R ! 1 . Die Realisation eines positiven Nutzens für den Nachfrager hängt in diesem Fall einzig und allein von der Position des Idealpunktes eines Nachfragers x und den Positionen der Marken i ab. Dies gilt sofern die Reservationsdistanz Dmax nicht überschritten wird. Alle Marken, die diese Bedingung erfüllen, stiften einen gleich hohen Nutzen,

639

Vgl. BANDTE (2007), S. 235.

640

Vgl. ROTH (1999), S. 76.

Theoretische Grundlagen und aktueller Stand der Forschung

143

bei allen anderen ist die Nutzeneinbuße so groß, dass der Nachfrager die Marke als inakzeptabel bewertet. 641 Die Reservationsdistanz ist mittels der beschriebenen von Neumann Nachbarschaft implementiert. Sobald mehrere Marken die Nutzenbedingung erfüllen, wählt der Nachfrager eine Marke mit gleicher Wahrscheinlichkeit aus. Diese Form des implementierten Nutzenmodells abstrahiert sehr stark vom realen Kaufverhalten der Nachfrager. Aus kaufverhaltenstheoretischer Sicht ist es so nicht zweckmäßig. Im weiteren Forschungsbedarf beschreibt ROTH (1999) jedoch die Möglichkeit, komplexere Markenwahlmodelle integrieren zu können. Die Positionierungsalternativen der Marken beschränken sich auf ihre direkten Nachbarschaftsfelder. Eine Repositionierung ist nur möglich, wenn kein Wettbewerber das Feld okkupiert. Diese Vorgehensweise impliziert eine indirekte Berücksichtigung von Repositionierungskosten innerhalb des Modells. Die Marken versuchen mit ihrer Repositionierung ihren Gewinn zu maximieren, also dahinzugehen, wo die meisten Nachfrager ihre Marke kaufen würden. Dieses Prinzip ist dem der vorgestellten MDS-Modelle entnommen.

641

Vgl. ROTH (1999), S. 130.

Theoretische Grundlagen und aktueller Stand der Forschung

144

M1

Objektraum

M2

M1

M2

Subjektraum M1 = Position der Marke 1 M2 = Position Marke 2

Abbildung 23: Subjekt- und Objektraum in dem Modell von ROTH (1999) Quelle: In Anlehnung an ROTH (1999), S. 128.

Neuheit des Modells ist, dass die Interaktionen der Wettbewerber nicht auf Basis der klassischen Spieltheorie modelliert, sondern anhand evolutorischer Lernmodelle. Dies führt dazu, dass die lokalen Interaktionen der verschiedenen Wettbewerber im Zeitablauf dargestellt werden können und keine statischen Gleichgewichte entstehen. 642 Das Modell zeigt, dass eine sinnvolle Implementierung von Positionierungsfragen mittels zellulärer Automaten modelliert werden können. Diese Ansätze werden im späteren agentenbasierten Modell wieder aufgegriffen und weiter vertieft.

642

Vgl. ROTH (1999), S. 218.

145

Theoretische Grundlagen und aktueller Stand der Forschung

3.1.4 Zusammenfassung und Fazit zu computergestützten Modellierungsansätzen In Tabelle 16 sind die Charakteristika der vorgestellten Simulationstechniken zusammenfassend dargestellt. Makrosimulation (System Dynamics)

Name Zeitliche Stabilität und Zeitfortschritt

Mikroanalytische Simulation

Ereignisbasierte Simulation

Mehr-Ebenen Simulation

Zelluläre Automaten

dynamisch, diskret dynamisch, diskret dynamisch, diskret dynamisch, diskret dynamisch, diskret bis kontinuierlich bis kontinuierlich Simulation

Simulation

Simulation

Simulation

Simulation

Folgerungsmethode

deterministisch

stochastisch

deterministisch, stochastisch

deterministisch, stochastisch

deterministisch, stochastisch

Operationalisierung

quantitativ

qualitativ, quantitativ

qualitativ, quantitativ

qualitativ, quantitativ

qualitativ, quantitativ

Funktionen

nichtlinear

nichtlinear

nichtlinear

nichtlinear

regelbasiert

Abbildungsebene

Makroebene

Mikro- und Makroebene

Mikroebene

Mikro- und Makroebene

Mikro- und Makroebene

Modellzweck

Vorhersage

Vorhersage

Vorhersage

Erklärung

Erklärung, Vorhersage

Nein

Nein

Nein

Manchmal

Ja

Nein

Ja

Nein

Nein

Nein

Nein

Ja

Nein

Nein

bedingt

Lösungsverfahren

Möglichkeit der Darstellung von Interaktionen Möglichkeit der Darstellung von komplexem Markenwahlverhalten Möglichkeit der Darstellung von Konsumentenheterogenität

Tabelle 16:

Zusammenfassender Vergleich unterschiedlicher Simulationstechniken Quelle: In Anlehnung an OECHSLEIN (2004), S. 47 und BANDTE (2007), S. 239.

Zusammenfassend kann konstatiert werden, dass keine Simulationsform sämtliche Kriterien für die Simulation von Markenrepositionierungen erfüllt. Je nachdem für welche Simulationstechnik man sich entscheidet, müssen Kompromisse eingegangen werden. Hinsichtlich der möglichen Darstellung des zeitlichen Horizonts von Markenrepositionierungen, was ein Defizit bisheriger Modelle darstellt, können sämtliche Simulationstechniken herangezogen werden. Hinsichtlich der Folgerungsmethode ist es möglich, deterministische oder stochastische Modelle zu entwickeln. Im Rahmen des Markenwahlverhaltens bedeutet dies, dass sämtliche Techniken bis auf die Makro- und Mikrosimulation in der Lage sind, deterministische und stochastische Prozesse darzustellen. Hinsichtlich der Abbildungsebene sind Makromodelle nicht in der Lage, individuelles Kaufverhalten abzubilden. Die Möglichkeit, Interaktionen im Modell darstellen zu können, ist lediglich eingeschränkt in der Mehrebenensimulation und vollständig bei zellulären Automaten gegeben, wie das Modell von ROTH (1999) gezeigt hat. Zur Darstellung von komplexem Kaufverhalten eignet sich lediglich die

146

Theoretische Grundlagen und aktueller Stand der Forschung

Mikrosimulation. Im Rahmen der anderen Simulationstechniken müssen einschränkende Annahmen getroffen werden. Die Darstellung von Konsumentenheterogenität bis hin zur vollständigen Individualisierung ist lediglich innerhalb der Mikrosimulation möglich. Hinsichtlich der dargestellten Simulationstechniken eignen sich entweder zelluläre Automaten oder die Mikrosimulation in Ansätzen zur computergestützten Modellierung von Markenrepositionierungen. Es müssen jedoch Kompromisse in Form vereinfachender Annahmen in Bezug auf das Markenwahlverhalten und die Darstellung der Interaktion zwischen den Akteuren getroffen werden. Hinsichtlich der Prognose zukünftigen Verhaltens eignen sich beide Ansätze. Im Folgenden soll nun der agentenbasierte Modellierungsansatz vorgestellt werden, der die Anforderungen, die sich aus der Bewertung der bisherigen Positionierungsmodelle und aus der Darstellung der Simulationstechniken ergeben haben, weitestgehend erfüllt. 3.2 Komponenten und Eigenschaften agentenbasierter Simulation Die Vorstellung der agentenbasierten Technik der Simulation wird an dieser Stelle auf die Grundzüge beschränkt, da im Folgenden die Methodik agentenbasierter Simulation der Fokus der folgenden Darstellungen ist. Im Rahmen der Simulation mit zellulären Automaten, interagieren sehr einfache Automaten auf einem festen Gitter auf Basis einfacher Regeln. Agentenbasierte Simulation hingegen greift auf Automaten zurück, die wesentlich differenziertere und komplexere Verhaltensweisen darstellen können. Diese komplexer ausgestalteten Automaten werden als Agenten bezeichnet. 643 Agenten finden seit ihrer Entstehung Anfang der siebziger Jahre in vielfältigen Bereichen Verwendung (vgl. Abbildung 24).

643

Vgl. GILBERT/TROITZSCH (2005), S. 172.

147

Theoretische Grundlagen und aktueller Stand der Forschung

1972 Maschinelles Lernen Planen

Problem lösen Künstliche Intelligenz

Wissensrepräsentation

Wissensverarbeitung 1986

Kooperation autonomer Agenten Verhalten autonomer Agenten Verteiltes Planen

Verteilte künstliche Intelligenz

Koordination autonomer Agenten Verteilte Softwaresysteme

Agenten in technischen Anwendungen

Intelligente Kaufagenten

Verteiltes Problem lösen

Individuenorientierte Simulation Ökonomische Hybrid Gemeinschaften Modellbildung Agenten im Kontext der Mensch Maschine Interaktion

Agenten in empirischen Wissenschaften

Intelligente Assistenten Intelligente Informationsagenten

1990

Psychologische Modellbildung

Artificial Social Systems

Abbildung 24: Agenten und ihre Anwendungsfelder Quelle: URBAN (2005), S. 4.

Die ersten beiden Perioden der agentenbasierten Forschung befassten sich mit der künstlichen Intelligenz sowie mit der verteilten künstlichen Intelligenz. 644 Seit den neunziger Jahren gestaltet sich das Anwendungsfeld agentenorientierter Ansätze als zunehmend komplexer. Das Einsatzfeld der Agententechnologie erweitert sich sukzessive und entwickelt sich zu einem interdisziplinären Forschungsfeld. 645 Innerhalb

644

Das zentrale Paradigma der symbolischen KI, der general intelligent agent, wurde von Newell and Simon entwickelt. Vgl. NEWELL/SIMON (1972). Diese Agenten konnten Informationen aus der Umgebung aufnehmen, Wissen speichern und ihre Umwelt auf Basis dieses Wissens verändern. Durch die steigende Komplexität der Fragestellungen wurde Mitte der achtziger Jahre das Konzept der verteilten künstlichen Intelligenz entwickelt (VKI), welches auf Minsky rekurriert. Vgl. MINSKY (1986). Der VKI Ansatz stellt einen dezentralen Ansatz dar, bei dem intelligentes Verhalten durch eine Vielzahl unabhängiger einfach strukturierter Einheiten entsteht. Vgl. URBAN (2005), S. 5.

645

URBAN (2005), S. 5.

Theoretische Grundlagen und aktueller Stand der Forschung

148

technischer Anwendungen werden Agenten eingesetzt, wo Aufgaben in autonomer Weise zu erledigen sind. Als ideales Einsatzfeld für den Einsatz von Agenten dient das Internet. Hier werden Agenten bspw. als intelligente Informationssammler verwendet, um zeitintensive Suchvorgänge zu minimieren. 646 Bei der Mensch-MaschineInteraktion können in Hybridgemeinschaften, Anwendern künstliche Tutoren zur Seite gestellt werden, die bspw. die Verwendung einer Software erklären.647 Innerhalb der empirischen Wissenschaften werden agentenbasierte Systeme zunehmend eingesetzt, um reale Phänomene zu untersuchen. 648 Insbesondere wird auf Agenten als Modellierungsparadigma zurückgegriffen, wenn es um die Modellierung menschlichen Verhaltens geht. In diesem Kontext dienen Agenten als virtuelle Repräsentanten realer Entitäten. Im Rahmen agentenbasierter Simulationen ist es möglich, die Makroebene (gesamter Markt inklusive aller Akteure) sowie die Mikroebene (einzelner Nachfrager) darzustellen und deren Beziehungen zu simulieren. Agentenbasierte Modelle können einerseits erklärend und andererseits zur Vorhersage eingesetzt werden. Hinsichtlich der zeitlichen Stabilität und des Zeitfortschritts gibt es keine Vorteile im Gegensatz zu den anderen vorgestellten Simulationstechniken, auch nicht im Rahmen der Zeitabhängigkeit. Agentenbasierte Systeme sind ebenfalls Reminiszent. Durch die Möglichkeit der Entwicklung komplexer Agenten können innerhalb des Marketing Kontextes virtuelle Nachfrager konzipiert werden, um bspw. Marketing-Mix Strategien zu testen. 649 Bisherige Untersuchungen beschäftigen sich mit räumlichen

646

Google nutzt z. B. Agenten, die permanent das Internet nach neuen Informationen absuchen, die dann der Suchmaschine zugeführt werden. KLUSCH (1998).

647

Vgl. LUCKIN/KOEDINGER (2007).

648

Vgl. SCHMIDT (2000). Hierbei gilt es zwei Betrachtungsebenen zu unterscheiden. Die Mikro- und die Makroebene. Auf der Mikroebene lassen sich daraufhin die theoretisch-deduktive sowie die induktive Vorgehensweise unterscheiden. Vgl. FRANKE (2002), S. 20. Theoretisch-deduktiv bedeutet, dass nach der Formulierung eines Problems aus allgemeinen Theorien Hypothesen abgeleitet werden, die im Anschluss mit der Realität konfrontiert werden. Bei der induktiven Vorgehensweise hingegen werden zuerst empirische Untersuchungen durchgeführt deren Befunde dann zur Ableitung von Theorien herangezogen werden. Vgl. BORTZ/DÖRING (2005), S. 20 ff. Simulation hingegen beginnt wie der theoretisch-deduktive Ansatz auf der Basis von Hypothesen. Es wird jedoch nicht die Generalität von Theoremen überprüft, sondern es werden durch die Simulation Daten generiert, welche induktiv analysiert werden. Dennoch sind die Daten keine empirisch erhobenen Daten realer Systeme, sondern werden von einem virtuell geschaffenen System basierend auf theoretischen Hypothesen generiert. Konsequenterweise differiert die Simulation von der klassischen Vorgehensweise der Deduktion oder Induktion hinsichtlich Forschungsumsetzung und –zielen, da sie explizit die Generierung eines besseren Verständnisses von Systemen auf Basis kontrollierter computergestützter Simulation zulässt. Vgl. TESFATSION (2006), S. 1650.

649

Vgl. BEN SAID/BOURON/DROGOUL (2002), S. 184.

Theoretische Grundlagen und aktueller Stand der Forschung

149

Analysen, die sich mit dem Einkaufsstättenwahlverhalten in Interaktion mit dem Kaufverhalten befassen. 650 Andere Studien auf der Basis agentenbasierter Modelle haben zum Ziel, den Kaufentscheidungsprozess von Nachfragern zu erforschen. 651 Agentenbasierte Simulation bietet in diesem Kontext die Möglichkeit, Marktforschungsdaten über Konsumentenpräferenzen und Entscheidungsverhalten in dynamische Marktmodelle, welche Wettbewerbsdynamiken und soziale Netzwerkeffekte darstellen können, zu überführen. 652 Interaktionen von Nachfragern können durch Imitation, Kommunikation oder durch Konditionierung dargestellt werden. Hinzu kommen die Einflüsse der Werbemaßnahmen auf das Entscheidungsverhalten der Nachfrager. Die bisherige Forschung zum Nachfragerverhalten gibt lediglich wenige Hinweise zur Operationalisierung von Strategien, insbesondere unter Berücksichtigung sozialer Dynamiken. 653 Dies gilt insbesondere im Rahmen der Positionierungsforschung. Vorteile agentenbasierter Modellierung liegen in der Erforschung des individuellen Kaufverhaltens und dessen Einfluss auf das Verhalten des Gesamtmarktes, der Erforschung möglicher emergenter Phänomene und nicht-linearer Dynamiken, die aus der Kommunikation der einzelnen Nachfrager untereinander resultieren können und Repositionierungsentscheidungen nachhaltig beeinflussen. BONABEAU (2002a) beschreibt die Vorteile agentenbasierter Simulation folgendermaßen: “It is useful at this point to summarize when it is best to use agent based modelling: When the interactions between the agents are complex, nonlinear, discontinuous, or discrete (for example when the behaviour of an agent can be altered dramatically, even discontinuously, by other agents).” 654 In diesem Kontext ist es möglich, sehr komplexe Marktphänomene zu betrachten, die über den Radius herkömmlicher Positionierungsmodelle hinausgehen. 655 Eine Übertragung auf das Entscheidungsproblem der Generierung von Repositionierungsstrategien würde das Anwendungsfeld agentenbasierter Modellierung nochmals erweitern. Darüber hinaus würde solch eine Analyse eine methodische Neuerung innerhalb der Positionierungsanalysen bedeuten. Der agentenbasierte Modellierungsansatz eignet sich dementsprechend hinsichtlich der dargestellten Kriterien am ehesten, da er die erforderlichen Möglichkeiten bietet, komplexes Wahl-

650

Vgl. SCHENK/LÖFFLER/RAUH (2007), S. 894.

651

Vgl. ZHANG/ZHANG (2007).

652

Vgl. BAKKEN (2007), S. 24.

653

Vgl. BEN SAID/BOURON/DROGOUL (2002), S. 185.

654

Vgl. BONABEAU (2002a), S. 2787.

655

Vgl. BONABEAU (2002b), S. 109 ff.

Theoretische Grundlagen und aktueller Stand der Forschung

150

verhalten sowie Wettberwerberverhalten abzubilden. Es ist möglich, deterministische und stochastische Prozesse zu implementieren sowie Aussagen über das Verhalten auf Makroebene (Segmente) und Mikroebene (individueller Nachfrager) zu tätigen. Auf Basis der Bewertung der unterschiedlichen Simulationstechniken wird aufgrund der guten Voraussetzungen des agentenbasierten Ansatzes dieser im weiteren Verlauf der Arbeit ausgewählt (vgl. Tabelle 17). Makrosimulation (System Dynamics)

Name Zeitliche Stabilität und Zeitfortschritt Lösungsverfahren

Mikroanalytische Simulation

Ereignisbasierte Simulation

Mehr-Ebenen Simulation

Zelluläre Automaten

Agentenbasierte Simulation

dynamisch, diskret dynamisch, diskret dynamisch, diskret dynamisch, diskret dynamisch, diskret dynamisch, diskret bis kontinuierlich bis kontinuierlich Simulation

Simulation

Simulation

Simulation

Simulation

Simulation

deterministisch, stochastisch

deterministisch, stochastisch

deterministisch, stochastisch

Folgerungsmethode

deterministisch

stochastisch

deterministisch, stochastisch

Operationalisierung

quantitativ

qualitativ, quantitativ

qualitativ, quantitativ

qualitativ, quantitativ

qualitativ, quantitativ

qualitativ, quantitativ

Funktionen

nichtlinear

nichtlinear

nichtlinear

nichtlinear

regelbasiert

regelbasiert

Abbildungsebene

Makroebene

Mikro- und Makroebene

Mikroebene

Mikro- und Makroebene

Mikro- und Makroebene

Mikro- und Makroebene

Modellzweck

Vorhersage

Vorhersage

Vorhersage

Erklärung

Erklärung, Vorhersage

Erklärung, Vorhersage

Nein

Nein

Nein

Manchmal

Ja

Ja

Nein

Ja

Nein

Nein

Nein

Ja

Nein

Ja

Nein

Nein

bedingt

Ja

Möglichkeit der Darstellung von Interaktionen Möglichkeit der Darstellung von komplexem Markenwahlverhalten Möglichkeit der Darstellung von Konsumentenheterogenität

Tabelle 17:

Zusammenfassender Vergleich unterschiedlicher Simulationstechniken mit agentenbasierter Simulation Quelle: In Anlehnung an OECHSLEIN (2004), S. 47 und BANDTE (2007), S. 239.

Neben dieser wissenschaftlichen Relevanz ist auch eine praktische Relevanz gegeben. Viele Akteure wie bspw. die Globus Warenhauskette setzen multiagentenbasierte Systeme innerhalb des Category Managements und der Optimierung von Verkaufsförderungsaktionen ein. Aus entscheidungsorientierter Sicht ist eine Integration agentenbasierter Technologien zur Antizipation zukünftigen Nachfragerverhaltens auf strategischer Ebene ebenfalls gegeben. 656

656

Vgl. Lebensmittelzeitung Ausgabe vom 31.01.2008.

Theoretische Grundlagen und aktueller Stand der Forschung

151

3.2.1 Agenten Etymologisch stammt der Begriff Agent von dem lateinischen Begriff Agens: der oder das Handelnde ab. 657 Eine in den verschiedenen Wissenschaftsdisziplinen allgemein anerkannte Definition dieses Begriffes existiert nicht. 658 In den Wirtschaftswissenschaften wird der Begriff hauptsächlich in Verbindung mit Transaktionen zwischen unterschiedlichen Akteuren verwendet. Die bekannteste Theorie ist die PrinzipalAgent-Theorie, welche zur neuen Institutionenökonomik zählt. 659 In der Marketingwissenschaft wird jedoch ein neuer, umfassenderer Agentenbegriff benötigt, da bspw. das menschliche Verhalten Gegenstand der Simulation ist. Eine allgemeingültige Begriffsdefinition im Rahmen der Marketing- oder Verhaltenswissenschaften existiert jedoch nicht. Aus diesem Grund werden im Folgenden einige anerkannte Definitionen dargestellt, um aus diesen dann eine Arbeitsdefinition abzuleiten, die die Grundlage für das folgende agentenbasierte Simulationsmodell darstellt. Eine umfassende Beschreibung des Begriffes „Agent“ wurde ähnlich wie bei dem Begriff „Positionierung“ von zahlreichen Wissenschaftlern und Praktikern unternommen. Eine Definition wurde von FRANKLIN/GRAESSER (1997) entwickelt: „ an autonomous Agent is a system situated within and a part of an environment that senses that environment and acts on it, over time…and so as to effect what it senses in the future.“ 660 Eine weitere allgemeine Definition wurde von WOOLDRIDGE und JENNINGS entwickelt: “An agent is a computer system that is situated in some environment and that is capable of autonomous action in this environment in order to meet its design objectives.” Eine Vielzahl weiterer allgemeiner Definitionen, denen es an Spezifität und Erklärungskraft mangelt, existieren innerhalb der Literatur. 661 Dies zeigt, dass eine umfassende Begriffsbestimmung in diesem Fall nicht zweckmäßig ist. BANDTE (2007) nimmt aus diesem Grund eine Begriffsannäherung auf Basis einer Explikation der Eigenschaften vor und kommt zu folgender Agentendefinition: „Unter einem Agenten wird ein artifizielles („soziales“) Element verstanden, das in autonom gesteu-

657

Vgl. URBAN (2005), S.1.

658

Vgl. BANDTE (2007), S. 214; URBAN (2005), S. 1; GILBERT/TROITZSCH (2005), S: 172 ff.; WOOLDRIDGE/FLOYD (1990), S. 16; KLÜGL (2001), S. 12.

659

Vgl. Die Prinzipal-Agent-Theorie geht auf die Theorie der unvollständigen Verträge von Coase zurück. Der erste wissenschaftliche Artikel mit Bezug zur Prinzipal-Agent-Theorie wurde von JENSEN/MECKLING (1976) veröffentlicht. Für die Fragestellung im Rahmen dieser Arbeit reicht die eindimensionale Agentendefinition im Rahmen der Prinzipal- Agent-Theorie nicht aus, da im Folgenden keine Informationsassymetrien modelliert werden sollen.

660

Vgl. FRANKLIN/GRAESSER (1997), S. 25.

661

Vgl. BANDTE (2007), S. 245.

Theoretische Grundlagen und aktueller Stand der Forschung

152

erte Interaktionen mit der umgebenden Umwelt tritt und dabei individuelle, veränderliche Interessen verfolgen kann.“ 662 Im Folgenden werden die Eigenschaften von Agenten behandelt, um daraufhin eine Agentendefinition zu entwickeln, die als weitere Grundlage der Arbeit dienen soll. 3.2.1.1 Agenteneigenschaften Die erste und bedeutendste Eigenschaft von Agenten ist die autonome und selbstbestimmte Ausführung von Aufgaben. 663 RUSSELL/NORVIG (2003) bezeichnen einen Agenten als autonom, sobald sein Verhalten von seiner eigenen Erfahrung bestimmt ist. 664 Andere Autoren hingegen betrachten einen Agenten als autonom, wenn er seine Ziele ohne ein „geringes“ Eingreifen (durch den Menschen oder andere Agenten) erreichen kann. 665 Es handelt sich also um zwei unterschiedliche Formen von Autonomie: Kontrollautonomie und Verhaltensautonomie. Erstere bezeichnet einen Agenten, der auf der Basis seiner Erfahrungen handelt. Bei der Verhaltensautonomie kontrolliert der Agent nicht nur die Ausführung seines Verhaltensprogramms, sondern auch die Programmierung seines Verhaltens. 666 Eine weitere wichtige Eigenschaft von Agenten ist ihr Wissen auf dem Sie ihr Handeln aufbauen. 667 GILBERT/TROITZSCH (2005) unterscheiden in diesem Punkt zwischen Wissen und Meinung. Meinung ist in diesem Fall das Produkt falscher Wahrnehmung oder unvollständiger Information seitens des Agenten. 668 Wenn der Agent darüber hinaus in der Lage ist, zu lernen, kann er als intelligent bezeichnet werden. 669 Das Bestreben eines Agenten, sich auf Basis seiner Erfahrungen weiterzuentwickeln, kann als Lernfähigkeit bezeichnet werden.670

662

Vgl. WOOLDRIDGE (2005), S. 15.

663

Vgl. ETZIONI/WELD (1995), S.3; FRANKLIN/GRAESSER (1997), S. 29; KLÜGL (2001), S. 14; BANDTE (2007), S. 242.

664

Vgl. RUSSELL/NORVIG (2003).

665

Vgl. CASTELFRANCHI (1998), S. 157 ff.; SUNDERMEYER (1993), S. 27.

666

Vgl. KLÜGL (2001), S. 15.

667

Vgl. BANDTE (2007), S. 243.

668

Vgl. GILBERT/TROITZSCH (2005), S. 174.

669

Vgl. FRANKLIN/GRAESSER (1997), S. 29.

670

Vgl. BANDTE (2007), S. 244.

Theoretische Grundlagen und aktueller Stand der Forschung

153

Agenten sind in der Lage ihre Umwelt wahrzunehmen und können ihr Verhalten gemäß der veränderten Situation modifizieren. 671 Diese Art von Handlungen ist nicht ex-ante determiniert, sondern die Situation, in der sich der Agent befindet, beeinflusst die Aktion des Agenten. 672 Diese Agenteneigenschaft wird als reaktiv bezeichnet. 673 Gleichzeitig heben WOOLDRIDGE/JENNINGS (1995) die Proaktivität von Agenten hervor, da diese in der Lage sind, eigeninitiativ zu handeln.674 Proaktivität induziert die Eigenschaft des zielorientierten oder rationalen Handelns von Agenten. 675 Das bedeutet, dass Agenten selbst definierte Ziele verfolgen und in der Lage sind, ihre Zielerreichung systematisch zu planen. Dabei entscheiden sie bspw. wo und wie das Ziel zu erreichen ist. 676 Im Marketing Kontext kann bspw. die Bedürfnisbefriedigung angeführt werden, wobei die Agenten versuchen, ihre individuellen Bedürfnisse zu befriedigen. Dies muss nicht zwingend eine Nutzenmaximierung beinhalten, sondern kann auch eine Lösung unterhalb des Optimums sein. 677 Ein weiteres Merkmal von Agenten ist ihre Fähigkeit zur Interaktion. 678 Die Kommunikation zwischen den Agenten kann bspw. die Überbringung von Informationen, das Verhandeln von Verträgen oder das Weiterempfehlen von Produkten oder Marken beinhalten. 679 Für die Interaktion zwischen den einzelnen Agenten muss eine formale Sprache durch den Modellierer spezifiziert werden, nach dessen Regeln die Interaktion verläuft. 680 Die Fähigkeit zur Interaktion wird von manchen Autoren auch als Fähigkeit zu sozialem Verhalten beschrieben.681

671

Vgl. GILBERT/TROITZSCH (2005), S. 173.

672

Vgl. BANDTE (2007), S. 243.

673

Als Synonym wird in der Literatur auch der Begriff „responsiv“ verwendet. Vgl. KLÜGL (2001), S. 14.

674

Vgl. WOOLDRIDGE/JENNINGS (1995), S. 116.; ETZIONI/WELD (1995), S.3.

675

Vgl. ETZIONI/WELD (1995), S. 3.; SUNDERMEYER (1993), S. 27.

676

Vgl. BANDTE (2007), S. 243.; GILBERT/TROITZSCH (2005), S. 174.

677

Vgl. HOLLAND (1996), S. 41 ff.

678

Vgl. KLÜGL (2001), S. 15.

679

Vgl. GILBERT/TROITZSCH (2005), S. 176.

680

Vgl. WOOLDRIDGE/JENNINGS (1995), S. 116.

681

Manche Autoren bezeichnen Agenten bereits als sozial, sobald sie in der Lage sind, über Sprache miteinander zu interagieren. Vgl. GENESERETH/KETCHPEL (1994), S. 48. Andere Autoren legen härtere Maßstäbe an, in dem sie einen Agenten erst als sozial bezeichnen, wenn er sich der anderen Agenten bewusst ist und soziale Beziehungen in Form von gemeinsamen Plänen (Zielerreichung durch gemeinschaftliches Handeln) aufweist. Vgl. KLÜGL (2001), S. 15 und die dort zitierte Literatur.

Theoretische Grundlagen und aktueller Stand der Forschung

154

Neben Motiven und kognitiven Fähigkeiten determinieren Emotionen ebenfalls das menschliche Handeln. 682 Die Ausstattung eines Agenten mit Emotionen wird in der Wissenschaft kontrovers diskutiert. 683 ORTONY/CLORE/COLLINS (1999) beschreibt Emotionen im Rahmen der Agentenmodellierung als eine Art von Signalling. 684 Das Nichterreichen eines Ziels kann bei dem Agenten zu Traurigkeit führen, was ihn wiederum animiert, seine Ziele zu überdenken und neu zu definieren. 685 Alternative Ansätze stellen Emotionen als Epiphänomen 686 dar, welches auftritt, sobald die Pläne des Agenten erfüllt (Freude) oder nicht erfüllt (Traurigkeit) wurden. 687 MARIA/ZITAR (2007) sprechen innerhalb ihrer Studie von artificial emotions und simulierten die Verhaltensweisen von emotionalen Agenten im Gegensatz zu Agenten ohne artifizielle Emotionen. 688 Sie fanden heraus, dass es möglich ist, Agenten mit Emotionen auszustatten, welche ihre Handlungen leiten. 689 Dennoch sind Emotionen innerhalb des Models auf Regeln reduziert, welche die Agenten zu einem Ziel führen. Die artifiziellen Emotionen werden durch integer Variablen dargestellt, was nicht zu einer wirklichen Darstellung von Emotionen führt, sondern lediglich zu einer anderen Form der Begründung der Handlungsweisen des Agenten. 690 Eine explizite Modellierung von Emotionen auf Basis des heutigen Wissenstandes im Rahmen von Positionierungsmodellen ist somit noch nicht sinnvoll umzusetzen. GILBERT/TROITZSCH (2005) bemerken treffend: „As with other forms of simulation discussed, we should aim to extract the features of the target that are of most theoretical significance and concentrate on modeling those, disregarding the many features which are fundamental aspects of humans but which are not central to the matter under investigation.”691 Die letzte und wichtigste Eigenschaft für die Simulation des Markenwahlverhaltens im Rahmen der Optimierung von Repositionierungsstrategien ist die Antropomorphie von Agenten. 692 Das Aufweisen menschlicher Verhaltenszüge kann sich

682

Vgl. URBAN (2005), S. 51.

683

Vgl. dazu ausführlich die Ausführungen in RUSSELL/NORVIG (2003).

684

Vgl. GILBERT/TROITZSCH (2005), S. 177.

685

Vgl. ORTONY/CLORE/COLLINS (1999).

686

Als Epiphänome bezeichnet man Entitäten, die zwar eine Ursache, aber selbst keine Wirkung haben. Vgl. GILBERT/TROITZSCH (2005), S. 177.

687

Vgl. GILBERT/TROITZSCH (2005), S. 177.

688

Vgl. MARIA/ZITAR (2007), S. 714.

689

Vgl. MARIA/ZITAR (2007), S. 715.

690

Vgl. MARIA/ZITAR (2007), S. 704.

691

Vgl. GILBERT/TROITZSCH (2005), S. 177.

692

Vgl. KLÜGL (2001), S.15.

Theoretische Grundlagen und aktueller Stand der Forschung

155

durch Weiterempfehlungsverhalten, Zufriedenheit, Ziele, Loyalität oder ähnlicher Eigenschaften ausdrücken. 693 Auf Basis der dargestellten Eigenschaften und den zuvor erläuterten Definitionen kann ein Agent im Rahmen von Repositionierungsmodellen in Anlehnung an TESFATSION (2006) definiert werden als: „ein Bündel von Informationen und Verhaltensweisen, welche einen virtuellen Nachfrager als konstituierendes Element eines virtuellen Marktes repräsentiert.“ 694 Auf Basis dieser Arbeitsdefinition können nun unterschiedliche Architekturen und Klassifikationen von Agenten beschrieben werden. 3.2.1.2 Agentenarchitekturen und -klassifikation Das Design von Agenten auf Basis der beschriebenen Eigenschaften kann unterschiedliche Formen annehmen. Innerhalb der wissenschaftlichen Literatur existiert eine Vielzahl von Studien, die sich mit Agentenarchitekturen, also ihrem formalen internen Zustand befassen. Aufgrund der Vielzahl an Untersuchungen ist es nicht möglich, alle entwickelten Formen von Agenten allgemeingültig zu typologisieren. 695 Die bekannteste Klassifikation von Agenten wurde von GENESERETH/NILSSON (1987) entwickelt. Sie unterscheiden lediglich zwischen zwei unterschiedlichen Agentenklassen, dem „Tropistic Agent“, einem reinen Reiz-Reaktions Agenten ohne einem internen Zustand und dem „Hysteric Agent“, welcher über einen internen Zustand verfügt. 696 RUSSELL/NORVIG (2004) gehen innerhalb ihrer Klassifikation weiter und stellen so genannte Agentenskelette vor. Ihre Taxonomie basiert auf dem für die Verhaltenssteuerung vorhandenen Wissen und der Komplexität der dabei genutzten Mechanismen. 697 Sie differenzieren vier Formen von Agenten (vgl. Abbildung 25).

693

Vgl. BANDTE (2007), S. 244.

694

Vgl. TESFATSION (2006), S. 837.

695

Vgl. KLÜGL (2001), S. 19.

696

Vgl. GENESERETH/NILSSON (1987).

697

Vgl. KLÜGL (2001), S. 21.

Theoretische Grundlagen und aktueller Stand der Forschung

Bedingung/ Regeln

Welche Aktion ich jetzt ausführen soll

Zustand

Umgebung

Wie die Umwelt jetzt aussieht

Sensoren

Agent Wie sich die Welt entwickelt Was meine Aktionen bewirken Bedingung/ Regeln

Aktuatoren

Modellbasierte Reflexagenten

Sensoren

Wie sich die Welt entwickelt Was meine Aktionen bewirken Ziele

Wie die Umwelt jetzt aussieht Was passiert wenn ich Aktion A ausführe Welche Aktion ich jetzt ausführen soll

Agent

Sensoren

Zustand

Umgebung

Zustand

Wie sich die Welt entwickelt Was meine Aktionen bewirken Nutzen

Wie die Umwelt jetzt aussieht Was passiert wenn ich Aktion A ausführe Zufriedenheit mit dem Zustand Welche Aktion ich jetzt ausführen sollte

Ziele

Aktuatoren

Zielbasierter Agent

Welche Aktion ich jetzt ausführen soll Aktuatoren

Einfacher reflexbasierter Agent Agent

Wie die Umwelt jetzt aussieht

Umgebung

Sensoren

Agent

Umgebung

156

Aktuatoren

Nutzenbasierter Agent

Abbildung 25: Verschiedene Agententypen Quelle: KLÜGL (2001), S. 20; RUSSELL/NORVIG (2003), S. 47 ff.

Die einfachste Form von Agenten sind reflexbasierte Agenten, sie wählen Aktionen auf Grundlage der aktuellen Wahrnehmung 698 aus und ignorieren den restlichen Wahrnehmungsverlauf. 699 Die Auswahl einer Aktion wird immer anhand von drei Schritten durchgeführt. Die wahrgenommenen Daten werden über die Sensoren 700 aufgenommen und interpretiert, so dass eine abstrakte Situationsbeschreibung entsteht. Für diese Situation wird mittels der hinterlegten Regeln eine Aktion ausgewählt und über die Aktuatoren 701 an die Umwelt weitergegeben. 702 Ein einfaches Beispiel

698

Die Wahrnehmung beinhaltet in diesem Fall sämtliche wahrgenommenen Eingaben zu jedem beliebigen Zeitpunkt. Die Wahrnehmungsfolge beinhaltet demnach den gesamten Verlauf von allem, was der Agent im Rahemen der Simulation je wahrgenommen hat.

699

Vgl. zu Regeln innerhalb agentenbasierter Simulationen 3.2.3.

700

Menschliche Agenten besitzen bspw. Augen und Ohren als Sensoren, um die Umweltreize wahrnehmen zu können. Vgl. RUSSELL/NORVIG (2004), S. 55. Ein Sensor kann auch als Rezeptor beschrieben werden, der es dem Agenten ermöglicht, kritische Informationen über seine Umwelt wahrzunehmen und zu verarbeiten. Vgl. ZIMBARDO/HOPPE-GRAFF (1995), S. 165.

701

Aktuatoren bei menschlichen Agenten sind bspw. Hände, Füße und der Mund. Aktuatoren beschreiben im allgemeinen Elemente, die eine Eingangsgröße in eine andersartige Ausgangsgröße (Fortsetzung der Fußnote auf der nächsten Seite)

Theoretische Grundlagen und aktueller Stand der Forschung

157

für einen reflexbasierten Agenten ist ein Staubsaugeragent, der seine Entscheidung auf der aktuellen Position und darauf, ob diese Schmutz enthält, gründet. Die Umwelt ist demnach sehr einfach strukturiert und beinhaltet nur zwei Positionen (dreckige und saubere Felder). Die einzige Aktion des Agenten umfasst somit lediglich die Säuberung dreckiger Felder. Die nächst höhere Stufe stellen modellbasierte Reflexagenten dar. Diese Agentenform ist in schwer zugänglichen Umgebungen leistungsfähiger, da sie Informationen speichern kann, die sie daraufhin bei der Auswahl der Regeln und der Ausführung von Aktionen verwendet. Um dies tun zu können ist es notwendig, dem Agenten zwei Arten von Wissen zu implementieren. Zuerst muss der Agent wissen, wie sich die Welt unabhängig von ihm weiterentwickelt (bspw. neue Akteure treten in einen Markt ein, eine Marke repositioniert sich etc.). Des Weiteren benötigt der Agent Informationen darüber, wie sich seine Handlungen auf die Umwelt auswirken (bspw. wenn der Agent Empfehlungen ausspricht oder eine andere Marke kauft). Diese beiden Formen des Wissens können als Weltmodell bezeichnet werden und beschreiben den inneren Zustand des Agenten. Eine wichtige Schnittstelle stellt die Aktualisierung des internen Weltmodells dar, da es möglichst konsistent mit der Umwelt gehalten werden sollte, damit der Agent sich rational entscheiden kann. Die nächste höhere Form sind zielbasierte Agenten. Neben dem Wissen über die aktuelle Situation besitzen diese Agenten eine konkrete Zielvorstellung (erstrebenswerte Situationen). Um eine Entscheidung zu treffen, ist es nicht immer ausreichend, genügend Informationen über den Zustand der Umwelt zu besitzen. Oftmals benötigt ein Agent, um sich entscheiden zu können, eine Zielvorstellung. Bei dem Kauf einer Marke kann dieses Ziel die Nutzenmaximierung sein. Der Agent versucht daraufhin die Regeln auszuführen, die ihn zum Ende an sein Ziel bringen, die Marke zu kaufen, die ihm den größten Nutzen einbringt. Die nächst höhere Form von Agentenarchitekturen nach RUSSELL/NORVIG (2004) sind nützlichkeitsbasierte Agenten. Um qualitatives Verhalten zu erzeugen, reichen Ziele oftmals nicht aus, da Ziele lediglich den binären Zustand „zufrieden“ oder nicht zufrieden mit einer Marke ausdrücken können. Eine allgemeine Leistungsbeurteilung kann auf Basis einer Nutzenfunktion geschehen, welche den Zustand des Agenten in eine reelle Zahl überführt. Dies ist insbesondere bei konfliktären Situationen sinnvoll,

umwandeln, um eine gewünschte Aktion oder einen Effekt hervorzurufen. Vgl. RUSSELL/NORVIG (2004), S. 63. 702

Vgl. KLÜGL (2001), S. 21.

Theoretische Grundlagen und aktueller Stand der Forschung

158

bspw. bei der Abwägung von Preis und Qualität. Möglich wäre auch eine Situation, in der mehrere Ziele auftreten, die der Agent anstreben kann. Es ist jedoch keines mit Sicherheit von ihm zu erreichen. An dieser Stelle kann anhand der Nutzenfunktion die Wahrscheinlichkeit des Erfolgs gegen die Bedeutung der Ziele abgewägt werden. 703 Sie besitzen eine komplexere Situationsbeschreibung, die es ihnen ermöglicht, zwischen unterschiedlichen Aktionsfolgen und Zielen abzuwägen. Auf Basis der dargestellten Agentenklassifikationen und der entwickelten Arbeitsdefinition von Agenten, ist eine Verwendung nutzenbasierter Agenten zur Darstellung des Kaufverhaltens von Nachfragern anzustreben. Dies ist darauf zurückzuführen, dass jeder Nachfrager eine Nutzenfunktion besitzt, welche die Basis für seine Entscheidungen darstellt (Informationen). Nachfrager können in diesem Kontext als Bedürfnisträger charakterisiert werden, die auf Basis ihres Wissens versuchen, das vorhandene Bedürfnis zu befriedigen. 704 Hinzu kommt, dass die Agenten auf Basis ihrer Nutzenfunktion in der Lage sind, Marken gegeneinander abzuwägen und Präferenzen zu bilden, was ebenfalls ein Bestandteil realer Kaufentscheidungen darstellt. Darüber hinaus sollen sie in der Lage sein, anderen Agenten ihre erste Wahl zu empfehlen und somit deren Entscheidungen zu beeinflussen und im gleichen Schritt selber beeinflussbar sein. Im Folgenden soll nun auf die Umwelt von Agenten eingegangen werden, die den Rahmen für ihr Handeln bildet. 3.2.2 Umwelt Die Umwelt ist innerhalb eines agentenbasierten Systems die Grundlage für die Existenz der Agenten. Sie bestimmt ihre Eigenschaften, Prinzipien und Prozesse. 705 Es ist möglich, Agentenumwelten anhand ihrer Extrema näher zu bestimmen und zu erläutern: 706 Erstes Extremum im Rahmen der Umweltdefinition stellt die Zugänglichkeit dar. Es kann zwischen zugänglichen und unzugänglichen Umwelten differenziert werden. Eine zugängliche Umwelt bedeutet für einen Agenten die Chance, vollständige, präzise und aktuelle Informationen über diese zu erhalten. Dies beinhaltet die Bekannt-

703

Vgl. RUSSELL/NORVIG (2004), S. 78.

704

Vgl. hierzu Kapitel A 4.1

705

Vgl. BANDTE (2007), S. 249.

706

Diese Einteilung ist angelehnt an eine Beschreibung von WOOLDRIDGE (2005).

Theoretische Grundlagen und aktueller Stand der Forschung

159

heit der Ziele und Beziehungen der einzelnen Entitäten innerhalb der Umwelt. 707 Je zugänglicher eine Umwelt ist, desto einfacher ist es, Agenten zu entwickeln, die effektiv innerhalb dieser Umgebung arbeiten. Neben der Zugänglichkeit ist es möglich, deterministische und stochastische Umwelten zu differenzieren. Eine deterministische Umwelt zeichnet sich durch das Fehlen von Unsicherheit aus. 708 Das bedeutet, jede Aktion induziert ein vorherbestimmtes Ergebnis. Die Umwelt wird demnach ausschließlich durch den aktuellen Zustand sowie durch die Aktion des Agenten bestimmt. Innerhalb einer stochastischen Umwelt hingegen folgen die unterschiedlichen Akteure keiner expliziten Sequenz von Aktivitäten, wie das bspw. in Warteschlangenmodellen der Fall ist. 709 Es können also zufällige Ereignisse eintreten, die das Verhalten des Agenten beeinflussen. Dies kann z. B. im Rahmen des Markenkaufs das Fehlen einer Alternative sein. Betrachtet man die Abbildungen realer Systeme aus einer Agentenperspektive heraus, können alle als stochastisch bezeichnet werden.710 Das Kontinuum der Umweltveränderung kann in statisch und dynamisch unterteilt werden. Eine statische Umwelt ist dadurch charakterisiert, dass sie sich während der Simulation nicht verändert. Eine dynamische Umwelt ist im Gegensatz dazu durch eine stetige Veränderung charakterisiert, deren Prozesse außerhalb des Aktionsradiusses der Agenten liegen. 711 Das bedeutet, Agenten in dynamischen Umwelten müssen in der Lage sein, Informationen über ihre Umwelt wahrzunehmen und zu verarbeiten. In statischen Umwelten ist das nicht nötig, da der Agent nur einen Wissensstand für seine Aktionen benötigt. Agentenumwelten können in diskrete oder kontinuierliche Umwelten differenziert werden. Diskrete Umwelten zeichnen sich durch eine definierte Anzahl von Aktivitäten oder Ereignissen aus. 712 Ein Beispiel hierfür ist ein Schachspiel, in dem es lediglich eine gewisse Anzahl unterschiedlicher Situationen geben kann. Kontinuierliche Umwelten indessen können durch die Indeterminiertheit der unterschiedlichen Aktivitäten beschrieben werden (bspw. Taxi fahren).

707

Vgl. WOOLDRIDGE (2005), S. 18.

708

Vgl. RUSSELL/NORVIG (2003), S. 41.

709

Vgl. BANDTE (2007), S. 250.

710

Vgl. WOOLDRIDGE (2005), S. 19.

711

Vgl. RUSSELL/NORVIG (2003), S. 42.

712

Vgl. RUSSELL/NORVIG (2003), S. 41.

Theoretische Grundlagen und aktueller Stand der Forschung

160

Die Umweltstruktur lässt sich in homogen versus inhomogen abgrenzen. Homogene Umwelten zeichnen sich durch gleichartige Agenten mit identischen Eigenschaften, Wissensstrukturen und Zielen aus. Bei inhomogenen Umwelten sind unterschiedliche Entitäten (bspw. unterschiedliche Akteure wie Händler und Nachfrager oder Ressourcen, die als Agenten implementiert werden) mit unterschiedlichen Zielen und Eigenschaften vorhanden. Der Unterschied zwischen Single-Agent und Multiagenten Umwelten liegt in der Spezifikation der einzelnen Entitäten innerhalb der Simulation. Single Agenten Umwelten bestehen aus einer Form Agenten, die alleine ein Problem lösen (bspw. ein Kreuzworträtsel). Innerhalb von Multiagenten Umwelten muss der Modellierer entscheiden, welche Entitäten als Agenten agieren und welche als Objekt, das ein zufälliges Verhalten an den Tag legt. 713 Hierbei gilt es in Wettbewerbs-Umwelten und Kooperationsumwelten zu differenzieren. In Wettbewerbsumwelten verringert das Verhalten von Agent A die Performance von Agent B (Schachspiel). Innerhalb kooperativer Umwelten versuchen die Agenten, nicht gegeneinander zu arbeiten während sie versuchen, ihr Ziel zu erreichen (Verkehr innerhalb einer Taxifahrersimulation). 714 Innerhalb der Simulation von Repositionierungsstrategien ist demnach festzulegen, ob neben den Nachfrageragenten, die Marken ebenfalls als Agenten modelliert werden sollen oder als feste nur vom Modellierer veränderbare Größen (Globalvariablen). Der Komplexitätsgrad der Umwelt im Rahmen der Simulation von Repositionierungsstrategien hängt von der Modellierung des Markenwahlverhaltens und des Wettbewerberverhaltens ab. 715 Für die Erklärung der Komplexität von Entscheidungsprozessen während des Kaufs entwickelten BLACKWELL/MINIARD/ENGEL (2006) das Entscheidungsprozesskontinuum (vgl. Abbildung 26).

713

Vgl. RUSSELL/NORVIG (2003), S. 42.

714

Vgl. RUSSELL/NORVIG (2003), S. 43.

715

Vgl. ZHANG/ZHANG (2007), S. 912 f.

161

Theoretische Grundlagen und aktueller Stand der Forschung

Erstkäufe Extensives Entscheidungsverhalten

Mittleres Problemlösen

Limitiertes Problemlösen (LPS)

hoch

Komplexitätsgrad

niedrig

Folgekäufe Extensives Entscheidungsverhalten

hoch

Mittleres Problemlösen

Limitiertes Problemlösen (LPS)

Komplexitätsgrad

Habituelles Entscheidungsverhalten

niedrig

Abbildung 26: Kontinuum des Kaufentscheidungsprozesses Quelle: BLACKWELL/MINIARD/ENGEL (2006), S. 89.

Der Komplexitätsgrad innerhalb des Kaufentscheidungsprozesses ist bei Erst- und Folgekäufen als ähnlich einzustufen. Dies ist darauf zurückzuführen, dass Folgekäufe ebenfalls Problemlösungsstrategien induzieren können, sobald Unzufriedenheit mit der ehemals gekauften Marke auftritt oder die Marke nicht verfügbar ist. Bei dieser Form des Kaufs muss der Nachfrager abwägen, ob er Zeit und Energie aufwendet, eine neue Alternative zu suchen. 716 Der Komplexitätsgrad ist demnach ähnlich, lediglich die Ausprägung variiert. Ein hoher Komplexitätsgrad liegt bei extensivem Entscheidungsverhalten vor (bspw. beim Autokauf). Das Involvement der Nachfrager ist bei dieser Art von Käufen als hoch einzuschätzen, da das Risiko, eine falsche Entscheidung zu treffen, sehr groß ist.717 Das bedeutet, dass die Informationsaktivitäten der Nachfrager im Rahmen solch eines Kaufes wesentlich ausführlicher sind als bei dem anderen Extrem, des habitualisierten Kaufes (bspw. Kauf eines Joghurts). 718

716

Vgl. BLACKWELL/MINIARD/ENGEL (2006), S. 91.

717

Vgl. BLACKWELL/MINIARD/ENGEL (2006), S. 89.

718

Vgl. KUß/TOMCZAK (2007), S. 114.

Theoretische Grundlagen und aktueller Stand der Forschung

162

Ein möglicher Indikator für die Komplexität der Kaufentscheidung kann also die Produktkategorie darstellen. Diese hat unmittelbaren Einfluss auf die Gestaltung der Umwelt im Rahmen einer agentenbasierten Simulation von Markenrepositionierungen. Je komplexer das Entscheidungsverhalten der Individuen bei der Auswahl einer Marke ist, desto mehr Informationen müssen die einzelnen Agenten innerhalb der Simulation von der Umwelt erhalten und verarbeiten können, was zu einer verstärkten Unzugänglichkeit der Umwelt führt.719 Eine weiterer Einflussfaktor im Rahmen der Umweltgestaltung ist die Anzahl und Art der Akteure. Innerhalb einer homogenen Umwelt existieren Nachfrager, die alle einen unterschiedlichen Wissenstand aufweisen. Der Wissenstand der einzelnen Nachfrager ist hinsichtlich des Umfangs identisch, lediglich die einzelnen Ausprägungen der Nutzendimensionen differiert. Sobald jedoch weitere Akteure (bspw. Händler) oder unterschiedliche Wissensstrukturen innerhalb der Agenten auftreten, wird die Umwelt immer inhomogener, was zu einer Erhöhung der Komplexität führt. Im Falle des Wettbewerberverhaltens ist es ebenfalls denkbar, unterschiedliche Komplexitätsgrade zu modellieren. Die bisherige Modellierung des Wettbewerbsverhaltens in oligopolistischen Märkten ist die Erreichung eines globalen Optimums. Die Wettbewerber sind in der Lage, die Entscheidungen der anderen Marktteilnehmer zu antizipieren. Sie haben ein vollständiges Wissen über den Markt. Eine Modellierung kann dann auf Basis der klassischen Spieltheorie erfolgen. Dieser Ansatz ist mit einer deterministischen Umwelt vergleichbar, es besteht für die Anbieter keine Unsicherheit. Im Rahmen agentenbasierter Systeme ist es jedoch möglich, unvollständiges Marktwissen in Form der bounded rationality zu implementieren. Das bedeutet, die unterschiedlichen Akteure kennen nur einen Ausschnitt der Umwelt und passen ihre Strategien nur an die Wettbewerber an, welche als strategische Wettbewerber bezeichnet werden können. Innerhalb eines MDS-Modelles sind das die Marken die ähnlich wahrgenommen werden wie die eigene Marke. Auf dieser Annahme basiert das Modell von ROTH (1999). 720 Dies führt zu einer Erhöhung der Komplexität hinsichtlich der möglichen Entscheidungen. Darüber hinaus ist es möglich, eine dynamische Umwelt zu modellieren, die sich kontinuierlich verändert. Dies kann dazu führen, dass plötzlich neue Wettbewerber auftreten, die in das Entscheidungskalkül integriert werden müssen. In einer ersten Stufe des hier entwickelten agentenbasierten Modells, wird aus der entscheidungsorientierten Sichtweise das Wettbewerberverhal-

719

Vgl. BANDTE (2007), S. 250.

720

Vgl. ROTH (1999), S. 131 ff.

Theoretische Grundlagen und aktueller Stand der Forschung

163

ten wie im Modell von WIRTZ/SALZER (2001) auf Basis qualitativer Einschätzungen und Expertenurteilen antizipiert. Im Vordergrund steht die Simulation des Markenwahlverhaltens in regelbasierter Form. Die Integration des Wettbewerberverhaltens wäre ein möglicher zweiter Schritt. Zusammenfassend kann konstatiert werden, dass bei der Simulation von Repositionierungsstrategien die Komplexität der Umwelt stark variieren kann, je nachdem wie realistisch das Markenwahlverhalten abgebildet werden soll und welche Daten zur Verfügung stehen. Für die Prognose des Einflusses verschiedener Repositionierungsstrategien im Sinne der analytischen Modellierung würde eine statische Umwelt, welche deterministisch, homogen und für die Agenten zugänglich modelliert ist, genügen. 721 Dies soll als erster Schritt einer agentenbasierten Modellierung von Markenrepositionierungen umgesetzt werden. 3.2.3

Regeln

3.2.3.1 Regeln in agentenbasierten Systemen Innerhalb agentenbasierter Simulationen stellen Regeln das deklarative Mittel zur Beschreibung des Entscheidungsverhaltens dar. 722 LUGER/STUBBLEFIELD (1993) charakterisieren Regelsysteme als: „The production system imposes a procedural semantics on the declarative language used to form the rules.“ 723 Das bedeutet, dass eine regelbasierte Modelliersprache zur Darstellung von Verhalten als Basis deklarative Formalismen benötigt, inhaltlich jedoch prozedurale Vorgehensweisen beschreibt. 724 Regeln können im Allgemeinen als „eine aus bestimmten Regelmäßigkeiten abgeleitete, aus Erfahrungen und Erkenntnissen gewonnene, in Übereinkunft festgelegte, für einen bestimmten Bereich als verbindlich geltende Richtlinie“ definiert werden. Im Rahmen agentenbasierter Modellierung können Regeln als Verhaltensnorm interpre-

721

Vgl. hierzu ausführlich das Kapitel 2.3 welches sich mit der analytischen Modellierung von Repositionierungsstrategien auseinandersetzt. Hier wird die Komplexität des Markenwahlverhaltens lediglich auf die Wahrnehmung und Bewertung der einzelnen Nutzendimensionen reduziert und das Markenwahlverhalten anhand von Idealpunkt oder Idealvektormodellen erklärt.

722

Vgl. KLÜGL (2001), S. 61.

723

Vgl. LUGER/STUBBLEFIELD (1993), S. 76.

724

Bei der deklarativen Programmierung steht die Beschreibung des Problems im Vordergrund. Es geht also darum, was programmiert wird. Bei der imperativen Programmierung hingegen steht wie etwas programmiert wird im Fokus.

Theoretische Grundlagen und aktueller Stand der Forschung

164

tiert werden. Sie weisen zwei grundlegende Dimensionen auf: Kondition und Aktion. 725 Die Kondition umfasst die Bedingungen, die eingehalten werden müssen, damit eine Regel befolgt wird. Aktion beinhaltet die Ausführung der intendierten Aktivitäten. Ein Beispiel für eine einfache Condition-Action-Rule ist: „Ist die Kondition erfüllt, dann führe die Aktion aus.“ 726 Grundsätzlich ist es möglich, Regeln auf der Makro- oder der Mikroebene zu betrachten. 727 Globale Regeln wirken für das gesamte System und müssen sämtliche Elemente beinhalten. Im Gegensatz zu Regeln auf der Mikroebene ist ihre Implementierung sehr aufwendig und schwer nachvollziehbar. Regeln auf der Mikroebene beziehen sich lediglich auf lokale Interaktionen. Das fundamentale Potential dieser Regeln ist es, sich anpassen zu können und lokale Optima zu erreichen. 728 Regelmengen besitzen vier wichtige Merkmale: Kontextfreiheit, Kommutativität, Reversibilität und Eindeutigkeit. Kontextfreiheit bedeutet, dass das alleinige Testen einer Vorbedingung ausreicht, um die Regel auszulösen. 729 Das besagt, dass die Regel völlig unabhängig von anderen ist. Interdependenzen können nur dadurch entstehen, dass das Auslösen zu einer Veränderung der globalen Situation führt und andere Regeln ausgelöst werden. 730 Die Eindeutigkeit einer Regel innerhalb eines Regelsystems bezieht sich auf die zuvor definierten Konditionen. Ist eine Situation innerhalb der Vorbedingung so detailliert beschrieben, dass nur eine Regel ausgelöst wird, kann dies als eindeutig bezeichnet werden. Im Falle einer konkreten Situation, in der mehrere Regeln aufgrund der Kondition ausgelöst werden können, müssen Konfliktauflösungsmechanismen greifen. 731 Hierzu gibt es unterschiedliche Möglichkeiten. Zuerst werden über eine match Funktion all die Regeln identifiziert, die auf Basis der definierten Kondition ausgelöst werden können. Im Rahmen der Konfliktlösung können daraufhin unterschiedliche Bedingungen zu einer Lösung führen. Die einfachste Form ist die Auswahl der erstbesten Regel, für die die Vorbedingung erfüllt ist, alle weiteren Regeln werden ignoriert. Weitere Möglichkeiten sind eine zufällige Auswahl oder eine Bewertung der zur Verfügung stehenden Regeln auf Basis von Merkmalen

725

Vgl. BANDTE (2007), S. 247. Diese Form von Regeln wird auch synonym als situation-action rules, productions oder if-then rules beschrieben.

726

Vgl. RUSSELL/NORVIG (2003), S. 46.

727

Vgl. BANDTE (2007), S. 247.

728

Vgl. BANDTE (2007), S. 247.

729

Vgl. KLÜGL (2001), S. 64.

730

Vgl. BANDTE (2007), S. 248.

731

Vgl. KLÜGL (2001), S. 63.

Theoretische Grundlagen und aktueller Stand der Forschung

165

oder anderen Konditionen. 732 Die ausstehenden Regelmerkmale der Kommutativität und Reversibilität beziehen sich auf die Regelaktionen. Kommutativität bezieht sich auf die Reihenfolge, in der die Regeln ausgelöst werden. Ist diese Ausführung der Aktionen unabhängig von ihrer Reihenfolge, kann die Regelmenge als kommutativ bezeichnet werden. Innerhalb agentenbasierter Systeme findet man jedoch aufgrund des umweltverändernden Charakters der Regeln selten oder gar keine kommutativen Regelmengen. Gleiches gilt auch für das Merkmal der Reversibilität. Im Fall von komplexen Vorgängen ist eine Zurückverfolgung der Effekte nicht möglich, sondern nur in sehr einfachen simulativen Umgebungen. 733 Vorteile regelbasierter Simulation beziehen sich auf die Natürlichkeit der Darstellung und der Möglichkeit, prozedurales Wissen explizit und einheitlich zu repräsentieren. Regeln können modular aufgebaut werden, da jede Regel als unabhängiges Wissensfragment implementiert werden kann. Nachteile regelbasierter Simulation treten auch bei der Modellierung des Markenwahlverhaltens auf. Ein Nachteil ist die Ineffizienz, die mit der Behandlung großer Regelmengen verbunden ist. Dies tritt insbesondere bei der Feststellung der Regelmenge auf, deren Kondition erfüllt ist, da dieser Vorgang in jedem Zyklus durchgeführt werden muss. 3.2.3.2 Entscheidungsregeln beim Kaufverhalten Individuelle Kaufentscheidungen von Nachfragern können mittels verschiedener Entscheidungsregeln dargestellt werden. Hierbei ist zu unterscheiden, ob der gesamte Kaufprozess oder lediglich die Wahlentscheidung betrachtet wird. Im Folgenden werden diejenigen Regeln näher erläutert, die später in das agentenbasierte Simulationsmodell des Autors integriert werden. Es handelt sich ausschließlich um verhaltensorientierte Regeln der Markenwahl. 734 Die anderen Stufen des Entscheidungungsprozesses werden an dieser Stelle ausgeklammert und in Kapitel C näher erläutert. Der Terminus Entscheidung, welcher anhand der Regeln beschrieben werden soll, kann als „ mehr oder weniger überlegtes, konfliktbewusstes, abwägendes und zielorientiertes Handeln…“ definiert werden. 735 Kaufentscheidungen laufen im Sinne der Informationsverarbeitung nicht nach einem einheitlichen Schema ab. 736

732

Vgl. KLÜGL (2001), S. 64.

733

Vgl. BANDTE (2007), S. 248.

734

Vgl. KROEBER-RIEL/WEINBERG/GRÖPPEL-KLEIN (2009), S. 410 ff.

735

Vgl. JUNGERMANN/PFISTER/FISCHER (2005), S. 3.

736

Vgl. HILLIG (2006), S. 17.

Theoretische Grundlagen und aktueller Stand der Forschung

166

Innerhalb der Informationsverarbeitung kann es zu kognitiven Prozessen 737 kommen oder das Wahlverhalten wird frühzeitig durch primäre Affektreaktionen 738 abgebrochen. Innerhalb des agentenbasierten Modells wird der kognitive Prozess der Kaufentscheidung mittels verschiedener Heuristiken dargestellt. Heuristiken sind in diesem Kontext eine Form intelligenter Entscheidungen nicht optimaler Natur. 739 Aus dieser Perspektive heraus werden im Rahmen des agentenbasierten Wahlmodells Heuristiken verwendet, die explizit die mehrdimensionale Struktur von Alternativen berücksichtigen. Hierunter fallen diverse kompensatorische und nichtkompensatorische Entscheidungsregeln (vgl. Abbildung 27). 740

Entscheidungsregeln

Nicht-kompensatorische Entscheidungsregeln

Kompensatorische Entscheidungsregeln

Stochastische Regeln

Deterministische Regeln

Eliminationsregeln

Schwellenregeln

Abbildung 27: Unterschiedliche Formen von Heuristiken Quelle: Eigene Darstellung.

Die erste grundlegende Unterscheidung von Heuristiken bezieht sich auf die kompensatorische oder nicht-kompensatorische Vorgehensweise im Rahmen der Entscheidung. Nicht-kompensatorische Regeln können definiert werden als: „Entscheidungsregeln, in denen eine Option nicht gewählt wird, sobald sie nicht bestimmte Schwellenwerte auf einem oder mehreren Attributen überschreitet oder wenn sie bestimmte Merkmale nicht besitzt.“ 741 Schwellenregeln beziehen sich dabei auf sogenannte Thresholds, die für jedes Attribut existieren. Je nach Regel muss eine Marke diesen gesetzten Schwellenwert auf einem (disjunktive Regel) oder auf allen Attribu-

737

Innerhalb von Wahlentscheidungen kann die Markenbeurteilung als kognitiver Prozess beschrieben werden. Markenbeurteilung stellt das Ordnen und Bewerten der zur Verfügung stehenden Markeninformationen dar. Vgl. KROEBER-RIEL/WEINBERG/GRÖPPEL-KLEIN (2009), S. 327.

738

Affekte sind grundlegende, kurzfristig auftretende Gefühle der Akzeptanz oder der Ablehnung eines Sachverhaltes. Darüber hinaus stellen sie Emotionen dar, die kognitiv nicht kontrolliert werden können und inhaltlich nicht differenziert sind. Vgl. KROEBER-RIEL/WEINBERG/GRÖPPEL-KLEIN (2009), S. 101.

739

Vgl. PAYNE/BETTMAN/JOHNSON (1997), S. 184.

740

Vgl. DEVETAG (1999), S. 21 ff.; BETTMAN/JOHNSON/PAYNE (1991), S. 58 ff.

741

Vgl. HOGARTH (1980), S. 57 ff.

Theoretische Grundlagen und aktueller Stand der Forschung

167

ten überschreiten (konjunktive Regel), ansonsten wird sie durch den Nachfrager nicht ausgewählt. Bei den Eliminationsregeln werden die Alternativen der Reihe nach geprüft. Die Prüfung der einzelnen Alternativen erfolgt hinsichtlich der Attributwichtigkeit. Zuerst werden die Alternativen auf dem für den Nachfrager wichtigsten Attribut verglichen, führt dies zu keiner eindeutigen Lösung, wird das nächste Attribut herangezogen. Dies wird so lange fortgeführt, bis eine eindeutige Lösung generiert werden kann. Innerhalb kompensatorischer Heuristiken werden die einzelnen Attribute meistens mittels einer additiven Bewertungsfunktion verknüpft. Dies ist auf die Charakteristika der zu modellierenden Kaufsituation zurückzuführen. Die zwei Formen kompensatorischer Regeln sind zum einen stochastische und zum anderen deterministische Regeln. Stochastische Regeln integrieren explizit Wahrscheinlichkeiten und werden hauptsächlich für die Modellierung des Entscheidungsverhaltens unter Unsicherheit herangezogen. 742 Deterministische Regeln hingegen beziehen keine Wahrscheinlichkeiten mit ein. Im Rahmen des zu entwickelnden agentenbasierten Modells werden grundsätzlich deterministische Entscheidungen betrachtet. Das bedeutet, die zu modellierenden Nachfrager haben ein nahezu vollständiges Wissen über die Marken. Dies ist durch den Zeitpunkt der Erhebung gewährleistet, welche in einem Zeitraum kurz nach dem Kauf durchgeführt wurde. 743 Alle Marken sind hinsichtlich ihrer relevanten Attribute präzise beschrieben und die Nachfrageragenten haben auch die dementsprechenden Informationen. 744 Bei einem kompensatorischen Modell bestehen verschiedene Grundannahmen, die im Folgenden diskutiert werden sollen. Charakteristisch für kompensatorische Verknüpfungsfunktionen ist der Umstand, dass geringe Nutzenwerte von Attributen durch höhere Nutzenbeiträge anderer ausgeglichen werden können. Dies setzt voraus, dass die einzelnen zu beurteilenden Nutzendimensionen substituierbar sind und unabhängig voneinander wahrgenommen werden. 745 Die Interaktionen zwischen einzelnen Nutzendimensionen können

742

Vgl. JUNGERMANN/PFISTER/FISCHER (2005), S. 127.

743

In die Befragung wurden lediglich Nachfrager aufgenommen, die in den letzten drei Monaten ein Festnetztelefon gekauft hatten. Die Kaufentscheidung war demnach noch präsent. Für eine detaillierte Beschreibung der Erhebung vgl. C 1.3

744

Vgl. JUNGERMANN/PFISTER/FISCHER (2005), S. 123.

745

Dies kann durch die Verwendung nicht-kompensatorischer Verknüpfungen vermieden werden. Nicht-kompensatorische Verknüpfungen werden jedoch von den Nachfragern nur bei äußerst komplexen Entscheidungssituationen eingesetzt. Vgl. BETTMAN/JOHNSON/PAYNE (1991), S. 63 sowie die Studie von LUSSIER/OLSHAVSKY (1979), S. 163. WRIGHT (1975) fand ebenfalls heraus, dass kompensatorische Strategien bei einer Zunahme an Komplexität von den Probanden eher abgelehnt werden als nicht-kompensatorische Verknüpfungen. Vgl. WRIGHT (1975), S. 65. Eine (Fortsetzung der Fußnote auf der nächsten Seite)

Theoretische Grundlagen und aktueller Stand der Forschung

168

somit nicht abgebildet werden, was in vielen Fällen als unrealistisch eingestuft werden muss. Eine fehlende Unabhängigkeit kann somit zu Verzerrungen führen. Trotzdem haben zahlreiche empirische Studien ergeben, dass Schätzungen auf Basis der additiven Verknüpfung den Gütekriterien der Validität und Reliabilität im Verhältnis zu den anderen Ansätzen am besten genügen. 746 Innerhalb eines kompensatorischen Modells werden alle Attribute in die Bewertung mit einbezogen, was nur bei wenigen unterschiedlichen zu bewertenden Alternativen angenommen werden kann. 747 Bei nicht-kompensatorischen Heuristiken hingegen ist es nicht möglich, schlechte Werte auf Attributen durch gute Bewertungen anderer auszugleichen. Nichtkompensatorische Entscheidungsregeln werden insbesondere bei vielen Alternativen angewendet, um das Consideration Set zu formieren. 748 Nachfrager versuchen durch die Anwendung nicht-kompensatorischer Regeln ihren kognitiven Aufwand zu minimieren. 749 Neben der Formation des Consideration Sets werden diese Heuristiken aber auch zur Markenauswahl herangezogen. 750 Im Rahmen der Forschung zum Entscheidungsverhalten wurden zahlreiche empirische Studien durchgeführt, die herausgefunden haben, dass Entscheidungsstrategien von vielen unterschiedlichen Variablen abhängen. 751 Hierunter fallen bspw. die Komplexität der Entscheidung, die Anzahl an zu verarbeitenden Informationen und ein möglicher Zeitdruck. 752 Neben den Einfluss-

Erhöhung der Anzahl an Nutzendimensionen zur Bewertung der Marken führt jedoch nicht zu einer Veränderung des Entscheidungsverhaltens, sondern lediglich zu einer selektiven Wahrnehmung der einzelnen Attribute. Vgl. BETTMAN/JOHNSON/PAYNE (1991), S. 63 sowie LUSSIER/OLSHAVSKY (1979), S. 66. und PAYNE (1976a), S. 373. 746

Vgl. GUTSCHE (1995), S. 88. Ein Argument für das gute Abschneiden der additiven Verknüpfung ist die Kompliziertheit der anderen Ansätze. Dies ist darauf zurückzuführen, dass bei den Ansätzen ploynomialer Art unter ceteris paribus Bedingungen Fehlspezifikationen bei der Parameterschätzung auftreten können, welche die wirklichkeitsgenauere Abbildung der kognitiven Algebra überkompensieren. NIESCHLAG/DICHTL/HÖRSCHGEN (1997), S. 175 ff. sowie GUTSCHE (1995), S. 88.

747

Vgl. BETTMAN/JOHNSON/PAYNE (1991), S. 62.

748

Vgl. BRISOUX/LAROCHE (1981) sowie LAROCHE/KIM/MATSUI (2003), S. 193 ff.

749

Vgl. BETTMAN/JOHNSON/PAYNE (1991), S. 60.

750

Vgl. ASCHENBRENNER (1977), S. 22. sowie u.a. COOMBS/AVRUNIN (1977); TVERSKY (1972).

751

Vgl. Eine Studie, welche sich mit dem kognitiven Aufwand unterschiedlicher Entscheidungsregeln auseinandersetzt, ist die Studie von BETTMAN/JOHNSON/PAYNE (1990); PAYNE ET AL. (1990). Welchen Einfluss das Involvement auf die Entscheidungsstrategien hat, untersuchten CHANG/HUANG (2002). Soziale Einflüsse auf das Entscheiungsverhalten wurden bspw. von DIETZ/STERN (1995) untersucht. Inwiefern die Komplexität der Entscheidung und die anzahl der Alternativen die Entscheidung beeinflussen wurde von MALHOTRA (1982) untersucht. Inwiefern sich der Zeitdruck oder situative Faktoren auf das Entscheidungsverhalten auswirken wurde u. a. SHOCKER ET AL. (1991) und SIMONSON (1989) untersucht.

752

Vgl. DEVETAG (1999), S. 18.

Theoretische Grundlagen und aktueller Stand der Forschung

169

faktoren, kann eine Entscheidung anhand von Charakteristika beschrieben werden, diese umfassen die Form der Informationsverarbeitung, Anzahl der verwendeten Informationen, Vorgehensweise bei der Verarbeitung, quantitative versus qualitative Argumentation und kompensatorisch versus nicht-kompensatorisch. Diese Kriterien werden im Folgenden genutzt, um die Heuristiken zu klassifizieren und zu beschreiben. 753 Als erstes Kriterium kann die Form der Informationsverarbeitung herangezogen werden. Hierbei können konsistentes und selektives Verarbeiten von Informationen differenziert werden. Konsistentes Verarbeiten von Informationen bedeutet, dass für jede Alternative oder für jede Nutzendimension eine gleiche Anzahl an Informationen verarbeitet worden ist. Häufig wird unter konsistenter Verarbeitung von Informationen auch das Verarbeiten jeglicher relevanter Information bezüglich der Alternativen oder Nutzendimensionen verstanden. 754 Selektives Verarbeiten von Informationen bedeutet, dass die Nachfrager Alternativen oder Nutzendimensionen innerhalb ihres Entscheidungsprozesses eliminieren, ohne alle Informationen mit einzubeziehen. 755 Gründe hierfür können die Informationsflut oder die Anwendung nichtkompensatorischer Entscheidungsregeln sein, um den Entscheidungsprozess zu vereinfachen. 756 Als nächstes Kriterium kann die alternativenbasierte Verarbeitung von Informationen von der attributbasierten Verarbeitung abgegrenzt werden. Hierbei geht es darum, ob die Informationssuche und die Verarbeitung über Attribute hinweg oder innerhalb von Attributklassen stattfindet. Alternativenbasierte Heuristiken werden häufig auch als holistische oder markenbasierte Verarbeitungsformen beschrieben. Beim alternativenbasierten Verfahren, werden demnach alle Attribute eines Objektes (Marke) betrachtet und im nächsten Schritt alle Attribute des darauf folgenden Objektes (Marke). Die attributbasierte Form der Verarbeitung wird auch häufig als dimensionale Verarbeitung beschrieben, da zuerst ein Attribut für alle betrachteten Objekte verarbeitet wird, bevor das nächste Attribut betrachtet wird. Die Reihenfolge, in der die einzelnen Attribute abgearbeitet werden, kann von Heuristik zu Heuristik unterschiedlich ausgestaltet sein. Es wurde durch wissenschaftliche Studien belegt, dass die

753

Vgl. BETTMAN/JOHNSON/PAYNE (1991), S. 59 ff.

754

Vgl. PAYNE (1976a), S. 376.

755

Vgl. BETTMAN/JOHNSON/PAYNE (1991), S. 60.

756

Vgl. KROEBER-RIEL/WEINBERG/GRÖPPEL-KLEIN (2009), S. 657. sowie PAYNE (1976b), S. 386.

Theoretische Grundlagen und aktueller Stand der Forschung

170

attributbasierte Form der Verarbeitung weniger kognitiven Aufwand benötigt als die alternativenbasierte Verarbeitung. 757 Quantitative versus qualitative Vorgehensweise innerhalb der Heuristiken sind ein weiteres Merkmal anhand dessen die unterschiedlichen Heuristiken unterschieden werden können. Hierbei geht es um die Komplexität der Rechenoperationen im Rahmen der Heuristik. Bei manchen Regeln werden bspw. lediglich Werte miteinander verglichen, wohingegen bei anderen Regeln, multiplikative oder additive Rechenoperationen durchgeführt werden, was zu einer höheren kognitiven Belastung seitens des Nachfragers führt. Im Rahmen dieser Arbeit werden ausschließlich Regeln verwendet, die von Nachfragern bei Sicherheit über den Entscheidungstatbestand angewendet werden. 758 Das bedeutet, über die Marken innerhalb seines Consideration Sets besitzt er jegliche für den Kauf relevante Information. Die am häufigsten verwendeten kompensatorischen Entscheidungsregeln in diesem Kontext stellen die „Equal Weight Heuristic“ (EQW), die „Weighted Additive Heuristic“ (WADD) sowie die „Majority of confirming Dimensions Heuristic“ (MCD) dar. 759 Die WADD Heuristik wird in der Kognitionspsychologie auch als MAU-Regel bezeichnet. 760 Der Entscheider bestimmt für jede Option ihren Gesamtnutzenwert, als die Summe aus den Produkten der Wichtigkeit, mit dem jeweiligen Partialnutzenwert. Sie ist eine Verfeinerung der EQW Regel, welche die Nutzenwerte ohne eine Berücksichtigung der Wichtigkeit generiert. Auch wenn Nachfrager keine linearen Gleichungen bei ihren Entscheidungen verwenden, stellen diese robuste Modelle des Entscheidungsverhaltens dar. 761 Zahlreiche empirische Studien fanden heraus, dass die WADD Regel das menschliche Entscheidungsverhalten angemessen erklärt. 762 Als weitere kompensatorische 763Entscheidungsregel wird die MCD Regel herangezogen, die ein anderes Beurteilungskonzept verfolgt. Diese Heuristik führt zwischen den Alternativen Paarvergleiche hinsichtlich jedes Attributes durch. Die Bewertungen auf jedem Attribut werden verglichen und die Alternative,

757

Vgl. RUSSO/DOSHER (1983), S. 676 ff.

758

Vgl. JUNGERMANN/PFISTER/FISCHER (2005). S. 279.

759

Vgl. BETTMAN/LUCE/PAYNE (1998).

760

Vgl. JUNGERMANN/PFISTER/FISCHER (2005), S. 124.

761

Die Eignung der WADD-Regel als psychologisches Modell hängt von zwei Bedingungen ab, die im Vorfeld erfüllt sein müssen. Die erobenen Attribute müssen vergleichbar sein und Präferenzunabhängigkeit aufweisen. Vgl. EISENFÜHR/WEBER (2002).

762

Vgl. FISCHER (1979); VON WINTERFELDT/EDWARDS (1982).

763

Vgl. RUSSO/DOSHER (1983), S. 692 ff.

171

Theoretische Grundlagen und aktueller Stand der Forschung

welche auf den meisten Attributen gewinnt, wird durch den Nachfrager ausgewählt. RUSSO/DOSHER (1983) fanden heraus, dass die MCD Heuristik sich ebenfalls dazu eignet, das Entscheidungsverhalten darzustellen. Sie ist jedoch nicht so genau wie die zuvor vorgestellten kompensatorischen Regeln. Die häufigsten nicht-kompensatorischen Regeln sind die „lexikographic Heuristic“ (LEX), „Elimination by Aspects“ (EBA) und die „Satisficing Heuristic“ (SAT). 764 Als Eliminationsregeln werden die LEX Regel und die EBA Regel bezeichnet, Bei der LEX Regel zieht der Nachfrager das wichtigste Attribut für seine Entscheidung heran und vergleicht die Alternativen. Die Alternative, die auf dem für ihn wichtigsten Attribut am besten abschneidet, wählt er aus. Bei der EBA Regel hingegen werden die Alternativen zuerst auf dem wichtigsten Attribut gegen einen Schwellenwert getestet. Die Alternative, die den Schwellenwert überschreitet, wird ausgewählt. Bei der SAT Regel gilt dies für alle Attribute. Es wird also nur eine Alternative ausgewählt, die mit allen Attributen über dem Schwellenwert liegt. In der folgenden Tabelle sind die einzelnen Heuristiken hinsichtlich der beschrieben Kriterien kategorisiert.

Name der Heuristik

Kompensatorisch (K) versus nichtkompensatorisch (NK)

Konsistentes (K) versus selektives (S) Verarbeiten von Informationen

Anzahl verarbeiteter Informationen

Alternativenbasierte (AL) versus Attributbasierte (AT) Verarbeitung

Quantitative (QN) versus qualitative (QL) Argumentation

Bildung von Gesamturteilen (Ja versus Nein)

Weighted Additive Rule (WADD)

K

K

extensiv

AL

QN

Ja

Equal Weight Heuristic (EQW)

K

K

extensiv

AL

QN

Ja

Elimination by aspects (EBA)

NK

S

variabel

AT

QL

Nein

Satisficing (SAT)

NK

S

variabel

AL

QL

Nein

Lexicographic Heuristic (LEX)

NK

S

limitiert

AT

QL

Nein

Majority of Confirming Dimensions (MCD)

K

K

extensiv

AT

QN

Ja

Abbildung 28: Charakterisierung und Einordnung von Wahlheuristiken. Quelle: In Anlehnung an BETTMAN/JOHNSON/PAYNE (1991), S. 61.

In Kapitel C ist die formale Darstellung und Implementierung der einzelnen Entscheidungsregeln in das agentenbasierte Simulationsmodell beschrieben. Es ist dann

764

Vgl. ASCHENBRENNER (1977); BETTMAN/JOHNSON/PAYNE (1991); BETTMAN/LUCE/PAYNE (1998); DEVETAG (1999); JUNGERMANN/PFISTER/FISCHER (2005), S. 120 ff.

Theoretische Grundlagen und aktueller Stand der Forschung

172

möglich, den einzelnen Agenten entweder eine kompensatorische oder eine nichtkompensatorische Entscheidungsregel zuzuweisen. 3.2.4 Kommunikation Kommunikation zwischen den Agenten innerhalb einer Simulation kann auf vielfältige Art und Weise geschehen. Sie ist das zentrale Element sozialer Interaktion, da die Agenten durch Kommunikation in der Lage sind, ihr Verhalten zu beeinflussen oder aufeinander auszurichten. Kommunikation kann grundlegend in verbale und nonverbale Kommunikation unterschieden werden. Nonverbale Kommunikation umfasst sämtliche Gestiken, Mimiken, Körperhaltungen oder Modulationen der Stimme, die dazu dienen können, Informationen zu enkodieren. Bei der menschlichen Kommunikation stellt die nonverbale Kommunikation die Möglichkeit zum Ausdruck der Gefühle dar und läuft meistens unterbewusst ab. 765 Eine Modellierung nonverbaler Kommunikation in einem Agentenmodell ist bis jetzt noch nicht implementiert worden. Aus diesem Grund wird diese Form der Kommunikation nicht weiter betrachtet. Verbale Kommunikation zwischen den Agenten ist jedoch ein essentieller Bestandteil agentenbasierter Modelle. Diese Form der Kommunikation kann in direkte und indirekte Kommunikation unterschieden werden. Das allgemeine Modell direkter Kommunikation innerhalb agentenbasierter Systeme wird als Message Passing beschrieben und kann Abbildung 29 entnommen werden.

Sender

Kodierung durch Sender

Kanal

Dekodierung durch Empfänger

Empfänger

Feedback

Abbildung 29: Einfaches direktes Kommunikationsmodell Quelle: In Anlehnung an HOMBURG/KROHMER (2009), S. 735.

Der Sender (Agent) kodiert und sendet eine Information an den Empfänger. Der Empfänger dekodiert diese Information und sendet Feedback. Das Message Passing ist demnach ein zielgerichteter Prozess. Eine Kommunikationsabfolge kann somit als Dialog bezeichnet werden, sobald mehrmals Informationen zwischen den Agenten

765

Vgl. URBAN (2005), S. 54.

173

Theoretische Grundlagen und aktueller Stand der Forschung

ausgetauscht werden. 766 Für die Modellierung eines solchen Kommunikationsprozesses brauchen die Agenten das gleiche Wissen bezüglich des Kommunikationsthemas (dient als Motivator für die eigentliche Kommunikation), den Kommunikationsprozess (das beinhaltet Format- und Semantikdefinition der Botschaften, Dialogkonventionen und das Wissen über Kommunikation als Prozess) und Wissen über den konkreten Kommunikationsablauf. 767 Die zweite Form der Verständigung in agentenbasierten Systemen kann als indirekte Kommunikation bezeichnet werden (vgl. Abbildung 30).

Sender

Kodierung

Frei zugreifbarer Speicher

Zugriff und Dekodierung

Empfänger

Abbildung 30: Einfaches Modell des shared-memory Verfahrens Quelle: In Anlehnung an NEWELL (1962), S. 67.

Die indirekte Kommunikation oder das shared-memory Verfahren stellt den Agenten ein gemeinsames Speichermedium zur Verfügung, aus dem sie lesen und in das sie schreiben können (Blackboard-Metapher). 768 Hier kodiert der Sender seine Nachricht und legt diese an einem Ort ab, der für alle anderen Agenten zugänglich ist. Die Agenten können daraufhin hinsichtlich ihrer Ziele, Bedürfnisse oder Aufgaben die bereitgestellte Information nutzen. 769 Dieses Verfahren wird vielfach in der verteilten künstlichen Intelligenz angewendet, wo versucht wird, ein Problem anhand von kooperierenden Agenten zu lösen. 770 TROITZSCH unterscheidet im Rahmen agentenbasierter Simulation vier Formen von Verständigung: Kein Austausch, Transmission, Kommunikation und Interaktion. Transmission bedeutet das Senden von Information, diese kommt jedoch bei den

766

Vgl.NEWELL (1962), S. 70.

767

Vgl. HUHNS/STEPHENS (2000), S. 83 ff.

768

Vgl. NEWELL (1962), S. 67. Die Blackboard Metapher geht zurück auf NEWELL (1962) „[Metaphorically we can think of a set of workers, all looking at the same blackboard: each is able to read everything that is on it, and to judge when he has something worthwile to add to it. This conception is just that of Selfridges Pandemonium: a set of demons, each independently looking at the total situation and shrieking in proportion to what they see that fits their nature.”

769

Vgl. URBAN (2005), S. 55.

770

Vgl. MÜLLER (1993), S. 9.

Theoretische Grundlagen und aktueller Stand der Forschung

174

anderen Agenten nicht an. Kommunikation bedeutet das Senden von Information, die von anderen Agenten wahrgenommen wird. Die Agenten antworten jedoch nicht auf die ihnen gesendete Information. Erst bei der Interaktion reagieren Agenten auf eine ihnen zugesandte Information und senden ihrerseits Informationen zurück. 771 Diese Form der Verständigung wird auch als bidirektionale reziproke Kommunikation beschrieben. Sie eignet sich, um die soziale Interaktion der einzelnen Agenten darstellen zu können. Nachfrager kommunizieren im Laufe ihrer Kaufentscheidung mit anderen Nachfragern bspw. über Empfehlungen. 772 Die Möglichkeit, dies in einem agentenbasierten Modell darstellen zu können, soll im Folgenden genutzt werden. Der Einfluss der sozialen Interaktion innerhalb von Positionierungsmodellen ist bisher noch nicht anhand von Modellen untersucht worden. Das „Shared Memory Verfahren“ eignet sich darüber hinaus auch, um Markenrepositionierungen innerhalb eines Modells darzustellen. Dies ermöglicht dem Modellierer, die zeitliche Durchsetzung einer Markenrepositionierung abzubilden, indem bspw. nicht alle Nachfrageragenten zum gleichen Zeitpunkt die neuen Informationen bezüglich der Markenrepositionierung wahrnehmen. 3.3 Eignung agentenbasierter Modelle für die Analyse von Markenrepositionierungen Zu Beginn der Arbeit wurde die Frage aufgeworfen, ob agentenbasierte Simulation in der Lage ist, die Wirkungen von Markenrepositionierungen zu erklären und zu prognostizieren. Nach den theoretischen Ausführungen soll nun anhand bisher existierender Simulationsmodelle die Eignung agentenbasierter Simulation zur Beantwortung der Frage festgestellt werden. Marketingwissenschaftliche Fragestellungen werden seit Ende der neunziger Jahre im Rahmen agentenbasierter Simulationsmodelle untersucht. 773 Insbesondere wurden Modelle zur Erforschung der Neuproduktdiffusion, des Einkaufstättenwahlverhaltens und des Konsumentenentscheidungsprozesses entwickelt. 774 Grundsätzlich kann man die Modelle in Prognose- und Er-

771

Vgl. WOOLDRIDGE (2000), S. 32.

772

Vgl. ROSEN/OLSHAVSKY (1987) fanden in ihrer Studie heraus, dass Empfehlungen, die ein Nachfrager im Rahmen seines Entscheidungsprozesses bekommt, auf unterschiedliche Weise in die Wahlentscheidung mit einbezogen wird. Entweder in Form eines Attributes oder in Form eines neuen Produktes innerhalb des Consideration Sets. Dieser Umstand wird in Kapitel weiter vertieft und analytisch dargestellt. Vgl. ROSEN/OLSHAVSKY (1987), S. 441 ff.

773

Die ersten Arbeiten unter Einbezug kaufverhaltenstheoretischer Erkenntnisse sind die Studien von JANSSEN/JAGER (1999).

774

Modelle zum Einkaufstättenwahlverhalten werden im Rahmen der folgenden Eignungsprüfung nicht untersucht, da sie nicht das Kaufverhalten von Marken oder Positionierungsentscheidungen (Fortsetzung der Fußnote auf der nächsten Seite)

Theoretische Grundlagen und aktueller Stand der Forschung

175

klärungsmodelle unterscheiden. Agentenbasierte Erklärungsmodelle des Kaufverhaltens untersuchen in der Regel Teilaspekte des gesamten Konsumentenentscheidungsprozesses, um Gesetzmäßigkeiten und Einflussfaktoren zu identifizieren. Prognosemodelle versuchen zumeist auf Basis empirischer Daten zukünftige Marktentwicklungen zu prognostizieren und diese in ökonomischen Kennzahlen wiederzugeben. Hierbei greifen konzeptbasierte Modelle nicht auf empirische Daten zurück, sondern auf fiktive Daten, welche zum Zweck des Modells generiert werden. 775 Datenbasierte Modelle hingegen greifen auf empirisch gewonnene Daten zurück, um die einzelnen Variablen zu operationalisieren und das Modell zu parametrisieren. Da Positionierungsmodelle herangezogen werden können, um das Markenwahlverhalten zu erklären, werden im Folgenden lediglich agentenbasierte Modelle vorgestellt, die sich mit dem Kaufentscheidungsprozess oder dem Wahlverhalten von Nachfragern auseinandersetzen, um Ansatzpunkte für ein agentenbasiertes Repositionierungsmodell zu gewinnen. 3.3.1 Erklärungsmodelle 3.3.1.1 Das Modell von JANSSEN/JAGER (1999) JANSSEN/JAGER (1999) entwickelten ein Modell zu Erklärung von nachfragerseitigen Lock-In-Strukturen. 776 Ein nachfragerseitiges Lock-In tritt auf, sobald ein Produkt oder eine Technologie einen Markt so stark dominiert, dass eine Umkehr quasi unmöglich erscheint. Um die Dynamik der lokalen Interaktionen modellieren zu können, wurde das konzeptionelle Modell auf Basis zellulärer Automaten implementiert. Innerhalb des Modells werden die Agenten mit vier Möglichkeiten kognitiver Prozesse ausgestattet, welche in eine Cobb-Douglas-Nutzenfunktion überführt werden. 777 Die

behandeln. Vgl. für Studien zum Einkaufsstättenwahlverhalten SCHENK/LÖFFLER/RAUH (2007). Gleiches gilt für Modelle zur Neuproduktdiffusion vgl. DELRE ET AL. (2007) sowie EREZ/MOLDOVAN/SOLOMON (2007). 775

Im Rahmen agentenbasierter Modelle werden einzelne Variablen anhand von ausgewählten Verteilungen generiert und deren Einfluss gemessen.

776

Vgl. JANSSEN/JAGER (1999), S. 8 f. Ein prominentes Beispiel hierfür ist die QWERTY Tastatur, die sich durchgesetzt hat, obwohl wesentlich ergonomischere Lösungen für die Anordnung der Buchstaben auf einer Tastatur entwickelt worden sind. Vgl. D AVID (2008), S. 336 ff.

777

Vgl. JANSSEN/JAGER (1999), S. 11.

Theoretische Grundlagen und aktueller Stand der Forschung

176

zwei wesentlichen Charakteristika der Prozesse sind der Grad an Bedürfnisbefriedigung und Unsicherheit. 778 JANSSEN/JAGER (1999) implementieren unterschiedliches Kaufverhalten der Agenten auf Basis der „Theory of planned Behaviour“. 779 Bewusste Käufe zeichnen sich innerhalb des Modells durch ein extensives Informationsverhalten aus, die Agenten nehmen die nötigen Information auf und vergleichen diese mit ihrem internen Wissenszustand und fällen daraufhin ihre Kaufentscheidung (dies ist der Fall bei niedriger Bedürfnisbefriedigung und geringer Unsicherheit). Die zweite Form von Entscheidungen bezieht sich auf den sozialen Vergleich mit anderen Agenten. Bevor der Nachfrager seine Kaufentscheidung trifft, beobachtet er erst das Kaufverhalten der anderen Agenten in seinem Umfeld, um die Ergebnisse in seine Entscheidung mit einfließen zu lassen (dies ist der Fall bei niedriger Bedürfnisbefriedigung und hoher Unsicherheit). Im Fall der Wiederholung bisherigen Verhaltens vergleicht der Agent nicht die wahrgenommen Informationen mit seinem internen Wissenszustand, er wiederholt einfach sein Kaufverhalten aus der letzten Periode (dies ist der Fall bei hoher Bedürfnisbefriedigung und niedriger Unsicherheit). Der vierte Prozess wird durch die Imitation des Verhaltens des letzten Agenten determiniert, mit dessen Verhalten er sich verglichen hat (dies ist der Fall bei hoher Bedürfnisbefriedigung und hoher Unsicherheit). Die einzelnen Modellparameter wurden konzeptionell hergeleitet und basieren nicht auf empirischen Daten. Trotzdem ist es gelungen, unterschiedliche Formen des Kaufverhaltens innerhalb einer agentenbasierten Simulation zu implementieren, die es ermöglicht, heterogene Käuferschaften darzustellen. Somit kann konstatiert werden, dass agentenbasierte Modelle sich grundsätzlich eignen, unterschiedliches Kaufverhalten innerhalb einer Simulation darzustellen. Aufgrund der vielen Variablen wurde eine Gleichverteilung für die Gammaparameter der Cobb-Douglas-Funktion verwendet. 780 Die Kernergebnisse des Modells beziehen sich auf zwei Lock-In Formen, räumliche und globale Lock-Ins. Globale Lock-Ins treten immer dann auf, wenn bei der Kaufentscheidung der persönliche Geschmack wenig Gewicht hat. Dies ist eher bei Produkten des täglichen Konsums der Fall. Ein

778

Das Level Bedürfnisbefriedigung innerhalb des Modells variiert zwischen null und eins und setzt sich aus den gewichteten Durchschnitten der einbezogenen Nutzendimensionen (identity, personal taste, leisure and subsistence) zusammen. Die Unsicherheit bei den Kaufentscheidungen wird innerhalb des Modells durch den Abstand der erwarteten Nutzenbefriedigung (vorheriger Kauf eines Produktes in t-1) mit der tatsächlichen Nutzenbefriedigung (Kauf des neuen Produktes in t) ermittelt. Vgl. JANSSEN/JAGER (1999), S. 11.

779

Vgl. JAGER (1997), S. 29 ff.

780

Vgl. JANSSEN/JAGER (1999), S. 15.

Theoretische Grundlagen und aktueller Stand der Forschung

177

Räumliches oder partielles Lock-In entsteht immer dann, wenn das Bedürfnis nach Identität (also eher symbolischen Nutzendimensionen) wie Prestige, Selbstverwirklichung etc. sehr stark ausgeprägt ist. 781 Ein ähnliches Modell wurde von JANSSEN/JAGER (2003) als Multiagentensystem entwickelt. Der Fokus wurde diesmal jedoch auf die Untersuchung der Agentennetzwerke gelegt. Es wurde auf der einen Seite ein Small-World-Netzwerk 782 nach dem Ansatz von WATTS/STROGATZ (1998) 783 implementiert und auf der anderen Seite wurde mit scale-free Netzwerken gearbeitet, um diese Formen gegeneinander zu testen. 784 Zuerst wurde festgestellt, dass die Größe des jeweiligen Netzwerks einen wichtigen Einfluss auf die Selbstorganisation des Marktes hat. Bei scale-free Netzwerken ist die Anzahl der Marken, die den Markt dominieren, kleiner als bei Small-WorldNetzwerken. 785 Anhand dieser Simulation wird der Einfluss sozialer Komponenten auf das Kaufverhalten erfolgreich simuliert. 3.3.1.2 Das Modell von KEMP (1999) KEMP (1999) entwickelte ein Wahlverhaltensmodell, welches explizit exogene und endogene Effekte des Verbraucherverhaltens ausschließt. 786 Um von den Einflüssen auf das Kaufverhalten zu abstrahieren, wird als Nutzenfunktion eine Sinus-Verteilung angenommen. Der Hintergrund für die Studie war nicht, eine Funktion auszuwählen, die individuelle Präferenzen möglichst genau abbildet, sondern lediglich die variierende Stärke von Präferenzen im Zeitablauf darzustellen. 787 Im Rahmen der Simulationen traten trotz fehlender Einflussfaktoren, dramatische Veränderungen im Rah-

781

Vgl. JANSSEN/JAGER (1999), S. 20.

782

Das Kleine-Welt-Phänomen wurde 1967 von Stanley Milgram als soziologischer Begriff geprägt. Er bezeichnet innerhalb der sozialen Vernetzung in der modernen Gesellschaft den hohen Grad abkürzender Wege durch persönliche Beziehungen. Er beschreibt eine Hypothese, nach der jeder soziale Akteur auf der Welt mit jedem anderen über eine überraschend kurze Kette von Bekanntschaftsbeziehungen verbunden ist. Vgl. MILGRAM (1969), S. 103 ff. Im Rahmen der Modellierung werden einzelne Akteure als Knoten und ihre Beziehung zueinander als Kanten beschrieben.

783

Zu Netzwerken siehe ausführlich WATTS/STROGATZ (1998), S. 440.

784

Scale-free Netzwerke sind eine Unterform von Small-World Netzwerken und sind durch eine Verbundenheits-Verteilung charakterisiert, welches nach einem Potenzgesetz zerfällt. Vgl. AMARAL ET AL. (2000), S. 11150.

785

Vgl. JANSSEN/JAGER (2003), S. 354.

786

Vgl. KEMP (1999), S. 1.

787

Vgl. KEMP (1999), S. 8. Dies ist bei der Sinus-Funktion gegeben, da sie nichtlinear ist und eine Wellenform besitzt. Darüber hinaus wurde die Sinus-Funktion ausgewählt, da postuliert wird, dass Produkte interessanter werden, sobald mehr Leute sie nutzen, bis zu dem Grad, wo es zu viele Leute nutzen. Vgl. hierzu u. a. ARTHUR (1994), S. 406 ff.

Theoretische Grundlagen und aktueller Stand der Forschung

178

men des Kaufverhaltens auf. Die Kaufverhaltensmuster veränderten sich ohne einen wirklichen Grund, welches zu der Annahme führt, dass es bei sequentiellem Kaufverhalten kein klar determiniertes Marktgleichgewicht gibt. KEMP (1999) drückt dies so aus „Changes can arise spontaneously through self-organisation, as small chance events in a system’s past can, over time, have a large collective influence. 788 Das eigentliche Kernergebnis der Studie zeigt, dass in der Vergangenheit durchgeführte Käufe zukünftige Käufe bedingen, und dadurch ohne weitere Einflussfaktoren emergente Phänomene ohne ersichtlichen Grund entstehen können. 789 Dies bestätigt die These, dass Selbstorganisation als Naturphänomen ebenfalls ein Charakteristikum von ökonomischen Systemen sein kann. 790 Für die Erklärung des Kaufverhaltens bedeutet das, dass auch nach einer Abstraktion von sämtlichen kausalen Einflussfaktoren (z. B. Preis, Kommunikation, Repositionierungen) auf das Kaufverhalten Schwankungen im Wahlverhalten der Nachfrager ohne einen erkennbaren Grund existieren können. 791 3.3.1.3 Das Modell von ZHANG/ZHANG (2007) ZHANG/ZHANG (2007) führten eine agentenbasierte Studie durch, um den Einfluss des Decoy-Effektes 792 auf den Kaufentscheidungsprozess zu untersuchen. Bei der Modellierung des Entscheidungsprozesses wird auf eine Motivationsfunktion zurückgegriffen, welche die persönlichen psychologischen Besonderheiten jedes Agenten und zwei wichtigen Interaktionsformen (positive und negative Mund-zu-Mund Kommunikation) in Wettbewerbsintensiven Märkten kombiniert. Zum einen werden die Interaktionen zwischen den Nachfragern und zum anderen werden die Interaktionen zwischen Nachfragern und Markenmanagern simuliert. 793 Die Interaktionen zwischen den Nachfragern umfassen Empfehlungen, Disqualifikationen und Gerüchte, die die persönlichen Einstellungen beeinflussen. Die Interaktionen zwischen den Marken

788

Vgl. KEMP (1999), S. 18.

789

Vgl. KEMP (1999), S. 19.

790

Vgl. KRUGMAN (1998), S. 1 ff.

791

Vgl. KEMP (1999), S. 19

792

Der sogenannte Attraktions- oder Köder-Effekt ist einer der robustesten Verzerrungen innerhalb des Nachfragerverhaltens. Er bezieht sich auf eines der ökonomischen Basisprinzipien, dass ineffiziente, dominierte Alternativen die Kaufentscheidung nicht beeinflussen. Jedoch haben viele Experimente das Gegenteil bewiesen. Vgl. ZHANG/ZHANG (2007), S. 917. sowie DEVETAG (1999), S. 11.

793

Vgl. ZHANG/ZHANG (2007), S. 915.

179

Theoretische Grundlagen und aktueller Stand der Forschung

und den Nachfragern belaufen sich auf Preis- oder Qualitätsänderungen und Werbeintensität. Die Entscheidungssituation innerhalb des Modells umfasst die Entscheidung zwischen zwei Marken (A, B). Marke A hat eine höhere Qualität im Gegensatz zu Marke B, ihr Preis ist jedoch viel höher, die Nachfrager stehen also vor einem Preis/Qualitäts Trade-off. In der ursprünglichen Situation entscheiden sich 55% der Nachfrager für Marke A und 45% für Marke B. Im Rahmen der Simulation wird daraufhin eine Marke C (Ködermarke) eingeführt, die im Preis und in der Qualität von B dominiert wird, jedoch bezüglich des Preises eine Alternative zu A darstellt. Kein Nachfrager wählt Marke C, da sie sichtlich schlechter ist als die anderen Alternativen (vgl. Abbildung 31). Es entsteht jedoch eine drastische Veränderung des Wahlverhaltens der Nachfrager bezüglich der ursprünglichen Marken A und B. 60% der Nachfrager entscheiden sich nun für die Marke B (+15%) und lediglich 40% (-15%) für Marke A.

Qualität

A

B C

Preis

Abbildung 31: Schematische Darstellung des Ködereffektes. Quelle: Eigene Darstellung.

Der Einfluss des Köder-Effektes ist einer der robustesten Kontextfaktoren des Kaufverhaltens und ist schon in zahlreichen Studien belegt worden. 794. Die verschiedenen Simulationswellen ergaben, dass je ausgeprägter die Interaktionen zwischen den Agenten sind, je größer ist der Ködereffekt und die Nachfrager ändern ihre Marken-

794

Vgl. DEVETAG (1999), S. 11.

Theoretische Grundlagen und aktueller Stand der Forschung

180

präferenzen. Sobald die Interaktionen zwischen den Agenten unterbunden wurden, hatte der Ködereffekt nur noch einen geringen Einfluss auf die Präferenzbildung. 795 Anhand der Studie von ZHANG/ZHANG (2007) kann gezeigt werden, dass es möglich ist, auf Basis agentenbasierter Modelle Anomalien des menschlichen Kaufverhaltens zu simulieren, die dem rationalen Wahlverhalten bisheriger Positionierungsmodelle entgegenstehen. Die zentralen Ergebnisse der einzelnen Modelle sowie deren theoretischer Hintergrund sind in Tabelle 18 zusammenfassend dargestellt.

795

Vgl. ZHANG/ZHANG (2007), S: 921.

181

Theoretische Grundlagen und aktueller Stand der Forschung

Theoretischer Hintergrund

Autoren/Jahr

Titel des Modells

Janssen/Jager 1999

An integrated approach to simulating behavioural processes: A case study of the lock-in of consumption patterns

Kaufverhaltenstheorie

Erklärungsmodell

Kemp 1999

Spontaneous Change, Unpredictability and Consumption Externalities

Kaufverhaltenstheorie, Komplexitätstheorie

Erklärungsmodell

Janssen/Jager 2003

Simulating Market Dynamics: Interactions between Consumer Psychology and Social Networks

Kaufverhaltenstheorie, Netzwerktheorie

Erklärungsmodell

Zhang/Zhang 2007

Agent-based simulation of consumer purchase decisionmaking and the decoy effect.

Kaufverhaltenstheorie

Erklärungsmodell

Tabelle 18:

Zweck des Modells

Inhalt/Ergebnisse des Modells Globale Lock-Ins treten hauptsächlich auf, wenn der persönliche Geschmack der Nachfrager keinen großen Einfluss auf die Kaufentscheidung hat, sondern die Entscheidung eher preisgetrieben gefällt wird. Partielle Lock-Ins treten jedoch häufiger auf, wenn das Bedürfnis nach Identität einen großen Einfluss besitzt. Gegenstand des Modells ist die Erforschung emergenten Verhaltens im Rahmen von Kaufentscheidungen. Zentrales Ergebnis des Modells ist es, dass starke Veränderungen des Verhaltens von Individuen spontan ohne einen Katalysator oder einen offensichtlichen Auslöser entstehen kann. Neben den Bedürfnissen der Nachfrager und deren Entscheidungsprozessen hat die Form des Netzwerks, in denen sich die Konsumenten befinden, einen erheblichen Einfluss auf die Selbstorganisation des Marktes. Insbesondere Early Adopter haben in vielen Produktsegmenten einen sehr starken Einfluss. Modellierung des Wahlverhaltens von Konsumenten unter besonderer Berücksichtigung des Ködereffektes auf Basis einer Motivationsfunktion.

Agentenbasierte Studien, die explizit das Wahlverhalten der Agenten berücksichtigen Quelle: Eigene Darstellung.

Die geringe Anzahl agentenbasierter Studien, die versuchen das Wahlverhalten zu integrieren und zu erklären zeigt, dass trotz des großen methodischen Potentials die Methodik noch keinen Eingang in die Marketingwissenschaften gefunden hat. Anregungen für ein empirisch basiertes Modell können jedoch aus der Studie von ZHANG/ZHANG (2007) gewonnen werden, welche die soziale Interaktion zwischen den Agenten als Mund-zu-Mund-Kommunikation operationalisiert haben.

Theoretische Grundlagen und aktueller Stand der Forschung

182

3.3.2 Prognosemodelle 3.3.2.1 Das Modell von MAZANEC (2006) MAZANEC (2006) untersuchte innerhalb eines agentenbasierten Simulationsexperiments die Effektivität von wahrnehmungsbasierten Segmentierungsstrategien. 796 Im Vordergrund der Studie steht die Beziehung von Marketingstrategien zu Wahlregeln, Präferenzunterschieden und –variabilität. Der Untersuchung von MAZANEC (2006) liegen mehrere Hypothesen zugrunde. Die zentrale Hypothese ist, dass die Verteilung der unterschiedlichen kompensatorischen und nicht-kompensatorischen Wahlregeln innerhalb der Nachfragerpopulation einen Einfluss auf den Profit der im Markt agierenden Unternehmen hat. 797 Diese Hypothese kann durch das Experiment bestätigt werden. Wahlregeln, insbesondere nicht-kompensatorische Wahlregeln, wurden innerhalb der Positionierungsforschung in den letzten Jahren vernachlässigt. Das Modell von MAZANEC hingegen lässt darauf schließen, dass das Wissen über den tatsächlichen Mechanismus der Kaufentscheidung, ein wesentlicher Erfolgsfaktor für die erfolgreiche Anwendung von Positionierungsstrategien ist. Im Zuge dessen wird eine Anwendung unterschiedlicher Wahlregeln innerhalb des agentenbasierten Repositionierungsmodells vorgenommen, um die bisherigen Ergebnisse von MAZANEC (2006) im Rahmen der Segmentierung durch weitere Aspekte hinsichtlich der Markenpositionierung zu vertiefen. 3.3.2.2 Das Modell von VAG (2007) VAG (2007) entwickelte ein dynamisches conjoint Model, welches auf empirischen Daten basiert. Es ist nach Kenntnis des Autors das einzige agentenbasierte Prognosemodell zurzeit, welches empirisch erhobene Daten verarbeitet. Innerhalb des Models gibt es drei Kernblöcke, die Gesellschaft, den Markt und den Nachfrager als Individuum.

796

Vgl. MAZANEC (2006), S. 52.

797

Vgl. MAZANEC (2006), S. 57.

183

Theoretische Grundlagen und aktueller Stand der Forschung

Individual Society

Group and peer communication

Reference Group, Opinion Leader Preferences

Post Purchasing Satisfaction

Product Concept Preferences

Market

Purchasing Motivations

Purchasing

Consumer Behavior Adoption

Market-Share Changes

Abbildung 32: Schematischer Aufbau des Modells von VAG (2007). Quelle:VAG (2007), S. 907.

VAG (2007) beschreibt den Ablauf des Modells anhand von vier Stufen: 1) Im Rahmen einer conjointanalytischen Untersuchung wurden die notwendigen Nachfragerdaten (Teilnutzenwerte) bezüglich der untersuchten Produkte erhoben. Sie bilden die Grundlage für die Modellierung der einzelnen Nachfrager. 798 2) Darüber hinaus wurden für den Gesellschaftsblock Daten erhoben, die das Kommunikationsverhalten der Nachfrager repräsentieren. 3) Durchführung der Simulationen anhand des Modells. 4) Interpretieren der Daten. Neben der Kommunikation wirken sich der Kauf oder der Nicht-Kauf eines Produktes direkt auf die Motivation der Nachfrager aus. Die Motivation für den Kauf einer Marke wird innerhalb des Modells über die Zufriedenheit modelliert. 799 Sobald Präferenzveränderungen bei den einzelnen Nachfragern auftreten, werden die Gruppenpräferenzen determiniert. Was einen Rückkopplungseffekt zur Folge hat, der die individuellen Präferenzen der Nachfrager beeinflusst (sozialer Einfluss in Form von Gruppenverhalten). 800 Kernziel des Modells ist es, zukünftige Marktanteile auf Basis des dargestellten Konsumentenverhaltens zu prognostizieren. Die zentralen Ergebnisse der einzelnen Studien sowie deren theoretischer Hintergrund sind in Tabelle 19 zusammenfassend dargestellt.

798

Vgl. VAG (2007), S. 904.

799

Leider sind die verwendeten Algorithmen nicht einsehbar für den Leser, aus diesem Grund kann keine Bewertung der verwendeten Funktionen vorgenommen werden.

800

Vgl. VAG (2007), S. 907 f. Leider ist das Modell zum Zeitpunkt der Veröffentlichung noch nicht in der Lage, sinnvolle Ergebnisse zu produzieren. Aus diesem Grund wird auf eine Darstellung der Kernergebnisse verzichtet.

Theoretische Grundlagen und aktueller Stand der Forschung

184

Autoren/Jahr

Titel des Modells

Theoretischer Hintergrund

Mazanec 2006

Evaluating perceptionsKaufbased market- verhaltenstheorie ing strategies

Vag 2007

Simulating changing Consumer preferences: A dynamic conjoint Model.

Tabelle 19:

Zweck des Modells

Inhalt/Ergebnisse des Modells Ziel des Modells ist die Effektivitätsmessung von Perception-based Segmentierungsansätzen. Kernergebnis ist, dass die PerVorhersagemodell formance der Segmentierungsstrategien von den Entscheidungsregeln, der Klarheit und der Adaptivität der Segmente abhängt.

Verständnis von PräfeKaufrenzveränderungen bei den verhaltenstheorie, Vorhersagemodell Konsumenten unter beNetzwerktheorie sonderer Berücksichtigung der Kommunikation.

Agentenbasierte Prognosemodelle.

Das Modell von VAG (2007) stellt das erste empirische Multiagentenmodell dar, welches sich mit dem Kaufverhalten von Nachfragern auseinandersetzt. Aus diesem Modell können zahlreiche Ansatzpunkte für ein agentenbasiertes Repositionierungsmodell gewonnen werden, da es wie bei einem Repositionierungsmodell den zukünftigen Marktanteil als Zielvariable aufweist. Das Modell von MAZANEC (2006) untersucht unterschiedliche Entscheidungsregeln im Rahmen der Marktsegmentierung. Den Vorteil von agentenbasierten Systemen, individuelle Entscheidungsregeln vergeben zu können, ist ein Ansatzpunkt für ein agentenbasiertes Repositionierungsmodell der im Folgenden weiterverfolgt wird. 3.4 Abschließende Bewertung agentenbasierter Modelle zur Analyse von Markenrepositionierungen Das vorangegangene Kapitel hat gezeigt, dass die Methodik der agentenbasierten Simulation Möglichkeiten zur Prognose zukünftigen Markenwahlverhaltens und zu seiner Erklärung bereithält. Zum einen ist es möglich, wie in dem Modell von ZHANG/ZHANG (2007) dargestellt, Einflüsse auf das Kaufverhalten von Individuen zu modellieren. Die Prognose zukünftigen Verhaltens wurde anhand des Beispiels von VAG (2007) belegt. Leider existiert bis heute kein kohärentes Forschungsprogramm, was zu vagen Vorstellungen hinsichtlich der Simulation als Methode führt. Dies drückt sich insbesondere durch Schwächen in der theoretischen Fundierung, unspezifischen Zielsetzungen und einer verzögerten Konsolidierung bei der Formulierung von Regeln und der Gestaltung des Agentendesigns aus. Darüber hinaus gibt es keine allgemeingültigen Empfehlungen hinsichtlich der Auswahl von Softwareinstrumenten oder der Validierung und Verifikation von Simulationsergebnissen. Trotzdem

Theoretische Grundlagen und aktueller Stand der Forschung

185

ist es möglich, anhand der agentenbasierten Simulationsmethode, räumlich verteilte Systeme heterogener autonomer Akteure darzustellen. Insbesondere die Darstellung begrenzter Verarbeitungskapazitäten kann durch agentenbasierte Simulation gewährleistet werden. Die Möglichkeit der flexiblen Erschaffung virtueller Märkte, die ähnliche Eigenschaften aufweisen wie reale Märkte, ist ein großer Vorteil agentenbasierter Modellierung. 801 Dies ist auf die intuitive Modellierung zurückzuführen, die es ermöglicht, den betrachteten Prozessschritt des Kaufverhaltens mittels eines Softwareprogramms in ein Formalmodell zu überführen. Im Sinne des logischen Formalismus muss dann im Rahmen der Programmierung die Explizierung aller Annahmen und ihrer Vereinfachungen in Form von Regeln erfolgen. Dies führt zu einer Weiterentwicklung der Kaufverhaltenstheorien. Die Chance der schrittweisen Anpassung agentenbasierter Modelle an das Realverhalten, ermöglicht die Auswertung von Zwischenständen, so dass der Simulationsweg abgebildet werden kann, was zu weiteren Erkenntnissen hinsichtlich zukünftigen Verhaltens führen kann. Ein Markt besteht aus der Perspektive des Marketings aus einer Menge aktueller und potenzieller Nachfrager bestimmter Leistungen sowie der aktuellen und potenziellen Anbieter dieser Leistungen und den Beziehungen zwischen Anbietern und Nachfragern. 802 Ein Markt besteht demnach aus einer Menge von Akteuren, die sich aus aktuellen und potentiellen Nachfragern und Anbietern, Absatzmittlern, Absatzhelfern und Beeinflussern zusammensetzen. 803 Es ist möglich, anhand der agentenbasierten Modellierung Märkte aus der Perspektive unterschiedlicher Akteure zu modellieren und sukzessive zu erweitern. Reale Marktakteure werden als Softwareagenten modelliert, welche im Rahmen einer virtuellen Marktumgebung agieren (vgl. Kapitel 3.2 ). Dadurch, dass der Modellierer die Perspektive einzelner Akteure einnehmen kann, ist es möglich, sukzessive Aspekte wie begrenzte Rationalität, unvollständige Information der einzelnen Akteure sowie Lerneffekte zu integrieren. 804 Nach den allgemeinen Eignungskriterien soll nun noch speziell auf Markenrepositionierungen eingegangen werden.

801

Vgl. ZHANG/ZHANG (2007), S. 921.

802

Vgl. MEFFERT/BURMANN/KIRCHGEORG (2008), S. 46.

803

Vgl. STEFFENHAGEN (2004).

804

Vgl. MÜLLER/SENSFUß/WIETSCHEL (2007), S. 4285.

Theoretische Grundlagen und aktueller Stand der Forschung

186

3.4.1 Eignung für die Simulation von Markenrepositionierungen Durch die Schaffung virtueller Märkte ist es möglich, Anbieterakteure (Marken) zu modellieren, welche sich in abstrakter Form wie reale Anbieter auf Märkten verhalten. Wird eine Repositionierung auf einer Nutzendimension als Reiz interpretiert, genügt es, den Anbieter (in diesem Fall die Marke) anhand der relevanten Nutzendimensionen zu beschreiben. Somit kann eine Marke innerhalb des virtuellen Marktes als Nutzenbündel, welches sich von anderen Nutzenbündeln innerhalb des virtuellen Marktes unterscheidet, modelliert werden. Darüber hinaus ist es möglich aus der Sicht der Markenführung verschiedene Repositionierungsstrategien zu entwickeln und diese auf Basis der modellierten Marken umzusetzen. Eine Bewertung des Erfolges einer Markenstrategie kann, wie bei den herkömmlichen Positionierungsmodellen, anhand der Berechnung von Marktreaktionsgrößen wie Marktanteil oder Segmentanteil erfolgen. Ansätze für eine Simulation von Markenrepositionierungen sind in den dargestellten Modellen schon geliefert worden. Eine explizite Modellierung und Strategieentwicklung aus Unternehmensperspektive und auf Basis einer markentheoretischen Fundierung hat bis zum heutigen Zeitpunkt noch nicht stattgefunden. Grundsätzlich ist jedoch eine Integration der marken- und entscheidungsorientierten Perspektive möglich, wie das Modell von VAG (2007) ansatzweise andeutet. 805 3.4.2 Eignung für die Simulation des Markenwahlverhaltens Wie bereits festgestellt, sind für die Analyse von Markenrepositionierungen die Stufen Wahrnehmung, Präferenzbildung und Kaufentscheidung für den Entscheidungsprozesses von Nachfragern ausschlaggebend. 806 Die Möglichkeit der Darstellung dieser drei Prozessstufen anhand agentenbasierter Modelle sollte als Basis der Eignungsprüfung herangezogen werden. Hierzu ist es möglich, die bereits erläuterten Eigenschaften von Agenten heranzuziehen. Wahrnehmung kann als Informationsverarbeitungsprozess, durch den das Individuum Kenntnis von sich selbst und von seiner Umwelt erhält, beschrieben werden. 807 Im Rahmen des Markenwahlverhaltens nimmt der Nachfrager die Marken über seine Sinne wahr und interpretiert die Sinneseindrücke, um daraufhin zu einer Markenbeur-

805

Vgl. VAG (2007), S. 904 ff.

806

Vgl. HERRMANN (1998), S. 47 ff; LILIEN/KOTLER (1983), S. 204; LILIEN/KOTLER/MOORTHY (1992), S. 238 ff.

807

Vgl. KROEBER-RIEL/WEINBERG/GRÖPPEL-KLEIN (2009), S. 320.

Theoretische Grundlagen und aktueller Stand der Forschung

187

teilung zu gelangen. Das bedeutet, jeder Nachfrager nimmt die Marke und seine Umwelt subjektiv wahr. Hinzu kommt, dass der Nachfrager selektiv Informationen auswählt, die er verarbeitet und als Wissen abspeichert. Der Vorgang der subjektiven und selektiven Wahrnehmung kann innerhalb eines virtuell geschaffenen Nachfrageragenten in Form von Regeln abgebildet werden. Mittels Sensoren ist ein Agent in der Lage, Informationen über seine Umwelt wahrzunehmen. Zur Darstellung der subjektiven sowie selektiven Wahrnehmung müssen daraufhin Regeln herangezogen werden, die in der Lage sind, das reale Wahrnehmungsverhalten der Nachfrager innerhalb des spezifischen Marktes abstrakt nachzubilden. Dieser Umstand resultiert aus den Agenteneigenschaften der Reaktivität und Proaktivität. Eine weitere Eigenschaft von Agenten ist ihre Möglichkeit, Wissen über ihre Umwelt zu speichern und verändern zu können. Wie im realen Kaufverhalten können die Nachfrageragenten Einstellungen bezüglich unterschiedlicher Marken in Form von Images besitzen. Dieses Image lässt sich als Wissen in Form von Skalenwerten repräsentieren. Darüber hinaus ist es möglich, im Rahmen der Simulationen Kaufhistorien der einzelnen Nachfrager anzulegen, welche ebenfalls das Kaufverhalten beeinflussen können. Eine weitere Eigenschaft von Agenten ist, dass sie autonome selbstbestimmte Aufgaben ausführen können. Im Rahmen der Darstellung des Kaufverhaltens beinhaltet dies die Bildung von Präferenzen und das Fällen einer Kaufentscheidung. Dies kann innerhalb agentenbasierter Modelle ebenfalls in Form von Regeln implementiert werden, die aus der Theorie abgeleitet werden können. Hierzu können sämtliche probabilistische sowie deterministische Entscheidungsregeln herangezogen werden. Wichtig in diesem Zusammenhang ist, dass die Nachfrageragenten lediglich eine begrenzte Rationalität besitzen und kein vollständiges Wissen über den Markt haben. Dies kommt dem realen Kaufverhalten sehr nahe, da Nachfrager häufig nicht in der Lage sind, sämtliche Informationen zu verarbeiten. 808 Gleichzeitig kann die Heterogenität der Nachfrager innerhalb agentenbasierter Modelle abgebildet werden, indem jedem Segment oder sogar jedem einzelnen Agenten unterschiedliche Informationsverarbeitungskapazitäten zugeordnet werden. 809 Es ist somit nicht notwendig anzunehmen, dass das Entscheidungsverhalten der Nachfrager eines Produktes homogen ist. Was implizit unterstellt wird, da in herkömmlichen Positionierungsmodellen in der Regel für alle Nachfrager die gleiche Entscheidungsregel simuliert wird.

808

Vgl. KROEBER-RIEL/WEINBERG/GRÖPPEL-KLEIN (2009), S. 421. sowie BETTMAN/LUCE/PAYNE (1998).

809

Vgl. JAGER (2007), S. 868.

Theoretische Grundlagen und aktueller Stand der Forschung

188

Ein weiterer entscheidender Vorteil der agentenbasierten Methodik ist die Möglichkeit der Einbeziehung sozialer Interaktion. Kaufentscheidungen werden nicht alleine getroffen, sondern beruhen maßgeblich auf der Kommunikation zwischen den einzelnen Nachfragern. 810 Somit kann der Einfluss sozialer Interaktion auf den Erfolg oder Misserfolg von Markenrepositionierungen abgebildet werden. Ähnlich wie in dem Modell von ZHANG/ZHANG (2007), kann die Intensität der Interaktionen variiert werden. Auf Basis dieser Bewertung wird ein agentenbasiertes Simulationsmodell auf markentheoretischer sowie kaufverhaltenstheoretischer Basis entwickelt, um die Effekte von Markenrepositionierungen auf das zukünftige Kaufverhalten zu prognostizieren.

810

Vgl. FESTINGER (1955), S. 187 ff.

189

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

C Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt 1

Entwicklung und formal-analytische Darstellung des agentenbasierten Repositionierungsmodells

1.1 Ablauf des agentenbasierten Simulationsmodells Das agentenbasierte Repositionierungsmodell ermöglicht eine Analyse von Markenrepositionierungen und deren Auswirkungen auf das Markenwahlverhalten innerhalb eines sozialen Kontextes. Es stellt eine Synthese zwischen Markenwahlsimulatoren zur Prognose zukünftiger Kaufentscheidungen und einem agentenbasierten Interaktionsmodell dar. Es werden demnach die Wirkungszusammenhänge zwischen der Markenimagewahrnehmung der Nachfrager entlang der Nutzendimensionen und dem daraus entstehenden Nachfragerverhalten überprüft. Abbildung 33 bildet die Struktur des agentenbasierten Simulationsmodells ab. Setup A

A

X

All Other

Einfluss auf Nutzendimensionen

Markenimageveränderung

Wahrnehmung der Repositionierung

Markenrepositionierung

A

X

Soziale Interaktion

A

All Other

A

X

Kompensatorisch

Kein Einfluss auf Nutzendimensionen

Nicht-kompensatorisch

All Other

A

Präferenzbildung

X

A

Markenwahl

Marktanteilsberechnung

All Other

X

Alle weiteren Perioden

X

A

All Other

X

First Period

A

Erklärung der Firstchoice

Markenimageveränderung

Neues Consideration Set

A X

Start einer Aktion

A

Ende einer Aktion

Abbildung 33: Struktur des agentenbasierten Repositionierungsmodells Quelle: Eigene Darstellung.

Im Mittelpunkt des Modells stehen Repositionierungsstrategien als Entscheidungsvariablen der Markenführung. Repositionierungsstrategien beinhalten Entscheidungen über die Marktbearbeitung im Sinne einer funktionalen und symbolischen Repositio-

190

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

nierung einer Marke. Im Rahmen des agentenbasierten Repositionierungsmodells stellen Marktbearbeitungsstrategien Entscheidungen hinsichtlich der den Markt beschreibenden Nutzendimensionen dar. Gleichzeitig wird die Markenwahlentscheidung der Nachfrager auch durch die Strategien der Wettbewerber und der sozialen Interaktion der Nachfrager untereinander beeinflusst. Keine Kaufentscheidung wird alleine getroffen. Somit hängt der Erfolg der Repositionierungsstrategie ebenfalls von den Strategien der Wettbewerber und der sozialen Interaktion ab. Somit entsteht ein Zirkelbezug hinsichtlich der Strategien der Wettbewerber und der markenführenden Institution und ein nicht planbarer Einfluss der sozialen Interaktion. Die Minimierung dieser Unsicherheit kann durch ein entscheidungsorientiertes agentenbasiertes Simulationsmodell minimiert werden. Der Ablauf des agentenbasierten Modells kann anhand periodischer Zyklen beschrieben werden, die in einzelne Schritte unterteilt werden können. Startpunkt einer Periode ist die Repositionierung einer Marke innerhalb eines Marktes, welche in erster Linie einen Einfluss auf das Nutzenbündel, welches im Markt positioniert ist, hat. Im nächsten Schritt verändert sich die Wahrnehmung der Nachfrager von der Marke. Dies kann unterschiedlichen Einflussfaktoren unterworfen sein, die später detailliert behandelt werden. Sobald dieses veränderte Markenimage in Bezug zu Wettbewerberangeboten gesetzt wird, bilden sich Markenpräferenzen. Diese werden durch die Interaktion mit anderen Nachfragern im Sinne von Markenempfehlungen beeinflusst. Nach Bildung der Markenpräferenzen entscheiden sich die Nachfrager in der nächsten Stufe auf Basis ihrer Informationen für den Kauf einer Marke. Der eigentliche Kaufakt wird anhand von Wahlheuristiken modelliert. Sobald sie auf Grund einer Markenrepositionierung ihre erste Wahl ändern, verändert sich auch das „Consideration Set“ der Nachfrager, welches als Grundlage für ihre weiteren Entscheidungen in späteren Perioden dient. Der Marktanteil als Zielgröße des Modells spiegelt die Wirkungen der unterschiedlichen Repositionierungsstrategien wider und gibt eine Indikation für zukünftige Entscheidungen. Im Folgenden werden die einzelnen Modellkomponenten des agentenbasierten Simulationsmodells detailliert beschrieben und deren Funktionsweise erläutert. Darüber hinaus wird eine Fallstudie aus dem Festnetztelefonmarkt herangezogen, um unterschiedliche Wettbewerberszenarien zu modellieren und bei unterschiedlichen sozialen Interaktionsniveaus ihre Aussagekraft zu testen. Zum Abschluss dieses Kapitels werden daraufhin Empfehlungen für eine Markenrepositionierung zur Verbesserung des Marktanteils erarbeitet.

191

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

1.2 Die Softwareumgebung Netlogo Netlogo ist eine an Logo 811 angelehnte Multiagenten Programmiersprache mit integrierter Modellierungsumgebung. Netlogo eignet sich insbesondere zur Modellierung komplexer natürlicher Systeme. Es wird seit 1999 am „Center for Connected Learning and Computer-Based Modeling“ an der Northwestern University in Evanston, USA entwickelt. 812 Netlogo setzt auf der zuvor entwickelten Platform Starlogo auf und kann auf sämtlichen Betriebssystemen Mac, Windows, Linux etc. laufen. Die Struktur und Funktionsweise der Netlogowelt gliedert sich grob in drei Ebenen. Grundlage und gleichzeitig die Repräsentation der Umwelt bilden die „patches“. Patches sind quadratische Rasterzellen zur Repräsentation einer Raumeinheit, wie man es aus rasterbasierten Modellen gewohnt ist. Ungewohnt ist das Koordinatensystem, in dem die patches aufgespannt sind. Der Nullpunkt liegt in der Mitte des Bildes.

Der Modellierer/Beobachter

Agenten

b b b b b b

Patches

Abbildung 34: Das Netlogo Prinzip Quelle: BATTY/XIE/SUN (1999), S. 7.

811

812

Logo ist eine von Seymour Papert in den 60er Jahren entwickelte Interpretersprache. Vgl. PAPERT (1972), S. 245 ff. Vgl. WILENSKY (1999).

192

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

Die Agenten werden innerhalb eines Netlogomodells durch sogenannte turtles repräsentiert. Sie können sich innerhalb der 2D-Umwelt, die durch die patches gebildet wird, bewegen. Die dritte Ebene ist die des Beobachters oder Modellierers, welcher jederzeit aktiv in die Simulation eingreifen kann. Patches und Agenten können autonom handeln. Der einzige Unterschied zwischen patches und Agenten ist, das patches statisch sind. Agenten hingegen können sich in der modellierten Umwelt frei bewegen. Agenten und patches sind in der Lage, unterschiedliche Variablen zu tragen. NetLogo kennt in diesem Zusammenhang alle gängigen Variablentypen. Eine Variable kann eine globale, eine lokale, eine turtle-own oder eine patch-own Variable sein. Turtle-own- beziehungsweise patch-own-Variablen beziehen sich jeweils nur auf Agenten oder Patches. Dem Modellierer steht es frei, welche Variablen er den einzelnen Agenten oder Patches zuweist. Gängige Variablen sind bspw. die X bzw. Y Koordinaten. Bei der Modellierung von Nachfragern können den Agenten bspw. Imagevariablen oder Zufriedenheitsvariablen oder andere je nach Bedarf zugewiesen werden. Jeder Agent verfügt selbständig über seine Variablen, das heißt, jeder Agent kann für die gleichlautende Variable einen anderen Wert besitzen. Bei der Ansprache unterschiedlicher Marktsegmente ist es denkbar, Breed-Variablen einzuführen, die es dem Programmierer ermöglichen, die Nachfrager innerhalb eines Marktes in unterschiedliche Nachfragersegmente zu unterteilen. Dies erleichtert den Umgang mit unterschiedlichen Agententypen (Käufersegmenten) erheblich, da die unterschiedlichen Agentenklassen separat angesprochen werden können. Demgegenüber stehen globale Variablen, die einen festen Wert besitzen und für jeden frei zugänglich sind. Im Folgenden wird nun die Umsetzung des Repositionierungsmodells Schritt für Schritt beschrieben. 1.3 Datenerhebung und Datengrundlage Die empirische Untersuchung dient der Überprüfung der Zusammenhänge zwischen der Wahrnehmung verschiedener Marken durch die Nachfrager auf Basis von Imagedimensionen und den daraus resultierenden Markenwahlentscheidungen im Sinne von Käufen und Alternativerwägungen. Dies führte zu einem mehrstufigen empirischen Erhebungsdesign, welches die Analyse bereits durchgeführter Marktforschungsstudien und interner Strategiepapiere, qualitative Vorstudien sowie eine quantitative Hauptstudie umfasst. 813 Besonderes Augenmerk wurde bei der Vorberei-

813

Vgl. HERRMANN/HOMBURG (2000), S. 13.

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

193

tung der quantitativen Hauptstudie auf die Nutzendimensionen, das Wettbewerbsumfeld, die Marktabgrenzung sowie den befragten Personenkreis gelegt. Im ersten Schritt wurden innerhalb einer Literaturanalyse 14 Sekundärstudien evaluiert. 814 Ziel der Analyse war die Evaluation des Wettbewerbsumfeldes, die Abgrenzung des relevanten Marktes sowie die Gewinnung funktionaler und symbolischer Nutzendimensionen, welche als Basis für die Positionierungsanalyse dienen sollten. Im zweiten Schritt der Analyse wurden mit dem gleichen Ziel neun bereits durchgeführte Marktforschungsstudien analysiert. 815 Das Wettbewerbsumfeld wurde dahingehend untersucht, dass die Marken eine hinreichende Relevanz für die Nachfrager besitzen. Gleichzeitig ist es sinnvoll, die Varianz der Grundgesamtheit anhand des Wettbewerbsumfeldes darstellen zu können. Die Relevanz der einzelnen Marken kann anhand des Marktanteils festgestellt werden. Da alleine die beiden stärksten Marken im Festnetztelefonmarkt knapp 45% Marktanteil aufweisen, kann von einer ausreichenden Relevanz ausgegangen werden. Die Varianz des einzubeziehenden Wettbewerbsumfeldes kann anhand des Preisniveaus der einzelnen Marken sowie anhand der Sortimentsbreite festgestellt werden. Die einbezogenen Marken bewegen sich hinsichtlich des Preisspektrums zwischen 19,90 € und 200 €. Somit ist das gesamte Preisspektrum im Festnetztelefonmarkt abgedeckt. Bei der Analyse der unterschiedlichen Produktportfolios der einzelnen Anbieter konnte qualitativ festgestellt werden, dass nahezu jeder Anbieter ein Produkt in den unterschiedlichen Preisklassen anbietet. Somit ist die Heterogenität des Marktes ausreichend abgebildet. Die relevanten Nutzendimensionen aus den Studien wurden auf Basis sachlogischer Überlegungen in Clustern zusammengeführt. Im Zuge der Analyse wurden 34 Nutzendimensionen extrahiert, die als Grundlage für die folgenden qualitativen Vorstudien dienten. Auf Basis der generierten Informationen wurden umfassende qualitative Vorstudien durchgeführt. Die bisher gewonnen Erkenntnisse wurden innerhalb von Expertengesprächen mit dem Festnetztelefonanbieter sowie Fokusgruppeninterviews mit relevanten Nachfragergruppen validiert. Im Zuge der internen Validierung bisheriger Ergebnisse wurde eine Onlinebefragung unter Marketing und Sales Mitarbeitern durch-

814

Für die Analyse standen diverse Studien zu Marktentwicklungen, Wettbewerberanalysen, Naming-Konzepten und Markenstrategie aus den Jahren 2003 bis 2006 zur Verfügung.

815

Hierzu dienten zahlreiche Imageanalysen, Positionierungsanalysen sowie Markenbewertungsstudien aus den Jahren 2003 bis 2006 als Grundlage.

194

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

geführt. 816 Darüber hinaus wurden 22 strukturierte Interviews mit dem Management des Praxispartners durchgeführt. Die Länge der Interviews betrug im Durchschnitt ca. 1,5 Stunden. 817 Die aus diesen Studien gewonnenen Ergebnisse flossen in die qualitative Vorstudie mit den relevanten Nachfragergruppen ein. Da die Studie einen internationalen Charakter aufwies, wurden in fünf Ländern (Deutschland, China, Frankreich, Russland und Schweden) jeweils Fokusgruppeninterviews durchgeführt. 818 Auf Basis der umfangreichen Vorstudien konnten die bisher 34 Nutzendimensionen auf 18 reduziert werden. Die in der Studie verwendeten Nutzendimensionen können Abbildung 35 entnommen werden.

Markenimage

Symbolische Nutzenassoziationen

Funktionale Nutzenassoziationen

Lebensstil

Soziale Kontakte

Design

Reputation

Spaß

Soz. Engagement

Bedienbarkeit

Service

Lebensqualität

Erreichbarkeit

Qualität

Innovativität

Freiheit/Flexibilität

Globalität

Haptik

Ger. Komplexität

Kommunikation

Preis

Abbildung 35: Übersicht der Markenimagedimensionen innerhalb der Hauptuntersuchung. Quelle: Eigene Darstellung in Anlehnung an BREUSCH (2008).

Im Rahmen der quantitativen Studie wurden über den Festnetztelefonmarkt hinaus noch weitere Märkte wie der Markt für Mobiltelefone und der Markt für Hole Media

816

An der internen Onlinebefragung nahmen 34 Probanden aus dem Marketing und Sales Department des Praxispartners teil. Kernthemen der Befragung waren die intern wahrgenommene IstPositionierung sowie eine Einschätzung des Wettbewerbsumfeldes.

817

Kernthema der 22 Interviews war, die interne Sichtweise auf die Marke zu evaluieren und die bisher generierten Aussagen qualitativ zu validieren.

818

In den jeweiligen Ländern wurden die Entscheider hinsichtlich des Kaufs von Festnetztelefonen befragt. Jede Fokusgruppe setzte sich aus 20 Teilnehmern zusammen, wobei jeweils 10 technikaffin und 10 nicht-technikaffin waren. Dies diente dem Ziel eine generelle Einschätzung des Marktes zu erhalten. Ein Fokusgruppengespräch dauerte ca. 2,5 Stunden. Die Diskussionsrunden liefen semistrukturiert ab. Kernthemen waren die Festnetztelefonie, die Mediennutzung, sowie die Evaluation der bisher ermittelten symbolischen und funtionalen Nutzendimensionen für den Kauf von Festnetztelefonen.

195

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

betrachtet. Da diese Märkte jedoch für das agentenbasierte Modell nicht relevant sind, werden sie im weiteren Verlauf der Arbeit nicht thematisiert. Als Erhebungsmethode der quantitativen Hauptstudie wurde die Onlinebefragung ausgewählt. 819 Zum einen konnte dadurch die Standardisierung des Fragebogens gewährleistet werden, und zum anderen ist eine internetbasierte Umsetzung in fünf Ländern einfacher zu bewerkstelligen als bspw. eine Telefonbefragung. Die Repräsentativität der Befragung in den unterschiedlichen Ländern wurde anhand soziodemografischer Merkmale gewährleistet. 820 Der Fragebogen wurde umfangreichen Pretests unterzogen, um irrelevante, sensitive und komplizierte Fragen zu entfernen, welche zu einem Abbruch der Befragung durch den Probanden führen könnte. 821 In Tabelle 20 ist eine Übersicht zum realisierten Stichprobenumfang in den unterschiedlichen Ländern dargestellt.

Stichprobenumfang Tabelle 20:

Deutschland

Russland

Frankreich

Schweden

China

1236

627

623

640

546

Realisierte Stichprobenumfänge in den einzelnen Ländern Quelle: Eigene Darstellung.

Um reales Kaufverhalten abbilden zu können, wurden nur Personen befragt, die in den letzten 6 Monaten vor der Erhebung ein Festnetztelefon gekauft haben. Kernmarkt der Befragung stellt der deutsche Markt dar, hier betrug der Stichprobenumfang 1.236 vollständig ausgefüllte Fragebögen. Der Hauptteil des Fragebogens umfasste sämtliche Erfahrungen der Probanden mit den sieben Festnetztelefonmarken. Dies beinhaltete Fragen zur Bekanntheit, Vertrautheit, Loyalität sowie zum Consideration-Set der Nachfrager. Auf Basis der erhobenen Informationen konnte der Entscheidungsprozess der einzelnen Nachfrager als Grundlage für die spätere Modellierung erfasst werden (vgl. Abbildung 36).

819

Eine Onlinebefragung ist eine Internetgestützte Befragung, die von den Probanden zu Hause am Rechner mit Hilfe eines Internetbrowsers bearbeitet werden kann. Vgl. SCHNELL/HILL/ESSER (2005), S. 377.

820

Die soziodemografischen Merkmale umfassen Alter, Geschlecht, Einkommen und Familienstand der Probanden.

821

Vgl. SCHNELL/HILL/ESSER (2005), S. 383.

196

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

Entscheidungsprozess

Operationalisierung im Fragebogen

Gestützte Markenbekanntheit

Welche der f olgenden Marken aus dem Bereich schnurlose Festnetztelef one kennen Sie?

Kauf

Von welcher Marke ist das schnurlose Festnetztelef on, das Sie sich innerhalb der letzten 6 Monate gekauf t haben?

Consideration Set

Welche Marke war Ihre zweite bzw. dritte Wahl beim letzten Kauf eines schnurlosen Festnetztelef ons?

Zufriedenheit mit der Marke

Empfehlung, Wiederkauf

Wie zuf rieden sind Sie mit dem von Ihnen gekauf ten Festnetztelef on? Nachf olgend f inden Sie einige Aussagen über die von Ihnen gekauf te Marke. Bitte sagen Sie mir, inwieweit Sie diesen zustimmen. A) Die Marke werde ich mir wiederkauf en B) Ich werde die Marke weiterempf ehlen

Abbildung 36: Entscheidungsprozess innerhalb der quantitativen Studie Quelle: Eigene Darstellung

Die ermittelten 18 Nutzendimensionen wurden anhand einer 5-stufigen Ratingskala mit bipolar-gleitender Ausprägung abgefragt. Zum Zweck der Erstellung eines Simulationsmodells zur Darstellung möglichst realen Kaufverhaltens wurde der Datensatz bereinigt. Sämtliche Fälle, die bei zentralen Konstrukten, wie Wichtigkeit der Imageattribute für den Kauf oder bei der Bewertung des Images der einzelnen Marken innerhalb des Consideration-Sets fehlende Werte aufwiesen, wurden eliminiert. 822 Darüber hinaus wurde der Anteil der zweiten Wahl der Marke 7 relativiert. Im Rahmen der Untersuchung wurde ca. 1/3 der Probanden nicht die reale zweite Wahl zur Bewertung zugeführt, sondern die Marke des Praxispartners (Marke 7). 823 Dies diente der Gewinnung zusätzlicher Einschätzungen der Marke des Praxispartners. Diese Fälle wurden ebenfalls eliminiert, da sie nicht das reale Kaufverhalten der Probanden widerspiegeln. Für die Erhebung können nur empirisch erhobene Consideration-Sets

822

Diese Bereinigung wurde durchgeführt, um die Datenqualität für das Simulationssample zu erhöhen. Eine Ersetzung fehlender Werte durch Mittelwerte hätte zu einem Varianzverlust geführt. Dies hätte eine Simulation anhand von Entscheidungsregeln erschwert.

823

Bei der Erhebung des Consideration-Sets wurde den Probanden, die die Marke 7 kannten und sie nicht als erste oder zweite Wahl angegeben hatten, diese automatisch als zweite Wahl für die Imagebewertung zugeführt.

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

197

verwendet werden, ansonsten weisen die Ergebnisse der Markenwahlentscheidungen eine eingeschränkte Validität auf. Nach der Bereinigung beträgt die Stichprobengröße 576 Probanden. Diese Anzahl ist ausreichend, um eine Simulation von Markenrepositionierungen durchführen zu können. 824 Zusätzliche Informationen über die quantitative Studie hinaus wurden innerhalb von zwei „Point-of-Sale“ Experimenten am Lehrstuhl für innovatives Markenmanagement erhoben. Das erste Experiment wurde im August 2007 mit 78 Probanden durchgeführt. Ziel des Experimentes war die Analyse der Wahrnehmung, Bewertung und Präferenzbildung gegenüber Festnetztelefonen am PoS. Zu diesem Zweck wurde eine PoS ähnliche Situation hergestellt. Das zweite Experiment wurde im November 2007 mit 108 Probanden durchgeführt. Ziel des Experiments war die Analyse des Informationsprozesses der Nachfrager vor dem Kauf, sowie die Wahrnehmung unterschiedlicher Markenkommunikationsinstrumente am PoS. Insbesondere die Form der Informationsgewinnung mittels Empfehlungen ist für die vorliegende Arbeit wichtig, da die Ergebnisse als Grundlage für die Modellierung des sozialen Interaktionsverhaltens herangezogen worden sind. 2

Operationalisierung der unterschiedlichen Modellkomponenten

2.1 Marken als Agenten Die zu betrachtenden Marken innerhalb des agentenbasierten Repositionierungsmodells werden ebenso wie die Nachfrager als Agenten implementiert. Auf Basis der Definition eines Markenimages als Marktwirkungskonzept werden die Marken innerhalb des Modells anhand der aggregierten Nutzenassoziationen der Nachfrager beschrieben. Dieser Ansatz wird in den meisten Untersuchungen zum Wahlverhalten verfolgt. 825 Die Entscheidungsalternativen werden anhand ihrer Ausprägungen auf einer Reihe von Attributen charakterisiert. Diese Attribute sind Nutzendimensionen, die für die Entscheidenden (Nachfrager) mehr oder minder relevant sind. Zu diesem Zweck werden die empirisch erhobenen Nutzendimensionen zu unabhängigen symbolischen und funktionalen Faktoren verdichtet. 826 Diese auf Individualebene bestehenden Images werden daraufhin innerhalb des Modells zu einem „Globalimage“

824

Vgl. hierzu BORTZ/DÖRING (2005), S. 400 ff.

825

Vgl. hierzu ausführlich ASCHENBRENNER (1977), S. 23 ff.

826

Vgl. BACKHAUS ET AL. (2006), S. 259 ff.

198

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

aggregiert, welches die verdichtete Wahrnehmung aller Nachfrager im Markt von der jeweiligen Marke darstellt. (vgl. Abbildung 37). Vom Nachfrager wahrgenommene Nutzenassoziationen

Aggregierte Nutzendimensionen jedes einzelnen Nachfragers

Markenimage

Markennutzen A Faktor A

Faktor A

Faktor B

Faktor C

Faktor C

Faktor C

Faktor D

Faktor D

Faktoranalytische Aggregation der Einzelbewertungen

Kollektive durchschnittliche Bewertung einer Marke innerhalb des Modells auf Basis der Faktorwerte

Markennutzen B Markennutzen C Markennutzen D Markennutzen E Markennutzen F Markennutzen G Markennutzen H Markennutzen I Markennutzen J Markennutzen K

Individuelle Bewertung jedes einzelnen Agenten

Abbildung 37: Das Markenimage zur Beschreibung der Markenagenten innerhalb des Models Quelle: Eigene Darstellung.

Die Aggregation des Markenimages erfolgt im Rahmen des Modells anhand einer explorativen Faktorenanalyse. Dieser Ansatz wird verfolgt, da über die jeweiligen Zusammenhänge der einzelnen Variablen untereinander keine Kenntnisse vorherrschen. 827 Zur Extraktion der einzelnen Faktoren wird die Hauptkomponentenanalyse verwendet. Das Ziel der Hauptkomponentenanalyse 828 liegt in der möglichst umfassenden Reproduktion der Datenstruktur durch möglichst wenige Faktoren. 829 Die In-

827

Vgl. BACKHAUS ET AL. (2006), S. 330 ff.

828

Das Hauptkomponentenmodell geht im Gegensatz zum Modell gemeinsamer Faktoren (z.B. Hauptachsenfaktorenanalyse) davon aus, dass die Faktoren die gesamte Varianz erklären. Es treten demnach auf Grund linearer Transformation lediglich unkorrelierte Variablen (Faktoren) an die Stelle der korrelierten Variablen (Items). Vgl. HOOLEY/HUSSEY (1994). Aus diesem Grund ist die Zuordnung des Hauptkomponentenmodells zur Faktorenanalyse in der wissenschaftlichen Literatur umstritten, eignet sich dennoch als aggregierendes Verfahren im Rahmen des Repositionierungsmodells. Vgl. HÜTTNER (1997), S. 296 ff.

829

Vgl. BACKHAUS ET AL. (2006), S. 292 ff. Für die Analyse des Markenwahlverhaltens mittels ChoiceHeuristiken wird im Rahmen der Untersuchung eine Reduktion der Dimensionen vorgenommen, (Fortsetzung der Fußnote auf der nächsten Seite)

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

199

terpretation der Faktoren kann somit durch folgende Frage dargestellt werden: „Wie lassen sich die auf einen Faktor hoch ladenden Variablen durch einen Sammelbegriff (Komponente) zusammenfassen?“ 830 Als Validitätsmaße im Rahmen der Hauptkomponentenanalyse können zum einen Faktorladungen dienen, welche die Korrelation der einzelnen Indikatoren mit dem ermittelten Faktor darstellen. 831 Zum anderen kann die erklärte Varianz als Validitätsmaß herangezogen werden. Sie gibt den Anteil der erklärten Indikatorvarianz durch die extrahierten Faktoren wider. 832 Die Reliabilität der Messung im Rahmen exploratorischer Faktorenanalysen wird durch Cronbach’s Alpha und der Item-to-Rest-Korrelation sichergestellt. Cronbach’s Alpha wird auch als Zuverlässigkeitskoeffizient bezeichnet und misst die Reliabilität der Indikatoren als Basis der einzelnen Faktoren. Das Anspruchsniveau liegt bei 0,7, wobei der Wert zwischen Null und Eins normiert ist.833 Die Item-to-total-Korrelation ist ebenfalls zwischen Null und Eins normiert, sie sollte einen Wert über 0,5 annehmen. 834 Die auf diese Weise extrahierten Faktoren und die Summierung der Faktorwerte zu Globalimages der einzelnen Marken, dienen der Zustandsbeschreibung der Markenagenten und bilden die Grundlage zur Entwicklung der Repositionierungsstrategien. 2.2 Der Nachfrager als Agent 2.2.1 Wahrnehmung von Markenrepositionierungen Aus der klassischen Kommunikationsforschung zur Einstellungsänderung können kognitiv orientierte Modelle 835, Modelle die das emotional motivationale Geschehen

da beim Kauf maximal 3-4 Dimensionen durch die Nachfrager berücksichtigt werden können. SLOVIC/LICHTENSTEIN (1971) fanden heraus, dass schon die drei wichtigsten Attribute 80% der Urteilsvarianz erklären. Vgl. SLOVIC/LICHTENSTEIN (1971), S. 689. 830

Vgl. BACKHAUS ET AL. (2006), S. 293 ff. Im Gegensatz zur Hauptkomponentenanalyse versucht die Hauptachsenanalyse die Ursache für die hohen Ladungen einzelner Indikatoren zu ergründen.

831

HOMBURG/GIERING (1998), S. 119.

832

Im Rahmen einer faktoranalytischen Untersuchung kann ein Wert in Höhe von 0,5 als valide Messung bezeichnet werden. Vgl. JANSSEN/LAATZ (2005), S. 505 ff.

833

Vgl. JANSSEN/LAATZ (2005), S. 562.

834

Vgl. BEARDEN/ (1989), S. 475.

835

Ein bekanntes kognitives Modell ist die Cognitive Response Analysis, die sich mit der Einstellungsänderung hinsichtlich dargebotener Informationen versus der Informationen, die der Nachfrager im Laufe der Kommunikation selbst erzeugt, beschäftigt. Vgl. PETTY/CACIOPPO/SCHUMANN (1983), S. 135 ff.

200

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

analysieren 836 oder Modelle der beeinflussenden Kommunikation herangezogen werden. 837 Mögliche Einflussfaktoren, die sich aus diesen Modellen ergeben, sind das Involvement, die Persönlichkeit der Nachfrager, soziodemographische Merkmale der Nachfrager, der Kommunikationsdruck sowie Stimmungen. Die Vielzahl an Einflussfaktoren erschwert eine Prognose der zeitlichen Durchsetzung einer Markenrepositionierung. Da es nicht Gegenstand dieser Arbeit ist, wird im Folgenden der Annahme gefolgt, dass der Repositionierungs-Fit als notwendige Bedingung für einen Erfolg erfüllt sein muss. Als zeitlicher Horizont für eine Durchsetzung im Markt wird der allgemeinen Aussage gefolgt, dass eine Einstellungsveränderung einen Zeitraum von 3 bis 5 Jahren benötigt. 838 Eine spätere Integration der zeitlichen Komponente in das agentenbasierte Modell ist jedoch möglich und wird im weiteren Forschungsbedarf nochmals thematisiert. Auf Basis des Repositionierungs-Fits als notwendige Bedingung für das Erlernen einer Markenrepositionierung durch die Nachfrager kann nun ihre Wahrnehmung anhand einer Wahrscheinlichkeitsverteilung modelliert werden. Das Kontinuum liegt dabei zwischen 0% und 100%. Bei den verschiedenen Simulationsläufen können dann unterschiedliche Wahrnehmungsgrade angenommen werden. Eine Variation der Wahrnehmungsgrade hat dann einen Einfluss auf die zeitliche Durchsetzung der Repositionierung im Markt. 2.2.2 Präferenzbildung und Markenwahl Auf Basis der quantitativen Erhebung, welche das reale Kaufverhalten der Probanden abbildet, wird jedem Agenten ein Consideration-Set bestehend aus drei Marken zugewiesen. Jeder Agent hat eine andere Markenkombination als Consideration-Set, dies führt innerhalb des Modells zu begrenzter Rationalität, da nicht jeder Agent den vollständigen Markt kennt, sondern lediglich den für sich relevanten Ausschnitt. Aus diesen drei Alternativen wählt der Nachfrageragent die Marke aus, die seine Bedürfnisse am ehesten befriedigt. Grundsätzlich bieten sich multiattributive Darstellungen der Markenwahlalternativen für eine Implementierung in ein agentenbasiertes Wahlmodell an. Diese Form der Darstellung wird meistens im Rahmen der Erforschung des Wahlverhaltens ange-

836

Vgl. PETTY/WEGENER/FABRIGAR (1997), S. 609 ff.

837

Vgl. für einen Überblick KROEBER-RIEL/WEINBERG/GRÖPPEL-KLEIN (2009), S. 253 ff.

838

Vgl. BRUHN/HOMBURG (2004b), S. 206 ff.

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

201

wendet. Es kann im Allgemeinen von einer multiattributiven Entscheidung gesprochen werden, sobald implizit oder explizit für mehrere Attribute der zu beurteilenden Marke eine Bewertung vorgenommen wird. 839 Implizit bedeutet in diesem Zusammenhang, dass der Nachfrager zwar weiß, dass die Marke mehrere Attribute besitzt (die Marke ist kognitiv durch mehrere beurteilungsrelevante Merkmale repräsentiert), er aber lediglich eine intuitive holistische Bewertung vornimmt. Bei einer expliziten Bewertung hingegen wird durch den Nachfrager eine partielle analytische Bewertung auf den unterschiedlichen Attributen durchgeführt. Innerhalb von multiattributiven Modellen werden die Ausprägungen der einzelnen Attribute der jeweiligen Alternativen als Vektoren beschrieben. 840 Alternativen können bspw. als A und B bezeichnet werden. Die Attribute werden mit Indizes i = 1,…, n durchgezählt. Somit kann der Vektor als: A = (a1, a2,…,ai,…,an) beschrieben werden. Eine Menge von Wahlalternativen kann somit anhand einer Matrix dargestellt werden, in der die Zeilen die Alternativen und die Spalten die einzelnen Attribute repräsentieren. Es wird im Allgemeinen angenommen, dass der Nachfrager die einzelnen Nutzendimensionen mit Hilfe der Wertfunktion bewertet. Darüber hinaus besteht in einigen Modellen die Möglichkeit, dass die einzelnen Dimensionen in ihrer Bedeutung verschieden gewichtet werden können. 841 Diese Wertfunktion im Rahmen des agentenbasierten Modells stellt die Beziehung zwischen den objektiven Ausprägungen der Attribute sowie den Erwartungen und Zielen der Nachfrager her. Im Folgenden soll eine Wertfunktion mit Ui (ai) bezeichnet werden. 842

839

Vgl. JUNGERMANN/PFISTER/FISCHER (2005), S. 119.

840

Vgl. ASCHENBRENNER (1977), S. 24.

841

Vgl. HOMBURG/KROHMER (2009), S. 40.

842

Wertfunktionen können in drei Arten unterschieden werden: dichotome, ordinale und kardinale Wertfunktionen. Eine dichotome Wertfunktion kann genau einen von zwei Werten annehmen; entweder null oder eins. Diese Form der Funktion kommt zum Einsatz, wenn der Nachfrager sich lediglich hinsichtlich akzeptabler oder inakzeptabler Attribute entscheidet. Dies kann zum einen die Spezifikation hinsichtlich eines speziellen Attributes sein wie bspw. Telefon mit Anrufbeantworter oder ohne Anrufbeantworter, oder er spezifiziert das Mindest- bzw. Maximalgewicht des Telefons als Grenze. Ordinale Wertfunktionen hingegen können als Rangordnung über den Ausprägungen des Attributes beschrieben werden. Die Ausprägungen auf den einzelnen Attributen steigen oder fallen monoton mit den Präferenzen der Nachfrager. Lediglich bei eingipfligen Präferenzen, z.B. Milch im Kaffee, wo auch mittlere Ausprägungen höheren Ausprägungen vorgezogen werden können, ist eine Ordnung der Präferenzen schwierig. Vgl. COOMBS (1964). Bei kardinalen Wertfunktionen (Intervall oder Verhältnisskalierte Variablen) existieren zusätzliche Informationen (Fortsetzung der Fußnote auf der nächsten Seite)

202

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

Attribute A l t e r n a t i v e n

1

2

3

A

a1

a2

a3 a4

B

b1

b2

b3 b4

b5 ….bi …..bn

C

c1

c2

c3 c4

c5 ….ci …..cn

D

d1

d2

d3 d4

d5 ….di …..dn

E

e1

e2

e3 e4

e5 ….ei …..en

. .

…………………………………... …………………………………...

.

…………………………………...

R

r1

r2

4

r3 r4

5 ….. I ….. n a5 ….ai …..an

r5 …. ri …..rn

Abbildung 38: Bewertungsmatrix von Wahlalternativen Quelle: Eigene Darstellung.

Darauf aufbauend kann nun die formalanalytische Implementierung der unterschiedlichen Regeln in das agentenbasierte Modell vorgenommen werden. Zur Verdeutlichung der formalen Darstellung der implementierten Regeln werden im Folgenden die genutzten Operanden und deren Bedeutung vorgestellt. In diesem Fall soll t für eine schwache Präferenzrelation stehen. Die folgenden Symbole werden für Attributsausprägungen verwendet. M1 und M2 stehen jeweils für die unterschiedlichen Markenalternativen. Somit bedeutet „M1 t M2“, dass M1 mindestens genauso stark bevorzugt wird wie M2 oder M2 M1 nicht vorgezogen wird. Es gilt M1>M2 genau dann, wenn M1 t M2 und nicht M2 t M1. M1~M2 bedeutet, die Markenalternativen sind indifferent, genau dann wenn M1 t M2 und M2 t M1. Symbole für die Funktionswerte der Wertfunktionen sind t für größer/gleich, > für größer, < für kleiner und = für gleich. Die logische Äquivalenz „genau dann, wenn“ wird durch { dargestellt. Im Rahmen der Untersuchung sind kompensatorische sowie nicht-kompensatorische Regeln zu gleichen Teilen implementiert, um eine Vergleichbarkeit hinsichtlich des Erklärungsgehaltes der einzelnen Regeln herstellen zu können.

über den Abstand der einzelnen Ausprägungen voneinander. Der Nachfrager ist so in der Lage, Wertdifferenzen zwischen den einzelnen Attributen zu bilden. Kardinale Wertfunktionen werden in kompensatorischen Entscheidungsmodellen zugrunde gelegt. Vgl. A SCHENBRENNER (1977).

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

203

2.2.2.1 Implementierung von Heuristiken zur Darstellung des Wahlverhaltens Die Auswahl einer Regel durch den Nachfrager kann unbewusst oder bewusst erfolgen. Dies hängt zum einen von der Grundstruktur der Entscheidungsaufgabe und zum zweiten von den Charakteristika der Entscheidungsregeln ab. 843 Die Charakteristika der unterschiedlichen Heuristiken sind bereits in Kapitel B 3.2.3.2 erläutert worden. Es muss also zunächst überprüft werden, welche Art von Entscheidungsproblem vorliegt. Hierzu können unterschiedliche Kriterien zur Beschreibung herangezogen werden. Die Komplexität von Entscheidungsproblemen ist im Wesentlichen determiniert durch die Anzahl der möglichen Entscheidungsoptionen, die Anzahl der Attribute, die in die Entscheidungen mit einbezogen werden, die Ähnlichkeit der Optionen sowie den Zeitdruck, der bei der Entscheidung entsteht. Es gibt Evidenz dafür, dass bei einer steigenden Anzahl von Wahloptionen eher nonkompensatorische Regeln angewendet werden, da diese einen geringeren kognitiven Aufwand verursachen. 844 Bei lediglich zwei Alternativen werden häufig kompensatorische Heuristiken verwendet. 845 Die Anzahl von Attributen oder Beurteilungsmerkmalen erhöht die Variabilität der Entscheidungen, beeinträchtigt die Qualität der Wahlentscheidungen und führt dazu, dass die Nachfrager ihren Urteilen stärker vertrauen. 846 Ein weiteres Charakteristikum von Entscheidungsproblemen ist die Ähnlichkeit der Wahlalternativen. An dieser Stelle greift bspw. der Ködereffekt, der besagt, dass, wenn eine Alternative X von einem Nachfrager der Alternative Y vorgezogen wird, dann jedoch eine Option Z hinzukommt, die der Alternative X ähnlich ist, präferiert der Nachfrager unter bestimmten Bedingungen die Alternative Y. 847 Der Grad der Ähnlichkeit der Alternativen beeinflusst die Leichtigkeit eines Markenvergleichs. Es kann die Hypothese aufgestellt werden, je höher die wahrgenommene Ähnlichkeit ist, desto leichter fällt der Vergleich zwischen zwei Alternativen. Dies ist darauf zurückzuführen, dass nur noch relativ wenige Dimensionen verglichen werden müssen. An dieser Stelle würden sich kompensatorische Heuristiken eher zur Modellierung eignen. 848 Das letzte Charakteristikum der Entscheidungssituation stellt der Zeitdruck dar. Es beinhaltet, wie viel Zeit der Proband hat, um seine Entscheidung zu

843

Vgl. JUNGERMANN/PFISTER/FISCHER (2005), S. 279.

844

Vgl. PAYNE (1993), S. 54 ff.

845

Vgl. JUNGERMANN/PFISTER/FISCHER (2005), S. 280.

846

Vgl. PAYNE (1993), S. 34 f.

847

Vgl. hierzu ausführlich die Simulationsstudie von Z HANG/ZHANG (2007) sowie Kapitel 3.3.1.3

848

Vgl. SHUGAN (1980), S. 99 ff.

204

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

fällen. Dies wirkt sich auf die Qualität des Entscheidungsprozesses aus. Ein höherer Zeitdruck führt dazu, dass von den Nachfragern weniger Informationen beim Kauf genutzt werden. Eine Folge ist die Beschleunigung der Informationsverarbeitung und die Belastung der Informationsverarbeitung wird verringert. 849 Neben den bereits dargestellten Charakteristika müssen zusätzlich die Konkretheit, die Übersichtlichkeit, die Vollständigkeit und das Darbietungsformat des Informationsangebotes berücksichtigt werden. 850 Die Konkretheit der dargebotenen Information innerhalb der Entscheidungssituation hat einen entscheidenden Einfluss auf die Wahl der Heuristik. Nachfrager tendieren dazu, lediglich Informationen zu einer Marke zu verwenden, die auch explizit gegeben sind. Implizite Informationen werden nicht in finale Konsequenzen transformiert. 851 Bei der Übersichtlichkeit der dargebotenen Informationen verhält es sich ähnlich: Nachfrager beziehen eher klar strukturierte Informationen in ihre Kaufentscheidung mit ein, als verstreute Informationen. 852 Die Vollständigkeit der dargebotenen Informationen kann ebenfalls einen Einfluss auf die Entscheidung ausüben, wenn eine Alternative auf vielen Attributen gut abschneidet, geht ein Nachfrager davon aus, dass es auch auf den verbliebenen Attributen gut abschneiden wird. 853 Diese unterschiedlichen Einflussfaktoren innerhalb der Entscheidungssituation beim Festnetztelefonkauf wurden im Rahmen ausführlicher PoS Studien erforscht, die Beschreibung der Ergebnisse werden innerhalb des Fallbeispiels in Kapitel 4 näher beschrieben. Im Rahmen des agentenbasierten Modells werden demnach kompensatorische sowie nicht-kompensatorische Regeln implementiert, um den unterschiedlichen Entscheidungssituationen gerecht zu werden und um die Erklärungskraft unterschiedlicher Regeln innerhalb des Festnetztelefonmarktes gegeneinander abgrenzen zu können. Diese Vorgehensweise geht auf ähnliche Experimente und Simulationen von JUNGERMANN ET AL. (1987) zurück. Jeder Nachfrageragent ist in der Lage, auf die unterschiedlichen Heuristiken zurückgreifen zu können. Hierbei gibt es unterschiedliche wissenschaftliche Ansätze, die sich mit der Verwendung von Heuristiken im Zuge einer Kaufentscheidung beschäftigen. 854 Als Grundlage für die Erstellung von Prog-

849

Vgl. PAYNE (1993), S. 37 f.

850

Vgl. ASCHENBRENNER (1978); RUSSO (1977) und JUNGERMANN/PFISTER/FISCHER (2005), S. 282 ff.

851

Vgl. JUNGERMANN/PFISTER/FISCHER (2005), S. 282.

852

Vgl. RUSSO/KRIESER/MIYASHITA (1975), S. 11 ff.

853

Vgl. JUNGERMANN/PFISTER/FISCHER (2005), S. 283.

854

Vgl. JUNGERMANN ET AL. (1987).

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

205

nosen von Markenrepositionierungen, werden die Heuristiken herangezogen, die das Kaufverhalten der einzelnen Nachfrager am besten erklären (Model-Fit) und auch die angeführten Charakteristika erfüllen. 2.2.2.2 Kompensatorische Heuristiken Der Effekt unterschiedlicher Repositionierungsstrategien kann anhand der Veränderung des wahrgenommenen Nutzens der Marke gemessen werden. 855 Die Marktnachfrage wird durch die individuellen Präferenzen der Nachfrager erklärt. Die implementierten kompensatorischen Entscheidungsregeln können durch eine linearadditive kompensatorische Teilnutzenfunktion dargestellt werden. Im Rahmen der „Equal weight Heuristic“ (EQW) kann der sogenannte deterministische Präferenzwert v( A) einer Marke a=1…a eines Nachfragers n= 1,..,N, der die Marke A in seiner letzten Kaufentscheidung ausgewählt hat, aus der Summe der bewerteten funktionalen und symbolischen Nutzendimensionen a1,…,an über alle Dimensionen ermittelt werden 856: A

B

a 1

b 1

A t B { ¦ a1  a2  ...  an ! ¦ b1  b2  ...  bn Der Parameter an ist eine ordinal-skalierte Variable, welche die Wahrnehmung des Nachfragers der Nutzendimension einer Marke darstellt. 857 Der Gesamtnutzen einer Marke beschreibt die Nutzeneinstellung des Nachfragers bezüglich der funktionalen und symbolischen Eigenschaften und kann wie folgt beschrieben werden:

v( A)

¦ v (a ) i

i

i

Eine Präferenz für eine Marke besteht jedoch erst, sobald alternative Kaufoptionen betrachtet werden. Im Rahmen des agentenbasierten Simulationsmodells ergibt sich die Präferenz aus der Beurteilung der Alternativen aus dem Relevant Set der Nachfrager. Nach der EQW Heuristik wird die Alternative mit der höchsten Nutzensumme ausgewählt.

855

Vgl. BREUSCH (2008) geht im Rahmen seines Customer-Equity-Modells ähnlich bei der Messung des Nettonutzens vor. Vgl. BREUSCH (2008), S. 113.

856

Vgl. JAGER (2007), S. 869.

857

Vgl. GUTSCHE (1995), S. 84 sowie BREUSCH (2008), S. 113.

206

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

Bei der formalanalytischen Implementierung der „Weighted additive heuristic“ (WADD), muss die Funktion um die Wichtigkeit der einzelnen Nutzendimension ergänzt werden. 858 Hierzu wird der Gewichtungsfaktor w für die individuelle Wichtigkeit der einzelnen Nutzendimension für den Kauf eingeführt: A

B

a 1

b 1

A t B { ¦ w1a1  w2 a2  ...  wn an ! ¦ w1b1  w2b2  ...  wnbn Zum Zweck der Gewichtung werden empirisch erhobene Wichtigkeiten der einzelnen Nutzendimensionen herangezogen w1, w2,…, wn. Hierbei wurde im Rahmen der empirischen Untersuchung der selbstbestimmten Methodik gefolgt, die besagt, dass die Attribute und Gewichte durch die Probanden auf vorgegebenen Ratingskalen bestimmt wurden. 859 Es wird, wie bei der EQW Heuristik, die Alternative mit dem höchsten Nutzenwert durch den Nachfrager ausgewählt:

v( A)

¦ w v (a ) i i

i

i

Bei der MCD Heuristik unterschiedet sich die Wertfunktion von der bereits beschriebenen, da im Rahmen dieser Entscheidungsheuristik keine additive Verknüpfung der ursprünglichen Nutzenwerte vorgenommen wird. Innerhalb der MCD Heuristik werden Alternativenpaare hinsichtlich deren Ausprägung auf den einzelnen Attributen verglichen. Dies wird jedoch dichotom vorgenommen, wenn eine Marke auf einer Dimension besser bewertet worden ist, wird diese Differenz mit +1 gewertet. Die ursprünglichen Bewertungen der Dimensionen werden insofern berücksichtigt, dass eine Marke besser oder schlechter auf einer Dimension abschneidet. Zur tatsächlichen Entscheidung zieht der Nachfrager die simplifizierten Differenzen heran, indem er die Marke auswählt, welche den höheren Wert erzielt. Die Marke mit der in Summe höheren Bewertung auf den einzelnen Attributen wird beibehalten und mit der nächsten Marke verglichen, bis nur noch eine Alternative übrig bleibt. Die Heuristik kann wie folgt formalisiert werden: M 1 ! M 2 { DM 1 ! DM 2

858

Häufig wird die WADD Regel auch MAU Regel genannt. Vgl. JUNGERMANN/PFISTER/FISCHER (2005), S. 123 ff.

859

Vgl. HOEPFL/HUBER G. (1970), S. 408 ff. sowie die Diskussion zur Erhebungsmethodik im Rahmen der Conjointanalyse. Neben der selbstbestimmten Methodik zur Gewichtung von Attributen sind die multiple Regression, die Varianzanalyse und Varianten der Conjointanalyse anwendbar.

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

207

DMi stellt in diesem Fall den Differenzvektor dar, der entsteht, sobald die Alternativen miteinander verglichen werden. Er setzt sich zusammen aus:

DMi

Da1b1  Da 2b 2  ...  Daibi

2.2.2.3 Nicht-kompensatorische Heuristiken In der lexikographischen Regel werden alle Marken innerhalb des consideration sets zuerst auf der wichtigsten Nutzendimension verglichen. Ist eine der Marken besser als die anderen, wird diese ausgewählt. Werden zwei oder mehr Marken auf dieser Dimension präferiert, wird die nächst wichtigste Beurteilungsdimension herangezogen. Dies wird so lange fortgeführt, bis eine Marke übrig bleibt und ausgewählt wird: M1 > M2 { a1 > a2 und aj ~ bj für alle j < i Die Indizierung gibt in diesem Fall die Wichtigkeit der einzelnen Dimensionen wider. Die aspektweise Eliminationsregel EBA, welche von TVERSKY (1972) entwickelt wurde, kann als Kombination aus einer lexikographischen und einer konjunktiven Regel beschrieben werden. Es ist eine Erweiterung der lexikographischen Regel durch eine dichotome Wertfunktion, indem der Nachfrager einen so genannten Schwellenwert je Attribut festsetzt (Threshold), den die einzelnen Marken innerhalb des Consideration Sets erfüllen müssen. Der Schwellenwert wird innerhalb des Modells mit der Durchschnittsbewertung auf diesem Attribut gleichgesetzt. Wenn eine Marke den Schwellenwert auf einer Dimension nicht erreicht, wird sie eliminiert. Dieses Verfahren wird so lange fortgeführt bis nur noch eine Alternative übrig bleibt:

A wird eliminiert { ki ! ai und a j t k j für alle j  i und M (T ) ! m. K stellt in diesem Fall den Kriterienvektor dar, welcher die Indizierung der Wichtigkeitsreihenfolge der einzelnen Attribute angibt. T symbolisiert die Menge der verbleibenden Alternativen und m die Menge der beizubehaltenden Alternativen. Die Satisficing Heuristik benötigt ebenfalls, ähnlich wie die EBA Heuristik, einen Schwellenwert auf jedem Attribut. Bei der Satisficing Heuristik wird im Gegensatz zur EBA nicht attributweise vorgegangen, sondern es wird eine gesamte Alternative hinsichtlich der Schwellenwerte auf jedem Attribut geprüft. Wenn nur ein Attribut einer Alternative unter dem Schwellenwert liegt, wird diese aus dem Consideration Set eliminiert. Die erste Alternative, welche den Schwellenwert auf jedem Attribut übertrifft, wird ausgewählt. Wenn keine Alternative des Consideration Sets die Bedingung erfüllt, werden die Schwellenwerte systematisch gesenkt und der Prozess so lange wiederholt, bis eine Alternative die Bedingungen erfüllt. Es hängt also davon ab, ob

208

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

eine Alternative die Bedingungen erfüllt und in welcher Reihenfolge die Alternativen angeordnet sind. In dem Fall eines Unentschiedens zwischen der ersten Wahl und der zweiten Wahl innerhalb des Consideration Sets, wird immer die erste Wahl ausgewählt, da sie als erstes evaluiert wird:

A wird eliminiert { ai  ti und a j  t j und ak  t k und al  tl T gibt in diesem Fall den Schwellenwert für die einzelnen Faktoren an. Sobald ein Faktor unterhalb des Schwellenwerts liegt, wird die Alternative eliminiert. Wenn keine Marke über den vorgegebenen Schwellenwert liegt, werden die Schwellenwerte um 5% gesenkt und die Heuristik beginnt abermals. Diese Prozedur wird solange durchgeführt, bis eine Alternative ausgewählt wird. 860 2.2.3 Qualitätsabhängige Kaufzyklen Die Kaufhäufigkeit oder -frequenz von Nachfragern stellt ein komplexes verhaltensorientiertes Konstrukt dar. Insbesondere im Markt für langlebige Gebrauchsgüter wirken viele Einflussfaktoren auf die Kaufhäufigkeit ein. Der wichtigste Einflussfaktor auf die Kauffrequenz ist die technisch bedingte Lebensdauer des Gebrauchsgutes. 861 Der Lebensdauer stehen jedoch immer kürzere Produktlebenszyklen gegenüber, besonders in reifen Märkten trifft dies zu, da technologische Innovationen wesentlich häufiger auftreten. 862 Einflussfaktoren auf die Kauffrequenz können die Marktbearbeitungsstrategien der einzelnen Marken sein, bspw. Preispromotions. Zu diesem Zweck muss der Marktlebenszyklus des zu betrachtenden Marktes innerhalb des Modells Berücksichtigung finden. Zur Erfassung des Konstruktes der Kaufhäufigkeit, führte BREUSCH (2008) im Rahmen seiner Untersuchung Expertengespräche durch, deren Ergebnisse Grundlage für die Modellierung der Kaufzyklen innerhalb des Repositionierungsmodells darstellen. Die Erfassung der Kaufhäufigkeiten der einzelnen Marken, die dann unter Berücksichtigung der Einflussfaktoren den Nachfrageragenten zugewiesen wurden, kann Abbildung 39 entnommen werden.

860

Dieses Vorgehen wurde an ein Vorgehen von SIMON (1955) angelehnt.

861

Vgl. BREUSCH (2008), S. 139.

862

Vgl. TIDD/BESSANT (2009), S. 27 ff.

209

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

Aktuelle Qualitätsklasse

Marken in dieser Klasse Marke 7

Hohe Qualität

Marke 6

Kaufzyklen in Jahren Qualitätssenkung

3

Konstante Qualität

3,5

Qualitätserhöhung

4

Qualitätssenkung

2,5

Konstante Qualität

3

Qualitätserhöhung

3,5

Qualitätssenkung

2

Konstante Qualität

2,5

Qualitätserhöhung

3

Marke 5

Marke 2 Mittlere Qualität

Marke 4 Marke 1

Niedrige Qualität

Marke 3

Abbildung 39: Verwendete Kaufzyklen im agentenbasierten Simulationsmodell Quelle: In Anlehnung an BREUSCH (2008), S. 263.

2.3 Darstellung der sozialen Interaktion 2.3.1 Soziales Umfeld Das soziale Umfeld jedes Agenten wird im Rahmen des Repositionierungsmodells in Anlehnung an die beschriebenen Modelle zellulärer Automaten als ein ddimensionales Gitter aus Zellen modelliert. 863 Jeder Agent besetzt innerhalb der Netlogo-Umgebung einen Patch (Zelle). Auf Basis des Gitters ist es nun möglich, unterschiedliche Nachbarschaftsmodelle mit unterschiedlichen Intensitäten zu implementieren. 864 Im Rahmen des agentenbasierten Simulationsmodells wird ein Moore Nachbarschaftsmodell implementiert, welches jedem Nachfrager acht Nachbarn zuweist. Die Anzahl der Nachbarn, mit denen die

863

Vgl. KLÜGL (2001), S. 54.

864

Vgl. KLÜGL (2001), S. 55.

210

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

einzelnen Agenten kommunizieren, kann im Rahmen des Modells dynamisch verändert werden, um zu untersuchen wie sich unterschiedliche Interaktionsintensitäten auf das Wahlverhalten auswirken. Als Grundlage für die Implementierung der sozialen Interaktion wurden die qualitativen Vorstudien herangezogen. Hinsichtlich des Empfehlungsverhaltens kann auf Basis der ermittelten Ergebnisse konstatiert werden, dass Nachfrager im Rahmen der Entscheidungsfindung im Festnetztelefonmarkt lediglich bis zu vier Personen in die Entscheidung mit einbeziehen. 865 Der Radius der Interaktion ist zwischen r=0,5 und r=5 beliebig anpassbar. 866 Innerhalb der Kalibrierungsphase des Modells wird besonders auf diesen Punkt eingegangen. Welcher Interaktionsradius die validesten Ergebnisse im Rahmen der Markenrepositionierung erbringt, wird in Kapitel 4 dargestellt. 2.3.2 Interaktion zwischen den einzelnen Agenten Die Interaktion zwischen den einzelnen Agenten wird im Rahmen des Simulationsmodells anhand des Empfehlungsverhaltens modelliert. Dies geschieht durch die Generierung eines neuen Attributs für jede Marke, welches aus der empirisch erhobenen Empfehlungsvariable gewonnen wird. 867 JAGER (2007) spricht in diesem Zusammenhang von sozialen Präferenzen und bildet ein so genanntes soziales Attribut, welches die Relation zwischen Nachbaragenten, die eine Marke konsumieren, durch die Gesamtanzahl an Nachbarn darstellt. Dieser Ansatz wird auf das Empfehlungsverhalten übertragen und in Anlehnung an ZHANG/ZHANG (2007) anhand der Variablen „infl_in“ und „infl_out“ dargestellt. 868 „Infl_out“ stellt in diesem Zusammenhang dar, wie stark die gekaufte Marke (Erste Wahl) durch einen Agenten den anderen Agenten in der Nachbarschaft empfohlen wird. Dieser Wert ist empirisch erhoben worden und mit der ersten Wahl jedes Agenten verknüpft.

865

Vgl. interne Studie des LiM.

866

Vgl. ZHANG/ZHANG (2007), S. 918. Eine Erhöhung des Radiusses führt zu einer Erhöhung der abgegebenen Empfehlungen.

867

Vgl. JAGER (2007), S. 870. Die empirisch erhobene Empfehlungsvariable stellt die Empfehlungsintention des jeweiligen Nachfragers dar. Sie ist ordinal 1 - 5 skaliert und wurde mit Bezug auf die gekaufte Marke erhoben.

868

Vgl. ZHANG/ZHANG (2007), S. 920. ZHANG/ZHANG (2007) modellierten die Interaktion der Agenten untereinander anhand von zwei Einflussvariablen. Diese zeigen an, inwieweit sich ein Agent von seinem sozialen Umfeld beeinflussen lässt. Diese soziale Beeinflussung wird dann als Variable innerhalb der Motivationsfunktion der Agenten berücksichtigt, die als Auswahlfunktion für den Kauf oder Nichtkauf einer Marke verantwortlich ist. Bezüglich der mathematischen Details vgl. ausführlich ZHANG/ZHANG (2007), S. 918.

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

211

Demgegenüber steht der Wert „Infl_in“, welcher in diesem Zusammenhang die Einflussnahme der Nachbaragenten repräsentiert. Er stellt einen Empfehlungsvektor dar, der sich aus den Empfehlungen der Nachbaragenten zusammensetzt. Er lässt sich wie folgt formalisieren: Infl _ in [¦ M a ; ¦ M b ; ¦ M c ; ¦ M d ; ¦ M e ; ¦ M f ; ¦ M g ]

Innerhalb des Netlogoprogrammes wird dieser Vektor als Liste dargestellt, welche die Informationen für jeden Agenten speichert. Diese Liste beinhaltet somit sämtliche Empfehlungen bezüglich der Marken M1 bis M7, die der Agent von den Nachbaragenten erhält (vgl. Abbildung 40).

bM M1

b M7

b

2

b

b

M6

b M5

b

M1

M3

M2

b b

M1 bis M7 = Empfohlene Marken Abbildung 40: Soziale Interaktion innerhalb des Modells Quelle: Eigene Darstellung.

Im zweiten Schritt wählt der Agent auf Basis seines Consideration Sets die Empfehlungen aus, die für ihn relevant sind. Die Relevanz für den Nachfrager wird durch das

212

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

Consideration Set determiniert. 869 Werden dem zu betrachtenden Nachfrager Marken empfohlen, die sich nicht in seinem Consideration Set befinden, werden diese nicht berücksichtigt. Auf Basis der Liste „infl_in“ bildet nun jeder Agent einen Empfehlungsvektor analog zu seinem Consideration Set:

Ei Mit

[

¦ Ma ; ¦ Mb ; ¦ Mc ] AnzahlM a AnzahlM b AnzahlM c

Ei = Nachfrageragent i Ma = Summe des Empfehlungswertes für Marke A Anzahl Ma = Anzahl der erhaltenen Empfehlungen für Marke A

Die Relation zwischen der erhaltenen Empfehlung und der Anzahl der Empfehlungen bilden analog zu JAGER (2007) das soziale Attribut jeder Marke innerhalb des Consideration Sets der Nachfrageragenten, wobei S ai das soziale Attribut der Marke A des Nachfragers i darstellt:

S ai

¦M

a

AnzahlM a

Dieses so ermittelte soziale Attribut wird im nächsten Schritt innerhalb der Präferenzbildung und Markenauswahl innerhalb der Entscheidungsfindung berücksichtigt. Durch die Integration des sozialen Attributes in die Wahlentscheidung der Nachfrageragenten wird die soziale Interaktion im Sinne von Empfehlungsverhalten in das Entscheidungsmodell jedes Agenten integriert. Die Auswirkungen der sozialen Interaktion können nun anhand der Simulationsläufe mit und ohne soziale Interaktion geprüft werden. Da jeder Nachfrageragent lediglich einen zeitpunktbezogenen, empirisch erhobenen Empfehlungswert hat, welcher mit der ersten Wahl verknüpft ist, muss eine dynamische Routine entwickelt werden, die es ermöglicht, zukünftige Entwicklungen zu simulieren. Diese Routine sollte es ermöglichen, im Falle eines Wechsels der Ersten Wahl aufgrund einer Markenrepositionierung für die folgenden Perioden einen künstlich erzeugten Empfehlungswert zu generieren, damit der Nachfrageragent seine

869

Da keine Informationen hinsichtlich neu eintretender Marken innerhalb des Modells verarbeitet werden können, wird der Annahme gefolgt, dass für die Nachfrager lediglich die Marken aus dem Consideration-Set als Markenwahlalternativen relevant sind.

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

213

neue erste Wahl in den Folgeperioden ebenfalls an seine Nachbaragenten weiterempfehlen kann. Zu diesem Zweck wurde mit dem Statistikprogramm Matlab 870 eine Kerndichteschätzung durchgeführt. Eine Kerndichteschätzung ist ein Verfahren, welches dazu genutzt wird, eine eindimensionale Verteilung zu schätzen. Es ist ein nichtparametrisches Verfahren, um die Verteilung im Rahmen einer Stichprobe zu realisieren. Als Grundlage für die Kerndichteschätzung dient die bisherige Verteilung der Empfehlungsvariablen, die in Abbildung 41 dargestellt ist.

Abbildung 41: Histogramm der Variable Empfehlung Quelle: Eigene Darstellung

Wie in dem Histogramm ersichtlich, folgt die Verteilung der Empfehlungsvariable nicht der abgetragenen Normalverteilungskurve. Aus diesem Grund wird für die Berechnung von Zufallszahlen, welche in die Simulation integriert werden sollen, eine nichtparametrische Kerndichteschätzung durchgeführt, die im Folgenden näher er-

870

Matlab (Matrix Laboratory) ist eine platformunabhängige Software zur Lösung mathematischer Probleme und zur grafischen Aufbereitung der Ergebnisse. Matlab ist primär auf numerische Berechnungen anhand von Matrizen ausgelegt.

214

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

läutert werden soll. Diese Kerndichteschätzung wird in Ermangelung von empirisch erhobenen Werten für sämtliche Marken im Consideration Set der Nachfrager durchgeführt. Sobald ein Nachfrager aufgrund einer Markenrepositionierung seine Marke wechselt, existiert kein empirisch erhobener Empfehlungswert, welcher in diesem Fall durch eine Zufallszahl ersetzt werden soll. Die verallgemeinerte Form einer eindimensionalen Kerndichteschätzung lautet 871:

f( x)

1 n § x  xi · ¸ ¦ K¨ hn i 1 © h ¹

Die Funktion K stellt in diesem Fall die Kernfunktion dar. Vor der Durchführung einer Schätzung sind zwei Entscheidungen zu treffen: Zum einen ist eine geeignete Kernfunktion auszuwählen und zum anderen ist die Bandweite h zu bestimmen. Für die Schätzung der Dichte im Falle des Empfehlungswertes wird ein Gauss-Kern 872 verwendet, der auch als Normalkern bezeichnet wird:

K (u )

1 exp(1 / 2u 2 ) 2S

Hierzu wird dann die Bandbreite so festgelegt, dass die geschätzte Dichtefunktion der tatsächlichen Verteilung innerhalb der Variablen entspricht. 873 Aus der geschätzten invertierten Dichtefunktion ist es dann möglich, mittels linearer Interpolation Zufallswerte zu generieren, welche dann der ursprünglichen empirischen Verteilung entsprechen. Diese Zufallszahlen werden dann in das agentenbasierte Simulationsmodell integriert und jedem Agenten zugewiesen, der seine erste Wahl aufgrund einer Repositionierung ändert. Mit Hilfe des dargestellten Verfahrens wird gewährleistet, dass die vergebenen Zufallswerte der empirisch ermittelten Verteilung entsprechen und keine Verzerrungen auftreten. Dies ermöglicht eine von den empirischen Daten unabhängige Simulation zukünftiger Marktentwicklungen in Abhängigkeit der sozialen Interaktion.

871

Vgl. PETERSMEIER (2003), S. 98.

872

Vgl. MICHELS (1992), S. 12.

873

Zu verschiedenen Verfahren der Ermittlung der optimalen Bandbreite vgl. PETERSMEIER (2003), S. 106 ff.

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

215

2.4 Zusammenfassende Betrachtung des Modells Das agentenbasierte Simulationsmodell ist im Gegensatz zu statistischen Modellen in der Lage, das individuelle Kaufverhalten der einzelnen Nachfrager abzubilden. Jedem Nachfrager innerhalb des Modells kann eine spezifische Entscheidungsregel zugewiesen werden, die je nach Situation einsetzbar ist. Neben den bereits implementierten Entscheidungsregeln kann das Regelset beliebig erweitert werden. Auf Grund der deterministischen Vorgehensweise wird auf sämtliche Verteilungsannahmen verzichtet. Somit erfüllt das Modell sämtliche Funktionsweisen eines ChoiceSimulators. 874 Das Modell ist somit in der Lage, unterschiedliche Entscheidungsregeln anzuwenden, unterschiedliche Charakteristiken der Nachfrager zu berücksichtigen, Marktanteilsveränderungen zu berechnen sowie segmentspezifische Aussagen zu treffen. Über die realitätsnähere Abbildung des Wahlverhaltens hinaus ist das Modell in der Lage soziale Interaktionsmechanismen abzubilden. Dies kann auf unterschiedliche Art und Weise implementiert werden. Im Rahmen des bestehenden Modells wird hier auf das Konstrukt der Weiterempfehlung zurückgegriffen. Somit dient das Simulationsmodell der Entscheidungsunterstützung bei Repositionierungsentscheidungen, da sämtliche Annahmen auf markentheoretischen Grundlagen basieren. Im Folgenden soll nun das agentenbasierte Simulationsmodell innerhalb des Festnetztelefonmarktes empirisch überprüft und validiert werden. 875 3

Konzeption und Ablauf agentenbasierter Simulationen

Der Anspruch vieler agentenbasierter Modelle ist es, ein Vorhersagemodell zu generieren, um ein reales System nachzubilden. 876 Der Ablauf einer agentenbasierten Simulation kann allgemein in 5 Teilschritte unterteilt werden, die mehrfache Iterationen durchlaufen (vgl. Abbildung 42). 877

874

Vgl. zu den Charakteristika von Choice Simulatoren vertiefend GREEN/KRIEGER/WIND (2005a), S. 171.

875

Eine Darstellung der Oberfläche des agentenbasierten Modells kann Anhang 4 entnommen werden.

876

Vgl.OECHSLEIN (2004), S. 44.

877

Vgl. BOSSEL (2004); GILBERT/TROITZSCH (2005); MONSEF (1997) sowie zusammenfassend OECHSLEIN (2004), S. 44.

216

1ste Iteration

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

Konzeptmodell (Analyse)

2te Iteration

Konzeptmodell (Analyse)

Letzte Iteration

Konzeptmodell (Analyse)

Spezifikation (Design)

Implementation

Spezifikation (Design)

Spezifikation (Design)

Kalibrierung

Implementation

Implementation

Beschreibungssprache + Unterstützung der Erstellung

Experimentation

Kalibrierung

Kalibrierung

Experimentation

Experimentation

Qualitätssicherung

Abbildung 42: Ablauf eines agentenbasierten Simulationsmodells Quelle: In Anlehnung an OECHSLEIN (2004), S. 52.

Grundlage für ein agentenbasiertes Simulationsmodell stellt das Konzeptmodell dar. Im Rahmen des Konzeptmodells werden die Forschungsfrage und die zentralen Hypothesen, die durch das Modell untersucht werden sollen, spezifiziert. Darüber hinaus werden die zentralen Systemgrößen wie Ein- und Ausgabegrößen und Parameter mit ihren kausalen Zusammenhängen festgelegt und dargestellt. Die zentralen Bestandteile der Simulation, Agenten, Ressourcen und ihre Umwelt, werden ebenfalls in dieser Phase konzipiert. Die Organisationsstrukturen innerhalb des Modells werden in diesem Schritt lediglich abstrakt angegeben, was z.B. bedeutet welche Interaktionen stattfinden und welche Organisationsstrukturen unterstützt werden. Eine genaue Ausgestaltung der Interaktionen findet erst nachgelagert statt. Die Visualisierung der unterschiedlichen Hierarchieebenen und Interaktionen kann mittels Beschreibungssprachen wie UML (Unified Modeling Language) erfolgen. Die Anführung der Experimente, die mit dem Modell durchgeführt werden sollen, findet ebenfalls schon in der Konzeptionsphase statt. In der nachgelagerten Spezifikationsphase werden die bereits beschriebenen Elemente näher konkretisiert. Im Rahmen dieser Untersuchung werden Schritt eins und Schritt zwei zusammengefasst, die detaillierte Beschreibung des Konzeptmodells findet demnach schon im ersten Schritt statt.

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

217

In der Implementierungsphase wird das konzeptionelle Modell konkretisiert und anhand einer Simulationssprache programmiert. Dies sind die Umsetzung der Infrastruktur im Rahmen des Simulators, die Umsetzung der ausgewählten Agentenarchitektur und eine Implementierung der benötigten Kommunikationsinfrastruktur, die Programmierung der Verhaltens- und Zustandsvariablen der Agenten sowie die Entwicklung unterschiedlicher Szenarios, in diesem Fall Markenrepositionierungen innerhalb der durchgeführten Experimente. Die Kalibrierungsphase dient der Anpassung der Modellgrößen, so dass das in den Simulationsläufen gezeigte Verhalten möglichst gut dem Zielsystem entspricht.878 Die Parametrisierung ist bei agentenbasierten Simulationen besonders schwierig, da das lokale Verhalten der Agenten das Zielsystem des Gesamtmodells auf Makroebene bestimmt. In der Experimentationsphase werden dann die eigentlich geplanten Simulationen durchgeführt und grafisch bzw. tabellarisch dokumentiert. Neben dem dargestellten Ablaufprozess müssen weitere qualitätssichernde Maßnahmen durchgeführt werden, um die Qualität des Gesamtmodells zu erhöhen. 4

Qualitätssichernde Maßnahmen bei der Erstellung agentenbasierter Modelle

Agentenbasierte Simulation in den Geisteswissenschaften ist eine neue Methodik mit erheblichem Potential zur Erforschung von Marktphänomenen. 879 Die wissenschaftliche Literatur jedoch beschäftigt sich erst seit jüngster Zeit mit der Erforschung von Methodiken zur Validierung agentenbasierter Simulationsmodelle. 880 CARLEY (1996) entwickelte in ihrem Arbeitspapier vier Stufen für die Validierung von agentenbasierten Modellen: I. Argumentation, II. Kalibrierung, III. Verifizierung, IV. Harmonisierung. Diese Stufen der Validierung können auch auf agentenbasierte Modelle aus dem Marketing-Bereich übertragen werden. 881 Der erste Schritt bei der Validierung von agentenbasierten Modellen stellt die Überprüfung der Argumentation dar. Diese Form der Validierung wird auch häufig als „fa-

878

Vgl. OECHSLEIN (2004), S. 63.

879

Vgl. MIDGLEY/MARKS/KUNCHAMWAR (2007), S. 848.

880

Vgl. CARLEY (1996); FAGIOLO/MONETA/WINDRUM (2007); FAGIOLO/BIRCHENHALL/WINDRUM (2007); MIDGLEY/MARKS/KUNCHAMWAR (2007); GARCIA/RUMMEL/HAUSER (2007).

881

Vgl. GARCIA/RUMMEL/HAUSER (2007), S. 849.

218

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

ce-validity“ bezeichnet. 882 Face Validity bedeutet, dass die Vereinfachungen, die innerhalb des Modells implementiert worden sind, nicht die Wertigkeit der zu erzielenden Simulationsergebnisse zu stark mindert. 883 Dies kann sich bspw. auf die Vernachlässigung wichtiger Einflussfaktoren beziehen, deren Fehlen zu verfälschten Ergebnissen führen würde. Neben der Face-Validity werden in dieser Stufe auch die partielle Parametervalidität sowie die Prozessvalidität überprüft. Dies geschieht innerhalb einer Initialisierungsphase, in der die einzelnen Prozesse und Parameter so gesetzt werden, dass sie den realen erhobenen Daten entsprechen. 884 Die Kalibrierung innerhalb des Validitätsprozesses ist ähnlich der in Kapitel 3 beschrieben Kalibrierungsphase. Hier findet ein genauer Abgleich zwischen den vom Modell generierten Daten und den empirisch erhobenen realen Daten statt. Dies ist ein iterativer Prozess, der so lange fortgeführt wird, bis die einzelnen Parameter des Modells mit denen der Realdaten übereinstimmen. 885 Im Rahmen der Kalibrierung steht die Überprüfung des Modellinputs, sowie die internen Prozesse und Kausalitäten des Simulationsmodells im Vordergrund. 886 Eine detailliertere Betrachtung der einzelnen Kalibrierungsmethoden würde an dieser Stelle zu weit führen. Mögliche weiterführende Ansätze hierzu sind der „Indirect Calibration Approach“, der „WerkerBrenner Approach“ sowie der „History Friendly Approach“. Die dritte Phase ist die Verifizierungsphase. Die Definition und Abgrenzung von Verifizierung und Validierung im Rahmen agentenbasierter Simulationen hat in der Wissenschaft zu einer kontroversen Diskussion geführt. GONZALEZ/BARR (2000a) definieren verification als „… the process ensuring that the intelligent system (1) conforms to specifications, and (2) that its knowledge base is consistent and complete within itself.“ 887 Der Verifikationsbegriff hat nach dieser Definition zwei Ebenen. Die erste Ebene besagt, dass das Agentensystem den schriftlich niedergelegten Spezifikationen entspricht. Die zweite Ebene bezieht sich explizit auf die Agenten in dem Sinne, dass innerhalb ihrer Wissensrepräsentation (bspw. Image einer Marke, Wichtigkeit von Attributen etc.) keine internen Fehler auftreten. Interne Fehler können in diesem Zusammenhang Konflikte, Redundanzen oder Zirkularitäten sein, die zu pa-

882

Vgl. CARLEY (1996), S. 8.

883

Vgl. CARLEY (1996), S. 11.

884

Vgl. GARCIA/RUMMEL/HAUSER (2007), S. 849.

885

Vgl. CARLEY (1996), S. 13 f.

886

Vgl. GARCIA/RUMMEL/HAUSER (2007), S. 850.

887

Vgl. GONZALEZ/BARR (2000a), S. 412.

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

219

thologischen Interaktionen oder Missing Links führen können. 888 GONZALEZ/BARR (2000b) GARCIA/RUMMEL/HAUSER (2007) definieren verification als: „[Verification] only means that the software correctly implements the conceptual model that the researcher intended.” 889 Das bedeutet, dass das Softwaresystem den Hypothesen des Wissenschaftlers folgen kann und die intendierten Gleichungssysteme durch das Programm korrekt gelöst und dargestellt werden. CARLEY (1996) definiert Verifizierung lediglich als: „… a set of techniques for determining the validity of a computational model’s predictions relative to the set of real data.” 890 Das bedeutet, dass Verifizierung nur die Validierung des Outputs der Simulation bedeutet. Im Rahmen dieser Arbeit soll diese Sichtweise jedoch durch die bereits beschriebene Perspektive von MIDGLEY/MARKS/KUNCHAMWAR (2007) erweitert werden, so dass die Verifizierung neben der Ergebnisvalidierung auch die Verifizierung des Quellcodes beinhaltet. Zur Verifizierung der Simulationssoftware können unterschiedliche Methoden angewendet werden. Die erste Möglichkeit der Code Verifizierung ist ein external review. Diese Methode wurde ursprünglich für IBM entwickelt. Kernkomponente der Methodik ist eine kleine Gruppe von Experten, die systematisch den Quellcode kontrollieren und im Zuge dessen Techniken wie das Paraphrasing 891 einsetzen. 892 Forschung in diesem Bereich hat gezeigt, dass externe Codereviews die Fehleranfälligkeit sehr stark reduzieren. 893 Eine andere Form der Verifizierung ist die Anwendung automatischer Prüfsysteme zur Quellcodeanalyse. 894 In Zeiten des Internets ist eine weitere relativ einfache Möglichkeit der Quellcodeverifizierung die Veröffentlichung des Quellcodes auf einer Webseite, die für jeden zugänglich ist. 895 Diese Form der Quellcodeanalyse ist aus Kostensicht die effizienteste Lösung. Weitere wichtige Analysen zur Verifizierung sind „extreme bounds testing“ und Sensitivitätsanalysen. Extreme bounds testing bezieht sich darauf, ob das Model an seinen Grenzen sinnvolle Er-

888

Vgl. GONZALEZ/BARR (2000b), S. 887.

889

Vgl. GONZALEZ/BARR (2000b), S. 887.

890

Vgl. CARLEY (1996), S. 16.

891

Unter Paraphrasing wird eine Technik verstanden, bei der die Bedeutung jeder Quellcodezeile auf einer höheren Ebene verbalisiert wird. Vgl. MIDGLEY/MARKS/KUNCHAMWAR (2007), S. 887.

892

Vgl. FAGAN (1999), S. 260 ff.

893

Vgl. GLASS (2002), S. 19 ff.

894

Vgl. HAILPERN/SNTHANAM (2002), S. 7 Das Problem der automatischen Quellcodeanalyse liegt darin, dass „ Any proof system that can automatically verify a real program must be able to handle a very complex logical analysis.“ Das bedeutet, dass solch eine Prüfsoftware komplexer sein muss als die eigentlich zu testende Software. Vgl. H AILPERN/SNTHANAM (2002), S. 9.

895

Vgl. MIDGLEY/MARKS/KUNCHAMWAR (2007), S. 887.

220

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

gebnisse produziert oder nicht. Zusätzliche Sensitivitätsanalysen stellen sicher, dass die Parameterkombinationen, welche einen starken Einfluss auf die Modellergebnisse ausüben, mit den Spezifikationen des Modells übereinstimmen. 896 Im Idealfall sollten mehrere dieser Methoden während des Entwicklungsprozesses eines agentenbasierten Modells angewendet werden, um die Qualität zu sichern und zu erhöhen. Die vierte und letzte Stufe des Validitätsprozesses ist die Harmonisierung des Modells. Eine mögliche Methode der Harmonisierung ist der Vergleich der Modellergebnisse mit den Ergebnissen eines linearen statistischen Modells. 897 Zusammenfassend können die vier Stufen des Validierungsprozesses wie folgt beschrieben werden: „Grounding sets up the model, calibration fine tunes the model, verification matches the model to real world phenomena and harmonization tests the model to the proposed hypotheses developed.“ 898 Ein explizites Hinzufügen der Quellcodeüberprüfung innerhalb der Verifizierungsphase ist jedoch ebenso notwendig, da solche Fälle ebenfalls zu fehlerhaften Berechnungen führen können. In Abbildung 43 sind die unterschiedlichen Stufen des Prozesses dargestellt. Im Rahmen der hier durchgeführten Studie werden Quellcodeanalysen zur Herstellung der Face-Validity durchgeführt. Darüber hinaus werden Signifikanztests zwischen den empirisch erhobenen Daten und den durch das Modell berechneten Daten berechnet.

896

Vgl. SCHREIBER (2003), S. 14 f.

897

Vgl. CARLEY (1996), S. 19.

898

Vgl. GARCIA/RUMMEL/HAUSER (2007), S. 850.

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

221

Harmonisierung Verifizierung Kalibrierung Anpassung Unkalibriertes Detaillierte BerechnungsRealdaten modell Kalibriertes Berechnungsmodell

Berechnete Daten

Vergleich Berechnete Prognosen Set 1

Vergleich Berechnete Prognosen Set 2

Kreuz-Validierung Limitierte Realdaten Set 1

Limitierte Realdaten Set 2

Regressions Gleichungen

Vergleich

Lineares Modell

Prognosen des linearen Modells

Harmonisierung

Abbildung 43: Der Validierungsprozess. Quelle: CARLEY (1996), S. 20.

5

Empirische Anwendung im Festnetztelefonmarkt

5.1 Abgrenzung des Marktes für schnurlose Festnetztelefone Der Untersuchungsgegenstand des agentenbasierten Simulationsmodells ist der Festnetztelefonmarkt. Im Fokus der Untersuchung steht der Festnetztelefonmarkt in Deutschland. Weitere Ländermärkte im Rahmen der Untersuchung stellen der russische, der chinesische, der französische sowie der schwedische Festnetztelefonmarkt dar. Im Rahmen der Untersuchung wird ausschließlich der Privatkundenmarkt (B2C) betrachtet, der Businesskundenmarkt (B2B) ist nicht Gegenstand der Untersuchung.

222

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

Schnurlose Festnetztelefone können hinsichtlich ihrer Beschaffenheit und Einsatzdauer als langlebige Gebrauchsgüter klassifiziert werden. Gebrauchsgüter sind Güter, die zur mehrmaligen oder andauernden Verwendung bestimmt sind. 899 Hinsichtlich der Kaufgewohnheiten der Nachfrager können schnurlose Telefone als Güter des Such- und Vergleichskaufs charakterisiert werden. 900 Das bedeutet, innerhalb der Kaufentscheidung durchläuft der Nachfrager verschiedene Such-, Vergleichs-, sowie Auswahlprozesse. Im Rahmen dieser Auswahlprozesse ziehen die Nachfrager unterschiedliche Beurteilungskriterien wie Qualität, Design, Preis oder Prestige heran. Viele notwendige Informationen sind für die Nachfrager frei zugänglich und werden auch von den Herstellern aktiv kommuniziert, so dass innerhalb des Marktes keine nennenswerten Informationsasymmetrien zwischen Nachfragern und Herstellern bestehen. Schnurlose Festnetztelefone können in der Regel als Low-Involvement-Kategorie bezeichnet werden. Das bedeutet, dass das Interesse der Nachfrager an dieser Produktkategorie über die Zeit hinweg als niedrig eingestuft werden kann. KAPFERER/LAURENT (1985) fanden heraus, dass beim Kauf von Produkten, mit denen kein soziales bzw. finanzielles Risiko einhergeht, ein geringes Involvement vorherrscht. Bei vielen Verbrauchsgütern bspw. tritt Low-Involvement auf, sobald es sich um Güter des täglichen Bedarfs handelt. Charakteristika für low-involvement Produkte sind bspw., dass sich der Markt in einer Sättigungsphase befindet, es nur eine geringe Produktdifferenzierung gibt und ein kaum vorherrschendes Kaufrisiko vorliegt. 901 Das Volumen des Schnurlostelefonmarktes nimmt kontinuierlich seit 2004 ab (vgl. Abbildung 44). Dies bekräftigt die Aussage, dass der Markt sich in der Sättigungs- bzw. in der Degenerationsphase befindet.

899

Vgl. NIESCHLAG/DICHTL/HÖRSCHGEN (2002), S. 82.

900

Vgl. BREUSCH (2008), S. 194.

901

Vgl. ZAICHKOWSKY (1985), S. 341 ff. sowie KROEBER-RIEL/WEINBERG/GRÖPPEL-KLEIN (2009), S. 413.

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

223

In € 1.600.000 1.400.000 1.200.000 DECT Welt DECT Europa DECT Nordamerika DECT Südamerika DECT Asien

1.000.000 800.000 600.000

DECT = Festnetztelefone

400.000 200.000 Jahre

0 04-05

05-06

06-07

07-08

08-09

09-10

10-11

Abbildung 44: Entwicklung des Festnetztelefonmarktes bis 2011 Quelle: Unveröffentlichte Studie 2006.

Dieser Umstand ist unter anderem auf neue Technologien wir die IP-Telefonie und die Konvergenz des Handymarktes mit dem Festnetztelefonmarkt zu erklären. Innerhalb der modernen Kaufverhaltenstheorie wird die Anzahl der Entscheidungsträger während der Kaufentscheidung berücksichtigt. Schnurlose Telefone stellen eine Kategorie dar, in welcher der individuelle Nachfrager als Entscheidungsträger fungiert. Da der B2C Markt Gegenstand der Betrachtung ist, können institutionelle oder unternehmerische Käufer ausgeschlossen werden. Darüber hinaus können kollektive Kaufentscheidungen bspw. von Familien ebenfalls ausgeschlossen werden. Dies bedeutet jedoch nicht, dass innerhalb der individuellen Kaufentscheidung soziale Einflüsse nicht berücksichtigt werden. Qualitative Vorstudien haben ergeben, dass beim Kauf eines Festnetztelefons häufig Empfehlungen von Freunden und Bekannten eingeholt werden, welche die Kaufentscheidung beeinflussen. Eine Modellierung des Kaufentscheidungsprozesses als individuellen Prozess, basierend auf unterschiedlichen Entscheidungsregeln, erscheint aus diesen Gründen als eine geeignete Annahme für diesen Markt. 902 Hinzu kommt die Modellierung sozialer Einflüsse als direkter Einflussfaktor auf den Kauf, welche auch einen Einfluss auf Repositionierungsentscheidungen ausübt.

902

Vgl. BREUSCH (2008), S. 195.

224

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

Darüber hinaus können Festnetztelefone als heterogene Produkte bezeichnet werden. 903 Heterogen bedeutet in diesem Zusammenhang, dass sich die unterschiedlichen Telefonmarken hinsichtlich der verschiedenen Produktaustattungsmerkmale und Preise innerhalb der Kaufentscheidung vergleichen lassen. Im Rahmen der Präferenzbildung spielt somit die vergleichende Abwägung unterschiedlicher Merkmale eine besondere Rolle. Aus diesem Grund erscheint eine multiattributive Herleitung funktionaler Nutzenmerkmale als Basis für die zu modellierende Kaufentscheidung innerhalb des Festnetztelefonmarktes als sinnvoll. Der Verwendungszweck eines Festnetztelefons ist primär die Befriedigung des Kommunikationsbedürfnisses der Nachfrager. Insbesondere der problemlose Kontakt mit dem persönlichen Umfeld steht bei der Erfüllung dieses Bedürfnisses im Vordergrund. Neben diesem Primärbedürfnis gibt es noch weitere Bedürfnisse wie bspw. das Design des Telefons, ob es zum Interieur der Wohnung passt, oder ob es zum Lifestyle der Person passt. Aus diesem Grund ist eine Marktbetrachtung hinsichtlich emotionaler Nutzenmerkmale ebenfalls erforderlich, um ein vollständiges Marktbild entwickeln zu können. 5.2 Soziale Interaktion beim Kauf von Festnetztelefonen Im Zentrum agentenbasierter Modelle steht die Interaktion zwischen den einzelnen Nachfragern. Qualitative Studien des Lehrstuhls für innovatives Markenmanagement (LiM) an der Universität Bremen haben ergeben, dass im Rahmen der Kaufentscheidungsfindung bei Festnetztelefonen von Nachfragern die Interaktion eine wichtige Rolle spielt. Dies umfasst nicht nur die Interaktion zwischen Nachfragern und Verkäufern sondern auch die Interaktion von Nachfragern innerhalb des Bekanntenkreises in Form von Empfehlungen. 904 30% der Probanden gaben an, dass Empfehlungen im Rahmen ihrer Kaufentscheidung eine wichtige Rolle gespielt haben. 905 Teilweise haben die Probanden bis zu 20 Minuten mit Freunden und Bekannten über mögliche Kaufoptionen gesprochen. 906 Diese Zahlen bestätigen allgemeine Erkenntnisse aus Technologiemärkten, dass Nachfrager sich vor dem Kauf von ihren Mit-

903

Vgl. BREUSCH (2008), S. 195.

904

An dem Experiment „Telekommunikationsstudie 2“ nahmen 108 Probanden teil. Es wurde am Lehrstuhl für innovatives Markenmanagement an der Universität Bremen durchgeführt.

905

LEHRSTUHL FÜR INNOVATIVES MARKENMANAGEMENT (2007).

906

LEHRSTUHL FÜR INNOVATIVES MARKENMANAGEMENT (2007). Im Rahmen der Vorstudie wurde von den Probanden angegeben, bis zu vier Empfehlungen beim Kauf eines Festnetztelefons erhalten zu haben.

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

225

menschen Empfehlungen geben lassen. 907 Ein weiteres Konzept, welches auf sozialer Interaktion basiert, ist das Meinungsführerprinzip. 908 Nachfrager beschaffen sich häufig Informationen von Meinungsführern, welche dann die Kaufentscheidung beeinflussen. Dies geschieht insbesondere in Märkten mit komplexen Technikprodukten. 909 Diese Ergebnisse lassen vermuten, dass der Festnetztelefonmarkt einen geeigneten Markt für eine agentenbasierte Simulation darstellt. Aus diesem Grund wird der Erfolg einer Repositionierungsstrategie im Rahmen des Modells einmal ohne soziale Interaktion und einmal mit sozialer Interaktion modelliert, um herauszufinden, welchen Einfluss die soziale Interaktion tatsächlich auf den Erfolg einer Repositionierungsstrategie hat. 5.3 Segmentierung im Festnetztelefonmarkt 5.3.1 Bildung von Nachfragersegmenten Innerhalb der Simulationsumgebung Netlogo ist es möglich, Agentenklassen zu bilden und diese mit gruppenspezifischen Eigenschaften oder Regeln zu belegen. Diese „breed“ Funktion kann im Rahmen verhaltenswissenschaftlicher Kaufentscheidungsmodelle verwendet werden, um unterschiedliche Käuferschichten oder Segmente darzustellen. Im Rahmen des agentenbasierten Repositionierungsmodells ist es möglich, den Markt für Festnetztelefone in sieben unterschiedliche Segmente mit verschiedenen Eigenschaften einzuteilen (vgl. Abbildung 45).

907

Vgl. BLACKWELL/MINIARD/ENGEL (2006), S. 114 ff.

908

Vgl. HOMBURG/KROHMER (2003), S. 491.

909

Vgl. MOHR/SENGUPTA/SLATER (2010), S. 232 ff.

226

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

„Die Reservierten“ „Die Reduktionisten“ 6,3%

„Die Multinutzer“

17%

15,5%

3,6%

„Die Innovativen“

6,7%

9,9%

„Die Mitläufer“ „Die Funktionalisten“

40,9%

„Die Kommunikativen“ Abbildung 45: Segmente im Festnetztelefonmarkt übertragen auf das agentenbasierte Simulationsmodell Quelle: Eigene Darstellung in Anlehnung an O.V. (2006).

In Abbildung 45 sind die sieben Segmente und ihre Verteilung im deutschen Markt dargestellt. 910 Für das Segment der „Reduktionisten“ ist das Festnetztelefon das wichtigste Kommunikationsgerät. Neue Medien werden weitestgehend abgelehnt, insbesondere das Internet wird selten genutzt. Die „Mitläufer“ hingegen sind relativ offen für neue Technologien, sie nutzen das Telefon, um mit ihrer Umwelt in Verbindung zu bleiben. Die „Funktionalisten“ nutzen Medien wie das Internet oder das Telefon weitestgehend zur Organisation ihres Alltags. Sie sind sehr abhängig von elektronischen Medien, gleichzeitig nutzen sie das Telefon nur sehr selten für die persönliche Kommunikation. Die „Kommunikativen“ sind sehr in ihrem persönlichem Umfeld verhaftet. Für sie ist es wichtig, spontan und intim Gespräche am Telefon führen zu können. Die „Multinutzer“ sind die Trendsetter, welche sämtliche Formen von modernem Media-Equipment nutzen. Sie sind einfach für neue Technologien zu begeistern. Die „Innovativen“ bewegen sich weg vom Festnetztelefon hin zu neuen Möglichkeiten digitaler Kommunikation. Sie haben einen sehr ausgeprägten Fokus auf das Internet. Sie sind ähnlich wie die „Multinutzer“ leicht für neue Technologien zu begeistern. Das

910

Zur Veranschaulichung und Charakterisierung der einzelnen Segmente reicht die Verteilung im deutschen Markt aus. Diese Segmente sind ein Ergebnis mehrerer quantitativer und qualitativer Grundlagenstudien die auf Basis von Klassifikationsvariablen mittels einer Clusteranalyse die sieben Segmente ermittelt haben. Vgl. O.V. (2006), S. 1 ff.

227

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

Segment der „Reservierten“ ist innerhalb des Festnetztelefonmarktes als zurückhaltend zu charakterisieren. Neue Medien kommen für sie so gut wie gar nicht in Frage. Hinsichtlich des Telefonmarktes sind insbesondere vier Kriterien hervorzuheben, welche das Nutzungsverhalten der Nachfrager abbilden (vgl. Abbildung 46). Trifft überhaupt nicht zu

Trifft eher zu

Trifft eher nicht zu

Trifft vollkommen zu

Ich telefoniere intensiv mit Freunden oder Familie, um den Kontakt zu vertiefen.

100 80

66,3

57,8

60 40

33,3

22,4

20

8,1

0

28,5

3

30,7 28,230,7

26,3 12,2 3,5

0

Die Reduktionisten

55 39,4

38,1

Die Mitläufer

Die Funktionalisten

1,2 4,2 Die Kommunikativen

10,2

5,5

4,4

Die Innovativen

50

40,4 33,7 21,3

Die Multinutzer

41,6

2,7

Die Reservierten

Telefonieren ist für mich etwas Schönes. Ich tausche mich gern mit anderen in ausgiebigen Telefonaten aus.

100

85,7

83,6

80

56,1

60

16,3

20 0

100 80

0

0

0

Die Reduktionisten

14,2 0 Die Mitläufer

5,2 0 Die Funktionalisten

Die Kommunikativen

58 47,3 36,8 18,3 0

0

Die Reduktionisten

100 80

1,2 2,5

9,5

90,4

83,6

0

48,7

39,4

17,917,9

12,2 3,5

0

Die Mitläufer

Die Funktionalisten

2,5

11,1

6,7

0

Die Multinutzer

44,9 33,7

15,3

0

Die Kommunikativen

Die Reservierten

Die Innovativen

44,441,6

16,8 4,4 Die Multinutzer

8,3

5,5

Die Reservierten

56,1

21

16,3 0

0

Die Reduktionisten

9,5 0 Die Mitläufer

0

25,4 15,7

7

Die Funktionalisten

0,8 0 Die Kommunikativen

47,2 41,6

42,7 34,8

41

40

0

44,4 44,4

Ich bin kein Telefonmensch. Anrufe sind für mich eher lästig.

60

20

Die Innovativen

42,7 23,6 26,9

90,4

81,6

40

0

38,4 28,2 20,5 12,8

Telefonieren macht mir wenig Spaß. Ich versuche meine Telefongespräche so kurz wie möglich zu halten.

60

20

55,1 41,1

38,6

40

25,620,5 12,8

0,8

Die Innovativen

17,9 4,4 Die Multinutzer

8,3

2,7 Die Reservierten

Abbildung 46: Relevanteste Kriterien im Festnetztelefonmarkt für die Nachfragerklassifizierung Quelle: Eigene Darstellung.

Die Häufigkeitsverteilungen zeigen, für welche Gruppen das Festnetztelefon eine Bedeutung im alltäglichen Leben besitzt und für welche Gruppen das Festnetztelefon eine eher untergeordnete Rolle spielt. Die „Reduktionisten“, „Mitläufer“, „Funktionalisten“ und „Multinutzer“ können als „festnetz-affin“ bezeichnet werden und messen dem Festnetztelefon eine höhere Bedeutung bei, als die „Kommunikativen“, „Innova-

228

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

tiven“ und die „Reservierten“. Aus den gezeigten Ergebnissen kann abgeleitet werden, dass die „festnetz-affinen“ Segmente ein höheres Involvement 911 aufweisen als die anderen drei Segmente. Im Rahmen einer Kontingenzanalyse hinsichtlich des Nutzungsverhaltens konnte festgestellt werden, dass sich diese vier Merkmale zur Unterscheidung der Gruppen heranziehen lassen. Alle vier Variablen waren signifikant, darüber hinaus lag der Cramers-V Wert der Variablen über > 0,4 was als gut bezeichnet werden kann. 912 Diese Ergebnisse bestärken die Einteilung der Segmente in vier High-Involvement und drei Low-Involvement Gruppen bezüglich des Festnetztelefonkaufs. Ausgehend von diesen Ergebnissen wird die dargelegte Segmentierung in das Simulationsmodell integriert. Differenzierte Ergebnisse zu den einzelnen Segmenten werden im Rahmen der Ergebnisdiskussion der Simulation weiter vertieft. 5.3.2 Zugänglichkeitsprüfung der Segmente im Festnetztelefonmarkt Die bereits gebildeten Agentenklassen oder Nachfragersegmente lassen sich anhand ihrer soziodemografischen Merkmale beschreiben. Die Herausarbeitung von Unterschieden ist notwendig, um eine zielgruppenspezifische Ansprache anhand der Marketinginstrumente durchführen zu können. Die Zugänglichkeitsprüfung wird anhand einer Kontingenzanalyse durchgeführt. Hierbei werden die Zusammenhänge einer Variablen mit der Clusterzugehörigkeit der Nachfrager ermittelt. Hierzu werden im Allgemeinen Chi-Quadrattests sowie das Cramers-V zur Ermittlung des Zusammenhanges verwendet. 913 In Tabelle 21 ist die relevante Kreuztabelle dargestellt.

911

“Unter Involvement versteht man die Ich-Beteiligung bzw. gedankliches Engagement und die damit verbundene Aktivierung, mit der sich jemand einem Sachverhalt oder Aktivität zuwendet.“ Vgl. KROEBER-RIEL/WEINBERG (2003), S. 345.

912

Cramers-V kann lediglich Werte zwischen 0 und 1 annehmen, 0 bedeutet ein niedriger Zusammenhang und 1 bedeutet ein sehr starker Zusammenhang, da die Werte der soziodemographischen Variablen alle >= 0,3 sind, kann von einem schwachen Zusammenhang gesprochen werden. Vgl. JANSSEN/LAATZ (2005), S. 262.

913

Vgl. BACKHAUS ET AL. (2008), S. 309 ff.

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

Soziodemographika

Ausprägung

Männlich Weiblich Single Verheiratet Familienstand Geschieden Verwitwet in Partnerschaft lebend Kein Abschluss Hauptschulabschluss Bildung Oberschule Realschulabschluss Gymnasium Arbeiter Angestellter Selbstständiger Beamter Beruf Schüler Hausfrau-/Mann Rentner Arbeitssuchend unter 500 Euro 500 isb 999 Euro 1,000 bis 1,499 Euro 1,500 bis1,999 Euro Monatliches Heushalts- 2,000 bis 2,499 Euro netto-einkommen 2,500 bis 2,999 Euro 3,000 bis 3,499 Euro 3,500 bis 3,999 Euro 4.000 und darüber Keine Angabe Geschlecht

Tabelle 21:

Die SignifikanzCramers-V Reduktionisten niveau 37,8% 0,000 0,304 62,2% 32,3% 47,9% 0,150 0,227 7,3% 5,2% 7,3% 2,1% 24,0% 0,180 0,000 2,1% 49,0% 22,9% 3,1% 40,6% 13,5% 11,5% 0,020 0,155 7,3% 11,5% 12,5% 0,0% 4,2% 5,2% 9,4% 19,8% 13,5% 0,164 0,001 17,7% 19,8% 8,3% 1,0% 1,0%

Die Mitläufer 28,6% 71,4% 23,8% 52,4% 14,3% 4,8% 4,8% 4,8% 14,3% 9,5% 47,6% 23,8% 19,0% 19,0% 9,5% 9,5% 14,3% 19,0% 9,5% 0,0% 0,0% 4,8% 14,3% 23,8% 14,3% 14,3% 19,0% 0,0% 0,0% 9,5%

229

Die Die Die Innovativen Die Multinutzer Die Reservierten Funktionalisten Kommunikativen 78,6% 39,3% 79,5% 54,5% 69,4% 21,4% 60,7% 20,5% 45,5% 30,6% 22,8% 29,7% 25,6% 30,3% 30,6% 56,1% 38,6% 53,8% 40,4% 33,3% 7,0% 9,7% 7,7% 7,9% 16,7% 0,0% 1,7% 0,0% 1,1% 0,0% 14,0% 20,3% 12,8% 20,2% 19,4% 0,0% 0,0% 0,0% 2,2% 0,0% 8,8% 10,2% 10,3% 13,5% 8,3% 15,8% 5,5% 10,3% 6,7% 2,8% 21,1% 28,8% 25,6% 21,3% 25,0% 54,4% 55,5% 53,8% 56,2% 63,9% 7,0% 5,9% 7,7% 4,5% 8,3% 43,9% 39,0% 51,3% 48,3% 38,9% 22,8% 16,5% 12,8% 14,6% 22,2% 7,0% 4,7% 5,1% 5,6% 0,0% 8,8% 19,1% 12,8% 14,6% 16,7% 0,0% 7,2% 0,0% 5,6% 5,6% 1,8% 2,5% 5,1% 1,1% 2,8% 8,8% 5,1% 5,1% 4,5% 5,6% 7,0% 5,1% 0,0% 7,9% 5,6% 3,5% 8,9% 5,1% 5,6% 5,6% 10,5% 12,3% 15,4% 12,4% 8,3% 10,5% 11,9% 7,7% 6,7% 2,8% 17,5% 11,9% 7,7% 12,4% 8,3% 10,5% 10,2% 7,7% 14,6% 13,9% 7,0% 8,1% 7,7% 6,7% 5,6% 5,3% 3,0% 5,1% 4,5% 8,3% 8,8% 5,1% 17,9% 9,0% 5,6% 19,3% 23,7% 25,6% 20,2% 36,1%

Kontingenzanalyse zur Zugänglichkeitsüberprüfung der gebildeten Segmente Quelle: Eigene Darstellung.

Von den Soziodemographischen Merkmalen haben Geschlecht, Beruf und Haushaltsnettoeinkommen einen signifikanten Einfluss auf die Segmentzugehörigkeit. Der Einfluss auf die Segmentzugehörigkeit ist jedoch aufgrund des geringen Cramers-V Wertes als gering einzustufen. Hinsichtlich der deskriptiven Auswertung des Merkmals Geschlecht ist ein hoher Anteil weiblicher Nachfrager in den Segmenten der „Reduktionisten“ und „Mitläufer“ zu verzeichnen. Gleichzeitig sind in diesen Segmenten überproportional viele Rentner vertreten sowie ein zum Durchschnitt überproportional hohes Haushaltsnettoeinkommen. Gleichzeitig zeichnen sich diese Segmente durch ein hohes Involvement aus. Aus diesen Gründen, können diese beiden Segmente als mögliche Zielsegmente einer Qualitätsstrategie identifiziert werden. Ein nächster Indikator für eine Beschreibung der einzelnen Segmente ist die Marktanteilsverteilung der Marken pro Segment. Marke 7 ist als Marktführer in allen Segmenten stark vertreten. Insbesondere im kleinen Segment der „Innovativen“ ist der Marktanteil mit 41% sehr hoch. Im Massensegment der „Kommunikativen“ schneidet Marke 7 ebenfalls sehr gut ab (vgl. Abbildung 47).

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

230

Die Reduktionisten 9,20%

Die Mitläufer 9,5%

11,2%

20,4%

23,5%

Die Funktionalisten 19%

12,3% 7%

28,6%

31,6%

7% 17,5%

19%

2%

3,5%5,3%

23,8%

6,1%

22,4%

15,8%

5,1% Die Kommunikativen 15,7%

13,1%

34,3%

10,3%

2,6%

7,7%

4,7%

5,1%

12,3%

41%

14,6%

7,9% 10,1% 9,0% 2,2%

30,3%

10,1%

12,8% 7,7%

Die Reservierten (

15,7%

Marke 1 Marke 2

8,3% 16,7%

25% 8,3% 2,8% 25%

12,8%

5,1%

9,7%

11,1%

Die Multinutzer

Die Innovativen

5,1%

2,8%

Marke 3 Marke 4 Marke 5 Marke 6 Marke 7 Andere Marken

Abbildung 47: Marktanteile der einzelnen Marken in den verschiedenen Segmenten Quelle: Eigene Darstellung.

Die beiden Konkurrenzmarken aus der ermittelten strategischen Gruppe haben unterschiedliche Segmentschwerpunkte. Die Marke 6 ist insbesondere bei den „Reservierten“, den „Reduktionisten“ und den „Mitläufern“ vertreten. Die Marke 5 hat einen klaren Schwerpunkt im Segment der „Mitläufer“. Als letzter Indikator für eine Beschreibung der Segmente sind zum einen die durchschnittliche Bewertung der Kaufverhaltensrelevanz und die über alle Marken gemittelte Imagebewertung. Bei der Analyse werden die Gruppen der „High-Involvement“ und „Low-Involvement“ Segmente differenziert. Hinsichtlich der direkt erhobenen Wichtigkeiten für den Kauf treten zwischen den Segmenten signifikante Unterschiede auf (vgl. Abbildung 48).

231

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

High-Involvement 1

3

4

Low-Involvement 5

1

„Qualität“

„Qualität“

„Emotionalität"

„Emotionalität"

"Globalität"

"Globalität"

"Preis"

3

4

5

"Preis"

Die Reduktionisten

Die Mitläufer

Die Funktionalisten

Die Multinutzer

Die Kommunikativen Die Innovativen

Die Reservierten

Abbildung 48: Direkt erhobene Wichtigkeit für den Kauf über die Segmente Quelle: Eigene Darstellung

Zwischen der Gruppe der hochinvolvierten Nachfrager und der gering involvierten Nachfrager bestehen signifikante Unterschiede hinsichtlich der Faktoren „Globalität“ und „Preis“. Die Nachfrager, die weniger stark involviert sind, messen beiden Faktoren eine signifikant niedrigere Wichtigkeit bei. Die Faktoren „Qualität“ und „Emotionalität“ sind in beiden Segmenten ähnlich wichtig. 914 Innerhalb der Gruppe der hochinvolvierten Nachfrager werden die Faktoren „Emotionalität“ und „Globalität“ signifikant unterschiedlich bewertet. Bei der Bewertung der funktionalen Faktoren „Qualität“ und „Preis“ bestehen lediglich geringe Unterschiede. Innerhalb der gering involvierten Segmente werden die Faktoren „Qualität“ und „Emotionalität“ signifikant unterschiedlich bewertet. Dies lässt den Schluss zu, dass im Markt für Festnetztelefone eine emotionale Differenzierung möglich ist und signifikante Unterschiede zwischen den hoch- und gering involvierten Nachfragern bestehen. Aus diesen Ergebnissen kann abgeleitet werden, dass eine undifferenzierte Marktbearbeitung auf Grund der unterschiedlichen Segmente nicht zweckmäßig ist. Es sollte in jedem Fall die Differenzierung in hoch- und gering involvierte Nachfrager vorgenommen werden.

914

Die Signifikanztests zwischen den Gruppen wurden anhand einer einfaktoriellen Anova durchgeführt. Die Ergebnistableaus sind in Anhang III dargestellt. Hier sind auch die Ergebnisse zwischen den einzelnen Segmenten dargestellt.

232

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

Der Festnetztelefonmarkt stellt ein geeignetes Untersuchungsobjekt für ein agentenbasiertes Simulationsmodell dar. Im Folgenden werden die Argumente, die für eine agentenbasierte Anwendung sprechen, kurz zusammengefasst. Zum ersten herrscht Markengleichheit vor. Möglichkeit für eine Differenzierung bietet das Anbieteroligopol. Wie BREUSCH (2008) festgestellt hat, ist das eine Marktform in der die Veränderung von Marktbearbeitungsstrategien zu einer Veränderung der Marktstrukturen führt, das bedeutet, die Marktreaktionsgröße Marktanteil kann aktiv verändert werden und beeinflusst auch den Marktanteil der Wettbewerbsmarken. Diese Voraussetzung unterstützt die Modellierung von Repositionierungsstrategien zur Optimierung der Zielgröße Marktanteil. 915 Des Weiteren kann im Markt für Festnetztelefone das individuelle Kaufverhalten abgebildet werden, da es, wie bereits festgestellt ein B2C Markt ist. Die Entscheidungen und das Entscheidungsverhalten kann anhand deterministischer Entscheidungsregeln abgebildet werden, da der Kauf in der Regel nicht unter Unsicherheit stattfindet. Die relevanten Entscheidungsparameter sind den Nachfragern bekannt und können von den Probanden sinnvoll in eine Entscheidung überführt werden. Aus diesem Grund stellt ein multiattributives Nutzenmodell unter Verwendung deterministischer Entscheidungsheuristiken eine Möglichkeit dar, das Entscheidungsverhalten valide zu erklären. Die Darstellung sozialer Interaktion ist ein zentraler Bestandteil agentenbasierter Modelle. Durch die empirische Erhebung und die Auswertung des Sekundärmaterials ist es möglich, die soziale Interaktion innerhalb des Festnetztelefonmarktes zu modellieren. Dies ist darauf zurückzuführen, dass im Rahmen der Kaufentscheidung von technischen Produkten innerhalb der Informationssuche immer Menschen aus dem sozialen Umfeld von den Nachfragern mit einbezogen werden. 5.4 Positionierungsanalyse 5.4.1 Deskriptive Analysen zu Markenbekanntheit und Kaufverhalten Als Ausgangspunkt der folgenden Analyse wird der Status Quo der zu betrachtenden Marke 7 916 und der Wettbewerbsmarken untersucht. Zunächst werden die Marken-

915

Vgl. BREUSCH (2008), S. 197.

916

Im Folgenden werden die Marken der einzelnen Festnetztelefonanbieter anonymisiert anhand der Bezeichnungen Marke 1-7. Die zu repositionierende Marke innerhalb des Fallbeispiels ist die Marke 7.

233

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

bekanntheit sowie zentrale Größen des Kaufverhaltens deskriptiv analysiert. Die Analyse der Wettbewerbssituation und der zentralen Zielgrößen dient der Gewinnung von Aussagen hinsichtlich möglicher Positionierungskorrekturen für Marke 7. Damit eine Marke Verhaltensrelevanz aufbauen kann, muss sie zunächst Eingang in das Gedächtnis des Nachfragers finden. 917 Grundvoraussetzung für die Bildung eines Markenimages ist somit die Markenbekanntheit. 918 In einem ersten Schritt wird aus diesem Grund die gestützte Markenbekanntheit untersucht. Abbildung 44 zeigt die Ergebnisse. Gestützte Markenbekanntheit in Deutschland

%

In Prozent

90

83,3

75,7

80

69,4

70 60 50

59,5

57,4

48,8

40

29,7

30

35,6

20 10 0 Marke 1

Marke 2

Marke 3

Marke 4

Marke 5

Marke 6

Marke 7

ø

Abbildung 49: Gestützte Bekanntheit der analysierten Festnetztelefonmarken 2007 Quelle: Eigene Darstellung.

Die durchschnittliche gestützte Markenbekanntheit im Festnetztelefonmarkt liegt bei 57,4%. Lediglich der Marktführer Marke 7 sowie Marke 2 haben einen Bekanntheitsgrad von über 70%. Die Marken 5 und 6 haben eine mittlere Bekanntheit im Festnetztelefonmarkt. Die Marken 1, 3 und 4 haben lediglich eine niedrige Bekanntheit. Setzt man nun die Bekanntheit mit der ökonomischen Zieldimension der Markenpräferenz in Beziehung, ist ersichtlich, dass die Marke mit der höchsten Bekanntheit auch am häufigsten präferiert wird. Dies bestätigt auch der Korrelationskoeffizient in Höhe von 0,79. Der Zusammenhang ist bei einem Niveau von 0,05 signifikant.

917

Vgl. KULLMANN (2006), S. 182.

918

Im Rahmen des identitätsbasierten Markenmanagements stellt die Markenbekanntheit die Basis für die Entwicklung eines Markenimages dar. Die ungestützte Bekanntheit ist von der gestützten Markenbekanntheit abzugrenzen, da diese die Fähigkeit eines Nachfragers, sich nach sensualer Unterstützung an ein Markenzeichen zu erinnern, beschreibt. Vgl. MEFFERT/BURMANN/ KIRCHGEORG (2008a), S. 365.

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

234

%

Marktanteile im Festnetztelefonmarkt

35

In Prozent

31,6

30 25 20

15,8

15

12,2

10 5

8,5 5,4

8,3 3,0

0 Marke 1

Marke 2

Marke 3

Marke 4

Marke 5

Marke 6

Marke 7

Abbildung 50: Marktanteile der jeweiligen Festnetztelefonmarken im deutschen Markt in 2007 Quelle: Eigene Darstellung

Lediglich Marke 3 schneidet trotz geringer Markenbekanntheit im Marktanteil besser ab als die Wettbewerbermarken1, 4 und 5. Dies lässt darauf schließen, dass Anbieter 3 eine Sonderstellung im Markt einnimmt. Dies zeigt sich ebenfalls in der Funnelbetrachtung in Abbildung 51. Die erste Stufe des dargestellten Funnels stellt die gestützte Bekanntheit dar. Die zweite Stufe ist das Consideration-Set der Nachfrager im Markt. Die dritte und letzte Stufe ist der Markenkauf. Hierbei zeigt sich ganz deutlich, dass Marke 3 im Gegensatz zu den anderen Marken im Festnetztelefonmarkt zwischen den einzelnen Funnelstufen weniger Kunden verliert. 50,3% der Nachfrager, welche Marke 3 kennen, nehmen diese auch in ihr Consideration-Set auf. Davon wiederum gehen in der Prozessstufe Kauf lediglich 42% verloren. Dies ist mit Abstand der beste Wert im Markt. Marke 7 als eindeutiger Marktführer im Festnetztelefonmarkt hat die beste Transferrate von der gestützten Bekanntheit zum Consideration Set. Hier gehen nur 8,7% der potentiellen Nachfrager verloren. In der Stufe zum Kauf hingegen 58,4%. Hier besteht Handlungsbedarf für Marke 7 (vgl. Abbildung 51).

235

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

48,8 18,9

Marke 1 5,4

- 61,2

- 71,6 75,7 41,5

Marke 2

- 45,2

15,8

- 61,8 29,7

14,8

Marke 3 8,5

- 50,3

- 42,6 35,6

10,2

Marke 4 3

- 71,2

- 71,2 59,5 36,5

Marke 5 8,3

- 38,8

- 77,1 69,4 Marke 6

48,8 12,2

- 29,7

- 75,1 - 77,1 83,3 76

Marke 7

31,6 Bekanntheit

Consideration Set

Erste Wahl

- 8,7

- 58,4 - XX

Verlust an Nachfragern pro Funnelstufe

Abbildung 51: Markenfunnel der einzelnen Anbieter im deutschen Festnetztelefonmarkt Quelle: Eigene Darstellung.

Insbesondere die Marken 5 und 6 weisen sehr hohe Verluste zwischen den Stufen Consideration-Set und Erste-Wahl auf. Dies kann u. a. daran liegen, dass hinsichtlich der Kaufverhaltensrelevanz der Positionierung der beiden Marken Defizite bestehen. Marke 2, mit dem zweithöchsten Marktanteil hingegen, weist an dieser Stelle wesentlich bessere Transferraten auf. Im nächsten Schritt wird das Image der einzelnen Marken analysiert, um weiter Ansatzpunkte für eine Repositionierung der Marke 7 zu erhalten. 5.4.2 Dissaggregierte deskriptive Markenimageanalysen In einem ersten Schritt wird das Image der einzelnen Marken im Festnetztelefonmarkt auf einer dissaggregierten Ebene analysiert. Dies dient dazu, die Ergebnisse der im nächsten Schritt durchzuführenden Faktorenanalyse besser einschätzen und interpretieren zu können. Im Folgenden werden die Perzeption und die Bewertung der einzelnen Nutzenattribute durch die Nachfrager untersucht. Die Analyse der einzelnen Nutzenattribute basiert auf der Durchführung deskriptiver Analysen. Zu diesem Zweck wurde für jede Marke pro Nutzenattribut ein markenspezifisches, arithmetisches Mittel über alle Befragten in der Stichprobe gebildet. Zusätzlich werden die Varianz und die Standard-

236

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

abweichung berechnet, um eine Indikation zur Gleichheit der Marken in der Wahrnehmung der Nachfrager zu erhalten. ImageMarke Marke Marke Marke Marke Marke Marke dimensionen 1 2 3 4 5 6 7

ǚ

Spannweite

Standardabweichung

Reputation

3,81

3,72

3,59

3,74

3,93

4,10

4,07

3,91

0,51

0,19

Qualität

3,95

4,00

3,56

3,90

4,06

4,11

4,24

4,05

0,68

0,22

Design

3,68

3,71

3,71

4,24

4,01

3,95

3,90

3,87

0,53

0,18

Innovativität

3,43

3,56

3,20

3,89

3,78

3,81

3,85

3,69

0,69

0,24

Service

3,67

3,42

3,72

3,54

3,65

3,73

3,79

3,65

0,37

0,13

Bedienbarkeit

3,64

3,67

3,73

3,65

3,68

3,73

3,78

3,70

0,13

0,04

Niedrige Komplexität

3,64

3,52

3,82

3,63

3,47

3,55

3,56

3,56

0,35

0,11

Haptik

3,85

3,95

4,04

4,16

3,90

4,02

4,02

3,99

0,26

0,08

Preis

3,39

3,07

4,29

3,36

3,20

3,30

2,96

3,25

1,33

0,44

Lebensstil

3,38

3,55

3,47

3,66

3,60

3,70

3,64

3,60

0,23

0,08

Kommunikation

3,54

3,65

3,75

3,71

3,74

3,73

3,77

3,72

0,12

0,04

Spaß

3,81

3,73

3,92

3,87

3,86

3,98

3,94

3,89

0,25

0,08

Lebensqualität

3,71

3,77

3,78

3,70

3,84

3,80

3,80

3,79

0,14

0,04

Freiheit

3,83

3,81

3,90

3,69

3,73

3,87

3,86

3,82

0,21

0,08

Soziale Kontakte

3,94

4,03

4,02

3,95

3,91

4,10

4,10

4,03

0,19

0,07

Soziale Engagement

3,07

2,98

2,98

3,13

3,09

3,19

2,96

3,02

0,23

0,09

Erreichbarkeit

3,67

3,58

3,62

3,52

3,73

3,81

3,79

3,70

0,29

0,11

Globalität

3,39

3,27

3,05

3,33

3,80

3,79

3,73

3,58

0,75

0,29

Tabelle 22:

Performance der einzelnen Marken auf den Markenimagedimensionen im Marktvergleich in Deutschland 2007 Quelle: Eigene Darstellung.

Der Marktführer Marke 7 liegt auf allen Imagedimensionen über dem Marktdurchschnitt. Lediglich hinsichtlich sozialem Engagement und niedrigem Preis wird die Marke unterdurchschnittlich bewertet. Hinsichtlich emotionaler Nutzenattribute schneidet Marke 6 im Vergleich zum Wettbewerb besser ab. Die geringen Spannwei-

237

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

ten und Standardabweichungen bezüglich der Imagebewertungen der Marken deuten dabei generell auf eine mangelhafte Differenzierung der untersuchten Marken zueinander hin. Zur besseren Interpretation der Analyseergebnisse werden Imageprofile der einzelnen Marken relativ zum Gesamtmarktdurchschnitt der einzelnen Imagedimensionen dargestellt. In Abbildung 52 sind jeweils die Abweichungen der einzelnen Marken vom Gesamtmarktdurchschnitt dargestellt. Performance der Marken hinsichtlich der einzelnen Imagedimensionen -1,20

0

1,20

Preis Soziales Engagement Globalität Lebensstil Freiheit Service Lebensqualität Soziale Kontakte Innovativität Spaß Erreichbarkeit Reputation Design Kommunikation Niedrige Komplexität Bedienbarkeit Haptik Qualität

Marke 1 Marke 2 Marke 3 Marke 4 Marke 5 Marke 6 Marke 7

Abbildung 52: Performance der einzelnen Marken auf den Markenimagedimensionen im Marktvergleich in Deutschland in 2007 Quelle: Eigene Darstellung.

Als Index der dargestellten Imageanalyse dient der Marktdurchschnitt über die einzelnen Imagedimensionen. Der Marktdurchschnitt ist auf 0 normiert. Liegen die Mar-

238

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

ken rechts vom Durchschnitt, weichen sie positiv ab, liegen sie links vom Durchschnitt, weichen sie negativ ab. Die Performance der einzelnen Marken wurde von der durchschnittlichen Bewertung jeder Imagedimension subtrahiert. Diese Darstellung bekräftigt das bisherige Ergebnis einer mangelnden Differenzierung der einzelnen Marken im deutschen Festnetztelefonmarkt. Lediglich Marke 3 wird überdurchschnittlich mit der Dimension niedriger Preis assoziiert. Gleichzeitig wird sie stark unterdurchschnittlich mit den Dimensionen Globalität, Innovativität und Qualität assoziiert. Marke 4 wird überdurchschnittlich stark mit der Dimension Design assoziiert. Sämtliche anderen Marken bewegen sich relativ nah am Marktdurchschnitt und zeigen kaum signifikante Abweichungen auf. Marke 7 wird auf den meisten Dimensionen besser als der Marktdurchschnitt wahrgenommen. Eine hinreichende Differenzierung von den anderen Marken ist jedoch nicht gegeben. 5.4.3 Ergebnisse der Faktorenanalysen Die markenspezifischen funktionalen und symbolischen Nutzendimensionen wurden anhand einer 5-stufigen Ratingskala erfasst. 919 Die Antworten der Probanden bilden die Grundlage für das agentenbasierte Simulationsmodell. Da die Nutzendimensionen stark untereinander korrelieren, wird dem agentenbasierten Simulationsmodell eine Faktorenanalyse vorgeschaltet, um unabhängige Bewertungsdimensionen zu erhalten. 920 Die Unabhängigkeit der Bewertungsdimensionen stellt eine notwendige Bedingung für die Modellierung des Wahlverhaltens auf Basis der Entscheidungsheuristiken dar. 921 Gleiches gilt für die erhobene Wichtigkeit der Nutzendimensionen für den Kauf, welche als Bedeutungsgewichte für die Imagefaktoren in die Wahlverhaltensmodellierung einfließen. 922 Dies dient der Schaffung einer einheitlichen Berechnungsgrundlage auf Basis der extrahierten Faktorenwerte.

919

Die Skala für die Imagebewertung der einzelnen Marken reichte von 1 = „Trifft überhaupt nicht“ zu bis 5 = „Trifft vollkommen zu“.

920

Für eine starke Multikolliniarität der einzelnen Nutzendimensionen sprechen die Ergebnisse des Bartlett-Tests und des Kayser-Meyer-Olkin-Kriteriums. Sie liegen bei der Wichtigkeit der Nutzendimensionen und bei den Imagebewertungen über 0,9 und sind bei <0,01 signifikant.

921

Eine Grundvoraussetzung für das kompensatorische lineare Modell ist die Unabhängigkeit der Markenimagedimensionen. Dies wird durch die Anwendung der Hauptkomponentenanalyse gewährleistet. Vgl. JUNGERMANN/PFISTER/FISCHER (2005), S. 123 ff.

922

Die Wichtigkeit der Nutzendimensionen für den Kauf wurde ebenfalls mittels einer bipolaren Ratingskala erhoben 1 = „Nicht wichtig für die Auswahl einer Festnetztelefonmarke“ bis 5 = „Sehr wichtig für den Kauf einer Festnetztelefonmarke“.

239

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

5.4.3.1 Verdichtung des Markenimages Zur Verdichtung der Markenimages wird die Hauptkomponentenanalyse herangezogen. Das Ergebnis der explorativen Analyse des Markenimages sowie die verwendeten Gütekriterien können Abbildung 53 entnommen werden. 923 0,692

Qualität

0,679

Design

0,669

Haptik

0,586

Bedienbarkeit

0,573

Reputation

0,431

Service

Qualität

0,721 Kommunikation 0,770 Freiheit/Flexibilität 0,766

Lebensqualität

0,605

Lebensstil

0,548

Spaß

0,553

Erreichbarkeit

Emotionalität

0,574 Soziale Kontakte 0,697 Soz. Engagement 0,746

Globalität

0,536

Innovativität

Globale Marke

0,516 Ger. Komplexität 0,839 Erklärte Varianz

Preis

Preis KMO Bartlett Test

Cronbach‘s Alpha Qualität

58,4%

0,940***

0,809

Emotionalität 0,847

Globale Marke 0,721

Preis 0,512

Abbildung 53: Ergebnisse der explorativen Faktorenanalyse der Markenimages Quelle: Eigene Darstellung.

Das Image der einzelnen Marken innerhalb des agentenbasierten Simulationsmodells kann durch vier Faktoren beschrieben werden. Die notwendigen Gütekriterien werden erfüllt (vgl. Abbildung 53). Lediglich das Cronbach’s Alpha für den Preisfaktor

923

Vgl. für die Faktorladungsmatrix Anhang 2.

240

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

liegt bei 0,5, was jedoch bei einem zwei Item Faktor als ausreichend bezeichnet werden kann. 924 Das Cronbach’s Alpha der anderen Imagefaktoren liegt bei > 0,7, was den allgemeinen Konventionen entspricht. Die erklärte Varianz liegt bei 58,4%, was einen akzeptablen Wert darstellt. 925 Dies ist auch beim KMO-Bartlett-Test zu beobachten, der mit 0,940 einen exzellenten Wert aufweist.926 Die Zusammensetzung der einzelnen Faktoren ist plausibel. Der Faktor „Qualität“ setzt sich aus den Dimensionen physische Qualität, Haptik, Design, Bedienbarkeit, Service und Reputation zusammen. Qualität im Festnetztelefonmarkt ist demnach ein vielschichtiges Konstrukt, welches auch Dienstleistungselemente wie Service enthält. Emotionale Attribute, wie die Reputation der Marke, stärken ebenfalls die Qualitätswahrnehmung. 927 Die Faktorladungen der einzelnen Indikatoren liegen über 0,5. welches nach den allgemeinen Konventionen ausreicht, um inhaltlich einem Faktor zugeordnet werden zu können. 928 Lediglich die Nutzendimension Service liegt mit 0,43 knapp darunter, aus inhaltlichen Gründen wird er trotzdem in den Qualitätsfaktor integriert. Service wird insbesondere in Technologiemärkten als Bestandteil der Qualität einer Marke gesehen und wird heutzutage immer wichtiger. Sobald der Nachfrager mit der Marke direkt in Kontakt tritt, prägt diese Erfahrung die Wahrnehmung der Qualität der gekauften Marke, insbesondere, wenn das gekaufte Produkt technische Mängel aufweist, die durch den Service behoben werden müssen. Der „emotionale“ Faktor setzt sich vorwiegend aus symbolischen Nutzenattributen zusammen. Die Faktorladungen der einzelnen Items liegen über 0,5. Dieser Faktor umfasst Dimensionen wie „Lebensqualität“, „das Telefon passt zu meinem Lebensstil“, „das Telefon bietet mir Freiheit und Flexibilität“, „es macht Spaß das Telefon zu nutzen“ und „das Telefon sorgt dafür, dass ich immer erreichbar bin“. Neben dem funktionalen Faktor „Qualität“ ist der „emotionale“ Faktor mit 6 Dimensionen ebenfalls

924

Bei einem 2-item Faktor ist ein Cronbach’s Alpha > 0,5 als akzeptabel anzusehen. Vgl. PEDHAZUR/SCHMELKIN (1991), S. 109 f.

925

In den Sozialwissenschaften wird bei der Hauptkomponentenanalyse eine Erklärung der Gesamtvarianz > 50% vorausgesetzt. Vgl. PETT/LACKEY/SULLIVAN (2006), S. 116 f.

926

Der KMO-Bartlett-Test kann folgendermaßen interpretiert werden: >0,9 „ausgezeichnet“, >0,8 „lobenswert“, >0,7 „mittelmäßig“, <0,6 „miserabel“. Da der Wert über 0,9 liegt eignen sich die Aussagen der Probanden hinsichtlich des Markenimages der einzelnen Marken sehr gut für die Anwendung einer Hauptkomponentenanalyse. Vgl. PETT/LACKEY/SULLIVAN (2006), S. 78 sowie BACKHAUS ET AL. (2008), S. 336.

927

Die Formulierung der Reputation der Marke wurde als „Gute vertrauensvolle Marke“ operationalisiert.

928

Items mit Faktorladungen > 0,5 werden als Kernitems bezeichnet. Die inhaltliche Interpretation von Items, deren Ladung unter 0,5 liegt, obliegt dem Wissenschaftler. Vgl. BACKHAUS ET AL. (2006), S. 299.

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

241

ein vielschichtiges Konstrukt und umfasst sämtliche emotionalen Assoziationen mit den Marken im Festnetztelefonmarkt. Der dritte Faktor kann als „Globalität“ der Marke beschrieben werden. Er umfasst die Dimensionen „soziales Engagement“, „soziale Kontakte“, sowie die „Innovativität der Marke“. Globalität umfasst innerhalb des Festnetztelefonmarktes das wahrgenommene soziale Engagement der Marke sowie ihre Persönlichkeit in Form sozialer Kontakte. Der Festnetztelefonmarkt setzt sich aus global agierenden sowie lokal agierenden Marken zusammen und stellt aus diesem Grund einen relevanten Beurteilungsfaktor dar. Alle Dimensionen zeigen Faktorladungen über 0,5, was ebenfalls als zufrieden stellend bewertet werden kann. Der vierte Faktor stellt den „Preis“ dar. Er setzt sich aus zwei Attributen zusammen, niedrige Produktkomplexität und niedriger Preis. Die Faktorladungen liegen über 0,5. Im Festnetztelefonmarkt besitzen diese beiden Attribute eine enge Verbindung, da niedrige Komplexität der Funktionen immer mit einem niedrigen Preis einhergeht und vice versa. Innerhalb des Festnetztelefonmarktes haben günstige Modelle bspw. keinen Anrufbeantworter oder kein Farbdisplay. Wohingegen bei Modellen, die preislich wesentlich höher angesiedelt sind, sämtliche Funktionen integriert sein müssen. An dieser Stelle wird also nicht der Preis eines Festnetztelefons bewertet, sondern eher seine preisliche Wahrnehmung in Form von „günstig“. Die Verdichtung der einzelnen Faktoren wird nun in einem nächsten Schritt in Variablen überführt. Dies geschieht anhand der Faktortransformationsmatrix. Hierzu werden die empirisch erhobenen Aussagen der einzelnen Probanden zu den Markenimages mit den Faktortransformationskoeffizienten multipliziert, um einen Faktorwert zu erhalten, der später in das agentenbasierte Markenwahlmodell überführt wird. Auf diese Weise werden die Faktorwerte der einzelnen Imagefaktoren generiert, welche innerhalb der Wahlheuristiken der Probanden zum Einsatz kommen. 5.4.3.2 Ermittlung der Bedeutungsgewichte Um eine Indikation für die Wichtigkeit der Nutzendimensionen innerhalb der einzelnen Entscheidungsregeln zu erhalten, wurde die Wichtigkeit der einzelnen Dimensionen für den Kauf direkt erhoben. 929 Die erhobenen Wichtigkeitsbewertungen werden innerhalb der einzelnen Heuristiken als Bedeutungsgewichte integriert. Für jede der 18 Nutzendimensionen wurden von den Probanden Wichtigkeitsurteile erhoben.

929

Vgl. JUNGERMANN/PFISTER/FISCHER (2005), S. 115.

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

242

Diese Wichtigkeitsbeurteilungen werden analog zu den Imagedimensionen mittels einer Hauptkomponentenanalyse zu Faktoren verdichtet. 930 Die Ergebnisse der Faktorenanalyse sind in Abbildung 54 dargestellt. 0,799

Qualität

0,443

Design

0,606

Haptik

0,541

Bedienbarkeit

0,470

Reputation

0,533

Service

Qualität

0,789 Kommunikation 0,726 Freiheit/Flexibilität 0,766

Lebensqualität

0,618

Lebensstil

0,536

Spaß

0,469

Erreichbarkeit

Emotionalität

0,771 Soziale Kontakte 0,773 Soz. Engagement 0,771

Globalität

0,599

Innovativität

Globale Marke

0,595 Ger. Komplexität 0,633 Erklärte Varianz

Preis

Preis KMO Bartlett Test

Cronbach‘s Alpha Qualität

52,6%

0,867***

0,664

Emotionalität 0,774

Globale Marke

Preis

0,712

0,510

Abbildung 54: Ergebnisse der Faktorenanalyse hinsichtlich der Wichtigkeit für den Kauf Quelle: Eigene Darstellung.

Der KMO Bartlett Test auf Sphärizität mit einem Wert von 0,867 sagt aus, dass sich die erhobenen Wichtigkeitseinschätzungen der Stichprobe recht gut für die Anwendung einer Hauptkomponentenfaktorenanalyse eignen. 931 Dieser Test ist mit < 0,001 hochgradig signifikant, somit weichen die Korrelationskoeffizienten signifikant von der

930

Vgl. für die Faktorladungsmatrix Anhang 2.

931

Vgl. JANSSEN/LAATZ (2005), S. 522.

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

243

Einheitsmatrix ab. Hinzu kommt, dass die gebildeten Faktoren eine Varianz von 52,6% erklären, was als akzeptabel angesehen werden kann. 932 Der übergeordnete Faktor Qualität weist ein Cronbach’s Alpha von 0,664 auf. Idealerweise wird in der Literatur ein Cronbach’s Alpha von 0,7 oder 0,8 gefordert. 933 Misst jedoch jeder Indikator etwas anderes, das bedeutet die Indikatoren messen nicht die gleichen Sachverhalte, können Werte zwischen von 0,5 oder 0,6 akzeptiert werden. Die Werte für die Faktoren „Emotionalität“ und „Globalität“ liegen über 0,7 und können ebenfalls akzeptiert werden. Der Faktor „Preis“ setzt sich aus den Indikatoren geringe Komplexität und Preis zusammen. Ein Alphawert von 0,51 kann an dieser Stelle ebenfalls akzeptiert werden. 5.4.4 Integration der faktoranalytischen Ergebnisse in das agentenbasierte Markenwahlmodell Die durchgeführten Faktorenanalysen werden nun in das agentenbasierte Simulationsmodell überführt. Im Folgenden wird die formale Darstellung der Heuristiken auf Basis der ermittelten Faktoren dargestellt. Die Analyse des Wahlverhaltens und die Erklärungsraten der einzelnen Heuristiken werden daraufhin analysiert. 5.4.4.1 Formale Darstellung der Heuristiken Durch die einheitliche Faktorenstruktur der Bedeutungsgewichte und der Imagebewertungen ist eine Verknüpfung der beiden Konstrukte möglich. Lediglich eine unterschiedliche Gewichtung der einzelnen Attribute innerhalb der Faktoren ist zu verzeichnen. Eine multiplikative Verknüpfung im Rahmen der Wahlheuristiken ist aus diesem Grund bedenkenlos durchführbar. Dies ist insbesondere bei der „Weighted Additive Heuristik“ eine notwendige Bedingung. Auf Basis der Faktorwerte kann das WADD-Entscheidungsmodell am Beispiel einer Marke A folgendermaßen operationalisiert werden: A

¦w

Qualität

aQualität  wEmotionalität aEmotionalität  wGlobalität aGlobalität  wPr eis aPr eis

a 1

mit:

w

=

Bedeutungsgewicht eines Faktors

932

Vgl. hierzu Kapitel C 5.4.3.1

933

Vgl. HOMBURG/GIERING (1998), S. 130.

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

244

a

=

Imagefaktor

Anhand des Single-Choice-Ansatzes wird dann die Marke aus dem ConsiderationSet gewählt, welche die höchste Nutzensumme aufweist. Bei der „Equal weight Heuristik“ haben die Bedeutungsgewichte keinen Einfluss auf die Entscheidung. Somit kann die Entscheidungsregel auf Basis der Imagefaktoren operationalisiert werden: A

¦a

Qualität

 a Emotionalität  aGlobalität  aPr eis

a 1

Mit:

a

=

Imagefaktor

Im Rahmen der nicht-kompensatorischen Entscheidungsregeln werden die Bedeutungsgewichte durch die Nachfrageragenten genutzt, um eine Rangfolge der Imagefaktoren innerhalb ihrer Entscheidung zu bilden. Bei der lexikographischen Regel legen die Bedeutungsgewichte fest, auf welchem Faktor die einzelnen Marken zuerst verglichen werden. Gleiches gilt bei der „Elimination by aspects Regel“, wo anhand der Bedeutungsgewichte die Rangfolge der abzuprüfenden Imagefaktoren für jeden einzelnen Nachfrageragenten festgelegt wird. 5.4.4.2 Analyse des Entscheidungsverhaltens im Festnetztelefonmarkt Bevor die unterschiedlichen Repositionierungsstrategien anhand des agentenbasierten Wahlmodells simuliert werden können, wird zuerst die Güte der Entscheidungsheuristiken im Festnetztelefonmarkt analysiert. Zu diesem Zweck werden die verschiedenen Entscheidungsregeln in allen erhobenen fünf Ländern hinsichtlich ihrer Erklärungskraft untersucht, um die Entscheidungsregel auswählen zu können, welche die empirisch erhobenen Käufe am besten erklärt. Die prozentuale Verteilung hinsichtlich der Erklärung der ersten Wahl durch die Entscheidungsheuristiken zeigt, dass kompensatorische Entscheidungsregeln in nahezu allen Samples den Kauf besser erklären als die nicht-kompensatorischen. Am besten erklärt dies die MCD Heuristik. Dies bekräftigen ebenfalls die durchgeführten Kontingenztests (vgl. Tabelle 23). Im ersten Schritt wird der prozentuale Erklärungsgehalt der Entscheidungsregeln für die 5 Ländersamples dargestellt (vgl. Abbildung 55). 934

934

Um die externe Validität der Heuristiken zu verbessern, wurden sämtliche Entscheidungsheuristiken in 5 Datensamples à 600 Fällen getestet. Dies dient der Erhöhung der Prognosevalidität und der Validierung des Entscheidungsverhaltens der einzelnen Nachfrager.

245

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

% 80 70

65

63

60 50

74

72

51 53 5350

68

70

50 50

56

56

56

55

48

47 41

40

4442

52 45

47 47

45 43

47 49 37

30 20 10 0 WADD

EQW

MCD

Sample 1

Sample 2

Deutschland

Frankreich

LEX

Sample 3 Russland

EBA

Sample 4

Sample 5

China

Schweden

SAT

Abbildung 55: Prozentualer Erklärungsgehalt der einzelnen Wahlheuristiken in den fünf Samples Quelle: Eigene Darstellung.

Als Grundlage für die weiteren Simulationen werden die unterschiedlichen Entscheidungsheuristiken hinsichtlich ihres Erklärungsgehaltes des empirisch erhobenen Markenkaufs getestet. 935 Da die Variable Markenkauf nominalskaliert ist, muss für die Feststellung der Modellgüte eine Maßzahl herangezogen werden, welche in der Lage ist, die Stärke des Zusammenhangs zwischen zwei nominalskalierten Variablen zu ermitteln. 936 Hierzu eignet sich der Kontingenzkoeffizient Cramers-V. Cramers-V ist eine auf F 2 basierende Maßzahl, dessen numerischer Wert nicht von der Anzahl der Dimensionen abhängt: V

F2 n(min[r , c]  1)

mit:

F 2 = Chi-Quadrat Wert

935

Der Markenkauf innerhalb des Modells ist eine nominalskalierte Variable mit Werten zwischen eins und acht.

936

Vgl. JANSSEN/LAATZ (2005), S. 262.

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

246

n=

Stichprobengröße

r=

Anzahl der Spalten

c=

Anzahl der Zeilen

Der Wert von Cramers-V liegt zwischen 0 und 1. 0 bedeutet keinerlei Zusammenhang. 1 bedeutet, es besteht ein perfekter Zusammenhang zwischen X und Y. Nach JANSSEN/LAATZ (2005) kann ein guter Zusammenhang bei einem Wert von 0,6 festgestellt werden.

Sample 1 Deutschland Sample 2 Frankreich Sample 3 Russland Sample 4 China Sample 5 Schweden Tabelle 23:

WADD

EQW

MCD

EBA

LEX

SAT

0,624***

0,490***

0,682***

0,490***

0,478***

0,415***

0,415***

0,393***

0,597***

0,415***

0,368***

0,347***

0,458***

0,414***

0,623***

0,406***

0,396***

0,407***

0,430***

0,442***

0,652***

0,416***

0,382***

0,411***

0,420***

0,405***

0,644***

0,397***

0,397***

0,320***

Werte für Cramers-V für die Heuristiken innerhalb der einzelnen Samples Quelle: Eigene Darstellung.

In allen Ländermärkten erklärt die MCD Heuristik am besten. Lediglich in Frankreich liegt der Wert knapp unter 0,6. Dieses Ergebnis zeigt, dass die MCD Heuristik der kognitiven Algebra der Probanden aus allen Samples am nächsten kommt und als Grundlage für mögliche Prognosen zukünftiger Strategien herangezogen werden kann. Dieses Ergebnis lässt den Schluss zu, dass die Entscheidung der einzelnen Probanden beim Kauf eines Festnetztelefons eher einer kompensatorischen Entscheidung entspricht als einer nicht-kompensatorischen. Es werden also sämtliche identifizierte Faktoren in die Kaufentscheidung miteinbezogen. Innerhalb des deutschen Marktes (Sample 1) liegt die Erklärungsrate der WADD Heuristik 937 ebenfalls über 0,6. Diese Heuristik beschreibt die kognitive Algebra ebenfalls ausreichend, um als Basis für eine Simulation zu dienen. Innerhalb des deutschen Marktes entscheiden sich sämtliche Segmente anhand der MCD Heuristik (insgesamt 74%), lediglich

937

Bei der WADD Heuristik werden sämtliche Dimensionen und Bedeutungsgewichte in die Entscheidung mit einbezogen und zu einem Gesamtnutzenwert aggregiert.

247

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

die Mitläufer und die Funktionalisten entscheiden sich nach der WADD Heuristik (Tabelle 24). 938 WADD EQW MCD LEX EBA Reduktionisten 72% 62% 84% 61% 61% Mitläufer 72% 62% 71% 57% 52% Funktionalisten 60% 53% 54% 46% 47% Kommunikativen 66% 58% 70% 56% 58% Innovativen 44% 36% 69% 54% 62% Multinutzer 58% 52% 79% 54% 57% Reservierten 42% 36% 72% 56% 56% Tabelle 24: Prozentuale Erklärungsraten der Heuristiken auf Segmentebene Quelle: Eigene Darstellung.

SAT 42% 57% 46% 41% 51% 51% 42%

Dies bekräftigt das vorherige Ergebnis, dass die Kaufentscheidung innerhalb des Festnetztelefonmarktes eine eher kompensatorische Entscheidung ist. Diese Ergebnisse bilden die Grundlage für die Simulation der unterschiedlichen Strategien in Kapitel 3.6. In einem weiteren Markenrepositionierungsprojekt am Lehrstuhl für innovatives Markenmanagement (LiM) wurde im Zuge der Erstellung eines agentenbasierten Simulationsmodells ein anderer Ansatz verfolgt. Die Entscheidungsheuristiken wurden im Rahmen einer Primärmarkterhebung verbalisiert und direkt abgefragt. Diese Ergebnisse konnten dann in einen Wahlsimulator überführt werden. Dies führte dazu, dass jeder Nachfrageragent innerhalb des Modells eine empirisch erhobene Entscheidungsregel zugewiesen bekommen hat. 36,1% der Probanden folgte der MCD Logik, 21,4% der EQW und 10% der WADD Logik. Über 60% entschieden sich aus ihrer Selbsteinschätzung heraus kompensatorisch. Die restlichen 32,5% entschieden sich nach der Lexikographischen Heuristik. Innerhalb der kompensatorischen Heuristiken erklärte die MCD-Regel (71%) signifikant besser als die WADD (65%) und EQWRegel (61%). Diese Werte liegen ähnlich, wie in dem vorgestellten Modell für den Festnetztelefonmarkt. Einen großen Unterschied zwischen den Erklärungsraten liefert die lexikographische Heuristik, welche im Versicherungsmarkt zu 73% erklärt. Dies ist auf die Komplexität des Versicherungsproduktes zurückzuführen. 30% der Befragten kaufen nach dem Preis/Leistungsverhältnis, dies ist im Festnetztelefonmarkt nicht gegeben.

938

Ein Indiz für die Entscheidung nach der WADD Heuristik dieser beiden Cluster kann das hohe Involvement sein.

248

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

5.4.5 Bestimmung der Notwendigkeit einer Markenrepositionierung Auf Basis der bisherigen Analysen ist es nun möglich, eine multivariate Positionierungsanalyse anhand einer MDS durchzuführen. Dies dient der Erhöhung der Aussagefähigkeit der bisherigen Positionierungsanalyse. Die Methodik der MDS ist in Kapitel B 2.3 ausgiebig beschrieben worden. Innerhalb des Statistikprogrammes SPSS stehen für die Durchführung einer MDS zwei unterschiedliche Algorithmen zur Verfügung, der 1977 entwickelte ALSCAL-Algorithmus 939 (Alternative least squares scaling) und der 1993 entwickelte PROXSCAL-Algorithmus 940 (Proximity Scaling). Vor- bzw. Nachteile der Algorithmen werden in der gängigen statistischen Literatur nicht beschrieben. 941 Vergleichende Aussagen werden in der Literatur so gut wie nicht getätigt. PROXSCAL wird jedoch als flexibler dargestellt, da er in der Lage ist, Ähnlichkeits- und Unähnlichkeitsdaten zu verarbeiten. 942 ALSCAL ist auf die Verarbeitung von 100 Fällen beschränkt und kann lediglich Unähnlichkeiten verarbeiten. Proxscal ist nicht auf die Bearbeitung von 100 Fällen beschränkt. Darüber hinaus arbeitet der PROXSCAL Algorithmus effizienter und ist demnach bei der Verarbeitung großer Datenmengen schneller. Hinzu kommt, dass PROXSCAL den RohStress minimiert, was als ein wesentlich besseres Stressmaß darstellt als das herkömmliche STRESS-Maß. 943 Aus diesen Gründen wird die folgende Analyse anhand des PROXSCAL-Algorithmusses durchgeführt. Datengrundlage für die MDS-Analyse sind die erhobenen Imagebewertungen der Marken. Für die darzustellenden Marken werden die Mittelwerte über die 18 Imagedimensionen ermittelt. Diese Matrix wird anhand einer Korrelationsanalyse in eine Distanzmatrix überführt (vgl. Tabelle 25).

939

Der ALSCAL Algorithmus geht auf TAKANE/YOUNG/DE LEEUW (1977) zurück.

940

Der Proxscal Algorithmus wurde von COMMANDEUR/HEISER (1993) entwickelt.

941

Vgl. BACKHAUS ET AL. (2008), S. 542.; BÜHL (2008), S. 746 f.

942

Vgl. BREITKOPF (2007), S. 131.

943

Der Roh-Stress gibt die Summe der quadrierten Residuen an. Der Wert zeigt an, wie gut die Monotoniebedingung durch die ermittelte Konfiguration erfüllt ist. Je größer das STRESS-Maß, desto schlechter ist die Anpassung der Distanzen an die Proximitäten. Vgl. UEKERMANN (2009), S. 72.

249

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

Marke 1 Marke 1 Marke 2 Marke 3 Marke 4 Marke 5 Marke 6 Marke 7

Tabelle 25:

,000 ,196 1,645 ,525 ,341 ,189 ,278

Marke 2 ,000 1,450 ,506 ,535 ,383 ,453

Ähnlichkeitsmatrix Marke 3 Marke 4

,000 1,527 1,973 1,833 1,892

Marke 5

,000 ,651 ,635 ,762

,000 ,182 ,250

Marke 6

,000 ,130

Marke 7

,000

Distanzmatrix als Grundlage für die MDS-Analyse Quelle: Eigene Darstellung.

Als Distanzmaß wird der Pearsonsche Korrelationskoeffizient herangezogen, der die Ähnlichkeiten zwischen den betrachteten Marken ermittelt. 944 Die Distanzmatrix dient als Grundlage für die MDS. In Abbildung 56 ist der anhand des PROXSCAL Algorithmusses ermittelte Wahrnehmungsraum für den deutschen Festnetztelefonmarkt dargestellt. Die STRESS-Werte sollten bei einer explorativen Anwendung der MDS möglichst gering sein. Zur Beurteilung der STRESS-I Werte können die Empfehlungen von KRUSKAL (1964a) herangezogen werden. Der erreichte STRESS-Wert von 0,057 liegt in der Einteilung im guten Bereich. 945 Der Stress-II Wert liegt ebenfalls mit 0,09232 im guten Bereich. 946 Die erklärte Streuung der ermittelten Konfiguration ist mit 0,9965 als sehr gut zu bezeichnen, dies ist auch für den Wert des Kongruenzkoeffizienten mit 0,99832 zu verzeichnen. 947 Die ermittelte Konfiguration stellt somit eine adäquate Lösung für den deutschen Festnetztelefonmarkt dar.

944

Zur Berechnung der Distanzmaße vgl. BÜHL (2008), S. 352 f.

945

Nach KRUSKAL (1964) ist ein Stresswert von 0,00 Exzellent, <= 0,025 augeszeichnet, <= 0,05 gut, <= 0,1 ausreichend und >= 0,2 gering. Vgl. KRUSKAL (1964), S. 1 f.

946

Nach ERICHSON ET AL. (2000) ist ein STRESS-II Wert von 0,00 Exzellent, <= 0,05 augeszeichnet, <= 0,1 gut, <= 0,2 ausreichend und >= 0,4 gering. Vgl. ERICHSON ET AL. (2000), S. 456.

947

Die Werte für die erklärte Streuung und den Kongruenzkoeffizienten nach Tucker liegen zwischen 0 und 1. Wobei 1 einen sehr guten Wert und 0 einen sehr schlechten Wert darstellt. Vgl. UEKERMANN (2009), S. 61.

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

250

Design

Haptik

Soziales Lebensstil Engagement Innovativität

Marke 4 Kommunikation Niedriger Preis Marke 2

Marke 5 Marke 6

Marke 3

Marke 1 Qualität

Marke 7

Globalität Reputation

Lebensqualität

Geringe Komplexität

Spaß

Soziale Kontakte Bedienbarkeit Service

Erreichbarkeit

Freiheit

Stress-I: 0,057 Stress-II: 0,09232 Erklärte Streuung (D.A.F.): 0,99665 Kongruenzkoeffizient nach Tucker: 0,99832

Abbildung 56: Wahrnehmungsraum des deutschen Festnetztelefonmarkt auf Basis der 18 Nutzendimensionen Quelle: Eigene Darstellung.

Die geringen Distanzen zwischen den Marken 5, 6 und 7 spiegeln die Ergebnisse der deskriptiven Imageanalysen wider. Die geringen Distanzen zeigen deutlich eine mangelnde Differenzierung im Markt. Marke 3 weist die größte Distanz zu allen anderen Marken auf, sie ist demnach am besten differenziert. Neben der Distanz der Marken zueinander können in einem solchen Eigenschaftsraum die Vektoren zur Interpretation der Lösung herangezogen werden. 948 Die einzelnen Vektoren stellen die Nutzendimensionen innerhalb des Wahrnehmungsraumes dar. Die Länge der Vektoren gibt Aufschluss darüber, wie gut die einzelnen Nutzendimensionen durch die ermittelte MDS-Konfiguration dargestellt werden. Je länger ein Vektor, desto besser ist er in dem Raum dargestellt. Die Nutzendimensionen Freiheit und Design werden am besten durch die Konfiguration abgebildet. Die Nutzendimensionen „Soziale Kontakte“ und „Kommunikation“ hingegen werden durch den Wahrnehmungsraum schlechter abgebildet. Die Integration der Vektoren erleichtert ebenfalls die Interpretation des

948

Die Vektoren werden mittels eines Vektoroverlays in den Wahrnehmungsraum reingelegt. Zu diesem Zweck wurde das Programm Brand Map 7 verwendet.

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

251

Wahrnehmungsraumes. Dies ist darauf zurückzuführen, dass nun die relative Lage der Marken auf den Vektoren interpretiert werden kann. Bei der Interpretation sind zwei Dinge zu berücksichtigen, die Lage der Marke zu den Vektoren sowie ihre Abbildung auf den Vektoren. Die Marken 5, 6, 7 werden von den Nachfragern mit den Nutzendimensionen Qualität, Reputation und Globalität assoziiert. Marke 1 am ehesten mit der Nutzendimension „Freiheit“. Die Marke 4 wird mit den Nutzendimensionen „Haptik“ und „Design“ assoziiert. Die differenzierte Stellung der Marke 3 ist auf die starke Assoziation mit den Nutzendimensionen „niedriger Preis“ und „geringe Komplexität“ zurückzuführen. Marke 2 ist in der Mitte der Konfiguration, mit ihr werden keine Nutzendimensionen explizit verknüpft. Nimmt man nun zur Lage der Marken im Wahrnehmungsraum, die relative Position auf den Vektoren hinzu, wird deutlich, dass Marke 5 am stärksten mit „Qualität“ verbunden wird. 949 Marke 3 wird am stärksten mit den Nutzendimensionen „niedriger Preis“ und „geringe Komplexität“ verbunden. Auf diesen Vektoren liegen die Marken 5, 6 ,7 diametral. Das bedeutet, die Nachfrager nehmen diese drei Marken nicht über diese beiden Nutzendimensionen wahr. Dies begründet auch die undifferenzierte Position von Marke 2, da sie auf keinem Vektor außen liegt. Die Ergebnisse der Multidimensionalen Skalierung können anhand einer Clusteranalyse validiert werden. Dies dient der Validierung der in der MDS-Konfiguration ermittelten Gruppen. Hinzu kommt, dass mittels einer Clusteranalyse die strategische Gruppe für die zu repositionierende Marke 7 ermittelt werden kann. 950 Ausgehend von McGee’s Definition muss das Konzept der strategischen Gruppe in die Positionierungsforschung übertragen werden. Eine strategische Gruppe innerhalb eines Wahrnehmungsraumes stellt eine Gruppe von Marken dar, welche von den Nachfragern grundsätzlich ähnlich wahrgenommen werden. 951 Aus diesem Grund wird neben der MDS eine Clusteranalyse durchgeführt, um die ermittelte Konfiguration zu validieren.

949

Die relative Position der Marke auf einem Vektor wird wird dadurch ermittelt, dass ein Lot von der Markenposition auf den entsprechenden Vektor gefällt wird. Wenn eine Marke besonders weit aussen auf einem Vektor liegt, ist die Assoziation der Nachfrager mit dieser Nutzendimension hinsichtlich der Marke am stärksten.

950

Der Begriff strategische Gruppe innerhalb der Betriebswirtschaftslehre beschreibt eine Gruppe von Unternehmen innerhalb eines Marktes, welche eine ähnliche Marktbearbeitungsstrategie oder Wettbewerbsstrategie verfolgen. Aus diesem Grund sind sie anfällig für die gleichen exogenen Veränderungen (z. B. Technologiewechsel) Vgl. MCGEE/THOMAS/PRUETT (1995), S. 259. Entwickelt wurde das Konzept der strategischen Gruppe von P ORTER (1979).

951

Vgl. MCNAMARA/DEEPHOUSE/LUCE (2003), S. 161 ff.

252

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

Ziel der Clusteranalyse ist es, die Marken in Gruppen (Cluster) zusammenzufassen, die im Hinblick auf die betrachteten Nutzendimensionen im Festnetztelefonmarkt möglichst homogen sind. Gleichzeitig sollten die Gruppen untereinander eine möglichst große Heterogenität aufweisen. 952 Die Analyse wird auf Basis der gleichen Distanzmatrix durchgeführt, die als Basis für die Multidimensionale Skalierung herangezogen wurde. Als Verfahren wird eine agglomerativ-hierarchische Clusteranalyse durchgeführt, da diese in der Praxis am häufigsten verwendet wird. 953 Als Gruppierungsverfahren werden im ersten Schritt die Single-Linkage-Methode und im zweiten Schritt das Ward-Verfahren angewendet. 954 Die Single-Linkage-Methode bietet sich im ersten Schritt an, um etwaige Ausreißer zu identifizieren. 955 Nachteil der Single-Linkage-Methode ist, dass sie zur Kettenbildung neigt, da das Verfahren viele kleine und wenige große Gruppen bildet (kontrahierendes Verfahren). 956 Aus diesem Grund sollte immer noch eine Clusteranalyse nach einem anderen Verfahren bspw. dem Ward Verfahren durchgeführt werden. In Abbildung 57 ist das Dendrogramm dargestellt, welches die unterschiedlichen Fusionierungsschritte nach der Single-Linkage-Methode abbildet.

952

Vgl. BACKHAUS ET AL. (2008), S. 391.

953

Vgl. BACKHAUS ET AL. (2008), S. 414.

954

Vgl. BÜHL (2008a), S. 550.

955

Das Single-Linkage-Verfahren vereinigt grundsätzlich im ersten Schritt diejenigen Objekte, welche gemäß der Distanzmatrix die kleinste Distanz aufweisen. Aus diesem Grund wird die SingleLinkage-Methode auch als „Nearest-Neighbour-Verfahren“ bezeichnet.

956

Vgl. BACKHAUS ET AL. (2008), S. 418.

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

253

1

2 3

Abbildung 57: Dendrogramm der Clusteranalyse anhand der Imagedaten nach der SingleLinkage Methode Quelle: Eigene Darstellung

Die zu betrachtende Marke 7 wird zu Beginn der Analyse mit den Marken 5 und 6 fusioniert (Cluster 1). Dies bestätigt die Ergebnisse der Multidimensionalen Skalierung. Die Marken 1 und 2 als undifferenzierte Anbieter werden ebenfalls zusammengeführt. Die Marke 4 als einzige designorientierte Marke wird erst spät zu dieser Gruppe (Cluster 2) fusioniert. Die Marke 3 kann als Ausreißer bezeichnet werden. 957 Zur Überprüfung der ermittelten Konfiguration wird die gleiche Analyse mit dem Ward-Verfahren durchgeführt, die Marke 3 wird als Ausreißer in der Analyse eliminiert (vgl. Abbildung 58).

957

Zur Bestimmung der optimalen Clustermenge kann das Elbow-Kriterium herangezogen werden. Leider gibt es in diesem Fall keine eindeutige Lösung. Nach dem Elbow-Kriterium sind 2 oder 4 Cluster die optimale Lösung (vgl. Anhang 1).

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

254

Marke5

1

Marke6 Marke7 Marke1

2

Marke2 Marke4

Abbildung 58: Dendrogramm der Clusteranalyse anhand der Imagedaten nach der WardMethode Quelle: Eigene Darstellung.

Diese Clusterlösung bestätigt die Multidimensionale Skalierung sowie die Lösung nach der Average-Linkage-Methode. Anhand dieser Analyse kann eine 2Clusterlösung als optimale Lösung angeführt werden. 958 Marke 4 wird erst sehr spät in das zweite Cluster hinzugefügt, was ebenfalls eine Sonderstellung vermuten lässt, die bei der inhaltlichen Interpretation der Ergebnisse berücksichtigt werden muss. Somit bilden sich im Festnetztelefonmarkt drei klare Segmente heraus, die wie folgt interpretiert werden können (vgl. Abbildung 59).

958

Hinsichtlich des Elbow Kriteriums bietet die Analyse mit dem Ward Verfahren eine eindeutige 2 Clusterlösung vgl. hierzu Anhang 1. Die Güteprüfung anhand der F-Werte kann für die 2 Clusterlösung kann Anhang 1 entnommen werden. Da die F-Werte der Cluster relativ niedrig liegen, kann die 2 Clusterlösung als trennscharf bezeichnet werden.

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

Design

255

Haptik

Soziales Lebensstil Engagement Innovativität

Marke 4 Kommunikation Niedriger Preis Marke 2

Marke 5 Marke 6

Marke 3

Marke 1 Qualität

Marke 7

Globalität Reputation

Lebensqualität

Geringe Komplexität

Spaß

Soziale Kontakte Bedienbarkeit Service

Erreichbarkeit

Freiheit

Abbildung 59: Ermittelte Clusterzuordnung im Markt für Festnetztelefone in Deutschland Quelle: Eigene Darstellung.

Aus inhaltlicher Sicht muss der Festnetztelefonmarkt in drei inhaltlich voneinander getrennte Segmente unterteilt werden. Die Ergebnisse der MDS Konfiguration können also bestätigt werden. Marke 3 nimmt im Markt die Stellung des Niedrigpreisanbieters ein und kann als Nischenanbieter bezeichnet werden. Die Marken 1, 2 und 4 stellen das Segment der undifferenzierten Marken dar. Marke 4 kann als Marke mit dem besten Design bezeichnet werden, da sie über die Nutzendimensionen Design und Haptik dargestellt wird. Marke 1 hat auch ein eher undifferenziertes Image und wird demnach durch die Nutzendimensionen „Freiheit“, „Service“ und „Bedienbarkeit“ dargestellt. Das dritte Segment kann als Segment der Qualitätsanbieter interpretiert werden. Da sie relativ stark über die Nutzendimensionen „Qualität“, „Reputation“, „Innovativität“ und „Lebensqualität“ abgebildet werden. Da die zu betrachtende Marke 7 Teil dieses Segmentes ist, wird im Folgenden nur noch von der strategischen Gruppe für das Segment der Qualitätsanbieter gesprochen. Wie in den dargestellten Wahrnehmungsräumen ersichtlich, korrelieren die einzelnen Nutzendimensionen teilweise sehr stark miteinander. Aus diesem Grund wurden für das agentenbasierte Simulationsmodell die 18 Nutzendimensionen mittels einer

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

256

Hauptkomponentenanalyse verdichtet, um das Wahlverhalten darzustellen. Neben der diskutierten 18er Konfiguration wird aus diesem Grund die faktoranalytische Verdichtung ebenfalls mittels eines Biplots dargestellt (vgl. Abbildung 60).959

Marke 4

Qualität

Marke 2

Achse 1

Marke 7

Emotionalität Preis

Marke 5

Globalität

Marke 1

Marke 3

Marke 6

Achse 2

Abbildung 60: Wahrnehmungsraum des deutschen Festnetztelefonmarktes auf Basis der ermittelten 4 Imagefaktoren Quelle: Eigene Darstellung.

Auch nach der Reduktion der 18 Nutzendimensionen zu vier Faktoren, bleibt die Konfiguration im Raum bestehen. Es bilden sich klar die drei Segmente heraus. Marke 3 wird über den Preisfaktor dargestellt. Die Marken 1, 2 und 4 sind immer noch in der Mitte als undifferenziertes Segment dargestellt. Die Marken 7, 5, und 6 werden weiterhin über die Faktoren „Qualität“ und „Globalität“ abgebildet und bilden nach wie vor das Qualitätssegment im Markt. Die Faktorenanalyse hat dazu geführt, dass sich die Segmente noch klarer voneinander unterscheiden, was die Interpretation der Marktsituation erleichtert. Auf Basis dieser Informationen kann konstatiert werden,

959

Der Biplot ist eine grafische Darstellungsweise für die Ergebnisse einer Hauptkomponentenanalyse. Er stellt eine Approximation der originalen Variablenachsen gemeinsam mit den transformierten Beobachtungen im Koordinatensystem der Hauptkomponenten dar. Vgl. NAGEL (1996), S. 181 ff. Er wurde ursprünglich von GABRIEL (1971) entwickelt, um die Ergebnisse der Hauptkomponentenanalyse visuell darstellen zu können. Vgl. GABRIEL (1971), S. 153 ff.

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

257

dass auf Basis der ermittelten Faktorwerte das Wahlverhalten der Nachfrager sinnvoll abgebildet werden kann, da die Wahrnehmung der einzelnen Marken durch die Verdichtung sich lediglich marginal geändert hat, was auf den Informationsverlust der nicht erklärten Varianz zurückzuführen ist. 960 Auf Basis der durchgeführten Analysen können nun Aussagen über die Notwendigkeit einer Repositionierung der Marke 7 getroffen werden. Die strategische Gruppe besteht aus den Marken 5, 6 und 7. Sie werden sehr ähnlich wahrgenommen, dies drückt sich sowohl in den geringen Distanzen der Marken zueinander in der 18erKonfiguration als auch im Faktorraum aus. Die mangelnde Differenzierung zu den beiden Marken sollte mittels einer geeigneten Repositionierung aufgehoben werden, um in Zukunft weitere Marktanteilsverluste zu vermeiden. Die Marken 1, 2, 3, und 4 können aufgrund der weiten Distanz hinsichtlich einer Repositionierungsstrategie für Marke 7 vernachlässigt werden. Da die Marken der strategischen Gruppe hauptsächlich über den Qualitäts- sowie den Globalitätsfaktor abgebildet werden, sollen im Zuge von Regressionsanalysen, die für den Kauf wichtigsten Nutzendimensionen ermittelt werden, um eine konkrete Repositionierungsstrategie für Marke 7 entwickeln zu können. 5.4.6 Ermittlung relevanter Nutzendimensionen für die Repositionierung Die in der Faktorenanalyse ermittelten Imagefaktoren innerhalb des Festnetztelefonmarktes sollen nun hinsichtlich ihrer Bedeutung für eine Repositionierung untersucht werden. Zur Ermittlung der Relevanz der einzelnen Faktoren für eine Markenrepositionierung wird die lineare Regression angewendet. 961 Zu diesem Zweck wurden vier lineare Regressionsmodelle geschätzt. Als unabhängige Variablen wurden die in der Hauptkomponentenanalyse ermittelten Imagefaktoren herangezogen. 962 Als abhängige Variablen dienen die Zufriedenheit 963 mit der gekauften Marke, die

960

Die Hauptkomponentenanalyse weist eine erklärte Gesamtvarianz von 58,4% auf.

961

Vgl. BACKHAUS ET AL. (2008), S. 252.

962

Die Imagefaktoren lauten “Qualität”, “Emotionalität”, „Globalität“ und „Niedriger Preis“.

963

“Zufriedenheit” wird in diesem Kontext als “the consumer’s response to the evaluation of the perceived discrepancy between prior expectations (or some form of performance) and the actual performance of the product as perceived after its consumption“ definiert. Vgl. OLIVER (1999), S. 32 ff. Siehe hierzu auch die Studien von OLIVER (1999), S. 33 ff. und RUYTER/BLOEMER/PEETERS (2001), S. 387 ff. Die Zufriedenheit mit dem Produkt wurde im Rahmen der quantitativen Studie erhoben: „Wie zufrieden sind sie mit der von ihnen in den letzten 12 Monaten gekauften Festnetztelefonmarke?“ Die Skalierung der Antwortmöglichkeiten reichte von 5= „Sehr zufrieden“ bis 1= „Sehr unzufrieden“.

258

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

Markensympathie 964, die Wiederkaufintention 965 und die Empfehlungsintention 966. Die Zufriedenheit mit der gekauften Marke und die Wiederkaufintention eignen sich als Zielvariable im Rahmen einer Repositionierung zur Sicherung des bisherigen Kundenstammes. 967 Die Weiterempfehlungsintention und die Markensympathie eignen sich als Zielvariable im Rahmen einer Markenrepositionierung zur Neukundengewinnung. 968 Auf Basis der regressionsanalytischen Modelle soll der Einfluss der Imagefaktoren auf die ausgewählten abhängigen Variablen ermittelt werden. Es wird davon ausgegangen, dass die vier Imagefaktoren einen positiven Einfluss auf die abhängigen Variablen ausüben. Zunächst werden die Prämissen zur Durchführung einer linearen Regression für die vier Modelle überprüft (Vgl. Abbildung 61).

964

Markensympathie kann definiert werden als: „eine gefühlsmäßig positive Einstellung zu einer Marke, die bereits nach kurzfristigen Kontakten bzw. aufgrund eher geringfügiger Informationen auftritt und maßgeblich für den Aufbau einer Markenbeziehung ist.“ Vgl. LAMPERT (2008), S. 346.

965

Wiederkaufintention kann definiert werden als :“the individual’s judgement buying again a designated product from the same company, taking into accounts his or her current situation and likely circumstances.“ vgl. HELLIER ET AL. (2003), S. 1764. Im Rahmen der quantitativen Studie wurde die Wiederkaufintention anhand der Frage: „Würden Sie die Marke wieder kaufen?“ 1 = Trifft überhaupt nicht zu bis 5= Trifft voll und ganz zu gemessen.

966

Empfehlungsintention „is related to compliments by talking to other people about a brand or product“. Vgl. YING/MENG (2009), S. 246. Im Rahmen der quantitativen Erhebung wurde die Empfehlungsintention anhand der Frage: “Würden sie ihre gekaufte Marke weiterempfehlen?” 1 = Stimme voll zu und 5 = Stimme überhaupt nicht zu.

967

Zufriedenheit dient als Grundlage für die Herstellung von Markenloyalität und Markenvertrauen. Vgl. WÜNSCHMAN/MÜLLER (2008), S. 388.

968

LAMPERT (2008) fand heraus, dass die Markensympathie ein wichtiger Indikator für die Neukundengewinnung ist. Darüber hinaus ist sie direkt über Imageaspekte steuerbar. Vgl. LAMPERT (2008), S. 352. Eine Stärkung der Weiterempfehlungsintention von Marken dient ebenfalls der Neukundengewinnung. Vgl. FRIEDRICH (2004), S. 129.

Art der Überprüfung

Visuell anhand eines Streudiagramms

VIF/Toleranz

Visuell anhand eines Streudiagramms

Kriterium

Linearität

Multikolliniarität

Normalverteilung der Residuen

VIF für alle Werte = 1,0 Toleranz für alle Werte > 0,991

Toleranz für alle Werte > 0,991

Modell Weiterempfehlung

VIF für alle Werte = 1,0

Modell Zufriedenheit

Toleranz für alle Werte > 0,991

VIF für alle Werte = 1,0

Modell Wiederkauf

Toleranz für alle Werte > 0,991

VIF für alle Werte = 1,0

Modell Sympathie

D

D

D

Erfüllung

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

Abbildung 61: Prämissenerfüllung der vier Regressionsmodelle Quelle: Eigene Darstellung.

259

260

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

Das erste Kriterium ist das der Linearität des Zusammenhangs, dieses kann für alle drei Modelle hinsichtlich aller vier Faktoren bestätigt werden. Das Kriterium der Multikolliniarität 969 wurde anhand des „Variance Inflation Factors“ 970 und der Toleranz überprüft. Der Wert betrug für die vier Faktoren jeweils 1,0, somit kann die Multikolliniarität ausgeschlossen werden. Hinsichtlich der Homoskedaszidität wurde ein Streudiagramm angefertigt und visuell überprüft. Es liegt keine Heteroskedastizität vor. Die Normalverteilung der Residuen wurde anhand eines Histogramms mit Normalverteilungskurve sowie anhand eines Kolmogorov-Smirnoff Tests überprüft. Die Residuen sind normal verteilt. Somit erfüllen die drei Modelle sämtliche Prämissen linearer Regressionen und können im Folgenden ausgewertet und interpretiert werden. Das erste Modell ist das Markenzufriedenheitsmodell. Ziel des Modells ist es, herauszufinden, welchen Einfluss die Imagefaktoren auf die Zufriedenheit der Kunden mit ihrer Festnetztelefonmarke haben. In Abbildung 62 ist die Modellzusammenfassung dargestellt.

Qualität Emotionalität Globale Marke

(+0,46**) (+0,32**)

R2 = 0,36

(+0,20**)

Zufriedenheit

(+0,03)

Preis **signifikant bei 0,01

Abbildung 62: Einfluss der Imagefaktoren auf die Zufriedenheit der Nachfrager mit der gekauften Festnetztelefonmarke Quelle: Eigene Darstellung

Das R2 des Regressionsmodells als globales Gütemaß beträgt 36%. Dies ist in verhaltenswissenschaftlichen Studien als gut zu bezeichnen. 971 Das Regressionsmodell

969

Ein lineares Regressionsmodell geht davon aus, dass die Regressoren nicht exakt linear abhängig sind. Multikolliniarität läge dann vor, wenn sich ein Regressor als lineare Funktion der übrigen Regressoren darstellen ließe. Dies würde zu einer Nichtdurchführbarkeit der Analyse führen. Vgl. BACKHAUS ET AL. (2008), S. 87.

970

Der „Variance Inflation Factor“ kann zur Überprüfung möglicher Multikolliniarität herangezogen werden. Bei zunehmender Multikolliniarität vergrößern sich die Varianzen der Regressionskoeffizienten um genau diesen Faktor. Ein Wert von 1 steht für keine Multikolliniarität. Vgl. BACKHAUS ET AL. (2008), S. 139 f.

971

Der Interpretation des Gütemaßes R2 werden die von COHEN (1988) ermittelten Effektstärken zu Grunde gelegt. Ein schwacher Effekt liegt demnach < 0,1 ein mittlerer Effekt liegt bei <0,25 und ein starker Effekt bei >0,25. COHEN (1988), S.81.

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

261

ist mit < 0,01 signifikant. In Abbildung 62 sind die jeweiligen standardisierten Regressionskoeffizienten der einzelnen Faktoren angegeben. Lediglich der Preisfaktor ist nicht signifikant. Der Faktor mit dem größten Einfluss auf die Zufriedenheit mit der Marke ist der Qualitätsfaktor. Der „emotionale“ Faktor und der Faktor „Globalität“ haben einen geringeren Einfluss. Aus diesem Ergebnis kann geschlossen werden, dass der Faktor „Qualität“, bestehend aus den Nutzendimensionen „Qualität“, „Reputation“, „Design“, „Haptik“ und „Service“ den größten Einfluss auf die Zufriedenheit der Nachfrager mit einer Festnetztelefonmarke besitzt. Um die Zufriedenheit der Nachfrager mit der eigenen Marke zu erhöhen, ist eine Repositionierung auf den Dimensionen des „Qualitätsfaktors“ anzustreben. Eine Repositionierung oder Verbesserung auf dem Faktor „Qualität“ dient der Stärkung der bisherigen Kundenbeziehung und verhindert das Abwandern bisheriger Stammkunden. Der Einfluss der Faktoren „Emotionalität“ sowie „Globalität“ ist in ihrer Wirkung bei einer Repositionierung hinsichtlich der Beibehaltung bisheriger Kunden als niedriger einzuschätzen. Ein ähnliches Ergebnis ergibt sich aus dem Regressionsmodell zur Wiederkaufintention (vgl. Abbildung 63).

Qualität Emotionalität Globale Marke

(+0,44**) (+0,19**)

R2 = 0,34

(+0,30**)

Wiederkauf

(-0,02)

Preis **signifikant bei 0,01

Abbildung 63: Einfluss der Imagefaktoren auf die Wiederkaufintention der Nachfrager im deutschen Festnetztelefonmarkt Quelle: Eigene Darstellung.

Der Erklärungsgehalt liegt mit 34% ebenfalls im guten Bereich. Die standardisierten Regressionskoeffizienten der einzelnen Faktoren sind ähnlich wie bei dem Zufriedenheitsmodell. Der Qualitätsfaktor hat mit Abstand den größten Einfluss auf die Wiederkaufintention. Somit hat der Qualitätsfaktor hinsichtlich seiner Bedeutung für die Beibehaltung der bisherigen Kunden den größten Einfluss. Eine Verbesserung dieses Faktors führt innerhalb einer Repositionierung demnach zur Minimierung des Verlustes der bisherigen Käufer einer Marke. Es kann somit konstatiert werden, dass der Faktor einen großen Einfluss auf das Kaufverhalten der Nachfrager besitzt und somit eine geeignete Repositionierungsdimension darstellen kann. Der zweitwichtigste Faktor ist der Faktor „Globalität“ gefolgt von dem Faktor „Emotionalität“.

262

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

Das dritte Regressionsmodell untersucht den Einfluss des Markenimages auf die Weiterempfehlungsintention (vgl. Abbildung 64).

Qualität Emotionalität Globale Marke

(+0,48**) (+0,25**)

R2 = 0,42

(+0,33**)

Weiterempfehlung

(-0,02)

Preis **signifikant bei 0,01

Abbildung 64: Einfluss der Imagefaktoren auf die Wiederkaufintention der Nachfrager im deutschen Festnetztelefonmarkt Quelle: Eigene Darstellung.

Das R2 liegt mit 42% etwas höher als bei dem Zufriedenheitsmodell und ist ebenfalls als gut einzustufen. Der Faktor Qualität hat mit Abstand den größten Einfluss auf die Weiterempfehlungsintention der Kunden. Danach folgt der Faktor „Globalität“ und der Faktor „Emotionalität“. Der Faktor „Preis“ hat einen sehr niedrigen standardisierten Regressionskoeffizienten und ist nicht signifikant. Auch hinsichtlich der Weiterempfehlungsintention hat der Faktor „Qualität“ den größten Einfluss im Markt. Das bedeutet, dass eine Repositionierung auf dem Qualitätsfaktor zum einen eine Sicherung des bisherigen Kundenstammes nach sich zieht und zum anderen eine Verbesserung auf diesem Faktor zur Gewinnung neuer Kunden genutzt werden kann. Das vierte Modell zur Markensympathie weist ebenfalls ein gutes R2 mit 38% auf (vgl. Abbildung 65).

Qualität Emotionalität Globale Marke

(+0,42**) (+0,27**)

R2 = 0,38

(+0,35**)

Sympathie

(+0,11**)

Preis **signifikant bei 0,01

Abbildung 65: Lineares Regressionsmodell zur Ermittlung des Einflusses der Imagefaktoren auf die Markensympathie im deutschen Festnetztelefonmarkt Quelle: Eigene Darstellung.

Hinsichtlich der Markensympathie ist das Ergebnis ebenfalls ähnlich. Der Faktor Qualität hat auch hier den größten Einfluss, was seine dominierende Stellung im Markt weiter unterstreicht. Der Faktor „Globalität“ weist auf die Sympathie den zweit-

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

263

größten Einfluss auf. Im Rahmen einer Repositionierung sollte demnach der Faktor „Globalität“ ebenfalls in eine Repositionierungsstrategie integriert werden, um mögliche Neukunden zu gewinnen. Der Faktor „Preis“ hat ebenfalls einen signifikanten Einfluss. Die Höhe des standardisierten Regressionskoeffizienten ist jedoch gering. Eine mögliche Interpretation ist, dass ein niedriger Preis im Markt für Festnetztelefone die Sympathie erhöht. Da eine Verbesserung auf dem Preisfaktor jedoch für den Qualitätsanbieter Marke 7 nicht in Frage kommt, kann die Wirkung dieses Faktors vernachlässigt werden. Die Ausgestaltung der Repositionierungsstrategie für Marke 7 sollte sich an den Ergebnissen der durchgeführten Regressionsanalysen orientieren. Der Qualitätsfaktor ist für Marke 7 der zentrale Stellhebel zur Sicherung des bisherigen Kundenstammes sowie zur Gewinnung von Neukunden. Eine Verbesserung auf diesem Faktor stellt darüber hinaus die Möglichkeit einer Differenzierung zu den strategischen Wettbewerbern Marke 5 und 6 dar. Für eine detaillierte Ausgestaltung der Repositionierungsstrategien der Marke 7 können zusätzlich zu den Ergebnissen der Regressionsanalysen die direkt erhobenen Wichtigkeiten der einzelnen Nutzendimensionen herangezogen werden (vgl. Abbildung 66). Innerhalb des Qualitätsfaktors sollte die tatsächliche Produktqualität verbessert werden, da diese die größte Wichtigkeit für den Kauf darstellt. Die Haptik des Festnetztelefons, sowie seine Bedienbarkeit in Form einer einfachen Menüsteuerung, stellen ebenfalls wichtige Stellhebel im Rahmen einer Repositionierung auf dem Qualitätsfaktor dar. Der Service ist indessen für den Kauf eines Festnetztelefons nicht so relevant. Dies gilt ebenfalls für das Design. Im Rahmen der Neukundengewinnung infolge einer Repositionierung sollte der Faktor „Globalität“ gestärkt werden, da er neben dem Qualitätsfaktor den größten Einfluss auf die Sympathie der Marke hat. Dies umfasst Dimensionen wie Innovativität, Globalität und soziales Engagement der Marke. Hinsichtlich der Kaufverhaltensrelevanz sind diese Nutzendimensionen als relativ unwichtig zu bewerten. Trotzdem darf dieser Faktor im Rahmen einer Repositionierung der Marke 7 nicht vernachlässigt werden, da er einer positiven Emotionalisierung der Marke 7 dient. Gleiches gilt für den Faktor „Emotionalität“. Er besitzt zwar einen geringeren Einfluss hinsichtlich der Neukundengewinnung, jedoch besitzt er den zweitstärksten Einfluss auf die Zufriedenheit mit der gekauften Marke und hat demnach einen Einfluss auf die Loyalität der bisherigen Kunden. Darüber hinaus ist er bezüglich der Kaufverhaltensrelevanz bei den Nachfragern hinsichtlich der Dimensionen soziale Kontakte, Kommunikation und Spaß als wichtig bewertet worden.

264

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

Sehr Unwichtig 1

3

4

5 Sehr Wichtig 4,46

Qualität Haptik

4,26

Bedienbarkeit

4,18

Reputation

3,99

Service

3,92

Design

3,92

Soziale Kontakte

4,15

Kommunikation

4,13

Spaß

4,08 3,99

Lebensqualität

3,86

Erreichbarkeit

3,60

Lebensstil Innovativität

Soziale Engagement

Faktor 2 „Emotionalität“

3,92

Freiheit

Globalität

Faktor 1 „Qualität“

3,52 3,06

Faktor 3 „Globalität“

2,81

Preis

3,76

Faktor 4

Low complexity

3,69

„Preis“

Abbildung 66: Empirisch erhobene Wichtigkeit der einzelnen Nutzendimensionen für den Kauf eines Festnetztelefons im deutschen Markt. Quelle: Eigene Darstellung.

Der Preisfaktor kann im Zuge einer Repositionierung der Marke 7 vernachlässigt werden, da er zum einen lediglich einen geringen Einfluss auf die Markensympathie ausübt und zum anderen nur für einen Teil der Nachfrager kaufverhaltensrelevant erscheint. Darüber hinaus ist die Marke 3 sehr stark auf diesem Faktor positioniert.

265

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

5.4.7 Simulation der Repositionierungsstrategien anhand des agentenbasierten Wahlmodells 5.4.7.1 Szenario 1: Qualitätsstrategie Aus der Positionierungsanalyse heraus, kann für Marke 7 eine mögliche Repositionierungsstrategie auf Basis des Qualitätsfaktors abgeleitet werden. Erstes Argument für eine reine Qualitätsstrategie ist die hohe Kaufverhaltensrelevanz des Faktors. Ein weiteres Argument ist, dass die Nachfrager im Festnetztelefonmarkt die Marke 7 mit Qualität assoziieren. Eine Stärkung des Faktors würde also zum bisherigen Image passen. Damit wäre die notwendige Bedingung des Repositionierungs-Fits erfüllt. Darüber hinaus stellt eine Differenzierung über den Qualitätsfaktor eine Strategie dar, um die Wettbewerber Marke 5 und Marke 6 abzuwehren. Diese beiden Marken versuchen derzeit mit ihrem globalen Auftreten das Qualitätsimage des Marktführers (Marke 7) anzugreifen. In der ersten Simulationsstufe werden keine Wettbewerberreaktionen berücksichtigt.

Szenario 1: Differenzierung über den Faktor Qualität

Marke 4

Stärkung der Imagedimensionen •

Qualität

•

Haptik

•

Design

•

Bedienbarkeit

•

Reputation

•

Service

Qualität Marke 2 Marke 7 Marke 5

Globalität

Marke 1

Marke 3

Preis

Marke 6 Emotionalität

Abbildung 67: Szenario 1 Differenzierung über den Faktor Qualität Quelle: Eigene Darstellung.

Um die Marke stärker auf diesem Faktor zu differenzieren ist eine Stärkung der einzelnen Dimensionen innerhalb des Qualitätsfaktors notwendig. Inhaltlich bedeutet eine Erhöhung des Qualitätsfaktors eine Verbesserung der technischen Qualität der

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

266

Festnetztelefone, eine Verbesserung des Services sowie der intuitiven Bedienbarkeit. Weitere Möglichkeiten bestehen in einer Verbesserung des Designs und der Haptik des Telefons. 972 Je nach Zielgruppe kann anhand der einzelnen Dimensionen des „Qualitätsfaktors“ eine abgestimmte Strategie verfolgt werden. In Tabelle 22 sind die Simulationsergebnisse des Modells dargestellt. Szenario 1: Qualitätsstrategie Marke 7 Faktorvariation Indexpunkte Qualität +0,5 Qualität +0,5

WettbewerberMarktanteilsreaktion gewinne Indexpunkte Nein Marke 5 +0,3 Marke 6 +0,3

Gewinne/Verluste zum Wettbewerb Marke 1 Marke 2 Marke 3 Marke 4 Marke 5 Marke 6

Andere Marken

+5,9%

-0,6%

-1,8%

-0,4%

-0,5%

-1,1%

-0,5%

-1%

+5,2%

-0,6%

-2,3%

-0,4%

-0,7%

0%

0%

-1,3%

+5%

-0,7%

-1,7%

-0,4%

-0,7%

0%

0%

-1,7%

Marke 5 +0,3 Qualität +0,5

Marke 6 +0,3 Marke 2 +0,3

Tabelle 26:

Simulationsergebnisse der Qualitätsstrategie Marke 7 Quelle: Eigene Darstellung.

Eine Repositionierung auf dem Faktor Qualität würde zu einem Marktanteilsgewinn von 5,9% für Marke 7 führen. 973 Gleichzeitig bedeutet eine Veränderung um 0,5 Indexpunkte, dass die Marke 7 aus der strategischen Gruppe ausbricht. Dies wurde anhand von Sensitivitätsanalysen mittels der Clusteranalyse ermittelt. 974 Hierbei wurde mittels des Ward-Verfahrens errechnet, ab welchem Punkt die Fehlerquadratsumme innerhalb der strategischen Gruppe so stark ansteigt, dass Marke 7 nicht mehr hinzugefügt wird. Dies kann als Indikator für eine Differenzierung von den Marken der strategischen Gruppe angesehen werden, da das Ward-Verfahren versucht, möglichst homogene Gruppen zu bilden. 975 Besonders wichtig in diesem Zusammenhang ist, dass den Kernwettbewerbern der strategischen Gruppe, Marke 5 und Marke 6, durch die Repositionierung Marktanteile abgenommen werden können. Dies liegt daran, dass diese Marken auf dem Quali-

972

Bspw. liegt die Differenz auf dem Item Haptik zwischen Marke 7 und Marke 4 bei den Items Haptik und Design bei 0,4. Somit ist eine generelle Erhöhung des Qualitätsfaktors um 0,5 sinnvoll, um auch auf diesen Items „Best-in-Class“ zu werden.

973

Die 5,9% Marktanteil werden ohne den Einfluss der sozialen Interaktion erreicht. Mit sozialer Interaktion ist ein Gewinn von bis zu 12% möglich.

974

Die Ergebnisse der Sensitivitätsanalysen mittels der Clusteranalyse haben ergeben, dass bei einer Veränderung des Qualitätsfaktors um 0,5 die Marke 7 aus der strategischen Gruppe ausbricht.

975

Vgl. zum Ward Verfahren Kapitel 3.4.4. oder BACKHAUS ET AL. (2008), S. 389 ff.

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

267

tätsfaktor ebenfalls sehr stark sind und die Unterschiede auf diesem Faktor in der strategischen Gruppe lediglich marginal sind. Gleichzeitig wird dem undifferenzierten Wettbewerber Marke 2 mit 1,8% der größte Anteil abgenommen. Bezieht man in die Betrachtung von Szenario 1 die Reaktion des Wettbewerbs mit ein, verringert sich der Marktanteilsgewinn um 0,7%. 976 Die Kernwettbewerber gewinnen die verlorenen Marktanteile zurück. Diese Entwicklung ist plausibel, da die Marken 5 und 6 von den Kunden ebenfalls als Qualitätsanbieter wahrgenommen werden. Die undifferenzierte Marke 2 verliert mit 2,3% noch mehr Marktanteile. Auf Grund der „Stuck in the Middle“ Position von Marke 2 verliert die Marke massiv an die Wettbewerber, die sich auf dem kaufverhaltensrelevanten Faktor Qualität verbessern. Aus diesem Grund wird Marke 2 bei der dritten Variation der Strategie ebenfalls eine Verbesserung des Faktors Qualität vornehmen, um gegen die Marktanteilsverluste anzugehen. Sie gewinnt massiv von anderen kleineren Marken im Markt. Marke 7 verliert jedoch nur 0,2% an Marke 2. 977 Bezieht man die Ergebnisse der Positionierungsanalyse sowie sachlogische Überlegungen in die Interpretation der Ergebnisse mit ein, sind die Marktanteilsveränderungen als plausibel zu bezeichnen. Alles in allem kann Marke 7 mit einer reinen Qualitätsstrategie zwischen 5% und 6% Marktanteile gewinnen. Mit der sozialen Interaktion liegen die Gewinne von Marke 7 zwischen 8% und 10%. Somit übt die soziale Interaktion einen positiven Einfluss auf die Repositionierung der Marke 7 in Richtung einer Qualitätsführerschaft aus. 5.4.7.2 Szenario 2: Aufladung der Marke mittels emotionaler Nutzenkategorien Die zweite Repositionierungsstrategie bezieht sich auf die emotionale Differenzierung der Marke bei gleichem Qualitäts- und Preisniveau. Diese Strategie ist auf die relative Wichtigkeit der beiden Faktoren zurückzuführen. Globalität hat einen starken Einfluss auf die Weiterempfehlungs- und Wiederkaufintention. Der Faktor gliedert sich in die Dimensionen „Innovativität“, „Globalität“ und „Soziales Engagement“ auf. 978 Der Faktor „Befriedigt meine individuellen Bedürfnisse“ beeinflusst die Zufrie-

976

Mit sozialer Interaktion werden nur noch 10% Marktanteile gewonnen, 2% weniger als ohne Interaktion.

977

Mit sozialer Interaktion gewinnt Marke 7 noch 8% an Marktanteilen. Somit ist die soziale Interaktion ein positiver Einflussfaktor für die Repositionierung der Marke 7.

978

Innerhalb dieses Faktors liegt die Differenz zu den strategischen Wettbewerbern auf den relevanten Items bei 0,1, das bedeutet, eine Verbesserung der emotionalen Faktoren um 0,25 Indexpunkte wäre auf diesem Faktor eine „Best-in-Class“ Positionierung.

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

268

denheit mit der gekauften Marke sehr stark. Dies liegt unter anderem daran, dass Dimensionen wie „Spaß“, „Lifestyle“ und „Lebensqualität“ wesentliche Bestandteile dieses Faktors sind. Hinsichtlich der abgefragten Wichtigkeit für den Kauf zeigt Faktor 2 eine deutlich höhere Relevanz als Faktor 3 auf. Trotzdem ist eine Berücksichtigung des Globalitätsfaktors notwendig, um die beiden strategischen Wettbewerber Marke 5 und Marke 6 anzugreifen. Szenario 2: Differenzierung über die Faktoren Globalität und Emotionalität

Marke 4 Stärkung der Imagedimensionen •

Soziales Engagement

•

Innovativität

•

Globalität

•

Soziale Kontakte

•

Kommunikation

•

Spaß

•

Freiheit

•

Erreichbarkeit

•

Lebensstil

Qualität Marke 2

Marke 7

Marke 5

Globalität

Marke 1

Marke 3

Preis

Marke 6 Emotionalität

Abbildung 68: Szenario 2 emotionale Differenzierung über die Faktoren Globalität und Emotionalität Quelle: Eigene Darstellung.

Die Erhöhung der beiden emotionalen Faktoren beläuft sich ebenfalls auf 0,5 Indexpunkte, da dieser Wert als Ergebnis der Sensitivitätsanalysen als plausibel angenommen werden kann. Repositioniert sich die Marke 7 auf diesen beiden Dimensionen, wandert sie automatisch in der Wahrnehmung der Nachfrager in Richtung der Kernwettbewerber 5 und 6. Ohne eine Reaktion dieser beiden Marken beläuft sich der Marktanteilszugewinn auf 6,2%. Neben den beiden Kernwettbewerbern verliert Marke 1 massiv an Marktanteilen, da sie in der Wahrnehmung der Nachfrager mit dem Faktor 2 verknüpft ist (vgl. Tabelle 27). Darüber hinaus verliert wieder die undifferenzierte Marke 2 mit -1,3% massiv an Marktanteilen. Dies geschieht auf Basis der gleichen Argumentation der Qualitätsstrategie.

269

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

Szenario 2: Emotionale Strategie Marke 7 Faktorvariation Indexpunkte Globalität +0,25 Emotionalität + 0,25 Globalität +0,25 Emotionalität + 0,25 Globalität +0,25 Emotionalität + 0,25

Gewinne/Verluste zum Wettbewerb

Wettbewerberreaktion Indexpunkte

Marktanteilsgewinne

Nein

+6,2%

-1,3%

-1,3%

-0,4%

-0,5%

-0,3%

-1,1%

-1,5%

+5,2%

-1,4%

-1,8%

-0,5%

-0,5%

+0,9%

+0,1%

-2,2%

+4,5%

-1,4%

-0,7%

-0,5%

-0,5%

+0,7%

+0,1%

-2,2%

Marke 5 +0,15/+0,15 Marke 6 +0,15/+0,15 Marke 5 +0,15/+0,15 Marke 6 +0,15/+0,15

Marke 1 Marke 2 Marke 3 Marke 4 Marke 5 Marke 6

Andere Marken

Marke 2 +0,15/+0,15

Tabelle 27:

Simulationsergebnisse der emotionalen Differenzierung Marke 7 Quelle: Eigene Darstellung.

Sobald jedoch die Marken 5 und 6 ihre Stärken hinsichtlich der emotionalen Wahrnehmung weiter ausbauen, verringert sich der Marktanteilsgewinn um 1% auf 5,2% für Marke 7. Die Marken 1 und 2 verlieren noch stärker an Marktanteil. Reagiert Marke 2 auf die Repositionierung der anderen Marken, reduziert sich der Zugewinn für Marke 7 auf 4,5%, die Zugewinne der Kernwettbewerber bleiben jedoch stabil. Der geringere Zugewinn mit der emotionalen Repositionierungsstrategie liegt zum einen an der geringeren Relevanz für den Markenerfolg und zum anderen am mangelnden Repositionierungs-Fit der Marke 7. Die Marke 7 weist auf diesen beiden Faktoren Imagedefizite gegenüber den Wettbewerbern auf, eine reine Emotionalisierung der Marke würde vermutlich von den Nachfragern nicht angenommen. Ein ähnlicher Fall war der Relaunch der Marke FRoSTA im Jahr 2003. Hier wurde ebenfalls ausschließlich auf weitestgehend emotionale Attribute gesetzt, die Kernkompetenz jedoch nicht weiter betont. Dies führte zu massiven Marktanteilseinbrüchen. Um dies zu vermeiden wird in Szenario 3 eine Mischstrategie simuliert, die zum einen die Stärke der Qualität besser betont und zum anderen eine leichte Emotionalisierung der Marke vornimmt. Zusammenfassend kann mit einer reinen emotionalen Repositionierungsstrategie eine Marktanteilsverbesserung zwischen 4% und 6% erreicht werden. Auch die soziale Interaktion führt zu keiner nennenswerten Marktanteilssteigerung bei der Emotionalisierungsstrategie. Ohne Wettbewerberreaktion können 8% erreicht werden und mit Wettbewerberreaktion lediglich 6% oder 5%. Somit hat die soziale Interaktion zwischen den Agenten einen positiveren Einfluss auf die Durchsetzung der Qualitätsführerschaft. 5.4.7.3 Szenario 3: Mischstrategie Qualität, Globalität und Emotionalität Die dritte mögliche Repositionierungsoption für Marke 7 besteht in einer Qualitätsstrategie angereichert mit einer leichten Markenemotionalisierung über die Dimensionen Globalität und individuelle Bedürfnisbefriedigung. Hierbei wird zum einen die Kernassoziation gute Qualität mit der Marke 7 bedient. Gleichzeitig wird die Marke

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

270

emotionalisiert, was zum einen die Zufriedenheit mit der Marke erhöhen kann und zum anderen die Wiederkauf- und Empfehlungsintention der Kunden stärkt. Der Repositionierungs-Fit ist durch den Fokus auf die Qualität ebenfalls gegeben. Ziel der Strategie ist der Ausbau der Qualitätsführerschaft im Markt. Gleichzeitig soll eine Emotionalisierung der Marke stattfinden, um die Kernwettbewerber Marke 5 und 6 anzugehen. 979 Szenario 3: Differenzierung über die Faktoren Qualität/Globalität/ Emotionalität Stärkung der Imagedimensionen • Qualität • Haptik • Design • Bedienbarkeit • Reputation • Service • Soziales Engagement • Innovativität • Globalität • Soziale Kontakte • Kommunikation • Spaß • Freiheit • Erreichbarkeit • Lebensstil

Marke 4

Qualität Marke 2

Marke 7

Marke 5

Globalität

Marke 1

Marke 3

Preis

Marke 6 Emotionalität

Abbildung 69: Szenario 3 Differenzierung über die Faktoren Qualität, Globalität und Emotionalität Quelle: Eigene Darstellung.

Marke 7 bewegt sich bei dieser Repositionierungsoption zum einen auf der Qualitätsachse weg von den Wettbewerbern der strategischen Gruppe, um den Qualitätsvorsprung weiter auszubauen. Gleichzeitig werden die Marken 5 und 6 in ihren eher emotionalen Positionierungen angegriffen. Die Marke 7 wandert also stärker ins Zentrum der strategischen Gruppe. In Tabelle 28 sind die Veränderungen der Markenimagewerte sowie die Auswirkungen auf den Marktanteil dargestellt.

979

Da die Differenz in der Bewertung auf den emotionalen Faktoren zwischen Marke 7 und den beiden strategischen Wettbewerbern 0,1 beträgt, würde man mit dieser Strategie auf den emotionalen Attributen mit dem Wettbewerb gleichziehen, ihn aber gleichzeitig über die Qualität überflügeln.

271

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

Szenario 3: Mischstrategie Qualität/Globalität/Emotionalität Marke 7 Gewinne/Verluste zum Wettbewerb

Faktorvariation Indexpunkte

Wettbewerberreaktion Indexpunkte

Marktanteilsgewinne

Qualität +0,5 Globalität +0,1 Emotionalität + 0,1

Nein

+8,3%

-0,9%

-2,6%

-0,4%

-0,7%

-0,8%

-1,4%

-1,5%

+6,9%

-1,1%

-3,3%

-0,7%

-0,8%

+0,6%

+0,5%

-2%

+4,6%

-1,4%

-2,3%

-1,1%

-0,8%

+1,8%

+2,4%

-2,2%

+5,7%

-1,1%

-0,9%

-0,7%

-0,8%

+0,4%

-0,2%

-2,4%

Qualität +0,5 Globalität +0,1 Emotionalität + 0,1 Qualität +0,5 Globalität +0,1 Emotionalität + 0,1 Qualität +0,5 Globalität +0,1 Emotionalität + 0,1

Tabelle 28:

Marke 5 +0,2/+0,1/+0,1 Marke 6 +0,2/+0,1/+0,1 Marke 5 +0,2/+0,2 Marke 6 +0,2/+0,2

Marke 1 Marke 2 Marke 3 Marke 4 Marke 5 Marke 6

Andere Marken

Marke 5 +0,1/+0,1/+0,1 Marke 6 +0,1/+0,1/+0,1 Marke 2 +0,1/+0,1/+0,1

Simulationsergebnisse der Mischstrategie Marke 7 Quelle: Eigene Darstellung.

Ohne die Simulation von Wettbewerberreaktionen gewinnt Marke 7 mit der Mischstrategie 8,3% Marktanteil. Darüber hinaus gewinnt die Marke von strategischen Wettbewerbern Marke 5 und 6 insgesamt 2,2%. Reagieren die beiden Wettbewerber auf die strategische Repositionierung der Marke 7 mit einer ähnlichen Strategie, verringern sich die Gewinne um 1,4%. Dadurch verliert die undifferenzierte Marke 2 mit 3,3% immens an Marktanteilen. Sobald Marke 2 ebenfalls eine Repositionierung vornimmt, gehen die Gewinne noch weiter zurück. Bezieht man die soziale Interaktion in die Simulation mit ein, steigen die Marktanteilsgewinne für Marke 7 ohne Wettbewerbsreaktion auf bis zu 12% an. Mit Wettbewerberreaktion liegen die Gewinne bei bis zu 10%. Somit kann auch hier das Empfehlungsverhalten der Nachfrager als positiv für den Erfolg der Repositionierungsstrategie bewertet werden. Reagieren die strategischen Wettbewerber jedoch mit einer emotionalen Repositionierungsstrategie auf den Faktoren Globalität und Emotionalität, verringern sich die Gewinne auf 4,6%. Hinzu kommt, dass die Marken 5 und 6 ebenfalls massiv Marktanteile hinzugewinnen. Marke 1, die eine eher emotionale Positionierung im Markt aufweist, verliert durch diese Repositionierung massiv an Marktanteilen, da die beiden qualitativ hochwertigeren Marken diese emotionale Positionierung angreifen. Somit kann konstatiert werden, dass mit einer Mischstrategie zwischen 5% und 8% an Marktanteilsgewinnen möglich sind.

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

272

5.5 Erweiterte Analyse des Empfehlungsverhaltens anhand des agentenbasierten Simulationsmodells 5.5.1 Analyse des Empfehlungsverhaltens innerhalb des Festnetztelefonmarktes Wie bereits in den qualitativen Vorstudien ermittelt, ist eine soziale Interaktion mit bis zu 4 Personen plausibel. Legt man diese Anzahl an Interaktionen zu Grunde, kann eine Monte Carlo Simulation 980 darüber Aufschluss geben, welche Marke wie häufig empfohlen wird. Hierzu wurden 100 Simulationsläufe durchgeführt, deren Ergebnisse zu einem Mittelwert für jede Marke verdichtet werden. Als Ergebnis über alle Simulationsläufe wird Marke 7 im Durchschnitt am häufigsten empfohlen (vgl. Abbildung 70).

2,0 1,55 1,5

1,27 1,07

1,14

1,04

1,11

1,23

1,0

0,5

0 Marke 1

Marke 2

Marke 3

Marke 4

Marke 5

Marke 6

Marke 7

Abbildung 70: Durchschnittlich erhaltene Empfehlungen der Agenten je Marke Quelle: Eigene Darstellung.

Die Marke 7 wurde bei durchschnittlich 4 Empfehlungen, die die Nachfrager erhalten haben, 1,55 Mal weiterempfohlen. Die Marken in der strategischen Gruppe liegen mit 1,11 und 1,23 weit unter dem Wert von Marke 7. Marke 2 liegt mit 1,27 Empfehlungen auf Platz 2. Diese Ergebnisse spiegeln den Marktanteil der Marken wider. Marke 7 als Marktführer wird häufiger gekauft und aus diesem Grund auch häufiger weiterempfohlen. Deshalb sollte das soziale Attribut, 981 welches die einzelnen Marken ge-

980

Eine Monte Carlo Simulation ist ein Verfahren aus der Stochastik, bei dem häufig durchgeführte Zufallsexperimente die Basis darstellen. Im Mittelpunkt der Simulation steht in diesem Fall die zufällige Anordnung der Agenten auf dem 2-dimensionalen Gitter. Aus diesem Grund werden 100 Simulationsläufe durchgeführt und der Mittelwert berechnet. Vergleiche zu diesem Vorgehen ausführlich ZIMMERMANN (1997), S. 337.

981

Das soziale Attribut umfasst den Wert der Empfehlungen geteilt durch die Anzahl an Empfehlungen pro Marke, die ein Nachfrager erhalten hat.

273

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

nerieren, in die Analyse mit einbezogen werden, um zu sehen, wie sich die Interaktion auf das Entscheidungsverhalten auswirkt (vgl. Abbildung 71). Skalenwert des sozialen Attributs 5 4

3,81 3,57

3,64

3,53

Marke 3

Marke 4

3,81

4,15

4,11

Marke 5

Marke 6

Marke 7

3 2 1 0

Marke 1

Marke 2

Abbildung 71: Durchschnittlicher Empfehlungswert der Marken. Quelle: Eigene Darstellung.

Im Durchschnitt hat Marke 6 den höchsten Wert des sozialen Attributes (vgl. Abbildung 71). Der Nachdruck der Empfehlung von Marke 6 durch die Nachfrager ist also höher als bei den anderen Marken. 982 Marke 7 als Marktführer mit den meisten Empfehlungen ist lediglich auf Platz zwei. Marke 4 und Marke 1 liegen mit ihren Empfehlungswerten signifikant niedriger als Marke 6 und 7. 983 Marke 7 wird zwar am häufigsten empfohlen, Marke 6 jedoch stärker, das bedeutet, dass das soziale Attribut der Marke 6 im Schnitt einen höheren Wert als das von Marke 7 aufweist. Dies lässt den Schluss zu, dass der Einfluss des sozialen Attributes bei Marke 7 auf das Entscheidungsverhalten der Nachfrager unter dem von Marke 6 liegt. Betrachtet man die zeitliche Veränderung des sozialen Attributes über einen längeren Zeitraum hinweg (30 Perioden), kann festgestellt werden, dass trotz einer dynamischen Zuweisung der Empfehlungswerte nur leichte Abweichungen von den empirisch ermittelten Empfehlungswerten für die Marken stattfinden (vgl. Abbildung 72). Die Ergebnisse des Modells sind demnach bei einem Wechsel der Ersten Wahl durch einen Nachfrager aufgrund einer Markenrepositionierung als plausibel zu interpretieren. Ledig-

982

Das soziale Attribut stellt die gemittelten Empfehlungen, die ein Nachfrager bekommen hat, dar (auf einer Skala von 1 bis 5). Je höher die Ausprägung des gemittelten sozialen Attributes ist, desto stärker beeinflusst es das Entscheidungsverhalten der Nachfrager.

983

Dies bestätigt die Ergebnisse der empirischen Primärmarktstudie hinsichtlich der Höhe der Empfehlungswerte. Die durch die Kerndichtefunktion geschätzten Empfehlungswerte folgen somit der gleichen Verteilung wie die empirisch erhobenen Daten.

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

274

lich bei Marke 5 sind Ausreißer nach oben und unten zu verzeichnen. Diese Abweichungen sind dennoch nicht signifikant. Die durch die Kerndichtefunktion geschätzten Zufallswerte sind somit für eine Simulation von Markenrepositionierungen geeignet. 5

4

3

1 1

2

3

4

5

6

7

8

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 Marke 5

Marke 6

Periode

Marke 7

Abbildung 72: Entwicklung des sozialen Attributes der Marken aus der strategischen Gruppe Quelle: Eigene Darstellung.

Zusammenfassend kann für die strategische Gruppe abgeleitet werden, dass Marke 7 am häufigsten weiterempfohlen wird. Das Gewicht der Empfehlung ist jedoch bei Marke 6 am höchsten. Um die Auswirkung des sozialen Attributes auf die Entscheidungsregeln untersuchen zu können, werden im Folgenden für die Marken der strategischen Gruppe Monte Carlo Analysen durchgeführt. 5.5.2 Einfluss des Empfehlungsverhaltens auf die Entscheidungsregeln Im Folgenden wird die Integration des sozialen Attributes in die einzelnen Entscheidungsregeln überprüft. Hierbei wird zwischen kompensatorischen und nicht kompensatorischen Entscheidungsregeln unterschieden. 5.5.2.1 Kompensatorische Entscheidungsregeln Die Integration des sozialen Attributes bei der EQW Heuristik geschieht mittels Addition des sozialen Attributes zu den anderen Imagefaktoren. 984 Somit kommt für jeden einzelnen Nachfrager eine neue Dimension hinzu, nämlich der soziale Einfluss. Um den Einfluss der neuen Bewertungsdimension auf das Entscheidungsverhalten der Nachfrager und die Marktanteilsentwicklung bewerten zu können, werden Sensitivi-

984

Diese Vorgehensweise ist aus anderen agentenbasierten Modellen entnommen, welche die soziale Interaktion ähnlich umgesetzt haben. Vgl. hierzu J AGER (2007) sowie ZHANG/ZHANG (2007).

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

275

tätsanalysen durchgeführt. Sensitivitätsanalysen im Kontext des Entscheidungsverhaltens werden im Rahmen von Positionierungsmodellen mittels der sukzessiven Erhöhung der Beurteilungsdimensionen durchgeführt. 985 Ziel der Analysen ist es, die Veränderung der Marktreaktionsgröße Marktanteil in Abhängigkeit von der Veränderung einzelner Nutzendimensionen der zu repositionierenden Marke zu testen. Innerhalb des agentenbasierten Modells interessiert an dieser Stelle besonders, ob ein Unterschied in der Marktanteilsentwicklung mit und ohne soziale Interaktion zwischen Nachfragern existiert. Zu diesem Zweck wird die sukzessive Erhöhung der vier Imagefaktoren für jede kompensatorische Entscheidungsregel einmal mit und einmal ohne den Einflussfaktor soziale Interaktion simuliert. Innerhalb der folgenden Analyse werden sämtliche Imagefaktoren um 10% pro Periode erhöht. 986 Die Sensitivitätsanalysen werden für die Marken der strategischen Gruppe (Marken 5, 6, 7) durchgeführt, da sie im Mittelpunkt der Untersuchung stehen. Alle Nachfrager entscheiden sich in jedem Simulationslauf nach einer Entscheidungsregel. 987 Im ersten Simulationslauf werden die vier Faktoren von Marke 7 je Periode um 10% ihres Indexwertes erhöht, bis der Höchstwert der Skala 5 erreicht ist. In Abbildung 73 sind die Marktanteilsgewinne der Marke 7 in Abhängigkeit von der sukzessiven Erhöhung der Imagefaktoren und der unterschiedlichen Entscheidungsregeln dargestellt. In Periode 1 ist der Marktanteil der Marke 7 zum Zeitpunkt t0 dargestellt. Bei den Entscheidungsheuristiken ohne soziale Interaktion liegt der Startwert bei 31,6%. Mit sozialer Interaktion liegt der Startwert bei 41%. Dies ist auf das soziale Attribut zurückzuführen. Da Marke 7 Marktführer ist, wird die Marke wesentlich häufiger empfohlen, was zu einem Vorteil gegenüber den anderen Marktteilnehmern führt. Betrachtet man nun die Verläufe der einzelnen Graphen hinsichtlich der Marktanteilsentwicklung kann festgestellt werden, dass, sobald die soziale Interaktion zwischen den Nachfragern mit einbezogen wird, die Marktanteilszugewinne in Abhängigkeit von der Erhöhung der Imagefaktoren signifikant schneller abläuft. Dies ist insbesondere bei der WADD und der EQW Heuristik zu verzeichnen. Die MCD Heuristik ist hinsichtlich der sozialen Interaktion nicht so sensibel, dies ist auf die Vorgehensweise der Heuristik zurückzuführen. Dadurch, dass kein Gesamtnutzenwert gebildet wird, sondern lediglich ein Differenzvektor, ist der

985

Vgl. GREEN/KRIEGER (1988), S. 118.

986

Der Wert von 10% pro Periode erscheint plausibel, da eine stärkere Erhöhung pro Periode aus lerntheoretischer Sicht abwegig ist, da eine Periode 6 Monate darstellt.

987

Entgegen der Simulation einzelner Repositionierungsstrategien, wird im Rahmen der durchgeführten Sensitivitätsanalyse für jeden Agenten die gleiche Entscheidungsregel angenommen, um den Einfluss der sozialen Interaktion auf das Entscheidungsverhalten analysieren zu können.

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

276

Vorteil der Marke 7 durch die soziale Interaktion geringer. 988 Dies zeigt sich auch klar in den Graphenverläufen in Abbildung 73. Die Steigerung der Marktanteile, sobald sich die Agenten nach der MCD Heuristik entscheiden, vollzieht sich langsamer als bei den anderen Heuristiken. Wenn die Nachfrager sich primär nach der WADD oder der EQW Heuristik entscheiden benötigt Marke 7 11 Perioden um den maximalen Marktanteil zu erreichen. Bei der MCD Heuristik ist ein Zeitraum von 15 Perioden notwendig (vgl. Abbildung 73). Marktanteil in %

80 70 60

Der größtmögliche Marktanteil von 75% wird eher erreicht, wenn die Probanden sich nach der WADD oder der EQW Heuristik entscheiden. Sobald das soziale Attribut aktiviert wird, sind die Gewinne für Marke 7 noch schneller realisierbar.

50 40 30 20 10 0

Periode

1

2

3

4

WADD Social

5

6

7

8

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

EQW Social

MCD Social

WADD

EQW

MCD

Abbildung 73: Sensitivitätsanalyse des Einflusses der sozialen Interaktion im Zuge der Repositionierung von Marke 7 Quelle: Eigene Darstellung.

Zusammenfassend kann aus dieser Analyse für Marke 7 folgendes abgeleitet werden. Durch den Status als Marktführer wirkt sich die soziale Interaktion zwischen den Nachfragern positiv auf den Repositionierungserfolg aus. Je nach Entscheidungsregel steigen die Marktanteilsgewinne in Abhängigkeit von der Erhöhung der Imagefaktoren schneller an, als ohne soziale Interaktion. Lediglich bei der MCD-Heuristik ist der Unterschied zwischen sozialer Interaktion und keiner Interaktion gering, was darauf zurückzuführen ist, dass kein Gesamtnutzenwert gebildet wird. Eine Stärkung und Intensivierung des Empfehlungsverhaltens wirkt sich positiv auf die Markenrepositionierung von Marke 7 aus. Das gleiche Vorgehen wird bei Marke 6 durchgeführt. Im Gegensatz zu Marke 7 hat das soziale Attribut keinen positiven Einfluss auf Repositionierung. Die schnellsten Zugewinne werden verbucht, sobald sich die Nachfrager nach der EQW oder WADD

988

Vgl. hierzu die Formalisierung der Heuristiken in Kapitel C 2.2.2.1

277

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

Heuristik entscheiden und keine soziale Interaktion stattfindet. Bereits in Periode 5 können die meisten Marktanteilsgewinne verzeichnet werden. Die Zugewinne sind am geringsten, wenn die Probanden die MCD Heuristik nutzen und keine soziale Interaktion angenommen wird (vgl. Abbildung 74). Marktanteil in % 60 50 40 30

Ohne soziale Interaktion gewinnt Marke 6 wesentlich schneller Marktanteile (EQW, WADD). Sie wirkt sich demnach nicht positiv auf einen schnelleren Gewinn von Marktanteilen aus.

20 10 0

Periode 1

2

3

4

WADD Social

5

6

7

8

9

10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

EQW Social

MCD Social

WADD

EQW

MCD

Abbildung 74: Sensitivitätsanalyse des Einflusses der sozialen Interaktion im Zuge der Repositionierung von Marke 6 Quelle: Eigene Darstellung.

Das Entscheidungsverhalten der Nachfrager hinsichtlich Marke 6 ist demnach unterschiedlich zu dem Entscheidungsverhalten der Nachfrager beim Kauf von Marke 7. Obwohl Marke 6 im Durchschnitt mit einem höheren Wert weiterempfohlen wird, ist der Einfluss auf das Entscheidungsverhalten der Nachfrager nicht so groß. Dies liegt zum einen im geringeren Marktanteil von Marke 6 begründet und auch am wesentlich geringeren Anteil von Marke 6 im Consideration-Set der Probanden (vgl. Abbildung 75).

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

278

% 60

59,4

50 40 31,6

30 20 10 5,4 0

10,8

8,5

2,8

Marke 1

20,1

17,4

15,8

Marke 2

23,4 12,213,4

8,5

8,3 8,0 1,9 4,3

3,0 2,4 4,9

Marke 3

Marke 4

1. Wahl

2. Wahl

Marke 5

5,4

Marke 6

Marke 7

3. Wahl

Abbildung 75: Prozentuale Verteilung der Marken im Consideration-Set der Nachfrager im Festnetztelefonmarkt Quelle: Eigene Darstellung

Marke 7 ist mit 59% die mit Abstand am meisten erwogene Marke im Festnetztelefonmarkt. Dies bekräftigt das Ergebnis, dass Marke 7 bei sozialer Interaktion einen Vorteil gegenüber den anderen Marken besitzt. Die Wahrscheinlichkeit, dass ein Nachfrager eine Empfehlung für Marke 7 bekommt, ist wesentlich höher als für die Marken 5 und 6. Um diesen Vorteil ebenfalls nutzen können, sollte Marke 6 versuchen, in das Consideration-Set der Nachfrager vorzudringen, um den Vorteil besserer Bewertungen gegenüber Marke 7 umzusetzen. Bei der Betrachtung von Marke 5 ist das Bild ähnlich. Die soziale Interaktion im Zuge der Repositionierung beeinflusst das Entscheidungsverhalten nicht so positiv wie bei Marke 7. Dies ist zum einen auf den niedrigeren Anteil im Consideration–Set der Nachfrager zurückzuführen und zum anderen auf einen niedrigeren durchschnittlichen Empfehlungswert von 3,81 im Gegensatz zu den Wettbewerbern Marke 6 und 7. Die Repositionierung der Marke 5 wirkt sich am positivsten aus, wenn die Nachfrager sich nach der WADD Heuristik entscheiden und keine soziale Interaktion stattfindet.

279

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

Marktanteil % 40

30

20

Ohne soziale Interaktion gewinnt Marke 5 wesentlich schneller Marktanteile wenn sich die Nachfrager nach der WADD Heuristik entscheiden. Sie wirkt sich demnach nicht positiv auf einen schnelleren Gewinn von Marktanteilen aus.

10

0

Periode 1

2

3

4

WADD Social

5

6

7

8

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

EQW Social

MCD Social

WADD

EQW

MCD

Abbildung 76: Sensitivitätsanalyse des Einflusses der sozialen Interaktion im Zuge der Repositionierung von Marke 5 Quelle: Eigene Darstellung.

Betrachtet man die Marken der strategischen Gruppe und das Verhalten der Nachfrager im Markt bezüglich ihrer Kaufentscheidungen, kann konstatiert werden, dass bei kompensatorischen Entscheidungen die soziale Interaktion innerhalb des Modells einen größeren Einfluss ausübt. Insbesondere im Fall der Marke 7 ist das ersichtlich, wohingegen die MCD Heuristik relativ robust gegenüber sozialen Einflüssen ist. Da fast alle Nachfrager im Festnetztelefonmarkt die MCD Heuristik im Rahmen ihrer Entscheidungen anwenden, ist der Einfluss lediglich bei der Repositionierung der Marke 5 zu berücksichtigen, da dort die Nachfrager, die sich nach der MCD Heuristik entscheiden, schneller auf eine Repositionierung reagieren. Zusammenfassend kann eine aktive Stärkung des Empfehlungsverhaltens der Nachfrager positiv zu einem Erfolg der Repositionierung von Marke 7 beitragen. Bei Marke 5 und 6 ist der Effekt nicht so stark und führt hinsichtlich des Entscheidungsverhaltens der Nachfrager nicht zu besseren Ergebnissen. 5.5.2.2 Nicht-Kompensatorische Entscheidungsregeln Bei den Nicht-Kompensatorischen Heuristiken ist eine Modellierung der sozialen Interaktion von verschiedenen Parametern abhängig. Bei der lexikographischen Heuristik entscheidet sich der Nachfrager nach dem für sich wichtigsten Attribut. Erst wenn das soziale Attribut eine höhere Wichtigkeit erhält, als die anderen Beurteilungsdimensionen, hat es einen Einfluss auf die Entscheidung der Nachfrager. Da beim Festnetztelefonkauf die persönliche Empfehlung jedoch nicht der wichtigste

280

Konzeption und Anwendung des agentenbasierten Modells im Festnetztelefonmarkt

Kaufgrund ist, wird das soziale Attribut nur sehr selten als Entscheidungsgrundlage herangezogen. 989 Sobald die Nachfrager sich nach der lexikographischen Regel beim Festnetztelefonkauf entscheiden, hat die soziale Interaktion keinen Einfluss auf den Kauf. 990 Die Ergebnisse können für alle Marken der strategischen Gruppe bestätigt werden. Ähnliche Ergebnisse ergaben die Modellierungen mit den beiden Regeln EBA und SAT. Hier hängt der Einfluss des sozialen Attributes auf die Entscheidung von den Parametern Wichtigkeit des sozialen Attributes und Schwellenwert des sozialen Attributes ab. Ähnlich wie bei der lexikographischen Regel sind keine nennenswerten Unterschiede zwischen keiner sozialen Interaktion und sozialer Interaktion bei der Repositionierung der Marken aus der strategischen Gruppe aufgetreten. Durch das Fehlen empirischer Daten zu Wichtigkeit und Schwellenwerten konnten lediglich unterschiedliche Niveaus mittels Monte Carlo Simulationen modelliert werden. Es konnte kein signifikanter Einfluss festgestellt werden. Da die nicht-kompensatorischen Regeln den Kauf im Festnetztelefonmarkt nur sehr schlecht erklären, kann hier auf eine weitere Modellierung verzichtet werden. Die Simulation der Repositionierungsstrategien wird auf Basis der MCD, sowie der WADD Heuristik durchgeführt, da diese die kognitive Algebra der Nachfrager am besten repräsentieren.

989

Dies ist ebenfalls ein Ergebnis der qualitativen Vorstudien.

990

Dieses Ergebnis konnte anhand unterschiedlicher Monte Carlo Simulationen bestätigt werden. Da keine empirischen Werte für die Wichtigkeit des sozialen Attributes vorliegen, wurden alle Analysen mit unterschiedlichen Wichtigkeiten durchgeführt. Erst bei einer Wichtigkeit von 5 hatte die soziale Interaktion einen Einfluss. Dieser Wert ist jedoch im Festnetztelefonmarkt nicht plausibel. Ein durchschnittlicher Wert von drei hatte keinen Einfluss auf die Entscheidung der Probanden.

Schlussbetrachtung

281

D Schlussbetrachtung 1

Zentrale Untersuchungsergebnisse

Ausgangspunkt der vorliegenden Arbeit war die Feststellung, dass vor dem Hintergrund zunehmender Komplexität und Dynamik des Marktumfeldes eine Prognose der Wirkung von Markenrepositionierungen auf das Kaufverhalten immer stärker an Relevanz gewinnt. Insbesondere innerhalb gesättigter Märkte ist die Wahl der richtigen Marktbearbeitungsstrategie Grundlage für nachhaltigen Markenerfolg. Durch die ständige Zunahme der Produkthomogenität steigt der Verdrängungswettbewerb innerhalb der Märkte stark an. Bei der Festlegung von Marktbearbeitungsstrategien ist nicht nur der Einbezug möglicher Wettbewerberreaktionen in das Entscheidungskalkül notwendig, sondern insbesondere das Kaufverhalten der Nachfrager. Die Notwendigkeit einer klaren, differenzierenden, präferenzbildenden Positionierung, um nachhaltige Wettbewerbsvorteile zu generieren, rückt daher immer stärker in den Fokus unternehmerischen Handelns und dient als Grundlage der Markenstrategie. Positionierung ist jedoch viel mehr als eine werbliche Differenzierung. Innerhalb der Markenführung setzt eine effektive und effiziente Positionierung von Marken einen ganzheitlichen dynamischen Planungsprozess voraus. Die marktgerichteten Auswirkungen von Positionierungs- bzw. Repositionierungsentscheidungen können weitreichend sein. Insbesondere für den Erfolg der markenführenden Unternehmung. Für die Prognose solcher Auswirkungen wurden in der Marketingwissenschaft zahlreiche Simulationsmodelle entwickelt, die dem Zweck einer Prognose der Auswirkungen von Positionierungsstrategien dienen. Diese Modelle sind jedoch mit zahlreichen Schwächen behaftet. Viele der entwickelten Modelle wirken veraltet und wenig praktikabel. Oftmals sind sie nicht in der Lage, die Anforderungen an die Modellierung von Markenrepositionierungen zu erfüllen. Zielsetzung dieser Arbeit war es demnach, die Eignung computergestützter Simulationstechniken für eine Modellierung von Markenrepositionierungen, unter besonderer Berücksichtigung des Entscheidungsverhaltens der Nachfrager, festzustellen. Darauf aufbauend wurde ein erstes empirisch fundiertes, agentenbasiertes Modell entwickelt, um einen Erkenntnisfortschritt hinsichtlich der Modellierung von Markenrepositionierungen zu erreichen. In dem die Arbeit einleitenden Abschnitt A wurde zunächst ein Problembewusstsein für die Simulation von Markenrepositionierungen geschaffen und ihre Relevanz festgestellt. Als theoretische Grundlage der Arbeit wird zu Beginn der identitätsbasierte Markenführungsansatz beschrieben und der Zusammenhang zwischen Identität, Positionierung und Image konzeptionell hergeleitet. Schwerpunkt des Kapitels bildete daraufhin die Begriffsexplikation der Positionierung. Nach einer kritischen Reflexion

282

Schlussbetrachtung

des Literaturstandes, wurde Positionierung als Planung, Umsetzung, Kontrolle und Weiterentwicklung einer an den Idealvorstellungen der Nachfrager ausgerichteten, vom Wettbewerb differenzierten und von der eigenen Ressourcen- und Kompetenzausstattung darstellbaren, markenidentitätskonformen Position im Wahrnehmungsraum relevanter Zielgruppen definiert. Diese Definition folgt dem holistischen Verständnis von Positionierung. Darauf aufbauend konnte der Begriff Markenrepositionierung als zentraler Begriff der Arbeit als Variation funktionaler und/oder symbolischer Nutzenmerkmale einer bereits in den Markt eingeführten Marke mit der Absicht, die Nutzenassoziationen relevanter Zielgruppen zieladäquat zu verändern, definiert werden. Es wurde herausgearbeitet, dass bisherige statistische Simulationsmodelle Schwächen in der Darstellung des Wahlverhaltens aufweisen und besondere Charakteristika von Markenrepositionierungen vernachlässigen. Zentrales konzeptionelles Kapitel stellt der Abschnitt B dar. Zunächst wird auf die Grundlagen und Charakteristika von Markenrepositionierungen aus der entscheidungsorienterten Sichtweise heraus eingegangen und ein Repositionierungsprozess auf Basis des identitätsbasierten Markenmanagementansatzes entwickelt. Hierbei werden im ersten Schritt potentielle Auslöser für Markenrepositionierungen identifiziert. Diese umfassen den Verlust einer eigenständigen Positionierung im Zeitablauf, die Überforderung der Marke aufgrund zu starker externer Dynamik, Implementierungsdefizite und eine mangelnde Konsistenz und Kontinuität in der Markenführung. Daraufhin wurden die unterschiedlichen ökonomischen und psychographischen Ziele von Markenrepositionierungen herausgearbeitet. Im nächsten Schritt wurden die drei zentralen Repositionierungsformen ermittelt, welche zur Erreichung der einzelnen Ziele angewendet werden. Diese umfassen die aktive, die reaktive und die indirekte Form. Abschließend wurde der Repositionierungs-Fit auf der Basis von NITSCHKE (2006) und dem Kommunikationsmodell VON WEIZSÄCKER operationalisiert. Zum Abschluss des Kapitels werden die bisherigen Ergebnisse synthetisiert und in einen identitätsbasierten Repositionierungsprozess überführt. In Kapitel B 2 werden daraufhin die bisher genutzten Methoden zur Simulation von Positionierungen systematisiert. Auf Basis der durchgeführten Literaturanalyse konnten die multivariaten Verfahren der Conjointanalyse, der Multidimensionalen Skalierung, der Faktorenanalyse und der Diskriminanzanalyse als bisher verwendete Methodiken identifiziert werden. Für eine Beurteilung der unterschiedlichen Methodiken wurden zunächst die methodischen Grundlagen erläutert, um später methodische Schwächen besser herausarbeiten zu können. Daraufhin wurden aus der einschlägigen Literatur Kriterien für eine Bewertung der unterschiedlichen Modelle herausgearbeitet. In Kapitel B 2.6 wurden die analysierten Modelle kritisch gewürdigt und anhand der Kriterien abschließend bewertet.

Schlussbetrachtung

283

Die Aussagekraft von Positionierungsanalysen auf Basis der MDS ist für die Planung markenpolitischer Maßnahmen als begrenzt zu bezeichnen. Dies ist vor allem darauf zurückzuführen, dass die Ableitung konkreter Maßnahmen aus der Analyse heraus nur sehr schwer möglich ist. Die Herstellung einer Verbindung zwischen den Wahrnehmungsdimensionen (subjektiv wahrgenommene Eigenschaften „Bedürfnisbefriediger“) und den aus der Sicht der Unternehmen objektiven und beeinflussbaren Gestaltungselementen (objektiv messbare physikalisch-technische Eigenschaften und symbolische Eigenschaften einer Marke) kann kaum hergestellt werden. Hinzu kommt, dass für die Erstellung eines Wahrnehmungsraumes mindestens sieben Marken notwendig sind. Eine Darstellung von Alleinstellungsmerkmalen ist anhand der MDS nicht möglich. Hinsichtlich der Simulation von Markenrepositionierungen wird das Wahlverhalten der Nachfrager stark vereinfacht dargestellt. Eine individualisierte Darstellung des Wahlverhaltens ist nicht möglich. Darüber hinaus werden in den Simulationsmodellen sämtliche Einflussfaktoren auf das Wahlverhalten ausgeblendet. Hinzu kommt, dass nahezu sämtliche Modelle zur Neuproduktpositionierung entwickelt wurden und die Simulation von Repositionierungen in der Literatur eher vernachlässigt wird. Positionierungsmodelle auf Basis der MDS sind seit den 90er Jahren in der wissenschaftlichen Literatur kaum noch akzeptiert. Der Abschnitt B 2.4 behandelt Modelle auf Basis der Conjointmethodik. Bei den conjointbasierten Modellen ist eine wesentlich höhere praktische Relevanz zu verzeichnen als bei den Modellen auf Basis der MDS. Die Vorteile der Conjointanalyse gegenüber der MDS liegen im Besonderen in der Möglichkeit, die generierten Ergebnisse flexibel weiter verarbeiten zu können. Ergebnisse präsentieren sich auf Individualniveau, die eingesetzten Variablen stellen eine direkt manipulierbare Größe für das Management dar und es entsteht eine Verknüpfung von Preisen mit nichtpreislichen Markeneigenschaften. Die Nachteile der Conjointmethodik sind die a priori Festlegung der beschriebenen Merkmale der Bewertungsstimuli sowie das Fehlen eines inferenzstatistischen Instrumentariums. Dies führt dazu, dass keine Konfidenzaussagen oder statistischen Tests durchgeführt werden können. Darüber hinaus sind im Rahmen der Markenpositionierung Entscheidungen bezüglich symbolischer Nutzendimensionen immens wichtig. Diese sind anhand der Conjointanalyse nur schwer zu ermitteln. Die große Flexibilität des Conjointansatzes durch den modularen Aufbau sowie die Möglichkeit, den Conjoint-Output mittels mathematischer Verfahren weiterzuverarbeiten, bieten einen großen Vorteil gegenüber den MDS Verfahren. Unterschiedliche Wahlsimulatoren geben den Forschern die Gelegenheit, unterschiedliche Entscheidungsregeln und -modelle empirisch zu testen. Sobald jedoch Verfahren angewendet werden, in denen Parameterschätzungen vorgenommen werden müssen, wie das multinomiale Logitmodell, ist eine simultane Verwendung unterschiedlicher Entscheidungsregeln nur sehr schwer möglich. Einflussfaktoren auf

284

Schlussbetrachtung

das Wahlverhalten werden wie bei den MDS Modellen ausgeblendet. Das Wahlverhalten der Nachfrager ist zwar auf individueller Ebene bestimmbar, die Nachfrager entscheiden sich jedoch, in den untersuchten Modellen, nach den gleichen Entscheidungsregeln. In Abschnitt B 2.5. wird ein Simulationsmodell auf Basis der Diskriminanzanalyse vorgestellt, welche eine eher untypische Methodik zur Simulation von Markenrepositionierungen darstellt. Das von KULLMANN (2006) entwickelte Modell unterliegt den gleichen Schwächen wie die MDS Modelle, insbesondere hinsichtlich der Modellierung des Wahlverhaltens. Darüber hinaus zeigt das Modell grundlegende methodische Schwächen. Dies trifft insbesondere auf die Umsetzung in der Excelmaske zu. Die Würdigung bisheriger Modelle und die Herausarbeitung zentraler Defizite hinsichtlich des Markenwahlverhaltens, die Vernachlässigung sozialer Einflüsse und mangelnde Berücksichtigung repositionierungsrelevanter Charakteristika schließen das Kapitel B 2 ab und bilden die Grundlage für die Ausführungen zur computergestützten Modellierung als Möglichkeit zur Darstellung von Markenrepositionierungen in Kapitel B 3.1. Zunächst werden die Grundlagen computerbasierter Simulation in Abgrenzung zur statistischen Modellierung dargestellt. Daraufhin wurden aus den Sozialwissenschaften die allgemeinen Kriterien zur Klassifizierung und Bewertung von Modellen auf die Problematik der Markenrepositionierung übertragen. Diese Kriterien bildeten die Grundlage für die Bewertung der unterschiedlichen computerbasierten Modellierungsansätze. Hierzu wurden die unterschiedlichen Simulationstechniken beschrieben und anhand eines Kriterienkatalogs hinsichtlich ihrer Eignung zur Darstellung von Markenrepositionierungen geprüft. Hierbei wurde die Makrosimulation, die mikroanalytische Simulation, die ereignisbasierte Simulation, die Mehrebenensimulation und zelluläre Automaten untersucht. Es konnte herausgefunden werden, dass der Ansatz der agentenbasierten Modellierung als einziger in der Lage ist, die Anforderungen an die Modellierung von Markenrepositionierungen zu erfüllen. Lediglich auf Basis des Ansatzes zellulärer Automaten ist es ebenfalls möglich, Repositionierungen in eingeschränktem Maße zu modellieren. Auf Basis dieser Erkenntnisse wurde im folgenden Teil der agentenbasierte Ansatz vorgestellt und hinsichtlich einer Modellierung von Markenrepositionierungen spezifiziert. Abschnitt B 3.2 beinhaltet den allgemeinen konzeptionellen Aufbau eines agentenbasierten Modells. Die typischen Komponenten eines agentenbasiertes Modells Umwelt, Agenten und Kommunikation werden beschrieben und auf die Problematik der Simulation von Markenrepositionierungen übertragen. Hierbei liegt der Fokus auf der Darstellung der sozialen Interaktion zwischen den Nachfragern. Leider existiert bis heute kein kohärentes Forschungsprogramm, was zu vagen Vorstellungen hin-

Schlussbetrachtung

285

sichtlich der Simulation als Methode führt. Dies drückt sich insbesondere durch Schwächen in der theoretischen Fundierung, unspezifischen Zielsetzungen und einer verzögerten Konsolidierung bei der Formulierung von Regeln und der Gestaltung des Agentendesigns aus. Darüber hinaus gibt es keine allgemeingültigen Empfehlungen hinsichtlich der Auswahl von Softwareinstrumenten oder der Validierung und Verifikation von Simulationsergebnissen. Trotzdem ist es möglich, anhand der agentenbasierten Simulationsmethode, räumlich verteilte Systeme heterogener autonomer Akteure darzustellen. Insbesondere die Darstellung verschiedener Niveaus von Informationsverarbeitungskapazitäten kann durch agentenbasierte Simulation gewährleistet werden. Auf Basis der Eigenschaften des Modellierungsansatzes und der Analyse erster agentenbasierter Modelle kann die Eignung hinsichtlich folgender Punkte festgestellt werden (Kapitel B 3.4): ƒ

Das komplexe Markenwahlverhalten kann auf Basis regelgestützter Modellierung dargestellt werden. Ebenso können stochastische und deterministische Markenwahlprozesse implementiert werden.

ƒ

Auf Basis des agentenbasierten Ansatzes ist der Forscher in der Lage, Erklärungs- sowie Prognosemodelle zum Kaufverhalten zu erstellen.

ƒ

Die Möglichkeit der flexiblen Gestaltung der Umwelt im Rahmen agentenbasierter Modelle, führt zu einer Schaffung differenzierter virtueller Märkte. Auch können intuitiv unterschiedliche Marktsituationen dargestellt werden.

ƒ

Die verschiedenen Stufen des Markenwahlverhaltens, der Wahrnehmung, der Präferenzbildung und der Kaufentscheidung können durch agentenbasierte Modelle dargestellt werden.

ƒ

Durch die schrittweise Annäherung agentenbasierter Modelle an die Realität, können die Zwischenstände ausgewertet werden.

ƒ

Indem der Modellierer die Perspektive einzelner Akteure einnimmt, können sukzessive Aspekte wie begrenzte Rationalität, unvollständige Information der einzelnen Akteure sowie Lerneffekte integriert werden.

ƒ

Die Heterogenität der Nachfrager kann innerhalb agentenbasierter Modelle wesentlich detaillierter abgebildet werden. Jedem Segment oder sogar jedem einzelnen Agenten können unterschiedliche Informationsverarbeitungskapazitäten und Entscheidungsregeln zugeordnet werden.

Schlussbetrachtung

286

ƒ

Die Darstellung sozialer Interaktion mittels des agentenbasierten Ansatzes ist ein zentraler Vorteil der Methodik. Nachfrager können auf unterschiedliche Art und Weise miteinander kommunizieren. Dies gilt ebenfalls für die Anbieter.

Auf Basis der Eignungsfeststellung wird in Kapitel C ein eigenes agentenbasiertes Modell zur Simulation von Markenrepositionierungen entwickelt. In Teil C wurde ein auf empirischen Daten (Festnetztelefonmarkt) basierendes Multiagentenmodell entwickelt und empirisch getestet. Zunächst wurde der Wissenszustand der einzelnen Agenten auf Basis des Markenimageansatzes von BURMANN/MEFFERT (2005b) operationalisiert. Jedem Agenten wurde ein empirisch erhobener Wissenszustand in Größe eines Consideration Sets von drei Festnetztelefonmarken zugewiesen. Auf Basis von Clusteranalysen und deskriptiven Auswertungen wurde eine Einteilung der Käufersegmente im Festnetztelefonmarkt in sieben Segmente vorgenommen. Darüber hinaus wurden jedem Nachfrager die empirisch erhobenen Empfehlungswerte zugewiesen, um die sozialen Einflüsse auf die Markenrepositionierungsstrategien modellieren zu können. Um das Kaufverhalten der einzelnen Agenten im virtuellen Markt darstellen zu können, wurden auf Basis kognitionspsychologischer Erkenntnisse sechs Entscheidungsheuristiken in das Modell implementiert, um das individuelle Kaufverhalten der Nachfrager abbilden zu können. Darüber hinaus wurde auf Basis der bisherigen Forschung zur artifiziellen Intelligenz, eine Verknüpfung der einzelnen Entscheidungsheuristiken mit den Markenempfehlungen geschaffen, um die soziale Interaktion der Nachfrager untereinander darstellen zu können. Auf Basis einer Wahrscheinlichkeitsfunktion wurde die Wahrnehmung von Markenrepositionierungen von Nachfragern im Markt dargestellt. Dies adressiert die Schwäche bisheriger Modelle, welche nicht in der Lage sind, die zeitliche Durchsetzung von Markenrepositionierungen darzustellen. Als zentrales Ergebnis der empirischen Anwendung des agentenbasierten Modells kann festgehalten werden, dass die erhobenen Markenimagedimensionen für die Modellierung des Markenwahlverhaltens herangezogen werden können. Es ist möglich, auf Basis des Markenimages bis zu 74% der Markenkäufe zu erklären. Somit wird die kognitive Algebra der Nachfrager im Festnetztelefonmarkt ausreichend durch die Entscheidungsheuristiken erklärt. Die Simulation der unterschiedlichen Repositionierungsszenarien brachte ebenfalls plausible Ergebnisse, welche der gegebenen Marktsituation entsprechen. Der Einfluss der sozialen Interaktion konnte ebenfalls anhand des agentenbasierten Modells erfolgreich modelliert werden. Auf Basis des hier verwendeten Ansatzes kann konstatiert werden, dass die soziale Interaktion einen Einfluss auf die zeitliche Durchsetzung einer Markenrepositionierung aufweist. Dieses Ergebnis muss jedoch hinsichtlich der unterschiedlichen Entscheidungsheu-

Schlussbetrachtung

287

ristiken differenziert werden. Den größten Einfluss besitzt die soziale Interaktion auf die Heuristiken WADD und EQW. Bei der MCD Heuristik ist der Einfluss geringer. Hinsichtlich der nicht-kompensatorischen Heuristiken ist der Einfluss ebenfalls gering. Darüber hinaus konnte festgestellt werden, dass der Einfluss der sozialen Interaktion beim Marktführer einen stärkeren positiven Effekt aufweist als bei den anderen Marken. Zentrale Ergebnisse für den Festnetztelefonmarkt können wie folgt zusammengefasst werden. Auf Basis der durchgeführten Hauptkomponentenanalyse können die 18 Nutzendimensionen im Festnetztelefonmarkt zu vier Faktoren verdichtet werden. Diese Faktoren können als „Qualität“, „niedriger Preis“, „Globalität“ sowie „Emotionalität“ im Festnetztelefonmarkt beschrieben werden. Der Festnetztelefonmarkt kann auf Basis der Wahrnehmung der Nachfrager in drei Anbietersegmente aufgeteilt werden. Die Ergebnisse der mit PROXSCAL ermittelten Konfiguration und der hierarchischen Clusteranalysen zeigen das gleiche Ergebnis. Das erste Segment ist das der Qualitätsanbieter, welches drei Marken umfasst. Die Marken 5, 6, 7 zeichnen sich dadurch aus, dass sie am stärksten mit dem Faktor „Qualität“ assoziiert werden. Das zweite Segment besteht ebenfalls aus drei Marken und ist im Wahrnehmungsraum der Nachfrager in der Mitte angesiedelt. Dies spricht für eine weitestgehend undifferenzierte Wahrnehmung der drei Marken. Marke 4 wird innerhalb dieses Segmentes eher mit den Aspekten Design und Haptik verbunden, wohingegen Marke 2 ein völlig undifferenziertes Image aufweist. Marke 1 wird eher mit den Faktoren „Emotionalität“ und „Globalität“ assoziiert. Aufgrund der geringen Distanzen zu den Wettbewerbern kann aber auch an dieser Stelle von keiner differenzierten Positionierung gesprochen werden. Die Marken werden als austauschbar wahrgenommen und differenzieren sich kaum vom Wettbewerb. Das dritte Segment ist das Segment der Billiganbieter. Das Segment wird von Marke 3 mit einem klar differenzierten Image besetzt. Die Nutzendimensionen „niedriger Preis“ und „geringe Komplexität“ sind die Kernassoziationen der Nachfrager mit Marke 3. Auf Basis dieses Wettbewerbsumfeldes wurden drei Repositionierungsstrategien aus den durchgeführten Analysen abgeleitet. Als erste Strategie konnte eine reine Differenzierungsstrategie über den Faktor „Qualität“ identifiziert werden. Diese führte jedoch nach verschiedenen Simulationsläufen zu unbefriedigenden Ergebnissen. Dies kann auch inhaltlich begründet werden, da eine reine Repositionierung auf der Qualitätsdimension langfristig nicht ausreicht. Die Produkte gleichen sich aufgrund der hohen Marktsättigung in ihrer technischen Qualität immer weiter an. Hinzu kommt, dass die Wettbewerber aus der strategischen Gruppe lediglich einen minimalen Nachteil in der „Qualität“ ihrer Produkte aufweisen. Marke 7 zehrt auf dieser Dimension von einer durch die Nachfrager langfristig gelernten Qualitätsassoziation mit der

288

Schlussbetrachtung

Marke, welcher bei den Wettbewerbern noch nicht existiert. Aus diesem Grund sind zu dem Qualitätsfaktor emotionale Faktoren zu berücksichtigen. Die zweite Repositionierungsstrategie umfasst eine reine Emotionalisierung der Marke mittels der Faktoren „Emotionalität“ und „Globalität“. Diese Strategie führte ebenfalls zu unbefriedigenden Ergebnissen hinsichtlich des Marktanteilsgewinns. Dies ist zum einen darauf zurückzuführen, dass die Kernwettbewerber der Marke 7 auf diesen Faktoren sehr stark wahrgenommen werden und zum anderen, dass die Relevanz dieser Faktoren für das Kaufverhalten geringer ist, als die des Qualitätsfaktors. Aus diesem Grund wurde eine Mischstrategie simuliert, welche als Kerndimension für die Repositionierung den Faktor Qualität beinhaltet und die Faktoren „Emotionalität“ und „Globalität“ ebenfalls berücksichtigt. Von den drei simulierten Repositionierungsstrategien ist die Mischstrategie hinsichtlich zu gewinnender Marktanteile am erfolgreichsten. Ohne eine Wettbewerbsreaktion können im Idealfall 8,3% Marktanteilsgewinne realisiert werden. Verändern sich die Kernwettbewerber ebenfalls auf den drei Faktoren wird immerhin noch ein Zugewinn von 4,6% realisiert. Die Strategie setzt sich aus einer Verbesserung der „Qualität“ (Erhöhung der Indexpunkte um 0,5) der unter der Marke angebotenen Produkte und einer symbolischen Aufladung der Marke 7 hinsichtlich „Emotionalität“ und „Globalität“ (jeweils Erhöhung um 0,25 Indexpunkte) zusammen. Eine reine Verbesserung der „Qualität“ führt ebenfalls zu einer Differenzierung. Aus langfristiger Sicht heraus reicht dies jedoch nicht aus, um nachhaltig Wettbewerbsvorteile gegenüber den Kernwettbewerbern aus der strategischen Gruppe zu gewinnen. Die Stärkung der technischen Dimensionen des Faktors „Qualität“ beinhaltet eine Verbesserung der Haptik, des Designs, des Services und der Bedienbarkeit der angebotenen Festnetztelefone. Eine Verbesserung auf den Qualitätsdimensionen dient der Differenzierung von Kernwettbewerbern aus der strategischen Gruppe. Gleichzeitig kann mit einer Qualitätsverbesserung eine höhere Markenloyalität bisheriger Kunden der Marke erzielt werden. Dieses Ergebnis wird durch die Regressionsanalysen bestätigt. Die Qualität der Marke übt demnach den größten Einfluss auf die Zufriedenheit mit der gekauften Festnetztelefonmarke aus (Standardisierter Regressionskoeffizient von 0,46). Darüber hinaus haben die Ergebnisse der Regressionsanalysen gezeigt, dass eine Verbesserung der Qualität einen großen Einfluss auf die Neukundengewinnung hat. Eine hohe Qualität hat einen starken Einfluss auf das Weiterempfehlungsverhalten und die Sympathie, die der Marke entgegengebracht wird. Dies ist ein weiterer Hebel für die Gewinnung neuer Marktanteile für Marke 7, der im Zuge einer Markenrepositionierung adressiert wird. Die gleichzeitige Emotionalisierung der Marke dient der Festigung der Position gegenüber den Kernwettbe-

Schlussbetrachtung

289

werbern, die auf diesen Faktoren vor der Repositionierung der Marke 7 besser bewertet werden. Insbesondere differenziert sich Marke 7 von den Wettbewerbern innerhalb der strategischen Gruppe und von allen anderen Wettbewerbern im Markt. Auch wenn der Markt sich in einer Degenerationsphase befindet, ist dies für die nächsten 3 bis 5 Jahre die beste Strategie, da die Nachfrager im Markt qualitativ hochwertige Telefone nachfragen. Insbesondere die hochinvolvierten Segmente lassen sich mit dieser Strategie sehr gut ansprechen. Eine reine Qualitätsstrategie führt zwar ebenfalls zu leichten Marktanteilsgewinnen, ist jedoch in einem Markt, in dem kaum noch Innovationen stattfinden, langfristig nicht Erfolg versprechend. Hier ist eine werbliche Differenzierung mittels emotionaler Faktoren notwendig, um sich weiterhin im Markt zu etablieren. Neben der Erfolgswirksamkeit der dargestellten Repositionierungsstrategien, wurde anhand des agentenbasierten Simulationsmodells das Entscheidungsverhalten der Nachfrager im Festnetztelefonmarkt untersucht. Zu diesem Zweck wurden die relevantesten kompensatorischen und nicht-kompensatorischen Entscheidungsregeln in das agentenbasierte Modell implementiert. Auf Basis von 5 Samples wurde daraufhin das Entscheidungsverhalten der Kunden im Festnetztelefonmarkt untersucht. Kernergebnis der Untersuchung ist, dass die Nachfrager zu einer kompensatorischen Entscheidung neigen. Die MCD Heuristik erklärte den Kauf in allen 5 Datensamples signifikant am besten. Das bedeutet, sämtliche Faktoren werden von den Nachfragern in das Entscheidungskalkül miteinbezogen. Nicht-kompensatorische Heuristiken hingegen erklären den Kauf weniger gut. Aus diesem Grund wurden für die Simulation der Repositionierungsstrategien lediglich die WADD und die MCD Heuristik verwendet. Die soziale Interaktion beim Kauf von Festnetztelefonen wurde im Rahmen des agentenbasierten Modells mittels des Empfehlungsverhaltens operationalisiert. Es konnte festgestellt werden, dass die soziale Interaktion einen Einfluss auf das Entscheidungsverhalten der Nachfrager besitzt. Der Einfluss der sozialen Interaktion auf den Erfolg von Repositionierungsstrategien fällt je nach Entscheidungsheuristik unterschiedlich stark aus. Hierzu wurden Sensitivitätsanalysen anhand der Marken 5, 6, und 7 durchgeführt, welche die Marktanteilsentwicklungen bei unterschiedlichen Entscheidungsheuristiken mit und ohne soziale Interaktion simulierten. Kernergebnis der Analyse für Marke 7 ist, dass sobald die Nachfrager sich nach additiven Heuristiken entscheiden, die relative Steigerung des Marktanteils relativ stärker ist als bei der MCD Heuristik. Der Sättigungswert wird demnach schneller erreicht als bei den Nachfragern, die sich nach der MCD Heuristik entscheiden. Somit übt die soziale

290

Schlussbetrachtung

Interaktion bei Marke 7 einen positiven Einfluss auf die Marktanteilsentwicklungen aus. Bei Marke 6 hingegen ist das nicht der Fall. Eine mögliche Strategie, um den Einfluss der sozialen Interaktion auf den Kauf von Marke 6 zu erhöhen, wäre eine Erhöhung der Präsenz im Consideration Set der Nachfrager. Ähnliches gilt für Marke 5. Auf Basis der gezeigten Ergebnisse zum Entscheidungsverhalten im Festnetztelefonmarkt und deren Validierung anhand von fünf Datensamples, konnte eine Übertragung der agentenbasierten Simulationstechnik in die Positionierungsforschung geleistet werden. Es ist somit ein flexibles Entscheidungsunterstützungsinstrument für Positionierungsentscheidungen entwickelt worden, welches hinsichtlich weiterer Fragestellungen beliebig erweiterbar ist. Insbesondere die Abbildung des individuellen Wahlverhaltens ist durch die Implementierung unterschiedlicher Entscheidungsstrategien möglich. Dies erleichtert eine realitätsnähere Darstellung heterogener Nachfragerstrukturen. Die aus den Ergebnissen resultierenden Implikationen für die Markenführung werden im folgenden Kapitel gegeben. Eine kritische Reflexion und Ansätze für die weitere Forschung werden im dritten Abschnitt dieses Kapitels geliefert. In Tabelle 29 sind die zentralen Forschungsfragen der Arbeit sowie deren Beantwortung zusammenfassend dargestellt.

291

Schlussbetrachtung

Forschungsfrage

Ergebnis

Sind bisherige Positionierungsmodelle in der Lage, Markenrepositionierungen adäquat abzubilden?

Bisherige Positionierungsmodelle eignen sich eher zur Simulation und Optimierung von Neuprodukteinführungen. Markenrepositionierungen werden bisher in der Literatur vernachlässigt. Wichtige Charakteristika von Markenrepositionierungen wie der zeitliche Horizont oder Intensität werden vernachlässigt. Weitere Einflussfaktoren wie die soziale Interaktion, Marketing-Mix Effekte oder nicht-optimale Strategien der Wettbewerber werden nicht berücksichtigt.

Sind Positionierungsmodelle in der Lage, die heutigen dynamischen und komplexen Rahmenbedingungen zu berücksichtigen und das Markenwahlverhalten der Nachfrager valide zu erklären und zu prognostizieren?

Heutige Positionierungsmodelle stellen das Markenwahlverhalten stark vereinfacht dar. Individuelles Kaufverhalten hinsichtlich unterschiedlicher Entscheidungsheuristiken wurde bisher noch nicht implementiert. Bisher entscheiden sich sämtliche Nachfrager immer nach der gleichen Regel. Gleiches gilt ebenfalls für das Verhalten der Wettbewerber, da in den Modellen immer ein globales Gleichgewicht vorausgesetzt wird.

Ist es möglich, Markenrepositionierungen anhand des agentenbasierten Ansatzes erklären und prognostizieren zu können?

Der agentenbasierte Ansatz eignet sich auf Grund seiner Regelbasierung sehr gut für eine Modellierung von Markenrepositionierungen, insbesondere die Darstellung sozialer Interaktion zwischen den unterschiedlichen Akteuren im Markt kann dargestellt werden.

Ist es sinnvoll, deterministische Entscheidungsregeln des Nachfragers in einen Wahlsimulator mit externen Einflussfaktoren zu verknüpfen?

Eine Verknüpfung der Entscheidungsheuristiken mit externen Einflussfaktoren ist sinnvoll. An dieser Stelle bedarf es jedoch noch weitere Forschungsarbeiten, um in der Zukunft valide Ergebnisse produzieren zu können.

Tabelle 29:

Ergebnisse der Arbeit Quelle: Eigene Darstellung.

Schlussbetrachtung

292

2

Implikationen für das Management von Markenrepositionierungen

Im Rahmen der zusammenfassenden Darstellung der Untersuchungsergebnisse soll nun auf die Aussagekraft für die Unternehmenspraxis eingegangen werden. Im Rahmen dieser Arbeit wurde der Einfluss verschiedener funktionaler und symbolischer Nutzendimensionen auf das Markenwahlverhalten untersucht und signifikante Einflüsse festgestellt. Diese Ergebnisse lassen unterschiedliche Schlussfolgerungen für das Markenmanagement zu. Diese Arbeit zeigt auf, dass eine Repositionierungsentscheidung seitens markenführender Unternehmen komplex ist. Es ist eine Vielzahl unterschiedlicher Analysen notwendig, um die Unsicherheit seitens der markenführenden Institution hinsichtlich einer Repositionierungsentscheidung zu minimieren. Einen großen Beitrag dazu leistet eine differenziertere Analyse des Entscheidungsverhaltens anhand der agentenbasierten Simulation. Wie sich die Nachfrager in einem Markt entscheiden ist ein wesentlicher Faktor für den Erfolg einer Repositionierungsstrategie. Dies ist auf die unterschiedlichen Vorgehensweisen der Nachfrager beim Kauf einer Marke zurückzuführen. Entscheiden sich die Nachfrager in einem Markt nach kompensatorischen Regeln, bedeutet dies für die Markenführung, dass sämtliche Imageattribute, welche für die Entscheidung des Nachfragers relevant sind, innerhalb der Markenpositionierung verwendet werden sollten. Nun ist eine genaue Auswahl der Repositionierungsdimensionen vorzunehmen, die den größten Einfluss auf die Entscheidung der Nachfrager haben. Hierbei ist es wichtig, sich nicht auf eine Analysemethode zu beschränken, sondern mehrere unterschiedliche Methoden anzuwenden, um die herausgearbeiteten Stärken nutzen zu können. 991 Im Rahmen der Führung von Marken ist bei einer Repositionierung auf den Fit zwischen der neuen und der ursprünglichen Position zu achten, um einer Verwässerung der Marke zu begegnen. Bevor eine Markenrepositionierung durchgeführt wird, sollten die Auslöser und Ziele der Repositionierung analysiert werden. Dies kann durch die Integration in ein Markencontrollingsystem gewährleistet werden, welches die wichtigsten Treiber zur Überwachung der Marke beinhaltet. Auf Basis dieser Fakten kann dann eine geeignete Repositionierungsstrategie entwickelt werden. Diese sollte vor einer Implementierung mittels eines Simulationsmodells verifiziert werden. Diese Integration von Simulationsmodellen in ein ganzheitliches Markencontrollingsystem

991

Vgl. B 2.6

Schlussbetrachtung

293

zur Diagnose und Steuerung des marktseitigen Auftritts der Marke, ist im heutigen dynamischen Marktumfeld unumgänglich, um nachhaltigen Markenerfolg zu sichern. Auf strategischer Ebene bilden die ermittelten empirischen Ergebnisse die Grundlage für die zukünftige Markenstrategie. Die Repositionierungsstrategie der Qualitätsführerschaft angereichert mit der Stärkung einiger emotionaler Komponenten, bildet die zukünftige Positionierung der Marke im Wahrnehmungsraum der Nachfrager. Gleichzeitig ist die neue Position auf Basis der bisherigen Markenidentität darstellbar. Es ist somit möglich, auf Basis der Identität der Marke die Qualitätsführerschaft konsistent darzustellen. Dies ist im Rahmen des identitätsbasierten Markenmanagements eine Grundvoraussetzung, um eine Positionierung glaubwürdig kommunizieren zu können. Empirisch konnte dies anhand der Markenimageimageanalysen belegt werden. 992 Diese Erkenntnisse wirken sich im Rahmen der Implementierung auf die Kernelemente der Markenstrategie aus. Die zukünftigen Markenziele beinhalten im Kern den Ausbau der Marktführerschaft durch Neukundengewinnung und dem Halten bisheriger Bestandskunden. Auf Basis der ermittelten Strategie ist es möglich, Marktanteile zurückzugewinnen und ohne eine Reaktion der Wettbewerber einen Zugewinn von 8,3% zu realisieren. 993 Die Markenarchitektur sollte beibehalten werden und die Produkte sollten weiterhin unter einem Markennamen angeboten werden, da dieser über ein sehr gutes Image im untersuchten Markt verfügt. Das Markennutzenversprechen hingegen muss hinsichtlich der neuen ermittelten Positionierungsinhalte modifiziert werden. Die Qualitätsführerschaft als Ergebnis der empirischen Analyse zur Differenzierung der Marke gegenüber den Kernwettbewerbern muss zum einen nach Außen (marktgerichtet) und nach Innen (Unternehmung) kommuniziert werden. Hieraus ergeben sich Aktionsfelder für die operative Umsetzung der im Modell entwickelten empirischen Ergebnisse. Die marktseitige Ausgestaltung der Qualitätsstrategie im Rahmen des Marketing-Mixes kann anhand der ermittelten Dimensionen erfolgen. Diese dienen als Grundlage für die Neuausrichtung der Produkt-, Preis-, Kommunikations-, und Distributionspolitik. Im Rahmen der Produktpolitik können die Dimensionen Haptik, einfache Bedienbarkeit, Service und Design zur qualitativen Aufwertung des Produktportfolios herangezogen werden. Für eine marktseitige Umsetzung der Repositionierungsstrategie

992

Vgl. A 1.3

993

Vgl. C 5.4.7.3

Schlussbetrachtung

294

müssen die Dimensionen weiter ausdifferenziert werden. Die Haptik des Festnetztelefons umfasst dabei das Material des Handsets und der Basisstation sowie die Wertigkeit des Displays, eine hervorragende Sprachqualität und die Haltbarkeit des Telefons. Diese Attribute sollten die Wertigkeit des Festnetztelefons symbolisieren und den Nachfragern während der Nutzung die Qualität der Marke vermitteln. Die einfache Bedienbarkeit als Qualitätsmerkmal umfasst eine einfache Menüführung, eine leicht verständliche Bedienungsanleitung sowie eine problemlose Kompatibilität mit anderen Telefongeräten. Der Nutzer soll das Gefühl erhalten, komplexe Funktionen möglichst einfach nutzen zu können. Der Kundenservice stellt eine weitere zentrale Dimension dar, um die Qualitätsführerschaft zu implementieren. Dies kann bspw. mit einer gut erreichbaren kostenlosen Hotline sowie einem umfassenden Garantieservice umgesetzt werden. Als letzte Dimension sollte ein wertiges Design umgesetzt werden, welches aufgrund der Materialien und der Verarbeitung die Qualitätsführerschaft der Marke unterstreicht. Diese operativen Maßnahmen müssen durch ein Qualitätsmanagement und Innovationsmanagement hinsichtlich zukünftiger Produktentscheidungen unterstützt werden, damit der langfristige Erfolg sowie die feste Verankerung der neuen Strategie innerhalb des Unternehmens garantiert ist. Eine Strategie der Qualitätsführerschaft beinhaltet ebenfalls eine Preis-PremiumStrategie. Das bedeutet, dass in jedem Preissegment bis auf das Niedrigpreissegment Produkte angeboten werden sollten. In jeder Preiskategorie wird jedoch ein Premium gegenüber den Nachfragern und den Händlern durchgesetzt, um die Qualitätsstrategie konsistent umzusetzen. Neben dem Preis muss die neue Wertigkeit der einzelnen Produkte in Form von Verkaufsdisplays und einem hochwertigen Verpackungsdesign unterstützt werden. Darüber hinaus sind neue innovative Vertriebswege wie bspw. ein Onlineshop zu etablieren, um die neue strategische Ausrichtung auch im Rahmen der Distributionspolitik zu implementieren. Hierzu bietet sich einem Marktführer auch die Möglichkeit, ein Categorymanagement zu etablieren, welches die Beziehung zum Handel weiter stärkt und eine vorteilhaftere Darstellung der Marke PoS ermöglicht. Hinsichtlich der Kommunikationspolitik sollte ein integrierter Ansatz zur Anwendung kommen, um die neue Positionierung marktseitig zu etablieren. Aus dem identitätsbasierten Markenmanagement heraus ist hierbei insbesondere auf die Konsistenz und die Kontinuität zentraler Positionierungsinhalte im gesamten Kommunikations-Mix zu achten. 994 Die ermittelten Kerndimensionen sollten im Mittelpunkt der

994

Vgl. MEFFERT/BURMANN/KIRCHGEORG (2008), S. 635 ff.

Schlussbetrachtung

295

Kommunikationsaktivitäten stehen. Insbesondere innovative und neue below-the-line Kommunikationsaktivitäten sollten genutzt werden, um die relevanten Zielgruppen zu erreichen. Dies betrifft insbesondere die high-involvement Zielgruppen, welche hochwertige Festnetztelefone präferieren. 995 Neben den funktionalen Qualitätsdimensionen sollten symbolische Nutzenkomponenten ebenfalls adressiert werden, um sich von den Kernwettbewerbern zu differenzieren. Insbesondere die unterschiedlichen Dimensionen des Globalitäts- und Emotionalitätsfaktors können hierfür genutzt werden. Hierzu bieten sich insbesondere die individuelle Bedürfnisbefriedigung, der Lebensstil und eine Verbesserung der Lebensqualität an. Above-the-line Instrumente wie TV und Print sollten ebenfalls genutzt werden, um die neuen Positionierungsinhalte der Marke im Markt bekannt zu machen. Insbesondere eine Emotionalisierung der Marke sollte mittels dieser Kommunikationsinstrumente geschehen, da diese Medien einen höheren Wirkungskreis aufweisen als below-the-line Kommunikation. Neben der marktgerichteten Kommunikation ist die Implementierung der Repositionierungsstrategie auch innengerichtet durchzuführen, um einen nachhaltigen Erfolg gewährleisten zu können. Wie in dem entwickelten Repositionierungsprozess dargestellt sollte die neue Positionierung auch an die Mitarbeiter kommuniziert werden und insbesondere vom Top-Management umgesetzt werden. Des Weiteren kann im Rahmen von Schulungen oder innerhalb strategischer Workshops die neue Strategie den Mitarbeitern näher gebracht werden, damit sie die Möglichkeit erhalten, im täglichen Arbeitsalltag die neue Markenpositionierung zu berücksichtigen. Insbesondere Vertriebsmitarbeiter, die sich im ständigen Kundenkontakt befinden, sollten über die neuen Positionierungsinhalte informiert werden. Dies ist ein wesentlicher Erfolgsfaktor zur Generierung eines konsistenten, der Markenpositionierung entsprechenden Nachfragererlebnisses. Ähnliche Maßnahmen sind auch absatzmittlergerichtet durchzuführen. 996 Insbesondere in den wichtigsten Absatzkanälen sollten die Händler bezüglich der neuen Markenpositionierung sensibilisiert werden, um die Qualitätsführerschaft gegenüber den Wettbewerbern zu stärken. Die Integration der sozialen Interaktion in die Modellierung von Markenrepositionierungsstrategien zeigt, dass die Nachfragerinteraktion ein nicht zu unterschätzender Einflussfaktor für den Erfolg einer Markenrepositionierung ist. Unternehmen sollten insbesondere im Zeitalter des Web 2.0, welches die Kommunikation zwischen den

995

Vgl. C 5.3.2.

996

Vgl. MALONEY (2008), S. 357 ff.

Schlussbetrachtung

296

Nachfragern enorm erleichtert, den sozialen Einflussfaktoren auf Markenwahlentscheidungen besondere Aufmerksamkeit widmen. Soziale Medien wie Twitter, Blogs und Communities verändern das Informationsverhalten der Nachfrager. Die Interaktionsintensität zwischen Marken und Nachfragern wird extrem beschleunigt. Diese Einflussfaktoren sollten im Rahmen von Markenrepositionierungen berücksichtigt werden. Dieser Entwicklung kann mittels der agentenbasierten Modellierung Rechnung getragen werden, da sie in der Lage ist, soziale Strukturen und deren Einfluss abzubilden. Dies macht eine Integration des agentenbasierten Ansatzes zur Steuerung der Marke in naher Zukunft erforderlich, um die Veränderung des Markenimages und die Auswirkungen auf die Marke prognostizieren zu können. In gesättigten Märkten ist insbesondere darauf zu achten, dass sich die Marke innerhalb der strategischen Gruppe ausreichend differenziert. Je ähnlicher die Marken wahrgenommen werden, desto höher ist die Gefahr von Abwanderungen zu Konkurrenzmarken. Von daher ist in gesättigten Märkten neben einer funktional-technischen Differenzierung auch eine emotionale Differenzierung vorzunehmen. An dieser Stelle ist das Risiko einer Orientierung an Normstrategien hervorzuheben, da diese häufig zu einer mangelnden Differenzierung im Markt führen. 997 Aus diesem Grund wurden in dieser Arbeit spezifische Repositionierungsstartegien entwickelt und die Methoden angewendet, welche zu erfolgverprechenden Strategien führen. Diese markenspezifischen Strategien dienen dazu, in den heutigen dynamischen Märkten die Nachfragerwünsche besser zu erfüllen. Eine weitere strategische Stoßrichtung, um die Stärkung des Einflusses der Weiterempfehlung auf den Kauf der eigenen Marke zu forcieren, ist das Vordringen in das Consideration-Set der Nachfrager. Dies erhöht, gepaart mit einer aktiven Verbesserung der Weiterempfehlung der eigenen Marke und einer relevanten Repositionierungsstrategie die Chance neue Kunden zu gewinnen. Abschließend sollte die Entwicklung einer Repositionierungsstrategie nicht ausschließlich nach der Markenidentität und dem bisherigen Image der Marke ausgerichtet werden. Eine konsequente stärkere Einbeziehung des Entscheidungsverhaltens in die Entwicklung von Repositionierungsstrategien kann die Möglichkeit des Scheiterns einer Markenrepositionierung reduzieren.

997

Vgl. MEFFERT/BURMANN/KIRCHGEORG (2008), S. 281 f.

Schlussbetrachtung

3

297

Ansatzpunkte für weitere Forschungsarbeiten

Im Rahmen der Untersuchung wurde das Augenmerk auf die Darstellung des Markenwahlverhaltens sowie die Implementierung sozialer Interaktion gelegt. Darüber hinaus bietet das Modell zahlreiche Möglichkeiten zur Erweiterung und Verfeinerung: Eine Limitation des Modells stellt die mangelnde Integration des Wettbewerberverhaltens dar. Dies könnte basierend auf stochastischen Entscheidungen implementiert werden. Hierbei ist es möglich, ein Optimierungsmodell hinsichtlich unterschiedlicher Variablen zu entwickeln, welches die Marktbearbeitungsstrategien der einzelnen Akteure optimiert. Durch den hier verwendeten Modellierungsansatz können lokale und globale Optima bestimmt werden. Ebenso ist mit dem agentenbasierten Ansatz die Auswertung von Zwischenzuständen möglich, welche die Entscheidungsentstehung der einzelnen Akteure im Markt dokumentieren. Auch eine Erweiterung des Wissenszustandes der einzelnen Nachfrager ist denkbar. Dies würde die Möglichkeit eröffnen, Lernfunktionen zu integrieren, die es gestatten, den Gesamtzustand des Modells in die Zukunft fortzuschreiben. Eine explizite Betrachtung bei Eintritt neuer Wettbewerber kann ebenfalls anhand von Lernfunktionen realisiert werden. Dies würde die Dynamik erhöhen, da das bisherige Modell auf einer Zeitpunkterhebung beruht. Eine differenzierte Betrachtung der Intensität von Repositionierungen ist ebenfalls ein Forschungsfeld, welches anhand des agentenbasierten Ansatzes weiter erforscht werden kann. Eine Verknüpfung des agentenbasierten Ansatzes mit dem „Conceptual Brand Mapping“ zur Erhebung von Wissensnetzwerken ist ein hierfür viel verprechender Ansatz. Der herkömmliche Wissenszustand eines Agenten könnte durch ein Markenwissensnetzwerk erweitert werden, welches dem Modellierer die Möglichkeit eröffnet, Veränderungen des Markenwissens zu untersuchen. 998 Ansätze, die zeitliche Durchsetzung von Markenrepositionierungen auf Basis agentenbasierter Modelle darzustellen, wurden bereits entwickelt. Ein prominentes Beispiel hierfür sind Diffusionsmodelle, die die Durchsetzung von Informationsveränderungen in einem sozialen Netzwerk untersuchen. Neben der reinen Imagebetrachtung kann die Nutzenfunktion der Agenten mit Budget- und Kostenvariablen erweitert werden, um komplexeres Wahlverhalten abzubil-

998

Vgl. zu Wissensnetzwerken RECKE (2010).

298

Schlussbetrachtung

den. Dies würde zu einer realitätsgetreueren Abbildung des Markenwahlverhaltens führen. Eine verbesserte Darstellung der sozialen Strukturen innerhalb des Marktes wäre ebenfalls wünschenswert. Hierbei müssten schon im Zuge der empirischen Erhebung weitere Daten über die sozialen Netzwerke erhoben werden, um bspw. den Einfluss von Meinungsführern und anderer Netzwerkstrukturen, wie dem SmallWorld-Netzwerk untersuchen zu können. Auch existiert die Möglichkeit, die Umwelt des agentenbasierten Modells so zu verändern, dass jeder Agent mehrere Entscheidungsregeln benötigt, um am Markt agieren zu können. Agenten könnten in dem Fall situationspezifisch entscheiden, bspw. bei Preisaktionen oder ähnlichem. Diese Arbeit stellt die erste Übertragung des agentenbasierten Ansatzes auf die Problematik der Markenpositionierung dar. Der Einsatz der Methode kann zur Lösung bestehender Probleme bei der Modellierung von Repositionierungsentscheidungen beitragen. Der Ansatz eignet sich insbesondere zur Modellierung der Interaktion unterschiedlicher Individuen. Die dargestellten Forschungsperspektiven zeigen auf, dass diese Methodik im Rahmen der Positionierungsforschung weiterhin eingesetzt werden kann. Abschließend ist zu wünschen, dass das entwickelte agentenbasierte Modell in Wissenschaft sowie Praxis aufgenommen wird und inhaltlichtheoretisch sowie in seiner praktischen Anwendbarkeit weiterentwickelt wird.

299

Anhang

Anhang I Fehlerquadratsumme 3 Elbow nicht eindeutig identifizierbar, optimale Lösungen sind 2 oder 4 Cluster

2

1

0 1

2

3

4

5

6

Abbildung 77: Elbow-Kriterium bei der Linkage Methode Quelle: Eigene Darstellung.

Zuordnungsübersicht

Schritt 1 2 3 4 5 6

Tabelle 30:

Zusammengeführte Cluster Cluster 1 Cluster 2 5 6 5 7 1 2 1 4 1 5 1 3

Koeffizienten ,176 ,232 ,309 ,730 ,770 2,433

Erstes Vorkommen des Clusters Cluster 1 Cluster 2 0 0 1 0 0 0 3 0 4 2 5 0

Zuordnungsübersicht Linkage Methode Quelle: Eigene Darstellung.

Nächster Schritt 2 5 4 5 6 0

ClusterAnzahl

300

Anhang

Fehlerquadratsumme 2

Elbow- optimale Clusterabzahl ist 2 1

0 1

2

3

4

5

6

Abbildung 78: Elbow-Kriterium bei der Ward Methode Quelle: Eigene Darstellung.

Zuordnungsübersicht

Schritt 1 2 3 4 5

Tabelle 31:

Zusammengeführte Cluster Cluster 1 Cluster 2 5 6 5 7 1 2 1 4 1 5

Koeffizienten ,088 ,213 ,368 ,803 1,556

Zuordnungsübersicht Ward Methode Quelle: Eigene Darstellung.

Erstes Vorkommen des Clusters Cluster 1 Cluster 2 0 0 1 0 0 0 3 0 4 2

Nächster Schritt 2 5 4 5 0

ClusterAnzahl

301

Anhang

Anhang II Rotierte Komponentenmatrixa Komponente 1 Qualität Design Haptik Bedienbarkeit Vertrauen Service Freiheit/Flexibilität Lebensqualität Kommunikation Lifestyle Spaß Erreichbarkeit Globalität Soziales Engagement Soziale Kontakte Innovativität Preis Geringe Komplexität

Tabelle 32:

2

3

4

,692 ,679 ,669 ,586 ,573 ,431 ,770 ,766 ,721 ,605 ,584 ,553 ,746 ,697 ,574 ,536 ,839 ,516

Rotierte Komponentenmatrix Image Quelle: Eigene Darstellung. Rotierte Komponentenmatrixa Komponente Globalität Soziales Engagement Soziale Kontakte Innovativität Freiheit/Flexibilität Lebensqualität Kommunikation Lifestyle Spaß Erreichbarkeit Qualität Design Haptik Bedienbarkeit Vertrauen Service Preis Geringe Komplexität

Tabelle 33:

Faktor 3 ,773

Faktor 2

Faktor 1

Faktor 4

,771 ,599 ,571 ,789 ,726 ,618 ,577 ,536 ,469 ,799 ,606 ,541 ,533 ,470 ,443

Rotierte Komponentenmatrix Wichtigkeit für den Kauf Quelle: Eigene Darstellung.

,633 ,595

302

Anhang

Anhang III Ich telefoniere intensiv mit Freunden oder Familie, um den Kontakt zu vertiefen. (I) Cluster (J) Cluster Mittlere Differenz (I-J) Standardfehler Signifikanz 95%-Konfidenzintervall Tukey-HSD Untergrenze Obergrenze Reduktionist Mitläufer -0,95 0,19 0,00 -1,50 -0,40 Funktionalist -0,45 0,13 0,01 -0,83 -0,07 Kommunikativer -2,00 0,09 0,00 -2,28 -1,73 Innovativer -1,32 0,15 0,00 -1,75 -0,88 Multinutzer -1,55 0,11 0,00 -1,89 -1,22 -0,94 0,15 0,00 -1,38 -0,49 Reservierter Mitläufer Reduktionist 0,95 0,19 0,00 0,40 1,50 Funktionalist 0,50 0,20 0,15 -0,08 1,08 Kommunikativer -1,05 0,18 0,00 -1,57 -0,53 Innovativer -0,37 0,21 0,58 -0,98 0,25 Multinutzer -0,61 0,19 0,02 -1,16 -0,05 0,01 0,21 1,00 -0,61 0,64 Reservierter Funktionalist Reduktionist 0,45 0,13 0,01 0,07 0,83 Mitläufer -0,50 0,20 0,15 -1,08 0,08 Kommunikativer -1,55 0,11 0,00 -1,89 -1,22 Innovativer -0,87 0,16 0,00 -1,34 -0,39 Multinutzer -1,10 0,13 0,00 -1,49 -0,72 -0,49 0,16 0,05 -0,97 0,00 Reservierter 2,00 0,09 0,00 1,73 2,28 KommunikativReduktionist Mitläufer 1,05 0,18 0,00 0,53 1,57 Funktionalist 1,55 0,11 0,00 1,22 1,89 Innovativer 0,69 0,13 0,00 0,29 1,08 Multinutzer 0,45 0,10 0,00 0,17 0,73 Reservierter 1,07 0,14 0,00 0,66 1,47 Innovativer Reduktionist 1,32 0,15 0,00 0,88 1,75 Mitläufer 0,37 0,21 0,58 -0,25 0,98 Funktionalist 0,87 0,16 0,00 0,39 1,34 Kommunikativer -0,69 0,13 0,00 -1,08 -0,29 Multinutzer -0,24 0,15 0,67 -0,68 0,20 0,38 0,18 0,34 -0,15 0,91 Reservierter Multinutzer Reduktionist 1,55 0,11 0,00 1,22 1,89 Mitläufer 0,61 0,19 0,02 0,05 1,16 Funktionalist 1,10 0,13 0,00 0,72 1,49 Kommunikativer -0,45 0,10 0,00 -0,73 -0,17 Innovativer 0,24 0,15 0,67 -0,20 0,68 0,62 0,15 0,00 0,17 1,07 Reservierter Reservierter Reduktionist 0,94 0,15 0,00 0,49 1,38 Mitläufer -0,01 0,21 1,00 -0,64 0,61 Funktionalist 0,49 0,16 0,05 0,00 0,97 Kommunikativer -1,07 0,14 0,00 -1,47 -0,66 Innovativer -0,38 0,18 0,34 -0,91 0,15 -0,62 0,15 0,00 -1,07 -0,17 Multinutzer

Tabelle 34:

Intergruppenvergleich der Segmente Quelle: Eigene Darstellung.

303

Anhang

Telefonieren macht mir wenig Spaß. Ich versuche meine Telefongespräche so kurz wie möglich zu halten (I) Cluster (J) Cluster Mittlere Differenz (I-J) Standardfehler Signifikanz 95%-Konfidenzintervall Tukey-HSD Untergrenze Obergrenze Reduktionist Mitläufer 0,01 0,16 1,00 -0,46 0,47 Funktionalist 1,99 0,11 0,00 1,67 2,31 Kommunikativer 0,26 0,08 0,02 0,03 0,49 Innovativer 1,43 0,12 0,00 1,07 1,80 Multinutzer 0,74 0,10 0,00 0,46 1,02 1,26 0,13 0,00 0,89 1,64 Reservierter Mitläufer Reduktionist -0,01 0,16 1,00 -0,47 0,46 Funktionalist 1,98 0,17 0,00 1,49 2,48 Kommunikativer 0,25 0,15 0,61 -0,18 0,69 Innovativer 1,42 0,18 0,00 0,90 1,95 Multinutzer 0,73 0,16 0,00 0,26 1,20 1,25 0,18 0,00 0,73 1,78 Reservierter Funktionalist Reduktionist -1,99 0,11 0,00 -2,31 -1,67 Mitläufer -1,98 0,17 0,00 -2,48 -1,49 Kommunikativer -1,73 0,10 0,00 -2,01 -1,45 Innovativer -0,56 0,14 0,00 -0,96 -0,16 Multinutzer -1,25 0,11 0,00 -1,58 -0,93 Reservierter -0,73 0,14 0,00 -1,14 -0,32 -0,26 0,08 0,02 -0,49 -0,03 KommunikativReduktionist Mitläufer -0,25 0,15 0,61 -0,69 0,18 Funktionalist 1,73 0,10 0,00 1,45 2,01 Innovativer 1,17 0,11 0,00 0,84 1,50 Multinutzer 0,48 0,08 0,00 0,24 0,72 Reservierter 1,00 0,12 0,00 0,65 1,34 Innovativer Reduktionist -1,43 0,12 0,00 -1,80 -1,07 Mitläufer -1,42 0,18 0,00 -1,95 -0,90 Funktionalist 0,56 0,14 0,00 0,16 0,96 Kommunikativer -1,17 0,11 0,00 -1,50 -0,84 Multinutzer -0,69 0,12 0,00 -1,06 -0,32 -0,17 0,15 0,92 -0,62 0,27 Reservierter Multinutzer Reduktionist -0,74 0,10 0,00 -1,02 -0,46 Mitläufer -0,73 0,16 0,00 -1,20 -0,26 Funktionalist 1,25 0,11 0,00 0,93 1,58 Kommunikativer -0,48 0,08 0,00 -0,72 -0,24 Innovativer 0,69 0,12 0,00 0,32 1,06 Reservierter 0,52 0,13 0,00 0,14 0,90 Reservierter Reduktionist -1,26 0,13 0,00 -1,64 -0,89 Mitläufer -1,25 0,18 0,00 -1,78 -0,73 Funktionalist 0,73 0,14 0,00 0,32 1,14 Kommunikativer -1,00 0,12 0,00 -1,34 -0,65 Innovativer 0,17 0,15 0,92 -0,27 0,62 -0,52 0,13 0,00 -0,90 -0,14 Multinutzer

Tabelle 35:

Intergruppenvergleich der Segmente Quelle: Eigene Darstellung.

304

Anhang

Ich bin kein Telefonmensch. Anrufe sind für mich eher lästig. (I) Cluster (J) Cluster Mittlere Differenz (I-J) Standardfehler Signifikanz 95%-Konfidenzintervall Tukey-HSD Untergrenze Obergrenze Reduktionist Mitläufer -0,07 0,15 1,00 -0,52 0,38 Funktionalist 1,75 0,11 0,00 1,44 2,06 Kommunikativer 0,11 0,08 0,79 -0,12 0,33 Innovativer 1,25 0,12 0,00 0,89 1,60 Multinutzer 0,68 0,09 0,00 0,41 0,95 Reservierter 1,23 0,12 0,00 0,86 1,59 Mitläufer Reduktionist 0,07 0,15 1,00 -0,38 0,52 Funktionalist 1,82 0,16 0,00 1,34 2,29 Kommunikativer 0,18 0,14 0,88 -0,25 0,60 Innovativer 1,32 0,17 0,00 0,81 1,82 Multinutzer 0,75 0,15 0,00 0,29 1,20 1,29 0,17 0,00 0,78 1,81 Reservierter Funktionalist Reduktionist -1,75 0,11 0,00 -2,06 -1,44 Mitläufer -1,82 0,16 0,00 -2,29 -1,34 Kommunikativer -1,64 0,09 0,00 -1,92 -1,37 Innovativer -0,50 0,13 0,00 -0,89 -0,11 Multinutzer -1,07 0,11 0,00 -1,39 -0,75 -0,52 0,13 0,00 -0,92 -0,13 Reservierter -0,11 0,08 0,79 -0,33 0,12 KommunikativReduktionist Mitläufer -0,18 0,14 0,88 -0,60 0,25 Funktionalist 1,64 0,09 0,00 1,37 1,92 Innovativer 1,14 0,11 0,00 0,82 1,46 Multinutzer 0,57 0,08 0,00 0,34 0,80 Reservierter 1,12 0,11 0,00 0,78 1,45 Innovativer Reduktionist -1,25 0,12 0,00 -1,60 -0,89 Mitläufer -1,32 0,17 0,00 -1,82 -0,81 Funktionalist 0,50 0,13 0,00 0,11 0,89 Kommunikativer -1,14 0,11 0,00 -1,46 -0,82 Multinutzer -0,57 0,12 0,00 -0,93 -0,21 Reservierter -0,02 0,15 1,00 -0,45 0,41 Multinutzer Reduktionist -0,68 0,09 0,00 -0,95 -0,41 Mitläufer -0,75 0,15 0,00 -1,20 -0,29 Funktionalist 1,07 0,11 0,00 0,75 1,39 Kommunikativer -0,57 0,08 0,00 -0,80 -0,34 Innovativer 0,57 0,12 0,00 0,21 0,93 0,55 0,12 0,00 0,18 0,91 Reservierter Reservierter Reduktionist -1,23 0,12 0,00 -1,59 -0,86 Mitläufer -1,29 0,17 0,00 -1,81 -0,78 Funktionalist 0,52 0,13 0,00 0,13 0,92 Kommunikativer -1,12 0,11 0,00 -1,45 -0,78 Innovativer 0,02 0,15 1,00 -0,41 0,45 -0,55 0,12 0,00 -0,91 -0,18 Multinutzer

Tabelle 36:

Intergruppenvergleich der Segmente Quelle: Eigene Darstellung.

305

Anhang

Telefonieren ist für mich etwas Schönes. Ich tausche mich gern mit anderen in ausgiebigen Telefonaten aus. Telefonaten a (J) Cluster Mittlere Differenz (I-J) Standardfehler Signifikanz 95%-Konfidenzintervall Tukey-HSD Reduktionist Mitläufer -0,02 0,16 1,00 -0,49 0,44 Funktionalist 2,17 0,11 0,00 1,85 2,49 Kommunikativer 0,34 0,08 0,00 0,10 0,57 Innovativer 1,27 0,12 0,00 0,91 1,64 Multinutzer 0,94 0,10 0,00 0,65 1,22 1,50 0,13 0,00 1,13 1,88 Reservierter Mitläufer Reduktionist 0,02 0,16 1,00 -0,44 0,49 Funktionalist 2,19 0,17 0,00 1,70 2,68 Kommunikativer 0,36 0,15 0,20 -0,08 0,80 Innovativer 1,29 0,18 0,00 0,77 1,82 Multinutzer 0,96 0,16 0,00 0,49 1,43 Reservierter 1,52 0,18 0,00 0,99 2,06 Funktionalist Reduktionist -2,17 0,11 0,00 -2,49 -1,85 Mitläufer -2,19 0,17 0,00 -2,68 -1,70 Kommunikativer -1,83 0,10 0,00 -2,12 -1,55 Innovativer -0,90 0,14 0,00 -1,30 -0,50 Multinutzer -1,23 0,11 0,00 -1,56 -0,90 Reservierter -0,67 0,14 0,00 -1,08 -0,25 KommunikativReduktionist -0,34 0,08 0,00 -0,57 -0,10 Mitläufer -0,36 0,15 0,20 -0,80 0,08 Funktionalist 1,83 0,10 0,00 1,55 2,12 Innovativer 0,94 0,11 0,00 0,60 1,27 Multinutzer 0,60 0,08 0,00 0,36 0,84 1,17 0,12 0,00 0,82 1,51 Reservierter Innovativer Reduktionist -1,27 0,12 0,00 -1,64 -0,91 Mitläufer -1,29 0,18 0,00 -1,82 -0,77 Funktionalist 0,90 0,14 0,00 0,50 1,30 Kommunikativer -0,94 0,11 0,00 -1,27 -0,60 Multinutzer -0,33 0,13 0,11 -0,71 0,04 Reservierter 0,23 0,15 0,73 -0,22 0,68 Multinutzer Reduktionist -0,94 0,10 0,00 -1,22 -0,65 Mitläufer -0,96 0,16 0,00 -1,43 -0,49 Funktionalist 1,23 0,11 0,00 0,90 1,56 Kommunikativer -0,60 0,08 0,00 -0,84 -0,36 Innovativer 0,33 0,13 0,11 -0,04 0,71 0,57 0,13 0,00 0,18 0,95 Reservierter Reservierter Reduktionist -1,50 0,13 0,00 -1,88 -1,13 Mitläufer -1,52 0,18 0,00 -2,06 -0,99 Funktionalist 0,67 0,14 0,00 0,25 1,08 Kommunikativer -1,17 0,12 0,00 -1,51 -0,82 Innovativer -0,23 0,15 0,73 -0,68 0,22 Multinutzer -0,57 0,13 0,00 -0,95 -0,18

Tabelle 37:

Intergruppenvergleich der Segmente Quelle: Eigene Darstellung.

306

Anhang IV

Abbildung 79: Oberfläche des agentenbasierten Sinulationsmodells Quelle: Eigene Darstellung.

Anhang

307

Anhang

Anhang V Fragebogen der quantitativen Hauptstudie

Frage SCR1: Haben Sie in den letzten 6 Monaten, also seit Juli 2006, ein schnurloses Festnetz-Telefon für Ihren Haushalt gekauft? Mit schnurlosem Festnetztelefon meinen wir dabei nicht Handys/Mobiltelefone, sondern nicht-schnurgebundene Festnetztelefone für zu Hause. [SP]

‰ ja ‰ nein Æ ENDE

Frage SCR2: Haben Sie beim Kauf dieses schnurlosen Festnetz-Telefons entschieden oder mit entschieden, welches Telefon gekauft wurde? [SP]

‰ ja ‰ nein Æ

ENDE

Frage SCR3: Sagen Sie mir bitte Ihr Alter? (offen)

____________Jahre

Frage SCR4: Haben Sie zu Hause einen privaten Internetzugang? [SP]

308

Anhang

‰ ja ‰ nein Æ

weiter mit Frage SCR6

Frage SCR5: Wie häufig nutzen Sie Ihren privaten Internetanschluss? [SP]

‰ mehrmals täglich ‰ einmal täglich ‰ mehrmals wöchentlich ‰ einmal wöchentlich ‰ mehrmals monatlich ‰ einmal monatlich ‰ weniger als einmal im Monat ‰ nie

309

Anhang

Frage SCR7: Bitte bewerten Sie bei den folgenden Aussagen, inwieweit diese auf Sie persönlich zutreffen. Bitte verwenden Sie hierzu eine Skala von 1 bis 4. (1) bedeutet dabei „trifft nicht zu“, (2) „trifft eher nicht zu“, (3) „trifft eher zu“ und (4) „trifft zu“

1) Ich telefoniere intensiv mit Freunden oder Familie, um den Kontakt zu vertiefen.

trifft

trifft eher

trifft eher

trifft

nicht zu

nicht zu

zu

zu

1†

2†

3†

4†

2) Telefonieren macht mir wenig Spaß. Ich versuche meine Telefongespräche so kurz wie möglich zu halten.

trifft

trifft eher

trifft eher

trifft

nicht zu

nicht zu

zu

zu

1†

2†

3†

4†

3) Ich bin kein Telefonmensch. Anrufe sind für mich eher lästig.

trifft

trifft eher

trifft eher

trifft

nicht zu

nicht zu

zu

zu

1†

2†

3†

4†

4) Telefonieren ist für mich etwas Schönes. Ich tausche mich gern mit anderen in ausgiebigen Telefonaten aus.

trifft

trifft eher

trifft eher

trifft

nicht zu

nicht zu

zu

zu

1†

2†

3†

4†

310

Anhang

Hauptfragebogen: Frage 1: Welche der folgenden Marken aus dem Bereich schnurlose Festnetztelefone kennen Sie? (Mehrfachantworten möglich) [Marken bitte rotieren]

Frage 2: Bei wem bzw. wo haben Sie sich Ihr letztes schnurloses Festnetztelefon gekauft. Bitte geben Sie die Einkaufsstätte möglichst genau an? (offen)

Frage 3: Haben Sie sich vor dem Kauf Ihres schnurlosen Festnetztelefons in einem Geschäft beraten lassen? ‰ ja ‰ nein Æ weiter mit Frage 7 ‰ weiß nicht / keine Angabe Æ weiter mit Frage 7

Frage 4: Wurde Ihnen im Geschäft vom Verkäufer eine bestimmte Marke bzw. bestimmte Marken von schnurlosen Festnetztelefonen empfohlen? ‰ ja ‰ nein Æ weiter mit Frage 7 ‰ weiß nicht / keine Angabe Æ weiter mit Frage 7

Frage 5: Welche Marke bzw. welche Marken wurden Ihnen vom Verkäufer empfohlen? (Mehrfachantworten möglich)

311

Anhang

Frage 6: Von welcher Marke ist das schnurlose Festnetztelefon, das Sie sich innerhalb der letzten 6 Monate gekauft haben. Wenn Sie sich mehrere schnurlose Festnetztelefone gekauft haben sollten, geben Sie bitte die zuletzt gekaufte Marke an. Welche Marke war Ihre zweite bzw. dritte Wahl beim letzten Kauf eines schnurlosen Festnetztelefons. Frage 6.1: Bitte geben Sie zwei weitere Marken an, die für Sie beim Kauf Ihres nächsten schnurlosen Telefons in Frage kämen. Frage 7: Wie zufrieden sind Sie mit Ihrem schnurlosen Festnetztelefon von MARKE, das Sie innerhalb der letzten 6 Monate gekauft haben. Bitte verwenden Sie hierzu eine Skala von 1 „überhaupt nicht zufrieden“ bis 5 „voll und ganz zufrieden“. Mit den Werten dazwischen können Sie Ihr Urteil abstufen. Frage 8: [falls in Frage 7a „weiß nicht“ angekreuzt wurde entfällt die Frage] Nachfolgend finden Sie einige Aussagen über MARKE. Bitte sagen Sie mir, inwieweit Sie diesen zustimmen? Bitte verwenden Sie zur Bewertung eine Skala von „1“ bis „5“. 1 bedeutet „trifft überhaupt nicht zu“ und 5 bedeutet „trifft voll und ganz zu“.

(1) trifft überhaupt nicht zu

ĺ

(5) trifft voll und ganz zu

(1)

(2)

(3)

(4)

(5)

w.n./k.A.

… ist sympathisch.

‰

‰

‰

‰

‰

.

… werde ich mir wieder kaufen.

‰

‰

‰

‰

‰

.

… empfehle ich weiter

‰

‰

‰

‰

‰

.

MARKE…

312

Anhang

Frage 9: Nachfolgend finden Sie einige Nutzenmerkmale von schnurlosen Festnetztelefonen. Bitte geben Sie jeweils an, wie wichtig Ihnen die folgenden Aspekte beim Kauf eines schnurlosen Festnetztelefons sind. Bitte verwenden Sie hierzu eine Skala von 1 bis 5, wobei (1) „überhaupt nicht wichtig“ und (5) „sehr wichtig“ bedeutet. Mit den Werten dazwischen können Sie Ihr Urteil abstufen. Frage 10: Bitte sagen Sie mir nun, inwieweit die folgenden Aspekte Ihrer Meinung nach auf folgende Schnurlostelefon-Marken zutreffen. Verwenden Sie hierzu bitte eine Skala von 1 bis 5, wobei (1) „trifft überhaupt nicht zu“ (5) trifft voll und ganz zu und bedeutet. Mit den Werten dazwischen können Sie Ihr Urteil abstufen. Bitte bewerten Sie zunächst MARKE1, dann MARKE2, abschließend MARKE3 [Bitte in den Spalten die entsprechenden Markennamen einblenden] Auswahl von 3 Cordless Phone Marken: Personen, die in Frage 7 „weiß nicht“ bei tatsächlich gekauft, 2. und/ oder 3. Wahl angegeben haben, können keine Bewertung abgeben; nur für in Frage 7 genannte Marken gibt es Bewertung] Frage 11: Welche Art von Innovationen würden Sie sich in den nächsten Jahren bei schnurlosen Festnetztelefonen wünschen? (offen)

Literaturverzeichnis

313

Literaturverzeichnis AAKER, D. A./JOACHIMSTHALER, E. (2000), Brand leadership, New York, NY [u.a.]. AAKER, D. A./JOACHIMSTHALER, E. (2001), Brand leadership: die Strategie für Siegermarken, München [u.a.]. AAKER, D. A./SHANSBY, J. G. (1982), Positioning your product, in: Business horizons. New York, Jg. May – June, S. 56-62. AAKER, D. A. (2001), Strategic Market Management, 6. Aufl., Chichester, New York, Brisbane. AAKER, D. A. (2004), Brand portfolio strategy, New York, NY [u.a.]. ACHABAL, D. D. (1982), MULTILOC: A multiple store location decision model, in: Journal of Retailing, Jg. 58 (Summer), S. 5-25. AGARWAL, M./GREEN, P. (1991), Adaptive Conjoint Analysis versus Self-Explicated Models: Some Empirical Results, in: International Journal of Research in Marketing, Jg. 8, S. 141-146. AKAAH, I. P./KORGAONKAR, P. K. (1983), An Empirical Comparison of the Predictive Validity of Self-Explicated, Huber-Hybrid, Traditional Conjoint, and Hybrid Conjoint Models, in: Journal of Marketing Research, Jg. 20 (2), S. 187-197. ALBERS, S./BROCKHOFF, K. (1979), A comparison of two approaches to the optimal positioning of a new product in an attribute space, in: Zeitschrift für OperationsResearch, Jg. 23 (3), S. 127-142. ALBERS, S. (1979), An extended algorithm for optimal product positioning, in: European Journal of Operational Research: Elsevier, Jg. 3 (3), S. 222-231. ALISCH, K. (2004), Gabler Wirtschaftslexikon, 16. Aufl., Wiesbaden. ALPERT, L./GATTY, R. (1969), Product Positioning by behavioural Life-Styles, in: Journal of Marketing, Jg. 33 (2), S. 65-69. AMARAL, L./SCALA, A./BARTHÉLÉMY, M./STANLEY, H. (2000), Classes of small-world networks, in: National Academy of Sciences, Washington, Jg. 97 (21), S. 1114911152. AMIT, R./SCHOEMAKER, P. (1993), Strategic Assets and Organizational Rent, in: Strategic management journal, Jg. 14 (1), S. 33-46. ANDRITZKY, K. (1976), Die Operationalisierbarkeit von Theorien zum Konsumentenverhalten, Berlin. ANSARI, A./BAWA, K./GOSH, A. (1995), A nested logit model of brand choice incorporating variety-seeking and marketing-mix variables, in: Marketing Letters, Jg. 6 (3), S. 199-210.

314

Literaturverzeichnis

ARNOTT, D. C. (1993), Positioning: Defining the Concept, Warwick University. ARTHUR, W. (1994), Inductive Reasoning and Bounded Rationality, in: The American economic review, Jg. 84 (2), S. 406-411. ASCHENBRENNER, K. M. (1978), Single-peaked risk preferences and their dependability on the gambles' presentation mode, in: Journal of Experimental Psychology, Jg. 4 (3), S. 513-520. ASCHENBRENNER, M. (1977), Komplexes Wahlverhalten: Entscheidungen zwischen Multiattributen Alternativen, in: HARTMANN, K. (Hrsg.), Fortschritte der Marktpsychologie - Grundlagen, Methoden, Anwendung, Frankfurt a. M. ATTIA, S. T./HOOLEY, G. (2007), The role of resources in achieving target competitive positions, in: Journal of Strategic Marketing, Jg. 15 (May-July), S. 91-119. BACHEM, A./SIMON, H. (1979), A product positioning model with costs and prices, in: European Journal of Operational Research, Jg. 7, S. 362-370. BACKHAUS, K./ERICHSON, B./PLINKE, W./WEIBER, R. (2006), Multivariate Analysemethoden, 11. Aufl., Berlin [u.a.]. BACKHAUS, K./ERICHSON, B./PLINKE, W./WEIBER, R. (2008), Multivariate Analysemethoden, 12 Aufl., Berlin [u.a.]. BÄNSCH, A. (2002), Käuferverhalten, 9. Aufl., München [u.a.]. BAIER, D. (1994), Konzipierung und Realisierung einer Unterstützung des kombinierten Einsatzes von Methoden bei der Positionierungsanalyse, Frankfurt a. M. [u.a.]. BAIN, J. S. (1959), Industrial organization, New York [u.a.]. BAKKEN, D. G. (2007), Visualize It - Agent-based simulation may help you make better marketing decisions, in: Marketing Research, Jg. 19 (2), S. 22-29. BALDERJAHN, I. (1995), Bedürfnisse, Bedarf, Nutzen, in: TIETZ, B. (Hrsg.), Handwörterbuch des Marketing, 2 Aufl., Stuttgart, S. 179-190. BANDTE, H. (2007), Komplexität in Organisationen: Organisationstheoretische Betrachtungen und agentenbasierte Simulation, Wiesbaden. BANKS, J. (2000), Introduction to Simulation, in: Proceedings of the 31st conference on simulation: Simulation - a bridge to the future - Volume 1, S. 9-16, Phoenix Arizona. BARNEY J. B. (1991), Firm Resources and sustained competitive Advantage, in: Journal of Management, Jg. 17 (1), S. 99-120. BATTY, M./XIE, Y./SUN, Z. (1999), Modeling urban dynamics through GIS-based cellular automata, in: Computers, Environment and Urban Systems, Jg. 23 (3), S. 205233.

Literaturverzeichnis

315

BAUER, H. H. (1988), Marktstagnation als Herausforderung für das Marketing, in: Zeitschrift für Betriebswirtschaft, Jg. 58, S. 1052-1070. BAUMGARTH, C. (2001), Markenpolitik: Markenwirkungen, Markenführung, Markenforschung, Wiesbaden. BAUSBACK, N. (2007), Positionierung von Business-to-Business-Marken: Konzeption und empirische Analyse zur Rolle von Rationalität und Emotionalität, Wiesbaden. BEARDEN, W./, N. R. (1989), Measurement of consumer susceptibility influence, in: Journal of Consumer Research, Jg. 15 (3), S. 473-481. BECKER, J. (2002), Marketing-Konzeption: Grundlagen des ziel-strategischen und operativen Marketing-Managements, 7. Aufl., München. BECKER, J. (1996), Konzeptionelle Grundfragen der Positionierung, in: TOMCZAK, T./RUDOLPH, T./ROOSDORP, A. (Hrsg.), Positionierung Kernentscheidung des Marketing, 1. Aufl., S. 12-26. BELLMAN, R. E. (1978), An Introduction to artificial intelligence: Can computers think? San Francisco. BEN SAID, L./BOURON, T./DROGOUL, A. (2002), Agent-based Interaction analysis of Consumer Behavior, Bologna. BERLEKAMP, E./CONWAY, J./GUY, R. (Braunschweig [u.a.] :), Gewinnen: Strategien für mathematische Spiele, Braunschweig [u.a.]. BEST, R. (1976), The predictive Aspects of a joint space Theory of a Stochastic Choice, in: Journal of Marketing Research, Jg. 8, S. 198-204. BETTMAN, J. R./JOHNSON, E. J./PAYNE, J. W. (1990), A componential analysis of cognitive effort in choice, in: Organizational Behavior and Human Decision Processes, Jg. 45 (1), S. 111-139. BETTMAN, J. R./LUCE, M. F./PAYNE, J. W. (1998), Constructive Consumer Choice Processes, in: Journal of consumer research, Jg. 25 (3), S. 187-217. BETTMAN, J. R. (1979), An information processing theory of consumer choice, Reading Mass. BETTMAN, J./JOHNSON, E./PAYNE, J. (1991), Consumer Decision Making, in: ROBERTSON, T. S./KASSARJAN, H. (Hrsg.), Handbook of consumer behavior, Englewood Cliffs, NJ, S. 50-84. BEVERLAND, M./EWING, M. (2005), Slowing the adoption and diffusion process to enhance brand repositioning: The consumer driven repositioning of Dunlop Valley, in: Business Horizons, Jg. 48, S. 285-391. BHAT, S./REDDY, S. K. (1998), Symbolic and functional positioning of brands, in: The Journal of Consumer Marketing, S. 32-43.

316

Literaturverzeichnis

BLACKWELL, R. D./MINIARD, P. W./ENGEL, J. F. (2006), Consumer Behavior, 10. Aufl., Mason, Ohio. BLANKSON, C./KALAFATIS, S. P. (1999), Issues and challenges in the positioning of service brands: a review, in: The Journal of Product Brand Management, Jg. 8, (19), S. 106-118. BLANKSON, C./KALAFATIS, S. P. (2007), Congruence between Positioning and Brand Advertising - This study formulates and then operationalizes a comprehensive strategic positioning framework. The latter incorporates the various decisions and congruence in activities associated with the management, in: Journal of Advertising Research, Jg. 3, S. 79-94. BLANKSON, C./KALAFATIS, S./CHENG, J./HADJICHARALAMBOUS, C. (2008), Impact of Positioning Strategies on Corporate Performance, in: ournal of Advertising Research, Jg. 48 (1), S. 106-122. BLANKSON, C. (2004), Positioning strategies and incidence of congruence of two UK store card brands, in: Journal of Product & Brand Management, Jg. 13 (5), S. 315328. BLINDA, L. (2007), Markenführungskompetenzen eines identitätsbasierten Markenmanagements: Konzeptualisierung, Operationalisierung und Wirkungen, Wiesbaden. BLISS, C. (2000), Management von Komplexität, Wiesbaden. BONABEAU, E. (2002a), Papers from the Arthur M. Sackler Colloquium of the National Academy of Sciences - COLLOQUIUM PAPERS - Platforms and Methodologies for Enhancing the Social Sciences through Agent-Based Simulation - Agent-based modeling: Methods and techniques for simulation, in: National Academy of Sciences Washington, Jg. 99 (3), S. 7280-7287. BONABEAU, E. (2002b), FRONTIERS - Predicting the Unpredictable - Why do employee bonuses sometimes lead to decreases in productivity? How could a simple clerical error snowball into a catastrophic loss that bankrupts an institution? Agentbased modeling technology is shedding, in: Harvard business review, (Mass.: Harvard Business School Publ. Corp.), S. 109-116. BORTZ, J./DÖRING, N. (2005), Forschungsmethoden und Evaluation: für Human- und Sozialwissenschaftler, 3. Aufl., Heidelberg. BORTZ, J. (2005), Statistik, 6. Aufl., Berlin [u.a.]. BOSSEL, H. (2004), Systeme, Dynamik, Simulation: Modellbildung, Analyse und Simulation komplexer Systeme, Norderstedt. BOULDING, W./KALRA, A./STAELIN, R./ZEITHAML, V. A. (1993), A Dynamic Process Model of Service Quality: From Expectations to Behavioral Intentions, in: Journal of Marketing Research, Jg. 30 (1), S. 7-27. BREITKOPF, J. (2007), Die Rolle von Stammkanälen im Mehrkanalvertrieb - untersucht am Beispiel der Automobilindustrie, St. Gallen.

Literaturverzeichnis

317

BREUSCH, A. (2008), Customer-Equity Management in einem dynamischen Wettbewerbsumfeld, Wiesbaden. BRISOUX, J. E./LAROCHE, M. (1981), Evoked Set Formation and Composition: An Empirical Investigation under a Routinized Response Behavior Situation, in: Advances in Consumer Research, Jg. 8 (1), S. 357-361. BROCKHOFF, K. (1999), Produktpolitik, 4. Aufl., Stuttgart. BROCKHOFF, K. (1978), Zur optimalen mehrperiodigen Produktpositionierung, in: Bd. 30., 1978, Jg. 30 (4), S. 257-265. BRUHN, M./HOMBURG, C. (2004a), Gabler Lexikon Marketing, 2. Aufl., Wiesbaden. BRUHN, M. (2005), Unternehmens- und Marketingkommunikation, 1 Aufl., München. BÜHL, A. (2008), SPSS 16, 11. überarb. und erw. Aufl., München [u.a.]. BÜHNER, M. (2008), Einführung in die Test- und Fragebogenkonstruktion, 2 Aufl., München [u.a.]. BURKE, R. R./SRULL, T. K. (1988), Competitive interference and consumer memory for advertising, in: Journal of consumer research, Jg. 15 (3), S. 55-68. BURMANN, C./BLINDA, L./NITSCHKE, A. (2003), Konzeptionelle Grundlagen des identitätsbasierten Markenmanagements, Lehrstuhl für innovatives Markenmanagement, Universität Bremen. BURMANN, C./FEDDERSEN, C. (2007), Identitätsbasierte Markenführung in der Lebensmittelindustrie: der Fall FRoSTA, 1. Aufl., Münster. BURMANN, C./MEFFERT, H./BLINDA, L. (2005), Markenevolutionsstrategien, in: MEFFERT, H./BURMANN, C./KOERS, M. (Hrsg.), Markenmanagement, 2. Aufl., Wiesbaden,. BURMANN, C./MEFFERT, H./FEDDERSEN, C. (2007), Identitätsbasierte Markenführung, in: FLORACK, A./SCARABIS, M./PRIMOSCH, Psychologie der Markenführung, Vahlen, München. BURMANN, C./MEFFERT, H./KOERS, M. (2005), Stellenwert und Gegenstand des Markenmanagements, in: MEFFERT, H./BURMANN, C./KOERS, M. (Hrsg.), Markenmanagement - Identitätsorientierte Markenführung und praktische Umsetzung, 1. Aufl., Wiesbaden,. BURMANN, C./MEFFERT, H. (2005a), Managementkonzept der identitätsbasierten Markenführung, in: MEFFERT, H./BURMANN, C./KOERS, M. (Hrsg.), Markenmanagement, 2. Aufl., Wiesbaden. BURMANN, C./MEFFERT, H. (2005b), Theoretisches Grundkonzept der identitätsorientierten Markenführung, in: MEFFERT, H./BURMANN, C./KOERS, M. (Hrsg.), Markenmanagement, 2. Aufl., Wiesbaden.

318

Literaturverzeichnis

BURMANN, C./MEFFERT, H. (2007), Markenbildung und Markenstrategien, in: ALBERS, S./HERRMANN, A. (Hrsg.), Handbuch Produktmanagement: Strategieentwicklung Produktplanung - Organisation - Kontrolle, 3. Aufl., Wiesbaden, S. 161-185. BURMANN, C./SCHALLEHN, M. (2008), Die Bedeutung der Marken-Authentizität für die Markenprofilierung, Lehrstuhl für innovatives Markenmanagement, Universität Bremen. BURMANN, C./STOLLE, W. (2007), Markenimage - Konzeptualisierung eines mehrdimensionalen Konstrukts, Lehrstuhl für innovatives Markenmanagement, Universität Bremen. BURMANN, C. (2002), Strategische Flexibilität und Strategiewechsel als Determinanten des Unternehmenswertes, 1. Aufl., Wiesbaden. CADOTTE, E. R./WOODRUFF, R. B./JENKINS, R. L. (1987), Expectations and norms in models of consumer satisfaction, in: Journal of marketing research, Jg. 24 (3), S. 305-314. CARLEY, K. M. (1996), Validating Computational Models, Department of Social and Decision Sciences, Carnegie Mellon University. CARPENTER, G. S. (1989), Perceptual Position and Competitive Brand Strategy in a Two-Dimensional Two-Brand Market, in: Management Science, Jg. 35 (9), S. 1029 1043. CARROL, D./ARABIE, P./CHATURVEDI, A./HUBERT, L. (2005), Multidimensional Scaling and Clustering in Marketing: Paul Green's Role, in: WIND, Y. J./GREEN, P. E. (Hrsg.), Market Research and Modeling: Progress and Prospects (clone) - A Tribute to Paul E. Green, Berlin [u.a.], S. 71-100. CARROL, J. D./GREEN, P. E. (1997), Psychometric Methods in Marketing Research: Part II, Multidimensional Scaling, in: Journal of Marketing Research, Jg. XXXIV S. 193-204. CARROLL, J. D./ARABIE, P. (1980), Multidimensional Scaling, in: Annual Review of Psychology, S. 607-649. CARROLL, J. D./CHANG, J. J. (1970), Analysis of individual Differences in Multidimensional Scaling via n-way Generalization of ''Eckart-Young'' Decomposition, in: Psychometrika, Jg. 35, S. 283-319. CARROLL, J. D./GREEN, P. E./CHATURVEDI, A. (1997), Mathematical tools for applied multivariate analysis, San Diego, Calif. [u.a.]. CARROLL, J./GREEN, P. E. (1995), Psychometric Methods in Marketing Research: Part 1, Conjoint Analysis, in: Journal of Marketing Research. - Chicago, Jg. 32, S. 385391. CASTELFRANCHI, C. (1998), Modelling social action for AI agents, in: Artificial intelligence, Jg. 103 (1), S. 157-182.

Literaturverzeichnis

319

CHANG, C. H./HUANG, C. W. (2002), The joint effect of product involvement and prior knowledge on the use of information sources and the choice of decision-making paths by consumers, in: International Journal of Management, Jg. 19 (2), S. 315-322. CHARNIAK, E./MACDERMOTT, D. (1985), Introduction to artificial intelligence, Reading, Mass. [u.a.]. CHMIELEWICZ, K. (1994), Forschungskonzeptionen der Wirtschaftswissenschaft, 3. Aufl., Stuttgart. CHURCHILL, G./SURPRENANT, C. (1982), An Investigation into the determinants of customer satisfaction, in: Journal of Marketing Research, Jg. 19 (3), S. 491-504. COHEN, J. W. (1988a), Statistical power analysis for the behavioral sciences, 2. ed Aufl., Hillsdale, NJ [u.a.]. COLLINGS, D./BAXTER, N. (2007), Complexity-based Modelling Approaches for Commercial Applications, in: RENNARD, J. (Hrsg.), Handbook of research on natureinspired computing for economics and management. COMMANDEUR, J. J. F./HEISER, W. J. (1993), Mathematical derivations in the proximity scaling (PROXSCAL) of symmetric data matrices, in: University of Leiden,. COOMBS, C. H. (1964), A theory of data, New York, NY. COOMBS, C./AVRUNIN, G. (1977), Single-peaked functions and the theory of preference, in: Psychological Review, Jg. 84, S. 216-230. DALY, A./MOLONEY, D. (2004), Managing Corporate Rebranding, in: Irish Marketing Review, Jg. 17 (1&2), S. 30-36. DAVID, P. A. (2008), Clio and the economics of QWERTY, in: The Economics of Innovstion, Vol. 4, S. 336-343. DAVIDSSON, P. (2001), Multi-Agent-Based Simulation: Beyond Social Simulation, in: MOSS, S./DAVIDSSON, P. (Hrsg.), Multi-Agent-Based Simulation - Second International Workshop, MABS 2000 Boston, MA, USA, July Revised and Additional Papers, S. 97-107. DAVIS, S. (2000), Brand asset management: driving profitable growth through your brands, San Francisco. DAY, G. S. (1994), The Capabilities of Market- Driven Organizations, in: Journal of Marketing, Jg. 58, S. 55-67. DELRE, S./JAGER, W./BIJMOLT, T./JANSSEN, M. (2007), Targeting and timing promotional activities: An agent-based model for the takeoff of new products, in: Journal of Business Research, Jg. 60 (b), S. 826-835. DESARBO, W. S./GREWAL, R./SCOTT, C. J. (2008), A Clusterwise Bilinear Multidimensional Scaling Methodology for Simultaneous Segmentation and Positioning Analyses, in: Journal of Marketing Research, Jg. 45 (3), S. 280-292.

320

Literaturverzeichnis

DESARBO, W./RAO, V. R. (1986), A Constrained Unfolding Methodology for Product Positioning, in: Marketing Science, Jg. 5 (1), S. 1-18. DEVETAG, G. (1999), From Utilities to mental models: A critical survey on decision rules and cognition in consumer choice, Sankt Anna School of Advanced Studies, Pisa. DICHTL, E./SCHOBERT, R./BEESKOW, W. (1979), Mehrdimensionale Skalierung, München. DICKSON, P. R./GINTER, J. L. (1987), Market segmentation, product differentiation, and marketing strategy, in: Journal of marketing, Jg. 51, S. 1-10. DIETZ, T./STERN, P. C. (1995), Toward a theory of choice: Socially embedded preference construction, in: Journal of socio-Economics, Jg. 24 (2), S. 261-279. DILLON, W. R./DOMZAL, T./MADDEN, T. J. (1986), Evaluating alternative product positioning Strategies, in: Journal of Advertising Research, Jg. 26 (4), S. 29-35. DIMINGO, E. (1988), The fine Arts of Positioning, in: The Journal of Business Strategy, Jg. 9 (2), S. 34-38. DROGOUL, A./FERBER, J. (1995), Multi-agent simulation as a tool for studying emergent processes in societies, in: GILBERT, N. (Hrsg.), Simulating societies: the computer simulation of social phenomena, 2. Aufl., London [u.a.]. DUESENBERRY, J. S. (1967), Income, saving, and the theory of consumer behavior, New York. EBELING, W./FREUND, J./SCHWEITZER, F. (1998), Komplexe Strukturen: Entropie und Information, Stuttgart [u.a.]. EISENFÜHR, F./WEBER, M. (2002), Rationales entscheiden, Springer, Berlin. ENGEL, J. F./KOLLAT, D. T./BLACKWELL, R. D. (1968), Consumer behavior, Elsevier, New York [u.a.]. EREZ, T./MOLDOVAN, S./SOLOMON, S. (2007), Social Anti-Percolation and Negative Word of Mouth, in: RENNARD, J. (Hrsg.), Handbook of research on nature-inspired computing for economics and management, Hershey, Pa. [u.a.], S. 822-836. ERICHSON, B./BACKHAUS, K./PLINKE, W./WEIBER, R. (2000), Multivariate Analysemethoden,. ESCH, F. (2007), Strategie und Technik der Markenführung, 4. Aufl., München. ESCH, F. (2008), Strategie und Technik der Markenführung, 5. Aufl., München. ESSER, H. (1993), Soziologie, Campus Verlag, Frankfurt/Main. ETZIONI, O./WELD, D. S. (1995), Intelligent Agents on the Internet: Fact, Fiction, and Forecast, Department of Computer Science and Engineering, University of Washington.

Literaturverzeichnis

321

EVERETT, H. (1963), Generalized Lagrange multiplier method for solving problems of optimum allocation of resources, in: Operations Research, Jg. 11 (3), S. 399-417. FAGAN, M. E. (1999), Design and Code Inspections to reduce errors in program development, in: IBM Systems Journal, Jg. 38 (2&3), S. 258-287. FAGIOLO, G./BIRCHENHALL, C./WINDRUM, P. (2007), Empirical Validation in Agentbased Models: Introduction to the Special Issue, in: Computational Economics, Jg. 30 (3), S. 189-194. FAGIOLO, G./MONETA, A./WINDRUM, P. (2007), A Critical Guide to Empirical Validation of Agent-Based Models in Economics: Methodologies, Procedures, and Open Problems, in: Computational Economics, Jg. 30 (3), S. 195-226. FESTINGER, L. (1942), Wish, expectation, and group standards as factors influencing level of aspiration, in: Journal of Abnormal and Social Psychology, Jg. 37 (1), S. 184200. FESTINGER, L. (1955), Social Psychology and Group Processes, in: Annual Review of Psychology, Jg. 6, S. 187-216. FISCHER, G. W. (1979), Utility models for multiple objective decisions: Do they accurately represent human preferences, in: Decision Sciences, Jg. 10 (3), S. 451-479. FISCHER, J. (2001), Individualisierte Präferenzanalyse: Entwicklung und empirische Prüfung einer vollkommen individualisierten Conjoint-Analyse, 1. Aufl., Wiesbaden. FISHBEIN, M. (1963), An investigation of Relationship between Beliefs about an Object and the Attitude toward an Object, in: Human Relations, Jg. 16, S. 233-240. FORRESTER, J. W. (1958), Industrial dynamics, a major breakthrough for decision makers, in: Harvard Business Review, Jg. 36 (4), S. 37-66. FRANK, R. E./MASSY, W. F./MORRISON, D. G. (1965), Bias in multiple discriminant analysis, in: Journal of Marketing Research, Jg. 2 (3), S. 250-258. FRANK, R. E./MASSY, W. F. (1971), An econometric approach to a marketing decision model, Cambridge Mass. [u.a.]. FRANKE, N. (2002), Realtheorie des Marketing, Tübingen. FRANKLIN, S./GRAESSER, A. (1997), Is it an Agent, or just a Program?: A Taxonomy of Autonomous Agents, in: MÜLLER, J. P. (Hrsg.), Intelligent agents III: agent theories, architectures, and languages, Berlin [u.a.], S. FREILING, J. (2001), Resource-based view und ökonomische Theorie: Grundlagen und Positionierung des Ressourcenansatzes, 1. Aufl., Wiesbaden. FREILING, J. (2004), Competence-based View der Unternehmung, in: Die Unternehmung, Jg. 58 (1), S. 5-25. FRETER, H. (1983), Marktsegmentierung, Stuttgart.

322

Literaturverzeichnis

FRETER, H. (2008), Markt- und Kundensegmentierung: kundenorientierte Markterfassung und -bearbeitung, 2. Aufl., Stuttgart. FREUNDT, T. C. (2006), Emotionalisierung von Marken: Inter-industrieller Vergleich der Relevanz emotionaler Markenimages für das Konsumentenverhalten, Wiesbaden. FRIEDRICH, K. (2004), Empfehlungsmarketing, 6. Aufl., Offenbach. FRÖHLICH, W. D./DREVER, J. (1978), dtv-Wörterbuch zur Psychologie, 11. Aufl., München. GABRIEL, K. (1971), The biplot graphical Display of matrices with applications of principal components analysis, in: Biometrika, Jg. 58, S. 453-467. GARCIA, R./RUMMEL, P./HAUSER, J. (2007), Validating agent-based marketing models through conjoint analysis, in: Journal of Business Research, Jg. 60 (8), S. 848-857. GENESERETH, M. R./KETCHPEL, S. P. (1994), Software Agents, in: Association for Computing Machinery : Communications of the ACM, Jg. 37 (7), S. 48-53. GENESERETH, M. R./NILSSON, N. J. (1987), Logical foundations of artificial intelligence, Los Altos, Californien. GERSCH, M./FREILING, J./GOEKE, C. (2005), Grundlagen einer 'Competence-based theory of the Firm', Die Chance zur Schließung einer 'Realisierungslücke' innerhalb der Marktprozesstheorie, Fakultät für Wirtschaftswissenschaft, Ruhr-Universität Bochum. GILBERT, G. N./TROITZSCH, K. G. (2005), Simulation for the social scientist, 2. Aufl., Maidenhead. GLASS, R. L. (2002), Practical Programmer - The Proof of Correctness Wars, in: Association for Computing Machinery : Communications of the ACM, Jg. 45 (8), S. 1922. GOLDENBERG, J./LIBAI, B./MULLER, E. (2002), Riding the saddle: Hoe Cross-MarketCommunications can create a major slump in sales, in: Journal of Marketing, Jg. 66 (2), S. 17-37. GONZALEZ, A./BARR, V. (2000a), Validation and verification of intelligent systems, what are they and how are they different? in: Journal of Experimental Theoretical Artificial intelligence, Jg. 12 (4), S. 407-420. GONZALEZ, A./BARR, V. (2000b), Validation and verification of intelligent systems, what are they and how are they different? in: Journal of Experimental Theoretical Artificial intelligence, Jg. 12 (4), S. 407-420. GOTSI, M./ANDRIOPOULOS, C. (2007), Understanding the pitfalls in the corporate rebranding process, in: Corporate communications, Jg. 12 (4), S. 341-355. GREEN P E.; SRINIVASAN V. (1978), Conjoint Analysis in Consumer Reserach: Issues and Outlook, in: Journal of Consumer Research, Jg. 5 S. 103-123.

Literaturverzeichnis

323

GREEN, P. E./KRIEGER, A. M./WIND, Y. (2005a), Buyer Choice Simulators, Optimizers and Dynamic Models, in: WIND, Y. J./GREEN, P. E. (Hrsg.), Market Research and Modeling: Progress and Prospects - A Tribute to Paul E. Green, Berlin, S. 169-199. GREEN, P. E./KRIEGER, A. M./WIND, Y. (2005b), Thirty Years of Conjoint Analysis: Reflections and Prospects, in: WIND, Y. J./GREEN, P. E. (Hrsg.), Market Research and Modeling: Progress and Prospects - A Tribute to Paul E. Green, Berlin [u.a.], S. 117139. GREEN, P. E./KRIEGER, A. M. (1985), Models and Heuristics for Product Line Selection, in: Marketing Science, Jg. 4 (1), S. 1-19. GREEN, P. E./KRIEGER, A. M. (1988), Choice Rules and Sensitvity Analysis in Conjoint Simulators, in: Journal of the Academy of Marketing Science, Jg. 16 (1), S. 114-127. GREEN, P. E./KRIEGER, A. M. (1992), An Application of Product Positioning Model to Pharmaceutical Products, in: Marketing Science, Jg. 11 (2), S. 117-132. GREEN, P. E./SRINIVASAN, V. (2007), Conjoint analysis in consumer research: issues and outlook, in: Fundamentals of marketing research; Vol. 6: Los Angeles, Californien, S. 290-325. GREEN, P. E. (1974), The design of choice experiments involving Multifactor Alternatives, in: Journal of Consumer Research, Vol. 1(2), S. 61-68. GREEN, P. E. (1975), Marketing applications of MDS: assessment and outlook, in: Journal of marketing, Jg. 39 (1), S. 24-31. GREEN, P./CARROLL, D./GOLDBERG, S. (1981), A General Approach to Product Design Optimization via Conjoint Analysis, in: Journal of Marketing, Jg. 45 (Summer), S. 1737. GREEN, P./KRIEGER, A. (1989), Recent Contributions to optimal product positioning and buyer segmentation, in: European Journal of Operational Reserach, Jg. 41 S. 127-141. GRILL, G./DIGEL, W. (1992), Meyers großes Taschenlexikon: in 24 Bänden, Bd. 9: Grif - Hofg, 4 Aufl., Mannheim. GRUCA, T. S./ KLEMZ, B. R. (2003), Optimal New product positioning: A genetic algorithm approach, in: European Journal of Operational Research, Vol. 146 (3), S. 621633. GRUNERT, K. G. (1988), Kognitive Strukturen in der Konsumforschung, Heidelberg. GÜTTLER, P. O. (2000), Sozialpsychologie, 3. überarb. und stark erw. Aufl., München. GUGUTZER, R. (2002), Leib, Körper und Identität: eine phänomenologischsoziologische Untersuchung zur personalen Identität, 1. Aufl., Wiesbaden. GUTSCHE, J. (1995), Produktpräferenzanalyse: ein modelltheoretisches und anwendungsorientiertes Konzept zur Marktsimulation mittels Präferenzerfassungsmodellen, Berlin.

324

Literaturverzeichnis

GWIN, C. F./GWIN, C. R. (2003), Product Attributes Model: A Tool for Evaluating Brand Positioning, in: Journal of Marketing, Jg. 11 (2), S. 30-42. HAEDRICH, G./TOMCZAK, T./KAETZKE, P. (2003), Strategische Markenführung: Planung und Realisierung von Markenstrategien, 3. Aufl., Bern [u.a.]. HÄTTY, H. (1989), Der Markentransfer, Heidelberg. HAGERTY, M. R. (1985), Improving the predictive power of conjoint analysis: the use of factor analysis and cluster analysis, in: Journal of Marketing Research, Jg. XXII, S. 168-184. HAILPERN, B./SNTHANAM, P. (2002), Software debugging, testing, and verification, in: IBM Systems Journal, Jg. 41 (1), S. 4-12. HAUGELAND, J. (1985), Artificial intelligence: the very idea, Cambridge, Mass. [u.a.]. HAUSER, J. R./KOPPELMAN, F. S. (1979), Alternative perceptual mapping techniques: relative accuracy and usefulness, in: Journal of Marketing Research, Jg. 16 (4), S. 495-506. HAUSER, J. R./RAO, V. A. (2005), Conjoint Analysis, Related Modeling, and Applications, in: WIND, Y./GREEN, P. E. (Hrsg.), Market Research and Modeling: Progress and Prospects, 1. Aufl., S. 141-169. HAUSER, J. R./SHUGAN, S. M. (2008), Defensive Marketing Strategies, in: Marketing science, Jg. 27 (1), S. 88-110. HAUSER, J. R./URBAN, G. L. (1977), A normative methodology for modeling consumer response to innovation, in: Operations Research, Bd. 25.1977, Jg. 25 (4), S. 579619. HAUSER, J./SHUGAN, S. (1983), Defensive Marketing Strategies, in: Marketing Science, Jg. 2 (4), S. 319-361. HEGSELMANN, R./FLACHE, A. (1998), Understanding Complex Social Dynamics: A Plea For Cellular Automata Based Modelling, in: Journal of Artificial Societies and Social Simulation, Jg. 1 (3), Surrey. HEIDE, D. (2008), Gutes Marketing, schlechtes Marketing, in: Brand Eins, 2 Ausgabe, S. 130-131. HEINEN, E. (1962), Die Zielfunktion der Unternehmung, in: Zur Theorie der Unternehmung, Wiesbaden, S. 9-71. HELLIER, P. K./GEURSEN, G. M./CARR, R. A./RICKARD, J. A. (2003), Customer repurchase intention: A general structural equation model, in: European Journal of Marketing, Jg. 37 (11), S. 1762-1800. HERRMANN, A./HOMBURG, C. (2000), Marktforschung: Methoden, Anwendungen, Praxisbeispiele, 2. Aufl., Wiesbaden.

Literaturverzeichnis

325

HERRMANN, A. (1992), Produktwahlverhalten: Erläuterung und Weiterentwicklung von Modellen zur Analyse des Produktwahlverhaltens aus marketingtheoretischer Sicht, Stuttgart. HERRMANN, A. (1998), Produktmanagement, 1. Auflage, München. HILLIG, T. (2006), Verfahrensvarianten der Conjoint-Analyse zur Prognose von Kaufentscheidungen: Eine Monte-Carlo-Simulation, Wiesbaden. HIRSCHMAN, E. (1980), Innovativeness, Novelty Seeking, and Consumer Creativity, in: Journal of Consumer research, Jg. 7, S. 283-295. HOEPFL, R./HUBER G., (1970), A study of self explicated utility models, in: Behavioral Science, Jg. 15 S. 408-414. HOGARTH, R. M. (1980), Judgement and choice, Chichester. HOLLAND, J. H. (1996), Hidden order: how adaptation builds complexity, New York. HOLLAND, J. H. (1988), The global economy as an Adpative Process, in: ANDERSON, P. W./ARROW, K. J./PINES DAVID, (Hrsg.), The economy as an evolving complex system: the proceedings of the Evolutionary Paths of the Global Economy Workshop, held September, 1987 in Santa Fe, New Mexico (clone), S. HOMBURG, C./GIERING, A. (1998), Konzeptualisierung und Operationalisierung komplexer Konstrukte - Ein Leitfaden für die Marketingforschung, in: HILDEBRANDT, L./HOMBURG, C. (Hrsg.), Die Kausalanalyse - Instrument der empirischen betriebswirtschaftlichen Forschung, 1. Aufl., Stuttgart, S. 111-148. HOMBURG, C./KROHMER, H. (2003), Marketingmanagement: Strategie - Instrumente Umsetzung - Unternehmensführung, 1. Aufl., Wiesbaden. HOMBURG, C./KROHMER, H. (2006), Marketingmanagement, 2. Aufl., Wiesbaden. HOMBURG, C./KROHMER, H. (2009), Marketingmanagement, 3. Aufl., Wiesbaden. HOOLEY, G. J./HUSSEY, M. K. (1994), Quantitative methods in marketing: the multivariate jungle revisited--introduction and overview to Special Edition, in: Journal of marketing management., Jg. 10 (1-3), S. 3-12. HOOLEY, G. J./PIERCY, N. F./NICOULAUD, B. M. (2008), Marketing strategy and competitive positioning, 4th ed., Harlow. HOOLEY, G./BRODERICK, A./MOLLER, K. (1998), Competitive positioning and the resource-based view of the firm, in: Journal of Strategic Marketing, Jg. 6, S. 97-116. HOOLEY, G./GREENLEY, G./FAHY, J./CADOGAN, J. (2001), Market-focused Resources, Competitive Positioning and Firm Performance, in: Journal of Marketing Management, Jg. 17, S. 503-520. HORSKY, D./NELSON, P. (1992), New Brand Positioning and Pricing in an Oligopolistic Market, in: Marketing Science, Jg. 11 (2), S. 133-153.

326

Literaturverzeichnis

HOTELLING, H. (1929), Stability in competition, in: The Economic Journal, Jg. 39 S. 41-57. HOWARD, J. A./SHETH, J. N. (1969), The theory of buyer behavior, New York, NY [u.a.]. HUBER, J./ HOLBROCK, M. B. (1979), Using Attribute Ratings for Product Positioning: Some Distinctions Among Compositional Approaches, in: Journal of Marketing Research, Jg. XVI, S. 507-516. HUBER, J. (1976), Ideal Point Models of Preference, in: Advances in Consumer Research, Jg. 3 (1), S. 138-142. HÜTTNER, M. (1997), Grundzüge der Marktforschung, 5. Aufl., München. HUHNS, M. H./STEPHENS, L. M. (2000), Multiagent Systems and Societies of Agents, in: WEISS, G. (Hrsg.), Multiagent systems: a modern approach to distributed artificial intelligence, 2. Aufl., Cambridge, Mass., S. 79-120. HUHNS, M./SINGH, M. (1998), Readings in agents, San Francisco, California. HULT, G./KETCHEN, D. (2001), Does Market Orientation Matter?: A Test of The Relationship between Positional Advantage and Performance, in: Journal of Stratgeic Management, Jg. 22, S. 899-906. JAGER, W. (1997), Consumer behaviour: a modelling perspective in the context of integrated assessment of global change, in: Globo Report Series, Band 17 (17), Bilthoven, Niederlande. JAGER, W. (2007), The four P's in social simulation, a perspective on how marketing could benefit from the use of social simulation, in: Journal of Business Research, Jg. 60 (8), S. 868-875. JANSSEN, J./LAATZ, W. (2005), Statistische Datenanalyse mit SPSS für Windows, 5. neu bearb. und erw. Aufl., Berlin [u.a.]. JANSSEN, M. A./JAGER, W. (1999), An integrated approach to simulating behavioural processes: A case study of the lock-in of consumption patterns, in: Journal of Artificial Societies and Social Simulation, Jg. 2 (2), S. 1-23. JANSSEN, M. A./JAGER, W. (2003), Simulating Market Dynamics: Interactions between Consumer Psychology and Social Networks, in: Artificial life, Jg. 9 (4), S. 343-356. JENNER, T. (1999a), Markenführung als Lernprozess, in: Harvard Business Manager, (5), S. 20-28. JENNER, T. (1999b), Forum - Überlegungen zum strategischen Wandel in der Markenführung, in: Marketing, Jg. 21 (2), S. 149-159. JENSEN, M. C./MECKLING, W. H. (1976), Theory of the firm: managerial behavior, agency costs and ownership structure, in: Journal of Financial Economics, Jg. 3 (4), S. 305-360.

Literaturverzeichnis

327

JEWELL, R. D./UNNAVA, H. (2003), When Competitive Interference Can Be Beneficial, in: Journal of Consumer Research, Jg. 30 (3), S. 283-291. JEWELL, R. D. (2007), Establishing Effective Repositioning Communications in a Competitive Marketplace, in: Journal of Marketing Communications, Jg. 13 (4), S. 231-241. JIMENEZ-MARTIN, S./LADRÓN-DE-GUEVARA, A. (2007), Modeling consumption patterns in the attribute space: Theory and evidence of hybrid behavior, in: International Journal of Research in Marketing, Jg. 24 (2), S. 242-253. JOHNSON, R. M. (1984), ACA systems, Evanston, Ill. JOHNSON, R. M. (1974), Trade-off analysis of consumer values, in: Journal of marketing research, (15), S. 303-314. JUDSON, O. P. (1994), The rise of the individual-based model in ecology, in: Trends in Ecology & Evolution, Jg. 9 (1), S. 9-14. JUNGERMANN, H./ENGEMANN, A./ISERMANN-GERKE, M./MAY, R./RADTKE, M./SACHS, S. (1987), Die Erklärungskraft verschiedener Entscheidungs-Heuristiken im Vergleich: Ein Experiment und eine Simulation, in: Zeitschrift für experimentelle und angewandte Psychologie, Jg. 34 (2), S. 228-234. JUNGERMANN, H./PFISTER, H./FISCHER, K. (2005), Die Psychologie der Entscheidung, 2. Aufl., Heidelberg. KAMAKURA, W./SRIVASTAVA, R. (1986), An Ideal-Point Probabilistic Choice Model for Heterogenous Preferences, in: Marketing Science, Jg. 5 (3), S. 199-218. KAMINSKI, A. (2002), Logistik-Controlling: Entwicklungsstand und Weiterentwicklung für marktorientierte Logistikbereiche, 1. Aufl., Wiesbaden. KAPFERER, J./LAURENT, G. (1985), Measuring Consumer Involvement Profiles, in: Journal of Marketing Research, Jg. 22 (1), S. 41-53. KAPFERER, J. (2000), Strategic brand management: creating and sustaining brand equity long term, 1. ed., London. KAPFERER, J. (2003), Strategic brand management: creating and sustaining brand equity long term, 2. ed., London. KAUL, A./RAO, V. (1995), Research for product positioning and design decisions: An integrative review, in: International Research in Marketing, Volume12 (4), S. 293-320. KAWLATH, A. (1969), Theoretische Grundlagen der Qualitätspolitik, Wiesbaden. KELLER, K. L./STERNTHAL, B./TYBOUT, A. (2002), Three Questions You Need to Ask About Your Brand - A brand has to do more than just stand out. It has to fit in, too. A product's similarities to the competition are more important to consumers than many brand managers realize, in: Harvard Business Review, S. 80-87.

328

Literaturverzeichnis

KELLER, K. L. (2003), Strategic brand management: building, measuring, and managing brand equity, Upper Saddle River, New Jersey. KELLER, K. L. (2008), Strategic brand management: building, measuring, and managing brand equity, 3. Aufl., Upper Saddle River, New Jersey. KELLER, K. L. (1999), Corporate Strategy - Managing Brands for the Long Run: Effective Brand Reinforcement and Revitalization Strategies, in: California management review, Jg. 41 (3), S. 102-124. KEMP, J. (1999), Spontaneous Change, Unpredictability and Consumption Externalities, in: Journal of artificial Societies and Social Simulation, Jg. 2 (3), S. 1-23. KENT, R. J./KELLARIS, J. J. (1994), Competitive interference effects in memory for advertising: are familiar brands exempt? in: Journal of Marketing Communications, Jg. 58 (3), S. 97-105. KEON, J. (1983), Product Positioning: Trinodal Mapping of Brand Images, Ad Images, and Consumer Preference, in: Journal of Marketing Research, Jg. XX, S. 380-392. KLÜGL, F. (2001), Multiagentensimulation: Konzepte, Werkzeuge, Anwendungen, München. KLUSCH, M. (1998), Kooperative Informationsagenten im Internet, Hamburg. KÖHLER, R. (2001), Erfolgreiche Markenpositionierung angesichts zunehmender Zersplitterung der Zielgruppen, in: KÖHLER, R. (Hrsg.), Erfolgsfaktor Marke: neue Strategien des Markenmanagements, 1. Aufl., München, S. 45-62. KOHLI, A. K./JAWORSKI, B. (1990), Market Orientation; The construct, reserach propositions and managerial implications, in: Journal of Marketing, Jg. 54, S. 1-18. KOHLI, R./KRISHNAMURTI, R. (1987), A heuristic approach to product design, in: Management Science, Jg. 33 (12), S. 1523-1533. KOTLER, P./KELLER, K. L./BLIEMEL, F. (2007), Marketing-Management, 12. Aufl., München. KOTLER, P./KELLER, K. L. (2006), Marketing Management, 12. Aufl., New Jersey. KRIEGER, A. M./GREEN, P. E./WIND, Y. (2004), Adventures in Conjoint Analysis: A Practicioners Guide to Trade-Off Modeling and Applications, Wharton School, University of Pennsylvania. KROEBER-RIEL, W. *./ESCH, F. (2004), Strategie und Technik der Werbung: verhaltenswissenschaftliche Ansätze, 6. Aufl., Stuttgart. KROEBER-RIEL, W.*/WEINBERG, P. (2003), Konsumentenverhalten, 8. Aufl., München. KROEBER-RIEL, W./ESCH, F. (2000), Strategie und Technik der Werbung: Verhaltenswissenschaftliche Ansätze, 5. Aufl., Stuttgart [u.a.].

329

Literaturverzeichnis

KROEBER-RIEL, W./WEINBERG, P./GRÖPPEL-KLEIN, A. (2009), Konsumentenverhalten, 9. überarb. aktual. und erg. Aufl., München. KROEHL, H. (2000), Corporate Identity als Erfolgskonzept im 21. Jahrhundert, München. KRUGMAN, P. R. (1998), The self-organizing economy, Repr Aufl., Malden. KRUSKAL, J. B. (1964a), Multidimensional Scaling by Optimizing Goodness of Fit to Nonmetric Hypothesis, in: Psychometrika, Jg. 29 (1), S. 1-27. KRUSKAL, J. B. (1964b), Nonmetric Multidimensional Scaling: A numerical Method, in: Psychometrika, Jg. 29 (2), S. 115-129. KUEHN, A. A./HAMBURGER, M. J. (1963), A heuristic program for locating warehouses, in: Management Science, Jg. 9 (4), S. 643-666. KULLMANN, M. (2006), Strategisches Mehrmarkencontrolling, Wiesbaden. KURZWEIL, R. (1992), The age of intelligent machines, 1. Aufl., London. KUß, A./TOMCZAK, T./REINECKE, S. (2007), Marketingplanung: Einführung in die marktorientierte Unternehmens- und Geschäftsfeldplanung, 5. Aufl., Wiesbaden. KUß, A./TOMCZAK, T. (2007), Käuferverhalten, 4. Aufl., Stuttgart. LAMPERT, R. (2008), Markensympathie: Konzeptionelle Grundlagen und Determinanten, in: BAUER, H. H. (Hrsg.), Erfolgsfaktoren der Markenführung - Know-how aus Forschung und Management, München, S. 344-353. LANCASTER, K. J. (1966), A new approach to consumer theory, in: The Journal of Political Economy, Jg. 74 (2), S. 132-157. LANE, D./MAXFIELD, R. (1988), Foresight, Complexity, and Strategy, in: ANDERSON, P. W./ARROW, K. J./PINES DAVID, (Hrsg.), The economy as an evolving complex system: the proceedings of the Evolutionary Paths of the Global Economy Workshop, held September 1987 in Santa Fe, New Mexico, S. 169-198. LAROCHE, M./KIM, C./MATSUI, T. (2003), Which decision heuristics are used in consideration set formation? in: The Journal of Consumer Marketing, Jg. 20 (2-3), S. 192209. LAVINGTON, M. (1970), A Practical Microsimulation Model for Consumer Marketing, in: Operational Research Quarterly, Jg. 21, S. 25-45. LEE, J. K./SUDHIR, K./STECKEL, J. H. (2002), A Multiple Ideal Point Model: Capturing Multiple Preference Effects from Within an Ideal Point Framework, in: (Hrsg.), Journal of Marketing Research, Bd. 39 (1), S. 73-86. LEHRSTUHL FÜR 2, Bremen.

INNOVATIVES

MARKENMANAGEMENT (2007), Telekommunikationsstudie

LEVITA, D. J. (2002), Der Begriff der Identität, Gießen.

330

Literaturverzeichnis

LEWIN, K. /CARTWRIGHT, D. (1963), Field theory in social science: selected theoretical papers, 2. Aufl., London. LIEBMANN, H. (1996), Auf den Spuren der ''Neuen Kunden'', in: ZENTES, J./LIEBMANN, H. (Hrsg.), GDI Trendbuch Handel, Düsseldorf-München, S. 37-54. LILIEN, G. L./KOTLER, P./MOORTHY, K. S. (1992), Marketing models, Englewood Cliffs, NJ. LILIEN, G. L./KOTLER, P. (1983), Marketing decision making: A model-building approach, 1. Aufl., London. LIN, P. (2008), Optimal pricing, production rate, and quality under learning effects, in: Journal of Business Research, Jg. 61 (11), S. 1152-1159. LOUVIERE, J./STREET, D./BURGESS, L. (2005), A 20+ Years' Retrospective on Choice Experiments, in: WIND, Y./GREEN, P. E. (Hrsg.), Marketing research and modeling progress and prospects; a tribute to Paul E. Green, New York, S. 201-214. LUCE, B. (1961), A Choice theory Analysis of Similarity Judgements, in: Psychometrika, Jg. 26 (2), S. 151-164. LUCE, R./TUKEY, J. (1964), Simultaneous Conjoint Measurement: A new Type of Fundamental Measurement, in: Journal of Mathematical Psychology, Jg. 1, S. 1-27. LUCKIN, R./KOEDINGER, K. R. (2007), Artificial intelligence in education: building technology rich learning contexts that work, Amsterdam. LUGER, G. F./STUBBLEFIELD, W. A. (1993), Artifical intelligence: structures and strategies for complex problem solving, Redwood City, California. LUSSIER, D./OLSHAVSKY, R. (1979), Task complexity and contingent processing in brand choice, in: Journal of Consumer Research, Jg. 6, S. 154-165. MAGIN, S. (2004), Markenwahlverhalten, 1. Aufl., Wiesbaden. MAHONEY, J. T. (1995), The Management of Resources and the Resources of Management, in: Journal of Business Research, Volume 33 (2), S. 91-101. MALHOTRA, N. K. (1982), Multi-stage information processing behavior: An experimental investigation, in: Journal of the Academy of Marketing Science, Jg. 10 (1), S. 5471. MALONEY, P. (2008), Absatzmittlergerichtetes, identitätsbasiertes Markenmanagement, Wiesbaden. MARIA, K. A./ZITAR, R. A. (2007), Emotional agents: A modeling and an application, in: Information and software technology, Jg. 49 (7), S. 695-716. MARKS, U. G./ALBERS, S. (2001), Experiments in competitive product positioning: actual behavior compared to nash solutions, in: Schmalenbachs Business Review, Jg. 53 (3), S. 150-174.

Literaturverzeichnis

331

MASON, E. C. E. R. (1939), Price and Production Policies of Large Scale Enterprises, in: American Economic Review, Volum 29 (1), S. 61-74. MAYER, R. U. (1984), Produktpositionierung, Köln. MAZANEC, J./WIEGELE, O. J. (1977), Zum praktischen Einsatz von Positionierungsmodellen in der Produktpolitik, in: KÖHLER, R./ZIMMERMANN, HJ. (Hrsg.), Entscheidungshilfen im Marketing, Stuttgart, S. 46-60. MAZANEC, J. (2006), Evaluating perception-based marketing strategies, in: Journal of Modelling in Management, Jg. 1 (1), S. 52-74. MCFADDEN, D. (1986), The Choice Theory Approach To Market Reserach, in: Marketing Science, Jg. 5 (4), S. 275-297. MCGEE, J./THOMAS, H./PRUETT, M. (1995), Strategic groups and the analysis of market structure and industry dynamics, in: British Journal of Management, Jg. 6 (4), S. 257-270. MCNAMARA, G./DEEPHOUSE, D. L./LUCE, R. A. (2003), Competitive positioning within and across a strategic group structure: the performance of core secondary, and solitary firms, in: Strategic Management Journal, Jg. 24 (2), S. 161-181. MEFFERT, H./BURMANN, C./KIRCHGEORG, M. (2008a), Marketing: Grundlagen marktorientierter Unternehmensführung, 10. Aufl., Wiesbaden. MEFFERT, H./BURMANN, C. (2002), Theoretische Grundkonzept der identitätsorientierten Markenführung, in: MEFFERT, H./BURMANN, C./KOERS, M. (Hrsg.), Markenmanagement. Grundfragen der identitätsorientierten Markenführung, Wiesbaden, S. 73-98. MEFFERT, H./STEFFENHAGEN, H. (1977), Marketing-Prognosemodelle: quantitative Grundlagen des Marketing, Stuttgart. MEFFERT, H. (1971), Systemtheorie aus betriebswirtschaftlicher Sicht, in: SCHENK, K. (Hrsg.), Systemanalyse in den Wirtschafts- und Sozialwissenschaften, Berlin, S. 174206. MERRY, U. (1995), Coping with uncertainty: insights from the new sciences of chaos, self-organization, and complexity, Westport. MICHELS, P. (1992), Nichtparametrische Analyse und Prognose von Zeitreihen, Heidelberg. MIDGLEY, D./MARKS, R./KUNCHAMWAR, D. (2007), Building and assurance of agentbased models: An example and challenge to the field, in: Journal of business research, Jg. 60 (8), S. 884-893. MIKULECKY, D. (1995), Life, Complexity and the Edge of Chaos: Cognitive Aspects of Communication between cells and other components of living systems, http://griffin.vcu.edu/complex/mikulecky/rev.htm''>electonically. MILGRAM, S. (1969), Interdisciplinary thinking and the small world problem, in: SHERIF M., SHERIF C., Interdisciplinary Relationships in the Social Sciences S. 103-120.

332

Literaturverzeichnis

MILLER, J. H./PAGE, S. E. (2007), Complex adaptive systems, Princeton, NJ. MINSKY, M. (1986), The Society of Mind, 2. Aufl., New York. MÖLLER, K./ANTTILA, M. (1987), Marketing Capability - A Key Success Factor in Small Business? in: Journal of Marketing Management, Jg. 3 (2), S. 185-203. MOHR, J. J./SENGUPTA, S./SLATER, S. F. (2010), Marketing of high-technology products and innovations, 3. ed Aufl., Boston. MONSEF, Y. (1997), Modelling and simulation of complex systems: concepts, methods and tools, Erlangen [u.a.]. MOORE, W. L./ PESSEMIER, E. A./LITTLE, T. E. (1979), Predicting Brand Purchase Behavior: Marketing Application of the Schönemann and Wang Unfolding Model, in: Journal of Marketing Research, Jg. XVI S. 203-210. MOSER, M. (2003), United We Brand, Boston, Massachusetts. MÜHLBACHER, H./DREHER, A./GABRIEL-RITTER, A. (1996), Strategische PositionierungGrundpfeiler des Marketings in komplexen und dynamischen Umwelten, in: Die Betriebswirtschaft, Jg. 56 (1), S. 203-220. MÜLLER, H. J. (1993), Einführung, in: MÜLLER, J. (Hrsg.), Verteilte künstliche Intelligenz: Methoden und Anwendungen, Mannheim, S. 9-20. MÜLLER, M./SENSFUß, F./WIETSCHEL, M. (2007), Simulation of current pricingtendencies in the German electricity market for private consumption, in: Energy Policy, Jg. 35 (8), S. 4283-4294. MUZELLEC, L./LAMBKIN, M. (2006), Corporate rebranding: destroying, transferring or creating brand equity? - 2006, in: European Journal of Marketing, Jg. 40 (7/8), S. 803-824. NAGEL, M. (1996), Grafische Datenanalyse, Stuttgart. NAIR, S. K./THAKUR, L. S./WEN, K. (1995), Near optimal solutions for product line design and selection: Beam search heuristics, in: Management Science, Jg. 41 (5), S. 767-785. NARVER, J. C./SLATER STANLEY F., (1990), The Effect of Market Orientation on Business Profitability, in: Journal of Marketing, Jg. 54 (4), S. 20-35. NEUMANN, J. (1966), Theory of self-reproducing automata, Urbana. NEWELL, A./SIMON, H. A. (1972), Human problem solving, Englewood Cliffs, NJ. NEWELL, A. (1962), Some problems in basic organization in problem-solving, in: YOVITS, M. C./JACOBI, G. T./GOLDSTEIN, G. D. (Hrsg.), Conference on Self organizing Systems, Washington D.C., S. 393-423. NICHOLSON, C. F./KAISER, H. M. (2008), Dynamic market impacts of generic dairy advertising, in: Journal of Business Research, Jg. 61 (11), S. 1125-1135.

Literaturverzeichnis

333

NIESCHLAG, R./DICHTL, E./HÖRSCHGEN, H. (1997), Marketing, 18. Aufl., Berlin. NIESCHLAG, R./DICHTL, E./HÖRSCHGEN, H. (2002), Marketing, 19. überarb. und erg. Aufl., Berlin. NILSSON, N. J. (1991), Robotics and artificial intelligence, in: Journal of Experimental Theoretical Artificial Intelligence, Volume 9, 337-338. NITSCHKE, A. (2006), Event-Marken-Fit und Kommunikationswirkung, Wiesbaden. NOMMENSEN, J. N. (1990), Die Prägnanz von Markenbildern: Prüfung der Kommunikationsstrategie bei Produktrepositionierung, Heidelberg. NYLEN, D. W. (1990), Marketing decision-making handbook, Englewood Cliffs, NJ. O.V.

(2006), Unveröffentlichte Marktforschungsstudie, München.

OECHSLEIN, C. (2004), Vorgehensmodell mit integrierter Spezifikations- und Implementierungssprache für Multiagentensimulationen, Aachen. OLIVER, R. (1999), Whence Customer Loyalty? in: Journal of Marketing, Jg. 63, S. 3344. ORCUTT, G. H. (1960), Simulation of economic systems, in: The American economic review, Jg. 50 (5), S. 893-907. ORME, B./HUBER, J. (2000), FEATURES - Improving the Value of Conjoint Simulations - Adding variability to choice models can help shine a light on market behavior, in: Marketing research, Jg. 12 (4), S. 12-20. ORTONY, A./CLORE, G. L./COLLINS, A. (1999), The cognitive structure of emotions, Reprinted Aufl., Cambridge [u.a.]. OTTO, P. (2008), A system dynamics model as a decision aid in evaluating and communicating complex market entry strategies, in: Journal of Business Research, Jg. 61 (11), S. 1173-1181. PAPERT, S. (1972), Teaching Children Thinking, in: Programmed Learning And Education Techniques, Jg. 9, S. 245-255. PARASURAMAN, A./BERRY, L./ZEITHAML, V. (1991), Understanding Customer Expectations of service, in: Sloan Management Review, Jg. 32 (3), S. 39-48. PARFITT, J. H./COLLINS, B. J. K. (1968), Use of consumer panels for brand-share prediction, in: Journal of Marketing Research, Jg. 5 (2), S. 131-145. PARK, C. W./JAWORSKI, B. J./MACINNIS, D. J. (1986), Strategic brand concept-image management, in: Journal of Marketing, Jg. 50 (4), S. 135-145. PARKER, R./CHURCHILL, L. (1986), Positioning by Opening the consumer's Mind, in: International Journal of Advertising, Volume5 (2), S. 1-13.

334

Literaturverzeichnis

PAYNE, J. W./JOHNSON, E. J./BETTMAN, J. R./COUPEY, E. (1990), Understanding contingent choice: A computer simulation approach, in: IEEE Transactions on Systems, Man and Cybernetics, Jg. 20 (2), S. 296-309. PAYNE, J. W. (1993), The adaptive decision maker, Cambridge. PAYNE, J. W. (1976a), Task Complexity and Contingent Processing in Decision Making: An Information Search and Protocol Analysis, in: Organizational Behavior and Human Performance, Jg. 16, S. 366-387. PAYNE, J./BETTMAN, J./JOHNSON, E. (1997), The adaptive decision maker: Effort and accuracy in choice, in: GOLDSTEIN, W. M. (Hrsg.), Research on judgment and decision making - currents, connections, and controversies, Cambridge, S. 181-205. PEDHAZUR, E. J./SCHMELKIN, L. P. (1991), Measurement, design, and analysis: An integrated approach,NJ. PESSEMIER, E./BURGER, P./TEACH, R./TIGERT, D. (1971), Using laboratory brand preference scales to predict consumer brand purchases, in: Management Science, Jg. 17 (6), S. 371-385. PETERSMEIER, K. (2003), Kerndichte- und Kernregressionsschätzungen im Asset Management, Bad Soden /Ts. PETT, M. A./LACKEY, N. R./SULLIVAN, J. J. (2006), Making sense of factor analysis, Nachdr. Aufl., Thousand Oaks. PETTY, R. E./CACIOPPO, J. T./SCHUMANN, D. (1983), Central and peripheral routes to advertising effectiveness: The moderating role of involvement, in: Journal of Consumer Research, Jg. 10 (2), S. 135. PETTY, R. E./WEGENER, D. T./FABRIGAR, L. R. (1997), Attitudes and attitude change, in: Annual Review of Psychology, Jg. 48 (1), S. 609-647. POOLE, D. L./MACKWORTH, A. K./GOEBEL, R. (1998), Computational intelligence: a logical approach, New York. PORTER, M. E. (1985), Competitive advantage: creating and sustaining superior performance, New York. PORTER, M. E. (1979), The structure within industries and companies' performance, in: The Review of Economics and Statistics, Jg. 61 (2), S. 214-227. PORTER, M. E. (1991), Towards a dynamic theory of strategy, in: Strategic Management Journal, Jg. 12, S. 95-117. PORTER, M. E. (1996), What is Strategy? in: Harvard business review. - Boston, Jg. 74 (6), S. 62-78. PORTER, M. E. (2008), The five competitive forces that shape strategy, in: Harvard Business Review, Jg. 86 (1), S. 78-93.

Literaturverzeichnis

335

PORTER, M. (2006), Leader as Strategist - Gain and sustain a unique position, in: Leadership excellence, Jg. 23 (6), S. 6. RECKE, T. (2010): Die Bestimmung der Repositionierungsintensität - Ein Entscheidungsmodell auf Basis von semantischen Netzwerken zur Optimierung von Markenrepositionierungen, Wiesbaden, 2010 (im Druck). REEVES, R. (1961), Reality in advertising, 4. Aufl., New York. RICH, E./KNIGHT, K. (1991), Artificial intelligence, 2. Aufl., New York [u.a.]. RICHARDSON, G. P./PUGH, A. L. (1988), Introduction to system dynamics modeling with DYNAMO, 5 Aufl., Cambridge, Mass. RIES, A./TROUT, J. (1986), Positioning: the battle for your mind, 1. Aufl., New York. RIES, A./TROUT, J. (2001), Positioning: the battle for your mind, 20th anniversary ed., New York. RIGGER, W. (1995), Positioning in theory and practice: towards a research agenda, 24th EMAC Conference Proceedings. ROMANIUK, J. (2001), Brand Positioning in financial services: A longitudinal test to find the best brand position, in: Journal of Financial Services Marketing, Jg. 6 (2), S. 111121. ROOSDORP, A. (1998), Positionierungspflege: Phänomen, Herausforderungen und Konzept, St. Gallen. ROSEN, D. L./OLSHAVSKY, R. W. (1987), A protocol analysis of brand choice strategies involving recommendations, in: The Journal of Consumer Research, Jg. 14 (3), S. 440-444. ROSEN, S. (1974), Hedonic prices and implicit markets: product differentiation in pure competition, in: The journal of Political Rconomy, Jg. 82 (1), S. 34-55. ROTH, S. (1999), Positionierung und Interaktion, Wiesbaden. RÜHLI, E. (1994), Der resource-based view of strategy: Ein Impuls für einen Wandel im unternehmeungspolitischen Denken und Handeln? in: WUNDERER R. (Hrsg.), Unternehmerischer Wandel: Konzepte zur organisatorischen Erneuerung, Wiesbaden, S. 31-57. RUSSELL, S. J./NORVIG, P. (2003), Artificial intelligence: a modern approach, 2. ed., Upper Saddle River, NJ. RUSSELL, S./NORVIG, P. (2004), Künstliche Intelligenz, 2. Aufl., München. RUSSO, J. E./KRIESER, G./MIYASHITA, S. (1975), An effective display of unit price information, in: Journal of Marketing, Jg. 39 (2), S. 11-19. RUSSO, J. E. (1977), The value of unit price information, in: Journal of Marketing Research, Jg. 14 (2), S. 193-201.

336

Literaturverzeichnis

RUSSO, J./DOSHER, B. (1983), Strategies of multiattribute binary choice, in: Journal of Experimental Psychology, Nr. 9, S. 676-696. RUYTER, K. D./BLOEMER, J./PEETERS, P. (2001), Merging service quality and service satisfaction: An empirical test of an integrative model, in: Journal of Economic Psychology, Jg. 18 (4), S. 387-406. RYAN, P./MORONEY, M./GEOGHEGAN, W./CUNNINGHAM, J. (2007), A Framework for a Strategic Repositioning Strategy: A Case Study of Bulmers Original Cider, in: The Irish Journal of Management, S. 81-102. SAUNDERS, J./JOBBER, D. (1994a), Product Replacement: Strategies for Simultaneous Product Deletion and Launch, in: The journal of Product Innovation Management, Jg. 11 (5), S. 433-450. SCHENK, T. A./LÖFFLER, G./RAUH, J. (2007), Agent-based simulation of consumer behavior in grocery shopping on a regional level, in: Journal of Business Research, Jg. 60, S. 894-903. SCHIFFMAN, L. G./KANUK, L. L. (2007), Consumer behavior, 9. ed Aufl., Upper Saddle River, NJ. SCHIFFMAN, L. G. (2001), Consumer behaviour, Australia ed. SCHMIDT, B. (2000), SIMPLEX 3, Ghent. SCHMIDT, H./SCHISCHKOFF, G. (1991), Philosophisches Wörterbuch, 22. Aufl., Stuttgart. SCHNELL, R./HILL, P. B./ESSER, E. (2005), Methoden der empirischen Sozialforschung, 7 Aufl., München. SCHOBERT, R. (1979), Die Dynamisierung komplexer Marktmodelle mit Hilfe von Verfahren der mehrdimensionalen Skalierung, Berlin. SCHÖNEMANN, P. H./WANG, M. W. (1971), An Individual Difference Model For the Multidimensional Analysis of Preference Data, in: Psychometrika, Jg. 37 (3), S. 275-309. SCHREIBER, D. (2003), Validating Agent-Based Models: From Metaphysics to Applications, UCLA.

SCHREIBER, U. (1973), Psychologische Marktsegmentierung mit hilfe multivariater Verfahren, München. SCHUBERT, B. (1991), Entwicklung von Konzepten für Produktinnovationen mittels Conjointanalyse, Stuttgart. SHEPARD, R. N. (1962a), The Analysis of Proximities: Multidimenional Scaling with an unknown distance Function I, in: Psychometrika, Jg. 27 (2), S. 125-140.

Literaturverzeichnis

337

SHEPARD, R. N. (1962b), The Analysis of Proximities: Multidimenional Scaling with an unknown distance Function I, in: Psychometrika, Jg. 27 (2), S. 125-140. SHOCKER, A. D./BEN-AKIVA, M./BOCCARA, B./NEDUNGADI, P. (1991), Consideration set influences on consumer decision-making and choice: issues, models, and suggestions, in: Marketing Letters, Jg. 2 (3), S. 181-197. SHOCKER, A. D./SRINIVASAN, V. (1974), A consumer-based methodology for the identification of new product ideas, in: Management science, Jg. 20 (6), S. 921-937. SHOCKER, A. D./SRINIVASAN, V. (1979), Multiattribute approaches for product concept evaluation and generation: a critical review, in: Journal of Marketing Research, Jg. 16 (2), S. 159-180. SHOSTACK, G. L. (1987), Service positioning through structural change, in: Journal of Marketing, Jg. 51 (1), S. 34-43. SHUGAN S M; BALACHANDRAN,/BALACHANDRAN, V. (1977), A Mathematical Programming Model For Optimal Product Line Structuring, University of Rochester. SHUGAN, S. (1980), The cost of thinking, in: Journal of Consumer Research, Jg. 7, S. 99-111. SILBERER, G. (1998), Die Stimmung als Werbewirkungsfaktor, Göttingen. SIMON, H. A. (1955), A behavioral model of rational choice, in: The quarterly journal of economics, Jg. 69 (1), S. 99-118. SIMONSON, I. (1989), Choice based on reasons: The case of attraction and compromise effects, in: Journal of Consumer Research, Jg. 16 (2), S. 158. SLOVIC, P./LICHTENSTEIN, S. (1971), Comparison of Bayesian and Regression Approaches to the Study of Information Processing in Judgment, in: Organizational Behavior and Human Performance, Jg. 6, S. 649-744. SPIEGEL, B. (1961), Die Struktur der Meinungsverteilung im sozialen Feld: das psychologische Marktmodell, Bern. STEFFENHAGEN, H. (2004), Marketing, 5. Aufl., Stuttgart. STEINER, W. J./HRUSCHKA, H. (2002), Produktliniengestaltung mit genetischen Algorithmen, in: Schmalenbachs Zeitschrift für betriebswirtschaftliche Forschung, Verl. Gruppe Handelsblatt, Jg. 54 (7), S. 575-601. STEINER, W./HRUSCHKA, H. (2005), Heuristiken in der Produktpolitik, in: HOLZMÜLLER, H./SCHUH, A. (Hrsg.), Innovationen im sektoralen Marketing - Festschrift zum 60. Geburtstag von Fritz Scheuch, Heidelberg, S. 163-181. STEPHAN, A. (2007), Emergenz: von der Unvorhersagbarkeit zur Selbstorganisation, 3. Aufl., Paderborn. STUART, H./MUZELLEC, L. (2004), Corporate makeovers: Can a hyena be rebranded? in: The journal of brand management, Jg. 11 (6), S. 472-482.

338

Literaturverzeichnis

SUDHARSHAN, D./MAY, J. H./GRUCA, T. (1988), DIFFSTRAT: An analytical procedure for generating optimal new product concepts for a differentiated-type strategy, in: European Journal of Operational Research, Jg. 36, S. 50-65. SUNDERMEYER, K. (1993), Modellierung von Agentensystemen, in: MÜLLER, J. (Hrsg.), Verteilte künstliche Intelligenz: Methoden und Anwendungen, Mannheim, S. 22-44. TAKANE, Y./YOUNG, F. W./DE LEEUW, J. (1977), Nonmetric individual differences multidimensional scaling: An alternating least squares method with optimal scaling features, in: Psychometrika, Jg. 42 (1), S. 7-67. TEICHERT, T. (2000), Conjoint-Analyse, in: HERRMANN, A./HOMBURG, C. (Hrsg.), Marktforschung - Methoden, Anwendungen, Praxisbeispiele, 2. aktualisierte Aufl., Wiesbaden, S. 470-511. TESFATSION, L. (1997), How Economists can get Alife, in: ARTHUR, W. B./DURLAUF, S. N./LANE, D. A. (Hrsg.), The economy as an evolving complex system, Wesley Massachusetts, S. 533-564. TESFATSION, L. (2006), Agent-based Computational Economics: A constructive Approach to Economic Theory, in: TESFATSION, L./JUDD, K. L. (Hrsg.), Agent-based computational economics, 1. ed., Amsterdam. THOMAS, R. (1992), Interpreting Discriminant Functions A Data Analytic Approach, in: Multivariate Behavioral Research, Jg. 27 (3), S. 335-362. TIDD, J./BESSANT, J. R. (2009), Managing innovation, 4. ed., Chichester. TIEBOUT, C. (1956), A pure theory of local public expenditures, in: Journal of Political Economy, Jg. 64 (5), S. 416-424. TOMCZAK, T./ROOSDORP, A. (1996), Positionierung - Neue Herausforderungen verlangen neue Ansätze, in: TOMCZAK, T./RUDOLPH, T./ROOSDORP, A. (Hrsg.), Positionierung Kernentscheidung des Marketing, St. Gallen. TORGERSON, W. S. (1952), Multidimensional Scaling: I. Theory and Methods, in: Psychometrika, Jg. 17 (4), S. 401-419. TROITZSCH, K. G. (1990), Modellbildung und Simulation in den Sozialwissenschaften [Hauptbd.], Opladen. TROITZSCH, K. G. (2003), Simulation in den Sozialwissenschaften, in: ORTH, B. (Hrsg.), Soziologische Forschung: Stand und Perspektiven, Opladen, S. 353-363. TROITZSCH, K. (1996), Multilevel Simulation, in: TROITZSCH, K. G./MUELLER, U./GILBERT, N./DORAN, J. (Hrsg.), Social science microsimulation - with 20 tables, Berlin, S. 107 - 123. TROMMSDORF, V./ASAN, U./BECKER, J. (2004), Marken- und Produktpositionierung, in: BRUHN, M. (Hrsg.), Handbuch Markenartikel - Anforderungen an die Markenpolitik aus Sicht von Wissenschaft und Praxis, Stuttgart, S. 541-570.

Literaturverzeichnis

339

TROMMSDORF, V. (2007), Produktpositionierung, in: ALBERS, S./HERRMANN, A. (Hrsg.), Handbuch Produktmanagement (clone) - Strategieentwicklung - Produktplanung Organisation - Kontrolle, 3. Aufl., Wiesbaden, S. 343-361. TROMMSDORFF, V. (1975), Die Messung von Produktimages für das Marketing: Grundlagen und Operationalisierung, Köln. TROMMSDORFF, V. (2004), Konsumentenverhalten, 6. Aufl., Stuttgart. TROMMSDORFF, V. (2009), Konsumentenverhalten, 7. vollst. überarb. und erw. Aufl., Stuttgart. TROUT, J. (1969), ''Positioning'' is a game people play in today’s me-too market place, in: Industrial Marketing, Jg. 54 (6), S. 51-55. TSE, D. K./WILTON P C., (1988), Models of Consumer satisfaction Formation: An Extension, in: Journal of Marketing Research, Jg. 25 (May), S. 296-304. TVERSKY, A. (1972), Elimination by aspects: a theory of choice, in: Psychological Review, Jg. 79, S. 281-299. TWOMEY, P./CADMAN, R. (2002), Agent-based modelling of customer behaviour in the telecoms and media markets, in: Information, Jg. 4 (2), S. 56-63. UEKERMANN, F. (2009), Bildung neuer automobiler Segmente aus Kundensicht, St. Gallen. URBAN, C. (2005), Das Referenzmodell PECS: agentenbasierte Modellierung menschlichen Handelns, Entscheidens und Verhaltens, Passau. URBAN, G. L. (1975), Perceptor: a model for product positioning, in: Management science, (Md), S. 858-871. VAG, A. (2007), Simulating changing consumer preferences: A dynamic conjoint model, in: Journal of Business Research. - New York, Jg. 60 (8), S. 904-911. VEBLEN, T. (1899), The theory of the leisure class, London. VERSHOFEN, W. (1950), Wirtschaft als Schicksal und Aufgabe, 1. Aufl., Wiesbaden. VON WINTERFELDT, D./EDWARDS, W. (1982), Costs and payoffs in perceptual research, in: Psychological Bulletin, Jg. 91 (3), S. 609-622. WALSH, G. (2002), Konsumentenverwirrtheit als Marketingherausforderung, 1. Aufl., Wiesbaden. WANSINK, B./GILMORE, J. M. (1999), OBSERVATIONS - New Uses That Revitalize Old Brands - How do you craft a new usage campaign that increases both brand equity and sales? Two studies show how to find new uses for products and how to most effectively advertise them, in: Journal of Advertising Research, Jg. 39 (2), S. 90-99. WATTS, D./STROGATZ, S. (1998), Collective dynamics of 'small-world' networks, in: Nature, Jg. 393 (6684).

340

Literaturverzeichnis

WEINHOLD-STÜNZI, H. (1996), Marktobjekte optimal positionieren, in: TOMCZAK T; RUDOLPH,/RUDOLPH, T./ROOSDORP, A. (Hrsg.), Positionierung - Kernentscheidung des Marketing, 1. Aufl., S. 44-58. WEISBUCH, G. (1994), Complex systems dynamics, 2. Aufl., Reading. WEISS, G. (1999), Multiagent systems, Cambridge. WEIZSÄCKER, E. U. V. (. (1986), Beiträge zur Zeitstruktur von Information, Entropie und Evolution: Klett-Cotta, 1986, 2 Aufl., Stuttgart. WELLING, M. (2003), Bausteine einer integrierten image- und identitätsorientierten Markenführung als Beitrag zur Markentheorie, Bochum. WELLING, M. (2006), Ökonomik der Marke: ein Beitrag zum Theorienpluralismus in der Markenforschung, 1. Aufl., Wiesbaden. WERNERFELT, B. (1995), The Resource-Based View of the Firm: Ten Years After, in: Strategic management journal, Jg. 16 (3), S. 171-174. WILENSKY, U. (1999), Netlogo, in: www.netlogo.org. WIND, Y. (1982), Product policy: concepts, methods, and strategy, Reading. WIND, Y. (1990), Positioning Analysis and Strategy, in: DAY, G. S./WEITZ, B./WENSLEY, R. (Hrsg.), The interface of marketing and strategy, Greenwich, S. 387-412. WINSTON, P. H. (1992), Artificial intelligence, 3. Aufl., Reading. WIRTZ, B. W./SALZER, E. (2001), IPO-Management: Strukturen und Erfolgsfaktoren, Wiesbaden. WITTINK, D./VRIENS, M./BURHENNE, W. (1994), Commercial use of conjoint analysis in Europe: Results and critical reflections, in: International Journal of Research in Marketing, Volume 11, S. 41-52. WOLF, J. (2008), Organisation, Management, Unternehmensführung, 3., vollständig überarbeitete und erweiterte Auflage Aufl., Wiesbaden. WOOLDRIDGE, B./FLOYD, S. W. (1990), The Strategy Process, Middle Management Involvement, And Organizational Performance, in: Strategic Management Journal, Jg. 11 S. 231-241. WOOLDRIDGE, M. J. (2005), An introduction to multiagent systems, 2. Aufl., Chichester. WOOLDRIDGE, M./JENNINGS, N. R. (1995), Intelligent agents: theory and practice, in: The knowledge engineering review, Jg. 10 (2), S. 115-152. WOOLDRIDGE, M. (2000), Intelligent Agents, in: WEISS, G. (Hrsg.), Multiagent systems: a modern approach to distributed artificial intelligence, 2. Aufl., Cambridge, S. 27-77.

Literaturverzeichnis

341

WRIGHT, P. (1975), Consumer choice strategies: simplifying vs. optimizing, in: Journal of marketing research, Jg. 12 (1), S. 60-67. WÜNSCHMAN, S./MÜLLER, S. (2008), Markenvertrauen ein vernachlässigter Erfolgsfaktor, in: BAUER, H. H. (Hrsg.), Erfolgsfaktoren der Markenführung - Know-how aus Forschung und Management, München, S. 382-391. YAKIMOVA, R./BEVERLAND, M. (2005), The brand-supportive firm: An exploration of organisational drivers of brand updating, in: The Journal of Brand Management, Jg. 12 (6), S. 445-460. YING, J./MENG, S. (2009), Recommendation and repurchase intention thresholds: a joint heterogeneity response estimation, in: International Journal of Research in Marketing, Jg. 26, S. 2454-255. ZAICHKOWSKY, L. (1985), Measuring the involvement construct, in: Journal of Consumer Research, Jg. 12 (3), S. 341-352. ZALTMAN, G./WALLENDORF, M. (1983), Consumer behavior: basic findings in marketing, 2. Aufl., New York [u.a.]. ZATLOUKAL, G. (2002), Erfolgsfaktoren von Markentransfers, Wiesbaden. ZEDNIK, A./STREBINGER, A. (2005), Marken-Modelle der Praxis: Darstellung, Analyse und kritische Würdigung, 1. Aufl., Wiesbaden. ZEITHAML, V. A./BERRY, L. L./PARASURAMAN, A. (1993), The Nature and Determinants of Customer Expectations of Service, in: Journal of the Academy of Marketing Science, Jg. 21 (1), S. 1-12. ZELENY, M. (1976), The Theory of the displaced ideal, in: ZELENY, M. (Hrsg.), Multiple criteria decision making, Kyoto, 1975, S. 153 ff. ZEPLIN, S. (2006), Innengerichtetes identitätsorientiertes Markenmanagement, Wiesbaden. ZHA, X. F. (2007), Artificial intelligence and integrated intelligent information systems, Hershey, Pa. ZHANG, T./ZHANG, D. (2007), Agent-based simulation of consumer purchase decisionmaking and the decoy effect, in: Journal of business research, Jg. 60., S. 912-922. ZIMBARDO, P. G./HOPPE-GRAFF, S. (1995), Psychologie, 6 Aufl., Berlin. ZIMMERMANN, W. (1997), Operations Research, 8. Aufl., München.