Zusammenfassung
Das in Kapitel III skizzierte Modell einer internationalen Marktsegmentierung im Automobilmarketing soll im folgenden in die Praxis umgesetzt werden. Zielsetzung ist dabei, die Vorgehensweise zu verdeutlichen und Lösungsversuche für die vorher angeführten Problembereiche aufzuzeigen. Da es sich bei der Erhebung um reale Daten handelt, wird damit gleichzeitig ein Beitrag zur internationalen Konsumentenforschung geleistet.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
vgl. Fröhling, O. (1994): “Verbesserungsmöglichkeiten und Entwicklungsperspektiven von Conjoint+Cost”, in: ZfB, Nr. 9, S. 1143–1164
vgl. Schubert, B. (1991): “Entwicklung von Konzepten fir Produktinnovationen mittels Conjoint Analyse”, a.a.O., S. 178
vgl. Weisenfeld, U. (1989): “Die Einflüsse von Verhaltensvariationen und der Art des Kaufentscheidungsprozesses auf die Reabilität der Ergebnisse der Conjoint Analyse”, Berlin, S. 156
vgl. Wittink, D.R., Krishnamurthi, L., Reibstein, D.J. (1989): “The Effect of Differences in the Number of Attribute Levels on Conjoint Results”, in: Marketing Letters Nr. 4
vgl. Sawtooth Software (Hrsg.): ACA 4.0 Systemhandbuch, Ketchum 1994
vgl. Pras, B. (1975): “Issues in Identifying determinant attributes”, in: der Markt, Nr. 55, S. 72–77
vgl. Green, P.E., Srinivasan, V. (1978): “Conjoint Analysis in Consumer Research: Issues and Outlook”, in: Journal of Consumer Research, September, S. 103–123
vgl. Backhaus, K., Erichson, B., Plinke, W., Weiber, R. (1990): “Multivariate Analyseverfahren”, 6. Aufl., Berlin u.a., S. XV; Beane, T.P., Ennis, D.M. (1987): “Market Segmentation: A Review”, in: European Journal of Marketing, Nr. 5, S. 27–35; Freter, H. (1983): “Marktsegmentierung”, S. 100–108
vgl. Beane, T.P., Ennis, D.M. (1987): “Market Segmentation: A Review”, a.a.O., S. 29 oder Doyle, P., Hutchinson, P. (1976): “The Identification of Target Markets”, in: Decisions Sciences, Nr. 7, S. 152–161
Zur näheren Beschreibung der Clusteranalyse siehe u.a. Backhaus, K. et aI. (1990): “Multivariate Analyseverfahren”, a.a.O., S. 115–159, Steinhausen, D. (1977): “Clusteranalyse”, Berlin/New York; Späth, H. (1977): “Cluster-Analsyse-Algorithmen zur Objektklassifizierung und Datenreduktion”, 2. Aufl., München/Wien
Zu einer ausfiihrlichen Darstellung über die verschiedenen Fusionsalgorithmen bzw. der Proximitätsmaße siehe Green, P.E., Tull, D.S., Albaum, G. (1988): “Research for Marketing Decisions”, 5. Aufl., Englewood Cliffs, S. 577–595
Am bekanntesten sind hier das Single-Linkage, das Complete-Linkage und das Ward-Verfahren. Vgl. Backhaus, K. et al. (1990): “Multivariate Analyseverfahren”, a.a.O., S. 134
Johnson, der Begründer des CCA-Ansatzes, verweist anhand von Beispielen in der Dokumentation der Software auf die hohe Reliabilität und Validität von CCA. Die Reliabilität wird durch die Höhe der jeweiligen Reproduzierbarkeitsrate ausgewiesen. Selbst bei 6 Cluster-Lösungen mit 10 Variablen wird eine durchschnittliche Reproduzierbarkeit von über 65% genannt. Die Validität kann durch den Vergleich der durchschnittlichen Reproduzierbarkeit pro n Clusterlösungen mit der durchschnittlichen Erkennungsrate von vor der Clusteranalyse bereits bekannten Datenstrukturen (sogn. “True Clusters”) bestimmt werden. Bei sechs bekannten Clustern lag die Reproduzierbarkeitsrate bei 91%, während die wahre Struktur des Datensatzes zu 93% aufgedeckt werden konnte. Diese Angaben verdeutlichen die hohe Validität und Reliabilität des CCAAnsatzes. Vgl. Johnson, R.M. (1988): “Convergent Cluster Analysis”, Sawtooth Software, Ketchum, S. 19–23
vgl. Schweild, H. (1985): “Computergestützte Präferenzanalyse mit individuell wichtigen Produktmerkmalen”, a.a.O., S. 73
Die aus den Nutzenwerten abgeleitete Wichtigkeit, auch als Sensitivität bezeichnet, drückt für jede Produkteigenschaft aus, wie stark der Einfluß auf das Präferenzverhalten für das gesamte Merkmal varriiert werden kann, unabhängig von jeweiligen Ausprägungen des Merkmals. Die Wichtigkeit wird über die Differenz zwischen dem höchsten und dem geringsten Teilnutzenwert der Ausprägungen eines Merkmales oder Attributes (Spannweite) in bezug zur Summe aller Differenzen aller Merkmale berechnet. Vgl. Stadler, K. (1993): “Conjoint Measurement”, a.a.O., S. 35
Die Diskriminanzanalyse ist - wie bereits erläutert - ein multivariates Verfahren zur Analyse von Gruppenunterschieden. In diesem Fall werden die ermittelten Clusterlösungen als vorgegebene Gruppen verwandt und simultan hinsichtlich der clusterbildenden Variablen untersucht. Als abhängige Variable geht die Clusterlösung ein, als unabhängige Variablen die clusterdefinierenden Kriterien. Als Ergebnis erhält man eine Klassifikationsmatrix, die angibt, wieviel Prozent aller Fälle der ermittelten Clusterlösung zugeordnet werden können. Je höher der jeweilige Wert ist, desto höher ist auch die Güte der Clusterlösung zu beurteilen. Vgl. Backhaus et. al. (1990): “Multivariate Analyseverfahren”, a.a.O., S. 162 ff.
Ein Kriterium zur Beurteilung der Homogenität einer gefundenen Gruppe stellt der F-Wert dar, der sich für jede Variable berechnen läßt. Ein hoher F-Wert weist darauf hin, daß diese Variable besonders stark zwischen den einzelnen Clustern trennt. Zur Berechnung des F-Wertes siehe Brosius, G., Brosius, F. (1995): “SPSS-Base System und Professional Statistics”, Bonn u.a., S. 420 ff.
Über die Möglichkeit, auf Basis der Teilnutzenwerte Akzeptanz-und Wahlsimulationen durchführen zu können, berichten u.a. Green, P.E., Carrot, J.D., Goldberg, S.D. (1981): “A general Approach to Product Design Optimization via Conjoint Analysis”, in: Journal of Marketing, Nr. 3, S. 17–37 bzw. Cattin, P., Wittink, D.R. (1982): “Commercial Use of Conjoint Analysis: A Survey”, in: Journal of Marketing, Summer, S. 44–53 und Stadler, K. (1993): “Conjoint Measurement”, a.a.O., S. 38
Als Außenkriterium wird in der Regel eine Variable mit verschiedenen alternativen Ausprägungen. d.h. in diesem Fall verschiedenen Kategorien, gewählt. Vgl. Stadtler, K. (1980): “Die Datenanalyse in der empirischen Forschung, Planung und Programme, Praxis”, Mönchen, S. 25 ff.
vgl. Böhler, H. (1970): “Methoden und Modelle der Marktsegmentierung”, a.a.O., S. 170
vgl. o.V. (1995): “Sensus Trade-Off’, in: Skim-Newsletter, Nr. 1, S. 1
Rights and permissions
Copyright information
© 1997 Betriebswirtschaftlicher Verlag Dr. Th. Gabler GmbH, Wiesbaden
About this chapter
Cite this chapter
Heise, G. (1997). Empirische Untersuchungen. In: Internationale Marktsegmentierung im Automobilmarketing. Forum Marketing. Deutscher Universitätsverlag, Wiesbaden. https://doi.org/10.1007/978-3-322-95420-6_5
Download citation
DOI: https://doi.org/10.1007/978-3-322-95420-6_5
Publisher Name: Deutscher Universitätsverlag, Wiesbaden
Print ISBN: 978-3-8244-6469-2
Online ISBN: 978-3-322-95420-6
eBook Packages: Springer Book Archive