Unsere Philosophie 5. Multivariate Verfahren 6. (Multiple) Korrelationsanalyse 7. Qualitative Methoden 10. Executive Summary 10

Transkript

1

2

3 INHALTSVERZEICHNIS Unsere Philosophie 5 Signifikanzanalyse 6 Multivariate Verfahren 6 (Multiple) Korrelationsanalyse 7 Regressionsanalyse 7 Faktorenanalyse 8 Clusteranalyse 8 Korrespondenzanalyse 9 Treiberanalyse 9 Qualitative Methoden 10 Executive Summary 10 Infografiken 10 Präsentation vor Ort 10 Medienbeobachtung 11

4

5 Unsere Philosophie: MODULARE LEISTUNGSPAKETE Für uns sind AuftraggeberInnen stets Personen und Unternehmen mit individuellen Anforderungen, Zielsetzungen und Hintergründen. Sie unterscheiden sich schließlich nicht nur in den zu bearbeitenden Themen und Fragestellungen, sondern auch in ihrem Vorwissen zu einem Sachverhalt, anzusprechenden Zielgruppen sowie Budgets und zeitlichen Ressourcen. Bereits hier wird ersichtlich, dass sich Studienprojekte in ihrer Konzeption, Durchführung, Auswertung und Interpretation hinsichtlich Aufwand und Komplexität stark unterscheiden können. Um diesen spezifischen Anforderungen bestmöglich gerecht zu werden, setzen wir bei unserem Leistungsangebot auf ein modulares System. Auf diese Weise bieten wir unseren Auftraggebern hohe Flexibilität bei der Auswahl von Leistungspaketen und können maßgeschneiderte, faire Lösungen liefern. Wir wollen, dass jeder Kunde die Leistungen und Studienerkenntnisse erhält, die er wirklich benötigt und auch verwerten kann. Zwangsbeglückung? Ist nicht unser Ding. In diesem Folder stellen wir unsere Zusatzmodule vor, welche dabei helfen, die Effizienz Ihrer Studie und die Menge an Insights zu erhöhen. Wir beraten Sie gerne bei der Auswahl der Module und besprechen mit Ihnen, welche zusätzlichen Optionen für Sie und Ihre Anforderungen möglich beziehungsweise sinnvoll sind. WARUM ZUSATZMODULE Zusammenhänge identifizieren, analysieren und verstehen, Trends erkennen und Prognosen erstellen. Wissen, wo man investieren muss und an welchen Stellen man den Ressourceneinsatz reduzieren kann, ohne nennenswerte negative Effekte zu riskieren. Diese Erkenntnisse sind ein essentieller Bestandteil und notwendige Voraussetzung für strategische unternehmerische Entscheidungen. Beschreibende Kennzahlen (Mittelwerte, Häufigkeiten etc.), so genannte deskriptive Statistiken, geben einen wichtigen Überblick über die gewonnenen Daten. Allerdings verleiten sie manchmal zu voreiligen Schlüssen oder beantworten die Ausgangsfragestellung nicht hinreichend. Beschreibende Kennzahlen stellen somit nicht immer eine ausreichende und sichere Basis für strategische Entscheidungen dar. Will man Feinheiten und entscheidende Details erfassen, lohnt es sich, tiefer in einen Datensatz zu blicken und Ergebnisse in einem breiteren Rahmen zu betrachten. Signifikanzanalysen sowie multivariate und qualitative Analyseverfahren liefern beispielsweise zusätzliche, aussagekräftige Kennwerte. Verfahren wie diese ermöglichen eine genauere und vielseitigere Analyse von Abhängigkeitsstrukturen der interessierenden Merkmale. Ein weiteres Faktum ist, dass Ergebnisse einer Studie in der Regel in Form zahlreicher Kennwerte, Tabellen und Diagramme dargestellt werden. Sehr leicht kann man hier den Blick für das Wesentliche verlieren. Je nach Umfang und Komplexität der gewonnenen Daten bietet es sich daher an, mit entsprechenden Methoden Licht ins Dunkel zu bringen und die Dateninterpretation und -verwertung zu erleichtern. Angesichts des hohen Aufwandes, der hinter der Durchführung, Auswertung und Präsentation von Studien steckt, ist es sehr schade und ineffizient, wenn die Ergebnisse aufgrund der Menge an Daten in der Schublade verschwinden. Daher unterstützen wir unsere Kunden dabei, ihre Ergebnisse besser zu verwerten, ansprechend zu visualisieren und bei Bedarf die mediale Berichterstattung zu beobachten. Upgrade your Research 5

6 ZUSATZMODULE IM ÜBERBLICK Marketagent.com stellt verschiedene zusätzliche Module zu Verfügung. Diese betreffen zum einen die Auswertung und Analyse und zum anderen die Berichterstattung und Visualisierung von Studienergebnissen. ZUSATZMODULE IM DETAIL Signifikanzanalyse Mit einer Signifikanzanalyse lässt sich untersuchen, ob sich in der Stichprobe beobachtete Zusammenhänge, Unterschiede oder Veränderungen auf eine Grundgesamtheit generalisieren lassen. Ein signifikantes Ergebnis liefert einen Hinweis für das Zusammenwirken von Merkmalen (z. B. Geschlecht und Konsumhäufigkeit von X). Zu beachten ist, dass Signifikanz kein Beweis für einen beobachteten Effekt ist und nicht als wichtig, groß oder bedeutsam interpretiert werden darf. Eine Befragung führt zu dem Ergebnis, dass Frauen im Durchschnitt 50 Mal im Jahr X konsumieren, Männer im Schnitt 41 Mal. Wie sind diese unterschiedlichen Mittelwerte zu interpretieren? Die Signifikanzanalyse liefert einen ersten Hinweis darüber, ob der in der Stichprobe beobachtete Geschlechterunterschied einer (noch unbekannten) Systematik folgt ( Unterschied ist signifikant ) oder eher durch Zufall ( Unterschied ist nicht signifikant ) zustande gekommen sein könnte. Multivariate Verfahren Statistische Analyseverfahren und die ansprechende transparente Datenpräsentation gehören zum Handwerkszeug der empirischen Markt-, Meinungs- und Sozialforschung. In vielen Fällen werden die Ergebnisse in Form beschreibender Kennzahlen (z. B. Prozentwerte, absolute Häufigkeiten, Mittelwerte) dargestellt. Mit zunehmender Komplexität der Studien ist es jedoch manchmal nicht ausreichend, sich bei der Auswertung und Analyse der Daten auf rein deskriptive Statistiken zu beschränken. Sie bleiben eher nur an der Oberfläche eines Datensatzes, sodass zentrale oder tiefergehende Erkenntnisse leicht verborgen bleiben. Rein deskriptive Kennwerte können der Komplexität eines Sachverhalts somit nicht in jedem Fall gerecht werden und Ausgangsfragestellungen nicht hinreichend beantworten. Hier schaffen multivariate Verfahren Abhilfe. Die multivariate Datenanalyse bedient sich unterschiedlichster statistischer Verfahren, die sich, grob gesprochen, abhängig von der Komplexität der Verfahren und der Anzahl der einbezogenen Untersuchungsvariablen unterscheiden. Während einfache univariate oder bivariate Analyseverfahren eine bis maximal zwei Variablen im Fokus haben, können multivariate Analysemethoden gleichzeitig mehrere Variablen untersuchen. Der entscheidende Vorteil liegt hier in einem deutlich höheren Informationsgehalt. 6 Upgrade your Research

7 (Multiple) Korrelationsanalyse Häufig stellt sich die Frage, ob und wenn ja, wie stark zwei oder mehr Variablen miteinander zusammenhängen. Hier setzt die Korrelationsanalyse an, welche die Stärke eines Zusammenhanges sowie dessen Richtung ermittelt. Die Richtung gibt darüber Auskunft, ob sich Variablen gleichgerichtet (z. B. je mehr, desto höher ) oder entgegengesetzt (z. B. je mehr, desto niedriger ) verändern. Zu beachten ist, dass Korrelationsanalysen keine kausalen Schlussfolgerungen erlauben. Aussagen, wie etwa Variable X beeinflusst Variable Y sind nicht zulässig, da eine Beeinflussung auch in die entgegengesetzte Richtung (Variable Y beeinflusst Variable X) oder durch andere, noch unbekannte oder unberücksichtigte Einflussfaktoren möglich ist. Aussagen über Ursache-Wirkungs-Zusammenhänge dieser Art lassen sich besser durch Regressionsanalysen (siehe Punkt Regressionsanalysen ) treffen. Folgende beispielhafte Fragestellungen können mit der Korrelationsanalyse beantwortet werden: Gibt es einen Zusammenhang zwischen dem Alter und der Konsumhäufigkeit von Produkt X? Ist dieser Zusammenhang zwischen dem Alter und der Konsumhäufigkeit von Produkt X positiv (je höher das Alter, desto häufiger ) oder negativ (je höher das Alter, umso seltener )? Ist der Zusammenhang zwischen dem Alter und der Konsumhäufigkeit von X von einer erhobenen dritten Variable Z abhängig? Regressionsanalysen Die Regressionsanalyse dient, ähnlich wie die Korrelationsanalyse, der Untersuchung von Beziehungen und Abhängigkeitsstrukturen zwischen mehreren Variablen. Das Verfahren ist jedoch in der Regel informativer als eine reine Korrelationsanalyse, da es Auskunft über Ursache-Wirkungs-Beziehungen erlaubt. Mit der Regression lässt sich ermitteln, wie gut abhängige Variablen durch eine oder mehrere unabhängige Variablen erklärt werden können. Es wird sozusagen ermittelt, ob bestimmte Variablen für das Zustandekommen der Ausprägung der abhängigen Variablen (mit-)verantwortlich sind oder eher wenig Einfluss haben. Im Wesentlichen kommt dieses Verfahren zum Einsatz, um Zusammenhänge zu beschreiben, zu erklären sowie bestimmte Werte zu prognostizieren. Folgende beispielhafte Fragestellungen können mit Regressionsanalysen beantwortet werden: Welchen Einfluss haben die Preishöhe und die Werbeausgaben auf den Absatz des Konsumguts? Beeinflussen bestimmte Variablen die abhängige Variable positiv (je höher, desto mehr ) oder negativ (je höher, desto weniger )? Wie gut können die Preishöhe und die Werbeausgaben die Absatzmenge des Konsumguts erklären bzw. vorhersagen? Upgrade your Research 7

8 Datenreduktion mittels Faktorenanalyse Untersuchungsgegenstände, wie eine Dienstleistung, ein Logo oder ein Claim, werden von befragten Personen meist anhand einer Vielzahl an beschreibenden Merkmalen (z. B. originell, hilfreich, ansprechend, geschmackvoll, angenehm, rau, günstig, wertvoll, handlich, praktisch) subjektiv beurteilt. Diese erhobenen Variablen sind meist nicht zur Gänze voneinander unabhängig, sondern lassen sich wenigen, gemeinsamen zugrundeliegenden Dimensionen (z. B. Haptik, Preis, Qualität) zuordnen. Welche und wie viele Dimensionen das sind, lässt sich mit der Faktorenanalyse ermitteln. Ziel der Faktorenanalyse ist es, aus einer großen Menge an Variablen voneinander unabhängige Beschreibungs- und Erklärungsfaktoren zu extrahieren. Es resultiert im Idealfall eine überschaubare Anzahl an voneinander unabhängigen zugrundeliegenden Beurteilungsdimensionen (Faktoren), welche die gesammelten Daten verdichten und die Interpretation der Daten erleichtern. Ein Produkt X wird anhand einer Reihe von Merkmalen und Items subjektiv beurteilt (beispielsweise süß, sauer, günstig, teuer, bunt, groß, klein, langsam, schnell, spitz, gefährlich etc.). Die Faktorenanalyse fasst diese Vielzahl an beschreibenden Variablen in wenige Faktoren, wie zum Beispiel Geschmack, Preis, Optik, Sicherheit und Leistung, zusammen. Segmentierungsverfahren / Zielgruppenanalysen mittels Clusteranalyse Mit Hilfe der Clusteranalyse kann eine große Anzahl an untersuchten Objekten (Personen) anhand von Merkmalen in Gruppen, sogenannte Cluster oder Typen, unterteilt werden. Das Ziel ist es, die Objekte so einzuteilen, dass die einzelnen Gruppenmitglieder untereinander möglichst ähnliche Eigenschaften aufweisen und zwischen den Gruppen wenig bis gar keine Ähnlichkeiten bestehen. Das Ergebnis einer Clusteranalyse sind somit homogene Subgruppen, die jeweils ein spezielles Merkmalsprofil aufweisen. Anders als bei der Faktorenanalyse, geht es bei der Clusteranalyse um die Ermittlung neuer Gruppen. Bei der Berechnung von Clusteranalysen stellt sich jedoch immer die Frage, wie Ähnlichkeit definiert wird und welche Art der Zusammenfassung der Objekte zu einem Cluster sinnvoll ist. Es gibt nämlich unterschiedliche Maße, mit denen man die Ähnlichkeit von Personen beschreiben kann sowie eine Vielzahl an Möglichkeiten, Cluster zu bilden. Die Clusteranalyse wird in der Marktforschung sehr häufig für die Marktsegmentierung, wie etwa zur Identifikation von Käufertypen, Nutzungs- und Verhaltenstypen sowie Kundensegmenten, eingesetzt. 8 Upgrade your Research

9 Korrespondenzanalyse / Mapping Treiberanalyse Die Korrespondenzanalyse ermöglicht, ähnlich wie die Faktorenanalyse, die Reduktion einer großen Menge von Daten auf wenige Dimensionen. Das Ergebnis der Korrespondenzanalyse ist eine grafische Darstellung (siehe Abbildung), in der Objekte (wie zum Beispiel Produkte, Marken oder Personen) und Eigenschaften gemeinsam als Punkte auf einer Ebene dargestellt werden. Die Distanzen zwischen den Objekten bzw. Merkmalen geben Auskunft über deren Ähnlichkeit, wobei gilt: Je näher Objekte und Merkmale beieinander liegen, desto mehr Ähnlichkeiten weisen sie auf. Die Identifikation und Analyse von Treibern, welche eine Geschäftsstrategie oder ein Angebot erfolgreich oder weniger erfolgreich machen, ist von großer Relevanz für die Geschäftspraxis. Mit Hilfe der Treiberanalyse lässt sich die Bedeutung von Treibern indirekt und dadurch meist weniger verzerrt erfassen, als bei einer direkten Abfrage ( Wie wichtig ist Ihnen ). In manchen Situationen ist es Respondenten nicht möglich, ihr eigenes Denken oder Handeln akkurat zu beurteilen oder zu erinnern. Anders als bei Korrelations- und Regressionsanalysen, wird bei der Treiberanalyse zwischen unterschiedlichen Arten von Wirkungsbeziehungen (Basisfaktoren, Begeisterungsfaktoren und Leistungsfaktoren) differenziert. Es können über die Treiberanalyse sowohl lineare als auch nicht-lineare Zusammenhänge ermittelt werden. Die Methode liefert Informationen über die Einflussstärke eines Treibers auf eine definierte Zielgröße und ermöglicht Aussagen über die Qualität eines Treibers. Ein weiterer Vorteil dieser Methode ist die Bestimmung und Analyse unbewusster oder zumindest nicht augenscheinlicher Treiber. Im Bereich der Marktforschung eignet sich die Korrespondenzanalyse zur Bildung von Entscheidungsgrundlagen für neue Positionierungsstrategien oder zur Überprüfung derselben. Werden Marken von der Zielgruppe/von Verbrauchern differenziert wahrgenommen? Welche Merkmale werden den einzelnen Marken jeweils zugeordnet? Welche Marken stehen hinsichtlich der Wahrnehmung in einer Konkurrenzbeziehung? Wie stark beeinflusst ein bestimmter Treiber (z. B. Zufriedenheit mit der Kundenberatung) die definierte Zielgröße (z. B. Gesamtzufriedenheit mit einer Dienstleistung)? Welche Rolle spielt eine Teilleistung (z. B. Qualität) eines Angebotes für die subjektive Gesamtbewertung? Wie hoch ist die Priorität einer bestimmten Teilleistung (z. B. recyclebare Verpackung) im Vergleich zu anderen Teilleistungen (z. B. günstiger Preis)? Ab welcher Ausprägung führt die Veränderung eines Treibers, beispielsweise der Produkteigenschaften oder Leistungsqualität, zu keinem nennenswerten Effekt mehr für die definierte Zielgröße (z. B. Kaufbereitschaft)? Ab welcher Ausprägung einer Produkteigenschaft verändert sich die Akzeptanz so, dass die Gesamtzufriedenheit mit dem Produkt nicht mehr als positiv bewertet wird? Upgrade your Research 9

10 Qualitative Methoden Während quantitative Forschung die Hard-Facts zu einem Thema liefert, fokussiert die qualitative Forschung auf die Soft-Facts. Sie verhilft dazu, vertiefende Detailinformationen sowie vermeintliche Kleinigkeiten in Erfahrung zu bringen und Themen (weiter) zu explorieren. Sie ist nicht kennzahlen-, sondern verständnisorientiert. Kombiniert man quantitative und qualitative Forschungsmethoden, erhält man einen ganzheitlichen und aufschlussreichen Einblick in eine Thematik. Mit Marketagent. com können Sie Online-Fokusgruppen, Online-Tagebuch-Studien und qualitative Online-Interviews durchführen. ANWENDUNG: Qualitative Forschung eignet sich zur Exploration von Themengebieten und Sachverhalten, wo beispielsweise noch (zu) wenige Kenntnisse und/oder Erfahrungen vorhanden sind. Qualitative Methoden eignen sich auch zur Klärung, Vertiefung und Anreicherung von quantitativen Ergebnissen und ermöglichen damit einen tiefergehenden Einblick in eine Thematik. Infografiken Infografiken visualisieren unterschiedlichste Inhalte, Daten und Fakten wie zum Beispiel Statistiken, Diagramme, Vergleiche, Typisierungen, Zusammenhänge und vieles mehr. Sie fokussieren die Aufmerksamkeit auf das Wesentliche und kommunizieren komplexe Sachverhalte ansprechend, schnell und komfortabel. Infografiken verschaffen nicht nur einen guten Überblick über gewonnene Erkenntnisse, sondern können genauso gut dazu verhelfen, spezifische Detailaspekte eines Themas besser hervorzuheben. ANWENDUNG: Infografiken eignen sich sowohl für den Einsatz im Web auf der Unternehmenswebsite, in Blogs und Social Media Profilen (Stichwort: Content-Sharing), als auch für Präsentationen, Pressetexte, Factsheets und andere Dokumente. Executive Summary Die Executive Summary fasst die wichtigsten Erkenntnisinhalte einer Studie sowie daraus abgeleitete Schlussfolgerungen kompakt zusammen. Die Summary ist klar strukturiert und verständlich geschrieben. Davon profitieren vor allem jene, die wenig Zeit für die Vertiefung in umfangreiche Datensätze und Ergebnisberichte (mit einem Umfang von oftmals mehr als 100 Folien) haben. ANWENDUNG: Die Executive Summary eignet sich hervorragend als Ausgangsbasis für die Erstellung weiterer Dokumente, wie zum Beispiel von Pressetexten und Präsentationen. Präsentation vor Ort Wenn wie so oft nicht ausreichend zeitliche Ressourcen für die eigene Vorbereitung einer Präsentation vorhanden sind, kurzfristig oder überraschend die Präsentation der durchgeführten Studie vereinbart wurde oder Sie sich persönlich beispielsweise für eine mündliche Präsentation nicht ausreichend vertraut mit der Methodik der Studie fühlen: Wir präsentieren die Ergebnisse Ihrer Studie gerne an einem von Ihnen gewünschten Ort. ANWENDUNG: Die Präsentation vor Ort durch Marketagent.com ist vor allem dann hilfreich, wenn die Studie methodisch sehr aufwendig war oder beispielsweise mit vielen Fragen zur Konzeption, Durchführung, Analyse und Interpretation aus dem Plenum zu rechnen sind. 10 Upgrade your Research

11 Medienbeobachtung Markt- und Meinungsforschung eignet sich als effizientes PR-Tool, da Journalisten fundiertes Datenmaterial für ihre Berichterstattung häufig heranziehen oder explizit benötigen. Im Sinne des Return on Investment (RoI) ist es empfehlenswert und informativ, die mediale Berichterstattung zu Studienergebnissen zu beobachten: Dazu werden in sämtlichen Medien (Printmedien, Internet, Social Web, Radio und/oder TV) kontinuierlich oder über einen festgelegten Zeitraum definierte Suchbegriffe und Themen recherchiert. Sie können mit einer Medienbeobachtung somit genau feststellen, wo, wann und in welchem Umfang über Ihre Studie berichtet wurde.

12 Mühlgasse 59, A 2500 Baden, Österreich +43 (0) info@marketagent.com