Lebensstilsegmentierung aufgrund einer inhaltsbasierten Auswertung digitaler Bilder

Transkript

1 Lebensstilsegmentierung aufgrund einer inhaltsbasierten Auswertung digitaler Bilder

2 Ines Daniel Lebensstilsegmentierung aufgrund einer inhaltsbasierten Auswertung digitaler Bilder Mit einem Geleitwort von Prof. Dr. Daniel Baier

3 Ines Daniel Cottbus, Deutschland Dissertation, Brandenburgische Technische Universität Cottbus, 2013 ISBN DOI / ISBN (ebook) Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über abrufbar. Springer Gabler Springer Fachmedien Wiesbaden 2014 Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung, die nicht ausdrücklich vom Urheberrechtsgesetz zugelassen ist, bedarf der vorherigen Zustimmung des Verlags. Das gilt insbesondere für Vervielfältigungen, Bearbeitungen, 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. Gedruckt auf säurefreiem und chlorfrei gebleichtem Papier Springer Gabler ist eine Marke von Springer DE. Springer DE ist Teil der Fachverlagsgruppe Springer Science+Business Media.

4 Geleitwort Unter Marktsegmentierung versteht man in der Marketingtheorie und -praxis die bewusste Aufteilung eines heterogenen Gesamtmarktes (z.b. von Konsumenten) in homogene Teilmärkte. Konsumenten werden dabei aufgrund vorliegender beschreibender Daten so zusammengefasst, dass eine segmentbezogen einheitliche und damit konsumentengerechte und dennoch kostengünstige Marktbearbeitung erfolgen kann. Unternehmen führen diese Zusammenfassung unter Einsatz von Datensammlungen und Segmentierungsanalysen entweder im Rahmen eigener Marktforschungsaktivitäten durch oder sie nutzen bereits vorliegende Konsumententypologien als Ausgangsbasis (z.b. die Sinus-Milieus der Sociovision Group, die Living Styles der Gesellschaft für Konsumforschung oder die Typologie der Wünsche des Instituts für Medien- und Konsumentenforschung). Während bisher praktisch alle diese Konsumententypologien und Segmentierungen auf Basis traditioneller Datengrundlagen ermittelt wurden (z.b. teure online- oder offline-befragungen größerer Stichproben von Konsumenten zu Lebensstil, zum Mediennutzungs- und Informationsverhalten, zur Produkt- und Markenwahl), stehen inzwischen eine Vielzahl ganz neuer multimedialer Datengrundlagen kostenlos bereit und warten auf eine Nutzung im Rahmen dieser Fragestellungen. Zu nennen sind etwa die in sozialen Netzwerken (z.b. Facebook, Flickr) durch Konsumenten selbst bereitgestellten persönlichen Profile, Kontaktlisten, Adressbücher, Bilder, Videos, Bewertungen/Kritiken und vieles mehr. Selbst die angeführten Online-Befragungen könnten für die Befragten interessanter gestaltet werden, wenn man sie bitten würde, digitale Bilder zur Beschreibung ihrer Aktivitäten, Interessen und Meinungen hochzuladen statt lange oft langweilige Listen entsprechender Fragen zu beantworten. Bisher werden derartige multimediale Datengrundlagen zum Segmentieren aber noch kaum erhoben oder ausgewertet, da benötigte Ähnlichkeitsbewertungs- und Klassifikationssoftware nur sehr begrenzt zur Verfügung steht. So bieten etwa die verbreiteten Statistik-Softwarepakete SPSS und SAS nur eine Standard-Klassifikation und für die Ähnlichkeitsbewertung nur isolierte einfache Operatoren an. Für multimediale Daten, etwa einer Mischung aus hochgeladenen Bildern eines Nutzers, seiner eingestellten Texte/Stichworte/Verweise, seiner Surfprotokolle und vielem mehr sind diese Verfahren wenig geeignet. Auch die Vielzahl kommerzieller oder frei verfügbarer Data- und Web-Mining-Software (z.b. MATLAB, R, RapidMiner) bietet hier nur wenig Unterstützung an. Es fehlt häufig bereits an Routinen zum Vergleich von Bildern oder

5 VI Geleitwort Bildmengen aufgrund extrahierter Bildmerkmale wie Farb- und Kantenverteilungen, Anzahl der Personen/Gesichter auf einem Bild, deren Alter oder Geschlecht. Neben dem Problem, dass den Marktforschungsinstituten und Unternehmen keine benutzerfreundliche Software zur Auswertung multimedialer Datengrundlagen zur Verfügung steht, stellt sich natürlich auch die Frage, ob derartige Auswertungen tatsächlich zu ähnlichen (oder sogar besseren) Segmentierungsergebnissen führen als dies bei Auswertungen traditioneller Datengrundlagen der Fall wäre. Frau Ines Daniel hat sich im Rahmen ihrer Dissertation mit derartigen Fragestellungen beschäftigt und sich dabei vor allem auf die Möglichkeiten konzentriert, bei der Lebensstilsegmentierung die traditionellen Befragungen durch Befragungen mit hochgeladenen Fotografien zu ersetzen. Ihre konkreten Forschungsfragen lauteten: Kann durch die Nutzung von Fotografien von Konsumenten eine Beschreibung ihrer Aktivitäten, Interessen und Meinungen vorgenommen werden? Kann durch die Verwendung bestimmter inhaltsbasierter Features von Fotografien die Marktsegmentierung im Allgemeinen unterstützt werden? Kann durch die Berücksichtigung von durch Konsumenten bereitgestellten Fotografien die zur Lebenstilsegmentierung vorgenommene Datenerhebung und -auswertung erweitert werden? Zur Beantwortung dieser Forschungsfragen hat sie über mehrere Jahre hinweg ein umfangreiches Forschungsprogramm entwickelt und abgearbeitet: So musste zunächst aufgrund der fehlenden Software für derartige Zwecke eine Softwareentwicklung angeschoben werden, die es zulässt, ähnlich wie bei SPSS, Konsumenten aufgrund von Befragungsdaten in Segmente zusammenzufassen. Allerdings sollte bei dieser neuentwickelten Software es auch möglich sein, Bilder zur Charakterisierung von Konsumenten zu verwenden, d.h. die auf Text- und Zahlenauswertung beschränkte Funktionalität von SPSS musste erheblich erweitert werden, etwa um verschiedene Algorithmen zur Extraktion von Features aus Bildern (z.b. Farb- und Kantenverteilungen, Beschreibungen interessanter Bildpunkte/lokale Features, Formerkennung z.b. von Gesichtern) und Algorithmen zur Beurteilung der Ähnlichkeit von Bildern aufgrund dieser extrahierten Features (z.b. EMD, Minkowski- Distanzen). Als Projektleiterin zweier großer Drittmittelprojekte des Lehrstuhls für Marketing und Innovationsmanagement zu diesem Zwecke, des BMBF-ForMaT-Projekts SeMaTyS und des BMWi-Forschungstransfer-Projekts IMADAC, oblag ihr dazu die Konzipierung und Überwachung der Realisierung der Software IMADAC durch ein Team von sechs wissenschaftlichen Vollzeitmitarbeitern über einen Zeitraum von zwei Jahren (bei SeMaTyS, abgeschlossenes Projekt) bzw. vier über drei Jahren (bei IMADAC, Laufzeit bis Oktober 2015).

6 Geleitwort VII Neben der Schaffung der Voraussetzungen zur Beantwortung ihrer Forschungsfragen führte Frau Daniel zahlreiche traditionelle und neuartige experimentelle Datenerhebungen durch. Zwei dieser Datenerhebungen mit jeweils mehr als 400 Konsumenten waren z.b. darauf ausgerichtet, die Lebensstilsegmentierungen aufgrund der unterschiedlichen Datengrundlagen vergleichen zu können. Für den Vergleich wurden sowohl theorieorientierte Prüfverfahren angewandt (z.b. die Multitrait-Multimethod-Matrix von Campbell/Fiske und Churchill zur Prüfung der Konstruktäquivalenz) als auch umfangreiche empirische Vergleiche der gefundenen Segmentierungen mittels Adjusted Rand-Indizes. Neben dem gewaltigen Arbeitsprogramm auf methodisch hohem Niveau sind auch die von Frau Daniel gefundenen Ergebnisse hochinteressant und werden für die künftige Forschung in diesem Bereich von großer Bedeutung sein: Trotz der aus der inhaltsbasierten Bildanalyse bekannten so genannten semantischen Lücke, die eine Auswertung von Bildern im Allgemeinen erheblich erschwert, ist es sehr gut möglich, valide Lebensstilsegmentierungen (und damit vermutlich auch andere Marktsegmentierungen) ausschließlich aufgrund von inhaltsbasierten Auswertungen hochgeladener digitaler Fotografien zu ermitteln. Die so bestimmten Segmentierungen weisen einen hohen Grad von Übereinstimmung mit Segmentierungen auf Basis traditioneller Datengrundlagen auf, sind umgekehrt aber kostengünstiger zu erheben und da-mit für die Marktforschung von großem Interesse. Dass im Rahmen der genannten zwei großen Drittmittelprojekte inzwischen auch intensiv mit zwei der weltweit größten Marktforschungsinstitute zusammengearbeitet wird, macht dies ebenfalls deutlich. Die gelungene Arbeit wurde im Mai 2013 an der Fakultät für Maschinenbau, Elektrotechnik und Wirtschaftsingenieurwesen der Brandenburgischen Technischen Universität (BTU) Cottbus als Dissertation angenommen und mit summa cum laude bewertet. Eine wohlwollende Aufnahme durch eine große, interessierte Leserschaft ist der Autorin und ihrem Werk auf jeden Fall zu wünschen. Prof. Dr. Daniel Baier

7 Vorwort Die vorliegende Dissertation entstand während meiner Tätigkeit als wissenschaftliche Mitarbeiterin am Lehrstuhl für Marketing und Innovationsmanagement der BTU Cottbus. Die Motivation zur Behandlung der Thematik entstammt meiner wissenschaftlichen Arbeit im Rahmen des vom Bundesministerium für Bildung und Forschung (BMBF) geförderten ForMaT-Projektes Multimediale Ähnlichkeitssuche zum Matchen, Typologisieren und Segmentieren. Mein herzlichster Dank gilt meinem Doktorvater, Herrn Prof. Dr. Daniel Baier, für seine vorbehaltlose Unterstützung sowie für seine ständige Bereitschaft zur fachlichen Diskussion während der Erstellung meiner Arbeit. Ein besonderer Dank gilt Herrn Prof. Dr. Reinhold Decker für die Übernahme und rasche Erstellung des Zweitgutachtens. Ebenso gilt mein Dank Herrn Prof. Dr.-Ing. Uwe Meinberg für die Übernahme des Vorsitzes der Promotionskommission. Ganz herzlicher Dank gehört meinen derzeitigen und ehemaligen Lehrstuhlkollegen, die mit ihren unterschiedlichen Charakteren ein Arbeitsumfeld geschaffen haben, welches über ein typisches kollegiales Zusammenarbeiten hinaus geht. Sie haben dafür gesorgt, dass bei den Hürden und Rückschlägen einer Dissertation der Spaß nie verloren gegangen ist. Besonders hervorheben möchte ich Herrn Prof. Dr. Michael Brusch sowie Frau Dr. Eva Stüber, die mich stets mit konstruktiver Kritik und unermüdlichen Engagement unterstützt haben. Stellvertretend für alle Kollegen und Kolleginnen danke ich Frau Dipl.-Wirt.Math. Sarah Frost, Frau Dipl.-Ing. Anke Kutschke, Herrn Dr. Matthias Kaiser, Herrn Robert Naundorf, M.Sc., Herrn Alexander Sänn, M.Sc. und Herrn Dr. Sebastian Selka. Für ihr hohes Engagement danke ich ebenso meinen studentischen Hilfskräften Frau Stephanie Bauch, B.Sc. und Herrn Jadranko Halilovic. Ebenso danke ich meiner Familie und Freunden, die stets Verständnis für die wenige Zeit hatten und diese dennoch abwechslungsreich gestaltet haben. Nicht zuletzt möchte ich mich ganz herzlich bei meinen Eltern bedanken. Sie haben mich stets in meinen Entscheidungen unterstützt und maßgeblich zur Erreichung meiner Ziele beigetragen. Ihnen ist dieses Buch gewidmet. Ines Daniel

8 Inhaltsverzeichnis Geleitwort Vorwort Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis Abkürzungsverzeichnis V IX XI XV XVII XXI 1 Einleitung Ausgangssituation Zielsetzung und Struktur der Arbeit Marktsegmentierung Grundlagen der Marktsegmentierung Begriff und Einordnung der Marktsegmentierung Entwicklung der Marktsegmentierung Phasen und Schritte einer Marktsegmentierung Segmentierungskriterien Anforderungen an die Segmentierungskriterien Klassifikation der Segmentierungskriterien Beobachtbare Konsumenteneigenschaften Nicht-beobachtbare Konsumenteneigenschaften Beobachtbares produktspezifisches Konsumentenverhalten Nicht-beobachtbares produktspezifisches Konsumentenverhalten Beurteilung der Segmentierungskriterien Segmentierungsverfahren Überblick über verschiedene Segmentierungsverfahren A priori-verfahren... 30

9 XII Inhaltsverzeichnis Post hoc-verfahren Inhaltsbasierte Auswertung digitaler Bilder Grundlagen der Bildverarbeitung Visuelle Wahrnehmung des Menschen Begriffliche Abgrenzung innerhalb der Bildverarbeitung Inhaltsbasierte Merkmale von digitalen Bildern Farbmodelle RGB-Farbmodell HSV-Farbmodell L*a*b*-Farbmodell Farbhistogramme Farbmomente Histogrammbasierte Distanzen zur Auswertung digitaler Bilder Begriffliche Grundlagen Bin-by-Bin-Distanzen Cross-Bin-Distanzen Anwendungsbeispiel zur Auswertung digitaler Bilder Aufbau und Vorgehensweise der Untersuchung Auswertung der Untersuchung Zusammenfassung bisheriger Erkenntnisse Grundlagen und Konzept einer Lebensstilsegmentierung aufgrund einer inhaltsbasierten Auswertung digitaler Bilder Lebensstilsegmentierung Begriff und Modelle der Lebensstilsegmentierung Nutzen von Lebensstilanalysen zur Marktsegmentierung Kritik an Lebensstilmodellen und -typologien Aussagekraft von privaten Fotografien Geschichte der privaten Fotografie Verbreitung der privaten Fotografie Verbreitung der digitalen Fotografie Verbreitung von privaten Fotografien im Internet Verhaltensaspekte der Fotografie im privaten Alltag Motive und Gründe der privaten Fotografie Veränderungen durch die digitale Fotografie Einfluss der Mobiltelefonkamera auf das persönliche Fotografierverhalten... 96

10 Inhaltsverzeichnis XIII Einfluss des Internets auf das persönliche Fotografierverhalten Konzept und Anwendungsbeispiel einer Lebensstilsegmentierung aufgrund einer inhaltsbasierten Auswertung digitaler Bilder Validität von Lebensstilsegmentierungen aufgrund der Bewertung vorgegebener digitaler Bilder Aufbau und Vorgehensweise der Untersuchung Zielstellung der empirischen Untersuchung Gegenstand und Ablauf der Untersuchung Vorgehensweise bei der Datenanalyse Ablauf der Datenanalyse Umgang mit fehlerhaften Datensätzen Messung von Konstrukten Gütebeurteilung von Konstrukten Vergleich unterschiedlicher Messmethoden zur Beschreibung gleicher Konstrukte Auswertung der Untersuchung Beschreibende Informationen zum Datensatz Operationalisierung der Konstrukte Ergebnisse der Untersuchung Zusammenfassung bisheriger Erkenntnisse Validität von Lebensstilsegmentierungen aufgrund der Bewertung und der inhaltsbasierten Auswertung probandenseitig bereitgestellter digitaler Bilder Aufbau und Vorgehensweise der Untersuchung Zielstellung der empirischen Untersuchung Gegenstand und Ablauf der Untersuchung Vorgehensweise bei der Datenanalyse Auswertung der Untersuchung Beschreibende Informationen zum Datensatz Operationalisierung der Konstrukte Bereich Urlaub Bereich Mode Ergebnisse der Untersuchung Bereich Urlaub Bereich Mode Inhaltsbasierte Auswertung der Fotografien mit Hilfe einer Bildanalysesoftware Aufbau und Funktionalitäten der Bildanalysesoftware

11 XIV Inhaltsverzeichnis Evaluation der Software mittels probandenseitig bereitgestellter Fotografien Vorgehensweise bei der Datenanalyse Auswertung der Untersuchung Zusammenfassung bisheriger Erkenntnisse Zusammenfassung und Ausblick Zusammenfassung gewonnener Erkenntnisse Implikationen für Wissenschaft und Praxis Literaturverzeichnis 205

12 Abbildungsverzeichnis Abbildung 1: Hausaltar zweier Frauen... 2 Abbildung 2: Struktur der vorliegenden Arbeit... 6 Abbildung 3: Marktbearbeitungsstrategien nach Kotler... 9 Abbildung 4: Häufigkeitsverteilung von Artikeln der Marktsegmentierung im Zeitraum Abbildung 5: Übersicht über verschiedene Vorgehensweisen der Marktsegmentierung 17 Abbildung 6: Prozess der Marktsegmentierung Abbildung 7: Klassifikationsmatrix der Segmentierungskriterien Abbildung 8: Klassifikationsmatrix der Segmentierungsverfahren Abbildung 9: Klassifikation von Post hoc-segmentierungsverfahren Abbildung 10: Spektralreaktion der drei Zäpfchen und Aufbau des Auges Abbildung 11: Spektralwertkurven der Primärfarben Abbildung 12: Abgrenzung der Bildverarbeitungsbereiche Abbildung 13: Beispiel zur Berechnung einer Co-Occurrence-Matrix Abbildung 14: Darstellung des RGB-Farbmodells in einem kartesischen Koordinatensystem Abbildung 15: HSV-Farbmodell Abbildung 16: CIE 1931 Normfarbtafel mit MacAdam-Ellipsen Abbildung 17: L*a*b*-Farbmodell Abbildung 18: Beispiel für die Beschreibung eines Bildes mittels eindimensionalen Grauwerthistogramm und dreidimensionalen Farbhistogramm Abbildung 19: Berechnung der Manhattan-Metrik verschiedener Farbhistogramme. 53 Abbildung 20: Berechnung der Quadratic-Form-Distanz verschiedener Farbhistogramme Abbildung 21: Analyse der Testdaten Abbildung 22: Vorgehensweise bei der Bildanalyse Abbildung 23: Lebensstilkonzept von Lazer Abbildung 24: Klassifikation der den Lebensstil beeinflussenden Konstrukte Abbildung 25: Bedürfnishierarchie der VALS-Typologie Abbildung 26: Sinus-Milieus in Deutschland Abbildung 27: Beispiel für soziodemografische Zwillinge... 78

13 XVI Abbildungsverzeichnis Abbildung 28: Historische Werbekampagnen der Eastman Kodak Company Abbildung 29: Entwicklung der privaten Fotografie Abbildung 30: Entwicklung der Internetnutzung in Deutschland Abbildung 31: Nutzung von Anwendungen innerhalb sozialer Netzwerke Abbildung 32: Screenshot eines Facebookprofils Abbildung 33: Screenshot der Flickr-Startseite Abbildung 34: Beispiel zur Klassifikation von Urlaubsfotografien Abbildung 35: Konzept zur Lebensstilsegmentierung unter Nutzung von Fotografien als Datengrundlage Abbildung 36: Ablauf der Datenanalyse beim Vergleich verbalisierter Statements mit vorgegebenen Fotografien (Studie 1) Abbildung 37: Ausschnitt aus einem Fragebogen eines ausgeschlossenen Probanden aufgrund mehrerer inkonsistenter Antworten (Studie 1) Abbildung 38: Prinzipieller Aufbau der Multitrait-Multimethod-Matrix Abbildung 39: Altersverteilung der Grundgesamtheit im Vergleich zur deutschen Bevölkerung (Studie 1) Abbildung 40: Verteilung der Grundgesamtheit hinsichtlich Schulausbildung, Berufssituation und Familienstand (Studie 1) Abbildung 41: Screenshots der Befragung mit probandenseitig bereitgestellten Fotografien (Studie 2) Abbildung 42: Ablauf der Datenanalyse beim Vergleich verbalisierter Statements mit probandenseitig bereitgestellten Fotografien (Studie 2) Abbildung 43: Altersverteilung der Grundgesamtheit im Vergleich zur deutschen Bevölkerung (Studie 2) Abbildung 44: Verteilung der Grundgesamtheit hinsichtlich Schulausbildung, Berufssituation, Familienstand und Einkommen (Studie 2) Abbildung 45: Screenshot der Hauptoberfläche von IMADAC sowie der Feature-Auswahl Abbildung 46: Screenshot des Ergebnis-Dendrogramms von IMADAC in Komplettdarstellung und Nahaufnahme sowie der Ergebnistabelle Abbildung 47: Ausschnitt einer XML-Datei nach der Extraktion des Bildes mit IMADAC Abbildung 48: Ablauf der Clusteranalyse mit IMADAC Abbildung 49: Quellcode der Quadratic-Form-Distanz Abbildung 50: Darstellung der Farbhistogramme unterschiedlicher Urlaubsfotografien mitimadac

14 Tabellenverzeichnis Tabelle 1: Definitionen der Marktsegmentierung... 8 Tabelle 2: Studienübersicht zur Marktsegmentierung im Zeitraum Tabelle 3: Anforderungen an Segmentierungskriterien Tabelle 4: Beurteilung der Datengrundlagen Tabelle 5: Adjusted-Rand-Index für die untersuchten Features bei hierarchischer Clusteranalyse Tabelle 6: Vergleich der untersuchten hierarchischen Clusteranalyeverfahren.. 62 Tabelle 7: Vergleich der untersuchten Distanzen unter Verwendung des Ward-Verfahrens Tabelle 8: Vergleich der untersuchten Features unter Verwendung des Ward-Verfahrens Tabelle 9: Adjusted-Rand-Index für die untersuchten Features bei Verwendung des k-means-verfahrens Tabelle 10: Lebensstildimensionen des AIO-Ansatzes Tabelle 11: Bekannte Lebensstiltheorien und -typologien Tabelle 12: Studienübersicht zur Lebensstilegmentierung im Zeitraum Tabelle 13: Absatz- und Umsatzentwicklung des deutschen Digitalkameramarktes 84 Tabelle 14: Absatz- und Umsatzentwicklung des deutschen Mobiltelefonmarktes 85 Tabelle 15: Fakten zur Internetnutzung und Veröffentlichung von Fotos Tabelle 16: Gründe für die private Fotografie im digitalen Zeitalter Tabelle 17: Unterscheidung von Fotografentypen nach Miller/Edwards (2007).. 96 Tabelle 18: Gründe für die private Fotografie mit Hilfe des Mobiltelefons Tabelle 19: Bewertung der Anforderungen an Segmentierungskriterien für die traditionelle Lebensstilsegmentierung Tabelle 20: Vergleich traditioneller und neuer Methoden der Marktsegmentierung 113 Tabelle 21: Alternativen zur traditionellen Datenerhebung in der Lebensstilanalyse 114 Tabelle 22: Beispiele zur Analyse von Fotografieinhalten Tabelle 23: Entscheidungskriterien zur Bestimmung von reflektiven und formativen Messmodellen Tabelle 24: Übersicht genutzter Gütekriterien und ihre Anforderungen

15 XVIII Tabellenverzeichnis Tabelle 25: Deskriptive Informationen zu den Probanden der Grundgesamtheit (Studie 1) Tabelle 26: Überblick über die Güte der verwendeten Faktoren (Studie 1) Tabelle 27: Überprüfung der Diskriminanzvalidität mit Hilfe des Fornell-Larcker- Kriteriums (Studie 1) Tabelle 28: Informationen zur Analyse von Statements in einem Strukturmodell (Studie 1) Tabelle 29: Informationen zur Analyse von Fotografien in einem Strukturmodell (Studie 1) Tabelle 30: Informationen zur Analyse von Fotografien und Statements in einem Strukturmodell (Studie 1) Tabelle 31: Multitrait-Multimethod-Matrix von Fotografien und Statements (Studie 1) Tabelle 32: Übereinstimmungsquote der Ränge von Fotografien und Statements (Studie 1) Tabelle 33: Übereinstimmungsquote der Rangverteilung von Fotografien und Statements (Studie 1) Tabelle 34: Deskriptive Informationen zu den Probanden der Grundgesamtheit (Studie 2) Tabelle 35: Überblick über die Güte der verwendeten Faktoren (Studie 2 - Bereich Urlaub) Tabelle 36: Überprüfung der Diskriminanzvalidität mit Hilfe des Fornell-Larcker- Kriteriums (Studie 2 - Bereich Urlaub) Tabelle 37: Überblick über die Güte der verwendeten Faktoren (Studie 2 - Bereich Mode) Tabelle 38: Überprüfung der Diskriminanzvalidität mit Hilfe des Fornell-Larcker- Kriteriums (Studie 2 - Bereich Mode) Tabelle 39: Informationen zur Analyse von Statements in einem Strukturmodell (Studie 2 - Bereich Urlaub) Tabelle 40: Überprüfung der Diskriminanzvalidität der Faktoren mit Hilfe des Fornell-Larcker-Kriteriums (Studie 2 - Bereich Urlaub) Tabelle 41: Übereinstimmungsquote der Ränge von Fotografien und Statements (Studie 2 - Bereich Urlaub) Tabelle 42: Übereinstimmungsquote der Rangverteilung von mindestens einer Fotografie und zugehörigen Statements (Studie 2 - Bereich Urlaub). 162 Tabelle 43: Übereinstimmungsquote der Rangverteilung von mindestens zwei Fotografien und zugehörigen Statements (Studie 2 - Bereich Urlaub). 163

16 Tabellenverzeichnis XIX Tabelle 44: Informationen zur Analyse von Statements in einem Strukturmodell (Studie 2 - Bereich Mode) Tabelle 45: Überprüfung der Diskriminanzvalidität der Faktoren mit Hilfe des Fornell-Larcker-Kriteriums (Studie 2 - Bereich Mode) Tabelle 46: Übereinstimmungsquote der Ränge von Fotografien und Statements (Studie 2 - Bereich Mode) Tabelle 47: Übereinstimmungsquote der Rangverteilung von mindestens einer Fotografie und zugehörigen Statements (Studie 2 - Bereich Mode) Tabelle 48: Übereinstimmungsquote der Rangverteilung von mindestens zwei Fotografien und zugehörigen Statements (Studie 2 - Bereich Mode). 170 Tabelle 49: Übersicht über die Funktionalitäten von IMADAC und SPSS Tabelle 50: Übersicht über integrierte Feature und Distanzmaße in der Software IMADAC Tabelle 51: Klassifikationen der in IMADAC implementierten Features (Bereich Urlaub) Tabelle 52: Klassifikationen der in IMADAC implementierten Featurekombinationen (Bereich Urlaub) Tabelle 53: Verteilung der Fotografien in den Clustern des Features F-ID 1 von IMADAC (Bereich Urlaub) Tabelle 54: Demografika und Statementmittelwerte des Features F-ID 1 von IMADAC (Bereich Urlaub) Tabelle 55: Klassifikationen der in IMADAC implementierten Features (Bereich Mode) Tabelle 56: Klassifikationen der in IMADAC implementierten Featurekombinationen (Bereich Mode) Tabelle 57: Verteilung der Fotografien in den Clustern des Features F-ID 2 von IMADAC (Bereich Mode) Tabelle 58: Demografika und Statementmittelwerte des Features F-ID 2 von IMADAC (Bereich Mode)

17 Abkürzungsverzeichnis ADCLUS... Additive Clustering AGFI... Adjusted Goodness of Fit Index AID... Automatic Interaction Detection AIO... Activities, Interests, Opinions ANOVA... Analysis of Variance Anz.... Anzahl BMP... Windows Bitmap BWS... Best-Worst-Scaling CA... Clusteranalyse CAIC... Consistent Akaike s Information Criterion Statistic CCD... Charge-Coupled Device CEDD... Color and Edge Directivity Descriptor CFI... Comparative Fit Index CHAID... Chi-Sqare Automatic Interaction Detection CIE... Commision Internationale de l Eclairage Cl.... Cluster CONCLUS... Constrained Clustering CR... Clusterwise Regression CSI... Consumer Style Inventory DA... Diskriminanzanalyse DEV... Durchschnittlich erfasste Varianz EMD... Earth-Mover s-distanz erkl.... erklärte EXIF... Exchangeable Image File Format expl.... exploratorisch F-ID... Feature-Identifikationsnummer FA... Faktorenanalyse FCL... Fuzzy c-lines FCM... Fuzzy c-means Cluster

18 XXII Abkürzungsverzeichnis FCR... Fuzzy Clusterwise Regression FCTH... Fuzzy Color and Texture Histogram FL... Faktorladung FR... Faktorreliabilität FRL... FoodRelated Lifestyle GENNCLUS... General Nonhierarchical Clustering GFI... Goodness of Fit Index GLIM... Generalized Linear Interactive Model GoM... Fuzzy Grade of Membership HCC... High Cultural Capital IEC... International Electrotechnical Commission IMADAC... Image Data Analysis and Classification INDCLUS... Individual Differences Clustering IPTC... International Press Telecommunications Council IR... Indikatorreliabilität JIM... Jugend, Information, (Multi-) Media JPEG... Joint Photographic Experts Group KA... Korrespondenzanalyse KITK... Korrigierte Item-to-Total-Korrelation konf.... konfirmatorisch LCC... LowCultural Capital LOV... List of Values LSMCM... Latent Segment Markov Chain Model MAID... Multiple Automatic Interaction Detection MANOVA... Multivariate Analysis of Variance max... Maximum MDS... Multidimensionale Skalierung min... Minimum MLM... Multinominal Logistical Regression MMSEA... Multicriterion Market Segmentation Using an Evolutionary Algorithm MPEG... Moving Picture Expert Group MPR... Multilevel Poisson Regressionsmodell MW... Mittelwert NFI... Normed Fit Index OK... Oberkategorie

19 Abkürzungsverzeichnis XXIII PCA... Principal Component Analysis PNG... Portable Network Graphics RA... Reliabilitätsanalyse RVS... Rokeach Value Survey SGM... Strukturgleichungsmodell SIFT... Scale Invariant Feature Transform SPAN... Segmentation of People, Attitudes, and Needs SRA... Stepwise Regression Analysis STP... Segmenting, Targeting, Positioning UK... Unterkategorie VALS... Values and Life Styles VHB... Verband der Hochschullehrer für Betriebswirtschaft e.v. WLS... Weighted Least Squares XML... Extensible Markup Language