Markenkunde.de

Social Media Marketing ist nicht nur in der Praxis ein relevantes Thema. Auch in Universitäten zieht das Thema mehr und mehr in die Forschung und Lehre ein. Der Lerhstuhl für Marketing der Otto-Friedrich-Universität Bamberg widmet sich dieser managementrelevanten Thematik unter wissenschaftlichen Gesichtspunkten.

Mit Fokus auf Facebook werden verschiedenste Fragestellung zum Social Media Marketing und der Markenführung im Web 2.0 bearbeitet. So zeigen die Erkenntnisse bspw. von welchen faktoren Fanreaktionen (Likes, Kommentare und Interaktionen) abhängen und wann Fanpages wachsen (die “Facebook-Fankurve”). Die Ergebnisse werden praxisnah und wissenschaftlich publiziert. Social Media Marketing Forschung an der Uni Bamberg ist also ein spannendes und praxisnahes Thema!

Publikationen finden Sie auch in der bdvb aktuell (www.bdvb.de) und in der uni-vers Forschung 2011.

…gerade bin ich auf der Seite des Markenkunde.de Linkpartners Vertriebspartnerreport.de über diesen Beitrag hier gestolpert. Das aktuelle Markenwertranking von Best Brands.

Download der Studie BESTBRANDS 2010!

Weitere Downloads:
Factsheet zur Studie
BestBrands 2009
BestBrands 2008
BestBrands 2007
BestBrands 2006
BestBrands 2005
BestBrands 2004

Im Gegensatz zu klassischen Markenwertrankings finde ich insbesondere die Ergebnisse zu den Nachhaltigkeitsmarken (”Nachhaltigkeitsbrands”) ziemlich spannend. Welche Einfluss hat also die Nachhaltigkeitsstrategie bzw. CSR (Nutzen / ISO) auf den Markenwert? Quantifiziert wird das Ganze bei diesem nicht-monetären Markenwertrating in Form von Scores, wenngleich die Ergebnisse leider nur ordinal und nicht in Form eines Wertes veröffentlicht wurden. Die Repräsentative Studie wurde zusammen mit der GfK durchgeführt. so verwundert es auch nicht, dass Tools wie der Share-of-Soul einen Einfluss auf das Ranking haben. Schade nur, dass die beste Händlermarke bzw. Retail Brand nicht auch erhoben wurde. Dies gäbe zumindest ein spannender Vergleich zum Markenwert-Ranking von BBDO Consulting gewesen.

Definitiv eine schöne aufbereitete Präsentation, auch wenn die meisten Ergebnisse nun keine wirklich neuen Erkenntnisse bringen.

…dieser Frage bin ich heute mal ganz explorativ nachgegangen und habe in dem Standardwerk Stern Markenprofile 12 ein paar Werte zufällig herausgesucht (alles Lebensmittelmarken, ohne Systematisierung, also rein zufällig und im Nachhinein nicht bereingt!), und zwar aus der Imagedimensionen Sympathie und dem Indikator Verwendung (respektive also der Kauf der Marke).

Das ganze mal in einerm Streudiagramm geplottet dargestellt befindet sich hier!

Auswirkungen des Markenimages!

Eine Trendgerade und das Bestimmtheitsmaß R² zeigen, dass es hier (ohne Anspruch auf Kausalität) einen schönen Zusammenhang gibt. Ein R² = 0,96.. beweist den augenscheinlich nahezu perfekten statistischen Zusammenhang dieser beiden Größen.

Natürlich ersetzt eine solche Betrachtung keine wissenschaftliche Herangehensweise, und die verbal geäußerte Verwendung muss nicht zwangsläufig auch das tatsächliche Verhalten widerspiegeln. Trotzdem ist das Ergebnis deutlicher als ich es erwartet hätte! In nächster Zeit werde ich mir das auchmal für andere Branchen anschauen, ichbin gespannt!

Cum hoc ergo propter hoc - definitiv ein Begriff, der sich schon mal super anhört. Dabei handelt es sich um einen Fehler, welcher bei empirischen Arbeiten gerne gemacht wird. Insbesondere bei Korrelationen wird oft fälschlicherweise auf einen kausalen Zusammenhang geschlossen. So wurde bereits mehrfach ein Zusammenhang zwischen der Anzahl an Störchen und der Geburtenrate statistisch nachgewiesen - genauer gesagt: Eine Korrelation.

Gerne wirft man auch in der Marketingpraxis jegliche Korrelationen in Matrizen mit Felderbeschreibungen, die einen lyrischen Kreativ-Award verdient hätten. So wird von “Treibern” oder “Brandherden” gesprochen (viel schlimmer ist noch die Tatsache, wie Korrelationskoeffizienten in der Praxis überhaupt verglichen werden). Lustig auch, dass allen abgefragten Items solcher Portfolios, die mit einer Zielgröße korrelieren, beispielsweise der Globalzufriedenheit / Kundenzufriedenheit oder der Loyalität, ein kausaler Einfluss auf alle Zielgrößen unterstellt wird. So ist es nicht verwunderlich, dass zahlreiche Marketinginstitute Wunderlösungen in Form von “Zufriedenheitstreiberportfolios” und “Loyalitätstreiberportfolios” als Bundle-Angebote anbieten. Ist es denn aber nicht so, dass die Zufriedenheit eine notwendige Bedingung dafür ist, dass Loyalität erst entstehen kann? Und: Macht die Messung der Loyalität über entsprechende Größen überhaupt Sinn?

Was ist nun also ein cum hoc ergo propter hoc? Ein logischer Fehler, bei dem auf einen kausalen Zusammenhang zwei gemeinsam auftretender Ereignissen geschlossen wird. Dies kann zufällig sein, oder durch eine dritte Größe hervorgerufen werden. Beispielsweise gibt es auch eine Korrelation zwischen der Schuhgröße und dem Einkommen. Das liegt daran, dass Männer tendenziell mehr verdienen als Frauen, Männer aber auch größere Schuhe haben. Eine Fußvergrößerung einer Frau führt demnach nicht zu einer Erhöhung des Gehalts. Solche und andere Effekte sind auch oft genug in Marketing-Artikeln zu finden, insbesondere wenn es an einer theoretischen Fundierung mangelt.

Kurz und knapp: eine gute und recht umfangreiche Studie über Discounterbranche. Ãœber die Geschichte von Aldi & co, Konsumtrends, Umsätze, Wachstum, Produktivitätskennzahlen, uvm…

Auf knapp 50 Seiten doch die eine oder andere spannende Information über Discounter und den Lebensmitteleinzelhandel (LEH)!

Hier gehts zum download!

So, nach langer Zeit mal wieder ein Beitrag. Aus einem alten Datensatz (klassische Likertskalen und Bompard-Abfragen) kam mir heute eine neue Fragestellung, die ich versucht habe, explorativ und wissenschaftlich definitiv unkorrekt zu beantworten: Eignet sich die Frage nach der Weiterempfehlung auf im LEH, um die Loyalität zu messen?

Hier zu habe ich die Daten einer (ich gebe es ja zu, einer nicht-repräsentativen und viel zu kleinen; Nges = ca. 450) Stichprobe ausgegraben und probiert dieser Frage nachzugehen: Anfangs wurden die Befragten gebeten, über Bompard-Abfragen Details zu ihrem Kaufverhalten zu geben. Unter anderem gab es die Frage “Bei welchen der folgenden Händler haben Sie in den letzten 3 Wochen eingekauft” und “Bei welchem der folgenden Händler tätigen Sie mehr als 30% ihrer Einkäufe?”. Dabei handelt es sich also um binäre ja/nein-Antworten. Nach ein paar anderen Fragen kamen zu jeweils einem randomisierten Discounter (Aldi oder Lidl) bzw. einem Supermarkt (Edeka oder Rewe) verschiedene Imageitems auf einer Likert-Skala.

Diese Daten habe ich nun mal miteinander verknüpft: Wie viel Prozent der Probanden, die Lidl “auf jeden Fall”/”auf gar keinen Fall” weiterempfehlen, tätigen denn dort mehr als 30% ihrer Einkäufe? Und wie sieht es bei Aldi, Edeka und Rewe aus?

Wie gesagt, die Daten sind weder repräsentativ, noch sind die Fragen bzw. die Vorgehensweise wissenschaftlich fundiert. Trotzdem finde ich die Ergebnisse spannend. In den kommenden Tagen werde ich mich mal auf die Suche, wie der Stand der Forschung dazu ist. In der Eile habe ich jedoch nur Studien gefunden, die in der Tat die Loyalität im Einzelhandel über die Weiterempfehlung gemessen haben, allerdings kam ich noch nicht dazu, die Itembegründung dieser Studien nachzuverfolgen und deren Begründung zu recherchieren, bzw. mich detaillierter damit zu beschäftigen.

DOWNLOAD (PPT): Loyalität messen im LEH

Viel Spaß!

Auch wenn das nun nicht gerade die aktuellste Info ist, ist es doch mal wieder einen neuen Beitrag wert: Bereits vor längerem hatte ich auf die letzten Version des Metro Handelslexikons verwiesen - nun gibt es aber eine neue Version!

Wieder ein nettes Buch voller hilfreicher Definitionen und facts & figures zum Thema Handel bzw. Handelsmarketing: kleine Marktanalysen zum Handel in Deutschland (Umsätze, Trends, Marktstrukturen, usw…), Einblicke und Details. Definitiv wieder ein Band, das in jedes Bücheregal gehört

Und das beste: Das ganze ist ein kostenloses Buch!

Zur Bestellung

Aldi ist nicht gleich Rewe, das ist klar. Das eine ist ein Discounter, das andere ein Supermarkt - der Unterschied liegt also beim Betriebstyp. Wie aber unterscheiden sich unterschiedliche Betriebstypen aus Sicht der KUNDEN?

Aus einem aktuellen Projekt mal ein agreggiertes Spiderchart (erhebung über Bompard Abfragen), bei dem die USPs der einzelnen Betriebstypen doch ganz gut zum Vorschein kommen!

Image-Diagramm Lebensmitteleinzelhandel groß (jpg)
Image-Diagramm Lebensmitteleinzelhandel groß (als pdf)

Gerne verschafft man sich über Korrelationstabellen einen Überblick, welche Variablen wie aufeinander wirken könnten, um nach Hinweisen für kausale Zusammenhänge oder Einflussfaktoren zu suchen. Möchte man nun in SPSS einfach mal „auf gut Glück“ eine große Menge an Variablen gegenüberstellen, so merkt man schnell, dass man aus dieser Tabelle so erstmal nicht wirklich schlau wird. Grund: Die Tabelle ist schnell viel zu groß, man verliert schnell den Überblick, in welcher Zeile oder Spalte man sich gerade befindet. Außerdem werden Größen wie die Irrtumswahrscheinlichkeit („Signifikanz“) und das N auch gleich standardmäßig mit ausgegeben. Diese Größen sind ja meist erst dann interessant, wenn man eine Auffälligkeit gefunden hat. Vor lauter Zahlen wird einem also erstmal nicht ersichtlich, was denn nun eigentlich interessant sein könnte, und was nicht.

Möchte man das ganze in Excel kopieren, so bemerkt man schnell, dass die Tabellen schlecht formatiert werden – viele Zahlen werden als Potenzen dargestellt, und die Formatierung lässt auch zu wünschen übrig. SPSS-Tabellen sinnvoll und einfach zu formatieren, ist leider auch noch ein Traum.

Grund genug, sich mal Gedanken zu machen, wie man dieses Problem mit ein paar wenigen Griffen lösen könnte. Dies habe ich gemacht, und dabei eine recht einfache und praktikable Lösung gefunden. Trotz all dem sollte man allerdings immer beachten, dass eine Korrelation nicht zwangsläufig auch kausal ist - einen cum hoc ergo propter hoc sollte man also zwainglichst vermeiden

Hier gibts die Anleitung dazu (pdf)
…und hier nochmal das Beispiel-Excelfile (.xls)

Weitere Links zum Thema:
Korrelationskoeffizienten vergleichen (Tool)
Mittlere Korrelationskoeffizienten berechnen (Tool)

Ohne viel Text, heute nur ein kleiner Beitrag. Von der aktuellen Befragung zum Thema Markenimage von Einzelhändlern habe ich mir heute mal die Rohdaten der Frage “Welche der folgenden Händler sind Ihnen sympathisch?” genommen (binäre Daten, Bompard-Skala), daraus eine Affiliationsmatrix transformiert und diese als Grundlage für eine SNA genommen. Und das kam auf Basis von 180 Fällen (nicht repräsentativ und unbereinigt; es ging erstmal nur um die Funktionaliät der Analyse, weniger um die Plausibilität der Ergebnisse) dabei heraus:

…passt rein optisch ja auch gut zu Weihnachten, ist aber Zufall

Mehr dazu (welche Annahmen, wie die Analyse funktioniert, usw…) dann demnächst! Trotzdem: Das Verfahren hat möglicherweise ein riesiges Potenzial, insbesondere wenn es um Entscheidungen für Co-Branding, Cross-Selling oder evtl. auch die Sortimentsentsgestaltung geht.

Hier auch mal ein Link zu einem österreichischen Institut, die sich damit auch schon auseinandergesetzt haben: http://www.linked.at