LINK – SWISS INSIGHTS

Panel + Geoanalysen = Erkenntnisgewinn

Posted on 08.11.202322.01.2024 by Dr. Verena Mack, Eve Degen, Dr. André Bruggmann

Als Marktforschungsunternehmen ist es für LINK von grösster Bedeutung, dass das Panel eine hohe Repräsentativität aufweist, die für valide und stabile Ergebnisse steht. Die Volvo Car Switzerland AG hat im Frühjahr 2021 eine schweizweite Studie mit 1’047 Befragten durch das LINK Panel in Auftrag gegeben. Im gleichen Zug beauftragte Volvo einen externen Partner – Crosswind – mit Geoanalysen, weshalb auch einige Fragebogeninhalte vorgängig auf diese Analysen abgestimmt wurden. Vor dem Start der Geoanalysen wurden die durch LINK erhobenen Umfragedaten durch Crosswind eingehend geprüft und mit externen Daten validiert.

Diese Validierung hatte das Ziel, sicherzustellen, dass die Ergebnisse der Geoanalysen durch Crosswind auch auf einer detaillierten geographischen Ebene, wie z.B. den Kantonen, verlässliche und belastbare Ergebnisse liefern. Da die Fallzahlen auf diesen Ebenen in der Regel sehr gering sind und oft gar keine Informationen in Form von Interviews vorliegen, beeinflussen einzelne Aussagen das Ergebnis stark. Die Repräsentativität ist daher von besonderer Bedeutung, da nur auf ihrer Basis auch bei geringer Fallzahl regional spezifische Erkenntnisse gewonnen werden können.

Die externe Validierung durch Crosswind hat bei der Auftraggeberin grosses Vertrauen in die Repräsentativität des LINK Panels geschaffen, wie Beat Fritschi, Business & Retailer Development Director bei Volvo betont: «Bei der durch Crosswind durchgeführten externen Validierung wurden Ergebnisse aus der Umfrage von LINK und öffentlich zugängliche Daten zum Fahrzeugmarkt gegenübergestellt. Das Resultat dieses Vergleichs hat gezeigt, dass die Ergebnisse der LINK-Umfrage auch auf sehr detaillierter räumlicher Ebene repräsentativ sind. Dies hat unser Vertrauen in die weiteren Umfrageergebnisse verstärkt.»

Hohe Repräsentativität durch aktiven Rekrutierungsansatz

LINK verfolgt verschiedene Massnahmen, um die Repräsentativität ihres Panels zu gewährleisten. Repräsentativität bedeutet, dass jedes Element der Grundgesamtheit (d.h. alle potenziell Befragten) eine eindeutig definierte und von Null verschiedene Wahrscheinlichkeit besitzt, in die Stichprobe aufgenommen zu werden («Zufallsauswahl»). Nur repräsentative Stichproben stellen ein wirklichkeitsgetreues Abbild der Grundgesamtheit dar und erlauben eine Verallgemeinerung des Ergebnisses auf die Grundgesamtheit (marktforschung.de).

LINK nutzt einen speziellen Rekrutierungsansatz, bei dem das Panel zu 100 % aktiv über telefonische Studien mit Festnetz- und Mobilnummern rekrutiert wird. Zum einen kann hiermit sichergestellt werden, dass es sich bei den Befragten um echte Personen handelt (direkte Verifizierung am Telefon), zum anderen kann so ein Grossteil der Bevölkerung erreicht werden. Jede Person hat folglich dieselbe Chance (oder zumindest eine bekannte Chance), ins Panel aufgenommen zu werden. Ausserdem ist die Hemmschwelle für Mehrfachanmeldungen höher und Mehrfachteilnehmende können einfacher ausgeschlossen werden.

Zusätzlich nutzt LINK verschiedene Massnahmen, um Verzerrungen durch Selektionsprozesse oder Nichtteilnahmen entgegenzuwirken – beispielsweise Speeder-Identifikation, Qualitäts-Flagging bei auffälligem Antwortverhalten oder Tracking wichtiger KPIs und Feedback zur Gestaltung angenehmer Fragebögen und Ausfülldauer.

Validierungsprozess anhand von Geodaten am Beispiel von LINK und Crosswind

Die externe Validierung anhand von Geodaten besteht darin, die Repräsentativität eines Panels aufgrund seiner räumlichen Verteilung zu überprüfen. Eine hohe Repräsentativität zeichnet sich dadurch aus, dass unter anderem auch im Rekrutierungsprozess unkontrollierte Merkmale korrekt beziehungsweise bevölkerungsrepräsentativ abgebildet werden. 1’000 Befragte stellen eine gute Grundlage dar, um auf nationaler Ebene sowie differenziert nach den Sprachregionen Deutschschweiz, Westschweiz und Tessin solide und belastbare Ergebnisse zu liefern. Bei geographischen Analysen auf detaillierteren räumlichen Skalenebenen wie der Kantons- oder der Bezirksebene verringern sich jedoch die Fallzahlen regional teilweise stark, wodurch sich Verzerrungen in der Stichprobe bzw. nicht zufriedenstellende Repräsentativität schneller auf die Validität eines regionalen Ergebnisses auswirken.

Im Folgenden wird der Ablauf der Validierung der Daten, die LINK im Rahmen der Umfrage für Volvo erhoben hat, aufgezeigt:

Zunächst wurde der Marktanteil pro Automarke am gesamten Fahrzeugbestand untersucht. Hierfür wurde als erste Kennzahl der reale Anteil jeder Automarke pro Kanton (Stand: September 2021) berechnet; dies auf der Grundlage der öffentlich zugänglichen Fahrzeugmarktdaten des Bundesamtes für Strassen ASTRA. Als zweite Kennzahl wurde der Anteil jeder Automarke pro Kanton der 1’047 Umfrageteilnehmenden betrachtet. Diese zweite Kennzahl zeigt also, wie hoch der effektive Marktanteil der Automarken unter den Umfrageteilnehmenden ist.
Die Übereinstimmung dieser beiden Kennzahlen (realer Marktanteil vs. Marktanteil laut Studienteilnehmenden) kann als Mass für die Repräsentativität der Umfrage interpretiert werden.

Für die Automarke Volvo beträgt die Abweichung weniger als 5 Prozentpunkte über alle Kantone hinweg, bei BMW und VW existiert eine Abweichung von höchstens 15 Prozentpunkten bei kleineren Fallzahlen. Den einzigen Ausreisser bildet BMW im Kanton Appenzell Innerrhoden, was mit einer Fallzahl von nur 2 Befragten jedoch leicht zu erklären ist. Ein Zusammenhang zwischen der Fallzahl und den Abweichungen wird in Abbildung 1 visualisiert. Ab einer Fallzahl von etwa 15 Befragten liegt die Differenz bei ca. 7 Prozentpunkten oder weniger, und ab ca. 40 Befragten bei 5 Prozentpunkten oder weniger.

Die Resultate der Validierung zeigen folglich, dass die Abweichungen verhältnismässig klein sind, auch bei kleinen Fallzahlen. Dies ist überraschend, insbesondere auch deshalb, da die Umfrage für die Analysen nicht gewichtet wurde. Dies stützt das Argument der Repräsentativität der Umfrage auf der räumlichen Skalenebene «Kanton».

Abbildung 1: Dargestellt ist auf der Y-Achse die Differenz pro Kanton zwischen realem Marktanteil und Anteil der Marken unter den Studienteilnehmenden und auf der X-Achse die Anzahl Befragte pro Kanton. Die rote durchgezogene Linie markiert 0 Prozentpunkte Abweichung. Die gestrichelte rote Line markiert +/- 5 Prozentpunkte Abweichung. Insgesamt zeigen die Ergebnisse eine sehr hohe Übereinstimmung zwischen Umfrageergebnissen und (öffentlich zugänglichen) realen Daten auf. Ausreisser entstehen vereinzelt durch sehr kleine Fallzahlen. Bereits ab einer Fallzahl von etwa 15 Befragten liegt die Differenz bei kleiner gleich 7 Prozentpunkten.

Bedeutung von regionaler Betrachtung der Markenloyalität für Volvo

Im nächsten Schritt nach der oben beschriebenen Validierung wurde erneut der Anteil der Automarken unter den 1’047 Studienteilnehmenden verwendet. Neu wurde diese Kennzahl nun aber der zusätzlich in der Umfrage erhobenen Markenpräferenz gegenübergestellt. Die Studienteilnehmenden gaben hier an, welche Automarken sie bei einer möglichen Neuanschaffung innerhalb der nächsten drei Jahre präferieren. Die Übereinstimmung des Marktanteils und der Markenpräferenz wurde als Markenloyalität interpretiert, da eine Übereinstimmung bedeutet, dass eine Person eine Automarke besitzt und diese auch künftig präferieren würde (oder nicht besitzt und auch zukünftig nicht präferiert).
Eine differenzierte regionale Betrachtung der Markenloyalität und Markenpräferenz ist in Zeiten von Unsicherheit und schnellen Veränderungen im Automobilsektor von grosser Bedeutung. Durch die Studie kann die Markenloyalität auf den Prüfstand gestellt und ein besseres Verständnis für (potenzielle) Kundinnen und Kunden gewonnen werden.

Die Resultate in Tabelle 1 zeigen, dass die Markenloyalität für Volvo regional variiert und im Durchschnitt bei 83 % liegt, wobei sie in Zug mit 64 % am niedrigsten und in Genf mit 94 % am höchsten ist. Diese Resultate sprechen einerseits für eine hohe Markenloyalität der Volvo-Kundinnen und -Kunden (auch im Vergleich zu anderen Marken, was in diesem Artikel jedoch nicht weiter beleuchtet wird), betonen aber andererseits auch, in welchen Regionen mit niedriger Markenloyalität Potenziale oder Notwendigkeiten für eine Neupositionierung bestehen. Eine Möglichkeit kann in der veränderten Nutzung der Vertriebskanäle und somit in der Kundenansprache bestehen. In der Umfrage wurde hierzu unter anderem die Bereitschaft der Befragten für einen Direktvertrieb durch den Online-Kauf von Neuwagen erhoben. Mit den Ergebnissen konnte Volvo ihre Strategie zum Direktvertrieb überprüfen, weiterentwickeln und bereits mit ersten Erfolgen (erste Online-Bestellungen von Neuwagen) in die Tat umsetzen.

Tabelle 1: Gezeigt wird der Anteil der Übereinstimmung bei den Befragten von Markenpräferenz und Besitz dieser Marke (Erst- und/oder Zweitwagen) pro Kanton (Fit Besitz & Präferenz) – auch Markenloyalität. Nicht berechenbar ist dieser Wert, wenn in einem Kanton für keine der Befragten Informationen zu Markenpräferenz und/oder Besitz existieren, z.B. durch das Ankreuzen der Antwortoption «weiss nicht / keine Angabe». Wie gut der Besitz von Volvo zur Markenpräferenz von Volvo passt, variiert regional. Meist liegt die Markenloyalität um die 80%.

Repräsentativität LINK Panel und neue Erkenntnisse durch Geoanalysen von Crosswind

Abschliessend lässt sich durch die gezeigten Resultate festhalten, dass die Volvo Car Switzerland AG dank den Umfrageergebnissen in Kombination mit den Geoanalysen neue Erkenntnisse hinsichtlich der aktuellen Marktgegebenheiten und der Präferenzen ihrer Kundinnen und Kunden gewinnen konnte. Die regional differenzierten Einsichten konnten zur Weiterentwicklung und Schärfung der Markenstrategie zur künftigen Netz-Entwicklung sowie für die (geografische) Optimierung ihrer Vertriebskanäle genutzt werden.

Grundlage dafür ist die sehr gute Repräsentativität des LINK Panels, was die Validierung der Umfrageergebnisse gezeigt hat: Trotz kleiner Stichprobengrösse werden auch nicht kontrollierbare Merkmale wirklichkeitsnahe (räumlich) abgebildet.

Tabelle 2: Differenz in Prozentpunkten Marktanteil Real vs. Marktanteil LINK pro Kanton

Dr. Verena Mack
Senior Research Consultant Marketing Research LINK

verena.mack@link.ch
+41 41 367 73 39

Eve Degen
Director Data Services & Panel LINK

eve.degen@link.ch
+41 41 367 73 62

Dr. André Bruggmann
Co-CEO Crosswind & Geospatial Solutions Expert

andre.bruggmann@crosswind.ch
+41 79 211 57 059

Download Artikel
Swiss Insights News #8

Institute Member von
SWISS INSIGHTS

www.link.ch

Alle SWISS INSIGHTS News finden Sie hier: SWISS INSIGHTS NEWS

Jederzeit auskunftsfähig: Die Vorteile eines kontinuierlichen Marken- bzw. Werbetrackings

Posted on 12.06.202312.06.2023 by Laura Colledani

Ein falsch gewähltes Kampagnensujet, ein ungünstig formulierter Tweet oder eine strategische Änderung der Markenausrichtung – schon öffnet sich die Büchse der Pandora für einen potenziellen Imageschaden. Doch wie lange hält ein solcher Imageschaden an? Wann ist die Marke wieder auf wünschenswertem Niveau?

Oder von der erfreulichen Seite betrachtet: Die neue Kampagne ist ein wahrer Erfolg, die Kund:innen sind glücklich, neue Konsument:innen und neue Käufer:innen sind gewonnen. Wie lange kann eine Marke von einer erfolgreichen Kampagne profitieren?

Natürlich liefern Absatzzahlen oftmals Informationen über die aktuelle Performance einer Marke. Jedoch ist die reine Betrachtung von Verkaufs- und Marktanteilen meist auch mit Wissenslücken verbunden, da sie oft mit Promotionen einhergehen, welche auch kontraproduktiv für das Markenimage sein können. Daher hat LINK in Kooperation mit der Universität Luzern und dem Institut für Marketing & Analytics (IMA) im September 2021 den Swiss Brand Observer (SBO) lanciert. Insgesamt erhebt der SBO 26 relevante Grössen zur Markenwahrnehmung (z.B. KPIs zum Purchase Funnel, Image-Dimensionen, Zufriedenheit und Weiterempfehlung) und ergänzt diese mit der aktuellen Online- und Offlinewerbewahrnehmung. Somit ergibt sich ein umfassendes, kundenbezogenes Abbild der Marke – und dies wochenaktuell. Die Wahrnehmung medialer Ereignisse – sei es in Form von Kampagnen oder Medienberichten – kann praktisch live mitverfolgt werden. Einerseits wird evaluiert, ob diese wahrgenommen werden, und andererseits inwiefern diese einen möglichen Einfluss auf andere Markenattribute haben. Dies ist insbesondere für die jeweiligen Geschäftsbereiche Marketing, Strategie und Branding relevant, um die eigene Marke besser zu beobachten, zu steuern und zu entwickeln. Zudem haben Kundinnen und Kunden nicht nur Einblick in ihre eigene Marke, sondern auch in alle anderen erhobenen Marken im SBO. Dies erlaubt ihnen, ihre Analysen nicht nur in ihrem «engen» Konkurrenzfeld zu betrachten, sondern sie haben nun die Möglichkeit, sich jeweils mit dem «Best In Class» zu vergleichen.

Ein wissenschaftlich validiertes Brand Tracking

Dem SBO liegt ein in der Schweiz einzigartiges Studiendesign zu Grunde: LINK hat dieses in Kooperation mit der Universität Luzern und dem Institut für Marketing & Analytics konzipiert. Der SBO basiert auf dem seit vielen Jahren etablierten Customer-Based Brand Equity-Ansatz (CBBE), welcher von vier Dimensionen ausgeht (Aaker, 1996 | Keller, 1993):

Die Dimension Markenbekanntheit bezeichnet die Verankerung der Marke bei Konsumentinnen und Konsumenten, welche wiederum auch die Wahrnehmung und Einstellung zur Marke beeinflussen kann (Aaker, 1996). Hingegen bezeichnet die Markenloyalität das positive Denken über die Marke und ob infolgedessen die Marke wiederholt genutzt wird (Keller, 1993). Loyale Konsumentinnen und Konsumenten sind auch bereit, einen Aufpreis für diese Marke zu bezahlen (Mehrzahlungsbereitschaft). Image-Komponenten einer Marke werden wiederum in der Dimension Markenassoziationen/Markenimage erhoben. Aus diesen ziehen Konsument:innen resp. Kund:innen ihren emotionalen Nutzen (Markenpersönlichkeit) und Assoziationen werden in den
Köpfen geschärft, damit die Zielgruppe die Marke von anderen Marken differenzieren kann. Dies ist unabdingbar für eine Marke, wenn sie nachhaltig erfolgreich sein will (Aaker, 1996). Abgrenzend zu den Assoziationen/zum Image bezeichnet die Markenqualität die Wahrnehmung der Qualität einer Marke bezogen auf deren produktbezogene, funktionale und erlebnishafte Eigenschaften (Keller 1993). Auch neuere Forschungsarbeiten zeigen, dass CBBE-Grössen auf Kundenakquisition, Kundenbindung oder Erhöhung der Gewinnmargen einen Einfluss haben (Stahl et al., 2012 | Slotegraaf & Pauwels, 2008). Zudem wurde der SBO in einer kürzlichen Untersuchung empirisch validiert (Naan et al., 2023).

Grafik 1: «Customer-Based Brand Equity» als Grundlage für die Konzeptualisierung des Swiss Brand Observers

Um genügend valide Datenpunkte für eine Marke zu erhalten, erhebt LINK wöchentlich in acht Segmenten insgesamt n=2’000 Interviews resp. n=250 Interviews pro Woche im qualitativ hochwertigen LINK Panel. Dies summiert sich auf über 104’000 Interviews total und über 13’000 Interviews pro Marke im Jahr. Somit ist es möglich, die Markenperformance über das ganze Jahr genau zu analysieren und schnell zu handeln, sofern (un)erwünschte Bewegungen ersichtlich werden.

Damit die eigene Marke, das Konkurrenzumfeld oder der jeweilige «Best In Class» Brand einfach und schnell analysiert werden kann, sind die Daten in einem intuitiven Dashboard – mit diversen Filtermöglichkeiten wie Alter, Geschlecht, Mediennutzung etc. – abrufbar. «So besteht erstmals die Möglichkeit, Marketingausgaben der zeitlichen Entwicklung gegenüberzustellen und die Massnahmeneffektivität in einem modernen Ansatz zu analysieren. Gleichzeitig schafft das Tool Transparenz, da das dynamische Wettbewerbsumfeld bei den meisten Marken bisher weniger miteinbezogen wurde», erklärt dazu Prof. Dr. Reto Hofstetter, Professor für digitales Marketing am IMA. Ein weiterer Vorteil des Dashboards: Historische Daten seit September 2021 sind inkludiert und neue Daten werden mit wenig Aufwand hochgeladen.

Was Credit Suisse und Toblerone (nicht) gemeinsam haben

Ein konkretes Beispiel aus dem Swiss Brand Observer aus den Monaten Januar 2023 bis und mit Mitte Mai 2023 (Stichtag: 14. Mai 2023): Wir erkennen in Grafik 2 einen signifikanten Anstieg (dargestellt mit einem Pfeil nach oben) der konsolidierten Medienwahrnehmung (Konsolidierung der Online- und Offline-Werbewahrnehmung + Medienberichte) sowohl bei Credit Suisse als auch bei Toblerone im März 2023.

Grafik 2: Auszug aus dem Swiss Brand Observer (15-79 Jahre, gesamte Schweiz inkl. Tessin). Konsolidierte Medienwahrnehmung bezeichnet die Konsolidierung von Online- und Offline-Werbewahrnehmung sowie Wahrnehmung von Medienberichten.

Was ist passiert? Die effektive Übernahme der CS durch die UBS wurde im März offiziell, und auch Toblerone geriet in das Fadenkreuz der Medien, da publik wurde, dass nun sowohl das Matterhorn als auch die Aufschrift «of Switzerland» aufgrund des neuen Produktionsstandorts Slowakei schwinden müssen. Der wahrgenommene mediale Anstieg der CS erreichte im April seinen Höhepunkt und sank im Mai wieder signifikant, während bei Toblerone ein kontinuierlicher Rückgang der Werbewahrnehmung festzustellen ist.

Doch was bedeuten solche negativen Schlagzeilen für eine Marke? Bei beiden Marken lassen sich zwei komplett verschiedene Szenarien erkennen.

Hierfür wird das Beispiel der Markengrösse Grundeinstellung zur Marke (besonders positive Wahrnehmung) genutzt (Grafik 3). Während vor der medialen Berichterstattung ca. 30 % der Schweizer Bevölkerung Toblerone als besonders positiv wahrgenommen haben, sinkt dieser Anteil signifikant auf 22 % und bleibt bis Mitte Mai unverändert – trotz des signifikanten Rückgangs der Werbewahrnehmung. Bei der CS sehen wir zwar ebenfalls einen leichten Rückgang der Grundeinstellung zur Marke, jedoch war das Niveau bereits vor der Bekanntgabe der Übernahme durch die UBS vergleichsweise tief, sprich: Die CS performt zwar etwas schlechter als zuvor, jedoch ist das (negative) absolute Potenzial für Toblerone in dieser Dimension viel grösser. Da auch andere KPIs wie die Qualitätswahrnehmung oder Mehrzahlungsbereitschaft für beide Marken in diesem Zeitraum zurückgehen, haben beide Brands offensichtlich aktuell grössere Schwierigkeiten darin, ihre Marktposition bzw. -penetration auf dem Niveau vor März zu halten. Im Swiss Brand Observer kann des Weiteren verfolgt werden, ob diese Performance-Rückgänge langfristiger Natur sind und wie gross der Verlust an Markenattraktivität ist.

Grafik 3: Repräsentativer Auszug aus dem Swiss Brand Observer (15-79 Jahre, gesamte Schweiz inkl. Tessin). Die Grundeinstellung zur Marke bezeichnet die positive Wahrnehmung einer Marke.

Fazit

Für Marketeers, Brand Manager:innen sowie Strateg:innen ist es heute unabdingbar, schnell auf Veränderungen reagieren zu können – sowohl bei positiven als auch bei negativen Wahrnehmungen der Marke. Im Omnichannel-Zeitalter sind Marken einer bis dato nicht dagewesenen Wahrnehmungsintensität unterworfen, sei es durch Werbung, Medienberichte oder in den sozialen Medien. Je nach medialem Ereignis kann sich folglich in einem Fall beispielsweise die Grundeinstellung zur Marke ändern, während die Qualitätswahrnehmung stabil bleibt.

Der Swiss Brand Observer knüpft genau hier an: Veränderungen wahrnehmen und gleichzeitig verstehen, auf welche Veränderungen reagiert werden sollte. Ein jährliches Tracking wird diesem Anspruch oftmals nicht gerecht, und selbst ad hoc Projekte direkt nach einer negativen Berichterstattung sind ebenfalls zeitlich eingeschränkt, da das unmittelbare «Zuvor» nicht erfasst und das «Danach» lediglich während der Feldzeit evaluiert wird. Die Wissenslücke, wie lange ein Brand an einem potenziellen Imageschaden leidet oder wie lange eine Marke von einer gelungenen Kampagne profitiert, kann mittels eines kontinuierlichen Brandtrackers wie dem Swiss Brand Observer also geschlossen werden.

Literaturverzeichnis weiter unten

Laura Colledani

Head of Healthcare Research and Data Products LINK

laura.colledani@link.ch
+41 41 367 72 25

Die Autorin
Laura Colledani ist Head of Healthcare Research and Data Products bei LINK und hat sich auf Datenprodukte, Markenbeobachtung sowie Consulting und Insight-Storytelling spezialisiert. Dank ihrer umfangreichen Expertise generiert sie immer wieder neue innovative Lösungen und wertvolle Erkenntnisse für die Entwicklung von Marken.

Download Artikel
Swiss Insights News #5

Institute Member von
SWISS INSIGHTS

www.link.ch

Alle SWISS INSIGHTS News finden Sie hier: SWISS INSIGHTS NEWS

Literaturverzeichnis
Aaker, D.A. (1996). Measuring brand equity across products and markets. California Management Review, 38 (3).
Keller, K.L. (1993). Conceptualizing, measuring, and managing customer-based brand equity. Journal of Marketing, 57 (1).
Naan, L., Finken, D., Zogaj A., Reiser, S., & Hofstetter, R. (2023). What Do Consumers Think About Your Brand? Just Ask!. Marketing Review St. Gallen, 1/2023.
Slotegraaf, R., & Pauwels, K. (2008). The impact of brand equity and innovation on the long-term
effectiveness of promotions. Journal of Marketing Research, 45 (3).
Stahl, F., Heitmann, M., Lehmann, D. R., & Neslin, S. A. (2012). The impact of brand equity on customer acquisition, retention, and profit margin. Journal of Marketing, 76 (4).

Wie Marketing Insights 5.0 Kreativität und Wettbewerbsfähigkeit steigern kann

Posted on 25.11.202206.02.2023 by Dr. Steffen Schmidt, Dr. Evmorfia Karampournioti, Dr. Thomas Fandrich, Dr. Frank Buckler, Philipp Reiter, Dr. Jonathan T. Mall, Dr. Thomas Zoëga Ramsøy

In einer Welt, in der sich die Technologien ständig weiterentwickeln, ist es für Unternehmen umso wichtiger, mit den neusten Trends Schritt zu halten. Der Begriff «Marketing 5.0» wurde vor kurzem von Kotler et al. (2021) geprägt und bezieht sich auf die jüngste Evolution des Marketings, bei der die ständige, vernetzte Nutzung von Daten und Technologien im Vordergrund steht, um gezieltere, relevante Kundenerfahrungen zu schaffen. Das Ziel von Marketing 5.0 ist es, Kunden die passende Botschaft zum richtigen Zeitpunkt über den entsprechenden Kanal zukommen zu lassen.

Marketing 5.0 bietet mehrere Vorteile, darunter ein tieferes Kundenverständnis, eine verstärkte Kundeneinbindung, eine gesteigerte Kapitalrendite (ROI) und einen erhöhten Kundenertragswert. Kurz auf den Punkt gebracht: Der wesentliche Nutzen von Marketing 5.0 besteht darin, den Marketern zu ermöglichen, die potenziellen Konsumenten umfassender zu verstehen und deren Bedürfnisse angemessener anzusprechen. Mithilfe KI-basierter Insights können Marketer zielgerichtete Kampagnen erstellen, die bei den Konsumenten besser ankommen und ein nachhaltiges Unternehmenswachstum fördern. Darüber hinaus macht der standardmässige Einsatz von Automatisierung das Marketing effizienter und effektiver.

Kotler et al. (2021) verstehen Marketing 5.0 als «the application of human-mimicking technologies to create, communicate, deliver, and enhance value across the customer journey» (Kotler et al., 2021, p. 6). Marketing selbst ist dabei von Natur aus ein sozialer Unternehmensansatz und fokussiert in erster Linie darauf, die Gedanken und Gefühle im Kopf und im Herzen der verschiedenen Anspruchsgruppen zu verstehen, um diese wiederum gezielt anzusprechen.

Mit anderen Worten: Marketing ist eine spezifische Art des Managements, um ein Unternehmen vom Markt her- und zum Markt hinzuführen. Dies bedeutet im Kern, dass die Bedürfnisse des Marktes bekannt sein müssen, um auf sie entsprechend eingehen zu können. Sowohl ein ganzheitliches Informations- als auch ein Aktionsmanagement sind notwendige Voraussetzungen, um diese
Marketingherausforderung zu bewältigen.

Marketing 5.0 besteht aus drei operativen, miteinander verknüpften Kernkomponenten, nämlich Predictive Marketing, Contextual Marketing und Augmented Marketing sowie zwei organisatorischen Komponenten, genauer Data-Driven Marketing und Agile Marketing. Die beiden organisatorischen Marketing-Technologiekomponenten bilden die Basis für ein systematisches Informationsmanagement, z.B. zum Aufbau eines umfassenden Daten-Ökosystems. Die drei operativen Komponenten erlauben ein wirksames Aktionsmanagement, z. B. zur Erstellung relevanter Marketinginhalte wie Markenslogans, Produktbeschreibungen oder Kampagnen-bilder. Jede Komponente hat dabei einen unmittelbaren Bezug zur Marketingforschung, wobei die beiden organisatorischen Komponenten als Input-Pipeline für Insights und die drei operativen Komponenten als Output-Pipeline für Insights fungieren.

Vor diesem Hintergrund zeigt der nächste Abschnitt die Möglichkeiten fortschrittlicher Technologien der modernen Marketingforschung für eine tragfähige Marketing 5.0-Implementierung auf, im Folgenden als Marketing Insights 5.0 bezeichnet. Als Fallbeispiel für diese Demonstration dient die Vermarktung von Olivenöl des Start-ups JON’S OILIVE

Abbildung 1: Beispielhafte Ergebnisse der Predictive-Marketing-Intelligence-Komponente.

Erstellung von Marketing-Insights-5.0-Inhalten für das Start-Up JON’S OILIVE – eine Fallstudie

Das datengesteuerte Attributionsmodell von Google Analytics wurde als eine der Input-Pipelines verwendet, um zu evaluieren, wie potenzielle Kunden auf die verschiedenen über Google Ads eingeblendeten Anzeigen reagiert haben, mit dem Ziel, zu erkennen, welche Keywords etc. den größten Einfluss auf den Geschäftserfolg hatten und aus Nutzer Kunden werden liessen. Des Weiteren wurde die Konversionsleistung über die verschiedenen Marketing-Touchpoints (Website, soziale Medien usw.) bewertet. Zudem wurden mit Hilfe der agilen Insights-Plattform von quantilope potenzielle und reale Kunden befragt, um implizite markenbezogene Daten (Methode: Single Association Test) zur Stärkung der Markenpositionierung sowie produktbezogene Daten (Methode: Maximum Difference Scaling) zur Ermittlung der Konsumentenpräferenzen für Olivenöl-Produkteigenschaften zu erheben. Im Speziellen wurden dabei Attribute aus der KI-Entdecker-Funktion der KI-basierten SaaS-Lösung neuroflash gezogen und als Input für die Präferenzanalyse als eine Art Vorab-Erkennungs-Intelligenz (prädiktive semantische Analyse) verwendet.

In einem nächsten Erkenntnisschritt mit Blick auf die Predictive Marketing Intelligence wurde eine TURF-Analyse (Total Unduplicated Reach and Frequency) auf der agilen Plattform von quantilope durchgeführt, um die beste Kombination von olivenölbezogenen Produkteigenschaften zu identifizieren. Als Ergebnis wurde eine optimale Kombination von vier Produkteigenschaften ermittelt (in diesem Fall: frisch, regional, authentisch und fein), die etwas mehr als 80 % der (potenziellen) Konsumenten anspricht.

Darüber hinaus wurde Causal Artificial Intelligence (Causal AI) mittels der Software Neusrel auf die impliziten Markenwahrnehmungs- und Verhaltensdaten angewendet, um eine optimale archetypenbezogene Markenpositionierung abzuleiten. Auf diesem evidenzbasierten Weg wurde ein wirkungsvoller Interaktionseffekt auf das Konsumentenverhalten zwischen den Archetypen des Entdeckers und des Rebellen aufgedeckt und als optimale Markenpositionierung definiert. Abbildung 1 zeigt ausgewählte Ergebnisse dieser Predictive-Marketing-Intelligence-Komponente.

Im Rahmen der nächsten operativen Komponente, der Stufe der Contextual Intelligence Insights, wurden mit der KI-Texter- und KI-Bilder-Funktion von neuroflash automatisch Bildbeschriftungen sowie Bilder für einen wirksamen Sponsored Post auf Instagram als einem der wichtigsten Touchpoints und damit Kontextkanäle generiert. Als Input für diesen KI-basierten Kreativitätsansatz dienten die identifizierten wirksamen Produkt- und Markeneigenschaften, um die entsprechenden textlichen und visuellen Inhalte zu generieren.

Abbildung 2: Beispielhafte Ergebnisse der Contextual-Marketing-Intelligence-Komponente.

Eine beispielhafte Generierung gezielter kundenbezogener Inhalte, wie sie in Abbildung 2 zu sehen ist, erfolgt innerhalb weniger Sekunden. Jedes von der KI generierte Marketinggut (Asset), sowohl kurze und lange Texte als auch visuelle Inhalte, ist einzigartig; d. h. die KI ist darauf trainiert, keine bereits zuvor veröffentlichten Marketinggüter zu erstellen.

Im dritten und letzten operativen Schritt, der Stufe der Augmented Intelligence Insights, werden die generierten textlichen und visuellen Inhalte hinsichtlich a) der semantischen und b) der visuellen Wirksamkeit beurteilt, mit der Option, auch c) die verhaltensbezogene Leistungsfähigkeit zu bewerten. Beispielhafte Ergebnisse sind in Abbildung 3 dargestellt.

Abbildung 3: Beispielhafte Ergebnisse der Augmented-Marketing-Intelligence-Komponente.

Für die semantische Leistungsbewertung wurde wiederum das Tool neuroflash, genauer deren KI-Tester-Funktion verwendet, um vorherzusagen, was der Konsument auf einer impliziten Ebene in Bezug auf die als wirksam definierten Produkt- und Markeneigenschaften wahrscheinlich fühlen und denken wird, wenn er die textlichen Inhalte, in diesem Fall die generierten Bildunterschriften und Bildbeschriftungen, zu sehen bekommt. Darüber hinaus wurde die KI-Lösung Everypixel eingesetzt, um die Ahttps://www.neuronsinc.com/ttraktivität der visuellen Inhalte, hier also der generierten Bilder, zu analysieren, aber auch, um zu sehen, welche Assoziationen nach dem Kontakt mit dem jeweiligen Bild im Kopf des Konsumenten wahrscheinlich aktiviert werden.

Nachdem die besten Bildunterschriften und die beiden besten Bilder ermittelt worden waren, wurde die visuelle Wahrnehmungsqualität der Bildbeschriftung-Bild-Kombinationen bewertet. Die KI-Lösung Predict von Neurons wurde eingesetzt, um vorherzusagen, was die Konsumenten wahrscheinlich wahrnehmen werden, wenn sie die einzelnen Bildbeschriftung-Bilder-Inhalte anschauen, um sicherzustellen, dass die richtigen Hinweisreize ausreichend Aufmerksamkeit erhalten. Darüber hinaus wurde der Umfang der kognitiven Anforderungen vorhergesagt, um sicherzustellen, dass der Konsument während des Kontakts mit dem Sponsored Post nicht zu viele Informationen verarbeiten muss. Ebenfalls ist der Grad der Fokussierung geschätzt worden, um so zu gewährleisten, dass nicht zu viele Elemente auf dem Sponsored Post ein erhöhtes Ausmass an Aufmerksamkeit erfahren, was andernfalls zu einem abgelenkteren und damit weniger effizienten Wahrnehmungskontakt führen würde.

Die jüngsten Fortschritte ermöglichen nun auch die genaue Vorhersage von tiefer gehenden kognitiven und emotionalen Reaktionen. Insbesondere lässt sich jetzt der Grad der Klarheit vorhersagen. Dieser gibt an, ob ein Konsument den Inhalt als übersichtlich wahrnimmt oder nicht sowie den Grad des Engagements, der Aufschluss darüber gibt, wie angeregt und eingetaucht sich ein Konsument bei der Betrachtung des Inhalts fühlen wird (siehe Abbildung 3).

In diesem dritten Schritt wäre es zusätzlich möglich, die von der KI erstellten Texte und Bilder in einer realen digitalen Umgebung (noch) genauer zu testen, z. B. in sozialen Medien, in diesem Fall auf Instagram, um eine umfassendere Wahrnehmungs-, aber auch Verhaltenswirkung mithilfe des In-Context-Testansatzes von eye square zu ermitteln. Dieser Ansatz ermöglicht es insbesondere, die digitale Reise des Konsumenten (teilweise) zu simulieren, um die Auswirkungen einer bestimmten Marketingaktivität wie Werbung in sozialen Medien und/oder auf E-Commerce-Plattformen zu bewerten. Für diese Art der Untersuchung werden echte Konsumenten eingeladen und angehalten, eine bestimmte Website zu besuchen. Während des Besuchs der Website werden automatisch verschiedene Wahrnehmungs-
(z. B. Betrachtungsdauer) und Verhaltenskennzahlen (z. B. Pausieren der Anzeige) aufgezeichnet, um Erkenntnisse für mögliche Verbesserungen zu gewinnen. Abbildung 4 veranschaulicht den Prozess und die Umsetzung dieses Ansatzes.

Die inhaltliche Optimierung mittels Marketing Insights 5.0 wurde für alle relevanten Social-Media-Touchpoints, aber auch für die Website einschliesslich des Online-Shops von JON’S OILIVE durchgeführt. Die Überprüfung der Konversionsleistung nach drei Monaten hat aufzeigen können, dass zum Beispiel in Bezug auf die Website die Impression Rate um etwa 300 % gestiegen ist, während sich die Click-Through-Rate fast verdoppelt hat. Derartige Ergebnisse zeigen eindrucksvoll das ausgezeichnete Potenzial des verwendeten Marketing-Insights-5.0-Ansatzes.

Abbildung 4: Veranschaulichung des Prozesses und der Umsetzung des In-Context-Testansatzes.

Marketers befähigen, ihre Marketingaktionen zu beschleunigen

Wie aufgezeigt werden konnte, ermöglicht Marketing Insights 5.0 hochpräzise Vorhersagen über die Marketingleistungsfähigkeit, z. B. die Wirksamkeit der Kommunikation, vom Strategie-Fit (bspw. optimale Markenpositionierung) bis hin zu Konsumentenreaktionen (bspw. was beim Werbekontakt wahrgenommen wird oder ob der Slogan die richtigen Markenassoziationen auslöst), um die mentale Verfügbarkeit im Markengedächtnis der Konsumenten nach Sharp (2010) zu erhöhen/zu stärken. Dieser Ansatz kann entweder allein auf KI-generierten Erkenntnissen beruhen oder durch gezielte Konsumentenbefragungen erweitert werden.

Im Detail wird ein erhöhter Erkenntniswert entlang des gesamten Marketing-Intelligence-Prozesses geschaffen. Dieser reicht von der Diagnose (bspw. tiefes Wissen über die Marke in den Köpfen der Kunden gewinnen, um die Markenstrategie zu definieren), über die Therapie (bspw. die Wirkung der Markenkommunikation im Einklang mit der Markenstrategie maximieren), die Überwachung (bspw. die Effektivität der Markenkommunikation ständig überprüfen, um sie mit der Markenstrategie abzugleichen) bis hin zur Inspiration (bspw. auf KI-gesteuerte Empfehlungen bezüglich Slogans oder Produktbeschreibungen zurückgreifen, die zur Markenstrategie passen). Auf diese Weise wird die Entscheidungsfindung in jeder Phase des Marketing-Intelligence-Prozesses nachhaltig gefördert.
In einer sich rasant digitalisierenden Welt ist es für Unternehmen wichtiger denn je, eine
Marketingeinstellung zu pflegen, welche die neuesten Veränderungen in Technologie und Konsumentenverhalten berücksichtigt. Marketing Insights 5.0 ist ein Ansatz, der dies ermöglicht und mit fortschrittlichen KI-basierten Tools und Technologien relevante und attraktive Konsumentenerlebnisse schafft. Um erfolgreich zu sein, erfordert dieser Ansatz jedoch nicht nur eine datengestützte, sondern vor allem die richtige agile und evidenz-basierte Marketing-Mentalität.

Download Artikel: SWISS INSIGHTS News #13

For English Version download pdf

Die Autoren
Dr. Steffen Schmidt
Director Marketing Science & Agile Insights,
LINK Marketing Services AG, www.link.ch
Dr. Evmorfia Karampournioti
Assistant Professor, Leibniz University of Hannover,
www. marketing.uni-hannover.de
Dr. Thomas Fandrich
Co-Founder & CGO, quantilope GmbH,
www.quantilope.com
Dr. Frank Buckler
Founder & CEO, Success Drivers GmbH,
www.success-drivers.de
Philipp Reiter
Partner & COO, eye square GmbH,
www.eye-square.com
Dr. Jonathan T. Mall
Co-Founder & CIO, neuroflash GmbH,
www.neuroflash.com
Dr. Thomas Zoëga Ramsøy
Founder & CEO, Neurons Inc.,
www.neuronsinc.com

Download Artikel
Swiss Insights News #13

Institute Member von
SWISS INSIGHTS

www.link.ch

Alle SWISS INSIGHTS News finden Sie hier: SWISS INSIGHTS NEWS

Data Science küsst Marktforschung voller Energie

Posted on 20.06.202206.02.2023 by Stefan Reiser, David Sanchez, Dr. Thomas Spycher

Für eine professionelle und aktive Marktbearbeitung im Privatkundenbereich sind auch Energieversorgungsunternehmen (EVU) auf Geo- und Konsumdaten angewiesen. In aller Regel verfügen Energieversorger über entsprechende Informationen aber höchstens für ihr eigenes Versorgungsgebiet, bzw. für einen Teil ihrer privaten Stromkunden. Aus diesem Grund haben das Schweizer Marktforschungsinstitut LINK und die Data-Science-Spezialisten von Novalytica gemeinsam den EVU Marktatlas B2C konzipiert und 2022 erstmals umgesetzt. Das Studienkonzept basiert auf Expertengesprächen und Fachinputs aus der Branche, berücksichtigt Befragungs- und öffentlich zugängliche Sekundärdaten und bietet auf dieser Grundlage mikrogeografische Analysemöglichkeiten.

Methodischer Ansatz

Die Studie basiert auf der Hochrechnung einer umfangreichen Primärdatenerhebung auf die gesamte Schweiz. LINK führte im vierten Quartal 2021 eine Befragung von mehr als 10’000 Privatkunden im Alter zwischen 18 und 79 Jahren in der Schweiz durch, die auf Basis von Region, Alter und Geschlecht quotiert wurde und deren Stichprobe damit an der Bevölkerungsverteilung gemäss Bundesamt für Statistik ausgerichtet ist. Das Beantworten des Fragebogens dauerte ca. 10 Minuten und beinhaltete diverse Themen rund um die Einstellung gegenüber Energiethemen, der Marken- und Kundenwahrnehmung von Energieversorgern und dem Potenzial von Energieprodukten. Novalytica kombinierte alsdann eine Vielzahl öffentlich verfügbarer Geodaten.

Neben Daten des Bundesamtes für Statistik, des Gebäuderegisters, des Handelsregisters oder kantonaler Geoportale umfasste diese Recherche auch online verfügbare Quellen wie Immobilieninserate. Neben Datenpunkten zur Wohnsituation (u. a. Gebäudetyp, Baujahr, Renovationen, Preis-/Mietniveau, Grösse), welche bei Fragen rund um Energie zentral sind und gleichzeitig einiges über die Haushalte preisgeben, sind auch Datenpunkte zur Soziodemographie (u. a. Alter, Haushaltsgrösse, Anteil Nicht-Schweizer) auf Ebene Hektar vorhanden. Die aus diesen Quellen kombinierten Daten werden aufbereitet und können so jeder Strasse und Adresse aus den Befragungsdaten zugeordnet werden.

Die Ergebnisse der Privatkundenbefragung wurden anschliessend mit den Geodaten verbunden. Mittels der Machine-Learning-basierten Modellierung Gradient Boosting werden die Survey-Antworten auf Gemeinde- und Hektarebene hochgerechnet. Das Modell ermittelt Zusammenhänge zwischen den einzelnen Variablen und erstellt basierend darauf eine Schätzung. Korreliert beispielsweise die durchschnittliche Haushaltsgrösse oder der Anteil Einfamilienhäuser mit der Wechselwahrscheinlichkeit, wird dies vom Modell berücksichtigt. Zur Illustration des Vorgehens zeigt Abbildung 1 beispielhaft das Resultat eines Modells für die Schätzung der Wechselbereitschaft privater Stromkunden aggregiert auf Gemeindeebene.

Abbildung 1: Modellierte Wechselaffinität auf Ebene Gemeinde

Qualitätsaspekte bei öffentlich zugänglichen Daten und der Modellierung

Ein wesentlicher Teil der genutzten Sekundärdaten stammt von offiziellen Quellen wie dem BfS, was eine hohe Datenqualität sicherstellt. Allerdings haben diese oft einen Time Lag: So sind verschiedene Datenquellen dort derzeit nur Stand Ende 2019 verfügbar. Angesichts der sich in Immobilienbestand und Bevölkerung vergleichsweise langsam entfaltenden Veränderungen über die Zeit hinweg dürfte dies die Aussagen aber nicht wesentlich beeinflussen. Zudem wurden aktuelle Online-Quellen genutzt und im Hintergrund automatisch aktualisiert, um gleichzeitig maximale Abdeckung und bestmögliche Datenaktualität zu erreichen.

Befragungs- und öffentliche Datenquellen wurden, wenn möglich, über die genaue Hausnummer verbunden, ansonsten mit Durchschnittswerten für die Strasse. Nur Observationen mit Strassenangabe flossen in die Modellierung ein. Nach dem gängigen Vorgehen bei der Entwicklung von Machine-Learning-Modellen wurden sogenannte Test-Stichproben gebildet, welche zur Qualitätsprüfung eines Modells verwendet werden und verhindern, dass ein Modell nur innerhalb der Stichprobe gute Resultate liefert. Dieser Prozess wurde aus Qualitätsgründen mehrmals durchlaufen.

Analysemöglichkeiten im EVU Marktatlas 2022

Die Ergebnisse werden in einem selbst zu bedienenden Datenportal zur Verfügung gestellt, das online im Browser, d.h. ohne eine lokale Installation, abrufbar ist. In das Datenportal fliessen sowohl die deskriptiven Befragungsergebnisse, als auch die modellierten und auf geografische Einheiten extrapolierten Indikatoren mit ein.

Bei der mikrogeografischen Analyse im Rahmen der Studie ist es möglich, Hochrechnungen bis auf Hektar, Gemeinde oder Versorgungsgebiet zu fahren. Die entsprechenden Analysen zu Wechselbereitschaft, Marktpotenzialen für Energieprodukte oder Markenbekanntheit zeigen, dass es zwar klare regionale Unterschiede gibt, diese sich in der Regel aber nicht homogen über Versorgungsgebiete oder Gemeinden verteilen. Bei der Bewerbung gewisser Leistungen wie beispielsweise Wärmepumpen oder Photovoltaik macht es demnach Sinn, eine differenzierte Marketing- und Vertriebsstrategie umzusetzen, um sich auf besonders erfolgversprechende regionale Zielgruppen zu konzentrieren – dies verspricht mehr Effektivität und Effizienz.

Abbildung 2: Lokale Potenziale für Premium-Stromprodukte in der Stadt Bern

Abbildung 2 zeigt eine Beispielauswertung in Form einer regionalen Hektaranalyse für die Stadt Bern hinsichtlich des Marktpotenzials für Premium-Stromprodukte. Eine differenzierte Marketingstrategie, auch im Hinblick auf geografische Merkmale, kann so nachhaltig geplant und begründbar verfolgt werden.
Die geografische Extrapolation von Befragungsdaten mittels Datenanreicherung von grossen, öffentlich zugänglichen Sekundärdatenquellen und auf Machine Learning basierten Korrelationsmodellen ist eine spannende Weiterentwicklung klassischer Marktforschungs-Studiendesigns. Durch die Kombination von Meinungs- und Einstellungsdaten mit Strukturdaten profitieren schlussendlich beide Datenquellen, da sie sich erkenntnistheoretisch gegenseitig anreichern.

Die Einsatzmöglichkeiten dieses Ansatzes sind in dieser Form auf Branchen und Business Cases beschränkt, für welche eine geografische Analyseperspektive relevant ist. Im besten Fall kann er aber auch einen Ausblick darstellen, wie die klassische Marktforschung im Zeitalter immer grösserer, automatisierter Datenströme eine relevante Rolle spielen kann.