prof. dr. karsten hadwich - uni-hohenheim.de · aßfalg et al. 2003, skript zur vorlesung knowledge...
Post on 26-Jun-2020
2 Views
Preview:
TRANSCRIPT
Prof. Dr. Karsten Hadwich
Lehrstuhl für Dienstleistungsmanagement
Institut für Marketing & Management
Universität Hohenheim
Wollgrasweg 23, 70593 Stuttgart
E-Mail: hadwich@uni-hohenheim.de
Internet: www.dlm.uni-hohenheim.de
Tel.: 0711/459 – 24461
Fax: 0711/459 – 24462
© Universität Hohenheim, Lehrstuhl für Dienstleistungsmanagement, Prof. Dr. Karsten Hadwich (2017), http://www.dlm.uni-hohenheim.de
Prof. Dr. Karsten Hadwich
Marketing Intelligence
Wintersemester 2017/2018
0
© Universität Hohenheim, Lehrstuhl für Dienstleistungsmanagement, Prof. Dr. Karsten Hadwich (2017), http://www.dlm.uni-hohenheim.de 1
Inhalte der Veranstaltung Marketing Intelligence
Lehrstuhl für Dienstleistungsmanagement
Allgemeines
Lehrform:
Verbindlichkeit:
SWS:
ECTS:
Prüfung:
Vorlesung mit Übung
Pflicht
3
6
Klausur (90 min)
Veranstaltung
Vorlesung (wöchentlich):
Dienstag, 08:15 Uhr bis 09:45 Uhr (Euro-Forum
Katharinasaal)
Start: 24.10.2017
Übung (14-tägig):Dienstag, 16:00 Uhr bis 17:30 Uhr (Euro-Forum
Katharinasaal
Inhalte
07.11.2017
21.11.2017
05.12.2017
19.12.2017
16.01.2018
23.01.2018
Grundlagen
Fragebogenkonzeption & qualitative Auswertung
Multidimensionale Skalierung
Faktorenanalyse
Strukturgleichungsmodelle
Data Mining-Verfahren
© Universität Hohenheim, Lehrstuhl für Dienstleistungsmanagement, Prof. Dr. Karsten Hadwich (2017), http://www.dlm.uni-hohenheim.de
Ansprechpartner der Veranstaltung
Lehrstuhl für Dienstleistungsmanagement
Prof. Dr. Karsten Hadwich
Lehrstuhlinhaber
karsten.hadwich@uni-hohenheim.de
Tel. 0711/459 - 24461
Denise Joecks-Laß, M.Sc.
Wissenschaftliche Mitarbeiterin
Denise.Joecks-Lass@uni-hohenheim.de
Tel. 0711/459 - 24465
2
Bettina Bürkin, M.Sc.
Wissenschaftliche Mitarbeiterin
bettina.buerkin@uni-hohenheim.de
Tel. 0711/459 - 24468
© Universität Hohenheim, Lehrstuhl für Dienstleistungsmanagement, Prof. Dr. Karsten Hadwich (2017), http://www.dlm.uni-hohenheim.de 3
Inhalte der Veranstaltung
Lehrstuhl für Dienstleistungsmanagement
Inhalte und Ziele der Vorlesung:
Die Studierenden haben vertiefte Kenntnisse über die Methoden der Marktforschung
sowie über die Rolle der Marktforschung als informations- und wissensbasierte
Marketingberatung.
Sie verfügen über Kenntnisse hinsichtlich der wesentlichen Schritte eines
Marktforschungsprozesses sowie einer Auswahl von qualitativen und multivariaten
Analysemethoden.
Die Studierenden können aufzeigen, welche Entscheidungen im Rahmen von
Marktforschungsprojekten zu treffen sind und sind fähig, für verschiedene
Entscheidungssituationen fundierte Empfehlungen zu geben.
Sie verstehen die behandelten multivariaten Analysemethoden und können die
jeweiligen statistischen Daten interpretieren.
Sie sind in der Lage, die zentralen Methoden der Marktforschung nachzuvollziehen
und im Marketingkontext anzuwenden.
© Universität Hohenheim, Lehrstuhl für Dienstleistungsmanagement, Prof. Dr. Karsten Hadwich (2017), http://www.dlm.uni-hohenheim.de 4
Grundlegende Literatur zur Veranstaltung
Lehrstuhl für Dienstleistungsmanagement
Kapitel 1
Kapitel 3
Göb, J. (2010):
Marketing Intelligence:
Wissen als Entscheidungs-
grundlage im Marketing,
Wiesbaden
Backhaus, K./Erichson, B./
Plinke, W./Weiber, R. (2011):
Multivariate Analysemethoden,
13. Aufl., Berlin/Heidelberg
Weiber, R./Mühlhaus, D. (2014):
Strukturgleichungsmodellierung,
Berlin/Heidelberg
Kapitel 2
Homburg, C. (2012):
Marketingmanagement,
4. Aufl., Wiesbaden
Döring, N./Bortz, B. (2016):
Forschungsmethoden und
Evaluation, 5. Aufl.,
Berlin/Heidelberg
© Universität Hohenheim, Lehrstuhl für Dienstleistungsmanagement, Prof. Dr. Karsten Hadwich (2017), http://www.dlm.uni-hohenheim.de
Aßfalg et al. 2003, Skript zur Vorlesung Knowledge Discovery in Databases im Wintersemester 2007/2008, Kapitel 3: Klassifikation, LMU München,
Institut für Informatik.
Awad, W. A./ELseuofi, S. M. (2011): Machine Learning methods for E-mail Classification, in: International Journal of Computer Applications, Vol. 16,
No. 1, S. 39-45.
Berekoven, L./Eckert, W./Ellenrieder, P. (2006): Marktforschung. Methodische Grundlagen und praktische Anwendung. 11. Aufl., Wiesbaden.
Böhler, H. (1992): Marktforschung, Stuttgart.
Brown, T. (2014): Confirmatory factor analysis for applied research, New York.
Bruhn, M. (2002): Integrierte Kundenorientierung: Implementierung einer kundenorientierten Unternehmensführung, Wiesbaden.
Bruhn, M./Hadwich, K. (2006): Produkt-und Servicemanagement, München.
Buber, R./Holzmüller, H.H. (2009): Quantitative Marktforschung: Konzepte – Methoden – Analysen, 2. Aufl., Wiesbaden.
Ceglar, A./Roddick, J. F. (2006): Association mining, in: ACM Computing Surveys (CSUR), Vol. 38, No. 2, S. 1-42.
Churchill, G.A. (1979): A paradigm for developing better measures of marketing constructs, in: Journal of marketing research, Vol. 16, No. 1, S.64-73.
Diamantopoulos, A./Winklhofer, H.M. (2001): Index construction with formative indicators: an alternative to scale development, in: Journal of Marketing
research, Vol. 38, No. 2, S. 269-277.
Gupta, V./Lehal, G.S. (2009): A Survey of Text Mining Techniques and Applications, in: Journal of emerging technologies in web intelligence, Vol. 1, No.
1, S. 60-76.
Hammann, P./Erichson, B. (2000): Marktforschung, 4., überarbeitete und erweiterte Aufl., Stuttgart.
Kuß A. (2012): Marktforschung, 4. Aufl., Wiesbaden.
Koschate, N. (2002): Kundenzufriedenheit und Preisverhalten, Köln.
Linoff, G. S., & Berry, M. J. (2011). Data mining techniques: for marketing, sales, and customer relationship management. John Wiley & Sons.
Lincoln, Y. S.; Guba, E. G. (1985): Naturalistic Inquiry. Beverly Hills pp.:Sage Publications
Malhotra, N.K. (2010): Marketing research: An applied orientation, Prentice Hall
Manning et al. 2008, Introduction to information retrieval, Chapter 15: Support vector machines and machine learning on documents, Cambridge.
Mayring, P. (2015): Qualitative Inhaltsanalyse : Grundlagen und Techniken, Weinheim.
Rossiter, J.R. (2002): The C-OAR-SE procedure for scale development in marketing, in: International journal of research in marketing, Vol. 19, No. 4, S.
305-335.
Shaw, M. J., Subramaniam, C., Tan, G. W., & Welge, M. E. (2001). Knowledge management and data mining for marketing. Decision support systems,
31(1), 127-137.
Shimodaira, H. (2014). Text classification using naive bayes. Learning and Data Note, 7, pp.1-9.
Ergänzende Literatur
Lehrstuhl für Dienstleistungsmanagement
5
© Universität Hohenheim, Lehrstuhl für Dienstleistungsmanagement, Prof. Dr. Karsten Hadwich (2017), http://www.dlm.uni-hohenheim.de 6
Inhalte der Veranstaltung
Lehrstuhl für Dienstleistungsmanagement
Literatur- und Terminübersicht:
Stunde Datum Inhalt Literatur zur Klausurvorbereitung
1 24.10.2017
Grundlagen
Untersuchungs-
problem und -design
Göb, J. (2010): Marketing Intelligence: Wissen als Entscheidungsgrundlage im Marketing,
Wiesbaden. S.87 - 130.
Homburg, C. (2012): Marketingmanagement, 4. Aufl., Wiesbaden. S.249 - 429.
2 31.10.2017 Feiertag – Vorlesung entfällt
3 07.11.2017
Marktforschungs-
methode und
Datenerhebung
Homburg, C. (2012): Marketingmanagement, 4. Aufl., Wiesbaden. S.249 - 429.
Döring, N./Bortz, J. (2016): Forschungsmethoden und Evaluation, 5. Aufl., Berlin/Heidelberg, S.
181 - 220, S. 321 - 577.
4 14.11.2017
Marktforschungs-
methode und
Datenerhebung
und
Qualitative
Methoden
Homburg, C. (2012): Marketingmanagement, 4. Aufl., Wiesbaden. S.249 - 429
Döring, N./Bortz, J. (2016): Forschungsmethoden und Evaluation, 5. Aufl., Berlin/Heidelberg, S.
181 - 220, S. 321 - 577.
5 21.11.2017 Gastvortrag
6 28.11.2017
Qualitative
Methoden und
Multidimensionale
Skalierung
Döring, N./Bortz, J. (2016): Forschungsmethoden und Evaluation, 5. Aufl., Berlin/Heidelberg, S.
181 - 220, S. 321 - 577.
Backhaus, K./Erichson, B./Plinke, W./Weiber, R. (2011): Multivariate Analysemethoden, 13. Aufl.,
Berlin/Heidelberg. S. 611 - 618.
© Universität Hohenheim, Lehrstuhl für Dienstleistungsmanagement, Prof. Dr. Karsten Hadwich (2017), http://www.dlm.uni-hohenheim.de 7
Inhalte der Veranstaltung
Lehrstuhl für Dienstleistungsmanagement
Literatur- und Terminübersicht:
Stunde Datum Inhalt Literatur zur Klausurvorbereitung
7 05.12.2017Multidimensionale
Skalierung
Backhaus, K./Erichson, B./Plinke, W./Weiber, R. (2011): Multivariate Analysemethoden, 13. Aufl.,
Berlin/Heidelberg. S.611 - 618.
8 12.12.2017Konfirmatorische
Faktorenanalyse
Backhaus, K./Erichson, B./Plinke, W./Weiber, R. (2011): Multivariate Analysemethoden, 13. Aufl.,
Berlin/Heidelberg. S.589 - 596.
Weiber, R./Mühlhaus, D. (2014): Strukturgleichungsmodellierung, Berlin/Heidelberg.
9 19.12.2017 Gastvortrag
10 09.01.2018Strukturgleichungs-
modelle Weiber, R./Mühlhaus, D. (2014): Strukturgleichungsmodellierung, Berlin/Heidelberg.
11 16.01.2018Strukturgleichungs-
modelle Weiber, R./Mühlhaus, D. (2010): Strukturgleichungsmodellierung, Berlin/Heidelberg.
12 23.01.2018Data Mining-
Verfahren
Liu, B. (2011): Web Data Mining – Exploring Hyperlinks, Contents and Usage Data, 2nd. ed.,
Heidelberg u.a.
Aggarwal, C.C./Zhai, C.X. (2012): Mining Text Data, New York u.a.
13 30.01.2018 Wiederholung & Klausurvorbereitung
© Universität Hohenheim, Lehrstuhl für Dienstleistungsmanagement, Prof. Dr. Karsten Hadwich (2017), http://www.dlm.uni-hohenheim.de
Wichtige Informationen und Handouts zu dieser Veranstaltung finden Sie
ab sofort auf der ILIAS-Plattform:
https://ilias.uni-hohenheim.de
Die Unterlagen sind ab der zweiten Vorlesungswoche passwortgeschützt.
Das Passwort lautet:
Veranstaltungsunterlagen
Organisation
8
© Universität Hohenheim, Lehrstuhl für Dienstleistungsmanagement, Prof. Dr. Karsten Hadwich (2017), http://www.dlm.uni-hohenheim.de
Inhaltsübersicht
1. Konzept der Marketing Intelligence
1.1 Grundlagen der Marketing Intelligence
1.2 Grundlagen der Marktforschung
2. Marktforschungsprozess
2.1 Festlegung von Untersuchungsproblem und -design
2.2 Auswahl der Marktforschungsmethode und Datenerhebung
2.2.1 Festlegung der Datenerhebungsmethode
2.2.2 Stichprobenauswahl
2.2.3 Entwicklung des Erhebungsinstrumentes
2.3 Qualitative Datenanalyse und -interpretation
2.4 Quantitative Datenanalyse und -interpretation
9
© Universität Hohenheim, Lehrstuhl für Dienstleistungsmanagement, Prof. Dr. Karsten Hadwich (2017), http://www.dlm.uni-hohenheim.de
Inhaltsübersicht
3. Klassische multivariate Analyseverfahren
3.1 Multidimensionale Skalierung
3.2 Konfirmatorische Faktorenanalyse
3.3 Strukturgleichungsmodelle
4. Data Mining-Verfahren
4.1 Prozess und Verfahren im Überblick
4.2 Klassifikationsverfahren
4.3 Assoziationsverfahren
4.4 Clustering
10
© Universität Hohenheim, Lehrstuhl für Dienstleistungsmanagement, Prof. Dr. Karsten Hadwich (2017), http://www.dlm.uni-hohenheim.de
Inhaltsübersicht
1. Konzept der Marketing Intelligence
1.1 Grundlagen der Marketing Intelligence
1.2 Grundlagen der Marktforschung
2. Marktforschungsprozess
2.1 Festlegung von Untersuchungsproblem und -design
2.2 Auswahl der Marktforschungsmethode und Datenerhebung
2.2.1 Festlegung der Datenerhebungsmethode
2.2.2 Stichprobenauswahl
2.2.3 Entwicklung des Erhebungsinstrumentes
2.3 Qualitative Datenanalyse und -interpretation
2.4 Quantitative Datenanalyse und -interpretation
11
© Universität Hohenheim, Lehrstuhl für Dienstleistungsmanagement, Prof. Dr. Karsten Hadwich (2017), http://www.dlm.uni-hohenheim.de
Inhaltsübersicht
1. Konzept der Marketing Intelligence
1.1 Grundlagen der Marketing Intelligence
1.2 Grundlagen der Marktforschung
2. Marktforschungsprozess
2.1 Festlegung von Untersuchungsproblem und -design
2.2 Auswahl der Marktforschungsmethode und Datenerhebung
2.2.1 Festlegung der Datenerhebungsmethode
2.2.2 Stichprobenauswahl
2.2.3 Entwicklung des Erhebungsinstrumentes
2.3 Qualitative Datenanalyse und -interpretation
2.4 Quantitative Datenanalyse und -interpretation
12
© Universität Hohenheim, Lehrstuhl für Dienstleistungsmanagement, Prof. Dr. Karsten Hadwich (2017), http://www.dlm.uni-hohenheim.de
Begriff der Marketing Intelligence
1.1 Grundlagen der Marketing Intelligence
13
Angebotsseite
von Marketing-
informationen
(Datenseite)
Marketing
Intelligence
Nachfrageseite
von Marketing-
informationen
(Entscheidungs-
seite)
EntscheidungVerbesserung der
Entscheidungs-
qualität
Quelle: Göb 2010, S. 96
© Universität Hohenheim, Lehrstuhl für Dienstleistungsmanagement, Prof. Dr. Karsten Hadwich (2017), http://www.dlm.uni-hohenheim.de
Informationsdefizit als Ausgangsbasis der Marktforschung
1.1 Grundlagen der Marketing Intelligence
Definition: Marketing Intelligence
„Marketing Intelligence ist ein kontinuierlicher Prozess der Bildung von
Marketingwissen aus marketingrelevanten Daten bzw. Informationen sowie
subjektiven Erfahrungen mit dem Ziel, Marketingentscheidungen zu verbessern
und Marketingentscheider zu unterstützen.“
14
Quelle: Göb 2010, S. 95f.
© Universität Hohenheim, Lehrstuhl für Dienstleistungsmanagement, Prof. Dr. Karsten Hadwich (2017), http://www.dlm.uni-hohenheim.de
Bezugsrahmen von Marketing Intelligence
1.1 Grundlagen der Marketing Intelligence
15
U N T E R N E H M E N S E I N F L Ü S S E
U M W E LT E I N F L Ü S S E
DA
TE
NS
EIT
E(A
ng
eb
ots
seite
vo
n M
ark
etin
gin
form
atio
nen
) EN
TS
CH
EID
UN
GS
SE
ITE
(Na
ch
frage
se
ite v
on
Ma
rke
tingin
form
atio
ne
n)
Marketing Intelligence-Cycle
Entscheidung
Informationsebene
Wissensebene
Datenebene
Quelle: Göb 2010, S. 129
© Universität Hohenheim, Lehrstuhl für Dienstleistungsmanagement, Prof. Dr. Karsten Hadwich (2017), http://www.dlm.uni-hohenheim.de
Marketing Intelligence-Cycle
1.1 Grundlagen der Marketing Intelligence
16
Entscheidungsseite
(Nachfrageseite von
Marketing-
informationen)
Datenseite
(Angebotsseite von
Marketing-
informationen)
Datenebene
• Definition des Analyseziels
• Informationsbedarfsanalyse
Informationsebene
• Prozess der Datenintegration
• Verfahren zur Analyse von
Marketingdaten
• Generierung von Marketing
Insights
Analyse, Anreicherung
ProblemverständnisProblemdefinition
Wissensebene
• Wissensschaffung und -verteilung
(Sozialisation, Externalisierung,
Kombination, Internalisierung)
• Ganzheitliches Management von
Wissen
Problemlösung
Quelle: Göb 2010, S. 132
© Universität Hohenheim, Lehrstuhl für Dienstleistungsmanagement, Prof. Dr. Karsten Hadwich (2017), http://www.dlm.uni-hohenheim.de
Datenebene: Big Data
1.1 Grundlagen der Marketing Intelligence
17
Quelle: BITKOM 2012, S. 19
„Big Data bezeichnet den Einsatz großer Datenmengen aus vielfältigen Quellen mit einer hohen
Verarbeitungsgeschwindigkeit zur Erzeugung wirtschaftlichen Nutzens.“
(BITKOM 2012, S. 21)
Datenmenge (Volume)
Anzahl von Datensätzen und FilesYottabytesZettabytesExabytesPetabytesTerabytes
Datengenerierung in hoher
GeschwindigkeitÜbertragung der konstant erzeugten DatenEchtzeitMillisekundenSekunden | Minuten | Stunden
Geschwindigkeit (Velocity)
Erkennen von Zusammenhängen,
Bedeutungen, MusternVorhersagemodelle
Data MiningText Mining
Bildanalytik | Visualisierung | Realtime
Analytics
Datenvielfalt (Variety)
Fremddaten (Web etc.)Firmendaten
unstrukturierte, semistrukturierte,
strukturierte DatenPräsentationen | Texte | Video | Bilder | Tweets | Blogs
Kommunikation zwischen Maschinen
Big Data
© Universität Hohenheim, Lehrstuhl für Dienstleistungsmanagement, Prof. Dr. Karsten Hadwich (2017), http://www.dlm.uni-hohenheim.de
Datenebene: Entstehung von Big Data
1.1 Grundlagen der Marketing Intelligence
18
Quelle: BITKOM 2012, S. 13
18
14
3
2
8
13
27
14
33
37
43
32
14
3
5
11
11
41
22
24
30
41
30
500 - 1000 Mitarbeiter über 1000 Mitarbeiter
Cloud Computing (IaaS, PaaS, SaaS)
Collaboration (File Sharing, Web Conferencing, etc.)
IP-basierte Kommunikation (VOIP, Chat, Video, Unified Communications)
Machine-to-Machine (M2M) / Einsatz von Sensor- u. Chip-
Technologien (Smart Energy, Logistik, etc.)
Digitalisierung von Geschäftsmodellen (eCommerce, Online Advertisement)
Social Media (Facebook, Twitter, Blog etc.)
Video-Streaming und Media-Distribution (Audio, Film, TV)
Online Gaming und Entertainment (Browser Games, Apps)
Sonstige
Keine Angaben / Weiß nicht
(Mehrfachnennung möglich) Angaben in Prozent
Mobile Nutzung des Internets via Smartphones, Pads und Net / Notebooks
Welche Treiber sind für das Datenwachstum in Ihrem Unternehmen wesentlich?
© Universität Hohenheim, Lehrstuhl für Dienstleistungsmanagement, Prof. Dr. Karsten Hadwich (2017), http://www.dlm.uni-hohenheim.de
Informationsebene: Datenintegration und -analyse (I)
1.1 Grundlagen der Marketing Intelligence
19
integrierte Marketinginformationen
Daten
DatenDaten
Um integrierte Marketinginformationen zu
erhalten, ergibt sich die Notwendigkeit zur
• Datenselektion
• Datenaufbereitung
• Datenfusion
Ziel: Von Big Data zu Big Knowledge
Die durch den Begriff Big Data bezeichneten riesigen Datenmengen lassen sich
aufgrund des Ausmaßes bzw. der Komplexität nicht direkt für Marketingentscheidungen
verwenden.
© Universität Hohenheim, Lehrstuhl für Dienstleistungsmanagement, Prof. Dr. Karsten Hadwich (2017), http://www.dlm.uni-hohenheim.de
Informationsebene: Datenintegration und -analyse (II)
1.1 Grundlagen der Marketing Intelligence
20
Quelle: Neckel/Knobloch 2005, S. 83 f.; Göb 2010, S. 166
Untersuchungs-
problem
Analyseziel
Verfahrensklasse
Verfahrensebene
Datenanalyse
Anwendungsebene
Hypothesenverifikation
Hypothesengetriebene Analyse
(top-down)
„Klassische“ Verfahren
• OLAP
• Clusteranalyse
• Faktorenanalyse
• Varianzanalyse
• Regressionsanalyse
• Multidimensionale Skalierung
• Portfolio-Analyse
• …
Data Mining-Verfahren
• Entscheidungsbäume
• Heuristiken
• Künstliche neuronale Netze
• Assoziationsmethoden
• Clusteranalyse
• Klassifikationsverfahren
• Evolutionäre Algorithmen
• Bayesianische Netze
• …
Datenmustererkennung
Datengetriebene Analyse
(bottom-up)
© Universität Hohenheim, Lehrstuhl für Dienstleistungsmanagement, Prof. Dr. Karsten Hadwich (2017), http://www.dlm.uni-hohenheim.de
Informationsebene: Data Mining
1.1 Grundlagen der Marketing Intelligence
21
“Data Mining is a problem-solving methodology that finds a logical or mathematical description,
eventually of a complex nature, of patterns and regularities in a set of data.”
(Decker/Focardi 1995, S. 3)
Data Mining ist der Sammelbegriff für unterschiedliche rechnergestützte Verfahren zur Analyse
großer Datenbestände. Mit Data Mining lassen sich Muster in vorliegenden Datenbeständen
finden, die z.B. durch mathematische Beschreibungen abgebildet werden können (Chamoni 2013).
(Quelle: Fayyad/Piatetsky-Shapiro/Smyth 1996, S. 41)
DB
Auswahl
Vorverarbeitung
Transformation
Data Mining
Interpretation
Wissen
Zieldaten
Vorverarbeitete
Daten
Transformierte
Daten
Muster
© Universität Hohenheim, Lehrstuhl für Dienstleistungsmanagement, Prof. Dr. Karsten Hadwich (2017), http://www.dlm.uni-hohenheim.de
Wissensebene: Verknüpfung von Informationen
1.1 Grundlagen der Marketing Intelligence
22
Erst die Verknüpfung bzw. Integration von erhaltenen Marketinginformationen
(Marketing Insights) in die Prozesse zur Entscheidungsfindung im Marketing
zusammen mit einer entsprechenden Interpretation generiert Marketingwissen, das in
Handlungen umgesetzt werden kann.
Notwendig: Austausch zwischen Daten- und Entscheiderseite
Entscheidungsprozesse des Marketing
Marketing
Insights
Verbesserung der
Qualität der
Marketing-
entscheidungen
Anwendungs-
bezogenes
Marketing-
wissen
+ Interpretation
Quelle: Göb 2010, S. 178
© Universität Hohenheim, Lehrstuhl für Dienstleistungsmanagement, Prof. Dr. Karsten Hadwich (2017), http://www.dlm.uni-hohenheim.de
Wissensebene: Beispiel eines Marketing Intelligence-Systems
1.1 Grundlagen der Marketing Intelligence
23
Quelle: in Anlehnung an Wimmer/Göb 2005, S. 397
• Absatz, Umsatz,
Markt-/Kundenanteil
• DB, Gewinn
• Marktpotenzial/-volumen
• Markenwert
• Image, Bekanntheit
• Markenbild/-persönlichkeit
• Markenbewusstsein
• …
Endkunden (Consumer Insight):
• Segmente
• Lifestyles, Motive
• Kauf-/Informationsverhalten
• …
Handel:
• Distribution
• …
• Kundenwert
• Kundenzufriedenheit
• Kundenloyalität
• Kundenwünsche/-bedürfnisse
• Kundeneinstellungen
• Customer Profiling
• Predictive Analytics
• …
• Wettbewerbs- und Lieferanten-
aktivitäten
• Technologietrends
• Wettbewerbsintensität und
-dynamik
• Competitor Benchmarking
• Gesellschaft und Ökologie
• Politisches Klima
• …
Market
Intelligence
Product/Brand
Intelligence
Customer
Intelligence
Competitive
Intelligence
© Universität Hohenheim, Lehrstuhl für Dienstleistungsmanagement, Prof. Dr. Karsten Hadwich (2017), http://www.dlm.uni-hohenheim.de
Wissensebene: Marketing Intelligence-Pyramide
1.1 Grundlagen der Marketing Intelligence
24
Marketing-
beratung
Marketingwissen
Integrierte
Marketinginformationen
Marktforschungsinformationen
Marktforschungsdaten
Wissensbasierte
Marketingberatung
• Erkenntnisse und Einsichten
(Insights)
• Problembezogene Lösungs-
vorschläge
• Empirisch begründete
Handlungsempfehlungen
Consultancy Skills
Knowledge Skills
Integration mit weiteren unternehmens-
internen und -externen problemrelevanten
Marketingdaten
Analytische Fähigkeiten
Mark
eti
ng
In
tellig
en
ce
Tra
ditio
nelle
Mark
tfors
chung
Quelle: Göb 2010, S. 229
© Universität Hohenheim, Lehrstuhl für Dienstleistungsmanagement, Prof. Dr. Karsten Hadwich (2017), http://www.dlm.uni-hohenheim.de
Inhaltsübersicht
1. Konzept der Marketing Intelligence
1.1 Grundlagen der Marketing Intelligence
1.2 Grundlagen der Marktforschung
2. Marktforschungsprozess
2.1 Festlegung von Untersuchungsproblem und -design
2.2 Auswahl der Marktforschungsmethode und Datenerhebung
2.2.1 Festlegung der Datenerhebungsmethode
2.2.2 Stichprobenauswahl
2.2.3 Entwicklung des Erhebungsinstrumentes
2.3 Qualitative Datenanalyse und -interpretation
2.4 Quantitative Datenanalyse und -interpretation
25
© Universität Hohenheim, Lehrstuhl für Dienstleistungsmanagement, Prof. Dr. Karsten Hadwich (2017), http://www.dlm.uni-hohenheim.de
Quelle: Kroeber-Riel/Weinberg/Gröppel-Klein 2009
Forschungsansätze des Konsumentenverhaltens
1.2 Grundlagen der Marktforschung
S R
z.B. attraktives Produkt Mensch z.B. Impulskauf
Kennzeichnung des behavioristischen Forschungsansatzes
Stimulus „Black Box“ Reaktion
S R
z.B. Werbeanzeige aktivierende Prozesse,
z.B. Einstellung
kognitive Prozesse,
z.B. Lernen
z.B. Kauf
Kennzeichnung des neo-behavioristischen Forschungsansatzes
Stimulus Vermittelnder
Organismus
Reaktion
O
26
© Universität Hohenheim, Lehrstuhl für Dienstleistungsmanagement, Prof. Dr. Karsten Hadwich (2017), http://www.dlm.uni-hohenheim.de
Informationsdefizit als Ausgangsbasis der Marktforschung
1.2 Grundlagen der Marktforschung
Daher: Marktforschung ist kein Selbstzweck, sondern ein Instrument!
Definition: Marktforschung
Marktforschung umfasst die Gewinnung, Auswertung und Interpretation
von Informationen über jetzige und zukünftige Marketingsituationen und
-entscheidungen einer Unternehmung.
27
© Universität Hohenheim, Lehrstuhl für Dienstleistungsmanagement, Prof. Dr. Karsten Hadwich (2017), http://www.dlm.uni-hohenheim.de
Aufgabenverteilung der Marktforschung und des Marketing
1.2 Grundlagen der Marktforschung
Quelle: Kuß 2012, S. 3
Aufgaben der
Marktforschung
Aufgaben des
Marketing
Identifizierung von
Marketingchancen
und -problemen
Überprüfung der
vorgeschlagenen
Marketingmaßnahmen
Überprüfung des
Erfolgs der Marketing-
maßnahmen
Entwicklung entsprechender
Marketingmaßnahmen
Realisierung der
Marketingmaßnahmen
Modifizierung / Verbesserung
der Marketingmaßnahmen
28
© Universität Hohenheim, Lehrstuhl für Dienstleistungsmanagement, Prof. Dr. Karsten Hadwich (2017), http://www.dlm.uni-hohenheim.de
Allgemeine Untersuchungsbereiche der Marktforschung
1.2 Grundlagen der Marktforschung
Quelle: Bruhn 2009
29
Wirkungen der
Marketinginstrumente
- Veränderungen von Marktreaktionen
Entwicklung des Marktes
- (Teil-)Marktchancen
- Marktpotential
Beobachtung unternehmens-
spezifischer Marketingfaktoren
Verhalten der Marktteilnehmer
- Konsumentenforschung
- Handelsforschung
- Konkurrenzforschung
Untersuchungs-
bereiche der
Marktforschung
© Universität Hohenheim, Lehrstuhl für Dienstleistungsmanagement, Prof. Dr. Karsten Hadwich (2017), http://www.dlm.uni-hohenheim.de
Aber auch…
1.2 Grundlagen der Marktforschung
Quelle: Kuß 2012, S.4f.
30
Untersuchungsergebnisse werden dazu verwendet, eigene
Entscheidungen (z. B. Produktentwicklungen) zu begründen.Unterstützung der
eigenen Meinung
Misserfolge lassen sich leichter rechtfertigen, wenn belegt
werden kann, dass im Vorfeld die Alternativen sorgfältig
untersucht wurden.
Absicherung bei
Misserfolg
„Notwendige“ weitere Untersuchungen werden als Grundlage
dafür genommen eine (Produkt-)Entscheidung hinauszuzögern.Verzögerung von
Entscheidungen
Fragen der Verwechslung von Marken, Irreführungen durch
Werbung etc. lassen sich durch Marktbefragungen klären.Hilfsmittel bei
rechtlichen Belangen
z. B. „Deutschlands meistgekaufte Programmzeitschrift“,
„Europas beliebtester Kleinwagen“Argumente für PR
und Werbung
© Universität Hohenheim, Lehrstuhl für Dienstleistungsmanagement, Prof. Dr. Karsten Hadwich (2017), http://www.dlm.uni-hohenheim.de
Mögliche Nutzer von Marktforschungsdaten
1.2 Grundlagen der Marktforschung
Quelle: Kuß 2012, S.5f.
31
Konsumgüter-
unternehmen
z. B.: Regelmäßige Messung
von Bedürfnissen („Tracking“)
Dienstleistungs-
unternehmen
z. B.: Regelmäßige Messung
der Kundenzufriedenheit
Einzelhandel
z. B.: Kundensegmentierung
und -ansprache durch Kunden-
karten
Werbebranche
z. B.: Werbewirkungsforschung
Medien
z. B.: Bestimmung von Ziel-
gruppen für neue Zeitschriften,
TV-Formate etc.
Staatliche Stellen
z. B.: Messung von Konsum-
gewohnheiten im Stadtmarketing,
Tourismusverband
© Universität Hohenheim, Lehrstuhl für Dienstleistungsmanagement, Prof. Dr. Karsten Hadwich (2017), http://www.dlm.uni-hohenheim.de
Inhaltsübersicht
1. Konzept der Marketing Intelligence
1.1 Grundlagen der Marketing Intelligence
1.2 Grundlagen der Marktforschung
2. Marktforschungsprozess
2.1 Festlegung von Untersuchungsproblem und -design
2.2 Auswahl der Marktforschungsmethode und Datenerhebung
2.2.1 Festlegung der Datenerhebungsmethode
2.2.2 Stichprobenauswahl
2.2.3 Entwicklung des Erhebungsinstrumentes
2.3 Qualitative Datenanalyse und -interpretation
2.4 Quantitative Datenanalyse und -interpretation
32
top related