Der Wert von Produktvielfalt: - Universität St.Gallen

Der Wert von Produktvielfalt:
Wirkung großer Sortimente auf das Verhalten von Konsumenten
DISSERTATION
der Universität St. Gallen,
Hochschule für Wirtschafts-,
Rechts- und Sozialwissenschaften (HSG)
zur Erlangung der Würde eines
Doktors der Wirtschaftswissenschaften
vorgelegt von
Michael Riemenschneider
aus
Deutschland
Genehmigt auf Antrag der Herren
Prof. Dr. Andreas Herrmann
und
Prof. Dr. Torsten Tomczak
Dissertation Nr. 3142
Deutscher Universitäts-Verlag, Wiesbaden 2006

Die Universität St. Gallen, Hochschule für Wirtschafts-, Rechts- und Sozialwissenschaften
(HSG), gestattet hiermit die Drucklegung der vorliegenden Dissertation, ohne
zu den darin ausgesprochenen Anschauungen Stellung zu nehmen.
St. Gallen, den 17. November 2005
Der Rektor:
Prof. Ernst Mohr, PhD
Die Arbeit erscheint unter dem Titel: „Der Wert von Produktvielfalt: Wirkung großer
Sortimente auf das Verhalten von Konsumenten“, in Reinhold Decker, Franz-Rudolf
Esch, Andreas Herrmann, Henrik Sattler, Herbert Woratschek (Hrsg.): Marken- und
Produktmanagement, Deutscher Universitäts-Verlag, Wiesbaden, 2006.
ISBN 3-8350-0305-4

Geleitwort
„Je mehr, desto besser“ lautete lange Zeit – und lautet häufig noch immer – die Devise
von Unternehmen im Hinblick auf die Größe der von ihnen angebotenen Vielfalt an
Produkten. Basis dieser Argumentation ist die Annahme, dass die Bedürfnisse von
Konsumenten verschieden sind und durch eine höhere Anzahl von Produkten besser
erfüllt werden können als durch eine geringe. Dieser Logik folgend ist die
Wahrscheinlichkeit, dass ein Konsument ein seinen Bedürfnissen entsprechendes
Produkt findet und kauft, bei großer Auswahl höher als bei kleiner.
Doch sowohl in der Praxis als auch in der Forschung wurden die Grenzen dieser
Argumentation deutlich. So haben zahlreiche Forschungsarbeiten – in neuerer Zeit v.a.
im Themenfeld der Konsumentenverwirrtheit – gezeigt, dass Konsumenten
Schwierigkeiten mit der hohen Komplexität großer Vielfalt haben, in deren Folge
sowohl ihre Kaufabsicht als auch Zufriedenheit sinkt.
Riemenschneider wendet sich mit seiner Arbeit dem Spannungsfeld hoher
Produktvielfalt zu und erklärt mittels eines auf umfassender theoretischer Basis
entwickelten Kosten-und-Nutzen-Ansatzes, welche positiven (Nutzen) und negativen
(Kosten) Aspekte Konsumenten mit hoher Produktvielfalt verbinden und wie sich
diese auf deren Verhalten auswirken. Die Ergebnisse der umfassenden und
anspruchsvollen empirischen Untersuchungen verdeutlichen zum einen, dass (zu)
große Sortimente aus Konsumenten – und somit auch aus Unternehmenssicht – mit
deutlichen Nachteilen verbunden sind und „mehr“ nicht „besser“ sondern sogar
„schlechter“ sein kann. Zum anderen verdeutlichen die Untersuchungsergebnisse
Einflussstärke und Bedeutung einzelner positiver und negativer Facetten hoher
Produktvielfalt auf das Entscheidungsverhalten und die Zufriedenheit von
Konsumenten.
Die auf Basis des Modells abgeleiteten Erklärungsansätze hierfür sind sowohl für die
Wissenschaft als auch für die Praxis relevant. So zeigt Riemenschneider anschaulich
und auf umfassender theoretischer Basis die Zusammenhänge positiver und negativer
Aspekte großer Sortimente mit dem Verhalten von Konsumenten auf und entwickelt
ein Instrumentarium, diese zu messen.
I

Für den Praktiker – insbesondere für Handelsunternehmen und Hersteller von
Gebrauchs- und Verbrauchsgütern – leitet der Autor aus den Untersuchungsergebnissen
umfassende praxisorientierte und pragmatische Handlungsempfehlungen zur
Optimierung von Sortimenten und der Gestaltung des Marketing-Mix ab. Vor diesem
Hintergrund wünsche ich der Arbeit eine weite Verbreitung.
Professor Dr. Andreas Herrmann
II

Vorwort
Die stete Sortimentserweiterung von Handelsunternehmen und Herstellern von Geund
Verbrauchsgütern verdeutlicht ebenso wie die Entstehung immer größerer
Einkaufszentren und Gigastores, dass hohe Produktvielfalt für Unternehmen ein
bedeutendes Marketinginstrument ist, um Konsumenten anzuziehen und zum Kauf zu
motivieren. Gleichzeitig ist sowohl in der Praxis als auch in der Forschung eine
intensiver werdende Diskussion der negativen Auswirkungen (über)großer Sortimente
auf das Entscheidungsverhalten und die Zufriedenheit der Konsumenten zu
beobachten. Aus der Sicht von Konsumenten hat hohe Produktvielfalt demnach
sowohl positive als auch negative Aspekte, die beide ihr Verhalten beeinflussen. Der
dieser Arbeit zu Grunde liegende Kosten- und Nutzenansatz identifiziert bedeutende
positive und negative Facetten hoher Produktvielfalt, beschreibt Zusammenhänge
zwischen diesen und dem Verhalten von Konsumenten und überprüft diese mittels
umfassender empirischer Untersuchungen. Die hohe Praxisrelevanz des Themas und
die Faszination der fachgebietsübergreifenden Fragestellungen bildeten die Motivation
für diese Forschungsarbeit.
Bei den zahlreichen Personen, die mich hierbei direkt oder indirekt unterstützt haben,
möchte ich mich an dieser Stelle bedanken:
Insbesondere und allen voran danke ich meinem Doktorvater, Herrn Prof. Dr. Andreas
Herrmann. Er hat durch seine intensive Betreuung, seine konstruktiven Vorschläge
und seine hohe Fachkompetenz wesentlich zum Gelingen dieser Arbeit beigetragen.
Mein Dank gilt ebenso Herrn Prof. Dr. Torsten Tomczak für die Übernahme des
Korreferats und seine praxisnahen Anregungen und konstruktiven Analysen, die nicht
nur bei der Detaillierung der Fragestellung sehr hilfreich waren.
Bedanken möchte ich mich auch bei meinen ehemaligen Kollegen von The Boston
Consulting Group. Insbesondere danke ich der Münchner Doktorandengruppe sowie
Hrn. Dr. Fabian von Löwenfeld für intensive fachliche Diskussionen und
willkommene Gespräche abseits der Promotion. Für die infrastrukturelle Unterstützung
im BCG-Büro in München bin ich besonders Georg Sticher und Dr. Kai Obring
zu Dank verpflichtet.
Nicht zuletzt möchte ich meiner Mutter Elfriede Riemenschneider danken, die mein
Studium intensiv unterstützt und damit diese Arbeit erst ermöglicht hat.
III

Lob gebührt auch Herrn Dr. Hans Kluth, der dankenswerterweise die mühselige Arbeit
des Korrekturlesens übernahm.
Für die Unterstützung der empirischen Untersuchung möchte ich mich bei den
Mediamarkt-Geschäftsführern Edel, Herter, Kreipl und Kretzschmar sowie bei den
710 Teilnehmern der Befragung bedanken.
Für ihre unschätzbare Hilfe danke ich schließlich meiner Freundin Vanessa Kluth. Ihre
Geduld und ihr Verständnis halfen mir entscheidend, diese Arbeit zu vollenden.
München, im Dezember 2005
Michael Riemenschneider
IV

Inhaltsübersicht
1. Produktvielfalt und ihre Wirkung: Grundlagen und Zielsetzung der
Arbeit 1
1.1 Die Bedeutung der Produktvielfalt aus Marketingsicht 1
1.2 Präzisierung des Untersuchungsgegenstands 9
1.3 Struktur der weiteren Untersuchung 40
2. Theoretische Grundlagen der Untersuchung 42
2.1 Bestandsaufnahme: Empirische Forschungsergebnisse ausgewählter
Studien zum Zusammenhang von Produktvielfalt und
Konsumentenverhalten 42
2.2 Grundlegende theoretische Perspektiven zur Erklärung des
Zusammenhangs von Produktvielfalt und Konsumentenverhalten 68
2.3 Theoretische Bezugspunkte zur Erklärung der Kosten und Nutzen von
Produktvielfalt 94
3. Messung von Kosten und Nutzen von Produktvielfalt 187
3.1 Grundlagen der Messung von Konstrukten 187
3.2 Konzeptualisierung und Operationalisierung des Werts von
Produktvielfalt und seiner Kosten- und Nutzendimension 208
3.3 Pretest 230
3.4 Hauptuntersuchung 251
3.5 Zusammenfassung 300
4. Auswirkungen von Kosten und Nutzen der Vielfalt auf das
Konsumentenverhalten 302
4.1 Methodik und Vorgehensweise bei der Analyse der Daten 302
4.2 Wirkung auf das Kaufverhalten 307
4.3 Wirkung auf die Kauf- und Nachkaufbewertung 310
4.4 Erweiterte Modelle und weiterführende Untersuchungen 341
5. Determinanten von Kosten und Nutzen von Produktvielfalt 366
5.1 Sortimentseigenschaften als Determinanten 366
5.2 Empirische Untersuchung 373
5.3 Zusammenfassung 385
6. Zusammenfassung der Untersuchungsergebnisse 387
6.1 Die Ergebnisse der Untersuchung aus Sicht der Marketingtheorie 387
6.2 Implikationen für die Unternehmenspraxis 397
Literaturverzeichnis 411
V

Inhaltsverzeichnis
Zusammenfassung
Abbildungsverzeichnis
Tabellenverzeichnis
XIII
XV
XXI
1. Produktvielfalt und ihre Wirkung: Grundlagen und Zielsetzung der
Arbeit 1
1.1 Die Bedeutung der Produktvielfalt aus Marketingsicht 1
1.2 Präzisierung des Untersuchungsgegenstands 9
1.2.1 Begriffliche Grundlagen 9
1.2.2 Identifikation relevanter Größen der Untersuchung: Ablauf von
Kaufentscheidungen und die Rolle der Produktvielfalt 15
1.2.3 Zielsetzung, forschungsleitende Fragestellungen und Abgrenzung
des Untersuchungsgegenstands 28
1.2.3.1 Forschungsbedarf 28
1.2.3.2 Ziele der Untersuchung und Forschungsfragen 30
1.2.3.3 Eingrenzung des Untersuchungsgegenstands 33
1.3 Struktur der weiteren Untersuchung 40
2. Theoretische Grundlagen der Untersuchung 42
2.1 Bestandsaufnahme: Empirische Forschungsergebnisse
ausgewählter Studien zum Zusammenhang von Produktvielfalt und
Konsumentenverhalten 42
2.1.1 Amos Tversky und Eldar Shafir (1992): Choice under Conflict:
The Dynamics of Deferred Decision 42
2.1.2 Donald A. Redelmeier und Eldar Shafir (1995): Medical Decision
Making in Situations That Offer Multiple Alternatives. 46
2.1.3 Ravi Dhar (1997): Consumer Preference for a No-Choice Option 49
VII

2.1.4 John Gourville und Dilip Soman (1999): Is More Choice Always
Better? The Effect of Assortment Type on Consumer Choice 51
2.1.5 Sheena S. Iyengar und Mark R. Lepper (2000): When Choice is
Demotivating: Can One Desire Too Much of a Good Thing? 58
2.1.6 Sheena Iyengar, Wei Jiang und Gur Huberman (2003): How
Much Choice is Too Much? Contributions to 401(k) Retirement
Plans 62
2.1.7 Zusammenfassung der Studien 65
2.2 Grundlegende theoretische Perspektiven zur Erklärung des
Zusammenhangs von Produktvielfalt und Konsumentenverhalten 68
2.2.1 Die gegensätzlichen Hypothesen von Informationsdefizit und
Informationsüberlastung 68
2.2.1.1 Die Hypothese des Informationsdefizits 69
2.2.1.2 Die Hypothese der Informationsüberlastung (Information
Overload) 70
2.2.2 Die Theorie des Optimum Stimulation Level 80
2.2.3 Produktvielfalt und „The Tyranny of Freedom” 84
2.2.4 Zusammenfassung 90
2.3 Theoretische Bezugspunkte zur Erklärung von Kosten und Nutzen
von Produktvielfalt 94
2.3.1 Theorien zur Erklärung des Nutzens von Produktvielfalt 94
2.3.1.1 Nutzenerwartungswerttheorie und rationale
Entscheidungstheorie 95
2.3.1.2 Hedonic Shopping Value 106
2.3.1.3 Zusammenfassung 121
2.3.2 Theorien zur Erklärung der Kosten von Produktvielfalt 122
2.3.2.1 The Cost of Thinking 122
2.3.2.2 Konflikt-Theorie 134
2.3.2.3 Antizipiertes Regret 158
VIII

2.3.3 Hypothesen und Modellentwicklung 176
2.3.3.1 Hypothesen zu Konsequenzen von Kosten und Nutzen von
Produktvielfalt 178
2.3.3.2 Hypothesen zu den Determinanten von Kosten und Nutzen
von Produktvielfalt 183
3. Messung von Kosten und Nutzen von Produktvielfalt 187
3.1 Grundlagen der Messung von Konstrukten 187
3.1.1 Grundlagen der Konstruktmessung 187
3.1.1.1 Begriffliche Grundlagen 187
3.1.1.2 Das Messmodell im Kontext von Strukturgleichungsmodellen 190
3.1.2 Das Messmodell 192
3.1.2.1 Das reflektive Messmodell 194
3.1.2.2 Das formative Messmodell 197
3.1.2.3 Entscheidungskriterien zur Verwendung formativer oder
reflektiver Messmodelle 204
3.1.3 Vorgehensweise bei der Entwicklung eines Messinstruments für
den Wert von Produktvielfalt und seiner Dimensionen 207
3.2 Konzeptualisierung und Operationalisierung des Werts von
Produktvielfalt und seiner Kosten- und Nutzendimension 208
3.2.1 Konzeptualisierung des Werts von Produktvielfalt 209
3.2.1.1 Konzeptualisierung des Nutzens von Produktvielfalt 210
3.2.1.2 Konzeptualisierung der Kosten von Produktvielfalt 211
3.2.2 Operationalisierung 214
3.2.2.1 Vorgehensweise und Quellen zur Generierung der
Indikatoren 214
3.2.2.2 Operationalisierung des Nutzens von Produktvielfalt 217
3.2.2.3 Operationalisierung der Kosten von Produktvielfalt 222
3.2.2.4 Art der Messmodelle 226
IX

3.3 Pretest 230
3.3.1 Methodik und Gütekriterien 231
3.3.2 Untersuchungsdesign 237
3.3.3 Ergebnisse der Analysen 240
3.3.3.1 Faktoren der Nutzendimension 240
3.3.3.2 Faktoren der Kostendimension 245
3.3.3.3 Gesamtbeurteilung 248
3.4 Hauptuntersuchung 251
3.4.1 Analyseverfahren und Gütekriterien 251
3.4.1.1 Auswahl eines geeigneten Analyseverfahrens 251
3.4.1.2 Der PLS-Ansatz 253
3.4.1.3 Gütekriterien zur Beurteilung der Messmodelle 259
3.4.2 Untersuchungsdesign und Auswahl der Datensätze 273
3.4.2.1 Untersuchungsdesign 273
3.4.2.2 Auswahl der Datensätze 276
3.4.3 Ergebnisse der Analysen 278
3.4.3.1 Deskriptive und soziodemographische Analysen 278
3.4.3.2 PLS-Messmodell der Nutzendimension 283
3.4.3.3 PLS-Messmodell der Kostendimension 293
3.5 Zusammenfassung 300
4. Auswirkungen von Kosten und Nutzen von Vielfalt auf das
Konsumentenverhalten 302
4.1 Methodik und Gütekriterien bei der Analyse der Daten 302
4.1.1 Methodik und Vorgehensweise 302
4.1.2 Gütekriterien zur Beurteilung des Strukturmodells 303
4.2 Wirkung auf das Kaufverhalten 307
4.3 Wirkung auf die Kauf- und Nachkaufbewertung 310
4.3.1 Messmodelle der endogenen Konstrukte 310
4.3.1.1 Operationalisierung der Konstrukte 310
X
4.3.1.2 Überprüfung der Messmodelle im Pretest 316

4.3.2 Ergebnisse des PLS-Modells der Hauptuntersuchung 323
4.3.2.1 Ebene 1: Messmodelle der endogenen Konstrukte 323
4.3.2.2 Ebene 2: Strukturmodell 328
4.3.2.3 Zusammenfassung 339
4.4 Erweiterte Modelle und weiterführende Untersuchungen 341
4.4.1 Erweitertes Strukturmodell 341
4.4.2 Einfluss von Beratungszufriedenheit und Preisführerschaft 343
4.4.2.1 Messung der Konstrukte Beratungszufriedenheit und
Preisführerschaft 343
4.4.2.2 Der Einfluss von Beratungszufriedenheit und
Preisführerschaft auf die Kaufentscheidung und
Nachkaufbewertung 347
4.4.3 Personenimmanente Eigenschaften 352
4.4.3.1 Expertise 352
4.4.3.2 Optimum Stimulation Level (OSL) 358
4.4.4 Zusammenfassung 363
5. Determinanten der Kosten und Nutzen von Produktvielfalt 366
5.1 Sortimentseigenschaften als Determinanten 366
5.1.1 Potenzielle Einflussfaktoren des Sortiments 366
5.1.2 Operationalisierung der untersuchten Einflussfaktoren 369
5.2 Empirische Untersuchung 373
5.3 Zusammenfassung 385
6. Zusammenfassung der Untersuchungsergebnisse 387
6.1 Die Ergebnisse der Untersuchung aus Sicht der Marketingtheorie 387
6.2 Implikationen für die Unternehmenspraxis 397
Literaturverzeichnis 411
XI

XII

Zusammenfassung
Die vorliegende Arbeit beschäftigt sich mit der Wirkung großer Sortimente auf das
Verhalten von Konsumenten. Im Zentrum stehen dabei drei Fragen, die auf Basis eines
Kosten- und Nutzenansatzes theoretisch und empirisch untersucht werden:
1. Welche positiven und negativen Aspekte verbinden Konsumenten mit hoher
Produktvielfalt?
2. In welchem Zusammenhang stehen diese Phacetten mit dem Ausgang der
Kaufentscheidung und der Bewertung von Kaufprozess und Produkt.
3. Durch welche quantitativen und qualitativen Eigenschaften des Sortiments
werden Kosten und Nutzen von Produktvielfalt beeinflusst?
Die Untersuchungsergebnisse verdeutlichen, dass Konsumenten zum einen Spaß an
hoher Vielfalt haben und mit ihr die Möglichkeit der Informationsgewinnung und eine
große Chance des erfolgreichen Abschlusses der Kaufhandlung verbinden. Zum
anderen fühlen sie sich durch hohe Vielfalt aber verwirrt, empfinden den
Entscheidungsprozeß als geistig und emotional anstrengend und antizipieren Bedauern
über die potenzielle Fehlentscheidung.
Mit Hilfe des entwickelten und empirisch getesteten Instrumentariums zur Messung
von Kosten und Nutzen von Produktvielfalt wird gezeigt, dass sich die Kosten hoher
Produktvielfalt negativ auf die Kaufentscheidung und die Zufriedenheit des
Konsumenten mit dem Kaufprozess und dem gekauften Produkt auswirken.
Gleichzeitig gilt, dass die positiven Phacetten hoher Produktvielfalt das
Konsumentverhalten positiv beeinflussen. Die Ergebnisse verdeutlichen sowohl die
Verhaltensrelevanz des untersuchten Konstrukts als auch die konträren Effekte großer
Sortimente im Hinblick auf das Verhalten von Konsumenten.
Für die Praxis ist insbesondere relevant, dass durch die Gestaltung des Sortiments
Kosten und Nutzen von Produktvielfalt – und somit auch das Verhalten von
Konsumenten – beeinflusst werden können. So zeigen die Ergebnisse u.a., dass sich
(zu) hohe Vielfalt doppelt negativ auswirkt und sowohl die positiven Vielfaltaspekte
abschwächt, als auch die negativen erhöht.
Auf Basis der Untersuchungserkenntnisse werden für den Praktiker konkrete und
pragmatische Handlungsempfehlungen zur Optimierung der Sortimentsgestaltung
abgeleitet.
XIII

XIV

Abbildungsverzeichnis
Abbildung 1: Anzahl der PKW-Varianten und durchschnittlicher Marktanteil
pro Variante in Deutschland von 1981 bis 2000 4
Abbildung 2: Der Wertgewinn 12
Abbildung 3: Der Wert von Produktvielfalt als mediierendes Konstrukt
zwischen Sortiment und Konsumentenverhalten 14
Abbildung 4: Das Consumer-Decision-Process-Modell von Engel, Blackwell
und Miniard 16
Abbildung 5: Entscheidungsmatrix in einer Kaufsituation 18
Abbildung 6. Aufwand und Genauigkeit von Entscheidungsstrategien 21
Abbildung 7: Grafische Veranschaulichung der Forschungsfragen 33
Abbildung 8: Eigenschaften verschiedener Arten von Kaufentscheidungen 38
Abbildung 9: Aufbau der Arbeit 41
Abbildung 10: Ergebnisse der Untersuchungen von Tversky/Shafir (1992) 45
Abbildung 11: Auswirkung verschieden hoher Alternativenzahl auf das
Entscheidungsverhalten bei medizinischen Entscheidungen 47
Abbildung 12: Der Anteil der Käufer in verschiedenen Produktkategorien ist
abhängig von Anzahl und Art der verfügbaren Alternativen 50
Abbildung 13: Vergleichbare Produktlinie (Alignable Assortment) und
nicht-vergleichbare Produktlinie (Non-alignable Assortment) 53
Abbildung 14: Kaufwahrscheinlichkeit bei einem vergleichbaren und
nicht-vergleichbaren Sortiment 55
Abbildung 15: Die Auswirkung der Größe eines nicht-vergleichbaren
Sortiments
auf die Wahrscheinlichkeit, dass Konsumenten eine extreme
Option auswählen 57
Abbildung 16: Ergebnisse der Studien von Iyengar und Lepper 2000 59
Abbildung 17: Zusammenhang der Anzahl angebotener Fonds und
Teilnahmequote an betrieblichem Pensionsplan 64
Abbildung 18: Struktur des Theorieteils 67
Abbildung 19: Informationsaufnahme und -verarbeitung im Drei-Speicher-
Modell 71
XV

Abbildung 20: Kurzzeitspeicher ist Engpass bei der menschlichen
Informationsverarbeitung 73
Abbildung 21: Der Information Overload Effekt 75
Abbildung 22 Die Entscheidungsqualität in Anhängigkeit der Merkmals- und
Alternativenzahl 76
Abbildung 23: Vergleich verfügbarer und bei der Entscheidung berücksichtigter
Alternativenzahl für verschiedene Produktarten 79
Abbildung 24: Zusammenhang von Erregungspotenzial und Hedonic Value und
deren Abhängigkeit von Persönlichkeitsmerkmalen 83
Abbildung 25: Zusammenhang von Produktvielfalt und positiver
Konsumerfahrung 87
Abbildung 26: Hypothese des abnehmenden Grenznutzens von Produktvielfalt 91
Abbildung 27: Zusammenfassende Darstellung des Zusammenhangs der
Nutzenerwartungswerttheorie und dem Nutzen von
Produktvielfalt 105
Abbildung 28: Antezedenzien und Konsequenzen der hedonistischen und
utilitaristischen Dimension des Perceived Shopping Values 112
Abbildung 29: Hedonistische und utilitaristische Nutzendimensionen von Sales
Promotions 114
Abbildung 30: Herausbildung eines Zufriedenheitsurteils: Der Zusammenhang
von utilitaristischer und hedonistischer Produktbewertung,
positivem und negativem Affekt und der Zufriedenheit 115
Abbildung 31: Zusammenfassende Darstellung der Zusammenhänge des
Shopping Hedonismus und des Nutzens von hoher
Produktvielfalt 121
Abbildung 32: Zusammenhang von Ähnlichkeit und Kovarianz von zwei
Produkten und der Schwierigkeit der Entscheidung zwischen
diesen 125
Abbildung 33: Zusammenhang von Alternativenzahl und kognitivem
Entscheidungs-aufwand bei verschiedenen
Entscheidungsstrategien 130
Abbildung 34: Zusammenfassende Darstellung des Zusammenhangs der
Theorie der Cost of Thinking und der EIP-Methodik mit den
Kosten von Produktvielfalt 134
XVI

Abbildung 35: Veranschaulichung der Entstehung und Lösung eines
Appetenz-Appetenz-Konflikts und eines Appetenz-Aversions-
Konflikts 138
Abbildung 36: Zusammenfassende Darstellung des Zusammenhangs der
Konflikttheorie und den Kosten von Produktvielfalt 158
Abbildung 37: Idealtypischer Verlauf der Regret-Funktion 161
Abbildung 38: Die Auswirkungen von Regret auf die Zufriedenheit und die
Wiederkaufsabsicht 167
Abbildung 39: Zusammenfassende Darstellung des Zusammenhangs von
antizipiertem Regret und den Kosten von Produktvielfalt 176
Abbildung 40: Zusammenfassende Darstellung der aus den Theorien des
Bezugs-rahmens abgeleiteten Zusammenhänge von
Determinanten, Facetten und Konsequenzen von Kosten und
Nutzen von Produktvielfalt 177
Abbildung 41 Gesamtmodell der in der Untersuchung berücksichtigten
Konsequenzen und Determinanten des Werts von Produktvielfalt 185
Abbildung 42: Möglichkeiten der Konzeptualisierung von Konstrukten 189
Abbildung 43: Pfaddiagramm eines Strukturgleichungsmodells mit formativer
und reflektiver latenter Variable 191
Abbildung 44: Reflektives und formatives Messmodell 192
Abbildung 45: Konstrukte zweiter Ordnung mit formativen und reflektiven
Strukturen 193
Abbildung 46: MIMIC-Modell und Modell mit Phantomvariable zur
Untersuchung der externen Validität formativ operationalisierter
Konstrukte 202
Abbildung 47: Vorgehensweise bei der Entwicklung eines Messinstruments für
den Wert von Produktvielfalt 207
Abbildung 48: Konzeptualisierung des Werts von Produktvielfalt als
zweidimensionales Konstrukt mit den Kosten von
Produktvielfalt und dem Nutzen von Produktvielfalt als
unabhängige Dimensionen 209
Abbildung 49: Konzeptualisierung des Werts von Produktvielfalt und seiner
Dimensionen mit den jeweils zugrunde liegenden theoretischen
Bezugspunkten 214
XVII

Abbildung 50: Ergebnisse der qualitativen Konsumentenbefragung 216
Abbildung 51: Operationalisierung des Werts von Produktvielfalt als
zweidimensionales, mehrfaktorielles Konstrukt mit reflektivem
Messmodell auf Faktorenebene und formativem Messmodell auf
Dimensionsebene 230
Abbildung 52: Anpassungsmaße zur Gütebeurteilung von Kausalmodellen im
Überblick 234
Abbildung 53: Das mit 36 Produkten größte „künstliche Sortiment“ des Pretests 239
Abbildung 54: PLS-Modell nach der Parameterschätzung 253
Abbildung 55: Ablaufdiagramm des PLS-Schätzalgorithmus 254
Abbildung 56: Von Wold entwickelte Struktur zur Abbildung eines Konstrukts
zweiter Ordnung in PLS 258
Abbildung 57: Ebenen des Messmodells 260
Abbildung 58: Umsetzung der vier Schritte der Operationalisierung formativer
Konstrukte nach Diamantopoulos und Winklhofer 267
Abbildung 59: Gütekriterien zur Beurteilung der Messmodelle von Kosten und
Nutzen von Produktvielfalt in der Hauptuntersuchung 272
Abbildung 60: Verteilung der Käufer und Nicht-Käufer pro Geschäft 278
Abbildung 61: Verteilung der Befragten auf die Produktgruppen 279
Abbildung 62: Verteilung der Stichprobe nach Geschlecht 280
Abbildung 63: Boxplots zur Veranschaulichung der Altersverteilung der drei
Geschäfte 282
Abbildung 64: Ergebnisse der PLS-Schätzung des formativen Messmodells der
Nutzendimension mit Phantomvariable: Gütemaße und
Parameterschätzungen (Ebene 2) 288
Abbildung 65: Ergebnisse der PLS-Schätzung des formativen Messmodells der
Kostendimension mit Phantomvariable: Gütemaße und
Parameterschätzungen (Ebene 2) 296
Abbildung 66: Gütemaße zur Beurteilung des Gesamtmodells 306
Abbildung 67: Die Auswirkung von Kosten und Nutzen von Produktvielfalt auf
die Kaufabsicht, Ergebnisse der PLS-Parameterschätzung 308
Abbildung 68: Pfaddiagramm der mittel- und langfristigen Konsequenzen von
Kosten und Nutzen von Produktvielfalt 329
XVIII

Abbildung 69: Anteil der Käufer und Nicht-Käufer von beratenen und nicht
beratenen Konsumenten 349
Abbildung 70: Erweitertes Strukturmodell unter Berücksichtigung von
Beratungszufriedenheit und Preisführerschaft 350
Abbildung 71: Vorgehensweise bei der Untersuchung personenimmanenter
Einflüsse 356
Abbildung 72: In der empirischen Untersuchung berücksichtigte
Sortimentsaspekte als potenzielle Einflussgrößen auf Kosten und
Nutzen von Produktvielfalt 369
Abbildung 73: Anzahl der Marken, Produkte und Preispunkte sowie
Preisspannen der drei Geschäfte 370
Abbildung 74: Vergleich der durch Konsumenten eingeschätzten und der
tatsächlichen Anzahl der Produkte in den drei untersuchten
Geschäften 371
Abbildung 75: Ergebnisse der PLS-Parameterschätzung der Determinanten der
Kosten und Nutzen von Produktvielfalt 374
Abbildung 76: Grafische Veranschaulichung des Zusammenhangs von
Produktanzahl und den Werten der latenten Nutzen- und
Kostenvariablen 381
Abbildung 77: Abschnittweise PLS-Modelle des Zusammenhangs von
Alternativenzahl und Kosten- und Nutzenkonstrukt 383
Abbildung 78: Die Ergebnisse der Überprüfung der Hypothesen zu den
Konsequenzen von Kosten und Nutzen von Produktvielfalt 391
Abbildung 79: Determinanten von Kosten und Nutzen von Produktvielfalt 393
Abbildung 80: Die neun einflussstärken Messmodellfaktoren und
Determinanten zeigen effektive und effiziente Ansatzpunkte für
Maßnahmen auf 398
Abbildung 81: Aus den Untersuchungsergebnissen abgeleitete Maßnahmen und
deren Ansatzpunkte im Überblick 409
XIX

Tabellenverzeichnis
Tabelle 1: Klassifikation und Beschreibung von Entscheidungsstrategien 22
Tabelle 2: Ergebnisse der zweiten Studie von Gourville und Soman (1999) 56
Tabelle 3: Zusammenhang von Produktvielfalt und Produktnutzen 101
Tabelle 4: Übersicht verschiedener Elementary Information Processes (EIPs) 129
Tabelle 5: Gegenüberstellung der Eigenschaften von formativen und
reflektiven Messmodellen 199
Tabelle 6: Entscheidungskriterien zur Verwendung eines formativen oder
reflektiven Messmodells 205
Tabelle 7: Indikatoren des Nutzen-Faktors „Antizipierter Produktnutzen“ 218
Tabelle 8: Indikatoren des Nutzen-Faktors „Erfolgsaussichten“ 219
Tabelle 9: Indikatoren des Nutzen-Faktors „Informationsmöglichkeiten“ 220
Tabelle 10: Indikatoren des Nutzen-Faktors „Spaß (am Einkauf)“ 221
Tabelle 11: Indikatoren des Nutzen-Faktors „Positive Emotionen“ 222
Tabelle 12: Indikatoren des Kosten-Faktors „Aufwand und Anstrengung“ 223
Tabelle 13: Indikatoren des Kosten-Faktors „Verwirrung und Frustration“ 224
Tabelle 14: Indikatoren des Kosten-Faktors „Antizipiertes Regret“ 226
Tabelle 15: Gütekriterien des Pretests 237
Tabelle 16: Parameterschätzungen und Gütekriterien des Faktors
„Erfolgsaussichten“ 241
Tabelle 17: Parameterschätzungen und Gütekriterien des Faktors „Antizipierter
Produktnutzen“ 242
Tabelle 18: Parameterschätzungen und Gütekriterien des Faktors
„Informationsmöglichkeiten“ 243
Tabelle 19: Parameterschätzungen und Gütekriterien des Faktors „Spaß“. 244
Tabelle 20: Parameterschätzungen und Gütekriterien des Faktors „Positive
Emotionen“ 245
Tabelle 21: Parameterschätzungen und Gütekriterien des Faktors „Verwirrung
und Frustration“ 246
Tabelle 22: Parameterschätzungen und Gütekriterien des Faktors „Aufwand“ 247
Tabelle 23: Parameterschätzungen und Gütekriterien des Faktors „Antizipiertes
Regret“ 248
XXI

Tabelle 24: Ergebnisse der Überprüfung des Fornell-Larcker-Kriteriums der
Nutzen- und Kostendimension im Pretest 249
Tabelle 25: Anzahl der Indikatoren pro Dimension und Faktor vor und nach dem
Pretest 250
Tabelle 26: Gütemaße und Kriterien der Hauptuntersuchung für die Ebene 1 des
Messmodells (reflektives Messmodell) 266
Tabelle 27: Gütemaße und Kriterien der Hauptuntersuchung für die Ebene 2 des
Messmodells (formatives Messmodell) 271
Tabelle 28: Verteilung von Kaufverhalten, Produktgruppe und Geschlecht in der
Hauptuntersuchung 280
Tabelle 29: Verteilung der (höchsten) Bildungsabschlüsse in der Stichprobe 281
Tabelle 30: Verteilung der Berufsgruppen in der Stichprobe 281
Tabelle 31: Kenngrößen zur Beschreibung der Altersstruktur der Befragten 282
Tabelle 32: Ergebnisse der Analysen des Messmodells (Ebene 1) für die
Nutzendimension 285
Tabelle 33: Korrelationen zwischen manifesten und latenten Variablen der
Nutzendimension 286
Tabelle 34: Ergebnisse der Überprüfung des Fornell-Larcker-Kriteriums der
Nutzendimension 287
Tabelle 35: Ergebnisse der Analysen des Messmodells (Ebene 2) für die
Nutzendimension 289
Tabelle 36: Gütekriterien des Messmodells der reflektiv operationalisierten
Phantomvariablen für die Nutzendimension 290
Tabelle 37: Relativer Erklärungsbeitrag der einzelnen Faktoren der
Nutzendimension 291
Tabelle 38: Ergebnisse der Analysen des Messmodells (Ebene 1) der
Kostendimension. 293
Tabelle 39: Korrelationen zwischen manifesten und latenten Variablen der
Kostendimension 295
Tabelle 40: Ergebnisse der Überprüfung des Fornell-Larcker-Kriteriums der
Kostendimension 295
Tabelle 41: Ergebnisse der Analysen des Messmodells (Ebene 2) der
Kostendimension 297
XXII

Tabelle 42: Gütekriterien des Messmodells der Phantomvariable für die
Kostendimension 298
Tabelle 43: Relativer Erklärungsbeitrag der einzelnen Faktoren der
Kostendimension zur Gesamtdimension 300
Tabelle 44: Gütemaße zur Beurteilung der Wirkung der Kosten von
Produktvielfalt und Nutzen von Produktvielfalt auf die Kaufabsicht 309
Tabelle 45: Operationalisierung des endogenen Konstrukts „Zufriedenheit mit
dem Kaufprozess“ 312
Tabelle 46: Operationalisierung des endogenen Konstrukts „Kognitive
Dissonanz“ 313
Tabelle 47: Operationalisierung des endogenen Konstrukts „Zufriedenheit mit
dem gekauften Produkt“ 314
Tabelle 48: Operationalisierung des endogenen Konstrukts „Loyalität zur
gekauften Marke“ 315
Tabelle 49: Operationalisierung des endogenen Konstrukts „Loyalität zum
Geschäft“ 316
Tabelle 50: Parameterschätzungen und Gütekriterien des Konstrukts
„Zufriedenheit mit dem Kaufprozess“ im Pretest 317
Tabelle 51: Parameterschätzungen und Gütekriterien des Konstrukts „Kognitive
Dissonanz“ im Pretest 318
Tabelle 52: Parameterschätzungen und Gütekriterien des Konstrukts
„Zufriedenheit mit dem gekauften Produkt“ im Pretest 319
Tabelle 53: Parameterschätzungen und Gütekriterien des Konstrukts „Loyalität
zur gekauften Marke“ im Pretest 320
Tabelle 54: Parameterschätzungen und Gütekriterien des Konstrukts „Loyalität
zum Geschäft“ im Pretest 321
Tabelle 55: Ergebnisse der Überprüfung des Fornell-Larcker-Kriteriums der
Konsequenzgrößen im Pretest 322
Tabelle 56: Anzahl der Indikatoren zur Messung der endogenen Konstrukte vor
und nach dem Pretest 323
Tabelle 57: Ergebnisse der Analysen des Messmodells (Ebene 1) für die
endogenen Konstrukte 324
Tabelle 58: Rotierte Faktorladungen der Konsequenzen. 326
Tabelle 59: Korrelationen manifester und latenter Variablen der Konsequenzen 327
XXIII

Tabelle 60: Ergebnisse der Überprüfung des Fornell-Larcker-Kriteriums der
Konsequenzen 328
Tabelle 61: Gütemaße des Strukturmodells (2. Ebene). 331
Tabelle 62: Einflussstärke der KPV und NPV auf die Zufriedenheit mit dem
Kaufprozess 333
Tabelle 63: Stärke der direkten Einflussgrößen der Kognitiven Dissonanz. 334
Tabelle 64: Einflussstärke von Kosten und Nutzen von Produktvielfalt auf die
Kognitive Dissonanz 335
Tabelle 65: Stärke der direkten Einflussgrößen der Zufriedenheit mit dem
gekauften Produkt. 336
Tabelle 66: Einflussstärke von Kosten und Nutzen von Produktvielfalt auf die
Zufriedenheit mit dem gekauften Produkt 337
Tabelle 67: Stärke der direkten Einflussgrößen auf die Loyalität zum Geschäft 338
Tabelle 68: Einflussstärke von Kosten und Nutzen von Produktvielfalt auf die
Loyalität zum Geschäft 338
Tabelle 69: Gütemaße des Zielkonstrukts Loyalität zur Marke im erweiterten
Modell 342
Tabelle 70: Operationalisierung des Konstrukts Beratungszufriedenheit 344
Tabelle 71: Gütekriterien des PLS-Messmodells der Beratungszufriedenheit 344
Tabelle 72: Korrelationen manifester und latenter Variablen der Konsequenzen
des erweiterten Modells 345
Tabelle 73: Ergebnisse der Überprüfung des Fornell-Larcker-Kriteriums unter
Berücksichtigung von Beratungszufriedenheit und Preisführerschaft 346
Tabelle 74: Wirkung von Beratungszufriedenheit und Preisführerschaft auf die
Kaufintention 348
Tabelle 75: Gütemaße des erweiterten Strukturmodells unter Berücksichtigung
von Beratungszufriedenheit und Preisführerschaft 351
Tabelle 76: Operationalisierung von Expertise 356
Tabelle 77: Ergebnisse der Clusteranalyse zur Expertise 357
Tabelle 78: Ergebnisse des T-Tests von Kosten und Nutzen von Produktvielfalt
für Befragte mit hoher und geringer Expertise 357
Tabelle 79: Operationalisierung des Optimum Stimulation Levels 359
XXIV

Tabelle 80: Ergebnisse der konfirmatorischen Faktorenanalyse des OSL im
Pretest 360
Tabelle 81: Gütekriterien des PLS-Messmodells der Hauptuntersuchung für das
OSL 361
Tabelle 82: Ergebnisse der Clusteranalyse zum Optimum Stimulation Level 362
Tabelle 83: Ergebnisse des T-Tests von Kosten und Nutzen von Produktvielfalt
für Befragte mit hohem und geringem OSL 362
Tabelle 84: Operationalisierung der Einflussfaktoren 373
Tabelle 85: Parameterschätzung und Gütemaße der Determinanten von Kosten
und Nutzen von Produktvielfalt 375
Tabelle 86: Einflussstärke der betrachteten Sortimentseigenschaften auf Kosten
und Nutzen von Produktvielfalt 377
Tabelle 87: Parameter und Gütemaße der PLS-Modelle der Subsamples „bis
Optimum“ und „über Optimum“ 384
XXV

XXVI

„Ne quid nimis 1 “ („nichts zu viel“)
(Terenz, Andria 61, 171 v. Chr.)
„Variety truly is the spice-of-life, but like any spice it
must be used in moderation“
(Kahn/Morales 2001, S. 76)
1. Produktvielfalt und ihre Wirkung: Grundlagen und
Zielsetzung der Arbeit
1.1 Die Bedeutung der Produktvielfalt aus Marketingsicht
Die hier vorliegende Arbeit beschäftigt sich mit der Reaktion von Konsumenten auf
die Höhe der Produktvielfalt (Product Variety) in einer Kaufsituation. Dazu wird
untersucht, welche positiven und negativen Aspekte Produktvielfalt aus Sicht des
Konsumenten hat und wie sich diese auf das Kaufverhalten, die nachgelagerte
Evaluation von Kaufprozess und erworbenem Produkt sowie zukünftige Verhaltensabsichten
auswirken.
Funktionen von Produktvielfalt
Produktvielfalt hat für Konsumenten zwei grundlegende Funktionen (vgl.
Kahn/Morales 2001, S. 64; Hoch/Bradlow/Wansink 1999, S. 528f.):
1
„Übersetzung eines griechischen, meist Solon zugeschriebenen Wortes bei Terenz, Andria 61.
Wichtigster Grundsatz der griechischen Ethik und Ästhetik“ (Lamer/Kroh (1995): Wörterbuch der
Antike, S. 495). Griechische Inschrift auf dem Apollontempel in Delphi: mädén ágan.
1

• Vielfalt bei mehreren aufeinander folgenden Käufen (Variety-Seeking): „If
decision makers are making many choices over time, the variety or depth in the
choice-set will enable exploration and choice of different options over time”
(Kahn/Morales 2001, S. 64)
• Vielfalt bei einmaligen oder seltenen Käufen (Customization): „If the decision
maker is making a single choice, then variety or breadth in the assortment will
enable one to find the desirable customized option among those offered.”
(Kahn/Morales 2001, S. 64)
Variety-Seeking Funktion von Produktvielfalt
Variety-Seeking beschreibt das Bedürfnis nach Abwechslung, das durch Sättigungseffekte,
dem Wunsch nach (intellektueller) Herausforderung und einer Art
„natürlichem Instinkt“ verursacht wird (vgl. Kahn 1998, S. 46). Variety-Seeking kann
tendenziell in Produktkategorien beobachtet werden, in denen Verbraucher im Laufe
der Zeit viele Entscheidungen treffen, die Entscheidungen mit eher geringem Risiko
verbunden sind, die Konsumenten mit den angebotenen Produkten vertraut sind und
eher große Consideration Sets 2 haben. Das Bedürfnis nach Abwechslung ist v.a. bei
Konsumgütern des täglichen Bedarfs (FMCG 3 ) ein bedeutungsvolles Markenwechselmotiv
(vgl. Kahn/Kalwani/Morrison 1986, S. 97; Givon 1984, S. 17; Tscheulin 1994,
S. 60f.; Helmig 1996, S. 8f.). Die hier vorliegende Untersuchung fokussiert auf
Produkte und Dienstleistungen, die eher selten gekauft werden und mit deren
Kaufentscheidung sich Konsumenten intensiv beschäftigen. Das Variety-Seeking-
Behavior spielt deshalb als Funktion von Vielfalt hier eine untergeordnete Rolle (siehe
hierzu auch die Ausführungen zur Einschränkung des Untersuchungsgegenstands,
S. 33ff.).
Customization-Funktion von Produktvielfalt
Die Customization-Funktion von Produktvielfalt, die im Fokus dieser Untersuchung
steht, basiert auf der sowohl in der Praxis als auch der Marketingforschung
vorherrschenden Meinung, dass sich Konsumenten hinsichtlich ihrer Wünsche und
2
3
2
Nedungadi (1990) definiert Consideration Set als „(…) the set of brands brought to (consumer’s)
mind on a particular choice occasion” (S. 264).
Fast Moving Consumer Goods

Bedürfnisse unterscheiden (vgl. Fiuczynski 1961, S. 867; Raffée 1969, S. 112;
Gutenberg 1984, S. 510) und diese durch hohe Produktvielfalt besser erfüllt werden
können als durch geringe Vielfalt (vgl. Kahn 1998, S. 46, Hoch/Bradlow/Wansink
1999; Loewenstein 1999, S. 1). Durch ein vielfältiges Angebot erhöht sich somit die
Wahrscheinlichkeit, dass ein Konsument das findet, was er sucht (vgl. Shapiro 1977,
Lancaster 1979, Connor 1981, Quelch/Kenny 1994, S. 153f.). Diese Argumentation
gilt gleichermaßen für Produkthersteller und Handelsunternehmen:
Aus der Sicht eines Herstellers heißt das: „a broader product line makes it more
likely that at least one of the firm’s products will match any individual consumer’s
preference“ (Bayus/Putsin 1999, S. 142). Ein Hersteller, der eine hohe Anzahl an
Produkten und Produktvarianten am Markt anbietet, setzt somit auf den
Partizipationseffekt, der besagt, dass es einem Unternehmen durch die Einführung
zusätzlicher Produkte oder Produktvarianten gelingt Käufer hinzuzugewinnen, die
bislang Konkurrenzprodukte erworben oder keine Käufe in der jeweiligen
Produktkategorie getätigt haben (vgl. Gutenberg 1984, S. 547, Meffert 2000, S. 449).
Aus Handelssicht erfüllt hohe Produktvielfalt zwei wesentliche Funktionen: Zum
einen wird dadurch die Sortimentskompetenz des Händlers betont und zum anderen
die positive Wahrnehmung des Geschäftes gestärkt (vgl. Louviere/Gaeth 1987;
Craig/Ghosh/McLafferty 1984). Beide Aspekte spielen bei der Einkaufsstättenwahl
eine wichtige Rolle: Konsumenten nennen die Sortimentsvielfalt nach der Lage und
den Preisen eines Geschäfts als drittwichtigstes Auswahlkriterium(vgl.
Hoch/Bradlow/Wansink 1999, S. 527). Sie bevorzugen (ceteris paribus) Geschäfte mit
großer Angebotsvielfalt gegenüber solchen mit geringer Vielfalt (vgl. Arnold/Oum/
Tiger 1983, S. 152) und sind diesen gegenüber vergleichsweise loyaler (vgl.
Hoch/Bradlow/Wansink 1999, S. 528).
Folgt man der Argumentation des Marketingkonzepts, so liegt „(...) der Schlüssel zur
Erreichung unternehmerischer Ziele darin (...), die Bedürfnisse und Wünsche des
Zielmarktes zu ermitteln und diese dann wirksamer und wirtschaftlicher zufriedenzustellen
als die Wettbewerber“ (Kotler/Bliemel 1999, S. 25). In Kombination mit den
obigen Argumenten impliziert dies, dass Hersteller und Händler, die ihr Produktangebot
erweitern, gegenüber Wettbewerbern, die dies nicht tun, Marktanteile
hinzugewinnen sollten (vgl. Gourville/Soman 1999, S. 1; Bayus/Putsin 1999,
S. 140ff.). Die Produktvielfalt hat sich, dieser Argumentation folgend, in den letzen 20
– 30 Jahren insbesondere bei Verbrauchs- und Gebrauchsgütern vervielfacht (vgl.
Plewe 2000, S. 3; Esch/Wicke 2000, S. 12ff.; Bainbridge 1998, S. 37):
3

So hat beispielsweise die Anzahl der in Deutschland angebotenen PKW-Varianten von
208 im Jahr 1981 auf 358 im Jahr 2000 zugenommen, was einem Zuwachs von 78%
entspricht. Der Gesamtabsatz hat sich aber nicht im gleichen Maße erhöht, so dass der
Marktanteil pro Produktvariante abgenommen hat. Abbildung 1 stellt die beiden
Entwicklungen grafisch dar.
Anzahl
Varianten
400
Marktanteil
pro Variante
0,5%
350
300
- 44%
+ 78%
0,4%
250
0,3%
200
150
0,2%
100
0,1%
50
0
0,0%
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
Abbildung 1: Anzahl der PKW-Varianten und durchschnittlicher Marktanteil pro Variante in
Deutschland von 1981 bis 2000: In Anlehnung an Marketing Systems GmbH, Essen 2001, S. 4
Ein weiteres Beispiel für hohe Produktvielfalt ist die Anzahl der in Deutschland
angebotenen Zahnpastamarken, die sich im Zeitraum von 1950 bis 2000 in etwa
verfünffacht hat (14 auf 93) (Esch/Wicke 1999, S. 13). In den USA gibt es in dieser
Produktkategorie allein 63 verschiedene Artikel 4 der Marke Crest und 58 der Marke
Colgate (vgl. Kahn 1998, S. 49). Ähnlich stellt sich die Vielfalt in der Kategorie
Frühstückscerialien dar, in der ein Supermarkt in den USA teilweise bis zu 200
verschiedene Produkte anbietet (vgl. Assael 1998, S. 250). Eine beeindruckend große
Vielfalt bietet beispielsweise auch die britische Kaffee-Kette Coffee Republic: Kunden
können hier zwischen 6.000 verschiedenen Kaffeezubereitungen wählen (Random
Sampling, in: Marketing News, 11. September 2000, S. 8). Die Anzahl von 40.000 in
4
4
Als Artikel wird hier die Anzahl der SKUs (Stock Keeping Units) bezeichnet.

Deutschland erhältlichen Süßigkeiten (vgl. Mehler 1999, S.8) verdeutlicht wie auch
die anderen Beispiele, dass Konsumenten in verschiedenen Produktkategorien und
Kaufsituationen mit teilweise extrem hoher Produktvielfalt konfrontiert werden. Die
positive Wirkung hoher Vielfalt hat aber Grenzen:
Grenzen der positiven Wirkung von Produktvielfalt
Huffmann und Kahn (1998) betonen, dass eine sehr hohe Vielfalt nicht notwendigerweise
im Sinne der Konsumenten und daher auch nicht in dem von Herstellern oder
Händlern ist: „(...) large assortment strategies (...) can backfire (...) if the complexity
causes information overload such that a costumer feels overwhelmed and dissatisfied,
or chooses not to make a choice at all“ (S. 491). Ähnlich äußert sich Schmidt (1990),
der von „‚Stressgefühlen’ angesichts eines unüberschaubaren Angebots“ (S. 242)
spricht. In der neueren Literatur wird hierbei häufig von „Verwirrung“ bzw.
„confusion“ des Konsumenten gesprochen (vgl. Rudolph/Schweizer 2003, S. 23ff;
Walsh 2002, S. 1ff.; Kahn 1998, S. 45ff.; Huffmann/Kahn 1998, S. 491ff.;
Jackson/Shapiro 1979, S. 140). Goodman (1987, zitiert in Engel/Blackwell/Miniard
1995, S. 159) geht hier noch einen Schritt weiter, indem er Einkaufen als
„decision-making-marathon“ bezeichnet.
Bosshart (2002) verdeutlicht das Verhältnis von Vielfalt, Entscheidungsbereitschaft
und Wohlbefinden beispielhaft anhand der TV-Kanäle, die ein Haushalt empfängt:
Können die Haushaltsmitglieder aus einer geringen Anzahl an Sendern wählen, so
entsteht bei ihnen das Bedürfnis nach mehr Programmen. Empfängt man beispielsweise
drei TV-Sender, wünscht man sich zehn, hat man zehn, will man zwanzig.
„Aber spätestens bei fünfzig Sendern ändert sich die Ausgangslage. Man sieht nicht
mehr fern, sondern zappt nur noch herum und ist am Ende frustriert, weil man nicht
mehr gesehen hat. Die Chance steigt, dass dann gar nicht mehr ferngesehen wird“
(Bosshart 2002, S. 17).
Übertragen auf Kaufsituationen bedeutet dies, dass sich übermäßige Produktvielfalt
sowohl auf die Nachfrage als auch auf die Zufriedenheit mit dem Kaufprozess und
dem gekauften Produkt negativ auswirken kann und Konsumenten auf Grund der
Vielfalt nicht glücklicher, sonder unglücklicher werden (vgl. Lane 2000, S. 19ff.).
Obwohl eine Vielzahl von Untersuchungen die positive Wirkung von Produktvielfalt
auf die Nachfrage bei Herstellern und Händlern gezeigt hat (vgl. z. B.
Robinson/Fornell 1985, Robinson 1988, Roberts/Samuelson 1988, Kekre/Srinivasan
5

1990, Kadiyali et al. 1999, Bayus/Putsin 1999), wird die obige Argumentation durch
Beispiele sowohl aus der Praxis als auch der Forschung unterstützt, die gezeigt haben,
dass die Reduzierung hoher Produktvielfalt auf ein moderates Niveau positive
Auswirkungen auf die Kaufwahrscheinlichkeit und somit auf den Absatz eines
Unternehmens hat:
• So reduzierte Procter & Gamble die Anzahl der Produktvarianten seiner
Shampoo-Marke Head & Shoulders um 43% von 26 auf 15 und realisierte
dabei ceteris paribus eine Umsatzsteigerung von 10% (vgl. Osnos, 1997).
• Auch Apple senkte die Anzahl ihrer Macintosh-Submarken mit dem Ziel, die
Verwirrung der Konsumenten zu reduzieren: Der Umsatz wurde durch diese
Maßnahme ceteris paribus erhöht (vgl. Advertising Age, 18. Oktober 1993).
• Broniarczyk, Hoyer und McAlister (1998) haben die Folgen reduzierter
Produktauswahl wissenschaftlich untersucht und konnten feststellen, dass eine
Herabsetzung der von einem Einzelhändler in einer Produktkategorie angebotenen
Artikelzahl um 25% zu einer positiveren Einschätzung der angebotenen
Auswahl und Vielfalt führt. Die Testpersonen bevorzugten dieses Geschäft bei
ihrer Einkaufsstättenwahl und empfanden den Einkauf dort als einfacher
(S. 173ff.).
• Drèze, Hoch und Purk (1994) konnten in ihren Untersuchungen beobachten,
dass eine Reduzierung der Artikelanzahl in einer Produktkategorie um 10%
nicht zum Umsatzrückgang führt. Die stärkere Präsenz und bessere Organisation
schnell drehender Artikel auf der konstant gehaltenen Fläche bewirkte
ganz im Gegenteil eine Absatzsteigerung um 4% (S. 305ff.). Auf weitere
Forschungsarbeiten wird in einem späteren Abschnitt detailliert eingegangen
(siehe Kapitel 2.1, S. 42ff.).
In der Literatur werden für die negative Wirkung hoher Vielfalt zwei Hauptgründe
genannt:
• Kognitive Informationsüberlastung (Information Overload) des Konsumenten
(vgl. Jacoby/Speller/Kohn 1974; Malhotra/Jain/Lagakos, 1982; Best/Ursic
1987) und
• negative Emotionen, die der Konsument während der Entscheidung empfindet
oder antizipiert (vgl. Anderson 2003, S. 160).
Die Erkenntnisse aus Praxis und Forschung lassen insgesamt vermuten, dass
Konsumenten von einer moderaten Vielfalt in der Entscheidungssituation am meisten
6

profitieren, dieser den höchsten Wert beimessen und folglich zu einer Kaufentscheidung
kommen, mit der sie sehr zufrieden sind. Die einleitenden Zitate auf
Seite 1 verdeutlichen, dass dieses „Prinzip der Mäßigkeit“ bereits in der Antike
Gültigkeit hatte und diese auch in der Gegenwart nicht verloren hat. Die Vermutung,
dass hohe Produktvielfalt aus Konsumentensicht negative Aspekte hat und sich diese
nachteilig auf sein Verhalten auswirken, widerspricht aber der Annahme der rationalen
Entscheidungstheorie (Rational Theory of Choice), dass Vielfalt und Absatzhöhe in
einem positiven Zusammenhang stehen (vgl. Luce 1959, 1977; Tversky/Shafir 1992,
S. 358; siehe auch S. 43f.). Die Existenz dieser negativen Aspekte hoher Vielfalt
theoretisch zu begründen und empirisch zu zeigen, ist ein wesentliches Ziel der
vorliegenden Arbeit.
Ansatzpunkte der vorliegenden Untersuchung zur Erklärung der Wirkung von
Produktvielfalt auf das Konsumentenverhalten
Loewenstein (1999) versucht die Wirkung von Vielfalt auf das Konsumentenverhalten
zu erklären, indem er „Benefits of more choice“ und „Costs of more choice“ (S. 1f.)
unterscheidet. Als Nutzen (Benefits) von Vielfalt führt er dabei im Wesentlichen
Aspekte der oben erläuterten Customization-Funktion (S. 2ff.) an, stützt sich also auf
die Argumentation, dass hohe Vielfalt aus Sicht eines Konsumenten die Wahrscheinlichkeit
erhöht, ein Produkt zu finden, das seinen Vorstellungen entspricht und er
dieses kauft. Zunehmende Vielfalt erhöht somit die Kaufwahrscheinlichkeit.
Hinsichtlich der Kosten (Costs) unterscheidet er
• Time costs – „the opportunity costs of spending time making decisions that
could be used for other activities” (Loewenstein 1999, S. 2),
• Error costs – „the tendency to choose badly when people lack expertise”
(Loewenstein 1999, S. 2) und
• Psychic costs – „anxiety about making decisions under conditions of uncertainty,
and regret if they turn out badly” (Loewenstein 1999, S. 2).
Die vorliegende Forschungsarbeit folgt diesem Kosten-Nutzen-Ansatz zur Erklärung
der Wirkung von Produktvielfalt auf das Konsumentenverhalten und unterscheidet
entsprechend Kosten und Nutzen von Produktvielfalt aus Konsumentensicht. Diese
Aspekte werden als Dimensionen eines gemeinsamen Konstrukts – dem Wert von
Produktvielfalt – verstanden.
7

Der Ansatz folgt auch Erkenntnissen und Schlussfolgerungen, die Kahn und Lehmann
(1991) aus ihrer Untersuchung des „value of an assortment“ (S. 296) gezogen haben:
„(...) customers evaluate an assortment in terms of their flexibility for future choice
and the effort required to weed out the unacceptable alternatives“ (S: 296f.;
Hervorhebung nicht im Original). Die Wertschätzung eines Sortiments durch
Konsumenten hängt demzufolge von der Abwägung der mit der Vielfalt verbundenen
positiven (Flexibilität) und negativen Aspekte (Entscheidungsaufwand) bei der
Entscheidungsfindung ab. Auf die definitorischen Grundlagen von Kosten und Nutzen
von Produktvielfalt wird im Definitionsteil detailliert eingegangen (siehe Kapitel
1.2.1, S. 12f.).
Ziel der Arbeit ist es, basierend auf Theorien der Psychologie, Soziologie und des
Marketings, ein Messinstrument für Kosten und Nutzen von Produktvielfalt aus
Konsumentensicht, die als unabhängige Dimensionen des Werts von Produktvielfalt
verstanden werden, zu entwickeln, um so deren Zusammenhang mit dem
Kaufverhalten, nachgelagerten Bewertungen von Kaufprozess und gekauftem
Produkt und zukünftigen Verhaltensabsichten gegenüber Handel und Marke zu
untersuchen. Ferner soll analysiert werden, welche quantitativen und qualitativen
Eigenschaften des Sortiments Kosten und Nutzen von Vielfalt in welchem Maße
beeinflussen, um so konkrete Ansatzpunkte für die Gestaltung von Produktsortimenten
ableiten zu können. Dies soll zu einem besseren Verständnis des Umgangs
von Konsumenten mit hoher Produktvielfalt in der Entscheidungssituation beitragen
und Unternehmen Hinweise zur Optimierung der angebotenen Sortimente geben.
Die Relevanz dieser Fragestellungen für Unternehmen entsteht aus dem direkten
Zusammenhang von Produktvielfalt und Absatzvolumen und wird aus den obigen
Beispielen bereits deutlich (siehe S. 6). Demnach kann ein Unternehmen durch ein
besseres Verständnis der Bedürfnisse von Konsumenten hinsichtlich der angebotenen
Produktvielfalt sowohl das Absatzvolumen als auch die Zufriedenheit von
Konsumenten steigern. Eine Aussage von Meffert (2000) betont die Relevanz des
Untersuchungsgegenstands aus der Sicht der Marketingtheorie: Er bezeichnet die
Produkt- und Programmpolitik eines Unternehmens, die „alle Entscheidungstatbestände,
die sich auf die marktgerechte Gestaltung aller vom Unternehmen im
Absatzmarkt angebotenen Leistungen beziehen“ (Meffert 2000, S. 327) als „‚Herz des
Marketing’“ (Meffert 2000, S. 327). Die Produktvielfalt stellt demnach einen
zentralen Bestandteil der marketingpolitischen Entscheidungstatbestände eines
Herstellers und Handelsunternehmens dar.
8

Um die aufgezeigten Fragestellungen um Laufe der Arbeit zu beantworten, präzisiert
das nächste Kapitel zunächst den Untersuchungsgegenstand. Dazu werden grundlegende
Begriffe geklärt und die Zielsetzung der Forschungsarbeit detailliert
beschrieben. Anschließend wird die Thematik knapp in die Konsumentenverhaltensforschung
eingeordnet und der Verlauf der weiteren Untersuchung beschrieben.
1.2 Präzisierung des Untersuchungsgegenstands
1.2.1 Begriffliche Grundlagen
In der vorliegenden Untersuchung geht es im Wesentlichen um die Erklärung des
Verhaltens von Konsumenten im Umgang mit (hoher) Produktvielfalt. Nachfolgend
werden deshalb zunächst die Begriffe Konsumentenverhalten, Käuferverhalten,
Kaufverhalten und Produktvielfalt erläutert. Anschließend wird das Konstrukt Wert
von Produktvielfalt mit seinen Dimensionen Kosten von Produktvielfalt und Nutzen
von Produktvielfalt inhaltlich präzisiert.
Konsumentenverhalten und Käuferverhalten (Consumer Behavior)
Das Käuferverhalten umfasst nicht nur den reinen Kauf, den Kuß (1987) als „den
freiwilligen Austausch von Geld gegen Güter, Dienstleistungen, Rechte und
Vermögenswerte durch Personen, Personengruppen und Organisationen“ (S. 11)
definiert, sondern auch diesem vor- und nachgelagerte Prozesse und Tätigkeiten,
sowie Faktoren, die diese beeinflussen (vgl. Kuß/Tomczak 2000, S. 9f.). Entsprechend
lässt sich in der Literatur eine Vielzahl an Definitionen des Käuferverhaltens bzw.
des synonym verwendeten Begriffs Konsumentenverhalten finden. Diese
unterscheiden sich teils erheblich hinsichtlich der berücksichtigten Aspekte. Das
Spektrum reicht hierbei von einer relativ engen und prozessorientierten Sichtweise von
Blackwell, Miniard und Engel (2001), die Konsumentenverhalten (Consumer
Behavior) als „activities people undertake when obtaining, consuming, and disposing
of products and services“ (S. 6), definieren, bis hin zu einem sehr weit gefassten
Verständnis von Peter und Olson (1996), die sich bei ihrer Definition an derjenigen
9

der American Marketing Association orientieren. Sie bezeichnen Konsumentenverhalten
als „the dynamic interaction of affect and cognition, behavior, and the
environment by which human beings conduct the exchange aspects of their lives“
(Peter/Olson 2002, S. 6). Diese Bandbreite spiegelt sich auch in der Definition von
Kroeber-Riel und Weinberg (1996) wieder, die Konsumentenverhalten im engeren und
Konsumentenverhalten im weiteren Sinn unterscheiden. Ersteres definieren sie als
„das Verhalten der Menschen beim Kauf und Konsum von wirtschaftlichen Gütern“,
letzteres als „ganz allgemein das Verhalten der ‚Letztverbraucher’ von materiellen
und immateriellen Gütern“ (S. 3).
Das Ziel dieser Untersuchung ist die Erklärung der Wirkung von Produktvielfalt auf
das Verhalten von Konsumenten als Individuen 5 . Es ist deshalb ein relativ enges
Verständnis des Konsumentenverhaltens sinnvoll, das die Entscheidungsprozesse bei
der Kaufhandlung und unmittelbar nachgelagerte Evaluationsprozesse in den
Mittelpunkt stellt. Hierbei ist jedoch zu beachten, dass am Ende des Entscheidungsprozesses
nicht notwendigerweise der Kauf eines Produkts stehen muss. Der
Konsument kann den Kaufprozess auch abbrechen und später fortsetzen oder ganz auf
den Kauf verzichten. Da dies mögliche Reaktionsformen von Konsumenten auf hohe
Produktvielfalt sind (vgl. Tversky/Shafir 1992, S. 358ff.; Gourville/Soman 1999,
S. 5ff.; Desmeules 2002, S. 10ff.; Anderson 2003, S. 146), werden sie auch als Teil
des Konsumentenverhaltens verstanden.
In Anlehnung an Kuß und Tomczak (2000, S. 12) wird in dieser Untersuchung unter
Käufer- bzw. Konsumentenverhalten die Auswahl einer von mehreren
Alternativen an Sachgütern, Dienstleistungen, Rechten und Vermögenswerten
verstanden, wobei der (vorübergehende) Abbruch der Kaufentscheidung eine der
möglichen Entscheidungsalternativen darstellt. Weiterhin schließt der Begriff alle zu
dieser Entscheidung hinführenden und ihr folgenden Prozesse und Tätigkeiten, die
künftige Käufe beeinflussen können, mit ein.
Produktvielfalt
Produktvielfalt entspricht der in der englischsprachigen Literatur häufig zu findenden
Bezeichnung „Product Variety“ (vgl. Bayus/Putsin 1999, S. 137; Gourville/Soman
5
Kaufverhalten von Organisationen wie z. B. Unternehmen spielt in dieser Untersuchung keine
Rolle. Zur Unterscheidung vgl. z. B. Müller-Hagedorn 1986, S. 38ff.)
10

1999, S. 1ff.). Synonym wird hierfür häufig der Term Assortment verwendet, der von
Levy und Weitz (1995) als „the number of different items in a merchandise category“
(S. 30) definiert wird 6 .
In der deutschsprachigen Literatur wird der Begriff der Produktvielfalt synonym mit
der v.a. im Handelsmarketing gebräuchlichen Bezeichnung der Sortimentstiefe 7
verwendet (vgl. Rudolph/Schweizer 2003, S. 48). Diese beschreibt die „Anzahl der
Artikel, welche die Konsumenten im Hinblick auf die Befriedigung eines bestimmten
Bedürfnisses als Substitute ansehen“ (Gümbel 1963, S. 64). Die Sortimentstiefe stellt
„aus der Sicht des Kunden eine Auswahl alternativer Kaufmöglichkeiten“ dar (Theis
1999, S. 550). Da die Arbeit nur die Vielfalt einer Produktkategorie betrachtet, wird
im weiteren Verlauf anstatt Sortimentstiefe vereinfachend der Begriff Sortiment
verwendet.
Wie in Kapitel 1.2.3.3 (S. 33ff.) noch näher beschrieben wird, konzentriert sich diese
Untersuchung auf Auswahlprobleme innerhalb einer Produktkategorie bzw.
Produktgruppe. Hierunter würde beispielsweise der Kauf einer Digitalkamera durch
einen Konsumenten in einem bestimmten Geschäft fallen.
Im Rahmen dieser Analyse bezeichnet Produktvielfalt die Gesamtheit der bei einer
Kaufentscheidung zur Auswahl stehenden Alternativen innerhalb einer
Produktkategorie. Es werden sowohl quantitative (Anzahl der Produkte) als auch
qualitative Aspekte (Ähnlichkeit der Produkte) unter dem Begriff Produktvielfalt
subsumiert. In dem oben genannten Beispiel des Digitalkamerakaufs wäre die
Produktvielfalt durch die Anzahl und Art aller in diesem Geschäft zum Kauf
verfügbaren Digitalkameras bestimmt.
Zur Vervollständigung sei erwähnt, dass die Produktalternativen im Handelsmarketing
meist als Artikel einer bestimmten Sorte bezeichnet werden (vgl. Brockhoff 1966,
6
7
Die Verwendung des Begriffes Assortment ist in der Forschung nicht einheitlich. So verwendet z.
B. Kotler (2000) Assortment gleichbedeutend mit Product Mix und definiert dieses als „(...) the set
of all products and items that a particular seller offers for sale to buyers“ (S. 396). Diese
Verwendung entspricht inhaltlich dem Sortiment eines Handelsunternehmen (vgl. Schmidt 1990,
S. 22). Diese Arbeit folgt der Definition von Levy und Weitz (1995) und versteht unter
Produktvielfalt, Assortment und Product Variety jeweils die Anzahl der Artikel einer
Produktkategorie.
In Industrieunternehmen wird die Angebotspalette nicht wie im Handel als Sortiment, sondern als
Produktionsprogramm bezeichnet. Unter dem Produkt(ions)programm versteht man die
„Gesamtheit aller Produktlinien und Produkte, die ein Anbieter seinen jeweiligen Kunden zum
Kauf anbietet“ (Haedrich/Tomczak 1996, S. 45). Entsprechend wird hier von der Tiefe des
Produkt(ions)programms gesprochen, das die Anzahl der Varianten innerhalb einer Produktlinie
beschreibt (vgl. Herrmann 1998, S. 5).
11

S. 41; Kotler/Bliemel 1999, S. 673). In der englischsprachigen Literatur werden
hierfür synonym die Begriffe Stock Keeping Unit (SKU), Item und Product Variant
verwendet (vgl. Kotler 2000, S. 396).
Wert von Produktvielfalt (WPV)
Ausgangspunkt der Definition des Werts von Produktvielfalt sind in der
Marketingliteratur gebräuchliche Definitionen des Wert-Begriffs. So definieren Flint,
Woodruff und Gardial (1997): „(…) a value judgement is the customer’s assessment
of the value that has been created for them by a supplier given the trade-off between
all relevant benefits and sacrifices in a specific use situation” (Flint/Woodruff/Gardial
1997, S. 167; Hervorhebungen nicht im Original). Nach dieser Definition entsteht aus
Sicht des Konsumenten der Wert z. B. eines Produkts aus der Abwägung seiner
positiven (Benefits) und negativen Aspekte (Sacrifices). Auch die Definition des
wahrgenommenen Werts von Zeithaml (1988) folgt dieser Logik: „Perceived Value is
the consumer’s overall assessment of the utility of a product based on perceptions of
what is received and what is given“ (Zeithaml 1988, S. 14; Hervorhebungen nicht im
Original). Kotler und Bliemel (1999) führen den konzeptionell ähnlichen Wertgewinn
eines Angebots ebenfalls auf entstandene Kosten und generierten Nutzen (hier als
Wert bezeichnet) zurück (siehe Abbildung 2).
Produktwert
Begleitende
Dienstleistungen
Wert durch
Mitarbeiter
Wertsumme
Wert durch Image
Monetäre
Kosten
Kosten für Zeit
Kosten für Energie
Wertgewinn
Kostensumme
Psychischer
Aufwand
Abbildung 2: Der Wertgewinn (Kotler/Bliemel 1999) wird durch die Nutzenaspekte (Wertsumme)
und Konsteanspekte (Kostensumme) bestimmt. Quelle: Kotler/Bliemel 1999, S. 49
12

Aus den Definitionen geht hervor, dass sich ein „Wert“ aus zwei Dimensionen
zusammensetzt: einer Kostendimension und einer Nutzendimension. Um dieses
Wertkonzept auf die Produktvielfalt zu übertragen, müssen Konsumenten mit
Produktvielfalt folglich Kosten- und Nutzenaspekte verbinden. Im Rahmen der
vorliegenden Arbeit werden diese als Kosten und Nutzen von Produktvielfalt
bezeichneten Aspekte theoretisch begründet. Weiterhin wird ein Messinstrument
entwickelt, um die Konsequenzen und Determinanten der Kosten- und Nutzenfacetten
von Produktvielfalt empirisch untersuchen zu können. Im Gegensatz zu obiger
Definition des Wertgewinns von Kotler und Bliemel (1999) liegt die Betrachtungsebene
des Werts von Produktvielfalt auf Ebene seiner Dimensionen Kosten und
Nutzen, und nicht auf deren Verknüpfungsebene, welche die beiden Autoren als
Wertgewinn bezeichnen. Der Wert von Produktvielfalt wird somit als ein Konstrukt
mit zwei unabhängigen Dimensionen – einer Kostendimension (Kosten von
Produktvielfalt) und einer Nutzendimension (Nutzen von Produktvielfalt) –
betrachtet. Eine ähnliche Struktur mit zwei Dimensionen legen beispielsweise Babin,
Darden und Griffin (1994, S. 653) zugrunde, dem von ihnen untersuchten Perceived
Shopping Value, auf den in einem späteren Abschnitt noch detaillierter eingegangen
wird (siehe S. 112ff.).
Der Wert der Produktvielfalt besteht aus den für einen Konsumenten mit
einer Kaufentscheidung verbundenen positiven und negativen,
nicht-monetären Aspekten, die durch das Sortiment in einer Kaufsituation
verursacht werden und sich auf das Verhalten des Konsumenten auswirken.
Der Wert von Produktvielfalt aus Konsumentensicht (kurz: Wert von
Produktvielfalt) lässt sich damit folgendermaßen definieren:
Das Konstrukt Wert von Produktvielfalt stellt damit eine Art mediierende Variable
dar, die psychische Reaktionen eines Konsumenten auf (hohe) Produktvielfalt bzw.
ein (großes) Sortiment erfasst und einen Zusammenhang mit seinem Verhalten im
Sinne des Entscheidungsausgangs, der Bewertung von Prozess und Produkt und den
zukünftigen Verhaltensabsichten herstellt.
Abbildung 3 verdeutlicht dies grafisch.
13

Produktvielfalt
(Sortiment)
Konsumentenverhalten
Wert von Produktvielfalt
Kosten
von Produktvielfalt
(KPV)
Nutzen
von Produktvielfalt
(NPV)
Ergebnis
Kaufentscheidung
Evaluation von Prozess
und Produkt
Zukünftiges
Verhalten
Abbildung 3: Der Wert von Produktvielfalt als mediierendes Konstrukt zwischen Sortiment
(Produktvielfalt) und Konsumentenverhalte
Es sei nochmals betont, dass im Rahmen dieser Arbeit kein funktionaler
Zusammenhang zur Abbildung des Werts von Produktvielfalt in Abhängigkeit von
Kosten und Nutzen von Produktvielfalt entwickelt werden soll, da zunächst die
Existenz von Kosten und Nutzen von Produktvielfalt empirisch zu zeigen ist. Folglich
ist die Analyseebene, insbesondere der empirischen Untersuchung, nicht der Wert
von Produktvielfalt, sondern die ihm zugrunde liegenden Größen, also Kosten und
Nutzen von Produktvielfalt. Diese werden nachfolgend definiert.
Kosten und Nutzen von Produktvielfalt aus Konsumentensicht (KNPV)
Die Kosten von Produktvielfalt aus Konsumentensicht (kurz: Kosten von
Produktvielfalt, KPV) bezeichnen den kognitiven und emotionalen,
nicht-monetären Aufwand der Entscheidungsfindung eines Konsumenten
während des Kaufprozesses, der durch die Produktvielfalt in der Kaufsituation
verursacht wird. Sie umfassen somit alle mit der Produktvielfalt verbundenen
negativen psychischen Aspekte für den Konsumenten während des
Kaufentscheidungsprozesses.
Unter dem Nutzen von Produktvielfalt aus Konsumentenperspektive (kurz: Nutzen
von Produktvielfalt, NPV) werden die aus der Sicht des Konsumenten
nicht-monetären positiven Aspekte von Produktvielfalt, die auf die
Produktvielfalt in der Kaufsituation zurückzuführen sind, verstanden.
14

Verwendete Kürzel
Um die Lesbarkeit der Arbeit zu vereinfachen, werden im weiteren Verlauf folgende
Kürzel verwendet:
WPV:
Wert von Produktvielfalt
KNPV: Kosten und Nutzen von Produktvielfalt
KPV:
NPV:
Kosten von Produktvielfalt
Nutzen von Produktvielfalt
1.2.2 Identifikation relevanter Größen der Untersuchung: Ablauf von
Kaufentscheidungen und die Rolle der Produktvielfalt
Ziel dieses Abschnitts ist die Identifikation wesentlicher und für die Erklärung des
Zusammenhangs von Produktvielfalt und Konsumentenverhalten relevanter Größen.
Diese sollen als Ausgangsbasis der Untersuchung dienen. Hierzu wird ein
einführender Überblick zum Umgang von Konsumenten mit Produktvielfalt im
Entscheidungsprozess gegeben und mögliche Auswirkungen hoher Produktvielfalt auf
das Verhalten aufgezeigt. Der Fokus liegt hierbei auf Größen und Zusammenhängen,
die für die weitere Untersuchung relevant sind. Auf eine umfassende Darstellung der
Erkenntnisse der Konsumentenverhaltensforschung wird an dieser Stelle verzichtet.
Der interessierte Leser sei diesbezüglich auf die ausführlichen Standardwerke der
Konsumentenverhaltensforschung verwiesen 8 .
Ausgangspunkt der Betrachtung ist das Consumer Decision Process (CDP)-Modell
von Blackwell, Engel und Miniard, das den Ablauf von Kaufentscheidungen
modellhaft beschreibt.
Das CDP-Modell von Blackwell, Miniard und Engel
Das Consumer Decision Process (CDP)-Modell von Blackwell, Engel und Miniard
geht auf das erstmals 1968 veröffentlichte Entscheidungsprozessesmodell von Engel,
Kollat und Blackwell zurück (vgl. Bänsch 1998, S. 131; Blackwell/Miniard/Engel
8
Deutschsprachig: z. B. Kroeber-Riel/Weinberg 1999, Trommsdorf 1998, Kuß/Tomczak 2000;
englischsprachig: z. B. Blackwell/Miniard/Engel 2000, Peter/Olson 1996.
15

2001, S. 71ff.). Das in Abbildung 4 dargestellte Modell „captures the activities that
occur when decisions are made in a schematic format and shows how different
internal and external forces interact and affect how consumers think, evaluate and
act“ (Blackwell/Miniard/Engel 2001, S. 71).
Das Modell ist neben dem von Howard und Sheth (1969) der bekannteste Vertreter
kognitiver Totalmodelle, die im Gegensatz zu den ebenfalls zur Gruppe der
Strukturmodelle gehörenden Partialmodellen (vgl. Bänsch 1998, S. 5) versuchen, „alle
wesentlichen Kaufverhaltenskonstrukte und deren Beziehungen untereinander zu
integrieren“ (Meffert 2000, S. 132). Das CDP-Modell berücksichtigt sowohl
Umwelteinflüsse, wie z. B. Kultur und Familie, als auch individuelle Unterschiede von
Konsumenten, wie beispielsweise Involvement und Wissen als Einflussfaktoren auf
den Ablauf und Ausgang von Kaufentscheidungen. Es unterscheidet sich
diesbezüglich von dem Modell von Howard und Sheth (1969).
Need
recognition
Stimuli
• Marketer
dominated
• Non-marketer
dominated
External search
Exposure
Attention
Comprehension
Acceptance
Retention
Internal
search
Memory
Search
Pre-purchase
evaluation of
alternatives
Purchase
Consumption
Environmental influences
• Culture
• Social class
• Personal influences
• Family
• Situation
Individual differences
• Consumer resources
• Motivation and
involvement
• Knowledge
• Attitudes
• Personality, values and
lifestyle
Postconsumption
evaluation
Dissatisfaction
Satisfaction
Divestment
Abbildung 4: Das Consumer-Decision-Process Modell von Engel, Blackwell und Miniard. Quelle:
Blackwell/Miniard/Engel 2001, S. 83
16

Im Zentrum des Erklärungsmodells stehen sieben Phasen, die ein Konsument bei einer
Entscheidung durchläuft. Diese werden nachfolgend knapp beschrieben und in den
Zusammenhang mit der Produktvielfalt gesetzt.
Problemerkenntnis (Need Recognition)
Am Anfang des Kaufentscheidungsprozesses steht die Phase der Problemerkenntnis.
Eine Person nimmt die Existenz eines zu lösenden Problems in Form eines
Bedürfnisses wahr, wenn sie zwischen ihrem derzeitigen Zustand und einem
Idealzustand einen erheblichen Unterschied erkennt. Dieser kann auf zweierlei Arten
entstehen (vgl. Solomon 1996, S. 271f.): Erstens durch die Verschlechterung des
bisherigen Zustands, wenn z. B. ein Produkt aufgebraucht ist (leerer Kühlschrank) und
zweitens durch die Veränderung des Idealzustands, was beispielsweise durch die
Einführung eines neuen und besseren Produkts geschehen kann (vgl. Solomon/
Bamossy/Askegaard 2001, S. 251).
Übersteigt die Differenz von tatsächlichem und idealem Zustand einen gewissen
Schwellenwert (Threshold), nimmt der Konsument ein Bedürfnis wahr, das
anschließend einen Kaufprozess auslöst (vgl. Blackwell/Miniard/Engel 2001, S. 100).
Voraussetzung hierfür ist, dass der Konsument über die notwendigen finanziellen
Ressourcen verfügt und von einem entsprechenden Kauf eine Bedürfnisbefriedigung
erwartet (vgl. Kuß/Tomczak 2000, S. 92).
In der nächsten Phase wird informationsseitig die Grundlage für die Kaufentscheidung
gelegt.
Informationssuche (Search)
Während dieser Phase werden die Informationen, die in den Entscheidungsprozess
einfließen und die Basis für die Entscheidung bilden, gesucht und aufgenommen.
Bevor hierauf näher eingegangen wird, ist zunächst zu klären, was unter dem Begriff
Information zu verstehen ist:
Der hier verwendete Informationsbegriff knüpft an die Konzeption von Chaffee und
McLeod (1973, S. 385ff.) an, deren Kern die so genannte Entscheidungsmatrix ist.
Diese besteht aus zwei Dimensionen – den Objekten und den Attributen. In einer
Kaufsituation entsprechen die zur Verfügung stehenden Alternativen den Objekten
17

(Spalten) und die Produkteigenschaften, wie beispielsweise Farbe oder Preis, den
Attributen (Zeilen) der Entscheidungsmatrix (siehe Abbildung 5). Jedes Feld der
Matrix kommt in dieser Konzeption einer Informationseinheit gleich (vgl.
Kuß/Tomczak 2000, S. 109; Kuß 1987, S. 47).
Alternativen
Eigenschaften
A 1 A 2 ... A m
E 1
Informationseinheit
(1,1)
IE (1,2) … IE (1,m)
E 2 IE (2,1) IE (2,2) ... IE (2,m)
...
...
... ...
...
E n IE (n,1) IE (n,2) ... IE (n,m)
Abbildung 5: Entscheidungsmatrix in einer Kaufsituation
Damit wird auch der Zusammenhang zur Produktvielfalt deutlich: Die Menge der
verfügbaren Informationen in der Entscheidungssituation ist abhängig von der Anzahl
der zur Auswahl stehenden Produkte und deren Anzahl an Attributen.
Bei der Informationssuche stehen dem Konsumenten zwei Informationsquellen zur
Verfügung: Er kann interne Informationen aus seinem Gedächtnis abrufen und
externe Informationen aus verschiedenen Quellen wie z. B. der direkten Kaufumgebung
oder Testberichten aufnehmen (vgl. Kuß/Tomczak 2000, S. 98). Dauer und
Intensität einer aktiven Informationssuche hängen dabei beispielsweise von der
Persönlichkeit, der sozialen Zugehörigkeit, dem Einkommen und der Erfahrung des
Konsumenten ab, sowie der Zufriedenheit mit früheren Käufen, dem mit dem Kauf
verbundenen (finanziellen) Risiko sowie der Wichtigkeit des Kaufs (vgl. Blackwell/
Miniard/Engel 2001, S. 74, 108).
Für den Kontext dieser Arbeit ist wichtig, dass nach obiger Definition die verfügbare
Informationsmenge von der Anzahl der Alternativen in der Kaufsituation abhängt. Je
größer die Produktvielfalt ist, desto mehr Informationen stehen dem Konsumenten
(ceteris paribus) in der Entscheidungssituation zur Verfügung.
18

Vor-Kauf-Bewertung der Alternativen (Pre-Purchase Evaluation of Alternatives)
Ziel dieser Phase ist es, aus den vorhandenen Alternativen die aus der Sicht eines
Konsumenten beste auszuwählen (vgl. Blackwell/Miniard/Engel 2001, S. 76). Dazu
müssen zwei Aufgaben erfüllt werden: „The choice alternatives must be evaluated in
terms of the choice criteria, and then one of the alternatives must be selected“
(Peter/Olson 2002, S. 174). Herrmann (1998, S. 93) spricht in diesem Zusammenhang
von einem „Beurteilungsprogramm zur Verarbeitung von Informationen“ und einem
„Auswahlprogramm zur Selektion eines Objekts“.
Hierbei besteht eine enge Verbindung mit der Phase der Informationsaufnahme, da
durch die Verarbeitung der Informationen zur Beurteilung und Auswahl neue
Informationsbedürfnisse entstehen können. Dies äußerst sich z. B. darin, dass
Konsumenten den Kaufprozess in einem Geschäft abbrechen, um sich in anderen
Geschäften weitere Informationen zu besorgen. Es wird deshalb von einem iterativen
Prozess von Informationsaufnahme und Informationsverarbeitung bis zur
Entscheidung ausgegangen (vgl. Kuß 1987, S. 39).
Durch die empirische Entscheidungsforschung, die sich mit dem Ablauf realer
Kaufentscheidungen beschäftigt (vgl. Herrmann 1998, S. 96), konnten verschiedene
Entscheidungsstrategien identifiziert werden, mit deren Hilfe Konsumenten
Alternativen beurteilen und auswählen. Payne, Bettman und Johnson (1993) definieren
eine Entscheidungsstrategie als „a sequence of mental and effector (actions on the
environment) operations used to transform an initial state of knowledge into a final
goal state of knowledge where the decision maker views the particular decision
problem as solved” (S. 9). In der Literatur werden Entscheidungsstrategien häufig
anhand von zwei Eigenschaften charakterisiert:
• Hinsichtlich der Art, in der Konsumenten einzelne Merkmalsinformationen
verbinden, um zu einer Entscheidung zu kommen und bezüglich
• der Reihenfolge, in der „einzelne Informationen herangezogen (und integriert)
werden“ (Bleicker 1983, S. 45).
Hinsichtlich der Art der Informationsverknüpfung lassen sich kompensatorische und
nicht-kompensatorische Strategien unterscheiden: Eine Strategie wird als
kompensatorisch bezeichnet, wenn negative Eigenschaften eines Produkts bezüglich
eines Merkmals durch andere positive Produkteigenschaften kompensiert werden
können (vgl. Peter/Olson 2002, S. 174). Bei nicht-kompensatorischen Entscheidungsstrategien
erfolgt keine „Aufrechnung“ positiver und negativer Attributeigenschaften.
19

In Bezug auf die Reihenfolge, in der Konsumenten Produktinformationen verknüpfen,
wird zwischen einer Auswahl nach Produkten (by Alternative, produktweise
Beurteilung) und einer Auswahl nach Attributen (by Attribute, attributweise
Beurteilung) unterschieden. Im ersten Fall werden die Merkmalsausprägungen jeder
Produktalternative einzeln beurteilt und zu einem Gesamturteil kombiniert. Die
Beurteilung selbst erfolgt dabei anhand individueller und situationsspezifischer
Kriterien (vgl. Blackwell/Miniard/Engel 2001, S. 76), auf die aber hier nicht näher
eingegangen wird. Die Wahl fällt auf das Produkt mit dem höchsten Gesamtwert (vgl.
Bleicker 1983, S. 45). Bei einem attributweisen Vergleich beurteilt ein Konsument
gleichzeitig alle Alternativen hinsichtlich der für ihn wichtigsten Merkmale.
Konsumenten greifen bei der Entscheidungsfindung auf Heuristiken bzw.
vereinfachende Entscheidungsregeln zurück (vgl. Herrmann 1998, S. 97), die „an
adaptive response of a limited-capacity information processor to the demands of
complex decision tasks“ darstellen (Payne/Bettman/Johnson 1993, S. 2). Die
Entscheidungsstrategien unterscheiden dabei hinsichtlich des bei ihrer Anwendung
erforderlichen kognitiven Aufwands (Effort) und der Richtigkeit der Entscheidung
(Accuracy). Payne, Bettman und Johnson (1993) konnten zeigen, dass Konsumenten
die Strategie zur Lösung eines Entscheidungsproblems nach dem Verhältnis von
kognitivem Aufwand und erzielbarer Genauigkeit auswählen (S. 13f, S. 92ff.). Sie
habe diese Erkenntnisse in ihrem Accuracy-Effort-Framework, das in Abbildung 6
veranschaulicht ist, zusammengefasst (vgl. Payne/Bettman/Johnson 1993, S. 72ff.).
Die WADD (Weighted ADDitive) und die RC-Strategie (Random Choice) bilden
dabei die Extremkombinationen von Genauigkeit und Aufwand. Während die
WADD-Strategie durch ihre kompensatorische und vollständige Informationsverarbeitung
die höchste Genauigkeit bei der Entscheidung bietet und dabei am
aufwändigsten ist, liefert die Zufallswahl (RC) ungenauere Werte, ist jedoch mit nur
minimalem Aufwand verbunden. Payne und seine Kollegen gehen davon aus, dass
Konsumenten abhängig von der Art und Wichtigkeit des Entscheidungsproblems
bestimmte Unter- bzw. Obergrenzen hinsichtlich der erwarteten Genauigkeit und des
Entscheidungsaufwandes haben und die anzuwendende Strategie entsprechend ihrer
individuellen Präferenzfunktion hinsichtlich Genauigkeit und Aufwand wählen.
20

Relative 100%
Genauigkeit
(% WADD)
WADD
Präferenzfunktion für
Genauigkeit > Aufwand
(Genauigkeit wichtiger
als Aufwand)
EQW
75%
50%
MCD
Genauigkeitsgrenze
(problemspezifisch)
LEX
Präferenzfunktion für
Genauigkeit < Aufwand
(Aufwand wichtiger als
Genauigkeit)
EBA
25%
Aufwandsobergrenze
(problemspezifisch)
RC
0%
200
180
160
140
120
100
80
60
40
20
0
Aufwand (Anzahl EIPs)
WADD = weighted additive; EQW = equal weight; EBA = elimination-by-aspects;
LEX = lexicographic; MCD = majority of confirming dimensions; RD = Random choice
Abbildung 6. Aufwand und Genauigkeit von Entscheidungsstrategien. Quelle:
Payne/Bettman/Johnson 1993, S. 97
Tabelle 1 stellt wichtige Entscheidungsstrategien sowie deren Charakterisierung
hinsichtlich Aufwand und Genauigkeit im Überblick dar. Auf Einzelheiten soll an
dieser Stelle jedoch nicht eingegangen werden 9 .
9
Eine detaillierte Darstellung findet sich z. B. bei Bleicker (1983, S. 31ff.) und
Payne/Bettman/Johnson (1993), S. 24ff.
21

Art
Reihenfolge
Kompensatorische
Modelle
Nichtkompensatorische
Modelle
Zur Elimination von
Produkten
Zur Wahl von
Produkten
Merkmalsweise Beurteilung
(by Attribute)
Additives Differenzmodell
(ADDIF – ADDitive DIFference)
• Paarweiser Vergleich der Produkte je
Merkmal
• Abspeichern von Differenzwerten und
Errechnen der Differenzsumme
• Vergleich des besseren mit dem
nächsten Produkt
• Ergebnis: relative Einstellungen je
Produkt
Modell der aspektweisen Elimination
(EBA – Elimination By Aspects)
• Ordnung der Merkmale nach
Wichtigkeit
• Festlegung von Standard für
wichtigstes Merkmal
• Erfüllen Produkte den Standard? Wenn
nein, eliminiert
• ggf. Festlegung von Standard für
zweitwichtigstes Merkmal
• usw.
Lexikografisches Modell
(LEX – LEXicographic)
• Ordnung der Merkmale nach
Wichtigkeit
• Vergleich aller Produkte hinsichtlich
wichtigstem Merkmal
• Wahl des Produkt mit bester
Ausprägung
• ggf. zweitwichtigstes Merkmal
• usw.
Produktweise Beurteilung
(by Alternative)
Additives Modell
(WADD – Weighted ADDitive)
• Summierung aller Merkmalsausprägungen
je Produkt, evtl.
Gewichtung
• Vergleich der abgespeicherten
Summen
• Ergebnis: absolute Einstellungen je
Produkt
Konjunktives Modell
(SAT – Satisficing)
• Festlegung von Standards für alle
Merkmale
• Erfüllt erstes Produkt alle Standards?
Wenn nein, eliminiert.
• ggf. zweites Produkt
• usw.
Disjunktives Modell
(DIS – DISjunctive)
• Festlegung von Standards für alle
Merkmale
• Erfüllt erstes Produkt den Standard für
ein Produkt? Wenn ja, akzeptiert.
• ggf. zweites Produkt
• usw.
Tabelle 1: Klassifikation und Beschreibung von Entscheidungsstrategien. In Anlehnung an
Bleicker (1983), S. 49
Zusammenhang mit Produktvielfalt
Konsumenten müssen mehr Informationen verarbeiten, wenn sie bei zunehmender
Produktvielfalt eine gleichbleibende Entscheidungsqualität erreichen wollen. Stoßen
sie dabei an die Kapazitätsgrenze der Informationsverarbeitung (siehe Kapitel 2.2.1.2,
S. 70ff.), können sie darauf durch die Anwendung vereinfachender Entscheidungsstrategien
reagieren (vgl. Payne/Bettman/Johnson 1993, S. 2ff.) oder im Extremfall
den Kaufprozess abbrechen (vgl. Tversky/Shafir 1992, S. 358). Die Anwendung von
vereinfachenden Heuristiken, die auch darin bestehen können, nur noch einzelne
Merkmale wie z. B. den Preis bei der Entscheidung zu berücksichtigen oder der
Empfehlung eines Freundes oder des Verkäufers zu folgen (vgl. Peter/Olson 2002,
22

S. 179) haben aber im Normalfall eine Reduzierung der Entscheidungsqualität zur
Folge (siehe Ausführungen oben und Abbildung 6). Dies kann sich wiederum negativ
auf das Vertrauen des Konsumenten in den Kaufprozess und das gekaufte Produkt
auswirken und letztlich zur Unzufriedenheit mit dem Kaufprozess und dem
erworbenen Produkt führen (vgl. z. B. Klein/Yadav 1989, S. 417f.; Schmidt 1990,
S. 244; Sethi-Iyengar/Lepper 2000, S. 1003).
Neben dieser rein kognitiven Betrachtung weist z. B. Oliver (1996, S. 243) darauf hin,
dass durch die schwierige Entscheidung zwischen Alternativen, die jeweils
verschiedene Vor- und Nachteile haben, Konflikte entstehen können, die von der
Person als emotional unangenehm und schwierig empfunden werden und die sie
deshalb reduzieren oder vermeiden möchten: „(...) at the moment when a decision is
required the fact that each alternative has both advantages and disadvantages poses
an impediment to the attainment of the most immediate subgoal – namely, escape from
the unpleasant state of conflict induced by the decision problem itself“ (Shepard 1964,
S. 277).
Diese durch die Vielfalt verursachten „emotionalen Kosten“ können sich ebenfalls auf
die Wahl der Entscheidungsstrategie auswirken und z. B. zur Anwendung einer
Heuristik führen, die explizite Trade-Offs zwischen den Attributwerten einzelner
Alternativen vermeidet (vgl. Payne/Bettman/Johnson 1993, S. 75). Tversky und Shafir
(1992) haben in diesem Zusammenhang gezeigt, dass emotional schwierige Konflikte
insbesondere zum Aufschub von Entscheidungen führen können (S. 358). Eine weitere
Möglichkeit zur Reduktion oder Vermeidung negativer Emotionen ist die Delegation
der Entscheidung an Dritte, z. B. an einen Verkäufer oder Freund (vgl.
Beattie/Baron/Hershey 1994, S. 130f.; Brownstein 2003, S. 547f.).
Vor beziehungsweise während der Entscheidung realisiert der Konsument außerdem
„(...) that the purchase decision will leave the unchosen alternatives ‚on the table’
where they may remain as a reminder that another purchase outcome could have been
realized“ (Oliver 1996, S. 243). Dies kann zu dem „unguten Gefühl“ und der
„dunklen Vorahnung“ (Apprehension) führen, dass der Konsument evtl. eine
Entscheidung trifft, die er später bedauert. Die Antizipation dieses Bedauerns kann
bewirken, dass der Konsument den Kauf aufschiebt oder ganz auf ihn verzichtet:
„Whenever choice can induce regret consumers have an incentive to eliminate the
choice“ (Thaler 1980, S. 52; vgl. Simonson 1992, S. 105ff.; Beattie/
Baron/Hersehy/Spranca 1994, S. 131f.; Desmeules 2002, S 2). In verschiedenen
Untersuchungen wurde gezeigt, dass zunehmende Produktvielfalt die Entstehung
23

antizipierten Bedauerns fördert und zu verstärkten Entscheidungskonflikten und
kognitiver Dissonanz führen kann (vgl. Sethi-Iyengar/Lepper 2000, S. 999;
Brownstein 2003, S. 548; Oliver 1996, S. 252, Schmidt 1990, S. 244).
Für den Wert von Produktvielfalt bedeutet dies folgendes:
Hinsichtlich der Nutzendimension ist festzuhalten, dass durch eine höhere
Produktvielfalt mehr Informationen bei der Beurteilung und Auswahl zur Verfügung
stehen, was insgesamt zu einer besseren Entscheidung führen sollte. Dies gilt aber nur,
wenn bei der Verarbeitung der Informationen die Kapazität des Informationsverarbeitungssystems
des Entscheiders nicht überschritten wird (siehe S. 71ff.).
In der Phase der Vor-Kauf-Bewertung sind mit hoher Produktvielfalt sowohl kognitive
als auch emotionale „Aufwände“ verbunden. Diese manifestieren sich in kognitiver
Anstrengung und negativen Emotionen, die durch die Antizipation von Bedauern und
Entscheidungskonflikten entstehen. Auf diese Aspekte wird bei der Darstellung des
theoretischen Bezugsrahmens im Rahmen der Theorie der Cost of Thinking (Kapitel
2.3.2.1, S. 122ff.), der Konflikt Theorie (Kapitel 2.3.2.2, S. 134ff.) und der Theorie des
Antizipierten Regrets (Kapitel 2.3.2.3, S. 158 ff.) detailliert eingegangen.
Kauf (Purchase)
Diese Phase manifestiert gewissermaßen das Ergebnis des Kaufentscheidungsprozesses:
Der Konsument entscheidet sich endgültig, ob er das während der
Vor-Kauf-Bewertung ausgewählte Produkt kauft und setzt diese Entscheidung in
tatsächliches Verhalten um, indem er das ausgewählte Produkt erwirbt oder den Kauf
abbricht und das Geschäft ohne Kauf verlässt. Die Unterscheidung zwischen den
beiden Phasen der Vor-Kauf-Bewertung und dem Kauf wird getroffen, da die
Entscheidung für ein bestimmtes Produkt nicht immer sofort in tatsächliches
Kaufverhalten umsetzbar ist (z. B. aufgrund mangelnder Verfügbarkeit) (vgl. Kuß
1987, S. 39) oder der Konsument sich „in letzter Sekunde“ beispielsweise wegen
eines Sonderangebots anders entscheidet (vgl. Blackwell/Miniard/Engel 2001,
S. 127f.).
24

Nachkaufphasen: Konsum und Evaluation (Consumption & Evaluation)
Mit dem Kauf entscheidet sich der Konsument nicht nur für das gekaufte, sondern
auch gegen die nicht gekauften Produktalternativen. Die Inkonsistenz, die durch die
Attraktivität der nicht gewählten Alternativen und der Entscheidung für ein
bestimmtes Produkt hervorgerufen wird, kann zur Entstehung kognitiver Dissonanz
führen. Diese beschreibt Festinger (1959) als einen „psychologically uncomfortable
tension state“(Oliver 1996, S. 247). Kognitive Dissonanz entsteht besonders dann,
wenn sich der Konsument nicht sicher ist, das optimale Produkt aus den vorhandenen
Alternativen für sich gewählt zu haben. Es ist deshalb anzunehmen, dass hohe
Produktvielfalt die Entstehung kognitiver Dissonanz begünstigt (vgl. Oliver 1996,
S. 252).
Nach dem Kauf steht das Produkt zum Gebrauch zur Verfügung. In dem hier
betrachteten Fall kognitiver Kaufentscheidungen (siehe S. 37) handelt es sich hierbei
meist um Gebrauchsgüter, also um Produkte, die über einen längeren Zeitraum benutzt
werden können.
Während der Nutzung bewertet der Käufer das Produkt hinsichtlich seiner
Erwartungen, was entweder zur Zufriedenheit oder zur Unzufriedenheit mit diesem
führen kann (vgl. Blackwell/Miniard/Engel 2001, S. 71). Neben der Zufriedenheit
spielen in dieser Phase auch Fragen bezüglich der Qualität und der Erfüllung der
ursprünglichen Bedürfnisse eine Rolle (vgl. Oliver 1996, S. 243). Durch den Vergleich
der nicht gewählten Alternative mit der gewählten kann es dabei ferner zum Bedauern
(Regret) der Entscheidung kommen. Zeelenberg (1996) beschreibt dies als eine „(...)
negative, cognitively determined emotion that we experience when realizing or
imagining that our present situations would have been better, had we acted
differently“ (S. 6). Regret kann als Reue und Enttäuschung der eigenen Entscheidung
umschrieben werden (vgl. Simonson 1992, S. 105).
Jacoby et al. (1974b, S. 39) und Scammon (1977) konnten weiterhin einen negativen
Zusammenhang von hoher Informationsmenge (Alternativenzahl) und Vertrauen in die
Qualität der eigenen Entscheidung, also die wahrgenommene Sicherheit der richtigen
Wahl, feststellen. Kombiniert man dieses Ergebnis mit dem von Jacoby et al. (1974a,
S. 68), das einen positiven Zusammenhang von Sicherheit und Zufriedenheit
nachweisen konnte, so kann man schlussfolgern, dass Regret und Zufriedenheit in
einem negativen Verhältnis stehen (vgl. hierzu auch Taylor 1997). Zusammengefasst
bedeutet dies, dass hohe Vielfalt zu einer verminderten Entscheidungssicherheit und
damit zu Regret und geringerer Zufriedenheit führen kann.
25

Die Zufriedenheit mit dem gekauften Produkt ist dahingehend von Interesse, da sie in
Zusammenhang mit künftigem Verhalten steht: So existiert ein positiver
Zusammenhang von Produktzufriedenheit und zukünftigen Kaufabsichten hinsichtlich
der Marke (vgl. Fitzsimons/Greenleaf/Lehmann 1997, S. 7; Tsiros/Mittal 2000,
S. 405f.; siehe auch Abbildung 38, S. 167).
Neben dem gekauften Produkt bewerten Konsumenten den Prozess zu dessen Erwerb.
Zhang und Fitzsimons (1999) bezeichnen die hierbei zugrunde liegene
Bewertungsgröße als „Choice-Process Satisfaction“ (Kaufprozesszufriedenheit)
(S. 193) und verstehen darunter „(...) consumers’ satisfaction with their experience in
the decision and purchase experience leading up to, and including, the actual
purchase transaction“ (Fitzsimons/Greenleaf/Lehmann 1997, S. 1). Es ist
anzunehmen, dass ein Zusammenhang selbiger mit der Produktvielfalt besteht: So
konnten Sethi-Iyengar und Lepper (2000) zeigen, dass Konsumenten mit einem
gewählten Produkt unzufriedener sind, wenn sie es aus einem Set mit vergleichsweise
hoher Vielfalt gewählt haben (30 Alternativen) (S. 1003). Zu ähnlichen Ergebnissen
kommen auch andere Autoren wie z. B. Klein und Yadav (1989, S. 417f.) und Schmidt
1990, S. 244). Ein gegenteiliges Verhältnis zeigten die Untersuchungen von Jacoby et
al. (1974a), die einen positiven Zusammenhang von Markenzahl und Zufriedenheit mit
der Wahlentscheidung festgestellt haben (S. 67). Hierzu ist anzumerken, dass die
Testpersonen unter maximal 12 Alternativen und damit aus einer moderaten
Alternativenzahl ausgewählt haben. In einer anderen Untersuchung bestätigten Jacoby
und seine Mitarbeiter (1974b) den negativen Zusammenhang von hoher Markenzahl
und Zufriedenheit (S. 39). Weiterhin konnten Chang und Fitzsimons (1999) zeigen,
dass Konsumenten mit dem Kaufprozess zufriedener sind, wenn die verfügbaren
Alternativen hinsichtlich wichtiger Attribute vergleichbar (alignable) sind, was die
Autoren auf geringere emotionale und kognitive Kosten bei der Entscheidung
zurückführen (S. 206).
Insgesamt ist deshalb davon auszugehen, dass sich sowohl die Anzahl als auch die
Struktur der Alternativen auf die Kaufprozesszufriedenheit auswirken (vgl.
Westbrook/Newman/Taylor 1978, S. 59; Fitzsimons/Greenleaf/Lehmann 1997,
S. 5ff.).
Die Kaufprozesszufriedenheit wirkt sich wiederum auf die Gesamtzufriedenheit sowie
insbesondere auf die Loyalität gegenüber dem Geschäft aus. Letzteres ist darauf
zurückzuführen, dass der Kaufprozess eher dem Geschäft als dem Hersteller
zugeschrieben wird (vgl. Fitzsimons/Greenleaf/Lehmann 1997, S. 7).
26

Festzuhalten ist, dass sich hohe Produktvielfalt sowohl auf die Zufriedenheit mit dem
gekauften Produkt als auch mit dem Kaufprozess auswirkt, was wiederum die
Loyalität hinsichtlich der gekauften Marke und des Geschäfts, in dem das Produkt
erworben wurde, beeinflusst. Des Weiteren ist zu vermuten, dass hohe Produktvielfalt
die Entstehung kognitiver Dissonanz begünstigt. Diese stellt gewissermaßen das
Bindeglied zwischen Kaufprozess und Produktzufriedenheit dar und wird häufig als
eine der Antezedenzien selbiger bezeichnet (vgl. Oliver 1996, S. 259f.). Die
aufgefühten Größen sollen folglich in dem zu entwickelnden Modell der
Auswirkungen von Kosten und Nutzen hoher Produktvielfalt berücksichtigt werden.
Zusammenfassung
Die Beschreibung der Phasen des Kaufprozesses hat verdeutlicht, dass die
Produktvielfalt insbesondere in zwei Phasen eine wichtige Rolle spielt: In der Phase
der Vor-Kauf-Bewertung und der Nachkaufphase. Dies verwundert auch nicht
weiter, da sich der Konsument in der Bewertungsphase der Produktvielfalt gegenüber
sieht und deshalb in diesem Schritt der Wert von Produktvielfalt in Form von Kosten
und Nutzen entsteht. Die Nachkaufphase zeigt das Ergebnis der Entscheidung und
somit die Konsequenzen des Werts von Produktvielfalt. Zu berücksichtigen ist hierbei,
dass auch der Verzicht auf den Kauf bzw. dessen Verschiebung ein mögliches
Ergebnis des Kaufprozesses ist. Das hier betrachtete Konstrukt Wert von
Produktvielfalt kann mit seinen Dimensionen Nutzen von Produktvielfalt und Kosten
von Produktvielfalt somit der Phase der Vor-Kauf-Bewertung und seine
Konsequenzen der Kauf- und Nachkauf-Phase zugeordnet werden.
Als Konsequenzen sind hierbei in der weiteren Untersuchung insbesondere
• die Kaufintention,
• die Zufriedenheit mit dem gekauften Produkt und dem Kaufprozess,
• die kognitive Dissonanz als Bindeglied zwischen Kaufprozess und
Produktzufriedenheit sowie
• die Loyalität gegenüber Geschäft und Marke
zu berücksichtigen.
27

1.2.3 Zielsetzung, forschungsleitende Fragestellungen und Abgrenzung des
Untersuchungsgegenstands
1.2.3.1 Forschungsbedarf
Dhar beschreibt die Ergebnisse bisheriger Untersuchungen zur Wirkung der
Produktvielfalt auf das Konsumentenverhalten als Beantwortung der Fragen „is?“ und
„when?“ (Dhar 1997b, S. 126). Die Forschung hat sich bisher folglich vornehmlich
damit beschäftigt, ob es einen Einfluss des Entscheidungskontextes, wie z. B. der
Auswahlvielfalt auf das Entscheidungsverhalten gibt, und wann diese Effekte
auftreten. In Kapitel 2.1 (S. 42ff.) werden einige der wichtigsten Untersuchungen
detaillierter beschrieben.
Weitgehend unbeantwortet ist dagegen die Frage „how?“, die erklärt, wie die Effekte
zu Stande kommen und welche psychischen Prozesse sie verursachen (vgl. Dhar
1997b, S. 127). Lehmann (1998) stellt zusätzlich den Forschungsbedarf hinsichtlich
der Gesamtperspektive im Sinne der Wertschätzung von Produktvielfalt durch
Konsumenten und deren Umgang mit großen Sortimenten heraus: „(...) research on
how much customers value variety (...) and the reactions of customers to large sets of
options are (…) important areas for research” (S. 64).
Forschungsbedarf besteht somit sowohl hinsichtlich der Makroebene, die sich mit der
Wertschätzung von Produktvielfalt durch Konsumenten beschäftigt, als auch
hinsichtlich der Mikroebene, die die verschiedenen Aspekte und Prozesse, die zu
dieser Wertschätzung führen, beleuchtet.
Der in der Literatur genannte Forschungsbedarf konzentriert sich deshalb auf die
Erklärung des beobachteten Konsumentenverhaltens und kann hierbei unter
Einbeziehung der im Rahmen der Untersuchung verwendeten Begriffe Kosten von
Produktvielfalt (KPV), Nutzen von Produktvielfalt (NPV) und Wert von
Produktvielfalt (WPV) im Wesentlichen drei Themenbereichen zugeordnet werden:
28

1. Besseres Verständnis der Wertschätzung von Produktvielfalt durch
Konsumenten. Dies beinhaltet insbesondere die theoretische Erklärung der
zugrunde liegenden positiven und negativen sowie kognitiven und affektiven
Reaktionen von Konsumenten auf (hohe) Produktvielfalt sowie deren
Messung.
• „(...) research on how much customers value variety (...) and the reactions
of customers to large sets of options are (…) important areas for research“
(Lehman 1998, S. 64).
• „There is no consensus on a comprehensive principle that predicts
decision difficulty, that provides measures of difficulty, or even on a definition“
(Hastie 2000, S. 11).
• „(…) future research should focus on the underlying cognitive processes
that drive the negative impact of non-alignability on consumer choice“
(Gourville/Soman 1999, S. 22).
• „Additional research might investigate the role of affectively based
assortment perceptions more thoroughly (…)”
(Broniarczyk/Hoyer/McAlister 1998, S. 175).
2. Untersuchung der Auswirkungen verschiedener Kosten- und Nutzenaspekte
von Produktvielfalt auf das Konsumentenverhalten
• „(…) how the aversive elements of decision making are offset by the
positive elements of greater choice to account for the fact that decisions do
get made“ (Dhar 1997a, S. 230).
• „Further research should investigate the influences of anticipating
decision errors on purchase timing and choices between brand name and
price (…)“ (Simonson 1992, S. 117).
• „(…) dissonance is integral to decision making and to consumption (…).
Little work on the occurrence and reduction of dissonance in consumption
is currently available, and managers are generally unable to determine the
extent of dissonance experienced by their consumers or of the influence of
dissonance on satisfaction“ (Oliver 1996, S. 261).
29

3. Einfluss der Eigenschaften des Choice Sets auf Kosten und Nutzen von
Produktvielfalt
• „Of particular interest is how the characteristics of a choice set (i.e.
perceived similarity/differences between choices) contribute to choice
uncertainty“ (Urbany/Dickson/Wilkie 1989, S. 214).
• „Additional research might derive a more specific quantitative model of
assortment perceptions to the functional relationships between objective
stimulus changes and subjective experiences in psychophysics“
(Broniarczyk/Hoyer/McAlister 1998, S. 174).
• „(…) further research will probably help define what kind of changes and
variety consumers actually desire“ (Desmeules 2002, S. 14).
Die Forschungslücke besteht somit vor allem. in der Erklärung des Zusammenhangs
von Produktvielfalt in der Entscheidungssituation und dem Ergebnis des
Kaufprozesses sowie den nachgelagerten Evaluationsprozessen, um so letztlich die
Frage beantworten zu können „(...) when is too much variety too much?“ (Kahn
1998, S. 52).
Ansatzpunkt der vorliegenden Untersuchung ist es, diese Forschungslücke mit Hilfe
der Konstrukte Kosten von Produktvielfalt (KPV) und Nutzen von Produktvielfalt
(NPV) als Dimensionen des Werts von Produktvielfalt (WPV), zu schließen.
Die Zielsetzung der Untersuchung lässt sich damit wie folgt formulieren:
1.2.3.2 Ziele der Untersuchung und Forschungsfragen
Im Hinblick auf die Wissenschaft soll mit Hilfe der Konstrukte Kosten von
Produktvielfalt (KPV) und Nutzen von Produktvielfalt (NPV) als unabhängige
Dimensionen des Werts von Produktvielfalt (WPV) der Zusammenhang von
Produktvielfalt in der Entscheidungssituation und dem Ergebnis des Entscheidungsprozesses
sowie nachgelagerten Bewertungsprozessen aufgezeigt werden. Dieser
Zusammenhang wird mit Hilfe existierender Theorien erklärt.
Darauf aufbauend wird das Konstrukt Wert von Produktvielfalt und seine Kosten- und
Nutzendimension theoriebasiert konzeptualisiert und operationalisiert. Unter
Konzeptualisierung wird dabei die Erarbeitung der relevanten Kosten- und
Nutzenfacetten von Produktvielfalt aus der Sicht des Konsumenten verstanden.
30

Anschließend werden im Rahmen der Operationalisierung Methoden zur Messung der
Eigenschaften dieser Facetten entwickelt (Homburg 1998, S. 4). Des Weiteren sollen
die Auswirkungen von Kosten und Nutzen von Produktvielfalt auf das Kaufverhalten
und die Bewertung des Kaufs, sowie des Kaufprozesses empirisch untersucht werden.
Drittens soll schließlich der Einfluss der Charakteristika des Sortiments auf Kosten
und Nutzen von Produktvielfalt untersucht werden. Hierbei werden sowohl
quantitative Aspekte wie z. B. die Anzahl der Produkte im Sortiment, als auch
qualitative Eigenschaften, wie beispielsweise Vergleichbarkeit und Unterscheidbarkeit
der zur Wahl stehenden Alternativen, berücksichtigt.
Der Unternehmenspraxis sollen damit Anhaltspunkte für die Optimierung des
Produktprogramms zur Steigerung der Kaufintention von Konsumenten und damit zur
Erhöhung des eigenen Absatzes gegeben werden. Weiterhin werden die
Zusammenhänge von angebotener Vielfalt und der Zufriedenheit der Kunden mit
dem Kaufprozess und dem gekauften Produkt näher untersucht. Unternehmen werden
dadurch unterstützt, sowohl kurzfristige (Kaufintention) als auch mittelfristige
(Zufriedenheit) Nachfrageeffekte von Vielfaltssenkungen und -steigerungen besser
abschätzen zu können.
Insgesamt hat die Untersuchung das Ziel, Zusammenhänge von Produktvielfalt und
Konsumentenverhalten zu beleuchten, um so Wissenschaft und Praxis durch ein
besseres Verständnis der Bedürfnisse von Konsumenten hinsichtlich der Vielfalt in der
Entscheidungssituation weiterführende Hinweise zur gestalterischen Verbesserung der
am Markt angebotenen Produktvielfalt zu geben.
31

Forschungsfragen
Zusammenfassend kann der Untersuchungsgegenstand durch vier Forschungsfragen
beschrieben werden:
1. Wie kann der Zusammenhang von Produktvielfalt und Konsumentenverhalten
insgesamt und aufgrund vielfaltsbedingter Kosten- und Nutzenaspekte
theoretisch erklärt werden?
2. Wie lassen sich Kosten und Nutzen von Produktvielfalt konzeptualisieren und
messen?
3. Im welchem Zusammenhang steht die Höhe von Kosten und Nutzen von
Produktvielfalt mit dem Ergebnis der Kaufentscheidung und der Bewertungen
von Kaufprozess und gekauftem Produkt sowie zukünftigen Verhaltensabsichten
gegenüber dem Geschäft und der gekauften Marke?
4. Durch welche Eigenschaften des Sortiments werden Kosten und Nutzen von
Produktvielfalt in welcher Höhe beeinflusst und welche Rolle spielt hier
insbesondere die Anzahl der zur Wahl stehenden Produkte?
Vereinfacht gesagt dienen die Forschungsfragen dazu, die „Blackbox des
Konsumenten“ (vgl. Bänsch 1998, S. 4f.) ein Stück weit zu öffnen, um seine
Reaktionen auf hohe Produktvielfalt besser zu verstehen. In Abbildung 7 werden die
Forschungsfragen in Analogie zu einem S-O-R-Modell 10 veranschaulicht. Das Modell
beschreibt dabei die Reaktion des Konsumenten (Objekt) auf den Stimulus (in diesem
Fall die Produktvielfalt) in Form von (Nicht)Kaufhandlung und Kaufbewertung (vgl.
Meffert 2000, S. 99f.).
10 Stimulus-Object-Response-Modell
32

Stimulus
(Sortiment in der
Kaufsituation)
Objekt
(Konsument)
Reaktion
(Ergebnis Entscheidungsprozess)
Ergebnis Kaufentscheidung
"Blackbox"
Evaluation und zukünftiges
Verhalten
"Öffnen der Blackbox"
1 Theorie
Größe und
Eigenschaften des
Sortiments
Wert von Produktvielfalt
Facette 1
Ergebnis Kaufentscheidung
• Kaufwahrscheinlichkeit
4
...
Facette n
Facette 1
...
Facette n
Kosten
2
Nutzen
3
3
Evaluation und zukünftiges
Verhalten
• Zufriedenheit
- Kaufprozess
- Produkt
• Kognitive Dissonanz
• Loyalität
- Marke
- Geschäft
1 Theoretische
Begründung 2
Messung des Werts von
Produktvielfalt durch seine
Kosten- und
Nutzendimension
3 Konsequenzen:
Wirkung auf
Konsumentenverhalten
4 Determinanten:
Einflussgrößen des
Sortiments
Abbildung 7: Grafische Veranschaulichung der Forschungsfragen
Um die Realisierbarkeit dieser Forschungsziele zu gewährleisten, wird der
Untersuchungsgegenstand einerseits hinsichtlich der berücksichtigten unternehmerischen
Aspekte und andererseits hinsichtlich der Art der Kaufentscheidung
eingegrenzt.
1.2.3.3 Eingrenzung des Untersuchungsgegenstands
Eingrenzung der berücksichtigten unternehmerischen Aspekte
Die Untersuchung konzentriert sich auf die Wirkung von Produktvielfalt auf das
Konsumentenverhalten und somit auf Nachfrageeffekte (vgl. Bayus/Putsin 1999,
33

S. 137). Weitere Auswirkungen und Determinanten wie z. B. Kosteneffekte,
strategische Effekte, unternehmensinterne und organisatorische Rahmenbedingungen
sowie ökonomische Ziele wie Gewinn oder Deckungsbeitrag finden keine
Berücksichtigung (vgl. hierzu z. B. Bayus/Putsin 1999, S. 137, Schuh/Schwenk 2001,
S. 1ff.; Schmidt 1990, S. 1ff.; Prillmann 1996, S. 1ff.)
Eingrenzung nach der Art der Kaufentscheidung
Die vorherigen Abschnitte sind bereits auf die verschiedenen Aspekte der Kosten- und
Nutzendimension des Werts von Produktvielfalt knapp eingegangen. Hierbei wurde
deutlich, dass vor allem Kosteneffekte auf der hohen kognitiven Belastung der
Informationsverarbeitung bei großer Produktvielfalt beruhen. Dies gilt jedoch nicht bei
allen Arten von Kaufentscheidungen gleichermaßen. So ist die Intensität der
Informationsverarbeitung und das Sicherheitsbedürfnis, die richtige Entscheidung zu
treffen beim Kauf einer Frühstücksmarmelade sicherlich eine andere als beim Erwerb
eines Autos oder langlebigen Konsumgutes wie einer Digitalkamera. Gleiches gilt
auch für die Nutzenaspekte. Bei Verbrauchsgütern wie Marmelade spielt hier z. B. die
Variation über die Zeit (Variety Seeking) eine wichtige Rolle, d. h. der Konsument
möchte nicht jeden Tag dieselbe Marmeladesorte essen und profitiert folglich beim
Kauf von großer Auswahl im Sinne der Verschiedenartigkeit der Produkte. Beim Kauf
einer Waschmaschine ist dies offensichtlich vollkommen unbedeutend. Um diesen
Unterschieden in der Art der gekauften Produkte Rechnung zu tragen, wird die
Untersuchung entsprechend eingegrenzt. Die Eingrenzung erfolgt dabei aber nicht
nach der Art der gekauften Produkte, sondern nach der Art der Kaufentscheidung.
Dieser allgemeinere Ansatz kann entsprechend auf verschiedene Produktarten
übertragen werden.
Nachfolgend werden zunächst verschiedene Arten von Kaufentscheidungen
charakterisiert um auf dieser Basis die Eigenschaften „echter Kaufentscheidungen“
herauszuarbeiten, auf die diese Untersuchung eingegrenzt wird.
34

Arten von Kaufentscheidungen
Die in der Marketingliteratur sehr gebräuchliche Kaufentscheidungstypologie von
Katona und Howard/Sheth unterscheidet nach dem Grad der kognitiven Kontrolle vier
idealtypische Kaufentscheidungsarten (vgl. z. B. Kroeber-Riel/Weinberg 1996, S. 359;
Herrmann 1998, S. 95f.; Meffert 2000, S. 102ff.; Kuß 1987, S. 18):
• Extensive Entscheidungen
• Limitierte Entscheidungen
• Habitualisierte Entscheidungen und
• Impulsive Entscheidungen
Diese Typologisierung geht ursprünglich auf Georg Katona (1950/1960) zurück, der
zwei Arten von Kaufentscheidungen unterschied:
• echte Entscheidungen
• habituelles Verhalten
„Echte Entscheidungen werden nur gelegentlich getroffen (...) (und) (...) erfordern
die Wahrnehmung einer neuen Situation und die Lösung des durch sie geschaffenen
Problems“ (Katona 1960, S. 57, Hervorhebungen nicht im Original). Sie sind des
Weiteren durch intensive Informationsaufnahme und Informationsverarbeitung
gekennzeichnet und finden vor allem beim Kauf von hochwertigen und langlebigen
Gebrauchsgütern statt (vgl. Meffert 2000, S. 102; Kroeber-Riel/Weinberg 1996,
S. 359).
Im Gegensatz hierzu beschreibt das habituelle Verhalten das „übliche oder
alltägliche Verhalten“ bei dem man das tut „was man vorher in einer ähnlichen
Situation auch schon getan hat“ (Katona 1960, S. 57, Hervorhebung nicht im
Original). Die Wahl von Produkten und Marken ist nicht kognitiv gesteuert, sondern
erfolgt gewohnheitsmäßig. Habituelle Kaufentscheidungen finden sich vor allem. bei
Gütern des täglichen Bedarfs (vgl. Meffert 2000, S. 102; Herrmann 1998, S. 96).
Die beiden Kaufentscheidungsarten unterscheiden sich somit hauptsächlich.
hinsichtlich des Neuigkeitsgrades der Situation für den Konsumenten, was sich nach
Katona (1960, S. 57) insbesondere auf die psychischen Prozesse der Entscheidungsfindung
auswirkt.
35

Howard und Sheth (1969) haben diese Unterscheidung verfeinert und zwei weitere
Kaufentscheidungsarten unterschieden:
• Limitierte Entscheidungen und
• Impulskäufe
Die limitierten Entscheidungen liegen gewissermaßen zwischen den echten und den
habitualisierten Kaufentscheidungen. Konsumenten können bei dieser Art der
Entscheidung auf Erfahrungen in ähnlichen Situationen zurückgreifen und haben klar
definierte Entscheidungskriterien, anhand derer die Produktwahl getroffen wird (vgl.
Kuß 1987, S. 18). Der kognitive Aufwand ist dabei begrenzt und die Auswahl erfolgt
weitgehend emotionslos (vgl. Herrmann 1998, S. 96; Kroeber-Riel/Weinberg 1996,
S. 359).
Die Impulskäufe unterscheiden sich von den anderen Entscheidungsarten in erster
Linie durch den Zeitpunkt des Vorliegens eines Bedürfnisses: Während bei den bisher
aufgeführten Auswahlarten das Bedürfnis bereits vor dem Betreten des Geschäfts
beim Konsumenten existiert, reagiert der Konsument beim Impulskauf spontan auf
Reize am Point of Sale, wie z. B. auf einen Wobbler oder eine auffällig gestaltete
Verpackung (vgl. Meffert 2000, S. 102). Die Kaufentscheidung unterliegt nur einer
geringen kognitiven Kontrolle und erfolgt meist affektgesteuert (vgl. Kuß 1987, S. 19;
Herrmann 1998, S. 96; Meffert 2000, S. 102).
Eingrenzung der Untersuchung auf „echte Kaufentscheidungen“ bzw.
Auswahlprobleme
Kosten von Produktvielfalt werden vor allem durch die kognitive Überforderung des
Konsumenten bei der Kaufentscheidungsfindung (Information Overload) (vgl.
Jacoby/Speller/Kohn 1974; Malhotra/Jain/Lagakos, 1982; Best/Ursic 1987) und
während der Entscheidung empfundene oder antizipierte negative Emotionen (vgl.
Anderson 2003, S. 160) verursacht. Sie setzen somit ein Mindestmaß an kognitiver
Kontrolle und Informationsverarbeitung im Entscheidungsprozess voraus. Wie oben
beschrieben, werden impulsive und habitualisierte Kaufentscheidungen weitgehend
ohne kognitiven Aufwand getroffen, weshalb davon auszugehen ist, dass bei diesen
Kaufentscheidungsarten mit hoher Produktvielfalt keine negativen Aspekte verbunden
sind. Der Konsument würde auch bei einer großen Anzahl an Produkten ohne
intensives Nachdenken entweder ein beliebiges oder sein „Stamm-Produkt“, das er
häufig kauft, erwerben.
36

Um die „desirable depth of questioning“ (Westbrook/Newman/Taylor 1978, S. 55)
des Konsumenten bei der Entscheidungsfindung sicherzustellen, wird die
Untersuchung deshalb auf Auswahlprobleme bzw. echte Kaufentscheidungen
eingeschränkt, d. h. auf Situationen, in denen ein Konsument „(...) auf der Basis von
Beurteilungen aus einer größeren Zahl von Möglichkeiten eine Alternative (...)“
auswählt (Kuß 1987, S. 7). Die Produktwahl ist folglich das Ergebnis einer „;echten’
Entscheidung“ in der „(...) der Konsument das Für und Wider einer Produktwahl
überlegt, also bewusst auswählt“ (Kroeber-Riel 1992, S. 371). Kuß (1983) bezeichnet
Entscheidungen, die dieser Bedingung genügen, als „kognitive Kaufentscheidungen“
(S. 28), wobei der Begriff darauf zurückgeht, dass die während der Informationsaufnahme
und -verarbeitung ablaufenden Prozesse den kognitiven Prozessen
zugeordnet werden, was nicht bedeuten soll, dass affektive Reaktionen während der
Kaufentscheidung keine Rolle spielen (vgl. Kuß 1983, S. 28).
Zusammenfassende Charakterisierung echter bzw. kognitiver Kaufentscheidungen
Hinsichtlich der Produkte lässt sich sagen, dass typischerweise langlebige
Konsumgüter und höherwertige Produkte in die Kategorie der kognitiven Käufe fallen,
während der Kauf von Gütern des täglichen Bedarfs eher den habitualisierten oder
impulsiven Kaufentscheidungen zuzuordnen ist (vgl. Meffert 2000, S. 102;
Kroeber-Riel/Weinberg 1996, S. 359; Herrmann 1998, S. 96). Dies bedeutet auch, dass
erstere Produkte meist teurer und komplexer sind sowie seltener gekauft werden (vgl.
Solomon/Bamossy/Askegaard 2001, S. 250). Bei kognitiven Kaufentscheidungen sind
die Produkte und Marken daher dem Käufer weniger bekannt (vgl. Solomon/
Bamossy/Askegaard 2001, S. 250), weisen aber meist eine gewisse Verbindung zur
Persönlichkeit und Selbsteinschätzung des Konsumenten auf, was den Kauf aus
Konsumentensicht wichtiger macht (vgl. Assael 1981, S. 11; Meffert 2000, S. 112).
Fritz und Hefner (1981, S. 233) konnten einen Zusammenhang der Produktart mit dem
Informationsverhalten nachweisen und zeigen, dass der Informationsbedarf und die
Informationsbeschaffung beim Kauf langlebiger Güter größer sind, als bei
Lebensmitteln.
Der Konsument sieht sich in der Kaufsituation bei einer kognitiven Entscheidung
normalerweise einem relativ neuartigen Entscheidungsproblem gegenüber, für dessen
Lösung ihm viele Informationen z. B. aus Werbung oder Testberichten oder vom
Hersteller bzw. Händler zur Verfügung stehen. Die Dringlichkeit des Kaufs ist im
Normalfall nicht sehr hoch, weshalb der Konsument nicht unter hohem Zeitdruck steht
37

(vgl. Trommsdorff 1998, S. 308). Da die Produkte meist relativ teuer sind, können die
Konsequenzen einer Fehlentscheidung bei einer echten Kaufentscheidung durchaus
schwerwiegend sein (vgl. Desmeules 2002, S. 11). Dies führt dazu, dass der
Konsument in der Entscheidungssituation ein hohes Risiko wahrnimmt (vgl. z. B.
Assael 1981, S. 11; Solomon/Bamossy/Askegaard 2001, S. 250). Er ist daher relativ
stark involviert, d. h. der Kauf hat eine große „Ich-Bedeutung“ für ihn (vgl. z. B.
Assael 1981, S.11; Dellaert/Conlon/Soest 2001, S. 24f.). Auf die Rolle des
Involvement wird in einem späteren Abschnitt noch detaillierter eingegangen (siehe
S. 352ff.)
In Abbildung 8 werden die beschriebenen Kaufentscheidungsarten sowie deren
Eigenschaften im Überblick dargestellt.
Fokus der Untersuchung
Art der
Entscheidung
Impulsive
Entscheidungen
Habitualisierte
Entscheidungen
Limitierte
Entscheidungen
Echte/kognitive
Kaufentscheidungen
Extensive
Entscheidungen
Produkte
Güter des täglichen Bedarfs,
billige Produkte
Geläufige Produkte
und Marken
Beziehung/Relevanz für Persönlichkeit
Langlebige Konsumgüter,
höherwertige, teure Produkte
Weniger bekannte Produkte/Marken
Neuartigkeit der Situation
Situation
Verfügbarkeit an Informationen
Risiko/Konsequenzen einer Fehlentscheidung
Involvement
Schwierigkeit der Entscheidung
Entscheidungsprozess
Bedürfnis entsteht
im Kaufprozess
Informationsbeschaffung vor dem Kauf
Intensität der Informationsverarbeitung
Zeitbedarf
Bedürfnis
vor Kaufbeginn
Prozesse
Reaktiv
emotional
Kognitiv
Abbildung 8: Eigenschaften verschiedener Arten von Kaufentscheidungen
38

Beschränkung auf hohe Produktvielfalt
Da die Arbeit das Ziel hat, die positiven und negativen Aspekte hoher Produktvielfalt
theoretisch zu begründen und empirisch zu untersuchen, werden die Ausführungen auf
Kaufsituationen mit hoher Vielfalt eingeschränkt, also auf Situationen, in denen der
Konsument ein Produkt aus einem großem Sortiment auswählen möchte.
Weitere Einschränkungen
Die Auswahlprobleme werden weiter auf so genannte Quantal Choice Problems bzw.
All-or-Nothing-Responses eingeschränkt. Es geht also nicht um die Frage wie viel
gekauft wird, sondern ob ein Produkt einer bestimmten Produktgruppe in einer
spezifischen Kaufsituation gekauft wird (vgl. Shugan 1980, S. 99). Die Einschränkung
auf das Quantal Choice Problem ist in der Konsumentenforschung häufig zu finden
(vgl. Shugan 1980, S. 99 und die hierin zitierten Quellen).
Des Weiteren spielen die einer Kaufentscheidung vorgelagerten Allokationsstufen, wie
die Aufteilung des verfügbaren Kapitals in Spar- und Konsumanteil, sowie die
Budgetierung des zum Konsum zur Verfügung stehenden Einkommens auf
verschiedene Konsumsituationen bei der weiteren Betrachtung keine Rolle (vgl. Kuß
1987, S. 10f).
Die im Fokus dieser Untersuchung stehenden Entscheidungssituationen lassen sich
somit folgendermaßen beschreiben:
• Die Entscheidung wird durch ein Individuum für einen Haushalt getroffen.
• Die Entscheidung hat einen gewissen Neuheitsgrad und wird nicht aus Routine
getroffen (echte/kognitive Kaufentscheidungen).
• Der Konsument kann sich zum Kauf (oder Nicht-Kauf) von genau einem
Produkt entscheiden (Quantal Choice Problem).
• Die grundsätzliche Entscheidung zum Kauf eines Produkts der Kategorie ist
bereits im Vorfeld gefallen (keine Berücksichtigung vorgelagerter Allokationsstufen).
39

1.3 Struktur der weiteren Untersuchung
Dieses Kapitel hat die Relevanz der Produktvielfalt für das Konsumentenverhalten
dargestellt, die Zielsetzung dieser Untersuchung konkretisiert und grundlegende
Begriffe erläutert. Des Weiteren wurde ein Überblick zu Erklärungsansätzen des
Zusammenhangs von Produktvielfalt und Konsumentenverhalten gegeben und
relevante Größen der Untersuchung identifiziert.
Im nächsten Kapitel der Arbeit werden die theoretischen Grundlagen der
Untersuchung dargestellt. Hierbei wird im ersten Teil eine Bestandsaufnahme
empirischer Forschungsergebnisse zum Umgang von Konsumenten mit Produktvielfalt
erstellt und bedeutende Studien in diesem Forschungsfeld beschrieben. Der zweite Teil
geht auf Theorien, die den grundlegenden Zusammenhang von Produktvielfalt und
Konsumentenverhalten beschreiben, ein. Im zweiten Teil werden die theoretischen
Bezugspunkte zur Erklärung des Nutzens und der Kosten von Produktvielfalt aus
Konsumentensicht beschrieben. Der zuvor beschriebene Gesamteffekt wird hierbei
gewissermaßen in einen Kosten- und einen Nutzeneffekt aufgegliedert, der dann
jeweils theoretisch erklärt wird. Das Kapitel endet mit der Formulierung der aus der
Theorie abgeleiteten Hypothesen.
Das anschließende dritte Kapitel (S. 187ff.) befasst sich mit der Messung, d. h. der
Konzeptualisierung und Operationalisierung des Werts bzw. von Kosten und Nutzen
von Produktvielfalt. Hierbei wird auf die methodischen Grundlagen und die
Vorgehensweise bei der empirischen Untersuchung eingegangen. Ziel dieses Kapitels
ist es, ein Messinstrumentarium für die beiden Konstrukte Kosten von Produktvielfalt
und Nutzen von Produktvielfalt zu entwickeln und dieses in einer empirischen Studie
zu überprüfen. Das Kapitel geht hierbei auch auf methodische Hintergründe der
verwendeten Verfahren (LISREL, PLS) ein.
Im Fokus des vierten Kapitels (S. 302ff.) steht die Wirkung von Kosten und Nutzen
von Produktvielfalt auf das Konsumentenverhalten: Hierbei werden die aus der
Theorie abgeleiteten Hypothesen zum Einfluss der Kosten- und Nutzendimension des
Wertkonstrukts auf verschiede Größen des Konsumentenverhaltens einer empirischen
Überprüfung unterzogen.
Während sich das vierte Kapitel mit Konsequenzen der beiden zentralen Konstrukte
beschäftigt, werden im fünften Kapitel (S. 366 ff.) die Determinanten von Kosten
und Nutzen von Produktvielfalt näher untersucht. Hierzu werden die in Kapitel 2
formulierten Hypothesen zu den Einflussgrößen empirisch überprüft.
40

Die Arbeit endet mit einem zusammenfassenden sechsten Kapitel (S. 387ff.), das die
Ergebnisse aus wissenschaftlicher Sicht zusammenfasst, weiteren Forschungsbedarf
sowie Implikationen für die Unternehmenspraxis ableitet.
In Abbildung 9 ist der Aufbau der Arbeit grafisch veranschaulicht.
Kapitel 1
Grundlagen und Zielsetzung der Arbeit
Kapitel 2
Theoretische Grundlagen der Untersuchung
2.1
2.2
Bestandsaufnahme
Theorien zur Erklärung des übergeordneten Zusammenhangs
von Produktvielfalt und Konsumentenverhalten
2.3.1
Theorien zur Erklärung
2.3.2
des Nutzens von Produktvielfalt
Theorien zur Erklärung
der Kosten von Produktvielfalt
Kapitel 5
Determinanten
Kapitel 3
Messung
Kapitel 4
Konsequenzen
Größe und Eigenschaften des
Choice Sets
Facette 1
...
Facette n
Kosten
Ergebnis
Kaufentscheidung
Facette 1
...
Facette n
Nutzen
Evaluation und
zukünftiges Verhalten
Kapitel 6
Zusammenfassung aus Sicht der Wissenschaft
und Implikationen für die Unternehmenspraxis
Abbildung 9: Aufbau der Arbeit
41

2. Theoretische Grundlagen der Untersuchung
2.1 Bestandsaufnahme: Empirische Forschungsergebnisse
ausgewählter Studien zum Zusammenhang von Produktvielfalt
und Konsumentenverhalten
Ziel dieses Abschnitts ist es, einen Überblick zu wichtigen empirischen Studien zu
geben, die den Zusammenhang der Höhe und Struktur von Produktvielfalt in der
Entscheidungssituation und im Kaufverhalten sowie Auswirkungen auf
nachgelagerte Konstrukte, wie beispielsweise die Zufriedenheit mit dem
Kaufprozess zum Untersuchungsgegenstand hatten. Die Darstellung erhebt dabei
keinen Anspruch auf Vollständigkeit. Sie soll vielmehr die Existenz empirischer
Hinweise aufzeigen, welche die zentrale Hypothese dieser Arbeit stützen, dass
Konsumenten mit hoher Auswahlvielfalt nicht nur positive (Nutzen) sondern auch
negative (Kosten) Aspekte verbinden.
2.1.1 Amos Tversky und Eldar Shafir (1992): Choice under Conflict: The
Dynamics of Deferred Decision
Die beiden Autoren untersuchten, als zwei der ersten in dieser Studie, die
Auswirkungen der Alternativenanzahl auf das Kaufverhalten, insbesondere auf die
Tendenz zum Kaufaufschub (Choice Deferral). Hierbei argumentieren Tversky und
Shafir, dass durch zusätzliche (attraktive) Alternativen Konflikte beim Konsumenten
entstehen, die zum Aufschub oder Abbruch der Entscheidung führen. Ursache hierfür
sind schwierige Zielkonflikte (Trade-offs) zwischen den Attributen der
Wahlalternativen: „Conflict arises because a person does not always know how to
trade off costs against benefits, risk against value, and immediate satisfaction against
future discomfort. As a consequence, it is often difficult to make important decisions
(…)“ (Tversky/Shafir 1992, S. 358). Die Tendenz zum Kaufaufschub steigt folglich,
wenn die Entscheidung zwischen attraktiven Alternativen zum Entscheidungskonflikt
führt und einem Konsumenten deshalb schwer fällt. Dies widerspricht dem Prinzip der
42

Nutzenmaximierung der rationalen Entscheidungstheorie, wonach ein Konsument eine
Kaufentscheidung nur dann aufschiebt, wenn der Aufschub für ihn einen (subjektiv)
höheren Wert hat, als die vorhandenen Alternativen, was beispielsweise dann der Fall
ist, wenn er sich von der Suche nach weiteren Informationen oder Alternativen einen
höheren Nutzen verspricht, als vom Kauf einer der verfügbaren Alternativen. Dies
bedeutet aber, dass die Wahrscheinlichkeit des Kaufabbruchs nicht steigen kann, wenn
einem Choice Set zusätzliche Alternativen hinzugefügt werden. In der
Rationalitätstheorie wird dies als Regularitätsprinzip (Regularity) bezeichnet (vgl.
Luce 1959, 1977; Gourville/Soman 1999, S. 5ff.).
Formal ausgedrückt besagt es:
Bezeichnet P(z; y) den Anteil der Konsumenten, die z aus einer Auswahl von {z, y}
wählen und P(z; y, x) den Konsumentenanteil, die z wählen, wenn {z, y, x} zur Wahl
stehen, dann gilt:
P (z;y) ≥ P (z;y,x) (1)
z, y, x Alternative Entscheidungsausgänge
Wenn z den „Aufschub einer Kaufentscheidung“ bezeichnet, folgt aus dem
Regularitätsprinzip, dass der Anteil an Konsumenten, die den Kauf aufschieben, nicht
steigen kann, wenn zusätzlich zum Produkt y auch noch Produkt x verfügbar ist.
Die Gültigkeit dieses Prinzips haben Tversky und Shafir getestet: Versuchspersonen
wurden in zwei Gruppen unterteilt und mit einer fiktiven Kaufsituation konfrontiert.
Einer Gruppe (N = 121) wurde dabei ein Produkt – ein CD-Player der Marke SONY –
zur Wahl gestellt, eine zweite Testgruppe (N = 124) hatte zusätzlich zu diesem
Produkt noch einen höherwertigen CD-Player der Marke AIWA zur Wahl. Die
Testpersonen beider Gruppen konnten sich entweder für ein Produkt entscheiden oder
den Kauf aufschieben, um mehr über die verschiedenen Produktmodelle in Erfahrung
zu bringen. In der ersten Gruppe, der nur ein Produkt angeboten wurde, entschieden
sich 66% für den CD-Player der Marke SONY und 34% für den Kaufaufschub. Von
der zweiten Teilnehmergruppe wählten jeweils 27% den SONY und den AIWA
CD-Player und 46% entschieden sich gegen den Kauf. Der Anteil der Nicht-Käufer ist
durch die Verfügbarkeit einer zweiten Option also von 34% auf 46% gestiegen (siehe
Abbildung 10, linker Teil (Experiment 1).
43

Tversky und Shafir erklären diesen Anstieg damit, dass die zweite attraktive
Alternative einen Entscheidungskonflikt verursacht hat. Die Erklärung gründet dabei
auf der Beobachtung, dass der Anteil der Konsumenten, die den Kauf aufschieben,
nicht steigt, wenn die zweite Alternative deutlich unattraktiver ist als die erste und
deshalb keinen Konflikt verursacht (vgl. S. 360).
In einem zweiten Experiment haben Tversky und Shafir untersucht, wie sich die
Anzahl der verfügbaren attraktiven Alternativen auf die Wahrscheinlichkeit der
Entscheidung für eine vorgegebene Option (Default Option) auswirkt. Dadurch
konnten sie ausschließen, dass die obigen Ergebnisse der ersten Studie alternativ
dadurch erklärt werden können, dass Konsumenten den Kauf aufschieben, weil sie die
Existenz weiterer attraktiver Produkte am Markt vermuten.
Versuchspersonen wurde in dieser Untersuchung als „Dankeschön“ für die Teilnahme
an einer Befragung $1,50 (Default) in Aussicht gestellt. Nach dem Ausfüllen eines
Fragebogens wurde einer Hälfte der Teilnehmer alternativ zu den $1,50 ein
Metallkugelschreiber angeboten. Die andere Hälfte konnte alternativ zum Geldbetrag
zwischen dem Metallkugelschreiber und zwei Plastikkugelschreibern wählen, hatte
also neben der vorgegebenen Option ($1,50) statt einer zwei Wahlmöglichkeiten.
Das Ergebnis gleicht dem der ersten Studie: In der ersten Gruppe entschieden sich
25% der Konsumenten für den Geldbetrag, in der zweiten 53%. Der durch die größere
Auswahl verursachte Konflikt hat nach der Erklärung der beiden Autoren dazu
geführt, dass die Konsumenten auf eine „aktive“ Entscheidung zwischen den
Optionen (Metallkugelschreiber oder zwei Plastikkugelschreiber) verzichtet und
deshalb den Standard bzw. die vorgegebene Option gewählt (S. 361) haben. Der rechte
Teil von Abbildung 10 verdeutlicht grafisch die Ergebnisse des zweiten Experiments.
44

Experiment 1: Kauf vs. Kaufaufschub
(N= 225)
Experiment 2: Default Option vs. explizite Entscheidung
(N= 80)
Anteil 80%
der
Befragten 70%
(in %)
60%
66%
Anteil
der
Befragten
(in %)
90%
80%
70%
75%
50%
46%*
60%
Zusammen 47% (1)
53%*
40%
30%
20%
34%
27%
27%
50%
40%
30%
20%
25% 23,5% 23,5%
10%
10%
0%
SONY Aufschub SONY AIWA Aufschub
0%
MKS $ 1.50
(Default)
MKS 2 PKS $ 1.50
(Default)
Produktalternativen 1 2 1 2
(1) Keine genauere Angabe vorhanden
*: p < 0,05 MKS: Metallkugelschreiber PKS: Platsikkugelschreiber
Abbildung 10: Ergebnisse der Untersuchungen von Tversky/Shafir (1992): Die Erhöhung der Anzahl
der Alternativen reduziert die Bereitschaft der Konsumenten zur Entscheidung. Daten aus
Tversky/Shafir 1992, S. 358ff.
Die Untersuchungen von Tversky und Shafir haben gezeigt, dass mehr Vielfalt zum
Verzicht des Konsumenten auf die aktive Entscheidung zwischen den Alternativen
und damit zum Kaufaufschub oder zur Beibehaltung des Status quo führen kann. Dies
stellt eine Verletzung des Regularitätsprinzips der rationalen Entscheidungstheorie
(vgl. Luce 1959, 1977; siehe S. 43) dar. Nach der Argumentation von Tversky und
Shafir ist die Ursache hierfür ein durch die Alternativen verursachter Entscheidungskonflikt,
den der Konsument nicht lösen kann oder will. Der Konflikt entsteht aber
nur, wenn die Alternativen aus der Sicht des Konsumenten etwa gleich attraktiv und
potenzielle „Kandidaten“ zur Bedürfnisbefriedigung sind. Dies führt dazu, dass der
Konsument unschlüssig ist, welche der angebotenen Optionen er wählen soll. Die
Ergebnisse der Untersuchungen verdeutlichen auch, dass sich nicht allein die Anzahl
der Alternativen, sondern auch deren Art und Beziehung untereinander auf das
Verhalten der Konsumenten auswirkt.
45

2.1.2 Donald A. Redelmeier und Eldar Shafir (1995): Medical Decision Making
in Situations That Offer Multiple Alternatives.
Die Studie von Redelmeier und Shafir (1995) war eine der ersten – wenn nicht die
erste –, die in einem medizinischen Umfeld die Hypothese getestet hat „(...) whether
situations involving multiple options can paradoxically influence people to choose an
option that would have been declined if fewer options were available“
(Redelmeier/Shafir 1995, S. 302). Eine Besonderheit ist hierbei, dass Entscheidungen
im medizinischen Bereich vergleichsweise schwer zu treffen sind, da sie aufgrund
ihrer Komplexität und Dringlichkeit fehleranfällig sind und Fehlentscheidungen
gleichzeitig weitreichende und teilweise irreparable Folgen für den Patienten haben
(vgl. S. 302). Wesentliche Fragestellung dieser Untersuchung war der Einfluss der
Alternativenzahl auf die Entscheidungswahrscheinlichkeit für die Beibehaltung des
Status quo oder für die Wahl einer vorgegebenen Option.
In ihrem ersten Experiment untersuchten die Autoren, ob sich Ärzte hinsichtlich der
Behandlung eines Patienten mit einer höheren Wahrscheinlichkeit für die
Beibehaltung des Status quo entscheiden, wenn mehrere anstatt nur wenige alternative
Behandlungsoptionen möglich sind. In einer zweiten Studie wurden Politiker vor ein
ähnliches Entscheidungsproblem gestellt: Hierbei wurde untersucht, ob sich die
Gesetzgeber eher für den Status quo entscheiden, wenn ein politisches Problem
hinsichtlich der Schließung medizinischer Einrichtungen mehrere anstatt nur wenige
alternative Lösungen hat. Ziel der dritten Untersuchung war schließlich festzustellen,
ob die Wahl einer bestimmten Alternative von der Anzahl und der Ähnlichkeit der
anderen Optionen abhängt.
Die Autoren stützen ihre Hypothese, dass die Präferenz von Entscheidern für die
Beibehaltung des Status quo mit steigender Alternativenzahl zunimmt, auf die
Konflikttheorie. Demnach versuchen Personen Konflikte zu lösen, die durch die
gleichzeitige Verfügbarkeit mehrerer ähnlich attraktiver Alternativen entstehen, indem
sie entweder beim Status quo bleiben oder eine Alternative wählen, die quasi den
„Weg des geringsten Widerstands“ darstellt. Dadurch können sie eine explizite
Lösung des Konflikts der konkurrierenden Alternativen vermeiden.
Zur Überprüfung der Hypothese haben die Autoren in einem ersten Experiment 287
Ärzte befragt, wie sie einen Patienten, dessen Krankheitsbild detailliert im Fragebogen
beschrieben war, behandeln würden. Der Hälfte der Ärzte standen hierzu zwei
alternative Behandlungsformen zur Auswahl, die andere Hälfte konnte zwischen drei
Optionen wählen. Die erste Gruppe konnte entweder den bereits mit dem Patienten
46

abgestimmten Behandlungsweg beibehalten (Status quo) oder alternativ ein bisher
vom Patienten noch nicht angewandtes Medikament (Ibuprofen) zur Behandlung
vorschlagen. Der zweiten Hälfte der Ärzte stand neben der Beibehaltung des
Status quo und dem Ibuprofen noch ein zweites Medikament (Piroxicam) zur
Auswahl. Die Ergebnisse haben dabei gezeigt, dass von der ersten Gruppe 53% beim
abgestimmten Vorgehen geblieben sind, wohingegen 72% der Ärzte diese
Entscheidung getroffen haben, wenn nicht ein, sondern zwei alternative Medikamente
zur Wahl standen (p < 0,001) (vgl. S. 304). Der linke Teil von Abbildung 11 zeigt die
Ergebnisse in grafischer Form.
Anteil
der Befragten
(in %)
100%
90%
Experiment 1
(N= 287)
Experiment 2
(N= 352 )
Experiment 3
(N= 41)
80%
72%***
70%
60%
53%
62%
58%***
64%
50%
40%
38%
42%
30%
26%
20%
10%
0%
Status quo Status quo Patient 1 Patient 2 Patient 1
(1)
oder 3
Patient 2
keine
Entsch.
keine
Entsch.
Anzahl Alternativen
2 3 2 3 1 2
(1) Sehr ähnliches Krankheitsbild
*: p < 0,05 ***: p < 0,001
Abbildung 11: Auswirkung verschieden hoher Alternativenzahl auf das Entscheidungsverhalten bei
medizinischen Entscheidungen. Quelle: Daten aus Redelmeier/Shafir 1995, S. 302ff.
Im zweiten Experiment mussten insgesamt 352 Ärzte entscheiden, welchen der
beschriebenen Patienten sie als Ersten operieren würden, wenn aufgrund äußerer
Bedingungen nur ein Patient operiert werden kann. Die Anzahl der OP-Kandidaten
variierte je nach Szenario zwischen zwei und drei. Entscheidend war hierbei, dass der
im letzten Fall hinzugefügte dritte Patient dem ersten hinsichtlich Alter,
Krankheitsbild und Lebenssituation sehr ähnlich war. Redelmeier und Shafir haben
jeweils etwa die Hälfte der 352 Ärzte mit einem der Szenarien konfrontiert und dabei
festgestellt, dass sich im Fall von drei Patienten mehr Ärzte für die Operation von
47

Patient 2 entscheiden, als im Szenario mit zwei Patienten. Sie führen dieses Verhalten
darauf zurück, dass es den Ärzten Schwierigkeiten bereitet hat, sich zwischen den
beiden sehr ähnlichen Patienten 1 und 3 zu entscheiden und sie diesen Konflikt gelöst
haben, indem sie sich für Patient 2 entschieden haben, der den beiden anderen sehr
unähnlich war. Die Operation des zweiten Patienten kann der Arzt somit vor sich
selbst und anderen leichter rechtfertigen (vgl. Redelmeier/Shafir 1995, S. 304) (siehe
Abbildung 11, mittlere Grafik).
Das dritte Experiment brachte vergleichbare Ergebnisse wie das erste hervor: In einem
der ersten Studie ähnlichen Design wurden 41 Politiker befragt, wie sie hinsichtlich
der Schließung eines Krankenhauses entscheiden würden, wenn entweder ein oder
zwei Krankenhäuser zur Wahl stünden. In beiden Fällen konnten die Politiker die
Entscheidung „verweigern“ und angeben, dass sie keine Empfehlung aussprechen
wollen, ob bzw. welches Haus geschlossen werden soll (Default Option). Auch hier
hat sich gezeigt, dass mehr Personen die Entscheidung ablehnen und keine
Empfehlung abgeben, wenn zwei Optionen anstatt einer verfügbar sind (64% vs. 26%,
p < 0,05) (vgl. S. 304). Der rechte Teil von Abbildung 11 stellt die Ergebnisse grafisch
dar.
Die Untersuchungen von Redelmeier und Shafir sind für diese Arbeit besonders
interessant, da sie ein Entscheidungsproblem zum Gegenstand hatten, das mit
weitreichenden Konsequenzen verbunden ist. Es ist deshalb davon auszugehen, dass
die Person entsprechend versucht, eine möglichst gute Entscheidung zu treffen, indem
sie Zeit und Energie aufwendet, um die Optionen miteinander zu vergleichen und
deren Vor- und Nachteile gegeneinander abzuwägen. Damit fällt diese Art der
Entscheidung in die hier betrachtete Kategorie der echten bzw. kognitiven
Kaufentscheidungen (siehe 37ff.). Die Ergebnisse der Experimente haben gezeigt, dass
durch Hinzufügen einer attraktiven Alternative ein Konflikt verursacht wird, der das
Entscheidungsverhalten der Testpersonen verändert: Diese haben den Konflikt gelöst,
indem sie den „Weg des geringsten Widerstands“ gegangen sind und sich für den
Status quo oder eine klar unterscheidbare Alternative entschieden haben.
Interpretiert man die Alternativen einer Entscheidung als Äste eines Entscheidungsbaums,
lassen sich die obigen Ergebnisse damit erklären, dass der Entscheider bei
einem Konflikt den Ast auswählt, der eine einfachere oder leichter zu begründende
Lösung des Entscheidungskonflikts darstellt, als die anderen Äste. Überträgt man dies
auf Kaufsituationen, so kann man vermuten, dass ein Konsument bei einer großen
Anzahl an etwa gleich attraktiven Alternativen eher zum Nicht-Kauf tendiert und
48

somit im Normalfall den Status quo beibehält. Kauft der Konsument ein Produkt, so
steigt mit der Alternativenzahl auch die Wahrscheinlichkeit, dass er eine
„vorgegebene“ Option, wie z. B. ein besonders hervorgehobenes Produkt
(„Bestseller“) wählt.
2.1.3 Ravi Dhar (1997): Consumer Preference for a No-Choice Option
Dhar hat in insgesamt sieben Studien untersucht, wie sich die Attraktivität einer
zweiten verfügbaren Alternative in der Kaufsituation auf die Kaufintention auswirkt.
Basierend auf den Ideen der Theorie der Präferenz-Unsicherheit (Preference
Uncertainty) (Payne/Bettman/Johnson 1992; Slovic 1995) argumentiert der Autor,
dass Konsumenten eher zum Kaufaufschub neigen, wenn mehrere in etwa gleich
attraktive Alternativen zur Auswahl stehen, verglichen mit einer Entscheidungssituation
in der nur eine attraktive Alternative verfügbar ist. Demnach führen
Situationen zur Verwirrung, in denen der Konsument nicht weiß, welche der
Alternativen er präferiert, es kein klar dominierendes Produkt im Sortiment gibt und er
sich gleichzeitig aber auch nicht sicher ist, dass alle Optionen seine Bedürfnisse gleich
gut erfüllen. Als Folge dieser Verwirrung verzichtet der Nachfrager auf die
Entscheidung oder verschiebt diese (vgl. S. 216; Scholnick/Wing 1988; zitiert nach
Dhar 1997a, S. 216). Dhar formuliert als zentrale Hypothese, dass die Kaufintention
des Konsumenten sinkt, wenn einem Choice Set mit einer Alternative eine zweite, in
etwa gleich attraktive Alternative hinzugefügt wird. Ist die zweite Wahlmöglichkeit
dagegen weniger attraktiv, steigt die Kaufintention (vgl. Dhar 1997a, S. 218).
Zur Überprüfung seiner Hypothese wurden in einer ersten Laborstudie 190 Studenten
mit einer fiktiven Kaufentscheidung in vier verschiedenen Produktkategorien
(Regallautsprecher, Anrufbeantworter, Laptop, Elektrorasierer) konfrontiert. Die
Testpersonen hatten dabei, je nach Versuchsbedingung, entweder ein Produkt oder
zwei Produkte zur Auswahl, wobei im letzten Fall entweder gleich attraktive
Alternativen oder eine dominierende und eine unterlegene Alternative zur Verfügung
standen. Die „Konsumenten“ konnten sich entweder zum Kauf entscheiden oder eine
„Nicht-Kauf-Option“ wählen (A: mehr Informationen sammeln oder B: nach weiteren
Alternativen suchen). Übereinstimmend mit seiner Hypothese konnte Dhar feststellen,
dass der Anteil der Testpersonen, die sich für eine der „Nicht-Kauf-Optionen“
entschieden, im Durchschnitt über die vier Produktarten um 11%
(χ 2 (1) = 6,7, p < 0,01) gestiegen ist, wenn zwei in etwa gleich attraktive Alternativen
49

zur Auswahl standen. Wurde hingegen eine deutlich unattraktivere Alternative
hinzugefügt, lag die Kaufhäufigkeit um 14% (χ 2 (1) = 8,7, p < 0,01) höher, als bei der
Verfügbarkeit von nur einer Option (vgl. S. 219f.).
Personen, die
gekauft haben
= P( Kauf)
90%
80%
70%
60%
50%
40%
62%
52%**
50%**
Experiment 1: Einfluss der Anzahl der Alternativen und Trade-offs auf die
Kaufwahrscheinlichkeit (N= 199)
64%
77%**
70%**
58% 58% 58%
52%
50%
48%
45%*
44%
42%*
74%**
30%
20%
10%
Produkt
0%
Lautsprecher Anrufbeantworter Laptop Elektrorasierer
Alternativen 1 2
1 2 1 2 1 2
1 Alternative Hohe Anzahl Trade-offs Geringe Anzahl Trade-offs Eine dominierende Alternative
Personen, die
gekauft haben
= P( Kauf)
100%
90%
80%
70%
60%
50%
40%
64%
Experiment 2: Einfluss der Anzahl der Alternativen und deren Attraktivität auf die
Kaufwahrscheinlichkeit (N= 300)
79%*
60%
52%** 52%*
82%**
68%
52%**
88%**
66%
54%*
78%
30%
20%
10%
Produkt
0%
Schnurloses Telefon Kopfhörer Laptop Kamera
Alternativen 1 2 1 2 1 2 1 2
1 Alternative Gleich attraktive Alternativen Eine dominierende Alternative
*: p < 0,1 **: p < 0,05
Abbildung 12: Der Anteil der Käufer in verschiedenen Produktkategorien ist abhängig von Anzahl
und Art der verfügbaren Alternativen. Daten aus Dhar 1997a, S. 218ff.
50

Eine zweite nur leicht modifizierte Studie mit 300 Studenten bestätigte die Ergebnisse:
Der Anteil der Testpersonen, die den Kauf aufgeschoben haben, lag hier im Vergleich
mit der Situation, die nur eine Option enthielt, um durchschnittlich 12%
(χ 2 (1) = 6,6, p < 0,01) höher, wenn eine zweite, gleich attraktive Alternative zur Wahl
stand, und um 19% (χ 2 (1) = 26,2 p < 0,01) niedriger, wenn eine zweite, weniger
attraktive Alternative wählbar war (vgl. S. 221). In Abbildung 12 sind die Ergebnisse
der beiden Studien für die einzelnen Produktgruppen grafisch dargestellt. Zu erkennen
ist hierbei die im Vergleich zur Situation mit nur einer Alternative deutliche Abnahme
des Käuferanteils (entspricht der Kaufwahrscheinlichkeit über alle Käufer), wenn eine
zweite attraktive Alternative verfügbar ist, sowie der Anstieg des Käuferanteils, wenn
die zweite Alternative der ersten eindeutig in ihrer Attraktivität unterlegen ist.
Die beiden Studien von Dhar haben gezeigt, dass die Erweiterung der Produktauswahl
um eine zweite attraktive Alternative zu einem deutlichen Anstieg des Kaufaufschubs
bzw. Kaufverzichts und somit zu einer Senkung der Kaufintention führen kann. Das
Gegenteil ist der Fall, wenn die hinzugefügte Alternative weniger attraktiv ist, als die
erste. Dhar führt diese Effekte auf die Präferenzunsicherheit des Konsumenten zurück,
die entsteht, wenn dieser keine Dominanzstruktur in der Produktauswahl erkennen
kann, d. h. er kein Produkt findet, das dem anderen eindeutig überlegen ist (vgl.
S. 229). Die Ergebnisse widersprechen damit einer der Annahmen der rationalen
Entscheidungstheorie, wonach ein Konsument stets das für ihn beste Produkt in einem
Sortiment identifizieren kann (vgl. Dhar 1997a, S. 215).
Interessant an den Ergebnissen der Studien von Dhar ist insbesondere, dass der
Ausgang einer Kaufentscheidung vom Zusammenspiel der Anzahl und Art der
Wahlalternativen beeinflusst wird. Dies verdeutlicht, dass sich sowohl quantitative, als
auch qualitative Aspekte des Sortiments auf das Konsumentenverhalten auswirken und
im Fortgang der Untersuchung als Determinanten von Kosten und Nutzen
entsprechend zu berücksichtigen sind.
2.1.4 John Gourville und Dilip Soman (1999): Is More Choice Always Better?
The Effect of Assortment Type on Consumer Choice
Gourville und Soman (1999) stellten in ihren Untersuchungen fest, dass die Erhöhung
der Produktvielfalt den Marktanteil einer Marke verringern kann, wenn die
Alternativen nur schwer miteinander vergleichbar sind. Dies bedeutet eine Verletzung
des Regularitätsprinzips und damit einer der zentralen Annahmen der rationalen
51

Entscheidungstheorie (vgl. Luce 1959, 1977). Gourville und Soman führen das
Konstrukt „Assortment Type“ ein, das die Vergleichbarkeit der Produkte innerhalb
einer Produktlinie beschreibt und als moderierende Größe den beobachteten
Zusammenhang von Produktvielfalt und Marktanteil erklärt.
Die Autoren unterscheiden hierbei die Extreme „vergleichbare Produktlinie“
(Alignable Assortment) und „nicht-vergleichbare Produktlinie“ (Non-alignable
Assortment) und haben gezeigt, dass die Erhöhung der Produktvielfalt einer Marke zu
einer Marktanteilssteigerung führt, wenn die Produktlinie vergleichbar ist und das
Gegenteil eintritt, wenn es sich um ein Non-alignable Assortment, d. h. ein nicht
vergleichbares Produktangebot handelt.
Die zentrale Hypothese des moderierenden Effekts der „Vergleichbarkeit einer
Produktlinie“ (Alignable vs. Non-alignable Assortment) gründet auf Forschungsergebnissen
hinsichtlich der „Attribute Alignability“ von Markman und seinen
Kollegen (siehe z. B. Markman/Medin 1995; Zhang/Markman 1998; Zhang/Markman
1999). Diese haben vorgeschlagen, dass bei einem Produktvergleich die Attribute der
Alternativen in „vergleichbare Unterschiede“ (Alignable Differences) und
„nicht-vergleichbare Unterschiede“ (Non-alignable Differences) klassifiziert werden
können. Sie definieren diese als „(...) attributes or dimensions that are readily
comparable between the two alternatives“ bzw. „(...) attributes or dimensions that are
possessed by one alternative but not by the other“ (Gourville/Soman 1999, S. 6). So
wäre beispielsweise die Motorleistung von zwei zur Wahl stehenden Autos eine
Alignable difference (z. B. 150 vs. 200 KW); hat dagegen das eine Auto ein
Schiebedach, das zweite dafür eine Klimaautomatik und kein Schiebedach, so würden
diese Attribute in die Gruppe der Non-alignable differences fallen. Abbildung 13
verdeutlicht die Unterschiede grafisch.
In verschiedenen Forschungsarbeiten wurde gezeigt, dass Personen bei der
Entscheidung zwischen zwei Alternativen vergleichbare Unterschiede in Relation zu
nicht-vergleichbaren Unterschieden mehr Gewicht beimessen (Markman/Medin 1995),
sich an diese besser erinnern (Zhang/Markman 1998) und ihnen deren kognitive
Verarbeitung leichter fällt (Zhang/Fitzsimons 1999).
Gourville und Soman haben das Alignability-Prinzip von der Attributebene auf die
Produktlinien- bzw. Sortimentsebene übertragen und definieren entsprechend eine
vergleichbare Produktlinie (Alignable Assortment) als „(...) a set of product variants
that differ along a readily comparable dimension, such that each variant has a unique
quantity of that attribute“ und eine nicht-vergleichbare Produktlinie (Non-alignable
52

Assortment) als „(...) a set of variants that simultaneously vary along non-comparable
or discrete attributes, such that any particular variant possesses a unique feature or
option that is not possessed by the other“ (Gourville/Soman 1999, S. 6).
Vergleichbare Produkteigenschaften
(Alignable Assortment)
Nicht vergleichbare Produkteigenschaften
(Non-alignable Assortment)
Preis
Produkt D
Preis
Produkt C
Produkt C
Produkt B
Produkt A
Produkt B
Produkt A
Nein
Ja
Klimaautomatik
Ja
Leistung (KW)
Schiebedach
Abbildung 13: Vergleichbare Produktlinie (Alignable Assortment) und nicht-vergleichbare
Produktlinie (Non-alignable Assortment)
Folgt man den Argumenten der rationalen Entscheidungstheorie (vgl. Luce 1959,
1977; Schmidt 1995), so sollte ein Hersteller durch die Erweiterung seines Sortiments
– unabhängig von dessen Art und Struktur – seinen Marktanteil steigern können.
Demgegenüber argumentieren Gourville und Soman, basierend auf verschiedenen
Forschungsergebnissen (z. B. Payne/Bettman/Johnson 1993; Lehmann 1998, Shugan
1980), dass hohe Produktvielfalt für den Konsumenten mit Kosten verbunden ist.
Diese Hypothese stützt sich auf Vorschläge von Loewenstein (1999), der argumentiert,
dass hohe Vielfalt für Konsumenten mit „Time costs“, „Error costs“ und „Psychic
costs“ (S. 2) verbunden ist (siehe hierzu die Ausführungen auf S. 7f.). Hauptthese der
beiden Autoren ist, dass diese Kosten bei einem vergleichbaren Sortiment geringer
sind, als bei einem nicht-vergleichbaren. Sie begründen dies damit, dass bei einem
Alignable Assortment Kompromisse (Trade-offs) leichter fallen, da sich die
Alternativen nur innerhalb einer Dimension unterscheiden. Gleichzeitig sind die
Abstände zwischen den Optionen geringer, so dass die Folgen einer suboptimalen
Entscheidung weniger bedeutsam sind, als bei einer nicht-vergleichbaren
Produktauswahl.
Im Gegensatz hierzu müssen die Konsumenten bei einem nicht-vergleichbaren
Sortiment sowohl innerhalb als auch zwischen Attributen Trade-offs eingehen, was
53

insbesondere dann schwer fällt, wenn es sich hierbei um „Alles-oder-nichts“-
Entscheidungen handelt. So muss ein Konsument bei dem in Abbildung 13 gezeigten
Beispiel des PKW-Kaufs beim Vergleich der Autos A und B zwischen
Klimaautomatik und Schiebedach abwägen. Im Vergleich zu einem Alignable
Assortment sind daher die Folgen einer Fehlentscheidung (Error Costs) gravierender,
was insbesondere auch die Angst vor der Entscheidung und die Gefahr des Bedauerns
selbiger erhöht (Psychic Costs) (vgl. Gourville/Soman 1999, S. 8).
Gourville und Soman konnten ihre Hypothese hinsichtlich des moderierenden Effekts
der Produktlinienvergleichbarkeit in zwei Studien bestätigen:
Im ersten Experiment wurden insgesamt 300 Erwachsene gebeten, ein
Mikrowellengerät aus einem Sortiment mit Produkten von zwei verschiedenen
Herstellern auszuwählen. Dabei wurde von einer Marke immer nur ein Produkt
angeboten und die Anzahl und Art der Produkte der anderen Marke (Zielmarke) in
einem 5 (Alternativenzahl) x 2 (Art des Sortiments) Design verändert. Die
Produktvielfalt variierte in Einerschritten zwischen 1 und 5 und die Sortimentart
zwischen „vergleichbar“ und „nicht-vergleichbar“. Untersucht wurde, wie sich die
Anzahl und Art der Alternativen auf die Wahrscheinlichkeit auswirkt, dass die
Konsumenten die Zielmarke auswählen. Die Ergebnisse haben gezeigt, dass die
Kaufwahrscheinlichkeit der Zielmarke zunimmt, wenn deren Produkte vergleichbar
waren, und diese sinkt, wenn die Produktlinie nicht-vergleichbar war (siehe Abbildung
14). Ein Gruppenvergleich (klein: n = 1,2; groß: n = 4,5) hat einen signifikanten
positiven Effekt der Produktvielfalt gezeigt, wenn die Produktlinie vergleichbar war
(P klein/vergleichbar = 57% vs. P groß/vergleichbar = 77%; χ 2 (1) = 5,40, p < 0,005) und einen
signifikanten negativen Effekt, wenn die Produktlinie nicht-vergleichbar war
(P klein/nicht-vergleichbar = 58% vs. P groß/nicht-vergleichbar = 40%; χ 2 (1) = 4,03, p < 0,005). Die
Hypothese wurde auch durch eine anschließende logistische Regression 11 gestützt
(vgl. S. 11).
11 Independent logistic regression
54

Wahrscheinlichkeit
der Wahl der Zielmarke
90%
80%
Alignable Assortment
70%
60%
50%
Non-alignable Assortment
40%
30%
0 1 2 3 4 5 6
Anzahl Alternativen
Abbildung 14: Kaufwahrscheinlichkeit bei einem vergleichbaren und nicht-vergleichbaren Sortiment.
Quelle: Gourville/Soman 1999, S. 31
Die Ergebnisse der ersten Studie konnten Gourville und Soman in einer zweiten
Untersuchung bestätigen. In dieser wurde den Testpersonen jede Alternative sowohl in
einem vergleichbaren als auch in einem nicht-vergleichbaren Sortiment angeboten.
Dadurch haben die Autoren ausgeschlossen, dass Konsumenten die Produkteigenschaften,
die das Sortiment in der ersten Untersuchung nicht-vergleichbar
machten, negativ bewertet und deshalb das Produkt im nicht-vergleichbaren Sortiment
nicht gekauft haben.
Das Vorgehen war dem der ersten Untersuchung ähnlich, allerdings wurden die
Stimuli in einem 2 (Produktkategorie) x 4 (Choice Set) Design manipuliert. Als
Produkte dienten Laptop Computer und Mikrowellengeräte. Jedes Sortiment wurde
wiederum aus einem Produkt einer Marke und mehreren Produkten der Zielmarke
kombiniert. In den ersten drei Sortimenten {A, B 1 , B 2 }, {A, B 3 , B 4 } und {A, B 5 , B 6 }
konnten die Konsumenten aus jeweils drei Produkten wählen: Dem „Einzelprodukt“
A und einem Alignable Assortment der Zielmarke B. Der vierte – nicht-vergleichbare
– Choice Set {A, B 1 , B 2 , B 3 , B 4 , B 5 , B 6 } bestand aus insgesamt sieben Alternativen,
dem Einzelprodukt A und den sechs verschiedenen Produkten B 1-6 . Dem
Regularitätsprinzip (siehe S. 43) folgend, sollte die Wahrscheinlichkeit, dass sich
Konsumenten für ein Produkt der Marke B aus dem vierten Sortiment entscheiden
nicht kleiner sein als die Wahrscheinlichkeit, dass sie Marke B wählen, wenn einer der
drei kleineren Sortimente zur Wahl steht. Der Haupthypothese folgend sollte im
Gegensatz hierzu die Wahrscheinlichkeit, dass der Konsument sich für ein Produkt der
55

Zielmarke B entscheidet, größer sein, wenn er aus einem kleineren vergleichbaren,
anstatt einem größeren nicht-vergleichbaren Sortiment wählt.
Wie aus Tabelle 2 hervorgeht, konnte diese Hypothese auch nach der zweiten
Untersuchung aufrechterhalten werden. So haben sich im Fall der Mikrowellengeräte
62,5%, 60% bzw. 70% der Befragten für die Zielmarke B entschieden, wenn sie aus
einem der ersten drei kleineren vergleichbaren Sortimente gewählt haben, wohingegen
sich mit 32,5% signifikant weniger Testpersonen für die Zielmarke aus dem größeren
nicht-vergleichbaren Set entschieden haben (χ 2 (1) = 12,22, p < 0,001). Ein ähnliches
Resultat ergab sich auch bei der Produktkategorie Laptop Computer
(χ 2 (1) = 4,16, p < 0,05).
Sortiment (Optionen) Abhängige Variable Mikrowellengeräte Laptop Computer
Choice Set 1: {A, B 1 , B 2 } P (Wahl von B 1 oder B 2 ) 62,5% (25 von 40) 62,5% (25 von 40)
Choice Set 2: {A, B 3 , B 4 } P (Wahl von B 3 oder B 4 ) 60,0% (24 von 40) 62,5% (25 von 40)
Choice Set 3: {A, B 5 , B 6 } P (Wahl von B 5 oder B 6 ) 70,0% (28 von 40) 65,0% (26 von 40)
Choice Set 4: {A, B 1 – B 6 } P (Wahl von B 1 – B 6 ) 32,5% (13 von 40) 45,0% (18 von 40)
Tabelle 2: Ergebnisse der zweiten Studie von Gourville und Soman (1999): Wahrscheinlichkeit,
die Zielmarke B aus einem Sortiment zu wählen. In Anlehnung an Gourville/Soman 1999, S 28
In einer dritten Studie, deren Ergebnisse hier aber nur kurz erwähnt werden sollen,
haben die Autoren die Auswirkung der Alignability der Produktlinie einer Marke auf
die Wahl innerhalb selbiger untersucht. Sie haben dabei festgestellt, dass die
Konsumenten zu extremen Optionen der Produktlinie neigen, also minimal bzw.
maximal ausgestattete Produktalternativen wählen, wenn die Anzahl der Alternativen
in einem Non-alignable Assortment erhöht wird (siehe Abbildung 15). Dieses Ergebnis
widerspricht dem gut dokumentierten Compromise Effect (Simonson 1989), wonach
Käufer zu einer Kompromisswahl tendieren, also nicht das billigste oder teuerste,
sondern ein Produkt „in der Mitte“ wählen. Die Autoren begründen das
Untersuchungsergebnis damit, dass ein Konsument bei der Wahl einer mittleren
Produktalternative schwierige Trade-offs innerhalb und zwischen Attributen machen
muss, diese aber umgehen kann, indem er eine Vereinfachungsstrategie anwendet und
entweder die Minimal- oder die Maximalversion des Sortiments wählt.
56

Wahrscheinlichkeit
der Wahl einer
Extremoption
90,0%
80,0%
70,0%
60,0%
Vollversion
Basisversion
61,7%
82,5%
45,0%
50,0%
40,0%
40,9%
35,0%
30,0%
21,7%
20,0%
10,0%
19,2%
26,7%
37,5%
0,0%
3 (N = 120) 4 (N = 120) 5 (N =120)
Anzahl Alternativen
Abbildung 15: Die Auswirkung der Größe eines nicht-vergleichbaren Sortiments auf die
Wahrscheinlichkeit, dass Konsumenten eine extreme Option auswählen. Quelle: Gourville/Soman
1999, S. 32
Im Zusammenhang mit Kosten und Nutzen von Produktvielfalt sind besonders zwei
Punkte dieser Studie von Interesse:
Gourville und Soman konnten in ihren Untersuchungen zum einen zeigen, dass sich
erhöhte Vielfalt einer Marke negativ auf deren Marktanteil auswirken kann. Sie
begründen dies damit, dass durch die Verfügbarkeit zusätzlicher nicht-vergleichbarer
Alternativen die emotionalen und kognitiven Entscheidungskosten des Konsumenten
steigen und er deshalb auf Lösungen des Entscheidungsproblems zurückgreift, die
diese reduzieren. In den Untersuchungen der beiden Autoren waren dies die Wahl
einer Marke mit nur einer Alternative im Sortiment und die Entscheidung für eine
extreme Option. Entscheidend für den hier betrachteten Zusammenhang ist aber nicht,
welche Lösungsstrategie der Konsument zur Senkung der Entscheidungsschwierigkeit
verwendet hat, sonder dass er eine Reduktionsstrategie angewendet hat. Die Autoren
konnten damit durch ihre Untersuchungen indirekt die Existenz vielfaltsbedingter
Entscheidungskosten und deren Konsequenzen zeigen.
Der zweite interessante Punkt bezieht sich auf die Einflussgrößen der Kosten von
Produktvielfalt. So wurde deutlich, dass nicht allein die Anzahl, sondern auch die
Struktur und Abhängigkeit der Alternativen des Sortiments die Entscheidungskosten
von Konsumenten und dadurch ihr Verhalten beeinflussen. Mit der Vergleichbarkeit
(Alignability) der Alternativen wurde dabei ein vermutlich wesentlicher Einflussfaktor
der Kostendimension identifiziert.
57

2.1.5 Sheena S. Iyengar und Mark R. Lepper (2000): When Choice is
Demotivating: Can One Desire Too Much of a Good Thing?
In ihrer viel zitierten Studie untersuchten Iyengar und Lepper die Auswirkung der
Größe des Sortiments sowohl auf die Kauf- bzw. Handlungswahrscheinlichkeit als
auch auf die nachfolgende Zufriedenheit. Sie konnten zeigen, dass mehr Vielfalt
Konsumenten zunächst begeistert, sie dadurch aber letztlich bei der Entscheidungsfindung
überfordert werden und im Nachhinein unzufriedener sind.
Die ihrer Studie zugrunde liegende Hypothese, die Iyengar und Lepper als Choice
Overload Hypothesis bezeichnen, besagt „(...) that, although the provision of
extensive choices may sometimes still be seen as initially desirable, it may also prove
unexpectedly demotivating in the end“ (Iyengar/Lepper 2000, S. 996).
Die Autoren formulierten diese Hypothese einerseits auf der Basis der Erkenntnisse
der psychologischen Forschung, „that has repeatedly demonstrated (...) a link between
the provision of choice and increases in intrinsic motivation, perceived control, task
performance, and life satisfaction“ (S. 995) und andererseits auf den Erkenntnissen
neuerer Studien (u. a. den in diesem Kapitel beschriebenen), die gezeigt haben, dass
durch hohe Vielfalt überforderte Konsumenten zum Kaufaufschub neigen oder die
Entscheidung durch die Anwendung vereinfachender Strategien (Heuristiken) treffen.
Iyengar und Lepper prüften ihre Hypothese in einem ersten Feldexperiment, bei dem
sie Konsumenten in einem Supermarkt in einem Versuchsaufbau 6 (limitierte
Produktvielfalt) und im anderen 24 (extensive Produktvielfalt) verschiedene
Marmeladesorten einer Marke zum Test anboten. Sie untersuchten dabei, wie stark die
Anziehungskraft des Probierstands auf die vorbeikommenden Konsumenten in
Abhängigkeit von der Anzahl der Testprodukte ist und ob die Tester anschließend ein
Produkt der probierten Marke kaufen.
Die Ergebnisse zeigen, dass Konsumenten von höherer Vielfalt zunächst stärker
angesprochen werden, letztlich aber seltener kaufen:
So blieben im Fall der größeren Auswahl (24 Marmeladesorten) von 242
vorbeikommenden Konsumenten 60% (145) am Probierstand stehen, bei geringerer
Auswahl (6 Sorten) stoppten 40% (104) der 260 Passanten. Die Konsumenten wurden
von der höheren Produktvielfalt somit stärker angezogen, als von der geringeren
(χ 2 (1) = 19,89, p < 0,001). Die Anzahl der probierten Marmeladesorten variierte
hingegen nicht signifikant zwischen den beiden Bedingungen (F(1,245) = 0,83, ns).
58

Entscheidend ist aber, dass das anschließende Kaufverhalten der Tester von der
angebotenen Produktvielfalt am Probierstand abhängig war: Von den 104 Personen,
die bei einer Auswahl von 6 Marmeladen am Probierstand waren, haben anschließend
30% (31) eine Marmelade dieser Marke gekauft. In der Bedingung der extensiven
Produktauswahl waren dies nur 3% (4) (χ 2 (1) = 32,34, p < 0,0001). Die Nettokaufrate
lag insgesamt bei limitierter Produktvielfalt mit 12% rund siebenmal so hoch wie bei
extensiver Produktvielfalt (1,7%) (vgl. S. 995ff.).
In Abbildung 16 sind die Ergebnisse dieser sowie der nachfolgend beschriebenen
Studien von Iyengar und Lepper grafisch verdeutlicht
Anteil
(in %)
100
90
80
Experiment 1:
Marmeladen
N= 502
Experiment 2: Essays
N= 197
8,04
74%
7,59*
Experiment 3: Schokoladen
N= 134
10
9
8
Subjektive
Einschätzung
(1: gering
bis
10: sehr hoch)
70
60
50
40
30
20
10
40%
12%
60%***
1,7%***
60%*
48%
4,72
2,24
3,3
6,28
12%***
6,02***
3,2**
4,45***
7
5,46***
6
5
4
3
2
0
(1)
Interesse
(2)
Kauf
Interesse
Kauf
Eingereicht
Qualität
Eingereicht
Qualität
Kauf
unterhaltsam
frustrierend
schwierig
Zufriedenheit
Kauf
unterhaltsam
frustrierend
schwierig
Zufriedenheit
1
Alternativen
6 24 6 30 6 30
*: p < 0,05 **: p < 0,01 ***: p < 0,001
(1) Anteil der Passanten, die am Probierstand stehen geblieben sind
(2) Anteil der Passanten, die ein Produkt der Testmarke probiert und gekauft haben (Nettokaufrate)
Abbildung 16: Ergebnisse der Studien von Iyengar und Lepper 2000. Daten aus Iyengar/Lepper 2000,
S. 995ff.
Das erste Experiment von Iyengar und Lepper hat gezeigt, „(...) that an extensive
array of options can at first seem highly appealing to consumers, yet can reduce their
subsequent motivation to purchase the product“ (Iyengar/Lepper 2000, S. 997).
Im Zusammenhang dieser Studie ist vor allem interessant, dass mit Vielfalt
offensichtlich positive und negative Elemente verbunden sind – also Nutzen und
Kosten –, wobei bei zu hoher Vielfalt die Kosten den Nutzen übersteigen und dadurch
die Kaufwahrscheinlichkeit sinkt.
59

Iyengar und Lepper konnten die Ergebnisse der ersten Studie in einer zweiten
bestätigen. Hier hatten Studenten die Möglichkeit, durch das Schreiben eines
zweiseitigen Essays zusätzliche Punkte (Credits) für einen Kurs zu erhalten. Die
Studenten konnten dabei in der ersten Versuchsbedingung unter 6 möglichen
Essaythemen wählen, in einer zweiten Bedingung standen 30 Themen zur Verfügung.
Untersucht wurde, wie sich die Themenanzahl auf die intrinsische Motivation der
Studenten auswirkt. Dies erfolgte, indem die Anteile der Studenten, die unter der
jeweiligen Bedingung (6 oder 30 Themen) einen Essay geschrieben haben und die
Qualität der Aufsätze miteinander verglichen wurden.
Hierbei hat sich gezeigt, dass von den Studenten, die 6 Themen zur Auswahl hatten
74% einen Essay geschrieben haben, wohingegen dies nur 60% der Studenten taten,
die aus 30 Themen wählen konnten (χ 2 (1, N = 193) = 3,93, p < 0,05). Interessant ist,
dass sich die Themenvielfalt auch signifikant auf die Qualität der Essays ausgewirkt
hat. So wurden die Essays der Studenten, die ursprünglich aus weniger Themen
gewählt hatten im Durchschnitt mit 8,04 (SD = 1,33) Punkten bewertet 12 , wohingegen
die Aufsätze der Studenten, denen 30 Themen zur Wahl standen, nur 7,59 (SD = 1,02)
von 10 möglichen Punkten erreicht haben (F(1, 124) = 5,65, p < 0,02) (vgl.
Iyengar/Lepper 2000, S. 999).
In einer dritten Studie untersuchten die Autoren neben der Wirkung unterschiedlich
hoher Produktauswahl auf das Kaufverhalten auch affektive Reaktionen der
Konsumenten während und nach der Entscheidung wie z. B. Spaß, Schwierigkeit und
Frust während der Entscheidungsfindung, sowie die antizipierte und erfahrene
Zufriedenheit mit dem gewählten Produkt. Studenten konnten dabei, je nach
Bedingung, entweder aus 6 oder 30 verschiedene Sorten Schokolade eine auswählen
und füllten anschließend einen Fragebogen hinsichtlich verschiedener affektiver
Reaktionen aus. Anschließend durften sie die gewählte Schokolade probieren. Als
Dankeschön für die Teilnahme hatten die Studenten schließlich die Wahl zwischen $5
und einer Packung Schokolade im Wert von $5. Dies diente als Operationalisierung
des Kaufverhaltens, wobei die Wahl der Schokolade als Kauf und die Entscheidung
für das Geld als Nicht-Kauf gewertet wurde.
Die Ergebnisse zeigen, dass die Anzahl der Alternativen keinen Einfluss auf die
wahrgenommene Entscheidungsqualität (Wahl einer zufrieden stellenden Schokolade
12 Die Bewertung erfolgte auf einer Skala von 1 (extremely poor) bis 10 (excellent) durch zwei
unabhängige Prüfer, denen die Bedingung, unter denen die Studenten die Arbeit geschrieben hatten
und die Fragestellung der Untersuchung unbekannt war (vgl. S. 999).
60

vs. Wahl einer der besten Schokoladen), die antizipierte Zufriedenheit mit der
Produktwahl und das wahrgenommene Level der Informiertheit hat. Die Testpersonen
haben bei großer Produktvielfalt den Entscheidungsprozess aber als unterhaltsamer
(F(1, 132) = 47,01, p < 0,0001), schwieriger (F(1, 132) = 16,38, p < 0,0001) und
frustrierender (F(1, 123) = 7,61, p < 0,007) empfunden. Nach der Interpretation von
Iyengar und Lepper scheint es, „(...) that people can indeed find choosing among too
many alternatives to be both enjoyable and overwhelming“ (Iyengar/Lepper 2000,
S. 1002).
Hinsichtlich der Zufriedenheit mit der Produktwahl zeigen die Ergebnisse, dass
Versuchpersonen, die aus 30 Sorten ausgewählt haben, mit ihrer getesteten
Produktwahl unzufriedener sind als Personen, die aus 6 Schokoladesorten wählten
(F(1, 122) = 28,02, p < 0,0001).
Was das Kaufverhalten angeht wurden die Ergebnisse der ersten beiden Studien
bestätigt: Von den Teilnehmern, die aus 30 Schokoladensorten wählten, haben 12% als
Giveaway für die Teilnahme die Schokolade gewählt. In der Bedingung der limitierten
Auswahl waren dies 48% (χ 2 (2, N=134) = 21,84, p < 0,0001) (vgl. S. 1003).
Interessant ist, dass sich dieses Verhalten auch in der Gesamtbewertung 13 der
angebotenen Auswahl widerspiegelt: So gaben Konsumenten mit extensiver Auswahl
durchschnittlich an, „zu viele“ Alternativen bekommen zu haben, wohingegen
Personen mit limitierter Vielfalt die angebotene Auswahlauswahl im Schnitt als
„genau richtig“ (F(1, 132) = 43,68, p < 0,0001) bewerteten.
Zusammenfassend haben die Studien von Iyengar und Lepper gezeigt, dass
Konsumenten eine große Auswahl einerseits attraktiv und anziehend finden und ihnen
der Entscheidungsprozess mehr Freude bereitet als bei limitierter Auswahl.
Andererseits empfinden Konsumenten den Entscheidungsprozess bei großen
Sortimenten auch als schwieriger und frustrierender. Produktvielfalt ist für
Konsumenten somit mit Kosten und Nutzen verbunden.
Für Kosten und Nutzen von Produktvielfalt sind insbesondere drei Ergebnisse dieser
Studien von Interesse:
13 Die Testpersonen konnten auf einer Skala von 1 bis 5 (1 = too few, 3 = just right, 5 = too many)
angeben, wie sie die ihnen angebotene Auswahl beurteilen. Die Bewertung bei sechs Alternativen
war dabei durchschnittlich 3,61 (SD = 1,01) und bei 30 Alternativen 4,88 (SD = 1,20) (vgl. S. 1002)
61

Erstens wurde gezeigt, dass Konsumenten Produktvielfalt einerseits gut und attraktiv
finden, sie also einen Nutzen für sie hat, andererseits durch sie aber die
Entscheidungsschwierigkeit und somit der Kostenaspekt erhöht wird.
Zweitens haben alle drei Studien – in jeweils unterschiedlichem Kontext – gezeigt,
dass Konsumenten bei hoher Produktauswahl seltener kaufen.
Drittens haben die Studien gezeigt, dass sich zu hohe Vielfalt auch negativ auf die
Nachkaufbewertung, insbesondere auf die Zufriedenheit mit dem gekauften Produkt,
auswirken kann. Die Produktzufriedenheit soll deshalb als Konsequenz von Kosten
und Nutzen von Produktvielfalt in dem zu entwickelnden Modell berücksichtigt
werden.
2.1.6 Sheena Iyengar, Wei Jiang und Gur Huberman (2003): How Much Choice
is Too Much? Contributions to 401(k) Retirement Plans
In diesem erst kürzlich veröffentlichten Workingpaper des Pension Research Council
beschreiben die Autoren die Ergebnisse einer Studie, in der sie mit Daten von 800.000
US-Arbeitnehmern die Hypothese getestet haben, dass die Teilnahmequote an einer
betrieblichen Altersvorsorge fällt, wenn die Anzahl der möglichen Fonds, in die
Arbeitnehmer einzahlen können, erhöht wird. Dabei hat sich gezeigt, dass bei
Pensionsplänen, die eine relativ überschaubare Anzahl an Investitions-Möglichkeiten
(3 – 6) bieten, die Teilnahmequote deutlich höher ist, als bei Plänen, die zehn oder
mehr alternative Fonds zur Wahl stellen.
Hintergrund der Fragestellung war, dass sich die Anzahl angebotener Pensionspläne in
den USA von unter 100.000 im Jahr 1990 auf über 400.000 im Jahr 2002 mehr als
vervierfacht hat (vgl. Mottola/Utkus 2003, zitiert nach Iyengar/Jiang/Hubermann
2003, S. 1) und die Teilnahmequote der Arbeitnehmer an diesen gleichzeitig gesunken
ist. So haben z. B. Ende 2001 71% der Arbeitnehmer in einen Pensionsplan einzahlt,
ein Jahr später waren es noch 68,8% (vgl. Iyengar et al. 2003, S. 6).
Theoretische Basis der Hypothese abnehmender Teilnahmequoten mit zunehmender
Alternativenzahl war die bereits oben dargestellte Choice Overload Hypothese (siehe
S. 58ff.), wonach Konsumenten durch zu viele Optionen verwirrt werden und ihnen
die Entscheidung so schwer fällt; dass sie es vorziehen, sie zu verschieben oder ganz
auf sie zu verzichten.
62

Hauptunterschiede dieser Untersuchung zu den bisher dargestellten sind zum einen die
Datengrundlage und zum anderen die Art des Entscheidungsproblems:
So wurden zur Überprüfung der Hypothese reale Daten einer Investmentgesellschaft
(Vanguard Group) von 800.000 Arbeitnehmern in den USA verwendet. Diese
enthielten u. a. Informationen darüber, ob ein Arbeitnehmer im Jahr 2001 in einen
Pensionsplan eingezahlt hat. Die als 401(k) 14 bezeichnete Form der betrieblichen
Altersvorsorge wird Arbeitnehmern vom Arbeitgeber angeboten und ermöglicht es
diesen, Teile 15 ihres Einkommens steuervergünstigt in einen der angebotenen Fonds
einzuzahlen. Dabei müssen die Arbeitnehmer entscheiden, ob sie einen Pensionsplan
abschließen und wenn ja, in welche(n) der angebotenen Fonds sie investieren wollen.
Hinsichtlich der Art des Entscheidungsproblems unterscheidet sich diese
Untersuchung von den bisher beschriebenen (mit Ausnahme von Tversky/Shafir 1992)
dahingehend, dass die Entscheidung für den Arbeitnehmer mit deutlich weiter
reichenden Konsequenzen verbunden ist, als dies bei den meisten bisherigen
Untersuchungen der Fall war (z. B. Schokolade, Marmelade). Es ist deshalb davon
auszugehen, dass der Konsument intensiver über die Wahl nachdenkt und die
Alternativen detaillierter miteinander vergleicht, was den Choice Overload-Effekt
verstärken kann. Die Problemstellung fällt damit in die Kategorie der echten bzw.
kognitiven Kaufentscheidungen (siehe S. 37ff.), weshalb diese Studie für den im
Rahmen dieser Arbeit betrachteten Zusammenhang besonders interessant ist.
Die Autoren haben die Hypothese überprüft, indem sie den Einfluss der Anzahl der im
Rahmen eines 401(k) Plans angebotenen Fonds auf die Teilnahmewahrscheinlichkeit
eines Arbeitnehmers an diesem Plan mit Hilfe einer Regressionsanalyse getestet
haben. Berücksichtigt wurde dabei neben der Anzahl der Fonds auch der Einfluss
weiterer Faktoren auf Arbeitnehmerebene (z. B. Gehalt, Geschlecht, Alter), sowie
Informationen auf Pensionsplanebene, wie z. B. ob Aktien des Arbeitgebers erworben
werden können.
Die Ergebnisse der Regressionsanalyse haben gezeigt, dass die Hypothese von Jyengar
et al. aufrechterhalten werden kann. Demnach fällt die Wahrscheinlichkeit, dass ein
Arbeitnehmer einen Pensionsplan abschließt, mit jeweils zehn zusätzlich verfügbaren
Anlageoptionen ceteris paribus um 1,5% bis 2% 16 . So liegt z. B. die Abschluss-
14 Bezeichnet nach dem Abschnitt 401(k) des „Internal Revenue Code” (S. 1)
15 Bis zu 25% des Jahreseinkommens, aber nicht mehr als $12.000 (Stand 2003)
16 Die Autoren haben vier verschiedene Modellspezifikationen (u. a. Linear Probability, Probit)
angewendet, die aber alle zu ähnlichen Ergebnissen geführt haben.
63

wahrscheinlichkeit für einen Pensionsplan mit zwei alternativen Anlageformen bei
rund 75%. Bietet der Plan hingegen 59 verschiedene Fonds an, fällt diese auf rund
60% (vgl. Iyengar et al. 2003, S. 9). Abbildung 17 verdeutlicht den Zusammenhang
grafisch.
Teilnahmequote
80%
75%
70%
65%
95% Konfidenzintervall
60%
55%
50%
0 3 6 9 12 15 18 21 24 27 30 33 36 39 42 45 48 51 54 57 60
N = 800.000
Anzahl angebotener Fonds
Abbildung 17: Zusammenhang der Anzahl angebotener Fonds und Teilnahmequote an betrieblichem
Pensionsplan. Quelle: Iyengar et al. 2003, S. 15
Die Studie von Jyengar et al. zeigt, wie sich hohe Vielfalt negativ auf das
Entscheidungsverhalten auswirken kann. Die Ergebnisse sind dahingehend von
besonderer Bedeutung, als dass sie auf realen Verhaltensdaten von rund 800.000
Arbeitnehmern in den USA beruhen und ein Entscheidungsproblem zum Gegenstand
haben, das mit weitreichenden Folgen verbunden ist. Die Konsequenzen einer
„Fehlentscheidung“ in Form einer nicht getroffenen Entscheidung („Choose not to
choose“ (S. 11)) sind in dem hier untersuchten Zusammenhang offensichtlich und
verdeutlichen, dass sich hohe Produktauswahl nicht nur negativ auf das Kaufverhalten,
sondern auch auf das längerfristige Gesamtwohl einer Person auswirken kann.
Demzufolge kann es für den Entscheider aus mittel- und längerfristiger Perspektive
vorteilhaft sein, wenn die Auswahl – und damit seine Entscheidungsfreiheit – begrenzt
wird. Thaler und Sunstein (2003) haben hierfür kürzlich den zunächst als Oxymoron
anmutenden Begriff Libertarian Paternalism – freiheitliche Bevormundung – geprägt
und verstehen hierunter „(...) an approach that preserves freedom of choice but that
authorizes both public and private institutions to steer people in directions that will
promote their welfare“ (S. 179).
64

Interpretiert man dies in dem hier betrachteten Kontext des Werts von Produktvielfalt,
so lässt sich dieser nach der Argumentation von Thaler und Sunstein steigern, wenn
die Auswahl auf ein überschaubares Maß beschränkt wird. Als Folge wird der Nutzen
der Vielfalt für den Entscheider auf einem hohen Niveau gehalten, die Kosten im
Sinne von kognitiver und emotionaler Entscheidungsschwierigkeit gleichzeitig
reduziert. Dies erhöht die Wahrscheinlichkeit einer überlegten und zielgerichteten
Entscheidung, von der Konsumenten und Unternehmen kurz- und mittelfristig
profitieren.
2.1.7 Zusammenfassung der Studien
Die dargestellten Studien haben in unterschiedlichem Kontext – von der Wahl einer
Marmelade bis zur medizinischen Entscheidung – gezeigt, dass erhöhte Auswahl das
Verhalten von Entscheidern beeinflussen kann. Resultate höherer Produktvielfalt
waren hierbei insbesondere:
• Geringere Kaufwahrscheinlichkeit (Tversky/Shafir 1992; Dhar 1997a;
Gourville/Soman 1999; Iyengar/Lepper 2000; Iyengar et al. 2003)
• Beibehaltung des Status quo (Redelmeier/Shafir 1995)
• Wahl der Standardoption (Default) (Tversky/Shafir 1992)
• Wahl einer Konflikt vermeidenden, einfach zu rechtfertigenden Wahlmöglichkeiten
(Redelmeier/Shafir 1995)
• Geringere Zufriedenheit mit dem Kaufprozess und der gewählten Alternative
(Iyengar/Lepper 2000)
Gleichzeitig hat sich aber auch gezeigt, dass höherer Vielfalt anziehend auf
Konsumenten wirkt und ihnen Freude bereitet (Iyengar/Lepper 2000).
Damit lässt sich insgesamt schlussfolgern, dass es empirische Hinweise für sowohl
negative als auch positive Aspekte von Produktvielfalt aus der Sicht von
Konsumenten gibt. Die Untersuchungen haben ferner gezeigt, dass sich diese im
direkten (Kauf)Verhalten und in der nachgelagerten Bewertung von Kaufprozess
und erworbenem Produkt manifestieren.
Weiterhin wurde deutlich, dass nicht allein die Anzahl der verfügbaren Alternativen
das Verhalten der Konsumenten beeinflusst, sondern auch deren Struktur: So konnten
negative Effekte von höherer Vielfalt nur festgestellt werden, wenn die Alternativen in
65

etwa gleich attraktiv waren und für den Konsumenten relevante Optionen zur
Bedürfnisbefriedigung darstellten und deshalb einen Entscheidungskonflikt ausgelöst
haben (vgl. Dhar 1997a, S. 215ff.). Des Weiteren haben die Studien gezeigt, dass auch
die Vergleichbarkeit (Alignability) der Alternativen die Entscheidungsschwierigkeit
des Konsumenten wesentlich beeinflusst (vgl. Soman/Gourville 1999, S. 7ff.).
Insgesamt lässt sich daraus der Schluss ziehen, dass neben den quantitativen
Eigenschaften eines Sortiments auch dessen qualitative Charakteristika den Wert von
Produktvielfalt bzw. dessen Kosten- und Nutzendimension beeinflussen. Beide
Eigenschaftsarten sind deshalb als Determinanten im zu entwickelnden Gesamtmodell
zu berücksichtigen.
Auch wenn die vorgestellten Studien in erster Linie einen Überblick über das
Spektrum der Wirkung von Produktvielfalt auf das Kaufverhalten von Konsumenten
geben sollten und daher kein Anspruch auf Vollständigkeit besteht, wird dennoch
deutlich, dass der Konsument in seiner Reaktion auf (hohe) Produktvielfalt in der
Literatur bisher als „Blackbox“ behandelt wurde. Nach dem Kenntnisstand des Autors
liegen bisher keine empirischen Ergebnisse vor, die explizit die aus Konsumentensicht
positiven und negativen Aspekte großer Sortimente im Sinne eines Kosten-
Nutzen-Ansatzes von Produktvielfalt erfassen und in Beziehung zum Verhalten des
Konsumenten gesetzt haben. Der dieser Arbeit zugrunde liegende
Kosten-Nutzen-Ansatz versucht diese Forschungslücke zu schließen, um so ein
besseres Verständnis des Umgangs von Konsumenten mit (hoher) Produktvielfalt zu
ermöglichen.
Weitere Vorgehensweise
In den nächsten beiden Kapiteln wird der theoretische Bezugsrahmen der Arbeit
entwickelt. Hierzu werden zunächst drei theoretische Ansätze zur Erklärung des
übergeordneten Zusammenhangs von Produktvielfalt und Konsumentenverhalten
gegeben:
1. Die Hypothesen von Informationsdefizit und Informationsüberlastung,
2. die Theorie des Optimum Stimulation Level und
3. der Tyranny of Freedom.
66

Im Anschluss daran wird der Gesamteffekt in einen Kosten- und einen Nutzeneffekt
„aufgegliedert“. Beide Effekte werden unter Rückgriff auf verschiedene Theorien
begründet.
Zur theoretischen Erklärung der Nutzenaspekte von Produktvielfalt dienen hierbei
• die Nutzenerwartungswerttheorie,
• die klassische Entscheidungstheorie und
• der Hedonic Shopping Value
Die Kosten von Produktvielfalt werden auf der Basis von den drei Theorien bzw.
theoretischen Konzepten begründet:
• der Cost of Thinking,
• der Konflikt-Theorie und
• der Theorie des antizipierten Regrets.
.
Abbildung 18 veranschaulicht die Struktur des nachfolgenden Theorieteils.
2.2
Theorien zur Erklärung des übergeordneten Zusammenhangs
von Produktvielfalt und Konsumentenverhalten
"Wert"
2.3.1
Theorien zur Erklärung
des Nutzens von Produktvielfalt
2.3.1
Theorien zur Erklärung
der Kosten von Produktvielfalt
"Nutzen"
"Kosten"
Facetten der KPV und NPV Hypothesen zu Konsequenzen Hypothesen zu Determinanten
Abbildung 18: Struktur des Theorieteils
67

2.2 Grundlegende theoretische Perspektiven zur Erklärung des
Zusammenhangs von Produktvielfalt und Konsumentenverhalten
Die oben beschriebenen empirischen Forschungsergebnisse haben verdeutlicht, dass
hohe Produktvielfalt für Konsumenten mit negativen Aspekten verbunden sein kann
und sich diese nachteilig auf das kurzfristige (Kaufintention) und mittel- bzw.
langfristige Konsumentenverhalten (Zufriedenheit, Loyalität) auswirken können. Da
hohe Produktvielfalt für Konsumenten aber auch Vorteile hat, liegt die Vermutung
nahe, dass moderate Auswahlvielfalt aus Konsumentensicht besser ist, als sehr hohe
oder sehr geringe. Der bereits in der Einleitung der Untersuchung zitierte Ausspruch
von Kahn und Morales (2001) verdeutlicht dies bildhaft:
„Variety truly is the spice-of-life, but like any spice it must be used in moderation“
(Kahn/Morales 2001, S. 76).
Die nachfolgenden Kapitel dienen dazu, diese Annahme, die im Widerspruch zu den
Thesen der rationalen Entscheidungstheorie (vgl. Luce 1959, 1977; Tversky/Shafir
1992, S. 358) steht, mittels verschiedener Theorien und theoretischer Konzepte zu
begründen.
2.2.1 Die gegensätzlichen Hypothesen von Informationsdefizit und
Informationsüberlastung
Die Hypothese der Informationsüberlastung (Information Overload) geht im
Wesentlichen auf drei von Jacoby und seinen Mitarbeitern Anfang der 70er-Jahre
durchgeführte Studien zurück (vgl. Jacoby/Speller/Berning 1974, Jacoby/Speller/Kohn
1974) und steht der Hypothese des Informationsdefizits gegenüber. Letztere fußt auf
den Grundideen der mikroökonomischen Haushaltstheorie zum Modell des „Homo
oeconomicus“. Diesem liegt die Annahme zugrunde „je mehr Informationen desto
besser die Entscheidung“ (vgl. Berndt 1983, S. 22f.).
Die nächsten zwei Abschnitte stellen die beiden konträren Hypothesen dar.
68

2.2.1.1 Die Hypothese des Informationsdefizits
Ausgangspunkt der Hypothese des Informationsdefizits ist das mikroökonomische
Idealbild des Konsumenten, der Homo oeconomicus. Er kann als „zweckrationales
Wesen, das nach Nutzenmaximierung strebt und dieses Ziel aufgrund besonderer
Fähigkeiten auch erreichen kann“ (Berndt 1983, S. 45) beschrieben werden. Hierbei
wird insbesondere davon ausgegangen, dass der Homo oeconomicus bei einer
Kaufentscheidung über vollkommene Informationen hinsichtlich aller Marktdaten
wie z. B. Alternativen, Preise und Eigenschaften von Produkten verfügt, diese
uneingeschränkt verarbeiten kann und sich hinsichtlich seiner eigenen Präferenzen
stets im Klaren ist (vgl. Berndt 1983, S. 45; Rosenstiel/Ewald 1979, S. 19f.).
Da der reale Konsument im Gegensatz zum Ideal des Homo oeconomicus nicht über
vollkommene Information verfügt, sollen ihm nach der „Hypothese des
Informationsdefizits“ (Berndt 1983, S. 22) in der Entscheidungssituation möglichst
viele Informationen angeboten werden, um so eine gute Entscheidung zu ermöglichen
(vgl. Sproles et al. 1980, zitiert nach Berndt 1983, S. 23).
Folgt man dieser Argumentation, bedeutet das für die Thematik der Produktvielfalt,
dass Konsumenten sowohl möglichst viele Produktalternativen, als auch
Informationen angeboten werden sollten. Ziel ist es, dem Konsumenten die
Möglichkeit zu geben, sich einen guten Überblick zu den am Markt verfügbaren
Produkten und deren Eigenschaften zu verschaffen.
Aus der Modellannahme der Verfügbarkeit vollkommener Information folgt, dass
Konsumenten unendliche Informationsverarbeitungskapazität besitzen. Diese ist aber
sehr unrealistisch und kann deshalb das tatsächliche Verhalten von Konsumenten nur
eingeschränkt erklären (vgl. Berndt 1983, S. 46; Jacoby/Speller/Kohn 1974, S. 63ff.;
Bleicker 1983, S. 10; Jacoby/Speller/Berning 1974, S. 33ff.). Einzelne Annahmen des
Modells der mikroökonomischen Entscheidungstheorie wurden deshalb aufgehoben,
was z. B. zum „Prinzip der begrenzten Rationalität“ (vgl. Simon 1957) geführt hat.
Dieses legt dem Kaufverhalten nicht mehr das Rationalitätsprinzip 17 als oberste
Handlungsmaxime zugrunde, sondern erlaubt die Wahl einer zufrieden stellenden
17 Das Rationalitätsprinzip besagt, dass entweder ein bestimmtes Ziel mit möglichst geringem
Ressourceneinsatz erreicht (Minimalprinzip) oder bei gegebenem Mitteleinsatz ein möglichst hoher
Nutzen erzielt werden soll (Maximalprinzip) (vgl. Gabler Wirtschafts Lexikon).
69

Alternative 18 , wobei der „(...) Grund dafür, dass Menschen sich mit suboptimalen
Ergebnissen (...) zufriedengeben, (...) in unserer begrenzten Informationsverarbeitungs-Kapazität
zu suchen (...)(ist)“ (Rhenius 1979, S. 388). Kirsch (1977)
bemerkt diesbezüglich, dass Konsumenten sich auch dann nicht im Sinne der
Nutzenmaximierung verhalten könnten, wenn sie dies wollten, da dies aufgrund der
begrenzten menschlichen Informationsverarbeitungskapazität zu einem
„unerträglichen kognitiven Stress“ (S. 70) führen würde.
Der Mensch neigt daher zur Abkehr vom Prinzip der Nutzenmaximierung, was aber
eine Verschlechterung der Entscheidungsqualität zur Folge hat. Dies ist eine der
wesentlichen Folgerungen der Hypothese der Informationsüberlastung, die
nachfolgend erläutert wird.
2.2.1.2 Die Hypothese der Informationsüberlastung (Information Overload)
„Information overload 19 refers to the fact that there are finite limits to the
ability of human beings to assimilate and process information during any
given unit of time. Once these limits are surpassed, the system is said to be
‘overloaded’ and human performance (including decisionmaking) becomes
confused, less accurate and less effective” (Jacoby 1977, S. 569).
Informationsüberlastung(en) entstehen folglich, „wenn Informationsmengen, die dem
Empfänger zur Aufnahme und Verarbeitung angeboten werden, die Belastungsgrenzen
seines Informationsaufnahme und –verarbeitungssystems überschreiten“ (Raffée/Fritz
1990, S. 83). Jacoby und seine Mitarbeiter untersuchten in den 70er Jahren, ob in einer
Konsum- bzw. Entscheidungssituation Informationsüberlastung (Information
Overload) auftritt und zu einer Minderung der Entscheidungsqualität führt (vgl.
Jacoby/Speller/Berning 1974, Jacoby/Speller/Kohn 1974). Die Forscher stützten ihre
Hypothesen dabei auf Ergebnisse psychologischer Untersuchungen hinsichtlich der
Grenzen der menschlichen Informationsverarbeitungskapazität. Ein Beispiel hierfür ist
der viel zitierte Artikel „The magical number seven, plus or minus two“ von Miller
(1956), in dem er – auch unter Rückgriff auf frühere Studien anderer Autoren (z. B.
18 Unter zufrieden stellend (satisficing) ist dabei eine Übereinstimmung der Ausprägungen der
gewählten Alternative mit dem Anspruchsniveau des Entscheiders zu verstehen (vgl. Berndt 1983,
S. 46).
70

Pollack 1952; Beebe-Center/Rogers/O’Connell 1955) – aufzeigt, dass der Mensch nur
ca. sieben alternative Stimuli gleichzeitig verarbeiten kann (vgl. Miller 1956, S. 84ff.).
Als Erklärungsmodell für die begrenzte menschliche Informationsverarbeitungskapazität
wird häufig das so genannte Drei-Speicher-Modell der Informationsverarbeitung
verwendet (vgl. z. B. Silberer 1981, S. 37).
Das Drei-Speicher-Modell der Informationsverarbeitung
Nach dem Drei-Speicher-Modell erfolgt die Informationsaufnahme und -verarbeitung
durch drei Subsysteme des menschlichen Gedächtnisapparats, die als „Speicher“ oder
Gedächtnisarten bezeichnet werden (Koeber-Riel/Weinberg 1996, S. 225) (siehe
Abbildung 19):
• Sensorischer Speicher (Ultrakurzzeitspeicher)
• Kurzzeitspeicher (Arbeitsgedächtnis)
• Langzeitspeicher (Langzeitgedächtnis) (vgl. z. B. Silberer 1981, S. 37;
Kroeber-Riel/Weinberg 1996, S. 225; Trommsdorff 1998, S. 238)
Informationsverarbeitungssystem (Drei-Speicher-Modell)
Sensorischer
Speicher
Kurzzeitspeicher/
Arbeitsspeicher
Lernen
Umwelt
(Stimuli)
Sensorischer
Filter
Optisch
Akustisch
.
.
.
Wahrnehmung/
Aufmerksamkeit
Prozesse:
• Memorieren
• Verschlüsselung
• Entscheidung
• Zugriff zum
Gedächtnis
• ...
Memorieren
Langzeitspeicher/
permanenter
Speicher
Abrufen/
Haptisch
Vergessen
Verhalten
Abbildung 19: Informationsaufnahme und -verarbeitung im Drei-Speicher-Modell. In Anlehnung an
Kuß/Tomczak 2000, S. 26, 30; Bettman 1979, S. 140
19 Jacoby greift bei der Definition von „information load“ auf die von MacCormick (1970) zurück, der
„information load“ als „the variety of stimuli (in type and number) to which the receiver must
attend“ (zitiert nach Jacoby 1977, S. 569) definiert.
71

Ausgangspunkt der Informationsverarbeitung ist die Umwelt des Konsumenten, aus
der er mit Hilfe seiner Sinnesorgane z. B. optische, akustische oder haptische
Eindrücke aufnimmt und diese für sehr kurze Zeit 20 im sensorischen Speicher behält.
Der sensorische Speicher dient also der unmittelbaren und kurzen Speicherung einer
großen Menge von aus der Umwelt wahrgenommenen Reizen (vgl. Silberer 1981,
S. 37).
Teile dieser Reize, deren Auswahl wesentlich von ihrem Aktivierungspotenzial
abhängt (vgl. Kroeber-Riel/Weinberg 1996, S. 226), gelangen in den Kurzzeitspeicher
und werden dort interpretiert und verarbeitet. Der Prozess der Aufnahme und
Selektion von Reizen, sowie deren Organisation und Interpretation wird dabei als
Wahrnehmung bezeichnet (vgl. Harrell 1986, S. 66): „Ergebnis der Wahrnehmung
ist ein subjektiv gefärbtes Bild der Realität, das dem Handeln in einer aktuellen
Situation oder dem Aufbau eines Wissens- und Erfahrungsschatzes für Handeln in
künftigen Situationen dient“ (Bänsch 1998, S. 71).
Das Kurzzeitgedächtnis stellt in gewisser Weise den „Arbeitsspeicher“
(Kroeber-Riel/Weinberg 1996, S. 226) der Informationsverarbeitung dar und verfügt
über entsprechende Verarbeitungsmöglichkeiten. So werden dort z. B. Informationen
memoriert und kodiert, Informationen aus dem Langzeitspeicher abgerufen und
beobachtbares Verhaltens wie z. B. das Treffen einer Kaufentscheidung und deren
Umsetzung gesteuert (vgl. Kuß/Tomczak 2000, S. 27). Die Kodierung von
Informationen bezeichnet dabei die kognitiven Verarbeitungsprozesse bei der
Übersetzung der wahrgenommenen Reize in gedankliche Einheiten (vgl.
Kroeber-Riel/Weinberg 1996, S. 334). Dies geschieht, indem neue Informationen zu
vorhandenem Wissen in Beziehung gesetzt werden. Das Ausmaß in dem dies erfolgt,
bezeichnet dabei ein sehr wichtiges Konstrukt der psychologischen Forschung, die
Verarbeitungstiefe, die in der Konsumentenforschung häufig im Zusammenhang
(teilweise auch synonym) mit dem Begriff des Involvement verwendet wird. Darunter
wird die „Ich-Beteiligung bzw. das gedankliche Engagement und die damit
verbundene Aktivierung, mit der sich jemand einem Sachverhalt oder einer Aktivität
zuwendet“ (Kroeber-Riel/Weinberg 1996, S. 338) verstanden. Auf die Bedeutung des
Involvement wird später noch näher eingegangen (siehe S. 352ff.).
Wesentliches Kennzeichen des Kurzzeitspeichers ist dessen flexible, aber stark
begrenzte Informationsverarbeitungskapazität. So hat Miller bereits 1956 erkannt,
20 Die Speicherdauer beträgt zwischen 0,1 und 1 Sekunde (vgl. Kroeber-Riel/Weinberg 1996, S. 226).
72

dass das menschliche „Arbeitsgedächtnis“ nur rund sieben so genannte „Information
Chunks“ gleichzeitig verarbeiten kann (vgl. Silberer 1981, S. 38; Solomon/
Bamossy/Askegaard 2001, S. 103). Information Chunks stellen Informationseinheiten
dar, die man sich als zu Blöcken zusammengefasste Einzelinformationen vorstellen
kann (vgl. Bänsch 1998, S. 75). So werden z. B. mit dem Markennamen Informationen
wie Preis, Design und Qualität verbunden.
Mit der Übernahme der im Kurzzeitspeicher verarbeiteten Informationen in den
Langzeitspeicher findet ein Lernprozess und somit der Aufbau von Wissen statt (vgl.
Kroeber-Riel/Weinberg 1996, S. 334). Der Langzeitspeicher entspricht dem
Gedächtnis des Menschen, dient der langfristigen Speicherung von Informationen und
somit dem Aufbau von Wissen und Erfahrung. Wissen und Erfahrung beeinflussen
wiederum die Informationsverarbeitung und können somit auch Einfluss auf den Wert
von Produktvielfalt, insbesondere auf die Kostendimension haben.
Sensorischer Speicher
Langzeitspeicher
Kurzzeitspeicher
Speichermenge
0,1 – 1 Sek. einige Sek. (sehr) lange
Speicherzeit
Abbildung 20: Kurzzeitspeicher ist Engpass bei der menschlichen Informationsverarbeitung
(schematische Darstellung). In Anlehnung an Kuß/Tomczak 2000, S. 29
Die begrenzte menschliche Informationsverarbeitungskapazität lässt sich anhand der
drei-Speicher-Struktur erklären: Diese besteht mit dem sensorischen und dem
Langzeitspeicher aus zwei Speichern, die über sehr große Verarbeitungskapazität,
aber unterschiedliche Speicherdauer verfügen. Sie sind durch einen Speicher mit
begrenzter Kapazität, dem Kurzzeitspeicher verbunden (vgl. Kuß/Tomczak 2000,
73

S. 28) (siehe Abbildung 20). Die Übertragung von Informationen vom
Kurzzeitgedächtnis in den Langzeitspeicher und die dortige Kodierung und
Speicherung erfordert einen Zeitaufwand von einigen Sekunden, was in Kombination
mit der begrenzten Verarbeitungskapazität den Kurzzeitspeicher zum „Engpass der
menschlichen Informationsverarbeitung“ macht (Kuß/Tomczak 2000, S. 28).
Übertragen auf die hier behandelte Fragestellung heißt dies: Wollen Konsumenten aus
einer großen Anzahl von Produktalternativen eine auswählen, kann die während des
Vergleichsprozesses zu verarbeitende Informationsmenge die Verarbeitungskapazität
des Entscheiders überschreiten und ihn dadurch überfordern. Dies kann zur
Anwendung vereinfachender Entscheidungsregeln durch den Konsumenten und einer
damit verbundenen Verschlechterung der Entscheidungsqualität führen (vgl.
Payne/Bettman/Johnson 1993, S. 2f.). Die Informationsüberlastung kann weiterhin zu
„feelings of anxiety and unpleasantness associated with the decision-making process“
(Hausman 2000, S. 410) führen, worauf Konsumenten u. a. mit impulsiven
Kaufentscheidungen reagieren (vgl. Hausman 2000, S. 410ff.).
Jacoby und seine Kollegen (1974a,b; 1977) haben den Zusammenhang von
Informationsmenge und Entscheidungsqualität in mehreren Experimenten untersucht.
Empirische Untersuchungen zum Information Overload Effekt
Im ersten Experiment von Jacoby, Speller und Kohn (1974, S. 63ff.) erhielten
Konsumenten Informationen zu einzelnen Produkten und deren Attribute in Form
einer Information-Display-Matrix (Merkmale x Alternativen – Matrix) und wurden
aufgefordert, unter Beachtung aller in der Matrix enthaltenen Informationen ein
Produkt auszuwählen. Jacoby et al. operationalisierten die unabhängige Variable
„Informationsmenge“ dabei als Produkt von Alternativenzahl und Merkmalsinformation
und variierten diese, indem sie einerseits die Anzahl der Alternativen (4, 8
oder 12 Waschmittelmarken) und andererseits die Anzahl der Merkmale pro Produkt
(2, 4 oder 6 Attribute pro Produkt) veränderten. Demnach musste beispielsweise ein
Konsument bei acht verfügbaren Alternativen, die jeweils durch vier Merkmalen
beschrieben sind, eine Informationsmenge von insgesamt 32 (= 4 x 8) Informationseinheiten
verarbeiten.
Die abhängige Variable „Entscheidungsqualität“ wurde gemessen als Anteil der
„richtigen Entscheidungen“. Eine Entscheidung galt als „richtig“, wenn die gewählte
Alternative der auf individuell erhobenen Merkmalsausprägungen und
74

Merkmalswichtigkeiten basierenden Idealmarke des Konsumenten besser entsprach,
als alle anderen Alternativen.
Der Zusammenhang von Informationsmenge und Entscheidungsqualität, den die
Experimente gezeigt haben, lässt sich als „Mehr ist nicht besser!“ (Bleicker 1983,
S. 10) zusammenfassen und ist in Abbildung 21 dargestellt. Die Grafik verdeutlicht,
dass die Entscheidungsqualität zunächst mit zunehmender Informationsmenge steigt
und dann, nach dem Überschreiten eines Optimums, fällt.
Anzahl
richtiger
Entscheidungen
10
9
8
7
6
5
4
3
2
1
0
0 8 16 24 32 48 72
Informationsmenge
(Attribute x Marken)
Abbildung 21: Der Information Overload Effekt: Zusammenhang von Entscheidungsqualität und
Informationsmenge. In Anlehnung an Jacoby/Speller/Kohn 1974, S. 66
Für den hier betrachteten Zusammenhang ist in erster Linie nicht der Einfluss der
Gesamtinformationsmenge, sondern der Einfluss der Alternativenanzahl von Interesse.
Hierfür muss die Wirkung von Attribut- und Alternativenzahl getrennt betrachtet
werden. In Abbildung 22 erfolgt dies grafisch für die erste Untersuchung von Jacoby
et al. (Jacoby/Speller/Kohn 1974, S. 63ff.) und eine im Versuchsaufbau leicht
modifizierte 21 zweite Studie (Jacoby/Speller/Berning 1974, S. 33ff.).
21 4 x 4, anstatt 3 x 3 Matrix mit maximal 256 statt 72 Informationseinheiten
75

Anteil der Personen,
die die "richtige"
Marke wählten
(%)
90
80
70
60
Anzahl
Attribute
16
6
12
Mit Vielfalt sinkende Qualität
Mit Vielfalt zunächst steigende, dann
sinkende Qualität
Mit Vielfalt steigende Qualität
50
40
4
30
4
20
10
8
2
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Anzahl Alternativen
Abbildung 22 Die Entscheidungsqualität in Anhängigkeit der Merkmals- und Alternativenzahl. Daten
aus Bleicker 1983, S. 12
Die Abbildung veranschaulicht, dass die Entscheidungsqualität bei geringer
Alternativenanzahl mit der Anzahl verfügbarer Attributinformationen steigt. Erhöht
sich die Anzahl der Produkte, so nimmt die Entscheidungsqualität mit Ausnahme des
Zwei-Attribut-Falls tendenziell ab. Bei Produkten mit 4 und 8 Attributen steigt sie
zunächst bei der Erhöhung von 4 auf 8 Alternativen, fällt aber auch dann bei einer
weiteren Erhöhung der Alternativenzahl. Die Entscheidungsqualität sinkt laut der
Ergebnisse von Jacoby et al. somit für Produkte mit mehr als zwei Attributen nach
Überschreiten eines Optimums mit zunehmender Alternativenzahl.
Der Gesamteffekt im Sinne einer multiplikativen Verknüpfung von Marken- und
Merkmalsanzahl ergab den in Abbildung 21 (S.75) dargestellten nicht-linearen Verlauf
der Entscheidungsqualität in Abhängigkeit von der Gesamtinformation in Form einer
zunächst zunehmenden und nach einem Optimum abnehmenden Kurve. Diese
Grundform der Abhängigkeit fand sich auch bei einer modifizierten Operationalisierung
der Entscheidungsqualität 22 (vgl. Jacoby/Speller/Berning 1974, S. 37f.).
22 Anstatt des oben beschriebenen „Most Preferred Brand Accuracy“ verwendeten Jacoby et al. einen
mittels des Kendall’schen Konkordanzkoeffizienten errechneten „Rank Order Accuracy“, welcher
die Korrelation zwischen der Rangreihe der tatsächlichen Wahl und der Rangreihe, die sich aus der
Beschreibung der Idealmarke ergibt (vgl. Berndt 1983, S. 98), wiedergibt.
76

In einem weiteren Experiment haben Jacoby, Szybillo und Busato-Schach (1977,
S. 209ff.) die Realitätsnähe erhöht, indem sie es den Testpersonen freistellten, wie
viele Merkmalsinformationen sie zu den vier, acht bzw. zwölf Marken haben wollten.
Dabei konnten sie einen ähnlichen Verlauf der Entscheidungsqualität in Abhängigkeit
von der Alternativenzahl feststellen, wie dies vorher für die Gesamtinformationsmenge
der Fall war. Ferner konnten sie beobachteten, dass die Versuchspersonen,
unabhängig von der Anzahl der verfügbaren Marken, durchschnittlich nur 5,05
Informationen pro Marke wünschten.
Die Studien von Jacoby und seinen Kollegen haben in der Fachwelt heftige und
kontroverse Diskussionen ausgelöst und wurden teilweise stark kritisiert. Im Zentrum
der Kritik standen dabei Definition und Operationalisierung der Informationslast, die
Marken und Attribute als gleich wichtig betrachtet (vgl. z. B. Wilkie 1974, S. 463ff.).
Summers (1974) bemerkt hierzu, dass die Entscheidungsqualität von der Struktur der
Informationsmenge abhängig ist 23 und insbesondere von der Alternativenstruktur
beeinflusst wird. So ist es sicherlich leichter, aus einem Sortiment mit einer eindeutig
dominierenden Alternative zu wählen, verglichen mit einer Produktset, das aus vielen
gleichwertigen Alternativen besteht, die sich nur geringfügig unterscheiden (vgl.
Summers 1974, S. 467ff.). Ferner wurde auch die nicht-lineare Abhängigkeit der
Entscheidungsqualität von der Informationslast, und somit das Gesamtergebnis der
Studien angezweifelt, da die Datenmenge unzureichend („A trend based on a single
point is hardly convincing“ (Russo 1974, S. 68)) und die verwendeten statistischen
Verfahren (Chi-Quadrat-Test, Varianzanalyse) ungeeignet seien (Malhotra et al. 1982,
S. 29ff.). Bezieht man die teils kontroversen Ergebnisse früherer und auch späterer
Untersuchungen 24 (vgl. z. B. Streufert/Driver 1965; Anderson et al. 1966,
Jacoby/Speller/Kohn 1974; Patton 1981; Scammon 1977, Stanley 1977; Ratchford/van
Raaij 1980; Witte 1972; Bronner/Witte/Wissodlo 1972) in die Diskussion mit ein, so
kann man folgern, dass der Effekt der Informationsüberlastung nicht eindeutig
nachgewiesen werden konnte (vgl. Berndt 1983, S. 112).
Jacoby (1984) fasst die Diskussion folgendermaßen zusammen:
23 Er führt hierzu als Beispiel an, dass bei einer Informationslast von 16 und gleicher Samplegröße
einmal 3 und ein andermal 6 „korrekte“ Entscheidungen getroffen wurden, abhängig davon, ob 8
Marken mit jeweils 2 Attributen oder 4 Marken mit jeweils 4 Attributen zur Wahl standen (vgl.
Summers 1974, S. 467).
24 Berndt (1983, S. 103ff.) gibt eine detailliertere Darstellung der Ergebnisse der einzelnen
Untersuchungen.
77

„Can consumers be overloaded? Yes, they can. Will consumers be
overloaded? Generally speaking, no, they will not. (sic!) This is because they
are highly selective in how much and just which information they access, and
tend to stop well short of overloading themselves“ (Jacoby 1984, S. 435).
Der Autor geht damit auf die Kritik ein, dass die Versuchspersonen in seinen Studien
angehalten waren, alle verfügbaren Informationen, d. h. alle Marken und Attribute bei
ihrer Entscheidung zu berücksichtigen und diese kompensatorisch zu verarbeiten. In
der Realität können Konsumenten aber wählen, wie viele Marken und Attribute sie bei
der Wahl berücksichtigen und wie sie die Informationen verarbeiten.
In diesem Zusammenhang ist wichtig, dass Konsumenten die Art der Informationsverarbeitung
abhängig von der Komplexität und der zu erzielenden Genauigkeit der
Entscheidung wählen, indem sie entsprechende Entscheidungsstrategien bzw.
Heuristiken anwenden (vgl. Payne/Bettman/Johnson 1993, S. 13f., S. 92ff.; siehe
hierzu auch die Ausführungen zu Heuristiken ab Seite 20). In Bezug auf die Wirkung
hoher Produktvielfalt bedeutet dies folgendes:
Werden Konsumenten von der angebotenen Vielfalt überfordert, können sie die
Entscheidungskomplexität verringern, indem sie die bei der Entscheidung
berücksichtigten Alternativen und Attribute auf eine überschaubare Anzahl reduzieren.
Abbildung 23 veranschaulicht die Ergebnisse verschiedener Studien, die die Anzahl
der verfügbaren und bei der Entscheidung berücksichtigten Produkte gegenüberstellt.
Dabei wird deutlich, dass Konsumenten beim Kauf von teuren (PKW, Kamera) oder
wichtigen (Kopfschmerzmittel) Produkten zwischen 50% und 100% der Alternativen
bei der Entscheidung berücksichtigen, wobei dieser Anteil mit zunehmender
Alternativenanzahl tendenziell sinkt. Bei Produkten des täglichen Bedarfs (Kaffee,
Frühstücksflocken) wird dagegen nur rund ein Drittel der Alternativen in die
Entscheidung einbezogen 25 . Hierbei wird meist impulsiv oder habitualisiert
entschieden (siehe auch S. 34ff.) (vgl. hierzu auch Raffée et al. 1979, S. 122).
Dennoch zeigt sich, dass Käufer auch in diesem Fall bis zu 25% der Alternativen bei
ihrer Entscheidung nicht berücksichtigen.
25 Die Ergebnisse hinsichtlich des Kaufs von Margarine sind deshalb schwer nachvollziehbar.
78

Anzahl
berücksichtigte
Alternativen
20
100% Berücksichtigung
(Alternativen)
15
Trend
Kopfschmerzmittel
10
5
PKW
Kamera
Kamera
Kaffeemaschine
Margarine
Kaffee
50% Berücksichtigung
(Alternativen)
Frühstückflocken
0
0 5 10 15 20
Anzahl verfügbare Alternativen
Abbildung 23: Vergleich verfügbarer und bei der Entscheidung berücksichtigter Alternativenzahl für
verschiedene Produktarten. Daten aus Bleicker 1983, S. 16
Zusammenfassung und Bezug zur vorliegenden Untersuchung
Im Hinblick auf Kosten und Nutzen von Produktvielfalt lässt sich aus den
Ergebnissen der beschriebenen Studien von Jacoby und seinen Kollegen
schlussfolgern, dass Konsumenten, die sich einer großen Produktvielfalt gegenüber
sehen, aufgrund der hohen kognitiven Last, die zu deren vollständiger Verarbeitung
notwendig wäre, die Betrachtung auf eine überschaubare Anzahl von Alternativen und
Attributen reduzieren. Bei der Entscheidung nicht berücksichtigte Produkte können
dem Konsumenten somit aber auch keinen Nutzen stiften. Die Experimente von
Jacoby und seinen Kollegen konnten sogar das Gegenteil zeigen: Die Entscheidungsqualität
hat mit der Anzahl der verfügbaren Alternativen nach dem Überschreiten eines
Optimums abgenommen.
Berndt (1983) spricht deshalb in Analogie zum ersten Gossen’schen Gesetz der
mikroökonomischen Haushaltstheorie vom abnehmenden Grenznutzen von
Informationen: „Hat jede zusätzlich beschaffte Informationseinheit einen geringeren
Grenznutzen, so steigt der Gesamtnutzen der Informationen in immer geringer
werdenden Raten bis zu einem Maximum (‚Sättigungspunkt’), von wo ab er wieder
sinkt; der Grenznutzen wird dann negativ“ (Berndt 1983, S. 47). Der Grund hierfür
liegt in der begrenzten menschlichen Informationsverarbeitungskapazität: Zusätzlich
verfügbare Informationen erbringen immer weniger zusätzlichen Nutzen, da der
Entscheider sie aufgrund seiner eingeschränkten Verarbeitungskapazität nicht mehr
79

effizient verarbeiten kann. Letztlich kommt es so zur Überforderung des Organismus
und der Grenznutzen wird negativ (vgl. Berndt 1983, S: 47f.).
Aus den Ausführungen zur Hypothese zum Informationsdefizit folgt aber gleichzeitig,
dass hohe Vielfalt Konsumenten die Möglichkeit gibt, sich umfassend über Produkte
und ihre Eigenschaften zu informieren und so einen guten Marktüberblick zu
bekommen. Die so gewonnene breite Informationsbasis kann die Entscheidungsqualität
verbessern, so lange der Konsument dabei nicht überfordert wird.
Die nachfolgend erläuterte Theorie des Optimum Stimulation Level geht von ähnlichen
Zusammenhängen von Produktvielfalt und Konsumentenverhalten aus, erklärt diese
aber nicht auf der Basis der Informationsverarbeitung, sondern mit Hilfe der
Motivationstheorien. Hierbei steht die motivierende Kraft zu hoher bzw. zu geringer
Stimulation z. B. eines Sortiments im Vordergrund.
2.2.2 Die Theorie des Optimum Stimulation Level
Grundannahme der Theorie des Optimum Stimulation Level (OSL) ist, dass die
affektive Reaktion einer Person auf interne oder durch die Umwelt induzierte
Stimulation einem umgekehrt-u-förmigen Verlauf folgt, mit „intermediate levels of
stimulation perceived as the most satisfying“ (Steenkamp/Baumgartner 1992, S. 434).
In einer Produktwahlsituation kann die Höhe der Stimulation nach Berlyne (1960,
1968, zitiert nach Menon/Kahn 1995, S. 286) insbesondere durch die Neuigkeit
(Novelty), Komplexität (Complexity), Unsicherheit (Uncertainty), Mehrdeutigkeit
(Ambiguity), die Unvereinbarkeit (Incongruity), die Unterschiedlichkeit (Change) und
das Überraschungspotenzial (Surprise) der Stimuli oder der Situation und damit
insbesondere auch durch die Art und die Höhe der Produktvielfalt beeinflusst
werden.
Die Theorie des Optimum Stimulation Level geht auf Arbeiten von Hebb (1955) und
Leuba (1955) zur Erklärung des Lernverhaltens von Individuen zurück und hat zum
Ziel, die Erklärungslücke „between a modified reinforcement theory and classical
conditioning“ (Leuba 1955, S. 32) zu schließen. Im Gegensatz zu den oben erläuterten
Hypothesen des Informationsdefizits und der Informationsüberlastung, die auf die
kognitiven Aspekte der Informationsverarbeitung zur Erklärung des menschlichen
Verhaltens fokussieren, ist die Theorie des OSL eher den Motivationstheorien
80

zuzuordnen, welche die affektive Komponente als zentrale Triebkraft des Verhaltens
betrachten (vgl. Steenkamp/Baumgartner 1992, S. 434, Kroeber-Riel/Weinberg 1996,
S. 141ff.).
Die OSL-Theorie geht davon aus, dass ein Individuum versucht, ein für sich optimales
Niveau an Stimulation zu erreichen. Weicht die momentane Stimulation von diesem
Optimum ab, führt dies zu entsprechendem Verhalten des Konsumenten, der – je nach
momentanem Stimulationsniveau – dieses entweder erhöht oder reduziert: „The
organism tends to acquire those reactions which, when over-all stimulation is low, are
accompanied by increasing stimulation; and when over-all stimulation is high, those
which are accompanied by decreasing stimulation“ (Leuba 1955, S: 29; vgl. auch
Jones 1969, Raju 1980, S. 272).
Menon und Kahn (1995) greifen diese Argumentation zur Erklärung des Bedürfnisses
von Konsumenten nach Vielfalt (Variety Seeking) und deren Umgang mit zu hoher
Vielfalt auf:
„ (...) when an environment provides low stimulation (below the optimum
level), the individual is bored and the desire for increased stimulation rises.
This leads to exploration, novelty seeking, or variety seeking, whereby the
individual seeks to increase stimulation from any source in the environment.
Conversely, if the environment provides very high stimulation (above the
optimal level), the individual seeks more moderate situations by reducing or
simplifying input from the environment by means such as avoidance of novelty
or variety” (S. 286).
Das Niveau der Stimulation, das ein Individuum als optimal empfindet, ist
intra-individuell relativ stabil, variiert aber inter-individuell (vgl. Mittelstaedt et al.
1976, S. 86). Raju (1980) beschreibt das OSL folglich als „property that characterizes
an individual in terms of his general response to environmental stimuli“ (S. 272). In
empirischen Untersuchungen konnte ein positiver Zusammenhang zwischen dem OSL
einer Person und deren Neigung zu explorativem Verhalten 26 wie z. B.
Risikofreudigkeit, Markenwechselneigung, Variety-Seeking, Adaption neuer Produkte
und Informationssuche festgestellt werden (vgl. Raju 1980; Joachimsthaler/Lastovicka
26 Berlyne (1963) definiert exploratives Verhalten (Exploratory Behavior) als „behavior with the sole
function of changing the stimulus field“ (S. 288) und konkretisiert dessen Zweck als „(…) (to)
afford access to environmental information that was not previously available” (Berlyne 1960,
S. 79).
81

1984; Wahlers/Dunn/Etzel 1986, S. 389ff.; Steenkamp/Baumgartner 1992;
Mittelstaedt et al. 1976, Menon/Kahn 1995). Ferner hat sich gezeigt, dass das OSL im
Zusammenhang mit demografischen Variablen steht, negativ mit dem Alter und
positiv mit dem Ausbildungsniveau korreliert (vgl. Raju 1980, S. 277, Kisch/Busse
1968; Robertson 1971). Eine Person mit hohem OSL lässt sich damit als „one who has
a stronger than average need to seek and approach situations, activities, and ideas
which are novel, changing, complex, surprising, and more intense“
(Kish/Donnenwerth 1969, S. 49) charakterisieren.
Für diese Arbeit ist insbesondere der von Raju (1980) gezeigte Zusammenhang
zwischen dem OSL und dem Wunsch nach Vielfalt und Abwechslung einer Person
von Interesse: Demnach neigen Personen mit hohem OSL eher dazu „to seek change
or variety“ (S. 276). Ferner beschreibt Raju, dass Personen mit hohem OSL „feel less
threatened by ambiguous stimuli and are more likely to respond rather than withdraw
from such stimuli“ (Raju 1980, S. 280). Individuen mit hohem OSL reagieren folglich
auf uneindeutige Stimuli in einer Kaufsituation, wie z. B. eine Produktauswahl ohne
dominierende Alternative, nicht mit sofortigem Kaufabbruch, sondern empfinden den
hohen Stimulationsgrad evtl. sogar als angenehm.
Der von der Theorie des Optimum Stimulation Levels postulierte Zusammenhang von
Stimulationshöhe und affektiver Reaktion des Konsumenten gleicht der von Berlyne
(1971) untersuchten Abhängigkeit des Hedonic Value von der Höhe des
Erregungspotenzials (Arousal Potential) einer Situation. Der Hedonic Value beschreibt
dabei „the pleasure and the reward value people receive from increasing or
decreasing arousal“ (Hank/Prinkey 1986, S. 124). Diese Größe stellt somit ebenfalls
eine affektive Reaktion auf die Höhe des Stimulationsniveaus einer Situation dar. Der
Theorie von Berlyne (1971) folgend, führt eine Erhöhung des Arousal Potentials
zunächst zu einem höherem positiven Hedonic Value, bis dieser nach einem
bestimmten Punkt, der als „optimum arousal level“ (Hank/Prinkey 1986, S. 124)
bezeichnet werden kann, mit weiter steigendem Erregungspotential sinkt und
schließlich negativ wird. Hank und Prinkey (1986) konnten zeigen, dass der
Optimalpunkt von den Persönlichkeitsmerkmalen des Konsumenten (Introverts vs.
Extroverts) abhängig ist und somit interpersonell schwankt (vgl. Hank/Prinkey 1986,
S. 128ff.). Abbildung 24 stellt den Zusammenhang grafisch dar.
82

Positive
Hedonic
Value
Introverts
Extroverts
Arousal
Potential
Negative
Hedonic
Value
Abbildung 24: Zusammenhang von Erregungspotenzial (Arousal Potential) und Hedonic Value und
deren Abhängigkeit von Persönlichkeitsmerkmalen (Extroverts im Vergleich zu Introverts). Quelle:
Hank/Prinkey 1986, S. 126)
Eine ähnliche Erklärung des Konsumentenverhaltens liefert auch das auf Faison (1977,
S. 172ff.) zurückgehende theoretische Konzept „The variety drive“, das ebenfalls
davon ausgeht, dass der Mensch einen gewissen „Spannungszustand“ als ideal
empfindet. Hierauf soll aber an dieser Stelle nicht näher eingegangen werden.
Zusammenfassung und Bezug zur Untersuchung
Fasst man die obigen Erläuterungen und Ergebnisse zusammen, so lassen sich daraus
im Wesentlichen zwei Konsequenzen für diese Untersuchung ableiten:
Zum einen bietet die Theorie des Optimum Stimulation Level einen motivationstheoretischen
und somit affektiv begründeten Ansatz zur Erklärung des Werts von
Produktvielfalt. Die Theorie stellt insbesondere einen Bezug zu bestimmten
Verhaltensweisen von Konsumenten bei zu geringer bzw. zu großer Vielfalt her. So
kann zu geringe Produktauswahl in einem Geschäft Konsumenten dazu motivieren, ein
weiteres Geschäft mit einer größeren Auswahl aufzusuchen und somit zum
vorläufigen Abbruch bzw. Aufschub der Kaufhandlung führen. Auf zu hohe
Produktvielfalt reagiert der Konsument im (für den Anbieter) besten Fall damit, dass
er einen Teil der Produkte oder Produktinformationen nicht beachtet und dadurch die
Stimulation reduziert, im schlimmsten Fall tut er dies, indem er das Geschäft verlässt
und den Kauf in einem anderen Geschäft mit geringerer Auswahl fortsetzt. Insgesamt
83

liefert die Theorie des Optimum Stimulation Level Hinweise dafür, dass sehr hohe
Auswahlvielfalt das Kaufverhalten und die Kauf(prozess)bewertung negativ
beeinflussen. Will man auf einen funktionalen Zusammenhang von Produktvielfalt,
Kaufintention und Zufriedenheitsurteilen schließen, so legt diese Theorie die
Annahme eines umgekehrt-u-förmigen Zusammenhangs nahe. Die Ableitung einer
funktionalen Abbildungsvorschrift von Produktvielfalt und deren Wert aus
Konsumentensicht ist aber nicht Bestandteil der vorliegenden Untersuchung.
Der zweite wichtige Punkt für diese Untersuchung ergibt sich aus dem
inter-individuellen Unterschied des OSL: Personen empfinden ein unterschiedlich
hohes Niveau an Stimulation als optimal. Übertragen auf Kosten und Nutzen von
Produktvielfalt bedeutet dies, dass Nutzen- und Kostenaspekte von Person zu Person
schwanken, abhängig davon, ob die vorgefundene Produktvielfalt unterhalb, oberhalb
oder im Optimum des Konsumenten liegt. Es bietet sich deshalb an, das OSL als
personenspezifischen Moderator in die Untersuchung einzubeziehen.
2.2.3 Produktvielfalt und „The Tyranny of Freedom”
Barry Schwartz (2000) argumentiert in seinem vielbeachteten Artikel
„Self-Determination: The Tyranny of Freedom“, dass „freedom, autonomy and
self-determination can become excessive, and that when that happens, freedom can be
experienced as a kind of tyranny“ (S. 79). Schwartz stellt dabei insbesondere die von
der rationalen Entscheidungstheorie (Rational Theory of Choice) angenommene
positive Wirkung der durch Handlungs- und Entscheidungsmöglichkeiten entstandene
Freiheit, Autonomie und Selbstbestimmtheit auf das (psychische) Wohlbefinden eines
Individuums in Frage (vgl. Schwartz 2000, S. 80f). The Tyranny of Freedom
beschäftigt sich somit im Kern mit der Fragestellung, ob es für einen Konsumenten
vorteilhaft ist, sehr viele Optionen zur Wahl zu haben, anstatt aus einer
überschaubaren Menge an Alternativen zu wählen. Schwartz kommt hierbei zu dem
Schluss, dass sich eine übermäßige Anzahl an Optionen zur Allokation von Geld und
Zeit negativ auf den Entscheidungsprozess und das emotionale Wohlbefinden des
Konsumenten auswirken kann (vgl. S. 84).
Zur Begründung seiner Folgerung stellt Schwartz die allgemeine Gültigkeit
zentraler Annahmen der rationalen Entscheidungstheorie in Frage. Hierzu gehören
beispielsweise die Annahme geordneter Präferenzen und vollständiger Information
des Konsumenten und dessen Nutzenmaximierungsziel bei der Entscheidung.
84

So argumentiert er z. B., dass die Annahme geordneter Präferenzen hinsichtlich aller
mit einem bestimmten Ressourceneinsatz erzielbarer Optionen sowohl vollständige
Informationen über alle Optionen, als auch die Möglichkeit zur Verarbeitung dieser
Informationen durch den Konsumenten voraussetzt (vgl. Schwartz 2000, S. 81ff.).
Schwartz kommt deshalb zu folgendem Schluss:
„The idea that people are rational choosers is on the one hand too rich, by
giving people credit for more calculation and flexibility than they possess, and
on the other hand too impoverished, by failing to appreciate a range of
influences on decision making that are not themselves amenable to rational
calculation“ (Schwarz 2000, S. 83).
Der Autor betont weiterhin, dass sich zu hohe Vielfalt nicht nur negativ auf den
Kaufprozess, sondern auch auf die affektiven Reaktionen nach dem Kauf auswirken
kann. Kaufentscheidungen hinterlassen bei Konsumenten dann ein „dissatisfied
feeling that they might have done better“ (S. 84).
Um seine Theorie empirisch zu untermauern, greift Schwartz auf die Theorie der
Learned Helplessness zurück (vgl. Schwartz 2000, S. 85). Diese besagt, dass
Steuerbarkeit (Control) und Autonomie (Autonomy) des eigenen Handelns wichtige
Voraussetzungen für die mentale Gesundheit sind (z. B. Abramson/Metalsky/Alloy
1989; Peterson/Maier/Seligmann 1993; zitiert nach Schwartz 2000, S. 85). Fehlen
diese, können dadurch unter bestimmten Umständen Depressionen entstehen. Im
Umkehrschluss, so Schwartz, bedeutet dies, „that having control over significant
things in one’s life is important to preventing clinical depression“ (S. 85).
Dieser Theorie folgend, ist es nach Schwartz verwunderlich, dass sich in den USA,
dem sprichwörtlichen „Land der unbegrenzten Möglichkeiten“ mit fast unbegrenzten
Wahlmöglichkeiten, die Anzahl der an Depressionen leidenden Personen seit der
Jahrhundertwende in etwa verzehnfacht hat (vgl. Schwartz 2000, S. 85). Der Autor
führt diese Entwicklung auf drei Gründe zurück (vgl. Schwartz 2000, S. 85f.):
Erstens hat die zunehmende (Wahl)freiheit zu übertriebenen und unrealistischen
Erwartungen geführt, die stets von Perfektion ausgehen. Individuen haben diesen
hohen Anspruch insbesondere auch gegen sich selbst. In diesem Zusammenhang hat
die Individualisierung der (amerikanischen) Gesellschaft, die Schwarz als zweiten
Grund anführt, dazu beigetragen, dass eine Person die Schuld für – unvermeidbares –
suboptimales Verhalten in erster Linie bei sich selbst sucht. Drittens hat die Betonung
von Autonomie und eigener Steuerung zur Abnahme der Zugehörigkeit und Bindung
85

an soziale Gruppen geführt, wodurch eine der wichtigsten „Abwehrmöglickeiten“ von
Depressionen an Einfluss verloren hat.
Auf Basis dieser Argumentation kommt Schwarz (2000) zum Schluss, dass „freedom
of choice is not all it’s cracked up to be, at least not with respect to psychological
well-being“ (S. 86).
Die theoretischen Überlegungen von Schwarz beziehen sich auf verschiedene
Lebenssituationen, in denen Individuen eine von vielen Alternativen wählen können.
In dem im nächsten Abschnitt beschriebenen „theoretischen Konzept“ überträgt
Desmeules (2002) die Überlegungen von Schwartz auf die Wirkung von
Produktvielfalt in einer Kaufentscheidungssituation.
The Impact of Variety on Consumer Happiness: Marketing and the Tyranny of
Freedom (Desmeules 2002)
Desmeules (2002) greift in seinem Artikel auf Erkenntnisse und Annahmen der
Tyranny of Freedom (Schwartz 2000, S. 79ff.) zur Erklärung der Wirkung von Vielfalt
auf das Konsumerlebnis einer Person zurück. Er leitet daraus einen
umgehehrt-u-förmigen Zusammenhang von Vielfalt und dem von ihm als
„positiveness of consumption experience“ (S. 9) bezeichneten (positiven)
Konsumerlebnis ab. In Abbildung 25 wird dieser grafisch dargestellt. Die Verwendung
der Bezeichnung „positiveness of consumption experience“ an Stelle von z. B.
Zufriedenheit begründet der Autor damit, dass – wie später gezeigt wird – übermäßige
Vielfalt aufgrund von Bedauern und Frustration zum Kaufabbruch führen kann und
Zufriedenheit auf der Basis des Expectation-Disconfirmation Modells dann nicht mehr
messbar ist (S. 9).
86

Positiveness of
consumption
experience
(Consumer
Happiness)
Erwartungen
Risiko
Involvement
Erfahrung
"Nutzeneffekte"
• höherer Bedürfniserfüllungsgrad
• mehr Spaß
"Kosteneffekte"
• Komplexe Informationsverarbeitung
• Mehr Verwirrung und
Frustration
• Antizipiertes Regret
1 2 3
Point of
Satisfaction
Point of
Regret
Variety
Abbildung 25: Zusammenhang von Produktvielfalt und positiver Konsumerfahrung. In Anlehnung an
Desmeules 2002, S. 10
Der in Abbildung 25 dargestellte Graph, der den Zusammenhang von Produktvielfalt
und positivem Konsumerlebnis darstellt besteht aus drei Abschnitten:
• Einem ansteigenden Teil (1),
• einem relativ flachen Plateau (2)
• und einem abfallenden Abschnitt (3).
Die drei Teile des Graphen werden dabei durch die als Point of Satisfaction bzw.
Point of Regret bezeichneten Stellen auf der x-Achse voneinander getrennt.
Der Anstieg des Kurvenverlaufs im ersten Abschnitt bis zum Point of Satisfaction ist
darauf zurückzuführen, dass durch die Verfügbarkeit mehrerer Optionen einerseits der
Erfüllungsgrad der Bedürfnisse des Konsumenten steigt (S. 9) und sich die Auswahl
andererseits positiv auf den hedonistische Wert des Einkaufserlebnisses auswirkt, d. h.
das Einkaufen macht aufgrund der größeren Wahlmöglichkeiten mehr Spaß (S. 8). Ist
mit dem Point of Satisfaction der Beginn des Plateaus (2) erreicht, wird durch weitere
Optionen das positive Einkaufserlebnis weder gesteigert noch gemindert, bis mit dem
Point of Regret das Ende des Plateaus erreicht ist: „Increased variety is an advantage
to a consumer only up to a point“ (Baumol/ Ide 1956, S. 96).
Im Bereich des Plateaus kann der Konsument die zusätzlichen Optionen
berücksichtigen oder ignorieren, ohne dass sich dadurch die (positive) Wahrnehmung
des Kaufprozesses verändert. Vom Point of Regret an beginnt die Kurve zu fallen, da
„stress, frustration, disengagement from the process, or anticipated/experienced
87

egret caused by heightened expectations and/or an inability to conduct all the
evaluations and calculations (mathematically or otherwise) necessary to arrive at a
choice“ (S. 9) das positive Erleben des Entscheidungsprozesses mindern und im
Extremfall zu dessen Abbruch führen können.
Den negativen Effekt hoher Vielfalt auf das Kauferlebnis erklärt Desmeules (2002,
S. 10) auf Basis derTheorie der „Tyranny of Freedom“ (Schwartz 2000): Die hohe
Vielfalt und der damit verbundene Beurteilungsaufwand überfordern den
Konsumenten, was dazu führt, dass dieser die erste „zufrieden stellende“ Option wählt
und dadurch das Risiko eingeht, eine bessere Alternative auszuschlagen (vgl.
Muraven/Baumeister 2000, S. 247ff.; Keinan 1987, S. 639ff.). Der Rückgriff auf eine
vereinfachende Heuristik führt zu einem Verlust der Kontrolle über den
Entscheidungsprozess seitens des Käufers und kann als gelernte Hilflosigkeit (Learned
Helplessness) (siehe S. 85) und somit als Teil der Theorie der „Tyranny of Freedom“
interpretiert werden (vgl. Desmeules 2002, S. 10; Schwarz 2000; Schwarz et al. 2002).
Nach der Argumentation von Desmeules (2002) führt hohe Vielfalt außerdem dazu,
dass Kunden ihre Erwartungen und Ziele zu hoch stecken und dann von sich selbst
enttäuscht sind, wenn sich diese nicht erfüllen bzw. sie diese nicht erreichen: „These
poor self-evaluations then produced emotional distress (...)“ (Desmeules 2002, S. 10).
Unterstützt wird die Schlussfolgerung des Autors auch durch die Untersuchungen von
Baumeister/Heatherton/Tice (1994), die zeigen, dass unrealistische Ziele zu einem
Versagen der Selbstkontrolle (Self-Regulation) und dadurch zu negativen Emotionen
führen.
Die Lage des Point of Regret auf der x-Achse und damit der Beginn der negativen
Wirkung von Produktvielfalt hängt nach Desmeules (2002, S. 11) vor allem von der
Erfahrung und Expertise des Konsumenten, dessen Erwartungen, Involvement und
wahrgenommenem Risiko ab. So ist davon auszugehen, dass der Point of Regret eines
Konsumenten, der mit der Produktkategorie vertraut ist, weiter rechts auf der x-Achse
liegt, als der eines unerfahrenen Konsumenten. Der erfahrene Käufer kann damit mehr
Vielfalt „verarbeiten“ als der unerfahrene. Dies ist damit zu begründen, dass ein
„Experte“ die (für sich) entscheidungsrelevanten Attribute eines Produktes kennt und
auf dieser Basis die verfügbaren Optionen schnell auf eine überschaubare und
verarbeitbare Anzahl an Alternativen, die für den Kauf in Frage kommen
(Consideration Set), reduzieren kann (vgl. z. B. Huffmann/Kahn 1998, S. 492ff.;
Bettman/Park 1980, S. 242ff., Rao/Monroe 1988, S. 254ff.).
88

Höhere Erwartungen, größeres Risiko und höheres Involvement bewirken nach
Desmeules (2002, S. 11.) eine Verschiebung des Point of Regret nach links:
Hohe Erwartungen, die durch die Vielfalt selbst oder durch Werbung gefördert
werden (vgl. Richins 1991), können, wie bereits erläutert, zur Enttäuschung über die
eigene Unfähigkeit, das beste Produkt zu finden, und dadurch zur Antizipation von
Bedauern führen. Der Point of Regret von Personen, die sehr hohe Erwartungen haben
– Schwartz et al. (2002) bezeichnen diese als „Maximizers“ (S. 1178) – sollte folglich
im Vergleich zu Personen mit geringeren Erwartungen („Satisficers“) weiter links auf
der x-Achse liegen.
Markman, Zhang und Moreau (2000) konnten zeigen, dass in Situationen mit hohem
(finanziellen) Risiko die Entscheider größere Consideration Sets haben und daher
leichter überfordert werden. Gleiches gilt für Kaufsituationen, in denen der
Konsument hohes Involvement empfindet: Der Konsument möchte „Herr der Lage“
sein und die Kontrolle über den eigenen Entscheidungsprozess haben. Führt hohe
Produktvielfalt zu einem schwierigen und frustrierenden Entscheidungsprozess,
empfindet dies ein hoch involvierter Käufer als Verlust der Kontrolle, wofür er sich
selbst die Schuld gibt. Trifft der Konsument dennoch eine Kaufentscheidung,
projiziert er die Schuld eines eventuellen Fehlkaufs auf sich und empfindet dadurch
stärkeres Regret (vgl. Desmeules 2002, S. 11).
Sowohl die Expertise als auch das Involvement einer Person haben somit
zusammenfassend Einfluss auf deren Reaktion auf Produktvielfalt und somit auch auf
die mit Vielfalt verbundenen Kosten- und Nutzenaspekte.
Zusammenfassung und Bezug zur vorliegenden Untersuchung
Die Theorie der „Tyranny of Freedom“ von Schwartz (2000) und deren Anwendung
auf eine hohe Produktvielfalt in Kaufsituationen durch Desmeules (2002) zeigen
Ansatzpunkte sowohl für die positiven als auch für die negativen Aspekte von
Produktvielfalt. Interessant ist hierbei vor allem, dass die Theorie die Auswirkungen
von Vielfalt auf das Kaufverhalten und auf das affektive Erlebnis des Kaufprozesses
beschreibt. Damit stellt sie einen expliziten Zusammenhang von Vielfalt,
Kaufverhalten und Nachkaufbewertung her und gibt Hinweise auf das zu
entwickelnde Gesamtmodell der Wirkung von Kosten und Nutzen von Produktvielfalt
auf das Kaufverhalten und die nachgelagerten Evaluationsprozesse und -ergebnisse.
89

Desmeules (2002) hat weiterhin den Einfluss personenspezifischer Merkmale wie
Involvement und Expertise auf die Kosten von Produktvielfalt betont. Diese können
als Anhaltspunkte für personenspezifischen Moderatoren der Kosten von
Produktvielfalt dienen (siehe Kapitel 4.4.3, S. 352).
2.2.4 Zusammenfassung
Die dargestellten Theorien des Optimum Stimulation Level und der Tyranny of
Freedom und die Hypothesen zum Informationsdefizit und zur Informationsüberlastung
geben mit verschiedenen Ansätzen und Schwerpunkten Hinweise für die
Reaktion von Konsumenten auf unterschiedlich hohe Produktvielfalt und damit auf
Kosten und Nutzen von Produktvielfalt. Gemeinsam ist allen drei Ansätzen, dass sie
insgesamt von einem umgekehrt-u-förmigen Zusammenhang von Produktvielfalt und
positivem Kaufverhalten bzw. Kauf(prozess)bewertung ausgehen. Dies lässt sich in
einer Hypothese zum abnehmenden Grenznutzen von Produktvielfalt
zusammenfassen:
Hypothese zum abnehmenden Grenznutzen von Produktvielfalt
Nach dem Gesetz des abnehmenden Grenznutzens nimmt der Nutzen eines Gutes mit
dessen zunehmendem Konsum ab (vgl. Woll 1978, S. 91). Interpretiert man die
Produktvielfalt in der Entscheidungssituation nicht als gegeben, sondern als
nachfragbares Gut, dann lässt sich das Gesetz vom abnehmenden Grenznutzen auf
Basis der beschriebenen Theorien auch auf den Wert von Produktvielfalt übertragen
(vgl. Berndt 1983, S. 47):
Der Wert einer zusätzlichen Alternative nimmt mit zunehmender Anzahl bereits zur
Verfügung stehender Wahlmöglichkeiten ab, d. h. jede zusätzlich verfügbare
Produktalternative hat einen geringeren Grenznutzen (in der hier verwendeten
Terminologie einen geringeren Grenzwert). Der Gesamtwert der Produktvielfalt steigt
somit in immer geringer werdenden Raten mit dem Angebot zusätzlicher Alternativen
bis zu einem Optimum an, von wo ab er sinkt. Ebenso argumentierten bereits 1956
Baumol und Ide: „An increased number of items will at first yield increasing average
returns, then decreasing marginal and average returns. Finally, it will yield negative
marginal returns“ (Baumol/ Ide 1956, S. 98). Der Grenznutzen einer zusätzlichen
Produktalternative wird demzufolge ab einer bestimmten Stelle negativ. Zu einem
90

ähnlichen Ergebnis in der Domäne des Konsumentenverhaltens kommt auch Bucklin
(1967), der den Zusammenhang der Größe eines Einkaufscenters und seinem Nutzen
aus der Sicht von Konsumenten untersucht hat: „(...) as the downward sloping
character of the curve suggests, additional size has a negative effect upon utility. (...)
Very large centers above the size necessary for maximum economics of scale for price
competition, are likely to repel these shoppers“ (S. 42).
Abbildung 26 stellt den angenommenen Kurvenverlauf von Produktvielfalt und dessen
Wert aus Konsumentensicht grafisch darf.
Betrachteter Bereich
Wert, Nutzen, Kosten
von Produktvielfalt
"Nutzen"
"Wert"
"Kosten"
δ Wert
δ # Alternativen
Produktanzahl
Abbildung 26: Hypothese des abnehmenden Grenznutzens von Produktvielfalt. In Anlehnung an
Berndt 1983, S. 47 (Die Untersuchung wird insgesamt auf den grau unterlegten Bereich hoher
Vielfalt eingeschränkt.)
Verdeutlichen kann man den Kurvenverlauf von Produktvielfalt und dessen Wert für
Konsumenten, indem man den Gesamteffekt in einen „Nutzeneffekt“ und einen
„Kosteneffekt“ aufteilt. Aus den beschriebenen theoretischen Überlegungen kann
dann der Schluss gezogen werden, dass mit zunehmender Vielfalt der Nutzen zunächst
ansteigt und sich dann asymptotisch einem Grenzwert nähert (Gossen’sches Gesetz,
vgl. Woll 1978, S. 91). Im Gegensatz hierzu sind die Kosten von Vielfalt anfänglich
relativ gering, steigen dann aber mit zunehmender Vielfalt stark an, was insgesamt zu
91

einem negativen Grenznutzen (Grenzwert) zusätzlicher Produktalternativen führen
kann.
Die Kurvenverläufe begründen die beschriebenen Theorien unterschiedlich: So wird
der steigende Nutzen von größerer Auswahl durch die bessere Informationsbasis bei
der Entscheidung (Hypothese des Informationsdefizits), die Erfüllung des
Stimulationsbedürfnisses (Optimum Stimulation Level) und den höheren
Erfüllungsgrad von funktionalen und hedonistischen Erwartungen (Tyranny of
Freedom) erklärt. Im Gegensatz hierzu begründen die Theorien den Verlauf der
Kostenkurve relativ ähnlich: Im Wesentlichen sind die mit höherer Produktvielfalt
steigenden kognitiven und emotionalen Aufwände auf eine Überforderung des
Konsumenten bei der Informationsverarbeitung und Bewertung der Alternativen sowie
auf Entscheidungskonflikte zurückzuführen. Der Käufer reagiert auf diese psychischen
Kosten mit der (bewussten) Anwendung vereinfachender Heuristiken, was wiederum
das Risiko einer Fehlentscheidung erhöht und dem Konsumenten das Gefühl gibt, die
Kontrolle über die Entscheidung zu verlieren. Dadurch kann antizipiertes und
wahrgenommenes Regret entstehen, das sich nicht nur auf den Ausgang der
Kaufentscheidung, sondern auch auf die Zufriedenheit mit dem Kaufprozess und dem
evtl. gekauften Produkt auswirkt.
Insgesamt haben die beschriebenen theoretischen Überlegungen mit unterschiedlichen
Erklärungsansätzen Hinweise dafür gegeben, dass hohe Vielfalt aus Konsumentensicht
nicht nur positive, sondern auch negative Aspekte hat.
Das Aufzeigen der Existenz dieser negativen Facetten hoher Produktvielfalt, die
in dieser Arbeit als Kosten von Produktvielfalt (KPV) bezeichnet werden, ist das
zentrale Ziel der vorliegenden Arbeit.
Dies lässt sich in der zentralen Hypothese der vorliegenden Untersuchung wie folgt
zusammenfassen:
Hypothese 1: Hohe Produktvielfalt ist für Konsumenten nicht nur mit Nutzensondern
auch mit Kostenaspekten verbunden. Diese beeinflussen den Ausgang
der Kaufentscheidung und die Nachkaufbewertung aus Unternehmenssicht in
negativer Weise.
Da die Arbeit das Ziel hat, die Existenz negativer Effekte hoher Produktvielfalt
aufzuzeigen, konzentriert sie sich folglich auf den rechten, grau unterlegten Teil der
Abbildung 26, d. h. den Bereich des abnehmenden Grenznutzens bzw. Grenzwerts.
92

Entsprechend muss bei der empirischen Untersuchung ein Design gewählt werden, in
dem Konsumenten aus einem großen Sortiment mit hoher Vielfalt wählen können. Um
die Hypothese zu überprüfen, ist zu untersuchen, ob sich die gemessenen
Kostenaspekte negativ auf das Kaufverhalten und die Nachkaufbewertung auswirken.
Die letzten Abschnitte haben auf Basis unterschiedlicher theoretischer Überlegungen
ein Spektrum der Nutzen- und Kostenkomponenten von Produktvielfalt
aufgezeigt. Im nächsten Kapitel werden darauf aufbauend verschiedene Theorien
beschrieben, die eine theoretische Erklärung von Kosten und Nutzen von
Produktvielfalt im Hinblick auf das Verhalten von Konsumenten geben. Die
dargestellten Theorien und theoretischen Konzepte dienen als Argumentationsgrundlage
für die Herleitung der Facetten der Kosten- und Nutzendimension des
Werts von Produktvielfalt, sowie deren Konsequenzen und Determinanten.
93

2.3 Theoretische Bezugspunkte zur Erklärung von Kosten und
Nutzen von Produktvielfalt
2.3.1 Theorien zur Erklärung des Nutzens von Produktvielfalt
„Je mehr, desto besser“
(deutsches Redensart)
Dieses Kapitel stellt Theorien zu theoretischen Erklärungen des Nutzens von
Produktvielfalt aus Konsumentensicht dar. Hierbei werden in der Literatur meist zwei
Aspekte unterschieden:
„Most classifications (...) of consumer benefits start with the distinction
between utilitarian (extrinsic) and hedonic (intrinsic) benefits (...). Utilitarian
benefits are primarily instrumental, functional and cognitive; they provide
consumer value by being a means to and end. Hedonic benefits are noninstrumental,
experiential, and affective; they are appreciated for their own sake,
without further regard to their practical purposes“ (Chandon/
Wansink/Laurent 2000, S. 66; Hervorhebungen nicht im Original).
Die utilitaristischen, nutzenorientierten Gesichtspunkte beziehen sich somit auf den
mit höherer Produktvielfalt steigenden Erfüllungsgrad der individuellen Bedürfnisse
und Präferenzen eines Konsumenten. Dies wurde im Einführungsteil der Arbeit als
Customization Funktion von Produktvielfalt bezeichnet (siehe S. 2). Die hedonistische
Komponente von Produktvielfalt könnte, vereinfacht gesagt, als „Spaß an der
Produktvielfalt“ bezeichnet werden. Mano und Oliver (1993) kontrastieren die beiden
Aspekte als „thinking versus feeling“ (S. 452), womit diese den „archetypal
constructs of emotion and reason“ (Chaudhuri/Holbrook 2001. S. 85) entsprechen.
94

Die Nutzenerwartungswerttheorie und die Theorie des Hedonic Shopping Value
dienen als Basis zur Erklärung der utilitaristischen und der hedonistischen
Komponente des Nutzens von Produktvielfalt und werden nachfolgend beschrieben.
2.3.1.1 Nutzenerwartungswerttheorie und rationale Entscheidungstheorie
„de gustibus non est disputandum“
(lateinisches Sprichwort unbekannter Herkunft)
„Geschmäcker und Ohrfeigen sind verschieden.“
(deutsches Sprichwort)
„(...) a high-variety strategy (or customisation strategy) increases the likelihood that
each consumer will find exactly what she or he wants“ (Kahn 1998, S. 46).
Barbara Kahn umschreibt mit diesem Satz die zentrale Hypothese der rationalen
Entscheidungstheorie (Rational Theory of Choice) (vgl. Luce 1959, 1977;
Tversky/Shafir 1992, S. 358; Schmidt 1995; siehe auch S. 43f.) zum Zusammenhang
von Produktvielfalt und Konsumentenverhalten: Mit der Anzahl an Produktalternativen
steigt die Wahrscheinlichkeit, dass ein Konsument unter den verfügbaren
Optionen eine findet, die seinen Vorstellungen entspricht und er diese deshalb kauft.
Hierbei liegen u. a. die Annahmen zugrunde, dass Konsumenten erstens das Ziel
haben, ihren Nutzen zu maximieren und die beste Option wählen, und sie zweitens
die Alternativen bewerten sowie ihre Präferenzen bestimmen können (vgl.
Desmeules 2002, S. 1). Auf diese Funktion von Produktvielfalt wurde in der Literatur
an vielen Stellen hingewiesen (vgl. z. B. Iyengar/Lepper 2000, S. 996; Baumol/Ide
1956, S. 93; Desmeules 2002, S. 4; Schmidt 1990, S. 245; Wright/Barbour 1975,
S. 248; Kaish 1967, S. 31; Billot/Thisse 1999, S. 519).
95

Das Grundmodell der Nutzenerwartungswerttheorie
In diesem Abschnitt werden die Grundannahmen der rationalen Entscheidungstheorie
(Rational Theory of Choice) kurz skizziert. Dabei geht es um die Modellierung von
Situationen, in denen sich ein Konsument für eine der zur Wahl stehenden
Alternativen entscheidet (Quantal Choice Problem, siehe S. 39). Die Alternativenmenge
enthält dabei alle verfügbaren, sich gegenseitig ausschließenden
Handlungsoptionen, was auch die Option des Kaufabbruchs oder der Beibehaltung des
Status quo beinhaltet. Formal werden die in einer Entscheidungssituation zur
Verfügung stehenden Alternativen durch die Alternativenmenge F, mit den
Elementen f 1 , f 2 , ... f n bezeichnet (vgl. Schmidt 1995, S. 24ff.):
F = {f 1 , f 2 , ... f n }
Die Konsequenzen, die mit der Entscheidung für eine Alternative verbunden sind,
hängen dabei vom jeweiligen Umweltzustand ab. So hat beispielsweise der Kauf eines
Cabrios unterschiedliche Konsequenzen, je nachdem, ob es regnet oder die Sonne
scheint. Zur formalen Beschreibung des Entscheidungsmodells ist deshalb eine
endliche Umstandsmenge Z, welche die in einer Entscheidungssituation relevanten
Umstände beschreibt, und eine endliche Konsequenzenmenge C zur Beschreibung der
möglichen Konsequenzen der Handlungen erforderlich:
Z = {A, B , ... }
C = { c 1 , c 2 , ... }
Damit lässt sich die intuitiv nachvollziehbare Annahme, dass Handlungsalternativen
unter verschiedenen Umständen unterschiedliche Konsequenzen haben, formal wie
folgt darstellen: Jedes Element f der Alternativenmenge F kann als eine Funktion von
der Zustands- in die Konsequenzenmenge aufgefasst werden, d. h. für jedes f ∈ F gilt:
f : Z a
z a
C
f ( z )
Im Grundmodell der Nutzenerwartungswerttheorie geht es nun im Kern um die Frage,
welche Alternative in einer Entscheidungssituation ein Individuum gemäß rationaler
96

Kriterien wählen soll. Da dem Entscheider die zukünftigen Umstände unbekannt sind
und er deshalb eine Entscheidung unter Unsicherheit treffen muss, geht die
Nutzenerwartungswerttheorie davon aus, dass einem Individuum eine subjektive
Wahrscheinlichkeitsfunktion P, die die Wahrscheinlichkeit des Eintretens eines
Umstands angibt, zugeschrieben werden kann:
P:Z
a
[ 0,1]
A a
P( A )
Dem Individuum wird ferner eine Nutzenfunktion U zugeordnet, die der jeweiligen
Konsequenz eine reelle Zahl, den „Nutzen“ zuordnet:
U: C a
c a
R
U( c )
Der Erwartungswert des Nutzens einer Alternative f x ∈ F ergibt sich somit wie folgt:
E( U ( f )) = U ( f ( z))
⋅ P({
z})
(2)
x
∑
z∈Z
x
Damit lässt sich das Grundprinzip der Nutzenerwartungswerttheorie formulieren:
„Wähle diejenige Alternative, für die der Erwartungswert des Nutzens maximal ist“
(Schmidt 1995, S. 32). Dieses Prinzip der Maximierung des Nutzenerwartungswerts ist
im vereinfachten Fall von zwei Handlungsalternativen f 1 und f 2 genau dann erfüllt,
wenn gilt:
∑
z∈Z
∑
f 1 ≥ f2
⇔ U( f1(
z )) ⋅ P({ z }) ≥ U( f2(
z )) ⋅ P({ z })
(3)
z∈Z
wobei „f 1 ≥ f 2 “ bedeutet, dass „f 1 gegenüber f 2 schwach vorgezogen wird“ (vgl.
Schmidt 1995, S. 33). Dieses Grundprinzip ist nicht auf zwei Alternativen beschränkt
und kann z. B. durch paarweise Vergleiche auf beliebig große Alternativenmengen
angewendet werden.
Die folgenden Ausführungen basieren auf diesem Grundmodell der Nutzenerwartungswerttheorie
bzw. der „klassischen Entscheidungstheorie“.
97

Produktnutzen und Produktwahlverhalten
Zentraler Aspekt der Rational Theory of Choice ist der vom Konsumenten erwartete
Nutzen eines Produkts. Er kann als ein „subjektives Maß der Attraktivität eines
Resultats“ (Seilheimer 2001, S. 8) bezeichnet werden, wobei unter „Resultat“ die
Entscheidung für ein Produkt, sowie dessen anschließender Konsum zu verstehen ist.
Der erwartete Produktnutzen ist dabei nicht auf die funktionalen Aspekte des
Produkts, die aus dessen physikalisch-chemisch-technischen Eigenschaften folgen
(vgl. Herrmann 1992, S. 25), begrenzt, sondern „summarize(s) the desirability of
alternatives“ (McFadden 1986, S. 280) und beinhaltet damit auch Produkteigenschaften
wie „Prestige, Geltung und Status“ (Herrmann 1998, S. 14).
Die Ansätze der rationalen Entscheidungstheorie basieren auf der Annahme, dass das
Konsumentenverhalten „aus dem Prozess der multiattributiven Produktbeurteilung
abzuleiten“ (Herrmann 1998, S. 102) ist. Im vereinfachten, diskreten Entscheidungsmodell
hängt der Nutzen, den das Produkt i dem Konsumenten k stiftet, demnach von
dessen persönlichen, marketingpolitischen Merkmalen s k und den von ihm als
entscheidungsrelevant wahrgenommenen Produktmerkmalen z ik ab (vgl. Herrmann
1998, S. 104):
U ik = U ik (z ik , s k ) (4)
U ik
z ik
s k
Nutzen von Produkt i für Konsument k
Vektor der vom Konsument k als entscheidungsrelevant wahrgenommenen Eigenschaften
(Attribute) von Produkt i
Vektor der persönlichen Merkmale von Konsument k
Je nachdem, ob bei der Produktbeurteilung von konstanten, dem Konsumenten
bekannten Nutzenwerten oder von probabilistischen Nutzenwerten für die Alternativen
ausgegangen wird, spricht man vom Konstantnutzen- oder Zufallsnutzenmodell der
Entscheidungstheorie. Im letzteren Fall resultiert die Nutzenbewertung einer
Alternative neben den persönlichen Merkmalen des Entscheiders und den
Produkteigenschaften auch aus einem Zufallsterm zur Erfassung zufälliger Einflüsse
auf die Nutzenbewertung (vgl. Herrmann 1998, S. 106ff.). Die Unterschiede dieser
98

Modelle sind für die weitere Argumentation nicht relevant und werden deshalb an
dieser Stelle nicht vertieft 27 .
Entscheidend ist vielmehr der Zusammenhang von Nutzenbewertung und
Produktwahlverhalten, der sich aus dem Prinzip der Maximierung des Nutzenerwartungswerts
ergibt und wie folgt darstellen lässt (vgl. Herrmann 1998, S. 106):
P ik = P ik (U ik ≥ U jk ) (5)
P ik
U ik , U jk
Wahrscheinlichkeit, dass der Konsument k das Produkt i wählt
Nutzen von Option i bzw. Option j
Demnach ist die Wahrscheinlichkeit, mit der sich ein Konsument für eine verfügbare
Option entscheidet gleich der Wahrscheinlichkeit, dass der Nutzen dieser Option
mindestens so groß ist wie der Nutzen einer anderen Option (vgl. Herrmann 1998,
S. 106). Die Wahrscheinlichkeit der Wahl einer Alternative ist folglich proportional zu
deren Nutzen.
Ein wichtiger Aspekt der rationalen Entscheidungstheorie soll an dieser Stelle
nochmals betont werden: Ein Element der Kaufentscheidung wie z. B. ein zur Wahl
stehendes Produkt, stiftet dem Entscheider ausschließlich Nutzen „by being a means
to and end“ (Chandon/Wansink/Laurent 2000, S. 66). Die means-end Theorie greift
diesen Grundgedanken der Zielorientierung des Konsumentenverhaltens auf und
erklärt dies mit Hilfe von Mittel-Ziel (means-end) Ketten (vgl. Herrmann 1998,
S. 31). Demnach kommt „die Motivation zum Kauf eines Produkts (...) dadurch
zustande, dass ein Konsument das Produkt als geeignetes Mittel wahrnimmt
(=kognitiver Vorgang), um angenehme Gefühle zu verwirklichen und seine Triebe
zu befriedigen (...)“ (Kroeber-Riel/Weinberg 1996, S. 147). Ein Konsument erwirbt
nach den Ideen der means-end Theorie ein Produkt mit bestimmten Eigenschaften
(z. B. Laufschuh mit Fersenstütze), um durch dessen funktionalen Nutzen (z. B.
schneller laufen) erstrebenswerte Zielzustände zu erreichen. Letztere werden durch
relativ stabile instrumentale (z. B. körperliche Fitness) und terminale
Werthaltungen (z. B. Selbstachtung) des Individuums generiert (vgl. Herrmann
1998, S. 31ff.). Da der Zielzustand nur durch den Kauf des Produkts erreicht werden
kann, dient dieses letztlich als „Mittel zum Zweck“.
27 Eine ausführliche Darstellung verschiedener Modelle findet sich beispielsweise bei McFadden
1985, S. 275ff. und 1981, S. 198ff. oder bei Herrmann 1992, S. 85ff.
99

Zusammenhang von Produktvielfalt und Produktnutzen
Die Annahme der rationalen Entscheidungstheorie, „(…) that an increase in variety
will be accompanied by an increase in the likelihood that consumers find exactly what
they are looking for“ (Desmeules 2002, S. 1) lässt sich folgendermaßen
veranschaulichen:
Geht man davon aus, dass sich ein Produkt als ein Bündel von Eigenschaften
beschreiben und spezifizieren lässt und ein Konsument einen „Idealpunkt“
hinsichtlich der Ausprägungen dieser Eigenschaften hat, dann nimmt die Bewertung
(Evaluation) eines Produkts ab „as the ‚distance’ between its specification and that of
consumer’s ideal good increases“ (Lancaster 1990, S. 197). Da die Wertschätzung
eines Objekts von dessen relativer Lage zum Idealpunkt im Attributraum abhängig ist,
wird diese Modellart auch als Locational, Locational analog, oder Neo-Hotelling
Models bezeichnet (vgl. Lancaster 1990, S. 191, 198f.). Wie sich zunehmende Vielfalt
unter diesen Annahmen auf die Produktbewertung durch Konsumenten auswirkt,
verdeutlicht Lehmann (1998) anhand des folgenden schematischen Beispiels:
Nimmt man an, dass die Präferenzen von Konsumenten in Form ihrer Idealpunkte
gleichmäßig auf einer Strecke zwischen 0 und 1 verteilt sind und sich die
konsumentenspezifische Nachteiligkeit eines Produkts (Disutility) als Abstand
zwischen dem Idealpunkt eines Konsumenten und einer Produktausprägung messen
lässt und unterstellt man weiterhin, dass Hersteller und Handel aus Kundensicht
optimale Produkte anbieten, dann nimmt der durchschnittliche Abstand zwischen dem
„nächstgelegenen“ Produkt und dem Idealpunkt eines Konsumenten mit steigender
Anzahl an Alternativen ab.
Daraus folgt, dass „(...) the expected maximum utility increases with the number of
alternatives (…)“ (Billot/Thisse 1999, S. 519), wobei der Grenznutzen einer
zusätzlichen Alternative sinkt (vgl. Lehmann 1998, S. 64). Tabelle 3 verdeutlicht
diesen Zusammenhang.
100

Verfügbare
Optionen
Produktausprägungen
Durchschnittliche
Distanz
Inkrementeller
Wert
1 0,5 0,25
2 0,25, 0,75 0,125 0,125
3 0,167; 0,5; 0,833 0,083 0,042
4 0,125; 0,375; 0,625; 0,875 0,0625 0,0205
5 0,1; 0,3; 0,5; 0,7; 0,9 0,050 0,0125
...
10 0,05; 0,15; ... 0,025
...
100 0,005; 0,015; ... 0,0025
Tabelle 3: Zusammenhang von Produktvielfalt und Produktnutzen. In Anlehnung an
Lehmann 1998, S. 64
Auch wenn die Annahme, dass Unternehmen aus Konsumentensicht optimale
Produkte anbieten z. B. von der Spieltheorie widerlegt wurde (vgl. Desmeules 2002,
S. 8) und konstante (monetäre) Kosten als weitere Annahme eher unrealistisch sind
(vgl. Lehmann 1998, S. 64), verdeutlicht das Beispiel die Beziehung von
Produktvielfalt und Nutzen, wie sie aus der Nutzentheorie folgt.
Den angenommenen positiven Zusammenhang von Produktvielfalt und antizipiertem
Nutzen konnten Kahn und Wansink (2004) auch empirisch zeigen. Sie haben den
Einfluss der Alternativenanzahl sowie deren Organisation auf den antizipierten Nutzen
des Sortiments durch Konsumenten untersucht und dabei festgestellt, dass „the
perceived variety influences the anticipated consumption utility that a consumer
believes the assortment will deliver“ (S. 529). Obwohl demnach nicht die absolute
Anzahl an Alternativen, sondern die vom Konsumenten wahrgenommene Vielfalt
entscheidend ist, besteht ein positiver Zusammenhang zwischen Produktvielfalt und
dem (erwarteten) Nutzen der Produkte eines Sortiments. Dies lässt den Schluss zu,
dass Entscheider „(…) may intuitively realize (…) that a larger pool (of alternatives)
increases his chance for an optimal choice while adding to his processing effort”
(Wright/Barbour 1975, S. 248).
101

Auf eine wesentliche Vorraussetzung des dargestellten Zusammenhangs von
Produktvielfalt und dessen utilitaristischen Nutzen soll an dieser Stelle nochmals
explizit hingewiesen werden:
Höhere Produktvielfalt führt nur dann durchschnittlich zu höherem maximalen
Nutzen, wenn sich die Präferenzen der Konsumenten erheblich unterscheiden, d. h.
wenn sie verschiedene Idealvorstellungen hinsichtlich der Attributausprägungen eines
Produkts haben. Diese Unterschiede müssen dabei aus Konsumentensicht so
bedeutend sein, dass „(...) individuals consider themselves to be better off (or have a
higher welfare) when they have a product which exactly fits their view of the ideal
design for that class of products than when they do not“ (Lancaster 1979, S. 5f.). Hohe
Produktvielfalt ist aus Unternehmenssicht folglich nur dann sinnvoll, wenn die
Geschmäcker der Konsumenten tatsächlich verschieden sind, diese die bessere
Erfüllung ihrer Vorstellungen schätzen und demzufolge das entsprechende Produkt
kaufen (vgl. Lancaster 1990, S. 190). Letzteres folgt aus dem oben dargestellten
Zusammenhang von Produktnutzen und Produktwahlverhalten.
Diese Argumentation setzt implizit voraus, dass Individuen die eigenen Präferenzen
kennen. Untersuchungen haben aber gezeigt, dass „people do not always have a
well-defined preference order“ (Tversky 1996, S. 17). Unter diesen Umständen bietet
hohe Produktvielfalt einen weiteren Vorteil: In der Entscheidungssituation kann der
Konsument lange flexibel bleiben, die eigenen Vorlieben und Präferenzen erkunden
und dann entsprechend wählen (vgl. Billot/Thisse 1999, S. 519). Diese Flexibilität
stellt im Sinne eines Optionswerts einen weiteren utilitaristischen Nutzenaspekt von
Produktvielfalt dar (vgl. Hoch/Bradlow/Wansink 1999, S. 528).
Betrachtet man nochmals die Beziehung von Produktvielfalt und Kaufwahrscheinlichkeit
bzw. –absicht, so stellt sich die Frage, wie sich der bewusste Aufschub bzw.
Abbruch einer Kaufentscheidung aus nutzentheoretischer Sicht darstellen lässt. Nach
den Worten von Dhar (1997) kann man dies erreichen, indem man „no choice as just
another option“ (S. 216) betrachtet und damit in die Alternativenmenge einbezieht.
Der Nutzen der „Nicht-Kauf Option“ entspricht dabei der Beibehaltung des Status quo
bzw. dem erwarteten Nutzen des Produkts, das ein Konsument durch die Fortsetzung
der Suche erwartet zu finden. Eine Person entscheidet sich folglich für den Abbruch
der Kaufentscheidung, wenn „none of the alternatives appears attractive, or when the
decision maker expects to find better alternatives by continuing to search“ (Dhar
1997a, S. 216). Hierbei liegt jedoch die Annahme zugrunde, dass der Konsument über
vollkommene Informationen verfügt und deren Verarbeitung weder mit monetären,
102

noch mit psychischen Kosten (z. B. geistige Anstrengung) verbunden ist (vgl. Dhar
1997a, S. 216).
Betrachtet man den Aufschub als mögliche Entscheidungsoption, folgt aus der
Nichtnegativität der Nutzenfunktion (vgl. McFadden 1981, S. 206) und dem
Regularitätsprinzip (vgl. Luce 1959, 1977; Gourville/Soman 1999, S. 5ff., siehe auch
S. 43f.), dass die Wahrscheinlichkeit, mit der sich ein Konsument für den Aufschub
entscheidet, nicht zunehmen kann, wenn einem Sortiment Produkte hinzugefügt
werden. Obwohl diese Folgerung nicht so stark ist wie die, dass höhere Vielfalt aus
Konsumentensicht besser ist, bedeutet sie doch, dass „(...) increasing variety should
never harm a brand“ (Gourville/Soman 1999, S. 4).
Ohne späteren Ausführungen zu den Kostenaspekten von Produktvielfalt vorzugreifen,
soll bereits hier darauf hingewiesen werden, dass diese Sichtweise rein utilitaristisch
ist, nur die positiven Aspekte von Produktvielfalt betrachtet und negative
Konsequenzen hoher Produktvielfalt, wie kognitive und emotionale Kosten sowie
Suchkosten unberücksichtigt lässt. Da diese Annahmen unrealistisch sind, kann damit
das reale Verhalten von Konsumenten nicht ausreichend erklärt werden (vgl. z. B.
Desmeules 2002, S. 4). Das Regularitätsprinzip wurde deshalb auch empirisch
mehrfach widerlegt (vgl. z. B. Tversky/Shafir 1992, S. 358ff., Gourville 1999, S. 10ff.,
siehe auch S. 42ff.). Eine mögliche Erklärung hierfür geben die später dargestellten
Theorien zur Erklärung der Kosten von Produktvielfalt (siehe Kapitel 2.3.2, S. 122ff.).
Zusammenfassung und Bezug zur vorliegenden Untersuchung
Die dargestellten utilitaristischen Aspekte des Nutzens von Produktvielfalt lassen sich
wie folgt zusammenfassen: Konsumenten haben unterschiedliche Geschmäcker und
verschiedene Vorstellungen davon, welche Eigenschaften ein aus ihrer Sicht ideales
Produkt einer bestimmten Produktkategorie haben soll. Die Wahrscheinlichkeit, dass
ein Konsument ein Produkt findet, das seinen Vorstellungen entspricht und dieses
deshalb kauft, sollte unter oben erläuterten Annahmen mit der Anzahl der verfügbaren
Alternativen steigen oder zumindest nicht abnehmen. Diese Argumentation hat sich
von den Anfängen der Marketingforschung bis in deren Gegenwart kaum verändert:
„(...) ... the greater the number of items carried by the store (…), the greater,
ordinarily, is the consumer’s reason for expecting that the shopping trip will
(…be) successful” (Baumol/ Ide 1956, S. 93).
103

„Greater variety and larger assortments increase the probability of a perfect
match” (Hoch/Bradlow/Wansink 1999, S. 528).
„(…)in preference-matching contexts, in which people enter hoping to find
some particular product or service they already know themselves to prefer,
larger number of options should increase the likelihood that they will be
successful in their search”. (Iyengar/Lepper 2000, S. 996).
Hohe Produktvielfalt bietet aus Konsumentensicht somit zusammenfassend vier
wesentliche Nutzenaspekte:
• Durch ein großes Sortiment besteht tendenziell eine hohe Chance ein Produkt
zu finden, das den eigenen Vorstellungen entspricht und einen entsprechend
hohen antizipierten Produktnutzen aufweist.
• Dies impliziert, dass Konsumenten mit großen Sortimenten eine hohe
Wahrscheinlichkeit verbinden, den Kaufprozess erfolgreich mit dem Kauf
eines Produktes abzuschließen und so ihr Bedürfnis, das zur Auslösung der
Kaufhandlung geführt hat, befriedigen können.
• Aus dem hohen antizipierten Produktnutzen und der daraus resultierenden
Erfüllung der Erwartungen des Konsumenten resultiert außerdem eine erhöhte
Zufriedenheit mit dem gekauften Produkt. Der Nutzen von Produktvielfalt
kann sich somit positiv auf die Zufriedenheit mit dem gekauften Produkt
auswirken.
• Da sich der erfolgreiche Abschluss der Kaufhandlung außerdem positiv auf die
Zufriedenheit mit dem Kaufprozess auswirkt, ist weiterhin davon
auszugehen, dass sich die Nutzenaspekte erhöhter Produktvielfalt positiv auf
die Zufriedenheit mit dem Kaufprozess auswirken können.
Dieser Logik folgend lassen sich Kaufintention und die Zufriedenheit mit dem
gekauften Produkte ceteris paribus durch eine Ausdehnung des Angebots erhöhen.
In Abbildung 27 sind die für diese Untersuchung wesentlichen Aspekte der
Nutzenerwartungswerttheorie zusammengefasst. Die Darstellungsform wird auch für
alle nachfolgenden Theorien beibehalten. Sie stellt die zentralen Zusammenhänge der
104

eschriebenen Theorie und den Kosten- bzw. Nutzen von hoher Produktvielfalt in
kompakter Form dar und wird nachfolgend kurz erläutert.
Determinanten
Nutzendimension
Konsequenzen
Facetten des Nutzens hoher PV
Quantitativ
Qualitativ
Anzahl der
Produkte
Argumentationslogik der Wirkung
+
• Konsumenten haben verschiedene
Präferenzen
Kaufintention +
• Je höher die Anzahl der Produkte,
desto höher ist der antizipierter
Produktnutzen und desto
Zufriedenheit
wahrscheinlicher ist es, ein
• Prozess
passendes Produkt zu finden und
den Kauf erfolgreich abzuschließen
• Produkt
Nutzen
Ausgang d.
Entscheidung
Bewertung
+
+
Facetten des Nutzens hoher PV
antizipierter
Produktnutzen
Erfolgsaussichten
Abbildung 27: Zusammenfassende Darstellung des Zusammenhangs der Nutzenerwartungswerttheorie
und des Nutzens von Produktvielfalt
Im Abbildungsschema werden vier aus der jeweiligen Theorie abgeleitete Aspekte
von Kosten bzw. Nutzen der Produktvielfalt dargestellt:
1. Determinanten: Es werden die aus der beschriebenen Theorie abgeleiteten
qualitativen und quantitativen Eigenschaften des Sortiments abgebildet, die
Kosten bzw. Nutzen von Produktvielfalt beeinflussen.
2. Konsequenzen: Die abgeleiteten Auswirkungen auf den Ausgang der
Kaufentscheidung und die nachgelagerte Bewertung von Kaufprozess und
gekauftem Produkt, die aus der beschriebenen Theorie gefolgert werden
können.
3. Argumentationslogik, die die Determinanten und die Konsequenzen nach der
Argumentation der Theorie verbindet.
4. Facetten der jeweiligen Dimension: Die durch die Theorie aufgezeigten
Facetten der Kosten- oder Nutzendimension, die in der Konzeptualisierung zu
berücksichtigen sind.
105

Positive Zusammenhänge werden hierbei durch ein + symbolisiert, negative
entsprechend durch ein _ bzw.
In der oberen Abbildung wirkt sich folglich die Anzahl der Produkte positiv auf den
Nutzen von Produktvielfalt aus, d. h. je höher die Anzahl der Produkte, desto höher
der Nutzen. Als Konsequenz folgt nach der Logik der Erwartungsnutzentheorie, dass
aufgrund des höheren Nutzens die Kaufintention sowie die Zufriedenheit mit dem
gekauften Produkt und dem Kaufprozess steigen. Dies ist damit zu begründen, dass
sich durch die höhere Vielfalt der antizipierte Produktnutzen und dadurch auch die
Wahrscheinlichkeit ein passendes Produkt zu finden, erhöhen. Die Nutzenerwartungswerttheorie
hat damit aufgezeigt, dass der Antizipierte Produktnutzen und
die Erfolgsaussichten zwei wesentliche Facetten des Nutzens hoher Produktvielfalt
sind.
2.3.1.2 Hedonic Shopping Value
Die klassische Konsumentenverhaltensforschung, in deren Tradition auch die oben
dargestellte Theorie der rationalen Entscheidungstheorie steht, betrachtet den
Konsumenten stets als Problemlöser, der als logisch und rational handelndes Wesen
auf der Basis verfügbarer Informationen ein Entscheidungsproblem löst, indem er ein
entsprechendes Produkt kauft (vgl. Holbrook/Hirschman 1982, S. 132). Die
Motivation zum Einkauf ist demnach allein auf den Kauf eines Produkts zur
Befriedigung eines Bedürfnisses zurückzuführen (vgl. Kroeber-Riel/Weinberg 1996,
S. 147).
Das Verhalten von Konsumenten kann aber durch diesen reinen Akquisitionsfokus
nicht vollkommen erklärt werden. So haben Untersuchungen gezeigt, dass
Konsumenten beispielsweise ein Einkaufserlebnis nicht nur nach den „instrumental
benefits of shopping (e.g., acquiring some specific item)“ (Babin/Darden 1995, S. 49),
sondern auch nach dessen hedonistischen Wert beurteilen: Diesen umschreiben
Babin und Darden (1995) wie folgt: „(...) hedonic or intrinsic, value reflects more
experiential benefits provided directly by a shopping experience itself (e.g., fun,
novelty, etc.)“ (S. 49).
Ein Individuum misst demnach nicht nur dem Erwerb eines Produkts, sondern auch
dem Kauferlebnis einen Wert bei. Dieser ist weitgehend unabhängig vom Ausgang des
Kaufprozesses (vgl. Babin/Darden/Griffin 1994, S. 646). Damit lässt sich
106

eispielsweise auch die Vorliebe vorwiegend weiblicher Konsumenten für
ausgedehnte Shoppingtrips mit Freundinnen erklären, in deren Verlauf ausgiebig
anprobiert und betrachtet, aber nicht notwendigerweise auch gekauft wird. Das
Positive dieses Einkaufserlebnisses – der Hedonic Shopping Value – „(...) reflects
shopping’s potential entertainment and emotional worth“ (Babin/Darden/Griffin
1994, S. 646). Der Kauf von Produkten ist hierfür keine notwendige Voraussetzung:
„People buy so they can shop, not shop so they can buy“ (Langrehr 1991, S. 428).
Theoretischer Hintergrund
Der hedonistische Aspekt des Konsumentenverhaltens geht auf Hirschman und
Holbrook (1982) zurück (vgl. Hirschman/Holbrook 1982; Holbrook/Hirschman 1982).
Ausgangspunkt der Überlegungen der beiden Autoren war dabei die Konzentration der
Konsumentenverhaltensforschung auf die Informationsverarbeitungsperspektive, die
den Konsumenten in der Tradition der mikroökonomischen Theorie als Homo
oeconomicus betrachtet, der als logischer Denker Probleme löst, um eine
Kaufentscheidung zu treffen (siehe S. 69). Die Dominanz der Informationsverarbeitungsperspektive
in der Verhaltensforschung wurde u. a. von Holbrook und
Hirschman (1982) „(...) on the grounds that it may neglect important consumption
phenomena“ wie z. B. „(…) various playful leisure activities, sensory pleasures,
daydreams, esthetic enjoyment, and emotional responses (…)“(Holbrook/Hirschman
1982, S. 132) kritisiert.
Die Autoren gründen ihre Hypothesen und theoretischen Aussagen auf Erkenntnisse
von Teilbereichen verschiedener verhaltenswissenschaftlicher Forschungsgebiete,
wie z. B. der Ästhetik als Teilbereich der Philosophie (Jaeger 1945), dem
Forschungsgebiet der affektiven Reaktion (affective Response) innerhalb der
Psycholinguistik (Osgood/Suci/Tannenbaum 1957) sowie auf verschiedene Teilgebiete
der Soziologie und Psychologie. Des Weiteren greifen sie auf die Marketingforschung
und hierbei insbesondere auf Erkenntnisse zur Motivationsforschung (vgl.
Dichter 1960) und zum Produktsymbolismus (Grubb/Grathwohl 1967; Levy 1959)
zurück (vgl. Hirschman/Holbrook 1982, S. 93 und die hierin zitierten Quellen).
Auf Basis dieser Theorien haben die beiden Autoren die hedonistischen Aspekte des
Produktkonsums untersucht, die sie als „hedonic consumption“
(Hirschman/Holbrook 1982, S. 92) bzw. als „experiential view“
(Holbrook/Hirschman 1982, S. 132) bezeichnen. Letzterer steht dem vorherrschenden
107

„information processing view“ gegenüber. Unter Hedonic Consumption bzw. dem
Experiential View subsumieren die Autoren dabei „(...) consumers’ multisensory
images, fantasies and emotional arousal“ (Hirschman/Holbrook 1982, S. 93), die
durch die Produktnutzung entstehen und einen „steady flow of fantasies, feelings, and
fun“ (Holbrook/Hirschman 1982, S. 132) umfassen. Im Zusammenhang dieser Arbeit
sind hierbei vor allem die emotionalen Reaktionen des Konsumenten während des
Konsums von Interesse. Diese haben (kauf)motivierenden Charakter und umfassen
Gefühle wie z. B. Freude, Spaß, Beigeisterung, aber auch Angst, und gehen über die
affektiven Komponenten der Präferenzvariablen (Nutzen) hinaus (vgl.
Hirschman/Holbrook 1982, S. 92f.). Die beiden Autoren betonen, dass es sich bei den
Gefühlen um Ergebnisse primärer mentaler Prozesse handelt. Diese sind primär in
dem Sinn, dass sie ein „(...) immediate pleasure or gratification“
(Holbrook/Hirschman 1982, S. 135) als Reaktion auf ein Ereignis oder Erlebnis
darstellen, das dem Verhalten eines Kleinkindes ähnelt und deshalb als primär
bezeichnet werden. Im Gegensatz hierzu sind sekundäre Prozesse als Ergebnis der
Sozialisation erlernt und umfassen vor allem die Informationsverarbeitung mit dem
Ziel einer optimalen Produktwahl (vgl. Holbrook/Hirschman 1982, S. 135).
Der Experiential View und der Information Processing View unterscheiden sich
folglich auch und vor allem im Ergebnis einer Kauf- bzw. Konsumhandlung:
Aus der Sicht der Informationsverarbeitungsperspektive werden die Folgen einer
Kaufentscheidung primär durch die funktionalen Aspekte und die „economic benefits“
(Holbrook/Hirschman 1982, S. 138) des erworbenen Produkts bestimmt. Die Kriterien
zur Bewertung einer Kaufentscheidung bauen folglich in erster Linie auf dem
Produktnutzen auf.
Im Gegensatz hierzu äußern sich die hedonistischen Aspekte des Konsums
„(…) in the fun that a consumer derives from a product – the enjoyment that it
offers and the resulting feeling of pleasure that it evokes. (…) (they) hinge on
an appreciation of the product for its own sake, apart from any utilitarian
function that it may or may not perform” (Holbrook/Hirschman 1982, S. 138).
Batra und Ahtola (1991) bringen die Unterscheidung von hedonistischer und
utilitaristischer Dimension auf die einfache Formel: „(...) the hedonic determinant of
overall evaluations is presumed to be based on the consumer’s assessment of how
much pleasure he gets; his utilitarian determinant is based on his assessment about
108

the instrumental value of (...) functional attributes“ (S. 161, Hervorhebungen nicht im
Original).
Zusammenfassend lässt sich festhalten, dass die hedonistische Perspektive die
unmittelbaren emotionalen Reaktionen des Konsumenten auf bestimmte Stimuli in
der Kauf- oder Konsumsituation beschreibt und Gefühle wie Freude, Spaß und
Begeisterung umfasst. Diese Perspektive soll die traditionellen, auf die
Informationsverarbeitung ausgerichteten Theorien des Konsumentenverhaltens nach
Ansicht von Hirschman und Holbrook (1982, S. 100) nicht ersetzten, sondern um dort
nicht berücksichtigte Aspekte ergänzen. Da die hedonistischen Elemente für den
Fortgang der Untersuchung von hoher Bedeutung sind, werden nachfolgend einige
Forschungsergebnisse zur Koexistenz von utilitaristischen und hedonistischen
Aspekten in verschiedenen Phasen und Gesichtspunkten des Konsumentenverhaltens
vorgestellt.
Beispiele für hedonistische und utilitaristische Aspekte des Konsumentenverhaltens
Die Koexistenz hedonistischer und utilitaristischer Elemente konnte in verschiedenen
Aspekten und Phasen des Konsumentenverhaltens empirisch gezeigt werden. Diese
reichen von der Motivation zum Einkauf, über die Beurteilung des Einkaufserlebnisses
bis hin zur Produktbewertung und der damit verbundenen Herausbildung eines
Zufriedenheitsurteils:
Motivation zum Einkaufen
„Why Do People Shop? Do people shop simply to make purchases? Are shopping trips
motivated by considerations that are unrelated to an actual purchase?“ Mit diesen
Fragen hat Tauber (1972, S. 46) seinen Artikel im Journal of Marketing begonnen und
damit eine Reihe von Studien initiiert, die sich mit der Untersuchung der
Beweggründe von Konsumenten zum Einkaufen befasst haben. Er vertrat dabei die
Hypothese, dass die Einkaufsmotivation nicht ausschließlich mit dem funktionalen
Erwerb von Produkten zu erklären ist. Tauber entwickelte deshalb theoriegeleitet eine
Reihe von psychosozialen Einkaufmotiven, die in persönliche und soziale Motive
klassifiziert werden können. Als persönliche Motive führt er dabei z. B. das Lernen
neuer Trend soder sensorische Stimulation an, sowie Ablenkung als Möglichkeit, der
109

täglichen Routine zu entkommen und die Absicht, sich selbst etwas Gutes zu tun
(Selbst-Belohnung (Self-gratification)). Soziale Erfahrungen außerhalb des Hauses,
Kommunikation mit anderen Personen mit ähnlichen Interessen und den Ausdruck von
Status und Autorität nennt der Autor als Beispiele für soziale Einkaufsmotive (vgl.
Tauber 1972, S. 47f.).
Westbrook und Black (1985, S. 80ff.) haben die Ideen von Tauber (1972) aufgegriffen
und diese mit Ergebnissen der Motivationsforschung kombiniert (McGuire 1974). Sie
kommen zu dem Schluss, dass Individuen primär aus drei Gründen shoppen:
1. um ein Produkt zu kaufen (z. B. antizipierter Nutzen)
2. um das gewünschtes Produkt zu kaufen und dabei gleichzeitig Bedürfnisse zu
befriedigen, die nichts mit dem Produkt zu tun haben (z. B. verhandeln) und
3. um Ziele zu erreichen, die nicht mit dem Kauf eines Produkts verbunden sind
(z. B. Stimulation).
Die Ergebnisse der Untersuchungen von Westbrook und Black (1985) haben
verdeutlicht, dass Konsumenten nicht nur vom beabsichtigten, funktional getriebenen
Erwerb eines Produkts zum Einkaufen motiviert werden, sondern hierbei auch andere
Ziele verfolgen. Die Triologie dieser Ziele, die Westbrook und Black (1985)
vorgeschlagen hatten, hat sich aber in der Marketingforschung nicht durchgesetzt,
„(...) most typologies consider instrumental and hedonic motivations as fundamental
to understanding consumer shopping behavior because they maintain a basic
underlying presence across consumption phenomena“ (Childers/Carr/Peck/Carson
2001, S. 513; Hervorhebungen nicht im Original).
Arnolds und Reynolds (2003) haben in einer neueren Untersuchung eine Skala zur
Messung der hedonistischen Einkaufsmotivation entwickelt und dabei die Existenz
von sechs verschiedenen Faktoren der hedonistischen Komponente zeigen können.
Diese ähneln denen von Taubner (1972) und reichen von Abenteuer über Belohnung
bis hin zur Information über neueste Trends und Produkte (Idea Shopping) (vgl.
Arnold/Reynolds 2003, S. 79ff.) 28 .
Interessant ist hierbei insbesondere, dass auch Informationen hedonistische Aspekte
beinhalten. Zu einer ähnlichen Erkenntnis kommen auch Bloch, Sherrell und Ridgway
28 Die Faktoren sind im Einzelnen: „adventure, gratification, role, value, social und idea shopping“
(Arnold/Reynolds, S. 95). Eine Erklärung dieser Faktoren findet sich dort auf S. 80f.
110

(1986): Sie konnten feststellen, dass Konsumenten im Wesentlichen aus zwei Gründen
kontinuierlich und unabhängig von einem beabsichtigten Kauf Informationen zu
bestimmten Produkten suchen: „to augment stores of product knowledge and to
experience pleasure“ (S. 125; Hervorhebungen nicht im Original).
Wie Childers et al. (2001) gezeigt haben, ist die hedonistische Motivationskomponente
aber nicht nur für das „herkömmliche“ Einkaufsverhalten von Bedeutung, sondern
auch für den Online-Einkauf. Die Autoren untersuchten, wie die Nützlichkeit
(Usefulness) und Bedienungsfreundlichkeit (Ease of Use) einer Webseite, sowie der
bei der Nutzung erlangte Spaß (Enjoyment), die Einstellung und Nutzungsabsicht
beeinflussen. Dabei kamen sie zu der Erkenntnis, dass „while the instrumental aspects
of the new media are important predictors of online attitude, the more immersive,
hedonic aspects of the new media play at least an equal role” (Childers et al. 2001,
S. 527).
Somit kann festgehalten werden, dass Konsumenten sowohl von funktionalen
Aspekten des Erwerbs eines Produkts als auch von hedonistischen Aspekten, die sich
vornehmlich auf das während des Einkaufserlebnisses erlangte Vergnügen beziehen,
zum Einkaufen und der Informationssuche motiviert werden.
Diese Aspekte wirken sich aber nicht nur auf die Motivation zum Einkaufen aus,
sondern haben auch entsprechenden Einfluss auf die nachgelagerte Beurteilung des
Einkaufserlebnisses.
Beurteilung eines Einkaufserlebnisses
Babin, Darden und Griffin (1994) haben untersucht, anhand welcher Kriterien
Konsumenten den „Wert eines Einkaufserlebnisses“ (Shopping Experience)
bestimmen und dabei zwei verschiedene Bewertungskategorien identifiziert:
Utilitarian und hedonic. Der utilitaristische Wert des Einkaufserlebnisses wird im
Wesentlichen davon bestimmt, ob „(...) the particular consumption need stimulating
the shopping trip was accomplished“ (Babin/Darden/Griffin 1994, S. 646). Im
Gegensatz hierzu resultiert der hedonistische Wert „(...) more from fun and
playfulness than from task completion“ und „(...) reflects shopping’s potential
entertainment and emotional worth“ (Babin/Darden/Griffin 1994, S. 646). Er wird
charakterisiert durch „increased arousal, perceived freedom and/or fantasy
fulfillment“ (Haytko/Baker 2004, S. 77).
111

Babin et al. (1994) konnten diese beiden Aspekte des Einkaufserlebnisses anhand der
Dimensionalität der von ihnen entwickelten Personal Shopping Value-Skala empirisch
veranschaulichen. Demzufolge beurteilen Konsumenten ein Konsumerlebnis einerseits
nach der Effizienz und Effektivität des Produktkaufs, andererseits nach dem Spaß und
der Unterhaltsamkeit des Kaufprozesses selbst und können deshalb „(be) portrayed, in
a shopping context, as both intellectual and emotional“ (Babin/Darden/Griffin 1994,
S. 653).
In späteren Studien konnten Griffin, Babin und Modianos (2000) sowie Babin und
Attaway (2000) die zweidimensionale Struktur des Perceived Shopping Value
bestätigen und dessen Einfluss auf das Kaufverhalten von Konsumenten zeigen. Sie
stellten fest, dass der Perceived Shopping Value zwischen den positiven und negativen
Emotionen, die durch die Atmosphäre in einem Geschäft ausgelöst werden
(Environmental Affect) und dem Anteil der Einkäufe in einer Produktgruppe, die ein
Konsument in diesem Geschäft tätigt (Customer Share), moderiert (Babin/Attaway
2000, S. 97). Die Ergebnisse der Studie sind in Abbildung 28 anhand des
identifizierten Strukturmodells grafisch veranschaulicht.
Perceived Shopping
Value
Positive
Affect
0,62 (t=6,1)
Hedonic
Shopping
Value
0,32 (t=5,5)
- 0,26 (t=2,6)
0,23 (t=2,3)
- 0,19 (t=2,5)
Customer
Share
Negative
Affect
- 0,46 (t=4,0)
Utilitarian
Shopping
Value
0,37 (t=3,5)
Abbildung 28: Antezedenzien und Konsequenzen der hedonistischen und utilitaristischen Dimension
des Perceived Shopping Values. In Anlehnung an Babin/Attaway 2000, S. 96
Der Einfluss utilitaristischer und hedonistisches Aspekte auf das Verhalten von
Konsumenten wird auch von Untersuchungsergebnissen zur Beurteilung von
Einkaufszentren durch Konsumenten bestätigt. So konnten z. B. Wakefield und Baker
(1998) zeigen, dass die Aufenthaltsdauer in und die Loyalität zu einem
Einkaufszentrum (Repatronage) wesentlich davon abhängt, wie aufregend ein
112

Individuum das Einkaufserlebnis findet (vgl. S. 533). Diese positive Aufregung
(Excitement) kann als hedonistische Komponenten des Einkaufserlebnisses
interpretiert werden, da es einen „positive emotional state that consists of high levels
of pleasure and arousal“ (Wakefield/Baker 1998, S. 519) beschreibt. Zu einem
ähnlichen Ergebnis kommen auch Haytko und Baker (2004, S. 77ff.).
Hedonisitische und utilitaristischer Aspekte wirken sich aber nicht nur auf die
Beurteilung des gesamten Einkaufserlebnisses, sondern auch auf Einzelaspekte wie
beispielsweise die Beurteilung von verkaufsfördernden Maßnahmen (Sales
Promotions) aus:
Beurteilung des Nutzens von verkaufsfördernden Maßnahmen (Sales Promotions)
Nach den Ergebnissen von Chandon, Wansink und Laurent (2000) können
Konsumenten sowohl hinsichtlich hedonistischer als auch utilitaristischer Aspekte von
verkaufsfördernden Maßnahmen (Sales Promotions) wie z. B. Rabatten profitieren.
Abbildung 29 zeigt das Ergebnis der konfirmatorischen Faktorenanalyse (second
order) des Nutzens von Sales Promotions aus Konsumentensicht. Wie erkennbar ist,
hat sowohl die utilitaristische als auch die hedonistische Nutzendimension eine
dreifaktorielle Struktur (vgl. Chandon/Wansink/Laurent 2000, S. 65). Dabei fällt
weiter auf, dass die beiden Dimensionen relativ stark korrelieren (r = 0,67). Trotz
dieses hohen Werts ist aber die Diskriminanzvalidität der beiden Dimensionen
gegeben 29 .
Dies erlaubt den Schluss, dass „sales promotions can provide consumers with an
array of hedonic and utilitarian benefits beyond monetary savings“ (Chandon/
Wansink/Laurent 2000, S. 77). Sie sind ein weiteres Beispiel für die Koexistenz
utilitaristischer und hedonistischer Nutzenaspekte.
29 Da das Konfidenzintervall der Korrelation den Wert 1 nicht beinhaltet und die Höhe der
gemeinsamen Varianz zwischen den second-order Faktoren geringer ist als die durchschnittliche,
für jedem Faktor extrahierte Varianz, ist die Diskriminanzvalidität gegeben (vgl.
Chandon/Wansink/Laurent 2000, S. 67).
113

0,67
Utilitarian
Hedonic
0,83
0,74 0,78 0,41 0,46 0,45 0,75
δ
δ
δ
δ
δ
δ
Savings Quality Convenience
Value
Expression
Entertainment
Exploration
0,88
0,80 0,84
0,66
0,78 0,61
0,53
0,66 0,56
0,76
0,69 0,76
0,85
0,86 0,65
0,80
0,86 0,72
s1 s2 s3
q1 q2 q3
c1 c2 c3
ve1 ve2 ve3
e1 e2 e3
x1 x2 x3
δ δ δ
δ δ δ
δ δ δ
δ δ δ
δ δ δ
δ δ δ
Abbildung 29: Hedonistische und utilitaristische Nutzendimensionen von Sales Promotions. Quelle:
Chandon/Wansink/Laurent 2000, S. 70. (χ 2 127 =565; p < 0,05, GFI = 0,881, AGFI = 0,840, RMSEA =
0,087)
Der Einfluss hedonistischer und utilitaristischer Aspekte konnte auch bei der
Produktbewertung und der damit verbundenen Herausbildung eines Zufriedenheitsurteils
gezeigt werden.
Produktbewertung und Zufriedenheit
Mano und Oliver (1993) haben bei ihrer Untersuchung der Bewertungskriterien eines
gekauften Produkts festgestellt, dass Konsumenten Produkte anhand von zwei
Dimensionen bewerten – einer utilitaristischen und einer hedonistischen (Mano/Oliver
1993, S. 457). Die erste entspricht in der Konzeption von Mano und Oliver der
„traditional notion of instrumental or utilitarian performance whereby the product is
seen as performing a useful function“. Die hedonistische Komponente der
Produktbeurteilung „is that of hedonic or aesthetic performance (…) whereby
products are valued for their intrinsically pleasing properties“ (beide Mano/Oliver
1993, S. 453). Die Autoren greifen zur Erklärung dieser Dimensionalität u. a. auf
Untersuchungsergebnisse von Batra und Ahtola (1991) zurück, die gezeigt haben, dass
„attitudes towards brands and behaviors have at least two distinct components,
hedonic and utitarian“ (S. 168). Die in Abbildung 30 grafisch dargestellten
Ergebnisse der Untersuchung verdeutlichen die Koexistenz der utilitaristischen und
hedonistischen Bewertungsdimension als Determinanten der Zufriedenheit mit einem
gekauften Produkt. Von Interesse ist hierbei insbesondere auch der Zusammenhang
114

dieser Dimensionen mit den affektiven Reaktionen des Konsumenten. So hat sich
gezeigt, dass die hervorgerufene emotionale Erregung (Arousal) die Stärke der
positiven bzw. negativen Emotionen beeinflusst, wobei die Höhe des Arousals vor
allem von der hedonistischen Bewertung abhängt. Im Vergleich zu utilitaristischen
Faktoren ist der Einfluss hedonistischer Aspekte auf die affektiven Reaktionen
insgesamt größer. Weiterhin hat sich gezeigt, dass die Zufriedenheit sowohl von der
utilitaristischen Dimension, als auch von den affektiven Reaktionen (positiv, negativ)
beeinflusst wird und die hedonistische Bewertungskomponente gleichzeitig keinen
direkten Einfluss auf die Zufriedenheit hat, sondern nur über den positiven Affekt
wirkt. Die Autoren interpretieren dies als Hinweis darauf, dass „hedonic evaluation is
mostly affective while utilitarian evaluation is mostly cognitive“ (Mano/Oliver 1993,
S. 464).
0,306
Need
0,739
Value
0,974
Utilitarian
-0,256
0,209
0,450
Negative
Affect
- 0,489
Hedonic
-0,207
0,080
Satisfaction
Interrest
Positive
0,813
0,858
0,515
Hedonic
0,585
0,287
Positive
Affect
0,345
Appeal
0,739
0,161
Abbildung 30: Herausbildung eines Zufriedenheitsurteils: Der Zusammenhang von utilitaristischer
und hedonistischer Produktbewertung, positivem und negativem Affekt und der Zufriedenheit. Quelle:
Mano/Oliver 1993, S. 455
Die Ergebnisse von Mano und Oliver (1993) zeigen, dass bei der Produktbeurteilung
neben den funktionalen, die hedonistischen Aspekte eine wichtige Rolle spielen. Dabei
wirken sich letztere insbesondere auf die affektiven Reaktionen in Folge des
Produktkaufs aus. Insgesamt führt dies dazu, dass die Wirkung der hedonistischen
Komponenten auf die Zufriedenheit vornehmlich affektiver Natur ist, während jene
der utilitaristischen Aspekte in erster Linie kognitiv geprägt sind.
115

Zusammenfassung der Untersuchungsergebnisse zu hedonistischen und
utilitaristischen Aspekten im Konsumentenverhalten
Emotionen wie Freude und Spaß sind neben funktionalen Aspekten wie z. B.
erwartetem Produktnutzen wichtige Bestimmungsfaktoren des Konsumentenverhaltens.
Die dargestellten Untersuchungsergebnisse haben dabei verdeutlicht, dass
beide Komponenten in der Vorphase des Einkaufs (Motivation zum Einkaufen,
Informationssuche) sowie während (Benefits von Promotions) und nach diesem
(Beurteilung des Einkaufserlebnisses und des gekauften Produkts) von Bedeutung
sind.
Es liegt deshalb die Vermutung nahe, dass analog hierzu auch Produktvielfalt für
Konsumenten mit utilitaristischen und hedonistischen Aspekten verbunden ist. Erstere
wurden bereits erläutert (siehe S. 100ff.) und beziehen sich darauf, dass mit steigender
Vielfalt auch die Wahrscheinlichkeit steigt, dass das Produkt den eigenen
Vorstellungen entspricht und einen entsprechend hohen Nutzen hat.
Die hedonistischen Aspekte von Produktvielfalt umfassen die durch die
Produktvielfalt hervorgerufenen positiven Emotionen wie Freude, Freiheitsgefühl
und Spaß. Dieser Zusammenhang wird nachfolgend näher erläutert.
Zusammenhang von Produktvielfalt und Hedonismus im Kaufprozess
Kahn und Wansink (2004) legen ihren Untersuchungen die in der Marketingliteratur
weit verbreitete Annahme zugrunde, dass „variety is generally considered positive (...)
and may result in consumers feeling more positive affect“ (S. 521). Produktvielfalt
kann demzufolge zur Entstehung positiver Emotionen und damit zur Steigerung des
hedonistischen Kauferlebnisses führen. Wie oben erläutert, setzt dies nicht voraus,
dass ein Konsument tatsächlich ein Produkt erwirbt, vielmehr geht es um die positiven
Emotionen, die unabhängig vom Ausgang der Kaufentscheidung durch die Vielzahl
der verfügbaren Optionen ausgelöst werden.
An dieser Stelle soll die Unterscheidung zwischen Emotionen, die während der
Entscheidungsfindung entstehen (Process Emotions) und solchen, die unabhängig
davon sind, betont werden. So haben beispielsweise Iyengar und Lepper (2000) in
ihren Untersuchungen festgestellt, dass „an extensive array of options can at first
seem highly appealing to consumers, yet can reduce their subsequent motivation to
purchase the product“ (Iyengar/Lepper 2000, S. 997). Obwohl Konsumenten die
116

große Produktauswahl als attraktiv und anziehend empfunden haben, ist ihnen die
Kaufentscheidung schwer gefallen und hat zu negativen Emotionen, wie
empfundenem oder antizipiertem Regret, und dadurch zum teilweisen Verzicht auf die
Kaufentscheidung geführt (siehe hierzu auch die Ausführungen zu den emotionalen
Kosten von Produktvielfalt, Kapitel 2.3.2.3, S. 158ff.). Positive Emotionen im Vorfeld
der Entscheidung und negative Emotionen während der Entscheidungsfindung
schließen sich somit nicht aus. Zu diesem Ergebnis kommen auch Iyengar und
Lepper (2002) und argumentieren „that people can indeed find choosing among
too many alternatives to be both enjoyable and overwhelming“ (S. 1002). In
diesem Abschnitt wird der Schwerpunkt der Betrachtung aber auf die (positiven)
Emotionen gelegt, die im Vorfeld der Kaufentscheidung durch hohe
Produktvielfalt entstehen, (zur Entstehung und Wirkung negativer Emotionen siehe
Kapitel 2.3.2.2, S. 134ff. und Kapitel 2.3.2.3, S. 158ff.).
Beginnt man die Überlegungen zu deren Ursachen damit, dass sich hedonistische
Konsumaspekte, wie oben erläutert, durch „increased arousal, perceived freedom
and/or fantasy fulfillment“ (Haytko/Baker 2004, S. 77) charakterisieren lassen, so
besteht zwischen Produktvielfalt und Perceived Freedom ein offensichtlicher
Zusammenhang: Je mehr Produkte dem Konsumenten zur Wahl stehen, desto größer
ist seine Entscheidungsfreiheit. Reibstein, Youngblood und Fromkin (1975) konnten
entsprechend zeigen, dass Konsumenten, die aus vier verschiedenen Produkten
wählen, größere Entscheidungsfreiheit empfinden als diejenigen, die zwei Alternativen
zur Wahl haben. Die Autoren schlussfolgern daraus, dass „an enlarged choice set
leads to greater perceived decision freedom“ (Reibstein/Youngblood/Fromkin 1975,
S. 435).
Die Entstehung dieser positiven Emotion lässt sich auch mit Hilfe der
Reaktanztheorie (Brehm 1980) erklären. Demnach ist ein Individuum bemüht, die
subjektiv erlebte Entscheidungs- und Wahlfreiheit (vgl. Fischer/Wiswede 1997,
S. 312) aufrechtzuerhalten oder wiederherzustellen (vgl. Brehm/Wicklund 1970, S. 6).
Wird die Entscheidungsfreiheit eingeschränkt, kann dadurch ein motivationaler
Erregungszustand entstehen, der als Reaktanz bezeichnet wird (vgl. Brehm 1980,
S. 29). Kleine Sortimente, die den Entscheidungsspielraum des Kunden einengen,
können deshalb Reaktanzeffekte hervorrufen (vgl. Silberer 1990, S. 390). Im
Umkehrschluss bedeutet dies, dass Konsumenten, denen eine hohe Anzahl an
Produkten zur Wahl steht, eine Erweiterung ihrer persönlichen Wahlfreiheiten
empfinden. Dadurch kann eine Art „inverser Reaktanzeffekt“ entstehen, der mit
117

positiven Emotionen verbunden ist oder zumindest die Entstehung negativer
Emotionen vermeidet.
Iyengar und Lepper (2002) weisen in diesem Zusammenhang auf das Gefühl der
Kontrolle hin, das dem der Wahlfreiheit ähnlich ist und dessen Abhängigkeit von der
Produktvielfalt: „the provision of choice enhances feelings of personal control“ (S. 3).
Wie Lefcourt (1973) betont, hat dieses Gefühl positive Valenz: „the sense of control,
the illusion that one can exercise personal choice, has a definite and a positive role in
sustaining life“ (S. 424). Einen Zusammenhang von Entscheidungsfreiheit und
Kontrolle konnten auch Thompson, Locander und Pollio (1990) in ihrer Untersuchung
des Einkaufsverhaltens von Frauen feststellen: „(...) being free of restrictions, being in
control, and being deliberate are experienced by participants as conducive to free
choices (...)“ (S. 358). Demnach bedingen und verstärken sich die Gefühle von
Entscheidungsfreiheit und Kontrolle gegenseitig, wobei Entscheidungsfreiheit von
Konsumenten insbesondere dann als positiv empfunden wird, wenn sie gleichzeitig
das Gefühl haben, die Situation zu kontrollieren. Verlieren sie die Kontrolle, kann es
während der Entscheidungsphase zu negativen Emotionen kommen (siehe hierzu auch
die Ausführungen auf Seite 134 ff.) (vgl. Thompson et al. 1990, S. 358). Im Vorfeld
der Kaufentscheidung wird die Wahlfreiheit demnach als positiv empfunden.
Durch das Angebot einer hohen Anzahl an Produktalternativen steigt somit
zusammenfassend das (positive) Gefühl der Kontrolle und Selbstbestimmtheit
(Self-Determination) des Entscheiders, was sich wiederum positiv auf die Höhe der
intrinsischen Motivation und damit auf die Qualität der Entscheidung und die
Zufriedenheit mit dieser auswirkt (vgl. Iyengar/Lepper 2000, S. 995).
Neben den Gefühlen der Kontrolle und Selbstbestimmtheit, die als Folge der
empfundenen Wahlfreiheit entstehen, fördert Produktvielfalt auch die Phantasie in
Form der Vorstellung, verschiedene Produkte zu besitzen. Die mit der Anzahl
verfügbarer Optionen zunehmenden positiven Emotionen beschreibt Desmeules
(2002) als das „pleasure of anticipation“ (S. 8).
Ein weiteres Argument für den Zusammenhang von Produktvielfalt und der
Entstehung positiver Emotionen geht aus der oben aufgeführten Einkaufsmotivation
nach Tauber (1972) hervor. Demnach ist das Erlangen sensorischer Stimulation eines
der hedonistischen Motive, die Personen veranlassen einkaufen zu gehen. Die Höhe
der Stimulation nimmt offensichtlich mit der Anzahl der Produktalternativen zu. Dies
bewirkt die Erfüllung des hedonistischen Motivs der Stimulation und damit die
Entstehung positiver Emotionen. Auch Punj und Staelin (1983) schlussfolgern nach
118

dieser Logik, dass „consumers get pleasure (benefit) from trying out numerous brands
within a product class or from seeking out information about them“ (S. 368f.).
Verbraucher haben folglich Spaß an der Stimulation durch das Ausprobieren einer
Vielzahl von Produkten.
Die positive Wirkung von Produktvielfalt auf hedonistische Aspekte des
Konsumerlebnisses kann schließlich auch damit erklärt werden, dass Konsumenten
durch ein großes Produktangebot mehr Möglichkeiten haben, ihre eigenen
Präferenzen zu lernen. Häufig kennt ein Verbraucher seine Wünsche und
Präferenzen vor einer Kaufentscheidung nicht (vgl. Dhar 1997a, S: 216 Tversky 1996,
S. 17) und konkretisiert diese erst bei der Besichtigung des Vorhandenen (vgl.
Schmidt 1990, S. 246). Wie Kahn (1998) gezeigt hat, haben Entscheider hieran
grundsätzlich Freude und sind dadurch nach und mit dem Einkauf zufriedener (vgl.
Kahn 1998, S. 51). Da mit der Anzahl der verfügbaren Produktalternativen auch die
Lernmöglichkeiten der eigenen Präferenzen steigen „(…) enjoy (customers) asserting
their preferences within a large assortment (…)“ (Desmeules 2002, S. 6).
Fasst man die aufgeführten Argumentationsstränge zusammen, so kann man
annehmen, dass Konsumenten der Produktvielfalt einen hedonistischen Wert
beimessen, der sich im Empfinden positiver Emotionen, wie z. B. empfundener
Wahlfreiheit, Freude und Spaß manifestiert. Zurückzuführen ist dies auf die
• mit der Vielfalt zunehmende Wahlfreiheit,
• Gefühle der Kontrolle und Selbstbestimmtheit,
• zunehmende Stimulation und
• (Präferenz)Lernmöglichkeiten sowie
• inversen Reaktanzeffekte.
Zu einem ähnlichen Schluss kommt auch Desmeules (2002), der mit dem „potential
benefit of variety on the hedonic value of shopping“ den Zusammenhang von
Produktvielfalt und hedonistischem Einkaufserlebnis betont und insgesamt folgert,
dass „(…) large assortments support a pleasant shopping experience, and thus create
a stream of positive affect experiences (…)“ (Desmeules 2002, S. 8).
119

Auswirkungen des positiven Affekts auf das Konsumentenverhalten
Folge der positiven Emotionen während des Einkaufs ist, dass „people evaluate nearly
everything more positively“ (Kahn/Wansink 2004, S. 521). Kahn und Wansink (2004)
erklären dies damit, dass Konsumenten erstens in einer positiven Stimmung eher
positive Informationen aus dem Gedächtnis abrufen und sie zweitens ihre positiven
Emotionen als Information und Grundlage für die Beurteilung einzelner Produkte
nutzen. Sind sie positiv gestimmt, beurteilen sie folglich einen Stimulus positiver. Als
drittes Argument führen die Autoren an, dass Entscheider die empfundenen Gefühle
nutzen, um ihre künftigen Emotionen zu antizipieren: „(...) if increases in perceived
variety increase positive feelings, people should also anticipate a higher enjoyment of
the items to be consumed (…)” (Kahn/Wansink 2004, S. 521).
Als kurzfristige Konsequenz steigt durch die von der Produktvielfalt verursachten
positiven Emotionen die Kaufintention des Konsumenten, mittelfristig sollte durch
die positive Produktbeurteilung die Zufriedenheit mit dem gekauften Produkt
zunehmen. Da Konsumenten wie oben erläutert dem „act of purchasing itself“
(Babin/Darden/Griffin 1994, S. 646) einen hedonistischen Wert beimessen und dieser
durch die Anzahl der Alternativen gesteigert werden kann, sollte sich eine erhöhte
Anzahl an Alternativen auch positiv auf die Beurteilung des Einkaufserlebnises, und
damit auf die Zufriedenheit mit dem Kaufprozess auswirken.
Abbildung 31 stellt die aus den Ausführungen zum Shopping Hedonismus abgeleiteten
Zusammenhänge im Überblick dar.
120

Determinanten
Nutzendimension
Konsequenzen
Facetten des NPV
Quantitativ
Qualitativ
Anzahl der
Produkte
+
Nutzen
Argumentationslogik der Wirkung
Entstehung positiver Emotionen durch
• Entscheidungsfreiheit/ "inverse Reaktanz"
• Kontrolle und Selbsbestimmtheit
• Sensorische Stimulation
• Vorstellung, Produkt zu besitzen
• Spass am Informationsgewinn und Lernen
der eigenen Präferenzen
Durch positive Emotionen positive Bewertung
von Produkt und Prozess
Ausgang d.
Entscheidung
Bewertung
Kauintention
Zufriedenheit
• Prozess
• Produkt
+
+
+
Facetten des NPV
Spaß am
Einkauf
positive
Emotionen
Abbildung 31: Zusammenfassende Darstellung der Zusammenhänge des Shopping Hedonismus und
dem Nutzen von hoher Produktvielfalt
2.3.1.3 Zusammenfassung
In diesem Kapitel wurden durch die theoretischen Ausführungen zur Nutzenerwartungswerttheorie
und dem Shopping Hedonismus verschiedene Aspekte der positiven
Wirkung hoher Produktvielfalt aufgezeigt. Hierbei wurde deutlich, dass sich hohe
Produktvielfalt positiv auf den Ausgang der Kaufentscheidung und die Bewertung
von Kaufprozess und gekauftem Produkt auswirken kann. Dieser vermutete
Wirkungszusammenhang basiert sowohl auf kognitiven als auch auf affektiven
Nutzenfacetten hoher Produktvielfalt. Erstere folgen vor allem aus der
Nutzenerwartungswerttheorie und beziehen sich auf den mit zunehmender
Produktvielfalt steigenden antizipierten Produktnutzen und der dadurch zunehmenden
Erfolgsaussicht. Die affektiven Aspekte basieren auf dem Shopping Hedonismus und
erklären die positive Wirkung hoher Produktvielfalt durch die dadurch hervor
gerufenenen positiven Emotionen und den Spaß am Einkauf. Die aus den Theorien
abgeleiteten Hypothesen werden zusammenfassend in Kapitel 2.3.3 (S. 176ff.)
beschrieben.
Nach der theoretischen Begründung der Nutzenaspekte hoher Produktvielfalt in
diesem Kapitel, wird im nächsten Abschnitt aus verschiedenen Theorien die negative
Wirkung hoher Produktvielfalt auf das Verhalten von Konsumenten abgeleitet.
121

2.3.2 Theorien zur Erklärung der Kosten von Produktvielfalt
Nachfolgend werden Theorien zur Erklärung der mit der Produktvielfalt verbundenen
Kosten aus Konsumentensicht dargestellt. Dabei werden sowohl kognitive als auch
affektive Aspekte berücksichtigt. Die Theorie der Cost of Thinking dient der
Erklärung der kognitiven Kostenwirkung der Produktvielfalt. Die affektive
Komponente wird durch die Konflikttheorie und die Theorie des antizipierten Regrets
abgedeckt. Dadurch werden sowohl antizipierte als auch im Prozess entstandene und
erlebte Emotionen als Basis der Erklärung der negativen Wirkung von hoher
Produktvielfalt auf das Konsumentenverhalten verwendet.
2.3.2.1 The Cost of Thinking
„To most people nothing is more troublesome than the effort of thinking”
(James Bryce, The American Commonwealth 1888, zitiert nach
Shugan 1980, S. 99)
Shugan (1980) schlägt in seiner Theorie der „Cost of Thinking“ eine Methodik vor,
wie der kognitive Aufwand der Entscheidungsfindung für verschiedene
Entscheidungsstrategien quantifiziert werden kann, indem er ein „(...) measurable
(i.e., well-defined and calculable) unit of thought (...)“ (Shugan 1980, S. 100)
definiert. Diese Gedankeneinheit – das „unit of thought“ (Shugan 1980, S. 100) –
legte er fest als den kognitiven Aufwand, den ein Entscheider beim Vergleich von
zwei Alternativen hinsichtlich eines Attributs hat (vgl. Payne/Bettman/Johnson 1993,
S. 76).
Ausgangspunkt seiner Überlegungen ist dabei, dass ein Konsument, der erstmalig aus
einem Sortiment mit M Alternativen wählt, insgesamt M – 1 Vergleiche von jeweils
zwei Alternativen machen muss, um das aus seiner Sicht optimale Produkt zu
identifizieren. Shugan legt seiner Theorie damit Entscheidungsmodelle zugrunde, die
auf binären Vergleichen von Alternativen basieren, was die allgemeine Anwendbarkeit
seiner Theorie aber deutlich einschränkt (vgl. Payne/Bettman/Johnson 1993, S. 76).
Einen Entscheidungsprozess, der auf binären Vergleichen basiert, kann man sich als
eine Art „Turnier“ vorstellen: Der Entscheider ermittelt zunächst aus zwei
(beliebigen) Alternativen die aus seiner Sicht bessere und vergleicht diese
122

anschließend mit der nächsten Alternative. Er wählt wiederum die bessere und verfährt
nach diesem Prinzip so lange, bis nur noch ein Produkt übrig bleibt. Dieses ist dann
das aus seiner Sicht beste.
Ist der Vergleich von zwei Alternativen mit dem kognitiven Aufwand f i verbunden, so
entstehen durch die Entscheidung insgesamt kognitive Kosten (Thinking Costs) c von
M
∑ − 1
f i
p=
1
c =
(6)
M
f i
c
Anzahl der Alternativen
Geistiger Aufwand beim Vergleich von zwei Alternativen
Kognitive Kosten (Thinking Costs)
Kognitiver Aufwand bei der Wahl eines von zwei Produkten
Shugan geht davon aus, dass die Vergleichskosten von zwei Alternativen f i von der
Anzahl der Attributvergleiche abhängt, die ein Konsument machen muss, um mit
entsprechender Sicherheit zu wissen, das bessere der beiden Produkt zu wählen. Er
postuliert, dass drei Faktoren diese Vergleichsanzahl bestimmen:
Bezeichnet z r die Nutzendifferenz von zwei Produkten hinsichtlich des zufällig
gewählten Attributs r, so ist die Anzahl der Vergleiche abhängig von:
1. Dem Durchschnittlichen Nutzenunterschied der Alternativen: Ist das Attribut
r zufällig gewählt so entspricht dies dem Erwartungswert E(z).
2. Dem Konfidenzniveau α mit dem die Entscheidung getroffen wird
(Wahrscheinlichkeit, keine Fehlentscheidung zu treffen)
3. Der Schwankung (Variability) der Nutzenunterschiede über die Attribute r: Ist
r zufällig gewählt, wird diese durch die Varianz Var(z) beschrieben (vgl.
Shugan 1980, S. 101).
1. Nutzenunterschiede [E(z)]: Haben zwei Alternativen aus Sicht des Konsumenten
deutlich unterschiedliche Nutzenwerte, dominiert also beispielsweise eine Alternative
alle anderen, so fällt dem Konsumenten die Entscheidung relativ leicht. Die Höhe des
durchschnittlichen Nutzenunterschieds ist folglich umgekehrt proportional zur
Entscheidungsschwierigkeit.
123

2. Konfidenzniveau (α): Im Gegensatz hierzu wird die Entscheidung schwieriger,
wenn der Konsument das Risiko einer Fehlentscheidung reduzieren möchte und somit
das Konfidenzniveau α erhöht. Als Folge unternimmt der Konsument mehr
Attributvergleiche. Wichtig ist, dass α ein exogener Einflussfaktor ist und nicht von
der Anzahl und Art der Alternativen bestimmt wird. Das Konfidenzniveau ist vielmehr
vom Involvement des Konsumenten in der Entscheidung (Felt Involvement) und damit
z. B. vom Ressourcenbedarf und der Wichtigkeit anderer Entscheidungen abhängig
(vgl. Shugan 1982, S. 173). Konfidenzniveau und Entscheidungsschwierigkeit sind
somit direkt proportional zueinander.
3. Nutzenunterschiede [Var(z)]: Steigt die Schwankung der Nutzenunterschiede, so
erhöht sich auch die Entscheidungsschwierigkeit, Var(z) und die Entscheidungskosten
sind damit direkt proportional. Die Varianz Var(z) kann dabei als „(...) perceptual
difficulty in comparing the two products (...)“ (Shugan 1980, S. 102) interpretiert
werden. Deutlich wird dies, wenn man die Varianz in ihre Komponenten zerlegt:
var(z) = var(U j ) + var(U k ) – 2 cov(U j , U k ) (7)
U j,k
Nutzen der Alternativen j, k
Die ersten beiden Terme var(U j ) und var(U k ) können als Fehlen eines Halo-Effekts 30
von Produkt j bzw. k interpretiert werden: Ist ein Produkt j hinsichtlich aller Alttribute
sehr attraktiv, dann ist die Varianz des Nutzens var(U j ) relativ gering und das Produkt
besitzt einen ausgeprägten Halo-Effekt. Bei der Wahl dieses Produkts muss der
Konsument keine Kompromisse eingehen und negative Aspekte in Kauf nehmen, was
die Entscheidung erleichtert. Besitzt Produkt j dagegen attraktive und weniger
attraktive Attribute (Appetenz-Aversions-Konflikt, siehe hierzu auch die Ausführungen
auf S. 136ff.), dann ist die Varianz des Produktnutzens var(U j ) hoch und ein
Halo-Effekt fehlt. Da ein Konsument mit dem Kauf dieses Produkt neben den
positiven Aspekten auch die negativen realisiert, fällt die Entscheidung zu Gunsten des
Produkts schwer. Je ähnlicher ein Produkt in allen Attributen ist, je stärker also sein
Halo-Effekt, desto einfacher ist die Entscheidung.
30 Einfluss der allgemeinen Einstellung zu einem Produkt auf die Wahrnehmung einzelner
Produktattribute. Halo kommt aus dem Englischen und bedeutet Heiligenschein. Für das Produkt
und dessen Wahrnehmung bedeutet dieser Effekt, dass man bei Produkten, die man mag und
schätzt, auch alle Eigenschaften dieses Produktes für gut hält (vgl. Herrmann 1998, S. 95).
124

Die Kovarianz cov(U j , U k ) kann als wahrgenommene Ähnlichkeit der Produkte j und
k interpretiert werden und ist indirekt proportional zur Entscheidungsschwierigkeit. Je
unähnlicher sich die Produkte hinsichtlich ihrer Attributausprägungen sind, desto
schwerer ist folglich die Entscheidung. Shugan verdeutlicht dies an einem Beispiel,
das in Abbildung 32 dargestellt ist:
Abbildung A
Einfache Entscheidung: positive Kovarianz
Abbildung A:
Schwierige Entscheidung: negative Kovarianz
Nutzen
6
(cov [U A , U B ] = 1,56) (cov [U A , U B ] = -0,78)
Nutzen
6
5
Produkt A
5
Produkt C
4
Produkt B
4
Produkt D
3
3
2
2
1
1
0
1 2 3
Produktattribute
0
1 2 3
Produktattribute
Abbildung 32: Zusammenhang von Ähnlichkeit und Kovarianz von zwei Produkten und der
Schwierigkeit der Entscheidung zwischen diesen. In Anlehnung an Shugan 1980, S. 103
In Abbildung A werden zwei Produkte mit je drei Attributen miteinander verglichen.
Produkt A ist Produkt B in allen Eigenschaften überlegen. Die Kovarianz ist positiv
und die Thinking Cost daher ceteris paribus gering. In Abbildung B werden die
Produkte C und D miteinander verglichen. Diese haben mit 10 (=3+2+5) bzw. 7
(=4+2+1) Nutzeneinheiten sowohl denselben Nutzenwert als auch dieselbe
Nutzendifferenz wie die Produkte A (10=2+5+3) und B (7=1+4+2) in Abbildung A.
Die Kovarianz ist aber negativ, da sowohl Produkt C als auch Produkt D dem anderen
in jeweils einer Eigenschaft überlegen sind. Der Konsument muss daher die
Eigenschaften 1 und 3 gegeneinander abwägen und hinsichtlich dieser einen
Kompromiss (Trade-off) bei der Entscheidung eingehen. Dies macht die Entscheidung
schwerer 31 (vgl. Shugan 1980, S. 103). Das nächste Kapitel geht auf die affektive
Wirkung von Trade-offs detailliert ein.
Shugan sieht damit nicht nur die Anzahl der Altnernativen und deren Attribute,
sondern auch deren Struktur als wesentliche Bestimmungsfaktoren der
31 Vergleiche hierzu auch die Ausführungen zur Konflikttheorie auf S. 134ff.
125

Entscheidungskosten. Beide Aspekte sollen deshalb als Einflussgrößen der Kosten
von Produktvielfalt in dem zu entwickelnden Gesamtmodell berücksichtigt werden.
Zusammenfassend ist die Anzahl notwendiger Attributvergleiche beim Vergleich von
zwei Produkten und damit die Entscheidungsschwierigkeit
• indirekt proportional zum durchschnittlichen Nutzenunterschied der
Alternativen,
• direkt proportional zum Konfidenzniveau α und
• direkt proportional zur Ähnlichkeit sowohl eines Produkts hinsichtlich der
Attraktivität seiner Attribute, als auch zwischen den Produkten hinsichtlich der
Ausprägung ihrer Attribute.
Ein Konsument vergleicht so viele Attribute von zwei Alternativen miteinander, bis er
mit einer Wahrscheinlichkeit von α die aus seiner Sicht bessere wählen kann.
Shugan leitet auf Basis der obigen Ausführungen eine Obergrenze f p für die
minimale Anzahl an notwenigen Attributvergleichen von zwei Produkten bei einem
Konfidenzniveau von α ab:
f p
var()
z
( 1−α
)[ E( z)
] 2
= (8)
f p
potenzielle Kosten beim Vergleich von zwei Alternativen
Obige Gleichung besagt, dass die Wahrscheinlichkeit für eine richtige Entscheidung
mindestens α ist, wenn f p Attribute der beiden Optionen miteinander verglichen
werden (vgl. Shugan 1980, S. 103) (Theorem 1).
Diese potenziellen Kosten f p bei der Entscheidung zwischen zwei Alternativen bilden
den Grundbaustein für die Schätzung kognitiver Kosten bei der Auswahl eines
Produkts aus mehreren Produkten.
126

Kognitiver Aufwand bei der Wahl eines von mehreren Produkten
Besteht ein Sortiment aus M Alternativen, aus denen die beste unter der Verwendung
einer kompensatorischen Entscheidungsstrategie (Nutzenmaximierung!) gewählt
werden soll, ist dies nach der Methodik von Shugan mit folgendem kognitiven
Entscheidungsaufwand c verbunden:
M 1
∑ − p
p = 1
( M − 1) f
c = f =
(9)
f
durchschnittliche binäre Vergleichskosten von zwei Alternativen
Da die Verteilung von z r (Nutzendifferenz von zwei Produkten hinsichtlich Attribut r)
unbekannt ist, können die durchschnittlichen Vergleichskosten f durch die
potenziellen durchschnittlichen Vergleichskosten
f
p
ersetzt werden. Sowohl f als
auch f
p
hängen von der Reihenfolge ab, in der die Alternativen miteinander
verglichen werden. Shugan geht von einer optimalen, d. h. kostenminimalen
Vergleichsreihenfolge aus und definiert auf dieser Basis die Thinking Costs c p als:
c
p
*
( M − 1) f
= (10)
p
*
f
p
durchschnittliche Vergleichskosten von zwei Alternativen bei optimaler
Vergleichsreihenfolge (vgl. Shugan 1980, S. 104).
Synonym zur Bezeichnung Thinking Costs verwendete Shugan auch den Begriff
Confusion Index. Wie aus obiger Formel zu erkennen ist, steigen die Thinking Cost
linear mit der Anzahl der verfügbaren Alternativen. Shugan trifft bei der
Berechnung die Annahme, dass die durchschnittlichen Vergleichskosten von zwei
Alternativen unabhängig von der Anzahl der Alternativen M sind. Empirische
Untersuchungen haben aber gezeigt, dass der Vergleichsaufwand aufgrund der
geringer werdenden Unterschiede der Alternativen steigt, wenn der Choice Set im
Laufe der Entscheidung kleiner wird (vgl. Payne 1976; Payne/Bettman/Johnson 1993,
S. 76).
Die von Shugan vorgeschlagene Methodik zur Messung des kognitiven Aufwands bei
einer Entscheidung hat, wie schon erwähnt, einen Schwachpunkt: Die Messeinheit, das
127

Unit of Thought, ist definiert als der kognitive Aufwand beim Vergleich von zwei
Alternativen hinsichtlich eines Attributs. Dadurch kann diese Methodik zur Messung
des kognitiven Auswahlaufwands nur auf Entscheidungsregeln angewendet werden,
die auf dem binären Vergleich von Alternativen basieren (vgl. Payne/Bettman/Johnson
1993, S. 76). Aus diesem Grund wurden alternative Methoden entwickelt, die eine
Entscheidung in mehrere verschiedene Komponenten zerlegen, die so genannten
Elementary Information Processes (EIPs).
Methodik der Elementary Information Processes (EIPs)
Basierend auf den Arbeiten von Newell und Simon (1972) haben Huber (1980) und
Johnson (1979) eine Methodik zur Messung des kognitiven Aufwands bei der
Anwendung verschiedener Entscheidungsstrategien vorgeschlagen. Hauptunterschied
dieser Methodik zu der von Shugan (1980) ist, dass Entscheidungsprozesse nicht wie
bei den Thinking Costs nach Shugan durch eine Komponente, sondern durch die
Abfolge mehrerer verschiedener Komponenten beschrieben werden. Diese werden
als Elementary Information Processes (EIPs) bezeichnet. Ein EIP beschreibt mentale
Prozesse wie z. B. das Lesen des Werts einer Alternative in das Kurzzeitgedächtnis
(READ), den Vergleich von zwei Alternativen hinsichtlich eines Attributs
(COMPARE) oder den Ausschluss einer Alternative von der weiteren Betrachtung
(ELIMINATE). Die „Bausteine“ wie auch die gesamte Methodik erinnert dabei an die
aus der Informatik bekannte Beschreibung von Algorithmen oder Informationsverarbeitungsprozessen.
Tabelle 4 beschreibt die am häufigsten verwendeten EIPs.
128

EIP (Elementary
Information Process)
READ
COMPARE
DIFFERENCE
ADD
PRODUCT
ELIMINATE
MOVE
CHOOSE
Beschreibung des Prozessschrittes
Lese den Wert eines Attributs einer Alternative ins Kurzzeitgedächtnis ein.
Vergleiche zwei Alternativen hinsichtlich eines Attributs
Berechne die Höhe des Unterschieds zweier Alternativen hinsichtlich eines Attributs
Addiere die Werte eines Attributs im Kurzzeitgedächtnis
Gewichte einen Wert mit einem anderen (Multiplikation)
Schließe eine Alternative oder ein Attribut von der weiteren Betrachtung aus
Gehe zum nächsten Element der „Umwelt“ (external environment)
Gib die gewählte Alternative bekannt und beende den Prozess
Tabelle 4: Übersicht verschiedener Elementary Information Processes (EIPs), die zur
Beschreibung des Ablaufs einer Kaufentscheidung dienen. Quelle: Bettman/Johnson/Payne 1990,
S. 114 (Übersetzung durch Verfasser)
Der kognitive Gesamtaufwand einer Entscheidung ergibt sich aus der Summe an EIPs,
wobei diese entweder gleich (Equal-weighted EIP Model) oder je nach Prozessschritt
individuell (Weighted EIP Model) gewichtet werden können. Da Konsumenten
einzelne Schritte im Entscheidungsprozess als schwerer empfinden als andere, hat sich
das Weighted EIP Model als überlegen erwiesen (vgl. Bettman/Johnson/Payne 1990,
S. 134). Payne, Bettman und Johnson (1990, 1993) haben mit Hilfe der EIP-Methodik
den kognitiven Aufwand einer Produktwahl untersucht und dabei festgestellt, dass
dieser im Wesentlichen von drei Faktoren bestimmt wird (vgl. Payne/Bettman/Johnson
1993, S. 79):
1. Größe des Entscheidungsproblems (Anzahl der Alternativen und Attribute)
2. Art der verwendeten Entscheidungsstrategie
3. Spezifische Werte der einzelnen Alternativen
Abbildung 33 zeigt die Forschungsergebnisse im Hinblick auf die ersten beiden
Faktoren.
129

A: Gemessener Zeitaufwand
B: Empfundener Aufwand
C: Berechneter kognitiver Aufwand
Sek. 180
160
140
120
100
80
60
40
20
0
1 2 3 4 5 6 7
Anzahl Alternativen
Skala
(0-10)
10
9
8
7
6
5
4
3
2
1
0
1 2 3 4 5 6 7
Anzahl Alternativen
EIPs 300
250
200
150
100
50
0
1 2 3 4 5 6 7 8 9
Anzahl Alternativen
Verwendete Strategie
WADD
EBA LEX
Abbildung 33: Zusammenhang von Alternativenzahl und kognitivem Entscheidungsaufwand bei
verschiedenen Entscheidungsstrategien. Daten 32 aus Bettman/Johnson/Payne (1990, 1993)
Die Abbildung verdeutlicht, dass der kognitive Aufwand mit zunehmender
Alternativenzahl tendenziell steigt. Die Autoren haben hierbei Konsumenten vor
verschieden große Entscheidungsprobleme gestellt und zur Messung des kognitiven
Aufwands, deren Zeitbedarf für die Entscheidung und die dabei empfundene
Anstrengung (Effort) 33 erfasst.
In der Grafik ist außerdem zu erkennen, wie durch die Anwendung vereinfachender
Strategien (EBA und LEX) der Aufwand im Vergleich zum normativen Fall (WADD)
erheblich reduziert werden kann. Damit geht jedoch eine Verschlechterung der
Entscheidungsqualität und deshalb eine Zunahme des Fehlerrisikos einher. Die drei
Autoren haben diese Beziehung in ihrem Effort-Accuracy Framework zusammengefasst.
Dieses besagt, dass ein Entscheider diejenige Strategie wählt, die aus seiner
Sicht das für die Entscheidung beste Kosten-Nutzen-Verhältnis (Effort-Accuracy) hat,
also den besten Kompromiss aus Entscheidungsaufwand und Entscheidungsqualität
darstellt (vgl. Payne/Bettman/Johnson 1993, S. 94ff.) (siehe hierzu auch die
Ausführungen auf S. 20 ff.)
Aus dem Vergleich von Grafik A und B mit Grafik C ist zu erkennen, dass sich der
kognitive Aufwand einer Entscheidung gemessen in Entscheidungszeit und
empfundener Anstrengung durch ein EIP-Modell gut annähern lässt. Bettman und
seine Kollegen konnten zeigen, dass insbesondere das Weighted EIP Model, das
unterschiedliche Gewichtungen der Prozesskomponenten (EIPs) vorsieht, einen guten
32 Die beiden linken Grafiken zeigen die Ergebnisse für den Fall, dass die Alternativen jeweils drei
Attribute hatten (vgl. Bettman/Payne/Johnson 1990, S. 128f.).
130

Fit sowohl für die Entscheidungszeit (R 2 = 0,75) als auch den berichteten
Entscheidungsaufwand (R 2 = 0,59) hat (vgl. Bettman/Johnson/Payne 1990, S. 130).
Die Autoren ziehen daraus den Schluss „(…) that a small number of simple operations
can be viewed as the fundamental components from which decision rules are
constructed. However, the results do suggest significant individual differences in the
effort associated with individual EIPs“ (Bettman/Payne/Johnson 1990, S. 135).
Zusammenfassend lässt sich sagen, dass die Methodik der Zerlegung eines
Produktwahlprozesses in eine Abfolge verschiedener Prozesskomponenten (EIPs)
weitere theoretische Argumente dafür geliefert hat, dass die kognitive Belastung
einer Entscheidung mit der Höhe der Produktvielfalt steigt. Die Studien von
Payne, Bettman und Johnson haben hierfür empirische Belege erbracht und
gleichzeitig aufgezeigt, dass Konsumenten durch die Anwendung vereinfachender
Heuristiken die kognitive Belastung reduzieren können, wenn sie bereit sind, hierfür
eine suboptimale Entscheidung zu riskieren.
Zusammenfassung und Schlussfolgerung
Shugan (1980) hat in seiner Theorie der Cost of Thinking eine Methodik
vorgeschlagen, wie der kognitive Aufwand einer Alternativenauswahl z. B. bei einer
Kaufentscheidung, für Entscheidungsstrategien, die auf binären Attributvergleichen
basieren, geschätzt werden kann 34 . Als Messeinheit hat er hierfür den kognitiven
Aufwand beim Vergleich von zwei Alternativen hinsichtlich eines Attributs definiert
(vgl. Shugan 1980, S. 100ff.). Die Methodik der EIPs basiert auf der gleichen
Grundüberlegung, geht aber von mehreren Prozesskomponenten aus, die sich
hinsichtlich Inhalt und kognitiver Belastung unterscheiden (vgl. z. B. Bettman/
Payne/Johnson 1990, S. 114ff.).
Daraus kann der Schluss gezogen werden, dass sowohl die Theorie der Cost of
Thinking (Shugan 1980), als auch die Methodik der EIPs (Huber 1980; Johnson
1979; Bettman/Johnson/Payne 1990; Payne/Bettman/Johnson 1993) theoriebasierte
Argumente für die Entstehung kognitiver Kosten durch (hohe) Produktvielfalt
liefern.
33 Skala von 0 (gering) bis 10 (hoch)
34 Im obigen Abschnitt wurden nur die Ergebnisse bei der Anwendung einer kompensatorischen
Strategie gezeigt. Für die Aufwandsschätzungen verschiedener anderer Strategien sei der
interessierte Leser auf Shugan 1980, S. 105ff. verwiesen.
131

Im Hinblick auf die kognitiven Aspekte der Kostendimension des Werts von
Produktvielfalt lassen sich aus der Theorie der Cost of Thinking und der Methodik der
EIPs zusammenfassend folgende Punkte ableiten:
1. Der kognitive Aufwand der Entscheidung nimmt mit der Anzahl der zur Wahl
stehenden Alternativen zu.
2. Durch die Anwendung vereinfachender Entscheidungsstrategien
(Heuristiken) kann der Konsument die kognitiven Kosten der Produktvielfalt
reduzieren, geht hierfür aber das Risiko einer suboptimalen Entscheidung ein.
Dies kann zur Entstehung von antizipiertem oder empfundenen Regret
führen und die Entscheidung dadurch emotional schwieriger machen. (siehe
hierzu auch Kapitel 2.3.2.3, S. 158ff.). Durch die empfundene Suboptimalität
der Entscheidung kann außerdem die Zufriedenheit mit dem
Entscheidungsprozess und dem Produkt negativ beeinflusst werden.
3. Der kognitive Entscheidungsaufwand ist vom Attraktivitätsunterschied der
Alternativen abhängig: Ist beispielsweise der Gesamtnutzen von zwei
Alternativen in etwa gleich hoch, dann stellen beide relevante Optionen zur
Bedürfnisbefriedigung dar und die Entscheidung fällt dem Konsumenten relativ
schwer.
4. Die Struktur der Alternativen beeinflusst die Entscheidungskosten: Shugan
(1980) hat gezeigt, dass bei der Verwendung einer kompensatorischen
Entscheidungsstrategie der kognitive Aufwand von der Kovarianz des Nutzens
der Alternativen und damit von der Anzahl und Größe der Trade-offs
zwischen diesen abhängt.
5. Die kognitiven Ressourcen, die der Konsument in die Entscheidung investiert,
richten sich nach seinem Involvement und seiner Risikobereitschaft: Je höher
das Involvement, desto geringer ist die Bereitschaft, das Risiko einer
Fehlentscheidung einzugehen. Hohes Involvement ist deshalb mit größeren
Ressourceneinsatz bei der Entscheidungsfindung verbunden.
132

6. Die Entscheidungskosten sind abhängig von der Reihenfolge der
Produktvergleiche und damit von der Erfahrung bzw. dem spezifischen
Wissen und den Fähigkeiten des Konsumenten: Dies ist darauf
zurückzuführen, dass ein erfahrener Entscheider den „kostenminimalen
Entscheidungspfad“ zur Elimination suboptimaler Produkte kennt oder diesen
erschließen kann. Dadurch hat er im Vergleich zum unerfahrenen
Konsumenten, der die Reihenfolge eher zufallsbasiert wählt, im Durchschnitt
geringere Entscheidungskosten.
Die beiden Theorien geben insgesamt theoriebasierte Hinweise dafür,
• daß der kognitive Entscheidungsaufwand ein wichtiger Kostenaspekt hoher
Produktvielfalt ist,
• welche Eigenschaften des Sortiments die Kosten von Produktvielfalt
beeinflussen und deshalb als Bestimmungsgrößen im Modell zu
berücksichtigen sind (z. B. geringe Nutzenunterschiede der Produkte, hohe
Anzahl an Alternativen, schwierige Trade-offs zwischen Alternativen, schlechte
Identifizierbarkeit der besten Alternative),
• welche verhaltensrelevanten Konsequenzen die Kosten von Produktvielfalt
haben (z. B. Kaufaufschub, Kaufverzicht, Anwendung von Heuristiken) und
• welche personenspezifischen Eigenschaften die Kosten von Produktvielfalt
beeinflussen können und als Moderatoren ins Wirkungsmodell einbezogen
werden können (z. B. Expertise, Involvement).
In Abbildung 34 sind die wichtigsten Determinanten, Argumentationsstränge und
Konsequenzen, sowie die aus den Theorien abgeleiteten Kostenfacetten
zusammenfassend dargestellt.
133

Determinanten
Kostendimension
Konsequenzen
Facetten der KPV
Quantitativ
Qualitativ
Anzahl der Produkte
Klare Produktunterschiede
Kompromissnotwendigkeit
(wechselseitige Vor- und
Nachteile der Produkte)
+
_
+
Kosten
Argumentationslogik der Wirkung
• Der kognitive Aufwand der Entscheidung
steigt mit der Anzahl der Produkte
• Wechselseitige Vor- und Nachteile von
Produkten verlangen vom Konsumenten
Kompromisse und die Anwendung
kompensatorischer
Entscheidungsstrategien. Dadurch steigt
der Aufwand bei der Entscheidung oder
das Fehlentscheidungsrisiko.
Ausgang d.
Entscheidung
Bewertung
Kaufintention
Zufriedenheit
• Prozess
• Produkt
_
_
_
Facetten der KPV
Aufwand und
Anstrengung
Antizipiertes
Regret
Abbildung 34: Zusammenfassende Darstellung des Zusammenhangs der Theorie der Cost of Thinking
und der EIP-Methodik mit den Kosten von Produktvielfalt
Neben dem kognitivem Aufwand einer Entscheidung spielen auch die emotionalen
Prozesse und Reaktionen während dieser eine wichtige Rolle für das
Konsumentenverhalten: „In an emotion-laden decision, it is not just this cognitive
effort that will be considered but also the emotional toll of the decision“
(Luce/Payne/Bettman 2001, S. 21).
Die nächsten beiden Kapitel stellen mit der Konflikt- und der Regret-Theorie
Grundlagen emotionaler Reaktionen und Prozesse dar, die gemeinsam die Grundlage
für die emotionalen Kostenaspekte hoher Produktvielfalt bilden.
2.3.2.2 Konflikt-Theorie
„The experience of conflict is the price one pays for the freedom to choose“
(Tversky/Shafir 1992, S. 358)
Ein intrapersoneller Konflikt entsteht aus der „(...) simultaneous presence of at least
two mutually incompatible response tendencies“ (Festinger 1964, S. 3). Bei der hier
zugrunde liegenden Art von Kaufentscheidungen (Quantal Quoice Problem, siehe
S. 39) muss ein Konsument aus mehreren sich gegenseitig ausschließenden
134

Alternativen eine auswählen, wobei diese typischerweise jeweils verschiedene
Entscheidungskriterien besser erfüllen (vgl. Luce/Jia/Fischer 2003, S. 464f.). Luce,
Payne und Bettman (2000) definieren den daraus resultierenden
Entscheidungskonflikt (Decision Conflict) in einer Kaufsituation als „competing
response tendencies arising when one of a set of multiple alternatives must be chosen“
(S. 275). Sie bezeichnen diesen als den „most basic aspect of decision making, for an
active decision is necessary only when there is some conflict between alternatives“
(S. 275).
Motivationale und kognitive Konflikte
Kroeber-Riel und Weinberg (1996) unterscheiden motivationale und kognitive
Konflikte. Motivationale Konflikte gehen auf Antriebskräfte zu widersprüchlichen
Handlungstendenzen zurück. Kognitive Konflikte sind im Gegensatz hierzu eher dem
assoziativen Bereich zuzuordnen und führen zur Umorganisation von kognitiven
Elementen. Die Wahl einer von zwei Produktalternativen, die der Konsument
gleichermaßen attraktiv findet, ist ein Beispiel für einen motivationalen Konflikt.
Das empfinden kognitiver Dissonanz nach einer Kaufentscheidung ist ein Beispiel
eines kognitiven Konflikts (vgl. Krober-Riel/Weinberg 1996, S. 160). Kognitive
Konflikte sind der Entscheidung nachgelagert und sind folglich eher als eine
Konsequenz denn eine Facette der Kosten von Produktvielfalt zu verstehen. Da die
kognitive Dissonanz gewissermaßen das Bindeglied zwischen Kaufprozess und
Produktbewertung darstellt (vgl. Oliver 1996, S. 242ff.), wird sie als
Konsequenzkonstrukt der Kosten von Produktvielfalt im Wirkungsmodell
berücksichtigt (siehe S. 178). Die weiteren Ausführungen in diesem Kapitel beziehen
sich auf die für die Phase der Kaufentscheidung relevanten motivationalen Konflikte.
Motivation bezeichnet einen Prozess, der Menschen dazu veranlasst, auf bestimmte
Art und Weise zu handeln (vgl. Solomon/Bamossy/Askegaard 2001, S. 120).
Demzufolge können durch die Entscheidungssituation ausgelöste motivationale
Konflikte zu bestimmten Verhaltensweisen des Konsumenten führen. Hierbei werden
zwei grundsätzliche Verhaltenstendenzen unterschieden: Appetenz und Aversion
(vgl. Miller 1944, 1959; Solomon/Bamossy/Askegaard 2001, S. 120;
Luce/Payne/Bettman 2000, S. 276ff.).
Als Appetenzverhalten – oder kurz Appetenz (approach) – wird die Annäherung
eines Individuums an ein ihn subjektiv anziehendes Verhaltensziel bezeichnet.
135

Entsprechend versteht man unter Aversion Verhaltenstendenzen, die zur Vermeidung
eines Ziels führen (vgl. Kroeber-Riel/Weinberg 1996, S 160). Appetenz und Aversion
bezeichnen somit gegenteilige Verhaltenstendenzen eines Konsumenten. Ein Beispiel
für Appetenz ist das Bestreben eines Philatelisten, in den Besitz einer seltenen
Briefmarke zu kommen. Dagegen kann der hohe Preis des Produkts
Aversionsverhalten bewirken und zur Vermeidung der Anschaffung führen.
Resultierend aus der Unterscheidung von positiven und negativen
Verhaltenstendenzen, ergeben sich drei Arten von Konflikten (vgl. Miller 1944,
1959; Solomon/Bamossy/Askegaard 2001, S. 120; Luce/Payne/Bettman 2000,
S. 276ff.):
1. Appetenz-Appetenz-Konflikt
2. Aversions-Aversions-Konflikt
3. Appetenz-Aversions-Konflikt.
Konfliktarten
Appetenz-Appetenz-Konflikte (Approch-Approach Conflicts) entstehen wenn ein
Konsument in einer Kaufsituation zwei Alternativen gleichermaßen attraktiv findet
und beide aus seiner Sicht nur positive Eigenschaften besitzen. Ein Beispiel hierfür ist
eine Situation, in der ein Konsument die Wahl zwischen zwei CDs hat, die er beide
gleichermaßen gut findet, er aber nur eine kaufen kann.
Ein Konsument empfindet einen Aversions-Aversions-Konflikt, wenn er von zwei
Produkten das „kleinere Übel“ wählen muss, und beispielsweise die Wahl zwischen
der Reparatur einer kaputten Waschmaschine und dem Kauf einer neuen hat.
Appetenz-Aversions-Konflikte entstehen, wenn eine Produktalternative sowohl
erwünschte als auch unerwünschte Eigenschaften hat. Der Entscheider wird also
gleichzeitig von den positiven Eigenschaften eines Produkts angezogen (Appetenz)
und dessen negativen, wie z. B. dem hohen Preis abgestoßen (Aversion) (vgl.
Chatterjee/Heath 1996, S. 145).
Ein bekanntes Beispiel eines Lösungsversuchs dieses Konflikts ist der Claim „Weil Sie
es sich wert sind“ von L’Oréal. Das Unternehmen versucht, durch diese
Kommunikationsmaßnahme der Aversion (Kaufverzicht, Kauf einer anderen billigeren
Marke), die durch den vergleichsweise hohen Preis ausgelöst wird, entgegenzutreten
und stärkt die Appetenz mit dem Argument „sich etwas Gutes zu tun“. Durch die
136

Verstärkung der positiven Verhaltenstendenzen sollen diese die negativen übersteigen
und zum Kauf führen. (vgl. Solomon/Bamossy/Askegaard 2001, S. 125).
Konflikte können somit sowohl innerhalb einer Wahlalternative
(Within-Alternative) in Form eines Appetenz-Aversions-Konflikts (z. B. Qualität vs.
Preis) als auch zwischen Produktalternativen (Between-Alternatives) in Form von
Aversions-Aversions- oder Appetenz-Appetenz-Konflikten entstehen (vgl.
Luce/Jia/Fischer 2003, S. 464).
In einer Kaufsituation muss sich der Käufer normalerweise zwischen mehreren
Alternativen mit verschiedenen Vor- und Nachteilen entscheiden, wobei auch jede
Alternative für sich positive und negative Eigenschaften haben kann (vgl.
Luce/Jia/Fischer 2003, S. 464f.). Mit der Entscheidung für eine bestimmte Alternative
sind für den Konsumenten also sowohl direkte negative Folgen durch deren negative
Eigenschaften, als auch Opportunitätskosten durch den Verzicht auf die positiven
Eigenschaften der nicht gewählten Alternativen verbunden. Bei der Kaufentscheidung
muss der Konsument folglich die positiven Eigenschaften einer Alternative gegen die
direkten und indirekten negativen Folgen einer Entscheidung selbiger abwägen. Der
dadurch notwendige Kompromiss kann zur Entstehung eines Entscheidungskonflikts
führen (vgl. Scholten 2002, S. 686). Dieser für eine Kaufsituation typische Konflikt
wird als mehrfacher Appetenz-Aversions-Konflikt bezeichnet, da sowohl zwischen
den Alternativen (Between-Alternative Conflict) als auch innerhalb einer Alternative
(Within-Alternative Conflict) ein Konflikt besteht (vgl. Trommsdorff 1998, S. 122).
Hinsichtlich Entstehung und Lösung der drei grundlegenden Konfliktarten hat Miller
(1964) u. a. folgende Hypothesen formuliert (vgl. Miller 1964, S. 99f., zitiert nach
Kroeber-Riel/Weinberg 1996, S. 161):
1. Die Stärke der Verhaltenstendenz (positiv und negativ) nimmt mit der Zielnähe
zu.
2. Die Stärke des Aversionsverhaltens ist mit zunehmender Nähe zum Ziel stärker
als die Appetenzreaktion (Verlustaversion).
3. Von zwei einander entgegenstehender Verhaltenstendenzen setzt sich in einem
Konflikt die stärkere durch.
Auf der Basis dieser Hypothesen lassen sich Konfliktarten sowie deren Entstehung
und Lösung mit Hilfe sog. Zielgradienten grafisch veranschaulichen. Diese
beschreiben die Beziehung zwischen Zieldistanz und Stärke der Verhaltenstendenz
137

(siehe Abbildung 35). Die Pfeilrichtung des Zielgradienten verdeutlicht die Richtung
der Verhaltenstendenz.
A: Appetenz-Appetenz-Konflikt B: Appetenz-Aversions- Konflikt
Verhaltenstendenz
V +
1
V 2
+ V +
V - G 1
-
3
G 1
+ G 2
+
G 1
+
V - > V + 2
3
V 1 + > V 2
+
2
6
1
1 4
5
V + > V -
Z 1 K '
1 K
Z 1
Z K 1
' K K 2
'
V + 1,2 : Stärke der positiven Verhaltenstendenz G + 1,2 : Zielgradient der positiven Verhaltenstendenz
V 1,2- : Stärke der negativen Verhaltenstendenz G 1,2- : Zielgradient der negativen Verhaltenstendenz
Z 1,2 : Ziele Richtung des gewünschten Verhaltens (Verhaltenstendenz)
Abbildung 35: Veranschaulichung der Entstehung und Lösung eines Appetenz-Appetenz Konflikts und
eines Appetenz-Aversions Konflikts. In Anlehnung an Kroeber-Riel/Weinberg 1996, S. 163
Entstehung von Konflikten
Teil A von Abbildung 35 zeigt einen Appetenz-Appetenz-Konflikt. Die Zielgradienten
G + 1 und G + 2 geben jeweils die positive Verhaltenstendenz zu den Zielen Z 1 bzw. Z 2 an.
An der Schnittstelle der beiden Zielgradienten sind die Verhaltenstendenzen in beide
Zielrichtungen gleich groß und es entsteht ein motivationaler Konflikt K.
Der im Teil B dargestellte Appetenz-Aversions-Konflikt beruht darauf, dass im Punkt
K die positive Verhaltenstendenz zum Ziel Z gleich groß ist, wie die Aversion
gegenüber diesem. Zum besseren Verständnis der Grafik sei nochmals betont, dass der
Zielgradient G − eine negative Verhaltenstendenz darstellt, der Entscheider möchte sich
also vom Ziel Z z. B. aufgrund des hohen Preises entfernen.
138

Lösung von Konflikten
Appetenz-Appetenz-Konflikte sind im Vergleich zu Appetenz-Aversions Konflikten
leicht zu lösen, da der Konsument bei einer Entscheidung für eine Alternative keine
unerwünschten Eigenschaften in Kauf nehmen muss. Sowohl Appetenz-Aversions
Konflikte, als auch Aversions-Aversions-Konflikte sind für den Konsumenten
potenziell mit negativen Konsequenzen und deshalb mit größeren Schwierigkeiten
verbunden und schwerer zu lösen (vgl. Miller 1959; Chatterjee/Heath 1996, S. 145;
Anderson 2003, S. 159; Luce/Jia/Fischer 2003, S. 464f.). Insgesamt wird eine
Entscheidung schwerer, wenn den Wahlmöglichkeiten Elemente hinzugefügt werden,
die der Konsument als nicht wünschenswert erachtet und deshalb vermeiden möchte
(vgl. Luce/Payne/Bettman 2000, S. 276).
Anhand von Abbildung 35 kann die Schwierigkeit der Lösung verschiedner
Konfliktarten veranschaulicht werden. Betrachtet man zunächst den Appetenz-Appetenz-Konflikt
im linken Teil: Bewegt sich ein Entscheider ein kleines Stück
in Richtung Z 1 ( 1 ), so überwiegt die Verhaltenstendenz V +
1 gegenüber der
Verhaltenstendenz V + 2 ( 2 ) und setzt sich gemäß der Hypothese von Miller (1964,
S. 99f.) gegen diese durch. Der Konsument löst den Konflikt und realisiert das Ziel Z 1
( 3 ). Im vorherigen Beispiel des Kaufs einer von zwei gleich attraktiven CDs reicht die
Empfehlung z. B. eines Freundes aus, um den Entscheidungskonflikt zu lösen, indem
der Konsument die empfohlene CD kauft (vgl. Kroeber-Riel/Weinberg 1996, S. 165).
Im Gegensatz hierzu fällt die Lösung eines Appetenz-Aversions-Konflikts relativ
schwer: Bewegt sich der Entscheider auf das Ziel Z zu ( 1 ), überwiegt die negative
Verhaltenstendenz V − der positiven V + ( 2 ), was dazu führt, dass der Entscheider sich
wieder vom Ziel Z entfernt ( 3 ). Bewegt er sich dabei über den Konfliktpunkt K
hinaus weg vom Ziel ( 4 ), dann ist die Appetenz größer als die Aversion ( 5 ) und er
nähert sich dem Ziel wieder an ( 6 ). Der Konflikt ist somit stabil und daher relativ
schwer zu lösen. Beispiel hierfür ist der Kauf eines teuren, prestigeträchtigen
Produkts. Bewegt sich der Konsument in Richtung der Entscheidung für den Kauf des
Produkts, so wird ihm der hohe Preis besonders bewusst, was dazu führen kann, dass
er sich den Kauf nochmals überlegt und sich somit wieder vom Ziel entfernt. Entfernt
er sich weit vom Ziel, überwiegt die Anziehungskraft des Produkts, was beispielsweise
ein gesteigertes Interesse an Informationen über das Produkt bewirkt. Der Konsument
bewegt sich in diesem Fall wieder in Richtung Produktkauf (vgl. Kroeber-Riel/
Weinberg 1996, S. 164).
139

Die Pioniere der Konfliktforschung Lewin (1933) und Miller (1944) unterscheiden
entsprechend der Schwierigkeit der Konfliktlösung „stable and unstable
equilibriums“ (Houston/Sherman/Baker 1990, S. 413). Da Aversions-Aversions- und
Aversions-Appetenz-Konflikte schwer zu lösen und daher stabil sind, fallen sie in die
erste Kategorie. Die leicht lösbaren Appetenz-Appetenz-Konflikte gehören
entsprechend zur Gruppe der Unstabilen Gleichgewichte (vgl. Houston/Sherman/
Baker 1990, S. 413).
Zusammenfassend lässt sich festhalten, dass eine Kaufentscheidung mit mehreren
attraktiven Alternativen zur Entstehung von (mehrfachen) Appetenz-Aversions-
Konflikten führen kann (vgl. Tversky/Shafir 1992, S. 358). Abhängig von deren
Lösung führt die Entscheidung zu verschiedenen Ergebnissen. Größe und Art von
Konflikten haben somit Einfluss auf das Entscheidungsverhalten eines Konsumenten.
Für die weitere Betrachtung gilt es nun, Ursachen und Wirkungen von Konflikten
näher zu beleuchten und den Einfluss der Produktvielfalt darzustellen.
Erscheinungsmerkmale und Folgen von Konflikten
Kroeber-Riel und Weinberg (1996) beschreiben Konflikte als „motivationale
Spannungen (...)“, die im Allgemeinen dazu führen, „(...) dass der Konsument in der
Entscheidungssituation verunsichert wird und die Entscheidung unterbricht“ (S. 166).
Die Verunsicherung bezieht sich hierbei darauf, welche Alternative er wählen soll,
weshalb in der Literatur die Begriffe Konflikt und Präferenzunsicherheit (Preference
Uncertainty) teilweise synonym verwendet werden (vgl. Scholten 2002, S. 685).
Diese Art der Unschlüssigkeit (Vacillation) hat Miller (1944, 1959) bereits in frühen
Phasen der Konfliktforschung anhand von Tierexperimenten untersucht:
Unschlüssigkeit ist ein Zustand, in dem „organisms (...) either (would) falter in their
intentional movements and halt, or would move towards one goal, slow their
approach, and retreat, only to cease retreat and begin approaching again“ (Anderson
2003, S. 159). Die Erkenntnisse von Miller lassen sich gut auf menschliches
Entscheidungsverhalten in Konsumsituationen übertragen (vgl. Anderson 2003,
S. 159; Luce/Payne/Bettman 2000, S. 276): Demnach befindet sich ein Konsument
während einer Kaufentscheidung in einem Zustand, in dem er zwischen mehreren
attraktiven Alternativen hin und her gerissen wird und deshalb unschlüssig ist, für
welche er sich entscheiden soll. Er bewegt sich ähnlich den Tieren in Millers (1944,
1959) Experimenten auf einzelne Alternativen zu, indem er z. B. mehr Informationen
140

zu ihnen sammelt und verarbeitet, entfernt sich aber wieder von ihnen und stellt
beispielsweise die Notwendigkeit des Kaufs in Frage. Individuen empfinden diesen,
durch den Entscheidungskonflikt ausgelösten Zustand der Unschlüssigkeit als
emotional unangenehm und schwierig und möchten ihn deshalb vermeiden oder lösen
(vgl. Payne/Bettman/Johnson 1993, S. 30). Dieser Antriebscharakter motivationaler
Konflikte ist für diese Untersuchung zentral, da er eine Verbindung zwischen den
Eigenschaften des Sortiments und Handlungen des Konsumenten herstellt.
Der Entscheidungskonflikt äußert sich neben dem
• Gefühl der Unentschlossenheit auch in einer
• größeren Anzahl an Gedanken des Entscheiders hinsichtlich der Alternativen
(Dhar 1997; Simonson 1989),
• in längerer Entscheidungszeit (Festinger 1964; Fischer et al. 2000), in einer
• größeren empfundenen Schwierigkeit der Entscheidungsfindung
(Chatterjee/Heath 1996, S. 149ff.; Bettman/Johnson/Luce/Payne 1993;
Tversky/Shafir 1992, S. 358), in
• geringerem Vertrauen in die Entscheidung (vgl. Tversky 1972; Fischer et al.
2000; Luce/Jia/Fischer 2003, S. 469f.; Zakay 1985, S. 79) und in
• stärkeren (negativen) Emotionen während der Entscheidung
(Luce/Bettman/Payne 1997, 2000).
Obwohl in der Literatur keine formale und allgemein anerkannte Definition von
Entscheidungskonflikten existiert (vgl. Tversky/Shafir 1992, S. 358; Dhar 1997a,
S. 217), lässt sich dieser zusammenfassend als ein von einem Entscheider als negativ
empfundener motivationaler Zustand charakterisieren, der entsteht, wenn ein
Konsument nicht weiß, für welche der verfügbaren Alternativen eines Sortiments
er sich entscheiden soll.
Der Motivationscharakter und die negative Valenz des Entscheidungskonflikts führen
dazu, dass Individuen den Konflikt vermeiden wollen. Nach dem Konfliktmodell von
Janis und Mann (1977) hat ein Konsument hierfür zwei Möglichkeiten:
Wenn der Entscheider nicht unter Zeitdruck steht, kann er die Entscheidung
aufschieben, um durch Aufnahme weiterer Informationen eine bessere
Entscheidungsbasis zu schaffen. Muss die Entscheidung dagegen unter Zeitdruck und
deshalb schnell getroffen werden, kann der Konsument durch die Delegation der
Verantwortung für die Entscheidung an eine andere Person, wie z. B. den Verkäufer
141

oder einen Freund, den psychischen Stress des Entscheidungskonflikts vermeiden (vgl.
Beattie/Baron/Hershey 1994, S. 130f.; Brownstein 2003, S. 547f.). Möchte
beispielsweise ein Ehepaar eine neue Waschmaschine kaufen, weil ihre schon etwas
älter ist, dann kann durch ein großes Sortiment des besuchten Geschäfts ein
Entscheidungskonflikt hervorgerufen werden. Als Folge dieses Konflikts ist es
möglich, dass das Paar den Kauf unterbricht, um in anderen Geschäften nach weiteren
Produktalternativen zu suchen. Ist dagegen die alte Waschmaschine kaputt, steht die
Familie unter Entscheidungsdruck. Dies kann dazu führen, dass sie einen Berater in
die Entscheidung einbezieht oder einen Freund mit entsprechender Expertise um Rat
fragt. Dadurch kann die Familie die Verantwortung für die Entscheidung und somit
den Entscheidungskonflikt reduzieren.
Auch Tversky und Shafir (1992) konnten die durch einen Konflikt hervorgerufene
Neigung zum Entscheidungsaufschub beobachten (siehe S. 42ff.): In einem ihrer
Experimente haben sich 34% der Konsumenten für den Kaufaufschub entschieden,
wenn nur eine Alternative zur Wahl stand. Wurde zusätzlich eine zweite attraktive
Option angeboten, stieg der Anteil der Personen, die sich gegen den Kauf entschieden
auf 46% (vgl. Tversky/Shafir 1992, S. 360). In einem ähnlichen Szenarium stellten
Redelmeier und Shafir (1995) (siehe S. 46 ff.) fest, dass Entscheider den derzeitigen
Status (Status quo), eine vorgegebene (Default Option) oder eine sich klar von den
anderen Alternativen unterscheidende Option (Distinctive Option) wählen, wenn die
Anzahl der Alternativen erhöht wird. Die Autoren begründen dieses Verhalten damit,
dass der Entscheidungskonflikt durch die zusätzliche(n) Alternative(n) erhöht wurde
(vgl. Redelmeier/Shafir 1995, S. 302ff.; Tversky/Shafir 1992, S. 361).
Der Wirkungszusammenhang von Entscheidungskonflikten und entscheidungs- bzw.
konfliktvermeidenden Verhaltensweisen wird in der Literatur mit Hilfe verschiedener
Hypothesen erklärt (vgl. Anderson 2003, S. 144ff.):
• Justification Hypothese
• Hypothese der negativen Emotionen
• Preference Uncertainty Hypothese
Da mittels dieser Hypothesen später der Zusammenhang mit der Produktvielfalt
verdeutlicht wird, geht der nachfolgende Abschnitt hierauf näher ein.
142

Hypothesen zum Wirkungszusammenhang von Entscheidungskonflikten und
Konsumentenverhalten
Justification Hypothese
Die Conflict oder Justification Hypothese basiert auf der Erkenntnis, dass
Konsumenten das Bedürfnis haben, eine Entscheidung für ein bestimmtes Produkt vor
sich und anderen rechtfertigen zu können. Sie entscheiden sich deshalb für das
Produkt, für dessen Wahl es eindeutige Gründe gibt (vgl. Simonson 1989, S. 159;
Tyszka 1998, S. 192). So argumentiert Montgomery (1983), dass Konsumenten erst
dann bereit sind, eine Kaufentscheidung zu treffen, wenn sie Argumente – „strong
enough for making a decision“ (S. 343) – haben. Tyszka (1998) spricht in diesem
Zusammenhang von der „distinctness motivation“ (S. 202ff.), dem Antrieb, das
Produkt zu wählen, das sich klar von den anderen unterscheidet und dessen Wahl
deshalb vor sich und anderen leicht zu rechtfertigen ist. Simonson (1989) erklärt dieses
Rechtfertigungsbedürfnis unter Rückgriff auf verschiedene theoretische Erkenntnisse
wie z. B. dem Wunsch nach Selbstachtung (Self-Esteem) (Hall/Lindzey 1978), der
eigenen Wahrnehmung als rational handelndes Wesen (Abelson 1964, S. 159) und den
Theorien der Self-presentation (Baumeister 1982), Impression Management
(Schlenker 1980), Social Exchange (Blau 1964), Conformity (Deutsch/Gerard 1955)
und Ingratiation (Jones 1964) (vgl. Simonson 1989, S. 159).
Der Zusammenhang zwischen einem Konflikt und der Schwierigkeit der
Kaufentscheidung besteht darin, dass ein „conflict makes justification more difficult
(...)“ (Anderson 2003, S. 144). Dies kann dazu führen, dass Konsumenten den Kauf
aufschieben (Deferred Decision) oder den Status quo wählen, um so ihre
Verantwortung und damit den Rechtfertigungsdruck für die Entscheidung zu
reduzieren.
Der Entscheidungskonflikt wirkt sich nach dieser Hypothese über die empfundene
Schwierigkeit der Rechtfertigung einer bestimmten Wahl auf das Konsumentenverhalten
aus (vgl. Anderson 2003, S. 144).
Hypothese der negativen Emotionen (Trade-off Hypothese)
Die Hypothese der negativen Emotionen gründet auf den Erkenntnissen, dass
„conflicts in a decision (...) often lead to negative emotion“ (Anderson 2003, S. 144).
143

In diesem Zusammenhang ist es wichtig, diese vor oder während der Entscheidung
empfundenen Emotionen wie Furcht, Angst, Verwirrung und Verzweiflung (vgl.
Loewenstein et al. 2001, S. 267ff.) von antizipierten Emotionen wie z. B. Regret, die
in Kapitel 2.3.2.3 (Seite 158ff.) näher betrachtet werden, zu unterscheiden.
Phänomenologisch beziehen sich beide Emotionen auf potenzielle zukünftige
Entscheidungskonsequenzen; der Unterschied besteht aber darin, dass im
Zusammenhang mit einem Entscheidungskonflikt auftretende Emotionen während
der Entscheidung entstehen und empfunden werden, während der Entscheider bei
antizipierten Emotionen seine zukünftigen affektiven Reaktionen voraussieht und
diese bei der Entscheidung berücksichtigt.
Anderson (2003) unterscheidet deshalb „anticipatory“ (vorwegnehmende) und
„anticipated“ (vorweggenommene, vorausgesehene) Emotionen (S. 141ff.). Hastie
(2000) bezeichnet erstere als „decision process emotions“ oder kurz „process
emotions“ (S. 21), während Luce (1998) hierfür die Bezeichnung „task-related
emotion“ (S. 410) verwendet und darunter „relatively short-lived affective states
directly resulting from and focused on a choice with which one is currently engaged“
versteht (S. 410). Es handelt sich also um Emotionen, die aufgrund der Charakteristika
des Entscheidungsproblems während des Entscheidungsprozesses entstehen.
Sowohl antizipierte als auch im Prozess erlebte Emotionen sind klar von Stimmungen
zu unterscheiden, die z. B. durch Hintergrundmusik und Farbgebung im Geschäft
verursacht werden und vom Choice Set unabhängig sind (vgl. Isen 2001), weshalb
diese hier nicht weiter betrachtet werden.
Nahezu jede Entscheidung erfordert vom Konsumenten Kompromisse (Trade-offs):
„(…) any decision requires that the decision maker give (sic!) up some considerations
to maximize others“ (Luce/Payne/Bettman 2001, S. 19). Sie sind maßgeblich für die
Entstehung eines Entscheidungskonflikts verantwortlich, wobei deren Intensität vom
Grad „(...) to which the alternatives under consideration have different advantages
and disadvantages“ (Dhar 1997a, S. 217) abhängt.
Anhand eines Beispiels lässt sich dies verdeutlichen: Ein Konsument hat die Wahl
zwischen zwei Autos, die sich hinsichtlich der Produktmerkmale Leistung und
Zuverlässigkeit unterscheiden. Beide Eigenschaften sind dem Entscheider wichtig.
Angenommen, das erste Auto ist laut Pannenstatistik sehr zuverlässig (Wert 10 auf
einer Skala von 1 bis 10) und leistet 130 kW, während der zweite PKW weniger
zuverlässig ist (Wert 5), aber eine Leistung von 200 kW hat. Der Käufer muss in
diesem Fall bei seiner Entscheidung die Attribute Leistung und Zuverlässigkeit
144

gegeneinander abwägen, sich also überlegen, ob er bereit ist, auf Zuverlässigkeit zu
verzichten (5 Skalenpunkte), um mehr Leistung (70 kW) zu bekommen und
umgekehrt. Dieser notwendige Trade-off zwischen den Attributen Zuverlässigkeit und
Leistung kann zu negativen Emotionen führen.
Die Stärke eines Entscheidungskonflikts hängt sowohl von der Art, als auch von den
Werten der Attribute abhinsichtlich derer ein Konsument einen Kompromiss
eingehen muss (vgl. Chatterjee/Heath 1996, S. 146).
Bezüglich der Art der Produkteigenschaften lässt sich sagen, dass die negativen
Emotionen des Konsumenten umso stärker sind, je wichtiger ihm die vom
Kompromiss betroffenen Attribute sind (vgl. Luce 1998, S. 411; Tetlock 1991;
Tetlock/Peterson/Lerner 1997; Luce/Payne/Bettman 2001, S. 24).
Die Werte der Attribute beeinflussen einerseits die Austauschrate der
Kompromissattribute und andererseits die Höhe der Trade-offs (vgl. Chatterjee/Heath
1996, S. 146; Scholten 2002, S. 690ff.). Kann ein Konsument beispielsweise durch
eine Preiserhöhung um 2% eine Qualitätssteigerung von 80% erreichen (Austauschrate
1:40), ist die Entscheidung relativ leicht. Sind die Unterschiede der Attributwerte der
Alternativen sehr hoch, wird sowohl die Appetenz als auch die Aversion gegenüber
diesen verstärkt, wobei dieser Appetenz-Aversions-Konflikt durch die Verlustaversion
des Konsumenten noch gesteigert werden dürfte (vgl. Chatterjee/Heath 1996, S. 146;
Luce/Jia/Fischer 2003, S. 465; Scholten 2002, S. 690ff.).
Negative Emotionen können aber nicht nur entstehen, wenn verschiedene
Alternativen unterschiedliche Vor- und Nachteile haben (Between-Alternative
Conflict), sondern auch dann, wenn eine Alternative sowohl positive als auch
negative Eigenschaften besitzt (Within-Alternative Conflict) (vgl. Chatterjee/Heath
1996, S. 145; Luce/Payne/Bettman 2000, S. 276ff.). Des Weiteren können Konflikte
dadurch verursacht werden, dass „(...) a person does not know how to trade off costs
against benefits, risk against value, and immediate satisfaction against future
discomfort“ (Tversky/Shafir 1992, S. 358). Der Entscheidungskonflikt entsteht in
diesem Fall aus der schwierigen Vergleichbarkeit der Attribute und hat zur Folge „(...)
(that) it is often difficult to make important (...) as well as insignificant decisions (…)“
(Tversky/Sharif 1992, S. 358). Insgesamt lässt sich die Trade-off Hypothese somit
sowohl auf Within-Alternative als auch auf Between-Alternative Konflikte (siehe auch
S. 136) anwenden.
Die Handlungsrelevanz der Trade-off Hypothese basiert darauf, dass Entscheider die
durch die Kompromissnotwendigkeit entstandenen negativen Emotionen als
145

unangenehm empfinden und sie deshalb vermeiden oder reduzieren wollen (vgl. Luce
1998, S. 409). Da Kompromisse (Trade-offs) die primäre Quelle der negativen
Emotionen sind, wird die Hypothese der negativen Emotionen auch als Trade-off
Avoidance Hypothese bezeichnet (vgl. Anderson 2003, S. 145).
Die Wahl einer „avoidant option“ (Luce/Payne/Bettman 2001, S. 33) stellt für den
Konsumenten eine Möglichkeit dar, die explizite Entscheidung und somit die
negativen Emotionen zu vermeiden (Luce 1998, S. 409f.; Luce/Payne/Bettman 2001,
S. 26f.). Luce untersuchte diese Hypothese sehr ausführlich und konnte in seinen
Studien u. a. feststellen, dass der Wahl einer entscheidungsvermeidenden Option
(Avoidant Option) mehr und intensivere negative Emotionen vorangingen, und die
Konsumenten nach der Wahl weniger negative Emotionen erlebten, als bei anderen
Entscheidungen (vgl. Luce 1998, S. 419ff.). Entscheidungsvermeidende Optionen, wie
der Kaufaufschub zur weiteren Informationssuche (Milgram et al. 1988;
Greenleaf/Lehman 1995, S. 188), die Beibehaltung des Status quo (vgl.
Luce/Payne/Bettman 2001, S. 33) oder die Wahl einer dominierenden Alternative
(vgl. Luce 1998, S. 419) stellen für den Konsumenten verschiedene Möglichkeiten dar,
die durch Entscheidungskonflikte ausgelösten negativen Emotionen zu reduzieren
oder zu vermeiden (vgl. Anderson 2003, S. 145; Luce 1998, S. 419).
Abschließend sei noch bemerkt, dass Kompromisse bzw. Trade-offs sowohl mit
kognitivem als auch mit emotionalem Aufwand für den Konsumenten verbunden
sind. Er will diese daher sowohl aus dem einen, als auch aus dem anderen Grund
vermeiden: „(...) trade-offs may be avoided to save cognitive effort and/or to cope with
negative emotion“ (Luce/Payne/Bettman 2001, S. 21). Für die hier betrachteten
Kosten von Produktvielfalt bedeutet dies, dass sich die Trade-off Hypothese sowohl
auf affektive als auch auf kognitive Kostenaspekte übertragen lässt. So erschwert die
Notwendigkeit zum Kompromiss auch laut der Theorie der Cost of Thinking die
Entscheidung (siehe hierzu auch die Ausführungen zu den Cost of Thinking (Shugan
1980) (S. 122ff.)).
Preference Uncertainty Hypothese
Dhar und seine Kollegen (Dhar 1996, 1997; Dhar/Nowlis 1999, S. 369ff.;
Dhar/Nowlis/Sherman 1999; Dhar/Simonson 1999), die diese Hypothese formuliert
haben, gehen davon aus, dass der Entscheidungskonflikt durch die Präferenzunsicherheit
(Preference Uncertainty) des Konsumenten ausgelöst wird (vgl. Dhar
146

1997a, S. 215). Unter Preference Uncertainty versteht man dabei einen Zustand „in
which decision makers do not feel they can determine with accuracy which option best
meets their goals“ (Anderson 2003, S. 145). Im Unterschied zur Hypothese der
negativen Emotionen geht die Preference Uncertainty Hypothese davon aus, dass der
Entscheidungskonflikt nicht von der Höhe und der Anzahl der Trade-offs zwischen
wichtigen Attributen verschiedener Alternativen abhängt, sondern von den
Unterschieden der Produkte hinsichtlich ihrer Gesamtattraktivität für den
Konsumenten. Gelingt es einem Konsumenten nicht, eine Alternative zu finden, die in
seinen Augen deutlich attraktiver ist als die anderen, hat das zur Folge, dass die
dadurch entstandene „preference uncertainty may lead to choice deferral“ (Dhar
1997a, S. 215).
Folgt man den Annahmen der rationalen Theorien, so entscheidet sich ein rational
handelnder Konsument für den Entscheidungsaufschub nur dann, wenn ihm entweder
keine der vorhandenen Alternativen attraktiv erscheint, oder wenn er erwartet, durch
die Suche nach weiteren Alternativen eine noch bessere als die verfügbaren zu finden
(vgl. Karni/Schwarz 1977; Beattie/Barlas 1992; Tversky/Shafir 1992, S. 358).
Implizite Annahme der rationalen Entscheidungstheorien ist dabei, dass ein
Konsument in der Lage ist, unabhängig vom Entscheidungskontext diejenige
Alternative zu identifizieren, die aus seiner Sicht den größten Nutzen hat.
Voraussetzung hierfür ist, dass er „well-articulated preferences“
(Luce/Payne/Bettman 2001, S. 21), also eine feste Präferenzordnung zwischen zwei
Alternativen besitzt, so dass er stets sagen kann, ob die eine Alternative mindestens so
gut ist wie die andere (vgl. Herrmann 1998, S. 93f.). Dhar (1997) stellt diese
Annahmen in Frage:
„In practice, one often arrives at decisions not with well-established and
clearly ranked preferences but, rather, with the need to determine one’s
preferences (....). In such situations, not knowing which of the alternatives is
most preferred, while not being certain that one wants them equally, may
result in indecision and a tendency to avoid commitment” (Dhar 1997a,
S. 216).
Dhar und seine Kollegen führen also den Entscheidungskonflikt und das daraus
resultierende averse Entscheidungsverhalten, wie beispielsweise den Aufschub einer
Kaufentscheidung, auf die Unfähigkeit eines Entscheiders zurück, die beste
Alternative zu identifizieren. Ähnlich argumentiert beispielsweise auch Montgomery
(1989, S. 23ff.), der in seinem „Dominance-Search Model“ (S. 25) vorschlägt, dass
147

Konsumenten eine Entscheidung aufgeben oder verschieben, wenn sie nicht in der
Lage sind, eine Dominanzstruktur in den vorhandenen Alternativen zu identifizieren.
Präferenzunsicherheit und Entscheidungsverzicht können nach Ansicht von Dhar und
seinen Kollegen durch Alternativen, die nur geringe Attraktivitätsunterschiede
besitzen, erhöht werden (vgl. Anderson 2003, S. 145). Dhar (1997) konnte diese
Hypothese in seinen viel beachteten und bereits an früherer Stelle beschriebenen
Studien untermauern (siehe S. 49 ff.): So stellte er fest, dass der Anteil der
Testpersonen, die den Kauf abgebrochen oder aufgeschoben haben, durchschnittlich
um 11% (χ 2 (1) = 6,7, p < 0,01) gestiegen ist, wenn sie zwei in etwa gleich attraktive
Alternativen zur Auswahl hatten, verglichen mit einer Entscheidungssituation, in der
nur eine Alternative zur Wahl stand. Wurde einer Alternative hingegen eine deutlich
unattraktivere zweite Alternative hinzugefügt, lag die Kaufhäufigkeit um 14%
(χ 2 (1) = 8,7, p < 0,01) höher, als bei Verfügbarkeit von nur einer Option (vgl. Dhar
1997a, S. 219f.).
Daraus lässt sich folgern, dass die Präferenzunsicherheit eines Konsumenten steigt,
wenn das Sortiment aus einer Vielzahl von in etwa gleich attraktiven Alternativen
besteht. Dadurch stehen dem Entscheider mehrere potenzielle Wege zur
Bedürfniserfüllung offen und es fällt ihm schwer, den für ihn optimalen zu
identifizieren. Diese Unsicherheit kann dazu führen, dass sich der Konsument avers
verhält und die Entscheidung abbricht und/oder auf später verschiebt. Abschließend
sei nochmals betont, dass dies dem Regularitätsprinzip der rationalen Entscheidungstheorie
widerspricht, wonach die Wahrscheinlichkeit der Wahl einer zurückgewiesenen
Alternative nicht durch das Hinzufügen weiterer Alternativen erhöht
werden kann (vgl. Scholten 2002, S. 686; Tversky/Shafir 1992, S. 358; siehe auch die
Erläuterungen zum Regularitätsprinzip auf S. 43f.).
Zusammenfassung der Hypothesen
Mit der Justification Hypothese, der Hypothese der negativen Emotionen und der
Preference Uncertainty Hypothese wurden drei Erklärungsansätze zur Entstehung und
Wirkung von Entscheidungskonflikten vorgestellt.
148

Alle drei Hypothesen gehen davon aus, dass Charakteristika des Sortiments zu
negativen Emotionen führen, die der Konsument vermeiden möchte und deshalb
Konflikt vermeidende Entscheidungen trifft, indem er
• den Kaufprozess aufschiebt oder abbricht,
• den Status quo beibehält oder
• die Entscheidung an andere Personen wie z. B. Verkäufer oder Freunde
delegiert.
Für den hier betrachteten Zusammenhang ist dabei von Interesse, dass alle drei
Hypothesen das Verhalten eines Konsumenten durch dessen emotionale Reaktionen
auf Sortimentseigenschaften während des Entscheidungsprozesses erklären. Sie
bilden somit eine gemeinsame Grundlage zur Entstehung negativer Emotionen als
Reaktion auf Entscheidungskonflikte, die durch Eigenschaften der zur Wahl stehenden
Alternativen ausgelöst werden.
Die Hypothesen unterscheiden sich aber in ihrer Argumentation bezüglich der
Entstehung der negativen Konfliktemotionen:
So geht die Justification Hypothese davon aus, dass Konsumenten das Bedürfnis
haben, den Kauf eines bestimmten Produkts vor sich und anderen durch
„schlagkräftige“ Argumente rechtfertigen zu können. Empfindet es der Konsument als
schwer, diese Argumente zu finden, entsteht durch sein Bedürfnis nach Rechtfertigung
ein innerer unangenehmer Spannungszustand, der dazu führen kann, dass er den Kauf
abbricht oder delegiert.
Im Gegensatz hierzu macht die Hypothese der negativen Emotionen die Aversion des
Konsumenten gegenüber negativen Emotionen für dessen Konflikt vermeidendes
Verhalten verantwortlich. Dieser Hypothese liegt die Annahme zugrunde, dass
Trade-offs zwischen den Alternativen hinsichtlich bedeutender Attribute zu negativen
Emotionen wie z. B. Angst und Verzweiflung (in abgemilderter Form) führen. Da der
Konsument diese als unangenehm empfindet, versucht er sie zu vermeiden bzw. zu
reduzieren, indem er eine explizite Entscheidung zwischen den Alternativen vermeidet
und z. B. den Status quo wählt oder die Entscheidung abbricht.
Die Preference Uncertainty Hypothese erklärt die Wirkung des Entscheidungskonflikts
über die Entstehung eines Unsicherheitsgefühls des Konsumenten, wenn
sich dieser nicht in der Lage sieht, das für ihn beste Produkt zu identifizieren. Dieses
Gefühl wird hervorgerufen, wenn sich ein Konsument hinsichtlich der eigenen
Präferenzen nicht sicher ist und mehrere in etwa gleich attraktive Alternativen zur
149

Wahl stehen (vgl. Tyszka 1998, S. 192). Die negative Valenz der Unsicherheit
hinsichtlich der eigenen Präferenzen führt ebenfalls dazu, dass der Konsument diese
reduzieren will, indem er entweder die Entscheidung vermeidet (Deferral) oder sich
für eine hinsichtlich eines bestimmten Aspekts dominierende Alternative entscheidet.
Die drei Hypothesen sind nicht überschneidungsfrei und ergänzen sich teilweise.
Anderson (2003) schlägt deshalb vor, dass die drei Konzepte „can be consolidated by
(…) a common mediating variable“ (Anderson 2003, S. 146). Diese gemeinsame
Größe bezeichnet er als Entscheidungsschwierigkeit (Selection Difficulty) und
umschreibt diese wie folgt: „Selection difficulty is (..) experienced when individuals
find it difficult to choose a particular course of action, but it may occur in the absence
of uncertain preferences or negative emotion, although these are strong correlates of
difficulty“ (Anderson 2003, S. 154).
Das von Anderson vorgeschlagene Konstrukt „Entscheidungsschwierigkeit“
subsumiert folglich alle negativen Emotionen, die während der Entscheidung von
Konsumenten empfunden und durch die Charakteristika der Entscheidungssituation,
insbesondere durch Eigenschaften des Sortiments, verursacht werden.
Für diese Untersuchung liefert die Konflikttheorie zusammen mit den drei Hypothesen
theoretische Hinweise für die Entstehung negativer Emotionen als Reaktion des
Konsumenten auf Charakteristika des Sortiments. Hierbei interessiert insbesondere der
Einfluss der Anzahl und der Art der Produktalternativen, welcher nachfolgend
verdeutlicht wird.
Einfluss von Anzahl und Art der Produktalternativen auf die Entscheidungsschwierigkeit
Betrachtet man zunächst den Einfluss der Anzahl der Alternativen auf die
Entscheidungsschwierigkeit, so kann die Grundthese, dass eine höhere Anzahl an
Alternativen den Entscheidungskonflikt und damit die Entstehung negativer
Emotionen erhöht, unter Rückgriff auf die drei vorgestellten Hypothesen begründet
werden:
Justification Hypothese
Die Justification Hypothese besagt, dass Konsumenten dann eine Entscheidung
treffen, wenn sie diese auf der Basis guter Gründe vor sich und anderen rechtfertigen
150

können, aber „(...) these (reasons) become more scarce as the number of options
increases“ (Anderson 2003, S. 144). Erhöht sich die Anzahl der Alternativen, wird das
Sortiment dadurch tendenziell homogener und die spezifischen Gründe, die für eine
bestimmte Alternative sprechen, nehmen ab. Angenommen wird hierbei, dass die
zusätzlichen Alternativen ebenfalls attraktiv sind. Würde ein Choice Set aus 20
unattraktiven und nur einer attraktiven Alternative bestehen, gäbe es genügend
Gründe, die für diese eine Option sprächen und die Entscheidung wäre leicht (vgl.
Tversky/Shafir 1992, S. 358). Besteht die Alternativenmenge dagegen aus zehn
Produkten, die alle in etwa gleich attraktiv sind, so ist davon auszugehen, dass die
Anzahl der Gründe, die für eine und gegen die anderen Optionen spricht, relativ gering
ist; die Entscheidungsschwierigkeit wäre dann hoch. Damit bleibt festzuhalten, dass
aufgrund der zunehmenden Homogenität des Sortiments die Anzahl der Argumente,
mit deren Hilfe der Konsument eine Entscheidung vor sich und anderen rechtfertigen
kann, mit der Anzahl der attraktiven Alternativen im Sortiment abnimmt, was zur
Entstehung negativer Emotionen führt und dadurch die Entscheidungsschwierigkeit
erhöht.
Preference Uncertainty Hypothese
Obige Argumentation lässt sich auch auf die Preference Uncertainty Komponente
übertragen: „(…) adding attractive alternatives can increase choice uncertainty (…)“
(Dhar 1996, S. 266). Werden einem Choice Set zusätzliche attraktive Alternativen
hinzugefügt, nimmt die Überlegenheit einzelner Produkte dadurch tendenziell ab. Der
Konsument ist dann gezwungen, die Eigenschaften, anhand derer er den subjektiven
Nutzen der Alternativen bestimmen will, zu priorisieren, um so das aus seiner Sicht
optimale Produkt zu identifizieren. „This process is complicated as options are added,
making it more difficult to discriminate between the subjective utilities of options (…)“
(Anderson 2003, S. 158). Voraussetzung für die Priorisierung der Produktattribute ist
zudem, dass der Konsument seine eigenen Präferenzen kennt. Dies ist aber nicht
immer der Fall; häufig müssen Konsumenten ihre eigenen Präferenzen in
Entscheidungssituation zunächst erst einmal selbst bestimmen (vgl. Dhar 1997a,
S. 216).
Es entsteht daher sowohl aufgrund der Unsicherheit hinsichtlich der eigenen
Attribut-Präferenzen, als auch aufgrund der geringer werdenden diskriminierenden
Unterschiede der Produktalternativen beim Konsumenten ein Unsicherheitsgefühl
darüber, ob er das zur Erfüllung seiner Bedürfnisse beste Produkt identifizieren kann.
151

Der Konsument empfindet die Entscheidung deshalb bei steigender Alternativenzahl
als unangenehmer und somit als schwieriger.
Erwähnenswert ist, dass Festinger (1957) von einem gegenteiligen Zusammenhang
ausgeht: Er argumentiert, dass der Konflikt abnimmt, wenn durch zusätzliche
Alternativen die Ähnlichkeit der Wahlalternativen und damit der Überschneidungsbereich
der Alternativen zunimmt. Für den Konsumenten nimmt dann das Risiko einer
Fehlentscheidung und somit der Entscheidungskonflikt ab. Im Gegensatz hierzu
behauptet Dhar (1997, S. 217), dass die Präferenzunsicherheit auf die Attraktivitätsunterschiede
der Alternativen zurückgeht und diese geringer werden, wenn die Anzahl
der Alternativen steigt. Er kann diese Hypothese in verschiedenen Experimenten
untermauern (vgl. Dhar 1997a, S. 216ff.). Sie wird aber auch von Studien gestützt, die
beispielsweise gezeigt haben, dass die Kaufwahrscheinlichkeit durch das Hinzufügen
einer unterlegenen Alternative zum Sortiment erhöht werden kann (vgl.
Huber/Payne/Puto 1982, S. 90ff.; vgl. auch Dhar 1997a, S. 216ff.), und die Anzahl der
aufgenommenen Informationen steigt, wenn die Ähnlichkeit der Alternativen zunimmt
(vgl. Stone/Schkade 1994, S. 261ff.). Diese Effekte lassen sich auf der Basis der
Argumentation von Festinger (1957) nicht erklären (vgl. Dhar 1997a, S. 217). Die
vorliegende Arbeit folgt deshalb der Begründung von Dhar und geht von einem mit
der Anzahl attraktiver Alternativen steigenden Entscheidungskonflikt aus.
Wie oben bereits betont wurde, beeinflusst neben der Anzahl der Alternativen auch
deren Art die Entscheidungsschwierigkeit. So wird beispielsweise die Entscheidung
durch die Erweiterung des Sortiments nur dann schwieriger, wenn diesem attraktive
Alternativen hinzugefügt werden und dadurch die Unterschiede der Alternativen
hinsichtlich ihrer Gesamtattraktivität abnehmen: „Smaller differences in attractiveness
of options produces more preference uncertainty. This uncertainty tends to cause
greater difficulty in selection, motivating decision avoidance“ (Anderson 2003,
S. 158).
Im Hinblick auf die Fragestellungen dieser Untersuchungen heißt dies, dass nicht
allein die Anzahl, sondern auch die Attraktivität der Alternativen die Kosten von
Produktvielfalt beeinflusst.
Trade-off Avoidance Hypothese (Hypothese der negativen Emotionen)
Den Einfluss der Kombination aus Anzahl und Art der Produkte auf die Schwierigkeit
der Entscheidung verdeutlicht auch die Trade-off Hypothese: Wie oben erläutert, sind
152

Kompromisse dann erforderlich, wenn eine Option nicht hinsichtlich aller
Produkteigenschaften besser ist als alle anderen verfügbaren Alternativen
(Between-Alternative Conflict) und/oder wenn eine Alternative sowohl positive als
auch negative Eigenschaften aufweist (Within-Alternative Conflict). Nimmt die Anzahl
der attraktiven Alternativen im Choice Set zu, so ist zu erwarten, dass auch die
Homogenität der Alternativen zu- und somit die Überlegenheit einzelner Produkte
abnimmt. Dies führt dazu, dass der Konsument zur Identifikation der besten
Alternative eine größere Anzahl an Attributvergleichen machen muss und „the more
such comparisons are required (...) the more trade-offs are required to reach a
choice“ (Anderson 2003, S. 159). Da die Anzahl und die Höhe der Trade-off sowie die
Art der Attribute, die sie betreffen, für die Intensität der negativen Emotionen
ausschlaggebend ist (vgl. z. B. Luce 1998, S. 411, Luce/Payne/Bettman 2001, S. 24;
Payne/Bettman/Johnson 1993, S. 201ff.; Chatterjee/Heath 1996, S. 154), kann
gefolgert werden, dass mit der Anzahl der Alternativen auch die negativen
Emotionen zunehmen und somit die Entscheidungsschwierigkeit steigt.
In der Literatur lassen sich Hinweise darauf finden, dass dieser Effekt noch dadurch
verstärkt wird, dass mit zunehmender Vielfalt auch die Erwartungen der
Konsumenten an das gewählte Produkt steigen (vgl. Desmeules 2002, S. 9f.; Schwartz
2000, S. 85f.). Die Vielzahl an Alternativen bedingt, dass der Entscheider erwartet, ein
für sich optimales Produkt zu finden. Dadurch nimmt seine Kompromissbereitschaft
ab, was zu einer Intensivierung der mit einem Trade-off verbundenen negativen
Emotionen führt. Höhere Produktvielfalt wirkt sich somit in doppelter Hinsicht
negativ aus: Einerseits erhöht sie die Anzahl der Trade-offs und somit die
Hauptursache negativer Emotionen. Anderseits reduziert sie die Kompromissbereitschaft,
steigert also die Aversion gegenüber Kompromissen und verstärkt
dadurch die aufgetretenen negativen Emotionen.
Ähnlich wie bei der Präferenzunsicherheit spielt aber auch hier die Art der
Alternativen eine wichtige Rolle. So konnten Gourville und Soman (1999) in ihrer an
früherer Stelle schon beschriebenen Studie (siehe S. 51 ff.) zeigen, dass der Einfluss
der Produktvielfalt auf das Kaufverhalten von der Vergleichbarkeit (Alignability) der
Alternativen abhängt: Variieren die Produktalternativen hinsichtlich nicht
vergleichbarer Attribute, so nimmt die Kaufintention mit zunehmender
Alternativenzahl ab (vgl. Gourville/Soman 1999, S. 11). Die Autoren begründen diese
Erkenntnis damit, dass der Konsument bei steigender Alternativenzahl mehr und
schwierigere Trade-offs machen muss, wenn die Produktalternativen nicht
vergleichbar sind (vgl. Gourville/Soman 1999, S. 8f.). Verdeutlichen lässt sich dies an
153

einem Beispiel: Im ersten Fall hat ein Konsument die Wahl zwischen zwei Computern
A und B einer bestimmten Marke. A hat einen Prozessor mit 3,5 GHz Taktfrequenz,
eine Festplatte mit 40 GB und kostet € 1.500. Computer B hat eine Taktfrequenz von
3,5 GHz, eine Festplatte mit 60 GB und kostet € 1.600. Bei der Entscheidung muss der
Käufer „nur“ überlegen, ob er €100 für den zusätzlichen Festplattenspeicherplatz ausgeben
will. Im zweiten Fall ist Computer A identisch zu dem im ersten Fall, Computer
B hat aber einen Prozessor mit 3,3 GHz, eine Festplatte mit 60 GB und zusätzlich
bekommt der Käufer einen Tintenstrahldrucker. Computer B kostet € 1.700. Die
beiden Computer sind im zweiten Fall schwieriger zu vergleichen als im ersten, da der
Käufer jetzt Kompromisse hinsichtlich der Prozessorleistung, der Festplattengröße und
des Preises machen muss und zusätzlich den Drucker zu berücksichtigen hat. Der
Entscheidungskonflikt und somit die Entscheidungsschwierigkeit nimmt also sowohl
aufgrund der gestiegenen Anzahl an Trade-offs, als auch aufgrund der
Nicht-Vergleichbarkeit der Alternativen zu (vgl. March/Simon 1993, S. 133).
Zusammenfassend gibt die Trade-off Hypothese mehrere Anhaltspunkte dafür, dass
mit der Anzahl attraktiver Alternativen die Entstehung negativer Emotionen
begünstigt wird und dadurch die Entscheidungsschwierigkeit steigt. Dies ist
insbesondere dann der Fall, wenn gleichzeitig die Vergleichbarkeit der Alternativen
untereinander (Alignability) abnimmt. Beide Größen sollen deshalb bei der
Untersuchung der Einflussfaktoren des Sortiments auf Kosten und Nutzen von
Produktvielfalt berücksichtigt werden.
In den Worten von Dhar (1996) lässt sich der Einfluss (zu) hoher Produktvielfalt auf
den emotionalen Zustand und das Verhalten des Konsumenten wie folgt
zusammenfassen: „(...) when the decision situation offers many equally acceptable
alternatives and none that can easily be verified as the best, it may create feelings of
confusion leading to a reluctance to commit to an action“ (Dhar 1996, S. 216).
154

Konsequenzen negativer Emotionen während der Entscheidung
Die Folgen negativer Prozessemotionen und der damit verbundenen hohen
Entscheidungsschwierigkeit wurden schon mehrfach erwähnt und sollen an dieser
Stelle nochmals kurz zusammengefasst werden: In verschiedenen, teilweise in Kapitel
2.1 (S. 42ff.) detailliert beschriebenen Untersuchungen wurde gezeigt, dass negative
Emotionen und hohe Entscheidungsschwierigkeit zu Entscheidungs vermeidendem
Verhalten (Avoidant Options) des Konsumenten führt. Demzufolge reagiert ein
Konsument auf Situationen mit hoher Entscheidungsschwierigkeit mit
• Kaufaufschub zur weiteren Informationssuche (Tversky/Shafir 1992, S. 358;
Dhar 1996; Dhar/Sherman 1996; Dhar 1997a; Luce et al. 1997; Dhar/Nowlis
1999, S. 381; Dhar et al. 1999; Beattie/Barlas 2001; Milgram et al. 1988;
Greenleaf/Lehman 1995, S. 188; Brownstein 2003, S. 547f.), der
• Beibehaltung des Status quo (vgl. Luce/Payne/Bettman 2001, S. 33;
Redelmeier/Sharif 1995; Riis/Schwarz 2000; Baron/Ritov 1994), der
• Wahl einer dominierenden Alternative (vgl. z. B. Anderson 2003, S. 145;
Luce 1998, S. 419) oder der
• Delegation der Verantwortung an eine andere Person wie z. B. den Verkäufer
oder einen Freund (vgl. Beattie/Baron/Hershey 1994, S. 130f.; Brownstein
2003, S. 547f.).
Neben diesen unmittelbaren Folgen für den Entscheidungsausgang wirkt sich die
emotionale Schwierigkeit einer Entscheidung auch auf Nachkaufprozesse,
insbesondere auf die Evaluation des Kaufs und des Kaufprozesses aus:
• Schwierige Entscheidungen mit hohem Entscheidungskonflikt reduzieren das
Vertrauen in die Richtigkeit der eigenen Entscheidung (vgl. Tversky 1972;
Fischer et al. 2000; Luce/Jia/Fischer 2003, S. 469f.; Zakay 1985,
S. 79).Dadurch wird die Entstehung kognitiver Dissonanz nach dem Kauf
begünstigt (vgl. Anderson/Taylor/Holloway 1966, S. 62ff.; Oliver 1996,
S. 252f.). Diese wiederum steht in engem Zusammenhang mit der Herausbildung
von Zufriedenheitsurteilen hinsichtlich des gekauften Produkts und des
Kaufprozesses (Oliver 1996, S. 261).
• Hohe Entscheidungsschwierigkeit führt deshalb zu reduzierter Zufriedenheit
mit dem Kaufprozess und dem gekauften Produkt (vgl. Houston/Sherman/
Baker 1991, S. 427f.).
155

Zusammenfassend lässt sich hinsichtlich der Folgen von Entscheidungskonflikten
festhalten: Ist ein Konsument mit einer schwierigen Entscheidung konfrontiert, wie
dies z. B. bei hoher Produktvielfalt der Fall ist, können dadurch sowohl sein
Kaufverhalten als auch die nachgelagerten Bewertungsprozesse negativ beeinflusst
werden.
Zusammenfassung
In diesem Kapitel wurde auf Basis der Konflikttheorie aufgezeigt, wie sich Anzahl
und Art der verfügbaren Produkte in einer Entscheidungssituation auf das
Konsumentenverhalten auswirken können und welche Anhaltspunkte sich daraus für
die Kostendimension des Werts von Produktvielfalt ergeben. Die Annahme, dass
höhere Produktvielfalt den Entscheidungskonflikt verstärkt, zu negativen Emotionen
und zu Entscheidungs vermeidendem Verhalten des Konsumenten führt wurde dabei
auf drei Hypothesen gestützt:
1. Die Justification Hypothese besagt, dass Konsumenten eine Entscheidung vor
sich und anderen begründen können möchten. Für die Wahl einer bestimmten
Alternative muss es deshalb „gute Gründe“ geben, die für diese und gegen
andere Optionen sprechen. Nimmt die Anzahl der (attraktiven) Alternativen zu,
steigt tendenziell auch die Homogenität des Sortiments an, weshalb die Gründe
für oder gegen eine Alternative abnehmen. Eine Erhöhung der Produktvielfalt
führt deshalb zu einer schwierigeren Entscheidung.
2. Ähnlich ist die Argumentation der Preference Uncertainty Hypothese: Hier
wird entgegen der rationalen Entscheidungstheorie angenommen, dass
Konsumenten keine vorab festgelegten Präferenzen hinsichtlich aller Alternativen
und deren Attribute haben, wenn sie eine Entscheidung beginnen. Sieht
sich ein Konsument in einer Entscheidungssituation einer großen Anzahl von
Alternativen gegenüber, entsteht aufgrund der fehlenden Präferenzen ein
Gefühl der Präferenzunsicherheit, das einen Zustand „in which decision
makers do not feel they can determine with accuracy which option best meets
their goals“ (Anderson 2003, S. 145) beschreibt.
3. Annahme der Trade-off Hypothese ist, dass Konsumenten bei einer Entscheidung
Kompromisse (Trade-offs) eingehen müssen. Diese können sich sowohl auf
positive und negative Aspekte einer Alternative als auch auf einzelne Attribute
verschiedener Alternativen beziehen. Kompromisse hinsichtlich bedeutender
156

Produkteigenschaften führen zu negativen Emotionen, die der Konsument als
unangenehm empfindet und deshalb vermeiden möchte. Steigt die Anzahl der
Alternativen, so nimmt tendenziell die Überlegenheit einzelner Produkte ab und
der Entscheider ist gezwungen, die Produkte intensiver miteinander zu
vergleichen und Kompromisse bei der Entscheidung einzugehen. Dadurch führt
die höhere Anzahl an (attraktiven) Alternativen zur verstärkten Entstehung
negativer Emotionen und erschwert so die Entscheidung.
Da die drei erklärenden Hypothesen nicht überschneidungsfrei sind und an vielen
Stellen eher ergänzenden Charakter haben, wurde, der theoretischen Konzeption von
Anderson (2003) folgend vorgeschlagen, die drei Hypothesen unter einem
gemeinsamen Konzept der emotionalen Entscheidungsschwierigkeit (Decision
Difficulty) zusammenzufassen. Diese beschreibt Emotionen mit negativer Valenz, die
eine affektive Reaktion auf Charakteristika der Entscheidungssituation, wie z. B. die
Anzahl der Alternativen, darstellen. Zu betonen ist hierbei, dass diese negativen
Emotionen im Entscheidungsprozess entstehen und erlebt werden und deshalb von
antizipierten Emotionen zu unterscheiden sind.
Die Verhaltensrelevanz negativer Emotionen basiert darauf, dass der Konsument
negative Emotionen als unangenehm empfindet, ihnen gegenüber deshalb avers ist und
sie vermeiden möchte. Er wählt folglich Verhaltenweisen, die ihm dies ermöglichen.
Beispiele hierfür sind der Kaufaufschub, die Wahl des Status quo oder einer klar
unterscheidbaren Alternative, sowie die Delegation der Entscheidung an andere, wie
z. B. den Verkäufer.
Neben diesen unmittelbaren Konsequenzen auf das Kaufverhalten wirken sich
Kaufsituationen, die mit negativen Emotionen im Entscheidungsprozess verbunden
sind, auch negativ auf die nachgelagerten Bewertungsprozesse aus. So wurde
aufgezeigt, dass eine Entscheidung mit emotionaler Entscheidungsschwierigkeit zu
einer reduzierten Zufriedenheit mit dem Kaufprozess und dem gekauften Produkt
führen kann und die Entstehung kognitiver Dissonanz begünstigt.
Die für diese Untersuchung wichtigsten aus der Konflikttheorie ableitbaren Aspekte
sind in Abbildung 36 zusammengefasst.
157

Determinanten
Kostendimension
Konsequenzen
Facetten der KPV
Quantitativ
Qualitativ
Anzahl der Produkte
Vergleichbarkeit
Klare Produktunterschiede
+
_
_
Kompromissnotwendigkeit +
Kosten
Argumentationslogik der Wirkung
Entstehung negativer Emotionen und Erhöhung
der Entscheidungsschwierigkeit
• Gründe, die für ein Produkt sprechen
nehmen mit zunehmender Vielfalt ab
• Präferenzunsicherheit nimmt mit
zunehmender Vielfalt zu
• Überlegenheit einzelner Produkte nimmt ab
und macht Kompromissen notwendig
Verhaltensrelevanz entsteht aus der Aversion
des Konsumenten gegen negative Emotionen
Ausgang d.
Entscheidung
Bewertung
Kaufintention
Zufriedenheit
• Prozess
• Produkt
_
kognitive
Dissonanz +
_
Facetten der KPV
negative
Emotionen
Aufwand und
Anstrengung
Abbildung 36: Zusammenfassende Darstellung des Zusammenhangs der Konflikttheorie und den
Kosten von Produktvielfalt
Mit der detaillierten Betrachtung der Antizipation von Regret aufgrund von hoher
Produktvielfalt steht ebenfalls eine affektive Reaktion des Konsumenten im
Mittelpunkt des nächsten Kapitels.
2.3.2.3 Antizipiertes Regret
„Anticipation of regret is likely to favor inaction and routine behavior“
(Kahneman/Tversky 1982, S. 171)
Kahneman und Tversky (1982) bringen mit obigen Zitat die für diese Arbeit zentrale
Hypothese hinsichtlich der Wirkung von antizipiertem Regret zum Ausdruck: Die
Antizipation von Regret (Bedauern) während einer Kaufentscheidung kann zu deren
Aufschub oder Verzicht führen. Anschließend wird auf Basis der Regret-Theorie
aufgezeigt, dass hohe Produktvielfalt die Entstehung antizipierten Regrets fördern
kann. Hierzu werden zunächst die theoretischen Grundlagen zur Entstehung und
Wirkung von Regret knapp dargestellt und darauf aufbauend auf die Ursachen und
158

verhaltensrelevanten Konsequenzen von antizipiertem Regret eingegangen. Dabei
wird insbesondere der Einfluss der Produktvielfalt verdeutlicht.
Die Regret-Theorie
Bedauern (Regret) ist eine in Konsumsituationen sehr häufig vorkommende Emotion
(vgl. Shimanoff 1984, S. 514), die durch eine vom Entscheider wahrgenommene
„(...) difference in value between the assets actually received and the highest level of
assets produced by other alternatives“ (Bell 1982, S. 963) hervorgerufen wird. Regret
entsteht in Konsumsituationen folglich dann, wenn ein Konsument die von ihm
gewählte Alternative mit den anderen, ausgeschlagenen, vergleicht und dabei zu dem
Schluss kommt, dass ein anderes Produkt die bessere Wahl gewesen wäre.
Voraussetzung für das Empfinden von Bedauern wäre demnach ein Feed-back über
die Performance der abgelehnten Alternativen. In Untersuchungen (vgl. z. B. Bell
1983, S. 1156; Larrick/Boles 1995, S. 95) wurde aber gezeigt, dass Individuen auch
Entscheidungen bedauern, bei denen die Ergebnisse der nicht gewählten Optionen
unbekannt sind; Konsumenten also kein Feed-back zur Performance der nicht
gewählten Alternativen bekommen.
Zeelenberg (1996) berücksichtigt dies in seiner umfassenden Regret-Definition, die
den folgenden Ausführungen zugrunde gelegt wird. Er definiert Bedauern als „(...) a
negative, cognitively determined emotion that we experience when realizing or
imagining that our present situation would have been better, had we acted differently“
(S. 6). Hierin kommt neben der negativen Valenz der Empfindung von Bedauern auch
dessen kognitiver Ursprung zum Ausdruck. Die gedanklichen Prozesse beinhalten
dabei einerseits den Ergebnisvergleich der gewählten Alternative mit den
ausgeschlagenen Optionen und andererseits die geistige Aufbereitung des
Entscheidungsprozesses (vgl. Seilheimer 2001, S. 4).
Die zentrale These der Regret-Theorie ist, dass der vom Konsumenten empfundene
Gesamtnutzen einer Entscheidung nicht nur vom Nutzen des gewählten Produkts,
sondern auch von der nachträglichen realen oder imaginären Beurteilung der
zurückgewiesenen Alternativen abhängt.
159

Dies gilt sowohl im positiven als auch im negativen Sinne:
• Schneidet beim Vergleich das gewählte Produkt positiv ab, ist sich der
Entscheider also sicher, das beste Produkt aus den verfügbaren gewählt zu
haben, so empfindet er Freude (Rejoicing) über den Kauf.
• Ergibt der Vergleich aber, dass eine andere Option die bessere Wahl gewesen
wäre, so entsteht Bedauern (Regret) (vgl. Loomes/Sugden 1987, S. 119).
Der Gesamtnutzen der gewählten Alternative wird entsprechend nachträglich erhöht
oder reduziert, wenn der Konsument aufgrund des Vergleichs Rejoicing bzw. Regret
empfindet. Der Einfluss der zurückgewiesenen Alternativen auf den Gesamtnutzen der
Entscheidung stellt den wesentlichen Unterschied der Regret-Theorie zur
Erwartungsnutzen-Theorie dar, die davon ausgeht, dass der Gesamtnutzen der
Entscheidung unabhängig von den nicht gewählten Optionen ist (vgl.
Herrmann/Huber/Seilheimer 2003, S. 226).
Hinsichtlich der Folgen des Regret bzw. Rejoicing ist entscheidend, dass Menschen
das Bedauern einer schlechten Wahl als schlimmer empfinden, als die Freude über
eine gute Wahl (vgl. Zeelenberg/van Dijk 1997, S. 684; Mellers/Schwartz/Ritov 1999,
S. 338). Dieses Phänomen ist aus der Prospect-Theorie bekannt (vgl. Kahneman/
Tversky 1979, S. 277ff.) und wird dort als Verlustaversion (Loss Aversion)
bezeichnet: „Loss aversion refers to the human tendency to weight outcomes viewed
as loss from an arbitrary reference point more heavily than equivalent gains“
(Anderson 2003, S. 151). Analog hierzu wird die Abneigung gegenüber dem Regret
als Regret-Aversion bezeichnet (vgl. Anderson 2003, S. 151). In der grafischen
Darstellung der Regret-Funktion (siehe Abbildung 37) wird dies aus dem steileren
Verlauf des Graphen im negativen Bereich der x-Achse deutlich. Erkennbar ist hieraus
außerdem, dass der Nutzen der gewählten Alternative den Referenzpunkt der
Regret-Funktion bildet und – im Gegensatz zur Prospect-Theorie – das Bedauern bzw.
die Freude überproportional zur Abweichung der gewählten Alternative von diesem
wächst (vgl. Sugden 1992, S. 172; Seilheimer 2001, S. 13).
160

Freude
(Rejoicing)
Gewählte Alternative
(Referenzpunkt)
R (x 2
)
R (x 1
)
-x 2
-x 1
x 1 x 2
R (-x 1
)
Abweichung der gewählten
Alternative zur
ausgeschlagenen Option
R (-x 2
)
Bedauern
(Regret)
Abbildung 37: Idealtypischer Verlauf der Regret-Funktion. In Anlehnung an Seilheimer 2001, S. 14
Obiger Darstellung liegt die entscheidungstheoretisch geprägte Annahme der
Regret-Theorie zugrunde, dass allein die Differenz des Nutzens der gewählten und der
ausgeschlagenen Alternativen die Ursache für Bedauern bzw. Freude sind. Dadurch
kann aber die Entstehung, die Höhe und die Wirkung des Regrets nicht adäquat erklärt
werden (vgl. Herrmann/Huber/Seilheimer 2003, S. 226). Vielmehr spielen die Art der
Entscheidungsfindung und die Charakteristika des Entscheidungsproblems
hierbei eine wichtige Rolle (vgl. z. B. Kahneman/Tversky 1982, S. 201ff.). Auf diese
für den Zusammenhang mit der Produktvielfalt wichtigen Antezedenzien des Regrets
wird nachfolgend näher eingegangen. Hierbei wird der Argumentation von Herrmann,
Huber und Seilheimer folgend, insbesondere auf die Theorie des Counterfactual
Thinking eingegangen (vgl. Herrmann/Huber/Seilheimer 2003, S. 226).
161

Antezedenzien des Regret
Die Theorie des Counterfactual Thinking
Roese (2000) definiert Counterfactual Thinking wie folgt: „Counterfactual thinking
refers to imaginings of alternatives to past outcomes. These thoughts of what might
have been often take the form of a conditional proposition, as in ¸If only I had bought
a Ford instead of a Chrysler, I would have saved a lot of money’ ” (Roese 2000,
S. 277). Wörtlich übersetzt bedeutet der Begriff Counterfactual „gegensätzlich zu den
Fakten“. Als Counterfactuals werden folglich Gedanken bezeichnet, die durch
mentale Simulation alternative hypothetische Szenarien zu realen zurückliegenden
Ereignissen schaffen (vgl. Tsiros/Mittal 2000, S. 403).
Wie bereits oben erwähnt, können Menschen auch dann Bedauern bzw. Freude
empfinden, wenn sie keine Informationen hinsichtlich der Ergebnisse zurückgewiesener
Alternativen haben. Erklärt werden kann dies durch die Theorie des
Counterfactual Thinking: „People undertake counterfactuals in an attempt to provide
a comparison standard to reality“ (Tsiros/Mittal 2000, S. 403). Hat ein Individuum
nach einer Entscheidung nur Informationen über die Performance der gewählten
Option, kann es sich durch die Generierung von Counterfactuals „künstliche“
Vergleichspunkte schaffen, mit denen es die gewählte Alternative vergleicht. Diese
können besser (Upward Counterfactuals) oder schlechter (Downward
Counterfactuals) als das tatsächlich ausgesuchte Produkt sein und dementsprechend zu
Regret oder Rejoicing führen. Für die Art der empfundenen Emotion (Regret oder
Rejoicing) ist demzufolge die Richtung der generierten Counterfactuals
verantwortlich. Die Stärke der emotionalen Reaktion wird durch die Anzahl der
Counterfactuals bestimmt (vgl. Zeelenberg et al. 1998, S. 118; Tsiros/Mittal 2000,
S. 405).
Die Motivation und Fähigkeit, Counterfactuals zu erzeugen, hängt vom Risiko und
der empfundenen Verantwortung, sowie von situationsspezifischen Eigenschaften
der Entscheidung, wie der Umkehrbarkeit und Valenz des Ergebnisses ab. Ebenso ist
entscheidend, ob mit der Wahl der Alternative eine Veränderung des Status quo
einhergegangen ist (vgl. z. B. Tsiros/Mittal 2000, S. 404ff.; Gilovich/Medvec 1994,
S. 359). Entsteht ein Zustand durch die Veränderung des Status quo, so führt dies zu
stärkeren kognitiven und emotionalen Reaktionen und damit zu mehr Counterfactuals,
als wenn derselbe Zustand durch die Beibehaltung des bisherigen Status erreicht
162

würde(vgl. Kahneman 1985; Kahneman/Tversky 1982; Landman 1987). Erklärt
werden kann dies nach Tsiros und Mittal (2000) auf Basis der Informationsverarbeitungs-
und der Attributionstheorie:
Aus der Perspektive der Informationsverarbeitung wird die Veränderung des
Status quo vom Konsumenten deutlicher wahrgenommen und dadurch besser erinnert
als der Verbleib beim derzeitigen Zustand. Es ist ferner leichter, sich die
Wiederherstellung des ursprünglichen Zustands vorzustellen, als dessen Veränderung
(vgl. Tsiros/Mittal 2000, S. 404). Der Argumentation der Attributionstheorien
folgend „(...) (may) people attribute a stronger link between their decision to change
the Status quo and their attitudes and beliefs than their decision to retain the
Status quo and their attitudes and beliefs“ (Tsiros/Mittal 2000, S. 404). Ursache
hierfür ist, dass ein Konsument eine Aktion, sprich die Veränderung des Status quo,
auf sich attribuiert und sich deshalb für die Entscheidung verantwortlich fühlt (interner
Lokus). Untätigkeit hingegen (beibehalten des Status quo) lässt sich leichter extern
attribuieren (vgl. Herrmann/Huber/Seilheimer 2003, S. 229). Die affektive und
kognitive Reaktion und damit auch die Generierung von Counterfactuals ist stärker,
wenn sich der Konsument selbst für die Entscheidung verantwortlich fühlt und diese
folglich auf sich attribuiert (vgl. Weiner 1982, S. 185ff.; Folkes 1988, S. 557). Es
besteht daher ein enger Zusammenhang von Verantwortung und Regret: „A sense of
personal responsibility is central to the experience of regret“ (Gilovich/Medvec 1994,
S. 359; vgl. auch Simonson 1992, Zeelenberg/van Dijk/Manstead 1998).
Zusammenfassend lässt sich damit sagen, dass die Veränderung des Status quo die
Generierung von Counterfactuals und die Entstehung von Regret bzw. Rejoicing
begünstigt. Dies ist in dem hier betrachteten Zusammenhang von besonderem
Interesse, da Kaufentscheidungen typischerweise nicht mit der Beibehaltung des
Status quo, sondern durch den Kauf eines neuen Produkts mit dessen Veränderung
verbunden sind und daher eher zu Regret führen können (vgl. Kahneman/Miller 1986,
S. 136ff.).
Neben der Veränderung bzw. dem Beibehalten des Status quo und der Verantwortung
wurden oben das Risiko sowie die Umkehrbarkeit und Valenz des Ergebnisses als
Einflussfaktoren auf die Entstehung von Counterfactuals und Regret genannt.
Ist die Entscheidung mit hohem finanziellen und/oder sozialem Risiko verbunden,
geht es also z. B. um den Kauf eines teuren oder prestigeträchtigen Produkts, setzt sich
der Konsument intensiv mit der Kaufentscheidung auseinander, indem er die
Alternativen während des Entscheidungsprozesses gründlich miteinander vergleicht.
163

Hierzu versucht er auch die Zukunft mental zu simulieren, indem er Counterfactuals –
bzw. korrekter – Prefactuals (siehe S. 168ff.) generiert (vgl. Tsiros/Mittal 2000,
S. 403). Bleibt das Ergebnis der Kaufentscheidung hinter den Erwartungen zurück,
versucht der Käufer mit Nachdruck hierfür eine Erklärung zu finden, indem er
Counterfactuals produziert (vgl. Herrmann/Huber/Seilheimer 2003, S. 229; Gleicher et
al. 1990, S. 293). Je höher somit das vom Konsumenten empfundene Risiko einer
Entscheidung, desto wahrscheinlicher ist die Entstehung von Counterfactuals. Bei der
hier betrachteten Art der „echten“ Kaufentscheidungen (siehe S. 37ff.), die mit einem
gewissen finanziellen Risiko verbunden sind, ist die Entstehung von Counterfactuals
deshalb wahrscheinlich.
Ist eine Entscheidung umkehrbar, verhält sich der Konsument eher passiv und ist
nicht motiviert, kognitiven Aufwand in die mentale Simulation alternativer Szenarien
zu investieren (vgl. Tsiros/Mittal 2000, S. 404). Ist das Ergebnis einer Entscheidung
hingegen nicht umkehrbar, ist die Entscheidung mit größerem Risiko verbunden, was
wiederum die Entstehung von Counterfactuals und Regret begünstigt (s.o.).
Die Valenz einer Entscheidung wirkt sich dahingehend auf die Generierung von
Counterfactuals aus, dass „negative outcomes stimulate more counterfactual thinking
than positive outcomes“ (Tsiros/Mittal 2000, S. 405). Ein Grund für dieses
asymmetrische Verhalten ist, dass sich Individuen bemühen, einen positiven Zustand
zu erhalten, wohingegen sie versuchen, einen negativen Zustand zu verbessern (vgl.
Isen/Geva 1987). Folglich sind Konsumenten, die das Ergebnis einer Entscheidung
positiv beurteilen, kaum motiviert, alternative Szenarien in Form von Counterfactuals
zu generieren. Ist das Entscheidungsergebnis hingegen schlechter als erwartet,
versucht der Entscheider durch mentale Simulation eine geeignete Alternative zu
finden, um in Zukunft bessere Entscheidungen treffen zu können (vgl. Tsiros/Mittal
2000, S. 405).
164

Zusammenfassend wird die Generierung von Counterfactuals und die damit
verbundene Entstehung von Regret oder Rejoicing im Wesentlichen von
• der Valenz und Umkehrbarkeit des Ergebnisses sowie
• dem Risiko und der
• empfundenen Verantwortung bei der Entscheidung beeinflusst.
• Des Weiteren entstehen Counterfactuals ceteris paribus insbesondere dann,
wenn die Entscheidung mit einer Veränderung des derzeitigen Zustands, des
Status quo verbunden ist. Dieser Aspekt ist für den hier betrachteten Zusammenhang
von besonderer Relevanz und wird in einem späteren Abschnitt zum
antizipierten Regret noch vertieft (siehe S. 173f.).
Der Einfluss der Vielfalt in der Entscheidungssituation auf die Entstehung von
Regret
Im letzten Abschnitt wurden die in der Literatur als wesentlich erachteten
Antezedenzien von Regret beschrieben. Für die Fragestellung dieser Arbeit interessiert
insbesondere, welchen Einfluss die Produktvielfalt in der Entscheidungssituation auf
die Entstehung von Regret hat. Zentrale Annahme ist hierbei, dass höhere Vielfalt zu
mehr Regret führt. Diese Hypothese stützt sich im Wesentlichen auf drei
Argumentationsstränge:
Hohe Produktvielfalt in der Entscheidungssituation führt erstens dazu, dass dem
Konsumenten die hohe Wahrscheinlichkeit einer Fehlentscheidung, sowie deren
Folgen besonders deutlich werden (vgl. Amir o.J., S. 5). Zurückzuführen ist dies
darauf, dass die Generierung von Counterfactuals durch die vielen Alternativen
wahrscheinlicher und leichter ist und in Folge dessen das Bewusstsein (Awareness) für
das Fehlentscheidungsrisiko steigt (vgl. Kahneman/Tversky 1982; Amir o.J., S. 4f.).
Dadurch wird die mentale Simulation alternativer Szenarien nochmals verstärkt (siehe
hierzu die Ausführungen zum wahrgenommenen Risiko). Insgesamt fördert diese
verstärkte Generierung von Counterfactuals die Entstehung von Regret oder Rejoicing
(vgl. Simonson 1992; Gilovich/Medvec 1995; Bell 1985; Gul 1991; Tsiros/Mittal 2000).
Als zweites Argument kann angeführt werden „(...) that as consumers perceive more
variety, they may set their expectations, and thus their goals too high“ (Desmeules
2002, S. 10; Hervorhebung nicht im Original). Wenn der Konsument anschließend das
Ergebnis des Kaufs mit diesen zu hohen Erwartungen vergleicht, fällt die Beurteilung
165

der eigenen Entscheidung meist negativ aus. Da „negative outcomes stimulate more
counterfactual thinking than positive outcomes“ (Tsiros/Mittal 2000, S. 405) kann
angenommen werden, dass durch (zu) hohe Produktvielfalt Regret entstehen kann.
Schließlich haben drittens Untersuchungen gezeigt, dass „choice-makers in
extensive-choice contexts might feel more responsible for their choices given the
potential opportunity of finding the very best option (…)“ (Sethi-Iyengar/Lepper 2000,
S. 999; Hervorhebung nicht im Original). Wie oben gezeigt wurde, generiert der
Konsument mehr Counterfactuals und schafft damit die Voraussetzung für die
Entstehung von Regret, wenn er sich für eine Entscheidung verantwortlich fühlt (siehe
S. 163f.).
Insgesamt lässt sich damit vermuten, dass die Entstehung von Regret wahrscheinlicher
ist, wenn ein Konsument aus einem großen Sortiment wählt. Verglichen damit sollte
die Wahl aus einer moderaten Anzahl an Alternativen zu weniger Bedauern führen.
Konsequenzen des Regret
Regret steht in engem Zusammenhang mit der Zufriedenheit und wird in der Literatur
als deren Antezedenz bezeichnet (vgl. Oliver 1997; Inman et al. 1997). So konnten
z. B. Tsiros und Mittal (2000) zeigen, dass ein höheres Maß an Regret zu einer
signifikanten Reduktion der Zufriedenheit führt (siehe auch Abbildung 38). Dies ist
dadurch zu erklären, dass Konsumenten bei der Herausbildung eines Zufriedenheitsurteils
die Performance des gewählten Produkts einerseits mit ihren Erwartungen
vergleichen, andererseits aber auch die zurückgewiesenen Alternativen als
Vergleichsmaßstab verwenden (vgl. Herrmann/Huber/Wricke 1999, S. 677ff.; Taylor
1997, S. 229ff.). Entspricht das gewählte Produkt hierbei zwar den Erwartungen des
Konsumenten, hätte eine andere Alternative diese aber deutlich übertroffen, so ist
davon auszugehen, dass der Konsument mit seinem Kauf unzufrieden ist (vgl.
Herrmann/Huber/Seilheimer 2003, S. 230f.). Zusammenfassend ist also von einem
negativen Zusammenhang von Regret und Zufriedenheit auszugehen (vgl.
Tsiros/Mittal 2000, S. 408).
Regret beeinflusst neben der Zufriedenheit auch die Loyalität bzw. die
Wiederkaufsabsicht des Konsumenten. Da zwischen Zufriedenheit und dem
Wiederkaufverhalten ein positiver Zusammenhang besteht (vgl. Oliver 1980; Fornell
1992, S. 14, Anderson/Sullivan 1993; S. 141), reduziert Regret indirekt über die
Zufriedenheit die Wiederkaufabsicht (vgl. Herrmann/Huber/Seilheimer 2003, S. 213;
166

Tsiros/Mittal 2000, S. 405). Regret kann sich aber auch direkt auf die Wiederkaufsintention
auswirken: Ist ein Kunde mit dem von ihm gewählten Produkt zwar
zufrieden, stellt er mittels realem oder imaginärem Vergleich (Counterfactuals) im
Nachhinein aber fest, dass die Wahl eines anderen Produkts zu einem besseren
Ergebnis geführt hätte, so ist es wahrscheinlich, dass er bei der nächsten
Kaufgelegenheit zu diesem anderen Produkt wechselt. Er verhält sich also illoyal,
obwohl er mit dem Kauf zufrieden ist (vgl. Tsiros/Mittal 2000, S. 408). Ein höheres
Maß an Regret reduziert damit die Wiederkaufsabsicht sowohl direkt als auch indirekt
über eine geminderte Zufriedenheit. Tsiros und Mittal (2000) konnten in ihren
Experimenten diese Zusammenhänge empirisch zeigen (S. 408). Ihre Untersuchungsergebnisse
sind in Abbildung 38 in Form eines Pfaddiagramms dargestellt.
Regret 1 Regret 2 Regret 3
0,88* 0,84* 0,79*
- 0,38*
Regret
Satisfaction
0,09 NS
0,43*
-0,33*
-0,41 *
Repurchase
Complaint
0,97* 0,94* 0,89*
Satisfaction 1 Satisfaction 2 Satisfaction 3
*: p < 0,05; NS: nicht signifikant
Abbildung 38: Die Auswirkungen von Regret auf die Zufriedenheit und die Wiederkaufsabsicht. In
Anlehnung an Tsiros/Mittal 2000, S. 408
Die bisherigen Ausführungen zum Regret haben Einflussgrößen und Konsequenzen
von Regret verdeutlicht und den Bezug zur Produktvielfalt hergestellt. Diese durch
Counterfactuals hervorgerufenen Emotionen sind aber nicht direkt entscheidungsrelevant,
da sie erst nach der Kaufentscheidung entstehen und das Wohlbefinden, wie
z. B. die Zufriedenheit des Konsumenten beeinflussen (vgl. Seilheimer 2001, S. 67).
Die Regret-Aversion wirkt sich aber auch auf das Kaufverhalten aus „(...) because
the possibility of regret is anticipated (by consumers, d. V.), and subsequently taken
into account when making decisions“ (Zeelenberg 1999, S. 101). Konsumenten
können Regret bzw. Rejoicing folglich antizipieren und auf diese Weise in die
167

Entscheidung einbeziehen (vgl. Mellers/Schwartz/Ritov 1999, S. 333). Hierauf geht
der nächste Abschnitt genauer ein.
Antizipiertes Regret
Counterfactuals spielen, wie oben gezeigt wurde, bei der Entstehung von Regret eine
wichtige Rolle, da sie durch mentale Simulation Alternativen zu zurückliegendem
Entscheidungsverhalten erzeugen können, d. h. der Konsument stellt sich vor, wie er
sich in der Gegenwart (nach dem Kauf) fühlen würde, wenn er sich für ein anderes
Produkt entschieden hätte. Konsumenten verhalten sich während einer
Kaufentscheidung analog hierzu und „(...) imagine the costs and benefits of one world
in which the product is purchased and the costs and benefits of another world in which
the product is not purchased“ (McConnel/Niedermeier/Leibold/El-Alayli/Chin 2000,
S. 282). Da sich diese mentalen Simulationen auf zukünftige Ereignisse beziehen,
werden sie als Prefactuals(wörtlich übersetzt „vor den Fakten“) bezeichnet (vgl.
McConnel et al. 2000, S. 282).
Mit Hilfe von Prefactuals stellen sich Konsumenten während der Kaufentscheidung in
alternativen Szenarien den Erfüllungsgrad ihrer Bedürfnisse und ihre daraus
resultierenden affektiven Reaktionen mit den in Frage kommenden Produkten vor (vgl.
Dunning/Madey 1995, S. 124ff.) und beziehen diese antizipierten Emotionen in den
Kaufprozess ein (vgl. Mellers/Schwartz/Ritov 1999, S. 337; Loomes/Sugden 1982,
S. 820). Begründet werden kann dieses Verhalten durch die Choice Certainty Theory
(Mills 1968), wonach sich Konsumenten sicher sein wollen, die beste Alternative zu
wählen und deshalb versuchen, durch mentale Simulation der Zukunft ihre
Entscheidungssicherheit zu erhöhen (vgl. Brownstein 2003, S. 549).
Die Prefactuals sind dabei typischerweise nach oben gerichtet (Upward Prefactuals),
wodurch diese die „(...)anxiety during and after a purchase“ erhöhen (McConnel et
al. 2000, S. 287): Nach oben gerichtete Prefectuals führen zu einem schlechten
Abschneiden der jeweils aktuell betrachteten Optionen, da diese immer mit einer noch
besseren imaginären Alternative verglichen werden und verursachen dadurch die
Antizipation von Regret (vgl. Miller/Taylor 1995, S. 314; McConnel et al. 2000,
S. 284ff.).
168

Einfluss von Anzahl und Art der Produktauswahl auf die Generierung von
Prefectuals und die Entstehung von antizipiertem Regret
Janis und Mann (1977) haben das Vorhandensein von mehr als einer attraktiven
Alternative als einen wesentlichen Einflussfaktor auf die Entstehung und die Stärke
von antizipiertem Regret bezeichnet (vgl. Brownstein 2003, S. 548). Analog zu dem
bereits aufgezeigten Einfluss der Produktvielfalt auf die Entstehung von Regret (siehe
S. 165f.) kann dies dadurch erklärt werden, dass hohe Produktvielfalt die Generierung
von Prefactuals erleichtert und dadurch die Entstehung von antizipiertem Regret
fördert (vgl. Miller/Taylor 1995, S. 314). Die verstärkte Generierung von Prefactuals
durch hohe Produktvielfalt lässt sich unter Rückgriff auf die oben angeführten
Argumente wie folgt begründen:
Hohe Produktvielfalt macht die Entstehung von Prefactuals leichter und
wahrscheinlicher, da dem Konsumenten viele Optionen zur Simulation alternativer
Szenarien zur Verfügung stehen (vgl. Amir o.J., S. 5). Dadurch wird dem Individuum
die Wahrscheinlichkeit einer Fehlentscheidung bewusst, was die Generierung von
Prefactuals nochmals verstärkt (vgl. Kahneman/Tversky 1982; Miller/Taylor 1995,
S. 314ff.). Diese Prefactuals sind dabei vornehmlich aufwärts gerichtet, da der
Konsument aufgrund der Vielzahl an Alternativen sehr hohe Erwartungen an das
Ergebnis der Entscheidung hat (vgl. Desmeules 2002, S. 10). Vergleicht der
Konsument in mentalen Simulationen die Wahl alternativer Produkte mit diesem
hohen Referenzpunkt, führt dies tendenziell zu einer negativen Beurteilung der
einzelnen Optionen und somit zur Entstehung von antizipiertem Regret. Interessant ist
hierbei vor allem die gegenseitig verstärkende Wirkung dieser Einzeleffekte in einer
Art emotionaler Abwärtsspirale, die insgesamt zu einer vermehrten Generierung von
Prefactuals führt: Große Auswahl erhöht, wie oben beschrieben, das wahrgenommene
Risiko und führt zu überhöhten Erwartungen und dadurch zu einer negativen
Beurteilung der Alternativen. Dadurch entstehen auf der Basis mentaler Simulation
(Prefactuals) negative Ergebnisse, die wiederum die Generierung von Prefactuals
stimulieren (vgl. Tsiros/Mittal 2000, S. 405). Es entstehen somit einander gegenseitig
verstärkende Effekte.
Die Möglichkeit, aufgrund der großen Auswahl eine optimale Entscheidung zu treffen
führt außerdem dazu, dass Konsumenten eine größere Verantwortung für die
Entscheidung empfinden (vgl. Shety-Iyengar/Lepper 2000, S. 999). Wie bereits
erwähnt (vgl. S. 163f.), steht diese in engem Zusammenhang mit der Entstehung und
169

der Stärke von Regret (Gilovich/Medvec 1994, S. 359; Simonson 1992,
Zeelenberg/van Dijk/Manstead 1998).
Auf Basis dieser Argumente kann vermutet werden, dass hohe Produktvielfalt zur
Antizipation von Regret führen kann. In der Literatur können aber auch Hinweise
dafür gefunden werden, dass zu geringe Produktvielfalt ebenfalls zu antizipiertem
Regret führt. So kann der Aufschub einer Kaufentscheidung daher kommen, dass der
Konsument hofft, in einer späteren Entscheidungssituation bessere Alternativen zur
Wahl zu haben (vgl. Simonson 1992; Anderson 2003, S. 151). Erwartet er
beispielsweise in einem anderen Geschäft eine bessere Auswahl vorzufinden, würde er
den sofortigen Kauf später eventuell bereuen.
Die Antizipation des Bedauerns kann somit dazu führen, dass ein Konsument seine
Entscheidung verschiebt und weitere Geschäfte aufsucht. Dieses Argument wird auch
von Untersuchungen gestützt, die gezeigt haben, dass die Antizipation von Regret
steigt, wenn der Entscheider ein Feed-back hinsichtlich seiner Entscheidungsqualität
erwartet (vgl. Zeelenberg 1998, S. 97ff.; Inman/Dyer/Jia 1997; Ritov/Baron 1995;
Taylor 1997). Sucht ein Käufer nach der Entscheidung ein weiteres Geschäft auf, kann
er die dort vorhandenen Alternativen mit dem von ihm gewählten Produkt vergleichen
und erhält somit ein Feed-back für seine Entscheidung. Erwartet ein Konsument, bei
einem anderen Händler eine größere Auswahl vorzufinden, die ihm eine bessere
Entscheidung ermöglicht, so kann dies zur Antizipation von Regret führen und der
Konsument verschiebt die Entscheidung aufgrund zu geringer bzw. zu unattraktiver
Auswahl (vgl. Anderson 2003, S. 152).
Da sowohl zu geringe als auch zu hohe Produktvielfalt die Generierung von
Prefactuals und antizipiertem Regret fördert, liegt die Vermutung eines u-förmigen
Zusammenhangs von Produktvielfalt und antizipiertem Regret nahe. Da im Zentrum
dieser Arbeit die Wirkung hoher Produktvielfalt steht, spielt hier die Entstehung von
Regret bei zu geringer Vielfalt keine Rolle.
Neben der Größe des Sortiments beeinflusst auch deren Zusammensetzung die
Entstehung von antizipiertem Regret. So argumentiert Zeelenberg (1998), dass
antizipiertes Regret insbesondere dann auftritt, wenn „the most preferred alternative is
not necessarily superior to another“ (S. 102). In diesem Fall kann der Konsument die
Entscheidung nur schwer treffen und muss sich geistig intensiv mit dieser auseinander
setzen, was die Generierung von Prefactuals begünstigt. Die Entscheidungsschwierigkeit
resultiert dabei aus der Zusammensetzung des Choice Sets und den
Eigenschaften der Alternativen. Demnach antizipiert der Konsument insbesondere
170

dann Regret, wenn Alternativen in etwa gleich attraktiv sind (z. B. hinsichtlich ihres
erwarteten Nutzens) oder die Entscheidung einen Kompromiss (Trade-off) hinsichtlich
wichtiger Attribute erforderlich macht (vgl. Zeelenberg 1998, S. 102). Im letzten Fall
ist die Entscheidunge schwerer, was die Generierung von Prefactuals wahrscheinlicher
macht (vgl. Zeelenberg 1998, S. 102).
Zusammenfassend können somit große Sortimente, die aus vielen attraktiven
Produkten mit jeweils unterschiedlichen Vor- und Nachteilen bestehen und deshalb
einen Kompromiss bei der Entscheidung erfordern, die Entstehung von antizipiertem
Regret begünstigen.
Konsequenzen von antizipiertem Regret
Aufgrund ihrer Regret-Aversion (siehe Abbildung 37, S. 161) versuchen Konsumenten
eine Lösung des Entscheidungsproblems zu finden, die das antizipierte Regret
minimiert (vgl. Anderson 2003, S. 148). Voraussetzung für einen systematischen
Einfluss des antizipierten Regrets auf die Kaufentscheidung ist dabei, dass sich die
Entscheidungsalternativen hinsichtlich der Wahrscheinlichkeit und/oder Intensität der
Generierung von Prefactuals und antizipiertem Regret unterscheiden und der
Konsument durch seine Wahl die Höhe des antizipierten Regrets reduzieren kann (vgl.
Simonson 1992, S. 117). Neben den Produktalternativen des Sortiments stehen dem
Konsumenten in einer Kaufsituation verschiedene alternative Entscheidungsausgänge
zur Wahl, wodurch er die Regret-Stärke reduzieren kann:
Eine Möglichkeit hierfür ist der Verzicht auf die Entscheidung: „Whenever choice
can induce regret consumers have an incentive to eliminate the choice“ (Thaler 1980,
S. 52). Antizipation von Regret kann somit zur Entscheidungsaversion führen (vgl.
Beattie/Baron/Hersehy 1994, S. 132). Anderson (2003, S. 138) unterscheidet drei
Formen, wie eine Entscheidung vermieden werden kann: Status quo, Omission und
Deferral.
Wie bereits oben erläutert wurde (vgl. S. 162), führt die Veränderung des Status quo
zu intensiveren kognitiven und emotionalen Reaktionen und begünstigt dadurch die
Generierung von Prefactuals und somit die Entstehung von antizipiertem Regret (vgl.
Kahneman 1995; Kahneman/Tversky 1982; Landman 1987). Die Beibehaltung des
Status quo stellt somit eine Regret reduzierende Option dar (vgl. Tsiros/Mittal 2000;
Redelmeier/Shafir 1995). Als weiteres Argument mit direktem Bezug zur
Produktvielfalt kann hier angeführt werden, dass Konsumenten versuchen,
171

Entscheidungen vor sich und anderen zu rechtfertigen und dies ist „usually easier for
situations having few rather than many options“ (Redelmeier/Shafir 1995, S. 304). Da
der Status quo leichter zu rechtfertigen ist und dadurch die Wahrscheinlichkeit der
Antizipation von Regret reduziert wird, kann erhöhte Vielfalt zur Beibehaltung des
Status quo führen (vgl. Inman/Zeelenberg 2002).
Omission – das „Nichts tun“ – unterscheidet sich von der Beibehaltung des Status quo
dadurch, dass letzteres bewusst gewählt wird, wohingegen bei einer Omission der
Konsument sich weder für noch gegen eine Alternative entscheidet und „einfach“
nicht handelt. Der so genannte Action Effect, der auch als Exaggeration Effect oder
Emotional Amplification bezeichnet wird (Kahneman/Miller 1986, Zeelenberg et al.
2002), besagt, dass „(...) actions (...) provoke more counterfactual thinking than
inactions“ (Mellers/Schwartz/Ritov 1999, S. 341). Durch das „Nichts tun“ kann
folglich die Höhe des antizipierten Regrets reduziert werden (vgl. Ritov/Baron 1990;
1995, 1999; Baron Ritov 1994, Spranca et al. 1991).
„A situation in which an individual chooses not to choose for the time being is a
choice deferral“ (Anderson 2003, S. 144). Konsumenten verschieben Entscheidungen
(Deferral) und vermeiden oder reduzieren dadurch die Regret-Antizipation, wenn sie
auf neue Informationen hoffen, die die Entscheidung erleichtern (vgl. Zeelenberg
1999a, S. 329; Cooke/Meyvis/Schwartz 2001). Ein anderer Grund für dieses Verhalten
kann auch sein, dass der Konsument hofft, in einer späteren Entscheidungssituation
bessere Alternativen zur Wahl zu haben (vgl. Simonson 1992; Anderson 2003,
S. 151). Erwartet er beispielsweise in einem anderen Geschäft ein besseres Sortiment
vorzufinden, würde er den sofortigen Kauf später vielleicht bereuen. Er verschiebt
daher die Entscheidung und sucht weitere Geschäfte auf. Dieses Argument
verdeutlicht, dass Regret auch dann entstehen kann, wenn sehr wenige Alternativen im
Sortiment vorhanden sind. Es kann daher, wie schon erwähnt, ein u-förmiger
Zusammenhang von Produktvielfalt und antizipiertem Regret vermutet werden.
Die aufgeführten drei Optionen zur Regret-Vermeidung haben gemeinsam, dass der
Konsument die explizite Entscheidung vermeidet, indem er letztlich nicht kauft.
Simonson (1992) weißt darauf hin, dass die Wahl einer „Default Option“ – einer
vorgegebenen Alternative – ebenfalls eine Regret reduzierende Entscheidung darstellt
(vgl. Simonson 1992, S. 117). Durch die Vorgabe einer Standardalternative wie z. B.
die Markierung eines Produkts als „besondere Empfehlung“ kann ein Einzelhändler
folglich die Entscheidungskosten des Konsumenten reduzieren und dadurch die
Wahrscheinlichkeit eines Kaufs erhöhen. Eine weitere Möglichkeit, antizipiertes
172

Regret zu vermeiden, ist aus der vorherigen Erörterung der Antezedenzien des Regret
abzuleiten: Die Entstehung von Regret ist wahrscheinlicher, wenn sich ein Individuum
für die Entscheidung selbst verantwortlich fühlt (siehe S. 163). Um die persönliche
Verantwortung zu reduzieren, kann der Konsument die Entscheidung an andere, z. B.
an den Käufer oder an einen Freund delegieren (vgl. Seilheimer 2001, S. 34). Eine
Alternative hierzu stellt der Erwerb einer teureren und bekannteren Marke dar,
wodurch ein Entscheider neben der Verantwortung auch das wahrgenommene Risiko
reduzieren kann (vgl. Simonson 1992, S. 107).
Zusammenfassend kann ein Konsument die Antizipation von Regret, die z. B. durch
hohe Produktvielfalt in der Entscheidungssituation verursacht wird, im Wesentlichen
auf drei Arten reduzieren bzw. vermeiden:
1. Er bezieht weitere Personen in die Entscheidung mit ein und reduziert dadurch
seine persönliche Verantwortung.
2. Er kann auf die explizite Entscheidung verzichten, indem er den Status quo
beibehält, nichts tut oder den Kauf auf einen späteren Zeitpunkt verschiebt.
3. Er kann durch die Wahl einer Standardoption (Default Option) oder einer
teuren Marke sowohl sein empfundenes Risiko als auch seine wahrgenommene
Verantwortung reduzieren.
Neben diesen unmittelbaren Konsequenzen für das Kaufverhalten kann sich
antizipiertes Regret aber auch auf die der Kaufentscheidung nachgelagerten Prozesse
der Kaufbewertung auswirken. Dies kann aus der beschriebenen Wirkung von Regret
auf die Zufriedenheit und die Wiederkaufabsicht geschlussfolgert werden (vgl.
S. 166f.). Analog zur Wirkung von erfahrenem Regret auf die Zufriedenheit mit dem
Kauf kann vermutet werden, dass sich die Antizipation von Regret auf die
Zufriedenheit mit dem Kaufprozess (Choice Process Satisfaction) auswirkt (vgl.
Zhang/Fitzsimons, 1999, S. 192ff.; Fitzsimons/Greenleaf/Lehmann 1997, S. 1ff.):
Führt eine Kaufsituation zur Antizipation von Regret, ist der Käufer demnach
vermutlich mit dem Kaufprozess weniger zufrieden, verglichen mit einem
Entscheidungsprozess, während dessen er kein Bedauern antizipiert.
Ergänzend soll noch erwähnt werden, dass die beschriebenen kognitiven Prozesse des
Counterfactual und Prefactual Thinking neben der Antizipation von Regret auch zur
Antizipation von Tadel (Blame) führen kann: „Even if decision makers refuse to
consider their own potential regret as an important variable, the blame resulting when
others evaluate their decision and make the same cognitive processes may still be
173

important to avoid“ (Anderson 2003, S. 148ff.). Die gedankliche Vorwegnahme
möglichen Tadels durch andere aufgrund einer falschen Entscheidung tritt vor allem
dann auf, wenn sich die Entscheidung auch auf andere Personen auswirkt. Ein Beispiel
hierfür ist der Kauf einer Waschmaschine durch einen Familienvater, der bei einem
Fehlkauf anschließend von seiner Frau „getadelt“ wird. Die Antizipation von Tadel
hat ähnliche Antezedenzien und führt zu ähnlichen Verhaltensweisen wie die
Antizipation von Regret und ist daher ergänzend zu dieser zu sehen (vgl. Anderson
2003, S. 148ff.).
Zusammenfassung
Auf der Basis von Regret- und Counterfactual-Theorie wurden Ursachen und
Konsequenzen von antizipiertem Regret (und Tadel (Blame)) veranschaulicht.
Ursachen der Entstehung von antizipiertem Regret
Die obigen Ausführungen haben verdeutlicht, dass antizipiertes Regret eine kognitiv
determinierte, vorweggenommene negative Emotion darstellt, die aufgrund hoher
Produktvielfalt entstehen und sich negativ auf das Kaufverhalten sowie die
Kaufbewertung auswirken kann. Neben der Anzahl spielt aber auch die Art der
Produkte im Sortiment eine wichtige Rolle. So ist die Entstehung von antizipiertem
Regret besonders wahrscheinlich, wenn die Produktauswahl mehrere in etwa gleich
attraktive Alternativen enthält und/oder die Entscheidung das Abwägen (Trade-off)
wichtiger, wechselseitig vorhandener Produkteigenschaften der Alternativen vom
Konsumenten verlangt (vgl. Zeelenberg 1998, S. 102). Zurückzuführen ist dies darauf,
dass eine Entscheidungssituation mit hoher Produktvielfalt die Generierung von nach
oben gerichteten (upward) Prefactuals und dadurch die Entstehung von antizipiertem
Regret fördert (vgl. McConnel et al. 2000, S. 284). Da auch zu geringe Produktvielfalt
zur Antizipation von Regret führen kann, wenn der Konsument z. B. erwartet, in
einem anderen Geschäft bessere Produkte zu finden (vgl. Simonson 1992; Anderson
2003, S. 151), liegt insgesamt die Vermutung eines u-förmigen Zusammenhangs von
Produktvielfalt und antizipiertem Regret nahe. Die Untersuchung des funktionalen
Zusammenhangs soll aber in dieser Untersuchung nicht weiter vertieft werden.
174

Konsequenzen von antizipiertem Regret
Die Verhaltensrelevanz der auf der Basis mentaler Simulation entstandener und
vorweggenommener Emotion entsteht aus der Regret Aversion: Individuen versuchen
Regret zu vermeiden und wählen deshalb Optionen oder Alternativen, die dieses
reduzieren bzw. minimieren. Hierbei stehen dem Konsumenten im Wesentlichen drei
Handlungsalternativen zur Verfügung:
1. Er bezieht weitere Personen in die Entscheidung mit ein und kann dadurch
seine Verantwortung für diese reduzieren.
2. Er verzichtet auf die Entscheidung, indem er den Status quo beibehält, nichts
tut oder den Kauf auf einen späteren Zeitpunkt verschiebt.
3. Er kauft ein teures, ihm bekanntes Markenprodukt oder wählt eine
Standardoption (Default Option).
Damit kann die Schlussfolgerung gezogen werden, dass die Kaufintention in einer
Konsumsituation mit hoher Produktvielfalt, welche die Generierung von Prefactuals
und damit die Entstehung von antizipiertem Regret fördert, geringer ist als in einer
Situation mit mäßiger Produktauswahl. Neben der kurzfristigen Wirkung auf den
Ausgang der Kaufentscheidung wurden auch Konsequenzen des antizipierten Regrets
auf die der Kaufentscheidung nachgelagerten Prozesse der Kaufbewertung
aufgezeigt. So kann vermutet werden, dass die Antizipation von Regret zur
Reduktion der Kaufprozesszufriedenheit und zu einer geringeren Zufriedenheit mit
dem gekauften Produkt führt.
In Abbildung 39 werden die für diese Untersuchung relevanten Zusammenhänge, die
sich aus der Antizipation von Regret für die Kostendimension ergeben,
zusammenfassend dargestellt.
175

Determinanten
Kostendimension
Konsequenzen
Facetten der Kosten hoher PV
Quantitativ
Qualitativ
Anzahl der Produkte
Klare Produktunterschiede
Kompromissnotwendigkeit
(wechselseitige Vor- und
Nachteile der Produkte)
+
_
+
Kosten
Argumentationslogik der Wirkung
Entstehung von antizipiertem Regret
• hohe Produktvielfalt fördert die Entstehung
von nach oben gerichteten simulierten
Vergleichspunkten (upward prefactuals) und
dadurch die Entstehung von Regret
Konsequenzen von antizipiertem Regret
• Regretaversion: Konsumenten wollen
Antizipation von Regret vermeiden und
wählen entsprechende Optionen wie
Kaufverzicht und Kaufaufschub
Ausgang d.
Entscheidung
Bewertung
Kaufintention
Zufriedenheit
• Prozess
• Produkt
_
_
_
Facetten der Kosten hoher PV
antizipiertes
Regret
negative
Emotionen
Abbildung 39: Zusammenfassende Darstellung des Zusammenhangs von antizipiertem Regret und den
Kosten von Produktvielfalt
In den letzten Kapiteln wurden unterschiedliche Kosten- und Nutzenaspekte hoher
Produktvielfalt aus verschiedenen Theorien abgeleitet und in Zusammenhang mit dem
Verhalten von Konsumenten gesetzt. Im folgenden Abschnitt werden auf dieser Basis
die zentralen Hypothesen formuliert und das Gesamtmodell der Untersuchung
entwickelt.
2.3.3 Hypothesen und Modellentwicklung
Die übergeordnetet Hypothese der Arbeit (Hypothese 1, S. 92), die besagt, dass hohe
Produktvielfalt aus Konsumentensicht nicht nur mit Nutzen- sondern auch mit
Kostenaspekten verbunden ist und diese den Ausgang der Kaufentscheidung und die
Nachkaufbewertung aus Unternehmenssicht negativ beeinflussen können, wurde
bereits beschrieben.
Nachfolgend werden nun die aus den Theorien abgeleiteten Hypothesen zu direkten
Konsequenzen von Kosten und Nutzen von Produktvielfalt formuliert. Im Anschluss
daran werden diese um Hypothesen zu Beziehungen zwischen den bisherigen und
zwei weiteren Konstrukten, die aus Erkenntnissen des Relationship-Marketing
abgeleitet werden, erweitert. Dadurch ergibt sich das Gesamtmodell der
Untersuchung im Hinblick auf die betrachteten Konsequenzen von Kosten und Nutzen
von Produktvielfalt. Abschließend werden, wiederum basierend auf dem theoretischen
176

Bezugsrahmen, die Hypothesen zu den Determinanten der beiden Dimensionen des
Werts von Produktvielfalt formuliert.
Die Hypothesen der Untersuchung sollen möglichst kompakt dargestellt werden, da
die vermuteten Zusammenhänge zwischen Determinanten, Kosten und Nutzen von
Produktvielfalt und deren Konsequenzen von diesen bereits im Rahmen der einzelnen
Theorien ausführlich beschrieben wurden. Die aus den Theorien abgeleiteten
Zusammenhänge sind in Abbildung 40 zusammengefasst.
Determinanten
Facetten
Konsequenzen
Theorien
Anzahl Produkte
+
Klare Unterschiede
Vergleichbarkeit
Aufwand und
Anstrengung
Negative Emotionen
Antizipiertes Regret
Kaufintention
Zufriedenheit
Prozess
Zufriedenheit
Produkt
Kognitive
Dissonanz
_ _
_ _ _
+ +
Cost of
Thinking
X
X X X X X X
Kosten
X X X
X X X X X
X X X X X X X
X
Kompromissnotwendigkeit
Konflikttheorie
antizipiertes
Regret
Nutzenerwartungswert
Shopping
Hedonismus
X
Nutzen
X X
X X X
X X X
X X X
antizipierter
Produktnutzen
Erfolgsausichten
Spaß am Einkauf
positive
Emotionen
+ + +
Kaufintention
Zufriedenheit
Prozess
Zufriedenheit
Produkt
Abbildung 40: Zusammenfassende Darstellung der aus den Theorien des Bezugsrahmens abgeleiteten
Zusammenhänge von Determinanten, Facetten und Konsequenzen der Kosten und Nutzen von
Produktvielfalt
Aus obiger Darstellung ist zu erkennen, dass die Theorien bzw. theoretischen
Konzepte jeweils verschiedene Facetten der KNPV erklären. So ist beispielsweise die
Theorie der Cost of Thinking die Erklärungsgrundlage für den Aufwands- und
177

Anstrengungsaspekt der Kosten von Produktvielfalt. Dieser Aspekt wirkt sich negativ
auf die Kaufintention, die Zufriedenheit mit dem Kaufprozess und die Zufriedenheit
mit dem Produkt aus. Die Kosten entstehen laut dieser Theorie aufgrund der Anzahl
der Produkte, der Unterschiede der Produkte im Sortiment und der Kompromissnotwendigkeit
bei der Entscheidung. Die Richtung der Wirkung wird durch die
Zeichen +
_
bzw. verdeutlicht. So nehmen die Kosten mit zunehmender
Produktanzahl zu und steigen, je höher die Notwendigkeit zum Kompromiss ist. Sie
sinken dagegen, wenn die Produkte im Sortiment klare Unterschiede aufweisen.
Entsprechend des Beispiels werden nachfolgend die Hypothesen zu den
Konsequenzen und Determinanten von Kosten und Nutzen von Produktvielfalt
formuliert.
2.3.3.1 Hypothesen zu Konsequenzen von Kosten und Nutzen von
Produktvielfalt
Hypothesen zu direkten Konsequenzen der Kosten von Produktvielfalt (KPV)
Hypothese 2: Die Kosten von Produktvielfalt (KPV) wirken sich negativ auf
die Kaufintention aus, d. h. je höher die Kosten von Produktvielfalt eines
Konsumenten sind, desto geringer ist seine Kaufintention.
Hypothese 3: Die KPV wirken sich negativ auf die Zufriedenheit mit dem
Kaufprozess aus, d. h. je höher die KPV eines Konsumenten sind, desto
geringer ist seine Zufriedenheit mit dem Kaufprozess.
Hypothese 4: Die KPV wirken sich negativ auf die Zufriedenheit mit dem
gekauften Produkt aus, d. h. je höher die KPV eines Konsumenten sind, desto
geringer ist seine Zufriedenheit mit dem gekauften Produkt.
Hypothese 5: Die KPV wirken sich positiv auf die Entstehung kognitiver
Dissonanz aus, d. h. je höher die KPV eines Konsumenten sind, desto höher ist
seine kognitive Dissonanz.
178

Hypothesen zu direkten Konsequenzen des Nutzens von Produktvielfalt
Hypothese 6: Der Nutzen von Produktvielfalt (NPV) wirkt sich positiv auf
die Kaufintention aus, d. h. je höher der NPV eines Konsumenten ist, desto
höher ist seine Kaufintention.
Hypothese 7: Der NPV wirkt sich positiv auf die Zufriedenheit mit dem
Kaufprozess aus, d. h. je höher der NPV eines Konsumenten ist, desto höher ist
seine Zufriedenheit mit dem Kaufprozess.
Hypothese 8: Der NPV wirkt sich positiv auf die Zufriedenheit mit dem
gekauften Produkt aus, d. h. je höher der NPV eines Konsumenten ist, desto
höher ist seine Zufriedenheit mit dem gekauften Produkt.
Mit der Loyalität zum Geschäft soll ein weiterer Aspekt, der nicht unmittelbar aus den
beschriebenen Theorien folgt, aus Unternehmenssicht aber relevant ist, zusätzlich als
direkte Konsequenz des Nutzens von Produktvielfalt berücksichtigt werden (siehe
hierzu auch die Ausführungen auf S. 181). Hintergrund ist, dass aus empirischen
Forschungsergebnissen bekannt ist, dass Sortimentsvielfalt nach der Lage und den
Preisen eines Geschäfts für Konsumenten das drittwichtigste Kriterium bei der Wahl
der Einkaufsstätte ist (vgl. Hoch/Bradlow/Wansik 1999, S. 527). Sie bevorzugen
(ceteris paribus) Geschäfte mit großer Angebotsvielfalt gegenüber solchen mit
geringer Vielfalt (vgl. Arnold/Oum/Tiger 1983, S. 152) und sind diesen gegenüber
loyaler (vgl. Hoch/Bradlow/Wansik 1999, S. 528). Die höhere Loyalität zum Geschäft
aufgrund der Angebotsvielfalt sollte im Wesentlichen auf die positiven Aspekte von
Produktvielfalt zurückzuführen sein. Es lässt sich deshalb folgende Hypothese
formulieren:
Hypothese 9: Der NPV wirkt sich positiv auf Loyalität zum (betrachteten)
Handelsunternehmen aus, d. h. je höher der NPV eines Konsumenten im
(betrachteten) Handelsunternehmen ist, desto höher ist seine Loyalität
gegenüber diesem.
179

Hypothesen zu den Beziehungen der Konstrukte
In Hypothese 3 und Hypothese 5 wurde der angenommene Zusammenhang zwischen
den Kosten von Produktvielfalt und der Zufriedenheit mit dem Kaufprozess ( _ ) sowie
der kognitiven Dissonanz (+ ) formuliert. Es wird folglich vermutet, dass beide
Konstrukte direkte Konsequenzen der KPV sind. In der Marketingforschung wird die
kognitive Dissonanz gleichzeitig als Antezedenz der Zufriedenheit mit dem gekauften
Produkt betrachtet (vgl. Oliver 1996, S. 259f.). Sie entsteht dadurch, dass die
Entscheidung inkonsistentes Wissen hinterlässt: „Es ist das Wissen, auf den Genuss
positiver Aspekte ausgeschlagener Optionen verzichten zu müssen, während die
Nachteile der gewählten Alternative hinzunehmen sind“ (Krober-Riel/Weinberg 1996,
S. 184). Befürchtet der Konsument, die falsche Entscheidung getroffen und das falsche
Produkt gewählt zu haben, entsteht kognitive Dissonanz. Ist die Entscheidung in
gewisser Weise einmalig oder für längere Zeit „bindend“, wie z. B. beim Kauf von
einer Digitalkamera, ist die Entstehung kognitiver Dissonanz besonders
wahrscheinlich (Raffée et al. 1973, S. 156 ff.; Seilheimer 2001, S. 42). Wenn der
Käufer die empfundene Dissonanz kurz nach dem Kauf nicht unmittelbar reduzieren
kann, ruft dies eine Phase des Bedauerns hervor (vgl. Fischer/Wiswede 1997, S. 231).
Wie empirische Untersuchungen gezeigt haben, kann Bedauern wiederum die
Zufriedenheit mit dem gekauften Produkt signifikant reduzieren (vgl. Herrmann/
Huber/Wricke 1999a, S. 687; Taylor 1997, S 232). Insgesamt kann damit der von
Oliver (1996, S. 259f.) beschriebene Zusammenhang von kognitiver Dissonanz und
Produktzufriedenheit wie folgt nachvollzogen werden: Entsteht unmittelbar nach dem
Kauf kognitive Dissonanz, so wird dadurch die Zufriedenheit mit dem gekauften
Produkt gemindert. Diese Beziehung soll im Untersuchungsmodell berücksichtigt
werden und wird in folgender Hypothese verankert:
Hypothese 10: Die kognitive Dissonanz wirkt sich negativ auf die Zufriedenheit
mit dem gekauften Produkt aus, d. h. je höher die empfundene kognitive
Dissonanz eines Konsumenten ist, desto geringer ist seine Zufriedenheit mit
dem gekauften Produkt.
Die kognitive Dissonanz stellt den obigen Ausführungen zufolge gewissermaßen das
Bindeglied zwischen Kaufprozess und Produktzufriedenheit dar. Es ist folglich
von einem Zusammenhang zwischen der Zufriedenheit mit dem Kaufprozess und der
kognitiven Dissonanz auszugehen:
180

Hypothese 11: Die Zufriedenheit mit dem Kaufprozess wirkt sich negativ auf
die kognitive Dissonanz aus, d. h. je zufriedener ein Konsument mit seinem
Kauf- und Entscheidungsprozess ist, desto geringer ist die von ihm empfundene
kognitive Dissonanz.
Neben dem vermuteten indirekten Zusammenhang zwischen der Zufriedenheit mit dem
Kaufprozess und der Zufriedenheit mit dem gekauften Produkt über die kognitive
Dissonanz ist auch eine direkte Beziehung zwischen den beiden ersten Konstrukten
wahrscheinlich: Fitzsimons, Greenleaf und Lehmann (1997, S. 6f.) begründen diese
damit, dass Konsumenten, die einen zufrieden stellenden Kauf- und Entscheidungsprozess
durchlaufen, zum einen mit hoher Wahrscheinlichkeit ein Produkt wählen, das
ihren Erwartungen entspricht und damit folglich zufrieden sind, und sie zum anderen
die positive Wahrnehmung des Prozesses auf das gekaufte Produkt übertragen. Die
Autoren ziehen diese Schlussfolgerung aus einer Analogie zur Rechtsprechung.
Demnach beurteilen Verurteilte, ob ihr Urteil gerecht ist, zum einen durch Vergleiche
mit Urteilen von anderen Personen mit ähnlichem „Hintergrund“ (Distributive
Justice) und zum anderen anhand des Ablaufs und der Fairness des gerichtlichen
Prozesses (Procedural Justice) (vgl. Sheppard/Lewicki/Minton 1992). Fitzsimons und
seine Kollegen argumentieren, dass analog hierzu die Zufriedenheit mit der
Kaufentscheidung die Zufriedenheit mit dem gekauften Produkt beeinflusst (vgl.
Fitzsimons/Greenleaf/Lehmann 1997, S. 6). Diese Beziehung wird im Gesamtmodell
untersucht und durch folgende Hypothese zusammengefasst:
Hypothese 12: Die Zufriedenheit mit dem Kaufprozess wirkt sich positiv auf
die Zufriedenheit mit dem gekauften Produkt aus, d. h. je zufriedener ein
Konsument mit seinem Kaufprozess ist, desto größer ist seine Zufriedenheit mit
dem gekauften Produkt.
Fitzsimons und seine Kollegen (1997, S. 18) haben in ihrer Untersuchung außerdem
zeigen können, dass sich die Zufriedenheit mit dem Kaufprozess positiv auf die
Loyalität zum Geschäft auswirkt, wohingegen die Zufriedenheit mit dem gekauften
Produkt in Beziehung zur Loyalität zur Marke des gekauften Produkts steht. Sie
beziehen mit der Loyalität zum Geschäft und zur Marke zwei aus Unternehmenssicht
sehr wichtige Aspekte in ihre Betrachtung ein: In der Marketingforschung wird die
Loyalität bzw. Kundenbindung als zentraler Aspekt des Relationship Marketings
betrachtet (vgl. Reichheld/Schefter 2000). Der Begriff des Relationship Marketings
geht auf Berry (1983, S. 25) zurück und „(…) stresses attracting, maintaining and
181

enhancing long-term customer relationships instead of focusing on individual transactions“
(Muniz/O’Guinn 2001, S. 427). Ziel eines Unternehmens sollte es nach den
Ideen des Relationship Marketings sein, langfristige Beziehungen zu seinen Kunden
aufzubauen, anstatt den Fokus auf die Einzeltransaktion zu richten (Siems 2003, S. 2).
Begründet wird dies damit, dass sich die Bindung von Kunden positiv auf den
Unternehmenserfolg auswirkt, da das Halten von bestehenden Kunden nur einen
Bruchteil der Akquisition neuer Kunden kostet (vgl. Galbreath 2002, S. 119).
Die beiden Konstrukte Loyalität zum Geschäft und Loyalität zur Marke sollen
aufgrund ihrer Relevanz für die Unternehmenspraxis im Gesamtmodell der
Untersuchung berücksichtigt werden. Wie bereits erwähnt, konnten Fitzsimons und
seine Kollegen (1997, S. 18) zeigen, dass sich die Zufriedenheit mit dem Kaufprozess
positiv auf die Loyalität zum Geschäft auswirkt und die Zufriedenheit mit dem
gekauften Produkt in positiver Beziehung zur Loyalität zur Marke des gekauften
Produkts steht. Sie konnten jedoch weder einen Zusammenhang von der Zufriedenheit
mit dem gekauften Produkt und der Loyalität zum Geschäft, noch einen zwischen
Zufriedenheit mit dem Kaufprozess und der Loyalität zur Marke feststellen. Sie
begründen dies damit, dass die Konsumenten den Einkaufprozess auf das Geschäft
attribuieren, d. h. sie machen im Wesentlichen das Geschäft für den Ablauf der
Kaufentscheidung verantwortlich. Die Verantwortung für das gekaufte Produkt sehen
die Käufer dagegen beim Hersteller und somit bei der Marke. Ist ein Konsument mit
seinem Kaufprozess zufrieden, attribuiert er seine Zufriedenheit auf das Geschäft, was
seine Loyalität gegenüber diesem erhöht. Analog gilt für die Zufriedenheit mit dem
gekauften Produkt, dass sie sich positiv auf die Loyalität zur Marke auswirkt. Dieser
positive Zusammenhang konnte in zahlreichen Studien gezeigt werden (vgl. z. B.
Söderlund 1998, S. 169 ff.; Anderson/Sullivan 1993; Taylor/Baker 1994).
182

Es können somit folgende zwei Hypothesen formuliert werden:
Hypothese 13: Die Zufriedenheit mit dem Kaufprozess wirkt sich positiv auf
die Loyalität zum Geschäft aus, d. h. je zufriedener ein Konsument mit seinem
Kaufprozess in einem Geschäft ist, desto höher ist seine Loyalität gegenüber
diesem.
Hypothese 14: Die Zufriedenheit mit dem gekauften Produkt wirkt sich
positiv auf die Loyalität zur Marke aus, d. h. je zufriedener ein Konsument mit
dem gekauften Produkt ist, desto höher ist seine Loyalität gegenüber dessen
Marke.
Es sind damit sowohl alle vermuteten Auswirkungen von Kosten und Nutzen von
Produktvielfalt als auch alle angenommenen Beziehungen der in der Untersuchung
berücksichtigten Konstrukte, die der Kaufentscheidung nachgelagert sind, in Form von
Hypothesen beschrieben worden. Der nächste Abschnitt dient nun der Formulierung
der Hypothesen zu den Determinanten der beiden Wertdimensionen und beschreibt
damit die aus der Theorie abgeleiteten Einflüsse der Sortimentseigenschaften.
2.3.3.2 Hypothesen zu den Determinanten von Kosten und Nutzen von
Produktvielfalt
Die Hypothesen zu den Determinanten werden wiederum auf Basis der Theorien des
Bezugsrahmens formuliert. In Abbildung 40 (S. 177), die bereits Grundlage der
Hypothesenformulierung zu den Konsequenzen war, sind auch die abgeleiteten
Determinanten der Kosten- bzw. Nutzendimension pro Theorie dargestellt. Diese
beschreiben Eigenschaften des Sortiments, welche die KPV bzw. NPV in
entsprechender Richtung beeinflussen. So folgt beispielsweise aus der Theorie der
Cost of Thinking, dass die Kostenaspekte durch die Anzahl der Produkte und die
Kompromissnotwendigkeit bei der Entscheidung erhöht und durch klare Unterschiede
der Alternativen vermindert werden.
Entsprechend dieses Beispiels können folgende Hypothesen zu den Determinanten
der Kosten von Produktvielfalt und des Nutzens von Produktvielfalt aus den
Theorien des Bezugsrahmens abgeleitet werden:
183

Hypothese 15: Die Anzahl der Produkte steht in positivem Zusammenhang
mit den Kosten von Produktvielfalt, d. h. je höher die Anzahl der Produkte im
Sortiment ist, desto höher sind die vom Konsumenten empfundenen KPV.
Hypothese 16: Weisen die Produkte im Sortiment klare Unterschiede auf,
werden dadurch die vom Konsumenten empfundenen KPV reduziert, d. h.
klare Unterschiede der Produktalternativen und Kosten stehen in negativem
Zusammenhang.
Hypothese 17: Die Vergleichbarkeit steht in negativem Zusammenhang mit
den KPV, d. h. je höher die Vergleichbarkeit der Produkte im Sortiment ist,
desto geringer sind die vom Konsumenten empfundenen KPV.
Hypothese 18: Die Kompromissnotwendigkeit steht in positivem Zusammenhang
mit den KPV, d. h. je höher die Kompromissnotwendigkeit bei der
Entscheidung ist, desto höher sind die vom Konsumenten empfundenen KPV.
Die letzte Hypothese zu den Determinanten von Kosten und Nutzen von
Produktvielfalt bezieht sich mit dem Zusammenhang von Produktanzahl und
Nutzendimension auf einen zentralen Aspekt der Untersuchung. Aus den theoretischen
Ausführungen ging diesbezüglich hervor, dass sich die Anzahl der Produkte positiv
auf den Nutzen von Produktvielfalt auswirkt. In nachfolgender Hypothese wird dies
formuliert.
Hypothese 19: Die Anzahl der Produkte steht in positivem Zusammenhang
mit dem Nutzen von Produktvielfalt, d. h. je höher die Anzahl der Produkte im
Sortiment ist, desto höher ist der vom Konsumenten empfundene NPV.
Damit wurden alle Determinanten, Konsequenzen und Beziehungen zwischen den
Konstrukten, die aus den beschriebenen Theorien folgen und in dieser Untersuchung
berücksichtigt werden sollen in Form von Hypothesen formuliert. Das Gesamtmodell
der Untersuchung ist damit erstellt und lässt sich wie folgt zusammenfassen:
184

Das Gesamtmodell der Untersuchung im Überblick
Abbildung 41 veranschaulicht in grafischer Form die Hypothesen und Beziehungen
der in dieser Untersuchung berücksichtigten Konsequenzen und Determinanten von
Kosten und Nutzen von Produktvielfalt sowie die Beziehungen der Konsequenzgrößen
untereinander. Die vermutete Richtung des Zusammenhangs zwischen zwei
Konstrukten wird hierbei durch das + bzw. _ Zeichen dargestellt, das eine positive
bzw. negative Abhängigkeit der Konstrukte symbolisiert.
Evaluation und zukünftige Verhaltensabsicht
+
Loyalität
Geschäft
LG
Loyalität
Marke
LM
H 5
ZPr
+ H 13
Prozess
H 9 _
KD
_
H 10
+
Zufriedenheit
H 12
H 8 +
ZP H 11
kognitive _
H 4
+
H 14
Dissonanz
Zufriedenheit
Produkt
Verhalten
Determinanten Konstrukt
Nutzen
NPV
#Pr
Anzahl
Produkte
+
H 6
+
PU
H
_
7 H 3
KI
Kaufintention
Ver
Kosten
KPV
+ H 19
H 15 +
_
H
_
16 H 17 + H 18
_
H 2
+
Kom
klare Produktunterschiede
Vergleichbarkeit
Kompromissnotwendigkeit
Abbildung 41 Gesamtmodell der in der Untersuchung berücksichtigten Konsequenzen und
Determinanten des Werts von Produktvielfalt
185

Zusammenfassung
Mit der Formulierung der Hypothesen ist der theoretische Teil dieser Arbeit
abgeschlossen. Es wurde der Stand der Forschung dargestellt, indem verschiedene
empirische Forschungsarbeiten zum Zusammenhang von Produktvielfalt und
Konsumentenverhalten beschrieben wurden. Hierfür sind im Anschluss mögliche
theoretische Erklärungen gegeben worden, indem zunächst mit den gegensätzlichen
Hypothesen von Informationsdefizit und Informationsüberlastung, der Theorie des
Optimum Stimulation Level und der Tyranny of Freedom grundlegende theoretische
Perspektiven zum Umgang von Konsumenten mit hoher Produktvielfalt vorgestellt
wurden. Der Gesamtzusammenhang von Produktvielfalt und Konsumentenverhalten
wurde anschließend in einen Kosten- und einen Nutzeneffekt „aufgegliedert“. Die
Erklärungsgrundlage von Kosten und Nutzen von Produktvielfalt bildeten insgesamt
fünf Theorien bzw. theoretische Konzepte. Der Nutzen von Produktvielfalt wurde
durch die Nutzenerwartungswerttheorie und den Hedonic Shopping Value
begründet. Die Begründung für die Existenz verschiedener Kostenaspekte hoher
Produktvielfalt lieferten die Cost of Thinking, die Konflikt-Theorie und die Theorie
des antizipierten Regrets. Diese fünf Theorien bilden zusammen mit den zuvor
beschriebenen grundlegenden Theorien insgesamt den theoretischen Bezugsrahmen
zur Erklärung von Kosten und Nutzen von Produktvielfalt. Auf ihrer Basis wurden
schließlich Hypothesen zu den Konsequenzen und Determinanten der Kosten von
Produktvielfalt und Nutzen von Produktvielfalt sowie zu Beziehungen der abgeleiteten
Größen untereinander formuliert. Das Gesamtmodell der Untersuchung (siehe
Abbildung 41) fasst diese zusammen.
Zur Überprüfung der Hypothesen des Untersuchungsmodells wird im nächsten
Abschnitt ein Instrument zur Messung des Werts von Produktvielfalt und seiner
Dimensionen entwickelt und empirisch getestet. Dieses ist die Basis für die in Kapitel
4 und 5 beschriebene Überprüfung der abgeleiteten Hypothesen.
186

3. Messung von Kosten und Nutzen von Produktvielfalt
Das Kapitel geht zunächst auf die Grundlagen der Konstruktmessung ein, im
Anschluss daran erfolgt die Konzeptualisierung und Operationalisierung der Kosten
von Produktvielfalt und des Nutzens von Produktvielfalt – den zentralen Konstrukten
dieser Arbeit. Diese Messinstrumente werden sowohl einem Pretest als auch einer
großen empirischen Untersuchung unterzogen, deren Ergebnisse im Hinblick auf
Methodik, Gütekriterien, Gesamtbeurteilung und Interpretation ausführlich dargestellt
werden.
3.1 Grundlagen der Messung von Konstrukten
Seit in den 70er Jahren eine Reihe von Forschern auf die Problematik der Validität und
Reliabilität von Instrumenten zur Messung komplexer Marketingkonstrukte
aufmerksam gemacht haben (vgl. vor allem Jacoby 1978; Bagozzi 1979; Churchill
1979; Peter 1979), sind Methoden zur Sicherung von validen und reliablen
Messergebnissen zentraler Bestandteil empirischer Forschungsarbeiten. In diesem
Abschnitt werden deshalb die Grundlagen der Konstruktmessung sowie die in dieser
Arbeit verwendeten Methoden und Verfahren zur Erlangung von reliablen und validen
Ergebnissen dargestellt. Hierzu sollen zunächst die grundlegenden Begriffe im
Zusammenhang mit der Konstruktmessung erläutert werden.
3.1.1 Grundlagen der Konstruktmessung
3.1.1.1 Begriffliche Grundlagen
Edwards und Bagozzi (2000) bezeichnen ein Konstrukt als „a conceptual term used
to describe a phenomenon of theoretical interest” (S. 156f.). Aus dieser Definition
wird deutlich, dass es sich bei einem Konstrukt um ein theoretisches Gebilde handelt,
das das interessierende Phänomen beschreibt. Die beiden Autoren betonen weiterhin,
dass es sich hierbei um ein real existierendes Phänomen handeln muss, das entweder
187

eobachtbar oder unbeobachtbar ist. In beiden Fällen dient das Konstrukt als „an
abstract term that describes the phenomenon“ (Edwards/Bagozzi 2000, S. 157). Da es
sich bei einem komplexen Marketingkonstrukt meist um „ (...) an abstract entity
which represents the ‚true’, nonobservable state or nature of a phenomen (...)“
(Bagozzi/Fornell 1982, S. 24) handelt, das folglich nicht direkt messbar ist, wird ein
theoretisches Konstrukt häufig als latente Variable bezeichnet (vgl. Homburg/Giering
1996, S. 6). Beispiele für komplexe Konstrukte sind Kundenzufriedenheit,
Preiswahrnehmung, Loyalität und die in dieser Arbeit zu untersuchenden Phänomene
von Kosten und Nutzen von Produktvielfalt.
Ziel der Konstruktmessung ist es, ein Messinstrument für das nicht direkt messbare,
durch das Konstrukt bezeichnete Phänomen zu entwickeln, indem Beziehungen
zwischen Konstrukt und beobachtbaren, messbaren Variablen spezifiziert werden. Mit
Hilfe dieser Variablen, die als Indikatorvariablen, Indikatoren oder Items
bezeichnet werden, lässt sich somit ein „(...) observed score gathered through
self-report, interview, observation or some other means“ (Edwards/Bagozzi 2000,
S. 156) für das zu untersuchende Phänomen gewinnen (vgl. hierzu auch Backhaus et
al. 2003, S. 344).
Der Entwicklungsprozess des Konstruktmessinstruments wird als Operationalisierung
bezeichnet. Inhalt der Operationalisierung ist zum einen die Generierung der
Indikatoren, und zum anderen die Festlegung der Art der Beziehung zwischen
Indikatoren und Konstrukt. Spiegeln die Indikatoren die Ausprägung des Konstrukts
wider, spricht man von reflektiven Indikatoren. Ist die Wirkungsrichtung umgekehrt,
bestimmen also die Indikatoren die Ausprägung der latenten Variablen, bezeichnet
man die Indikatoren als formativ (vgl. Jarvis/ MacKenzie/Podsakoff 2003, S. 200;
Homburg/Giering 1996, S. 6). Abschnitt 3.1.2 (S. 192ff.) geht auf die Unterschiede
von formativen und reflexiven Indikatoren näher ein. Die Art der Operationalisierung
wirkt sich auf die Bezeichnung des resultierenden Messinstruments eines Konstrukts
aus: Basiert dieses auf reflektiven Indikatoren, so wird es als Skala bezeichnet. Wird
das Konstrukt mit Hilfe formativer Indikatoren gemessen, so bezeichnet man das
Messinstrument als Index (vgl. Diamantopoulos/Winklhofer 2001, S. 269).
Die Operationalisierung mittels Indikatoren gründet auf der Konzeptualisierung des
Konstrukts, welche die theoriebasierte Ermittlung der Dimensionen und
Teildimensionen eines Konstrukts zum Ziel hat (vgl. Homburg/Giering 1996, S. 5;
Bruhn/Homburg 2001, S. 306).
188

Homburg und Giering (1996) unterscheiden hinsichtlich der Konzeptualisierung
einfaktorielle und mehrfaktorielle Konstrukte (siehe Abbildung 42).
Einfaktoriell
Eindimensional
Mehrfaktoriell
Mehrdimensional
Konstrukt
= Faktor
Konstrukt
Konstrukt
...
Indikatoren
Faktor 1
...
Faktor n
Dimension 1
...
Dimension n
... ...
Faktor 1,1
... ...
Faktor 1,m Faktor n,1 Faktor n,m
... ... ... ...
Abbildung 42: Möglichkeiten der Konzeptualisierung von Konstrukten. In Anlehnung an
Homburg/Gierung 1996, S. 6
Bei einfaktoriellen Konstrukten entspricht das Konstrukt genau einem Faktor und die
Indikatoren lassen sich diesem direkt zuordnen. Mehrfaktorielle Konstrukte bestehen
aus mehreren Faktoren. Können diese Faktoren alle einer theoretischen Einheit bzw.
Dimension zugeordnet werden, so spricht man von einem eindimensionalen
Konstrukt. Ist dies nicht möglich, können also die verschiedenen Dimensionen des
Konstrukts nicht direkt über Indikatoren abgebildet werden, liegt ein mehrdimensionales
Konstrukt vor. In diesem Fall bilden die Dimensionen eine zusätzliche
Konstrukt-Ebene, auf der Faktoren, die zu einer theoretischen Domäne gehören,
jeweils zu einer Dimension zusammenfasst werden.
Wie bereits oben erwähnt, ist es zur Gewährleistung der Qualität der Konstruktmessung
von zentraler Bedeutung, bei der Entwicklung des Instruments wesentliche
Gesichtspunkte hinsichtlich der Reliabilität und Validität der Messung zu beachten.
Der Begriff Reliabilität bezeichnet dabei die Zuverlässigkeit einer Messung, d. h.
inwieweit diese frei von zufälligen Messfehlern ist (vgl. Backhaus et al. 2003, S. 371).
Peter (1979) bezeichnet die Validität einer Messung als „sine qua non of science“
(S. 6) und definiert diese als „(...) the degree to which instruments truly measure the
construct which they are intended to measure“ (S. 6). Man spricht also dann von einer
validen Konstruktmessung, wenn durch das Messverfahren auch das Konstrukt
gemessen wird, das gemessen werden soll (vgl. Böhler 1992, S. 102).
189

Die Gütekriterien und Verfahren zur Bewertung der Reliabilität und Validität einer
Messung sind abhängig davon, ob das betreffende Konstrukt auf Basis eines
formativen oder reflektiven Messmodells operationalisiert wurde. Die allgemeinen
und in der Untersuchung verwendetet Gütemaße werden deshalb in den
entsprechenden nachfolgenden Abschnitten beschrieben. Bevor im nächsten Kapitel
näher auf Eigenschaften und Charakteristika von Messmodellen eingegangen wird,
sollen diese zunächst in den Kontext von Strukturgleichungsmodellen eingeordnet
werden, um so die Bedeutung der Messung der Kosten und Nutzen von Produktvielfalt
im Zusammenhang mit der Gesamtuntersuchung zu verdeutlichen.
3.1.1.2 Das Messmodell im Kontext von Strukturgleichungsmodellen
Die Untersuchung kausaler Ursache-Wirkungs-Zusammenhänge von Produktvielfalt
und Konsumentenverhalten bildet den Kern dieser Arbeit. Hierbei spielt insbesondere
die Erklärung von Zusammenhängen zwischen latenten, d. h. nicht direkt
beobachtbaren Variablen, wie beispielsweise den Kosten von Produktvielfalt, dem
Nutzen von Produktvielfalt und der Kaufprozesszufriedenheit eine wichtige Rolle. Die
Überprüfung dieser Abhängigkeiten erfolgt mit Hilfe eines Strukturgleichungsmodells
(Structural Equation Model (SEM)) (vgl. Herrmann/Huber/Kressmann 2004, S. 1).
Strukturgleichungs- oder Kausalmodelle finden seit Anfang der 70er Jahre
zunehmende Anwendung in der empirischen Wirtschafts- und Sozialforschung (vgl.
Homburg/Baumgartner 1996, S. 140f.; Steenkamp/Baumgartner 2000, S. 195f.) und
stellen eine Verbindung von regressions- und faktoranalytischen Ansätzen dar (vgl.
Ringle 2004, S. 5). Für die Schätzung der Modellparameter sind hierbei kovarianzund
varianzbasierte Verfahren gebräuchlich. Während kovarianzbasierte Verfahren
die Modellparameter schätzen, indem sie die empirische Kovarianzmatrix der
Indikatoren bestmöglich nachbilden, versuchen varianzbasierte Verfahren, die
Indikatorwerte optimal zu reproduzieren (vgl. Herrmann/Huber/Kressmann 2004,
S. 5). Auf Verfahrensdetails wird in späteren Abschnitten noch eingegangen (siehe
Kapitel 3.3.1 (S. 231) und Kapitel 3.4.1.2 (S. 253)). Kausal- bzw. Strukturgleichungsmodelle
werden auch als Verfahren der zweiten Generation bezeichnet und
unterscheiden sich von den Verfahren der ersten Generation vor allem dadurch, dass
sie die gleichzeitige Modellierung mehrerer unabhängiger und mehrerer abhängiger
Variablen erlauben (vgl. Gesen/Straub/Boundreau 2000, S. 4).
190

Ein Strukturgleichungsmodell besteht grundsätzlich aus drei Submodellen (vgl.
Backhaus et al. 2003, S. 350f.):
• Das Strukturmodell bzw. innere Modell bildet die aus der Theorie
abgeleiteten Beziehungen zwischen den latenten exogenen und endogenen
Variablen ab. Dabei werden die endogenen (abhängigen) Variablen durch die
exogenen (unabhängigen) Variablen mittels der im Modell spezifizierten
kausalen Beziehungen erklärt.
• Das exogene Messmodell enthält die aus der Operationalisierung der
unabhängigen (endogenen) latenten Variablen hervorgegangenen
Indikatoren. Abhängig von der Kausalitätsrichtung zwischen Indikatoren und
Konstrukt wird ein Konstrukt formativ oder reflektiv operationalisiert (vgl.
Kapitel 3.1.2, S. 192ff.).
• Das Messmodell der latenten endogenen Variablen umfasst analog zum
exogenen Messmodell die Indikatorvariablen zur Messung der endogenen
(abhängigen) latenten Variablen, einschließlich der vermuteten Zusammenhänge
zwischen diesen Items und dem zu messenden Konstrukt.
Abbildung 43 veranschaulicht die drei Komponenten eines Strukturgleichungsmodells
anhand eines Pfaddiagramms.
Messmodell der latenten exogenen Variablen
Formatives
Messmodell
Reflektives
Messmodell
Indikator x 1
Indikator x 2
Indikator x 3
δ Indikator x 1
4
δ Indikator x 2
5
δ 3
ξ 2
Indikator x 6
ξ 1
δ ξ1
Strukturmodell
Messmodell der latenten endogenen Variablen
η
ζ η
Indikator y 1
ε 1
Indikator y 2 ε 2
Indikator y 3
ε 3
Reflektives
Messmodell
Abbildung 43: Pfaddiagramm eines Strukturgleichungsmodells mit formativer und reflektiver latenter
Variable. In Anlehnung an Götz/Liehr-Gobbers 2004, S. 7
191

Ziel dieses Kapitels ist es, ein Messinstrument für Kosten und Nutzen von
Produktvielfalt zu entwickeln, weshalb das Messmodell im Zentrum der Betrachtung
steht. Hierauf geht das nächste Kapitel im Detail ein.
3.1.2 Das Messmodell
Durch das Messmodell wird die Beziehung zwischen Indikatoren und dem zugrunde
liegenden Konstrukt bzw. Faktor spezifiziert. Wie bereits erläutert, werden hierbei in
Abhängigkeit der Richtung dieser Beziehung formative und reflektive Indikatoren
bzw. Messmodelle unterschieden (vgl. Jarvis/MacKenzie/Podsakoff 2003, S. 200;
Homburg/Giering 1996, S. 6; Diamantopoulos/Winklhofer 2001, S. 269ff.;
Bollen/Lennox 1991, S. 305.). Abbildung 44 verdeutlicht die Unterschiede der beiden
Messmodellarten des Messmodells anhand eines einfaktoriellen Konstrukts ξ mit drei
Indikatorvariablen x 1 , x 2 und x 3 . Die Pfeile symbolisieren die Beziehungsrichtung
zwischen dem Konstrukt und seinen Indikatoren.
Reflektives Messmodell
Formatives Messmodell
r r
13
13
δ 1
δ 2
δ 3
ξ
δ
ξ
λ 1
λ 2
λ 3
λ 1
λ 2
λ 3
x 1
x 2
x 3
x 1
x 2
x 3
r 12
r 23
r 12
r 23
Abbildung 44: Reflektives und formatives Messmodell. In Anlehnung an Götz/Liehr-Gobbers 2004,
S. 11
Im Fall des reflektiven Messmodells (linker Teil) werden die Indikatoren vom
Konstrukt verursacht, d. h. Veränderungen des zugrunde liegenden Konstrukts
bewirken Veränderungen der Messitems (vgl. Jarvis/MacKenzie/Podsakoff 2003,
192

S. 200). In Abbildung 44 wird dies durch den Pfeil vom Konstrukt zu den
Indikatorvariablen symbolisiert.
Umgekehrt ist der Ursache-Wirkungs-Zusammenhang beim formativen Messmodell:
Wie durch die Pfeilrichtung verdeutlicht, wird beim formativen Messmodell davon
ausgegangen, dass Veränderungen der Indikatoren Veränderungen des zugrunde
liegenden Konstrukts verursachen. In der englischsprachigen Literatur werden
formative Indikatoren deshalb auch als „cause indicators“ oder „composite
indicators“ bezeichnet (Bollen/Lennox 1991, S. 306). Die Indikatoren bilden in der
Summe das Konstrukt ab, d. h. jeder Indikator stellt eine Facette des Konstrukts dar
und trägt einen Teil zu dessen konzeptioneller und empirischer Bedeutung bei (vgl.
Jarvis/MacKenzie/Podsakoff 2003, S. 201).
Abbildung 44 stellt ein reflektives und formatives Messmodell eines einfaktoriellen
Konstrukts einander gegenüber und beschreibt damit den einfachsten Fall der
Konstruktkonzeptualisierung. Auch mehrfaktorielle Konstrukte können formative
und/oder reflektive Strukturen aufweisen. So kann beispielsweise bei einem
zweifaktoriellen Konstrukt die Faktorenebene reflektiv und die Konstruktebene
formativ operationalisiert sein. In Abbildung 45 sind die möglichen Kombinationen
aus formativen und reflektiven Strukturen eines mehrfaktoriellen, eindimensionalen
Konstrukts dargestellt. Da die Faktoren eine zweite Strukturebene bilden, spricht man
hier auch von einem Konstrukt zweiter Ordnung (Second Order Model).
Konstruktebene
Reflektiv
Formativ
Reflektiv
Konstrukt
ζ 1
Faktor1
...
X 11
ε 11
X 12 ε 12
X 13 ε 13
X n1
ε n1
Konstrukt
Faktor1
...
X 11
ε 11
X 12 ε 12
X 13 ε 13
X n1
ε n1
Faktor n
X n2
ε n2
Faktor n
X n2
ε n2
X n3
ε n3
X n3
ε n3
Faktorebene
ζ 1
X 11
ζ 1
X 11
Faktor1
X 12
ζ n
ζ η
Faktor1
X 12
Formativ
Konstrukt
ζ n
...
X 13
X n1
ζ η
Konstrukt
ζ n
...
X 13
X n1
Faktor n
X n2
Faktor n
X n2
X n3
X n3
Abbildung 45: Konstrukte zweiter Ordnung (Second Order Model) mit formativen und reflektiven
Strukturen. In Anlehung and Jarvis et al. 2003, S. 205
193

Die Gütekriterien zur Sicherstellung valider und reliabler Messergebnisse
unterscheiden sich je nach Messmodellart. Diese werden nachfolgend, aufbauend auf
den grundlegenden Beschreibungen des jeweiligen Modells, dargestellt.
3.1.2.1 Das reflektive Messmodell
Wie bereits erläutert, geht das reflektive Messmodell davon aus, dass das
hypothetische Konstrukt die zugeordneten Indikatoren verursacht.
Ein reflektives Messmodell lässt sich formal in folgender Form darstellen:
x i = λ i ξ + δ i (11)
x i
λ i
ξ
Indikatorvariable i
Ladungskoeffizient der vonξ auf den Faktor x i
zugrunde liegende latente Variable (Konstrukt)
δ i
Messfehler der Indikatorvariablen x i
Die Indikatoren (x 1 , ..., x n ) stellen demnach eine fehlerbehaftete Messung der latenten
Variable ξ dar. Aus dem zugrunde liegenden Kausalitätszusammenhang folgt, dass die
Indikatorvariablen eine Funktion des Konstrukts ξ sind (vgl. Bollen/Lennox 1991,
S. 305). Ändert sich dessen Wert, so ändern sich auch die Ausprägungen aller seiner
Indikatoren x 1 , ..., x n (vgl. Eggert/Fassot 2003, S. 4).
Hierbei liegt die Prämisse zugrunde, dass reflektive Indikatoren, die demselben
Konstrukt zugeordnet werden können, aus Konsistenzgründen stark miteinander
korrelieren (vgl. Bollen/Lennox 1991, S. 306). Würde das Konstrukt fehlerfrei durch
die Indikatoren abgebildet werden, hätten die Items untereinander einen
Korrelationskoeffizienten von 1 (vgl. Eggert/Fassot 2003, S. 4). Damit verbunden ist
auch die Austauschbarkeit der Indikatoren: Da alle manifesten Variablen gleichsam
valide Messungen des Konstrukts darstellen, können gleich reliable Indikatoren
beliebig gegeneinander ausgetauscht werden. Das bedeutet auch, dass die
Konstruktvalidität unverändert bleibt, wenn ein Indikator entfernt wird (vgl.
Jarvis/MacKenzie/Podsakoff 2003, S. 200).
Die Messung eines Konstrukts durch Indikatoren ist aber immer mit Messfehlern
behaftet (vgl. Churchill 1979, S. 65). Um reliable und valide Messungen zu erhalten,
194

ist es deshalb erforderlich, dass Messmodelle bestimmte Kriterien hinsichtlich ihrer
Validität und Reliabilität erfüllen.
Kriterien zur Beurteilung der Güte reflektiver Messmodelle
Zunächst soll der Zusammenhang von Messfehlern, Validität und Reliabilität
verdeutlicht werden. Churchill (1979, S. 65) stellte hierzu folgende Gleichung auf:
X O = X T + X S + X R (12)
Die Messung des Konstrukts liefert den beobachteten Wert X O (O = Observed). Dieser
entspricht dem tatsächlichen, wahren Wert des Konstrukts X T (T = True) zuzüglich
eines systematischen Messfehlers X S (S = Systematic) und eines zufälligen
Messfehlers X R (R = Random).
Der systematische Fehler X S ist unabhängig von zufälligen Einflussfaktoren und tritt
bei jeder Wiederholung der Messung in gleicher Höhe auf. So kann beispielsweise die
Reihenfolge der Fragen in einem Fragebogen die Messergebnisse systematisch
beeinflussen.
Im Gegensatz hierzu tritt der zufällige Fehler X R ohne erkennbare Systematik auf und
variiert von Messung zu Messung. So können beispielsweise die Fragen eines
Fragebogens von Probanden unterschiedlich interpretiert werden und deshalb zu
Messfehlern führen. Der Zusammenhang der beiden Fehlerarten mit der Reliabilität
und Validität von Konstruktmessungen wird nun deutlich:
Peter und Churchill (1986) definieren den Begriff der Reliabilität als „(...) the degree
to which measures are free from random error (...)“ (S. 4). Die Reliabilität gibt
folglich an, inwieweit eine Messung frei von zufälligen Messfehlern ist, und
bezeichnet somit deren Zuverlässigkeit (vgl. Backhaus et al. 2003, S. 371). Ein
Konstrukt wird demnach dann absolut reliabel gemessen, wenn der zufällige
Messfehler X R null ist.
Die Validität (Gültigkeit) einer Messung gibt an, zu welchem Grad durch das
Messinstrument das gemessen wird, was gemessen werden soll (vgl. Peter 1979,
S. 6). Eine Messung ist folglich dann vollkommen valide, wenn der beobachtete Wert
X O dem wahren Konstruktwert X T entspricht, die Messung somit vollkommen frei von
Messfehlern ist und die Fehlerterme X S und X R den Wert 0 haben. Reliabilität ist
195

somit eine notwendige, aber nicht hinreichende Bedingung für die Validität einer
Messung (vgl. Homburg/Giering 1996, S. 7; Peter 1979, S. 6).
In der Literatur werden vier Arten von Validität für reflektive Messmodelle
unterschieden (vgl. u. a. Peter/Churchill 1986, S. 1ff.; Churchill 1979, S 65ff.;
Homburg/Giering 1996, S. 7f.):
• Inhaltsvalidität
• Konvergenzvalidität
• Diskriminanzvalidität
• Nomologische Validität
Die Inhaltsvalidität, die auch als Content oder Face Validity bezeichnet wird, gibt an,
inwieweit die Indikatoren eines Konstrukts mit dessen theoretischen Rahmen
konsistent sind und alle Facetten und Bedeutungsinhalte abbilden. Alle
Indikatorvariablen müssen folglich dem „inhaltlich-semantischen Bereich des
Konstrukts angehören“ (Homburg/Giering 1996, S. 7).
Konvergenzvalidität beschreibt den Grad, zu dem „(...) two measures designed to
measure the same construct are related“ (Bearden/Netemeyer 1999, S. 5). Die
Konvergenzvalidität beschreibt somit die interne Konsistenz verschiedener Items
eines Konstrukts. Dies gilt auf Faktor- und Konstruktebene: Sowohl die Indikatoren
eines Faktors als auch die Faktoren einer Dimension müssen eine starke Beziehung
untereinander aufweisen (vgl. Homburg/Giering 1996, S. 7).
Die Diskriminanzvalidität gibt an, inwieweit „(...) measures of distinct concepts
differ“ (Bagozzi, Phillips 1982, S. 469). Diskriminanzvalidität liegt also dann vor,
wenn die Messmodelle inhaltlich verschiedener Konzepte auch unterschiedliche
Messergebnisse erzeugen. Die Beurteilung der Diskriminanzvalidität erfolgt bei
mehrdimensionalen Konstrukten genau wie bei der Konvergenzvalidität sowohl auf
Faktoren als auch auf Konstruktebene: Auf Faktorenebene wird gefordert, dass die
Zusammenhänge zwischen den Indikatoren eines Faktors stärker sind als die
Zusammenhänge zwischen Indikatoren verschiedener Faktoren. Gleiches gilt auf
Konstruktebene: Hier müssen die Assoziationen zwischen den Faktoren, die derselben
Dimension angehören, stärker sein als die Assoziationen von Faktoren, die zu
verschiedenen Dimensionen gehören.
Bearden und Netemeyer (1999) definieren nomologische Validität in dem von ihnen
herausgegebenen Handbook of Marketing Scales als „the degree to which predictions
196

from a formal theoretical network containing the concept under scrutiny are
confirmed“ (S. 5). Zur Überprüfung der nomologischen Validität eines Konstrukts
muss dieses folglich in einen übergeordneten theoretischen Rahmen eingebettet
werden. Nomologische Validität liegt dann vor, wenn die aus der Theorie abgeleiteten
Zusammenhänge des zu untersuchenden Konstrukts mit anderen (validen) Konstrukten
empirisch nachgewiesen werden können (vgl. Homburg/Giering 1996, S. 7f).
Insgesamt ist die Messung eines Konstrukts nur dann als valide zu bezeichnen, wenn
das zugehörige Messmodell allen vier Validitätsarten gerecht wird.
Die Methoden und Gütemaße zur Überprüfung der Reliabilität und Validität
reflektiver Messmodelle sind abhänig zum zugrunde liegenden Ananlyseverfahren.
Auf die in dieser Studie verwendeten Gütemaße wird im Rahmen der Methodikbeschreibung
des Pretests (S. 231ff.) und der empirischen Hauptuntersuchung
(S. 260ff.) eingegangen.
3.1.2.2 Das formative Messmodell
Das formative Messmodell geht von einer umgekehrten Einflussrichtung von
Indikatoren und Konstrukt aus, als sie das reflektive Modell aufweist: In einem
formativen Modell verursachen die gemessenen Indikatoren die latente Variable, d. h.
die Veränderung eines Indikators bewirkt eine Veränderung der Konstruktausprägung.
Formal lässt sich das formative Messmodell folgendermaßen darstellen (vgl.
Edwards/Bagozzi 2000, S. 162):
=∑ i
+
i
ξ λ i
x δ
(13)
ξ
λ i
x i
δ
zugrunde liegende latente Variable (Konstrukt)
Gewichtungskoeffizient (Regressionskoeffizient) des Indikators x i auf die latente
Variable ξ
gemessener Wert der Indikatorvariable i
Messfehler auf Konstruktebene
Der Wert der latenten Variablen ξ ergibt sich demnach als Summe der Produkte aller
gemessenen Indikatorwerte x i mit ihrem jeweiligen Regressions- bzw. Gewichtungskoeffizient
λ i . Der Parameter λ i gibt hierbei die Gewichtung der Indikatorvariablen x i
197

ei ihrer linearkombinatoren Verrechnung zur latenten Variable ξ an (vgl.
Eggert/Fassot 2003, S. 4). Der Messfehler δ repräsentiert den Teil der latenten
Variable, der durch die Indikatoren nicht erklärt werden kann. Im Gegensatz hierzu
wird die Messung der Indikatorvariablen x i als fehlerfrei angenommen (vgl.
(Edwards/Bagozzi 2000, S. 162).
Aus der im Vergleich zum reflektiven Modell gegensätzlichen Kausalitätsrichtung
zwischen Indikatorvariablen und Konstrukt ergeben sich folgende weitere
Unterschiede zwischen reflektivem und formativem Messmodell (vgl.
Diamantopoulos/Winklhofer 2001, S. 270f.):
Erstens sind im Gegensatz zu reflektiven Modellen bei formativen Modellen die
Indikatoren nicht austausch- oder entfernbar, da jeder Indikator eine Facette des
Konstrukts abbildet: „Omitting an indicator is omitting a part of the construct“
(Bollen/Lennox 1991, S. 308).
Ein zweiter Unterschied besteht hinsichtlich der Korrelationen zwischen den
Indikatoren, die in Abbildung 44 (S. 192) durch die Pfeile zwischen den Indikatoren
symbolisiert sind: Im Unterschied zum reflektivem Modell werden beim formativen
Modell die Korrelationen zwischen den Items nicht durch das Messmodell erklärt.
Eng damit verbunden ist ein dritter Unterschied: Bei einem formativen Messmodell
kann keine Aussage darüber gemacht werden, ob, in welcher Richtung und in
welcher Höhe die Indikatoren eines Faktors bzw. die Faktoren einer Dimension
miteinander korrelieren: „(...) internal consistency is of minimal importance because
two variables that might even be negatively related can both serve as meaningful
indicators of a construct“ (Nunnally/Bernstein 1994, S. 489). Als unmittelbare
Konsequenz daraus ergibt sich, dass die Güte eines formativen Modells nicht anhand
seiner internen Konsistenz beurteilt werden kann (vgl. Rossiter 2002, S. 307f.)
Viertens haben formative Indikatoren keine Fehlerterme. Die Fehlervarianz wird
ausschließlich durch den Fehlerterm δ auf Konstruktebene repräsentiert. Dieser
korreliert nicht mit den Indikatorvariablen (d. h. cov [x i ;δ] = 0).
Im Gegensatz zum reflektiven Modell ist ein formatives Messmodell
unteridentifiziert. Konsequenz dieses fünften Unterschieds ist, dass die Parameter
eines formativen Messmodells nur im Kontext eines größeren Modells schätzbar sind.
Bei einem reflektiven Modell können sie hingegen mit Hilfe einer konfirmatorischen
Faktorenanalyse geschätzt werden.
198

Selbst wenn ein formatives Konstrukt in ein Gesamtmodell eingebettet ist, kann die
Identifikation aller Parameter immer noch problematisch sein. Dies führen
Diamantopoulos und Winklhofer (2001) als sechsten Unterschied von reflektivem und
formativem Messmodell an.
Formative und reflektive Messmodelle unterscheiden sich demnach erheblich in ihren
Eigenschaften. Tabelle 5 stellt die Eigenschaften von reflektiven und formativen
Messmodellen zusammenfassend gegenüber.
Eigenschaft Reflektives Messmodell Formatives Messmodell
Richtung der Kausalität Von Konstrukt zu Indikator Von Indikator zu Konstrukt
Austauschbarkeit der
Indikatoren
Indikatoren sind austauschbar
Indikatoren sind nicht austauschbar.
Korrelationen der
Indikatoren eines Faktors
Korrelation der Indikatorvariablen wird
durch das Messmodell erklärt
Indikatoren müssen stark positiv
korrelieren
Korrelation der Indikatorvariablen wird
nicht durch das Messmodell erklärt
Indikatoren müssen nicht korrelieren
Fehlerterme Ein Fehlerterm pro Indikator Nur ein Fehlerterm auf Faktorenebene
Identifizierbarkeit des
Modells
Modell ist identifizierbar
(z. B. konfirmatorische
Faktorenanalyse)
Modell kann unterbestimmt sein.
Parameter können nur bei Einbettung
in größeres Modell geschätzt werden.
Tabelle 5:
Gegenüberstellung der Eigenschaften von formativen und reflektiven Messmodellen
Im Hinblick auf die Reliabilitäts- und Validitätsbeurteilung folgt aus den
Eigenschaften formativer Messmodelle, dass „(...) traditional validity assessments and
classical test theory do not cover cause indicators“ (Bollen 1989, S. 222). Die im
vorherigen Abschnitt dargestellten Validitätsanforderungen reflektiver Messmodelle
sind folglich nicht auf Modelle mit formativen Indikatoren übertragbar. Nachfolgend
werden Anforderungskriterien an formative Messmodelle zur Gewährleistung reliabler
und valider Konstruktmessungen beschrieben.
Kriterien zur Beurteilung der Güte formativer Messmodelle
Bei der Entwicklung einer Skala (reflektives Modell) kann auf etablierte Kriterien und
Verfahren zur Gewährleistung einer reliablen und validen Konstruktmessung
zurückgegriffen werden (vgl. z. B. Churchill 1979, S. 67ff; Homburg/Giering 1996,
S. 11ff.). Aufgrund der Dominanz reflektiver Messmodelle in der empirischen
Marketingforschung (vgl. Jarvis/MacKenzie/Podsakoff 2003, S. 200) existieren aber
199

für die Indexentwicklung (formatives Messmodell) weder etablierte Vorgehensweisen
noch bewährte Gütekriterien zur Validitätsbeurteilung (vgl. Diamantopoulos/
Winklhofer 2001, S. 271). Die nachfolgenden Ausführungen repräsentieren den
momentanen Forschungsstand in der empirischen Marketingforschung (2004).
Durch eine umfassende Literaturanalyse konnten Diamantopoulos und Winklhofer
(2001, S. 271f.) vier Kriterien für eine erfolgreiche Indexentwicklung identifizieren:
• Inhaltsspezifikation (Content Specification)
• Indikatorspezifikation (Indicator Specification)
• Indikatorkollinearität (Indicator Collinearity)
• Externe Validität (External Validity)
Ziel der Inhaltsspezifikation ist eine präzise Beschreibung des inhaltlichen Umfangs
des vom Index zu erfassenden Konstrukts. Da bei formativen Messmodellen das
Konstrukt durch die Indikatorvariablen verursacht wird, ist es hierbei insbesondere
wichtig, dieses in seiner gesamten inhaltlichen Breite zu erfassen: „breadth of
definition is extremely important to causal indicators“ (Nunnally/Bernstein 1994,
S. 484). Nur wenn im Rahmen der Inhaltsspezifikation alle wesentlichen
Konstruktfacetten berücksichtigt werden, können die auf der Inhaltspezifikation
basierenden Indikatoren das Konstrukt vollständig und valide abbilden.
Die Indikatorspezifikation basiert auf der Inhaltsspezifikation und beinhaltet die
Generierung der Indikatorvariablen des Index. Hierbei ist es analog zur
Inhaltsspezifikation für die Qualität der Konstruktmessung entscheidend, alle
Facetten des Konstrukts durch entsprechende Indikatoren abzubilden, was zu einer
großen Anzahl an Indikatoren führen kann. Es sei an dieser Stelle nochmals darauf
hingewiesen, dass die vollständige Abbildung aller Konstruktfacetten durch
entsprechende Indikatoren bei reflektiven Messmodellen keine Rolle spielt, da „the set
of items ‚is chosen randomly from the universe of items relating to the construct of
interest’“ (Diamantopoulos/Winklhofer 2001, S. 271).
Das Kriterium der Indikatorkollinearität gründet auf der Struktur formativer
Messmodelle: Wie aus der formellen Darstellung des formativen Messmodells
hervorgeht (siehe S. 197), beruht dieses auf einer multiplen Regression. Dies bedingt,
dass die Stabilität der Indikator-Koeffizienten (λ i ) einerseits von der Stichprobengröße
und andererseits von der Stärke der Indikatorkorrelationen abhängt. Im Falle perfekter
Multikollinearität sind die Regressoren linear abhängig, d. h. ein Regressor ist als
Linearkombination der anderen Regressoren darstellbar. Die multiple Regression ist
200

dann nicht durchführbar (vgl. Backhaus 2003, S. 88f.). Besteht zwischen den
Indikatoren zwar keine perfekte, aber dennoch starke lineare Abhängigkeit, liegt also
ein hoher Grad an Kollinearität vor, kann der Einfluss jedes einzelnen Indikators x i auf
die latente Variable ξ nicht mehr festgestellt werden. Im Zusammenhang der
Gütebetrachtung sind damit zwei Aspekte verbunden (Diamantopoulos/Winklhofer
2001, S. 272):
Zum einen stellen die Indikator-Koeffizienten λ i den Einfluss der Indikatorvariablen x i
auf die latente Variable ξ dar und können daher als Validitätskoeffizienten interpretiert
werden. Liegt eine starke Multikollinearität vor, führt dies dazu, dass die Schätzung
der Indikator-Koeffizienten λ i nicht stabil ist und folglich die Beurteilung der
Indikatorreliabilität problematisch ist. Zum anderen kann bei starker linearer
Abhängigkeit eines Indikators dieser nahezu perfekt als Linearkombination anderer
Indikatoren dargestellt werden. Das Item trägt somit redundante Informationen und ist
ggf. von der Analyse auszuschließen.
Der Untersuchung der externen Validität kommt bei formativen Messmodellen eine
besondere Bedeutung zu, da die interne Konsistenz aufgrund der nicht notwendigen
Abhängigkeit der zu einem Faktor gehörenden Indikatoren nicht untersucht werden
kann. Bagozzi (1994) unterstreicht dies: „the best we can do (...) is to examine how
well the index relates to measures of other variables“ (S. 333). Da es hierfür in der
Literatur keine etablierten Verfahren und Kriterien gibt und die Elimination von
Indikatoren aus theoretischer Sicht problematisch, aus praktischer aber sinnvoll ist,
schlagen Diamantopoulos und Winklhofer (2001, S. 272) alternativ die Anwendung
eines so genannten MIMIC-Modells (Multiple Indicators and MultIple Causes) vor.
Wie aus Abbildung 46a hervorgeht, bildet ein MIMIC-Modell ein Konstrukt
gleichzeitig durch formative und reflektive Indikatoren ab. Wird dieses Modell mit
Hilfe kovarianzbasierter Verfahren wie z. B. LISREL einem simultanen Test
unterzogen, kann die Güte der Operationalisierung ganzheitlich anhand der Fitindizes
des Modells abgeschätzt werden. Erweist sich der Gesamtfit des Modells als
akzeptabel, kann daraus geschlossen werden, dass der Index das Konstrukt
angemessen abbildet. Erklären weiterhin die verwendeten Indikatoren einen
beachtlichen Teil der Varianz der reflektiven Indikatoren, weist das zu untersuchende
Konstrukt eine hohe Inhaltsvalidität und eine gute nomologische Validität auf (vgl.
Herrmann/Huber/Kressmann 2004, S. 18). Des Weiteren kann anhand der
Regressionskoeffizienten die Einflussstärke und Signifikanz einzelner Indikatoren des
Index bewertet werden (vgl. Diamantopoulos/Winklhofer 2001, S. 272).
201

Die Spezifizierung einer Variablen durch ein MIMIC-Modell wird von einigen
PLS-Verfahren wie beispielsweise PLS-Graph, das in dieser Untersuchung zur
Anwendung kommt, nicht unterstützt. Die Einführung einer reflektiv
operationalisierten Phantomvariable ermöglicht die Lösung dieser Problematik (siehe
Abbildung 46b). Kann dabei der angenommene starke und signifikante
Zusammenhang zwischen formativ operationalisiertem Konstrukt und reflektiv
operationalisierter Phantomvariable gezeigt werden und erklärt das formative
Konstrukt gleichzeitig einen erheblichen Anteil der Varianz der Phantomvariable,
kann externe Validität angenommen werden (vgl. Götz/Liehr-Gobbers 2004, S. 22;
Diamantopoulos/Winklhofer 2001, S. 273).
MIMIC Modell
Zwei-Konstrukt Modell
(mit Phantomvariable)
δ 1
δ 2
δ 3
δ 1
δ 2
δ 3
y 2
y 1
y 3
y 1
y 2
y 3
λ 1
λ 2
λ 3
λ 1
ζ 1
λ 2
λ 3
η
ζ 1
η
r 12
r 23
π 1
π 2 π 3
δ = 0
γ 21
ξ
π 1
π 2 π 3
x 1
x 3
x 2
r 13
x 1
x 2
x 3
r 12
r 23
r 13
Abbildung 46: MIMIC-Modell und Modell mit Phantomvariable zur Untersuchung der externen
Validität formativ operationalisierter Konstrukte. In Anlehnung an Diamantopoulos/Winklhofer 2001,
S. 272
Die in dieser Arbeit verwendeten Methoden und Gütemaße zur Beurteilung
formativer Messmodelle werden im entsprechenden Abschnitt der Beschreibung der
empirischen Untersuchung dargestellt (siehe Kapitel 3.4.1.3, S. 259ff.).
202

Zusammenfassung
In den letzten beiden Abschnitten wurden Gütekriterien reflektiver und formativer
Modelle zur Gewährleistung reliabler und valider Konstruktmessungen beschrieben.
Vergleicht man die Kriterien der beiden Messmodellarten, so wird deutlich, dass von
vier Gütekriterien reflektiver Messmodelle (Inhaltsvalidität, Konvergenzvalidität,
Diskriminanzvalidität und nomologische Validität) bei formativen Modellen nur zwei
Kriterien relevant sind: Inhaltsvalidität und nomologische Validität. Konvergenz- und
Diskriminanzbetrachtungen sind dagegen aufgrund der linear-additiven Struktur
formativer Messmodelle nicht sinnvoll. Bei der Konstruktion eines Index ist hingegen
insbesondere auf die vollständige und umfassende Abbildung des zu erfassenden
Konstrukts durch entsprechende Indikatoren zu achten. Bleiben relevante
Konstruktfacetten unberücksichtigt, kann das Konstrukt durch den Index nicht valide
gemessen werden. Die Gegenüberstellung der Grundlagen und Eigenschaften
reflektiver und formativer Messmodelle hat verdeutlicht, dass mit der Operationalisierung
eines Konstrukts weitreichende Folgen verbunden sind. Es ist folglich von
zentraler Bedeutung, ein Konstrukt inhaltlich richtig durch ein formatives oder
reflektiven Modells zu operationalisieren.
Die Notwendigkeit, sich bei der Entwicklung eines Messinstruments intensiv mit der
Art des zugrunde liegenden Messmodells auseinanderzusetzen, haben die
Untersuchungen von Jarvis, MacKenzie und Podsakoff (2003) und Eggert und Fassot
(2003) verdeutlicht: Letztere arbeiteten heraus, dass alle Konstrukte der in der
Zeitschrift Marketing ZFP veröffentlichten Strukturgleichungsmodelle reflektiv
operationalisiert wurden, 79,6% der Messmodelle aber eher formativen als reflektiven
Charakter haben (S. 9f.). Zu einem ähnlichen, wenn gleich nicht so extremen Ergebnis
kamen Jarvis, MacKenzie und Podsakoff (2003). Sie untersuchten die Konstrukte in
Strukturgleichungsmodellen, die im Zeitraum von 1977 bis 2000 in einem der
führenden amerikanischen Marketing Zeitschriften (Journal of Consumer Research,
Journal of Marketing, Journal of Marketing Research und Marketing Science)
veröffentlicht wurden. Dabei stellten sie fest, dass 96% aller Konstrukte reflektiv
operationaliert wurden, bei 28% der Konstrukte aus messtheoretischer Sicht aber eine
formative Operationalisierung angebracht gewesen wäre. Die Autoren konnten ferner
mit Hilfe einer Monte-Carlo Simulation zeigen, dass „(...) measurement model
misspecification of even one formatively measured construct within a typical
structural equation model can have very serious consequences for the theoretical
conclusions drawn from that model“ (Jarvis/MacKenzie/Podsakoff 2003, S. 212).
203

Um eine aus messtheoretischer Sicht richtige Modellspezifikation des Werts von
Produktvielfalt und seinen Dimensionen, der Kosten von Produktvielfalt und des
Nutzens von Produktvielfalt zu gewährleisten, werden nachfolgend Kriterien
beschrieben, anhand derer entschieden werden kann, ob ein Konstrukt formativ oder
reflektiv zu operationalisieren ist.
3.1.2.3 Entscheidungskriterien zur Verwendung formativer oder reflektiver
Messmodelle
Motiviert durch die Ergebnisse ihrer bereits erwähnten Untersuchung (siehe S. 203)
haben Jarvis, MacKenzie und Podsakoff (2003) einen Fragenkatalog entwickelt, mit
dessen Hilfe entschieden werden kann, ob ein Konstrukt formativen oder reflektiven
Charakter hat. Der Fragenkatalog gliedert sich in vier Themenbereiche, denen die
jeweiligen Fragen zugeordnet sind. In Tabelle 6 ist dieser in übersetzter Form
dargestellt.
Im ersten Teil des Fragenkatalogs geht es um die Richtung der Kausalität zwischen
Indikatoren und Konstrukt. Bei einem formativen Messmodell wird das Konstrukt von
den Indikatoren bestimmt und die Kausalitätsrichtung verläuft von den Indikatoren
zum Konstrukt. Erfolgt die Operationalisierung reflektiv, verläuft die Kausalitätsrichtung
umgekehrt. Die zweite Fragenkategorie befasst sich mit der Austauschbarkeit
der Indikatoren. Im Gegensatz zu formativen Modellen müssen diese bei reflektiven
Messmodellen austauschbar sein. Beim dritten Kriterium geht es um die Kovariation
(Covariation) der Indikatorvariablen. Während reflektive Indikatoren notwendigerweise
untereinander kovariieren müssen, ist dies im formativen Fall nicht erforderlich.
Der vierte und letzte Teil des Fragenkatalogs befasst sich mit dem nomologischen
Netz des Konstrukts, d. h. mit dessen Antezedenzien und Konsequenzen. Bei einem
reflektiven Messmodell müssen diese für alle Indikatoren identisch sein, wohingegen
die formativen Indikatoren eines Konstrukts verschiedene Antezedenzien und
Konsequenzen haben können.
204

Kriterium/Frage Formatives Messmodell Reflektives Messmodell
1. Richtung der Kausalität zwischen
Indikatoren und Konstrukt,
impliziert durch die konzeptionelle
Konstruktdefinition
Sind die Indikatoren
a) definierende Merkmale
(Characteristics) oder
b) Erscheinungsformen
(Manifestations)
des Konstrukts?
Würden Veränderungen der
Ausprägungen der Indikatoren zu
Verändungen des Konstrukts
führen?
Würden Veränderungen des
Konstrukts zu Verändungen der
Ausprägungen der Indikatoren
führen?
2. Austauschbarkeit der
Indikatorvariablen
Sollten die Indikatoren denselben
oder ähnlichen Inhalt haben? Haben
die Indikatoren ein gemeinsames
Thema?
Würde der Ausschluss eines
Indikators den konzeptionellen
Rahmen des Konstrukts verändern?
Von den Indikatoren zum
Konstrukt
Indikatoren sind definierende
Merkmale (Characteristics) des
Konstrukts
Veränderungen der
Ausprägungen der Indikatoren
sollten zu Verändungen des
Konstrukts führen.
Veränderungen des Konstrukts
führen nicht zu Verändungen
der Indikatoren.
Indikatoren müssen nicht
austauschbar sein.
Indikatoren müssen nicht
denselben oder ähnlichen Inhalt
haben/Indikatoren müssen kein
gemeinsames Thema haben.
Der Ausschluss eines Indikators
könnte den konzeptionellen
Rahmen des Konstrukts
verändern.
Vom Konstrukt zu den
Indikatoren
Indikatoren sind
Erscheinungsformen
(Manifestations) des Konstrukts
Veränderungen der
Ausprägungen der Indikatoren
sollten nicht zu Verändungen
des Konstrukts führen.
Veränderungen des Konstrukts
führen zu Verändungen der
Indikatoren.
Indikatoren sollten
austauschbar sein.
Indikatoren sollten denselben
oder ähnlichen Inhalt
haben/Indikatoren sollten ein
gemeinsames Thema haben.
Der Ausschluss eines Indikators
sollte den konzeptionellen
Rahmen des Konstrukts nicht
verändern.
3. Kovariation zwischen den
Indikatoren
Sollte eine Änderung eines
Indikators zur Änderung der anderen
Indikatoren führen?
4. Nomologisches Netz der
Indikatoren
Sollten die Indikatoren dieselben
Antezedenzien und Konsequenzen
haben?
Indikatoren müssen nicht
notwendigerweise kovariieren.
Nicht unbedingt
Nomologisches Netz der
Indikatoren kann sich
unterscheiden.
Indikatoren müssen nicht
dieselben Antezedenzien und
Konsequenzen haben.
Indikatoren sollten kovariieren.
Ja
Nomologisches Netz der
Indikatoren sollte sich nicht
unterscheiden.
Indikatoren müssen dieselben
Antezedenzien und
Konsequenzen haben.
Tabelle 6: Entscheidungskriterien zur Verwendung eines formativen oder reflektiven
Messmodells. Quelle: Jarvis/MacKenzie/Podsakoff 2003, S. 203 (Übersetzung durch den Verfasser)
Die von Jarvis und seinen Kollegen vorgeschlagene Vierteilung suggeriert, dass es
sich um vier voneinander unabhängige Entscheidungskriterien handelt. Herrmann,
Huber und Kressmann (2004) haben jedoch gezeigt, dass sich alle vier Kriterien auf
die Frage reduzieren lassen „ob eine Veränderung des Konstruktes eine Veränderung
aller Indikatoren bewirkt (reflektiv) oder die Veränderung eines Indikators eine
205

Veränderung der Konstruktausprägungen evoziert (formativ)“ (S. 13). Ähnlich wie
Herrmann und seine Kollegen argumentiert auch Chin (1998a): Er schlägt vor, dass
die Entscheidung, ob ein Konstrukt formativ oder reflektiv zu operationalisieren ist,
anhand folgender Frage beantwortet werden kann: „Is it necessarily true that if one of
the items (assuming all coded in the same direction) were to suddenly change in a
particular direction, the others will change in a similar manner?“ (S. IX). Kann die
Frage bejaht werden, handelt es sich um ein reflektives Konstrukt. Die von Chin
vorgeschlagene Frage zielt auf die Kovariation der Indikatoren ab und entspricht der
dritten Kategorie des Fragenkatalogs von Jarvis, MacKenzie und Podsakoff (2003).
Diese folgt aber im Wesentlichen aus der Kausalitätsrichtung reflektiver Messmodelle
(vom Konstrukt zu den Indikatoren), die bedingt, dass die Variation reliabler
reflektiver Indikatoren nahezu ausschließlich auf die Variation des Konstrukts
zurückzuführen ist. Reflektive Indikatoren müssen deshalb stark korreliert sein (vgl.
Herrmann/Huber/Kressmann 2004, S. 14).
Zusammenfassend kann man festhalten, dass es bei der Entscheidung der
Operationalisierungsart im Kern um die Frage der Kausalität geht: Verändert das
Konstrukt die Indikatoren (reflektiv) oder die Indikatoren das Konstrukt (formativ)?
Sowohl der von Jarvis und seinen Kollegen entwickelte Fragenkatalog, als auch das
von Chin vorgeschlagene Gedankenexperiment sind eher zu Orientierungszwecken
und zur Verdeutlichung der Unterschiede von formativen und reflektiven Messmodellen
geeignet. Der Forscher kann anhand dieser Kriterien seine Entscheidung
überprüfen. Die Ausführungen haben weiterhin verdeutlicht, dass die Entscheidung,
ob zur Messung eines Konstrukts ein formatives oder reflektives Modell anzuwenden
ist, allein auf Basis der theoretischen Konzeption des Konstrukts getroffen werden
kann (vgl. Edwards/Bagozzi 2000, S. 171).
Damit sind die Grundlagen der Konstruktmessung gelegt worden. Im nächsten
Abschnitt wird die Vorgehensweise bei der Entwicklung eines Messinstruments für
Kosten und Nutzen von Produktvielfalt als zentrale Konstrukte dieser Untersuchung
vorgestellt.
206

3.1.3 Vorgehensweise bei der Entwicklung eines Messinstruments für den
Wert von Produktvielfalt und seiner Dimensionen
Die Entwicklung des Messinstruments für den Wert von Produktvielfalt erfolgt durch
Triangulation von Theorie, qualitativen und quantitativen Forschungsmethoden in vier
Schritten. Schematisch ist die Vorgehensweise in Abbildung 47 dargestellt.
Basis/Methodik
KONZEPTUALISIERUNG
Schritt 1
• Entwicklung der Dimensions- und
Faktorstruktur
• Basis: Theoretischer Bezugsrahmen
(Theorien und theoretische Konzepte)
Schritt 2
OPERATIONALISIERUNG
• Generierung einer Ausgangsmenge an
Indikatoren
• Definition der Messmodellart
• Quellen: Theorie, Experteninterviews,
Konsumenteninterviews
PRETEST (auf Faktorebene)
Theorie
qualitative empirische
Forschungsmethoden
Schritt 3
Schritt 4
• Optimierung der Messinstruments auf
Faktorebene
• Exploratorische und konfirmatorische
Faktorenanalyse
HAUPTUNTERSUCHUNG (Gesamtmodell)
• Empirische Überprüfung des vollständigen
Messmodells
• Validitäts- und Reliabilitätsbeurteilung des
Gesamtmodells mittels entsprechender
Gütemaße
quantitative empirische
Forschungsmethoden
Abbildung 47: Vorgehensweise bei der Entwicklung eines Messinstruments für den Wert von
Produktvielfalt
Im ersten Schritt wird das Konstrukt konzeptualisiert, indem eine geeignete
Dimension- und/oder Faktorstruktur entwickelt wird. Basis hierfür sind die in
Kapitel 2 beschriebenen Theorien und theoretischen Konzepte.
Die nächste Phase dient der Operationalisierung des Konstrukts und seiner
Dimensionen. Hierzu wird eine Ausgangsmenge an Indikatoren generiert und die Art
der Messmodelle (formativ oder reflektiv) für die Dimensions- und Faktorenebene
207

festgelegt. Quellen für die Generierung der Items sind die Theorien des
Bezugsrahmens (Kapitel 2) sowie Konsumenten- und Experteninterviews.
Die so entstandenen Messmodelle der Faktoren der Konstrukte werden im dritten
Schritt einem Pretest unterzogen um sie im Hinblick auf die anschließende
Hauptuntersuchung zu optimieren. Hierzu werden die Faktoren mittels
exploratorischer und konfirmatorischer Faktorenanalysen (LISREL) ersten Validitätsund
Reliabilitätsprüfung unterzogen und nicht geeignete Items entfernt.
Im vierten und letzen Schritt wird das vollständige Messmodell des Werts von
Produktvielfalt im Rahmen der Hauptuntersuchung einer großen empirischen
Überprüfung unterzogen. Hierbei wird sowohl die Faktor- als auch die
Dimensionsebene mittels geeigneter Verfahren und Gütekriterien auf Validität und
Reliabilität überprüft. Ergebnis dieser letzten Phase sind die endgültigen
Messinstrumente für die KPV und NPV, welche Grundlage für die anschließende
Untersuchung der Konsequenzen und Determinanten der KNPV sind.
3.2 Konzeptualisierung und Operationalisierung des Werts von
Produktvielfalt und seiner Kosten- und Nutzendimension
Ziel dieses Abschnitts ist es, auf Basis der in Kapitel 2 beschriebenen Theorien ein
Instrument zur Messung des Werts von Produktvielfalt und seiner unabhängigen
Dimensionen, der Kosten von Produkvielfalt und des Nutzens von Produktvielfalt zu
entwickeln, um dieses dann einer empirischen Prüfung zu unterziehen. Hierzu wird
das zu untersuchende Konstrukt zunächst konzeptualisiert, d. h. es wird die
Dimensions- bzw. Faktorstruktur aus den theoretischen Ausführungen abgeleitet. Im
nächsten Schritt erfolgt die Operationalisierung, die zum einen die Generierung und
Beschreibung der Indikatorvariablen und zum anderen die Bestimmung der Art des
Messmodells zum Ziel hat. Hierbei ist festzulegen, ob ein formatives oder reflektives
Modell zur Messung der jeweiligen Ebene geeignet ist.
208

3.2.1 Konzeptualisierung des Werts von Produktvielfalt
Wie bereits dargestellt, beinhaltet die Konzeptualisierung eines Konstrukts die
theoriebasierte Ermittlung seiner Dimensionen und Teildimensionen (vgl.
Homburg/Giering 1996, S. 5; Bruhn/Homburg 2001, S. 306; siehe auch S. 188).
Ausgangspunkt der Konzeptualisierung des Werts von Produktvielfalt als zentrales
Konstrukt dieser Untersuchung sind daher die in Kapitel 2 beschriebenen Theorien.
Grundlegendes Ziel vorliegenden Arbeit ist es, die positiven und negativen Aspekte
von Produktvielfalt durch das zwischen Sortimentsstimuli und Konsumentenverhalten
mediierende Konstrukt Wert von Produktvielfalt theoretisch zu begründen und
empirisch aufzuzeigen. Dieses wird deshalb als übergeordnetes Konstrukt der
unabhängigen Dimensionen Nutzen von Produktvielfalt und Kosten von
Produktvielfalt konzeptualisiert. Zu begründen ist dieser Kosten-Nutzen-Ansatz vor
allem auf Basis der Forschungsfragen: Die Arbeit hat das Ziel, die Existenz der
positiven und negativen Seiten von Produktvielfalt aus Konsumentensicht und deren
Konsequenzen und Determinanten aufzuzeigen. Um sowohl die Nutzen- als auch
Kostenaspekte aufzeigen zu können, müssen diese isoliert betrachtet werden. Die
Konzeptualisierung des Werts von Produktvielfalt durch eine Kosten- und eine
Nutzendimensionen, die als unabhängig betrachtet werden und deren Konsequenzen
und Determinanten folglich ebenfalls isoliert untersucht werden können, ist deshalb
naheliegend. Die Betrachtungsebene der weiteren Analysen ist folglich nicht eine
Verknüpfungsebene, sondern die als unabhängig betrachteten Dimensionen Kosten
von Produktvielfalt und Nutzen von Produktvielfalt (siehe hierzu auch die
Ausführungen im Definitionsteil auf S. 12f.). Abbildung 48 veranschaulicht die
Konzeptualisierung des Werts von Produktvielfalt als mediierendes zweidimensionales
Konstrukt nochmals grafisch.
Produktvielfalt
(Sortiment)
Konsumentenverhalten
Wert von Produktvielfalt
Kosten
von Produktvielfalt
(KPV)
Nutzen
von Produktvielfalt
(NPV)
Ergebnis
Kaufentscheidung
Evaluation von Prozess
und Produkt
Zukünftiges
Verhalten
Abbildung 48: Konzeptualisierung des Werts von Produktvielfalt als zweidimensionales Konstrukt mit
den Kosten von Produktvielfalt und dem Nutzen von Produktvielfalt als unabhängige Dimensionen
209

Die Dimensionen des Werts von Produktvielfalt werden weitgehend als eigene
Konstrukte betrachtet, weshalb sie teilweise als Kosten- und Nutzenkonstrukt
bezeichnet werden. In den nächsten Abschnitten wird zunächst die Faktorstruktur der
Nutzendimension und anschließend die der Kostendimensione abgeleitet.
3.2.1.1 Konzeptualisierung des Nutzens von Produktvielfalt
Die dargestellten Theorien haben auf verschiedene Art die positive Wirkung hoher
Produktvielfalt erklärt. Dadurch wurde deutlich, dass der NPV für Konsumenten
verschiedene Facetten hat. Abbildung 40 (S. 177), die auch Grundlage der
Hypothesenformulierung war, hat die aus der jeweiligen Theorie abgeleiteten
Nutzenfacetten zusammengefasst und in Beziehung zu Determinanten und
Konsequenzen gesetzt.
Durch die Nutzenerwartungswerttheorie wurden die Facetten Antizipierter
Produktnutzen und Erfolgsaussichten aufgezeigt; d. h. aus hoher Vielfalt folgt für
den Konsumenten ein hoher antizipierter Produktnutzen, da durch die vorhandene
Vielfalt der Konsument annimmt, dass das Sortiment mindestens ein Produkt enthält,
das seinen Idealvorstellungen sehr nahe kommt und folglich einen hohen Nutzen für
ihn hat. Durch den Aspekt Erfolgsaussichten wird zusätzlich noch die Transaktion
selbst berücksichtigt: Der Konsument hat bei großer Vielfalt eine entsprechend hohe
Chance, den beabsichtigten Kauf erfolgreich abschließen zu können und dadurch seine
Bedürfnisse, die zur Auslösung der Kaufhandlung geführt haben, zu befriedigen.
Dieser Handlungsgesichtspunkt unterscheidet die Erfolgsaussichten vom antizipierten
Produktnutzen.
Die Ausführungen zum Shopping Hedonismus haben aufgezeigt, dass Einkaufen für
Konsumenten aber nicht nur aus der reinen Transaktion zur Bedürfnisbefriedigung
besteht, sondern sie dem Einkaufsprozess selbst einen hedonistischen Wert beimessen.
So haben Kunden durch hohe Produktvielfalt tendenziell mehr Spaß am Einkauf, was
u. a. auf die ausgeprägten Lern-, Test- und Informationsmöglichkeiten bei hoher
Vielfalt zurückzuführen ist. Neben Spaß als starker und „aktiver“ Emotion können
durch ein großes Sortiment auch allgemein positive Emotionen hervorgerufen werden,
die eher mit der Anmutung der Warenvielfalt zu tun haben. So kann, wie aus der
Theorie folgt, hohe Vielfalt z. B. ansprechend sein, Langeweile vermeiden und ein
Gefühl der Entscheidungsfreiheit vermitteln. Spaß und allgemeine positive Emotionen
sind folglich qualitativ unterschiedliche affektive Nutzenfacetten von Produktvielfalt.
210

Ein weiterer positiver Aspekt hoher Produktvielfalt wurde durch die Hypothese des
Informationsdefizits aufgezeigt (siehe Kapitel 2.2.1.1, S. 69). Demnach haben
Konsumenten bei einem großen Sortiment eine bessere Informationsbasis für die
Entscheidung als bei einem kleinen und sind folglich eher bereit, sich für den Kauf zu
entscheiden. Gleichzeitig erreichen sie durch ihre bessere Informiertheit eine höhere
Entscheidungsqualität. Demzufolge erhöhen die Informationsmöglichkeiten hoher
Produktvielfalt die Kaufintention des Konsumenten und, aufgrund der höheren
Qualität der Entscheidung, vermutlich auch die Zufriedenheit mit dem gekauften
Produkt. Die Informationsmöglichkeiten stellen folglich einen weiteren wichtigen
Nutzenaspekt hoher Produktvielfalt dar.
Insgesamt können damit aus den theoretischen Ausführungen fünf Facetten des
Nutzens von Produktvielfalt abgeleitet werden. Sie beinhalten sowohl kognitive als
auch affektive Aspekte:
• Antizipierter Produktnutzen (kognitiv)
• Erfolgsaussichten (kognitiv)
• Spaß (am Einkaufen) (affektiv)
• Positive Emotionen und (affektiv)
• Informationsmöglichkeiten (kognitiv)
Diese fünf Facetten werden aufgrund ihrer weitgehenden Eigenständigkeit als
Faktoren des Nutzenkonstrukts definiert. Eine weitere Untergliederung der fünf
Faktoren scheint nicht sinnvoll.
Der Nutzen von Produktvielfalt werden folglich als eindimensionales Konstrukt
mit fünf Faktoren konzeptualisiert.
3.2.1.2 Konzeptualisierung der Kosten von Produktvielfalt
Analog zu den Nutzenfacetten können, wie in Abbildung 40 (S. 177) verdeutlicht, aus
dem theoretischen Bezugsrahmen auch die verschiedenen Aspekte der Kosten von
Produktvielfalt abgeleitet werden:
Die Cost of Thinking haben verdeutlich, dass hohe Produktvielfalt für den
Konsumenten mit hohem Aufwand bei der Entscheidungsfindung verbunden ist.
Dieser muss, um zu einer Entscheidung zu kommen, bei vielen verfügbaren
Alternativen eine große Menge an Informationen verarbeiten. Die Informations-
211

verarbeitung ist für ihn mit zeitlichem und kognitivem Aufwand verbunden und
erfordert entsprechende Anstrengungen.
Wie die Konflikt-Theorie gezeigt hat, können in einer Entscheidungssituation negative
Emotionen entstehen. Dies ist insbesondere dann der Fall, wenn mehrere gleich
attraktive Alternativen zur Wahl stehen und die Entscheidung vom Konsumenten
aufgrund wechselseitig positiver und negativer Eigenschaften der Alternativen einen
Kompromiss verlangt. Diese Emotionen entstehen direkt im Entscheidungsprozess,
weshalb sie als „process emotions“ (Hastie 2000, S. 21) bezeichnet werden.
Durch die Ausführungen zum antizipierten Regret wurde aufgezeigt, dass
Konsumenten Emotionen, die erst nach der Kaufentscheidung entstehen, mittels
geistiger Simulation des Nachkaufzustands vorwegnehmen und in die Kaufentscheidung
einbeziehen können. Anderson (2003) bezeichnet diese Art der Emotionen
deshalb als Anticipatory (vorwegnehmende) oder Anticipated Amotions
(vorweggenommene, vorausgesehene) (S. 141ff.). Antizipiertes Regret ist folglich von
den negativen Prozessemotionen zu unterscheiden und beschreibt eine eigene Facette
der Kosten von Produktvielfalt.
Auch die drei in Kapitel 2.2 (S. 68ff.) dargestellten grundlegenden theoretischen
Perspektiven zum Umgang von Konsumenten mit Produktvielfalt haben verschiedene
Facetten der KPV aufgezeigt: So hat die Hypothese von der Informationsüberlastung
Hinweise dafür gegeben, dass hohe Vielfalt für Entscheider mit kognitivem Aufwand
verbunden ist und zu dessen Überforderung führen kann. Erkennt der Konsument
seine eigene Überforderung, begünstigt dies die gleichzeitige Entstehung negativer
Emotionen wie Verwirrtheit und Frustration. Ähnlich wurde durch die Theorie des
Optimum Stimulation Level die Entstehung eines „inneren Spannungszustandes“ bei
zu hoher Stimulation, sprich zu hoher Produktvielfalt, begründet. Der Tyranny of
Freedom hat schließlich ebenfalls die Überforderung und Entstehung von
antizipiertem Regret als Ursache für die zunehmend negative Wirkung übermäßig
hoher Produktvielfalt genannt.
212

Insgesamt können damit aus den theoretischen Ausführungen drei Facetten der
Kosten hoher Produktvielfalt abgeleitet werden:
• Aufwand und Anstrengung (kognitiv)
• Negative Emotionen/Verwirrung und Frustration (affektiv) und
• Antizipiertes Regret (affektiv)
Die verschiedenen Facetten der KPV decken sowohl kognitive als auch affektive
Negativaspekte hoher Produktvielfalt ab. Da die drei Facetten weitgehend
überschneidungsfrei sind und sich inhaltlich und konzeptionell voneinander
unterscheiden, werden sie jeweils als ein Faktor der Kosten von Produktvielfalt
betrachtet.
Die Kosten von Produktvielfalt werden somit insgesamt als eindimensionales
Konstrukt mit drei Faktoren konzeptualisiert.
Zusammenfassung
Abbildung 49 zeigt die Gesamtstruktur des Werts von Produktvielfalt und die
Faktorstrukturen der Kosten- und Nutzendimension zusammen mit den theoretischen
Bezugspunkten, die den jeweiligen Faktor inhaltlich erklären. Die Faktoren der
Kostendimension werden hierbei hauptsächlich von den drei Theorien Cost of
Thinking, Konflikt-Theorie und Antizipiertes Regret begründet. Liegt die Vielfalt über
dem „Optimum“ des Konsumenten, erhöhen die in „zweiter Reihe“ angeführten
theoretischen Konzepte die Bedeutung einzelner Kostenfaktoren zusätzlich.
213

Dimensionen
Nutzen
Wert von Produktvielfalt
Kosten
Faktoren
NPV
KPV
Antizipierter
Produktnutzen
kognitiv affektiv kognitiv affektiv
Erfolgsaussichten
Informationsmöglichkeiten
Spaß
Positive
Emotionen
Aufwand und
Anstrengung
Negative Emotionen/
Verwirrung und
Frustration
Antizipiertes
Regret
AP EA IM Sp PE
AA VF AR
Nutzenerwartungswerttheorie
Hypothese vom
Informationsdefizit
Hedonic
Shopping
Value
Cost of
Thinking
Konflikt-
Theorie
Antizipiertes
Regret
Theorien und theoretische Konzepte
Hypothese der
Informationüberlastung
Tyranny of
Freedom
Optimum
Stimulation
Level
Abbildung 49: Konzeptualisierung des Werts von Produktvielfalt und seiner Dimensionen mit den
jeweils zugrunde liegenden theoretischen Bezugspunkten
Die Verschiedenartigkeit der Faktoren der jeweiligen Dimension deutet bereits auf die
formative Beziehung zwischen den Faktoren und der zugehörigen Dimension hin. In
der Abbildung ist dies durch die gestrichelten Pfeile zwischen den Faktoren und dem
Gesamtkonstrukt angedeutet. Im Rahmen der Operationalisierung wird die
Kausalitätsrichtung sowohl auf Faktor- als auch auf Dimensionsebene noch
ausführlicher diskutiert (siehe Kapitel 3.2.2.4, S. 226).
Der nächste Abschnitt beschreibt die Operationalisierung der Dimensionen, die im
Wesentlichen die Generierung der Indikatoren der Faktoren zum Inhalt hat.
3.2.2 Operationalisierung
3.2.2.1 Vorgehensweise und Quellen zur Generierung der Indikatoren
Da es sich beim Wert von Produktvielfalt und seinen Dimensionen um bisher in dieser
Form in der Literatur nicht existierende Konstrukte handelt, kann nicht auf etablierte
Skalen oder Indizes zurückgegriffen werden. Die Indikatoren zur Messung der
einzelnen Faktoren müssen deshalb neu generiert werden. Hierfür wurden durch die
Verwendung von drei Arten an Quellen verschiedene Forschungsmethoden
214

(Triangulation) kombiniert, um eine breite Abdeckung der Konstruktinhalte
sicherzustellen (vgl. Götz/Liehr-Gobbers 2004, S. 17): Als Quellen dienten
1. Literaturrecherche
2. Experteninterviews
3. Kundeninterviews.
Im Rahmen einer intensiven Literaturrecherche konnten einige Indikatoren zu
bestimmten Faktoren aus empirischen Untersuchungen zu den in Kapitel 2
beschriebenen Theorien entnommen werden. Diese wurden um Items ergänzt, die aus
verschiedenen Literaturquellen zu der jeweiligen Theorie entnommen oder aus
theoretischen Überlegungen abgeleitet wurden.
Um die theoriebasierte Itemliste zu erweitern, wurden Interviews mit Experten und
Kunden geführt. Diese qualitative Forschungsmethode gewährleistet, dass alle aus
Unternehmens- und Konsumentensicht wesentlichen Aspekte von Kosten und Nutzen
von Produktvielfalt im Messinstrument berücksichtigt werden. Insgesamt wurden acht
Experten und 25 Kunden befragt. Vier der Experten kommen aus dem Umfeld des
kooperierenden Handelsunternehmens, die anderen vier sind Unternehmensberater, die
sich schwerpunktmäßig mit Handelsmarketing beschäftigen.
Beide Personengruppen wurden nach den aus ihrer Sicht wesentlichen positiven und
negativen Aspekten hoher Vielfalt und geringer Vielfalt gefragt. Kehrt man letztere
um, erhält man wiederum positive und negative Aspekte hoher Vielfalt. Durch diese
Art der Befragung können auch Aspekte identifiziert werden, die nicht als positiv
empfunden werden, so lange sie vorhanden sind, aber als negativ wahrgenommen
werden, wenn sie fehlen. Ein Beispiel hierfür ist das Gefühl eines Konsumenten, dass
es in anderen Geschäften bessere Angebote gibt, wenn er sich in einem Geschäft mit
relativ geringer Vielfalt befindet. Bei Aspekten, die von Experten oder Konsumenten
genannt, auf Basis theoretischer Überlegungen aber noch keine Berücksichtigung
fanden, wurde nach der Begründung für diesen Aspekt gefragt. Die Konsumenten
wurden im Rahmen der Interviews erst angesprochen, nachdem sie sich entscheiden
haben, ob sie ein Produkt kaufen oder nicht, so dass sie zusätzlich nach den Gründen
für ihre Kaufentscheidung gefragt werden konnten.
Zur Auswertung der aufgezeichneten Experten- und Kundeninterviews wurden die
genannten Aspekte zunächst den acht Faktoren der KNPV zugeordnet und
anschließend pro Faktor kategorisiert. Bis auf zwei Aspekte (Beratungs- und
Informationsbedarf), die nicht einem der Faktoren zuzuordnen waren, konnten alle
215

genannten Punkte jeweils einem Faktor zugeordnet werden. Die beiden Aspekte
werden indirekt über den Entscheidungsausgang (Informationsbedarf) und die
Berücksichtigung der Beratungszufriedenheit in einem erweiterten Modell (siehe
S. 343ff.) in die Untersuchung einbezogen.
Wie in Abbildung 50 zu erkennen ist, nannten Konsumenten die Vergleichsmöglichkeiten,
die empfundene Entscheidungsfreiheit und die allgemeine
Bedürfniserfüllung, sowie die Chance, ein Produkt mit optimalem Preis-Leistungs-
Verhältnis zu finden, als häufigste Nutzenaspekte großer Sortimente. Die
meistgenannten Kostenaspekte waren die Dauer und Anstrengung der Entscheidungsfindung,
die Schwierigkeit des Produktvergleichs sowie die Unsicherheit über die
Richtigkeit der Entscheidung und das Gefühl der Überforderung.
Häufigkeit
Nennung Antizipierter
Produktnutzen
18
Nutzendimension
Erfolgsaussichten
Informationsmöglichkeiten
Spaß
Positive
Emotionen
Aufwand und
Anstrengung
Kostendimension
Negative
Emotionen
Antizipiertes
Regret
16
14
AP EA Sp PE
IM AA 16 VF AR
15
12
10
8
6
4
6
6
5
8 8
7
8
2
0
3
3 3
2
3
2 2
1
1
3
1
3
2
.Bedürfniserfüllung algem
Bedürfniserfüllung Design
Produktkauf mit optimalem
.Preis-Leistungs Verh
Hohe Kaufchancen
Keine besseren Prod. in
anderen Geschäften
Info über neue Attribute
.Erkennen entsch.rel
Attribute
Marktübersicht
Vergleichsmöglichkeiten
Spass am Schauen
Spass am Testen/Anfassen
Entscheidungsfreiheit
Inspiration
Optimismus/guter Deal
Schwierigkeit Vergleich
Dauer/Aufwand
Komplexität
Frustration
Überforderung
Verwirrung
Bedauern/Fehlentscheidung
Un)Sicherheit)
Abbildung 50: Ergebnisse der qualitativen Konsumentenbefragung
Die aus der Literaturrecherche und den Experten- und Konsumenteninterviews
entstandene „Long-list“ an Indikatoren wurde schließlich pro Faktor nochmals
kategorisiert und von Redundanzen befreit. So ist eine Sammlung an Indikatoren
entstanden, die sowohl auf Erkenntnissen der Theorie, als auch auf Meinungen und
Wahrnehmungen von Experten und Konsumenten beruht. Dieses Ausgangs-
Messinstrument wird im Anschluss konstruktweise beschrieben.
216

3.2.2.2 Operationalisierung des Nutzens von Produktvielfalt
Die nachfolgend dargestellten Indikatoren bzw. Fragen des verwendeten Fragebogens
beziehen sich auf die Produktkategorie Digitalkameras. Die Itembatterie der zweiten
in der empirischen Untersuchung einbezogenen Produktart (DVD-Player und
DVD-Recorder) soll an dieser Stelle nicht zusätzlich aufgeführt werden.
Antizipierter Produktnutzen
Die Indikatoren zur Messung des antizipierten Produktnutzens lehnen sich inhaltlich
an eine Skala von Kahn und Wansink (2004, S. 531) an, die die Autoren im Kontext
von Süßigkeitenkäufen verwendeten. Die Itembatterie wurde auf die hier betrachtete
Kategorie der echten Kaufentscheidungen und den empirischen Rahmen des
Digitalkamerakaufs angepasst. Da die rationale Entscheidungstheorie davon ausgeht,
dass der Konsument das Produkt mit dem für ihn höchsten Nutzen kauft, wird nicht
nach dem durchschnittlichen, sondern dem maximalen Nutzen gefragt. Die Fragen
sind deshalb so formuliert, dass das Sortiment mindestens eine Digitalkamera
enthält, welche die jeweilige Nutzensausprägung erfüllt.
Der Faktor antizipierter Nutzen manifestiert sich in verschiedenen Aspekten, von
denen folgende in dieser Untersuchung relevant sind:
• Die antizipierte Erfüllung des kaufauslösenden Bedürfnisses durch das
Produkt (kognitiv),
• die antizipierte Freude (affektiv),
• der antizipierte funktionale Nutzen (kognitiv) und
• die antizipierte Zufriedenheit (kognitiv und affektiv).
Der antizipierte Nutzen kommt sowohl in kognitiven als auch affektiven Aspekten
zum Ausdruck. Bis auf den funktionalen Nutzenaspekt, der von Experten als
bedeutsam für den Kauf von Elektronikprodukten genannt wurde, finden sich die
Inhalte auch in der Skala von Kahn und Wansink (2004). Von Konsumenten wurde in
den Interviews die Erfüllung der eigenen Bedürfnisse hinsichtlich wünschenswerter
Produkteigenschaften besonders häufig angeführt. Der Indikator AnUt1 bildet diesen
Aspekt mit ab.
Tabelle 7 stellt die Indikatoren des Faktors antizipierter Produktnutzen dar.
217

Bezeichnung Item Inhalt Quelle
AnUt1
Das Sortiment enthält mindestens eine
Digitalkamera, die meine Bedürfnisse optimal
erfüllt und genau die Eigenschaften hat, die ich
mir wünsche.
Bedürfnisserfüllung
und wünschenswerte
Eigenschaften
In Anlehnung an
Kahn/Wansink 2004,
S. 531
AnUt2
Das Sortiment enthält mindestens eine
Digitalkamera, die mir viel Freude bereiten
wird.
Antizipierte Freude
AnUt3
Das Sortiment enthält mindestens eine
Digitalkamera, die mir viel nützen wird.
Antizipierter
funktionaler Nutzen
Experteninterviews
AnUt4
Das Sortiment enthält mindestens eine
Digitalkamera, mit der ich sehr zufrieden sein
werde.
Antizipierte
Zufriedenheit
In Anlehnung an
Kahn/Wansink 2004,
S. 531
Tabelle 7:
Indikatoren des Nutzen-Faktors „Antizipierter Produktnutzen“
Erfolgsaussichten
Der Faktor Erfolgsaussichten beschreibt, wie der Name schon sagt, die Chance des
Konsumenten, die Transaktion durch den Kauf eines Produkts erfolgreich zu beenden.
Wie die Konsumenteninterviews gezeigt haben, manifestieren sich diese vor allem im
Finden eines Produkts mit möglichst gutem Preis-Leistungs-Verhältnis. Dieser
Argumentation folgen auch Wright und Barbour (1975), die argumentieren, dass ein
Konsumtent „(…) may intuitively realize (…) that a larger pool (of alternatives)
increases his chance for an optimal choice (…)” (Wright/Barbour 1975, S. 248). Das
Item Erfolg1 bildet diesen Aspekt ab. Die Erfolgsaussicht, d. h. die Möglichkeit, ein
Produkt zu finden, das den eigenen Vorstellungen entspricht, ist eine weitere
Ausdrucksmöglichkeit des Faktorinhalts, der durch Erfolg2 abgebildet wird. Dieses
Item basiert auf der Argumentation von Hocht et al. (1999): „Greater variety and
larger assortments increase the probability of a perfect match”
(Hoch/Bradlow/Wansink 1999, S. 528). Eines der Hauptargumente des Handels für
große Sortimente kommt in der letzten Frage zum Ausdruck: Demnach hat ein
Konsument, der sich einem großen Sortiment gegenüber sieht, nicht das Gefühl, ein
besseres Angebot eines anderen Geschäfts zu verpassen. Er hat folglich geringere
„Opportunitätskosten“. Dhar (1997a, S. 216) spricht in diesem Zusammenhang vom
erwarteten Nutzen der Produktsuche. Er argumentiert, dass ein Konsument dann in
anderen Geschäften nach weiteren Alternativen sucht, „when (...he) expects to find
better alternatives by continuing to search“ (S. 216). Die Opportunitätskosten können
218

demnach als erwarteter Produktnutzen der durch die Weitersuche gefundenen
Alternativen interpretiert werden.
Der Faktor Erfolgsaussichten wird insgesamt durch die drei in Tabelle 8
beschriebenen Indikatoren gemessen.
Bezeichnung Item Inhalt Quelle
Erfolg1
Hier kann ich eine Digitalkamera mit
dem optimalen Preis-Leistungs
Verhältnis finden.
Erfolg hinsichtlich
Preis-Leistung
In Anlehnung an
Wright/Barbour 1975, S. 248;
Experten- und
Kundeninterviews
Erfolg2
Ich kann hier wahrscheinlich nicht
finden, was ich suche, und muss
deshalb noch in weitere Geschäfte
gehen. (Invers)
Übereinstimmung mit
eigenen
Vorstellungen
Experten- und
Kundeninterviews
Erfolg3
In anderen Geschäften gibt es bestimmt
noch bessere Digitalkameras und
Angebote. (Invers)
Vermiedene
Opportunität
In Anlehnung an
Dhar (1997a, S. 216) ;
Experten- und
Kundeninterviews
Tabelle 8:
Indikatoren des Nutzen-Faktors „Erfolgsaussichten“
Informationsmöglichkeiten
Dieser Faktor wird durch insgesamt sechs Items gemessen, die vornehmlich auf
verschiedenen Literaturquellen basieren (siehe Tabelle 9). Demnach bestehen die
Informationsmöglichkeiten durch hohe Produktvielfalt darin, dass sich Konsumenten
einen Überblick über die am Markt verfügbaren Produkte verschaffen können (Info1),
sich direkt vor Ort auf Basis des Sortiments informieren können und hierfür (Info2)
und sie aufgrund der verfügbaren Informationen eine gute Grundlage für die
Entscheidung haben (Info 3). Weiterhin kommen die Möglichkeiten zur
Informationsgewinnung dadurch zum Ausdruck, dass (potenzielle) Kunden die
entscheidungsrelevanten Produktattribute erkennen bzw. lernen können (Info4) und
sich über Marktneuheiten informieren können (Info5). Der Indikator Info6 bezieht sich
schließlich auf die Möglichkeit, aufgrund der großen Vielfalt, Produkte, Marken und
Preise miteinander vergleichen zu können. Dies war der von Konsumenten in der
qualitativen Befragung am häufigsten genannte positive Aspekt hoher Produktvielfalt.
In nachfolgender Tabelle ist die Itembatterie des Faktors zusammengefasst.
219

Bezeichnung Item Inhalt Quelle
Info1
Ich bekomme durch das Sortiment einen
guten Überblick über verschiedene
Produkte, Marken und Preise.
Marktüberblick
In Anlehnung an
Babin/Darden/Griffin
1994, S. 646
Info2
Ich kann mich hier gut informieren und
spare mir den Weg in andere Geschäfte.
Informationsmöglichkeiten
und reduzierter Aufwand
Experten- und
Kundeninterviews
Info3
Das Sortiment bietet mir alle
Informationen, die ich für eine gute
Entscheidung brauche.
Schaffung einer guten
Entscheidungsbasis
In Anlehnung an
Huffmann/Kahn
1998, S. 510
Info4
Durch die verschiedenen Produkte kann
ich feststellen, auf welche
Produkteigenschaften ich beim Kauf
besonders achten muss.
Identifikation
entscheidungsrelevanter
Produktattribute
In Anlehnung an
Walsh 2002, S. 203
Info5
Ich kann mich durch das Sortiment über
Neuheiten am Markt informieren.
Informationen über
Neuheiten am Markt
In Anlehnung an
Arnold/Reynolds
2003, S. 80
Info6
Die Vielfalt an Digitalkameras gibt mir
die Möglichkeit, Preise und Produkte zu
vergleichen.
Vergleichsmöglichkeiten
Experten- und
Kundeninterviews
Tabelle 9:
Indikatoren des Nutzen-Faktors „Informationsmöglichkeiten“
Spaß (am Einkauf)
Der Nutzenfaktor Spaß wird anhand von vier Indikatorvariablen gemessen (siehe
Tabelle 10). Das Item Spaß1 geht auf Argumente von Arnold und Reynolds (2003,
S. 80) zurück, wonach Konsumenten Spaß daran haben, Neues über Produkte zu
erfahren. Dies ist konform mit den Personal Shopping Motives von Taubner (1972)
und empirischen Erkenntnissen von Bloch, Sherrell und Ridgway (1986, S. 125): Die
drei Autoren konnten zeigen, dass Konsumenten fortlaufend und unabhängig von
Kaufabsichten Informationen zu Produkten sammeln und Wissen über sie erwerben,
weil sie daran Spaß haben und dadurch positive Emotionen empfinden. Das Item
Spaß3 bildet einen ähnlichen Aspekt ab wie das erste Item, betont hierbei aber stärker
den Neuheitsaspekt. Der Indikator Spaß2 geht auf die Argumentation von Desmeules
(2002, S. 8) zurück, wonach Konsumenten Spaß daran haben, sich vorzustellen, eines
der verfügbaren Produkte zu besitzen. Bei großen Sortimenten gibt es hierfür mehr
Möglichkeiten als bei kleinen, weshalb diese Variable den Spaßfaktor großer
Sortimente zum Ausdruck bringen kann. Ein weiterer in den Konsumenteninterviews
genannter und auch von Punj und Staelin (1983) angeführter Aspekt dieses Faktors ist
die Möglichkeit, verschiedene Produkte anschauen, anfassen und ausprobieren zu
können: „Consumers get pleasure (benefit) from trying out numerous brands within a
220

product class or from seeking out information about them“ (Punj/Staelin 1983,
S. 368f.). Das Item Spaß4 misst diesen Aspekt.
Bezeichnung Item Inhalt Quelle
Spaß1
Spaß2
Spaß3
Spaß4
Tabelle 10:
Es macht mir Spaß, hier während des
Einkaufens mehr über Digitalkameras
zu erfahren.
Es macht mir Spaß, mir vorzustellen,
eine der verschiedenen Kameras des
Sortiments zu besitzen.
Es macht mir Spaß, hier neue
Digitalkameras und Eigenschaften
von Digitalkameras zu entdecken.
Es macht mir Spaß, hier die
verschiedenen Digitalkameras
anschauen, anfassen und ausprobieren
zu können.
Spaß durch Lernen
Spaß durch
Vorstellung/Phantasie
Spaß durch Entdecken von
Neuem
Spaß durch „Touch and
Feel“
Indikatoren des Nutzen-Faktors „Spaß (am Einkauf)“
In Anlehnung an
Arnold/Reynolds 2003,
S. 80
In Anlehnung an
Desmeules 2002, S. 8
In Anlehnung an
Babin/Darden/Griffin
1994, S. 649;
Chandon/Wansink/Laurent
2000, S. 69
In Anlehnung an
Punj/Staelin 1983,
S. 368f.;
Konsumenteninterviews
Positive Emotionen
Der Faktor positive Emotionen wird durch eine Batterie von sieben Items
operationalisiert (siehe Tabelle 11). Bei der Generierung der Indikatoren ist zu
beachten, dass ein weites Spektrum von Emotionen, die im Kontext von
Produktvielfalt entstehen können, in der Skala zum Ausdruck kommt. Fünf der sieben
Indikatoren stammen deshalb aus existierenden Emotionsskalen aus dem
Konsumkontext. Die Items PoEm1, PoEm2 und PoEm4 basieren auf dem
Consumption Emotions Set (CES) von Richins (1997) und PoEm5 sowie PoEm7 aus
der von Mano und Oliver 1993 (S. 649) entwickelten Skala. Ergänzt werden diese
Items durch die auf Iyengar und Lepper (2002, S. 72ff.) und Reibstein et al. (1975,
S. 435) zurückgehende empfundene Entscheidungsfreiheit (PoEm3) und die schon im
Zusammenhang mit der Informationsgewinnung erwähnten positiven Emotionen durch
neue Erfahrungen (PoEm6).
221

Bezeichnung Item Inhalt Quelle
PoEm1
Das Digitalkamerasortiment ist
ansprechend.
Sortimentsanmutung
Consumption Emotions Set
(CES) (Richins 1997,
S. 127ff.) 35
PoEm2
Das Digitalkamerasortiment ist
aufregend.
Excitement/Reiz
Consumption Emotions Set
(CES) (Richins 1997,
S. 127ff.)
PoEm3
Das Digitalkamerasortiment gibt mir
das Gefühl, selbst bestimmen zu
können, was ich kaufen will.
Entscheidungsfreiheit/
Selbstbestimmtheit
In Anlehnung an
Iyengar/Lepper 2002,
S. 72ff.;
Reibstein/Youngblood/
Fromkin 1975, S. 435
PoEm4
Das Digitalkamerasortiment stimmt
mich optimistisch.
Optimismus
Consumption Emotions Set
(CES) (Richins 1997,
S. 127ff.)
PoEm5
Das Digitalkamerasortiment langweilt
mich.
Unterhaltung
In Anlehung an
Babin/Attaway 2000, S. 94;
Mano/Oliver 1993, S. 456
PoEm6
Das Digitalkamerasortiment bietet mir
neue interessante Erfahrungen.
Neue Erfahrungen
In Anlehnung an
Babin/Darden/Griffin 1994,
S. 649
PoEm7
Das Digitalkamerasortiment inspiriert
mich.
(Kauf)Inspiration
In Anlehnung an
Mano/Oliver 1993, S. 456
Tabelle 11:
Indikatoren des Nutzen-Faktors „Positive Emotionen“
Damit sind alle Faktoren des Nutzenkonstrukts mittels geeigneter Fragen
operationalisiert. Der nächste Abschnitt beschreibt die Operationalisierung der Kosten
von Produktvielfalt.
3.2.2.3 Operationalisierung der Kosten von Produktvielfalt
Aufwand und Anstrengung
Der erste Faktor der Kostendimension wird durch sechs Indikatoren gemessen (siehe
Tabelle 12). Die Dauer und der Aufwand der Entscheidung wurden von Konsumenten
am häufigsten als negative Aspekte hoher Produktvielfalt genannt (siehe Abbildung
50, S. 216). Dieser auch von Loewenstein (1999, S. 2) angeführte Negativaspekt wird
durch das Item Aufw1 erfasst. Der Autor argumentierte, dass sich der Entscheidungsaufwand
bei großer Vielfalt auch im hohen Zeitaufwand niederschlägt, der mittels
35 In: Bearden/Netemeyer/Mobley, M. F. (1999): Handbook of marketing scales, S. 236ff.
222

Aufw3 gemessen wird. Angela Hausman (1996, S. 345f.) hat den Aufwand bei der
Entscheidung zum einen global („I put forth a great deal of effort making this
decision“) und zum anderen in Bezug auf die kognitive Anstrengung („I thought very
hard about which product I chose“) gemessen. Die Indikatoren Aufw2 und Aufw4
entsprechen diesen zwei Gesichtspunkten. Neben der empfundenen Anstrengung und
Mühe (Aufw6) ist auch die wahrgenommene Komplexität bzw. Schwierigkeit (Aufw5)
ein Maß für den durch Vielfalt verursachten Entscheidungsaufwand.
Bezeichnung Item Inhalt Quelle
Aufw1
Aufw2
Aufw3
Aufw4
Ich muss viel Zeit und Energie in die
Entscheidung investieren, welche die
beste Digitalkamera für mich ist.
Insgesamt ist die Entscheidung mit
großem Aufwand verbunden.
Es dauert lange, die richtige
Digitalkamera zu finden.
Ich muss viel nachdenken, um die
richtige Entscheidung zu treffen.
Zeit- und
Energieaufwand
Aufwand global
Zeitaufwand
Kognitiver
Aufwand
Aufw5 Die Entscheidung ist kompliziert. Schwierigkeit/
Kompliziertheit
Aufw6
Ich finde die Entscheidung sehr mühsam
und anstrengend.
Mühe und
Anstrengung
In Anlehung an Loewenstein
1999, S. 2
Konsumenteninterviews
In Anlehnung an Hausman
1996, S. 345f.
In Anlehung an Loewenstein
1999, S. 2
In Anlehnung an Hausman
1996, S. 345f.
In Anlehunge an
Huffmann/Kahn 1998, S. 510;
Laurent/Kapferer 1985 36
Experteninterviews
Tabelle 12:
Indikatoren des Kosten-Faktors „Aufwand und Anstrengung“
Negative Emotionen /Verwirrung und Frustration
Wie auch beim Faktor positive Emotionen des Nutzenkonstrukts, wird bei der
Operationalisierung der negativen Emotionen vornehmlich auf bestehende
Emotionsskalen zurückgegriffen. In der Literatur werden mit hoher Vielfalt vor allem
die Emotionen Verwirrung und Frustration in Zusammenhang gebracht (vgl.
Huffmann/Kahn 1998, S. 510ff.; Klein/Yadav 1989, S. 414; Walsh 2002, S. 223ff.;
Fitzsimons/Greenleaf/Lehmann 1997, S. 34ff.). Der Faktor negative Emotionen wird
nachfolgend deshalb zur besseren Interpretierbarkeit als Verwirrung und Frustration
bezeichnet. Durch die Indikatoren VerFr1, VerFr3, VerFr4, VerFr5 und VerFr6,
werden diese beiden Emotionen in der Skala operationalisiert. Sie wurden in
223

Anlehnung an das Consumer Style Inventory (CSI) (vgl. Sproles/Kendal 1990), die
Studie von Klein und Yadav (1989, S. 414), sowie der schon verwendeten CES
(Richins 1997) formuliert. Auch Jacoby, Speller und Kohn (1974, S. 64) maßen bei
ihrer Untersuchung zur Informationsüberlastung die empfundene Verwirrung der
Befragungsteilnehmer (VerFr1). Aus den Interviews mit Kunden und Experten ging
außerdem hervor, dass sich Konsumenten durch Vielfalt häufig überfordert fühlen.
Das Item VerFr2 integriert diese Emotion in die Skala. Da Verwirrung und Frustration
im Extremfall durch Entscheidungsangst zum Ausdruck kommen, wurde auch dieses
Gefühl in die Operationalisierung des Faktors aufgenommen (VerFr7).
Bezeichnung Item Inhalt Quelle
VerFr1
VerFr2
VerFr3
Die vielen Digitalkameras
verwirren mich etwas.
Ich fühle mich von der
Entscheidung überfordert.
Ich fühle mich
durcheinander.
Verwirrung
Überforderung
Verwirrung
VerFr4 Ich fühle mich frustiert. Frustration
VerFr5 Ich fühle mich genervt. Frustration
In Anlehnung an Jacoby/
Speller/Kohn 1974, S. 64;
Consumer Style Inventory (CSI)
(Sproles/Kendal 1990) 37
Konsumenten- und
Experteninterviews
In Anlehnung an
Walsh 2002, S. 223;
Klein/Yadav 1989, S. 414
Consumption Emotions Set (CES)
(Richins 1997, S. 127ff.) 38
VerFr6 Ich fühle mich deprimiert. Frustration
VerFr7
Ich fürchte mich vor der
Entscheidung.
Angst
Tabelle 13:
Indikatoren des Kosten-Faktors „Verwirrung und Frustration“
Antizipiertes Regret
Bei diesem Faktor kann nur in geringem Maß auf etablierte Emotionsskalen
zurückgegriffen werden, da antizipiertes Regret eine spezielle Emotionsform darstellt,
die bisher in empirischen Untersuchungen wenig Beachtung fand. Es werden deshalb
einzelne Aspekte des antizipierten Regrets aus verschiedenen Skalen übernommen und
36 In: Bearden/Netemeyer/Mobley, M. F. (1999): Handbook of marketing scales, S. 180f.
37 In: Bearden/Netemeyer/Mobley, M. F. (1999): Handbook of marketing scales, S. 260f.
224

durch Ergebnisse der Konsumenten- und Experteninterviews ergänzt. Aus letzteren
wurde der Indikator AnReg1 abgeleitet, der die Antizipation von Regret in einfacher
Art und Weise umschreibt. Jacoby, Speller und Kohn (1974, S. 64) verwendeten eine
ähnliche Frage, um das Empfinden von Regret während der Entscheidung zu messen.
Gleiches gilt für das Item AnReg2, das mit der empfundenen Entscheidungsunsicherheit
eine nahverwandte Emotion des antizipierten Regrets in die Skala
einbezieht. Dieser Punkt wurde außerdem von Konsumenten häufig als negativer
emotionaler Aspekt hoher Vielfalt genannt und findet sich auch im Consumer
Involvement Profile (CIP) von Laurent und Kapferer (1985). Da Regret antizipiert und
in den Entscheidungsprozess einbezogen wird, kann es sich auch in Form eines
„unguten Gefühls“ bei der Entscheidung äußern, das durch AnReg3 abgebildet wird.
Sweeney, Hausknecht und Soutar (2000, S. 281) führen dieses ungute Gefühl auf
kognitive Dissonanzen während der Entscheidung zurück, die wiederum zu Regret
bzw. antizipiertem Regret führen können (vgl. Seilheimer 2001, S. 41ff.). Das
auftretende ungute Gefühl kann folglich Ausdruck antizipierten Regrets sein. Während
durch die Indikatorvariable AnReg4 die Möglichkeit des Auftretens von Regret direkt
erfragt wird, beschreibt die Variable AnReg6 eine Antezedenz von Regret. Hohe
Erwartungen fördern die Entstehung von (antizipiertem) Regret (vgl. Desmeules
2002, S. 10) und werden deshalb in die Skala einbezogen. Das Item AnReg5 integriert
schließlich mit dem antizipierten Tadel eine Emotion, die auf dieselben
Entstehungsprozesse wie das antizipierte Regret zurückzuführen ist und folglich einen
Randaspekt hiervon abdecken kann (vgl. Anderson 2003, S. 148ff.). Tabelle 14 stellt
die verwendete Itembatterie dar.
38 In: Bearden/Netemeyer/Mobley, M. F. (1999): Handbook of marketing scales, S. 236ff.
225

Bezeichnung Item Inhalt Quelle
AnReg1
AnReg2
AnReg3
AnReg4
AnReg5
AnReg6
Tabelle 14:
Wenn ich später merke, dass ich mich
besser für eine andere Digitalkamera
entschieden hätte, bedauere ich meine
Entscheidung schon jetzt.
Während der Entscheidung war ich
mir immer ganz sicher, die für mich
beste Digitalkamera zu kaufen.
(Invers)
Ich habe bei der Entscheidung alles in
allem ein ungutes Gefühl.
Es kann durchaus sein, dass ich
meinen Kauf später bereue.
Für meine Entscheidung könnte ich
von anderen kritisiert werden.
Die Auswahl an Produkten weckt in
mir die Erwartung, dass ich genau das
Produkt finde, das ich suche.
Bedauern bei
Erkenntnis der
Fehlentscheidung
Entscheidungsunsich
erheit
Ungutes Gefühl
(antizipiertes Regret)
Mögliches Auftreten
von Bedauern
Antizipierter Tadel
Hohe Erwartungen
als Antezedenz von
antizipiertem Regret
Indikatoren des Kosten-Faktors „Antizipiertes Regret“.
In Anlehnung an
Jacoby/Speller/Kohn 1974,
S. 64;
Konsumenten- und
Experteninterviews
In Anlehnung an
Laurent/Kapferer 1985 39 ;
Jacoby/Speller/Kohn 1974,
S. 64; Konsumenteninterviews
In Anlehungen an
Sweeney/Hausknecht/Soutar
2000, S. 281; 16/176;
Feigs 1976, S. 24ff.
In Anlehnung an
Chatterjee/Heath 1996, S. 148f.
In Anlehnung an
Anderson 2003, S. 147ff.
In Anlehnung an
Desmeules 2002, S. 10
Es sind damit für alle Faktoren der Kosten von Produktvielfalt Itembatterien erstellt
worden. Im nächsten Schritt ist nun festzulegen, ob die Messmodelle formativen oder
reflektiven Charakter haben.
3.2.2.4 Art der Messmodelle
Die Dimensionsebene, d. h. die Beziehungen zwischen den Faktoren und der Nutzenbzw.
Kostendimension wird, wie bereits angedeutet, formativ operationalisiert. Auf
Faktorenebene kommen dagegen reflektive Messmodelle zur Anwendung. Die
Begründung hierfür erfolgt nachfolgend getrennt für die beiden Ebenen anhand der auf
Jarvis et al. (2003, S. 203) zurückgehenden, in Kapitel 3.1.2.3 beschriebenen und in
Tabelle 6 (S. 205) zusammengefassten vier Kriterien
• Richtung der Kausalität
• Austauschbarkeit der Indikatoren
• Kovariation zwischen den Indikatoren und
• nomologisches Netz der Indikatoren.
39 Teil des Consumer Involvement Profiles (CIP): Probability of Mispurchase; In:
Bearden/Netemeyer/Mobley, M. F. (1999): Handbook of marketing scales, S. 180f.
226

Begründung für ein formatives Messmodell auf Dimensionsebene
Richtung der Kausalität zwischen Faktoren und der jeweiligen Dimension
Die Faktoren der Kosten- und Nutzendimension wurden aus den in Kapitel 2
dargestellten Theorien als verschiedene Facetten der jeweiligen Dimension abgeleitet.
Sie stellen definierende Merkmale der Dimensionsebene dar, da jeder Faktor
unterschiedliche Nutzen- bzw. Kostenaspekte beschreibt. Nimmt beispielsweise der
Wert des Faktors Antizipiertes Regret zu, führt dies zur Erhöhung der
(Entscheidungs)Kosten. Umgekehrt führt eine Veränderung auf Dimensionsebene
nicht automatisch zur Veränderung aller Faktoren. So kann z. B. ein höherer Nutzen
sowohl auf höhere Informationsmöglichkeiten als auch auf stärker ausgeprägte
positive Emotionen zurückzuführen sein.
Austauschbarkeit der Indikatoren bzw. Faktoren
Bei der Verwendung eines reflektiven Messmodells müssen die Indikatoren der
Faktoren austauschbar sein, d. h. denselben oder ähnlichen Inhalt haben. Gleiches gilt
auf Konstruktebene für die Faktoren; diese sollten bei reflektiver Operationalisierung
austauschbar sein. Da die Faktoren sowohl auf Kosten- als auch Nutzenseite jeweils
unterschiedliche Inhalte darstellen, können die Faktoren nicht gegenseitig ausgetauscht
werden. So unterscheiden sich beispielsweise die Faktoren der Nutzendimension
antizipierter Produktnutzen und Spaß offensichtlich hinsichtlich ihres Inhalts. Würde
ein Faktor eliminiert werden, würde dadurch der Inhalt der Dimension verändert
werden. Eine reflektive Operationalisierung wäre deshalb inhaltlich falsch.
Kovariation zwischen den Indikatoren bzw. Faktoren
Wie bereits verdeutlicht, führt die Erhöhung eines Faktors nicht automatisch zur
Erhöhung der anderen Faktoren; ferner sind diese nicht gegen einander austauschbar,
was auf eine Kovariation der Faktoren hindeuten würde. Die Begründung dafür, dass
die Faktoren des jeweiligen Konstrukts nicht, wie bei einem reflektiven Messmodell
gefordert, kovariieren, liegt in erster Linie an ihren unterschiedlichen Inhalten. So
führt eine Erhöhung des Faktors Antizipiertes Regret z. B. nicht automatisch zu
erhöhtem Aufwand.
227

Nomologisches Netz der Faktoren
Bei einem formativen Messmodell müssen die Faktoren im Gegensatz zum reflektiven
Modell nicht notwendigerweise auf dieselben Ursachen zurückzuführen sein. Da die
Facetten von Kosten und Nutzen von Produktvielfalt aus verschiedenen Theorien und
theoretischen Konzepten abgeleitet wurden, haben sie folglich auch unterschiedliche
Antezedenzien.
Alle vier Kriterien zeigen, dass auf Dimensionsebene für beide Konstrukte – Nutzen
von Produktvielfalt und Kosten von Produktvielfalt – ein formatives Messmodell
inhaltlich begründet ist.
Begründung für die Verwendung reflektiver Messmodelle auf Faktorenebene
Richtung der Kausalität zwischen Indikatoren und dem jeweiligen Faktor
Im Gegensatz zur Konstruktebene sind die Indikatoren Manifestationen des jeweiligen
Faktors, d. h. die Kausalität verläuft vom Faktor zu den manifesten Variablen. Die
Indikatorvariablen bringen hierbei unterschiedliche Äußerungsformen eines Faktors
zum Ausdruck, weshalb sie sich inhaltlich leicht voneinander entscheiden. Diese
inhaltlichen Unterschiede könnten zunächst auf ein formatives Messmodell schließen
lassen. Man kann dies widerlegen, indem man sich überlegt, wie sich eine
Veränderung des Faktorwerts auf die zugehörigen Indikatoren auswirkt: Erhöht sich
z. B. der Wert des antizipierten Produktnutzens, so führt dies dazu, dass der
Konsument davon ausgeht, dass seine Bedürfnisse besser erfüllt werden (AnUt1), er
mehr Freude am Produkt hat (AnUt2), die Digitalkamera ihm mehr nützt (AnUt3) und
er mit ihr zufriedener ist (AnUt4). Der Wert aller vier Indikatoren würde folglich in
ähnlicher Höhe zunehmen wie der des Konstrukts. Dies spricht für ein reflektives
Messmodell. Durch ähnliche Überlegungen kommt man zum Schluss, dass bei allen
betrachteten Faktoren die Kausalität vom Faktor zu den Indikatoren verläuft.
Austauschbarkeit der Indikatoren
Die Indikatoren unterscheiden sich inhaltlich zwar leicht, haben aber alle ein eng
eingegrenztes gemeinsames Thema. Wird ein Item entfernt, wird deshalb der
konzeptionelle Rahmen des Faktors nicht verändert. Steigt beispielsweise der
228

Aufwand der Entscheidung, so dürfte sich dies sowohl im Zeitaufwand, in der
kognitiven Anstrengung und der empfundenen Komplexität der Entscheidung äußern.
Wird ein Aspekt entfernt, wird der Inhalt des Konstrukts dadurch aber nicht verändert.
Kovariation zwischen den Indikatoren
Dieser Aspekt ist eng mit der Austauschbarkeit der manifesten Variablen verbunden:
Sind die Items austauschbar, sollten sie auch kovariieren. Es ist beispielsweise davon
auszugehen, dass ein Konsument, der sich überfordert fühlt, auch Verwirrung und
Frustration empfindet.
Nomologisches Netz der Indikatoren
Jeder Faktor wurde im Wesentlichen aus einer Theorie abgeleitet. Somit beruhen auch
seine Indikatoren jeweils auf einer oder wenigen Theorien. Folglich haben alle Items
dieselben Antezedenzien und auch Konsequenzen. Dieser Punkt spricht, wie auch die
anderen, für ein reflektives Messmodell.
Alle Faktoren erfüllen die Kriterien zur Verwendung eines reflektiven Messmodells
und werden folglich reflektiv operationalisiert. Das Messmodell des Werts von
Produktvielfalt mit seiner Kosten- und Nutzendimension kann damit zusammenfassend
wie folgt dargestellt werden.
Zusammenfassende Darstellung des Messmodells von Kosten und Nutzen von
Produktvielfalt
Abbildung 51 stellt die Konzeptualisierung und Operationalisierung des Werts von
Produktvielfalt als zentrales Konstrukt der Untersuchung zusammenfassend dar. Zu
erkennen ist, dass die Faktorenebene (Ebene 1), d. h. die Beziehungen zwischen den
Indikatoren und den Faktoren reflektiv operationalisiert sind. Die Dimensionsebene
(Ebene 2), welche die Beziehungen der Faktoren zur Nutzen- bzw. Kostendimension
beschreibt, wird durch ein formatives Messmodell operationalisiert. Zu erkennen ist
wieterhin, dass die Kosten von Produktvielfalt und Nutzen von Produktvielfalt als
unabhängige Dimensionen des übergeordneten Wertkonstrukts konzeptualisiert
wurden (siehe S. 209f.).
229

Konstruktebene
Nutzen
NPV
Wert von Produktvielfalt
Kosten
KPV
Ebene 2
(formativ)
Antizipierter
Produktnutzen
Erfolgsaussichten
Informationsmöglichkeiten
Spaß
Positive
Emotionen
Aufwand und
Anstrengung
Negative
Emotionen
Antizipiertes
Regret
AP EA IM Sp PE
AA VF AR
Ebene 1
(refklektiv)
... ... ... ... ... ... ... ...
Abbildung 51: Operationalisierung des Werts von Produktvielfalt als zweidimensionales,
mehrfaktorielles Konstrukt mit reflektivem Messmodell auf Faktorenebene und formativem
Messmodell auf Dimensionsebene
Dieses Messmodell wurde einem Pretest unterzogen, dessen Ablauf, Untersuchungsdesign
und Ergebnisse nachfolgend beschrieben werden.
3.3 Pretest
Ziel des Pretests ist es, die Messmodelle der KPV und NPV für die Hauptuntersuchung
im Hinblick auf die Länge des dort zu verwendenden Fragebogens zu optimieren.
Hierzu werden Indikatoren, die überflüssig sind, nicht eindeutig einem Faktor
zugeordnet werden können oder keinen wesentlichen Erklärungsbeitrag zu einem
Faktor leisten, aus dem Messmodell entfernt.
Ansatzpunkt und Betrachtungsebene ist hierbei die reflektiv operationalisierte
Faktorenebene des Gesamtkonstrukts. Die formativ operationalisierte
Dimensionsebene eignet sich nicht für eine Optimierungsmaßnahme, da die Faktoren
jeweils einzelne Facetten der Dimension darstellen, die aus der Theorie abgeleitet
wurden und deshalb nicht ohne Weiteres aufgrund statistischer Kriterien entfernt
werden dürfen: „Omitting an indicator 40 is omitting a part of the construct“
(Bollen/Lennox 1991, S. 308). Im Rahmen der Beschreibung des formativen
Messmodells wurde hierauf bereits ausführlich eingegangen (siehe S. 198ff.). Die
40 Im Fall der KPV und NPV bezieht sich dies auf die Faktoren der formativ operationalisierten
Dimensionsebene und nicht auf die Indikatoren des Faktors.
230

Analysen des Pretests fokussieren deshalb auf die insgesamt acht reflektiv
operationalisierten Faktoren der Nutzen- und Kostendimension. Die
Gütebeurteilung des formativen Teils des Gesamtmessmodells (Ebene 2) ist Teil der
Hauptuntersuchung (siehe S 287ff. (NPV) und S. 296ff. (KPV)).
Anschließend werden die verwendeten Analyseverfahren, insbesondere die
konfirmatorische Faktorenanalyse mit den entsprechenden Gütemaßen kurz erläutert.
Im Anschluss folgen die Beschreibungen des Designs und der Analyseergebnisse der
empirischen Untersuchung.
3.3.1 Methodik und Gütekriterien
Zur Analyse der einzelnen Faktoren des Messmodells (Ebene 1) kommen im Pretest
zwei Verfahren zur Anwendung:
• Die exploratorische Faktorenanalyse (EFA) und
• die konfirmatorische Faktorenanalyse (KFA).
Beide Methoden sind in der empirischen Sozialforschung und insbesondere in der
Marketingforschung weit verbreitet, weshalb auf deren ausführliche Darstellung an
dieser Stelle verzichtet wird 41 . Die nachfolgenden Ausführungen konzentrieren sich
auf eine Beschreibung der Vorgehensweise und der verwendeten Gütekriterien bei
der Analyse, sowie eine knappe Darstellung des Methodenhintergrunds.
Vorgehensweise und Methodenhintergrund
Da nur die Ebene 1 des Messmodells im Rahmen des Pretests untersucht wird, erfolgt
die Gütebeurteilung für jeden Faktor separat. Eine Ausnahme bildet dabei das
Fornell-Larcker-Kriterium, das Faktor übergreifend ist und der Überprüfung der
Diskriminanzvalidität dient.
Die Analyse des Messmodells beginnt für jeden der acht Faktoren mit einer
exploratorischen Faktorenanalyse. Diese dient in erster Linie der Überprüfung der
Unidimensionalität des Faktors, die im Hinblick auf die Konvergenzvalidität ein
zentraler Aspekt ist (vgl. Homburg/Giering 1996, S. 8). Hierzu wird untersucht, ob die
231

einem Faktor zugeordneten Indikatoren auch tatsächlich nur auf einen Faktor laden.
Beurteilen lässt sich dies anhand der ermittelten Eigenwerte der Korrelationsmatrix
der manifesten Variablen: Ein häufig verwendetes Kriterium ist dabei das so genannte
Kaiser-Kriterium, das besagt, dass die Anzahl der extrahierten Faktoren der Anzahl
der Faktoren mit einem Eigenwert über 1 entspricht (vgl. Backhaus et al. 2003,
S. 295). Als Extraktionsverfahren kommt in der vorliegenden Untersuchung dabei die
Hauptachsenanalyse zum Einsatz. Hat ein Faktor mehrere Eigenwerte über 1, führt
dies zur Aufnahme der zusätzlichen Faktoren.
Im Gegensatz zur exploratorischen Faktorenanalyse, deren Ziel die Aufdeckung von
Faktorstrukturen ist, dient die konfirmatorische Faktorenanalyse (KFA) der
Überprüfung vermuteter Faktorstrukturen, die vorab aus der Theorie, aus
Expertengesprächen oder aus empirischen Voruntersuchungen abgeleitet wurden. Eine
konfirmatorische Faktorenanalyse kommt folglich dann zum Einsatz, „(...) when the
researcher has some knowledge about the unterlying latent variable structure“ (Byrne
1998, S. 5). Da die Faktorstruktur der Kosten- und Nutzendimension im Rahmen der
Konzeptualisierung und Operationalisierung sowohl aus der Theorie als auch aus
Experten- und Kundeninterviews abgeleitet wurde, ist die Anwendung der
konfirmatorischen Faktorenanalyse zulässig und sinnvoll um die vermuteten
Faktorstrukturen zu überprüfen.
Die KFA stellt einen Spezialfall der Kausalanalyse dar, in der „auf der Grundlage von
empirisch gemessenen Varianzen und Kovarianzen von Indikatorvariablen durch
Parameterschätzung Rückschlüsse auf Abhängigkeitsbeziehungen zwischen zugrunde
liegenden latenten Variablen“ (Homburg/Pflesser 1999b, S. 635) gezogen werden. In
Abbildung 43 (S. 191) wurde bereits ein vereinfachtes Strukturmodell mit der für die
Kausalanalyse typischen Unterscheidung von Mess- und Strukturmodell
veranschaulicht (für eine detaillierte Darstellung siehe Kapitel 3.1.1.2, S. 190ff.). Die
KFA ist insofern ein Spezialfall der Kausalanalyse, da sie nur die Beziehungen
zwischen den latenten Variablen und den zugehörigen Indikatoren, nicht aber die
Abhängigkeiten der latenten Variablen untereinander untersucht. Sie stellt somit eine
separate Analyse des Messmodells dar (vgl. Byrne 1998, S. 18).
In dieser Untersuchung wird die KFA mit Hilfe von LISREL (8.54) durchgeführt.
LISREL (LInear Structural RELations) ist ein in der Marketingforschung häufig
verwendetes Softwarepaket zur Abbildung und Analyse von Kausalmodellen, das von
41 Eine ausführliche Beschreibung findet sich z. B. bei Homburg/Giering 1996, Homburg 1995;
232

Jöreskog und Sörbom (1982, S. 404ff.) entwickelt wurde. Die Bezeichnung LISREL
ist darauf zurückzuführen, dass sich die Messmodelle und das Strukturmodell als
lineare Gleichungssysteme darstellen lassen, weshalb man in diesem Zusammenhang
auch von einem linearen Strukturgleichungsmodell spricht (vgl. Backhaus et al. 1996,
S. 327). Die Schätzung der Modellparameter (Faktorladungen, Varianzen und
Kovarianzen der Faktoren, Varianzen der Messvariablen) erfolgt hierbei mit dem Ziel,
eine möglichst gute Übereinstimmung der vom Modell reproduzierten
Kovarianzmatrix der Indikatorvariablen mit der empirischen Kovarianzmatrix der
Indikatoren zu erreichen (vgl. Homburg/Faßnacht/Werner 2002, S. 520). LISREL
gehört folglich der Kategorie der kovarianzbasierten Verfahren an.
Das Programm ermöglicht die Anwendung von sieben verschiedenen Schätzverfahren
zur Bestimmung der Modellparameter, von denen die Maximum-Likelihood (ML)
Methode die bekannteste und wohl auch am häufigsten verwendete ist. Diese setzt
aber eine zumindest annähernde Normalverteilung der manifesten Variablen voraus,
was explizit vor Durchführung der KFA zu überprüfen ist. In dieser Untersuchung
wird deshalb der KFA der Kolmogorow-Smirnow-Test zum Test der
Normalverteilungsannahme der Indikatoren vorgelagert (vgl. Bellgardt 2004, S. 84f.).
Ab einem Signifikanzniveau < 0,05 ist die Normalverteilungsannahme abzulehnen. Ist
dies der Fall, kann die ML-Methode nicht mehr angewendet werden und es kommt
entsprechend der Empfehlungen in der Literatur das Unweighted-Least-Squares (ULS)
Verfahren als Schätzmethode zum Einsatz (vgl. Backhaus et al. 2003, S. 363ff.;
Herrmann/Huber/Wricke 1999, S. 685, Homburg/Hildebrand 1998, S. 22).
Notwendige Voraussetzung für die Identifizierbarkeit des Modells einer KFA ist
außerdem, dass die Anzahl der Indikatoren größer ist als 3 (vgl. Kline 1998,
S. 203). Besteht ein Faktor folglich aus weniger als vier Items, ist für diesen keine
KFA durchführbar.
Gütemaße
Für die Beurteilung der Güte des resultierenden Modells, genauer gesagt der Güte der
Anpassung der geschätzten Kovarianz- bzw. Korrelationsmatrix an die empirische
Kovarianz bzw. Korrelationsmatrix, stellt LISREL als Verfahren der zweiten
Generation verschiedene Anpassungsmaße zur Verfügung. Hierbei wird zwischen
Algesheimer 2004, Byrne 1998 und Kline 1998.
233

lokalen und globalen Gütemaßen unterschieden. Während erstere der Überprüfung
von Modellteilen, wie beispielsweise der Beziehung zwischen einer latenten Variablen
und einzelnen Indikatoren dienen, erfolgt mittels globaler Gütemaße die Beurteilung
des Gesamtmodells – im Fall der KFA also des gesamten Messmodells. Sowohl lokale
als auch globale Anpassungsmaße sind bei der Gütebeurteilung im Rahmen der KFA
zu berücksichtigen (vgl. Homburg/Baumgartner 1995, S. 1103). Abbildung 52 gibt
einen Überblick zu verschiedenen Anpassungsmaßen. Auf eine detaillierte Darstellung
und Beschreibung soll an dieser Stelle verzichtet werden. Der interessierte Leser sei
auf Algesheimer (2004, S. 195ff.) und Homburg/Pflesser (1999a, S. 425ff.; 1999b,
S. 646ff.) verwiesen.
Anpassungsmaße
Globale
Anpassungsmaße
Lokale
Anpassungsmaße
Anpassungsmaße mit
Vergleichsstandards
(Relative globale
Anpassungsmaße)
Anpassungsmaße für das
Strukturgleichungsmodell
Anpassungsmaße für das
Messmodell
Stand-Alone
Anpassungsmaße
Beispiel:
• Quadrierte multiple
Korrelation
Beispiele:
• t-Wert
(Faktorladungen)
• Indikatorreliabilität
• Faktorreliabilität
• DEV
Inferenzstatistische
Anpassungsmaße
Deskriptive
Anpassungsmaße
Inkrementelle
Anpassungsmaße
Anpassungsmaße, die
Freiheitsgrade nicht
berücksichtigen
Anpassungsmaße, die
Freiheitsgrade
berücksichtigen
Anpassungsmaße, die
Freiheitsgrade nicht
berücksichtigen
Anpassungsmaße, die
Freiheitsgrade
berücksichtigen
Beispiele:
• χ 2 -Differenztest
• RMSEA
Beispiel:
• GFI
Beispiele:
• χ 2 /df
• AGFI
Beispiel:
• NNFI
Beispiel:
• CFI
Abbildung 52: Anpassungsmaße zur Gütebeurteilung von Kausalmodellen im Überblick. In Anlehnung
an Homburg/Pflesser 1999b, S. 648
Verwendete Gütemaße
Die Gütebeurteilung des Pretests erfolgt anhand von Kriterien, die nach Empfehlungen
von Homburg/Giering (1996, S. 13), Algesheimer (2004, S. 218), und Bauer et al.
(2001, S. 352) zusammengestellt wurden. Zu beachten ist hierbei, dass bei der
234

Auswahl der Gütemaße der KFA davon ausgegangen wurde, dass die Indikatoren
keiner Normalverteilung folgen und folglich das ULS- und nicht das ML-Verfahren
zum Einsatz kommt. Die Verteilungsannahme ist aber für jeden Indikator im Vorfeld
der Analyse mittels eines Kolmogorow-Smirnow-Tests zu überprüfen. Kommt – wie
vermutet – das ULS-Verfahren zur Anwendung, können „keine Standartschätzfehler,
keine t-Werte und kein Chi-Quadrat-Test herangezogen werden“ (Bauer et al. 2001,
S. 351; vgl. Backhaus et al. 2003, S. 364f.), weshalb Gütemaße, die hierauf beruhen, in
dieser Untersuchung nicht berücksichtigt werden.
Die lokale Anpassung des Modells wird mittels der Indikatorreliabilität, der
durchschnittlich erfassten Varianz (DEV) und der Faktorreliabilität beurteilt.
Während die ersten beiden Kriterien ab einem Wert von 0,50 als erfüllt gelten, wird
für die Faktorreliabilität ein Mindestwert von 0,60 gefordert. Die Indikatorreliabilität
gibt an, „welcher Anteil der Varianz eines Indikators durch die zugrunde liegende
latente Variable erklärt werden kann“ (Götz/Liehr-Gobbers 2004, S. 13).
Erstrebenswert ist, dass mindestens 50% der Varianz eines Indikators durch die
zugehörige latente Variable erklärt wird, was gleichzeitig bedeutet, dass die
gemeinsame Varianz zwischen latenter und zugehöriger manifester Variable
(Indikator) größer ist als die Varianz des entsprechenden Messfehlers (vgl.
Carmines/Zeller 1979, S. 27). Da die Varianz des Messfehlers des Indikators i var(ε i )
durch 1-λ 2 i definiert ist (λ i bezeichnet die Ladung zwischen der latenten Variable und
dem Indikator i) gilt, dass genau dann mehr als 50% der Varianz des Indikators i durch
die entsprechende latente Variable verursacht werden, wenn die Ladung λ i größer als
die Wurzel aus 0,50 (≈0,707) ist. Aus diesem Grund wird eine Faktorladung von
mindestens 0,7 als primäres Eliminationskriterium für Indikatoren verwendet:
Indikatoren mit einer Faktorladung von weniger als 0,7 werden entfernt und von der
weiteren Analyse ausgeschlossen. Während die Indikatorreliabilität ein Maß zur
Beurteilung der Reliabilität eines einzelnen Indikators ist, geben die Faktorreliabilität
und die DEV Auskunft darüber, „wie gut der Faktor durch alle ihm zugeordneten
Indikatoren gemeinsam gemessen wird“ (Homburg/Giering 1996, S. 10).
Der globale Fit des Messmodells wird anhand des Goodness of Fit Index (GFI), des
Adjusted Goodness of Fit Index (AGFI), des Normed Fit Index (NFI), des
Comparative Fit Index (CFI) und des Root Mean Square Residual (RMR) beurteilt.
Während für die vier erstgenannten Größen ein Mindestwert von 0,90 gefordert wird,
soll das RMR den Wert von 0,10 nicht überschreiten. Der GFI gibt an, „welcher
Anteil der Ausgangsvarianzen an der gesamten Ausgangsvarianz durch die
235

Modellstruktur erklärt wird“ (Algesheimer 2004, S. 202) und entspricht quasi dem
Bestimmtheitsmaß in der Regressionsanalyse (vgl. Siems 2003, S. 139). Der AGFI
berücksichtigt zusätzlich die Anzahl der Freiheitsgrade und entgegnet damit einem
Hauptkritikpunkt des GFI, der durch eine Überparameterisierung des Modells positiv
beeinflussbar ist (vgl. Algesheimer 2004, S. 203). Auch der NFI und der CFI tragen
dieser Kritik Rechnung und berücksichtigen die Anzahl der Freiheitsgrade bei der
Güteschätzung eines Modells. Der RMR misst schließlich die durchschnittliche
Restvarianz eines Modells und ist demnach ein Maß für die im Durchschnitt durch das
Modell nicht erklärten Kovarianzen und Varianzen (vgl. Backhaus et al. 1996, S. 400).
Aufgrund der weiten Verbreitung in der Literatur wird schließlich noch das
Cronbachs Alpha eines Faktors angegeben. Dieses misst als der am häufigsten
verwendete Reliabilitätskoeffizient der ersten Generation „die Reliabilität einer
Gruppe von Indikatoren, die einen Faktor messen“ (Homburg/Giering 1996, S. 8). Als
Mindestwert wird in dieser Untersuchung der Empfehlung von Nunnally (1978,
S. 245) folgend ein Wert von 0,70 gefordert.
Zur Beurteilung der Diskriminanzvalidität der Faktoren, die dann vorliegt, wenn die
Messmodelle inhaltlich verschiedener Konzepte auch unterschiedliche Ergebnisse
erzeugen (vgl. Bagozzi/Phillips 1982, S. 469), wird abschließend überprüft, ob alle
latenten Variablen auf Ebene 1 des Messmodells das Fornell-Larcker-Kriterium
erfüllen (vgl. Fornell/Larcker 1981, S. 46; siehe auch die Ausführungen auf S. 264).
Dieses besagt, dass dann von Diskriminanzvalidität ausgegangen werden kann, wenn
die durchschnittlich erfasste Varianz einer latenten Variablen größer ist als sämtliche
quadrierten Korrelationen dieser Variablen mit allen anderen Konstrukten im
Messmodell (vgl. Fornell/Larcker 1981, S. 46). Ist das Fornell-Larcker-Kriterium
erfüllt, so ist die gemeinsame Varianz einer latenten Variablen mit ihren manifesten
Variablen größer als die gemeinsame Varianz mit anderen Konstrukten des Modells.
Damit ist der Ablauf der Analysen des Pretests mit allen verwendeten Gütemaßen und
Beurteilungskriterien vorgestellt worden. Tabelle 15 stellt diese nochmals im
Überblick dar. Im nächsten Abschnitt wird das Untersuchungsdesign des Pretests und
im Anschluss daran die Analyseergebnisse beschrieben.
236

Gütekriterien im Pretest auf Ebene 1
Konstrukt
NPV
Wert von Produktvielfalt
KPV
Pretest
Ebene 2
(formativ)
Ebene 1
(refklektiv)
Antizipierter
Produktnutzen
Erfolgsaussichten
Informationsmöglichkeiten
Spaß
Positive
Emotionen
Aufwand und
Anstrengung
Negative
Emotionen
Antizipiertes
Regret
AP EA IM Sp PE
AA VF AR
... ... ... ... ... ... ... ...
Hauptuntersuchung
Analyse Inhalt/Kategorie Gütemaß Kriterium
Exploratorische Faktorenanalyse
(Hauptachsenanalyse)
Überprüfung auf Unidimensionalität
(nur ein Faktor wird extrahiert)
Eigenwerte (EW) der Faktoren
1. EW > 1
2. EW < 1
Kolmogorow-Smirnow Test
Konfirmatorische
Faktorenanalyse
Test auf Normalverteilung der
Indikatoren eines Faktors
(Ablehung
Normalverteilungsannahme)
Lokale Anpassungsmaße
Globale Anpassungsmaße
Signifikanzniveau < 0,05
Indikatorreliabilität
(Faktorladung)
> 0,50
(> 0,70)
Faktorreliabilität > 0,60
DEV > 0,50
GFI > 0,90
AGFI > 0,90
NFI > 0,90
CFI > 0,90
RMR < 0,10
Exploratorische Faktorenanalyse Deskriptives Reliabilitätsmaß Cronbachs Alpha > 0,70
Fornell-Larcker-Kriterium
Überprüfung der
Diskriminanzvalidität der Faktoren
DEV i > als jede quadrierte Korrelationen von
Konstrukt i mit allen anderen Konstrukten
Tabelle 15:
Gütekriterien des Pretests
3.3.2 Untersuchungsdesign
Der Pretest erfolgte als Experiment mit einer anschließenden schriftlichen Befragung
mittels Fragebogen. Als Stimuli wurden hierbei, wie auch bei der Hauptuntersuchung,
Digitalkameras verwendet. Diese sind einerseits gut für ein Experiment geeignet, da
sie sich anhand eines Bildes und weniger Produkteigenschaften gut in Schriftform
beschreiben lassen. Andererseits ist aufgrund ihres relativ hohen Preises davon
auszugehen, dass die Auswahl mit der für die hier betrachtete Kategorie der „echten“
bzw. „kognitiven“ Kaufentscheidungen (siehe S. 37) erforderlichen Tiefe der
237

Auseinandersetzung erfolgt. Im Rahmen der Beschreibung der Hauptuntersuchung
wird hierauf noch detaillierter eingegangen (siehe S. 273ff.).
Um die erwünschte Varianz in der Ausprägung der Indikatoren zu erreichen, wurden
vier verschiedene „künstliche Sortimente“ mit einer hohen (36), mittleren (21),
geringen (12) bzw. sehr geringen (6) Anzahl an Digitalkameras verwendet. Jede
Digitalkamera wurde anhand von einem Bild und neun tabellarisch aufgeführten
Produktattributen (Marke, Typ, Preis, Auflösung, Optisches Zoom, Objektiv,
Belichtung, Speicher und Besonderheiten) beschrieben. Dadurch konnten sowohl
quantitative Aspekte, wie die Anzahl der Produkte und Marken, als auch qualitative
Eigenschaften des Sortiments, wie etwa die Vergleichbarkeit der Produkte und die
Kompromissnotwendigkeit bei der Entscheidung durch die Zusammenstellung des
Stimulussets manipuliert werden.
Die Befragungsteilnehmer erhielten eines der vier Digitalkamerasets in Papierform.
Sie wurden gebeten, sich vorzustellen, dass sie dieses „künstliche“ Sortiment in einer
realen Kaufsituation vorfinden. Anschließend sollte jeder Teilnehmer versuchen, die
aus seiner Sicht beste Kamera zu identifizieren. Wie bei einer echten Kaufentscheidung
wurde den Befragten die Möglichkeit gegeben, sich für oder gegen den
Kauf zu entscheiden. Entsprechende Antwortmöglichkeiten wurden zur Wahl gestellt.
Nach ihrer Entscheidung füllten die Teilnehmer den Fragebogen aus. In Abbildung 53
ist das größte Produktsortiment mit 36 Digitalkameras, wie es den Teilnehmern
präsentiert wurde, veranschaulicht.
238

Marke
Typ
Canon
Ixus 400
Canon
Ixus 500
Canon
Ixus II
Canon Canon
PowerShot A300 PowerShot A60
Canon
PowerShot G3
Canon Canon Casio
PowerShot S1 IS PowerShot S50 Exilim Pro EX-
P600
Fuji
FinePix A210
Fuji
FinePix A310
Fuji
FinePix F610
Preis
Auflösung
Optisches Zoom
Objektiv
Belichtung*
Speicher
Besonderheiten
€ 380
4,0 Megapixel
3fach
36 - 108 mm
P*
CompactFlash
Typ I (32MB)
€ 400
5,0 Megapixel
3fach
36 -108 mm
P*
CompactFlash
Typ I (32 MB)
Stativgewinde
€ 290
3,2 Megapixel
2fach
35 - 70 mm
P*
MultiMediaCard
(16MB)
Fernsteuerung
vom PC
€ 180
3,2 Megapixel
n. a.
33 mm
P*
CompactFlash
Typ I (16MB)
n. a.
€ 200
2,0 Megapixel
3fach
35 - 105 mm
P, H, MP, M*
CompactFlash
Typ I (16MB)
Selbstauslöser
€ 660
4,0 Megapixel
4fach
35 - 140 mm
P, H, MP, M*
CF Typ I/II
(32 MB)
Anschluss für
externen Blitz
€ 470
3,2 Megapixel
10fach
38 - 380 mm
P, H, MP, M*
CF Typ I/II
(32 MB)
Anschluss für
externen Blitz
Blitz-Langzeitsynchronisation
€ 390
5,0 Megapixel
3fach
35 - 105 mm
P, H, MP, M*
CompactFlash
Typ I (32 MB)
Direkt-Druck-
Funktion
€ 520
6 Megapixel
4fach
33 - 132 mm
P, H, MP, M*
Secure Digital
(9 MB)
Selbstauslöser
€ 190
2,0 Megapixel
3fach
36 - 108 mm
P*
xD Card
(16 MB)
n. a.
€ 210
3,1 Megapixel
3fach
38 - 114 mm
P*
xD Card
(16 MB)
n. a.
€ 500
6,3 Megapixel
3fach
35 - 105 mm
P, H, MP, M*
xD Card
(16 MB)
Direkt-Druck-
Funktion
Marke
Typ
Fuji
FinePix F700
Hewlett- Kodak
Packard EasyShare
Photosmart 735
DX6490
Minolta
DiMAGE F200
Olympus Olympus Olympus Olympus
Camedia C-5050 Camedia C-740
Ultra Zoom
Camedia C-750
Ultra Zoom
Camedia C-760
Ultra Zoom
Panasonic Panasonic
Lumix DMC-FX5 Lumix DMC-
FZ10
Panasonic Panasonic
Lumix DMC-FZ2 Lumix
DMC-LC 33
Preis
Auflösung
Optisches Zoom
Objektiv
Belichtung*
Speicher
Besonderheiten
€ 650
3,1 Megapixel
3fach
35 - 105 mm
P, H, MP, M*
xD Card
(16 MB)
Bluetooth
€ 200
3,2 Megapixel
3fach
38 - 114 mm
P, H, MP*
MulitMediaCard
(16 MB)
€ 365
4,0 Megapixel
10fach
38 - 380 mm
P, H, MP, M*
MultiMediaCard
(16 MB)
€ 320
4,0 Megapixel
3fach
38 - 114 mm
P, H, MP, M*
MultiMediaCard
(32MB)
€ 700
5,0 Megapixel
3fach
35 - 105 mm
P, H, MP, M*
CF Typ I/II
(32 MB)
€ 340
3,2 Megapixel
10fach
38 - 380 mm
P, H, MP, M*
xD Card
(16 MB)
n. a.
Bildstabilisierung Direkt-Druck- Bildstabilisierung, Stativgewinde
Funktion Fernsteuerung
€ 435
4,0 Megapixel
10fach
38 - 380 mm
P, H, MP, M*
xD Card
(16 MB)
Anschluss für
externen Blitz
€ 370
3,2 Megapixel
10fach
42 - 420 mm
P, H, MP, M*
xD Card
(16 MB)
Fernbedienung
€ 400
4,0 Megapixel
3fach
25 - 105 mm
P, MP*
MultiMediaCard
(16MB)
Direkt-Druck
Funktion
€ 590
4,0 Megapixel
12fach
35 - 420 mm
P, H, MP, M*
MultiMediaCard
(16MB)
Stativgewinde,
Bluetooth
€ 360
2,0 Megapixel
12fach
35 - 420 mm
P, H, MP*
MultiMediaCard
(8MB)
Fernbedienung
am PC
€ 240
3,2 Megapixel
3fach
25 - 105 mm
P, MP
MultiMediaCard
(16MB)
n. a.
Marke
Typ
Pentax
Optio 33L
Pentax
Optio 555
Pentax
Optio S4i
Sanyo Sony
Xacti VPC-J2EX Cyber-shot
DSC-P10
Sony
Cyber-shot
DSC-P100
Sony
Cyber-shot
DSC-P72
Sony
Cyber-shot
DSC-P8
Sony
Cyber-shot
DSC-T1
Sony
Cyber-shot
DSC-V1
Sony Yahica-
Cyber-shot DSC- Kyocera
P92
Finecam S5R
Preis
Auflösung
Optisches Zoom
Objektiv
Belichtung*
Speicher
Besonderheiten
€ 330
3,2 Megapixel
3fach
28 - 114 mm
P, MP*
€ 470
5,0 Megapixel
5fach
37,5 - 187,5 mm
P, H, MP, M*
€ 390
4,0 Megapixel
3fach
35 - 105 mm
P, MP*
€ 270
3,2 Megapixel
2,8fach
37 - 104 mm
P, MP*
€ 360
5,0 Megapixel
3fach
38 - 114 mm
P, MP*
CompactFlash MultiMediaCard Memory Stick Pro MultiMediaCard Memory Stick Pro
Typ I (16MB) (16MB)
(10 MB) (16MB)
(32 MB)
Objektiv/Monitor
schwenkbar
Blitz-Langzeitsynchronisation
Fernbedienung Fernbedienung 24 Direkt-Druck
Funktion
€ 430
5,1 Megapixel
3fach
38 - 114 mm
P, MP*
€ 230
3,2 Megapixel
3fach
39 - 117 mm
P, MP*
€ 250
3,2 Megapixel
3fach
39 - 117mm
P, MP*
€ 480
5,0 Megapixel
3fach
38 - 114 mm
P, MP*
€ 470
5,0 Megapixel
4fach
34 - 136 mm
P, H, MP, M*
€ 310
5,0 Megapixel
3fach
29 - 117 mm
P, MP*
€ 360
5,0 Megapixel
3fach
35 - 105mm
P, H, MP*
Memory Stick Pro Memory Stick Pro Memory Stick Pro Memory Stick Pro Memory Stick Pro Memory Stick Pro MultiMediaCard
(32 MB)
Selbstauslöser
(16 MB)
n. a.
(16 MB)
Fernbedienung
(32 MB)
Bildstabilisator
(32 MB)
Bluetooth
(16 MB)
Fernsteuerung
vom PC
(16MB)
Selbstauslöser
*) P = Programmautomaitk, H = Halbautomatik, MP = Motivprogramme, M = Manuelle Belichtung
Abbildung 53: Das mit 36 Produkten größte „künstliche Sortiment“ des Pretests
Der Pretest wurde an einer deutschen Universität mit einem Studentensample
durchgeführt. Die Nutzung von so genannten Convenience Samples, die Stichproben
bezeichnen, zu denen man relativ leichten Zugang hat, ist in der empirischen
Sozialforschung sehr gebräuchlich aber nicht unproblematisch (vgl. Peterson 2001,
S. 450ff.; Rotfeld 2003, S. 192; Ferber 1977, S. 57f.). So weist Peterson (2001, S. 458)
darauf hin, dass die Antworten von Studentensamples homogener sind, als die der
Gesamtbevölkerung. Studenten bieten sich deshalb vor allem für explorative
Forschungszwecke als Stichprobe an, wobei aber auch hier explizit darauf zu achten
ist, dass sie eine relevante Grundgesamtheit für die Fragestellung darstellen (vgl.
Ferber 1977, S. 58.; Peterson 2001, S. 458). Da Studenten potenzielle Käufer von
Digitalkameras sind, ist dies hier gegeben. Für die Durchführung des Pretests, der in
erster Linie der Überprüfung und Optimierung der entwickelten Skalen im Hinblick
auf die Hauptuntersuchung dient, ist ein Studentensample deshalb geeignet.
Insgesamt haben 126 Studenten an der Befragung teilgenommen. Neun der
Fragebögen enthielten fehlende Werte und wurden deshalb bei den Analysen nicht
berücksichtigt. Insgesamt lag die Stichprobengröße damit bei 117, was für einen
239

Pretest als sinnvolle Größenordnung betrachtet werden kann. Die Teilnehmer waren
zwischen 19 und 33 Jahre alt. Der Durchschnitt lag bei 23,6 Jahren (SD = 2,4). 70%
der Befragten waren Frauen. Ingesamt hat die Stichprobe damit die erwarteten
soziodemografischen Charakteristika einer Studentenbefragung im Marketingfachbereich.
3.3.3 Ergebnisse der Analysen
Die Analyseergebnisse werden nachfolgend für jeden Faktor einzeln beschrieben. Die
Betrachtung des Fornell-Larcker-Kriteriums erfolgt am Ende.
3.3.3.1 Faktoren der Nutzendimension
Erfolgsaussichten
Der Faktor Erfolgsaussichten besteht aus drei Indikatoren, eine konfirmatorische
Faktorenanalyse ist folglich nicht möglich (vgl. S. 233). Es stehen deshalb nur
Gütemaße der exploratorischen Faktorenanalyse zur Verfügung. Bei dieser wurde nur
ein Faktor extrahiert, da der erste Eigenwert mit einem Wert von 2,37 über und der
zweite Eigenwert (0,38) deutlich unter 1 liegt. Die Faktorladungen der drei manifesten
Variablen überschreiten alle den Grenzwert von 0,70. Entsprechend liegt auch die
Indikatorreliabilität der drei Indikatoren über 0,50. Auf Konstruktebene überschreitet
die DEV mit einem Wert von 0,69 genauso wie die Faktorreliabilität die vorgegebene
Untergrenze von 0,50 bzw. 0,60. Das Cronbachs Alpha ist mit 0,87 als gut
einzustufen.
Das Messmodell für den Faktor Erfolgsaussichten erfüllt damit alle verwendeten
Gütekriterien und kann unverändert in die Hauptuntersuchung eingehen.
240

Indikatorenebene
DEV
Indikator Ladung Indikatorreliabilität
Faktorreliab.
Faktorebene
Globale
Anpassungsmaße
Cronbachs
Alpha
Kriterium > 0,70 > 0,50 > 0,50 > 0,60 > 0,9 < 0,1 > 0,70
Erfolg1 0,86 0,74
Erfolg2 0,87 0,76
Erfolg3 0,75 0,56
0,69 0,87 GFI: n.a.
AGFI: n.a.
NFI: n.a.
CFI: n.a.
RMR: n.a. 0,87
Tabelle 16:
Parameterschätzungen und Gütekriterien des Faktors „Erfolgsaussichten“
Antizipierter Produktnutzen
Der Faktor Antizipierter Produktnutzen besteht aus vier Indikatoren, eine KFA ist
folglich möglich. Die exploratorische Faktorenanalyse hat zur Extraktion von nur
einem Faktor geführt (1. Eigenwert 3,00; 2. Eigenwert 0,47), es kann also von
Unidimensionalität ausgegangen werden. Die Indikatoren sind nicht normalverteilt,
was der Kolmogorov-Smirnov-Test gezeigt hat (p < 0,001). Folglich kommt bei der
KFA die ULS-Methode zum Einsatz. Tabelle 17 stellt die Ergebnisse der
Parameterschätzungen und die entsprechenden Gütemaße der KFA dar.
Die Faktorladungen aller Indikatoren haben Werte über 0,70, entsprechend
überschreiten auch die Indikatorreliabilitäten den Grenzwert von 0,50. Auf
Konstruktebene nehmen die DEV und die Faktorreliabilität Werte von 0,67 bzw. 0,89
an und liegen damit deutlich über dem Mindestwert. Die Berechnung der globalen
Gütemaße GFI, AGFI, NFI und CFI hat jeweils den möglichen Maximalwert vom 1,0
ergeben und das RMR unterschreitet mit 0,02 den maximal zulässigen Wert von 0,1
sehr deutlich. Schließlich deutet auch das Cronbachs Alpha von 0,88 auf eine hohe
Reliabilität der Messung hin, so dass insgesamt von Validität des Messmodells dieses
Faktors ausgegangen werden kann.
Das Messungmodell des Faktors Antizipierter Produktnutzen erfüllt alle verwendeten
Gütekriterien eindeutig und wird in unveränderter Form in der Hauptuntersuchung
eingesetzt.
241

Indikatorenebene
DEV
Indikator Ladung Indikatorreliabilität
Faktorreliab.
Faktorebene
Globale
Anpassungsmaße
Cronbachs
Alpha
Kriterium > 0,70 > 0,50 > 0,50 > 0,60 > 0,9 < 0,1 > 0,70
AnUt1 0,73 0,53
AnUt2 0,88 0,77
AnUt3 0,75 0,56
AnUt4 0,90 0,81
0,67 0,89 GFI: 1,00
AGFI: 1,00
NFI: 1,00
CFI: 1,00
RMR: 0,02 0,88
Tabelle 17:
Parameterschätzungen und Gütekriterien des Faktors „Antizipierter Produktnutzen“
Informationsmöglichkeiten
Die exploratorische Faktorenanalyse hat zur Extraktion von nur einem Faktor geführt,
da die Werte des ersten bzw. zweiten Eigenwerts bei 3,23 bzw. 0,66 liegen. Die
Normalverteilungsannahme aller Indikatoren musste aufgrund des Kolmogorov-
Smirnow Tests abgelehnt werden (p < 0,05), so dass bei der anschließenden KFA das
ULS-Verfahren angewendet wurde.
Bis auf den Indikator Info1 (Ich bekomme durch das Sortiment einen guten Überblick
über verschiedene Produkte, Marken und Preise) haben alle manifesten Variablen
Faktorladungen über 0,70. Das Item Info1 wird daher eliminiert und von den weiteren
Analysen ausgeschlossen. Ursache für die geringe Ladung könnte sein, dass die
Konsumenten aufgrund der hohen Vielfalt Schwierigkeiten haben, sich einen
Überblick über den Markt zu verschaffen und daher diesem Punkt weniger
Zustimmung entgegen bringen als den anderen. Die restlichen fünf Indikatoren
erreichen eine DEV von 0,56 und eine Faktorreliabilität von 0,86 und erfüllen diese
Kriterien. Gleiches gilt für die Gütemaße zur Beurteilung des globalen Fits des
Messmodells, die ebenfalls alle über den genannten Mindestwerten liegen.
Anzumerken ist, dass das RMR mit einem Wert von 0,099 den maximal zulässigen
Wert von 0,1 nur sehr knapp unterschreitet. Die insgesamt gute Reliabilität des
Messmodells drückt auch das Cronbachs Alpha von 0,86 aus. Tabelle 18 stellt alle
geschätzten Parameter und berechneten Gütemaße im Überblick dar.
In der Hauptuntersuchung erfolgt die Messung des Faktors Informationsmöglichkeiten
durch die fünf Indikatoren Info2 bis Info6, das Item Info1 wird nicht berücksichtigt.
242

Indikatorenebene
DEV
Indikator Ladung Indikatorreliabilität
Faktorreliab.
Faktorebene
Globale
Anpassungsmaße
Cronbachs
Alpha
Kriterium > 0,70 > 0,50 > 0,50 > 0,60 > 0,9 < 0,1 > 0,70
Info1 42 0,48 -
Info2 0,73 0,53
Info3 0,77 0,59
Info4 0,71 0,50
Info5 0,73 0,53
Info6 0,79 0,62
0,56 0,86 GFI: 0,99
AGFI: 0,98
NFI: 0,95
CFI: 0,97
RMR: 0,099 0,86
Tabelle 18:
Parameterschätzungen und Gütekriterien des Faktors „Informationsmöglichkeiten“
Spaß
Der Nutzenfaktor Spaß wird mittels vier Indikatoren gemessen, deren Ladungen alle
über 0,70 und somit über dem Grenzwert liegen. Gleiches gilt für die jeweiligen
Indikatorreliabilitäten. Auf Basis des Kaiser-Kriteriums wurde nur ein Faktor
extrahiert (1. Eigenwert 3,07; 2. Eigenwert 0,36). Die Messung erfüllt weiterhin alle
verwendeten Gütekriterien auf Konstruktebene. Da der Kolmogorow-Smirnow-Test
zeigte, dass die Indikatoren nicht einer Normalverteilung folgen (p < 0,05), wurde in
der KFA das ULS-Verfahren verwendet. Wie Tabelle 19 zu entnehmen ist, liegt die
DEV mit 69% wie auch die Faktorreliabilität mit 0,90 deutlich über dem geforderten
Mindestwerten. Die globalen Anpassungsmaße (GFI, AGFI, NFI und CFI) erreichen
alle ihren Höchstwert von 1,00 und das RMR liegt mit 0,03 deutlich unter dem
Grenzwert von 0,1. Schließlich deutet auch das Cronbachs Alpha mit einer Höhe von
0,90 auf die Reliabilität der Faktormessung hin.
Insgesamt lassen die verwendeten Gütemaße auf eine hohe Validität und Reliabilität
des entwickelten Messmodells des Nutzenfaktors Spaß schließen. Es geht unverändert
in die Hauptuntersuchung ein.
42 Von der weiteren Analyse ausgeschlossen
243

Indikatorenebene
DEV
Indikator Ladung Indikatorreliabilität
Faktorreliab.
Faktorebene
Globale
Anpassungsmaße
Cronbachs
Alpha
Kriterium > 0,70 > 0,50 > 0,50 > 0,60 > 0,9 < 0,1 > 0,70
Spaß1 0,84 0,71
Spaß2 0,81 0,66
Spaß3 0,88 0,77
Spaß4 0,79 0,62
0,69 0,90 GFI: 1,00
AGFI: 1,00
NFI: 1,00
CFI: 1,00
RMR: 0,03 0,90
Tabelle 19:
Parameterschätzungen und Gütekriterien des Faktors „Spaß“
Positive Emotionen
Die exploratorische Faktorenanalyse der Indikatoren des Faktors Positive Emotionen
führte nach dem Kaiser-Kriterium mit einem ersten Eigenwert von 3,60 und einem
zweiten von 0,50 zur Extraktion von nur einem Faktor. Die anschließend
durchgeführte KFA zeigte, dass die Ladungen der beiden Indikatoren PoEm6 43 und
PoEm7 44 unterhalb 0,70 liegen. Diese beiden Items wurden deshalb eliminiert und von
den weiteren Analysen ausgeschlossen. Auch bei diesem Faktor wurde die KFA mit
dem ULS-Verfahren durchgeführt, da der Kolmogorow-Smirnow-Test zur Ablehnung
der Normalverteilungsannahme der Itemwerte führte (p < 0,05). Wie aus Tabelle 20
hervor geht, erfüllen die verbleibenden fünf manifesten Variablen alle Gütekriterien
auf Konstruktebene deutlich. Die Messung des Faktors Positive Emotionen mittels der
fünf Indikatoren PoEm1 bis PoEm5 kann folglich als valide und reliabel eingestuft
werden. In der Hauptuntersuchung kommt die um die zwei Indikatoren PoEm6 und
PoEm7 gekürzte Operationalisierung zur Anwendung.
43 „Diese Digitalkamera bietet mir neue interessante Erfahrungen.“
44 „Das Digitalkamerasortiment inspiriert mich.“
244

Indikatorenebene
DEV
Indikator Ladung Indikatorreliabilität
Faktorreliab.
Faktorebene
Globale
Anpassungsmaße
Cronbachs
Alpha
Kriterium > 0,70 > 0,50 > 0,50 > 0,60 > 0,9 < 0,1 > 0,70
PoEm1 0,89 0,79
PoEm2 0,73 0,53
PoEm3 0,81 0,66
PoEm4 0,86 0,74
PoEm5 0,74 0,55
PoEm6 45 0,63 -
PoEm7 45 0,59 -
0,65 0,90 GFI: 1,00
AGFI: 0,99
NFI: 0,99
CFI: 1,00
RMR: 0,05 0,90
Tabelle 20:
Parameterschätzungen und Gütekriterien des Faktors „Positive Emotionen“
Im nächsten Abschnitt werden die Pretestergebnisse der Messmodelle der
Kostendimension beschrieben.
3.3.3.2 Faktoren der Kostendimension
Verwirrung und Frustration
Die exploratorische Faktorenanalyse ergab, dass die Ladung des Indikators VerFr7
(Ich fürchte mich vor der Entscheidung) unter 0,70 liegt und deshalb aus dem
Messmodell entfernt wird. Das Item VerFr1 ist mit einer Ladung von 0,70
grenzwertig, wird aber beibehalten. Die verbleibenden sechs manifesten Variablen
laden alle auf einen Faktor, was aus dessen Eigenwerten zu erkennen ist (1. Eigenwert
4,06; 2. Eigenwert 0,60). Der Kolmogorow-Smirnow-Test ergab weiterhin, dass die
Indikatorwerte nicht normalverteilt sind (p < 0,05) und deshalb bei der KFA das
ULS-Verfahren anzuwenden ist. Auf Faktorebene erfüllt das Messmodell alle lokalen,
globalen und deskriptiven Gütemaße bis auf das RMR, dessen Wert von 0,11
überschreitet den Grenzwert von 0,10 leicht. Da aber die anderen Gütemaße deutlich
erfüllt werden und beispielsweise der GFI, AGFI und der CFI, ebenso wie das
deskriptive Cronbachs Alpha von 0,90 auf eine hohe Modellgüte schließen lassen,
wird das Messmodell insgesamt als reliabel und valide betrachtet.
45 Von der weiteren Analyse ausgeschlossen
245

In der Hauptuntersuchung wird der Faktor Verwirrung und Frustration durch die sechs
Indikatoren VerFr1 bis Verfr6 gemessen.
Indikatorenebene
Faktorebene
Indikator Ladung Indikatorreliabilität
DEV Faktorreliab.
Globale
Anpassungsmaße
Cronbachs
Alpha
Kriterium > 0,70 > 0,50 > 0,50 > 0,60 > 0,9 < 0,1 > 0,70
VerFr1 0,70 0,49 0,61 0,90 GFI: 1,00 RMR: 0,11 0,90
VerFr2 0,77 0,59
AGFI: 0,99
NFI: 0,96
VerFr3 0,78 0,61
CFI: 0,97
VerFr4 0,88 0,77
VerFr5 0,77 0,60
VerFr6 0,78 0,61
VerFr7 39 0,64 -
Tabelle 21:
Parameterschätzungen und Gütekriterien des Faktors „Verwirrung und Frustration“
Aufwand
Auch bei diesem Faktor muss aufgrund der geringen Ladung ein Item ausgeschlossen
werden (siehe Tabelle 22): Der Indikator Aufw6 (Ich finde die Entscheidung sehr
mühsam und anstrengend) hat nur eine Ladung von 0,51, die somit deutlich unterhalb
des Mindestwerts von 0,70 liegt. Das Ergebnis verwundert etwas, da sich das Item
Aufw6 inhaltlich nicht wesentlich von den anderen Indikatoren unterscheidet, vielmehr
zusammenfassenden Charakter anderer Aspekte hat. Dennoch wird das Messitem
entfernt. Die exploratorische Faktorenanalyse der verbleibenden fünf Indikatoren
führte zur Extraktion von nur einem Faktor (1. Eigenwert: 3,59; 2. Eigenwert: 0,49), es
kann somit von Unidimensionalität der Messung ausgegangen werden. Die
Indikatorwerte folgen nicht einer Normalverteilung, was sich aus dem Kolmogorow-
Smirnow-Test ergab (p < 0,001) und zur Anwendung des ULS-Verfahrens in der KFA
führte. Die hierbei ermittelten Gütemaße liegen alle über den vorgegebenen
Grenzwerten. Hervorzuheben ist, dass die globalen Gütemaße (GFI, AGFI, NFI und
CFI) Werte zwischen 0,98 und 1,00 annehmen und damit den Grenzwert von 0,90
deutlich überschreiten. Auch die hohe Faktorreliabilität von 0,90 und das Cronbachs
Alpha in gleicher Höhe deuten auf eine hohe Qualität des Messmodells hin.
246

Insgesamt führt der Pretest zur Elimination von einem Item der ursprünglichen
Operationalisierung. Das Messmodell der verbleibenden fünf Indikatoren kann als
valide und reliabel eingestuft werden und geht entsprechend in die Hauptuntersuchung
ein.
Indikatorenebene
Faktorebene
Indikator Ladung Indikatorreliabilität
DEV Faktorreliab.
Globale
Anpassungsmaße
Cronbachs
Alpha
Kriterium > 0,70 > 0,50 > 0,50 > 0,60 > 0,9 < 0,1 > 0,70
Aufw1 0,72 0,52 0,65 0,90 GFI: 1,00 RMR: 0,08 0,90
Aufw2 0,77 0,60
AGFI: 0,99
NFI: 0,98
Aufw3 0,86 0,74
CFI: 0,99
Aufw4 0,85 0,72
Aufw5 0,82 0,67
Aufw6 46 0,51 -
Tabelle 22:
Parameterschätzungen und Gütekriterien des Faktors „Aufwand“
Antizipiertes Regret
Der letzte Faktor Kostendimension wurde durch sechs Indikatoren operationalisiert,
von denen aber nur vier eine Faktorladung von über 0,70 im Pretest aufwiesen: Die
Items AnReg5 (Für meine Entscheidung könnte ich von anderen kritisiert werden) und
AnReg6 (Die Auswahl an Produkten weckt in mir die Erwartung, dass ich genau das
Produkt finde, das ich suche) wurden deshalb eliminiert und von der weiteren
Betrachtung ausgeschlossen. Erstaunlich ist hierbei, dass das letzte Item, das eine
Antezedenz des Regrets misst, von den Befragten nur sehr schwach mit den anderen
gemessenen Aspekten des Regrets in Verbindung gebracht wird. Der Wegfall der
Facette des antizipierten Tadels (AnReg5) scheint dagegen plausibel und
nachvollziehbar.
Die verbleibenden vier Indikatoren laden alle auf einen Faktor, was aus den Werten
von 2,72 und 0,48 des ersten bzw. zweiten Eigenwerts erkennbar ist. Der
Kolmogorow-Smirnow-Test führte zur Ablehnung der Normalverteilungsannahme
der Indikatoren (p < 0,05) und zur Anwendung des ULS-Verfahrens bei der KFA.
46 Von der weiteren Analyse ausgeschlossen
247

Die hierbei ermittelten lokalen und globalen Gütemaße bescheinigen dem
verbleibenden Messmodell eine gute Modellgüte. So überschreiten die DEV mit 57%
und die Faktorreliabilität mit 0,84 die Mindestwerte von 50% bzw. 0,60 und die
globalen Gütemaße liegen nahe an ihrem jeweiligen Maximalwert von 1,00.
Abgerundet wird das Ergebnis durch das deskriptive Cronbachs Alpha, das mit einem
Wert von 0,84 als gut einzustufen ist und auf eine angemessene Reliabilität der
Messung schließen lässt.
Der Faktor Antizipiertes Regret wird in der Hauptuntersuchung durch die vier
Indikatoren AnReg1 bis AnReg4 gemessen.
Indikatorenebene
Faktorebene
Indikator Ladung Indikatorreliabilität
DEV Faktorreliab.
Globale
Anpassungsmaße
Cronbachs
Alpha
Kriterium > 0,70 > 0,50 > 0,50 > 0,60 > 0,9 < 0,1 > 0,70
AnReg1 0,72 0,52 0,57 0,84 GFI: 1,00 RMR: 0,04 0,84
AnReg2 0,78 0,61
AGFI: 1,00
NFI: 0,99
AnReg3 0,78 0,61
CFI: 1,00
AnReg4 0,75 0,56
AnReg5 47 0,45 -
AnReg6 47 0,29 -
Tabelle 23:
Parameterschätzungen und Gütekriterien des Faktors „Antizipiertes Regret“
3.3.3.3 Gesamtbeurteilung
Überprüfung der Diskriminanzvalidität
Neben der isolierten Betrachtung jedes einzelnen Faktors ist im Rahmen des Pretests
auch die übergreifende Diskriminanzvalidität der Messung auf Faktorebene zu
überprüfen, d. h. es ist festzustellen, ob die unterschiedlichen Messmodelle der
Faktoren auch tatsächlich inhaltlich verschiedene Aspekte von Kosten und Nutzen von
Produktvielfalt messen. Dies erfolgt anhand des Fornell-Larcker-Kriteriums (vgl.
Fornell/Larcker 1981, S. 46; siehe auch die Ausführungen auf S. 264). Hierfür ist für
47 Von der weiteren Analyse ausgeschlossen
248

jeden Faktor zunächst ein Faktorwert (Wert der latenten Variablen) pro Datensatz zu
berechnen, um anschließend Korrelationskoeffizienten ermitteln zu können. Der Wert
einer latenten Variablen ergibt sich dabei als gleichgewichteter Mittelwert aller einem
Faktor zugeordneten Indikatoren (vgl. Homburg 1995, S. 111). Diese Durchschnittsbetrachtung
ist konform mit der reflektiven Operationalisierung der Faktoren. Die
Berechnung der Korrelationskoeffizienten erfolgte in SPSS.
Wie aus Tabelle 24 zu erkennen ist, wird das Fornell-Larcker-Kriterium von allen
Faktoren erfüllt, da für jeden Faktor gilt, dass seine DEV größer ist als die quadrierte
Korrelation seines Faktorwerts mit den Faktorwerten aller anderen Faktoren. Somit
kann von Diskriminanzvalidität der Faktoren ausgegangen werden, d. h. die
verschiedenen Faktoren messen auch tatsächlich untschiedliche Inhaltsaspekte.
Faktoren
Antizipierter
Produktnutzen
Erfolgsaussichten
Informationsmöglichkeiten
Spaß
0,686 quadrierte Korrelationen
0,670 0,134
0,557 0,298 0,230
Positive
Emotionen
Erfolgsaussichten
Antizipierter
Produktnutzen
Informationsmöglichkeiten
Verwirrung
und
Frustration
Aufwand
Spaß 0,690 0,003 0,100 0,027
Positive
Emotionen
Verwirrung und
Frustration
0,654 0,247 0,346 0,311 0,160
0,611 0,023 0,058 0,038 0,071 0,070
Aufwand 0,649 0,303 0,013 0,037 0,003 0,014 0,291
Antizipiertes
Regret
0,574 0,012 0,126 0,128 0,097 0,083 0,345 0,189
DEV 0,686 0,670 0,557 0,690 0,654 0,611 0,649
Tabelle 24: Ergebnisse der Überprüfung des Fornell-Larcker-Kriteriums der Nutzen- und
Kostendimension im Pretest
249

Zusammenfassung
Die Gütebeurteilung der Messmodelle auf Faktorenebene des Werts von
Produktvielfalt hat zur Anpassung der Itembatterien einiger Faktoren geführt. Den
angepassten Messmodellen konnte aber insgesamt eine hohe Güte bescheinigt werden.
Die Überprüfung des Fornell-Larcker-Kriteriums hat außerdem die Diskriminanzvalidität
der Messung gezeigt. Insgesamt hat der Pretest die vorgeschlagene Struktur
und Operationalisierung der Faktorenebene Kosten- und Nutzendimension bestätigt. In
Tabelle 25 ist die Anzahl der Indikatoren pro Faktor und Dimension vor und nach dem
Pretest nochmals zusammenfassend dargestellt. Insgesamt wurden durch den Pretest
sieben Items aus der Itembatterie entfernt, drei bei der Nutzendimension und vier bei
der Kostendimension. In der Hauptuntersuchung werden die KPV und NPV durch 21
bzw. 15 gemessen.
Dimension
Nutzen
Kosten
Tabelle 25:
Faktor
Operationalisierung
(ursprünglich)
Anzahl der Indikatoren
Eliminiert
(nach
Pretest)
Erfolgsaussichten 3 24 0 3
Antizipierter Produktnutzen 4 0 4
Informationsmöglichkeiten 6 1 5
Spaß 4 0 4
Positive Emotionen 7
2 5
Verwirrung und Frustration 7 19 1 6
Aufwand 6 1 5
Antizipiertes Regret 6
2 4
Hauptuntersuchung
Summe 43 7 36
Anzahl der Indikatoren pro Dimension und Faktor vor und nach dem Pretest
21
15
Nach der Darstellung des Pretests und seiner Ergebnisse kann im nächsten Kapitel die
Hauptuntersuchung beschrieben werden. Hierbei wird zunächst auf die methodischen
Aspekte eingegangen und Analyseverfahren, Gütekriterien und insbesondere der
PLS-Ansatz vorgestellt. Anschließend werden das Untersuchungsdesign und die
Ergebnisse der Analysen auf Messmodellebene erläutert.
250

3.4 Hauptuntersuchung
3.4.1 Analyseverfahren und Gütekriterien
3.4.1.1 Auswahl eines geeigneten Analyseverfahrens
Ziel der empirischen Untersuchung ist es, die Parameter des in den vorherigen
Kapiteln konzeptualisierten und operationalisierten Konstrukts mit Hilfe geeigneter
Verfahren zu schätzen und dabei die reliable und valide Messung sicherzustellen. Wie
in Kapitel 3.1.1.2 (S. 190f.) bereits erwähnt, kommen für die Schätzung der Parameter
der Mess- und Strukturmodelle kovarianz- und varianzbasierte Verfahren in Frage.
Während kovarianzbasierte Verfahren in der Marketingforschung weit verbreitet sind,
findet das varianzbasierte Verfahren der Partial Least Squares-Analyse (PLS) erst
seit kurzem breitere Anwendung in der empirischen Forschung (vgl. Ringle 2004, S. 5;
Herrmann/Huber/Kressmann 2004, S. 2ff.; Eggert/Fassot 2003, S. 2).
Die Entscheidung, ob ein varianzbasiertes Verfahren wie PLS oder ein
kovarianzbasiertes wie LISREL in einer Untersuchung zur Anwendung kommt, ist vor
allem von der Operationalisierung der Modellkonstrukte und der Forschungsmotivation
abhängig (vgl. Herrmann/Huber/Kressmann 2004, S. 19ff):
• Sind alle Konstrukte des Modells reflektiv operationalisiert, sind grundsätzlich
beide Verfahren geeignet und die Wahl ist abhängig von der Forschungsmotivation.
Dominiert hierbei die Varianzerklärung der Zielvariablen, so ist
dem PLS-Verfahren der Vorzug zu geben, ansonsten sind kovarianzbasierte
Verfahren geeigneter.
• Besteht ein Modell nur aus formativen Konstrukten, kommt aus
Identifikationsaspekten nur PLS in Frage.
251

• Enthält das Modell sowohl formative als auch reflektive Konstrukte, ist die
Anwendung kovarianzbasierter Verfahren nur unter bestimmten
Bedingungen möglich:
- Von jedem formativen Konstrukt müssen mindestens zwei Pfade zu
reflektiven Konstrukten ausgehen und
- Nur exogene Konstrukte sind formativ, alle endogenen Konstrukte sind
reflektiv. Im Falle formativ operationalisierter endogener Konstrukte
sind kovarianzbasierte Verfahren aufgrund der nicht möglichen
Aussagen zur Varianzerklärung nicht zu empfehlen.
In allen anderen Fällen ist die Verwendung von PLS möglich bzw. zu
empfehlen.
Ob in der vorliegenden Untersuchung ein kovarianzbasiertes Verfahren (LISREL)
oder mit PLS ein varianzbasiertes Verfahren bei der empirischen Analyse zur
Anwendung kommen soll, ist folglich abhängig von der Operationalisierung der
Kosten- und Nutzendimension sowie der Zielsetzung der Untersuchung:
• Die hier zu untersuchenden Dimensionen Kosten von Produktvielfalt und
Nutzen von Produktvielfalt wurden auf Faktorenebene reflektiv und auf
Dimensionsebene formativ operationalisiert, enthalten also sowohl formative
als auch reflektive Elemente (siehe Kapitel 3.2.2, S. 214ff).
• Ziel der Untersuchung ist neben der Messung von Kosten und Nutzen von
Produktvielfalt auch die Bestimmung des Einflusses hoher Vielfalt auf
verschiedene Zielgrößen des Konsumentenverhaltens wie Kaufintention und
Zufriedenheit. Es steht daher die Varianzerklärung dieser Zielgrößen und
nicht die Überprüfung eines theoretischen Modells im Vordergrund.
Aus diesen Gründen ist das PLS-Verfahren geeigneter als ein kovarianzbasiertes
Verfahren, wie z. B. LISREL und wird in dieser Untersuchung zur Datenanalyse
verwendet.
Nachfolgend werden nach einem knappen Überblick zum PLS-Verfahren die in der
Hauptuntersuchung verwendeten und auf PLS basierenden Analyseverfahren und
Gütekriterien der Konstruktmessung dargestellt.
252

3.4.1.2 Der PLS-Ansatz
Das varianzbasierte PLS-Verfahren gründet auf einem von Herman Wold Ende der
60er Jahre entwickelten Algorithmus, der die einfache Einbindung formativer und
reflektiver Konstrukte in ein Strukturgleichungsmodell erlaubt (vgl. Wold 1985,
S. 581ff.). Obwohl dieser 1977 von Apel und 1982 von Lohmüller softwaretechnisch
umgesetzt wurde, fand er bislang in der betriebswirtschaftlichen Forschung kaum
Beachtung. In dieser Arbeit kommt das von Chin entwickelte Programm PLS Graph in
der Version 3.00 zum Einsatz. Dieses basiert auf dem von Lohmöller (letzte Version
1987) entwickelten Programm LVPLS 1.8, verfügt aber zusätzlich über eine
graphische Oberfläche und verbesserte Validierungstechniken (vgl. Chatelin/Vinzi/
Tenenhaus 2002, S. 7).
Als varianzbasiertes Verfahren hat der PLS-Ansatz das Ziel, die empirische
Datenstruktur, also die Indikatorwerte, bestmöglich zu reproduzieren. In Abbildung 54
ist ein komplettes PLS-Modell mit formativen und reflektiven latenten Variablen
dargestellt.
Exogenes (formatives) Messmodell
Endogenes (reflektives) Messmodell
x 1
x 2
x 3
x 4
π x1
π x2
π x3
π x4
ξ
γ 1
η
inneres Modell/Strukturmodell
ζ η
λ y1
y 1
ε 1
λ y3
y 3
ε 3
λ y2
y 2
ε 2
äußeres Modell
äußeres Modell
Abbildung 54: PLS-Modell nach der Parameterschätzung. Quelle: Herrmann/Huber/Kressmann 2004,
S. 6
Zur Bestimmung der Schätzparameter λ i und π i nutzt der PLS-Schätzalgorithmus so
genannte Gewichte als Hilfsvariablen. Mit deren Hilfe werden konkrete Werte für
die latenten Variablen auf der Basis einer gewichteten Linearkombination ihrer
Indikatoren berechnet. Die Gewichte werden durch den Algorithmus dabei so
bestimmt, dass die Residuen in den Messmodellen minimiert werden, um so die
tatsächlichen Datenpunkte optimal anzunähern (Kleinstquadrateigenschaft)
253

(vgl. Lohmöller 1989, S. 29f.; Voges/Lohmöller 1989, S. 10; Herrmann/
Huber/Kressmann 2004, S. 5). Der PLS-Algorithmus schätzt die Gewichte für jede
Variable getrennt und unter der Annahme, dass die anderen, benachbarten latenten
Variablen bekannt sind, also quasi perfekt gemessen werden. Dabei ist die Art, in der
PLS die Gewichte bestimmt, abhängig vom Messmodelltyp und erfolgt iterativ in
einem dreiphasigen Prozess, der in Abbildung 55 als Ablaufdiagramm veranschaulicht
ist (vgl. Lohmöller 1989, S. 29f.).
PHASE 1
ERSTELLUNG DER AUSGANGSLÖSUNG
Jede latente Variable wir als nichttriviale Linearkombination der jeweiligen
Indikatorvariablen ausgedrückt
ITERATIVE SCHÄTZUNG DER LATENTEN VARIABLEN
Innere Approximation
Minimierung der Varianz von ζ im Strukturmodell
PHASE 2
Äußere Approximation
Minimierung der Varianz von ε und δ im reflektiven Messmodell
Minimierung der Varianz von δ im formativen Messmodell
Konvergenztest
BERECHNUNG DER MODELLPARAMETER
PHASE 3
Berechnung der Pfadkoeffizienten im inneren Modell
Berechnung der Pfadkoeffizienten im äußeren Modell
Abbildung 55: Ablaufdiagramm des PLS-Schätzalgorithmus. Quelle: Götz/Liehr-Gobbers 2004, S. 6
In der ersten Phase wird eine Ausgangslösung erstellt, indem jede latente Variable als
nichttriviale Linearkombination ihrer Indikatoren ausgedrückt wird.
Die zweite Phase dient der Schätzung der latenten Variablen. Hierbei werden die
Schätzwerte in einem iterativen Prozess durch wechselweise innere und äußere
Approximation (im Sinne des Struktur- bzw. Messmodells) verbessert. Ziel dieser
Iteration ist es, die Residualvarianzen im Struktur- und Messmodell zu minimieren.
Die Iteration aus äußerer und innerer Approximation wird deshalb so oft durchgeführt,
254

is sich die Gewichte nicht mehr wesentlich ändern und ein vorgegebenes
Konvergenzkriterium 48 erfüllen (vgl. Lohmöller 1989, S. 29f.). Die Gewichte der
Messmodelle sind dabei im Fall eines reflektiven Konstrukts als einfache
Regressionskoeffizienten des Indikators, durch die der Einfluss der latenten Variable
auf den jeweiligen Indikator beschrieben wird, zu verstehen. Bei formativen
Messmodellen dienen die multiplen Regressionskoeffizienten, die den Einfluss der
Indikatorvariablen auf die zugehörige latente Variable messen, als Gewichte (vgl.
Herrmann/Huber/Kressmann 2004, S. 5).
Basierend auf den Schätzwerten der zweiten Phase werden in der dritten Phase die
Modellparameter mittels einer OLS-Regression bestimmt. Hierbei werden zunächst
die Pfadkoeffizienten des inneren Modells (Strukturmodell) und anschließend die
Regressionskoeffizienten im Messmodell (äußeres Modell) berechnet (vgl.
Götz/Liehr-Gobbers 2004, S. 6). Für formative Konstrukte führt die Schätzung der
multiplen Regressionskoeffizienten auf Basis der aus den Gewichten bestimmten
Konstruktwerte dabei „(...)zwingend zu den Gewichten als Regressionskoeffizienten
und einem Fehlerterm δ von Null“ (Herrmann/Huber/Kressmann 2004, S. 6). Die zur
Berechnung einiger Gütemaße erforderlichen Mittelwerte für latente und manifeste
Variablen werden zusammen mit den Ortungsparametern am Ende des Algorithmus
bestimmt (Herrmann/Huber/Kressmann 2004, S. 6).
Obwohl der PLS-Algorithmus jeweils nur einen Teil des Models behandelt (daher der
Name Partial Least Squares), liefert er eine „(...) modellweite und hinsichtlich der
Erklärungskraft des Gesamtmodells optimale Lösung (...)“ (Götz/Liehr-Gobbers 2004,
S. 6).
Der PLS-Ansatz und kovarianzbasierte Verfahren im Vergleich
Der varianzbasierte PLS-Ansatz unterscheidet sich von kovarianzbasierten Verfahren
wie LISREL am augenscheinlichsten hinsichtlich seiner Zielsetzung: Während die
Kovarianzstrukturanalyse ein konfirmatorisches Verfahren darstellt und darauf abzielt,
ein aus der Theorie abgeleitetes Modell zu analysieren und zu validieren, maximiert
PLS die Erklärungskraft des Strukturmodells. Da die Parameter durch den
PLS-Algorithmus so bestimmt werden, dass die Datenmatrix bestmöglich nachgebildet
48 Ein gebräuchliches Kriterium ist, dass sich die die Gewichte zwischen innerer und äußerer
Approximation ab der vierten Nachkommastelle nicht mehr ändern.
255

wird, haben diese bessere Vorhersageeigenschaften als Schätzer kovarianzbasierter
Verfahren (vgl. Herrmann/Huber/Kressmann 2004, S. 7). Das PLS-Verfahren ist daher
insbesondere für die Überprüfung der Prognosegenauigkeit eines Modells und die
Theorieherleitung und weniger für die Überprüfung eines theoriebasierten Modells
geeignet (vgl. Wold 1982a, S. 341ff.; Götz/Liehr-Gobbers 2004, S. 4).
Dies liegt insbesondere auch darin begründet, dass in PLS keine Gesamtgütemaße in
Bezug auf die Modellanpassung verfügbar sind: „Since PLS does not attempt to
minimize residual item covariance, there is no summary statistic to measure the
overall fit of models (...)“ (Sarker et al. 2001, S. 366). Hintergrund hierfür ist, dass
PLS keine Annahmen hinsichtlich der Verteilung der Daten voraussetzt und deshalb
auch keine inferenzstatistischen Tests auf der Grundlage von Verteilungen möglich
sind. Signifikanzaussagen können in PLS daher nur auf Basis der Hilfs-Prozeduren
Bootstrap und Jackknife gemacht werden (vgl. Herrmann/Huber/Kressmann 2004,
S. 7).
Demgegenüber ist das PLS-Verfahren im Vergleich zur Kovarianzstrukturanalyse
hinsichtlich der Mindestanforderungen an die Stichprobengröße im Vorteil. Während
kovarianzbasierte Verfahren einen Stichprobenumfang von mindestens 100 für die
Identifizierbarkeit des Models benötigen (vgl. Backhaus et al. 2003, S. 365), hat PLS
auch bei relativ kleinen Stichproben keine Identifikationsprobleme, da nur jede
Teilregression identifizierbar sein muss (vgl. Chin/Newsted 1999, S. 313). Da das
PLS-Verfahren keine Verteilungsannahme unterstellt, ist es auch dann einsetzbar,
wenn die manifesten Variablen nicht multinormalverteilt sind und die Residuen keine
identische Verteilung (Homoskedastizität) besitzen (vgl. Lohmöller 1989, S. 70f.).
Aufgrund dieser „weichen“ Verteilungsannahmen wird die Modellierung mit dem
PLS-Verfahren auch als Soft Modeling bezeichnet (vgl. Wold 1980, S. 47ff.). Ein
weiterer Vorteil – wenn nicht der Hauptvorteil von PLS – ist, dass das PLS-Verfahren
die Analyse sowohl formativer als auch reflektiver Konstrukte erlaubt. Dies ist bei der
Kovarianzanalyse nur unter relativ restriktiven Bedingungen möglich (siehe S. 252).
Der PLS-Ansatz ist demnach weniger restriktiv als kovarianzbasierte Verfahren, dafür
hat er Schwächen hinsichtlich der systematischen Messfehler und der Konsistenz der
Parameterschätzungen (vgl. Chin/Marcolin/Newsted 1996, S. 34). Dies ist darauf
zurückzuführen, dass sich die Konstruktwerte als lineare Kombination der mit
Messfehlern behafteten Indikatoren ergeben und diese deshalb inkonsistent sind.
Gleiches gilt für die auf den Konstruktwerten basierenden Parameterschätzungen
(Fornell/Cha 1994, S. 66).
256

In Folge dessen werden durch das PLS-Verfahren die Verbindungen zwischen
Konstrukt und Indikatoren (Ladungen) überschätzt und die Pfadkoeffizienten als
Verbindungen zwischen den Konstrukten unterschätzt. (vgl. Chin/Marcolin/Newsted
1996, S. 34). Es konnte aber nachgewiesen werden, dass sich die Überschätzungen im
Messmodell und die Unterschätzungen im Strukturmodell gegenseitig aufheben und
somit die „Korrelationen zwischen Indikatoren verschiedener latenter Variablen
wiederum stets konsistent sind“ (Herrmann/Huber/Kressmann 2004, S. 8). Ferner
argumentierte Wold (1980, S. 52), dass sich kovarianz- und varianzbasierte Schätzer
nicht wesentlich voneinander unterscheiden und in der Regel co-konsistent sind.
Folglich ist die Rangfolge der Einflussstärken sehr ähnlich und deren Relationen sind
nahezu proportional (vgl. Herrmann/Huber/Kressmann 2004, S. 8).
Nachteilig ist ferner, dass es beim PLS-Verfahren zur Verbesserung der Konsistenz
der Schätzer notwendig ist, gleichzeitig den Stichprobenumfang und die Anzahl der
Indikatoren zu erhöhen. Dies liegt daran, dass die Konstrukte als Linearkombination
der Indikatoren abgebildet werden und dadurch bei erhöhter Indikatorenzahl der
einzelne fehlerbehaftete Indikator weniger ins Gewicht fällt. Diese Eigenschaft wird
als „consistency at large“ (Herrmann/Huber/Kressmann 2004, S. 9) bezeichnet. Im
Vergleich hierzu reicht es bei der Kovarianzanalyse aus, den Stichprobenumfang zu
erhöhen, um die Konsistenz der Schätzer zu verbessern (vgl. Wold 1982b, S. 25).
Zusammenfassung
Fasst man die Vor- und Nachteile des PLS-Ansatzes gegenüber kovarianzbasierten
Verfahren zusammen, so lässt sich folgendes festhalten: PLS ist das weniger
restriktive Verfahren, das auch die Analyse kleiner Strichproben ermöglicht und keine
Annahmen hinsichtlich der Verteilung der manifesten Variablen macht. Damit
verbunden ist aber, dass PLS keine Gütemaße auf Gesamtmodellebene zur Verfügung
stellt und deshalb weniger zur Theorieüberprüfung, als viel mehr zur Vorhersage
konkreter Datenpunkte geeignet ist. Hinsichtlich der Genauigkeit der Schätzer ist das
PLS-Verfahren der Kovarianzanalyse unterlegen. Da die Schätzer kovarianz- und
varianzbasierter Verfahren aber normalerweise co-konsistent sind, sind die relativen
Einflüsse der Parameter bei beiden Verfahren etwa gleich. Sollen in einer
Untersuchung die relativen Einflüsse verschiedener Parameter auf eine Zielgröße
untersucht werden, ist PLS folglich gegenüber kovarianzanalytischen Verfahren nicht
im Nachteil (vgl. Herrmann/Huber/Kressmann 2004, S. 10). Das PLS-Verfahren ist
257

somit besser zur Untersuchung der hier betrachteten Fragestellungen geeignet, als ein
varianzbasiertes Verfahren wie beispielsweise LISREL.
Ansatz zur Analyse von Konstrukten zweiter Ordnung mit PLS
Eines der Ziele der empirischen Untersuchung ist die Messung des Werts von
Produktvielfalt anhand seiner Kosten- und Nutzendimension. Beide wurden als
Konstrukt zweiter Ordnung 49 konzeptualisiert (siehe Kapitel 3.2.1. S. 209ff.). Es ist
deshalb ein auf PLS basierender Ansatz anzuwenden, der die hierarchische Struktur
der Konstruktebenen abbildet, zu einer globalen latenten Variable „verdichtet“ und für
diese einen Wert berechnet. Dieser Wert enspricht dem Wert der latenten Variablen
KVP bzw. NVP und damit den Kosten bzw. dem Nutzen von Produktvielfalt.
Wold (1982, S. 40ff.) schlägt hierfür eine Struktur vor, in der alle latenten Variablen in
einem „super block“ (Tenenhaus et al. 2004, S. 38) zusammengefasst und die
einzelnen latenten Variablen mit diesem verbunden werden. Abbildung 56 stellt die
von Wold (1982b) entwickelte Modellstruktur als Pfaddiagramm dar.
x 11
x 11
x 12
x 13
x 21
x 22
X 1
X 2
x 11
x 12
x 13
x 21
X 4 x 22
x 32
X 3 x 31
x 31
x 32
x 32
X 3
x 33
x 33
Abbildung 56: Von Wold (1982b) entwickelte Struktur zur Abbildung eines Konstrukts zweiter
Ordnung in PLS. In Anlehnung an Wold (1982b), S. 41
49 Auf Konstrukte zweiter Ordnung wurde bereits in Kapitel 3.1.2, S. 192ff. (siehe auch Abbildung
45, S. 193) eingegangen.
258

Auf Faktorenebene werden die latenten Variablen X 1 , X 2 und X 3 reflektiv durch die
entsprechenden manifesten Variablen x 11 bis x 33 abgebildet. Den Gesamtwert der
latenten Variable auf Konstruktebene (X 4 ) erhält man durch die Verbindung der
latenten Variablen X 1 , X 2 und X 3 mit der latenten Variablen X 4 , die alle manifesten
Variablen als „super block“ (Tenenhaus et al. 2004, S. 38) zusammenfasst. Wold
(1982b) schlägt vor, die Superblock-Variable reflektiv durch alle manifesten Variablen
des Konstrukts zu operationalisieren (vgl. Wold 1982b, S. 40ff.). Ebenso
argumentieren beispielsweise auch Guinot, Latreille und Tenenhaus (2001, S. 257),
sowie Pagès und Tenenhaus (2001, S. 267f.), welche die von Wold (1982b)
vorgeschlagene Struktur in empirischen Untersuchungen angewendet haben, um für
Konstrukte mit einer formativen Operationalisierung auf zweiter Ebene einen globalen
Wert zu berechnen.
Eine Alternative zum Vorschlag von Wold wäre, das Konstrukt auf zweiter Ebene als
eine Art MIMIC-Modell abzubilden (siehe hierzu auch Abbildung 46, S. 202). Dabei
wird die Konstruktebene direkt durch Indikatoren reflektiv operationalisiert. Nachteil
dieses Verfahrens ist, dass die weitere Berechnung ausschließlich auf diesen
Indikatoren beruht, die das Gesamtkonstrukt direkt messen, und folglich die
Informationen der ersten Ebene verloren gehen. Im Gegensatz hierzu nutzt die
Struktur von Wold die Informationen aller manifesten Variablen.
Die Konzeptualisierung der Kosten- und Nutzendimension des Werts von
Produktvielfalt entspricht genau der von Wold (1982b) vorgeschlagenen Struktur.
Sein Ansatz ist deshalb Grundlage der nachfolgend beschriebenen Methodik zur
Datenanalyse der Hauptuntersuchung. Bei der Methodenbeschreibung wird
insbesondere auf die Gütemaße eingegangen, auf deren Basis die Validität und
Reliabilität der Konstruktmessung unter Verwendung des PLS-Ansatzes beurteilt wird.
3.4.1.3 Gütekriterien zur Beurteilung der Messmodelle
Nachfolgend werden die Gütekriterien zur Beurteilung der Messmodelle auf der
Ebene 1 (reflektiv) und Ebene 2 beschrieben.
259

Konstruktebene
Nutzen
NPV
Wert von Produktvielfalt
Kosten
KPV
Ebene 2
(formativ)
Antizipierter
Produktnutzen
Erfolgsaussichten
Informationsmöglichkeiten
Spaß
Positive
Emotionen
Aufwand und
Anstrengung
Negative
Emotionen
Antizipiertes
Regret
Ebene 1
(refklektiv)
AP EA IM Sp PE
AA VF AR
... ... ... ... ... ... ... ...
Abbildung 57: Ebenen des Messmodells
Ebene 1: Gütekriterien zur Beurteilung der reflektiv operationalisierten
Faktoren
In Kapitel 3.1.2.1 (S. 196) wurde bereits erläutert, dass zur Beurteilung der Güte
reflektiver Messmodelle vier Validitätsarten von Beutung sind:
• Inhaltsvalidität
• Konvergenzvalidität
• Diskriminanzvalidität
• Nomologische Validität
Während die Beurteilung der Inhaltsvalidität vor allem auf Indikatorenebene erfolgt,
werden die anderen Validitätsarten auf Konstruktebene bewertet.
Gütekriterien auf Ebene der Indikatoren
Die Inhaltsvalidität verlangt, dass die Indikatoren eines Konstrukts mit dessen
theoretischen Rahmen konsistent sind und alle Facetten und Bedeutungsinhalte
abbilden. Dies wird in erster Linie durch das in Kapitel 2 beschriebene theoretische
Gerüst der Untersuchung gewährleistet, das die Basis der Konzeptualisierung und
Operationalisierung des Werts von Produktvielfalt darstellt (siehe Kapitel 3.2.1,
S. 209ff.). Inhaltsvalidität setzt weiterhin voraus, dass alle Indikatorvariablen dem
„inhaltlich-semantischen Bereich des Konstrukts angehören“ (Homburg/Giering
260

1996, S. 7). Es muss folglich eine enge Beziehung zwischen einer latenten Variablen
und deren Indikatoren bestehen.
In diesem Zusammenhang spielt die Indikatorreliabilität eine wichtige Rolle. Sie
gibt an, „welcher Anteil der Varianz eines Indikators durch die zugrunde liegende
latente Variable erklärt werden kann“ (Götz/Liehr-Gobbers 2004, S. 13). Dieses
Kriterium wird dann erfüllt, wenn mehr als 50% der Varianz eines Indikators durch
die zugehörige latente Variable erklärt wird, was gleichzeitig bedeutet, dass die
gemeinsame Varianz zwischen latenter und zugehöriger manifester Variable
(Indikator) größer ist als die Varianz des entsprechenden Messfehlers (vgl.
Carmines/Zeller 1979, S. 27). Da die Varianz des Messfehlers des Indikators i var(ε i )
durch 1-λ 2 i definiert ist (λ i bezeichnet die Ladung zwischen der latenten Variable und
dem Indikator i) gilt, dass genau dann mehr als 50% der Varianz des Indikators i durch
die entsprechende latenten Variable verursacht werden, wenn die Ladung λ i größer als
die Wurzel aus 0,50 (≈0,707) ist. Werden für die Berechnungen in PLS standardisierte
manifeste Variablen verwendet, was in dieser Untersuchung der Fall ist, so entspricht
die Ladung λ i der Korrelation zwischen manifester Variable i und dem Wert der
zugehörigen latenten Variable. Das Ladungsquadrat λ 2 i wird dann als Kommunalität
(Communality) bezeichnet (vgl. Chatelin/Vinzi/Tenenhaus 2002, S. 28). Sie wird in
PLS-Graph sowohl auf Indikator- als auch auf Konstruktebene (durchschnittliche
Kommunalität) berechnet. Das Kriterium der Indikatorreliabilität ist folglich dann
erfüllt, wenn die Kommunalität einer manifesten Variable größer als 0,5 ist.
Neben der Höhe der Ladung zwischen latenter und manifester Variable λ i interessiert
vor allem deren Signifikanz (vgl. Hulland 1999, S. 198). Diese lässt sich durch die
t-Werte der Ladungen abschätzen (vgl. Herrmann/Huber/Kressmann 2004, S. 24).
Zweiseitige Signifikanz liegt dabei ab einem t-Wert von 1,98 50 vor. Zur Berechnung
der t-Werte dienen in PLS die Resampling-Prozeduren Bootstrapping und
Jackknifing, wobei aufgrund des geringeren Standardfehlers das Bootstrapping-
Verfahren dem Jackknifing-Verfahren vorzuziehen ist und in dieser Untersuchung
angewendet wird (vgl. Efron/Tibshirani 1993, S. 145f.; Tenenhaus et al. 2004,
S. 25). Zur Ermittlung der t-Werte mittels des Bootstrapping-Verfahrens wird
dieselbe Anzahl an Subsamples generiert, wie die Stichprobe Fälle enthält, d. h. bei
einer Stichprobengröße von 596 werden im Rahmen des Bootstrapping-Verfahrens
50 Der Grenzwert ist abhängig von der Anzahl der Freiheitsgrade.
261

596 Subsamples „gezogen“. Damit wird der Empfehlung von Tenenhaus et al. (2004,
S. 18) Rechnung getragen, der die Generierung von über 100 Subsamples anrät.
Gütekriterien auf Faktorebene
Während die Indikatorreliabilität die Modellgüte auf der Ebene der Indikatoren
beurteilt, stellt die Konvergenzvalidität die interne Konsistenz verschiedener Items
eines Konstrukts bzw. Faktors sicher. Die Betrachtung erfolgt somit nicht auf
Indikatorebene sondern auf Konstrukt- bzw. Faktorebene. Konvergenzvalidität setzt
voraus, dass die manifesten Variablen desselben Konstrukts bzw. Faktors
untereinander eine starke Beziehung aufweisen. Götz und Liehr-Gobbers (2004)
schlagen vor, die Konvergenzvalidität anhand der internen Konsistenz zu beurteilen
(S. 13). Diese gibt an, wie gut ein Konstrukt bzw. Faktor durch die ihm zugeordneten
Indikatoren gemessen wird und ist wie folgt definiert:
IK =
⎛
⎜
⎝
∑
i
⎛
⎜
⎝
⎞
λi
⎟
⎠
∑
i
2
+
⎞
λi
⎟
⎠
∑
i
2
var
( ε )
i
(14)
λ i
Ladung zwischen Indikator i und zugehöriger latenter Variable
ε i Messfehler der Indikatorvariablen i (var(ε i ) = 1 - λ i 2 )
Die interne Konsistenz, die auch als Faktorreliabilität (vgl. Ringle 2004, S. 19) oder
Konstruktreliabilität (vgl. Herrmann/Huber/Kressmann 2004, S. 24) bezeichnet wird,
kann Werte zwischen 0 und 1 annehmen, wobei höhere Werte auf eine bessere
Messung schließen lassen. Als akzeptabel werden in der Literatur Werte ab 0,6 (vgl.
Bagozzi/Yi 1988, S. 82) bzw. 0,7 (vgl. Nunnally 1978, S. 245) bezeichnet.
Als weitere Kenngröße zur Beurteilung der Konvergenzvalidität wird in der Literatur
die auf Fornell und Larcker (1981, S. 45f.) zurückgehende durchschnittlich erfasste
Varianz DEV (AVE – Average Variance Extracted) genannt (vgl. Ringle 2004,
S. 19f.).
262

Sie ist formal definiert als:
DEV =
∑
i
2
i
∑
i
λ +
λ
∑
i
2
i
var
( ε )
i
(15)
λ i
Ladung zwischen Indikator i und zugehöriger latenter Variable
ε i Messfehler der Indikatorvariablen i (var(ε i ) = 1 - λ i 2 )
Die DEV gibt an, wie hoch der durch einen Faktor erklärte Varianzanteil der
manifesten Variablen ist. Sie entspricht bei der Verwendung standardisierter
manifester Variablen der durchschnittlichen Kommunalität der Indikatoren eines
Blocks (Konstrukt, Faktor) und kann somit ebenfalls Werte zwischen 0 und
1annehmen (vgl. Ringle 2004, S. 20). Als untere Grenze zur Annahme der Messung
wird im Schrifttum ein Wert von 0,5 genannt (vgl. Homburg/Baumgartner 1998,
S. 361).
Konvergenzvalidität setzt voraus, dass die Korrelationen zwischen den manifesten
Variablen ausschließlich durch das zugrunde liegende Konstrukt verursacht werden
(vgl. Herrmann/Huber/Kressmann 2004, S. 24). Die latente Variable muss somit
unidimensional sein. Unidimensionalität bezeichnet „the degree to which items load
only on their respective constructs without having‚ parallel correlational pattern(s)“
(Gefen/Straub/Boudreau 2000, S. 25). Zur Überprüfung der Unidimensionalität des
Konstrukts empfehlen Tenenhaus et al. (2004) u. a. die Eigenwerte der
Korrelationsmatrix der manifesten Variablen zu bestimmen. Ein Block (latente
Variable) kann dann als unidimensional bezeichnet werden, wenn der erste Eigenwert
größer als 1 und der zweite kleiner als eins ist oder zumindest deutlich vom ersten
abweicht. In der Literatur wird dieses Kriterium auch als Kaiser-Kriterium
bezeichnet (vgl. Backhaus et al. 2003, S. 295). Die Autoren schlagen weiterhin vor,
dass man von Unidimensionalität ausgehen kann, wenn das Cronbachs Alpha des
Konstrukts über 0,7 liegt (vgl. Tenenhaus et al. 2004, S. 5f.). Im Gegensatz hierzu
weisen Gefen und seine Kollegen (2000) darauf hin, dass die Unidimensionalität nicht
anhand dieser Größe beurteilt werden kann (S. 25). In dieser Untersuchung wird es
dennoch als zusätzliche Größe angegeben. Für eine unidimensionale Messung eines
Konstrukts sind außerdem geringe Kreuzladungen zwischen den Indikatoren des
betrachteten Konstrukts und anderen Konstrukten zu fordern (vgl. Herrmann/
263

Huber/Kressmann 2004, S. 24f.). Im Fall von standardisierten manifesten Variablen
sollten also manifesten Variablen stärker mit der zugehörigen latenten Variable als mit
anderen korrelieren. Eng hiermit verbunden ist die Diskriminanzvalidität.
Diese gibt an, inwieweit „(...) measures of distinct concepts differ“ (Bagozzi/Phillips
1982, S. 469) und liegt dann vor, wenn die Messmodelle inhaltlich verschiedener
Konzepte auch unterschiedliche Messergebnisse erzeugen. Die Diskriminanzvalidität
lässt sich mit Hilfe des Fornell-Larcker-Kriteriums beurteilen (vgl. Götz/Liehr-
Gobbers 2004, S. 15). Dieses besagt, dass dann von Diskriminanzvalidität
ausgegangen werden kann, wenn die durchschnittlich erfasste Varianz einer latenten
Variablen größer ist als sämtliche quadrierten Korrelationen dieser Variablen mit allen
anderen Konstrukten im Modell (vgl. Fornell/Larcker 1981, S. 46). Ist das Fornell-
Larcker-Kriterium erfüllt, so ist die gemeinsame Varianz einer latenten Variablen mit
ihren manifesten Variablen größer als die gemeinsame Varianz mit anderen
Konstrukten des Modells.
Zur Überprüfung der nomologischen Validität muss das zu untersuchende Konstrukt
in einen übergeordneten theoretischen Rahmen eingebettet werden. Nomologische
Validität liegt dann vor, wenn die auf diesem Rahmen basierenden Zusammenhänge
des zu untersuchenden Konstrukts mit anderen (validen) Konstrukten empirisch
nachgewiesen werden können (vgl. Homburg/Giering 1996, S. 7f). Die Überprüfung
der nomologischen Validität erfolgt auf Konstruktebene bei der Untersuchung der
Konsequenzen der KPV und NPV (vgl. Kapitel 4, S. 307ff.).
Herrmann, Huber und Kressmann (2004) schlagen vor, die Prognosevalidität
reflektiver Messmodelle zusätzlich anhand des Stone-Geissers Q 2 zu beurteilen
(S. 26). Dieses basiert auf der Blindfolding-Prozedur, die systematisch einzelne Fälle
bei der Parameterschätzung als fehlend (missing) annimmt und deren Rohdaten auf
Basis der geschätzten Parameter rekonstruiert. In dieser Untersuchung wird der in der
Literatur genannten Empfehlung, 25-30 Fälle als fehlend anzunehmen (d. h. G = 30),
gefolgt (vgl. Chatelin/Vinzi/Tenenhaus 2002, S. 10f). Das Stone-Geissers Q 2 kann
sowohl auf Konstruktebene bezüglich der Kommunalitäten, als auch auf Strukturebene
bzgl. der Redundanzen berechnet werden. Da Redundanzen nur für endogene
Konstrukte angegeben werden können, kommt zur Gütebeurteilung der exogenen
Faktoren nur das Q 2 auf Basis der Kommunalitäten in Frage. Das Stone-Geissers Q 2
vergleicht die Höhe der Residuen der Indikatorvariablen aus der Modellschätzung mit
der Höhe der Residuen einer trivialen Vorhersage. Letztere basiert auf den
Mittelwerten der verbleibenden Daten aus der Blindfolding-Prozedur (vgl.
264

Herrmann/Huber/Kressmann 2004, S. 25). Das Kriterium misst, wie gut das geschätzte
Modell die empirisch gewonnen Daten rekonstruieren kann und wird daher als Maß
für die Vorhersagerelevanz des Modells bezeichnet (vgl. Fornell/Cha 1994, S. 72f.).
Das Stone-Geissers Q 2 eines Konstrukts ist folgendermaßen definiert:
2
Q = 1 −
∑
k
∑
k
E
O
k
k
(16)
E k
O k
Quadratsumme der Prognosefehler für Indikator k
Quadratsumme aus der Differenz von geschätztem Wert und dem Mittelwert der
verbleibenden Daten aus der Blindfolding-Prozedur für Indikator k
Das Messmodell besitzt eine hinreichende Prognosefähigkeit, wenn das
Stone-Geissers Q 2 größer als 0 ist. In diesem Fall ist die Summe der Quadratsumme
der Prognosefehler aller Indikatoren k eines Konstrukts kleiner als die Summe der
Residuen der auf Basis von Mittelwerten ermittelten trivialen Lösung (vgl.
Herrmann/Huber/Kressmann 2004, S. 25; Götz/Liehr-Gobbers 2004, S. 25f.).
In Tabelle 26 sind alle Prüfkriterien, die in der Hauptuntersuchung auf Ebene 1
(reflektives Messmodell) zur Anwendung kommen, nochmals zusammengefasst.
265

Validitätsart Ebene Gütemaß/Prüfkriterium Kriterium
Inhaltsvalidität
und Indikatorreliabilität
Konvergenzvalidität
Indikatoren
(manifeste
Variablen)
Konstruktebene
(latente Variablen)
Ladung
t-Wert der Ladungen
Interne Konsistenz (IK)
(Faktorreliabilität)
Durschnittliche erfasste
Varianz (DEV)
1. Eigenwert (EW)
2. Eigenwert (EW)
> 0,70
(entspricht bei standardisierten
Werten annähernd einer
Kommunalität > 0,50)
>1,98 (zweiseitig)
> 0,6
> 0,5
(entspricht bei standardisierten
Werten der durchschnittlichen
Kommunalität der Indikatoren eines
Konstrukts)
1. EW > 1
2. EW < 1
Cronbachs Alpha > 0,70
Zwischen
manifesten und
latenten Variablen
Korrelationen zwischen
latenten und manifesten
Variablen
Größer zwischen manifesten
Variablen und zugehörigem
Konstrukt als zwischen manifesten
Variablen und anderen Konstrukten
Diskriminanzvalidität
Zwischen latenten
Variablen
Fornell-Larcker-Kriterium
DEV i > als jede quadrierte
Korrelationen von Konstrukt i mit
allen anderen Konstrukten
Prognosevalidität
Konstruktebene
Stone-Geissers Q 2
(Kommunalität)
> 0
Tabelle 26: Gütemaße und Kriterien der Hauptuntersuchung für die Ebene 1 des Messmodells
(reflektives Messmodell)
Ebene 2: Gütekriterien zu Beurteilung der formativ operationalisierten Dimension
Die auf dem Vorschlag von Wold (1982b) basierende Modellierung der zweiten Ebene
führt dazu, dass eine Mischform aus Mess- und Strukturmodell entsteht. Hierbei
dienen die Faktoren einerseits als formative Indikatoren der formativ
operationalisierten Dimension, wobei deren Wert nicht manifest, sondern durch PLS
auf Basis der manifesten Variablen des entsprechenden Faktors berechnet wird.
Andererseits handelt es sich um ein Strukturmodell, bei dem der Einfluss der einzelnen
Faktoren auf den Dimensionswert untersucht wird. Zur Beurteilung der Validität und
Reliabilität dieses Ansatzes werden deshalb Gütemaße verwendet, die für die
Gütebeurteilung sowohl formativ operationalisierter Konstrukte, als auch zur
Beurteilung eines Strukturmodells geeignet sind. Es werden zunächst die Maße
266

abgeleitet, die in der Literatur zur Valditätsbeurteilung formativer Messmodelle
empfohlen werden.
Wie bereits in Kapitel 3.1.2.2 (S. 197ff.) erläutert wurde, gibt es in der Literatur bisher
kaum etablierte Verfahren und Gütekriterien zur Entwicklung valider formativer
Messmodelle. Der bereits dargestellte Ansatz von Diamantopoulos und Winklhofer
(2001) (siehe auch S. 200ff.) zählt derzeit zu den bekanntesten Verfahrensweisen der
Gütebeurteilung formativer Messmodelle und dient als Grundlage der Vorgehensweise
bei der Analyse. Er beinhaltet die vier Kriterien
1. Inhaltsspezifikation
2. Indikatorspezifikation
3. Indikatorkollinearität und
4. externe Validität.
Die Validitätsbeurteilung erfolgt dabei in den in Abbildung 58 dargestellten vier
Schritten durch die jeweils angegebenen Methoden.
Genaue Spezifikation
des Konstruktinhaltes
Sammlung von
Indikatoren, die alle
Konstruktfacetten
abdecken
Elimination von Items
mit hoher
Multikollinearität
Sicherstellen der
externen Validität
über nomologisches
Netzwerk
Theoretische Bezugspunkte,
Experten- und Konsumenteninterviews
PLS-basierte Gütemaße
Abbildung 58: Umsetzung der vier Schritte der Operationalisierung formativer Konstrukte nach
Diamantopoulos und Winklhofer (2001, S. 271f.). Quelle: Herrmann/Huber/Kressmann 2004, S. 18
Inhalts- und Indikatorspezifikation
Die ersten beiden Schritte dienen der Sicherstellung der Inhaltsvalidität des zu
messenden formativen Konstrukts. Sie gewährleisten die umfassende und
ganzheitliche Abbildung der latenten Variablen in allen ihren Facetten. Basis hierfür
ist die genaue Spezifikation und Definition des Konstruktinhalts in Schritt 1. Der
nächste Schritt dient dazu, die Indikatoren zu spezifizieren, d. h. möglichst alle
Indikatoren, die das Konstrukt potenziell beeinflussen, zu identifizieren. Im Kontext
dieser Untersuchung bedeutet dies, dass alle relevanten Facetten, die den Nutzen bzw.
267

die Kosten hoher Produktvielfalt aus Konsumentensicht bestimmen, identifiziert
werden müssen.
Die Inhalts- und Indikatorspezifikation wurde in dieser Untersuchung durch die
Vorgehensweise und Kombination mehrerer Forschungsmethoden bei der
Konzeptualisierung und Operationalisierung der KVP und NVP sichergestellt (siehe
Kapitel 3.2.2.1, S. 214ff.). Zentral ist, dass die Konstruktkonzeptualisierung und
-operationalisierung einerseits auf den in Kapitel 2 beschriebenen Theorien und
theoretischen Konzepte und andererseits auf Konsumenten- und Experteninterviews
basieren. Dadurch wird gewährleistet, dass die Facetten des jeweiligen Konstrukts
möglichst umfassend und aus verschiedenen Blickwinkeln durch die Faktoren
abgebildet werden.
Elimination von Indikatoren hoher Multikollinearität
Obwohl im Messmodell des Werts von Produktvielfalt nicht die Indikatoren, sondern
die Faktoren formativ operationalisiert sind, lassen sich die Vorgehensweise und die
Empfehlungen zur Elimination von Indikatoren hoher Multikollinearität hier
anwenden, indem die Faktoren bzw. deren durch PLS berechnete Werte als
Indikatoren bzw. Indikatorwerte interpretiert werden. Analog können die Beziehungen
zwischen Faktoren und Dimension als Beziehungen zwischen Indikatoren und
Konstrukt interpretiert werden. Im Folgenden soll die von Diamantopoulos und
Winklhofer (2001) verwendete Terminologie (Indikator, Konstrukt) beibehalten
werden. Wie oben erläutert, sind in der hier verwendeten Modellstruktur mit
Indikatoren nicht die manifesten Variablen, sondern die (berechneten) Faktorwerte
gemeint.
Während bei reflektiven Messmodellen empfohlen wird, Indikatoren mit geringen
Ladungen zu eliminieren, darf dieses Kriterium nicht auf formative Messmodelle
übertragen werden: „Omitting an indicator is omitting a part of the construct“
(Bollen/Lennox 1991, S. 308). Von der Höhe der Regressionsparameter zwischen
Indikator und Konstrukt kann folglich nicht direkt auf die Güte des Messmodells
geschlossen werden. Auch Indikatoren mit einem geringen Regressionskoeffizienten
können einen Beitrag zum Konstrukt leisten. Die Signifikanz des Einflusses eines
Indikators lässt sich mit Hilfe des t-Werts des zugehörigen (multiplen)
Regressionskoeffizienten bestimmen. Diesen kann man in PLS mit Hilfe der
Bootstrapping- oder Jackknifing-Prozedur bestimmen, wobei das Bootstrapping-
268

Verfahren – wie bereits erwähnt – aufgrund seines geringeren Standardfehlers dem
Jackknifing vorzuziehen ist und hier zur Anwendung kommt (vgl. Efron/Tibshirani
1993, S. 145f.; Tenenhaus et al. 2004, S. 25). Zweiseitige Signifikanz ist ab einem
Wert größer als 1,98 gegeben. Indikatoren mit einem geringeren t-Wert sollten
eliminiert werden. Da der t-Wert die Signifikanz des Einflusses eines Indikators auf
das Konstrukt ausdrückt, ermöglicht er eine Aussage über die Vorhersagevalidität
eines Indikators in Bezug auf das Konstrukt (vgl. Herrmann/Huber/Kressmann 2004,
S. 25).
Die Elimination eines Indikators aus einem formativen Messmodell wird ebenfalls
empfohlen, wenn starke Multikollinearität vorliegt (vgl. Götz/Liehr-Gobbers 2004,
S. 17). Dies ist zum einen dadurch zu begründen, dass bei hoher Multikollinearität die
Schätzung der Regressionskoeffizienten nicht stabil ist. Zum anderen lässt sich dann
ein Indikatorwert nahezu perfekt als Linearkombination anderer Indikatoren darstellen
und trägt folglich redundante Informationen. Liegt starke Multikollinearität vor, lässt
sich deshalb der Einfluss einzelner Indikatoren auf das Konstrukt nur schwer
separieren (für eine detaillierte Darstellung siehe S. 200f.). Die Höhe der
Multikollinearität lässt sich mit Hilfe des Variance Inflation Factors (VIF)
beurteilen. „Dieser basiert auf dem Varianzanteil eines Indikators, den die übrigen
Konstruktindikatoren erklären können“ (Herrmann/Huber/Kressmann 2004, S. 25). Er
ist definiert als:
1
VIF = (17)
1−
2
R i
R i
2
Bestimmtheitsmaß der linearen Regression mit dem Indikator i als abhängiger
Variable(Regressand) und allen anderen Indikatoren des formativen Konstrukts als
unabhängige Variablen (Regressoren).
Der Minimalwert des VIF beträgt 1; ein Wert größer als 10 deutet auf Multikollinearität
hin (vgl. Guijarati 2003, S. 362; Herrmann/Huber/Kressmann 2004,
S. 25). Ein alternatives Maß zur Prüfung auf Multikollinearität ist der Konditionsindex
nach Belsley, Kuh und Welsch (1980), der in dieser Untersuchung aber nicht zur
Anwendung kommt 51 .
51 Details zur Berechnung finden sich bei Götz/Liehr-Gobbers 2004, S. 20f.
269

Überprüfung der externen Validität
In einem vorherigen Abschnitt wurde bereits die Verwendung einer Phantomvariable
als Möglichkeit zur Überprüfung der externen Validität beschrieben (vgl. S. 201f.).
Dieses Verfahren wird hier verwendet. Dazu werden sowohl die Nutzen- als auch die
Kostendimension durch je eine Phantomvariable mit zwei Indikatoren reflektiv
abgebildet und mit dem jeweiligen (Gesamt)Konstrukt in Verbindung gesetzt. Besteht
zwischen einem Konstrukt und der zugehörigen Phantomvariable ein starker und
signifikanter Zusammenhang und kann ein erheblicher Teil der Varianz der
Phantomvariablen durch das jeweilige Konstrukt erklärt werden, so kann auf externe
Validität der Messung geschlossen werden (vgl. Götz/Liehr-Gobbers 2004, S. 22).
Vorhersagerelevanz von Struktur- und Messmodell
Wie bereits erwähnt, stellt das von Wold vorgeschlagene Verfahren zur Abbildung
eines Konstrukts zweiter Ordnung mit dem PLS-Verfahren eine Mischform aus Messund
Strukturmodell dar. Die bisher dargestellten Gütemaße basieren auf der
Beurteilung des Messmodells, werden aber in modifizierter Art auch zur
Gütebeurteilung des Strukturmodells empfohlen (vgl. Herrmann/Huber/Kressmann
2004, S. 29). Ist das „Zielkonstrukt“ eines Strukturmodells wie im Ansatz von Wold
reflektiv operationalisiert, kann zusätzlich das bereits beschriebene Stone-Geissers Q 2
zur Beurteilung der gemeinsamen Vorhersagevalidität von Struktur- und Messmodell
verwendet werden (vgl. Fornell/Cha 1994, S. 72f.; Herrmann/Huber/Kressmann 2004,
S. 26). Im Gegensatz zur Gütemessung reflektiver Messmodelle wird das Q 2 dann aber
nicht bzgl. der Kommunalitäten, sondern bzgl. der Redundanzen berechnet. Die Art
der Berechnung unterscheidet sich deshalb leicht von der auf Ebene 1 angewandten.
Es gilt aber auch hier, dass Werte größer als 0 Ausdruck annehmbarer Vorhersagevalidität
des gemeinsamen Struktur- und Messmodells sind.
Zur Beurteilung der Güte der Messmodelle auf Ebene 2 kommen zusammenfassend
die in Tabelle 27 dargestellten Kriterien zur Anwendung.
270

Inhalt Ebene Gütemaß/Prüfkriterium Kriterium
Multikollinearität Faktoren Variance Inflation Factor < 10
Vorhersagevalidität
Faktoren
Konstruktebene
t-Wert der (multiplen)
Regressionskoeffizienten
Stone-Geissers Q 2
(Redundanz)
> 1,98
> 0
Externe Validität
Konstruktebene R 2 Phantomvariable > 0,5
Beziehung mit
Phantomvariable
t-Wert des
Regressionskoeffizienten
> 1,98
Tabelle 27: Gütemaße und Kriterien der Hauptuntersuchung für die Ebene 2 des Messmodells
(formatives Messmodell)
Die verwendeten und auf dem PLS-Verfahren beruhenden Gütemaße zur Beurteilung
der Ebene 1 und Ebene 2 des Messmodells der KPV und NPV sind nachfolgend
zusammenfassend dargestellt.
Zusammenfassende Darstellung der verwendeten und auf dem PLS-Verfahren
beruhenden Gütemaße auf Ebene 1 und 2 des Messmodells
Die zur Beurteilung der Messmodelle des Werts von Produktvielfalt und seiner
Dimensionen verwendeten Gütemaße sind zusammenfassend in Abbildung 59
dargestellt.
271

Gütekriterien der Messmodelle der Hauptuntersuchung
Phatomvariable
NGl1
Nutzen
global
NGl2
KGl1
Kosten
global
KGl2
NGl
KGl
Konstruktebene
Nutzen
NPV
Wert von Produktvielfalt
Kosten
KPV
Ebene 2
(formativ)
Antizipierter
Produktnutzen
Erfolgsaussichten
Informationsmöglichkeiten
Spaß
Positive
Emotionen
Aufwand und
Anstrengung
Negative
Emotionen
Antizipiertes
Regret
Ebene 1
(refklektiv)
Betrachtete
Ebene
AP EA IM Sp PE
AA VF AR
... ... ... ... ... ... ... ...
Analyseebene Gütemaß Kriterium
Indikatorenebene
Ladung > 0,70
t-Wert der Ladung > 1,98
DEV
(Durchschnittlich erfasste Varianz)
> 0,50
Ebene 1
Faktorenebene
IK
(Interne Konsistenz)
Stone Geissers Q 2
(Kommunalität)
Eigenwerte (EW) der Faktoren
> 0,60
> 0
1. EW > 1
2. EW < 1
Cronbachs Alpha > 0,70
Manifeste und
latente Variablen
Korrelationen zwischen latenten und
manifesten Variablen
Fornell-Larcker-Kriterium
Größer zwischen manifesten Variablen und
zugehörigem Konstrukt als zwischen
manifesten Variablen und anderen
Konstrukten
DEV i > als jede quadrierte Korrelationen
von Konstrukt i mit allen anderen
Konstrukten
Pfadkoeffizient > 0,1
Faktorenebene
t-Wert des Pfadkoeffizient > 1,98
Ebene 2
Dimensionsebene
VIF
(Variance Inflation Factor)
Stone Geissers Q 2
(Redundanz)
R 2
(Phantomvariable)
Pfadkoeffizient
(zur Phantomvariable)
t-Wert Pfadkoeffizient
(zur Phantomvariable)
< 10
> 0
> 0,5
> 0,5
> 1,98
Abbildung 59: Gütekriterien zur Beurteilung der Messmodelle der Kosten und Nutzen von
Produktvielfalt in Hauptuntersuchung
272

3.4.2 Untersuchungsdesign und Auswahl der Datensätze
3.4.2.1 Untersuchungsdesign
Das Design der empirischen Untersuchung ist so zu wählen, dass dadurch die
Fragestellungen der Arbeit beantwortet werden können. Stimuli, Methode und
Prozess der Datenerhebung werden deshalb genauso wie der einzubeziehende
Personenkreis von der Zielsetzung und dem theoretischen Hintergrund der
Untersuchung bestimmt.
Stimuli
Um die Existenz der beiden Phänomene – Kosten und Nutzen von Produktvielfalt – bei
hoher Vielfalt empirisch aufzuzeigen, ist ein Versuchsdesign zu wählen, das folgende
Bedingungen erfüllt:
1. Möglichst reale Kaufsituation mit einer
2. extensiven Kaufentscheidung bei
3. hoher Produktvielfalt
Die erste Bedingung ist zu erfüllen, da die psychischen Prozesse, die letztlich Ursache
für die Kosten- und Nutzenaspekte hoher Produktvielfalt sind, nur in einer realen
Kausituation auftreten. Durch Experimente können diese zwar simuliert werden,
deren Ausprägungsgrad sollte aber in realen Situationen deutlich höher sein. Die
Ausführungen dieser Arbeit beziehen sich insgesamt nur auf extensive
Kaufentscheidungen (siehe S. 37ff.). Hintergrund ist, dass die psychischen Prozesse,
die vor allem zu den negativen Aspekten hoher Produktvielfalt führen, nur auftreten,
wenn mit dem Kauf ein gewisses Risiko für den Entscheider verbunden ist und eine
Fehlentscheidung entsprechende negative Konsequenzen hat. So wäre beispielsweise
der Kauf einer Frühstücksmarmelade ein eher ungeeigneter Stimulus der
Untersuchung, da das Fehlkaufrisiko in diesem Fall äußerst begrenzt ist. Wählt man
dagegen als Untersuchungsstimulus den Kauf eines etwas teureren Produkts, das eher
selten gekauft wird, so kann mit hoher Wahrscheinlichkeit davon ausgegangen
werden, dass sich der Konsument aufgrund des mit dem Kauf verbundenen
finanziellen Risikos intensiv mit der Kaufentscheidung beschäftigt. In diesem Fall
treten die zu untersuchenden psychischen Reaktionen auf. Elektro- oder
Elektronikartikel sind typische Vertreter dieser Art der Kaufentscheidung.
273

Um Kosten und Nutzen von Produktvielfalt bei hoher Vielfalt empirisch untersuchen
zu können, muss eine Kaufsituation gewählt werden, in der ein Konsument aus einer
großen Anzahl an Produkten wählen kann. Die Untersuchung sollte folglich in einem
Geschäft stattfinden, das über große Sortimente in der jeweiligen Produktkategorie
verfügt.
Als Stimuli der Befragung wurde aus den oben genannten Gründen die Sortimente für
Digitalkameras und DVD-Player bzw. DVD-Recorder in einer Filiale eines großen
Elekto- und Elektronikhandelsunternehmens gewählt. Die gewählten Produktkategorien
erfüllen zum einen die Anforderungen hinsichtlich der Intensität der
Kaufentscheidung, zum anderen ermöglichen sie auch eine entsprechende
Stichprobengröße, da sie relativ häufig verkauft werden. Das Kooperationsunternehmen
ist für seine große Auswahl bekannt. Dadurch kann sichergestellt
werden, dass der Befragungsteilnehmer in der Kaufsituation mit einem großen
Sortiment, sprich einer hohen Produktvielfalt, konfrontiert ist. Um Unterschiede in der
Höhe und Art des Sortiments zu gewährleisten, wurde die Befragung insgesamt in drei
verschiedenen Märkten durchgeführt, deren Sortimente sich hinsichtlich ihrer Größe
und Zusammensetzung unterschieden.
Relevanter Personenkreis (Grundgesamtheit)
Die Fragestellung der Untersuchung bedingt, dass nur Personen für die
Datengewinnung in Frage kommen, die auch tatsächlich eine Kaufentscheidung
treffen wollen. Dabei spielt das Ergebnis dieser Entscheidung – also der Kauf oder der
Nicht-Kauf – ebenso eine wichtige Rolle, wie die Intensität, mit der sich der
Konsument mit der Entscheidung beschäftigt hat. Ersteres ist relevant, da eines der
Untersuchungsziele die Auswirkung von Kosten und Nutzen von Vielfalt auf das
Kaufverhalten ist. Es müssen deshalb zu möglichst gleichen Teilen Käufer und
Nicht-Käufer in die Befragung einbezogen werden.
Ob sich ein Konsument wirklich intensiv mit der Entscheidung beschäftigt hat, ist vor
allem bei Nicht-Käufern kritisch, da bei Käufern meist von einem intensiven
Entscheidungsprozess ausgegangen werden kann. Von den Konsumenten, die nicht
gekauft haben, interessieren aber nicht diejenigen, die „nur schauen“ wollen; vielmehr
sind für die Untersuchung nur solche Personen relevant, die auch tatsächlich einen
Kauf beabsichtigen. Dies setzt voraus, dass sie eine mittlere bis hohe Kaufabsicht
haben und sich eine gewisse Zeit mit der Produktauswahl beschäftigen, also am Regal
274

stehen, sich informieren und/oder Produkte miteinander vergleichen. Es wurde deshalb
darauf geachtet, dass nur Konsumenten in die Untersuchung einbezogen wurden, die
sich mindestens 5 Minuten mit den zur Wahl stehenden Produkten der betrachteten
Kategorien beschäftigt haben. Um sicherzustellen, dass Nicht-Käufer zwar die Absicht
hatten, eine Kaufentscheidung zu treffen, diese aber nicht treffen konnten oder
wollten, wurde die „Kaufabsicht beim Betreten des Geschäfts“ im Fragebogen erfragt.
In der Datenanalyse wurden nur Personen berücksichtigt, die mindestens eine mittlere
Kaufabsicht 52 bei Betreten des Geschäfts hatten. Um bei der Analyse einen
Stichprobenumfang von 500 bis 600 zu erhalten, wurde eine Anzahl von rund 700
beantworteten Fragebögen als Zielgröße der Befragung angestrebt, da davon
ausgegangen wurde, dass rund 20% der befragten Nicht-Käufer nur eine geringe
Kaufabsicht hatten, und deshalb im Nachhinein von der Analyse ausgeschlossen
werden müssen.
Methode und Prozess der Datenerhebung
Als Methode der Datenerhebung wurde die schriftliche Befragung anhand eines
Fragebogens gewählt 53 . Gegenüber der mündlichen Befragung hat dies den Vorteil,
dass das eigenständige Ausfüllen des Fragebogens schneller ist und die Befragten
weniger zu „sozial erwünschten“ Antworten neigen. Der Fragebogen beinhaltet zudem
Fragen z. B. bzgl. der Überforderung und Verwirrung, die in Anwesenheit eines
Interviewers eventuell weniger ehrlich beantwortet würden, als in einer anonymen
schriftlichen Befragung.
Der Fragebogen bestand insgesamt aus 96 Fragen für Käufer und 84 Fragen für
Nicht-Käufer. Der Unterschied kommt dadurch zustande, dass Käufer zusätzlich
Fragen zum gekauften Produkt, zur (antizipierten) Zufriedenheit mit diesem, der
empfundenen kognitiven Dissonanz und der beabsichtigten Loyalität zur Marke des
gekauften Produkts zu beantworten hatten. Personen, die nicht gekauft haben, können
diese Fragen nicht gestellt werden, diese hatten aber zusätzlich Fragen zu Gründen des
Nicht-Kaufs zu beantworten. Als Skala diente für die meisten Fragen eine
siebenstufige Likertskala mit den Extremwerten „stimme überhaupt nicht zu“ und
„stimme vollkommen zu“ bzw. „trifft überhaupt nicht zu“ bis „trifft vollkommen zu“.
52 Wert größer oder gleich 4 auf einer Skala von 1 (keine Kaufabsicht bei Betreten des Geschäfts) bis
7 (sehr hohe Kaufabsicht bei Betreten des Geschäfts)
53 Einen umfassenden Überblick zu Methoden der Datenerhebung gibt z. B. Walsh 2002, S. 172ff.
275

Abweichungen hiervon gab es bei soziodemographischen Fragen nach Beruf, Bildung
und Alter sowie der Beurteilung der Produkt-, Marken und Preisvielfalt. Hier wurden
13-stufige Likertskalen von 1 („deutlich zu gering“) über 7 („optimal“) bis 13
(„deutlich zu hoch“) verwendet.
Die empirische Datenerhebung erfolgte an jeweils vier Tagen pro Filiale und wurde
durch zwei Interviewer durchgeführt. Insgesamt sind im Zeitraum vom 15. Juli bis 20.
August 2004 an 12 Tagen 710 Konsumenten befragt worden.
Der Befragungsprozess lief wie folgt ab: Der Interviewer beobachtete zunächst die
potenziellen Teilnehmer, um sicherzustellen, dass sich diese intensiv (mindestens rund
5 Minuten) mit der Kaufentscheidung beschäftigt haben. Hat sich ein Konsument für
den Kauf entschieden, erhielt dieser von einem Verkäufer eine Rechnung, mit der er
zur Kasse ging und anschließend das gekaufte Produkt ausgehändigt bekam. Der
Käufer wurde von dem Interviewer unmittelbar nach Erhalt der Rechnung
angesprochen und um Teilnahme an der Befragung gebeten. Hierbei wurde darauf
hingewiesen, dass es sich um eine Befragung im Rahmen einer Doktorarbeit handelt.
Für das Ausfüllen des Fragebogens erhielt der Befragte als kleines Dankeschön eine
CD oder DVD, die er aus einem bestimmten Sortiment auswählen konnte. Auch die
Nicht-Käufer wurden erst angesprochen, wenn sie eine Entscheidung getroffen und
den Point of Sale verlassen hatten. Dadurch konnte sichergestellt werden, dass der
Konsument definitiv entschieden hatte, nichts zu kaufen und er durch die Befragung in
seiner Kaufentscheidung nicht beeinträchtigt oder beeinflusst wird.
Der Befragungszeitpunkt ist für den Zweck dieser Untersuchung sehr wichtig: Das
Ausfüllen des Fragebogens muss unmittelbar nach der Kaufentscheidung erfolgen, da
nur so sichergestellt werden kann, dass dem Befragten die Gedanken und Emotionen,
die er während der Entscheidungsphase hatte, noch gegenwärtig sind. Erfolgt die
Befragung später, wären vor allem seine Emotionen „erkaltet“ und er würde sich evtl.
nicht mehr genau an diese und an seine Gedanken erinnern können.
3.4.2.2 Auswahl der Datensätze
Insgesamt haben 710 Konsumenten an der Befragung an 12 Tagen in den drei
Geschäften teilgenommen. Um eine hohe Qualität der Analysen zu gewährleisten,
sind ungeeignete Datensätze von diesen auszuschließen. Hierzu zählen zum einen
Datensätze, die eine Vielzahl an fehlenden Werten (Missing Values) aufweisen.
276

Von der Untersuchung wurden Datensätze von Personen ausgeschlossen, die mehr als
5 Fragen des Fragebogens (≈5%) nicht ausgefüllt hatten. Da bereits bei der Befragung
darauf geachtet wurde, dass die Konsumenten den Fragebogen vollständig ausfüllen,
mussten nur 19 Datensätze aufgrund von fehlenden Werten von den weiteren
Analysen ausgeschlossen werden.
Weiterhin können Outlier die Analyseergebnisse verfälschen. Diese sind z. B. auf
schnell und ungenau ausgefüllte Fragebögen zurückzuführen. Enthält ein Datensatz
hinsichtlich mehrerer Konstrukte Ausreißer, empfehlen Herrmann, Huber und
Kressmann (2004), diesen zu entfernen. Nach dem von den drei Autoren
vorgeschlagenen Verfahren (vgl. Herrmann et al. 2004, S. 24) sind insgesamt 16
Datensätze entfernt werden.
Neben diesen eher statistischen Aspekten wurde, wie bereits erwähnt, ein inhaltliches
Ausschlusskriterium bzgl. der Kaufabsicht eines Konsumenten definiert. Diese ist,
wie oben erläutert, elementare Voraussetzung für die zu untersuchenden psychischen
Reaktionen des Konsumenten auf die ihm angebotene Vielfalt. Nur wenn sich ein
Konsument intensiv mit der Kaufentscheidung beschäftigt, treten die mit der Vielfalt
verbundenen negativen Aspekte hoher Produktvielfalt auf. So empfindet
beispielsweise eine Person, die nicht die Absicht hat, eine Digitalkamera zu kaufen,
keine hohen psychischen Kosten bei der Entscheidung, da sie sich mit dieser auch
nicht intensiv beschäftigt. Aufgrund ihrer geringen Kaufabsicht wird der Konsument
am Ende der Entscheidung auch höchstwahrscheinlich kein Produkt kaufen. Wird
diese Person in die Untersuchung einbezogen und die Auswirkungen von mit Vielfalt
verbundenen Kosten auf das Kaufverhalten untersucht, könnte dies zu Verzerrungen
der Ergebnisse führen. Um die gewünschte Tiefe der Auseinandersetzung der
Befragten mit der Kaufentscheidung sicherzustellen, sind zum einen nur Kunden
befragt worden, die sich mindestens 5 Minuten mit dem Sortiment beschäftigt hatten.
Zum anderen wurde die Kaufabsicht im Fragebogen explizit erfragt. Nur
Konsumenten, die eine mittlere bis hohe Kaufabsicht, d. h. auf einer Skala von 1 bis
7 einen Wert von 4 oder höher hatten, wurden in den Analysen berücksichtigt. Dies
führte zum Ausschluss von 79 Datensätzen. Insgesamt basieren die nachfolgend
beschriebenen Analysen damit auf einer Stichprobengröße von 596 (N = 596). Wird
die Größe der Stichprobe in den nachfolgend beschriebenen Analysen nicht explizit
erwähnt, beziehen sich die Analyseergebnisse stets auf diese Größe.
Im nächsten Kapitel werden die Ergebnisse der Untersuchung beschrieben.
277

3.4.3 Ergebnisse der Analysen
3.4.3.1 Deskriptive und soziodemographische Analysen
Verteilung auf die Geschäfte und Kaufverhalten
Die Stichprobe verteilt sich in etwa gleichmäßig auf die drei Geschäfte. So besuchten
202 der Befragten das Geschäft 1, 182 das Geschäft 2 und 212 Personen füllten den
Fragebogen im 3. Geschäft aus.
Käufer und Nicht-Käufer pro Geschäft
Absolute Verteilung
Käufer und Nicht-Käufer pro Geschäft
Relative Verteilung
Anzahl 250
Anteil
100%
200
150
202
97
182
87
212
110
90%
80%
70%
60%
50%
48% 48% 52%
ø51 %
100
40%
50
105 95 102
30%
20%
52% 52%
48%
10%
0
Geschäft 1 Geschäft 2 Geschäft 3
0%
Geschäft 1 Geschäft 2 Geschäft 3
Nicht-Kauf
Kauf
Nicht-Kauf
Kauf
Abbildung 60: Verteilung der Käufer und Nicht-Käufer pro Geschäft
Der Anteil der Personen, die im Anschluss an ihre „Kaufentscheidung“ auch eine
Digitalkamera bzw. einen DVD-Player oder DVD-Recorder gekauft haben, lag über
die drei Geschäfte verteilt insgesamt bei 49%. Hierbei gab es keinen nennenswerten
Unterschied zwischen den Befragungsorten. Für die Untersuchung der Auswirkung
von Produktvielfalt auf das Ergebnis der Kaufentscheidung (Kauf oder Nicht-Kauf) ist
ein möglichst ähnlich großer Anteil an Käufern und Nicht-Käufern sehr
wünschenswert, da dadurch die Signifikanz der Ergebnisse verbessert werden kann.
Mit einem Käuferanteil von 49% erfüllt die Stichprobe dieses Kriterium sehr gut.
278

Produktart
Befragte pro Produktart pro Geschäft
Absolute Verteilung
Befragte pro Produktart pro Geschäft
Relative Verteilung
Anzahl 250
Anteil
100%
200
150
202
59
182
79
212
83
90%
80%
70%
60%
50%
29%
43%
39%
ø63 %
100
50
143
103
129
40%
30%
20%
71%
57% 61%
10%
0
Geschäft 1 Geschäft 2 Geschäft 3
0%
Geschäft 1 Geschäft 2 Geschäft 3
Kamera
DVD
Kamera
DVD
Abbildung 61: Verteilung der Befragten auf die Produktgruppen (Digital)Kamera und DVD
(Player/Recorder)
Wie Abbildung 61 verdeutlicht, beziehen sich 63% der Datensätze auf die
Produktkategorie Digitalkameras. Dieses Verhältnis von ca. 2:1 entspricht in etwa
auch der stückzahlenmäßigen Verteilung an verkauften Digitalkameras zu
DVD-Playern/Recordern. Der höhere Digitalkameraanteil in Geschäft 1 ist dadurch
bedingt, dass am ersten Tag der Befragung, Digitalkameras durch einen 4-seitigen
„Flyer“ beworben wurden. Dies fand während der Befragungszeiträume in den
anderen beiden Geschäften nicht statt.
Bei den weiteren Analysen erfolgt keine Unterscheidung der beiden
Produktgruppen, da diese hinsichtlich der Art der Kaufentscheidung und dem mit
ihr verbundenen Risiko vergleichbar sind. Es wird davon ausgegangen, dass die
Kaufentscheidung bei beiden Produktkategorien gleichermaßen die zu untersuchenden
psychischen Reaktionen hervorruft.
Geschlecht
Insgesamt sind rund 70% der Befragten Männer. Dieser mehr als doppelt so hohe
Anteil gegenüber Frauen ist vor allem auf die beiden eher technischen
Produktkategorien zurückzuführen, zu denen Männer tendenziell eine höhere Affinität
279

haben als Frauen. Abbildung 62 veranschaulicht die Verteilung über die drei
Geschäfte.
Frauen und Männer pro Geschäft
Absolute Verteilung
Frauen und Männer pro Geschäft
Relative Verteilung
Anzahl 250
Anteil
100%
200
150
100
202
150
182
137
212
135
90%
80%
70%
60%
50%
40%
74% 75%
64%
30%
ø29 %
50
52 45
77
20%
10%
26% 25%
36%
0
Geschäft 1 Geschäft 2 Geschäft 3
0%
Geschäft 1 Geschäft 2 Geschäft 3
Frau
Mann
Frau
Mann
Abbildung 62: Verteilung der Stichprobe nach Geschlecht
In Tabelle 28 sind die Verteilungen der Befragten hinsichtlich Kaufverhalten,
Produktgruppe und Geschlecht nochmals zusammenfassend dargestellt.
Geschäft
Kaufverhalten Produktgruppe Geschlecht
Nicht-
Kauf
Kauf Kamera DVD Frau Mann
Teilnehmer
Geschäft 1 Anzahl 105 97 143 59 52 150 202
Anteil (in Geschäft) 52% 48% 71% 29% 26% 74% 34%
Geschäft 2 Anzahl 95 87 103 79 45 137 182
Anteil (in Geschäft) 52% 48% 57% 43% 25% 75% 31%
Geschäft 3 Anzahl 102 110 129 83 77 135 212
Anteil (in Geschäft) 48% 52% 61% 39% 36% 64% 36%
Gesamt Anzahl 302 294 375 221 174 422 596
Anteil (Gesamt) 51% 49% 63% 37% 29% 71% 100%
Tabelle 28: Verteilung von Kaufverhalten, Produktgruppe und Geschlecht in der
Hauptuntersuchung
280

Bildung und Beruf
Hinsichtlich des höchsten Bildungsabschlusses der Befragten fällt der mit 42%
überdurchschnittlich hohe Anteil an Personen mit einem abgeschlossenen Studium
(42%) auf (siehe Tabelle 29). Dieser ist, wie auch der über 50%ige Anteil an
Angestellten (siehe Tabelle 30) auf die Ansiedlung der Geschäfte in München
zurückzuführen, wo der Akademikeranteil der Bevölkerung insgesamt vermutlich
überdurchschnittlich hoch ist. Damit verbunden ist auch der hohe Anteil an
Angestellten, im Vergleich z. B. zu Arbeitern. Die Geschäfte weisen generell dieselbe
Tendenz hinsichtlich der Schwerpunkte bei Bildung und Beruf aus. Dennoch sind die
Unterschiede teilweise erheblich. So sind beispielsweise in Geschäft 2 doppelt so viele
der Befragten selbständig (18%) verglichen mit Geschäft 3 (9%). Die Ursache hierfür
ist vermutlich darin zu sehen, dass die Geschäfte in verschiedenen Stadtteilen liegen,
deren Gesellschaftsstrukturen sich entsprechend unterscheiden. Da in allen Geschäften
aber die Tendenz zu einem hohen Akademikeranteil festzustellen ist, werden die
Geschäfte nicht getrennt untersucht.
Geschäft Abitur Realschule Studium Volks-/
Hauptschule
Sonstiges
Geschäft 1 Anzahl 38 41 87 27 9
Anteil (in Geschäft) 19% 20% 43% 13% 4%
Geschäft 2 Anzahl 33 38 85 24 2
Anteil (in Geschäft) 18% 21% 47% 13% 1%
Geschäft 3 Anzahl 42 55 76 25 14
Anteil (in Geschäft) 20% 26% 36% 12% 7%
Gesamt Anzahl 113 134 248 76 25
Anteil (Gesamt) 19% 22% 42% 13% 4%
Tabelle 29:
Verteilung der (höchsten) Bildungsabschlüsse in der Stichprobe
Geschäft
Angestellte(r)
Arbeiter/-
in
Beamter/
-in
Hausmann/
-frau
Rentner/-
in
Selbständige(r)
Student/-
in
Sonstiges
Geschäft 1 Anzahl 95 13 19 5 9 29 18 14
Anteil (in Geschäft) 47% 6% 9% 2% 4% 14% 9% 7%
Geschäft 2 Anzahl 102 9 12 4 6 33 12 4
Anteil (in Geschäft) 56% 5% 7% 2% 3% 18% 7% 2%
Geschäft 3 Anzahl 108 17 10 4 13 20 22 18
Anteil (in Geschäft) 51% 8% 5% 2% 6% 9% 10% 8%
Gesamt Anzahl 305 39 41 13 28 82 52 36
Anteil (Gesamt) 51% 7% 7% 2% 5% 14% 9% 6%
Tabelle 30:
Verteilung der Berufsgruppen in der Stichprobe
281

Alter
Hinsichtlich des Alters der Befragten ist die Stichprobe über die drei Geschäfte relativ
homogen. Dies veranschaulicht Abbildung 63, die die Boxplots der Altersverteilung in
den drei Geschäften darstellt. Daraus geht hervor, dass rund 90% der befragten
Konsumenten zwischen 28 und 45 Jahre alt sind. Der Altersdurchschnitt liegt je nach
Geschäft zwischen 36,30 und 37,75 Jahren, ähnliches gilt für den Median, der
zwischen 34,50 und 37,00 liegt. Das Alter der jüngsten Befragungsteilnehmer liegt
abhängig vom Befragungsort bei 15 bzw. 16, der älteste Teilnehmer war je nach
Geschäft 70, 74 bzw. 75 Jahre alt. Die detaillierten Kenngrößen zur Alterstruktur in
den drei Märkten stellt Tabelle 31 dar.
Alter
80
Boxplots (Alter der Befragten)
70
60
50
40
30
20
10
0
Geschäft 1 Geschäft 2 Geschäft 3 Gesamt
Abbildung 63: Boxplots zur Veranschaulichung der Altersverteilung der drei Geschäfte
Geschäft
Durchschnitt
( ø )
95% Konfidenzintervall
für ø
Median
Standardabweichung
Minimalwert
Maximalwert
Geschäft 1 37,75 [36,00; 39,50] 12,63 36,50 16 70
Geschäft 2 37,67 [35,87; 39,47] 12,31 37,00 15 75
Geschäft 3 36,30 [34,51; 38,09] 13,23 34,50 15 74
Gesamt 37,21 [36,19; 38,24] 12,75 36,00 15 75
Tabelle 31:
Kenngrößen zur Beschreibung der Altersstruktur der Befragten
282

Zusammenfassung
Zusammenfassend lässt sich festhalten, dass die Stichprobe keine großen Unterschiede
zwischen den drei Märkten hinsichtlich der soziodemographischen Merkmale der
Befragten erkennen lässt, was die gemeinsame Auswertung der Daten in den
nachfolgend beschriebenen Analysen der Mess- und Strukturmodelle erlaubt.
Weitere Vorgehensweise zur Beschreibung des Messmodells
Die Analysen hinsichtlich Validität und Reliabilität des Messmodells der Kosten- und
Nutzendimension erfolgen anhand der in Kapitel 3.4.1.3 (S. 259ff.) beschriebenen
Gütemaße (siehe Tabelle 26, S. 266). Die Darstellung erfolgt dimensionsweise,
beginnend mit der Nutzendiemenson. Dabei wird zunächst auf die Analyseergebnisse
des reflektiven Messmodells auf Ebene 1 und anschließend auf die berechneten
Gütemaße auf der formativen Konstruktebene (Ebene 2) eingegangen.
3.4.3.2 PLS-Messmodell der Nutzendimension
Ebene 1: Reflektives Messmodell auf Faktorenebene
Die Nutzendimension besteht aus den fünf Faktoren
• Erfolgsaussichten
• Antizipierter Produktnutzen
• Informationsmöglichkeiten
• Spaß
• Positive Emotionen
Tabelle 32 stellt die verwendeten Gütemaße zur Beurteilung der Inhalts-, Indikator-,
Konvergenz- und Prognosevalidität der Messung der o.g. fünf Faktoren dar.
Betrachtet man zunächst die Indikatorenebene, so geht aus der Tabelle hervor, dass
alle Ladungen der Indikatoren einen Wert über 0,718 aufweisen, und damit über dem
genannten Grenzwert von 0,7 liegen. Dies bedeutet, dass mehr als 50% der Varianz
jedes Indikators durch den entsprechenden der fünf Faktoren verursacht wird und
damit der Messfehler unter 50% liegt. Sämtliche Ladungen sind hochsignifikant und
283

weisen t-Werte zwischen 28,074 und 89,578 auf. Insgesamt erfüllen damit alle
Indikatoren die Gütekriterien hinsichtlich der Inhalts- und Indikatorreliabilität.
Im zweiten Schritt erfolgt die Gütebeurteilung auf der Ebene der Faktoren. Diese
wurden reflektiv operationalisiert und müssen deshalb einen hohen Grad an
Konvergenz aufweisen. Voraussetzung hierfür ist die Unidimensionalität jedes
Faktors, die anhand des Kaiser-Kriteriums und des Cronbachs Alphas beurteilt wird.
Da hier die ersten Eigenwerte der Korrelationsmatrix der manifesten Variablen aller
Faktoren zwischen 2,023 und 3,031 und der maximale zweite Eigenwert 0,728 beträgt,
ist dieses Kriterium für sämtliche Faktoren der Nutzendimension erfüllt. Ebenso
erfüllen alle das Gütekriterium hinsichtlich des Cronbachs Alphas, da die fünf
Faktoren jeweils einen Wert größer als 0,70 aufweisen.
Weitere Gütemaße zur Beurteilung der Konvergenzvalidität sind die durchschnittlich
erfasste Varianz (DEV) und die interne Konsistenz (IK). Alle fünf Faktoren haben eine
DEV von über 57% und erfüllen damit dieses Kriterium. Die Werte der internen
Konsistenz schwanken für die Faktoren der Nutzendimension zwischen 0,861 und
0,908 und liegen damit ebenfalls deutlich über dem genannten Grenzwert von 0,6.
Zur Beurteilung der Prognosevalidität eines reflektiv operationalisierten exogenen
Faktors des Messmodells dient das Stone-Geissers Q 2 in Bezug auf die
Kommunalität 54 . Der Grenzwert von 0 wird dabei von alle Faktoren überschritten, was
auf deren Prognosevalidität schließen lässt.
54 Im Gegensatz hierzu lässt sich die gemeinsame Prognosevalidität von Mess- und Strukturmodell
eines reflektiv operationalisierten endogenen Konstrukts anhand des Stone-Geissers Q 2 hinsichtlich
der Redundanz beurteilen.
284

Faktor
Erfolgsaussichten
Antizip. Produktnutzen
Informationsmöglichkeiten
Spaß
Positive
Emotionen
Indikatorenebene
Indikator Ladung t-Wert
(Ladung)
DEV
Interne
Konsistenz
Faktorenebene
Q 2
Eigenwerte
(EW)
Kriterium > 0,70 > 1,98 > 0,50 > 0,60 > 0 1. EW > 1
2. EW < 1
Erfolg1 0,859 75,605
Erfolg2 0,827 43,841
Erfolg3 0,775 35,963
AnUt1 0,804 45,006
AnUt2 0,889 89,578
AnUt3 0,835 54,713
AnUt4 0,846 52,128
Info2 0,781 43,266
Info3 0,779 42,370
Info4 0,799 43,864
Info5 0,749 34,135
Info6 0,782 42,259
Spaß1 0,814 50,704
Spaß2 0,779 39,579
Spaß3 0,828 49,508
Spaß4 0,831 52,698
PoEm1 0,823 52,622
PoEm2 0,754 38,812
PoEm3 0,728 28,267
PoEm4 0,718 28,074
PoEm5 0,759 36,309
0,674 0,861 0,348 2,023
0,555
0,712 0,908 0,509 2,850
0,496
0,606 0,885 0,407 3,031
0,726
0,662 0,887 0,430 2,647
0,542
0,573 0,870 0,363 2,868
0,728
Cronbachs
Alpha
> 0,70
0,758
0,865
0,837
0,829
0,813
Tabelle 32:
Ergebnisse der Analysen des Messmodells (Ebene 1) für die Nutzendimension
Nach der Empfehlung von Tenenhaus et al. (2004) kann die Korrelationsmatrix
zwischen manifesten und latenten Variablen als Indiz sowohl für die Konvergenz- als
auch für die Diskriminanzvalidität dienen (vgl. Ausführungen auf S. 264). In Tabelle
33 ist diese dargestellt. Alle in der Tabelle angegebenen Korrelationen, die auf den
durch PLS berechneten Werten der latenten und manifesten Variablen beruhen, haben
dabei ein Signifikanzniveau von p < 0,01. Aus der Tabelle geht hervor, dass sämtliche
manifesten Variablen stärker mit der „ihrer“ latenten Variable korrelieren als mit
anderen latenten oder manifesten Variablen. Interessant ist, dass die manifesten
Variablen der beiden Faktoren Informationsmöglichkeiten und Spaß jeweils stark mit
der „eigenen“ und leicht mit der jeweils anderen latenten Variable korrelieren. So
weisen die Items Spaß1 bis Spaß4 Korrelation mit der latenten Variable
285

Informationsmöglichkeiten zwischen 0,5 und 0,6 auf. Dies deutet darauf hin, dass
Konsumenten Spaß daran haben, sich über Produkte und Produkteigenschaften vor Ort
informieren zu können (vgl. Desmeules 2002, S. 6).
lat. Var.
man. Var.
Erfolgsaussicht
Antizipierter
Produktnutzen
Informationsmöglichkeiten
Positive
Emotionen
Spaß
Erfolg1 0,8587 0,6021 0,5795
Erfolg2 0,8268 0,5070 0,5008
Erfolg3 0,7747
AnUt1 0,8038 0,5057
AnUt2 0,8887
AnUt3 0,8352
AnUt4 0,8462
Info2 0,5538 0,7810 0,5381 0,5271
Info3 0,6346 0,7786 0,6274 0,5210
Info4 0,7994 0,5526
Info5 0,7488 0,5412
Info6 0,7824 0,5088
PoEm1 0,5279 0,5458 0,8229
PoEm2 0,5017 0,5608 0,7538 0,5513
PoEm3 0,7281
PoEm4 0,7176
PoEm5 0,7592
Spaß1 0,5842 0,5124 0,8141
Spaß2 0,5013 0,7790
Spaß3 0,6126 0,8284
Spaß4 0,5073 0,8307
Tabelle 33: Korrelationen zwischen manifesten und latenten Variablen der Nutzendimension (zur
besseren Lesbarkeit wurden Korrelationen unter 0,5 nicht abgebildet)
Die Korrelationsmatrix liefert bereits erste Hinweise auf die Diskriminanzvalidität der
Konstrukte. Um diese abschließend beurteilen zu können, kommt das Fornell-Larcker-
Kriterium zur Anwendung. Dieses besagt, dass die durchschnittlich erfasste Varianz
eines Faktors größer sein muss, als die quadrierten Korrelationen dieses Faktors mit
sämtlichen anderen Faktoren. In Tabelle 34 sind die Ergebnisse für die
Nutzendimension dargestellt und zeigen, dass das Fornell-Larcker-Kriterium für alle
Faktoren erfüllt ist.
286

Faktoren
Antizipierter
Produktnutzen
Erfolgsaussichten
Informationsmöglichkeiten
Spaß
Positive
Emotionen
Erfolgsaussichten
0,674 quadrierte Korrelationen
Antizipierter
Produktnutzen
0,712 0,214
Informationsmöglichkeiten
0,606 0,416 0,217
Spaß 0,661 0,254 0,177 0,462
Positive
Emotionen
0,573 0,394 0,319 0,440 0,336
DEV 0,674 0,712 0,606 0,661 0,573
Tabelle 34:
Ergebnisse der Überprüfung des Fornell-Larcker-Kriteriums der Nutzendimension
Zusammenfassung
Die Überprüfung der verwendeten Gütemaße auf der Ebene der reflektiv
operationalisierten Faktoren hat gezeigt, dass die Messung die gesetzten Kriterien
hinsichtlich der Reliabilität und Validität für alle Faktoren erfüllt. Es kann somit im
nächsten Schritt eine Betrachtung auf der formativ operationalisierten Ebene 2
(Dimensionsebene) erfolgen.
Ebene 2: Formatives Messmodell auf Dimensionsebene
Die Gütebeurteilung der formativ operationalisierten Konstruktebene erfolgt anhand
der in Kapitel 3.4.1.3 (Ebene 2) entwickelten Kriterien (siehe Tabelle 27, S. 271). Die
Parameter des gesamten Messmodells wurden hierzu mit Hilfe des PLS-Verfahrens
geschätzt. Abbildung 64 stellt die Ergebnisse dieser Schätzung für die Nutzendimension
als Pfadmodell dar. Darin sind die Pfadkoeffizienten zwischen den fünf
Faktoren und der latenten Variablen auf Dimensionsebene zu erkennen. Die
Beziehung zur Phantomvariablen, die der Überprüfung der externen Validität dient ist
ebenfalls dargestellt. Nachfolgend werden die Ergebnisse der Parameterschätzung
sowie der Überprüfung der Gütemaße erläutert und interpretiert.
287

Phatomvariable
NGl1
Nutzen
global
NGl2
NGl
R 2 = 0,624
0,790
NPV
Konstrukt
(Ebene 2)
0,185 0,235 0,295 0,238 0,279
EA AP IM Sp PE
... ... ... ...
...
Antizipierter
Produktnutzen
Erfolgsaussichten
Informationsmöglichkeiten
Spaß
Positive
Emotionen
Rang
5 4 1
3 2
Abbildung 64: Ergebnisse der PLS-Schätzung des formativen Messmodells der Nutzendimension mit
Phantomvariable: Gütemaße und Parameterschätzungen (Ebene 2)
Gütemaße und Parameterschätzungen (Ebene 2)
Ausgangspunkt der Gütebeurteilung und gleichzeitig zentrales Element der
Interpretation sind die Pfadkoeffizienten zwischen den fünf Faktoren und dem
Gesamtkonstrukt.
Beginnt man mit der Überprüfung der Erfüllung der Gütekriterien, so ist aus der
Grafik und aus Tabelle 35 zu erkennen, dass die Höhe der Pfadkoeffizienten
zwischen 0,185 für den Faktor Erfolgsaussichten und 0,295 für den Faktor
Informationsmöglichkeiten liegt. Alle Pfadkoeffizienten überschreiten damit den
Grenzwert von 0,1. Dies ist ein erster Anhaltspunkt für die Signifikanz des Einflusses
der einzelnen Faktoren auf die Nutzen von Produktvielfalt, die anhand der durch das
Bootstrapping-Verfahrens gewonnenen t-Werte überprüft wird. Diese liegen
zwischen 28,428 und 40,576 und damit deutlich über der Untergrenze von 1,98. Alle
Pfadkoeffizienten sind damit hochsignifikant. Da auch das Stone-Geissers Q 2
(bezüglich der Redundanz) mit einem Wert von 0,415 über dem Grenzwert von 0 liegt,
erfüllt die Messung sowohl auf Faktor- als auch auf Konstruktebene die Kriterien
hinsichtlich der Prognosevalidität.
288

Voraussetzung für die Richtigkeit der Schätzung der Pfadkoeffizienten durch das
PLS-Verfahren ist, dass die Faktoren nicht linear voneinander abhängig sind. Dies
wird mit Hilfe des Variance Inflation Faktors (VIF) überprüft. Mit Werten zwischen
1,531 und 2,632 liegt er für alle Faktoren deutlich unter der Obergrenze von 10. Die
Multikollinearität der Faktoren kann damit ausgeschlossen und die Richtigkeit der
Parameterschätzung angenommen werden.
Faktor
Faktorenebene
Pfadkoeffizient
VIF Q 2
(Red.)
R 2
Dimensionsebene
Phantomvariable
t-Wert
(Pfadkoeffizient)
Antizipierter
Produktnutzen
t-Wert
(Pfadkoeffizient)
Pfadkoeffizient
Kriterium > 0,1 > 1,98 < 10 > 0 > 0,5 > 0,5 > 1,98
Erfolgsaussichten
0,415 0,624 0,790 54,046
0,185 31,457 1,980
Informationsmöglichkeiten
0,235 28,428 1,531
0,295 40,576 2,632
Spaß 0,238 34,284 1,984
Positive
Emotionen
Tabelle 35:
0,279 35,260 2,359
Ergebnisse der Analysen des Messmodells (Ebene 2) für die Nutzendimension
Die Überprüfung der externen Validität erfolgt mit Hilfe eines MIMIC-Modells mit
einer reflektiv operationalisierten Phantomvariablen (siehe hierzu die Ausführungen
auf S. 201f). Diese wurde durch die beiden Indikatoren NGl1 (Die Produktvielfalt ist
nützlich und hilfreich) und NGl2 (Insgesamt finde ich das Sortiment vom Gefühl her
positiv) operationalisiert. Diese erfassen auf globaler Ebene einerseits affektive und
andererseits kognitive Aspekte als Ausdruck des Nutzens hoher Produktvielfalt. Um
weitere Aussagen hinsichtlich der Beziehung der latenten Nutzenvariable auf
Gesamtebene machen zu können, ist zunächst die Güte des reflektiven Messmodells
der Phantomvariable zu überprüfen.
Hierzu kommen dieselben Gütemaße wie auf Ebene 1 des Messmodells zur
Anwendung. Deren Werte sind in Tabelle 36 abgebildet. Die Ladungen der beiden
Items liegen über dem Wert von 0,7 und sind aufgrund der hohen t-Werte als
hochsignifikant zu bewerten. Mit rund 77% liegt die DEV ebenso über dem Grenzwert
(50%), wie die IK (0,60), die einen Wert von 0,871 hat. Die Unidimensionalität des
289

Faktors wird durch Werte von 1,548 und 0,452 für den ersten bzw. zweiten Eigenwert
und das Cronbachs Alpha von 0,708 bestätigt, wobei letzteres als grenzwertig
einzustufen ist.
Indikatorenebene
Indikator Ladung t-Wert
(Ladung)
DEV
Interne
Konsistenz
Konstruktebene
Q 2
Eigenwerte
(EW)
Kriterium > 0,70 > 1,98 > 0,50 > 0,60 > 0 1. EW > 1
2. EW < 1
NGl1 0,848 43,221
NGl2 0,908 38,113
0,772 0,871 0,298 1,548
0,452
Cronbachs
Alpha
> 0,70
0,708
Tabelle 36: Gütekriterien des Messmodells der reflektiv operationalisierten Phantomvariablen für
die Nutzendimension
Insgesamt kann die Messung der Phantomvariablen aufgrund der Gütemaße als
reliabel und valide bezeichnet werden. Damit können die Gütemaße bezüglich der
Phantomvariablen auf Konstruktebene betrachtet werden.
Die latente Nutzenvariable auf Konstruktebene kann insgesamt 62,4% der Varianz der
Phantomvariable erklären (R 2 = 0,624). Gleichzeitig ist der Pfadkoeffizient zwischen
den beiden Konstrukten mit einem Wert von 0,790 relativ hoch und signifikant, was
durch dessen t-Wert von über 54 zum Ausdruck kommt. Aus diesen Ergebnissen kann
geschlossen werden, dass zwischen Gesamtkonstrukt und Phantomvariable ein starker
Zusammenhang besteht und die latente Variable der NPV einen erheblichen
Varianzanteil der Phantomvariablen erklären kann. Dies lässt auf externe
(nomologische) Validität des Messmodells der Nutzendimension schließen (vgl.
Götz/Liehr-Gobbers 2004, S. 22) und ist außerdem Ausdruck für dessen
Inhaltsvalidität (vgl. Herrmann/Huber/Kressmann 2004, S. 18).
Zusammenfassend erfüllt das Messmodell der Nutzendimension alle vorgegebenen
Gütemaße und –kriterien und kann anschließend hinsichtlich der Einflussstärke
einzelner Faktoren interpretiert werden.
Interpretation des Messmodells auf Konstruktebene
Um den Erklärungsbeitrag der einzelnen Faktoren zur Dimension und damit deren
Einflussstärke auf den Gesamtnutzen hoher Produktvielfalt abschätzen zu können,
empfehlen Tenenhaus und seine Kollegen (2004), das Bestimmtheitsmaß (R 2 )
290

entsprechend folgender Formel auf die einzelnen Faktoren aufzuteilen (vgl. Tenenhaus
et al. 2004, S. 20f.)
2
R = ∑ β
j
cor(
y,
x j
)
(18)
j
y
x j
β j
latente Variable auf Konstruktebene (2. Ebene)
latente Variablen auf Faktorenebene (1. Ebene)
Pfadkoeffizient zwischen x j und y
Diese „Zerlegung“ ist nur anwendbar, wenn Korrelation und Pfadkoeffizienten je
Beziehung dasselbe Vorzeichen haben und alle Variablen standardisiert sind (vgl.
Tenenhaus et al. 2004, S. 21); beides ist hier erfüllt. Die Ergebnisse sind in Tabelle 37
dargestellt. Anzumerken ist hierzu, dass die Varianz der Gesamtdimension aufgrund
der Struktur des Messmodells per definitionem 100% beträgt. Die Multiplikationen
von Pfadkoeffizienten und Korrelationen addiert sich über alle Faktoren somit zu 1
(siehe hierzu die Ausführungen auf den S. 258f.).
Faktor Pfadkoeffizient Korrelation
Pfadkoeffizient
x
Korrelation
Relativer
Erklärungsanteil
Rang
Erfolgsaussichten 0,185 0,780 0,144 14% 5
Antizipierter
Produktnutzen
Informationsmöglichkeiten
0,235 0,717 0,168 17% 4
0,295 0,872 0,257 26% 1
Spaß 0,238 0,793 0,189 19% 3
Positive
Emotionen
Tabelle 37:
0,279 0,862 0,240 24% 2
Relativer Erklärungsbeitrag der einzelnen Faktoren der Nutzendimension
Insgesamt erklärt der Faktor Informationsmöglichkeiten mit 26% den größten Anteil
der Varianz, gefolgt vom Faktor Positive Emotionen, der einen Erklärungsbeitrag von
24% leistet. Auf den Rängen drei, vier und fünf liegen die Aspekte Spaß, Antizipierter
Produktnutzen und Erfolgsaussichten mit relativen Einflussstärken von 19%, 17% und
14%.
291

Dieses Ergebnis überrascht zunächst, da die Faktoren Erfolgsaussichten und
Antizipierter Produktnutzen, die das Hauptargument der rationalen Entscheidungstheorie
für hohe Produktvielfalt darstellen, getrennt den geringsten Einfluss haben.
Dies kann so interpretiert werden, dass der Konsument davon ausgeht, dass er bei
hoher Vielfalt das Produkt findet, das er sucht und dieser Funktion somit keinen
besonders hohen „zusätzlichen“ Nutzen zuschreibt. Zusammen haben die Faktoren
aber mit 31% den stärksten Einfluss auf die Nutzendimension.
Der aus der Sicht des Konsumenten positivste Aspekt hoher Produktvielfalt ist nach
den Ergebnissen der Untersuchung die Möglichkeit, sich vor Ort über verschiedene
Produkte zu informieren und einen Überblick über den Gesamtmarkt der jeweiligen
Produktkategorie zu bekommen. Der Kunde gewinnt dadurch den Eindruck, alle
wichtigen Produkte am Markt vor sich zu sehen und vergleichen zu können.
Gleichzeitig verbindet der potenzielle Kunde mit der Vielfalt positive Emotionen, ist
hinsichtlich seiner Entscheidung optimistisch gestimmt und empfindet ein großes
Sortiment als unterhaltsam und ansprechend. Hierbei haben die Korrelationen von
manifesten Variablen des Faktors Spaß mit der latenten Variable Informationsmöglichkeiten
bereits angedeutet, dass es Konsumenten offensichtlich Spaß bereitet,
sich vor Ort informieren zu können (siehe Tabelle 33, S. 286). Informationsmöglichkeiten
könnten sich somit auch positiv auf den hedonistischen Wert des
Einkaufs (Spaß) auswirken. Dies bestätigt, wie im Theorieteil erläutert wurde, dass
Konsumenten Spaß daran haben, sich über Produkte zu informieren und ihre
Präferenzen zu lernen (siehe S. 119f.)
Dem Ergebnis nach zu urteilen, spielen die affektiven bzw. hedonistischen Aspekte
hoher Produktvielfalt in Form von Positiven Emotionen und Spaß für den
Konsumenten mit 43% Erklärungsbeitrag eine fast gleichwichtige Rolle wie die
kognitiv geprägten Vielfaltsvorteile, die zusammen 57% der Varianz erklären. Die
Einzelaspekte Informationsmöglichkeiten, Erfolgsaussichten und Antizipierter
Produktnutzen sind zusammengenommen dennoch etwas wichtiger als die affektiven
Faktoren, dominieren diese aber nicht in dem Maße, wie es die rationale
Entscheidungstheorie und die Hypothese vom Informationsdefizit nahe legen.
Für Handelsunternehmen folgt aus den Ergebnissen, dass sie einerseits die
Informationsmöglichkeiten vor Ort betonen sollten, indem sie dem Konsumenten das
Gefühl geben, den wichtigsten Teil des Gesamtmarkts der Produktkategorie vor sich
zu haben und vergleichen zu können. Der Einzelhändler sollte deshalb seine
Sortimentskompetenz zum Ausdruck bringen, indem er z. B. Produkte verschiedener
292

Preiskategorien von billig bis sehr teuer führt. Gleichzeitig kann ein Geschäft die
positive Wahrnehmung der Vielfalt stärken, indem es die affektiven Komponenten
Anmutung, Unterhaltsamkeit und Spaß betont, so beispielsweise für eine angenehme
Shop-Atmosphäre sorgt und dem Konsumenten auch entsprechend Zeit für die
Entscheidung einräumt. Die Implikationen für Forschung und Praxis werden
detaillierter in Kapitel 6 (S. 387ff.) diskutiert.
Im nächsten Abschnitt werden die Gütemaße für die Kostendimension nacheinander
für die reflektiv operationalisierte Faktorenebene (Ebene 1) und die formativ
operationalisierte Konstruktebene (Ebene 2) beschrieben und interpretiert.
3.4.3.3 PLS-Messmodell der Kostendimension
Ebene 1: Reflektives Messmodell auf Faktorenebene
Faktor
Aufwand und
Anstrengung
Indikatorenebene
Indikator Ladung t-Wert
(Ladung)
DEV
Interne
Konsistenz
Konstruktebene
Q 2
Eigenwerte
(EW)
Kriterium > 0,70 > 1,98 > 0,50 > 0,60 > 0 1. EW > 1
2. EW < 1
Aufw1 0,846 60,787
Aufw2 0,833 48,096
Aufw3 0,834 62,679
Aufw4 0,874 75,403
Aufw5 0,862 60,439
0,722 0,929 0,573 3,612
0,461
Cronbachs
Alpha
> 0,70
0,904
Verwirrung und
Frustration
VerFr1 0,766 43,149
VerFr2 0,758 37,961
VerFr3 0,844 53,601
VerFr4 0,856 61,834
VerFr5 0,857 52,221
0,678 0,927 0,544 4,070
0,614
0,904
VerFr6 0,852 67,931
Antizipiertes
Regret
AnReg1 0,869 82,046
AnReg2 0,863 76,381
AnReg3 0,856 68,270
AnReg4 0,865 72,723
0,746 0,921 0,558 2,982
0,384
0,886
Tabelle 38:
Ergebnisse der Analysen des Messmodells (Ebene 1) der Kostendimension
293

Betrachtet man zunächst die Indikatorenebene der in Tabelle 38 abgebildeten
Gütemaße der Kostendimension, so ist zu erkennen, dass alle Items eine Ladung
größer als 0,758 aufweisen und damit über dem Grenzwert von 0,7 liegen. Für die
Faktoren Aufwand und Antizipiertes Regret liegen die Ladungen durchweg über dem
Wert von 0,833, was als eine gute Messung zu interpretieren ist. Auch die t-Werte der
Ladungen überschreiten mit einem Minimalwert von 37,961 den Mindestwert von
1,98 sehr deutlich. Die Ladungen sind daher alle als hoch signifikant zu bewerten.
Auf Faktorenebene liegt die durchschnittlich erfasste Varianz (DEV) mit Werten von
rund 68%, 72% und 75% für die Faktoren Verwirrung und Frustration, Aufwand und
Anstrengung und Antizipiertes Regret über dem Grenzwert von 50%. Gleiches gilt für
die interne Konsistenz: Mit Werten von über 0,921 überschreiten alle drei Faktoren
den Mindestwert von 0,60 ebenfalls deutlich. Da die Messung alle Gütekriterien
hinsichtlich der Konvergenzvalidität erfüllt, kann diese insgesamt angenommen
werden. Das Messmodell genügt ebenfalls den Anforderungen hinsichtlich der
Prognosevalidität, was durch positive Stone-Geissers Q 2 zum Ausdruck kommt.
Schließlich kann auch die Unidimensionalität der einzelnen Faktoren bestätigt werden,
da der erste Eigenwert 55 eines jeden Faktors den Grenzwert von 1 deutlich
überschreiten und die Werte des jeweiligen zweiten Eigenwerts unter diesem Wert
liegen. Alle Faktoren weisen zudem ein Cronbachs Alpha von rund 0,9 auf, was die
Unidimensionalität unterstreicht und gleichzeitig auf eine hohe Reliabilität der
Messung deutet.
Anhand der in Tabelle 39 abgebildeten Korrelationsmatrix von manifesten und
latenten Variablen kann die Konvergenzvalidität nochmals verdeutlicht werden. Die
Matrix gibt ebenfalls erste Hinweise darauf, dass die Faktoren auch inhaltlich
verschiedene Elemente messen und somit diskriminant sind. Beide Aussagen basieren
darauf, dass die manifesten Variablen jeweils stärker mit der „eigenen“ latenten
Variable korrelieren als mit anderen. Dennoch korrelieren die Items teilweise deutlich
mit anderen Faktoren. So hat z. B. Aufw3 (Es dauert lange, die richtige Digitalkamera
zu finden) Korrelationskoeffizienten von über 0,5 mit den latenten Variablen der
Faktoren Verwirrung und Frustration und Antizipiertes Regret. Dies deutet darauf hin,
dass die drei Faktoren gemeinsame Elemente haben und Teil einer Dimension – den
Kosten von Produktvielfalt – sind.
55 Bezieht sich auf Eigenwerte der Korrelationsmatrix der manifesten Variablen eines Faktors
294

lat. Var.
man. Var.
Aufwand
Verwirrung und
Frustration
Antizipiertes
Regret
Aufw1 0,8455 0,5499
Aufw2 0,8333
Aufw3 0,8339 0,5205 0,5386
Aufw4 0,8737
Aufw5 0,8624 0,5183 0,5287
VerFr1 0,7663
VerFr2 0,5320 0,7581 0,5094
VerFr3 0,8438
VerFr4 0,8562
VerFr5 0,8569
VerFr6 0,8522
AnReg1 0,8688
AnReg2 0,8633
AnReg3 0,5441 0,8564
AnReg4 0,5561 0,8653
Tabelle 39: Korrelationen zwischen manifesten und latenten Variablen der Kostendimension (zur
besseren Lesbarkeit wurden Korrelationen unter 0,5 nicht abgebildet) (p < 0,01)
Dass die latenten Variablen dennoch verschiedene Aspekte der Kosten von
Produktvielfalt messen, zeigen die Ergebnisse hinsichtlich der Überprüfung des
Fornell-Larcker-Kriteriums. Da alle Faktoren dieses Kriterium erfüllen (siehe
Tabelle 34), kann von Diskriminanzvalidität der Messung auf Faktorenebene
ausgegangen werden. Die Zusammengehörigkeit der Faktoren kommt aber auch hier
durch Korrelationskoeffizienten der latenten Variablen von 0,536 (=0,287 ½ ), 0,553
(= 0,306 ½ ) und 0,606 (= 0,367 ½ ) zum Ausdruck.
Faktoren
Aufwand
Verwirrung und
Frustration
Antizipiertes
Regret
Aufwand 0,722 quadrierte Korrelationen
Verwirrung und
Frustration
Antizipiertes
Regret
0,678 0,306
0,746 0,367 0,287
DEV 0,722 0,678 0,746
Tabelle 40:
Ergebnisse der Überprüfung des Fornell-Larcker-Kriteriums der Kostendimension
295

Die reflektiven Messmodelle der KVP auf Faktorenebene erfüllen insgesamt alle in
dieser Arbeit verwendeten Gütekriterien. Es kann somit von reliablen und validen
Messungen ausgegangen werden.
Ebene 2: Formatives Messmodell auf Konstruktebene
Phatomvariable
KGl1
Kosten
global
KGl2
KGl
R 2 = 0,677
0,823
KPV
Konstrukt
(Ebene 2)
0,415 0,440 0,331
AA VF AR
... ... ...
Aufwand und
Anstrengung
Verwirrung und
Frustration
Antizipiertes
Regret
Rang
2 1 3
Abbildung 65: Ergebnisse der PLS-Schätzung des formativen Messmodells der Kostendimension mit
Phantomvariable: Gütemaße und Parameterschätzungen (Ebene 2)
In Abbildung 65 sind die Parameterschätzungen des PLS-Messmodells auf der
formativen Konstruktebene sowie die Beziehung zur Phantomvariable und deren
Messmodell dargestellt. Nachfolgend werden analog zum Nutzenkonstrukt zunächst
die Gütemaße der zweiten Ebene des Messmodells der KVP beschrieben.
Anschließend werden die Ergebnisse hinsichtlich der Einflussstärke der Faktoren auf
das Gesamtkonstrukt interpretiert.
296

Gütemaße und Parameterschätzungen (Ebene 2)
Betrachtet man zunächst die Gütemaße auf Faktorenebene, so ist aus Tabelle 41 zu
erkennen, dass die Pfadkoeffizienten der drei Faktoren Verwirrung und Frustration,
Aufwand und Anstrengung und Antizipiertes Regret mit Werten von 0,440, 0,415 und
0,331 deutlich über der Grenze von 0,1 liegen. Aufgrund der mittels des
Bootstrapping-Verfahrens gewonnenen t-Werte zwischen 38,727 (Antizipiertes
Regret) und 56,7 (Verwirrung und Frustration) kann davon ausgegangen werden, dass
die Pfadkoeffizienten signifikant sind. Außerdem wird die Multikollinearität der drei
Faktoren ausgeschlossen, da der jeweilige Variance Inflation Faktor (VIF) deutlich
unter der Grenze von 10 liegt. Das formative Messmodell erfüllt somit auf
Faktorenebene sehr deutlich alle vorgegebenen Gütekriterien.
Faktor
Faktorenebene
Pfadkoeffizient
VIF Q 2
(Red.)
R 2
Dimensionsebene
Phantomvariable
t-Wert
(Pfadkoeffizient)
Pfadkoeffizient
t-Wert
(Pfadkoeffizient)
Kriterium > 0,1 > 1,98 < 10 > 0 > 0,5 > 0,5 > 1,98
Aufwand und
Anstrengung
0,415 42,006 1,786 0,502 0,677 0,823 64,714
Verwirrung und
Frustration
Antizipiertes
Regret
0,440 56,676 1,587
0,331 38,727 1,739
Tabelle 41:
Ergebnisse der Analysen des Messmodells (Ebene 2) der Kostendimension
Betrachtet man auf Dimensionsebene zunächst das Stone-Geissers Q 2 , so kann aus
dem Wert von 0,502 und den Ergebnissen auf Faktorenebene auf die Prognosevalidität
der Messung geschlossen werden. Von externer Validität der Messung kann aufgrund
der Erklärungsstärke des Gesamtkonstrukts im Hinblick auf die Phantomvariable
ebenfalls ausgegangen werden: Die Kostendimension kann insgesamt 67,7% der
Varianz der Phantomvariable (R 2 = 0,677) erklären und steht mit dieser in sehr engem
Zusammenhang. Dies ist aus dem relativ hohen Pfadkoeffizienten von 0,823 zu
erkennen, der gleichzeitig hochsignifikant ist (t-Wert von 64,714).
Um die Parameterschätzungen hinsichtlich der Phantomvariablen abschließend
beurteilen zu können, ist sicherzustellen, dass die Phantomvariable reliabel und valide
gemessen wurde. Die entsprechenden Gütemaße ihres Messmodells sind in Tabelle 42
zusammengefasst. Die Phantomvariable der KPV wurde wie die des NPV durch zwei
297

eflektive Indikatoren operationalisiert. Das Item KGl1 (Insgesamt empfinde ich die
Entscheidung vom Gefühl her als unangenehm) stellt dabei vor allem die affektiven
Manifestationen der KVP dar, während durch den Indikator KGl2 (Insgesamt würde
ich sagen, die Entscheidung war ... [(1): sehr einfach ... (7) sehr schwer]) die globale
kognitive Entscheidungsschwierigkeit hoher Produktvielfalt global gemessen wird.
Indikatorenebene
Indikator Ladung t-Wert
(Ladung)
DEV
Interne
Konsistenz
Konstruktebene
Q 2
(Kom.)
Eigenwerte
(EW)
Kriterium > 0,70 > 1,98 > 0,50 > 0,60 > 0 1. EW > 1
2. EW < 1
KGl1 0,880 49,923
KGl2 0,854 49,023
0,751 0,858 0,257 1,506
0,494
Cronbachs
Alpha
> 0,70
0,672
Tabelle 42:
Gütekriterien des Messmodells der Phantomvariable für die Kostendimension
Die Ladungen beider Indikatoren liegen mit Werten von 0,880 (KGl1) und 0,854
(KGl2) deutlich über der Grenze von 0,7 und sind hochsignifikant, da ihre t-Werte bei
rund 49 liegen. Auf Konstruktebene erfüllt die Messung die Kriterien hinsichtlich der
durchschnittlich erfassten Varianz (DEV) und der internen Konsistenz deutlich.
Auch die Eigenwerte liegen mit Werten von 1,506 und 0,494 für den ersten bzw.
zweiten Eigenwert über bzw. unter 1, woraus auf Unidimensionalität der latenten
(Phantom)variable geschlossen werden kann. Dagegen liegt das Cronbachs Alpha
mit 0,672 unter dem Grenzwert von 0,7. Dies ist zum einen auf die Operationalisierung
mit nur zwei Indikatoren zurückzuführen und deutet zum anderen darauf hin,
dass die beiden Indikatoren nicht exakt denselben Faktor messen und die Messung
deshalb das Kriterium der Konvergenzvalidität nicht optimal erfüllt. Ein Grund hierfür
könnte sein, dass Konsumenten die durch KGl1 bzw. KGl2 gemessenen affektiven
bzw. kognitiven Aspekte als Facetten der Entscheidungsschwierigkeit und damit
teilweise als ergänzend betrachten. Dies war das Hauptargument für die formative
Operationalisierung der Konstruktebene und die Verwendung der von Wold (1982b)
vorgeschlagenen „Superblock-Struktur“ (siehe S. 258f.). Da die Messung aber die drei
anderen Gütekriterien hinsichtlich der Konvergenzvalidität (DEV, interne Konsistenz
und Eigenwerte) erfüllt, kann insgesamt mit leichten Einschränkungen von
Konvergenzvalidität ausgegangen werden. Aus dem Stone-Geissers Q 2 von 0,257
kann schließlich auf Prognosevalidität und damit insgesamt auf eine valide Messung
der Phantomvariablen geschlossen werden.
298

Insgesamt erfüllt das Messmodell der Kosten von Produktvielfalt damit die
vorgegebenen Gütekriterien der Ebene 2 und kann deshalb als reliabel und valide
eingestuft werden.
Interpretation des Messmodells auf Konstruktebene
Die Einflussstärke der drei Faktoren Verwirrung und Frustration, Aufwand und
Anstrengung und Antizipiertes Regret auf den Wert der Kosten von Produktvielfalt
wird analog zum Nutzenkonstrukt auf Basis des jeweiligen relativen Erklärungsbetrags
eines Faktors zum Bestimmtheitsmaß auf Dimensionsebene beurteilt (siehe S. 291).
Die Ergebnisse der Berechnungen sind in Tabelle 43 dargestellt. Demnach ist der
Faktor Verwirrung und Frustration mit einem Erklärungsbeitrag von 38% der
bedeutendste Aspekt der Kostendimension, dicht gefolgt vom Faktor Aufwand und
Anstrengung, der 35% zum Bestimmtheitsmaß beiträgt. Mit 27% ist auch der
Erklärungsbeitrag des drittstärksten Einflussfaktors Antizipiertes Regret immer noch
relativ hoch, so dass insgesamt festgehalten werden kann, dass alle drei Faktoren einen
bedeutenden Einfluss auf die KPV haben, wobei die Faktoren Verwirrung und
Frustration und Aufwand und Anstrengung etwas bedeutender sind die latente
Variable Antizipiertes Regret. Damit sind ähnlich wie bei den NPV die affektiven
Kostenaspekte erstaunlich wichtig. Anzumerken ist hierzu, dass ein gewisser
Zusammenhang des Faktors Aufwand und Anstrengung mit den beiden anderen
Faktoren Verwirrung und Frustration und Antizipiertes Regret zu vermuten ist. Dies
ist aus der Korrelation einiger manifester Variablen des Aufwandsfaktors (z. B. Aufw3,
Aufw5) mit den anderen beiden latenten Variablen abzuleiten (siehe Tabelle 39,
S. 295). Hinweise hierauf geben auch die Korrelationen zwischen der latenten
Variablen des Faktors Aufwand und Anstrengung mit den latenten Variablen
Verwirrung und Frustration (0,553) und Antizipiertes Regret (0,606), die aus
Tabelle 40 (Fornell-Larcker-Kriterium) in quadrierter Form abzulesen sind.
299

Faktor Pfadkoeffizient Korrelation
Pfadkoeffizient
x
Korrelation
Relativer
Erklärungsanteil
Rang
Aufwand 0,415 0,856 0,349 35% 2
Verwirrung und
Frustration
Antizipiertes
Regret
0,440 0,848 0,376 38% 1
0,331 0,819 0,274 27% 3
Tabelle 43: Relativer Erklärungsbeitrag der einzelnen Faktoren der Kostendimension zur
Gesamtdimension
Aus den Ergebnissen kann insgesamt geschlossen werden, dass die negativen Aspekte
hoher Produktvielfalt für den Konsumenten insbesondere durch Verwirrung und
Frustration und durch den Aufwand und die Anstrengung bei der Entscheidung
bestimmt werden. Für Handelsunternehmen ist es folglich besonders wichtig, die
Verwirrung des Konsumenten zu reduzieren, indem Sortimente z. B. klar strukturiert
werden und der Konsument sich möglichst leicht orientieren kann, um zu dem Produkt
„zu finden“, das seinen Vorstellungen entspricht. Weiterhin sollten Unternehmen
versuchen, den Aufwand der Entscheidung zu reduzieren, indem beispielsweise
Berater aktive Entscheidungsunterstützung leisten, anstatt „nur“ über Produkte und
deren Eigenschaften zu informieren. Detaillierter wird auf die Implikationen aus den
Ergebnissen in Kapitel 6.2 (S. 397ff.) eingegangen.
3.5 Zusammenfassung
In diesem Kapitel wurde ein Messinstrument für den Wert von Produktvielfalt mit
seinen beiden Dimenseionen Kosten von Produktvielfalt und Nutzen von
Produktvielfalt NPV entwickelt. Die Dimensionen wurden hierzu als unabhängige
Konstrukte des übergelagerten Wertkonstrukts konzeputalisiert. Die Nutzendimension
besteht aus drei Faktoren, die Kostendimension ist fünffaktoriell. Die Operationalisierung
beider Dimensionen erfolgt auf Faktorenebene reflektiv und auf Dimensionsebene
formativ. Die Items zur Messung der einzelnen Faktoren wurden auf Basis der
in Kapitel 2 beschriebenen Theorien sowie Konsumenten- und Experteninterviews
generiert. Durch diesen Methodenmix kann eine breite Abdeckung des
Konstruktinhalts gewährleistet werden. Das so entstandene Messinstrument wurde
anschließend auf Faktorenebene einem Pretest unterzogen, um ungeeignete Items zu
300

entfernen. Insgesamt wurden sieben Indikatoren im Rahmen einer konfirmatorischen
Faktorenanalyse entfernt, so dass in der anschließenden Hauptuntersuchung die
Kostendimension durch insgesamt 15 und die Nutzendimension durch 21 Items
gemessen wurde.
Die Analysen der Hauptuntersuchung, die mit Hilfe von PLS durchgeführt wurden,
bestätigten die Struktur der Messmodelle sowohl auf Faktor- als auch auf
Dimensionsebene. Durch die Untersuchung der Einflussstärke der einzelnen Faktoren
auf die jeweilige Dimension wurde deutlich, dass die Faktoren Informationsmöglichkeiten
und Spaß den Nutzen von Produktvielfalt und die Faktoren
Anstrengung und Aufwand sowie Verwirrung und Frustration die Kosten von
Produktvielfalt am stärksten beeinflussen.
Mit Hilfe des entwickelten Messinstruments können in den nächsten beiden Kapiteln
die Konsequenzen der Kosten und Nutzen von Produktvielfalt (Kapitel 4) und deren
Determinanten (Kapitel 5) untersucht werden.
301

4. Auswirkungen von Kosten und Nutzen von Vielfalt auf
das Konsumentenverhalten
Das Kapitel ist so strukturiert, dass zunächst die Methodik und Vorgehensweise bei
der Analyse der Daten hinsichtlich der Konsequenzen der Wertdimensionen
beschrieben wird (Kapitel 4.1). Im Anschluss daran wird untersucht, wie sich Kosten
und Nutzen von Produktvielfalt auf den Ausgang der Kaufentscheidung (Kapitel 4.2)
und die nachgelagerten Evaluationsprozesse (Kapitel 4.3) auswirken. Der letzte
Abschnitt (Kapitel 4.4) beschreibt die Analyseergebnisse zu erweiterten Modellen.
Hierbei wird zum einen das bestangepasste Modell beschrieben und zum anderen
werden weitere Konstrukte in die Betrachtung einbezogen.
4.1 Methodik und Gütekriterien bei der Analyse der Daten
4.1.1 Methodik und Vorgehensweise
Da dieser Abschnitt der Untersuchung der Konsquenzen von Kosten und Nutzen von
Produktvielfalt dient, steht das Strukturmodell im Mittelpunkt der Betrachtung. Dieses
beschreibt die Beziehungen zwischen exogenen und endogenen Konstrukten, sowie
Beziehungen endogener Konstrukte untereinander. Bei der Modellbeurteilung sind
deshalb zwei Aspekte zu berücksichtigen: Zum einen sind die Messmodelle der
endogenen Konstrukte auf Validität und Reliabilität zu überprüfen, und zum anderen
müssen die im Strukturmodell beschriebenen Beziehungen zwischen den
Konstrukten untersucht werden.
Da alle endogenen Konstrukte reflektiv operationalisiert werden, erfolgt die
Beurteilung der Messmodelle mittels der Gütekriterien, die bereits auf Faktorenebene
der Kosten- und Nutzendimension verwendet wurden. Analog zur dortigen
Vorgehensweise werden die endogenen Konstrukte zunächst theoriebasiert
operationalisiert und die so entstandenen Itembatterien anschließend einem Pretest
unterzogen. Die Beurteilung der Messmodellgüte erfolgt in der Analyse der
302

Hauptuntersuchung, die ebenfalls auf PLS basiert, durch dieselben Gütekriterien wie
bei der Hauptuntersuchung die Messmodelle der Kosten- und Nutzendimension (siehe
Kapitel 3.4.1.3, S. 260ff.). Auf die Gütekriterien zur Validitäts- und Reliabilitätsbeurteilung
der Messmodelle wird an dieser Stelle deshalb nicht nochmals
eingegangen.
Noch nicht dargestellt wurden dagegen die Kriterien zur Gütebeurteilung des
Strukturmodells. Dies erfolgt anschließend.
4.1.2 Gütekriterien zur Beurteilung des Strukturmodells
Das Strukturmodell dient dem Test der Hypothesen hinsichtlich der Konsequenzen
von Kosten und Nutzen von Produktvielfalt und damit auch der Überprüfung der
nomologischen Validität ihrer Messmodelle. Die Hypothesen werden getestet, indem
die Strukturgleichungspfade des Modells hinsichtlich Richtung, Signifikanz und
Erklärungskraft in Bezug auf die kausal nachfolgenden Konstrukte beurteilt werden.
Ausgangspunkt der Überprüfung der Erklärungskraft des Modells ist das
Bestimmtheitsmaß (R 2 ) (vgl. Chin 1998a, S. 316f.). In einem Regressionsmodell gibt
dieses an, welchen Anteil der Streuung einer abhängigen Variablen die ihr kausal
vorgelagerten unabhängigen Variablen erklären können (vgl. Backhaus et al. 2003,
S. 66). In einem PLS-Strukturmodell stellen die endogenen latenten Variablen die
abhängigen Variable (Regressoren) und die latenten exogenen Konstrukte die
unabhängigen Variablen (Regressoren) eines multiplen Regressionsmodells dar (vgl.
Ringle 2004, S. 15). Das in PLS ermittelte Bestimmtheitsmaß einer endogenen
Variablen gibt folglich den Anteil der Streuung an, der durch die mit der Variablen in
Verbindung stehenden kausal vorgelagerten exogenen Konstrukte erklärt wird. Es
„(...) misst damit die Güte der Anpassung einer Regressionsfunktion an die empirisch
gewonnenen manifesten Items“ (Götz/Liehr-Gobbers 2004, S. 23).
Das R 2 ist eine normierte Größe mit einem Wertebereich von 0 bis 1, wobei größere
Werte für eine höhere Erklärungskraft des Modells stehen (vgl. Backhaus et al. 2003,
S. 66). Chin (1998, S. 323) bezeichnet einen in einem PLS-Modell ermittelten R 2 -Wert
von 0,67 als „substantial“, während er Ergebnisse von 0,33 und 0,19 als „moderate“
bzw. „weak“ einstuft (Chin 1998a, S. 323). In der vorliegenden Untersuchung wird
ein auch in der Literatur genannter Wert von 0,30 als unterer Grenzwert verwendet
(vgl. z. B. Herrmann/Huber/Kressmann 2004, S. 29).
303

Die Stärke, Richtung und Signifikanz des Einflusses eines Konstrukts auf ein kausal
nachfolgendes Konstrukt kann anhand des Pfadkoeffizienten des
PLS-Strukturmodells beurteilt werden (vgl. Chin 1998a, S. 316ff.). Dieser kann als
standardisierter Beta-Koeffizient eines multiplen Regressionsmodells interpretiert
werden (vlg. Götz/Liehr-Gobbers 2004, S. 24). Lohmöller (1989, S. 60f.) bezeichnet
einen Zusammenhang zwischen zwei Variablen als signifikant, wenn der
entsprechende Pfadkoeffizient des PLS-Modells eine betragsmäßige Höhe von
mindestens 0,1 aufweist. Chin (1998, S. 324) hingegen empfiehlt einen
betragsmäßigen unteren Grenzwert von 0,2. Während die absolute Höhe der
Pfadkoeffizienten einen guten Anhaltspunkt für die Stärke des Zusammenhangs
zwischen zwei Variablen liefert, wird in der Literatur empfohlen, die statistische
Signifikanz der Pfadkoeffizienten anhand deren t-Werte zu beurteilen (vgl.
Herrmann/Huber/Kressmann 2004, S. 26). Diese werden wie auch bei den
Messmodellen durch die Resampling Methoden Bootstrapping oder Jackknifing
gewonnen. Wie bereits erwähnt, kommt in dieser Arbeit aufgrund seines geringeren
Standardfehlers das Bootstrapping-Verfahren zur Anwendung.
Um die Prognoserelevanz eines exogenen Konstrukts hinsichtlich eines kausal
nachfolgenden endogenen Konstrukts beurteilen zu können, schlägt Chin (1998) in
Ergänzung zu Bestimmtheitsmaß und t-Werten die Verwendung der Effektgröße f 2
vor, die er analog zum partiellen F-Test entwickelte. Sie ist folgendermaßen definiert:
f
2
R − R
= (19)
2 2
incl excl
2
1−
Rincl
R 2 incl
R 2 excl
Bestimmtheitsmaß der abhängigen Variablen, wenn die betrachtete, kausal
vorgelagerte unabhängige Variable im Strukturmodell eingeschlossen wird
Bestimmtheitsmaß der abhängigen Variable, wenn die betrachtete, kausal vorgelagerte
unabhängige Variable im Strukturmodell nicht eingeschlossen wird
Die Effektgröße gibt an, inwieweit durch die Berücksichtigung der betrachteten
exogenen Variablen im Strukturmodell die erklärte Varianz der entsprechenden
endogenen Variable erhöht werden kann. Sie überprüft somit, ob eine unabhängige
(exogene) latente Variable einen substanziellen Einfluss auf eine abhängige
(endogene) latente Variable ausübt. Werte von 0,02, 0,15 bzw. 0,35 lassen auf einen
geringen, mittleren bzw. großen Einfluss der exogenen auf die mit ihr in Beziehung
304

stehende endogene Variable schließen (vgl. Gefen/Straub/Boudreau 2000, S. 65). Dem
Verfasser dieser Arbeit ist kein in der Literatur genannter unterer Grenzwert bekannt.
Da jedes vorgelagerte Konstrukt aber mindestens einen geringen Einfluss auf ein
kausal folgendes Konstrukt haben soll, wird ein Mindestwert von 0,05 als sinnvoll
erachtet.
In PLS können zur Überprüfung der Gesamtmodellgüte, im Gegensatz zu
kovarianzbasierten, Verfahren keine inferenzstatistischen Tests durchgeführt werden.
Dies liegt vor allem daran, dass PLS keine Annahmen hinsichtlich der Verteilung der
Daten trifft (vgl. Götz/Liehr-Gobbers 2004, S. 23). Die Prognoserelevanz des Modells
lässt sich folglich nur separat für jedes (reflektive) Zielkonstrukt mit Hilfe des auf
Redundanzen basierenden Stone-Geissers Q 2 beurteilen. Da dieses bereits zur
Beurteilung der formativen Konstruktebene des Messmodells (Ebene 2) verwendet
wurde, wird an dieser Stelle auf eine ausführliche Erklärung verzichtet (Details siehe
S. 264f.).
Hohe Multikollinearität der antezedenten latenten Variablen eines Konstrukts kann zu
einer Verzerrung der multiplen Regressionskoeffizienten führen (vgl. Backhaus 2003,
S. 88f; siehe auch S. 200). Herrmann, Huber und Kressmann (2004) empfehlen
deshalb, den Variance Inflation Factor in die Gütebeurteilung von Strukturmodellen
zu integrieren, um mit dessen Hilfe, den Grad der Multikollinearität zwischen den
Prädikatoren abzuschätzen. Der Variance Inflation Factor dient ebenfalls als Gütemaß
des Messmodells und wird deshalb an dieser Stelle nicht nochmals beschrieben (siehe
S. 269f.).
Abbildung 66 stellt im Überblick alle Gütemaße dar, die nachfolgend zur Beurteilung
der endogenen Messmodelle und des Strukturmodells verwendet werden.
305

Gütekriterien für Mess- und Strukturmodell
...
LG
Loyalität
Geschäft
Ebene1
(endogene
Messmodelle)
Ebene 2
(Strukturmodell)
...
LM
Loyalität
Marke
Zufriedenheit
Produkt
ZPr
...
Nutzen
NPV
Zufriedenheit
Prozess
ZP
...
KD
kognitive
Dissonanz
Kosten
KPV
...
Betrachtete
Ebene
Analyseebene Gütemaß Kriterium
Ebene 1
(endogene
Messmodelle)
Indikatorenebene
Faktorenebene
Ladung > 0,70
t-Wert der Ladung > 1,98
DEV
(Durchschnittlich erfasste Varianz)
IK
(Interne Konsistenz)
Stone Geissers Q 2
(Kommunalität)
Eigenwerte (EW) der Faktoren
> 0,50
> 0,60
> 0
1. EW > 1
2. EW < 1
Cronbachs Alpha > 0,70
Manifeste und
latente Variablen
Rotierte Faktorladungen
Oblimin-Rotation der
exploratorischen Faktorenanalyse)
Korrelationen zwischen latenten und
manifesten Variablen
Fornell-Larcker-Kriterium
Faktorladung einer manifesten Variable am
höchsten bei „eigener“ latenten Variable
Größer zwischen manifesten Variablen und
zugehörigem Konstrukt als zwischen
manifesten Variablen und anderen
Konstrukten
DEV i > als jede quadrierte Korrelationen
von Konstrukt i mit allen anderen
Konstrukten
Pfadkoeffizient > 0,1
Ebene 2
(Strukturmodell)
Ausgangskonstrukt
Zielkonstrukt
t-Wert des Pfadkoeffizient > 1,98
VIF
(Variance Inflation Factor)
< 10
Effektgröße f 2 > 0,05
Stone Geissers Q 2
(Redundanz)
> 0
R 2 > 0,3
Abbildung 66: Gütemaße zur Beurteilung des Gesamtmodells
306

Das nächste Kapitel beschreibt die Analyseergebnisse zur Auswirkung der KNPV auf
den Ausgang von Kaufentscheidungen.
4.2 Wirkung auf das Kaufverhalten
Ziel dieses Abschnitts ist es, die Ergebnisse der empirischen Überprüfung der
Hypothesen zur Wirkung von Kosten und Nutzen von Produktvielfalt auf das
Kaufverhalten darzustellen (siehe Kapitel 2.3.3.1, S. 178ff.). Hypothese 2 und
Hypothese 6 gehen von einem negativen bzw. positiven Zusammenhang der KPV bzw.
NPV und der Kaufintention aus, d. h., die Nutzenaspekte hoher Vielfalt wirken sich
positiv auf die Kaufabsicht aus, während hohe Kosten diese negativ beeinflussen.
Einen ersten Anhaltspunkt hinsichtlich der Auswirkung auf das Kaufverhalten gibt der
Vergleich der durchschnittlichen Kosten- und Nutzen-Werte von Käufern und
Nicht-Käufern. Hierzu wurde ein T-Test auf Basis der in PLS-Graph ermittelten
(standardisierten) Werte der latenten Kosten- und Nutzen-Variablen durchgeführt:
Der durchschnittliche Nutzenwert der Käufer (ø = 0,284; Standardabweichung
(SD) = 1,046) unterscheidet sich signifikant (p < 0,001) von dem der Nicht-Käufer
(-0,277; SD = 0,867). Gleiches gilt für die Ergebnisse bzgl. der latenten Kostenwerte,
deren Durchschnitt bei Nicht-Käufern (ø = 0,276; SD = 0,982) signifikant (p< 0,001)
höher ist als bei Käufern (ø = -0,283; SD = 0,940). Die Ergebnisse zeigen, dass die
Nicht-Käufer nicht nur höhere Kosten von Vielfalt, sondern auch einen geringeren
Nutzen haben. Der T-Test hat somit erste Hinweise auf die Wirkung von Kosten und
Nutzen von Vielfalt auf das Kaufverhalten gegeben.
Um die Stärke des Einflusses der KPV und NPV auf die Kaufabsicht zu untersuchen
und dadurch die Hypothesen zu testen, wurde das in Abbildung 67 dargestellte
PLS-Strukturmodell verwendet. Die beiden Konstrukte wurden dabei mit Hilfe der im
vorherigen Kapitel dargestellten Operationalisierung gemessen. Die Messung der
endogenen Variablen Kaufabsicht erfolgte durch eine 10-Punkt-Skala, die
anschließend standardisiert wurde. Konsumenten, die sich entschieden hatten, nicht zu
kaufen, wurden dabei gefragt, wie hoch die Wahrscheinlichkeit ist, dass sie das
betrachtete Produkt (Digitalkamera bzw. DVD-Player/Recorder) doch noch in diesem
Geschäft kaufen. Sie konnten die Wahrscheinlichkeit hierfür auf einer Skala von 1
(sehr gering) bis 7 (sehr hoch) angeben. Käufer wurden entsprechend des Preises des
307

gekauften Produkts in eine der drei Gruppen „günstig“, „mittleres Preissegment“ und
„teuer“ eingeteilt, was den Kaufabsichtswerten 8, 9 und 10 entspricht. Diese
Operationalisierung wurde gewählt, da dadurch die Umsatzwirkung als zentrale
Erfolgsgröße des Handels explizit in der Untersuchung berücksichtig wird.
Das Ergebnis der Parameterschätzungen ist in Abbildung 67 dargestellt. Darin ist zu
erkennen, dass sich wie erwartet der Nutzen positiv und die Kosten negativ auf die
Kaufabsicht auswirken. Die beiden Konstrukte können zusammen 32% der
Kaufabsicht erklären. Berücksichtig man, dass es sich hierbei nicht um ein
Experiment, sondern um reales Kaufverhalten handelt, ist dieser Wert als gut
einzustufen.
Kaufintention
KI1
KI
Nutzen
NPV
0,396 R 2 = 320
- 0,286
Kosten
KPV
AP EA IM Sp PE
AA VF AR
Abbildung 67: Die Auswirkung der Kosten und Nutzen von Produktvielfalt auf die Kaufabsicht.
Ergebnisse der PLS-Parameterschätzung
Um eine Aussage über die Annahme oder Ablehnung der Hypothesen treffen zu
können, wird das Strukturmodell anhand der in Tabelle 44 zusammengefassten
Gütemaße beurteilt:
308

Ausgangskonstruktebene
(exogene Variable)
Zielkonstruktebene
(endogene Var.)
Exogene
Konstrukte
Zielkonstrukt
t-Wert
(Pfadkoeffizient)
Hypothese
Pfadkoeffizient
VIF f 2 R 2 Q 2
(Redu.)
⏐⏐> 0,1 > 1,98 < 10 > 0,05 > 0,3 > 0
NPV
Kaufintention
+ () 0,396 10,920 1,139 0,200
KPV
– () -0,286 7,745 1,139 0,104
0,320 0,121
Tabelle 44: Gütemaße zur Beurteilung der Wirkung der Kosten von Produktvielfalt und Nutzen von
Produktvielfalt auf die Kaufabsicht
Die Pfadkoeffizienten liegen mit Werten von 0,396 bzw. -0,286 deutlich über dem
Grenzwert von 0,1, haben das vermutete Vorzeichen und weisen auf Basis des
Bootstrap-Verfahrens gewonnene t-Werte von 10,920 bzw. 7,744 auf. Auch die
Effektgröße f 2 beider Konstrukte liegt mit Werten von 0,200 und 0,104 über der
Untergrenze von 0,05. Die Konstrukte sind ferner nicht linear abhängig, was sich aus
dem VIF von 1,139 schlussfolgern lässt. Insgesamt kann deshalb der positive Einfluss
der NPV und der negative Einfluss der KPV auf die Kaufabsicht als signifikant
bezeichnet werden. Die Erklärungskraft des Modells wird auch durch das Stone-
Geissers Q 2 von 0,121 bekräftigt.
Weiterhin kann der relative Erklärungsbeitrag des Nutzen- bzw. Kostenkonstrukts zum
Bestimmtheitsmaß (R 2 ) der Kaufabsicht Auskunft über die Stärke des Einflusses der
beiden Konstrukte auf das Kaufverhalten geben. Dieser kann aus der schon
beschriebenen Zerlegung des R 2 in die einzelnen Bestandteile gewonnen werden
(siehe S. 291). Die Ergebnisse zeigen, dass der Erklärungsbeitrag des Nutzens von
Produktvielfalt mit 62% deutlich höher ist, als der der Kosten von Produktvielfalt
(38%), was bedeutet, dass die positiven Aspekte hoher Vielfalt letztlich zwar
überwiegen, die Kostenaspekte aber dennoch einen beträchtlichen negativen Einfluss
auf die Kaufabsicht haben.
Damit können die Hypothesen, dass sich die Kosten von Produktvielfalt negativ
(Hypothese 2 ) und der Nutzen von Produktvielfalt positiv (Hypothese 6) auf das
Kaufverhalten auswirken, aufrecht erhalten werden.
Der nächste Abschnitt stellt die Untersuchungsergebnisse bezüglich der Wirkung der
KPV und NPV auf die der Kaufentscheidung nachgelagerten Evaluationskonstrukte
dar.
309

4.3 Wirkung auf die Kauf- und Nachkaufbewertung
Um zu untersuchen, wie sich die Kosten- und Nutzendimension des Wertkonstrukts
auf die hier betrachteten, der Kaufentscheidung nachgelagerte Größen auswirken, sind
diese zunächst zu operationalisieren. Analog zu den Messmodellen der KPV und NPV
werden die endogenen Konstrukte anschließend im Rahmen des Pretests einer
konfirmatorischen Faktorenenanalyse unterzogen. In der Hauptuntersuchung werden
sowohl die Messmodelle als auch das Strukturmodell mittels der beschriebenen
Gütekriterien beurteilt.
4.3.1 Messmodelle der endogenen Konstrukte
4.3.1.1 Operationalisierung der Konstrukte
Bei den endogenen Konstrukten handelt es sich teilweise um Konstrukte, die in der
Marketingliteratur, vor allem im Relationship-Marketing, weit verbreitet sind. Es wird
deshalb versucht, bei deren Operationalisierung so weit wie möglich auf bestehende
und etablierte Skalen oder Messansätze zurückzugreifen. Die Beschreibung der
verwendeten Skalen wird in diesem Fall möglichst knapp gehalten.
Folgende endogene Konstrukte werden im Gesamtmodell der Untersuchung auf Basis
der in Kapitel 2.3.3.1 (S. 178ff.) formulierten Hypothesen berücksichtigt und
nachfolgend operationalisiert:
• Zufriedenheit mit dem Kauf- und Entscheidungsprozess
• Kognitive Dissonanz
• Zufriedenheit mit dem gekauften Produkt
• Loyalität zur gekauften Marke
• Loyalität zum Geschäft
Zufriedenheit mit dem Kauf- und Entscheidungsprozess
Dieses Konstrukt wurde bisher in der Marketingliteratur nach dem Kenntnisstand des
Autors nur selten in empirischen Untersuchungen verwendet (siehe Fitzsimons/
310

Greenleaf/Lehmann 1997, S. 1ff; Zhang/Fitzsimons 1999, S. 192ff.), weshalb nicht auf
eine etablierte Skala zurückgegriffen werden kann. Die in oben genannten Studien
verwendeten Operationalisierungen basieren zudem häufig auf Antezedenzien der
Kaufprozesszufriedenheit wie z. B. der Verfügbarkeit guter Alternativen im Sortiment
(vgl. Fitzsimons/Greenleaf/Lehmann 1997, S. 34). Da in dieser Untersuchung die
Kaufprozesszufriedenheit als Konsequenz der NPV und KPV abgebildet werden soll,
muss die Operationalisierung aber so erfolgen, dass keine Antezedenzien im
Messmodell enthalten sind.
Im Gegensatz zur Zufriedenheit mit dem Kaufprozess ist das Konstrukt der
Produktzufriedenheit in der Marketingliteratur weit verbreitet (vgl. Herrmann 1998,
S. 37ff.; Yi 1990, S. 68ff.). Die Kaufprozesszufriedenheit soll deshalb in Analogie zu
dieser operationalisiert werden.
Im Zentrum der am weitesten verbreiteten Operationalisierung der Produktzufriedenheit
steht das Erwartungs-Diskonfirmations-Paradigma (vgl. Oliver 1980,
S. 460ff.; Yi 1990, S. 87f.). Dieses besagt, dass ein Konsument im Rahmen eines
kognitiven Vergleichsprozesses die tatsächliche Leistung eines Produkts mit seinen
vor dem Kauf entwickelten Erwartungen vergleicht. Liegt die Produktleistung dabei
auf Höhe der Erwartungen (Konfirmation) oder überschreitet diese (positive
Diskonfirmation), entsteht Zufriedenheit. Schneidet das Produkt dagegen schlechter
als erwartet ab (negative Diskonfirmation), führt dies zur Unzufriedenheit. Tse und
Wilton (1988) sind dagegen der Meinung, dass Konsumenten unabhängig von
Vorkaufserwartungen genau dann zufrieden sind, „whenever a product performs well“
(S. 205). Neben diesem Erklärungsansatz und dem Erwartungs-
Diskonfirmations-Paradigma existieren in der Literatur eine Reihe weiterer Modelle
und Theorien zur Entstehung von Zufriedenheit, wie z. B. die Equity-Theorie und die
Value-Disparity Theory. Auf diese soll hier aber nicht näher eingegangen werden (Yi
1990, S. 87ff. gibt einen viel zitierten Überblick hierzu). Für die vorliegende
Untersuchung sollen das Erwartungs-Diskonfirmations-Paradigma und der Vorschlag
von Tse und Wilton (1988) als Grundlage der Operationalisierung der Produkt- und
Kaufprozesszufriedenheit dienen.
Insgesamt wurden zur Messung der Zufriedenheit mit dem Kaufprozess vier
Indikatoren generiert: Der erste Indikator SatProz1 bildet in Anlehnung an Fitzsimons
et al. (1997, S. 34) und Jacoby et al. (1974, S. 64) die globale Zufriedenheit mit dem
Kaufprozess ab. Das Item SatProz2 basiert auf den Überlegungen von Tse und Wilton
(1988) wonach Zufriedenheit dann entsteht, wenn – in diesem Fall die
311

Kaufentscheidung – gut und wie gewünscht ablief und folglich wenig Raum für
Verbesserungen lässt. Die Grundlage der beiden Indikatorvariablen SatProz3 und
SatProz4 bildet das Erwartungs-Diskonfirmations-Paradigma, wonach ein Konsument
dann mit seinem Entscheidungsprozess zufrieden ist, wenn er wie erwartet ablief
(SatProz4). Wird der Entscheidungsprozess zum Vergleichsstandard für nachfolgende
Käufe (SatProz3), ist dies ebenfalls ein Ausdruck von Zufriedenheit. Tabelle 45 fasst
die Operationalisierung des Konstrukts Kaufprozesszufriedenheit zusammen und stellt
den genauen Wortlaut der Fragen dar.
Bezeichnung Item Inhalt Quelle
SatProz1
SatProz2
SatProz3
SatProz4
Wie zufrieden sind Sie
insgesamt mit Ihrem
Einkaufs- und
Entscheidungsprozess?
Der Kauf der Kamera war,
wie ich ihn mir wünsche, und
ich wüsste nicht, was man
daran verbessern könnte.
Es wäre schön, wenn jede
Kaufentscheidung so ablaufen
würde wie diese.
Insgesamt war die
Entscheidungsfindung, wie
ich es erwartet habe.
Globale Zufriedenheit mit
Kaufprozess
Positive Einschätzung des
Kaufprozesses
Entscheidungsprozess als
positiver Vergleichsstandard
für nachfolgende
Kaufprozesse
Erfüllung Erwartungen
In Anlehnung an
Fitzsimons/Greenleaf/Lehmann
1997, S. 34;
Jacoby/Speller/Kohn 1974,
S. 64
In Analogie zur Messung der
Produktzufriedenheit
Tabelle 45:
Operationalisierung des endogenen Konstrukts „Zufriedenheit mit dem Kaufprozess“
Neben den Indikatoren ist auch die Art des Messmodells für das Konstrukt
festzulegen: Die Operationalisierung der Kaufprozesszufriedenheit erfolgt reflektiv.
Dies ist vor allem damit zu begründen, dass sich durch die Veränderung eines
Indikators auch alle anderen Indikatoren verändern würden (vgl. Herrmann/Huber/
Kressmann 2004, S. 10). Wäre ein Konsument beispielsweise mit dem Kaufprozess im
Ganzen unzufrieden (SatProz1) würde er diesen wohl kaum zum positiven
Vergleichsstandard erheben. Die Kausalität verläuft dementsprechend vom Konstrukt
zu den Indikatoren, diese sind austauschbar und kovariieren. Es sind folglich alle vier
Kriterien eines reflektiven Messmodells erfüllt (vgl. Jarvis et al. 2003, S. 203; siehe
auch Tabelle 6, S. 205).
312

Kognitive Dissonanz
Die Operationalisierung dieses Konstrukts basiert auf einer von Sweeny, Hausknecht
und Soutar (2000, S. 369ff.) entwickelten Skala. Im Original werden durch 22
Indikatoren die drei Dissonanz-Dimensionen Emotional, Wisdom of Purchase und
Concern over Deal abgebildet. Während die erste Dimension den „psychological
discomfort subsequent to the purchase decision“ (Sweeny/Hausknecht/Soutar 2000,
S. 380) beschreibt, umfasst die zweite Dimension „a person’s recognition after the
purchase has been made that they may not need the product or may not have selected
the appropriate one“ (Sweeny/Hausknecht/Soutar 2000,S. 380). Die Dimension
Concern over Deal beinhaltet schließlich die Bedenken eines Konsumenten, dass er
bei seiner Entscheidung gegen seinen Willen beeinflusst wurde. In der vorliegenden
Untersuchung wird die Ursprungsskala aus forschungsökonomischen Gründen auf vier
Indikatoren reduziert, wobei alle drei Dimensionen der Originalskala Berücksichtigung
finden (siehe Tabelle 46). So sind die Indikatoren KogDis1 und KogDis2 Teil der
Wisdom of Purchase Dimension und drücken die Unsicherheit des Konsumenten
hinsichtlich des eigenen Bedürfnisses und der Entscheidung für das konkrete Produkt
aus. Kognitive Dissonanz äußert sich nach Sweeny et al. (2000) außerdem in
grundsätzlichen Bedenken des Konsumenten bezüglich des Kaufs (KogDis3) und in
einer emotionalen Reaktion, die mit einem „unguten Gefühl“ nach der
Kaufentscheidung zusammengefasst werden kann (KogDis4).
Bezeichnung Item Inhalt Quelle
KogDis1
KogDis2
Ich frage mich, ob ich wirklich eine
Digitalkamera brauche.
Ich frage mich, ob es richtig war,
diese Digitalkamera zu kaufen.
Bedürfnisunsicherheit
Entscheidungsunsicherheit
In Anlehnung an
Sweeny/Hausknecht/Soutar
2000, S. 381
KogDis3
Ich frage mich, ob mit der Kamera,
die ich gekauft habe, irgendwas
nicht stimmt.
Bedenken zum Kauf
KogDis4
Ich habe nach dem Kauf irgendwie
ein ungutes Gefühl.
Emotionale Reaktion
Tabelle 46:
Operationalisierung des endogenen Konstrukts „Kognitive Dissonanz“
Entsprechend der Originalskala von Sweeny und seinen Kollegen erfolgt die
Operationalisierung reflektiv. Dies lässt sich auch anhand der von Herrmann,
Huber und Kressmann (2004, S. 10) vorgeschlagenen „Testfrage“, ob die
Veränderung eines Indikators die Veränderung der anderen Indikatoren bewirkt,
313

nachvollziehen: Ist sich der Käufer beispielsweise nicht sicher, ob er tatsächlich eine
Digitalkamera braucht (KogDis1), wird er sich auch fragen, ob es richtig war, die
konkrete Kamera zu kaufen (KogDis2), was grundsätzliche Bedenken zum Kauf
(KogDis3) und ein ungutes Gefühl nach der Entscheidung (KogDis4) auslösen kann.
Zufriedenheit mit dem gekauften Produkt
Die Operationalisierung der Zufriedenheit mit dem gekauften Produkt knüpft an die
obigen Ausführungen zur Kaufprozesszufriedenheit an und basiert auf dem
Erwartungs-Diskonfirmations-Paradigma und der Argumentation von Tse und Wilton
(1988, S. 204ff.). Die ersten beiden der insgesamt sechs Items (siehe Tabelle 47)
entstammen, wie auch das Item SatProd4, der Consumption Satisfaction Skala von
Fitzsimons et al. (1997, S. 34) und messen die globale Zufriedenheit (SatProd2), die
positiven Emotionen nach dem Kauf (SatProd1) und die Nähe des gekauften Produkts
zur allgemeinen Idealvorstellung eines Produkts dieser Kategorie (SatProd4). Im Item
SatProd5 kommt mit der Erfüllung der funktionalen Idealvorstellung ein vornehmlich
kognitiver Aspekt der Produktzufriedenheit zum Ausdruck, während der Indikator
SatProd6 die positive Leistungsbeurteilung des gekauften Produkts abbildet. Die
Erfüllung der Erwartungen als Ausdruck von Zufriedenheit wird schließlich durch die
Variable SatProd3 gemessen.
Bezeichnung Item Inhalt Quelle
SatProd1
SatProd2
Ich bin mit der gekauften
Kamera sehr glücklich.
Was denken Sie, wie zufrieden
Sie mit dem gerade gekauften
Produkt sein werden?
Positive Emotionen
Globale antizipierte
Produktzufriedenheit
In Anlehnung an
Fitzsimons/Greenleaf/Lehmann
1997, S. 34
SatProd3
Diese Digitalkamera wird alle
meine Erwartungen erfüllen.
Erfüllung Erwartungen
Basierend auf dem
Erwartungs-Diskonfirmations
Paradigma
SatProd4
Wenn ich mir eine ideale
Digitalkamera vorstelle, kommt
die gerade gekaufte diesem Ideal
sehr nahe.
Allgemeine
Idealvorstellungen
In Anlehnung an
Fitzsimons/Greenleaf/Lehmann
1997, S. 34
SatProd5
Diese Digitalkamera hat alle
Eigenschaften, die ich mir
wünsche.
Funktionale
Idealvorstellungen
In Anlehnung an Tse/Wilton
1988, S. 206
SatProd6
Ich wüsste nicht, was man an der
gekauften Digitalkamera noch
verbessern könnte.
Positive Leistung
Tabelle 47:
Produkt“
314
Operationalisierung des endogenen Konstrukts „Zufriedenheit mit dem gekauften

Analog zur Argumentation der Zufriedenheit mit dem Kaufprozess kommt auch hier
ein reflektives Messmodell zur Anwendung, da die Indikatoren Ausdrucksformen und
nicht Bestimmungsfaktoren des Konstrukts sind.
Loyalität zur gekauften Marke
Unter der Loyalität wird in dieser Arbeit eine „behavioral intention to maintain an
ongoing relationship“ (Singh/Sirdeshmukh (2000, S. 161) verstanden. Diese
manifestiert sich u. a. in der zukünftigen Wiederkauf- und Weiterempfehlungsabsicht
(vgl. Homburg/Faßnacht/Werner 2002, S. 508f.). Die Operationalisierung des
Konstrukts erfolgt durch die Brand Purchase Intention und die Brand-word-of-mouth
Skala von Fitzsimons, Greenleaf und Lehmann (1997, S. 35), welche die Autoren in
Anlehnung an Parasuraman, Zeithaml and Berry (1995), entwickelt und in ihrer
Untersuchung zur Wirkung der Produkt- und Kaufprozesszufriedenheit auf die
Loyalität zur Marke und zum Geschäft verwendet haben. Die inhaltliche Nähe der
Konsequenzkonstrukte der vorliegenden Untersuchung zu denen von Fitzsimons legt
die Verwendung derselben Skalen für die Loyalität zur Marke und zum Geschäft nahe.
Die Items der Skala sind Tabelle 48 zu entnehmen. Entsprechend der Originalskala
wird ein reflektives Messmodell verwendet.
Bezeichnung Item Inhalt Quelle
LoyMa1
Für diese Art von Produkten ist
die gekaufte Marke ab jetzt
meine bevorzugte Marke.
Dauerhafte Kaufpräferenz
In Anlehnung an
Fitzsimons/Greenleaf/Lehmann
1997, S. 35
LoyMa2
Ich beabsichtige, in Zukunft
häufiger Produkte dieser Marke
zu kaufen.
Wiederkaufsabsicht
LoyMa3
Ich werde positiv über diese
Marke sprechen.
Positives „Word of Mouth“
(WOM)
LoyMa4
Ich werde die gekaufte Marke
weiterempfehlen, wenn mich
jemand um Rat fragt.
Reaktive
Weiterempfehlung
LoyMa5
Ich werde Freunde und
Verwandte ermuntern, Produkte
dieser Marke zu kaufen.
Aktive Weiterempfehlung
Tabelle 48:
Operationalisierung des endogenen Konstrukts „Loyalität zur gekauften Marke“
315

Loyalität zum Geschäft
Dieses Konstrukt beschreibt die Wiederkaufsabsicht in dem besuchten Geschäft, sowie
die Absicht des Konsumenten, dieses weiterzuempfehlen. Die verwendete Itembatterie
basiert wie auch beim vorherigen Konstrukt auf eine Skala von Fitzsimons, Greenleaf
und Lehmann (1997, S. 35). Die Inhalte der Indikatoren und die in der empirischen
Untersuchung verwendete Itembatterie gehen aus Tabelle 49 hervor. Die Messung
erfolgte analog zur Originalskala mittels eines reflektiven Modells.
Bezeichnung Item Inhalt Quelle
LoyGe1
Wenn ich in Zukunft ein
ähnliches Produkt kaufen möchte,
komme ich erst einmal hierher.
Dauerhafte Kaufpräferenz
InAnlehnung an
Fitzsimons/Greenleaf/Lehmann
1997, S. 35
LoyGe2
Ich beabsichtige, in Zukunft
häufiger in diesem Geschäft
einzukaufen.
Wiederkaufsabsicht
LoyGe3
Über dieses Geschäft werde ich
positiv sprechen.
Positives WOM
LoyGe4
Ich werde dieses Geschäft
weiterempfehlen, wenn mich
jemand um Rat fragt.
Reaktive
Weiterempfehlung
LoyGe5
Ich werde Freunden und
Verwandten raten, hier
einzukaufen.
Aktive Weiterempfehlung
Tabelle 49:
Operationalisierung des endogenen Konstrukts „Loyalität zum Geschäft“
Damit sind alle Konsequenzkonstrukte durch reflektive Messmodelle operationalisiert
worden. Diese wurden analog zu den Messmodellen der Kosten und Nutzen von
Produktvielfalt einem empirischen Pretest unterzogen, dessen Ergebnisse nachfolgend
dargestellt sind.
4.3.1.2 Überprüfung der Messmodelle im Pretest
Der Pretest diente in erster Linie der Optimierung des Fragebogens für die
Hauptuntersuchung. Da alle berücksichtigten Konsequenzen reflektiv operationalisiert
wurden, kommen dieselben Verfahren und Gütekriterien wie beim Pretest der
Faktoren der Kosten- und Nutzendimension des Wertkonstrukts zum Einsatz, d. h. es
wird pro Faktor sowohl eine exploratorische als auch eine konfirmatorische
Faktorenanalyse durchgeführt. Anschließend wird die Diskriminanzvalidität anhand
316

des Fornell-Larcker-Kriterium beurteilt. Detailliert wurde die Vorgehensweise in
Kapitel 3.3.1 (S. 231ff.) beschrieben.
Zufriedenheit mit dem Kaufprozess
Bei der exploratorischen Faktorenanalyse wurde nur ein Faktor extrahiert
(1. Eigenwert: 2,93; 2. Eigenwert: 0,43). Wie der anschließende Kolmogorow-
Smirnow-Test zeigte, sind die Indikatoren nicht normalverteilt (p < 0,05), weshalb bei
der KFA das ULS-Verfahren verwendet wurde. Dieses ergab, dass die Faktorladungen
aller vier Indikatoren über dem Grenzwert von 0,70 liegen. Die minimale
Indikatorreliabilität ist mit 0,60 folglich auch höher als die geforderte Mindesthöhe
von 0,50. Auf Konstruktebene erfüllt die Itembatterie alle verwendeten Gütekriterien:
So werden 64% der durchschnittlichen Varianz erklärt, die Faktorreliabilität liegt bei
0,88 und die globalen Gütemaße haben Werte von 0,99 bzw. 1,00. Auch das RMR
unterschreitet mit 0,04 den geforderten Maximalwert von 0,1 deutlich. Konform mit
diesen Ergebnissen hat auch das Cronbachs Alpha mit 0,88 eine Ausprägung, die
deutlich über dem Grenzwert von 0,70 liegt.
Insgesamt ist das Messmodell des Faktors Kaufprozesszufriedenheit als gut
einzustufen. Die Skala wird in unveränderter Form in der Hauptuntersuchung
verwendet.
Indikatorenebene
Konstruktebene
Indikator Ladung Indikatorreliabilität
DEV Faktorreliab.
Globale
Anpassungsmaße
Cronbachs
Alpha
Kriterium > 0,70 > 0,50 > 0,50 > 0,60 > 0,9 < 0,1 > 0,70
SatProz1 0,77 0,60 0,64 0,88 GFI: 1,00 RMR: 0,04 0,88
SatProz2 0,85 0,72
AGFI: 1,00
NFI: 0,99
SatProz3 0,79 0,62
CFI: 1,00
SatProz4 0,80 0,64
Tabelle 50: Parameterschätzungen und Gütekriterien des Konstrukts „Zufriedenheit mit dem
Kaufprozess“ im Pretest
317

Kognitive Dissonanz
Wie Tabelle 51 zeigt, erfüllt die Operationalisierung des Konstrukts Kognitive
Dissonanz alle verwendeten Gütekriterien sowohl auf Indikator- als auch auf
Konstruktebene. Die im Vorfeld der KFA durchgeführte exploratorische
Faktorenanalyse zeigte, dass der gemessene Faktor unidimensional ist (1. Eigenwert:
3,01; 2. Eigenwert: 0,45). Weiterhin ergab sich ein Cronbachs Alpha von 0,89, was auf
eine gute Reliabilität der Messung hindeutet. Der lokale und globale Fit des
Messmodells der KFA ist insgesamt als gut einzustufen, was aus der DEV von 63%,
der Faktorreliabilität von 0,89 und aus den Globalmaßen von 0,99 bzw. 1,00 sowie
dem RMR von 0,06 zu schließen ist. Anzumerken ist, dass bei der KFA das
ULS-Verfahren verwendet wurde, da auf der Basis des Kolmogorow-Smirnow-Tests
die Normalverteilungsannahme der Werte der vier Indikatoren abgelehnt werden
musste (p < 0,05).
Indikatorenebene
Konstruktebene
Indikator Ladung Indikatorreliabilität
DEV Faktorreliab.
Globale
Anpassungsmaße
Cronbachs
Alpha
Kriterium > 0,70 > 0,50 > 0,50 > 0,60 > 0,9 < 0,1 > 0,70
KogDis1 0,77 0,59 0,67 0,89 GFI: 1,00 RMR: 0,05 0,89
KogDis2 0,89 0,79
AGFI: 0,99
NFI: 0,99
KogDis3 0,80 0,64
CFI: 1,00
KogDis4 0,82 0,67
Tabelle 51:
Pretest
Parameterschätzungen und Gütekriterien des Konstrukts „Kognitive Dissonanz“ im
Die Operationalisierung des Konstrukts Kognitive Dissonanz kann aufgrund der
Ergebnisse im Pretest in unveränderter Form in der Hauptuntersuchung verwendet
werden.
Zufriedenheit mit dem gekauften Produkt
Das Konstrukt Zufriedenheit mit dem gekauften Produkt wurde durch insgesamt sieben
Indikatoren operationalisiert. Die exploratorische Faktorenanalyse ergab, dass die
Faktorladung der Items SatProd6 (Ich wüsste nicht, was man an der gekauften
Digitalkamera verbessern könnte) unter dem geforderten Mindestwert von 0,70 liegt.
Das Ergebnis, das auch durch eine KFA bestätigt wurde, könnte dadurch erklärt
318

werden, dass Käufer die Produktzufriedenheit nur antizipierten konnten, da sie
unmittelbar nach der (fiktiven) Kaufentscheidung befragt wurden. Die Einschätzung
des Verbesserungspotenzials, die durch das Item SatProd6 abgefragt wurde, ist zu
diesem Zeitpunkt vermutlich weniger ausgeprägt, als die anderen Aspekte der
Produktzufriedenheit. Der Indikator SatProd6 wird folglich von den weiteren
Berechnungen ausgeschlossen.
Die verbleibenden fünf Indikatoren gehören nach dem Kaiser-Kriterium alle zu
einem Faktor (1. Eigenwert: 3,51; 2. Eigenwert: 0,54) und weisen Faktorladung von
minimal 0,72 auf. Die im Rahmen KFA ermittelten globalen Anpassungsmaße liegen
deutlich über den Mindestanforderungen, bzw. unterschreiten im Falle des RMR mit
einem berechneten Wert von 0,06 den maximal zulässigen Wert von 0,1 deutlich. Bei
der KFA kam hierbei das ULS-Verfahren zum Einsatz, da die Normalverteilungsannahme
der Itemwerte aufgrund des Kolmogorow-Smirow-Tests nicht haltbar war
(p < 0,05). Das Cronbachs Alpha von 0,89 vervollständigt das Ergebnis und ist
Ausdruck der guten Reliabilität des Messmodells.
Indikatorenebene
Konstruktebene
Indikator Ladung Indikatorreliabilität
DEV Faktorreliab.
Globale
Anpassungsmaße
Cronbachs
Alpha
Kriterium > 0,70 > 0,50 > 0,50 > 0,60 > 0,9 < 0,1 > 0,70
SatProd1 0,72 0,52 0,63 0,89 GFI: 1,00 RMR: 0,06 0,89
SatProd2 0,82 0,67
AGFI: 0,99
NFI: 0,99
SatProd3 0,80 0,64
CFI: 1,00
SatProd4 0,80 0,64
SatProd5 0,82 0,67
SatProd6 47 0,53 -
Tabelle 52: Parameterschätzungen und Gütekriterien des Konstrukts „Zufriedenheit mit dem
gekauften Produkt“ im Pretest
Aufgrund der Ergebnisse des Pretests erfolgt die Messung der Produktzufriedenheit in
der Hauptuntersuchung nicht mit sechs, sondern mit fünf Indikatoren.
Loyalität zur gekauften Marke
Die Analysen auf Indikatorebene ergaben, dass das Item LoyMa4 (Ich werde die
gekaufte Marke weiterempfehlen, wenn mich jemand um Rat fragt) aufgrund seiner zu
319

geringen Faktorladung zu eliminieren ist. Dass dieser Indikator, der reaktives
Fürsprechertum abbildet, entfernt werden muss, wohingegen das Item LoyMa5, das
proaktives Fürsprechertum misst, beibehalten werden kann, erstaunt dabei etwas. Die
exploratorische Faktorenanalyse der verbleibenden vier Indikatoren führte zur
Extraktion von nur einem Faktor (1. Eigenwert: 3,01; 2. Eigenwert: 0,43), d. h. das
Konstrukt ist unidimensional. Das resultierende Messmodell ist laut der Gütemaße der
KFA, die mit dem ULS-Verfahren 56 durchgeführt wurde, von hoher Güte. So
überschreitet die DEV mit 68% die Mindestanforderung von 50% sehr deutlich,
gleiches gilt für die Faktorreliabilität, die einen Wert von 0,89 erreicht. Die globalen
Anpassungsmaße GFI, AGFI, NFI und CFI nehmen jeweils ihren Maximalwert von
1,00 an und das RMR ist mit einem Wert von 0,02 deutlich unter dem Toleranzwert
von 0,10. Auch das Cronbachs Alpha verdeutlicht mit einem Wert von 0,89 die gute
Messung dieses Konstrukts.
Indikatorenebene
Konstruktebene
Indikator Ladung Indikatorreliabilität
DEV Faktorreliab.
Globale
Anpassungsmaße
Cronbachs
Alpha
Kriterium > 0,70 > 0,50 > 0,50 > 0,60 > 0,9 < 0,1 > 0,70
LoyMa1 0,87 0,76 0,68 0,89 GFI: 1,00 RMR: 0,02 0,89
LoyMa2 0,90 0,81
AGFI: 1,00
NFI: 1,00
LoyMa3 0,78 0,61
CFI: 1,00
LoyMa4 57 0,61 -
LoyMa5 0,73 0,53
Tabelle 53: Parameterschätzungen und Gütekriterien des Konstrukts „Loyalität zur gekauften
Marke“ im Pretest
In der Hauptuntersuchung erfolgt die Messung der Loyalität zur gekauften Marke
mittels der vier verbleibenden Indikatoren.
Loyalität zum Geschäft
Wie beim vorherigen Konstrukt muss auch bei der Loyalität zum Geschäft mit dem
Item LoyGe4 dasjenige eliminiert werden, welches das reaktive Fürsprechertum misst.
56 Die Normalverteilungsannahme der Indikatoren musste aufgrund des Kolmogorow-Smirnow Test
abgelehnt werden (p < 0,05).
57 Von der weiteren Analyse ausgeschlossen
320

Grund hierfür ist die mit 0,64 zu geringe Faktorladung. Das Messmodell der
verbleibenden vier Indikatoren erreicht ebenfalls analog zum vorher betrachteten
Faktor eine hohe Güte. So ist der lokale und der globale Fit des Messmodells recht gut,
was aus der DEV von 76%, der Faktorreliabilität von 0,93 und den Werten der
Anpassungsmaße GFI, AGFI, NFI und CFI, die jeweils bei 1,00 liegen, gefolgert
werden kann. Das RMR von 0,03 unterstreicht die hohe Modellgüte genauso wie das
Cronbachs Alpha von 0,93. Zu erwähnen ist, dass die KFA mit dem ULS-Verfahren
erfolgte, da die Indikatoren nicht normalverteilt sind (p < 0,05). Weiterhin bestätigte
die exploratorische Faktorenanalyse auf Basis des Kaiser-Kriteriums die
Undimensionalität des gemessenen Konstrukts (1. Eigenwert: 3,31; 2. Eigenwert:
0,34).
Indikatorenebene
Konstruktebene
Indikator Ladung Indikatorreliabilität
DEV Faktorreliab.
Globale
Anpassungsmaße
Cronbachs
Alpha
Kriterium > 0,70 > 0,50 > 0,50 > 0,60 > 0,9 < 0,1 > 0,70
LoyGe1 0,81 0,66 0,76 0,93 GFI: 1,00 RMR: 0,03 0,93
LoyGe2 0,95 0,90
AGFI: 1,00
NFI: 1,00
LoyGe3 0,84 0,71
CFI: 1,00
LoyGe4 58 0,64 -
LoyGe5 0,89 0,79
Tabelle 54:
Pretest
Parameterschätzungen und Gütekriterien des Konstrukts „Loyalität zum Geschäft“ im
Die Messung des Konstrukts Loyalität zum Geschäft mittels der vier Indikatoren
LoyGe1, LoyGe2, LoyGe3 und LoyGe4 führte im Pretest zu einem Messmodell mit
hoher Güte und wird deshalb in der Hauptuntersuchung in dieser veränderten Form
verwendet.
Beurteilung der Diskriminanzvalidität
Um eine reliable und valide Messung der endogenen Konstrukte in der
Hauptuntersuchung sicherzustellen, ist im Rahmen des Pretests zu überprüfen, ob die
vorgeschlagenen Messmodelle der verschiedenen Konstrukte auch tatsächlich
58 Von der weiteren Analyse ausgeschlossen
321

inhaltlich unterschiedliche Größen messen. Deshalb soll die Diskriminanzvalidität der
vorgeschlagenen Konstruktmessung anhand des Fornell-Larcker Kriteriums
beurteilt werden. Wie Tabelle 55 zeigt, ist dieses Kriterium für alle Konstrukte erfüllt,
d. h. für alle Konstrukte gilt, dass die DEV höher ist als die quadrierte Korrelation der
zugehörigen latenten Variablen mit allen anderen latenten Variablen. Der Wert einer
latenten Variablen wird hierbei durch den ungewichteten Mittelwert ihrer Indikatoren
berechnet, was der reflektiven Operationalisierung der endogenen Konstrukte
entspricht (siehe hierzu auch die detaillierteren Ausführungen auf S. 249).
Faktoren
Zufriedenheit
Kaufprozess
Kognitive
Dissonanz
Zufriedenheit
Produkt
Zufriedenheit
Kaufprozess
Kognitive
Dissonanz
Zufriedenheit
Produkt
0,645 quadrierte Korrelationen
0,674 0,151
0,629 0,291 0,343
Loyalität
Marke
Loyalität
Geschäft
Loyalität Marke 0,677 0,045 0,036 0,085
Loyalität
Geschäft
0,764 0,180 0,085 0,263 0,259
DEV 0,645 0,674 0,629 0,677 0,764
Tabelle 55:
im Pretest
Ergebnisse der Überprüfung des Fornell-Larcker-Kriteriums der Konsequenzgrößen
Zusammenfassung der Ergebnisse des Pretests
Zusammenfassend lässt sich festhalten, dass drei der vorgeschlagenen Messmodelle
der endogenen Konstrukte aufgrund der Ergebnisse des Pretests leicht angepasst
werden müssen. So musste bei den Konstrukten Zufriedenheit mit dem gekauften
Produkt, Loyalität zur Marke und Loyalität zum Geschäft jeweils ein Item aus dem
Messmodell entfernt werden. Die angepassten Itembatterien erreichten alle im Pretest
eine hohe Güte und kommen in entsprechend modifizierter Art in der Hauptuntersuchung
zum Einsatz. Wie Tabelle 56 zeigt, werden die endogenen Konstrukte in
der Hauptuntersuchung jeweils durch vier bzw. fünf Items gemessen, so dass die
Folgen hoher Produktvielfalt durch insgesamt 21 Fragen abgedeckt werden.
322

Konstrukt
Operationalisierung
(ursprünglich)
Anzahl der Indikatoren
Eliminiert
(nach Pretest)
Zufriedenheit Kaufprozess 4 0 4
Kognitive Dissonanz 4 0 4
Zufriedenheit Produkt 6 24 1 5
Loyalität Marke 5 1 4
Loyalität Geschäft 5
1 4
Hauptuntersuchung
21
Tabelle 56:
Pretest
Anzahl der Indikatoren zur Messung der endogenen Konstrukte vor und nach dem
Nach der Operationalisierung der endogenen Konstrukte und deren Überprüfung im
Rahmen eines Pretests können nun die Ergebnisse der Hauptuntersuchung hinsichtlich
der Messmodelle und der Beziehungen der Größen des Gesamtmodells beschrieben
werden.
4.3.2 Ergebnisse des PLS-Modells der Hauptuntersuchung
Nachfolgend werden zunächst die Ergebnisse der Parameterschätzung des
PLS-Messmodells der endogenen Konstrukte beschrieben. Im Anschluss daran erfolgt
die Erläuterung und Diskussion der Resultate auf Strukturmodellebene. Anhand dieser
lassen sich die formulierten Hypothesen zur Wirkung von Kosten und Nutzen von
Produktvielfalt auf die der Kaufhandlung nachgelagerten Größen überprüfen.
4.3.2.1 Ebene 1: Messmodelle der endogenen Konstrukte
Da alle endogenen Konstrukte reflektiv operationalisiert wurden, kommen zur
Gütebeurteilung der Messung die bereits auf Faktorenebene des Wertkonstrukts
verwendeten Gütekriterien zur Anwendung (siehe Kapitel 3.4.1.3, S. 260ff.). In
Tabelle 57 sind die Ergebnisse der Gütemaße für die endogenen Konstrukte
aufgeführt.
323

Konstrukt
Zufriedenheit
Kaufprozess
Kognitive
Dissonanz
Zufriedenheit
Produkt
Loyalität
Marke
Loyalität
Geschäft
Indikatorenebene
Indikator Ladung t-Wert
(Ladung)
DEV
Interne
Konsistenz
Konstruktebene
Q 2
(Kom)
Eigenwerte
(EW)
Kriterium > 0,70 > 1,98 > 0,50 > 0,60 > 0 1. EW > 1
2. EW < 1
SatProz1 0,756 30,005
SatProz2 0,884 91,371
SatProz3 0,891 76,144
SatProz4 0,791 31,024
KogDis1 59 0,517 -
KogDis2 0,735 17,351
KogDis3 0,798 26,152
KogDis4 0,851 39,232
SatProd1 0,796 30,904
SatProd2 0,782 28,154
SatProd3 0,871 50,372
SatProd4 0,813 31,582
SatProd5 0,820 34,028
LoyMa1 0,779 13,369
LoyMa2 0,742 10,953
LoyMa3 0,894 36,899
LoyMa5 0,848 25,063
LoyGe1 0,895 90,632
LoyGe2 0,867 53,421
LoyGe3 0,912 82,137
LoyGe5 0,894 69,702
0,693 0,900 0,484 2,775
0,559
0,633 0,838 0,281 1,902
0,624
0,667 0,909 0,501 3,359
0,522
0,669 0,889 0,449 2,717
0,680
0,796 0,940 0,635 3,188
0,409
Cronbachs
Alpha
> 0,70
0,851
0,711
0,877
0,842
0,915
Tabelle 57:
Ergebnisse der Analysen des Messmodells (Ebene 1) für die endogenen Konstrukte
Betrachtet man zunächst auf Indikatorenebene die Faktorladungen der Indikatoren
der einzelnen Konstrukte, so ist zu erkennen, dass bis auf das Item KogDis1 (Ich frage
mich, ob ich wirklich eine Digitalkamera/einen DVD-Player brauche) alle Ladungen
den Grenzwert von 0,7 übersteigen. Der Indikator KogDis1 ist deshalb von den
weiteren Analysen auszuschließen. Die Ladungen der verbleibenden Items weisen
t-Werte zwischen 10,953 und 91,371 auf und sind daher als signifikant bzw.
hochsignifikant einzustufen. Inhaltsvalidität und Indikatorreliabilität können damit als
gegeben angenommen werden (siehe Tabelle 26, S. 266).
59 Von den weiteren Analysen ausgeschlossen
324

Die Überprüfung der Konvergenzvalidität erfolgt auf Konstruktebene anhand der DEV
(Durchschnittlich Erfasste Varianz), der Internen Konsistenz, der Eigenwerte und des
Cronbachs Alpha. Alle Konstrukte weisen eine DEV von über 0,633 auf und liegen
damit deutlich über dem Grenzwert von 0,50. Gleiches gilt für die interne
Konsistenz, deren Werte zwischen 0,838 und 0,936 liegen und damit den minimalen
Toleranzwert von 0,60 deutlich überschreiten. Alle Konstrukte erfüllen auch das
Kaiser-Kriterium, d. h. bei allen Konstrukten liegt der erste Eigenwert der
Korrelationsmatrix der manifesten Variablen über 1 und der zweite darunter. Die
Konvergenzvalidität und Reliabilität der Messmodelle kommt auch in den relativ
hohen Cronbachs Alpha-Werten zum Ausdruck. Lediglich das Konstrukt Kognitive
Dissonanz ist mit einem Wert von 0,711 diesbezüglich als grenzwertig einzustufen.
Schließlich erfüllen alle Konstrukte auch das Kriterium hinsichtlich des
Stone-Geissers Q 2 , da der Q 2 -Wert bezüglich der Kommunalität aller latenten
Variablen positiv ist. Damit kann von Prognosevalidität des jeweiligen Messmodells
auf Konstruktebene ausgegangen werden.
Zusammenfassend erfüllen die Messungen aller endogenen Konstrukte die
verwendeten Gütekriterien sowohl auf Indikatoren- als auch auf Konstruktebene.
Als nächstes ist die Diskriminanzvalidität zu überprüfen, d. h. es wird getestet, ob die
verschiedenen Messinstrumente auch tatsächlich inhaltlich verschiedene Aspekte
messen. Den Ausgangspunkt bildet hierzu eine exploratorische Faktorenanalyse für
alle fünf endogenen Konstrukte. Es kommt eine Hauptachsenanalyse mit
schiefwinkliger Rotation (Direct-Oblimin) zum Einsatz. Tabelle 58 zeigt die in SPSS
ermittelten rotierten Faktorladungen. Der Empfehlung von Homburg (1995, S. 93)
folgend, wurden hierbei alle Faktorladungen, die betragsmäßig den Wert von 0,4
übersteigen, hervorgehoben, um so zu erkennen, auf welche Faktoren die einzelnen
Indikatoren besonders stark laden. Zu erkennen ist, dass alle Indikatoren außer
SatProz1 (Wie zufrieden sind Sie insgesamt mit Ihrem Einkaufs- und Entscheidungsprozess?)
eindeutig auf „ihren“ zugehörigen Faktor laden. Dies ist ein erster Hinweis
auf die Diskriminanzvalidität der Messung. Um diese besser beurteilen zu können,
wurden weiterhin die Korrelationen zwischen manifesten und latenten Variablen
untersucht. Tabelle 59 zeigt, dass die manifesten Variablen jeweils stark mit der
zugehörigen latenten Variablen korrelieren und lediglich zwischen den manifesten und
latenten Variablen der Konstrukte Zufriedenheit mit dem Kaufprozess und
Zufriedenheit mit dem gekauften Produkt Korrelationen über 0,5 existieren. Die
manifeste Variable SatProz1 ist besonders zu beachten, da sie bei der Faktorenanalyse
nicht eindeutig auf einen Faktor geladen hat. Sie korreliert aber am stärksten mit
325

„ihrer“ latenten Variablen Zufriedenheit mit dem Kaufprozess und wird deshalb nicht
von der weiteren Analyse ausgeschlossen.
lat. Var.
man. Var.
Zufriedenheit
Produkt
Loyalität Marke
Loyalität
Geschäft
Zufriedenheit
Prozess
Kognitive
Dissonanz
SatProz1 0,3666 -0,1375 -0,1756 -0,1290 -0,2051
SatProz2 0,1305 -0,0305 -0,0005 -0,5783 -0,1743
SatProz3 -0,0932 0,0964 -0,0380 -0,9215 -0,0535
SatProz4 0,1566 -0,0789 -0,0322 -0,6001 0,0191
KogDis2 -0,0682 0,0386 0,0271 -0,0188 0,5634
KogDis3 0,0088 -0,0501 -0,0295 0,1090 0,6133
KogDis4 0,0177 -0,0121 0,0190 0,0321 0,7475
SatProd1 0,6403 0,1503 -0,0339 0,0207 -0,0979
SatProd2 0,7379 -0,1118 -0,0599 0,0388 -0,0657
SatProd3 0,7882 0,0148 -0,0728 -0,0064 -0,0387
SatProd4 0,7863 0,0387 0,0252 -0,0711 0,1121
SatProd5 0,7251 0,0941 0,0983 -0,0984 -0,0125
LoyMa1 0,0447 0,7274 -0,0942 -0,0348 0,2077
LoyMa2 -0,0070 0,7278 0,0140 -0,0031 0,0328
LoyMa3 0,1413 0,7448 -0,0191 0,1241 -0,1479
LoyMa5 -0,0514 0,7481 -0,0569 -0,0834 -0,0816
LoyGe1 0,0136 -0,0011 -0,7990 -0,0770 0,0224
LoyGe2 -0,0450 0,0023 -0,7477 -0,0558 -0,0261
LoyGe3 0,0059 -0,0021 -0,9474 0,0894 -0,0059
LoyGe5 0,0267 0,0847 -0,8138 0,0197 0,0246
Tabelle 58:
Rotierte Faktorladungen der Konsequenzen (Oblimin Rotation)
326

lat. Var.
man. Var.
Loyalität
Geschäft
Loyalität Marke
Zufriedenheit
Produkt
Kognitive
Dissonanz
Zufriedenheit
Prozess
SatProz1 0,5303 0,7561
SatProz2 0,8842
SatProz3 0,8909
SatProz4 0,7911
KogDis2 0,7346
KogDis3 0,7982
KogDis4 0,8505
SatProd1 0,7987
SatProd2 0,7817 0,5017
SatProd3 0,8738 0,5164
SatProd4 0,8159
SatProd5 0,8227
LoyMa1 0,7791
LoyMa2 0,7424
LoyMa3 0,8938
LoyMa5 0,8475
LoyGe1 0,8953
LoyGe2 0,8671
LoyGe3 0,9117
LoyGe5 0,8938
Tabelle 59: Korrelationen manifester und latenter Variablen der Konsequenzen (zur besseren
Lesbarkeit wurden Korrelationen unter 0,5 nicht abgebildet) (p < 0,01)
Zur abschließenden Beurteilung der Diskriminanzvalidität dient das Fornell-Larcker-
Kriterium. Die mit Hilfe von PLS-Graph berechneten Ergebnisse sind in Tabelle 60
dargestellt und zeigen, dass alle latenten Variablen das Kriterium erfüllen. Hierzu ist
kritisch anzumerken, dass PLS die Beziehungen zwischen Konstrukten tendenziell
unterschätzt und die Zusammenhänge zwischen manifesten und latenten Variablen
überschätzt. Dadurch wird die durchschnittlich erfasste Varianz eher überschätzt und
die Korrelationen werden tendenziell unterschätzt. Dies hat insgesamt einen positiven
Einfluss auf die Erfüllung des Fornell-Larcker-Kriteriums. Da das Fornell-Larcker
Kriterium aber ein relativ hartes Kriterium ist (vgl. Homburg 1995, S. 85), kann
insbesondere dann, wenn es von allen Faktoren deutlich erfüllt wird, von
Diskriminanzvalidität ausgegangen werden. Wie Tabelle 60 zeigt, ist die DEV im
schlechtesten Fall doppelt so hoch wie die quadrierten Korrelationen der
327

entsprechenden latenten Variablen (Zufriedenheit Kaufprozess und Zufriedenheit
Produkt). Das Fornell-Larcker Kriterium wird also recht deutlich erfüllt.
Zusammen mit den Ergebnissen der exploratorischen Faktorenanalyse und der
Korrelationsanalyse manifester und latenter Variablen kann aus der deutlichen
Erfüllung des Fornell-Larcker Kriteriums auf die Diskriminanzvalidität der Messung
der endogenen Konstrukte geschlossen werden.
Konstrukt
Zufriedenheit
Kaufprozess
Kognitive
Dissonanz
Zufriedenheit
Produkt
Zufriedenheit
Kaufprozess
Kognitive
Dissonanz
Zufriedenheit
Produk
0,693 Quadrierte Korrelationen
0,633 0,295
0,667 0,335 0,185
Loyalität
Marke
Loyalität
Geschäft
Loyalität Marke 0,669 0,010 0,001 0,087
Loyalität
Geschäft
0,796 0,264 0,051 0,117 0,155
DEV 0,693 0,633 0,667 0,669 0,796
Tabelle 60:
Ergebnisse der Überprüfung des Fornell-Larcker-Kriteriums der Konsequenzen
Nachdem die Messmodelle der endogenen latenten Variablen als reliabel und valide
bezeichnet werden können, kann im nächsten Schritt die Beziehungen zwischen
Kosten und Nutzen von Produktvielfalt und den endogenen Variablen, sowie die
Beziehungen dieser untereinander analysiert werden. Dies ermöglicht insbesondere die
Überprüfung der formulierten Hypothesen. Hierzu werden die Ergebnisse der
Parameterschätzung und der Gütemaße zunächst dargestellt und anschließend
interpretiert.
4.3.2.2 Ebene 2: Strukturmodell
Ergebnisse der Parameterschätzungen und Gütemaße des Strukturmodells
Zur Beurteilung des Strukturmodells kommen die in Kapitel 4.1.2 (S. 303ff.)
beschriebenen Gütekriterien zur Anwendung. Zentrale Elemente sind hierbei die
328

Pfadkoeffizienten zwischen exogenen und endogenen, sowie zwischen endogenen
Variablen und die erklärte Varianz, also das Bestimmtheitsmaß R 2 der abhängigen
Variablen. Abbildung 68 stellt das Strukturmodell und die in PLS geschätzten
Pfadkoeffizienten zwischen den Variablen zusammen mit den erklärten Varianzen der
Zielkonstrukte (R 2 ) dar.
Loyalität
Geschäft
Loyalität
Marke
Evaluation und zukünftige Verhaltensabsicht
0,513
LG
R 2 =0,425
0,194
0,338
Zufriedenheit
Prozess
ZP
0,344
LM
ZPr
- 0,231
KD
-0,421kognitive
Dissonanz
R 2 =0,087
0,295
Zufriedenheit
Produkt
R 2 =0,444
R 2 =0,332
0,189
Konstrukt
Nutzen
NPV
0,497
R 2 =0,505
- 0,362
0,227
Kosten
KPV
Abbildung 68: Pfaddiagramm der mittel- und langfristigen Konsequenzen der Kosten und Nutzen von
Produktvielfalt
Betrachtet man zunächst die Höhe und das Vorzeichen der Pfadkoeffizienten, so ist
zu erkennen, dass alle betragsmäßig über dem Grenzwert von 0,1 liegen und bis auf
die Beziehung zwischen den KPV und der Zufriedenheit mit dem gekauften Produkt
das vermutete Vorzeichen haben. Die Hypothese 4 (negativer Zusammenhang
zwischen den KPV und der Zufriedenheit mit dem gekauften Produkt) muss deshalb
abgelehnt werden. Im anschließenden Diskussionsteil wird hierauf noch näher
eingegangen. Abbildung 68 sind weiterhin die Anteile der erklärten Varianz (R 2 ) zu
entnehmen. Für die Zielkonstrukte Zufriedenheit mit dem Kaufprozess, Zufriedenheit
mit dem Produkt und Loyalität zum Handel ist diese mit Werten von 50,5%, 44,4%
und 42,5% als „gut“ zu bezeichnen (vgl. Chin 1998a, S. 323). Die Varianz der
Kognitiven Dissonanz kann mit 33,2% dagegen nur befriedigend erklärt werden und
329

der erklärte Varianzanteil der Loyalität zur Marke ist mit 8,7% deutlich zu gering. Die
Hypothese 14 (positiver Zusammenhang von Zufriedenheit mit dem gekauften
Produkt und Loyalität zur Marke) kann deshalb nicht aufrecht erhalten werden.
Zur weiteren Überprüfung der Hypothesen ist die Signifikanz der Pfadkoeffizienten
zwischen den Konstrukten anhand der auf dem Bootstrapping-Verfahren basierenden
t-Werte zu beurteilen. Diese sind zusammen mit weiteren Gütekriterien in Tabelle 61
aufgeführt und liegen mit Werten zwischen 2,89 und 14,30 teilweise deutlich über
dem geforderten Mindestwert von 1,98. Alle Pfadkoeffizienten können deshalb als
signifikant bezeichnet werden.
Hat ein Zielkonstrukt mehr als ein Ausgangskonstrukt, können mit der Effektgröße f 2
und dem Variance Inflation Factor (VIF) zwei weitere Gütemaße auf der Ebene
dieser exogenen Konstrukte angegeben werden. Die Effektgröße f 2 gibt Auskunft
darüber, ob ein Konstrukt einen substanziellen Einfluss auf ein ihm im Strukturmodell
nachfolgendes Konstrukt hat. Die berechneten f 2 -Werte zeigen, dass einige Konstrukte
sehr großen Einfluss auf nachfolgende Größen haben, was z. B. beim NPV und der
Zufriedenheit mit dem Kaufprozess der Fall ist (f 2 = 0,438). Der Erklärungsbeitrag
anderer Konstrukte, wie beispielsweise der Zufriedenheit mit dem Kaufprozess zur
Loyalität zum Geschäft ist dagegen relativ gering (f 2 = 0,04). Als untere Grenze wurde
ein Wert von 0,05 als sinnvoll erachtet. Dieser ist aber nicht als „hartes Kriterium“ zu
verstehen, da es in der Literatur keine dem Verfasser bekannten Richtlinien gibt. So
schließen z. B. Gefen, Straub und Boudreau (2000) von f 2 -Werten in Höhe von 0,02,
0,15 bzw. 0,55 auf einen geringen, mittleren bzw. großen Einfluss eines Konstrukts
auf ein achfolgendes (vgl. S. 65). In diesem Sinne ist der Einfluss der KPV auf die
Zufriedenheit mit dem Produkt als gering zu bezeichnen. Gleiches gilt für die
Beziehung zwischen der Zufriedenheit mit dem Kaufprozess und der Loyalität zum
Geschäft. Der VIF liegt für alle Konstrukte unter dem Wert von 2 und unterschreitet
damit den Grenzwert von 10 deutlich. Folglich kann die Multikollinearität der latenten
Variablen, die ein gemeinsames Zielkonstrukt haben, ausgeschlossen werden.
Auf der Ebene der (reflektiven) Zielkonstrukte ist neben dem Bestimmtheitsmaß auch
das auf Redundanzen basierende Stone-Geissers Q 2 Ausdruck für die Prognoserelevanz
des jeweiligen Modells. Mit Ausnahme des „Erklärungsmodells“ der
Loyalität zur Marke, dessen Hypothese ja bereits abgelehnt wurde, haben alle
Zielkonstrukte einen positiven Q 2 -Wert. Im Fall der drei latenten Variablen
Zufriedenheit mit dem Kaufprozess, Zufriedenheit mit dem gekauften Produkt und
330

Loyalität zum Geschäft wird der Grenzwert von 0 dabei deutlich überschritten. Die
Erklärungskraft des Gesamtmodells ist damit als gut inzustufen.
Ausgangskonstruktebene
(exogene Variable)
Zielkonstruktebene
(endogene Var.)
Exogene
Konstrukte
Zielkonstrukt
t-Wert
(Pfadkoeffizient)
Hypothese
Pfadkoeffizient
VIF f 2 R 2 Q 2
(Redu.)
⏐⏐> 0,1 > 1,98 < 10 > 0,05 > 0,3 > 0
NPV
Zufriedenheit
+ () 0,497 14,305 1,139 0,438
KPV
Kaufprozess
– () -0,362 9,833 1,139 0,232
KPV + () 0,227 3,695 1,397 0,057
Kognitive
Zufriedenheit Dissonanz
Prozess
– () -0,421 7,633 1,397 0,192
0,505 0,288
0,332 0,050
NPV + () 0,338 6,161 1,397 0,126
KPV – ( ) 0,189 2,887 1,412 0,045
Zufriedenhei
Kognitive t Produkt
– () -0,231 4,622 1,511 0,065
Dissonanz
Zufriedenheit
Prozess
+ () 0,344 4,670 1,972 0,092
NPV + () 0,513 11,276 1,626 0,278
Loyalität
Zufriedenheit Geschäft
+ () 0,194 3,546 1,626 0,040
Kaufprozess
Zufriedenheit
Produkt
Loyalität
Marke
+ ( ) 0,295 4,711 – (n.a.)
–
(n.a.)
0,444 0,175
0,425 0,242
0,087 -0,844
Tabelle 61:
Gütemaße des Strukturmodells (2. Ebene)
331

Die Ergebnisse der Überprüfung der Gütekriterien lassen sich damit folgendermaßen
zusammenfassen:
• Zwei Hypothesen müssen abgelehnt werden:
- Der Zusammenhang zwischen den Kosten von Produktvielfalt und der
Zufriedenheit mit dem gekauften Produkt ist nicht wie vermutet
negativ, sondern (signifikant) positiv.
- Die erklärte Varianz der Loyalität zur Marke durch das Konstrukt
Zufriedenheit mit dem Produkt ist zu gering und die Beziehung daher
als nicht signifikant einzustufen.
• Alle weiteren Hypothesen können aufrechterhalten werden.
• Die Erklärungsmodelle der Zielkonstrukte sind mit Ausnahme der latenten
Variablen Kognitive Dissonanz als gut einzustufen.
• Das Wirkungsmodell der KPV und NPV auf die Kaufevaluation und die
zukünftige Verhaltensabsicht gegenüber dem Handel konnte insgesamt
bestätigt werden.
Interpretation der Ergebnisse
Die Interpretation der Ergebnisse erfolgt für die aufrechterhaltenen Hypothesen im
Wesentlichen anhand der Höhe und Richtung der Pfadkoeffizienten, sowie der Höhe
der erklärten Varianz der Zielkonstrukte. Bei der Konstruktebene des Messmodells
(Ebene 2) wurde hierzu das Bestimmtheitsmaß in die Bestandteile Korrelation und
Pfadkoeffizient zerlegt und so der relative Erklärungsbeitrag jedes vorgelagerten
Konstrukts zum Zielkonstrukt berechnet. Voraussetzung für diese „Zerlegung“ ist,
dass für jede Beziehung zwischen unabhängiger und abhängiger Variable die
Korrelations- und Pfadkoeffizienten dasselbe Vorzeichen haben (vgl. Tenenhaus et al.
2004, S. 21; siehe auch S. 291). Da der Pfadkoeffizient zwischen KPV und
Zufriedenheit mit dem gekauften Produkt positiv ist (0,189), der Korrelationskoeffizient
der beiden latenten Variablen aber ein negatives Vorzeichen hat (-0,219),
ist dieses Verfahren hier nicht anwendbar. Um die Beurteilung der Einflussstärke der
jeweiligen Konstrukte für alle Beziehungen konsistent zu gestalten, erfolgt diese
anhand der Pfadkoeffizienten. Hierzu wird der betragsmäßige Anteil eines Konstrukts
an der betragsmäßigen Summe der Pfadkoeffizienten aller mit einem Zielkonstrukt
332

verbundenen Ausgangsvariablen berechnet. Auf dieser Basis kann der Einfluss jeder
unabhängigen Variablen auf die abhängige bestimmt werden.
Die Interpretation der Ergebnisse wird nach den Zielkonstrukten strukturiert, wobei
das Konstrukt Loyalität zur Marke ausgeschlossen wird, da die entsprechende
Hypothese abgelehnt wurde.
Zufriedenheit mit dem Kaufprozess
Sowohl Kosten als auch Nutzen von Produktvielfalt wirken sich auf die Zufriedenheit
mit dem Kaufprozess aus, allerdings in entgegengesetzter Richtung: Wie erwartet,
führt die Zunahme der positiven Aspekte von Produktvielfalt zu einer Erhöhung der
Zufriedenheit mit dem Kaufprozess, eine Steigerung der Vielfaltskosten wirkt sich
dagegen negativ aus. Die Einflussstärke der Nutzenaspekte ist dabei mit 58% etwas
höher als die der Kosten (42%) (siehe Tabelle 62). Dennoch ist der starke negative
Einfluss hoher Produktvielfalt auf die Zufriedenheit mit dem Kaufprozess fast
erstaunlich. Die Vielfalt erschwert die Entscheidungsfindung für den Konsumenten
offenbar so sehr, dass sich dies in starkem Maße negativ auf seine Zufriedenheit
auswirkt. Damit konnte empirisch gezeigt werden, dass sich hohe Produktvielfalt nicht
nur unmittelbar negativ auf die Kaufintention (siehe Kapitel 4.2), sondern auch auf die
Evaluation des Kauferlebnisses und damit auf die der Kaufhandlung nachfolgende
Phase auswirkt.
Einflussstärke auf die Zufriedenheit mit dem Kaufprozess
Ausgangskonstrukte
Direkt
Indirekt
Gesamteinfluss
absolut relativ
NPV 0,497 - 0,497 58%
KPV -0,362 - -0,362 42%
Summe (Beträge der Gesamteinflüsse) 0,859 100%
Tabelle 62:
Einflussstärke der KPV und NPV auf die Zufriedenheit mit dem Kaufprozess
333

Kognitive Dissonanz
Die kognitive Dissonanz stellt gewissermaßen die Verbindung zwischen dem
Kaufprozess und der Zufriedenheit mit dem gekauften Produkt dar und wird deshalb
häufig als Antezedenz dieser betrachtet (vgl. Oliver 1996, S. 259f.). Die empirische
Untersuchung hat die vermutete positive Beziehung zwischen den KPV und der
kognitiven Dissonanz bestätigt. Je stärker folglich die negativen Aspekte von Vielfalt
ausgeprägt sind, desto höher ist die kognitive Dissonanz, die der Konsument im
Anschluss an seine Entscheidung empfindet. Dagegen wirkt sich die Zufriedenheit mit
dem Kaufprozess negativ auf die kognitive Dissonanz aus, d. h. je zufriedener ein
Konsument mit seinem Kauf- und Entscheidungsprozess ist, desto geringer ist seine
empfundene kognitive Dissonanz. Die Einflussstärke der beiden unmittelbaren
Bestimmungsgrößen KPV und Zufriedenheit mit dem Kaufprozess ist mit 47% und
53% in etwa gleich groß (siehe Tabelle 63). Zu beachten ist hierbei, dass sich die
Vielfaltskosten sowohl direkt als auch indirekt über die Zufriedenheit mit dem
Kaufprozess auf die Kognitive Dissonanz auswirken.
Ausgangskonstrukte
Direkt
KPV 0,227
Zufriedenheit
Prozess
Einflussstärke auf die Kognitive Dissonanz
Gesamteinfluss
Indirekt
absolut relativ
0,152
( = -0,362 x -0,421)
0,379 47%
-0,421 - -0,421 53%
Summe (Beträge der Gesamteinflüsse) 0,800 100%
Tabelle 63:
Stärke der direkten Einflussgrößen der Kognitiven Dissonanz
Neben den direkten Einflussgrößen interessiert in dieser Untersuchung insbesondere,
wie sich die KPV und NPV – und damit die Sortimentsgröße – auf die Entstehung
kognitiver Dissonanz auswirken. Dazu werden die Einflussstärken der KPV und NPV
auf die Kognitive Dissonanz berechnet und miteinander verglichen. Die Nutzenaspekte
wirken sich hierbei nicht direkt, sondern über den Mediator Zufriedenheit mit dem
Kaufprozess aus. Wie die in Tabelle 64 dargestellten Ergebnisse der Berechnungen
zeigen, ist der Dissonanz steigernde Einfluss der Kostenaspekte mit 64% deutlich
stärker, als der reduzierende Effekt der Nutzenaspekte. Die Kognitive Dissonanz wird
folglich stärker durch die aus hoher Produktvielfalt resultierende Entscheidungsschwierigkeit
gefördert, als durch die positiven Vielfaltsaspekte reduziert. Um die
334

Kognitive Dissonanz zu reduzieren, ist die Reduktion der KPV folglich der effektivere
Hebel als die Betonung der Nutzenaspekte. Händler sollten folglich versuchen, durch
entsprechende Maßnahmen die Entscheidungsschwierigkeiten der Konsumenten zu
reduzieren, um so die Entstehung kognitiver Dissonanz zu vermeiden.
Kosten und
Nutzen
Direkt
Einflussstärke auf die Kognitive Dissonanz
Gesamteinfluss
Indirekt
absolut relativ
NPV - -0,209 -0,209 36%
KPV 0,227 0,152 0,379 64%
Summe (Beträge der Gesamteinflüsse) 0,588 100%
Tabelle 64:
Dissonanz
Einflussstärke der Kosten und Nutzen von Produktvielfalt auf die die Kognitive
Zufriedenheit mit dem gekauften Produkt
Die Zufriedenheit mit dem gekauften Produkt wird im Modell direkt durch vier
Konstrukte beeinflusst, die teilweise zusätzlich indirekte Effekte über Mediatoren
aufweisen. Zu diskutieren ist hierbei vor allem der Einfluss der KPV auf die
Zufriedenheit mit dem gekauften Produkt. Die Hypothese 4, die von einem negativen
Einfluss der KPV auf die Zufriedenheit mit dem gekauften Produkt ausgegangen ist,
konnte nicht bestätigt werden, da die empirische Untersuchung einen signifikanten
positiven Einfluss aufgezeigt hat. Gleichzeitig korrelieren aber die beiden latenten
Variablen negativ (r = -0,219) und der indirekte Wirkungseffekt über die Zufriedenheit
mit dem Kaufprozess und der Kognitiven Dissonanz ist negativ. Direkte und indirekte
Wirkung stehen einander somit entgegen und heben sich gegenseitig fast auf. Dies
bewirkt, dass der Nettoeinfluss der KPV mit 2% sehr gering ist (siehe Tabelle 65). Ein
möglicher Erklärungsansatz für den positiven direkten Zusammenhang von
Kostendimension und Produktzufriedenheit ist folgender: Entscheidet sich ein
Konsument trotz der großen Schwierigkeit für den Kauf eines Produkts, kann er dies
als eine Art „Erlösung“ von seiner Entscheidungsaufgabe empfinden und dabei der
Logik folgen, dass das gekaufte Produkt gut sein muss, da er sich während des
Kaufprozesses sehr angestrengt hat, um dieses auszuwählen. Er durchläuft also eine
Art „Prozess der selbst-erfüllenden Prophezeiung“ (Self-Fulfilling Prophecy).
335

Den stärksten Einfluss auf die Zufriedenheit mit dem gekauften Produkt hat mit 44%
die Nutzendimension. Dies ist auch naheliegend, da mit der Zunahme der Vielfalt die
Wahrscheinlichkeit steigt, dass ein Konsument ein Produkt findet, das seinen
Erwartungen entspricht und somit gemäß dem Expectation-Disconfirmation
Paradigma (vgl. Yi 1990, S. 87ff.) zur Zufriedenheit mit diesem führt. Unerwartet
hoch ist dagegen der positive Einfluss der Zufriedenheit mit dem Kaufprozess. Die
Ergebnisse zeigen, dass 35% der erklärbaren Produktzufriedenheit auf den
Kaufprozess zurückzuführen sind. Für Hersteller bedeutet dies, dass sie die
Zufriedenheit mit ihrem Produkt auch dadurch beeinflussen können, dass sie dem
Kunden den Kaufprozess erleichtern. Eine intensive Zusammenarbeit mit dem Handel
zur Verbesserung der Kauf- und Entscheidungsprozesse der Konsumenten macht
folglich für einen Hersteller durchaus Sinn. Anzumerken ist hierbei, dass der Effekt
durch das Untersuchungsdesign wahrscheinlich etwas überschätzt wird, da unmittelbar
nach der Kaufentscheidung nur die antizipierte und nicht die tatsächliche
Produktzufriedenheit nach einer intensiven Nutzungszeit erfragt werden kann. Die
Ergebnisse können aber dennoch eine Grundtendenz aufzeigen. Als letztes konnte die
Untersuchung den in der Literatur beschriebenen negativen Zusammenhang von
kognitiver Dissonanz und Produktzufriedenheit bestätigen (vgl. Oliver 1996, S. 259f.).
Sind sich Käufer nach der Kaufentscheidung unsicher, das richtige Produkt gekauft zu
haben, wird dadurch die Zufriedenheit mit dem gekauften Produkt negativ beeinflusst.
Auch hier gilt die Einschränkung in Bezug auf die Erhebungsmethodik.
Einflussstärke auf die Zufriedenheit mit dem gekauften Produkt
Ausgangskonstrukte
Direkt
Indirekt
Gesamteinfluss
absolut relativ
NPV 0,338 0,219 0,557 44%
KPV 0,189 -0,212 -0,023 2%
Kognitive
Dissonanz
Zufriedenheit
Prozess
-0,231 - -0,231 18%
0,344 0,097 0,441 35%
Summe (Beträge der Gesamteinflüsse) 1,252 100%
Tabelle 65:
Stärke der direkten Einflussgrößen der Zufriedenheit mit dem gekauften Produkt
Betrachtet man abschließend den Einfluss der KPV und NPV auf die Zufriedenheit
mit dem gekauften Produkt (siehe Tabelle 66), so zeigt sich, dass die KPV mit 4%
336

einen vernachlässigbaren Nettoeinfluss haben. Zurückzuführen ist dies auf die oben
schon erläuterten gegenläufigen direkten (0,189) und indirekten (-0,212)
Auswirkungen, die sich gegenseitig aufheben.
In letzter Konsequenz heißt dies, dass sich die negativen Aspekte hoher
Produktvielfalt, die im Kern die Schwierigkeit bei der Entscheidungsfindung betreffen,
nicht negativ auf die Zufriedenheit mit dem gekauften Produkt auswirken.
Kosten und
Nutzen
Einflussstärke die Zufriedenheit mit dem gekauften Produkt
Gesamteinfluss
Direkt Indirekt
absolut relativ
NPV 0,338 0,219 0,557 96%
KPV 0,189 -0,212 -0,023 4%
Summe (Beträge der Gesamteinflüsse) 0,580 100%
Tabelle 66: Einflussstärke der Kosten und Nutzen von Produktvielfalt auf die Zufriedenheit mit dem
gekauften Produkt
Loyalität zum Geschäft
Die Loyalität zum Geschäft wird in dem hier untersuchten Modell direkt durch die
NPV und das Konstrukt Zufriedenheit mit dem Kaufprozess bestimmt. Mit 76% der
Einflussstärke ist dabei das Nutzenkonstrukt rund dreimal so einflussreich wie die
Zufriedenheit mit dem Kaufprozess. Dies unterstreicht, dass ein umfassendes Sortiment
die Wahl der Einkaufsstätte und damit auch die Loyalität zu einem bestimmten
Geschäft wesentlich beeinflusst (vgl. auch Hoch/Bradlow/Wansik 1999, S. 527; siehe
auch S. 3). Trotz der starken Bedeutung der Sortimentsaspekte sollte nicht
unberücksichtigt bleiben, dass der Ablauf der Kaufentscheidung und des
Kaufprozesses die Loyalität zu einem Geschäft ebenfalls signifikant positiv
beeinflusst. So sind Konsumenten, die mit ihrem Entscheidungsprozess in einem
Geschäft zufrieden sind, diesem gegenüber loyaler, was auch beinhaltet, dass sie es
weiterempfehlen. Ein Einzelhändler sollte deshalb bemüht sein, seinen Konsumenten
sowohl ein gutes Sortiment, als auch einen angenehmen Kaufprozess zu bieten, indem
er z. B. den Entscheidungsprozess durch Berater aktiv unterstützt und dadurch
erleichtert.
337

Ausgangskonstrukte
Direkt
Einflussstärke auf die Loyalität zum Geschäft
Gesamteinfluss
Indirekt
absolut relativ
NPV 0,513 0,096 0,609 76%
Zufriedenheit
Kaufprozess
0,194 - 0,194 24%
Summe (Beträge der Gesamteinflüsse) 0,803 100%
Tabelle 67:
Stärke der direkten Einflussgrößen auf die Loyalität zum Geschäft
Vergleicht man abschließend den Einfluss der KPV und NPV auf die Loyalität zum
Geschäft, so wiederholt sich das Ergebnis, dass Konsumenten die Vorteile eines
großen Sortiments an einem Geschäft schätzen. So entfallen 90% des Einflusses auf
die Loyalität zum Geschäft auf das Nutzenkonstrukt. Die Ergebnisse zeigen dennoch,
dass die negativen Aspekte hoher Produktvielfalt die Loyalität zu einem Geschäft
mindern. Einzelhändler können folglich durch die Ausweitung des Sortiments die
Loyalität ihrer Kunden nur bedingt erhöhen, da die negativen Aspekte von Vielfalt die
positive Wirkung mindern. Ob der Einfluss der KPV mit steigender Sortimentstiefe
zunimmt, bleibt dabei offen und könnte in weiterführenden Untersuchungen mit
experimentellem Charakter betrachtet werden.
Kosten und
Nutzen
Direkt
Einflussstärke auf die Loyalität zum Geschäft
Gesamteinfluss
Indirekt
absolut relativ
NPV 0,513 0,096 0,609 90%
KPV - -0,070 -0,070 10%
Summe (Beträge der Gesamteinflüsse) 0,679 100%
Tabelle 68:
Geschäft
Einflussstärke der Kosten und Nutzen von Produktvielfalt auf die Loyalität zum
338

4.3.2.3 Zusammenfassung
Die Parameterschätzungen des Strukturmodells haben zusammen mit der Überprüfung
der entsprechenden Gütemaße ergeben, dass sich Kosten und Nutzen von
Produktvielfalt nicht nur auf das Ergebnis des Kaufprozesses sondern auch auf weitere
dem Kauf nachgelagerte Aspekte des Konsumentenverhaltens, wie Zufriedenheit
und Loyalität auswirken.
Zwei der ursprünglichen Hypothesen mussten dabei abgelehnt werden:
• Zum einen konnte kein signifikanter Einfluss der Zufriedenheit mit dem
gekauften Produkt und der Loyalität zur Marke festgestellt werden. Dies lag
vermutlich am Befragungszeitpunkt direkt nach der Kaufentscheidung. Da er
der endgültigen Herausbildung eines Zufriedenheitsurteils bezüglich des
gekauften Produkts vorgelagert ist, konnte dieses von den Befragten nur
antizipiert werden. Dies reicht aber vermutlich nicht aus, um auch die nachfolgende
Wirkung auf die Loyalität zur Marke aufzeigen zu können.
• Zum anderen hat die Untersuchung einen positiven, und nicht wie vermutet,
negativen Zusammenhang zwischen den KPV und der Zufriedenheit mit dem
gekauften Produkt ergeben. Der Gesamteffekt der KPV, der auch indirekte
Effekte über Mediatorvariablen berücksichtigt, ist insgesamt negativ, aber
relativ gering. Als mögliche Erklärung für den positiven direkten Zusammenhang
der beiden Konstrukte wurde oben eine Art „Self-Fullfilling
Prophecy“-Verhalten des Konsumenten gegeben: Der Konsument erwartet
folglich, dass ein Produkt, das er nach einem für ihn schweren Entscheidungsprozess
gekauft hat, auch gut sein muss, da er sich bei der Entscheidung sehr
angestrengt und bemüht hat. Die Pfade über die Kaufprozesszufriedenheit und
die Kognitive Dissonanz zeigen dagegen einen negativen Zusammenhang in
etwa gleicher Höhe, was zu einem insgesamt fast neutralen Gesamteffekt
führt.
Alle anderen Hypothesen können aufrechterhalten werden. So haben die
Parameterschätzungen ergeben, dass sich die KPV bzw. NPV negativ bzw. positiv auf
die Zufriedenheit mit dem Kaufprozess auswirken und rund 50% der Varianz dieser
erklären können. Die relative Einflussstärke der beiden Dimensionen liegt dabei mit
42% bzw. 58% in einer vergleichbaren Größenordnung.
Ferner konnte gezeigt werden, dass die Kognitive Dissonanz durch die
Kaufprozesszufriedenheit reduziert und durch die KPV erhöht wird. Der relative
339

Einfluss der KPV ist dabei fast doppelt so hoch wie der des Nutzenkonstrukts, was die
Bedeutung der Entscheidungsschwierigkeit für die psychischen Reaktionen des
Konsumenten unmittelbar nach der Kaufentscheidung verdeutlicht.
Die Zufriedenheit mit dem gekauften Produkt wird in etwa gleicher Höhe durch die
Nutzenaspekte von Vielfalt und die Zufriedenheit mit dem Kaufprozess beeinflusst.
Beide wirken sich positiv auf die Produktzufriedenheit aus, wohingegen die Kognitive
Dissonanz eine negative Wirkung auf diese zeigt. Vergleicht man den Einfluss der
KPV und NPV, so dominieren letztere ganz deutlich, was an dem schon erläuterten
neutralisierenden Effekt von direktem und indirektem Einfluss der Kostenaspekte auf
die Produktzufriedenheit liegt. Das Ergebnis kann als indirekter Hinweis auf das
Expectation-Disconfirmation Paradigma (vgl. Yi 1990, S. 87ff.) interpretiert werden,
da mit der Vielfalt auch die Wahrscheinlichkeit steigt, ein Produkt mit den erwarteten
Eigenschaften zu finden.
Schließlich konnte die Bedeutung der positiven Aspekte großer Sortimente für die
Loyalität zu einem Geschäft unterstrichen werden. Diese tragen im direkten Vergleich
mit der Kaufprozesszufriedenheit 76% zur erklärten Loyalität gegenüber dem Geschäft
bei. Dies soll aber nicht darüber hinweg täuschen, dass der Kaufprozess die Loyalität
signifikant beeinflusst. Gleiches gilt für die KPV, die relativ zu den Nutzenaspekten
zwar einen geringen, aber signifikanten negativen Einfluss haben. Dies zeigt auf, dass
Einzelhändler die Loyalität ihrer Konsumenten nicht grenzenlos durch die
Ausdehnung der Sortimente steigern können.
Durch die Bestätigung der Hypothesen hinsichtlich der Konsequenzen von Kosten und
Nutzen von Produktvielfalt wurde auch die Relevanz dieses Konstrukts, sowie die
nomologische Validität des Messmodells unterstrichen.
Aus Unternehmenssicht folgt aus den Ergebnissen, dass große Sortimente positive
Aspekte haben, die sich auch positiv auf mittel- und langfristige Reaktionen von
Konsumenten auswirken. Gleichermaßen konnte aber auch gezeigt werden, dass hohe
Produktvielfalt aus Konsumentensicht Kostenaspekte aufweist, die sich negativ auf
mittel- und langfristige Konsequenzen auswirken können. Unternehmen sollten
deshalb Maßnahmen ergreifen, die die KPV, sprich die Entscheidungsschwierigkeit
reduzieren und dabei die positiven Aspekte konstant halten oder betonen. Im
Diskussionsteil werden die Implikationen für die Unternehmenspraxis detailliert
dargestellt (siehe Kapitel 6.2, S. 397ff.).
Die bisherigen Analysen dienten dazu, die aus der Theorie abgeleiteten Hypothesen zu
überprüft. Es besteht aber die Möglichkeit, dass neben den vermuteten
340

Zusammenhängen noch weitere bestehen. Diese sollen im nächsten Kapitel zusammen
mit weiteren Einflussgrößen in verschiedenen erweiterten Modellen berücksichtigt
werden.
4.4 Erweiterte Modelle und weiterführende Untersuchungen
Im Folgenden werden nacheinander verschiedene Erweiterungen des aus der Theorie
abgeleiteten Gesamtmodells vorgenommen. So wird dieses zunächst um signifikante
Beziehungen zwischen den Konstrukten erweitert, um so nicht vermutete
Beziehungen aufzudecken. In einem nächsten Modell werden mit der Beratungszufriedenheit
und der Preisführerschaft des Einzelhändlers zwei weitere Konstrukte,
die sich auf Charakteristika des Geschäfts beziehen und in Expertengesprächen häufig
als bedeutungsvoll genannt wurden, im Modell berücksichtigt. Schließlich werden im
letzten Abschnitt mit der Expertise (produktspezifisches Wissen) und dem Optimum
Stimulation Level personenspezifische Einflüsse des Konsumenten auf die Kosten
und Nutzen von Produktvielfalt untersucht.
4.4.1 Erweitertes Strukturmodell
Die Untersuchung, ob weitere signifikante Beziehungen zwischen den
Modellkonstrukten bestehen, die aus der Theorie so nicht abgeleitet wurden, hat eher
explorativen Charakter. Der PLS-Ansatz, der verglichen z. B. mit LISREL ebenfalls
explorativ und nicht konfirmatorisch ist, ist hierfür besonders geeignet (vgl.
Tenenhaus 2004, S. 62ff). Zur Identifikation bisher nicht berücksichtigter
Beziehungen wurde nacheinander jeder Faktor mit allen ihm im Sinne des
CDP-Modells von Blackwell, Miniard und Engel (2001) nachgelagerten oder
gleichstufigen Konstrukten (siehe auch S. 15f.) in Verbindung gesetzt. Die
Einschränkung auf Beziehungen mit nachgelagerten Konstrukten und auf Konstrukte,
die auf derselben Kaufprozessstufe stehen, ist darin begründet, dass nur diese
Zusammenhänge inhaltlich sinnvoll interpretierbar sind.
Nur eine dieser neu eingefügten Beziehungen hat sich als signifikant erwiesen: Die
Loyalität zum Geschäft wirkt sich positiv auf die Loyalität zur Marke aus. Der
Pfadkoeffizient zwischen diesen beiden Konstrukten ist dabei mit 0,330 rund doppelt
341

so hoch, wie der zwischen der Produktzufriedenheit und der Loyalität zur Marke
(siehe Tabelle 69). Die positive Auswirkung der Loyalität zum Geschäft auf die
Markenloyalität kann folgendermaßen interpretiert werden: Will ein Konsument ein
neues Produkt kaufen, denkt er zunächst daran WO er es kauft und nicht welche
MARKE er erwerben will.
Die Einführung der neuen Beziehung kann das Bestimmtheitsmaß des Konstrukts
Loyalität zur Marke zwar von 0,087 auf 0,182 erhöhen, dieses bleibt aber dennoch
deutlich unter dem Grenzwert von 0,3. Auch das Stone-Geissers Q 2 ist negativ, was
die Aussagekräftigkeit des Modells in Bezug auf dieses Konstrukt in Frage stellt.
Zurückzuführen ist dies wahrscheinlich, wie bereits oben erläutert, auf den Zeitpunkt
der Befragung unmittelbar nach dem Kauf, zu dem der Befragte die Produktzufriedenheit
nur antizipieren kann, was zur Folge hat, dass ein wesentlicher
Einflussfaktor der Markenloyalität (vgl. Oliver 1980; Fornell 1992, S. 14,
Anderson/Sullivan 1993; S. 141) noch mit hoher Unsicherheit behaftet ist.
Festzuhalten bleibt, dass die Beziehung zwischen den Konstrukten Loyalität zum
Geschäft und Loyalität zur Marke positiv und signifikant ist, diese insgesamt aber
aufgrund der Unterschreitung der Gütemaße auf Gesamtkonstruktebene
(Markenloyalität) nicht beibehalten wird. Die Untersuchungsergebnisse können daher
nur als erster Hinweis für die positive Auswirkung der Loyalität zum Geschäft auf die
Loyalität zur Marke interpretiert werden.
Exogene
Konstrukte
Zufriedenheit
Produkt
Loyalität
Geschäft
Tabelle 69:
Zielkonstrukt
Loyalität
Marke
t-Wert
(Pfadkoeffizient)
Hypothese
Ausgangskonstruktebene
(exogene Variable)
Pfadkoeffizient
Zielkonstruktebene
(endogene Var.)
VIF f 2 R 2 Q 2
(Redu.)
⏐⏐> 0,1 > 1,98 < 10 > 0,05 > 0,3 > 0
+ () 0,170 2,516 1,133 0,032
n.a. 0,330 4,369 1,133 0,116
Gütemaße des Zielkonstrukts Loyalität zur Marke im erweiterten Modell
0,182 -0,157
342

4.4.2 Einfluss von Beratungszufriedenheit und Preisführerschaft
Beratung und Preisniveau wurden in Expertengesprächen vor allem von Filialleitern
des kooperierenden Handelsunternehmens neben dem Sortiment als besonders
einflussreich auf das Verhalten von Konsumenten genannt. Die Marketingforschung
kommt zu ähnlichen Ergebnissen: So konnten z. B. Hoch Bradlow und Wansik (1999)
zeigen, dass die Preise eines Geschäfts nach dessen Lage das zweitwichtigste
Auswahlkriterium bei der Einkaufsstättenwahl sind (S. 527). Die Bedeutung der
Beratung konnte beispielsweise Haas (2001, S. 10ff.) zeigen, nach dessen
Forschungsergebnissen sich Beratungszufriedenheit positiv auf das Kauf- und
Weiterempfehlungsverhalten der Konsumenten auswirkt. Aus diesen Gründen sollen
sowohl Beratungs- als auch Preisaspekte in die Untersuchung einbezogen und dem
Einfluss des Sortiments im Sinne der KPV und NPV gegenübergestellt werden. Mit
dem Konstrukt Beratungszufriedenheit wurden die Aspekte der Beratung umfassend
und aus der Perspektive des Konsumenten abgebildet. Die durch Konsumenten
wahrgenommene Preisführerschaft eines Geschäfts greift hingegen einen speziellen
Preisaspekt heraus, der laut Expertenmeinung besonders einflussreich ist. So stufen es
verschiedenen Filialleiter als sehr wichtig ein, Produkte im Vergleich zu
Wettbewerbern günstiger anzubieten – also Preisführer zu sein.
Die nächsten Abschnitte beschreiben nach der Operationalisierung der beiden
Konstrukte deren Auswirkung auf das Kaufverhalten und die Kaufevaluation.
4.4.2.1 Messung der Konstrukte Beratungszufriedenheit und Preisführerschaft
Beratungszufriedenheit
Das Konstrukt Beratungszufriedenheit wurde durch insgesamt fünf reflektive
Indikatoren operationalisiert, wobei die Messung jeweils mittels einer 7-stufigen
Likertskala erfolgte. Die Operationalisierung lehnt sich an Forschungsergebnisse von
Haas (2001) an, der festgestellt hat, dass die Beratungszufriedenheit im Wesentlichen
durch drei Faktoren bestimmt wird (S. 15):
1. Die Entscheidungshilfe der Ausführungen
2. Ein positives Gesprächsklima.
3. Fachwissen des Beraters
343

Neben diesen drei Aspekten wurden zusätzlich die Globalzufriedenheit und die
Verfügbarkeit des Beraters erfragt. Letztes wurde in Gesprächen mit Konsumenten
im Vorfeld der Untersuchung immer wieder als Kritikpunkt bezüglich der Beratung
genannt und deshalb zusätzlich im Messmodell aufgenommen. Tabelle 70 zeigt die
Operationalisierung des Konstrukts Beratungszufriedenheit.
Kürzel Item Inhalt Quelle
Ber1 Wie zufrieden waren Sie mit der Beratung? Globalurteil Keine Quelle
Ber2
Ber3
Der Berater war mir bei der Entscheidung
eine grosse Hilfe.
Der Verkäufer war kompetent und hat mich
gut und unabhängig informiert.
Entscheidungshilfe
Kompetenz und
Unabhängigkeit
Ber4 Der Berater war freundlich und hilfsbereit. Positives Gesprächsklima
In Anlehnung an
Haas (2001, S. 15)
Ber5
Ich musste lange warten, bis ein Berater für
mich Zeit hatte (Invers).
Verfügbarkeit
Expertengespräche
Tabelle 70:
Operationalisierung des Konstrukts Beratungszufriedenheit
Die Gütebeurteilung des Konstrukts erfolgt anhand der schon bekannten Kriterien,
Tabelle 71 stellt die Ergebnisse dar. Zu erkennen ist hierin, dass alle Gütekriterien
deutlich erfüllt werden. So liegen sämtliche Ladungen über 0,780 und sind mit einem
minimalen t-Wert von rund 22 hochsignifikant. Auf Konstruktebene sprechen die
DEV von knapp 70% und die interne Konsistenz von 0,919 für eine hohe
Konvergenzvalidität. Die Unidimensionalität der Konstruktmessung kommt durch
einen ersten Eigenwert von rund 3,6 und einen zweiten von 0,506 ebenso wie durch
ein Cronbachs Alpha von über 0,9 zum Ausdruck.
Konstrukt
Beratungszufriedenheit
Indikatorenebene
Indikator Ladung t-Wert
(Ladung)
DEV
Interne
Konsistenz
Konstruktebene
Q 2
Eigenwerte
(EW)
Kriterium > 0,70 > 1,98 > 0,50 > 0,60 > 0 1. EW > 1
2. EW < 1
Ber1 0,841 31,918
Ber2 0,857 45,868
Ber3 0,877 46,712
Ber4 0,805 22,661
Ber5_Inv 0,780 26,684
0,693 0,919 0,554 3,613
0,506
Cronbachs
Alpha
> 0,70
0,903
Tabelle 71:
Gütekriterien des PLS-Messmodells der Beratungszufriedenheit
344

Weiterhin ist zu überprüfen, ob die Messung der Beratungszufriedenheit die Kriterien
hinsichtlich der Diskriminanzvalidität erfüllt und durch die Messung auch tatsächlich
etwas anderes, als durch die bisherigen Konstrukte gemessen wird. Dies erfolgt wie
schon bekannt zum einen anhand der Korrelationen zwischen manifesten und
latenten Variablen, und zum anderen mit Hilfe des Fornell-Larcker-Kriteriums.
Tabelle 72 und Tabelle 73 stellen die entsprechenden Ergebnisse dar.
man. Var.
lat. Var.
Loyalität
Geschäft
Loyalität
Marke
Zufriedenheit
Produkt
Kognitive
Dissonanz
Zufriedenheit
Prozess
Beratungszufriedenheit
Preisführerschaft
Preis 1,0000
Ber1 0,8332
Ber2 0,8690
Ber3 0,8902
Ber4 0,8164
Ber5 0,7927
SatProz1 0,5303 0,7561
SatProz2 0,8842
SatProz3 0,8909
SatProz4 0,7911
SatProd1 0,7987
SatProd2 0,7817 0,5017
SatProd3 0,8738 0,5164
SatProd4 0,8159
SatProd5 0,8227
LoyMa1 0,7791
LoyMa2 0,7424
LoyMa3 0,8938
LoyMa5 0,8475
LoyGe1 0,8953
LoyGe2 0,8671
LoyGe3 0,9117
LoyGe5 0,8938
KogDis2 0,7346
KogDis3 0,7982
KogDis4 0,8505
Tabelle 72: Korrelationen manifester und latenter Variablen der Konsequenzen des erweiterten
Modells (zur besseren Lesbarkeit wurden Korrelationen unter 0,5 nicht abgebildet; p < 0,01)
Aus obiger Tabelle ist zu erkennen, dass die manifesten Variablen des Konstrukts
Beratungszufriedenheit nur mit der latenten Variablen Beratungszufriedenheit
345

korrelieren. Gleichzeitig konnten keine Korrelationen über 0,50 zwischen dieser und
den manifesten Variablen anderer Konstrukte des Strukturmodells festgestellt werden.
Dies spricht für die Diskriminanzvalidität der Messung, die auch durch die sehr
deutliche Erfüllung des Fornell-Larcker-Kriteriums (siehe Tabelle 73) zum
Ausdruck kommt.
Faktoren
Zufriedenheit
Kaufprozess
Kognitive
Dissonanz
Zufriedenheit
Produk
Loyalität
Marke
Loyalität
Geschäft
Beratungszufreidenheit
Preisführer
schaft
Zufriedenheit
Kaufprozess
0,693 quadrierte Korrelationen
Kognitive
Dissonanz
0,633 0,296
Zufriedenheit
Produkt
0,667 0,336 0,186
Loyalität Marke 0,669 0,008 0,001 0,081
Loyalität
Geschäft
Beratungszufriedenheit
0,796 0,262 0,051 0,117 0,157
0,693 0,284 0,072 0,068 0,007 0,268
Preisführerschaft 1,000 0,051 0,015 0,028 0,048 0,165 0,033
DEV 0,693 0,633 0,667 0,669 0,796 0,693 1,000
Tabelle 73: Ergebnisse der Überprüfung des Fornell-Larcker-Kriteriums unter Berücksichtigung
von Beratungszufriedenheit und Preisführerschaft
Insgesamt erfüllt die Messung der Beratungszufriedenheit damit alle vorgegebenen
Gütekriterien.
Preisführerschaft
Die Preisführerschaft des Geschäfts wurde mittels folgender Frage operationalisiert:
„Digitalkameras/DVD-Player sind hier billiger als in anderen Geschäften“ (1: stimme
überhauptnicht zu ... 7: Stimme vollkommen zu). Derartige Single-item measures
werden häufig kritisiert, da sie die verschiedenen Komponenten komplexer Konstrukte
nur unzureichend abbilden können und auch hinsichtlich der Validitätsbeurteilung
Probleme aufwerfen (vgl. Yi 1990, S. 71). Dennoch ist die Operationalisierung der
Preisführerschaft durch nur eine manifeste Variable in diesem Fall vertretbar, da die
346

durch Konsumenten wahrgenommene Preisführerschaft eines Geschäfts ein Konstrukt
von geringer Komplexität ist, das relativ eindeutig durch eine Frage abgebildet werden
kann. Die Inhaltsvalidität scheint daher erfüllt zu sein. Durch die geringe Korrelation
der manifesten Variable Preisbereitschaft mit den anderen latenten bzw. manifesten
Variablen des Modells (siehe Tabelle 72 bzw. Tabelle 73 oben) kann auch von
Diskriminanzvalidität ausgegangen werden. Der Zufallsfehler der Messung ist
dagegen nicht abschätzbar. Dennoch kann insgesamt von einer Messung der
wahrgenommenen Preisführerschaft ausgegangen werden, die unter forschungsökonomischen
Gesichtspunkten als sinnvoll bezeichnet werden kann.
Der nächste Abschnitt beschreibt die Auswirkungen der beiden Konstrukte
Beratungszufriedenheit und Preisführerschaft auf die Kaufentscheidung und die
Nachkaufbewertung der Konsumenten.
4.4.2.2 Der Einfluss von Beratungszufriedenheit und Preisführerschaft auf die
Kaufentscheidung und Nachkaufbewertung
Einfluss auf die Kaufintention
In Tabelle 74 sind die Ergebnisse der Parameterschätzungen dargestellt. Zu erkennen
ist hierbei, dass weder die Beratungszufriedenheit noch die Preisführerschaft die
Kaufabsicht signifikant beeinflussen. Dieses Resultat ist durchaus überraschend, da
beide Aspekte von Handelsexperten als besonders wichtig eingestuft wurden. Für ein
Handelsunternehmen kann aus den Analyseergebnissen hinsichtlich der
Preisführerschaft geschlossen werden, dass es für Konsumenten nicht entscheidend ist,
möglichst preiswert einzukaufen; sie wollen ein Produkt „nur“ nicht wesentlich teurer
kaufen, als dies in einem anderen Geschäft möglich wäre. Der Einzelhändler muss
folglich nicht billiger sein als seine Wettbewerber, darf deren Preise vermutlich aber
auch nicht signifikant überbieten.
347

Ausgangskonstruktebene
(exogene Variable)
Zielkonstruktebene
(endogene Var.)
Exogene
Konstrukte
Zielkonstrukt
t-Wert
(Pfadkoeffizient)
Hypothese
Pfadkoeffizient
VIF f 2 R 2 Q 2
(Redu.)
⏐⏐> 0,1 > 1,98 < 10 > 0,05 > 0,3 > 0
NPV + () 0,328 6,856 1,658 0,106
0,333 0,132
Preisführerschaft
KPV – () -0,266 6,429 1,253 0,087
Kaufintention
Beratungszufriedenheit
n.a. 0,117 1,655 1,299 0,015
Tabelle 74:
n.a. 0,058 1,494 1,221 0,003
Wirkung von Beratungszufriedenheit und Preisführerschaft auf die Kaufintention
Das Ergebnis hinsichtlich der Beratungszufriedenheit bedarf einer genaueren
Analyse, da in der Analyse auch Konsumenten berücksichtigt sind, die nicht beraten
wurden (42%; 250 Personen). Da diese Personen keine Angaben über die
Beratungszufriedenheit machen konnten, fehlen alle Indikatorwerte dieser Befragten
(Missing Values). PLS nimmt folglich den Wert der latenten Variablen
Beratungszufriedenheit dieser Personen als „missing“ an und bezieht ihn nicht in die
Untersuchung ein (vgl. Tenenhaus et al. 2004, S. 14). Da dies nur für Daten der
nicht-beratenen Konsumenten erfolgt, kann es zu einer systematischen Beeinflussung
der Parameterschätzungen kommen. Dass die Beratungszufriedenheit keinen Einfluss
auf die Kaufintention hat, kann deshalb bezweifelt werden.
Gestützt wird dieser Zweifel auch durch den in Abbildung 69 dargestellten Vergleich
des Käuferanteils von beratenen und nicht beratenen Konsumenten. So haben 66% der
Befragten, die beraten wurden, das entsprechende Produkt gekauft. Im Vergleich
hierzu haben sich nur 28% der nicht beratenen Kunden zum Kauf entschlossen. Der
Anteil der Käufer unter den beratenen Konsumenten ist somit mehr als doppelt so
hoch, als der Anteil der Käufer unter Personen, die nicht beraten wurden. Auch wenn
die PLS-Analyse den positiven Einfluss der Beratungszufriedenheit auf die
Kaufintention nicht zeigen konnte, kann dennoch von diesem ausgegangen werden.
Die Stärke des Einflusses und dessen Relation zu den Sortimentsaspekten im Sinne
von Kosten und Nutzen von Produktvielfalt ist an dieser Stelle nicht abschätzbar und
kann Teil weiterführender Untersuchungen sein.
348

Anteil der
Befragten
70%
60%
50%
40%
30%
20%
72% der nicht
beratenen
Kunden haben
nicht gekauft
42%
72%
58%
34%
66%
66% der
beratenen
Kunden haben
gekauft
10%
0%
nein
28%
Beratung
ja
Kauf
kein Kauf
Abbildung 69: Anteil der Käufer und Nicht-Käufer von beratenen und nicht beratenen Konsumenten
Neben der kurzfristigen Auswirkung auf den Ausgang der Kaufentscheidung
interessiert auch, wie sich die Preisführerschaft und Beratungszufriedenheit
mittelfristig auf die Zufriedenheit und Loyalität der Konsumenten auswirkt.
Auswirkungen auf die Nachkaufbewertung
Genau wie bei der Identifikation nicht vermuteter Beziehungen, wurde auch hier
explorativ vorgegangen (siehe S. 341f.): Die Konstrukte Beratungszufriedenheit und
Preisführerschaft wurden mit allen anderen Konstrukten außer den KPV und NPV, die
ebenfalls rein exogenen Charakter haben, in Beziehung gesetzt. Daraufhin sind alle
nicht signifikanten Beziehungen entfernt worden. Abbildung 70 zeigt das endgültige
Strukturmodell, die entsprechenden Gütemaße sind in Tabelle 75 dargestellt.
Die wahrgenommene Preisführerschaft wirkt sich nur auf die Loyalität zum Geschäft
signifikant positiv aus. Hierauf hat auch die Beratungszufriedenheit einen positiven
Einfluss. Durch die Berücksichtigung dieser beiden Konstrukte kann der Anteil der
erklärten Varianz dieses Konstrukts im Vergleich zum Grundmodell um 7,7
Prozentpunkte auf 50,2% erhöht werden. Betrachtet man die relative Einflussstärke
der verschiedenen Aspekte, so nimmt der Nutzen von Vielfalt mit 47% gegenüber der
Beratungszufriedenheit (31%) und der Preisführerschaft (22%) die führende Rolle ein.
Die (positiven) Sortimentsaspekte beeinflussen die Loyalität zu einem Geschäft
folglich stärker als die Beratung und die Möglichkeit, ein Produkt dort im Vergleich
zu anderen Geschäften billiger kaufen zu können.
349

Modellerweiterung
Loyalität
Geschäft
Loyalität
Marke
PF
Beratungszufriedenheit
Preisführerschaft
BZ
0,204 0,339
LG
0,281
Nutzen
NPV
0,432
0,244
R 2 =0,502
0,337
0,400
0,090 NS
Zufriedenheit
Prozess
ZP
R 2 =0,549
0,346
LM
ZPr
- 0,230
KD
- 0,422 kognitive
Dissonanz
- 0,316
R 2 =0,183
0,170
Zufriedenheit
Produkt
R 2 =0,445
R 2 =0,332
0,227
0,189
Kosten
KPV
Evaluation und zukünftige Verhaltensabsicht
Konstrukt
Abbildung 70: Erweitertes Strukturmodell unter Berücksichtigung von Beratungszufriedenheit und
Preisführerschaft
Erstaunlich ist, dass die KPV keinen negativen Einfluss mehr auf die Loyalität zum
Geschäft haben: Der t-Wert des Pfadkoeffizienten zwischen der Kaufprozesszufriedenheit
und der Handelsloyalität liegt mit einem Wert von 1,555 unterhalb der
Signifikanzgrenze von 1,98, weshalb die Beziehung zwischen diesen Konstrukten
entfernt werden muss. Eine mögliche Erklärung hierfür ist, dass der Konsument seine
Zufriedenheit mit dem Kaufprozess in erheblichem Maße durch den Berater bestimmt
sieht und die Kaufprozesszufriedenheit folglich großteils auf die Beratungszufriedenheit
projiziert.
Die Beratungszufriedenheit wirkt sich folglich positiv auf die Kaufprozesszufriedenheit
aus. Die Zufriedenheit mit dem Kaufprozess wird auch unter
Berücksichtigung der Beratung zu 66% von positiven bzw. negativen Aspekten der
Sortimentsvielfalt bestimmt. Die Beratungszufriedenheit hat aber mit einem relativen
Einfluss von 34% einen Erklärungsanteil in vergleichbarer Höhe wie die KPV (44%)
und NPV (27%). Insgesamt kann der Anteil der Varianzerklärung durch die
Einbeziehung der Beratungszufriedenheit gegenüber dem Grundmodell um 4,4
Prozentpunkte auf rund 55% erhöht werden.
350

Ausgangskonstruktebene
(exogene Variable)
Zielkonstruktebene
(endogene Var.)
Exogene
Konstrukte
Zielkonstrukt
t-Wert
(Pfadkoeffizient)
Hypothese
Pfadkoeffizient
VIF f 2 R 2 Q 2
(Redu.)
⏐⏐> 0,1 > 1,98 < 10 > 0,05 > 0,3 > 0
Nutzen + () 0,400 8,916 1,412 0,266
Zufriedenheit
Kosten
Kaufprozess
– () -0,316 8,107 1,253 0,182
n.a. 0,244 4,094 1,300 0,102
KPV + () 0,227 3,689 1,397 0,057
Kognitive
Zufriedenheit Dissonanz
Prozess
– () -0,422 7,248 1,397 0,192
0,549 0,299
0,332 0,051
NPV + () 0,337 5,810 1,397 0,126
KPV – ( ) 0,189 2,845 1,412 0,045
Zufriedenheit
Kognitive Produkt
– () -0,230 4,757 1,511 0,065
Dissonanz
Zufriedenheit
Prozess
+ () 0,346 4,726 1,972 0,094
NPV + () 0,432 8,728 1,490 0,265
Zufriedenheit
Kaufprozess
Beratungszufriedenheit
Beratungszufriedenheit
Preisführerschaft
Zufriedenheit
Produkt
Loyalität
Handel
60
Loyalität
+ ( ) 0,090 1,555 – –
Geschäft
Loyalität
Marke
n.a. 0,281 3,948 1,264 0,125
n.a. 0,204 4,378 1,218 0,072
+ ( ) 0,170 2,486 1,133 0,031
n.a. 0,339 4,525 1,133 0,118
0,445 0,176
0,502 0,279
0,183 -0,157
Tabelle 75: Gütemaße des erweiterten Strukturmodells unter Berücksichtigung von
Beratungszufriedenheit und Preisführerschaft
Zusammenfassung
Ein Berater kann sowohl die kurzfristige Zufriedenheit mit dem Kaufprozess als auch
die mittel- bzw. langfristige Loyalität gegenüber dem Geschäft beeinflussen, indem er
60 Bei der Analyse nicht berücksichtigt.
351

Konsumenten freundlich, unabhängig und kompetent berät und sie aktiv bei der
Entscheidungsfindung unterstützt. Gute Beratung ist folglich im Hinblick auf die
Kaufprozessbewertung wichtig. Die Untersuchung konnte dagegen keinen Einfluss der
Beratungszufriedenheit auf den Ausgang der Kaufentscheidung zeigen. Hierauf hat
auch die Preisführerschaft keinen Einfluss. Diese wirkt sich insgesamt nur positiv auf
die Loyalität zum Geschäft aus. Für Handelsunternehmen folgt darauf, dass sie nicht
notwendigerweise billiger sein müssen als ihre Konkurrenten, um insgesamt
erfolgreicher zu sein. Gleichzeitig dürfen sie aber vermutlich auch nicht wesentlich
teurer sein. Ein Einzelhändler sollte deshalb versuchen, seine Preise auf einem
ähnlichen Niveau wie seine direkten Wettbewerber zu halten.
4.4.3 Personenimmanente Eigenschaften
Dieser Abschnitt beschäftigt sich damit, inwiefern sich personenimmanente
Eigenschaften auf Kosten und Nutzen von Produktvielfalt auswirken. Nachfolgend
werden die Untersuchungsergebnisse zum Einfluss von Expertise und Optimum
Stimulation Level auf die beiden Konstrukte beschrieben. Da die Untersuchung der
moderierenden Effekte von personenspezifischen Eigenschaften keinen Schwerpunkt
der Untersuchung darstellt, soll aus forschungsökonomischen Gründen nur überprüft
werden, ob Einflusstendenzen erkennbar sind. Eine umfassende und tiefgehende
Untersuchung bleibt späteren Arbeiten vorbehalten.
4.4.3.1 Expertise
Im Rahmen der Ausführungen zur Tyranny of Freedom (siehe S. 84ff.) wurde
deutlich, dass die Expertise und das Involvement eines Konsumenten dessen „Point of
Regret“ verschieben und somit vor allem die Vielfaltskosten beeinflussen können. In
der vorliegenden Arbeit wird nur der Einfluss der Expertise, nicht aber der des
Involvement untersucht. Um dies zu begründen, soll kurz auf das Involvement
eingegangen werden.
Zusammenhang von Involvement in einer Kaufsituation und Expertise
Trommsdorff (1993) bezeichnet das Involvement als ein „Schlüsselkonstrukt der
Marketingforschung“ (S. 48) und definiert es als „Aktivierungsgrad bzw. Motivstärke
352

zur objektgerichteten Informationssuche, -aufnahme, -verarbeitung und –
speicherung“ (S. 49). Die motivierende Komponente des Involvement bringt auch
Rothschild (1984) in seiner Definition zum Ausdruck: „Involvement is an
unobservable state of motivation, arousal or interest. It is evoked by a particular
stimulus or situation. It has drive properties: its consequences are types of searching,
information processing and decision making“ (Rothschild 1984, S. 217).
In der Literatur werden verschiedene Arten von Involvement wie z. B. Product
Involvement (vgl. Bloch 1982, S. 413) oder das Purchase Involvement (vgl.
Beatty/Kahle/Homer 1988, S. 149 ff.) unterschieden. Im Rahmen dieser Untersuchung
interessiert aber vor allem das in einer bestimmten Kaufsituation von einem
Konsumenten empfundene Involvement, das als Felt Involvement (vgl. z. B.
Peter/Olson 2002, S. 88) bezeichnet wird. Wie der Name bereits verdeutlicht, handelt
es sich hierbei um einen psychischen Zustand, den Konsumenten nur zu bestimmten
Zeitenpunkten und Gelegenheiten empfinden (vgl. Peter/Olson 2002, S. 88). Der
involvierte Zustand gründet dabei sowohl auf situativen Aspekten (Situational
Involvement), als auch auf anhaltenden Eigenschaften des Individuums (Enduring
Involvement, Ego Involvement). Situational Involvement, das vor allem auf das bei
einem Kauf wahrgenommene Risiko zurückzuführen ist (vgl. Bloch/Richins 1983,
S. 70) und Enduring Involvement können somit als Antezedenzien des Felt
Involvement verstanden werden (vgl. Celsi/Olson 1988, S. 211). Das Enduring
Involvement gründet hierbei auf dem emotionalen Aktivierungspotenzial eines
Produktes (vgl. Laurent/Kapferer 1985, S. 44), dessen Bedeutung für den
Konsumenten und seiner sozialen Wirkung (vgl. Assael 1994, S. 76).
Damit kann der Bogen zum Ausgangspunkt des Exkurses zum Involvement und zur
Frage, warum dieses in der vorliegenden Untersuchung nicht als Moderator oder
Mediator berücksichtigt wird, gespannt werden:
Die Fragestellung der Arbeit ist auf echte Kaufentscheidungen, die mit einem
gewissen (finanziellen) Risiko verbunden sind, limitiert (siehe S. 37f.). Da das
finanzielle Risiko neben anderen Arten, wie z. B. dem psychischen und funktionalen
Risiko einen zentralen Risikoaspekt in einer Kaufentscheidung darstellt, kann davon
ausgegangen werden, dass das situative Involvement eines Konsumenten bei der hier
untersuchten Kaufentscheidung relativ hoch ist. Empfindet ein Konsument einem
Produkt gegenüber hohes Enduring Involvement, hat diese für ihn also hohe
Relevanz und interessiert ihn, kann vermutet werden, dass er sich mit diesem auch
näher befasst, Informationen darüber sammelt und dadurch entsprechende
353

Produktkenntnisse erwirbt. Enduring Involvement und Expertise, die Desmeules
allgemein (2002) in Anlehnung an Mitchell and Dacin (1996) als „the amount, content
and organization of knowledge about domains” (S. 11) definiert, sollten folglich
positiv korrelieren. Zu diesem Schluss kommen auch Novak, Hoffmann und Yung
(2000), welche die positive Beziehung von Expertise und Enduring Involvement
empirisch zeigen konnten (vgl. S. 39).
Analysiert man folglich den Einfluss der Produktexpertise eines Konsumenten auf
dessen KPV und NPV, sollte dies bei echten Kaufentscheidungen wesentliche
Involvementaspekte mit abbilden. Auf eine gesonderte Betrachtung des
Involvementeinflusses kann somit unter der gegebenen exploratorischen Zielsetzung
der Untersuchung hinsichtlich des Einflusses personenspezifischer Eigenschaften,
verzichtet werden.
Als nächstes soll der Zusammenhang von Expertise und den KPV und NPV nochmals
verdeutlicht werden.
Zusammenhang von Expertise mit den Kosten und Nutzen von Produktvielfalt
Nach der im Theorieteil beschriebenen Tyranny of Freedom (siehe S. 84ff. und
Abbildung 25, S. 87) ist der Beginn der negativen Wirkung von Produktvielfalt u. a.
von der produktspezifischen Erfahrung, d. h. Expertise des Konsumenten abhängig. So
geht Desmeules (2002, S. 11) davon aus, dass der Point of Regret eines Konsumenten
mit relativ ausgeprägter Expertise, weiter rechts auf der x-Achse liegt, als der einer
Person mit geringer Fachkenntnis. Der erfahrene Käufer kann damit mehr Vielfalt
„verarbeiten“ als der unerfahrene. Dies ist damit zu begründen, dass ein „Experte“ die
(für sich) entscheidungsrelevanten Attribute eines Produktes kennt und auf dieser
Basis die verfügbaren Optionen schnell auf eine überschaubare und verarbeitbare
Anzahl an Alternativen, die für den Kauf in Frage kommen (Consideration Set),
reduzieren kann (vgl. Huffmann/Kahn 1998, S. 492ff.; Bettman/Park 1980, S. 242ff.,
Rao/Monroe 1988, S. 254ff.). So argumentieren Johnson und Russo (1984, S. 548),
dass Konsumenten mit hoher Expertise weniger Informationen suchen und verarbeiten
müssen, da sie zum einen aufgrund ihres Fachwissens bereits auf viele Fakten im
Gedächtnis zurückgreifen können und diese nicht mehr dem Sortiment entnehmen
müssen. Zum anderen verfügen sie über Prozesswissen hinsichtlich der Entscheidung
und können effiziente Entscheidungsprozeduren bei der Identifikation einer geeigneten
Alternative anwenden.
354

Insgesamt liegt damit die Vermutung nahe, dass Konsumenten mit hoher Expertise im
Vergleich zu Personen mit geringer Expertise geringe KVP haben, wenn sie aus
einem großen Sortiment wählen. Ein Zusammenhang von Expertise mit dem NPV
wird nicht vermutet. Damit kann folgende Hypothese formuliert werden:
Hypothese 20: Die Kosten von Produktvielfalt sind bei Konsumenten mit
hoher Expertise geringer als bei Konsumenten mit geringer Expertise.
Nachfolgend werden die Ergebnisse der empirischen Überprüfung dieser Hypothese
beschrieben. Hierbei wird zunächst auf die Operationalisierung des Expertisekonstrukts
und anschließend auf die Untersuchungsergebnisse eingegangen.
Empirische Untersuchung
Operationalisierung von Expertise
Die hier verwendete und in Tabelle 76 dargestellte Operationalisierung des
Expertisekonstrukts basiert auf einem Vorschlag von Johnson (1984, S. 746ff.), den
dieser auf der Basis von drei Anforderungen an ein Instrument zur Messung von
Wissen formuliert hat:
1. Die Messung soll absolut erfolgen.
2. Das gesamte Spektrum von vollkommen unwissenden Konsumenten bis zum
absoluten Spezialisten muss durch das Instrument abgedeckt werden.
3. Die Skala sollte so spezifisch wie möglich sein, um Interpretationsspielräume
der befragten Person zu vermeiden.
Das ursprüngliche Messinstrument von Johnson (1984) war eine 20-Punkt-Skala, die
an den Ausprägungen 0, 5, 10, 15 und 20 eine konkrete Beschreibung des Wissens auf
der jeweiligen Skalenstufe aufwies. Dieses Messmodell unterscheidet sich
insbesondere im Hinblick auf die vorgegebenen Ausprägungen von der eher
gebräuchlichen Selbsteinschätzung des Wissens im Vergleich zur Gesamtbevölkerung
(„Im Vergleich zu anderen kenne ich mich mit Produkt x sehr gut aus“) (vgl.
Johnson/Russo 1984, S. 545). Obwohl das von Johnson vorgeschlagene
Instrumentarium im Vergleich hierzu aufgrund der Vorgabe konkreter Ausprägungen
objektiver ist, gilt auch hier die Einschränkung, dass nicht das tatsächliche, sondern
355

das selbst eingeschätze Wissen des Konsumenten gemessen wird (vgl. Johnson 1984,
S. 746).
Die hier verwendete Skala zur Messung der Produktexpertise eines Konsumenten
(siehe Tabelle 76) lehnt sich an die Idee von Johnson an und formuliert auf einer
7-Punkt-Skala für die Ausprägungen 1, 3, 5 und 7 jeweils ein konkretes
Expertiseniveau für die Produktgruppe (Digitalkamera, DVD-Player/Recorder) dem
sich der Befragte zuordnet. Weitere Items, wie z. B. die Kauferfahrung, wurden aus
befragungsökonomischen Gründen nicht erhoben.
1 2 3 4 5 6 7
Ich habe noch nie
eine Digitalkamera
benutzt und kenne
mich damit auch
überhaupt nicht aus.
Ich habe schon mal mit
einer Digitalkamera
fotografiert oder mich mit
den Eigenschaften und
Funktionen von
Digitalkameras beschäftigt.
Ich fotografiere
regelmäßig mit einer
Digitalkamera und
kenne mich mit deren
Funktionen recht gut
aus.
Ich kenne mich wie
ein professioneller
Fotograf mit
Digitalkameras aus.
Tabelle 76:
Operationalisierung von Expertise
Ergebnisse der Untersuchung
Um die Hypothese zu testen, werden die Befragten in eine Gruppe mit geringer und
eine Gruppe mit hoher Expertise eingeteilt. Anschließend wird mittels eines T-Tests
überprüft, ob sich die Mittelwerte der latenten Variable KPV der beiden Gruppen
signifikant unterscheiden. Nachfolgende Grafik veranschaulicht die Vorgehensweise.
Gesamte Stichprobe
Erfahrung/OSL
Erfahrung/OSL
Clusteranalyse
gering
hoch
T-Test
Mittelwert
KPV
Vergleich
T-Test
Mittelwert
KPV
NPV
NPV
Abbildung 71: Vorgehensweise bei der Untersuchung personenimmanenter Einflüsse
356

Die Gruppeneinteilung erfolgte mittels einer zweistufigen Clusteranalyse. Hierbei
wurden 357 Personen (60%) dem Cluster „geringe Expertise“ und 238 (40%) der
Gruppe „hohe Erfahrung“ zugeordnet. Ein Datensatz konnte keiner der Gruppen
zugeordnet werden und wurde nicht berücksichtigt. Im Durchschnitt hatten die
Personen der ersten Gruppe einen Expertisewert von 2,61 (Standardabweichung 1,06),
der Durchschnitt der zweiten Gruppe lag bei 5,31 (Standardabweichung 0,62). Der
Unterschied zwischen Experten und „Laien“ ist signifikant (p < 0,001) was durch
einen zweiseitigen T-Test bestätigt wurde. Tabelle 77 stellt die Ergebnisse der
Clusteranalyse dar.
Cluster Anzahl Anteil Durchschnitt Standardabweichung
Geringe Expertise 357 60% 2,61 1,06
Hohe Expertise 238 40% 5,31 0,62
Sig. T-Test (2-
tailed)
0,000
Tabelle 77:
Ergebnisse der Clusteranalyse zur Expertise
Die Clustervariable wurde in dem anschließenden T-Test als Gruppierungsvariable
verwendet. Hierbei wurden die Mittelwerte der in PLS berechneten Werte der latenten
Variablen KPV und NPV der beiden Cluster miteinander verglichen. Wie aus Tabelle
78 hervorgeht, unterscheidet sich, wie erwartet, der Mittelwert des Nutzens von
Produktvielfalt der Personen mit hoher Expertise nicht signifikant von dem der
Personen mit geringer Expertise. Nur wenn man anstatt eines zweiseitigen Tests
einen einseitigen verwendet und überprüft, ob der Nutzen hoher Produktvielfalt bei
Experten größer ist als bei Nicht-Experten, ergibt sich eine schwache Signifikanz
(p < 0,10).
Cluster
Durchschnitt
NPV
Sig. T-Test
(2-tailed)
Durchschnitt
KPV
Standardabweichung
Standardabweichung
Sig. T-Test
(2-tailed)
Geringe Expertise -0,042 1,00 0,105 1,010
0,194
Hohe Expertise 0,068 1,00
-0,161 0,968
0,001
Tabelle 78: Ergebnisse des T-Tests der Kosten und Nutzen von Produktvielfalt für Befragte mit
hoher und geringer Expertise
357

Im Gegensatz hierzu ist der Kostenunterschied erfahrener und unerfahrener
Konsumenten signifikant (p < 0,001): Die durchschnittlichen Kosten von
Produktvielfalt sind bei Personen mit hoher Expertise signifikant geringer als bei
Personen mit geringem Produktwissen. Die Hypothese 20 kann somit aufrecht
erhalten werden: Personen, die über Produktexpertise verfügen, können mit hoher
Produktvielfalt in einer Entscheidungssituation besser umgehen als unerfahrene
Konsumenten.
4.4.3.2 Optimum Stimulation Level (OSL)
Die generelle Vorstellung einer Person hinsichtlich ihres optimalen Stimulationslevels
wurde im Abschnitt zum Optimum Stimulation Level unter Gesichtspunkten der
Produktvielfalt in einer Kaufsituation (siehe Kapitel 2.2.2, S. 80) ausführlich
diskutiert. Um Redundanzen zu vermeiden, soll an dieser Stelle auf die im Theorieteil
beschriebene Argumentation zum Zusammenhang von OSL und Produktvielfalt nicht
nochmals eingegangen werden. Aufbauend auf den theoretischen Ausführungen in
Kapitel 2.2.2 (S. 80) kann folgende Hypothese formuliert werden:
Hypothese 21: Personen mit hohem OSL verbinden im Vergleich zu Personen
mit geringem OSL weniger Kosten mit hoher Produktvielfalt.
Empirische Überprüfung der Hypothese
Operationalisierung des Optimum Stimulation Level
Für die Messung des OSL eines Individuums stehen eine Reihe von Skalen, wie der
Change Seeker Index (CSI) (Garlington/Shimota 1964)), die Arousal Seeking
Tendency Scale (AST) (Mehrabian/Russell (1974)) und die AST-II (Mehrabian 1978),
die Sensation Seeking Scale (SS) oder die General Sensation Seeking Scale (SSS)
(Zuckermann 1979) zur Verfügung. Diese Skalen haben zwar den Vorteil, etabliert
und häufig getestet zu sein, sie sind aber auch sehr umfangreich. So bestehen
beispielsweise der CSI aus 95 und die SSS aus 22 Items. Da die Untersuchung des
Einflusses des OSL einer Person auf deren Kosten und Nutzen von Produktvielfalt nur
358

ein Randthema dieser Arbeit ist, sind obige Skalen nicht geeignet, da der Fragebogen
sonst die den Befragten zumutbare Länge deutlich überschreiten würden.
Das OSL wurde in dieser Untersuchung deshalb durch eine von Steenkamp und
Baumgartner (1995) entwickelte Kurzform der CSI operationalisiert. Die Autoren
konnten zeigen, dass die aus sieben Items bestehende Skala mit der originalen CSI
hinsichtlich Faktorstruktur, Validität und Reliabilität vergleichbar ist und deshalb „an
attractive alternative to the original 95-item scale for researchers who want to study
the role of OSL in human behavior in general, and in consumer behaviors with strong
exploratory elements“ (Steenkamp/Baumgartner 1995, S. 103) darstellt. In Tabelle 79
ist die in der empirischen Untersuchung verwendete Skala dargestellt. Die
Übersetzung aus dem Englischen erfolgte möglichst wörtlich, musste aus
Verständnisgründen aber teilweise erweitert werden.
Indikator
OSL1
OSL2
OSL3
OSL4
OSL5
OSL6
OSL7
Frage
Wenn mich Dinge langweilen, suche ich neue und unbekannte Erfahrungen.
Ich mag es lieber, wenn mein tägliches Leben geordnet und regelmäßig abläuft und wenige
unvorhersehbare Veränderungen mit sich bringt (Invers).
Ich mag einen Job, der mir Veränderungen, Vielfalt und Reisemöglichkeiten bietet, selbst
wenn damit auch Gefahren verbunden sind.
Ich mache nie lange dasselbe, sondern verändere meine Aktivitäten dauernd.
Ich ziehe es vor, die Dinge beizubehalten wie sie sind, anstatt neue, andersartige Sachen
auszuprobieren (Invers).
In meinem täglichen Leben mag ich Neuheiten und Veränderungen.
Ich suche kontinuierlich nach neuen Ideen und Erfahrungen
Tabelle 79: Operationalisierung des Optimum Stimulation Levels. In Anlehnung an
Steenkamp/Baumgartner 1995, S. 100; Übersetzung durch den Autor
Konfirmatorische Faktorenanalyse (Pretest)
Die Skala wurde, wie alle Messmodelle im Rahmen des Pretests, einer
konfirmatorischen Faktorenanalyse unterzogen (siehe Tabelle 80). Dabei konnten die
guten Validitäts- und Reliabilitätsergebnisse von Steenkamp und Baumgartner (1995)
nicht bestätigt werden: Drei der sieben Items wiesen eine Faktorladung von unter 0,7
auf und wurden daher von der weiteren Analyse ausgeschlossen. Die verbleibenden
359

vier Indikatoren (OSL1, OSL2, OSL3 und OSL5) erfüllen alle Gütekriterien sowohl auf
Indikator- als auch auf Konstruktebene. Insbesondere liegen alle verwendeten globalen
Gütemaße mit Werten von 1,00 deutlich über der Grenze von 0,9. Auch das Cronbachs
Alpha übersteigt mit einer Höhe von 0,84 den Grenzwert. Da der erste Eigenwert der
Korrelationsmatrix der manifesten Variablen über 1 (2,73) und der zweite darunter
liegt (0,45) kann weiterhin von Unidimensionalität der Skala ausgegangen werden.
Insgesamt sind die Ergebnisse unter dem Gesichtspunkt, dass es sich um eine
etablierte Skala handelt, als nicht gut einzustufen. Eine mögliche Erklärung ist, dass
die Fragen zum OSL das Ende des Fragebogens markierten und die Konzentration der
Befragten an dieser Stelle schon nachgelassen hatte, was zu unsachgemäßen
Antworten geführt haben könnte.
Indikatorenebene
Konstruktebene
Indikator Ladung Indikatorreliabilität
DEV Faktorreliab.
Globale
Anpassungsmaße
Cronbachs
Alpha
Kriterium > 0,70 > 0,50 > 0,50 > 0,60 > 0,9 < 0,1 > 0,70
OSL1 0,77 0,59 0,57 0,84 GFI: 1,00 RMR: 0,00 0,84
OSL2 0,75 0,56
AGFI: 1,00
NFI: 1,00
OSL3 0,73 0,53
CFI: 1,00
OSL4 61 0,50 -
OSL5 0,76 0,59
OSL6 61 0,47 -
OSL7 61 0,61 -
Tabelle 80:
Ergebnisse der konfirmatorischen Faktorenanalyse des OSL im Pretest
PLS-Messmodell (Hauptuntersuchung)
In Tabelle 81 sind die Ergebnisse des PLS-Messmodells der Hauptuntersuchung für
das OSL dargestellt. Die aus der KFA resultierende Skala kann auch hier nicht
beibehalten werden, da die Ladung des Indikators OSL1 mit 0,619 unter dem
Grenzwert von 0,70 liegt. Er wurde deshalb von den weiteren Analysen
ausgeschlossen. Die verbleibenden drei manifesten Variablen OSL2, OSL3 und OSL5
erfüllen auf Indikatorebene und Konstruktebene mit Ausnahme des Cronbachs Alpha
61 Von der weiteren Analyse ausgeschlossen
360

alle vorgegebenen Gütekriterien. Mit einem Wert von 0,621 liegt dieses aber deutlich
unter dem Grenzwert von 0,70. Die Messung des OSL kann daher zusammenfassend
als eher unterdurchschnittlich bezeichnet werden. Ein möglicher Grund hierfür ist,
dass, genau wie im Pretest, die OSL-Fragen den Abschluss des Fragebogens der
Hauptuntersuchung darstellten und deshalb evtl. von den Befragten nicht mehr sehr
gewissenhaft ausgefüllt wurden.
Indikatorenebene
Indikator Ladung t-Wert
(Ladung)
DEV
Interne
Konsistenz
Konstruktebene
Q 2 Eigenwerte
(EW)
Kriterium > 0,70 > 1,98 > 0,50 > 0,60 > 0 1. EW > 1
2. EW < 1
OSL1 62 0,619 -
OSL2 0,758 32,403
OSL3 0,702 21,971
OSL5 0,801 44,930
0,570 0,798 0,172 1,710
0,725
Cronbachs
Alpha
> 0,70
0,621
Tabelle 81:
Gütekriterien des PLS-Messmodells der Hauptuntersuchung für das OSL
Da die Untersuchung des Einflusses personenspezifischer Unterschiede auf KPV und
NPV explorativen Charakter hat, soll dieser trotz der suboptimalen Messung des OSL
auf Basis der verbleibenden drei Indikatoren nachfolgend betrachtet werden.
Überprüfung der Hypothese
Der Hypothesentest erfolgt nach demselben Schema wie bei der Expertise: Zunächst
werden die Personen geclustert, d. h. einem Cluster mit hohem OSL oder einem
Cluster mit geringem OSL zugeteilt. 302 (59,9%) Befragte fielen dabei in die Gruppe
mit hohem, 291 (49,1%) in die Gruppe mit geringem OSL. Drei Personen konnten
nicht eindeutig zugeteilt werden und wurden deshalb bei der Analyse nicht
berücksichtigt. Die Clusterung erfolgte auf Basis der in PLS berechneten
standardisierten Werte der latenten OSL-Variablen. Personen mit hohem OSL hatten
durchschnittlich eine Ausprägung von 0,788 (SD = 0,559), der Mittelwert der
Personen, die zum Cluster mit geringem OSL gehören, haben bei -0,818 (SD = 0,634).
Ein T-Test hat bestätigt, dass sich die OSL-Mittelwerte der beiden Cluster signifikant
62 Von der weiteren Analyse ausgeschlossen
361

(p < 0,001) unterscheiden. Die Ergebnisse der Clusteranalye sind in Tabelle 82
zusammengefasst.
Cluster Anzahl Anteil Durchschnitt Standardabweichung
Hohes OSL 302 50,9% 0,788 0,559
Geringes OSL 291 49,1% -0,818 0,634
Sig. T-Test (2-
tailed)
0,000
Tabelle 82:
Ergebnisse der Clusteranalyse zum Optimum Stimulation Level
Um eine Aussage zum Zusammenhang von OSL und von Kosten und Nutzen von
Produktvielfalt machen zu können, wurden die (standardisierten) Mittelwerte der
latenten Nutzen- und Kostenvariable (aus PLS) der beiden Gruppen „Geringes OSL“
und „Hohes OSL“ miteinander verglichen und einem T-Test unterzogen, Tabelle 83
zeigt die Ergebnisse. Der NPV der Gruppen unterscheidet sich erwartungsgemäß nicht
signifikant. Auch die Kostenunterschiede sind nicht sehr ausgeprägt und folglich auch
nicht signifikant. So haben Personen mit hohem OSL durchschnittlich Kosten von
-0,066 (SD = 1,031). Die Kosten der Personen mit geringem OSL sind mit einem
Mittelwert von 0,059 (SD = 0,967) etwas höher. Die Kostenunterschiede haben damit
die vermutete Richtung, da Personen mit hohem OSL mit hoher Vielfalt geringere
Kosten verbinden. Erfolgt der T-Test einseitig, wird also nur beurteilt, ob die KPV von
Personen mit hohem OSL geringer sind, als die von Personen mit geringem OSL; so
ergibt sich ein schwach signifikanter Unterschied (p < 0,10).
Cluster
Durchschnitt
Nutzen
Sig. T-Test
(2-tailed)
Durchschnitt
Kosten
Standardabweichung
Standardabweichung
Sig. T-Test
(2-tailed)
Hohes OSL 0,008 1,051 -0,066 1,031
0,916
Geringes OSL -0,001 0,948
0,059 0,967
0,129
Tabelle 83: Ergebnisse des T-Tests der Kosten und Nutzen von Produktvielfalt für Befragte mit
hohem und geringem OSL
Insgesamt zeigen die Untersuchungsergebnisse die vermutete Richtung des
Zusammenhangs des Optimum Stimulation Level einer Person und ihrer KPV. Der
362

Mittelwert der latenten Kostenvariable der Individuen mit hohem OSL liegt aber nur
geringfügig über dem der Personen mit geringem OSL (einseitiger T-Test; p < 0,10).
Da der Unterschied der Mittelwerte der beiden Cluster (zweiseitiger T-Test) nicht
signifikant ist, kann die Hypothese 21 nicht aufrecht erhalten werden.
Zusammenfassend können die Ergebnisse zum Zusammenhang von OSL und den KPV
als explorativ interpretiert werden. Sie haben die vermutete Tendenz aufgezeigt aber
nicht „belegt“. In nachfolgenden Untersuchungen mit entsprechendem Schwerpunkt,
kann das Konstrukt Optimum Stimulation Level deshalb einen wichtigen
Erklärungsbeitrag zum interpersonellen Unterschied im Umgang mit hoher
Produktvielfalt liefern.
4.4.4 Zusammenfassung
In diesem Abschnitt wurde erstens untersucht, ob es weitere, nicht aus der Theorie
abgeleitete Zusammenhänge zwischen den Größen des Untersuchungsmodells gibt.
Zweitens sind mit der Beratungszufriedenheit und der Preisführerschaft zwei weitere
Einflussfaktoren außerhalb des Sortiments in die Betrachtung einbezogen worden und
zum dritten wurde analysiert, wie sich die Expertise und das Optimum Stimulation
Level (OSL) als personenimmanente Eigenschaften auf den Umgang mit
Produktvielfalt auswirken.
Die Analysen haben hierbei gezeigt, dass es einen signifikanten Einfluss der Loyalität
zum Geschäft auf die Loyalität zur Marke gibt, der darauf hindeutet, dass
Konsumenten zunächst daran denken, wo sie kaufen und dann erst überlegen, welche
Marke sie erwerben möchten. Da die Varianzerklärung der Loyalität zur Marke mit
18,2% aber insgesamt gering ist, ist dieses Ergebnis nicht stark belastbar. Die Ursache
für die geringe Varianzerklärung liegt vermutlich darin, dass die Personen aufgrund
des Untersuchungsdesigns direkt nach dem Kauf nach ihrer Loyalität zur gekauften
Marke gefragt wurden, diese sich aber erst im Laufe der Produktnutzung herausbildet
und deshalb zum Zeitpunkt der Befragung von den Teilnehmern nur antizipiert werden
konnte. Dieses Urteil ist noch mit großen Unsicherheiten behaftet, so dass es durch die
Größen des Modells insgesamt nur schlecht erklärt werden kann.
Aus den PLS-Modellen zur Untersuchung des Einflusses der Preisführerschaft und
der Beratungszufriedenheit ging hervor, dass beide Größen keine Wirkung auf die
Kaufabsicht haben. Dieses Ergebnis zeigt, dass Handelsunternehmen nicht
363

notwendigerweise billiger sein müssen als ihre Konkurrenten, sie sollten vermutlich
aber auch nicht wesentlich teurer sein als diese. Das Resultat hinsichtlich der
Beratungszufriedenheit muss insgesamt angezweifelt werden, da weitere Analysen
gezeigt haben, dass beratene Kunden deutlich häufiger kaufen als nicht beratene. Die
Parameterschätzungen durch PLS sind dahingehend unsicher, dass auch Personen, die
nicht beraten wurden, in die Analysen mit einbezogen werden mussten, um die
Wirkung auf das Kaufverhalten zu berechnen. Da diese Personen aber keine Angaben
zur Beratungszufriedenheit machen konnten und ihre Werte durch PLS als fehlend
angenommen werden, kann es einen systematischen Einfluss auf die Schätzergebnisse
gegeben haben. Die Untersuchung der Auswirkung der Beratungszufriedenheit und
der Preisführerschaft auf dem Kauf nachgelagerte Größen hat aber gezeigt, dass die
Preisführerschaft die Loyalität zum Geschäft signifikant beeinflusst. Gleiches gilt für
die Beratungszufriedenheit, die zusätzlich noch einen Einfluss auf die Kaufprozesszufriedenheit
hat. Die Einflussstärke beider Konstrukte ist jedoch geringer als die des
Nutzens von Produktvielfalt, woraus der Schluss gezogen werden kann, dass die Größe
und Art des Sortiments einen größeren Einfluss auf die Kaufprozesszufriedenheit und
die Loyalität zum Geschäft haben, als die Preisführerschaft und die Beratung.
Zuletzt wurde untersucht, ob sich die Expertise und das OSL einer Person auf deren
Kosten und Nutzen von Produktvielfalt auswirken. Dies ist nur ein Randthema der
Untersuchung, das dazu dienen soll Tendenzen aufzuzeigen; die Ergebnisse sind daher
als explorativ zu verstehen. Es hat sich gezeigt, dass Personen, die über hohe
Expertise verfügen, mit hoher Produktvielfalt weniger negative Aspekte verbinden,
was aus ihren durchschnittlich geringeren Kosten von Produktvielfalt zu erkennen ist.
Die Unterschiede von Kosten und Nutzen von Produktvielfalt hinsichtlich des OSL
sind nicht signfikant. Nur eine einseitige Betrachtung, ob Personen mit höherem OSL
geringere Kosten von Produktvielfalt haben, ist schwach signifikant. Diese Ergebnisse
sind vor allem auf das verhältnissmäßig schlechte Messungmodell des OSL
zurückzuführen, die wiederum darin begründet liegt, dass das Konstrukt am Ende des
Fragebogens gemessen wurden und die Messung aufgrund der nachlassenden
Konzentration der Befragungsteilnehmer mit Fehlern behaftet sein könnte. Die
Tendenz, dass Personen mit hohem OSL mit großen Sortimenten weniger negative
Aspekte, d. h. geringere Kosten von Produktvielfalt verbinden, ist dennoch
erkennbar. Im Gegensatz hierzu konnten erwartungsgemäß keine Unterschiede der
Werte des Nutzens von Produktvielfalt von Konsumenten mit hohem oder geringem
OSL festgestellt werden, gleiches gilt für die Expertise. Die beiden betrachteten
364

Personeneigenschaften wirken sich folglich, wie vermutet, nur auf die Kostenseite,
also auf die negativen Aspekte hoher Produktvielfalt aus.
Aus Unternehmenssicht ist es von hoher Relevanz zu wissen, durch welche
Eigenschaften des Sortiments Kosten und Nutzen von Produktvielfalt beeinflusst
werden, um daraus entsprechende Gestaltungsmaßnahmen ableiten zu können.
Nachfolgend wird deshalb die Einflussstärke verschiedener Eigenschaften des
Sortiments auf Kosten und Nutzen von Produktvielfalt untersucht.
365

5. Determinanten der Kosten und Nutzen von Produktvielfalt
In den bisher beschriebenen Ergebnissen der empirischen Untersuchung ging es zum
einen um die Messung des Werts von Produktvielfalt in Form seiner Kosten- und
Nutzendimension, und zu anderen um dessen bzw. deren Konsequenzen. Aus
Unternehmenssicht ist es aber wichtig zu wissen, welche Eigenschaften des Sortiments
Kosten und Nutzen von Produktvielfalt wie stark beeinflussen. Durch die Kenntnis
der Einflussstärke verschiedener Eigenschaften des Sortiments können zentrale
Stellhebel zur effektiven und effizienten Reduktion negativer, bzw. Betonung positiver
Aspekte hoher Produktvielfalt identifiziert werden. Wie gezeigt wurde, wirken sich
sowohl die KPV als auch die NPV auf das Kaufverhalten und die Kaufbewertung aus.
Durch die zielgerichtete Anpassung des Sortiments kann ein Unternehmen somit
letztlich sowohl die Kaufintention als auch die Zufriedenheit und Loyalität der
Konsumenten erhöhen.
Um diejenigen Eigenschaften des Sortiments zu identifizieren, welche die Kosten und
Nutzen von Produktvielfalt maßgeblich beeinflussen, werden zunächst potenzielle
Einflussfaktoren herausgearbeitet. Die im Anschluss daran dargestellten Ergebnisse
der empirischen Untersuchung geben Auskunft über die Einflussstärke der
identifizierten Sortimentseigenschaften auf den Wert von Produktvielfalt bzw. auf
dessen Kosten- und Nutzendimension.
5.1 Sortimentseigenschaften als Determinanten
5.1.1 Potenzielle Einflussfaktoren des Sortiments
Die in die Untersuchung einbezogenen und als wesentlich für die Entstehung der
beiden Dimensionen des Werts von Produktvielfalt eingeschätzten Sortimentscharakteristika
basieren zum einen auf dem in Kapitel 2 (S. 68ff.) dargestellten
theoretischen Hintergrund der Untersuchung, und zum anderen auf Einschätzungen
von Experten. Die aus der Theorie abgeleiteten Einflussgrößen sind bereits ausführlich
diskutiert und in den Hypothesen 15 bis 19 zusammengefasst worden (siehe S. 184).
366

Ohne auf Details einzugehen, wurden dabei folgende Sortimentseigenschaften als
potenzielle Determinanten der Kosten von Produktvielfalt abgeleitet:
• Die Anzahl der Produkte im Sortiment ( + ),
• die Existenz wechselseitig positiver Produktattribute verschiedener
Alternativen, d. h. die Kompromissnotwendigkeit bei der Entscheidung ( + ),
• die Verschiedenheit (klare Produktunterschiede) ( _ ) und
• die Vergleichbarkeit der Produkte( _ ).
Als hauptverantwortlich für die Entstehung des Nutzens von Produktvielfalt wurde
aus den theoretischen Ausführungen
• die Anzahl der Produkte ( + )
abgeleitet.
Diese potenziellen Einflussfaktoren wurden im Vorfeld der empirischen Untersuchung
mit verschiedenen Experten, vor allem aus dem Umfeld des kooperierenden
Handelsunternehmens, diskutiert. Dabei wurde deutlich, dass drei weitere Aspekte
mit potenziellem Einfluss aus Unternehmenssicht von Interesse sind:
• Die Anzahl der Marken im Sortiment,
• die Anzahl der Produkte auf dem für den Konsumenten relevanten
Preisniveau und
• die Abdeckung verschiedener Preispunkte (Preisvielfalt).
Die Wichtigkeit der Markenanzahl wurde von den Experten damit begründet, dass im
Bereich der Elektronikprodukte Marken bei der Kaufentscheidung eine wichtige Rolle
spielen. Dies ist darauf zurückzuführen, dass Konsumenten davon ausgehen, dass ein
Markenprodukt qualitativ hochwertig ist und der Kauf eines Markenprodukts folglich
mit geringeren Risiken verbunden ist. Die Wahl einer bekannten Marke stellt deshalb
eine Heuristik dar, welche die Kaufentscheidung erleichtert (vgl. Hauser/Wernerfelt
1990, S. 393; Simonson 1992, S. 107)). Gleichzeitig erwartet der Konsument von
einem guten Sortiment, dass dieses Produkte verschiedener und führender Marken
enthält. Die Anzahl an Marken könnte sich somit positiv auf den NPV und negativ
auf die KPV auswirken.
Konsumenten wissen nach Expertenaussage meist relativ genau, wie viel sie für den
Kauf eines Produktes ausgeben wollen. Für den Verbraucher ist bei der
Kaufentscheidung deshalb nicht das gesamte Sortiment relevant, sondern nur der Teil
367

mit Produkten auf dem entsprechenden Preisniveau. In der Marketingliteratur wird in
diesem Zusammenhang häufig vom Consideration Set gesprochen, der die für die
Entscheidung relevanten Marken und Produkte enthält (vgl. Roberts/Lattin 1991,
S. 429). Es macht folglich Sinn, die Anzahl der Produkte auf relevantem Preisniveau
explizit als Determinante der NPV in die Untersuchung einzubeziehen.
Der positive Einfluss der Preisvielfalt auf die Nutzenaspekte liegt im Wesentlichen
darin begründet, dass Konsumenten durch die Existenz verschiedener Preispunkte im
Sortiment die Möglichkeit haben, sich über das Leistungsspektrum von billigen bis zu
teuren Produkten zu informieren. Sie bekommen dadurch ein Gefühl für die
Preis-Leistungs-Relation der Produktkategorie und können die einzelnen Produkte
besser beurteilen. Für ein Handelsunternehmen ist die Abdeckung eines breiten
Preisspektrums zudem eine Möglichkeit, seine Sortimentskompetenz zu
demonstrieren und dem Konsumenten den Eindruck zu vermitteln, den „gesamten
Markt“ der Produktkategorie, d. h. Produkte von preiswert bis teuer, zur Wahl zu
haben.
Insgesamt werden sieben potenzielle Einflussfaktoren in die Untersuchung
einbezogen, von denen vier quantitative und drei qualitative Aspekte des Sortiments
abdecken. Letztere adressieren vor allem die Eigenschaften der Produkte des
Sortiments und deren Beziehungen untereinander und fallen somit eher in den
Gestaltungsbereich von Produktherstellern. Im Gegensatz hierzu beziehen die
quantitativen Größen verschiedene Gesichtspunkte in die Untersuchung mit ein, die
ein Handelsunternehmen durch die Auswahl der angebotenen Produkte im Sortiment
beeinflussen kann.
Abbildung 72 stellt die in der nachfolgend beschriebenen empirischen Untersuchung
als potenzielle Einflussfkatoren auf die KPV und NPV einbezogenen Sortimentseigenschaften
zusammenfassend dar.
368

Anzahl Produkte
Nutzen
Kosten
Anzahl Marken
NPV
KPV
Quantitativ
Anzahl Produkte auf
relevantem Preisniveau
Preisvielfalt
Kompromissnotwendigkeit
AP EA IM Sp PE
AA VF AR
... ... ... ... ... ... ... ...
Qualitativ
klare Produktunterschiede
Antizipierter
Produktnutzen
Erfolgsaussichten
Informationsmöglichkeiten
Spaß
Positive
Emotionen
Aufwand und
Anstrengung
Negative
Emotionen
Antizipiertes
Regret
Vergleichbarkeit Produkte
Abbildung 72: In der empirischen Untersuchung berücksichtigte Sortimentsaspekte als potenzielle
Einflussgrößen auf die Kosten und Nutzen von Produktvielfalt
Um die Einflussstärke der betrachteten Sortimentscharakteristika messen zu können,
müssen diese zunächst operationalisiert werden.
5.1.2 Operationalisierung der untersuchten Einflussfaktoren
Vorüberlegungen zur Operationalisierung der Einflussgrößen
Generelles Ziel der empirischen Untersuchung ist es, den Umgang von Konsumenten
mit hoher Produktvielfalt in einer realen Kaufsituation zu untersuchen. Die
Untersuchung der Determinanten der KPV und NPV konnten deshalb nur in einem
Feldexperiment und nicht – wie beispielsweise im Pretest – im Rahmen eines
Laborexperiments mit einer künstlichen Kaufentscheidung erfolgen. Aus
forschungstheoretischer Sicht wäre es folglich optimal, das Sortiment der betrachteten
Produktkategorie eines Einzelhändlers so zu verändern, dass die zu untersuchenden
Variablen manipuliert werden und die resultierenden Effekte durch eine
Konsumentenbefragung mittels des entwickelten Messinstruments und dem Ausgang
der Kaufentscheidung erfasst werden. So müsste beispielsweise die Anzahl der
Produkte im Sortiment mindesten so verändert werden, dass sie einmal relativ gering
und einmal relativ hoch ist. In der Praxis ist dies aufgrund der möglicherweise hohen
finanziellen Auswirkungen für den kooperierenden Einzelhändler nur schwer
durchsetzbar.
369

Es wurde deshalb ein anderes Untersuchungsdesign gewählt: Die Vielfalt wurde
indirekt manipuliert, indem die Untersuchung in drei Geschäften mit unterschiedlichen
Sortimenten stattfand. Die eigentliche Messung der Einflussgrößen erfolgte
anhand der durch Konsumenten wahrgenommenen und bewerteten Vielfalt.
Die drei einbezogenen Märkte derselben Handelskette unterscheiden sich dabei
sowohl hinsichtlich der Größe, als auch der Zusammensetzung der Sortimente. So
bietet beispielsweise das Geschäft 2 insgesamt 90 Digitalkameras an, das Geschäft 3
dagegen 134, also rund 49% mehr. Hinsichtlich der Markenzahl und der Anzahl
verschiedener Preispunkte sind die Unterschiede zwischen minimaler und maximaler
Vielfalt der drei Geschäfte etwas geringer. Bei der Markenzahl liegen sie zwischen 21
und 26 (+24%), bei der Anzahl verschiedener Preispunkte zwischen 43 und 55
(+28%). Die Preisspannen zwischen dem billigsten und dem teuersten Produkt
unterscheiden sich dabei zwischen den drei Geschäften um rund 10% und liegen bei
der DVD-Kategorie zwischen € 1.030 und € 1.148, und bei Digitalkameras zwischen
€ 1.400 und € 1.550. In Abbildung 73 sind die beschriebenen quantitativen
Sortimentseigenschaften der Märkte grafisch veranschaulicht.
Anzahl 160 Anzahl Produkte Anzahl Marken Preispunkte und -spannen
140
134
€1.499 €1.599 €1.499
120
100
80
74
83
95
96
90
€1.197
€ 1.099
60
40
20
0
55
43 46
39
42
37
26 26
21 21 21
24
€49 €69 €49 €99 €49 €49
DVD Kamera DVD Kamera DVD Kamera
Geschäft 1 Geschäft 2 Geschäft 3
Abbildung 73: Anzahl der Marken, Produkte und Preispunkte sowie Preisspannen der drei Geschäfte
Die Messung der in die Untersuchung einbezogenen Einflussgrößen erfolgte nicht anhand
der absoluten, sondern mittels der durch Konsumenten wahrgenommenen Vielfalt. So
wurden Konsumenten beispielsweise gebeten, die angebotene Anzahl an Produkten auf
einer Skala von „deutlich zu gering“ über „optimal“ bis zu „deutlich zu hoch“
einzuordnen. Die Wahrnehmung eines Stimulus – in dem hier betrachteten
370

Zusammenhang des Sortiments – wird in der Konsumentenverhaltensforschung als
Teil des Informationsverarbeitungsprozesses betrachtet (vgl. Kroeber-Riel/Weinberg
1996, S. 265), an dessen Ende das „durch Gedächtnisinhalte ergänzte, durch
Kognition durchstrukturierte, und durch Verhaltenserfahrungen bewertete
Sinnerlebnis“ (Hajos 1977, S. 528) steht. Der Konsument nimmt folglich die Vielfalt
des Sortiments wahr, indem er die Sinnerlebnisse mit seinen Erfahrungen in anderen
Geschäften in Verbindung bringt. Diese stellen sozusagen Referenzpunkte dar, mit
denen der Konsument seine aktuellen Sinneseindrücke vergleicht und sie so bewertet.
Diese Argumentation verwenden z. B. auch Wakefield und Baker (1998), um zu
untersuchen, wie sich die Vielfalt an Geschäften eines Einkaufszentrums auf die
Besucherzahl und Aufenthaltsdauer in diesem auswirkt: „(...) one’s perception of an
object (i.e. the environment) is based upon internally processed comparisons with
other similar objects (...)“ (Wakefield/Baker 1998, S. 529). Für den hier betrachteten
Zusammenhang heißt dies, dass Konsumenten die Vielfalt eines Geschäfts mit der
eines anderen vergleichen. Ihre Einschätzung kann folglich als Annäherung für die
tatsächlichen Vielfaltsunterschiede der Geschäfte verwendet werden. Unterstützt wird
diese Argumentation auch von Analysen der Hauptuntersuchung:
Bewertung der Produktanzahl durch Konsumenten
Tatsächliche Produktanzahl
Geschäft 1
Geschäft 2
Geschäft 3
Anteil der 50%
Befragten
40%
30%
20%
10%
0%
viel zu
gering
Anteil der 50%
Befragten
40%
30%
20%
10%
0%
viel zu
gering
Anteil der
Befragten
zu gering
42,1%
19,8%
0,0% 0,0% 0,5% 3,0% 6,9% 9,4%
40%
35%
30%
25%
20%
15%
10%
5%
0%
viel zu
gering
zu gering
27,5%
0,0% 0,0% 1,1% 5,5% 11,0% 9,9%
zu gering
20,3%
12,7%
5,7%
0,0% 0,5% 0,0% 1,4%
genau
richtig
32,4%
genau
richtig
34,9%
genau
richtig
zu hoch
38,1%
9,4% 8,9% 5,4% 5,9% 5,0% 3,5%
zu hoch
40,1%
8,8% 8,2% 7,1%
9,3%
zu hoch
44,8%
viel zu
hoch
2,2% 4,4%
viel zu
hoch
10,8% 10,4% 10,8%
7,1%
2,8% 2,8%
viel zu
hoch
Anzahl
160
140
120
100
80
60
40
20
0
134
95 96
90
83
74
DVD
Kam era
Geschäft 1
Geschäft 2
Geschäft 3
Abbildung 74: Vergleich der durch Konsumenten eingeschätzten und der tatsächlichen Anzahl der
Produkte in den drei untersuchten Geschäften
371

Vergleicht man in obiger Abbildung die Einschätzung der Anzahl an Produkten durch
Konsumenten (links) mit der realen Produktanzahl (rechts), so ist zu erkennen, dass
letztere von Geschäft 1 zu Geschäft 3 zunimmt. Der Anteil der Befragten, welche die
Produktanzahl als „zu hoch“ einschätzen, steigt ebenfalls von 38,1% im ersten
Geschäft auf 44,8% im dritten Geschäft und ist folglich mit der realen Zunahme an
angebotenen Produkten konform.
Die Wahrnehmung bzw. Bewertung der Vielfalt durch Konsumenten scheint folglich
als Annäherung an die tatsächliche Vielfalt sinnvoll zu sein. Sie stellt unter den
gegebenen Rahmenbedingungen eines Feldexperiments, in dem die Sortimente nicht
verändert werden können, einen gangbaren Weg zur Messung der Sortimentseigenschaften
als Einflussgrößen auf Kosten und Nutzen von Produktvielfalt dar.
Operationalisierung der potenziellen Determinanten
In Tabelle 84 ist die Operationalisierung der untersuchten Einflussgrößen des
Sortiments dargestellt. Es ist zu erkennen, dass zwei verschiedene Skalen verwendet
wurden. Zum einen diente eine 13-Punkt-Skala der Operationalisierung der
quantitativen Größen Produktzahl, Markenzahl und Produktzahl auf relevantem
Preisniveau. Sie hatte Ausprägungen von „deutlich zu gering“ (1), über „optimal“ (7)
bis „deutlich zu hoch“ (13). Zum anderen wurde eine 7-Punkt-Likertskala für die
qualitativen Einflussgrößen und die Anzahl der Preispunkte verwendet. Die
Bewertungsskala mit 13 Antwortmöglichkeiten wurde gewählt, da sie gegenüber einer
Likert-ähnlichen Skala wie z. B. „Die Anzahl an Produkten ist ... (1) sehr gering ... (7)
sehr hoch“ den Vorteil hat, dass zusätzlich Aussagen über die Bewertung der Vielfalt
durch die Konsumenten gemacht werden können.
372

Einflussgröße Frage Skala
Anzahl Produkte
Anzahl Marken
Anzahl Produkte auf
relevantem
Preisniveau
Preisvielfalt
Kompromissnotwendigkeit
Klare Produktunterschiede
Vergleichbarkeit der
Produkte
Ich finde die Anzahl der Digitalkameras ist
insgesamt...
Ich finde, die Anzahl verschiedener Marken
(Hersteller) ist ...
Ich finde, die Anzahl der Digitalkameras, die in
etwa das kosten, was ich ausgeben will, ist ...
Dieses Sortiment enthält Digitalkameras in vielen
Preislagen – von preiswert bist teuer.
Die Digitalkameras haben verschiedene Vor- und
Nachteile, so dass ich Kompromisse eingehen
muss
Die Unterschiede der verschiedenen
Digitalkameras sind mir vollkommen klar.
Ich kann die verschiedenen Digitalkameras des
Sortiments leicht miteinander vergleichen.
1 (...) 7 (...) 13
deutlich zu
gering
genau
richtig
deutlich zu
hoch
1 (...) 7 (...) 13
deutlich zu
gering
genau
richtig
deutlich zu
hoch
1 (...) 7 (...) 13
deutlich zu
gering
Stimme
überhaupt
nicht zu
Stimme
überhaupt
nicht zu
Stimme
überhaupt
nicht zu
Stimme
überhaupt
nicht zu
genau
richtig
(…)
(…)
(…)
(…)
deutlich zu
hoch
Stimme
vollkommen
zu
Stimme
vollkommen
zu
Stimme
vollkommen
zu
Stimme
vollkommen
zu
Tabelle 84:
Operationalisierung der Einflussfaktoren
Auf Basis dieser Operationalisierung wurde die Stärke des Einflusses der einzelnen
Größen auf die KPV und NPV untersucht. Die Ergebnisse werden im nächsten Kapitel
beschrieben und diskutiert.
5.2 Empirische Untersuchung
Die Untersuchung der Einflussstärke der betrachteten Sortimentseigenschaften erfolgte
ebenfalls mit Hilfe eines PLS-Graphen. Da auch Größen in die Untersuchung
einbezogen wurden, die nicht aus theoretischen Ausführungen des zweiten Kapitels
abgeleitet wurden, aber aus Expertensicht relevant sind (siehe S. 367f.), existieren
nicht für alle Größen Hypothesen bezüglich deren Auswirkung auf die KPV und NPV.
Es wurde deshalb in einem ersten explorativen Schritt der Zusammenhang aller
einbezogenen Größen sowohl mit den KPV als auch mit den NPV untersucht. In dem
hierbei verwendeten PLS-Strukturmodell stellen die Kosten- und Nutzenaspekte die
endogenen Variablen dar. Diese wurden wie schon bei vorherigen Analysen durch die
von PLS ermittelten Werte der latenten Variablen KPV und NPV gemessen (siehe z. B.
S. 307ff.). Die einbezogenen Einflussgrößen bilden die exogenen Variablen des
373

Strukturmodells. Da in dem verwendeten Schätzverfahren 63 PLS intern mit
standardisierten Werten rechnet, wurden alle Variablen in der Originalskalierung, d. h.
unabhängig davon, ob ihnen eine 13- oder 7-Punkt Skala zugrunde liegt, in die
Analysen einbezogen.
Im zweiten Schritt wurden auf Basis der t-Werte der Pfadkoeffizienten sukzessive
alle nicht signifikanten Beziehungen entfernt, bis das Modell nur noch signifikante
Beziehungen enthielt. Dies führte zu folgenden Ergebnissen:
Ergebnisse des PLS-Modells
Abbildung 75 stellt die Ergebnisse in grafischer Form als Pfaddiagramm dar. Die
schon zugehörigen Gütemaße sind Tabelle 85 zu entnehmen.
Nutzen
NVP
Kosten
KPV
Konstrukt
0,335
0,094 0,367 0,530
-0,077 0,215 -0,091 -0,313
0,060 ns Anzahl
-0,116 -0,073
Determinanten
#Pr #Ma #PPr PV PU
Ver
Anzahl
Produkte
Marken
# Produkte auf
rel. Preisniveau
Preisvielfalt
Vergleichbarkeit
Kompromissnotwendigkeit
Kom
klare Produktunterschiede
Rang
Nutzen n.a. 2 3 1
Rang
Kosten 1 5 7 6 3
4 2
Abbildung 75: Ergebnisse der PLS-Parameterschätzung der Determinanten der Kosten und Nutzen
von Produktvielfalt
63 Centroid; Rescaling with Location
374

Exogene
Konstrukte
t-Wert
(Pfadkoeffizient)
Zielkonstrukt
Hypothese
Ausgangskonstruktebene
(exogene Variable)
Pfadkoeffizient
Zielkonstruktebene
(endogene Var.)
VIF f 2 R 2 Q 2
(Redu.)
⏐⏐> 0,1 > 1,98 < 10 > 0,05 > 0,3 > 0
Anzahl Produkte 64 + ( ) 0,060 1,401
Anzahl Marken 54 n.a. 0,053 1,259
Anzahl Produkte
auf rel.
n.a. 0,075 1,753
Preisniveau 54
Preisvielfalt
NPV
n.a. 0,335 8,545 1,058 0,160
Kompromissnotwendigkeit
54 n.a. -0,063 1,653
Vergleichbarkeit
der Produkte
n.a. 0,094 2,072 1,587 0,008
n.a. 0,367 8,692 1,567 0,131
0,358 0,077
Anzahl Produkte + () 0,530 16,006 1,399 0,426
Anzahl Marken n.a. -0,116 2,942 1,439 0,024
Anzahl Produkte
auf rel.
Preisniveau
n.a. -0,073 2,156 1,135 0,017
KPV
Preisvielfalt n.a. -0,077 2,449 1,083 0,019
0,531 0,223
Klare Produktunterschiede
Kompromissnotwendigkeit
Klare Produktunterschiede
Vergleichbarkeit
der Produkte
+ () 0,215 7,448 1,038 0,087
– () -0,091 2,319 1,605 0,021
– () -0,313 7,804 1,592 0,139
Tabelle 85: Parameterschätzung und Gütemaße der Determinanten der Kosten und Nutzen von
Produktvielfalt (Größen mit signifikantem Einfluss sind farbig hinterlegt)
Nutzen von Produktvielfalt
Betrachtet man zunächst die Einflussfaktoren auf den Nutzen von Produktvielfalt, so
ist aus der Tabelle zu erkennen, dass die beiden Größen Vergleichbarkeit der
Produkte und Preisvielfalt diesen am stärksten beeinflussen. Die Pfadkoeffizienten
der beiden Einflussfaktoren liegen mit Werten von 0,335 für die Preisvielfalt und
64 In Analysen nicht berücksichtigt
375

0,367 für die Vergleichbarkeit der Produkte in einer ähnlichen Größenordung.
Gleiches gilt für die t-Werte der Pfadkoeffizienten sowie für die f 2 -Werte. Positiv
beeinflusst wird der Nutzen auch von dem Faktor klare Produktunterschiede, wobei
dieser Einfluss mit einem Pfadkoeffizienten von 0,094 und einem f 2 -Wert von 0,008
relativ gering, aber aufgrund des t-Werts des Pfadkoeffizienten von 2,072 signifikant
ist. Die anderen betrachteten Sortimentseigenschaften beeinflussen den NPV nicht.
Insbesondere das Ergebnis, dass die Anzahl der Produkte im Sortiment keinen
Einfluss auf den Nutzen von Produktvielfalt hat, ist überraschend und stellt eine
zentrale Hypothese dieser Untersuchung in Frage. Dieser Punkt wird deshalb an
späterer Stelle (siehe S. 381) tiefer gehend betrachtet.
Insgesamt erklären die drei signifikanten Einflussfaktoren 35,8% der Varianz der
Nutzendimension, was als zufrieden stellend einzustufen ist. Das Stone-Geisers Q 2
bezüglich der Redundanz ist positiv und deutet auf die Prognosevalidität des Modells
hin, das insgesamt als valide zu betrachten ist.
Kosten von Produktvielfalt
Die Kosten von Produktvielfalt werden von allen betrachteten Sortimentseigenschaften
signifikant beeinflusst, was aus den t-Werten der Pfadkoeffizienten,
die für alle Größen über der Grenze von 1,98 liegen, hervorgeht. Betrachtet man
zunächst die Höhe der Pfadkoeffizienten, ist aus der Tabelle zu erkennen, dass sich die
Faktoren aber erheblich in ihrer Einflussstärke unterscheiden. So beeinflusst die
Anzahl der Produkte die Kostenaspekte am stärksten, gefolgt von der Vergleichbarkeit
der Produkte und der Kompromissnotwendigkeit. Die Unterschiede in der Stärke
des Einflusses kommen auch in den f 2 -Werten zum Ausdruck, die zwischen 0,426 für
die Produktanzahl und 0,017 für die Anzahl der Produkte auf relevantem Preisniveau
liegen. Vier Einflussfaktoren unterschreiten die gesetzte Grenze von 0,05, üben somit
also einen sehr geringen Einfluss aus. Da die Effektgröße f 2 aber kein hartes
Ausschlusskriterium darstellt (sieh S. 330) und die t-Werte über dem Grenzwert
liegen, werden die Beziehungen auch weiterhin im Modell berücksichtigt.
Die Pfadkoeffizienten der Größen, für die Hypothesen formuliert wurden, haben das
erwartete Vorzeichen: Je höher die Anzahl der Produkte bzw. die Notwendigkeit zum
Kompromiss, desto höher die Kosten. Umgekehrt verhält es sich mit der
Vergleichbarkeit der Produkte und den Produktunterschieden: Je geringer diese sind,
desto höher sind die KPV.
376

Da der VIF aller Determinanten unter dem Wert von 2 und damit sehr deutlich unter
dem Grenzwert von 10 liegt, kann weiterhin deren Multikollinearität ausgeschlossen
werden. Insgesamt können die Einflussgrößen 53,1% der Varianz der latenten
Kostenvariablen erklären, was als gutes Ergebnis zu bezeichnen ist. Die Prognosegüte
des Modells kommt auch durch das Stone-Geissers Q 2 von 0,223 zum Ausdruck.
Die Hypothesen 15 bis 18 können somit insgesamt aufrechterhalten werden. Die
Hypothese 19 (positiver Zusammenhang von Produktanzanl und NPV) wird einer
gesonderten Prüfung unterzogen
Interpretation der Ergebnisse
Die Interpretation der Ergebnisse erfolgt wie beim Messmodell der KPV und NPV
(siehe S. 291f bzw. S. 300f) einerseits anhand des relativen Erklärungsanteils einer
Einflussgröße (Pfadkoeffizient x Korrelation) und andererseits, um eine Aussage über
die Richtung der Beziehung machen zu können, anhand des Vorzeichens des
Pfadkoeffizienten. Beide sind für die Determinanten mit signifikantem Einfluss auf
das jeweilige Zielkonstrukt in Tabelle 86 aufgeführt.
Faktor
Pfadkoeffizient
Korrelation
Pfadkoeffizient
x
Korrelation
Relativer
Erklärungsanteil
Rang
Preisvielfalt 0,335 0,335 0,143 40% 2
NPV
Vergleichbarkeit
der Produkte
0,094 0,388 0,036 10% 3
0,367 0,488 0,179 50% 1
Anzahl Produkte 0,530 0,547 0,290 52% 1
Anzahl Marken -0,116 -0,092 0,011 2% 5
Anzahl Produkte
auf rel.
Preisniveau
-0,073 -0,063 0,005 1% 7
KPV
Preisvielfalt -0,077 -0,162 0,012 2% 5
Klare Produktunterschiede
Kompromissnotwendigkeit
Klare Produktunterschiede
Vergleichbarkeit
der Produkte
0,215 0,251 0,054 10% 3
-0,091 -0,365 0,033 6% 4
-0,313 -0,471 0,147 27% 2
Tabelle 86: Einflussstärke der betrachteten Sortimentseigenschaften auf die Kosten und Nutzen von
Produktvielfalt
377

Nutzendimension
Die Varianz der latenten Variablen NPV wird zu 50% durch die Vergleichbarkeit der
Produkte und zu 40% durch die Preisvielfalt im Sortiment erklärt. Beide Größen
wirken sich positiv auf den Nutzen aus, d. h. je höher die Vergleichbarkeit der
Produkte bzw. Preisvielfalt, desto höher der Nutzen. Die Verschiedenheit der
Produkte steht mit dem NPV ebenfalls in einem positiven Zusammenhang; ihr
Erklärungsbeitrag ist mit 10% aber vergleichsweise gering.
Für Konsumenten scheint es folglich besonders wichtig zu sein, dass die Produkte
eines Sortiments eine hohe Vergleichbarkeit aufweisen. Dies wirkt sich nicht nur
reduzierend auf die KPV, sondern auch stark positiv auf den NPV aus. Zu begründen
ist dies vermutlich damit, dass der potenzielle Käufer besonders dann von hoher
Produktvielfalt profitiert, wenn er aufgrund der Vergleichbarkeit der Produkte leichter
das Produkt identifizieren kann, das seinen Erwartungen und Ansprüchen am nächsten
kommt. Er schätzt folglich die beiden Faktoren der Nutzenkomponente
Erfolgsaussichten und Antizipierter Produktnutzen entsprechend hoch ein.
Gleichzeitig könnte es dem Verbraucher bei guter Vergleichbarkeit der Produkte
besonders leicht fallen, dem Sortiment Informationen zu entnehmen und mehr über die
Produkte zu erfahren, was ihm zusätzlich auch Spaß bereitet. Die Vergleichbarkeit der
Produkte wirkt sich somit positiv auf wesentliche Faktoren der Nutzendimension aus,
was ihren starken Einfluss erklären kann. Die Ergebnisse decken sich insgesamt mit
den Erkenntnissen zur Alignability von Produkten von Gourville und Soman (1999),
auf die an früherer Stelle bereits eingegangen wurde (siehe Kapitel 2.1.4, S. 51ff.).
Die positive Wirkung der Preisvielfalt auf die Nutzendimension lässt sich anhand von
zwei Aspekten gut erklären: Der erste Aspekt bezieht sich darauf, dass ein Sortiment,
das Produkte von billig bis teuer enthält, dem Käufer das gesamte Produktleistungsspektrum
vergegenwärtigt und ihm die Möglichkeit bietet, sich über seine eigenen
Präferenzen klar zu werden. Der Konsument hat daran zum einen Spaß (vgl.
Huffmann/Kahn 1998, S. 509) und zum anderen erhöht dies sein Informationsniveau.
Er kann durch ein breites Preisspektrum weiterhin ein besseres Verständnis der
Preis-Leistungs-Relation der Produktgruppe entwickeln. Ein zweiter Erklärungsansatz
ist die Sortimentskompetenz des Händlers, die durch ein breites Preisspektrum zum
Ausdruck kommt. Der Konsument gewinnt dadurch den Eindruck, dass der
Einzelhändler große Teile der am Markt verfügbaren Produkte anbietet und
entsprechend kompetent ist, und er schließt daraus, dass er in einem anderen Geschäft
keine Produkte findet, die aus seiner Sicht besser sind als die hier verfügbaren. Die
378

Nutzenfacetten Erfolgsaussichten und Antizipierter Produktnutzen sind dadurch
entsprechend hoch.
Obwohl der Einfluss des Faktors Verschiedenheit der Produkte verhältnismäßig
gering ist, sollte er nicht vernachlässigt werden. Hat ein Konsument die Möglichkeit,
Unterschiede der Produkte klar zu erkennen, kann er dadurch ebenfalls leichter seine
Präferenzen identifizieren und sein Informationsniveau erhöhen.
Ein Handelsunternehmen kann die Nutzenaspekte eines Sortiments folglich dadurch
erhöhen, dass es die Produkte des Sortiments beispielsweise durch die Bereitstellung
entsprechender Informationen vergleichbar macht, ein breites Preisspektrum anbietet
und die Unterschiede der einzelnen Produkte betont. Auf konkrete Handlungsempfehlungen
wird in Kapitel 6.2 (S. 397ff.) eingegangen.
Kosten
Den mit Abstand stärksten Einfluss auf die KPV übt mit 52% Varianzerklärungsbeitrag
die Anzahl der Produkte im Sortiment aus. Dies bestätigt die
zentrale Hypothese der Arbeit, dass hohe Produktvielfalt für Konsumenten mit
negativen Konsequenzen in Form von Entscheidungsaufwand, Verwirrung und
Frustration sowie Antizipiertem Regret verbunden ist. Durch eine gezielte Reduktion
der Anzahl der Produkte im Sortiment kann ein Einzelhändler folglich die
Entscheidungskosten des Konsumenten reduzieren.
Neben der Produktanzahl spielt die Vergleichbarkeit der Produkte auch auf der
Kostenseite eine zentrale Rolle. So kann der kognitive Aufwand bei der Entscheidung
vermutlich deutlich reduziert werden, wenn der Konsument die Produkte gut
miteinander vergleichen kann. Er ist dann durch die Vielfalt außerdem weniger
verwirrt und frustriert, da er in geringerem Maße überfordert wird. Dieser Aspekt
wurde von Gourville und Soman (1999), ebenso wie von Markman und seinen
Kollegen (siehe z. B. Markman/Medin 1995; Zhang/Markman 1998; Zhang/Markman
1999) intensiv im Zusammenhang mit der Alignability von Produkten diskutiert (siehe
auch Kapitel 2.1.4, S. 51ff.).
Bestätigt wurde ebenfalls der vermutete positive Zusammenhang von Kompromissnotwendigkeit
und KPV. Dieser dürfte zum einen auf den höheren kognitiven
Aufwand und zum anderen auf die negativen Emotionen, welche bei Entscheidungen,
die einen Kompromiss erfordern, zurückzuführen sein. Im Rahmen der Konflikttheorie
wurde hierauf detailliert eingegangen (siehe Kapitel 2.3.2.2, S. 134ff.).
379

Die Auswirkungen der Produktunterschiede sind wie erwartet negativ, das heißt, je
klarer die Unterschiede, desto geringer die Kosten. Dies deutet darauf hin, dass die
Entscheidung für den Konsumenten mit einem geringeren kognitiven Aufwand
verbunden ist, wenn ihm die Unterschiede der Produkte klar sind und er sich also
lange und intensiv mit den Produkten beschäftigen muss, um deren Unterschiede zu
erkennen. Die Entstehung von antizipiertem Regret dürfte dadurch ebenfalls gemindert
werden, da klare Produktunterschiede eine eindeutige Entscheidung des Konsumenten
erleichtern, er sich der Richtigkeit seiner Entscheidung sicherer ist und deshalb
weniger Bedauern antizipiert.
Der kostenreduzierende Einfluss der Sortimentseigenschaften Markenanzahl, Anzahl
der Produkte auf relevantem Preisniveau sowie Preisvielfalt ist mit Erklärungsanteilen
von 2% bzw. 1% vernachlässigbar gering. Es scheint folglich, dass
Konsumenten mit einer hohen Markenzahl weder positive noch negative Aspekte
verbinden. Gleiches gilt für die Anzahl der Produkte auf relevantem Preisniveau.
Letzteres ist durchaus erstaunlich, da an sich ein positiver Einfluss auf die NPV
naheliegend ist.
Zusammenfassung
Die Untersuchungsergebnisse haben gezeigt, dass der Nutzen von Produktvielfalt im
Wesentlichen durch
• die Vergleichbarkeit der Produkte ( + ) (50%),
• Die Preisvielfalt ( + ) (40%) und
• die Verschiedenheit ( + ) (10%) der Produkte
bestimmt wird. Alle drei Größen wirken sich mit zunehmender Ausprägung positiv
auf die Nutzenaspekte aus.
Die Kosten von Produktvielfalt sind vor allem auf
• die Anzahl der Produkte ( + ) (52%),
• die Vergleichbarkeit der Produkte ( _ ) (27%),
• die Kompromissnotwendigkeit ( + ) (10%) und
• die klaren Produktunterschiede ( _ ) (6%)
zurückzuführen. Während die Anzahl der Produkte und die Kompromissnotwendigkeit
bei zunehmender Ausprägung die Kosten erhöhen, führt eine Zunahme der beiden
380

anderen Faktoren zu deren Senkung. Steigende Vergleichbarkeit und klare
Unterschiede erleichtern demnach die Entscheidung.
Da die Analysen ergeben haben, dass die Anzahl der Produkte keinen positiven
Einfluss auf die NPV hat, wird der Zusammenhang von Produktanzahl NPV sowie
KPV anschließend detailliert betrachtet.
Anzahl der Produkte im Sortiment und ihre Auswirkung auf die NPV und KPV
Zur näheren Untersuchung des Zusammenhangs von Produktanzahl und NPV, wird
dieser zunächst grafisch veranschaulicht. Hierzu wird für jeden Datensatz der in PLS
ermittelte Wert der latenten Nutzen- bzw. Kostenvariablen (y-Wert) in Abhängigkeit
der zugehörigen wahrgenommenen Produktvielfalt (x-Wert) in einem kartesischen
Koordinatensystem in einer Art „Punktewolke“ dargestellt. Abbildung 76 zeigt dies.
Nutzen von Produktvielfalt
Kosten von Produktvielfalt
Nutzen
Bis Optimum
Über Optimum
Kosten
Bis Optimum
Über Optimum
deutlich
zu gering
optimal
deutlich
zu hoch
deutlich
zu gering
optimal
deutlich
zu hoch
Anzahl Produkte
Anzahl Produkte
Abbildung 76: Grafische Veranschaulichung des Zusammenhangs von Produktanzahl und den Werten
der latenten Nutzen- und Kostenvariablen
Im linken Teil der Grafik ist der Zusammenhang von (wahrgenommener)
Produktvielfalt (Anzahl Produkte) und dem Wert der latenten Nutzenvariable (NPV)
dargestellt. Dem Augenschein nach ist zu erkennen, dass der NPV (y-Variable) nicht
wie erwartet über den gesamten Wertebereich der x-Variablen (Anzahl Produkte) –
von „deutlich zu gering“ bis „deutlich zu hoch“ – linear ansteigt. Der
381

PLS-Algorithmus basiert aber auf multiplen linearen Regressionen und versucht,
vereinfacht gesagt, eine Gerade durch die dargestellte „Punktewolke“ zu legen, deren
Steigung Ausdruck für die Stärke und Richtung des Zusammenhangs der beiden
Variablen ist. Die gestrichelte Linie im Diagramm stellt die auf Basis der Werte
ermittelte 65 lineare Trendlinie dar. Zu erkennen ist, dass diese nahezu parallel zur
Abszisse verläuft, also eine Steigung von annähernd 0 (0,008) hat. Folglich ist es nicht
verwunderlich, dass sich im PLS-Modell kein signifikanter positiver Zusammenhang
von Produktanzahl und NPV ergeben hat.
Betrachtet man die Punkte nicht über den gesamten Wertebereich, sondern
abschnittweise zum einen bis zur aus Konsumentensicht optimalen Produktanzahl und
zum anderen oberhalb dieser, ergibt sich ein anderes Bild: Wie die abschnittweise
hinzugefügten Trendlinien 66 veranschaulichen, steigt der Nutzen bis zum Optimum
mit zunehmender Vielfalt deutlich an, nimmt dann aber nach dessen Überschreitung
ab. Es scheint somit, dass zunehmende Vielfalt nach dem Überschreiten eines
Optimums einen negativen Grenzwert hat, d. h. wird die Alternativenzahl über das
Optimum hinausgehend erhöht, reduziert dies den NPV eines Konsumenten.
Führt man dieselbe Betrachtung für die Kostendimension durch (rechter Teil von
Abbildung 76), so zeigt sich, dass die lineare Trendlinie für den gesamten
Wertebereich (gestrichelte Linie) eine deutlich positive Steigung hat, weshalb sich im
PLS-Modell auch ein signifikanter positiver Zusammenhang von Produktanzahl und
KPV ergeben hat. Unterscheidet man auch hier zwei Abschnitte – einen bis zum
Optimum und einen darüber – so verdeutlichen die abschnittweisen Trendlinien, dass
die Kosten bis zum Optimum relativ konstant sind, nach dessen Überschreiten aber
sehr stark ansteigen.
An dieser Stelle soll aber nicht der Versuch unternommen werden, einen
mathematisch korrekten und statistisch belastbaren funktionalen Zusammenhang von
Produktanzahl und Kosten bzw. Nutzen von Produktvielfalt herzuleiten. Vielmehr
sollte die grafische Betrachtung des Zusammenhangs eine mögliche Erklärung des
Ergebnisses des PLS-Modells hinsichtlich der nicht signifikanten Beziehung zwischen
der Anzahl der Produkte und dem Nutzenkonstrukt geben. Als Konsequenz der
explorativen Veranschaulichung bietet es sich aber an, die Wirkung der
Alternativenzahl auf die KPV und NPV abschnittweise mit Hilfe eines PLS-Modells
zu analysieren.
65 Mit Hilfe der Trendlinienfunktion von Microsoft Excel ermittelt
382

Abschnittsweise Betrachtung des Zusammenhangs von Alternativenzahl und Kosten
und Nutzen von Produktvielfalt
Zur abschnittweisen Untersuchung dieses Zusammenhangs mittels eines PLS-Modells
wurde der Datensatz anhand der Werte der „wahrgenommenen Produktvielfalt“
zweigeteilt: 315 der 596 Datensätze hatten Variablenausprägungen von 1 bis 7 und
fielen in die Gruppe „bis zum Optimum“. Die wahrgenommene Produktvielfalt der
restlichen 245 Befragten lag über dem Wert von 8, ihre Datensätze wurden deshalb
dem Sample „über dem Optimum“ zugeteilt. Anschließend wurde für die beiden
Subsamples getrennt ein PLS-Modell mit NPV und KPV 67 als endogene Variablen und
der Anzahl der Produkte als exogene Variable berechnet. In Abbildung 77 sind die
beiden Strukturmodelle mit Parameterschätzung und in Tabelle 87 die zugehörigen
Gütemaße dargestellt.
Vielfalt BIS Optimalniveau (7) Vielfalt ÜBER Optimalniveau (7)
Bis Optimum
Über Optimum
Determinante Konstrukt
Nutzen
NPV
R 2 = 0,209
0,457
N = 351
#Pr
Anzahl
Produkte
Kosten
KPV
R 2 = 0,058
- 0,241
Determinante Konstrukt
Nutzen
NPV
R 2 = 0,069
-0,263
N = 245
#Pr
Anzahl
Produkte
Kosten
KPV
R 2 = 0,239
0,489
Abbildung 77: Abschnittweise PLS-Modelle (bis Optimum, über Optimum) des Zusammenhangs von
Alternativenzahl und Kosten- und Nutzenkonstrukt
Die Parameterschätzungen bestätigen dabei den aufgrund der grafischen
Veranschaulichung vermuteten Zusammenhang:
Im Bereich bis zum Optimum besteht ein signifikanter positiver Zusammenhang
zwischen der Alternativenzahl und der Nutzenkomponente. Der Pfadkoeffizient ist mit
0,457 sehr hoch, dessen Signifikanz kommt durch den zugehörigen t-Wert von 8,868
zum Ausdruck. Im Gegensatz hierzu ist die Auswirkung der Produktvielfalt auf die
KPV trotz eines Pfadkoeffizienten von -0,241 mit einem t-Wert von 1,081 in diesem
66 Mit Hilfe der Trendlinienfunktion von Microsoft Excel ermittelt
67 Die Nutzen- und Kostenvariable wurde jeweils wie bei den vorherigen Modellen gemessen.
383

„Vielfalts-Abschnitt“ nicht signifikant. Auf Zielkonstruktebene kann das Modell die
verwendeten Gütekriterien nicht erfüllen, da die erklärte Varianz der latenten
Nutzenvariable bei nur rund 21%, und das Stone-Geissers Q 2 mit einem Wert von
-0,051 jeweils unterhalb des vorgegebenen Grenzwerts liegen. Die Erklärungskraft des
Modells ist folglich nicht zufrieden stellend. Da aber nicht die Erklärung der Nutzenbzw.
Kostenvariable, sondern die Untersuchung ihrer Zusammenhänge mit der
Anzahl der Produkte im Sortiment Ziel dieser gesonderten Analyse ist, fällt dieses
Ergebnis nicht weiter ins Gewicht. Aus der Signifikanz der Beziehung zwischen
Produktanzahl und NPV kann daher die Schlussfolgerung gezogen werden, dass sich
eine Zunahme der Produktanzahl bis zum Optimum positiv auf den NPV
auswirkt, während dadurch die Kosten nicht signifikant beeinflusst werden.
Liegt die Alternativenzahl über dem Optimum, führt eine Erhöhung der
Alternativenzahl zu einer Reduzierung des Nutzens und einer starken Erhöhung der
Kosten. Beide Beziehungen sind mit t-Werten von 5,340 (Nutzen) und 9,773 (Kosten)
signifikant, wobei der kostensteigernde Effekt aufgrund des deutlich höheren
Pfadkoeffizienten von 0,469 gegenüber -0,263 stärker ist. Auf Zielkonstruktebene
wiederholt sich das Ergebnis des anderen Subsamples: Sowohl die erklärte Varianz als
auch das Q 2 liegen für beide Zielkonstrukte unterhalb der Grenzwerte, wobei die
Werte der NPV deutlich schlechter sind als die der KPV. Die Variable Anzahl der
Produkte kann somit allein betrachtet weder den Nutzen noch die Kosten von
Produktvielfalt ausreichend erklären, beeinflusst diese aber signifikant.
Exogenes
Konstrukt
Zielkonstrukt
t-Wert
(Pfadkoeffizient)
Hypothese
Ausgangskonstruktebene
(exogene Variable)
Pfadkoeffizient
Anzahl
Produkte bis
NPV + () 0,457 8,868
Optimum
(N=351) KPV n.a. -0,241 1,081
Anzahl
Produkte über
NPV n.a. -0,263 5,340
Optimum
(N=245) KPV + () 0,469 9,773
Zielkonstruktebene
(endogene Var.)
VIF f 2 R 2 Q 2
(Redu.)
⏐⏐> 0,1 > 1,98 < 10 > 0,05 > 0,3 > 0
–
(n.a.)
–
(n.a.)
–
(n.a.)
–
(n.a.)
–
(n.a.)
–
(n.a.)
–
(n.a.)
–
(n.a.)
0,209 -0,052
0,058 -0,140
0,069 -0,178
0,239 -0,021
Tabelle 87:
Optimum“
Parameter und Gütemaße der PLS-Modelle der Subsamples „bis Optimum“ und „über
384

Zusammenfassung
Für die Hypothese 19 folgt aus den gesonderten Analysen, dass sie nur teilweise
angenommen werden kann. So hat sich gezeigt, dass der Nutzen von Produktvielfalt
nur bis zu einem bestimmten Punkt mit zunehmender Vielfalt entsprechend der
Hypothese steigt. Überschreitet die Vielfalt an Produkten ein optimales Niveau, führt
eine weitere Erhöhung zu einer Reduktion des Nutzens und gleichzeitig zu einem
starken Anstieg der Kosten. Der Effekt zwischen Produktanzahl und Kosten sowie
Nutzen von Produktvielfalt ist damit stärker als zunächst angenommen:
Eine hohe Produktanzahl im Sortiment führt nicht nur zu hohen Entscheidungskosten,
sondern reduziert gleichzeitig die mit großer Auswahl verbundenen
positiven Aspekte und wirkt sich somit in doppelter Hinsicht negativ aus.
Für Handelsunternehmen folgt daraus, dass sich eine zu hohe Anzahl an Produkten im
Sortiment stark negativ auf das Kaufverhalten der Konsumenten auswirken kann, da
dadurch gleichzeitig die in einem positiven Zusammenhang mit der Kaufabsicht
stehenden Nutzenaspekte reduziert, und die kaufwahrscheinlichkeitsminderndenen
Kostenfacetten gesteigert werden. Ähnliches gilt für die dem Kauf nachgelagerte
Bewertung wie z. B. die Zufriedenheit mit dem Kaufprozess. Folglich sollte ein
Einzelhändler die Gesamtzahl der angebotenen Produkte in einer Produktkategorie
sehr kritisch auf Reduktionsmöglichkeiten überprüfen.
5.3 Zusammenfassung
Kosten und Nutzen von Produktvielfalt werden sowohl durch quantitative als auch
qualitative Aspekte des Sortiments beeinflusst.
Die Anzahl der Produkte im Sortiment ist hierbei der stärkste Einflussfaktor auf die
KPV, wirkt sich aber nur bis zu einem personenspezifischen Optimum positiv auf den
NPV aus. Wird dieses Optimum überschritten, bietet ein Unternehmen also mehr
Produkte an, als aus Sicht eines Konsumenten optimal ist, führt dies zu einer
Reduktion des NPV. Die Grundhypothese dieser Arbeit, dass hohe Produktvielfalt
negative Auswirkungen haben kann, wird durch diese doppelt negative Wirkung zu
hoher Vielfalt zusätzlich bekräftigt.
385

Den zweitstärksten Einfluss auf die KPV und den stärksten auf den NPV hat mit der
Vergleichbarkeit der Produkte eine qualitative Sortimentseigenschaft. Demzufolge
profitieren Konsumenten insbesondere von Sortimenten, deren Produkte gut
vergleichbar sind, wodurch insbesondere die Informationsmöglichkeiten verbessert
und der Vergleich mit den eigenen Präferenzen erleichtert wird. Letzteres beeinflusst
indirekt den antizipierten Produktnutzen und die Erfolgsaussichten und wirkt sich
somit fördernd auf den NPV aus. Der starke Einfluss auf die KPV ist durch die
Notwendigkeit zusätzlicher Abstraktionsschritte bei geringer Vergleichbarkeit der
Produkte zu erklären.
Zweitwichtigster Einflussfaktor auf den NPV ist die Preisvielfalt. Konsumenten
profitieren davon vermutlich in erster Linie dadurch, dass sie sich durch Sortimente
mit Produkten von preiswert bis teuer einen guten Überblick über das Leistungsspektrum
verschaffen können und so ein Gefühl für die Preis-Leistungs-Relation der
Produktkategorie gewinnen.
Interessant ist an den Ergebnissen auch, dass die Anzahl der Marken und die Anzahl
der Produkte auf relevantem Preisniveau keinen Einfluss auf die NPV und nur einen
äußerst geringen, aber signifikanten auf die KPV ausübt.
Insgesamt zeigen die Untersuchungsergebnisse insbesondere, dass zum einen (zu)
hohe Produktvielfalt für Konsumenten negative Aspekte hat und zum anderen
sowohl quantitative als auch qualitative Charakteristika des Sortiments Kosten
und Nutzen von Produktvielfalt beeinflussen.
386

6. Zusammenfassung der Untersuchungsergebnisse
Dieses Kapitel fasst die Gesamtergebnisse der Untersuchung aus den Blickwinkeln der
Marketingtheorie und der Unternehmenspraxis zusammen.
6.1 Die Ergebnisse der Untersuchung aus Sicht der Marketingtheorie
Aus der Perspektive der Marketingtheorie stand eine übergeordnete Frage im Zentrum
dieser Arbeit:
Verbinden Konsumenten mit hoher Produktvielfalt negative Aspekte?
Die Ergebnisse der Untersuchung lassen den Schluss zu, diese Frage mit JA zu
beantworten: Aus Konsumentensicht hat Vielfalt nicht nur Vorteile, sondern auch
Nachteile. Diese wurden als Kosten von Produktvielfalt bezeichnet und wirken sich
negativ auf das Kaufverhalten und die dem Kauf nachgelagerten Evaluationsgrößen
aus. Demnach kann hohe Vielfalt die Kaufintention sowie die Zufriedenheit des
Entscheiders mit dem Kaufprozess reduzieren, die Entstehung kognitiver Dissonanz
begünstigen und so die Produktzufriedenheit negativ beeinflussen. Letztlich kann hohe
Vielfalt dazu führen, dass Konsumenten gegenüber Geschäften mit hoher Vielfalt
illoyal werden.
Die zentrale Hypothese dieser Arbeit (Hypothese 1, S. 92), die von der Existenz
negativer Aspekte hoher Produktvielfalt aus Konsumentensicht ausgegangen ist und
deren nachteilige Auswirkungen auf die Kaufintention und auf verschiedene Facetten
der Nachkaufbewertung vorhergesagt hat, kann somit aufrecht erhalten werden.
Die Untersuchungsergebnisse stehen damit im Widerspruch zur rationalen
Entscheidungstheorie (Rational Theory of Choice) (vgl. Luce 1959, 1977;
Tversky/Shafir 1992, S. 358; siehe auch S. 43f.) bzw. Nutzenerwartungswerttheorie,
die von einem positiven Zusammenhang von Produktvielfalt und Kaufverhalten
ausgeht und im Kern besagt, dass „(...) a high-variety strategy (or customisation
strategy) increases the likelihood that each consumer will find exactly what she or he
wants” (Kahn 1998, S. 46).
387

Die Resultate der Untersuchung lassen sich anhand der zu Beginn der Arbeit
formulierten vier Forschungsfragen im Gesamtzusammenhang darstellen.
Beantwortung der Forschungsfragen
1. Theoretische Erklärung des Zusammenhangs von Produktvielfalt und
Konsumentenverhalten (Forschungsfrage 1)
Der Zusammenhang von Produktvielfalt und Konsumentenverhalten wurde zunächst
anhand folgender übergeordneter Theorien bzw. theoretischer Konzepte verdeutlicht:
• Den gegensätzlichen Hypothesen von Informationsdefizit und Informationsüberlastung
(vgl. Jacoby et al. 1974a,b),
• der Theorie des Optimum Stimulation Level (vgl. Hebb 1955; Leuba 1955) und
• dem Tyranny of Freedom (vgl. Schwarz 2000).
Die Theorien bzw. theoretischen Konzepte haben Hinweise darauf gegeben, dass
übermäßig hohe Produktvielfalt für Konsumenten negative Folgen hat, die sich in
reduzierter Kaufwahrscheinlichkeit und geringerer Zufriedenheit niederschlagen. Auf
unterschiedlicher Basis haben alle drei Theorien einen umgekehrt-u-förmigen
Zusammenhang zwischen der Produktanzahl und der Kaufabsicht bzw. dem
(positiven) Gefühlszustand des Konsumenten abgeleitet. Da die vorliegende Arbeit
zum Ziel hat, die Wirkung hoher Produktvielfalt zu untersuchen, wurden die weiteren
Analysen auf den Bereich der Vielfalt um und über dem Optimum dieses
Zusammenhangs eingeschränkt.
Um den Wirkungszusammenhang von Produktvielfalt und Konsumentenverhalten
detaillierter theoretisch zu beleuchten, wurde dieser in einen Kosten- und einen
Nutzeneffekt aufgegliedert. Die Kosten von Produktvielfalt (KPV) und der Nutzen von
Produktvielfalt (NPV) wurden anschließend durch verschiedene Theorien und
theoretische Konzepte erklärt, indem theoriebasierte Begründungen für die Existenz
positiver und negativer Aspekte hoher Produktvielfalt gegeben wurden. Hierbei sind
sowohl verschiedene Facetten der beiden Konstruktdimensionen, als auch deren
Konsequenzen und Determinanten aufgezeigt worden.
Die Nutzenerwartungswerttheorie hat verdeutlicht, dass hohe Produktvielfalt für
Konsumenten mit einem hohen antizipierten Produktnutzen und guten
388

Erfolgsaussichten verbunden ist. Wie die Ausführungen zum Shopping Hedonismus
gezeigt haben, macht Konsumenten eine große Auswahl zudem Spaß und führt zur
Entstehung positiver Emotionen. Als Folge dieser vier Nutzenaspekte haben
Konsumenten eine höhere Kaufabsicht und sind mit dem Kaufprozess und dem
gekauften Produkt zufriedener. Zurückzuführen sind diese Nutzenaspekte von
Produktvielfalt laut der beschriebenen Theorien in erster Linie auf die Anzahl der
Alternativen im Sortiment.
Die Kosten von Produktvielfalt wurden durch die Cost of Thinking, die
Konflikt-Theorie und die Theorie des antizipierten Regrets erklärt. Die Theorien haben
aufgezeigt, dass hohe Produktvielfalt für Konsumenten mit Aufwand und Anstrengung
verbunden ist und zur Entstehung von negativen Emotionen (Verwirrung und
Frustration) und Antizipiertem Regret führen kann. Diese Kostenfacetten wirken sich
gegensätzlich zu den Nutzenfacetten aus und reduzieren die Kaufintention, die
Zufriedenheit mit dem Kaufprozess und dem gekauften Produkt und können zu
kognitiver Dissonanz nach dem Kauf führen. Die Theorien haben weiterhin
verdeutlicht, dass neben quantitativen Eigenschaften des Sortiments, wie der Anzahl
der Alternativen, auch qualitative Aspekte, wie z. B. die Vergleichbarkeit der
Produkte einen Einfluss auf die KPV ausüben können.
Insgesamt haben die theoretischen Bezugspunkte die erste Forschungsfrage
beantwortet, indem sie
• einen theoretischen Erklärungsansatz für den Zusammenhang von
Produktvielfalt und Konsumentenverhalten gegeben,
• verschiedene Facetten sowie
• Determinanten und Konsequenzen von Kosten und Nutzen von Produktvielfalt
als unabhängige Dimensionen des Werts von Produktvielfalt aufgezeigt
haben.
2. Messung von Kosten und Nutzen von Produktvielfalt (Forschungsfrage 2)
Kosten und Nutzen von Produktvielfalt wurden als unabhängige Dimensionen des
übergeordneten Konstrukts Wert von Produktvielfalt als eindimensionale
mehrfaktorielle Konstrukte konzeptualisiert, deren Faktoren den jeweiligen aus den
Theorien abgeleiteten und oben beschriebenen Facetten entsprechen.
389

Die Nutzendimension bzw. der Nutzen von Produktvielfalt besteht aus den fünf
Faktoren
• Antizipierter Produktnutzen
• Erfolgsaussichten
• Informationsmöglichkeiten
• Spaß (am Einkaufen) und
• Positive Emotionen
Die Kostendimension bzw. die Kosten von Produktvielfalt werden durch drei
Faktoren
• Aufwand und Anstrengung
• Verwirrung und Frustration
• Antizipiertes Regret
konzeptualisiert.
Da die Faktoren verschiedene Facetten der jeweiligen Dimension abbilden, wird auf
Dimensionsebene ein formatives Messmodell verwendet; die Beziehungen zwischen
den Faktoren und der zugehörigen Dimension werden folglich formativ
operationalisiert. Im Gegensatz hierzu erfolgt die Messung auf Faktorenebene mittels
reflektiver Modelle, da die Faktoren jeweils inhaltlich eng umgrenzte
Themenbereiche abdecken und deshalb eine hohe Abhängigkeit der Indikatoren eines
Faktors unterstellt wird. Die generierten Indikatoren basieren zum einen auf den
theoretischen Ausführungen und zum anderen auf Experten- und Konsumenteninterviews.
Nach einem Pretest mit einer exploratischen und konfirmatorischen
Faktorenanalyse (LISREL) wurden die Messmodelle einer empirischen, auf dem
PLS-Verfahren basierenden Untersuchung unterzogen und im Hinblick auf deren
Validität und Reliabilität mittels geeigneter Gütekriterien überprüft. Bei der Analyse
der Einflussstärke der Faktoren auf die Konstrukte hat sich gezeigt, dass die
Nutzendimension am stärksten durch die Faktoren Informationsmöglichkeiten und
Positive Emotionen bestimmt wird und die Kostendimension besonders auf die
Faktoren Verwirrung und Frustration und Aufwand und Anstrengung
zurückzuführen sind.
390

3. Konsequenzen von Kosten und Nutzen von Produktvielfalt (Forschungsfrage 3)
Die Konsequenzen von Kosten und Nutzen von Produktvielfalt im Hinblick auf das
Konsumentenverhalten können anhand der Ergebnisse der entsprechenden
Hypothesentests verdeutlich werden (siehe Abbildung 78).
Evaluation und zukünftige Verhaltensabsicht
Verhalten
Determinanten Konstrukt
Nutzen
NPV
#Pr
Anzahl
Produkte
Loyalität
Geschäft
LG
H 6
PU
H
_
7 H 3
KI
Kaufintention
Ver
Loyalität
Marke
LM
H 14
Dissonanz
Zufriedenheit
Produkt
ZPr
+ H 13
_
H 10
+
Zufriedenheit
H 12
Prozess
+
KD
H 9
_
ZP
kognitive
H H _
8 +
11 H 4
H 5
+
+
Kosten
KPV
+ H 19
H 15 +
_
H
_
16 H 17 + H 18
()
+
_
H 2
+
Kom
klare Produktunterschiede
Vergleichbarkeit
Kompromissnotwendigkeit
Abbildung 78: Die Ergebnisse der Überprüfung der Hypothesen zu den Konsequenzen der Kosten und
Nutzen von Produktvielfalt
Wie aus der Abbildung zu erkennen ist, können bis auf die Hypothesen 4 und 14 alle
Hypothesen aufrechterhalten werden. Demzufolge wirkt sich der NPV direkt positiv
auf die Kaufintention, die Zufriedenheit mit dem Kaufprozess und dem Produkt, sowie
auf die Loyalität zum Geschäft aus. Im Gegensatz hierzu reduzieren die KPV die
Kaufabsicht und die Zufriedenheit mit dem Kaufprozess und begünstigen die
Entstehung kognitiver Dissonanz. Der Zusammenhang mit der Produktzufriedenheit ist
nicht wie vermutet negativ, sondern positiv. Eine Erklärung hierfür könnte sein, dass
der Käufer erwartet, dass er nach einer schweren Entscheidung, bei der er sich sehr
391

angestrengt hat, letztlich eine gute Entscheidung getroffen hat und deshalb mit dem
gewählten Produkt zufrieden ist. Der direkte positive Zusammenhang wird aber über
einen indirekten negativen egalisiert, so dass insgesamt kein Zusammenhang von KPV
und Produktzufriedenheit besteht.
Auch die Hypothesen zu den Abhängigkeiten der Konsequenzkonstrukte
untereinander können bis auf eine beibehalten werden, d. h. die vermuteten
Beziehungen der Konstrukte sind signifikant und haben die erwartete Richtung. Aus
theoretischer Sicht ist vor allem interessant, dass sich die bislang relativ wenig
erforschte Zufriedenheit mit dem Kaufprozess positiv auf die Loyalität zum Geschäft
und die Zufriedenheit mit dem gekauften Produkt auswirkt und gleichzeitig die
Entstehung Kognitiver Dissonanz reduziert. Da die Kognitive Dissonanz die
Produktzufriedenheit signifikant negativ beeinflusst, wird der positive Einfluss der
Kaufprozesszufriedenheit auf die Produktzufriedenheit indirekt noch verstärkt. Dass
Konsumenten, die mit dem gekauften Produkt zufrieden sind auch eine höhere
Loyalität gegenüber der gekauften Marke haben, konnte nicht gezeigt werden.
Zurückzuführen ist dies vermutlich in erster Linie auf das Untersuchungsdesign, bei
dem Konsumenten kurz nach der Kaufentscheidung nach ihrer antizipierten
Produktzufriedenheit und Markenloyalität gefragt wurden. Da sich die Zufriedenheit
mit dem Produkt erst im Laufe der Nutzung herausbildet und diese ein wichtiger
Bestimmungsfaktor der Markenloyalität ist, scheinen zum Zeitpunkt der Befragung
diese Konstruktausprägungen noch zu gering zu sein, um signifikante Zusammenhänge
zwischen ihnen aufzeigen zu können.
Die Untersuchungen haben somit gezeigt, dass der Nutzen von Produktvielfalt die
Kaufintention, die Kaufprozesszufriedenheit, die Produktzufriedenheit und die
Loyalität zum Geschäft positiv beeinflussen. Die Kosten von Produktvielfalt
reduzieren dagegen die Kaufabsicht und die Zufriedenheit mit dem Kaufprozess,
führen gleichzeitig zu kognitiver Dissonanz. Indirekt wirken sich die KPV weiterhin
negativ auf die Loyalität zum Geschäft aus, d. h. der allgemein anerkannte positive
Zusammenhang zwischen Sortimentsgröße und Loyalität wird bei hoher Vielfalt durch
zunehmende Kostenaspekte (KPV) negativ beeinflusst.
Insgesamt konnte die Verhaltensrelevanz der beiden Konstruktdimensionen Kosten
von Produktvielfalt und Nutzen von Produktvielfalt durch die empirischen
Untersuchungen gezeigt werden.
392

4. Determinanten von Kosten und Nutzen von Produktvielfalt (Forschungsfrage 4)
In der vierten Forschungsfrage geht es darum, welche Eigenschaften des Sortiments
Kosten und Nutzen von Produktvielfalt in welcher Stärke beeinflussen. Zu vier aus der
Theorie abgeleiteten potenziellen Einflussfaktoren wurden Hypothesen formuliert, drei
weitere Sortimentseigenschaften, die Experten als besonders einflussstark
betrachteten, wurden in der Untersuchung berücksichtigt, ohne dass vorab Hypothesen
hierzu formuliert wurden.
Nutzen
NPV
Kosten
KPV
Konstrukt
+
+ + +
_ _ _
_
H 19 ()
+ H
_
H 17 H 18
+ H 16
15
Determinanten
#Pr #Ma #PPr PV PU
Ver
Anzahl
Produkte
Anzahl
Marken
# Produkte auf
rel. Preisniveau
Preisvielfalt
Vergleichbarkeit
Kompromissnotwendigkeit
Kom
klare Produktunterschiede
Rang
Nutzen n.a. 2 3 1
Rang
Kosten 1 5 7 6 3
4 2
Abbildung 79: Determinanten der Kosten und Nutzen von Produktvielfalt (Zu den Beziehungen mit
grau hinterlegten Konstrukten und + / - Zeichen wurden vorab keine Hypothesen formuliert.)
Wie aus Abbildung 79 hervorgeht, können bis auf eine alle Hypothesen beibehalten
werden. Die Hypothese 19, die den Zusammenhang zwischen der Anzahl der
Produkte und dem NPV beschreibt, kann dagegen nur bedingt aufrechterhalten
werden. Wie Detailanalysen (siehe S. 381ff.) gezeigt haben, wirkt sich die
Produktanzahl nur bis zu einem Optimum positiv auf die NPV aus, danach ist die
Beziehung negativ. Das heißt, überschreitet die Anzahl verfügbarer Optionen ein
konsumentenindividuelles Optimum, wirkt sich die Vielfalt negativ auf die
Nutzenaspekte aus. Die nachteilige Wirkung zu hoher Produktvielfalt wird dadurch
noch verstärkt, was die Grundhypothese der Arbeit (Hypothese 1) zur negativen
Wirkung hoher Produktvielfalt noch bekräftigt.
Der stärkste Einfluss auf den Nutzen von Produktvielfalt geht von der
Vergleichbarkeit der Produkte und der Preisvielfalt aus. Demnach profitieren
Konsumenten weniger von der Gesamtzahl der Produkte, sondern vielmehr von deren
393

Vergleichbarkeit sowie der angebotenen Preisvielfalt. Können Konsumenten Produkte
gut vergleichen, wirkt sich dies folglich stark positiv auf den empfundenen Nutzen
hinsichtlich des Sortiments aus. Zu einem ähnlichen Schluss kommen auch Markman
und seine Kollegen (vgl. Markman/Medin 1995; Zhang/Markman 1998;
Zhang/Markman 1999) im Rahmen ihrer Untersuchungen zur Alignability
(Vergleichbarkeit) von Produkten (siehe S. 52f.).
Die Kosten von Produktvielfalt werden zu über 50% durch die Anzahl der Produkte
bestimmt, was die Grundthese der Arbeit bestätigt. Nennenswerten Einfluss üben
außerdem noch die Vergleichbarkeit der Produkte und die Kompromissnotwendigkeit
bei der Entscheidung aus. Die Produktvergleichbarkeit beeinflusst demnach nicht nur
die NPV positiv, sondern kann auch gleichzeitig zu einer Reduktion der KPV beitragen
und ist folglich ein besonders wichtiger Einflussfaktor.
Neben den Einflüssen des Sortiments wurde auch untersucht, wie sich die
personenimmanenten Eigenschaften Erfahrung und OSL eines Konsumenten auf die
KPV und NPV auswirken. Die Analysen haben aber nur explorativen Charakter und
sind deshalb nicht stark belastbar. Sie haben gezeigt, dass erfahrene Konsumenten
geringere KPV haben als unerfahrene. Der moderierende Einfluss des OSL war
dagegen nur bei einer einseitigen Betrachtung signifikant. Es konnte aber die Tendenz
erkannt werden, dass Personen mit hohem OSL geringere KPV haben. Beide
Personeneigenschaften haben sich erwartungsgemäß nicht auf die NPV ausgewirkt.
Die tiefergehende Untersuchung moderierender Effekte personenspezifischer
Eigenschaften bleibt weiterführenden Untersuchungen vorbehalten.
Insgesamt haben die Untersuchungen der Determinanten von Kosten und Nutzen von
Produktvielfalt ergeben, dass die Anzahl der Produkte die KPV sehr stark positiv
beeinflusst und gleichzeitig nach Überschreiten eines konsumentenindividuellen
Optimums zu einer Reduzierung der NPV führen kann. Ein zu großes Sortiment
kann sich aufgrund der aufgezeigten Konsequenzen der beiden Konstrukte folglich in
doppelter Weise negativ auf das Konsumentenverhalten ausüben. Gleichzeitig wurde
durch die Analysen deutlich, dass qualitative Eigenschaften des Sortiments und
hierbei insbesondere die Vergleichbarkeit der Produkte einen starken Einfluss sowohl
auf die KPV als auch die NPV auswirken. Dies legt nahe, dass eine Portfoliosichtweise
auf das Sortiment, welche die Beziehungen der Alternativen untereinander
berücksichtigt, zu einer gegenüber der Produktsichtweise verbesserten
Prognostizierbarkeit des Verhaltens von Konsumenten führen kann. Dies ist ein viel
versprechender Ansatzpunkt weiterführender Forschungsarbeiten.
394

Zusammenfassung
Zusammenfassend konnten die Untersuchungsergebnisse aufzeigen, dass hohe
Produktvielfalt aus Konsumentensicht sowohl positive als auch negative Aspekte
hat, die theoretisch begründbar sind, gemessen werden können und Verhaltensrelevanz
haben, da sie die Kaufentscheidung und die Kaufevaluation positiv (NPV) bzw.
negativ (KPV) beeinflussen. Sie werden durch quantitative und qualitative
Eigenschaften des Sortiments bestimmt, wobei hier insbesondere die Anzahl der
Alternativen und deren Vergleichbarkeit maßgeblichen Einfluss haben.
Die Untersuchung ist einigen Einschränkungen unterworfen und hat weiteren
Forschungsbedarf aufgezeigt.
Limitationen und weiterer Forschungsbedarf
Die Untersuchung ist auf echte Kaufentscheidungen, die eine relativ intensive
Auseinandersetzung des Konsumenten mit den verfügbaren Alternativen erfordert und
mit einem gewissen finanziellen Risiko verbunden ist, eingeschränkt worden.
Inwiefern die Ergebnisse auf andere Kaufarten wie z. B. Impulskäufe bei Gütern des
täglichen Bedarfs übertragbar sind, ist unklar. In weiterführenden Arbeiten könnte
dies untersucht werden, indem anstatt langlebiger Konsumgüter Produkte der
FMCG 68 -Kategorie, wie beispielsweise Marmeladen oder Wein, als Stimuli verwendet
werden. In diesem Fall sollten aber weitere Nutzenaspekte, insbesondere in Bezug auf
Variety-Seeking Motive, berücksichtigt werden. Neben den psychischen Reaktionen,
die vermutlich insbesondere auf Kostenseite weniger intensiv ausfallen werden, ist in
diesem Zusammenhang insbesondere die vertiefte Analyse des Kaufausgangs
interessant. Im Gegensatz zur vorliegenden Untersuchung, die nur die Kaufwahrscheinlichkeit
bzw. Kaufintention, nicht aber das gewählte Produkt als
Ergebnisvariable verwendet hat, könnte untersucht werden, ob hohe Vielfalt zum
verstärkten Kauf von Billig- oder Markenprodukten oder z. B. zur stärkeren
Habitualisierung führt. Es wäre beispielsweise möglich, dass ein Kunde aufgrund
seiner Verwirrung letztlich immer das gleiche Produkt kauft, demzufolge aber von der
angebotenen Vielfalt auch nicht profitieren kann.
Im Rahmen erweiterter Modelle wurden die Konstrukte Preisführerschaft und
Beratungszufriedenheit in die Analysen einbezogen. Hierbei konnte auf Basis des
68 Fast Moving Consumer Goods
395

PLS-Modells kein signifikanter Einfluss der beiden Größen auf die Kaufintention
festgestellt werden. Aufgrund weiterer Analysen wurde das Ergebnis der
PLS-Schätzung bezüglich des Einflusses der Beratungszufriedenheit aber
angezweifelt. Der Einfluss des Sortiments konnte jedoch im Rahmen der
Unstersuchung den Einflussgrößen Beratung und Preis nicht gegenübergestellt
werden. Für Unternehmen ist es aber von hoher Relevanz zu wissen, wie das
Sortiment im Vergleich zu Beratung und Preis das Kaufverhalten von Konsumenten
beeinflusst. Nachfolgende Untersuchungen könnten deshalb den Einfluss von
Beratungszufriedenheit und Preisführerschaft nochmals detaillierter untersuchen und
dem von Kosten und Nutzen von Produktvielfalt gegenüberstellen.
Ein weiterer Aspekt, der in dieser Arbeit nur peripher betrachtete wurde, ist der
(moderierende) Effekt personenspezifischer Eigenschaften. Es konnte zwar
aufgezeigt werden, dass Konsumenten mit hoher Expertise verglichen mit
Nicht-Experten weniger ausgeprägte Entscheidungskosten bei hoher Vielfalt haben,
eine detaillierte Betrachtung dieses Effekts, wie z. B. die Stärke des moderierenden
Effekts oder die Auswirkungen auf den Kaufausgang waren aber nicht Gegenstand der
Untersuchung. Ähnliches gilt für das Optimum Stimulation Level, das ein viel
versprechendes Persönlichkeitskonstrukt zur Erklärung interindividueller Unterschiede
im Umgang mit Produktvielfalt ist. Es stellte in dieser Untersuchung aber nur einen
Randbereich dar. Die erkennbare Tendenz, dass Personen mit hohem OSL weniger
negative Aspekte mit hoher Produktvielfalt verbinden als Personen mit niedrigem
OSL, zeigt die grundsätzliche Relevanz des Konstrukts, das folglich einen
interessanten Ansatzpunkt für die Erklärung persönlichkeitsbedingter Unterschiede im
Umgang mit hoher Produktvielfalt bietet. In weiterführenden Untersuchungen könnten
z. B. im Anschluss an eine Expertise- und/oder OSL-Segmentierung spezifische
Sortiments- und Verkaufsstrategien für die einzelnen Segmente entwickelt werden.
Insbesondere die Untersuchung der Determinanten hat gezeigt, dass das Sortiment als
ganzes, und nicht nur seine Einzelprodukte, das Verhalten der Konsumenten
beeinflussen. Deutlich wurde dies aus dem starken Einfluss der Produktanzahl und der
quantitativen Einflussfaktoren, insbesondere der Vergleichbarkeit der Alternativen auf
die Kosten- und Nutzendimension. Demzufolge bietet eine portfolioorientierte
Betrachtung des Sortiments gegenüber einer produktorientierten Sichtweise Vorteile
im Hinblick auf das Verständnis des Konsumenten und ermöglicht eine bessere
Vorhersehbarkeit seines Verhaltens. Dieser „Portfolio-Ansatz“ stellt einen viel
versprechenden Ansatzpunkt für die Prognose der Kaufwahrscheinlichkeit in
396

Abhängigkeit verschiedener Einflussfaktoren des Sortiments dar. Die Entwicklung
eines derartigen Modells könnte Gegenstand weiterführender Forschungsarbeiten sein.
6.2 Implikationen für die Unternehmenspraxis
Die Untersuchungsergebnisse haben für Unternehmen eine hohe Relevanz, da gezeigt
wurde, dass Kosten und Nutzen von Produktvielfalt die Kaufintention, die
Zufriedenheit mit dem Kaufprozess und dem Produkt sowie die Loyalität gegenüber
dem Geschäft beeinflusst. Da dies aus Unternehmenssicht zentrale Erfolgs- und
Steuerungsgrößen sind, ist es für die Praxis von Interesse, durch welche Maßnahmen
die Kostenaspekte von Produktvielfalt reduziert und/oder die Nutzenaspekte erhöht
werden können, um dadurch kurz- (Kaufintention), mittel- (Zufriedenheit) und
langfristig (Loyalität) den Unternehmenserfolg zu steigern. Damit ein Unternehmen
seine Ressourcen effektiv und effizient einsetzen kann, muss es wissen, welche
Maßnahmen die höchste Wirkung auf Kosten und Nutzen von Produktvielfalt
versprechen.
Um diese zu identifizieren, werden anhand der relativen Erklärungsbeiträge der
Faktoren der Messmodelle und der Determinanten der KPV und NPV die
einflussstärksten Parameter abgeleitet. Sowohl für die KPV als auch für die NPV
werden jeweils die zwei einflussstärksten Messmodellfaktoren und die drei
einflussstärksten Determinanten gewählt. Dies führt insgesamt zu neun
Ansatzpunkten, die in Abbildung 80 zusammen dargestellt sind. Der Grafik sind
weiterhin die relativen Erklärungsbeiträge der Faktoren bzw. Determinanten sowie
deren jeweiliger Rang in Bezug auf eines der Konstrukte Kosten von Produktvielfalt
bzw. Nutzen von Produktvielfalt zu entnehmen.
397

Rang
Erklärungsbeitrag
1 2 3 4
4
(17%)
5
(14%)
1
(26%)
3
(19%)
2
(24%)
2
(35%)
1
(38%)
3
(27%)
Messmodell
...
AP
...
EA
Antizip.Produktnutzen
Erfolgsaussichten
Info.möglichkeiten
...
IM
Spaß
...
Sp
Positive
Emotionen
...
PE
Messmodell
Aufwand &
Anstrengung
...
AA
Verwirr.&
Frustration
...
VF
Antizip.
Regret
...
AR
NPV
KPV
Determinanten
#Pr #Ma #PPr PV Kom PU
Anzahl
Produkte
Anzahl
Marken
# Produkte auf
rel. Preisniveau
Preisvielfalt
Nutzen n.a. 2
(40%)
Vergleichbarkeit
Kompromissnotwendigkeit
3
(10%)
Ver
klare Produktunterschiede
1
(50%)
Kosten 1
(52%)
5
(2%)
7
(1%)
6
(2%)
3
(10%)
4
(6%)
2
(27%)
5 6 7
8 9
Abbildung 80: Die neun einflussstärken Messmodellfaktoren und Determinanten zeigen effektive und
effiziente Ansatzpunkte für Maßnahmen auf.
Ein Unternehmen kann folglich Kosten und Nutzen von Produktvielfalt am
effektivesten und effizientesten durch Maßnahmen beeinflussen, die auf diese neun
Aspekte ausgerichtet sind. Einem Handelsunternehmen stehen hierfür neben der
Preispolitik innerhalb des Geschäfts im Wesentlichen folgende vier Gestaltungsfelder
zur Verfügung:
1. Anzahl und Art der Produkte im Sortiment
2. Präsentation des Sortiments
3. Beratung
4. Kommunikationsmaßnahmen am Point of Sale 69
69 „Point of sale (POS), point of purchase, (POP), Ort des Einkaufs (aus Sicht des Konsumenten) bzw. Ort
des Verkaufs (aus Sicht des Händlers). Synonym verwandte Begriffe die den Ort des Warenangebots
(einen Laden bzw. den innerbetrieblichen Standort eine Ware im Regal, (...) ) bezeichnen, an dem die
Kunden in Selbstbedienungsgeschäften unmittelbaren Kontakt mit der Ware haben und deshalb, zur
Förderung von Impulskäufen, gezielt mittels Maßnahmen der Verkaufsförderung angesprochen werden
können“ (Gabler Wirtschaftslexikon 1997, S. 3007)
398

Für jeden dieser Bereiche werden anschließend konkrete Maßnahmenvorschläge
erarbeitet, durch die ein Einzelhändler Kosten und Nutzen von Produktvielfalt in
seinem Sinne beeinflussen kann. Am Rande wird hierbei auch auf Gestaltungsmöglichkeiten
eines Herstellers eingegangen.
Ausgangspunkt sind die neun abgeleiteten Ansatzpunkte, die aufgrund ihrer
Wichtigkeit nachfolgend nochmals kurz inhaltlich zusammengefasst werden:
1. Informationsmöglichkeiten: Konsumenten schätzen es, dass sie sich aufgrund
der Vielfalt und Größe des Sortiments über die Produktkategorie informieren
können. Insbesondere können sie Produkte vergleichen, sich einen Überblick
über den Markt verschaffen und die entscheidungsrelevanten Attribute sowie
ihre eigenen Präferenzen lernen.
2. Positive Emotionen: Konsumenten finden große Sortimente im Allgemeinen
ansprechend, inspirierend, aufregend und unterhaltsam. Sie geben ihnen zudem
die Möglichkeit, interessante Erfahrungen zu machen und verleihen ihnen
Gefühle von Entscheidungsfreiheit, Selbstbestimmtheit und Optimismus.
3. Aufwand und Anstrengung: Hohe Produktvielfalt macht eine Entscheidung
kompliziert, führt zu hohem Zeitaufwand und erfordert vom Konsumenten
starke kognitive Anstrengungen, die mit intensivem Nachdenken und hoher
empfundener Mühe und Anstrengung verbunden sind: James Bryce formulierte
dies sehr eindringlich: „To most people nothing is more troublesome than the
effort of thinking” (James Bryce, The American Commonwealth 1888, zitiert
nach Shugan 1980, S. 99).
4. Verwirrung und Frustration: Große Vielfalt kann bei Entscheidern Gefühle
der Überforderung, Verwirrung und Frustration auslösen.
5. Anzahl der Produkte: Die Untersuchungsergebnisse haben gezeigt, dass die
Anzahl der Produkte über 50% der Varianz der Kosten von Produktvielfalt
erklärt und somit einen sehr starken Einfluss auf diese hat. Ein positiver
Zusammenhang mit dem Nutzen von Produktvielfalt besteht indes nur bis zu
einem personenspezifischen Vielfaltsoptimum. Ist dieses überschritten, enthält
das Sortiment also mehr Produkte als aus Sicht des Konsumenten optimal wäre,
führt dies zu einer Reduktion der NPV und somit zu einer Verstärkung des
negativen Effekts.
6. Preisvielfalt: Preisvielfalt bedeutet in erster Linie, dass das Sortiment Produkte
in allen Preiskategorien enthält. Der Konsument hat dadurch die Möglichkeit,
399

das gesamte Leistungsspektrum der verfügbaren Produkte zu sehen. Dies
ermöglicht ihm zudem, ein Verständnis der Preis-Leistungsrelation der
Produktkategorie zu entwickeln. Für ein Handelsunternehmen bietet die
Preisvielfalt ein Instrument, seine Sortimentskompetenz zu demonstrieren und
dem Produktangebot z. B. durch das Vorhandensein sehr teurer Produkte eine
gewisse Exklusivität zu verleihen.
7. Kompromissnotwendigkeit: Konsumenten fällt es im Allgemeinen schwer, bei
einer Entscheidung Kompromisse einzugehen, da sie durch die Entscheidung
für ein bestimmtes Produkt auf positive Eigenschaften eines anderen Produkts
verzichten müssen. Dadurch können negative Emotionen und antizipiertes
Regret entstehen.
8. Klare Unterschiede: Kann eine Person die Unterschiede zwischen den
Alternativen klar erkennen, fällt ihr die Entscheidung leichter, da sie die
Produkte dadurch einfacher hinsichtlich ihrer eigenen Präferenzen beurteilen
kann.
9. Vergleichbarkeit: Der starke Einfluss der Vergleichbarkeit der Produkte ist
konform mit den Forschungsergebnissen zur Alignability von Markman und
seinen Kollegen (vgl. Markman/Medin 1995; Zhang/Markman 1998;
Zhang/Markman 1999): Demnach fällt es Konsumenten schwer, Produkte, die
hinsichtlich ihrer Attribute nicht inkompatibel sind, zu vergleichen. Hat ein
Autokäufer z. B. die Wahl zwischen zwei PKW, die sich nur darin
unterscheiden, dass eines ein Schiebedach und das andere statt dessen einen
CD-Wechsler hat, so muss der Konsument versuchen, diese beiden
Produktattribute miteinander zu vergleichen. Dies kann er aber nur auf einer
abstrakteren Ebene, wie z. B. dem „Lebensgefühl im Auto“, tun. Dies erfordert
zusätzlichen Aufwand und kann aufgrund der höheren Abstraktion und der
damit verbundenen geringeren Entscheidungssicherheit zur Verwirrung und
Antizipation von Regret führen. Die positive Wirkung der Vergleichbarkeit auf
die NPV entsteht im Wesentlichen durch die besseren Informationsgewinnungsmöglichkeiten
und den einfacheren Vergleich der Alternativen mit
den eigenen Präferenzen. Dies erhöht den antizipierten Produktnutzen und die
Erfolgsaussichten des Konsumenten.
Nachfolgend werden Möglichkeiten aufgezeigt, wie diese Ansatzpunkte durch
Maßnahmen in den Gestaltungsbereichen Sortiment (Produktauswahl und
400

Präsentation), Beratung und Kommunikation am Point of Sale beeinflusst werden
können.
Anzahl und Art der Produkte im Sortiment
Bosshart (2002) formuliert die Kernaussage zu diesem Aspekt sehr einprägsam: „Die
Einstellung, die in die Zukunft weist, lautet (...) ‚Weniger ist mehr’ oder ‚Mehr ist
anders’“ (S. 19). Ziel eines Handelsunternehmens sollte es folglich nicht mehr sein,
ein Sortiment mit möglichst vielen Produkten, sondern mit klar differenzierten
Produkten anzubieten. Klar differenziert bedeutet hierbei Differenzierung nach innen
und nach außen. Das heißt, die angebotenen Produkte müssen untereinander, aber auch
gegenüber Wettbewerbern klare Unterschiede aufweisen. Im Fokus sollte folglich
nicht mehr die Größe des Sortiments, sondern dessen Vielfal t– im Sinne von
Verschiedenartigkeit – stehen. Rudolph und Schweizer (2003, S. 50) fordern in diesem
Sinne den Handel dazu auf, sich seiner Selektionsfunktion stärker bewusst zu werden,
und das Produktangebot sorgfältig auszuwählen und dadurch dem Konsumenten die
Entscheidung zu erleichtern. Diese „Mental Convenience“ (Rudolph/Schweizer 2003,
S. 50) verschafft dem Unternehmen ein einzigartiges Profil und ermöglicht es ihm,
sich klar von seinen Wettbewerbern zu differenzieren. Die Empfehlung von Bratschi
(2002) geht ebenfalls in diese Richtung: „Die Zukunft liegt in der Entwirrung der
Komplexität für Kunden“ (S. 63). Er ermuntert Handelsunternehmen, sich dadurch zu
differenzieren, dass sie dem Kunden das geben, was er heute im Handel vermisst:
„radikale Einfachheit“ (S. 66).
Wie kann ein Unternehmen dieses Ziel der Entwirrung und Einfachheit durch die
Auswahl der angebotenen Produkte erreichen?
In einem ersten Schritt sollte ein Handelsunternehmen die Einschätzung der
Sortimentsgröße durch Kunden untersuchen. So gaben beispielsweise 41,1% der
Befragten in dieser Untersuchung an, dass das Sortiment zu viele oder deutlich zu
viele Produkte enthält, nur 22,3% beurteilten die Anzahl erhältlicher Produkte als
(etwas) zu gering. Auf Basis dieser Analyse kann der Händler die Anzahl an
angebotenen Produkten reduzieren. Welche Ansatzpunkte hat er hierfür?
Die Geschäfte, in denen die Hauptuntersuchung durchgeführt wurde, bieten
beispielsweise insgesamt 134 verschiedene Digitalkameras an. 80% der 238 Verkäufe
wurden aber durch nur 26 verschiedene Produkte erzielt. Insgesamt wurden von 134
Produkten 76 nie gekauft. Ähnliches gilt für die Produktmarken: Insgesamt standen
401

Digitalkameras von 24 Marken zur Verfügung. 95% der Verkäufe machten die
Geschäfte mit Produkten von 10 Marken, die restlichen 5% entfielen auf 5 weitere.
Einem Unternehmen kann empfohlen werden, sich bei der Auswahl der Produkte
und/oder Marken, die es aus dem Sortiment nimmt, an den nicht oder nur sehr selten
verkauften Produkten und Marken – den „Langsamdrehern“ – zu orientieren.
Bei der Zusammenstellung der Produkte des Sortiments sollten Handelsunternehmen
aber darauf achten, dass der Konsument immer den Eindruck großer
Vielfalt behält. Entscheidend ist folglich nicht die tatsächliche, sondern die
wahrgenommene Vielfalt (vgl. Kahn/Morales 2001, S. 71). Broniarczyk, Hoyer und
McAlister (1998, S. 173) konnten zeigen, dass diese durch die Artikelreduktion nicht
notwendigerweise negativ beeinflusst wird, sie kann im Gegenteil durch die
Entfernung „langsamdrehender“ Artikel sogar erhöht werden. Eine weitere
Möglichkeit hierfür ist, das Sortiment hinsichtlich der Aspekte zu variieren, derer
Vielfältigkeit Konsumenten positiv bewerten: „Offering variety along the dimensions
that matter, while keeping other dimensions fixed, can increase perceived variey while
managing cost“ (Kahn/Morales 2001, S. 72). Wie die Untersuchungsergebnisse
verdeutlich haben, ist der Preis eine der Dimensionen, hinsichtlich derer sich
Konsumenten Vielfalt wünschen. Ein Einzelhändler sollte deshalb hohe Preisvielfalt,
d. h. Produkte von billig bis teuer anbieten. Dies bringt seine Sortimentskompetenz
zum Ausdruck und ermöglicht dem Verbraucher, ein breites Leitstunksspektrum der
Produktkategorie zu sehen. Kahn und Morales (2002) nennen neben dem Preis
diejenigen Produktattribute, welche die Sinne des Menschen ansprechen, als sinnvolle
Variationsdimensionen. So bietet beispielsweise OLYMPUS eine seiner
meistverkauften Digitalkameras in insgesamt sechs verschiedenen Farben an. Diese
Variation ist für Konsumenten positiv und erschwert die Entscheidung nicht, da
farbliche Präferenzen meist relativ ausgeprägt sind.
Zwei weitere Aspekte kann ein Händler bei der Sortimentszusammenstellung
beachten, um die KPV zu reduzieren und/oder den NPV zu erhöhen:
Der erste Gesichtspunkt bezieht sich auf die Vergleichbarkeit der Produkte. Wie die
Untersuchungsergebnisse gezeigt haben, beeinflusst diese sowohl die Kosten von
Produktvielfalt als auch den Nutzen von Produktvielfalt sehr stark. Ein Handelsunternehmen
sollte deshalb versuchen, Produkte anzubieten, die möglichst gut
vergleichbar sind und z. B. gemeinsame Attribute haben, hinsichtlich derer sie durch den
Konsumenten verglichen werden können. Um die Kompromissnotwendigkeit zu
reduzieren ist, gleichzeitig zu beachten, dass sich Produkte über positive
402

Eigenschaften differenzieren und negative gemeinsam haben. Wie Dhar und Sherman
(1999, S. 200) zeigen konnten, entstehen dadurch weniger Konflikte. Obwohl beide
Aspekte vornehmlich im Gestaltungsbereich von Herstellern liegen, können
Handelsunternehmen durch die Wahl ihrer Produkte einen gewissen Einfluss ausüben.
Hersteller sollten bei der Gestaltung einer Produktlinie darauf achten, dass die
Produkte klare Unterschiede haben, wenige Kompromisse verlangen und möglichst
gut vergleichbar sind. Dies bedeutet, dass teurere Produkte gegenüber preiswerteren
hinsichtlich aller Attribute besser sind, und so z. B. eine Kamera, die eine Auflösung
von 5 Mio. Pixel ermöglicht, kein kleineres Display hat, als eine Kamera mit einer
Auflösung von 4 Mio Pixel.
Beim zweiten Aspekt geht es um die Förderung positiver Emotionen, die eine
wichtige Einflußgröße des NPV sind. Ein Einzelhändler kann dies beispielsweise
dadurch erreichen, dass er neue oder ausgefallene Produkte anbietet und diese
entsprechend hervorhebt. Die positive Wirkung von Neuheiten ist z. B. aus der
Automobilbranche bekannt: Neue Modelle üben häufig eine hohe Anziehungskraft auf
Konsumenten aus. Gleiches gilt auch für Showcars oder Modellstudien, die durch ihre
außergewöhnliche Erscheinung besonderes Interesse wecken.
Zusammenfassend können aus den Untersuchungsergebnissen folgende
Empfehlungen an Handelsunternehmen hinsichtlich der Anzahl und Art der
Produkte im Sortiment abgeleitet werden:
1. Die Anzahl der angebotenen Produkte ist bei hoher Vielfalt auf Reduktionsmöglichkeiten
zu überprüfen. Ansatzpunkte hierfür bieten selten oder nie
verkaufte Marken und Produkte („Langsamdreher“).
2. Die Produkte im Sortiment sollten möglichst klare und leicht erkennbare
Unterschiede aufweisen und gut vergleichbar sein. Idealerweise unterscheiden
sie sich durch aus Käufersicht positive Attribute und haben negative
Eigenschaften gemeinsam.
3. Die Vielfältigkeit des Sortiments sollte sich auf diejenigen Produktattribute
beschränken, deren Variation aus Konsumentensicht wünschenswert und
„gewinnbringend“ ist. Zu empfehlen ist das Angebot einer hohen Preisvielfalt
indem das Sortiment Produkte von preiswert bis teuer enthält.
4. Durch Produktneuheiten und außergewöhnliche Produkte im Sortiment
kann das Interesse der Konsumenten geweckt und die Entstehung positiver
Emotionen gefördert werden.
403

Ein Geschäft kann Kosten und Nutzen von Produktvielfalt neben der Zusammenstellung
auch durch die Präsentation des Sortiments beeinflussen.
Präsentation des Sortiments
Kahn und Morales (2001) weisen darauf hin, dass „the perception of variety is based
on how these items are offered” (S. 74). Drei Faktoren üben hierbei einen besonders
starken Einfluss aus (vgl. Broniarczyk/Hoyer/McAlister 1998, S. 173;
Hoch/Bradlow/Wansink 1999, S. 539):
• Präsenz des (potenziell) favorisierten Produkts,
• Organisation des Sortiments und
• mehrfaches Vorhandensein einzelner Produkte.
Ist das favorisierte bzw. potenziell favorisierte Produkt im Sortiment vorhanden, ist
die wahrgenommene Vielfalt höher (vgl. Broniarczyk/Hoyer/McAlister 1998, S. 173).
Wichtig ist hierbei, dass der Konsument dieses Produkt auch schnell erkennt. Da, wie
oben beschrieben, eine relativ geringe Anzahl an Produkten einen Großteil der
Verkäufe auf sich vereint, ist es wahrscheinlich, dass der „Durchschnittskunde“ eines
der meistverkauften Produkte präferiert. Werden diese „Schnelldreher“ besonders
hervorgehoben, kann der Konsument seinen potenziellen Favoriten relativ zügig
erkennen. Eine Möglichkeit hierfür ist die Einführung einer „Hitlist“ der
meistverkauften Produkte. So könnten z. B. die Top 10 der Produktverkäufe innerhalb
einer Produktkategorie besonders hervorgehoben oder separat angeordnet werden.
Die Organisation des Sortiments kann einerseits die wahrgenommene Vielfalt, und
andererseits auch die Orientierung des Konsumenten innerhalb des Produktsortiments
beeinflussen. So konnten Hoch, Bradlow und Wansink (1999, S. 539) zeigen, dass
Konsumenten, die aus einem übersichtlich angeordneten Sortiment wählen, die
Vielfalt, im Vergleich zu einer chaotisch dargebotenen Auswahl, als größer
einschätzen. Ein Handelsunternehmen sollte seine Artikel folglich möglichst
übersichtlich präsentieren. Werden die Produkte darüber hinaus noch so strukturiert,
dass Konsumenten dadurch eine Orientierungs- und Entscheidungshilfe geboten wird,
können zusätzlich auch die Kosten von Produktvielfalt reduziert und der Nutzen von
Produktvielfalt gesteigert werden. Da Konsumenten meist eine relativ klare
Vorstellung von dem Betrag haben, den sie für den Produktkauf ausgeben wollen,
bietet sich der Preis als Strukturierungsgröße an. In der Untersuchung wurden
404

eispielsweise € 200, € 350 und € 500 besonders häufig als Maximalpreis für
Digitalkameras genannt. Folglich ist es naheliegend, das Digitalkamerasortiment in die
vier Segmente „bis € 200“, „von € 200 bis € 350“, „von € 350 bis € 500“ und „über
€ 500“ einzuteilen. Dies ermöglicht es dem Interessenten, sich einerseits einen
Überblick über das Sortiment zu verschaffen, andererseits kann er in einem gut
strukturierten Sortiment schnell diejenigen Produkte finden, die für ihn zum Kauf in
Frage kommen sind. Dies reduziert sowohl die Verwirrung und Frustration als auch
den Entscheidungsaufwand. Ferner ist die Anmutung eines gut strukturierten
Sortiments ansprechender, was die Entstehung positiver Emotionen fördert.
Sind Produkte mehrfach im Sortiment vorhanden, kann dies unter der Voraussetzung,
dass die mehrmals vorhandenen Produkte dicht nebeneinander stehen und gleichzeitig
die Sortimentsfläche entsprechend groß ist, die wahrgenommene Vielfalt erhöhen (vgl.
Broniarczyk/Hoyer/McAlister 1998, S. 173). Mehrfachpräsentationen sollten aber auf
Topseller beschränkt werden, da dies den weiteren Vorteil hat, dass mehrere
Konsumenten die gefragten Artikel gleichzeitig anschauen und testen können, was den
NPV zusätzlich über die Aspekte Spaß und Informationsmöglichkeiten positiv
beeinflusst.
Zusammenfassend können aus den Ergebnissen der Untersuchung folgende
Empfehlungen an Handelsunternehmen hinsichtlich der Präsentation der Produkte
im Sortiment abgeleitet werden:
1. Durch die Hervorhebung besonders häufig verkaufter Produkte (z. B.
Top 10) kann ein Händler die wahrgenommene Vielfalt erhöhen und gleichzeitig
die Entscheidungsschwierigkeit durch die Beschränkung des Choice-Sets
reduzieren. Werden diese Topseller direkt nebeneinander mehrfach präsentiert,
kann dies zu einer Verstärkung des positiven Effekts führen, da die wahrgenommene
Vielfalt dadurch positiv beeinflusst wird und die begehrten
Produkte zusätzlich aufgrund der besseren Verfügbarket leichter und intensiver
getestet werden können.
2. Die Produkte des Sortiments sollten möglichst übersichtlich angeordnet und
nach einem entscheidungsrelevanten Kriterium sortiert werden. Es bietet sich
an, die Produkte in verschiedene Preisklassen einzuteilen und innerhalb dieser
nach einem durchgängigen und entscheidungsrelevanten Kriterium zu sortieren.
405

Beratung
Der Verkäufer ist für ein Handelsunternehmen die wichtigste Schnittstelle zum
Konsumenten (vgl. Bratschi 2002, S. 66), weshalb die Beratung eine wichtige Rolle
im Beziehungsmanagement zum Kunden übernimmt. Die Untersuchungsergebnisse
untermauern dies durch die aufgezeigten positiven Auswirkungen der Beratungszufriedenheit
auf die Kaufprozesszufriedenheit und die Loyalität zum Geschäft. Neben
der Verfügbarkeit kommt die Zufriedenheit mit der Beratung insbesondere in der
Entscheidungsunterstützung des Verkäufers zum Ausdruck (vgl. Haas 2001,
S. 14f.). Der Verkäufer kann die Entscheidungsfindung dadurch unterstützen, dass er
zum einen eine Art „Enablerfunktion“ übernimmt und dem Kunden hilft, sich selbst
zu helfen, und zum anderen explizite Empfehlungen ausspricht. Ersteres kann man
erreichen, indem der Verkäufer dem Konsumenten hilft, seine eigenen Präferenzen
kennen zu lernen. Kahn und Morales (2001, S. 76) empfehlen hierzu, den Kunden
attributweise nach seinen Präferenzen zu fragen, hierbei aber auf explizite Trade-offs
zwischen verschiedenen Produkteigenschaften zu verzichten. Unterschiedliche
Produktattribute sollten zudem sequenziell und nicht simultan betrachtet werden (vgl.
Luce/Payne/Bettman 2001, S. 33). Ein Berater kann beispielsweise dem Käufer einer
Digitalkamera dabei helfen, festzustellen, ob er eine Auflösung von 4 oder 5 Mio.
Pixeln präferiert. Er sollte ihn aber nicht mit der Entscheidung zwischen 4 Mio. Pixel
und einem großem Display und 5 Mio. Pixel und einem kleinem Display
konfrontieren. Es wird empfohlen, diese Trade-offs implizit zu machen, indem der
Verkäufer eine Kamera empfiehlt und dadurch den Konflikt löst. Der Verkäufer sollte
generell darauf achten, den Konsumenten nicht zu überfordern, das heißt, weder zu
viele Informationen von ihm zu erfragen, noch ihm zu viele anzubieten (Kahn 1998,
S. 51). Gleichzeitig ist es vor allem im Bereich der Elektro- und Elektronikprodukte
wichtig, bei der Kommunikation das richtige technische Niveau zu treffen (vgl.
Johnson/Russo 1984, S. 549). So kann es angemessen sein, einen technisch versierten
Jugendlichen mit Detailinformationen zur Auflösung einer Digitalkamera zu
versorgen, damit sich dieser zwischen 4 und 7 Mio. Pixel entscheiden kann. Ein älterer
Herr, der ein geringeres technisches Verständnis hat, wäre hiervon überfordert. Ihm
sollte der Verkäufer eher nutzenorientiert den Unterschied zwischen den Produkten
klar machen, indem er beispielsweise aufzeigt, dass Bilder, die mit der 7 Mio. Pixel
Kamera gemacht werden ohne Qualitätsverlust auf Postergröße ausgedruckt werden
können, was bei einer Auflösung von 4 Mio. Pixel nicht möglich ist. Nachdem ein
Verkäufer die Präferenzen des Konsumenten erfragt hat, sollte er die Anzahl der in
Frage kommenden Alternativen möglichst schnell auf wenige, d. h. zwei bis vier
406

einschränken und nach deren detaillierterer Betrachtung explizit ein Produkt
empfehlen.
Hintergrund obiger Empfehlungen ist, dass ein Konsument durch das Lernen seiner
eigenen Präferenzen eine stärkere Kontrolle über den Entscheidungsprozess empfindet
und gleichzeitig daran Spaß hat. Weiterhin kann er dadurch sicherer sein, das richtige
Produkt zu kaufen, da er genauer weiß, was er selber will. Dies wiederum führt zu
einem höheren antizipierten Produktnutzen, höheren Erfolgsaussichten und
geringerem antizipierten Regret. Durch die schnelle Reduktion auf wenige
Alternativen und eine explizite Produktempfehlung durch den Verkäufer kann ferner
der Aufwand, die Verwirrung und die Notwendigkeit zum Kompromiss reduziert
werden.
Zusammenfassend ergeben sich aus den Untersuchungsergebnissen folgende
Empfehlungen an Handelsunternehmen hinsichtlich der Beratung von Konsumenten:
1. Ein Berater sollte den Konsumenten dabei unterstützen, attributweise seine
eigenen Präferenzen zu lernen. Explizite Trade-offs zwischen verschiedenen
Produkteigenschaften sind hierbei zu vermeiden. Außerdem ist darauf zu
achten, den Kunden nicht zu überfordern und das richtige technische Niveau
bei der Kommunikation zu wählen.
2. Nach einer schnellen Einschränkung auf wenige Alternativen (zwei bis vier)
und deren detaillierterer Diskussion kann der Verkäufer durch eine explizite
Empfehlung die Entscheidung des Konsumenten deutlich erleichtern.
Kommunikationsmaßnahmen am Point of Sale
Durch Kommunikationsmaßnahmen können zum einen die Informationsmöglichkeiten
und zum anderen die qualitativen Einflussgrößen Unterschiede und
Vergleichbarkeit der Produkte beeinflusst werden. Gebräuchlichstes Mittel hierfür ist,
auf kleinen Displays in schriftlicher Form zusätzliche Informationen zu den Produkten
darzustellen. Zur Verdeutlichung der Produktunterschiede und zur Verbesserung der
Vergleichbarkeit der Produkte sind hierbei zwei Maßnahmen geeignet:
Erstens sollten zu allen Produkten einheitliche Informationen hinsichtlich derselben
Attribute angeboten werden. Hierbei sind Attribute zu wählen, die eine hohe
Entscheidungsrelevanz haben. Bei Digitalkameras könnten beispielsweise
Informationen zur Auflösung, zum Objektiv, zur Belichtung und zum Speicherchip
407

angegeben werden. Besondere Eigenschaften des Produkts können separat vermerkt werden.
Diese attributweise Darstellung erleichtert den Vergleich, macht Unterschiede deutlich und
verbessert dadurch die Informationsaufnahme (vgl. Kahn/Morales 2001, S. 76).
Eine zweite Kommunikationsmaßnahme zielt auf die Verbesserung der
Vergleichbarkeit der Produkte. Wie oben erläutert wurde, abstrahieren Konsumenten
bei nicht vergleichbaren Produkten auf eine höhere Ebene, was für sie mit kognitiver
Anstrengung und erhöhter Unsicherheit verbunden ist. Kunden kann dieser
Prozessschritt abgenommen werden, indem ihnen Informationen auf einer höheren
Abstraktionsebene angeboten werden. Üblich ist dies beispielsweise in
PKW-Testzeitschriften, in denen Autos in Kategorien wie Qualität, Fahrdynamik oder
Wirtschaftlichkeit bewertet werden. Hierbei wird kategorieübergreifend eine
einheitliche Skala wie z. B. Schulnoten verwendet. Bei Digitalkameras könnten analog
hierzu die Fotoqualität, Bedienungsfreundlichkeit und Langlebigkeit für jede Kamera
z. B. auf einer Skala von eins bis fünf (1 Stern, ... , 5 Sterne) angegeben werden.
Konsumenten werden dadurch Attribute angeboten, hinsichtlich derer auch völlig
unterschiedliche Produkte vergleichbar sind. Dies kann die Entscheidungsfindung
erheblich erleichtern.
Zusammenfassend können Handelsunternehmen auf Basis der Untersuchungsergebnisse
folgende Empfehlungen zu Kommunikationsmaßnahmen am Point of
Sale gegeben werden:
1. Die Informationen zu Produkten sollten standardisiert werden, indem zu
allen Produkten einer Kategorie Informationen zu denselben Attributen
angegeben werden. Hierbei ist zu beachten, dass die Produkteigenschaften, zu
denen Informationen angeboten werden, hohe Entscheidungsrelevanz haben.
2. Durch die Bewertung der Produkte hinsichtlich abstrakter Größen wie
Qualität, Langlebigkeit und Wirtschaftlichkeit können nicht vergleichbare
Produkte für Konsumenten vergleichbar gemacht werden. Die Bewertung sollte
dabei Kategorieübergreifend auf einer einheitlichen Skala erfolgen (z. B. 1
Stern, ... , 5 Sterne)
Insgesamt wurden damit aus den Untersuchungsergebnissen 10 Maßnahmen in den
Bereichen Sortiment, Beratung und Kommunikation abgeleitet, durch die ein
Handelsunternehmen Kosten und Nutzen von Produktvielfalt eines Konsumenten
effektiv und effizient beeinflussen kann. Dadurch hat ein Einzelhändler, wie die
Analysen gezeigt haben, die Möglichkeit, die Kaufwahrscheinlichkeit, die
Zufriedenheit mit dem Kaufprozess und dem gekauften Produkt sowie die Loyalität
408

der Konsumenten gegenüber seinem Geschäft zu steigern. In Abbildung 81 sind die
Maßnahmen zusammen mit den Ansatzpunkten, auf die sie ausgerichtet sind
zusammenfassend dargestellt.
Kategorie und Maßnahme
Ansatzpunkte
I
Anzahl Produkte analysieren, ggf. Langsamdrehen entfernen
1 2 3 4 5 6 7 8
X
9
Anzahl und Art der
Produkte
II
III
IV
Produkte anbieten, die klare Unterschiede haben und gut
vergleichbar sind, d.h. gemeinsam Attribute haben
Hohe Vielfältigkeit anbieten: Preis- und sensorische Vielfalt
(z.B. Farben)
Produktneuheiten und besondere Produkte im Sortiment
wecken Interesse und verleihen Exklusivität
X
X
X
X
X
X
X
Präsentation
V
VI
Hervorhebung einzelner Produkte, z.B. Top 10, Bestseller
Strukturierung und Segmentierung des Sortiments anhand
entscheidungsrelevanter Kriterien, z.B. Preis
X
X
X
Beratung
VII
VIII
Den Kunden beim Lernen seiner Präferenzen unterstützen,
nicht überfordern, keine Trade-offs, richtiges techn. Niveau
Schnelle Einschränkung auf wenige Alternativen; aktive
Entscheidungsunterstützung; Produktempfehlung
X
X
X
X
Kommunik.
PoS
IX
X
Standardisierte Informationen zu entscheidungsrelevanten
Attributen; zu allen Produkten einer Kategorie dieselben Infos
Informationen zu übergeordneten Kategorien wie Qualität und
Handhabung; Einheitliche Bewertung (1 Stern – 5 Sterne)
X
X
X
X
X
X
X
X
1
2
3
4
5
6
7
8
9
Positive
Emotionen
Aufwand und
Anstrengung
Verwirrung und
Frustration
Anzahl
Produkte
Preisvielfalt
Informationsmöglichkeiten
Kompromissnotwendigkeit
klare Produktunterschiede
Vergleichbarkeit
Abbildung 81: Aus den Untersuchungsergebnissen abgeleitete Maßnahmen und deren Ansatzpunkte
im Überblick
„Freedom of choice is a two-edged sword, for just on the other side
of liberation sits chaos and paralysis.”
(Schwarz 2000, S. 24)
409

410

Literaturverzeichnis
Algesheimer, R. (2004): Brand Communities: Begriff, Grundmodell und
Implikationen, in: Gabler Edition Wissenschaft: Marken- und Produktmanagement;
Wiesbaden: Deutscher Universitäts-Verlag
Anderson, C. J. (2003): The Psychology of Doing Nothing: Forms of Decision
Avoidance Resulting from Reason and Emotion, in: Psychological Bulletin,
Vol. 129 (1), S. 139-167
Anderson, C. J./Gerbing, D. W. (1991): Predicting the Performance of Measures in a
Confirmatory Factor Analysis with a Pretest Assessment of their Substantive
Validities, in: Journal of Applied Psychology, Vol. 76 (5), S. 732-740
Anderson, E. W./Sullivan, M. W. (1993): The Antecedents and Consequences of
Customer Satisfaction for Firms, in: Marketing Science, Vol. 12, S. 125-143
Anderson, J. C./Gerbing, D. W. (1988): Structural Equation Modelling in Practice: A
Review and Recommended Two-step Approach, in: Psychological Bulletin,
Vol. 103 (3), S. 411-423
Anderson, L. K./Taylor, J. R./Holloway, R. J. (1966): The Consumer and his
Alternatives: An Experimental Approach, in: Journal of Marketing Research,
Vol. 3 (Feb.), S. 62-67
Arnold, Mark J./Reynolds, Kristy E. (2003): Hedonic Shopping Motivations, in:
Journal of Retailing, Vol. 79, S. 77-95
Arnold, S. J./Tae, H. O./Tigert, D. J. (1983): Determinant Attributes in Retail
Patronage: Seasonal, Temporal, Regional, and International Comparisons, in:
Journal of Marketing Research, Vol. 20 (May), S. 149-157
Assael, H. (1981): Consumer Behavior and Marketing Action, Boston: Kent.
Assael, H. (1994): Consumer Behavior and Marketing Action, 3. Auflage, Cincinnati,
Ohio: South-Western College Publications
Assael, H. (1998): Consumer Behavior and Marketing Action, 4. Auflage, Cincinnati,
Ohio: South-Western College Publications
Babin, B. J./Attaway, J. S. (2000): Atmospheric Affect as a Tool for Creating Value
and Gaining Share of Customers, in: Journal of Business Research, Vol. 49 (2),
S. 91-99
Babin, B. J./Darden, W. R. (1995): Consumer Self-regulation in Retail Environment,
in: Journal of Retailing, Vol. 71 (1), S. 47-70
Babin, B. J./Darden, W. R./Griffin, M. (1994): Work and/or Fun: Measuring
Hedonic and Utilitarian Shopping Value, in: Journal of Consumer Research,
Vol. 20 (Mar.), S. 644-656
411

Backhaus, K./Erichson, B./Plinke, W./Weiber, R. (1996): Multivariate
Analysemethoden: Eine anwendungsorientierte Einführung, 8. Auflage, Berlin
[u. a.]: Springer
Backhaus, K./Erichson, B./Plinke, W./Weiber, R. (2003): Multivariate
Analysemethoden: Eine anwendungsorientierte Einführung, 10. Auflage, Berlin
[u. a.]: Springer
Bagozzi, R. P. (1994): Structural Equation Models in Marketing Research, in: R.
Bagozzi (eds.): Principles of Marketing Research, Oxford: Blackwell, S. 317-
385
Bagozzi, R. P./Fornell, C. (1982): Theoretical Concepts, Measurements, and
Meaning, in: Fornell, C.(Hrsg.): A Second Generation of Multivariate Analysis,
Band 2, S. 24-38
Bagozzi, R. P./Phillips, L. (1982): Representing and Testing Organizational Theories:
A Holistic Construal, in: Administrative Science Quarterly, Vol. 27, S. 459-489
Bagozzi, R. P./Yi, Y. (1988): On the Evaluation of Structural Equation Models, in:
Journal of the Academy of Marketing Science, Vol. 16 (1), S. 74-94
Bainbridge, J. (1998): Standing Out of the Crowd, in: Marketing, Vol. 5 (Nov.),
S. 37-38
Bänsch, A. (1998): Käuferverhalten, 8. Auflage, München [u. a.]: Oldenbourg
Baron, J./Ritov, I. (1994): Reference Points and Omission Bias, in: Organizational
Behavior and Human Decision Processes, Vol. 59 (Sep.), S. 475-498
Batra, R./Ahtola, O. (1991): Measuring the Hedonic and Utilitarian Sources of
Consumer Attitudes, in: Marketing Letters, Vol. 2 (Apr.), S. 159-170
Bauer, H. H./Brünner, D./Grether, M./Leach, M. (2001): Die virtuelle
Gemeinschaft als Instrument des Customer Relationship Management, in: Fritz,
W. (Hrsg.): Internet-Marketing, 2. Auflage, Stuttgart: Schäffer-Poeschel,
S. 325-371
Baumgartner, H./Homburg, C. (1996): Applications of Structural Equation Models,
in: International Journal of Research in Marketing, Vol. 13, S. 139-161
Baumol, W./Ide, E. A. (1956): Variety in Retailing, in: Management Science, Vol. 3
(1), S. 93-101
Baumol, W./Panzar, J./Willig, R. (1982): Contestable Markets and the Theory of
Industry Structure, San Diego: Hartcourt Brace Janovich
Bayus, B. L./Putsis, W. P. Jr. (1999): Product Proliferation: An empirical Analysis of
Product Line Determinants and Market Outcomes, in: Marketing Science, Vol.
18 (2), S. 137-153
Bearden, W. O./Netemeyer, R. G./Mobley, M. F. (1999): Handbook of Marketing
Scales: Mulit-Item Measures for Marketing and Consumer Behavior Research,
2nd. ed., Newbury Park [u. a.]: Sage Publications
412

Beattie, J./Baron, J./Hershey, J. C./Spranca, M. D. (1994): Psychological
Determinants of Decision Attitude, in: Journal of Behavioral Decision Making,
Vol. 7, S. 129-144
Bell, D. E. (1982): Regret in Decision Making und Uncertainty, in: Operations
Research, Vol. 30 (5), S. 961-981
Bell, D. E. (1983): Risk Premiums for Decision Regret, in: Management Science,
Vol. 29, S. 1156-1166
Bellgardt, E. (2004): Statistik mit SPSS, 2. Auflage, München: Verlag Franz Vahlen.
Belsley, D. A./Kuh, E./Welsch, R. E. (1980): Regression Diagnostics, New York:
Wiley
Berlyne, D. E. (1971): Aesthetics and Psychobiology, New York: Appleton.
Berndt, H. (1983): Konsumentscheidungen und Informationsüberlastung: Der
Einfluss von Quantität und Qualität der Werbeinformation auf das
Konsumentenverhalten. Eine empirische Untersuchung, München: GBI-Verlag
Berry, L. L. (1983): Relationship Marketing, in: Berry, L./Shostack, G./Upah, G.
(eds.): Emerging Perspectives on Services Marketing, Chicago, S. 25-28
Best, R. J./Ursic, M. (1987): The Impact of Information Load on Variability on
Choice Accuracy, in: Advances in Consumer Research, Vol. 14, S. 106-108
Bettman, J. R./Johnson, E. J./Payne, J. W. (1990): A Componential Analysis of
Cognitive Effort in Choice, in: Organizational Behavior and Human Decision
Processes, Vol. 45, S. 111-139
Bettman, J. R./Park, C. W. (1980): Effects of Prior Knowledge and Experience and
Phase of the Choice Process on Consumer Decision Processes: A Protocol
Analysis, in: Journal of Consumer Research, Vol. 7, S. 234-248
Bettman, J. R./Zins, M. (1977): Constructive Processes in Consumer Choice, in:
Journal of Consumer Research, Vol. 4 (Sep.), S. 75-85
Billot, A./Thisse, J.-F. (1999): A Discrete Choice Model When Context Matters, in:
Journal of Mathematical Psychology, Vol. 43, S. 518-538
Blackwell, R. D./Miniard, P. W./Engel, J. F. (2001): Consumer Behaviour, 9 th . ed.,
Fort Worth [u. a.]: Hartcourt College Publishers
Bleicker, U. (1983): Produktbeurteilung der Konsumenten: Eine psychologische
Theorie der Informationsverarbeitung, in: Konsum und Verhalten, Band 5,
Würzburg, Wien: Phsyica-Verlag
Bloch, P. H./Sherrell, D. L./Ridgway, N. M. (1986): Consumer Search: An Extended
Framework, in: Journal of Consumer Research, Vol. 13 (Jun.), S. 119-126
Böhler, H. (1992): Marktforschung, Kohlhammer-Edition Marketing, 2. Auflage,
Kohlhammer: Stuttgart
Bollen, K. (1989): Structural Equations with Latent Variables, New York: Wiley
Bollen, K./Lennox, R. (1991): Conventional Wisdom on Measurement: A Structural
Equation Perspective, in: Psychological Bulletin, Vol. 110 (2), S. 305-314
413

Bosshart, D. (2002): Einfacher Einkaufen - Einfacher Leben, in: GDI_IMPULS, Vol.
1.02, S. 16-23
Bratschi, T. (2002): In Zukunft rentiert nur die Einfachheit, in: GDI_IMPULS, Vol.
1.02, S. 62-66
Brehm, S. (1980): Anwendung der Sozialpsychologie in der klinischen Praxis, Bern:
Verlag Hans Huber
Brockhaus (1999): Die Enzyklopädie, 20. Auflage, Leipzig, Mannheim: Brockhaus
Brockhoff, K. (1966): Unternehmenswachstum und Sortimentsänderungen. Schriften
des Instituts für Gesellschafts- und Wirtschaftswissenschaften der Universität
Bonn, Band 5, Köln/Opladen
Broniarczyk, S. M./Hoyer, W. D./McAlister, L. (1998): Consumers’ Perceptions of
the Assortment Offered in a Grocery Category: The Impact of Item Reduction,
in: Journal of Marketing Research, Vol. 35 (2), S. 166-176
Brownstein, A. L. (2003): Biased Predecision Processing, in: Psychological Bulletin,
Vol. 129 (4), S. 545-568
Bruhn, M./Homburg, C. (Hrsg.) (2001): Gabler Marketing Lexikon, Wiesbaden:
Gabler
Bucklin, L. P. (1967): The Concept of Mass in Intra-urban Shopping, in: Journal of
Marketing, Vol. 31 (Oct.), S. 37-42
Byrne, B. M. (1998): Structural Equation Modelingwith LISREL, PRELIS, and
SIMPLIS: Basic Concepts, Applications, and Programming, Mahawah, NJ:
Lawrence Erlbaum Associates
Carmines, E./Zeller, R. (1979): Reliability and Validity Assessment, Beverly Hills:
Sage
Cetola, H./Prinkey, K. (1986): Introversion-Extraversion and Loud Commercials, in:
Psychology & Marketing, Vol. 3 (2), S. 123-132
Chaffee, S./McLeod, J.M. (1973): Consumer Decision and Information Use, in:
Ward, A./Robertson, T.S. (eds.), S. 385-415
Chandon, P./Wansink, B./Laurent, G. (2000): A Benefit Congruency Framework of
Sales Promotion Effectiveness, in: Journal of Marketing, Vol. 64 (Oct.), S. 65-81
Chatelin, Y. Marie/Vinzi, V. E./Tenenhaus, M. (2002): State-of-the-are on PLS Path
Modeling through the Available Software, in: Groupe HEC: Les Cahiers de
Recherche (Working Paper Series), Nr. 764, S. 1-31
Chatterjee, S./Heath, T. B. (1996): Conflict and Loss Aversion in Multiattribute
Choice: The Effects of Trade-off Size and Reference Dependence on Decision
Difficulty, in: Organizational Behavior and Human Decision Processes, Vol. 67
(2), S. 144-155
Chaudhuri, A./Holbrook, M. B. (2001): The Chain of Effects from Brand Trust and
Brand Affect to Brand Performance: The Role of Brand Loyalty, in: Journal of
Marketing, Vol. 65 (2), S. 81-93
414

Childers, T. L./Carr, C. L./Peck, J.Carson, S. (2001): Hedonic and Utilitarian
Motivations for Online Retail Shopping Behavior, in: Journal of Retailing, Vol.
77, S. 511-535
Chin, W. W. (1998a): The Partial Least Square Approach to Structural Equation
Modeling, in: Marcoulides, G. A. (ed.): Modern Methods for Business
Research, S. 295-336
Chin, W. W. (1998b): Issues and Opinion on Structural Equation Modeling, in: MIS
Quarterly, Vol. 22 (1), S. VII-XVI
Chin, W. W./Marcolin, B. L./Newsted, P. R. (1996): A Partial Least Squares Latent
Variable Modeling Approach for Measuring Interaction Effects: Results from
Monte Carlo Simulation Study and Choice Mail Emotion/Adoption Study, in:
DeGross, J. J./Jarvenpaa, S./Srinivasan, A. (eds.): Proceedings of the
Seventeenth International Conference on Information Systems, S. 21-41
Chin, W. W./Newsted, P. R. (1999): Structural Equation Modeling Analysis with
Small Samples Using Partial Least Sqares, in: Hoyle, R. H. (eds.): Statistical
Strategies for Small Sample Research, S. 307-341
Churchill, G. A. (1979): A Paradigm for Developing Better Measures of Marketing
Constructs, in: Journal of Marketing Research, Vol. 16 (Feb.), S. 64-73
Churchill, G. A. (1987): Marketing Research: Methodological Foundations, 4th ed.,
Fort Worth [u. a.]: Dryden Press
Connor, J. (1981): Food Product Proliferation: A Market Structure Analysis, in:
American Journal of Agriculture Economy, Nov., S. 607-617
Cooke, T./Meyvis, T./Schwartz, A. (2001): Avoiding Future Regret in
Purchase-timing Decisions, in: Journal of Consumer Research, Vol. 27 (Mar.),
S. 447-459
Craig, C. S./Ghosh, A./McLafferty, S. (1984): Models of Retail Location Process: A
Review, in: Journal of Retailing, Vol. 60 (Spring), S. 5-36.
Desmeules, R. (2002): The Impact of Variety on Consumer Happiness: Marketing
and the Tyranny of Freedom, in: Academy of Marketing Science Review
[Online], Vol. 12, S. 1-17. http://www.amsreview.org/articles/desmeules12-
2002.pdf, Abruf: 18.01.2004
Dhar, R. (1997a): Consumer Preference for a No-Choice Option, in: American
Association for Public Opinion Research (ed.): Journal of Consumer Research,
Vol. 24 (Sep.), S. 215-231
Dhar, R. (1997b): Context and Task Effects on Choice Deferral, in: Marketing
Letters, Vol. 8 (Jan.), S. 119-130
Dhar, R./Nowlis, S. M. (1999): The Effect of Time Pressure on Consumer Choice
Deferral, in: Journal of Consumer Research, Vol. 25, S. 369-384
Dhar, R./Sherman, S. J. (1996): The Effect of Common and Unique Features in
Consumer Choice, in: Journal of Consumer Research, Vol. 23 (3), S. 194-204
415

Diamantopoulos, A./Winklhofer, H. M. (2001): Index Construction with Formative
Indicators: An Alternative to Scale Development, in: Journal of Marketing
Research, Vol. 38 (May), S. 269-277
Dunning, D./Madey, S. F. (1995): Comparison Processes in Counterfactual Thought,
in: Roese, N. J./Olson, J. M. (eds.): What Might Have Been: The Social
Psychology of Counterfactual Thinking, S. 103-131
Edwards, J. R./Bagozzi, R. P. (2000): On the Nature and Direction of Relationships
Between Constructs and Measures, in: Psychological Methods, Vol. 5 (2),
S. 155-174
Eggert, A./Fassott, G. (2003): Zur Verwendung formativer und reflektiver
Indikatoren in Strukturgleichungsmodellen: Ergebnisse einer Metaanalyse und
Anwendungsempfehlungen, in: Kaiserlauterer Schriftenreihe Marketing, Vol.
20, S. 1-24
Esch, F.-R./Wicke, A. (1999): Herausforderungen und Aufgaben des
Markenmanagements, Wiesbaden: Gabler
Faison, E. (1977): The Neglected Variety Drive: A Useful Concept for Consumer
Behavior, in: Journal of Consumer Research, Vol. 4 (Dec.), S. 172-175
Falk, B./Wolf, J. (1982): Das große Lexikon für Handel und Absatz, Landsberg am
Lech: verlag moderne industrie
Feigs, J. (1976): Der Einfluß der Einstellung zu Werbung und der Kompetenzempfindung
auf die Werbewirkung, Saarbrücken, Dissertation
Ferber, R. (1977): Research by Convenience, in: Journal of Consumer Research, Vol.
4 (1), S. 57-58
Festinger, L. (1957): A Theory of Cognitive Dissonance, Stanford: Stanford
University Press
Festinger, L. (1964): Conflict, Decision, and Dissonance, Stanford: Stanford
University Press
Fischer, G. W./Luce, M. F./Jia, J. (2000): Attribute Conflict and Preference
Uncertainty: Effects on Judgement Time and Error, in: Management Science,
Vol. 46, S. 88-103
Fischer, L./Wiswede, G. (1997): Grundlagen der Sozialpsychologie, München [u. a.]:
Oldenbourg.
Fitzsimons, G. J./Greenleaf, E. A./Lehmann, D. R. (1997): Decision and
Consumption Satisfaction: Implications for Channel Relations, in: UCLA
Working Paper, Vol. CA 90095, S. 1-36
Fiuczynski, H.-W. (1961): Zur Produktpolitik des Markenartikelherstellers, in: Der
Markenartikel, 23. Jg., S. 867-895
Flint, D. J./Woodruff, R. B./Gardial, S. (1997): Customer Value Change in
Industrial Marketing Relationships, in: Industrial Marketing Management, Vol.
26 (2), S. 163-175
416

Folkes, V. S. (1988): Recent Attribution Research in Consumer Behavior: A Review and
New Directions, in: Journal of Consumer Research, Vol. 14 (Mar.), S. 548-565
Fornell, C. (1988): A National Customer Satisfaction Barometer: The Swedish
Experience, in: Journal of Consumer Research, Vol. 14, S. 548-565
Fornell, C./Bookstein, F: L. (1982): Two Structural Equation Models: LISREL and
PLS Applied to Consumer Exit-Voice Theory, in: Journal of Marketing
Research, Vol. 19 (Nov.), S. 440-452
Fornell, C./Cha, J. (1994): Partial Least Squares, in: Bagozzi, R. P. (ed.): Advanced
Methods of Marketing Research, S. 52-78
Fornell, C./Larcker, D. (1981): Evaluating Structural Equation Models with
Unobservable Variables and Measurement Errors, in: Journal of Marketing
Research, Vol. 18 (Feb.), S. 39-50
Fritz, W./Hefner, M. (1981): Informationsbedarf und Informationsbeschaffung des
Konsumenten bei unterschiedlichen Kaufobjekten und Populationen, in: Raffée,
H./Silberer G. (Hrsg.): Informationsverhalten des Konsumenten, S. 219-240
Galbreath, J. (2002): Twenty-first Century Management Rules: The Management of
Relationships as Intangible Assets, in: Management Decision, Vol. 40 (1/2),
S. 116-126
Garlington, W. K./Shimota, H. E. (1964): The Change Seeker Index: A Measure of
the Need for Variable Stimulus Input, in: Psychological Reports, Vol. 14,
S. 919-924
Gefen, D./Straub, D. W./Boudreau, M.-C. (2000): Structural Equation Modeling and
Regression: Guidelines for Research Practice, in: Communications of the
Association for Information Systems, Vol. 5, Article 7, S. 1-79
Gilovich, T./Medvec, V. H. (1994): The Temporal Pattern to the Experience of
Regret, in: Journal of Personality and Social Psychology, Vol. 67 (3), S. 357-
365
Givon, M. (1984): Variety Seeking Through Brand Switching, in: Marketing Science,
Vol. 3, S. 1-22
Gleicher, F./Kost, K. A./Baaker, S. M./Strathman, A. J./Richman, S. (1990): The
Role of Counterfactual Thinking in Judgments of Affect, in: Personality and
Social Psychology Bulletin, Vol. 16, S. 284-295
Götz, O./Liehr-Gobbers, K. (2004): Der Partial-Least-Squares (PLS)-Ansatz zur
Analyse von Strukturgleichungsmodellen, in: Krafft, Manfred (Hrsg.):
Arbeitspapiere des Institus für Marketing: Marketing Centrum Münster, Vol. 2,
S. 1-32
Gourville, J. T./Soman, D. (1999): Is More Choice Always Better? The Affect of
Assortment Type on Consumer Choice, in: Harvard Business School Working
Papers, Vol. 99-102, S. 1-30
417

Greenleaf, E. A./Lehmann, D. R. (1995): Reason for Substantial Delay in Consumer
Decision Making, in: Journal of Consumer Research, Vol. 22 (Dec.), S. 186-
199
Griffin, M./Babin, B. J./Modianos, D. (2004): Shopping Values of Russian
Consumers: The Impact of Habituation in a Developing Economy, in: Journal
of Retailing, Vol. 76 (1), S. 33-52
Guinot, C./Latreille, J./Tenenhaus, M. (2001): PLS Path Modelling and Multiple
Table Analysis. Application to the Cosmetic Habits of Women in Ile-de-France,
in: Chemometics and Intelligent Laboratory Systems, Vol. 58, S. 247-259
Gujarati, D. N. (2003): Basic Econometrics, 4. Auflage, Boston: McGraw-Hill
Gul, F. (1991): A Theory of Disappointment Aversion, in: Econometrica, Vol. 59 (3),
S. 667-686
Gutenberg, E. (1984): Grundlagen der Betriebswirtschaftslehre, 2. Band: Der Absatz,
17. Auflage, Berlin [u. a.]: Springer
Haas, A. (2001): Erfolgreich verkaufen durch zufriedenheitsorientierte Beratung;
WiSo-Fakultät; Arbeitspapier des Lehrstuhls für Marketing, Nürnberg; Nr. 92;
Erlangen-Nürnberg: FAU. S. 1-22
Hair, J. F. Jr./Anderson, R. E./Tatham, R. L. Black, W. C. (1998): Multivariate
Data Analysis, 5, Upper Saddle River: Prentice Hall.
Hajos, A. (1977): Handbuch psychologischer Grundbegriffe: Wahrnehmung,
München: Kösel
Harrell, G. (1986): Consumer Behavior, San Diego
Hastie, R. (2000): Problems for Judgment and Decision Making, Workingpaper,
http://psych.colorado.edu/~rhastie/AnnRev.pdf, Abruf: 18.10.2003
Hauser, J. R./Wernerfelt, B. (1990): An Evaluation Cost Model of Consideration
Sets, in: Journal of Consumer Research, Vol. 16, S. 393-408
Hausman, A. (1996): Just Do It: Driving the Impulse to Buy, in: Stuart, E. W./
Ortinau, D. J./Moore, E. M. (eds.): Proceedings of the Annual Meeting of the
Southern Marketing Association, S. 344-347
Hausman, A. (2000): A Multi-Method Investigation of Consumer Motivations in
Impulse Buying Behavior, in: Journal of Consumer Marketing, Vol. 17 (5),
S. 403-419
Haytko, D. L./Baker, J. (2004): It's All at the Mall: Exploring Adolescent Girls'
Experiences, in: Journal of Retailing, Vol. 80, S. 67-83
Headrich, G./Tomczak, T. (1996): Produktpolitik, Stuttgart [u. a.]: Kohlhammer.
Helmig, B. (1996): „Variety seeking behavior“ als Motiv des Markenwechsels beim
Kauf von Konsumgütern, in: Freiburger Betriebswirtschaftliche Diskussionsbeiträge,
Vol. 14/96, S. 1-15
418

Herrmann, A. (1992): Produktwahlverhalten: Erläuterung und Weiterentwicklung
von Modellen zur Analyse des Produktwahlverhaltens aus marketingtheoretischer
Sicht, Stuttgart: Schäffer-Poeschel Verlag
Herrmann, A. (1998): Produktmanagement, München: Verlag Franz Vahlen
Herrmann, A./Huber, F./Kressmann, F. (2004): Partial Least Squares – Ein
Leitfaden zur Spezifikation, Schätzung und Beurteilung varianzbasierter
Strukturgleichungsmodelle, Eingereicht bei der Zeitschrift für Betriebswirtschaft
(ZfB), S. 1-35
Herrmann, A./Huber, F./Seilheimer, C. (2003): Die Qual der Wahl: Die Bedeutung
des Regret bei Kaufentscheidungen, in: zfbf, Vol. 55 (Mai), S. 224-249
Herrmann, A./Huber, F./Wricke, M. (1999): Die Herausbildung von
Zufriedenheitsurteilen bei Alternativenbetrachtung, in: zfbf, Vol. 51 (7/8),
S. 677-692
Hoch, S. J./Bradlow, E. T./Wansink, B. (1999): The Variety of an Assortment, in:
Marketing Science, Vol. 18 (4), S. 527-546
Holbrook, M. B./Hirschman, E. C. (1982): The Experiential Aspects of
Consumption: Consumer Fantasies, Feelings, and Fun, in: Journal of Consumer
Research, Vol. 9 (Sep.), S. 132-140
Homburg, C. (1998): Kundennähe von Industriegüterunternehmen, 2. Auflage,
Wiesbaden: Gabler
Homburg, C./Baumgartner, H. (1995): Die Kausalanalyse als Instrument der
Marketingforschung, in: ZfB, Vol. 65, S. 1091-1108
Homburg, C./Baumgartner, H. (1998): Beurteilung von Kausalmodellen:
Bestandsaufnahme und Anwendungsempfehlungen, in: Hildebrand,
L./Homburg, C. (Hrsg.): Die Kausalanalyse: ein Instrument der betriebswirtschaftlichen
Forschung, Stuttgart: Schäffer-Poeschel, S. 343-370
Homburg, C./Faßnacht, M./Werner, H. (2002): Operationalisierung von
Kundenzufriedenheit und Kundenbindung, in: Handbuch Kundenbindung:
Grundlagen – Konzepte – Erfahrungen, 3. Auflage, S. 506-527
Homburg, C./Giering, A. (1996): Konzeptualisierung und Operationalisierung
komplexer Konstrukte, in: Marketing ZFP, Vol. 18 Heft 1, S. 5-24
Homburg, C./Hildebrandt, L. (1998): Die Kausalanalyse. Bestandsaufnahme,
Entwicklungsrichtlinien, Problemfelder, in: Die Kausalanalyse: ein Instrument
der betriebswirtschaftlichen Forschung, Stuttgart: Schäffer-Poeschel Verlag
S. 15-43
Homburg, C./Pflesser, C. (1999a): Konfirmatorische Faktorenanalyse, in: Herrmann,
A./Homburg, C. (Hrsg.): Marktforschung, Wiesbaden , S. 415-437
Homburg, C./Pflesser, C. (1999b): Strukturgleichungsmodelle mit latenten
Variablen: Kausalanalyse, in: Herrmann, A./Homburg, C. (Hrsg.): Marktforschung,
S. 635-659
419

Houston, D. A./Sherman, S. J./Baker, S. M. (1991): Feature Matching, Unique
Features, and the Dynamics of the Choice Process: Predecision Conflict and
Postdecision Satisfaction, in: Journal of Experimental Social Psychology, Vol.
27, S. 411-430
Howard, J. A./Sheth, J. N. (1969): The Theory of Buyer Behavior, New York: Wiley
Huber, J./Payne, J. W./Puto, C. (1982): Adding Asymmetrically Dominated
Alternatives: Violations of Regularity and the Similarity Hypothesis, in: Journal
of Consumer Research, Vol. 9, S. 90-97
Huffmann, C./Kahn, B. E. (1998): Variety for Sale: Mass Customization or Mass
Confusion, in: Journal of Retailing, Vol. 74 (4), S. 491-513
Hulland, J. (1999): Use of Partial Least Squares (PLS) in Strategic Management
Research: A Review of Four Recent Studies, in: Strategic Management Journal,
Vol. 20, S. 195-204
Inman, J. J./Dyer, J. S./Jia, J. (1997): A Generalized Utility Model of
Disappointment and Regret Effects on Post-Choice Valuation, in: Marketing
Science, Vol. 16 (2), S. 97-111
Isen, A. M. (2001): An Influence of Positive Affect on Decision Making in Complex
Situations: Theoretical Issues with Practical Implications, in: Journal of
Consumer Psychology, Vol. 11, S. 75-85
Isen, A. M./Geva, N. (1987): The Influence of Positive Affects on Acceptable Level
of Risk: The Person with a Large Canoe Has a Large Worry, in: Organizational
Behavior and Human Decision Processes, Vol. 37 (Apr.), S. 145-154
Iyengar, S. S./Jiang, W./Hubermann, G. (2003): How Much Choice is Too
Much? Contributions to 401(k) Retirement Plans, in: Pension Research
Council Working Paper, PRC WP 2003-10, S. 1-18.
http://rider.wharton.upenn.edu/~prc/PRC/WP/WP2003-10.pdf
(10.02.2004); Erscheint in Pension Design and Structure: New Lessons
from Behavioral Finance
Iyengar, S. S./Lepper, M. (2002): Choice and Its Consequences: On the Costs and
Benefits of Self-determination, in: Tesser, A. (ed.): Self And Motivation:
Emerging Psychological Perspectives, Washington, D.C.: American Psychological
Association S. 71-96
Jackson, B. B./Shapiro, B. (1979): New Way to Make Product Line Decisions, in:
Harvard Business Review, Vol. 57 (3), S. 139-140
Jacoby, J. (1977): Information Load and Decision Quality: Some Contested Issues,
in: Journal of Marketing Research, Vol. 14 (Nov.), S. 569-573
Jacoby, J. (1978): Consumer Research: How Valid and Useful are Our Consumer
Behavior Research Findings? A State of the Art Review, in: Journal of
Marketing, Vol. 42 (2), S. 87-96
Jacoby, J. (1984): Perspectives on Information Overload, in: Journal of Consumer
Research, Vol. 10 (Mar.), S. 432-435
420

Jacoby, J./Speller, D. E./Berning, C. A. (1974a): Brand Choice Behavior as a
Function of Information Load: Replication and Extension, in: Journal of
Consumer Research, Vol. 1 (Feb.), S. 33-42
Jacoby, J./Speller, D. E./Kohn, C. A. (1974b): Brand Choice Behavior as a Function
of Information Load, in: Journal of Marketing Research, Vol. 11 (Feb.), S. 63-
69
Jacoby, J./Szybillo, G. J./Busato-Schach, J. (1977): Information Acquisition
Behavior in Brand Choice Situations, in: Journal of Consumer Research, Vol. 3
(Mar.), S. 209-216
Jarvis, C. B./MacKenzie, S. B./Podsakoff, P. M. (2003): A Critical Review of
Construct Indicators and Measurement Model Misspecification in Marketing
and Consumer Research, in: Journal of Consumer Research, Vol. 30, S. 199-
218
Joachimsthaler, E. A./Lastovicka, J. L. (1984): Optimal Stimulation Level -
Exploratory Behavior Model, in: Journal of Consumer Research, Vol. 11
(Dec.), S. 830-835
Johnson, E. J./Russo, J. E. (1984): Product Familiarity and Learning New
Information, in: Journal of Consumer Research, Vol. 11 (Jun.), S. 542-550
Johnson, M. D. (1984): Consumer Choice Strategies for Comparing Noncomparable
Alternatives, in: Journal of Consumer Research, Vol. 11, S. 741-753
Jöreskog, K. G./Sörbom, D. (1982): Recent Developments in Structural Equations
Modeling, in: Journal of Marketing Research, Vol. 19, S. 404-416
Kadiyali, V./Vilcassim, N./Chintagunta, P. (1999): Product Line Extensions and
Competitive Market Interactions: An Empirical Analysis, in: Journal of
Econometrics, Vol. 89 (Mar./Apr.), S. 339-364
Kahn, B. E. (1998): Dynamic Relationships with Customers: High Variety Strategies,
in: Journal of the Academy of Marketing Science, Vol. 26 (1), S. 45-53
Kahn, B. E./Kalwani, M. U./Morrison, D. G. (1986): Measuring Variety-Seeking
and Reinforcement Behaviors Using Panel Data, in: Journal of Marketing
Research, Vol. 13, S. 89-100
Kahn, B. E./Morales, A. C. (2001): Choosing Variety, in: Hoch, S. J./Kunreuther, H.
C./Gunther R. E.(Hrsg.): Wharton on Marketing Decisions, S. 63-77
Kahn, B. E./Wansink, B. (2004): The Influence of Assortment Structure on
Perceived Variety and Consumption Quantities, in: Journal of Consumer
Research, Vol. 30 (4), S. 519-533
Kahneman, D. (1995): Varieties of Counterfactual Thinking, in: Roese, N. J./Olson,
J. M. (Hrsg.): What Might Have Been: The Social Psychology of Counterfactual
Thinking
Kahneman, D./Miller, D. T. (1986): Norm Teory: Comparing Reality with its
Alternatives, in: Psychological Review, Vol. 93, S. 136-153
421

Kahneman, D./Tversky, A. (1979): Prospect Theory: An Analysis of Decision under
Risk, in: Econometrica, Vol. 47, S. 263-291
Kahneman, D./Tversky, A. (1982): The Psychology of Preferences, in: Scientific
American, Vol. 246 (Jan.), S. 160-173
Kahneman, D./Tversky, A. (1982): The Simulation Heuristic, in: Kahneman, D. et al.
(Hrsg.): Judgement under Uncertainty: Heuristics and Biases, S. 201-208
Karni, E./Schwarz, A. (1977): Search Theory: The Case of Search with Uncertain
Recall, in: Journal of Economic Theory, Vol. 16 (Oct.), S. 38-52
Katona, G. (1960): Das Verhalten der Verbraucher und Unternehmer, Tübingen:
Mohr Siebeck
Keinan, G. (1987): Decision Making under Stress: Scanning of Alternatives under
Controllable and Uncontrollable Threats, in: Journal of Personality and Social
Psychology, Vol. 52, S. 639-644
Kekre, S./Srinivasan, K. (1990): Broader Product Line: A Necessity to Achieve
Success?, in: Management Science (Oct.), S. 1216-1231
Kirsch, W. (1977): Einführung in die Theorie der Entscheidungsprozesse,
Wiesbaden: Gabler
Klein, N. M./Yadav, M. S. (1989): Context Effects on Effort and Accuracy in Choice:
An Inquiry into Adaptive Decision Making, in: Journal of Consumer Research,
Vol. 15, S. 411-421
Kline, R. B. (1998): Principles and Practice of Structural Equation Modeling, New
York, London: Guilford Press
Kollat, D. T./Blackwell, R. D./Engel, J. F. (1972): The Current Status of Consumer
Behavior Research: Development During the 1968-1972 Period, in:
Venkatesan, M. (ed.): Proceedings of the 3rd Annual Conference of the
Association for Consumer Research, S. 576-585
Kotler, P. (2000): Marketing Management: The Millennium Edition, Upper Saddle
River: Prentice Hall
Kotler, P./Bliemel, F. (1999): Marketing-Management: Analyse, Planung,
Umsetzung, 9. Aufl., Stuttgart: Schäffer-Poeschel
Kroeber-Riel, W./Weinberg, P. (1996): Konsumentenverhalten, 6. Auflage,
München: Verlag Franz Vahlen
Kuß, A./Tomczak, T. (2000): Käuferverhalten: Eine marketingorientierte Einführung,
2. Auflage, Stuttgart: Lucius und Lucius
Lamer, H./Kroh, P. (1995): Wörterbuch der Antike, Kröners Taschenausgabe: Bd.
96, 10. Auflage, Stuttgart: Kröner
Lancaster, K. (1979): Variety, Equity and Efficiency: Product Variety in an Industrial
Society, New York: Columbia University Press
422

Lancaster, K. (1990): The Economics of Product Variety: A Survey; Marketing
Applications of the Economics of Product Variety, in: Marketing Science, Vol.
9 (3), S. 189-206
Landman, J. (1987): Regret: A Theoretical and Conceptual Analysis, in: Journal of
Theory of Social Behavior, Vol. 17 (Jun.), S. 135-160
Lane, R. E. (2000): The Loss of Happiness in Market Democraties, New Haven
[u. a.]: Yale UP
Langrehr, F. W. (1991): Retail Shopping Mall Semiotics and Hedonic Consumption,
in: Holman, R. H./Solomon, M. R. (eds.): Advances in Consumer Research,
Vol. 18, Provo: Association for Consumer Research, S. 428-433
Larrick, R. P./Boles, T. L. (1995): Avoiding Regret in Decisions with Future
Feedback: A Negotiation Example, in: Organizational Behavior and Human
Decision Processes, Vol. 63, S. 87-97
Lehmann, D. R. (1998): Customer Reactions to Variety: Too Much of a Good
Thing?, in: Journal of the Academy of Marketing Science, Vol. 26 (1), S. 62-65
Levy, M./Weitz, B, A. (1995): Retailing Management, 2nd ed., Chicago: Richard D. Irwing
Lindsay, R./Norman, D. (1981): Einführung in die Psychologie, Berlin [u. a.]: Springer
Loewenstein, G. (1999): Is More Choice Always Better?, in: Social Security Brief:
National Academy of Social Insurance, Vol. 7, S. 1-8
Lohmöller, J.-B. (1989): Latent Path Modeling with Partial Least Squares,
Heidelberg: Phsyica-Verlag
Loomes, G./Sugden, R. (1982): Regret Theory: An Alternative Theory of Rational
Choice under Uncertainty, in: Economic Journal, Vol. 92 (Dec.), S. 805-824
Loomes, G./Sugden, R. (1987): Testing for Regret and Disappointment in Choice
under Uncertainty, in: The Economic Journal, Vol. 97, S. 118-129
Louviere, L. J./Gaeth, G. J. (1987): Decomposing the Determinants of Retail Facility
Choice Using the Method of Hierarchical Information Integration: A Supermarket
Illustration, in: Journal of Retailing, Vol. 63 (1), S. 25-48
Luce, M. F. (1998): Choosing to Avoid: Coping with Negatively Emotion-laden
Consumer Decisions, in: Journal of Consumer Research, Vol. 24 (Mar.), S. 409-433
Luce, M. F./Jia, J./Fischer, G. W. (2003): How Much Do You Like It?
Within-Alternative Conflict and Subjective Confidence in Consumer Judgments,
in: Journal of Consumer Research, Vol. 30 (Dec.), S. 464-472
Luce, M. F./Payne, J. W./Bettman, J. R. (2000): Coping with Unfavorable Attribute
Values in Choice, in: Organizational Behavior and Human Decision Processes,
Vol. 81, 2 (März), S. 274-299
Luce, M. F./Payne, J. W./Bettman, J. R. (2001): The Emotional Nature of Decision
Trade-offs, in: Hoch, S. J./Kunreuther, H. C./Gunther R. (eds.): Wharton on
Marketing Decisions, S. 17-35
423

Malhotra, N. K./Jain, A. K./Lagakos, W. (1982): The Information Overload
Controversy: An Alternative Viewpoint, in: Journal of Marketing, Vol. 46
(Spring), S. 27-37
Mano, H./Oliver, R. L. (1993): Assessing the Dimensionality and Structure of the
Consumption Experience: Evaluation, Feeling and Satisfaction, in: Journal of
Consumer Research, Vol. 20 (3), S. 451-466
March, J. G./Simon, H.A. (1993): Organizations, 2. Auflage, Cambridge: Blackwell
Marketing Systems (2001): Diversifizierungstendenzen bei der deutschen
Pkw-Nachfrage in den letzten 20 Jahren. Autor: Ulrich Winzen, Marketing
Systems GmbH, Essen
Markman, A. B./Medin, D. L. (1995): Similarity and Alignment in Choice, in:
Organizational Behavior and Human Decision Processes, Vol. 63 (2), S. 117-130
Matzler, K. (1997): Kundenzufriedenheit und Involvement, Wiesbaden: Gabler
Verlag, Deutscher Universitäts-Verlag
McConnell, A. R./Niedermeier, K. E./Leibold, J. M./El-Alayli, A. G./Chin, P.
(2000): What If I Find It Cheaper Someplace Else?: Role of Prefactual Thinking
and Anticipated Regret in Consumer Behavior, in: Psychology and Marketing,
Vol. 17 (4), S. 281-298
McFadden, D (1981): Econometric Models of Probabilistic Choice, in: Manski, C.
F./McFadden, D. (eds.): Structural Analysis of Discrete Data with Econometric
Applications, S. 198-272
McFadden, D. (1986): The Choice Theory Approach to Market Research, in:
Marketing Science, Vol. 5 (4), S. 275-297
Meffert, H. (2000): Marketing: Grundlagen marktorientierter Unternehmensführung:
Konzepte – Instrumente – Praxisbeispiele, 9. Auflage, Wiesbaden: Gabler
Mehler, K. (1999): Die süße Flut, in: Lebensmittel Zeitung Spezial, Vol. 2/99, S. 8-12
Mehrabian, A. (1978): Characteristic Individual Reactions to Preferred and
Unpreferred Environments, in: Journal of Personality, Vol. 46, S. 717-731
Mehrabian, A./Russell, J. (1974): An Approach to Environmental Psychology,
Cambridge, MA: MIT Press
Mellers, B./Schwartz, A./Ritov, I. (1999): Emotion-based Choice, in: Journal of
Experimental Psychology: General, Vol. 128, S. 332-345
Menon, S./Kahn, B. E. (1995): The Impact of Context on Variety Seeking in Product
Choices, in: Journal of Consumer Research, Vol. 22 (Dec.), S. 285-295
Meyer, R. J. (1997): The Effects of Set Composition on Stopping Behavior in a Finite
Search Among Assortments, in: Marketing Letters, Vol. 8 (Jan.), S. 131-143
Miller, D. T./Taylor, B. R. (1995): Counterfactual Thought, Regret, and Superstition:
How to Avoid Kicking Yourself, in: Roese, N. J./Olson, J. M. (eds.): What Might
Have Been: The Social Psychology of Counterfactual Thinking, S. 305-331
424

Miller, G. A. (1953): The Magical Number Seven, Plus or Minus Two: Some Limits
on our Capacity for Processing Information, in: Psychological Review, Vol. 63
(2), S. 81-96
Miller, N. E. (1944): Experimental Studies of Conflict, in: Hunt, J.M. (ed.):
Personality and the behavior disorders, S. 431-465
Mittelstaedt, R. A./Grossbart, S. L./Curtis, W./DeVere, S. P. (1976): Optimum
Stimulation Level and the Adoption Decision Process, in: Journal of Consumer
Research, Vol. 3 (Sep.), S. 84-94
Montgomery, H. (1989): From Cognition to Action: The Search for Dominance in
Decision Making, in: Montgomery, H./Svenson, O. (eds.): Process and
Structure in Human Decision Making, S. 23-51
Müller-Hagedorn, L. (1986): Das Konsumentenverhalten, Wiesbaden: Gabler
Muniz Jr., A./O'Guinn, T. (2001): Brand Community, in: Journal of Consumer
Research, Vol. 27 (Mar.), S. 412-432
Muraven, M./Baumeister, R. F. (2000): Self-Regulation and Depletion of Limited
Resources: Does Self-Control Resemble a Muscle?, in: Psychological Bulletin,
Vol. 126 (2), S. 247-259
Nedungadi, P. (1990): Recall and Consumer Consideration Sets: Influencing Choice
without Altering Brand Evaluations, in: Journal of Consumer Research, Vol. 17
(Dec.), S. 263-276
Novak, T. P./Hoffmann, D. L./Yung, Y.-F. (2000): Measuring the Customer
Experience in Online Environments: A Structural Modeling Approach, in:
Marketing Science, Vol. 19 (1), S. 22-42
Nunnally, J. C. (1979): Psychometric Theory, 2nd ed., New York: McGraw-Hill
Nunnally, J. C./Bernstein, I. H. (1994): Psychometric Theory, 3rd. ed., New York:
McGraw-Hill
o.V. (1993): Advertising Age, 18. Oktober
o.V. (1996): Business Week, 9. September
o.V. (2000): Random Sampling, in: Marketing News, Vol. 11. Sep., S. 8
Oliver, R. L. (1980): A Cognitive Model of the Antecedents and Consequences of
Satisfaction Decisions, in: Journal of Marketing Research, Vol. 17 (Nov.),
S. 460-469
Oliver, R. L. (1996): Satisfaction: A Behavioral Perspective on the Consumer, New
York: McGraw-Hill
Olshavsky, R. W. (1983): Perceived Quality in Consumer Decision Making: An
Integrated Theoretical Perspective. Paper präsentiert auf der Konferenz
„Consumer Perception of Merchandise and Store Quality“, New York,
29./30.09.1983
Osnos, E. (1997): Too Many Choices? Firms Cut Back on New Products, in:
Philadelphia Inquirer, S. D1-D7
425

Pagès, J./Tenenhaus, M. (2001): Multiple Factor Analysis Combined with PLS Path
Modelling. Application to the Analysis of Relationships Between Physiochemical
Variables, Sensory Profiles and Hedonic Judgements, in:
Chemometics and Intelligent Laboratory Systems, Vol. 58, S. 261-273
Payne, J. W. (1982): Contingent Decision Behavior, in: Psychological Bulletin, Vol.
92, S. 382-402
Payne, J. W./Bettman, J. R./Johnson, E. J. (1992): Behavioral Decision Research: A
Constructive Processing Perspective, in: Annual Review of Psychology, Vol.
43, S. 87-131
Payne, J. W./Bettman, J. R./Johnson, E. J. (1993): The Adaptive Decision Maker,
Cambridge: Cambridge Univ. Press
Peter, J. P. (1979): Reliability: A Review of Psychometric Basics and Recent
Marketing Practices, in: Journal of Marketing Research, Vol. 16 (1), S. 6-17
Peter, J. P./Churchill, G. A. (1986): Relationships among Research Design Choices
and Psychometric Properties of Rating Scales: A Meta-Analysis, in: Journal of
Marketing Research, Vol. 23 (1), S. 1-10
Peter, J. P./Olson, J. C. (2002): Consumer Behavior and Marketing Strategy, 6 th . ed.,
Homewood, Boston: McGraw-Hill/Irwin
Peterson, R. A. (2001): On the Use of College Students in Social Science Research:
Insights from a Second-Order Meta-analysis, in: Journal of Consumer Research,
Vol. 28 (3), S. 450-461
Plewe, H. (2000): Wem nützen all die Marken?, in: Marken: Supplement der
Absatzwirtschaft, Vol. 1 (Juni), S. 3
Prillmann, M. (1996): Management der Variantenvielfalt: Ein Beitrag zur
handlungsorientierten Erfolgsfaktorenforschung im Rahmen einer Studie in der
Elektronikindustrie, 34, Frankfurt am Main: Peter Lang
Quelch, J./Kenny, D. (1994): Extend Profits, Not Product Lines, in: Harvard
Business Review, Sep./Oct., S. 153-160
Raffée, H. (1969): Konsumenteninformation und Beschaffungsentscheidungen des
privaten Haushalts, Stuttgart: Poeschel Verlag
Raffée, H./Fritz, W. (1990): Informationsüberlastung des Konsumenten, in: Hoyos,
Graf C. et al. (Hrsg.): Wirtschaftspsychologie in Grundbegriffen, 2. Auflage,
München: Psychologie Verlags Union. S. 83-90
Raffée, H./Jacoby, J./Hefner, M./Schöler, M./Grabicke, K. (1979): Informationsentscheidungen
bei unterschiedlichen Entscheidungsobjekten: Empirische
Untersuchung mittels einer neuen Methode zur Erfassung von Entscheidungsprozessen,
in: Konsumentenverhalten und Information, Schriftenreihe Markt
und Marketing, S. 113-146
Raju, P.S. (1980): Optimal Stimulation Level: Its Relationships to Personality,
Demographics, and Exploratory Behavior, in: Journal of Consumer Research,
Vol. 7 (Dec.), S. 272-282
426

Rao, A.R./Monroe, K. B. (1988): The Moderating Effect of Prior Knowledge on Cue
Utilization in Product Evaluations, in: Journal of Consumer Research, Vol. 15
(Sep.), S. 253-264
Rathnow, P. J. (1993): Integriertes Variantenmanagement: Bestimmung,
Realisierung und Sicherung der optimalen Produktvielfalt, Göttingen:
Vandenhoeck und Ruprecht
Reddy, S. K./Holak, S. L./Bhat, S. (1994): To Extend or Not to Extend: Success
Determinants of Line Extensios, in: Journal of Marketing Research, Vol. 21
(May), S. 243-262
Redelmeier, D. A./Shafir, E. (1995): Medical Decision Making in Situations that
Offer Multiple Alternatives, in: Journal of the American Medical Association,
Vol. 273 (4), S. 302-305
Reibstein, D. J./Youngblood, S. A./Fromkin, H. L. (1975): Number of Choices and
Perceived Decision Freedom as a Determinant of Satisfaction and Consumer
Behavior, in: Journal of Applied Psychology, Vol. 60 (4), S. 434-437
Reichheld, F. F./Schefter, P. (2000): E-Loyalty: Your Secret Weapon on the Web,
in: Harvard Business Review, Vol. 78 (Jul./Aug.), S. 105-113
Rhenius, D. (1979): Entscheidungstheoretische Ansätze zur kognitiven Psychologie:
Einführung, in: Ueckert, H./Rhenius, D. (Hrsg.): Komplexe menschliche
Informationsverarbeitung: Beiträge zur Tagung „Kognitive Psychologie“, Bern:
Verlag Hans Huber, S. 388-390
Richins, M. L. (1997): Measuring Emotions in the Consumption Experience, in:
Journal of Consumer Research, Vol. 24, S. 127-146
Ringle, C. M. (2004): Gütemaße für den Partial Least Squares Ansatz zur
Bestimmung von Kausalmodellen, in: Hansmann, K.-W. (Hrsg.): Industrielles
Management; Universität Hamburg, Institut für Industriebetriebslehre und
Organisation, Arbeitspapier Nr. 16, S. 1-32
Ritov, I./Baron, J. (1990): Reluctance to Vaccinate: Omission Bias and Ambiguity,
in: Journal of Behavioral Decision Making, Vol. 3, S. 263-277
Ritov, I./Baron, J. (1992): Status quo and Omission Biases, in: Journal of Risk and
Uncertainty, Vol. 5, S. 49-62
Ritov, I./Baron, J. (1995): Outcome Knowledge, Regret, and Omission Bias, in:
Organizational Behavior and Human Decision Processes, Vol. 64, S. 119-127
Roberts, J. H./Lattin, J. M. (1991): Development and Testing of a Model of
Consideration Set Composition, in: Journal of Marketing Research, Vol. 28
(Nov.), S. 429-440
Roberts, M./Samuelson, L. (1988): An Empirical Analysis of Dynamic, Nonprice
Competition in an Oligopolistic Industry, in: Rand Journal of Econometrics,
Vol. 19 (Summer), S. 200-220
427

Robinson, W. (1988): Sources of Market Pioneering Advantages: The Case of
Industrial Goods Industries, in: Journal of Marketing Research, Vol. 25 (Feb.),
S. 87-94
Robinson, W./Fornell, C. (1985): Sources of Market Pioneering Advantages in
Consumer Goods Industries, in: Journal of Marketing Research, Vol. 22 (Aug.),
S. 305-317
Roese, N. J. (2000): Counterfactual Thinking and Marketing: Introduction to the
Special Issue, in: Psychology and Marketing, Vol. 17 (4), S. 277-280
Rosenstiel, L. von/Ewald, G. (1979): Marktpsychologie. Band I: Konsumentenverhalten
und Kaufentscheidung, Stuttgart: Kohlhammer
Rossiter, J. R. (2002): The C-OAR-SE Procedure for Scale Development in Marketing,
in: International Journal of Research in Marketing, Vol. 19, S. 305-335
Rotfeld, H. J. (2003): Convenient Abusive Research, in: The Journal of Consumer
Affairs, Vol. 37 (1), S. 191-194
Rothschild, M. L. (1984): Perspectives on Involvement: Current Problems and Future
Directions, in: Kinnear, T. C. (ed.): Advances in Consumer Research, Vol. 11,
S. 216-217
Rudolph, T./Schweizer, M. (2003): Kunden wieder zu Käufern machen, in: Harvard
Business Manager, Februar, S. 23-33
Rudolph, T./Schweizer, M. (2003): Produktvielfalt: Ermüdungserscheinungen beim
Kunden!, in: Thexis, Vol. 2.2003, S. 48-50
Russo, J. E. (1974): More Information is Better. A Reevaluation of Jacoby, Speller
and Kohn, in: Journal of Consumer Research, Vol. 1, S. 66-72
Sarker, M.B./Echambadi, R./Cavusgil, S./Aulakh, P.S. (2001): The Influence of
Complementarity, Compatibility, and Relationship Capital on Alliance
Performance, in: Journal of the Academy of Marketing Science, Vol. 29 (4),
S. 358-373
Schiffmann, L./Kanuk, L. (1997): Consumer Behavior, 6 th ed., Upper Saddle River:
Prentice Hall
Schmalensee, R. (1978): Entry Deterrence in the Ready-to-eat Breakfast Cereal
Industry, in: Bell Journal of Economy, Vol. 9, S. 305-327.
Schmidt, T. (1995): Rationale Entscheidungstheorie und reale Personen: Eine
kritische Einführung in die formale Theorie individueller Entscheidungen,
Ökonomische Essays, Band 3, Marburg: Metropolis-Verlag.
Schmidt, T. B. (1990): Die Bestimmung der optimalen Sortimentstiefe für einen
Konsumgüterhersteller, Dissertation an der Universität Köln.
Scholten, M. (2002): Conflict-mediated Choice, in: Organizational Behavior and
Human Decision Processes, Vol. 88, S. 683-718
Schuh, G./Schwenk, U. (2001): Produktkomplexität managen, München, Wien: Hanser.
428

Schwartz, B. (2000): Self-Determination: The Tyranny of Freedom, in: American
Psychologist, Vol. 55 (1), S. 79-88
Schwartz, B./Ward, A./Lehmann, D. R. (2002): Maximizing vs. Satisficing:
Happiness is a Matter of Choice, in: Journal of Personality and Social
Psychology, Vol. 83 (5), S. 1178-1197
Seilheimer, C. (2001): Antezedenzien und Konsequenzen des Regret: Grundlagen –
Messung – Implikationen, Wiesbaden: Gabler Edition Wissenschaft
Sethi-Iyengar, S./Lepper, M. (2000): When Choice is Demotivating: Can One Desire
too Much of a Good Thing?, in: Journal of Personality and Social Psychology,
Vol. 79, S. 995-1006
Shapiro, B. (1977): Industrial Product Policy: Managing the Existing Product Line,
in: Marketing Science Institute Report, Sep., S. 77-110
Shepard, R. N. (1964): On Subjectively Optimum Selection Among Multiattribute
Alternatives, in: Shelly, M. W./Bryan, G. L. (Hrsg.): Human Judgments and
Optimality, S. 257-281
Sheppard, B. H./Lewicki, R. J./Minton, J. W. (1992): Organizational Justice: The
Search for Fairness in the Workplace, New York: Lexington Books
Sheth, J./Raju, P.S. (1979): Wahlentscheidungen und Prozeßmodelle des
Informationsverhaltens von Konsumenten, in: Meffert/Steffenhaben/Freter
(Hrsg.): Konsumentenverhalten und Information, S. 147-159
Shimanoff, S. B. (1984): Commonly Named Emotions in Everyday Conversations,
in: Perceptual and Motor Skills, Vol. 58, S. 514
Shugan, S. (1980): The Cost of Thinking, in: Journal of Consumer Research, Vol. 7,
S. 99-111
Shugan, S. (1982): The Cost of Thinking: Its Implications, in: McAlister, L. et al. (eds.):
Choice Models for Buyer Behavior; Research in Marketing, Supplement 1, S. 169-184
Siems, F. (2003): Preiswahrnehmung von Dienstleistungen: Konzeptualisierung und
Integration in das Relationship Marketing, in: Basler Schriften zum Marketing,
Vol. 11, Wiesbaden: Gabler
Silberer, G. (1981): Das Informationsverhalten des Konsumenten beim
Kaufentscheid – Ein analytisch-theoretischer Bezugsrahmen, in: Raffée,
H./Silberer, G. (Hrsg.): Informationsverhalten des Konsumenten: Ergebnisse
empirischer Studien, S. 27-60
Silberer, G. (1990): Reaktanz bei Konsumenten, 2. Auflage, München: Psychologie
Verlags Union
Simonson, I. (1989): Choice Based on Reasons: The Case of Attraction and
Compromise Effects, in: Journal of Consumer Research, Vol. 16, S. 158-174
Simonson, I. (1992): The Influence of Anticipating Regret and Responsibility on
Purchase Decisions, in: Journal of Consumer Research, Vol. 19 (Jun.), S. 105-
118
429

Slovic, P. (1995): The Construction of Preferences, in: American Psychologist, Vol.
50 (May), S. 364-371.
Solomon, M./Bamossy, G./Askegaard, S. (2001): Konsumentenverhalten: Der
europäische Markt, München: Pearson Studium
Spranca, M. D./Minsk, E./Baron, J. (1991): Omission and Commission in Judgment
and Choice, in: Journal of Experimental Social Psychology, Vol. 27, S. 76-105
Steenkamp, J.-B./Baumgartner, H. (1992): The Role of Optimum Stimulation Level
in Exploratory Consumer Behavior, in: Journal of Consumer Research, Vol. 19
(Dec.), S. 434-448
Steenkamp, J.-B./Baumgartner, H. (1995): Development and Cross-cultural
Validation of a Short Form of CSI as a Measure of Optimum Stimulation Level,
in: International Journal of Research in Marketing, Vol. 12 (2), S. 97-104
Steenkamp, J.-B./Baumgartner, H. (2000): On the Use of Structural Equation
Models for Marketing Modeling, in: International Journal of Marketing
Research, Vol. 17, S. 195-202
Stone, D. N./Schkade, D. A. (1994): Effects of Attribute Scaling on Process and
Performance in Multiattribute Choice, in: Organizational Behavior and Human
Decision Processes, Vol. 59 (Aug.), S. 261-287
Sugden, R. (1985): Regret, Recrimination and Rationality, in: Theory and Decision,
Vol. 19, S. 77-99
Summers, J. O. (1974): Less Information is Better?, in: Journal of Marketing
Research, Vol. 11, S. 351-352
Sweeney, J. C./Hausknecht, D./Soutar, G. N. (2000): Cognitive Dissonance after
Purchase: A Multidimensional Scale, in: Psychology & Marketing, Vol. 17 (5),
S. 369-385
Tauber, E. M. (1972): Why Do People Shop?, in: Journal of Marketing, Vol. 36
(Oct.), S. 46-49
Taylor, K. A. (1997): A Regret Theory Approach to Assessing Consumer
Satisfaction, in: Marketing Letters, Vol. 8, S. 229-238
Tenenhaus, M. (2004): PLS Path Modelling. Vortrag gehalten am 5. Oktober 2004
im Rahmen der PLS Workshop and Summer School 2004 an der Universität
Berlin; Institut für Statistik und Wirtschaftsmathematik (http://stat.cs.tuberlin.de/workshop/;
Aufruf am 28. Dezember 2004)
Tenenhaus, M./Vinzi, V. Esposito/Chatelin, Y. M./Lauro, C. (2004): PLS Path
Modeling, in: Computational Statistics & Data Analysis (in Druck, aktzeptiert
und online veröffentlicht Apr. 2004), S. 1-47
Thaler, R. H. (1980): Toward a Positive Theory of Consumer Choice, in: Journal of
Economic Behavior and Organization, Vol. 1, S. 39-60
Thaler, R. H./Sunstein, C. R. (2003): Libertarian Paternalism, in: The American
Economic Review, Vol. 93 (2), S. 175-179
430

Theis, H.-J. (1999): Handels-Marketing: Analyse- und Planungskonzepte für den
Einzelhandel, Frankfurt am Main: Deutscher Fachverlag.
Thompson, J. C./Locander, W. B./Pollio, H. R. (1990): The Lived Meaning of Free
Choice: An Existential-Phenomenological Description of Everyday Consumer
Experiences of Contemporary Married Women, in: Journal of Consumer
Research, Vol. 17, S. 346-361
Timmermans, D. (1993): The Impact of Task Complexity on Information Use in
Mulit-attribute Decision Making, in: Journal of Behavioral Decision Making,
Vol. 6, S. 95-111
Trommsdorff, V. (1998): Konsumentenverhalten, 3, Stuttgart, Berlin, Köln:
Kohlhammer
Tscheulin, D. K. (1994): „Variety seeking behavior“ bei nicht-habitualisierten
Konsumentenentscheidungen: Eine empirische Studie, in: zfbf, Vol. 46 (1),
S. 54-61
Tse, D.K./Wilton, P.C. (1988): Models of Consumer Satisfaction Formation, in:
Journal of Marketing Research, Vol. 25 (2), S. 204-212
Tsiros, M./Mittal, V. (2000): Regret: A Model of its Antecedents and Consequences
in Consumer Decision Making, in: Journal of Consumer Research, Vol. 26
(Mar.), S. 401-417
Tversky, A. (1972): Elimination by Aspects: A Theory of Choice, in: American
Psychological Association (ed.): Psychological review, Vol. 79/4 (Jul.), S. 281-299
Tversky, A. (1996): Contrasting Rational and Psychological Principles of Choice, in:
Zeckhauser, R. J./Keeney R. L./Sebenius J. K. (eds.): Wise Choices: Decisions,
Games, and Negotiations, S. 5-21
Tversky, A./Shafir, E. (1992): Choice under Conflict: The dynamics of deferred
decision, in: Psychological Science, Vol. 6, S. 358-361
Tyszka, T. (1998): Two Pairs of Conflicting Motives in Decision Making, in:
Organizational Behavior and Human Decision Processes, Vol. 74 (3), S. 198-211
Voges, W./Lohmöller, J.-B. (1989): Bedingungen vorzeitiger Beendigung der
Erwerbsphase. Ein PLS-Modell zur Erklärung der Kausalzusammenhänge am
Beispiel des Vorruhestandes, in: Arbeitspapier, Freie Universität Berlin
Wahlers, R. G./Dunn, M. G./Etzel, M. J. (1986): The Convergence of Alternative
OSL Measures with Consumer Exploratory Behavior Tendencies, in: Advances
in Consumer Research, Vol. 12, S. 389-402
Wakefield, K. L./Baker, J. (1998): Excitement at the Mall: Determinants and Effects
on Shopping Response, in: Journal of Retailing, Vol. 74 (4), S. 515-539
Walsh, G. (2002): Konsumentenverwirrtheit als Marketingherausforderung,
Wiesbaden: Deutscher Universitäts-Verlag
Weiner, B. (1982): The Emotional Consequences of Causal Attribution, in: Clark, M.
S./Fiske, S. T. (eds.): Affect and Cognition, S. 185-209
431

Westbrook, R. A./Black, W. (1985): A Motivation-based Shopper Typology, in:
Journal of Retailing, Vol. 61(Spring), S. 78-103
Wilkie, W. J. (1974): Analysis of Effects of Information Load, in: Journal of
Marketing Research, Vol. 11, S. 462-466
Wold, H. (1980): Model Construction and Evaluation When the Theoretical
Knowledge is Scarce: Theory and Application of Partial Least Squares, in:
Kmenta, J./Ramsey, J. G. (eds.): Evaluation of Econometric Models, S. 47-74
Wold, H. (1982a): Systems under Indirect Observation Using PLS, in: Fornell, C.
(Hrsg.): A Second Generation of Multivariate Analysis, S. 325-347
Wold, H. (1982b): Soft Modeling: The Basic Design and Some Extensions, in:
Jöreskog, K. G./Wold, H. (eds.): Systems Under Indirect Observation (Part II)
(Contribution to Economic Analysis, 139), S. 1-54
Wold, H. (1985): Partial Least Squares, in: Kotz, S./Johnson, N.L. (eds.):
Encyclopedia of Statistical Science, Vol. 6, S. 581-591; New York: Wiley
Wright, P. (1975): Consumer Choice Strategies: Simplifying vs. Optimizing, in:
Journal of Marketing Research, Vol. 12, S. 60-67
Yi, Y. (1990): A Critical Review of Customer Satisfaction, in: VOR ALLEM
Zeithamel (ed.): Review of Marketing 1990, S. 68-123
Zakay, D. (1985): Post-decisional Confidence and Conflict Experienced in a Choice
Process, in: Acta Psychologica, Vol. 58, S. 75-80
Zeelenberg, M. (1999): Anticipated Regret, Expected Feedback and Behavioral
Decision Making, in: Journal of Behavioral Decision Making, Vol. 12 (2),
S. 93-106
Zeelenberg, M. (1999): The Use of Crying over Spilled Milk: A Note on the
Rationality and Functionality of Regret, in: Philosophical Psychology, Vol. 12,
S. 325-340
Zeelenberg, M./van den Bos, K./Dijik, E./Pieters, R. (2002): The Inaction Effect in
the Psychology of Regret, in: Journal of Personality and Social Psychology,
Vol. 82, S. 314-327
Zeelenberg, M./van Dijk, E. (1997): A Reverse Sunk Cost Effect in Risky Decision
Making: Sometimes we have Too Much Invested to Gamble, in: Journal of
Economic Psychology, Vol. 18, S. 677-691
Zeelenberg, M./van Dijk, W. W./Manstead, A. S. R. (1998): Reconsidering the
Relation between Regret and Responsibility, in: Organizational Behavior and
Human Decision Processes, Vol. 74 (3), S. 254-272
Zeelenberg, M./van Dijk, W. W./van der Pligt, J./Manstead, A. S. R./Epelen, P.
V./Reinderman, D. (1998): Emotional Reactions to the Outcomes of Decisions:
The Role of Counterfactual Thought in the Experience of Regret and Disappointment,
in: Organizational Behavior and Human Decision Processes, Vol.
75, S. 117-141
432

Zhang, S./Fitzsimons, G. J. (1999): Choice Process Satisfaction: The Influence of
Attribute Alignability and Option Limitation, in: Organizational Behavior and
Human Decision Processes, Vol. 77, 3 (Mar.), S. 192-214
Zhang, S./Markman, A. B. (1998): Overcoming the Early Entrant Advantage: The
Role of Alignable and Nonalignable Differences, in: Journal of Marketing
Research, Vol. 35 (Nov.), S. 413-426
Zuckermann, M. (1979): Sensation Seeking: Beyond the Optimal Level of Arousal,
Hillsdale, NJ: Lawrence Erlbaum Associates
433