Marketingforschung - auf den Seiten von Frau Prof. Dr. Andrea Raab!

Studiengang Betriebswirtschaftslehre: Marketing (M2 - Teil 1)Marktforschung und Marketingstrategie (M2), Hochschule Ingolstadt: Prof. Dr. Andrea E. Raab

AgendaDie Rolle der Information im Marketing / Definition MarketingforschungDer Marketingforschungsprozess im ÜberblickUntersuchungsziel erkennen und definieren - Phase 1Forschungsplan erstellen und Daten erheben - Phase 2Erhobene Daten analysieren und interpretieren - Phase 3Ergebnisse präsentieren und kommunizieren - Phase 4KlausurbeilageBasis für dieses Skript: - Raab, A., Poost, A., Eichhorn, S.: Marketingforschung – Ein praxisorientierter Leitfaden, 2009- Kotler Ph., Keller K.: Marketing Management 13th ed., 2009- Berekhoven, E., Eckert, W., Ellenrieder, P.: Marktforschung, 2006© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 2 -

AgendaDie Rolle der Information im Marketing / Definition MarketingforschungDer Marketingforschungsprozess im ÜberblickUntersuchungsziel erkennen und definieren - Phase 1Forschungsplan erstellen und Daten erheben - Phase 2Erhobene Daten analysieren und interpretieren - Phase 3Ergebnisse präsentieren und kommunizieren - Phase 4Klausurbeilage© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 3 -

Die Rolle der Information im Marketing / Definition Marketingforschung: Lernziele• Lernziele• Warum werden Informationen heutzutage immer wichtiger?• Welche Marketinginformationen sollte ein Unternehmen besitzen?• Welche Elemente sollte ein modernes Marketing Informationssystem enthalten?• Was ist Marketingforschung und was sind die Ziele?Der Erfolgreichste im Leben ist der,der am besten informiert wird.Benjamin Disraeli© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 4 -

Marketingforschung: die Rolle der Information im Marketing (1)• “Die Märkte sind einem radikalen Wandel unterworfen!”Durch bedeutende Veränderungen im Makroumfeld entstehen neue Verhaltensweisen beiKunden, die zu neuen Chancen und Herausforderungen bei Unternehmen führen.• Einflussfaktoren• Technologischer Wandel• Globalisierung• Deregulierung der Märkte• Privatisierung• Zunehmende Anzahl an Käufermärkten• Customization• Verschmelzung von Industrienzweigen• Transformation des traditionellen Einzelhandels• DisintermediationBRAINSTORMING ZUEINFLUSSFAKTORENC. Kolumbus: “Zuverlässige Informationen sind unbedingt nötig für dasGelingen eines Unternehmens.”© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 5 -

Marketingforschung: die Rolle der Information im Marketing (2)• Marketinginformationen - InformationsbereicheInformationsbereichInformationen über dieUnternehmensumweltInformationen überbetriebsinterne TatbeständeDateninformationenInstrumentalinformationenwirtschaftliche Datennichtwirtschaftliche DatenInformationenüber gesamtwirtschaftlicheGrößenNachfragerinformationenBedarfsinformationenKaufkraftinformationenInformationen überdie betrieblicheMarktlage und dieMarktentwicklungKonkurrenzinformationenZahl derKonkurrentenKonkurrenzintensitätrechtlicheDatentechnischeDatenBrancheninformationengesellschaftlicheDatenInformationen über dieUnternehmensreaktionen aufAktivitäten der UmweltReaktionsinformation in bezugauf AbnehmermaßnahmenReaktionsinformation in bezugauf KonkurrenzmaßnahmenInformationen überUmweltreaktionen aufmarketingpolititscheMaßnahmenZahl derBedarfsträgerBedarfsintensitätInformationenüber AbnehmerreaktionenInformationenüber KonkurrenzreaktionenInformationen überReaktionen staatlicherInstanzenQuelle: Bindlingmaier, 1983, S. 35© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 6 -

Marketingforschung: die Rolle der Information im Marketing (3)• Informationsmanagement mit Hilfe eines Marketing Informationssystems (MIS) (1):• Hilfreiche Fragen zur Erfassung des internen Informationsbedarfs• Welche Entscheidungen haben Sie für gewöhnlich zu treffen?• Welche Informationen brauchen Sie für diese Entscheidungen?• Welchen Informationen werden Ihnen üblicherweise geliefert?• Welche Sonderberichte fordern Sie in welchen Zeitintervallen an?• Welches Informationsmaterial, das Sie eigentlich gerne hätten, erhalten Sie gegenwärtig nicht?• Welche Informationen benötigen Sie täglich, wöchentlich, monatlich oder jährlich?• Über welche spezifischen Themenbereiche wollen Sie stets auf dem laufenden gehalten werden?• Welche Datenanalyseprogramme sollte man Ihnen zur Verfügung stellen?• Welches wären nach Ihrer Meinung die vier nützlichsten Änderungen, die am gegenwärtigen Marketing-Informationssystem vorgenommen werden könnten?© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 7 -

Marketingforschung: die Rolle der Information im Marketing (4)• Informationsmanagement mit Hilfe eines Marketing Informationssystems (MIS) (2):• Definition: A MIS consists of people, equipment, and procedures to gather, sort, analyze, evaluate,and distribute needed, timely, and accurate information to marketing decision makers.• Klassifizierung eines MIS (Marketing Informationssystems)• Vertriebsinformationssystem: stellt Verkaufsdaten (Bestellungen, Umsätze, Preise etc.) aus deminternen Berichtswesen (z.B. SFA, EDI) zur Verfügung• Datenbanken, Data Warehousing und Data Mining: Daten werden in unterschiedlichen Datenbankenabgelegt (z.B. Kundendatenbank, Produktdatenbank) und datenbankübergreifende Abfragen erstellt• Marketing Intelligence System: Prozesse und Quellen, die von Managern genutzt werden, um aktuelleInformationen über Entwicklungen im Marketing Umfeld zu erhalten (z.B. Kunden-, Handelspanel).• Marketingforschungssystem: Marketinguntersuchungen zu speziellen Marketing Problemen.Erfolgreiche Unternehmen erfassen kontinuierlich ihren Informationsbedarf undbauen entsprechende Marketing Informationssysteme (MIS) auf, um diesen Bedarf zudecken.© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 8 -

Marketingforschung: Warum und was ist das?? (1)• Marketingforschung• Um beispielsweise Antworten auf die folgenden Fragen zu finden:• Wie hoch ist das gegenwärtige Marktpotenzial / Marktvolumen und die momentaneMarktwachstumsrate?• Wie lassen sich aktuelle und potenzielle Kunden eines Unternehmens charakterisieren? Wie, wann,wo und warum kaufen sie die Produkte des Unternehmens bzw. Produkte der Wettbewerber?• Welche Kundensegmente können vom Unternehmen profitabel bedient werden?• Welche gegenwärtigen / potenziellen Wettbewerber gibt es? Welche Stärken und Schwächen habendie stärksten Wettbewerber des betrachteten Unternehmens, welche Strategien verfolgen diese?• Wie reagiert der Markt auf die Kommunikationsaktivitäten des Unternehmens?• Definition Marketingforschung (Quelle: Kotler Ph., Keller K.: Marketing Management 13e, 2009, S. 130)Marketing research is the systematic• design,• collection,• analysis, andreporting of data and findings relevant to a specific marketing situation facing the company.© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 9 -

Marketingforschung: Warum und was ist das?? (2)• Marktforschung versus Marketingforschung• Der Begriff „Marktforschung“ bezieht sich schwerpunktmäßig auf die Untersuchung vonSachverhalten außerhalb des Unternehmens (z. B. Arbeitsmarkt, Absatzmarkt, Rohstoffmarkt,Kapitalmarkt). Im Speziellen werden die Absatz- und Beschaffungsmöglichkeiten einesUnternehmens sowie deren Potenziale und Risiken untersucht.• Der Begriff „Marketingforschung“ hingegen betrachtet außerbetriebliche und innerbetrieblicheInformationen. Dies bedeutet, dass sowohl die Wirkung von Marketingaktivitäten wie z. B.Distributions-, Produkt-, Kommunikations- und Preispolitik als auch innerbetriebliche Sachverhalteuntersucht werden wie z. B. Vertriebskosten oder Lagerprobleme. Hinsichtlich der außerbetrieblichenInformationsbeschaffung ist der Begriff „Marketingforschung“ weniger umfassend, da dieBeschaffungsmärkte keine Berücksichtigung finden.© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 10 -

Marketingforschung: Ziele (1)• Die Marketingforschung erfüllt im Unternehmen folgende Funktionen:• Anregungsfunktion: Generierung von Impulsen für die Initiierung neuer Marketingaktivitäten,beispiels-weise die Bearbeitung neuer Märkte, die Entwicklung neuer Produkte oderProduktverbesserungen, die Durchführung von Preisanpassungen.• Prognosefunktion: Einschätzung der Veränderungen marketingrelevanter Faktoren in denBereichen Markt, Kunden, Lieferanten, Handel, Konkurrenz und Umfeld sowie deren Auswirkungenauf das eigene Geschäft.• Bewertungsfunktion: Unterstützung bei der Bewertung und Auswahl von Entscheidungsalternativen,z. B. bei Neuprodukten, Preisanpassungen, der Bearbeitung von Vertriebskanälen.• Kontrollfunktion: Systematische Suche/Sammlung marketingrelevanter Informationen über dieaktuelle Marktstellung des eigenen Unternehmens sowie die Wirksamkeit einzelnerMarketinginstrumente.• Bestätigungsfunktion: Erforschung von Ursachen des Erfolgs/Misserfolgs vonMarketingentscheidungen.© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 11 -

Marketingforschung: Mögliche Untersuchungsgegenstände (1)• Beispiele für Untersuchungsfragen• Fall 1: Ermittlung der Absatzchancen für ein neues UMTS-HandyUntersuchungsziel: Ermittlung des Absatzpotenzials?• Datenquellen? Primäre, sekundäre?• Einstieg in die Primäruntersuchung durch Expertenbefragung? Welche?• Operationalisierung (Variablen): Kaufabsichten (eigenes Produkt / Wettbewerb), Kaufhäufigkeit,Durchschnittspreis …• Formulieren von Thesen?• Erhebungsmethode: Befragung, Beobachtung, Experiment?• Erhebungsinstrument?• Untersuchungseinheiten / Grundgesamheit?• Auswahlverfahren?• Auswertung/Analyse Daten (händisch, elektronisch, Tabellen, Graphen; deskriptive Statistik [univariat,bivariat, multivariat]; induktive Statistik: Hypothesen)• Interpretation• Bericht und Präsentation: Darstellungsform; Handlungsempfehlungen• Fall 2: Untersuchung der Käuferschicht eines Handy-Herstellers hinsichtlich soziodemographischerMerkmale, Kaufverhalten-, und Einstellungsmerkmale;Untersuchungsziel: gezieltere Ausrichtung der Marketingaktivitäten?© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 12 -

AgendaDie Rolle der Information im Marketing / Definition MarketingforschungDer Marketingforschungsprozess im ÜberblickUntersuchungsziel erkennen und definieren - Phase 1Forschungsplan erstellen und Daten erheben - Phase 2Erhobene Daten analysieren und interpretieren - Phase 3Ergebnisse präsentieren und kommunizieren - Phase 4Klausurbeilage© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 13 -

Der Marketingforschungsprozess im Überblick: Lernziele• Lernziele• Welche Prozessschritte umfasst der Marketingforschungsprozess?• In welchem Zusammenhang wird die explorative, deskriptive oder kausalanalytischeMarketingforschung eingesetzt?• Wann wählt man welchen Forschungsansatz?• Wie gehe ich bei der Durchführung einer Primärforschung vor?• Wie finde ich den Einstieg in die Thematik?• Wie kann das Untersuchungsproblem operationalisiert werden?© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 14 -

Marketingforschung: Der Marketingforschungsprozess im Überblick (1)• Der Marketingforschungsprozess (1)UntersuchungszielerkennenunddefinierenForschungsplan erstellen und Daten erhebena) Sekundärforschung - vorhandene Daten erheben• InterneDatenb) Primärforschung – neue Daten erheben• ExterneDatenErhobeneDatenanalysierenund interpretierenErgebnissepräsentierenundkommunizierenProjekte effizient steuernFür eine erfolgreiche Marketingforschung müssen einige Entscheidungen getroffen undBarrieren überwunden werden, um letztendlich Marktchancen identifizieren zu können.© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 15 -

Marketingforschung: Der Marketingforschungsprozess im Überblick (2)• Der Marketingforschungsprozess (2)UntersuchungszielerkennenunddefinierenForschungsplan erstellen und Daten erhebena) Sekundärforschung - vorhandene Daten erheben• InterneDatenb) Primärforschung – neue Daten erheben• ExterneDatenErhobeneDatenanalysierenund interpretierenErgebnissepräsentierenundkommunizierenProjekte effizient steuern Definition derProblemstellung• Ausgangssituation:- Burning Platform• Zielsetzung:- In Scope- Out of Scope• Forschungsansatz:- explorativ- deskriptiv- kausalanalytisch© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 16 -

Marketingforschung: Der Marketingforschungsprozess im Überblick (3)• Der Marketingforschungsprozess (3)UntersuchungszielerkennenunddefinierenForschungsplan erstellen und Daten erhebena) Sekundärforschung - vorhandene Daten erheben• InterneDatenb) Primärforschung – neue Daten erheben• ExterneDatenErhobeneDatenanalysierenund interpretierenErgebnissepräsentierenundkommunizierenProjekte effizient steuern Forschungsplan erstellenund Daten erheben• Beginn derInformationssammlunga) Sekundärforschung• Interne Datenquellen• Externe Datenquellen© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 17 -

Marketingforschung: Der Marketingforschungsprozess im Überblick (4)• Der Marketingforschungsprozess (4)UntersuchungszielerkennenunddefinierenForschungsplan erstellen und Daten erhebena) Sekundärforschung - vorhandene Daten erheben• InterneDatenb) Primärforschung – neue Daten erheben• ExterneDatenErhobeneDatenanalysierenund interpretierenErgebnissepräsentierenundkommunizierenb) PrimärforschungProjekte effizient steuerna) Wie erfolgt der Einstieg in die Thematik der Untersuchung?b) Welche Annahmen sollen geprüft werden?c) Wie kann das Untersuchungsproblem messbar gemachtwerden?d) Auf welche Weise werden Untersuchungen in der Praxis amhäufigsten durchgeführt?e) Welche Instrumente können eingesetzt werden?f) Über welche Wege können die Probanden kontaktiert werden?g) Welche und wie viele Personen sollen in die Stichprobe miteinbezogen werden?h) Wie wird eine Befragung durchgeführt (4 Hauptprobleme)?© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 18 -

Marketingforschung: Der Marketingforschungsprozess im Überblick (5)• Der Marketingforschungsprozess (5)UntersuchungszielerkennenunddefinierenForschungsplan erstellen und Daten erhebena) Sekundärforschung - vorhandene Daten erheben• InterneDatenb) Primärforschung – neue Daten erheben• ExterneDatenErhobeneDatenanalysierenund interpretierenErgebnissepräsentierenundkommunizierenProjekte effizient steuern erhobene Daten analysieren undinterpretieren• Daten tabellarisieren• Erstellung der Häufigkeitsverteilungenund Errechnung derMittel- und Streuwerte(univariate Auswertungen)• Anwendung von höherenstatistischen Auswertungsmethodenund -modellen(multivariate Auswertungen)• Interpretation /Handlungsempfehlungen© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 19 -

Marketingforschung: Der Marketingforschungsprozess im Überblick (6)• Der Marketingforschungsprozess (6)UntersuchungszielerkennenunddefinierenForschungsplan erstellen und Daten erhebena) Sekundärforschung - vorhandene Daten erheben• InterneDatenb) Primärforschung – neue Daten erheben• ExterneDatenErhobeneDatenanalysierenund interpretierenErgebnissepräsentierenundkommunizierenProjekte effizient steuern Die für die Problemstellungrelevanten Ergebnissewerden den Entscheidungsträgernpräsentiert undkommuniziert• Präsentation /Dokumentation• Kommunikation© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 20 -

Marketingforschung: Der Marketingforschungsprozess im Überblick (7)• Der Marketingforschungsprozess (7)UntersuchungszielerkennenunddefinierenForschungsplan erstellen und Daten erhebena) Sekundärforschung - vorhandene Daten erheben• InterneDatenb) Primärforschung – neue Daten erheben• ExterneDatenErhobeneDatenanalysierenund interpretierenErgebnissepräsentierenundkommunizierenProjekte effizient steuernProjektmanagement• Projektadministration• Projektorganisation• Projektcontrolling© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 21 -

AgendaDie Rolle der Information im Marketing / Definition MarketingforschungDer Marketingforschungsprozess im ÜberblickUntersuchungsziel erkennen und definieren - Phase 1Forschungsplan erstellen und Daten erheben - Phase 2Erhobene Daten analysieren und interpretieren - Phase 3Ergebnisse präsentieren und kommunizieren - Phase 4Klausurbeilage© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 22 -

Untersuchungsziel erkennen und definieren (1)• Untersuchungsziel erkennen und definieren• AusgangssituationKonkretisierung der Problemstellung durch die Beschreibung des Ist-Zustandes und desProjektumfeldes (Einflussfaktoren, Interessensgruppen, Projektrisiken, Chancen und Potenziale).Methoden: Projektumfeldanalyse, Kreativitätstechniken, Issue Based Problem Solving, „BurningPlattform“Die exakte Beschreibung der Ausgangssituation ist von hoher Bedeutung, weil es durch eineunpräzise Definition im schlimmsten Fall passieren kann, dass an der grundlegendenFragestellung vorbeigeforscht wird.• Definition der ZielsetzungAbleitung der Projektziele und deren Unterziele. Die Ziele beschreibenjenen Zustand, der am Ende des Projektes vorliegen soll.• In Scope – Bestandteil des Projektes• Out of Scope – kein Bestandteil des Projektes• Wahl des Forschungsansatzes• explorativ• deskriptiv• kausalanalytischNur durch im Vorfeld definierte Ziele ist es möglich, den Erfolg eines Projektesnachzuvollziehen und zu messen.© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 23 -

Untersuchungsziel erkennen und definieren (2)• Beispiel für die Ausgangssituation eines Marketingforschungsprojektes:Im Frühjahr 2010 möchte das Unternehmen XYZ ein neues Produkt auf den Markt bringen. Es handeltsich um eine Innovation aus dem Bereich Audio- und Multimedia, die bisher von keinem Unternehmen imMarkt angeboten wird. Die Zielgruppe für das Produkt sind Personen im Alter von 30 - 50 Jahren miteinem gehobenen Haushaltsnettoeinkommen. Der Preis des Produktes soll zwischen 700 und 1.000 €angesiedelt sein. Das Produkt wird über eine exklusive Vertriebsschiene angeboten, über die auchandere Hersteller ihre Produkte vertreiben. Das Unternehmen XYZ ist sich nicht sicher, ob derHauptwettbewerber ein ähnliches Produkt entwickelt. Da es sich um eine Innovation handelt, existierenauf dem Markt bisher keine technischen Standards für dieses Produkt. Durch die hohen prognostizierenMarketingaufwendungen, die nötig sind, um das Produkt in den Markt einzuführen, droht das Projekt ausdem Budget zu laufen.• Beispiel einer Problemdefinition für das oben genannte Beispiel:Für das Unternehmen XYZ stellt sich nun die Frage, ob die Investition in das neue Produkt profitabel ist.Kann am Markt eine ausreichend hohe Stückzahl abgesetzt werden, um in Anbetracht der hohenEinführungsaufwendungen einen Gewinn zu erzielen? Welche Maßnahmen sind vom Wettbewerb zuerwarten? Welche Bedeutung hat das Fehlen von technischen Standards für die Kunden?© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 24 -

AgendaDie Rolle der Information im Marketing / Definition MarketingforschungDer Marketingforschungsprozess im ÜberblickUntersuchungsziel erkennen und definieren - Phase 1Forschungsplan erstellen und Daten erheben - Phase 2Erhobene Daten analysieren und interpretieren - Phase 3Ergebnisse präsentieren und kommunizieren - Phase 4Klausurbeilage© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 25 -

Forschungsplan erstellen und Daten erheben: Lernziele• Lernziele• Welche Erhebungsmethoden und -instrumente gibt es?• Wie sieht ein “guter” Fragebogen aus?• Welche Beobachtungsmethoden gibt es? Wann wählt man welche Methode und warum?• Wie sieht ein experimentelles Design aus? Welche Testmethoden gibt es? Wann wählt man welcheMethode und warum?• Welche Skalierungsverfahren gibt es? Wann skaliert man wie und warum?• Welche Stichprobenverfahren gibt es?• Fähigkeit der eigenständigen Berechnung von Stichprobenfehler und Stichprobenumfang© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 26 -

Forschungsplan erstellen und Daten erheben (1)• Forschungsplan erstellen und Daten erheben• Man unterscheidet zwischen Sekundär- und Primärdaten.Die Auswahlentscheidung, welche Quellen zur Informationssammlung verwendet werden, wird von• der Qualität der zu erwartenden Ergebnisse,• dem mutmaßlichen Zeit- und Kostenaufwand sowie• der personellen Kapazität bestimmt.• Ein professioneller Forschungsplan beschreibt die einzelnen Schritte derInformationssammlung.• Er formuliert im Falle der Primärforschung Hypothesen aus der Problemstellung, zerlegt diese inempirisch untersuchbare Einzelteile, legt die Erhebungsmethode, das Erhebungsinstrument, denSampling-Plan (Stichprobenplan) und die Kontaktmethode fest.© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 27 -

Sekundär vs. Primärforschung (1)Beobachtung(teilnehmend, nichtteilnehmend)BefragungFokusgruppeExperiment(Feld-/Laborexperiment)Marktanalyse(Zeitpunktbetrachtung)Marktbeobachtung(Zeitraumbetrachtung)Verhaltensdaten(“Panels”)PrimärforschungSekundärforschung• Interne Quellen• ÖffentlicheQuellen• Zeitschriften /Bücher• KommerzielleQuellen© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 28 -

Sekundärforschung (1)• Sekundärforschung• Def. Informationsgewinnung aus bereits vorhandenemund erhobenem Datenmaterial, dasin der Regel für einen anderen Zweckzusammengetragen wurde.Sekundärforschung• Datenquellen• Interne Datenquellen: Daten, die innerhalb des Unternehmens zur Verfügung stehen• Unterlagen aus Kostenrechnung / Controlling (z.B. Absatz- und Vertriebskosten, Deckungsbeiträge)• Statistiken (z.B. Absatz-, Umsatz- und Kundenstatistik)• Außendienstberichte (z.B. Besuchsberichte)• Berichte aus früheren Sekundär- und Primärforschungen• Externe Datenquellen: Daten die außerhalb des Unternehmens zur Verfügung stehen• Berichte von öffentlichen Stellen und Wirtschaftsverbänden (amtliche Quellen, Verbände und Organisationen)• Veröffentlichungen spezieller Institute und Marktforschungsdienstleister• Wirtschaftspresse, Fachzeitschriften, Bücher• Firmenveröffentlichungen• Interne Quellen• ÖffentlicheQuellen• Zeitschriften /Bücher• KommerzielleQuellen• Neuere Datenquellen: Elektronische Datenbanken, -vermittlungsorganisationen und „Information-Broker“© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 29 -

Primärforschung (1)• Primärforschung• Def. Informationsgewinnung durch die Erhebung von neuen, noch nicht vorhandenen Daten, diespeziell auf die Problemstellung zugeschnitten sind.Forschungsplan erstellen und Daten erhebena) Sekundärforschung - vorhandene Daten erheben• InterneDaten• ExterneDatenExpertenbefragenb) Primärforschung – neue Daten erhebenHypothesenbildendefinierenErhebungsmethodeErhebungsinstrumentwählenOperationalisierungerstellenKontaktmethodewählenSamplingPlanerstellenDatenerheben© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 30 -

Primärforschung - Experten befragen (1)• Expertenbefragung• Def. Befragung von Personen, die mit der Thematik / Problemstellung bereits vertraut bzw.Spezialisten oder Sachverständige auf diesem Gebiet sind, um durch deren Wissen, Erfahrung undMeinung relativ schnell einen tieferen Einblick in die Thematik zu erhalten.• Klassifikation• Einzelbefragung• Gruppenbefragung (Expertenrunde / Fokusgruppe)• Methode• Vorzugsweise persönliche oder telefonische Interviews• Befragung mittels eines Interviewleitfadens• Verwendung von offenen Fragestellungen• Ziele• Gewinnung von zusätzlichen Informationen zu der Thematik / Problemstellung.• Beleuchtung des Themas aus den unterschiedlichen Blickwinkeln der Experten.• Validierung der Informationen aus der Sekundärforschung und Klärung von offenen Fragen.• Bildung von ersten Hypothesen für die Problemstellung.• Sammlung von Informationen zu möglichen Lösungsansätzen, Chancen und Risiken.© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 31 -

Primärforschung - Hypothesen bilden (1)• Hypothesenbildung (1)• Hypothesen sind allgemeine Aussagen über Zusammenhänge zwischen empirischen oder logischenSachverhalten (z. B. „Je älter die Käufer, desto höher die Akzeptanz von Produkt X“).• Ziel einer Marketingforschungsuntersuchung ist es, die aufgestellten Ausgangshypothesen mit Hilfe dergesammelten Daten beantworten zu können.• Als Ergebnis werden die Hypothesen entweder bestätigt (nicht falsifiziert) oder abgelehnt (falsifiziert).• Die Prüfung von Hypothesen gehört in jede fundierte Marketingforschungsuntersuchung zurEntscheidungsfindung.Im Wesentlichen gelten für Hypothesen folgende Richtlinien. Hypothesen müssen: 1• Operationalisierbar sein, d.h. mess- und prüfbar gemacht werden können.• Mindestens zwei Begriffe (meist Merkmale bzw. Variablen) enthalten.• Falsifizierbar sein, d. h. es muss ein Fall existieren, bei dem die Hypothesen abgelehnt werden können.• Realitätsnah formuliert sein, d. h. die Begriffe sind auf Wirklichkeitsphänomene hin operationalisierbar.• Möglichst exakt und eng an der Problemstellung angelehnt sein.• Frei von Redundanzen sein, d. h. ein Begriff deckt den anderen semantisch nicht ab.• Widerspruchsfrei sein, d. h. ein Begriff schließt den anderen semantisch nicht aus.• Aussagen und keine Fragen darstellen.• Die empirischen Geltungsbereiche implizit oder explizit aufzählen.1Vgl. Kamenz, U.: Marktforschung: Einführung mit Fallbeispielen, 2. Aufl., 2001© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 32 -

Primärforschung - Hypothesen bilden (2)• Hypothesenbildung (2)• Klassifikation von Hypothesen nach der Richtung1. Einseitige (gerichtete) HypothesenGeben die Richtung des Unterschieds/Zusammenhangs an.Bsp.: „Je höher die Akzeptanz, desto höher der Absatz des Produktes X.“2. Zweiseitige (ungerichtete) HypothesenSagen nichts über die Richtung des Unterschieds/Zusammenhangs aus.Bsp.: „Das Produkt X wird von den Käufergruppen unterschiedlich akzeptiert .“• Klassifikation von Hypothesen nach Art1. VerteilungshypothesenSie betrachten nur die Verteilung eines Merkmals (Variable). Bsp.: „An der Fachhochschule Ingolstadtgibt es mehr männliche Studenten als weibliche.“2. ZusammenhangshypothesenSie beinhaltet eine Aussage über den erwarteten Zusammenhang (Kovariation) zwischen mindestenszwei Variablen.Bsp.: „Die Erhöhung des Preises führt zu einer Verminderung des Absatzes.“3. UnterschiedshypothesenSie beinhaltet Aussagen über systematische Unterschiede innerhalb von oder zwischen zwei und mehrGruppen von Merkmalsträgern.Bsp.: „Männer kaufen häufiger das Produkt X als Frauen .“4. VeränderungshypothesenSie beinhaltet Aussagen über erwartete oder sich der derzeit vollziehende Veränderungsprozesse.Bsp: „In den letzten 10 Jahren hat sich der Absatz des Produktes X jedes Jahr erhöht.“Vgl. Huber, O. (2000). Das psychologische Experiment: Eine Einführung (3.Aufl).Bern: Huber.© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 33 -

Primärforschung - Operationalisierung erstellen (1)• Operationalisierung (1)TheoretischeBegriffeDimension(Abgeleitete Begriffe)Indikatoren(Variablen)MessinstrumentVariable 1gefällt mirsehrgefällt mirgar nichtAbgeleiteterBegriff 1Variable 2Variable 31 2 3 4 5 6Begriff 1AbgeleiteterBegriff 2Variable 4Variable 5Begriff 2AbgeleiteterBegriff 3Variable 6Variable 7Variable 8© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 34 -

Primärforschung - Operationalisierung erstellen (2)• Operationalisierung (2)Ausgangshypothese: „Das Produkt X wird von den Käufergruppen unterschiedlich akzeptiert.“TheoretischeBegriffeDimensionenIndikatoren(Variablen)MessinstrumentAlterJahredemografische DatenGeschlechtmännlich/weiblichFamilienstandledig, verheiratet,geschieden…KäufergruppeBeruf…Akzeptanzpsychografische DatenKostenNutzenBekanntheitsgrad derMarke………………Einkommen… …Bekanntheitdes Produktesist mirbekannthabe ich nochnie gehört1 2 3 4© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 35 -

Primärforschung - Operationalisierung erstellen (3)• Operationalisierung (3)Die Operationalisierung stellt die konkreten Messgrößen übersichtlich dar. Durch die Kombination dereinzelnen Indikatoren können sich noch zusätzliche Hypothesen ergebenHypothesen, die Zusammenhänge zwischen einem theoretischen Begriff unddessen untergeordneten Dimensionen bzw. Indikatoren darstellen, sind nichtsinnvoll.© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 36 -

Primärforschung -Erhebungsmethode definieren und Erhebungsinstrument wählen (1)• Befragung• Befragungssubjekt, Untersuchungsgegenstand, Befragungshäufigkeit• Einzelbefragung / Gruppenbefragung• Einthemenbefragung / Mehrthemen- oder Omnibusbefragung• Adhoc / Tracking-Forschung• Art des Fragebogens• direkte / indirekte Fragen• Standardisierungsgrad des Fragebogens• hochstandardisiert (festes Befragungsschemaohne Variationsmöglichkeit)• teilstandardisiert (Interviewerleitfaden)• nicht-standardisiert (Fragestellung ist dem Interviewer frei überlassen)• offene Fragen / geschlossene FragenMöglichkeiten für geschlossenen Fragen:• Auswahlfragen (nominales Skalenniveau)• Alternativfragen (einfache Auswahl)• Selektivfragen (mehrfache Auswahl)• Skalenfragen (ordinales / metrisches Skalenniveau)Marktanalyse(Zeitpunktbetrachtung)BefragungHochstandardisiert Teilstandardisiert Nicht-Standardisiert• Panelbefragung• Online-Befragung• telefonische Befragung• schriftliche Befragung• Expertenbefragung• Gruppenbefragung• Leitfadengespräch• Fokusgruppe• Expertenbefragung• informelles Gespräch• Gruppendiskussion© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 37 -

Primärforschung -Erhebungsmethode definieren und Erhebungsinstrument wählen (2)• Befragung - Beispielezweideutiger Frageformulierung (1)• In der nächsten Dekade wird der PC zu einer Ubiquität amArbeitsplatz werden. Was prognostizieren Sie? Wird IhrUnternehmen bei der raschen Implementierung reüssieren? Ja Nein Weiß nichtMarktanalyse(Zeitpunktbetrachtung)Befragung• Worin sehen Sie die Bedeutung computergestützter Systeme in der Praxis?• Sind Sie mit den Kosten und der Qualität des Kundendienstes zufrieden? Ja Nein• In welchem Zeitraum sind Sie zur Schule gegangen?Von ____________Bis ____________• Eine große Zahl von Wissenschaftlern hat auf die Gefahren der Kernenergie hingewiesen. Teilen Siediese Bedenken? Ja Nein© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 38 -

Primärforschung -Erhebungsmethode definieren und Erhebungsinstrument wählen (3)• Befragung - Beispielezweideutiger Frageformulierung (2)• Was meinen Sie? Wäre es nicht besser, wenn es wenigerWerbung gäbe? Ja NeinMarktanalyse(Zeitpunktbetrachtung)Befragung• Kreuzen Sie von den von Ihnen als zutreffend erachteten Eigenschaftenjeweils doppelt an, die Sie als besonders wichtig erachten, und bringen Siesie in eine Rangreihe der Wichtigkeit• Wie oft waren Sie in den letzten fünf Jahren beim Zahnarzt? (Durchschnittgenügt!)___________ mal• Stimmen Sie folgender Aussage zu: Je mehr Weißkraft ein Vollwaschmittelbesitzt, desto stärker greift es das Gewebe an? Stimme zu Stimme nicht zu© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 39 -

Primärforschung -Erhebungsmethode definieren und Erhebungsinstrument wählen (4)• Befragung - Beispielezweideutiger Frageformulierung (3)• Sie haben mit unserem Unternehmen in verschiedenenBereichen Kontakt. Bitte geben Sie an, wie wichtig Ihnendie einzelnen Bereiche sind und wie zufrieden Sie damitsind?Marktanalyse(Zeitpunktbetrachtung)Befragungsehr wichtig/sehr zufriedentotal unwichtig/sehr unzufriedenSchnelligkeitBeratung durch AußendienstLieferzeitReklamationsabwicklungQualität der Produkte© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 40 -

Primärforschung -Erhebungsmethode definieren und Erhebungsinstrument wählen (5)• Befragung – Checkliste für dieDurchführung einerBefragungMarktanalyse(Zeitpunktbetrachtung)Phasen der Fragebogenentwicklung1) Präzisierung, Einengungdes Themas, Klärungder zu erfragenden Inhalte,geordnet nachihrer BedeutsamkeitGesichtspunkte / Kriterien• Entscheidung über Ausmaß der Standardisierung: obschriftliche oder mündliche Befragung (Interview)• Entscheidung über die zu wählende Sprache(Zielgruppenspezifisch)• Intensives Erfragen eines Bereichs oder oberflächlichesAbfragen verschiedener BereicheBefragung2) Formulierung von Fragenzu interessierenden Bereichen/ zu den Hypothesen3) Ordnung der Fragen ineine Reihenfolge4) Überprüfung des Fragebogens5) Vorbereitung der Hauptuntersuchung:Interviewerschulung• Balance der Fragen, Konkretheit, Verständlichkeit,Eindeutigkeit• Trennung von unabhängigen und abhängigen Variablen• Mischung geschlossener und offener Fragen (Adressatenkreis,Monotonie des Fragebogens, Präzision und objektiveAuswertbarkeit der Fragen)• Einleitung: Allgemeine Information, Motivation, Zusicherungder Anonymität• Aufwärmfragen• Peinliche Fragen nicht an den Anfang• Abhängigkeit von Fragekontext: Kontrollgruppen• Vortest an ca. 20 Befragten• Fragen an Unebenheiten der Frageformulierung• Statistische Auswertung (wenn nur eine Antwort auf eineFrage vorkommt, dann ist Frage nicht informativ)• Versuchsplanung: Ist eine Variation der unabhängigenVariablen durch die Auswahl der Stichprobe möglich• Interviewerschulung• Organisation von Adresslisten, usw.Schema für das Erstellen eines Fragebogens (Wellenreuther, 1982, S. 179)© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 41 -

Primärforschung -Erhebungsmethode definieren und Erhebungsinstrument wählen (6)• Beobachtung• Klassifikation der Beobachtung nach• Bewusstseinsgrad des Beobachteten• offene Beobachtung (Achtung: Gefahr des Beobachtungseffektes)• verdeckte Beobachtung• Partizipationsgrad des Beobachters• Teilnehmend (Laden- oder Gaststättentest)• nicht-teilnehmend (Messung der Fernseheinschaltquote mit Telemeter)• Strukturierungsgrad• standardisiert• nicht-standardisiert• Wahrnehmungs- und Registrierungsform• visuellMarktanalyse(Zeitpunktbetrachtung)• andere Sinnesmodalitäten (instrumentell mithilfe v. Kameras, elektronischen Zähleinrichtungen)Beobachtung(teilnehmend / nichtteilnehmend)• Ziele:• Einkaufsverhalten• Verwendungsverhalten (Handhabung, Nutzung)• Informationsverhalten• Beispiele:• Berichte des Außendienstes, marktbezogene Daten des betriebl. Rechnungswesens• Zählung der Kunden in Einzelhandelsgeschäften mittels Drehkreuz mit Zähleinrichtungen• KundenlaufstudienDie Beobachtung im Unterschied zur Befragung ist dadurch charakterisiert, dass dieUntersuchungssubjekte zum Untersuchungsgegenstand keine Erklärungen abgeben, dieeinen Rückschluss auf ihr Verhalten zulassen.© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 42 -

Primärforschung -Erhebungsmethode definieren und Erhebungsinstrument wählen (7)• Fokusgruppe (Gruppendiskussion)• Die Fokusgruppe ist eine Methode, die man im Rahmen einer beurteilenden oder explorativenGruppendiskussion über ein bestimmtes Thema durchführt, um in relativ kurzer Zeit einbreites Spektrum von Meinungen und Einstellungen zu erheben.• i. d. R. 6 bis 10 Teilnehmer + erfahrener Moderator• oft Vorstufe für eine repräsentative Untersuchung• Auswahl der Teilnehmer über ein sog. „convenient sample“, d. h. es werden Personen befragt, die amleichtesten erreichbar sind.• Ziele:• Diskussion von Fragen zu einem Thema• Einholung von verschiedenen Meinungen• Treffen von Einschätzungen• Entwicklung von Hypothesen• Beispiele:• Expertenrunden (z. B. Wissenschaftler, Journalisten etc.)Marktanalyse(Zeitpunktbetrachtung)FokusgruppeVon der Quantifizierung (in Form von Prozentangaben) der Untersuchungsergebnisse, die auseiner Fokusgruppe resultieren, sollte i. d. R. Abstand genommen werden, da die Teilnehmerüber ein „convenient sample“ ausgewählt werden.© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 43 -

Primärforschung -Erhebungsmethode definieren und Erhebungsinstrument wählen (8)• Experiment• Def.: Keine gesonderte Erhebungsmethode, da Datengewinnung durch (apparative) Beobachtungoder durch Befragung auf der Basis einer Versuchsanordnung• Zielsetzung: Aufdeckung von Ursache-Wirkungszusammenhängen (kausalanalytische Studie)• Voraussetzungen:• Kontrolle der Störvariablen• aktive Manipulation der interessierenden unabhängigen Variable (=Ursache, z. B. Verpackung, Preis)• genaue Messung evtl. Veränderungen der abhängigen Variablen (=Wirkung, z. B. Kaufbereitschaft,Image)MarktanalyseExperiment• Klassifikation nach:(Zeitpunktbetrachtung)(Feld- / Laborexperiment)• Experimentellem Umfeld:• Laborexperiment• Feldexperiment• Zeitpunkt des Auftretens der abhängigenVariablen:• Projektives Experiment• Ex-post-facto-Experiment• Versuchsanordnung; Kombinationfolgender Merkmale:Beispiele:• Kennzeichnung der Versuchsgruppe: Experimental group / Control group• Zeitpunkt der Messung: before /after• Konzepttest Testmarkt-Ersatzverfahren• Warentest (Minimarkttest, Testmarktsimulation)• Produkttest Werbetest• Storetest• Markttest© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 44 -

Primärforschung -Erhebungsmethode definieren und Erhebungsinstrument wählen (9)• Produkttest• Def.: Experimentelle Untersuchung, bei der zunächst nach bestimmten Merkmalen ausgewähltenTestpersonen unentgeltlich bereitgestellte Produkte, probeweise ge- oder verbrauchen undanschließend nach ihren subjektiven Wahrnehmungen und / oder Beurteilungen bezüglich dergetesteten Produkte als Ganzes bzw. einzelner Produktbestandteile gefragt werden• Testobjekte:• eigene bereits im Markt befindliche Produkte• Prototypen• Konkurrenzprodukte• Ziel:• Ermittlung v. ProduktalternativenMarktanalyse(Zeitpunktbetrachtung)• Aussagen über die optimale Gestaltung der Produkteigenschaften(Packung, Preis, Name, Imagewirkung)• Ausprägungen:• Volltest• Partialtest (Preistest, Packungstest, Geschmackstest, Namenstest)• Blindtest• Testverfahren der Praxis:• Tachistoskop• SchnellgreifbühneExperiment(Feld- / Laborexperiment)© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 45 -

Primärforschung -Erhebungsmethode definieren und Erhebungsinstrument wählen (10)• Storetest• Def.: Probeweiser Produktverkauf unter kontrollierten Bedingungen in ausgewähltenEinzelhandelsgeschäften• Ziel: Test der Verkaufsfähigkeit neuer / geänderter Produkte, insbesondere• Verkaufschancen• Eignung der Verpackung• Eignung des Verkaufspreises• Wirkung von Verkaufsförderungsmaßnahmen• Wirkung von Sonderplazierungen• Anwendung:• oft im Anschluss an einen Produkttest• unter marktrealen BedingungenMarktanalyse(Zeitpunktbetrachtung)Experiment(Feld- / Laborexperiment)© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 46 -

Primärforschung -Erhebungsmethode definieren und Erhebungsinstrument wählen (11)• Markttest• Def.: umfassendes Feldexperiment in einem räumlich begrenzten Gebiet, welches die Gesamtheitvorgesehener Marketingmaßnahmen simuliert und deren Erfolg misst• Ziel: Test einer geänderten Marketingkonzeption für• ein bereits eingeführtes / geändertes Produkt• ein neues Produkt im Rahmen eines schon vorhandenenProduktprogramms• ein völlig neues ProduktMarktanalyse(Zeitpunktbetrachtung)Experiment(Feld- / Laborexperiment)• Vorgehen:Auswahl eines Testmarktes, in dem in einem geographisch genauabgegrenzten Teil des Gesamtmarktes der Markttest durchgeführt wird(Testmarkt soll in seiner Struktur hinsichtlich Struktur derBevölkerung; Handelsstruktur entsprechen)© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 47 -

Primärforschung -Erhebungsmethode definieren und Erhebungsinstrument wählen (12)• Tracking-Forschung (1)• Def.: Datengewinnung über schriftlicheBefragung oder Beobachtung• Wesen: Langzeitstudien• Klassifikation:• Wellenerhebungen: gleiches Thema, gleiche Stichprobe• Panelerhebungen: gleiches Thema, identische Stichprobe• Anwendungsgebiete:Marktbeobachtung(Zeitraumbetrachtung)• Verbraucherpanel: schriftliche Erfragung der Konsumgewohnheiten der VerbraucherVerhaltensdaten(“Panels”)• Verkaufsdatenerfassung (durch Scanning)• Handelspanel (Retail Tracking): Beobachtung von Einzelhandelsgeschäften zu einem gleichbleibenden Untersuchungsgegenstand (Absatzmengen, Distributionsraten, Durchschnittspreise,Regalplatz, Verkaufsaktivitäten)• Fernsehpanel: Beobachtung des Fernsehverhaltens mittels technischer Geräte© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 48 -

Primärforschung -Erhebungsmethode definieren und Erhebungsinstrument wählen (13)• Tracking-Forschung (2)• BrainstormingThese: Panelauswertungen liefern eine Flut von Daten!!!Marktbeobachtung(Zeitraumbetrachtung)Verhaltensdaten(“Panels”)• Fragen• Wer benötigt die Daten?• Welche Ziele werden mit einer Paneluntersuchung verfolgt?• Welche Informationen zieht man aus den Daten?• Verbraucherpanel• Handelspanel• Detaillierte Informationen zur Tracking-Forschung entnehmen Sie bitte den Unterlagen desGastvortrages der GfK Panel Services Deutschland.© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 49 -

Primärforschung - Skalierung (1)• Skalierung*:• Def. Skalierung: Konstruktion von Maßskalen und Zuordnung von Zahlen zu Objekten (Messen)• Def. Skala: numerische Abbildung eines empirischen Merkmals• Skalenniveaus:*Definitionen entnommen aus: Berekhoven, Eckert, Ellenrieder, 2004, S.74 ff.© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 50 -

Primärforschung - Skalierung (2)• Klassifikation von SkalierungsverfahrenSkalierung i.w.S.SelbsteinstufungFremdeinstufungsubjektiveFremdeinstufungobjektiveFremdeinstufungeindimensionaleSkalierungeindimensionaleSkalierung i.e.S.mehrdimensionaleSkalierungeinfacheRating-SkalaVerfahren derIndexbildung•Likert-Skala•Thurstone-Skala•Guttmann-SkalasemantischesDifferenzialMultiattributmodelle:•Fishbein-Ansatz•Trommsdorff-AnsatzMultidimensionaleSkalierung (MDS)* Beispiele entnommen aus: Berekhoven, Eckert, Ellenrieder, 2004, S.74 ff.© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 51 -

Primärforschung - Skalierung (3)• Skalierung - Klassifikation vonSkalierungsverfahren (1)• Selbsteinstufungsverfahren:• Rating-Skala (am häufigsten eingesetzte Skalierungsmethode)Befragte Person gibt ihre Position/Einstellung auf der interessierenden Merkmalsdimension selbst an.Rating-Skalen bilden „natürliche“ Rangfolgen ab und messen deshalb mit einem ordinalen Messniveau.Somit lassen sich nur kleiner- / größer-Beziehungen analysieren, wobei Angaben über die Abständezwischen den einzelnen Antwortkategorien streng genommen nicht möglich sind.• FremdeinstufungsverfahrenBefragter wird mit einer Batterie von Items konfrontiert, die in der Regel als Skalafragen konstruiertsind; Untersuchungsleiter verknüpft die Einzelmesswerte zur Messskala, worauf der Befragtepositioniert wird.• subjektive Fremdeinschätzung (Verfahren der Indexbildung)Bildung einer einzigen Maßzahl aus mehreren Teildimensionen, deren Merkmalsausprägungen aufGrundlage des subjektiven Empfindens des Interviewers ermittelt wurden.• objektive FremdeinschätzungAuf Grundlage eines streng standardisierten Verfahrens wird der Proband vom Interviewer positioniert.© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 52 -

Primärforschung - Skalierung (4)• Skalierung (2):Objektive FremdeinschätzungsverfahrenEindimensional• Likert-Skala (Technik der summierten Einschätzung)Den Befragten wird eine Reihe von Statements vorgelegt, zudenen sie Zustimmung oder Ablehnung äußern können, und zwarin abgestufter Form. Die Befragten sollen beispielsweiseangeben, ob sie der geäußerten Ansicht „völlig“ - „überwiegend“ -„teilweise“ - „eher nicht“ oder „gar nicht“ zustimmen.• Thurstone-Skala (Verfahren der gleich erscheinendenIntervalle)Im Unterschied zur Likert-Skala werden Statements zunächst vonExperten hinsichtlich der vermutlichen Ausprägung derintendierten Zielgruppe beurteilt. Die Skala wird in einem zweitenSchritt aus den eindeutig einer Ausprägung zugeordnetenStatements gebildet.• Guttmann-Skala (Skalogramm-Verfahren)Den Befragten werden einige Aussagen vorgelegt, die siebejahen oder verneinen sollen. Es wird angenommen, dass dieAussagen einer Reihenfolge entsprechen (oder in eineReihenfolge gebracht werden können) derart, dass sie jeweilseine unterschiedlich „extreme“ Auffassung dem Objekt gegenüberausdrücken.Mehrdimensional• Semantisches Differenzial (Polaritätenprofil):Beurteilung eines Untersuchungsgegenstandes durch wertendeAssoziationen auf einer Anzahl bipolarer Ratingskalen.• Multiattributmodelle:a) Fishbein-Ansatz: Versucht kognitive und affektiveEinstellungskomponente miteinander zu verknüpfen. DieEinstellung einer Person setzt sich aus mehrerenEindruckswerten zusammen. Eindruckswerte setzten sich ausder Multiplikation der kognitiven und affektiven Komponentezusammen.b) Trommsdorff-Ansatz: Die idealen Merkmalsausprägungen(affektive Komponente) werden erfasst und die kognitivenEinstellungkomponenten durch Fragen direkt bestimmt. DerEindruckswert ergibt sich aus der Differenz der kognitiven undaffektiven Komponenten.• Multidimensionale Skalierung (MDS):Verfahren, das Objekte in einem mehrdimensionalen Raumräumlich positioniert; die Positionen der Objekte und ihregegenseitigen Entfernungen stimmen mit den tatsächlichenEntfernungen bzw. Unterschieden überein.© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 53 -

Primärforschung - Skalierung (5)• Skalierungsverfahren – Beispiele (1)• Rating-Skala • Verfahren der Indexbildung© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 54 -

Primärforschung - Skalierung (6)• Skalierungsverfahren – Beispiele (2)• Likert-Skala1Vgl. Berekhoven, L.: Marktforschung: Methodische Grundlagen undpraktische Anwendung, 12. Aufl., 2009 , S. 74© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 55 -

Primärforschung - Skalierung (6)• Skalierungsverfahren – Beispiele (2)• Thurstone-Skala© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 56 -

Primärforschung - Skalierung (6)• Skalierungsverfahren – Beispiele (2)• Guttmann-Skala© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 57 -

Primärforschung - Skalierung (7)• Skalierungsverfahren – Beispiele (3)• Semantisches Differenzial• Multiattributmodell: Fishbein-Ansatz• Multidimensionale Skalierung (MDS)• Multiattributmodell: Trommsdorff-Ansatz© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 58 -

Primärforschung - Kontaktmethode wählen (1)• Kontaktmethode• Schriftlich (z. B. per Post, Fax, E-Mail)• Große Datenmengen können zu relativ geringen Kosten gesammelt werden.• Erfordert eine besonders einfache und klare Formulierung der Fragen.• Erfahrungsgemäß eine geringe Rücklaufquote.• Telefonisch• Beste Methode für eine schnelle Informationsgewinnung.• Interaktion zwischen Proband und Interviewer möglich (Flexibilität).• Interviewleitfaden darf nicht zu umfangreich sein und Fragen nicht zu persönlich.• Computergestützte Interviewführung möglich mit paralleler Dateneingabe.• Persönlich (face to face)• Klassifikation (Einzelinterview/Gruppengespräch)• Es können viele Fragen gestellt werden.• Zusätzliche Informationsgewinnung durch das Erscheinungsbild und die Körpersprache des Probanden.• Hohe Kosten, sowie hoher administrativer und zeitlicher Aufwand.• Negative Beeinflussung durch den Interviewer möglich.• Online• Fragebogen ist über eine Internetadresse erreichbar oder steht zum Download zur Verfügung.• Probanden können den Fragebogen online ausfüllen.• Musik, Bilder und Videos können integriert werden.© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 59 -

Primärforschung - Sampling Plan erstellen (1)• Definitionen:• Def. Stichprobe (Sample)Beschränkung der Untersuchung auf einen kleineren Teil der Grundgesamtheit [=Gesamtmasse](Teilerhebung)• Def. Repräsentativität• Eine Teilmasse ist repräsentativ, wenn sie in der Verteilung aller interessierenden Merkmale derGesamtmasse entspricht, d.h. ein zwar verkleinertes, aber sonst wirklichkeitsgetreues Abbild derGesamtheit darstellt.• Nicht alle im folgenden aufgeführten Verfahren genügen diesem Ideal, deshalb folgendeVerallgemeinerung: --> Eine Teilmasse ist dann repräsentativ, wenn sie einen zutreffendenRückschluss auf die Grundgesamtheit zulässt.• Def. Zufallsauswahl (Random-Verfahren)• Jede Einheit hat dieselbe Wahrscheinlichkeit in die Stichprobe einbezogen zu werden• Der Stichprobenfehler lässt sich nach der Wahrscheinlichkeitstheorie berechnen--> Mit zunehmender Größe der Stichprobe steigt die Wahrscheinlichkeit, dass sich das Ergebnis derTeilerhebung einer Vollerhebung angleicht• Def. Verfahren der bewussten AuswahlAuswahl der zu untersuchenden Einheiten nach sachrelevanten Einheiten--> Auswahl ist so vorzunehmen, dass das Sample hinsichtlich der interessierenden Merkmale möglichstrepräsentativ für die Grundgesamtheit istIm Rahmen der Erstellung des Sampling-Plans sind die folgenden Entscheidungen zu treffen:1) Definition der Grundgesamtheit; 2) Festlegung des Auswahlverfahrens und derStichprobengröße.* Definitionen entnommen aus: Berekhoven, Eckert, Ellenrieder, 2006, S. 55 ff.© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 60 -

Primärforschung - Sampling Plan erstellen (2)1. Definition der Grundgesamtheit• Ausgangsbasis für den Sampling-Plan ist die Grundgesamtheit der Untersuchung• Grundgesamtheit ist die Menge aller potenziellen Merkmalsträger, für die das Ergebnis derUntersuchung gültig sein soll.• Die Grundgesamtheit orientiert sich am Untersuchungsziel und schließt alle Merkmalsträger ein, diezur Untersuchung der Problemstellung herangezogen werden könnten.• Sollen beispielsweise Kunden nach ihrer Zufriedenheit befragt werden, ist es sinnvoll, nur Personenin die Untersuchung einzubeziehen, die das Produkt bereits gekauft haben, da nur diese PersonenAussagen zur Problemstellung treffen können.• Die Grundgesamtheit wird im Allgemeinen anhand:• demografischer (z. B. Alter, Geschlecht),• geografischer (z. B. PLZ-Gebiet, Land),• psychografischer (z. B. Einstellung, Meinung) oder• verhaltensorientierter Merkmale (z. B. Kaufverhalten)• definiert, wobei meistens eine Kombination aus mehreren Kriterien herangezogen wird.© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 61 -

Primärforschung - Sampling Plan erstellen (3)2. Festlegung des Auswahlverfahrens undder Stichprobengröße• Damit eine Stichprobe als repräsentativ angesehen werden kann, wird in diesem Schritt desMarketingforschungsprozesses ein so genannter Sampling-Plan (Stichprobenplan) erstellt, dergenau festlegt, welche Merkmalsträger aus der Grundgesamtheit ausgewählt werden müssen, damitein Repräsentationsrückschluss möglich ist.• Der Sampling-Plan stellt eine bindende Richtlinie für das Untersuchungsteam dar und basiert aufspeziellen Auswahlverfahren, welche die Repräsentativität sicherstellen sollen.• Der Rückschluss von der Stichprobe auf die Grundgesamtheit ist mit Fehlern behaftet, da dieStichprobe lediglich einen Schätzwert für die Grundgesamtheit darstellt.• Bei den systematischen Fehlern handelt es sich um Non-Response- (z. B.Antwortverweigerungen, Testpersonen nicht erreichbar) oder Erfassungsfehler (z. B. Fehler imAuswahlverfahren, Verzerrung durch Interviewer, Auswertungsfehler)• Zufallsfehler sind solche Fehler, die in statistischen Massen auftreten und nach den Gesetzen derWahrscheinlichkeit um einen „wahren Wert“ streuen, so dass sie sich per Saldo ausgleichen. Siekönnen nicht vermieden, sondern nur durch eine Vergrößerung der Stichprobe verkleinert werden.Dies lässt sich dadurch erklären, dass sich die bei der Erfassung der einzelnen Merkmalsträgergemachten Fehler mit wachsender Zahl der Probanden tendenziell ausgleichen.© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 62 -

Primärforschung - Sampling Plan erstellen (4)• Grundformen von AuswahlverfahrenAuswahlverfahrenVollerhebungTeilerhebungrepräsentativeAuswahlwillkürlicheAuswahlVerfahren derzufallsorientiertenAuswahlVerfahren der nichtzufallsorientierten(bewussten) AuswahleinfacheZufallsauswahlgeschichteteZufallsauswahlKlumpenauswahlQuotenverfahrenKonzentrationsverfahren(cut-off)typischesAuswahlverfahrenuneingeschränkteZufallsauswahl:LotterieprinzipAuswahltechniken:systematischeAuswahl usw.proportionaldisproportional© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 63 -

Primärforschung - Sampling Plan erstellen (5)• Zufallsauswahl - Auswahltechniken• Systematische AuswahlSoll aus einer Grundgesamtheit mit 100.000 Merkmalsträgern (N) eine Stichprobe von 1.000Testpersonen (n) entnommen werden, wird zunächst innerhalb der ersten 100 Elemente per Zufall einStartpunkt festgelegt und von diesem Startpunkt ausgehend, jeder weitere 100ste Merkmalsträgereinbezogen.• SchlussziffernauswahlEs werden nur Merkmalsträger in die Stichprobe einbezogen, die in einer durchnummerierten Listeder Merkmalsträger eine bestimmte Endziffer aufweisen(z. B. alle Elemente mit der Endziffer „6“ wie 6, 16, 26, 36, 46 ...).• Geburtstags- oder BuchstabenauswahlDie Probanden werden anhand ihres Geburtsdatums oder anhand des Anfangsbuchstabens derNach- oder Vornamen ausgewählt (z. B. alle Personen, die am 06. April geboren sind; alle Personen,deren Nachname mit „M“ beginnt).• Auswahl mittels ZufallszahlenJedem Element der Grundgesamtheit wird eine fortlaufende Nummer zugewiesen. Danach wird durchein Zufallsverfahren (z. B. per Zufallsgenerator) eine Zufallszahlentabelle generiert, die festlegt,welche Merkmalsträger in die Untersuchung einbezogen werden.© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 64 -

Primärforschung - Sampling Plan erstellen (6)• Beispiele für Auswahlverfahren (1)© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 65 -

Primärforschung - Sampling Plan erstellen (7)• Beispiele für Auswahlverfahren (2)© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 66 -

Primärforschung - Sampling Plan erstellen (8)• StichprobengrößeDamit ein Repräsentationsrückschluss von der Stichprobe auf die Grundgesamtheit möglichist, müssen die erhobenen Stichprobenwerte einer Normalverteilung folgen.Achtung:Ein Zufallsfehler kann nur fürVerfahren der Zufallsauswahlberechnet werden, nicht fürVerfahren der bewusstenAuswahl!© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 67 -

Primärforschung - Sampling Plan erstellen (9)• Stichprobengröße – Sicherheitsfaktor,Vertrauensbereich, Vertrauenswahrscheinlichkeit (1)• Die Streuung der Stichprobenmittelwerte um den wahren Wert der Grundgesamtheit wird mit derVarianz bzw. der Standardabweichung gemessen. Die Standardabweichung stellt die mittlereAbweichung vom Stich-probenmittelwert dar. Sie wird in der Einheit des Merkmals ausgedrückt,definiert den Vertrauensbereich (Konfidenzintervall) um den Stichprobenmittelwert und legt somitdie Wahrscheinlichkeit (Vertrauenswahrscheinlichkeit) fest, mit welcher der wahre Wert derGrundgesamtheit in den Vertrauensbereich fällt.• Da es für die Marketingforschung nicht ausreichend ist, eine Aussage zu treffen, die nur für (68,3%)der theoretisch denkbaren Fälle in Frage kommt, wird der Vertrauensbereich erweitert, indem dieStandardabweichung mit einem so genannten Sicherheitsfaktor multipliziert wird. Dadurch steigt zumeinen die Vertrauenswahrscheinlichkeit und zum anderen vergrößert sich der Vertrauensbereich.• Um eine Vertrauenswahrscheinlichkeit von 99,7%zu erhalten, d. h. mit einer 99,7%igen Wahrscheinlichkeitsagen zu können, dass der wahre Wert derGrundgesamtheit in einen bestimmten Vertrauensbereichfällt, muss die Standardabweichung beispielsweisemit dem Sicherheitsfaktor 3 multipliziert werden. Durch die Multiplikation mit demSicherheitsfaktor wird der Vertrauensbereichum das dreifache der Standardabweichung erweitert.Zusammenhang Sicherheitsfaktor - Vertrauensbereich -Vertrauenswahrscheinlichkeit© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 68 -

Primärforschung - Sampling Plan erstellen (10)• Stichprobengröße – Sicherheitsfaktor,Vertrauensbereich, Vertrauenswahrscheinlichkeit (2)• Die Irrtumswahrscheinlichkeit ist das Gegenstück zur Vertrauenswahrscheinlichkeit und gibt an, mitwelcher Wahrscheinlichkeit der wahre Wert der Grundgesamtheit nicht im Vertrauensbereich liegt.• In der Marketingforschung wird versucht, ein möglichst genaues Schätzergebnis von der Stichprobeauf die Grundgesamtheit zu erzielen. Betrachtet man jedoch die Größen Vertrauensbereich(Stichprobenfehler) und Vertrauenswahrscheinlichkeit genauer, dann erkennt man, dass sie sichkonträr verhalten. Erhöht man die Vertrauenswahrscheinlichkeit, erweitert sich automatisch derkorrespondierende Stichprobenfehler.• Es gilt, je größer der Umfang einer Stichprobe, desto genauer kann der wahre Wert einerGrundgesamtheit auf Basis einer Stichprobe geschätzt werden.• Allerdings nimmt die Güte der Stichprobe nicht proportional zu. Eine Vervierfachung der Stichprobebedeutet beispielsweise nur eine Verdoppelung der Güte der Stichprobe.• Deshalb legt man in der Marketingforschungspraxis im Vorfeld der Stichprobenziehung die Qualitätdes Stichprobenergebnisses über den zulässigen Stichprobenfehler und dieVertrauenswahrscheinlichkeit fest und bestimmt auf dieser Basis den optimalen Umfang derStichprobe. Man unterscheidet den heterograden und den homograden Fall.© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 69 -

Primärforschung - Sampling Plan erstellen (11)• Stichprobengröße – Sicherheitsfaktor,Vertrauensbereich, Vertrauenswahrscheinlichkeit (3)© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 70 -

Primärforschung - Sampling Plan erstellen (12)• Stichprobengröße – Heterograder Fall• Die Untersuchungsmerkmale sind quantitativ (z. B. Einkommen, Alter, Körpergröße) und sollen aufihren Mittelwert hin untersucht werden.• Die Formel für die Berechnung des Stichprobenumfangs für quantitative Merkmale lautet:mit:n: Stichprobenumfangt: Sicherheitsfaktor2σ : Varianze: größter zulässiger Fehler (Stichprobenfehler)• Während der Sicherheitsfaktorüber die gewünschte Vertrauenswahrscheinlichkeithergeleitet wirdund der Stichprobenfehler vomUntersuchungsteam aus Erfahrungswertengeschätzt wird, ist dieVarianz in der Regel nichtbekannt. Sie muss entweder ineinem Pre-Test geschätzt odervom Untersuchungsteambestimmt werden.© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 71 -

Primärforschung - Sampling Plan erstellen (13)• Stichprobengröße – Homograder Fall• Die Untersuchungsmerkmale sind qualitativ (z. B. Geschlecht, Familienstand, Beruf) und sollen aufrelative Häufigkeiten (Anteile) hin untersucht werden.• Die Formel zur Errechnung des Stichprobenumfangs für qualitative Merkmale lautet wie folgt:• Wurden „q“ und „p“ nicht bereits imVorfeld über einen Pre-Testerhoben, ist es üblich, den ungünstigstenFall anzusetzen, nämlichjeweils 50% (p = 50; q = 50). Für dieFestlegung von „t“ und „e“ könnendie Überlegungen für den heterogradenFall übernommen werden.© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 72 -

Primärforschung - Daten erheben (1)• Daten erheben• Bekannte Probleme• Die Probanden sind nicht anzutreffen und müssen deshalb erneut kontaktiert werden oder durch andereTestpersonen ersetzt werden.• Die Probanden verweigern die Auskunft oder geben bewusst falsche Antworten.• Die Probanden haben Vorurteile gegenüber dem Untersuchungsinstrument oder der Thematik derUntersuchung.• Der Interviewer ist voreingenommen (z. B. suggestives Fragen) oder unehrlich(z. B. Selbstausfüllung durch den Interviewer bzw. Befragung von Bekannten).© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 73 -

Primärforschung - Daten erheben (2)• Daten erheben –mögliche Vorgehensweise für die Befragung von Unternehmen aus der PraxisVersendung des Fragebogensund des Anschreibens per EmailTelefonische KontaktaufnahmeAbsageTeilnahmeNachtelefonierenBefragungam TelefonKeine ZeitEndgültigeAbsageNeueKontaktpersonTeilnahmeTerminvereinbarungAntwort per PostAntwort per FaxEndgültigeAbsageTeilnahmeBefragungam Telefon© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 74 -

AgendaDie Rolle der Information im Marketing / Definition MarketingforschungDer Marketingforschungsprozess im ÜberblickUntersuchungsziel erkennen und definieren - Phase 1Forschungsplan erstellen und Daten erheben - Phase 2Erhobene Daten analysieren und interpretieren - Phase 3Ergebnisse präsentieren und kommunizieren - Phase 4Klausurbeilage© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 75 -

Erhobene Daten Analysieren und Interpretieren: Lernziele• Lernziele• Überblick über die wichtigsten Datenanalyseverfahren und deren Anwendung in der Praxis• univariat• bivariat• multivariat• Fähigkeit der eigenständigen Berechnung einer einfachen Regressionsanalyse bzw. Erkenntnis,wann die einfache Regressionsanalyse in der Praxis wie zum Einsatz kommt• Fähigkeit der Durchführung bestimmter Hypothesentests© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 76 -

Erhobene Daten analysieren und interpretieren (1)• Computergestützte Datenanalyse• Tabellenkalkulationsprogramme (z. B. Microsoft Excel)• Werkzeug zur Datenerfassung und –verwaltung• Diverse statistische Auswertungsfunktionen (univariate Auswertungen, Korrelationen, Regressionen)• Schnelle und unkomplizierte Analyse von kleinen Datenmengen• Datenbanksysteme (z. B. Microsoft Access)• System zur elektronischen Datenverwaltung• Erstellung einer Datenbank ist in der Regel aufwändig• Ermittlung und Visualisierung von einfachen statistischen Kennzahlen und Zusammenhängen• Hoher Aufwand bei komplexen statistischen Auswertungen• Effizientes, widerspruchsfreies und dauerhaftes Speichern von großen Datenmengen• Statistische Auswertungsprogramme (z. B. SPSS, SAS)• Software speziell für die statistische Datenanalyse• Umfangreiche Datenmengen können verwaltet, transformiert und verarbeitet werden• Vielzahl von statistischen Funktionen und Prozeduren stehen zur Verfügung• Sowohl univariate (Mittelwertberechnung, Häufigkeitsauszählun-gen etc.) als auch komplexemultivariate Testverfahren (Faktorenanalyse, Conjoint-Analyse etc.) möglich© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 77 -

Erhobene Daten analysieren und interpretieren (2)• Klassifikation statistischer Verfahren• Deskriptive Statistik• Deskriptive = beschreibende Statistik• Sie beinhaltet Analyseverfahren die vorwiegend dazu dienen, die Verteilung derMerkmalsausprägungen durch eine grafische oder tabellarische Darstellung genauer zu beschreibenund statistische Kennzahlen (z. B. Häufigkeit, Mittelwert, Varianz) zu berechnen.• Verallgemeinerungen bzw. Schlüsse auf die Grundgesamtheit sind damit nicht möglich, sondern sindGegenstand der noch zu behandelnden Verfahren der induktiven Statistik.• Induktive Statistik• Induktive Statistik = statistische Prüfverfahren• Die induktive Statistik beschäftigt sich mit der Frage, inwieweit die Ergebnisse einer Teilerhebung durcheine Stichprobe auf die Grundgesamtheit übertragen werden können und verwendet dafür Methodenwie z. B. den Chi-Quadrat-Test oder den T-Test.• Überprüfung von Annahmen oder zur Prüfung der Zulässigkeit des Schlusses von Werten derStichprobe auf Werte der Grundgesamtheit.© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 78 -

Erhobene Daten analysieren und interpretieren (3)statistischeAuswertungsverfahrenDeskriptive StatistikInduktive StatistikStatistische Verfahren - univariat• Häufigkeiten• Mittelwerte• StreumaßeStatistische Verfahren - bivariat• Kreuztabellierung• Korrelationsmaße• einfache RegressionsanalyseStatistische Verfahren - multivariat• Regressionsanalyse (mehrfach)• Varianzanalyse• Diskriminanzanalyse• Faktorenanalyse• Clusteranalyse• MDS• Conjoint MeasurementStatistische Verfahren - Induktiv• Hypothesentests© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 79 -

Erhobene Daten analysieren und interpretieren (4)• Beispiel für uni-, bi- und multivariate Analysen© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 80 -

Erhobene Daten analysieren und interpretieren -Deskriptive Statistik / univariate Verfahren - Häufigkeiten (1)• Häufigkeiten• Absolute Häufigkeit:Ist die Anzahl der Elemente in der Grundgesamtheitmit genau dieser Merkmalsausprägung.DeskriptiveStatistikStatistische Verfahren - univariat• Häufigkeiten• Mittelwerte• Streumaße• Relative Häufigkeit:Misst den prozentualen Anteil der Elementemit genau dieser Merkmalsausprägung ander Grundgesamtheit.fi=hiN• Absolute Summenhäufigkeit:Gibt die Anzahl der Elemente an, die höchstensdiese Merkmalsausprägung aufweisen.= i∑H i h jj = 1• Relative Summenhäufigkeit:Gibt den prozentualen Anteil der Elementean der Grundgesamtheit an, die höchstensdiese Merkmalsausprägung aufweisen.Fi=i∑j=1fj=HiNmit:N: Anzahl der Variablenwertef i :: Relative HäufigkeitHi :: Absolute SummenhäufigkeitF i : Relative Summenhäufigkeit© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 81 -

Erhobene Daten analysieren und interpretieren -Deskriptive Statistik / univariate Verfahren - Häufigkeiten (1)• Beispiele für Häufigkeiten (1)DeskriptiveStatistikStatistische Verfahren - univariat• Häufigkeiten• Mittelwerte• StreumaßeBeispiel – absolute/relative Häufigkeit sowie für absolute/relative SummenhäufigkeitIm folgenden Beispiel soll eine Personengruppe bzgl. ihrer Altersstruktur genauer analysiertwerden. Bei einer Befragung gaben 20 Personen ihr Alter an.Nr. des Befragten Alter1 352 253 304 355 186 217 298 399 2510 3311 3412 3613 3814 4615 2916 4817 1818 3019 2820 37Nr. des Befragten Alter17 185 186 219 252 2519 2815 297 293 2918 3010 3311 341 354 3512 3620 3713 388 3914 4616 48Datensatz unsortiertDatensatz sortiert nach Alter, aufsteigend© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 82 -

Erhobene Daten analysieren und interpretieren -Deskriptive Statistik / univariate Verfahren - Häufigkeiten (1)• Beispiele für Häufigkeiten (2)DeskriptiveStatistikStatistische Verfahren - univariat• Häufigkeiten• Mittelwerte• StreumaßeBeispiel – absolute/relative Häufigkeit sowie für absolute/relative SummenhäufigkeitAus diesem Datensatz ergeben sich folgende absolute/relative Häufigkeiten sowie absolute/relativeSummenhäufigkeiten:Alter 18-21 22-25 26-30 31-35 36-40 41-45 46-50Absolute Häufigkeit 3 2 5 4 4 0 2Relative Häufigkeit 15% 10% 25% 20% 20% 0% 10%Alter 18-21 18-25 18-30 18-35 18-40 18-45 18-50Absolute Summenhäufigkeit 3 5 10 14 18 18 20Relative Summenhäufigkeit 15% 25% 50% 70% 90% 90% 100%© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 83 -

Erhobene Daten analysieren und interpretieren -Deskriptive Statistik / univariate Verfahren - Mittelwerte (1)• Mittelwerte (Lagemaße): wohin tendierteine Verteilung?• Arithmetisches Mittel AM• Ungewogenes AM:x=1NNN∑ x ii=1DeskriptiveStatistikmit: N: Anzahl der Variablenwertexi : Variablenwert an der Stelle „n“Statistische Verfahren - univariat• Häufigkeiten• Mittelwerte• Streumaße• Gewogenes AM: x = ∑ f i x ix : Mittelwert aller Merkmalswerte xii=1f : Gewichtungsfaktor• Modus• Der Modus einer Reihe von Merkmalsausprägungen ist der Wert, der in dieser Reihe amhäufigsten vorkommt.• ( in einer Reihe von Merkmalsausprägungen kann es mehrere Modi geben!)• Median (= Zentralwert, wobei die Merkmalsausprägungen der Reihe nach geordnet sind)• N ist eine ungerade Zahl: Me(x) = x N +12• N ist eine gerade Zahl: Me(x) =12⎡⎢x N+ x N⎣ 2 2+1⎤⎥⎦© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 84 -

Erhobene Daten analysieren und interpretieren -Deskriptive Statistik / univariate Verfahren - Mittelwerte (2)• Beispiele für Mittelwerte (1)© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 85 -

Erhobene Daten analysieren und interpretieren -Deskriptive Statistik / univariate Verfahren - Mittelwerte (3)• Beispiele für Mittelwerte (2)© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 86 -

Erhobene Daten analysieren und interpretieren -Deskriptive Statistik / univariate Verfahren - Streumaße (1)• Streumaße: wie variabel ist eine Verteilung?• Spannweite SWIst die Differenz aus der größten Merkmalsausprägungund der kleinsten Merkmalsausprägung.DeskriptiveStatistikStatistische Verfahren - univariat• Häufigkeiten• Mittelwerte• StreumaßeSW(x) = x max - x min• Interquartilspanne IQSIst die Spannweite einer Reihe, nachdem 25% der geringsten und 25% der größtenMerkmalsausprägungen ausgeschlossen wurden.IQS(x) = Q3 – Q1mit: Q1: erstes Quartil• Empirische Varianz VARGrundidee der Varianz ist es, eine Art durchschnittlicheAbweichung vom Mittelwert zu bestimmenNN12⎡ 1 ⎛ 2 ⎞⎤2VAR(x) = ∑(xi− x)= ⎢ ⎜∑xi⎟⎥− ( x)xiN i=1 ⎣ N ⎝ i=1 ⎠⎦xQ3: drittes Quartilmit: N: Anzahl der Variablenwerte: Variablenwert an der Stelle „n“: Mittelwert aller Merkmalswerte• Empirische Standardabweichung SAWErmöglicht die Vergleichbarkeit mit Mittelwerten (Varianz hat Einheit zum Quadrat, daher nichtgeeignet zum Vergleich) SAW(x) = VAR(x)xi© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 87 -

Erhobene Daten analysieren und interpretieren -Deskriptive Statistik / univariate Verfahren - Streumaße (2)• Beispiele für Streumaße© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 88 -

Erhobene Daten analysieren und interpretieren -Deskriptive Statistik / univariate Verfahren - Streumaße (2)• Beispiele für Streumaße© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 89 -

Erhobene Daten analysieren und interpretieren - Deskriptive Statistik /bivariate Verfahren - Kreuztabellen und Korrelationsmaße (1)• Kreuztabellierung:• Einfachstes Verfahren, Zusammenhänge zu ermitteln und zu veranschaulichen.Statistische Verfahren - bivariat• Kreuztabellierung• Korrelationsmaße• einfache Regressionsanalyse• Hierbei werden alle möglichen Kombinationen von Merkmalsausprägungen bezüglich zweierVariablen anhand einer Matrix, der sog. Kreuztabelle, dargestellt.• Die Häufigkeit, mit der jede Kombination auftritt, wird anschließend in die Matrix eingetragen.• Korrelationsmaße:• Wie gleichgerichtet sind zwei verschiedene Verteilungen?• Empirische Kovarianz KOVQuantifiziert das Ausmaß des ”Gleichlaufens” zweier MerkmaleN1N1KOV(x;y)= ∑[xi− x][yi− y ∑ xi* yi− x * yN 1• Korrelationskoeffizient rEin Korrelationskoeffizient von +1 drückt eine perfekteGleichläufigkeit, ein Wert von –1 dagegen eine perfekteGegenläufigkeit zweierMerkmale aus.N 1]i=r ( x;y)=i=KOV ( x;y)SAW ( x)*SAW ( y)DeskriptiveStatistikmit: N: Anzahl der Variablenwertex: Variable xy: Variable yx: Mittelwert aller Merkmalswerte xiy:Mittelwert aller Merkmalswerte yi© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 90 -

Erhobene Daten analysieren und interpretieren - Deskriptive Statistik /bivariate Verfahren - Kreuztabellen und Korrelationsmaße (3)• Beispiel für eine lineare Korrelation (1)Beispiel - Zusammenhang zwischen Gewicht und Größe (1)DeskriptiveStatistikStatistische Verfahren - bivariat• Kreuztabellierung• Korrelationsmaße• einfache RegressionsanalyseGehen wir vom einfachsten Fall zweier Messwertreihen X (z.B. Gewicht) und Y (z.B. Körpergröße) aus. Danngibt der Korrelationskoeffizient Auskunft darüber, wie gut sich durch die beiden Messwertreihen jeweils eineGerade legen lässt, so dass die Quadrate der Abstände der Messwerte von der Geraden minimal werden.x y x*y x² y²1 65 166 10.790 4.225 27.5562 76 177 13.452 5.776 31.3293 98 185 18.130 9.604 34.2254 52 161 8.372 2.704 25.9215 46 165 7.590 2.116 27.2256 51 158 8.058 2.601 24.9647 61 164 10.004 3.721 26.8968 65 167 10.855 4.225 27.8899 67 174 11.658 4.489 30.27610 74 172 12.728 5.476 29.58411 72 181 13.032 5.184 32.76112 74 162 11.988 5.476 26.24413 76 175 13.300 5.776 30.62514 81 181 14.661 6.561 32.76115 85 182 15.470 7.225 33.12416 58 155 8.990 3.364 24.02517 55 165 9.075 3.025 27.22518 63 169 10.647 3.969 28.56119 92 179 16.468 8.464 32.04120 87 185 16.095 7.569 34.225Summe 1.398 3.423 241.363 101.550 587.457x: Variable „Gewicht“y: Variable „Körpergröße“xy= 69,90= 171,15Beispiel entnommen aus:http://www.sgipt.org/wisms/statm/kor/kurkor.htm#Der%20Korrelationskoeffizient;abgerufen am 29.09.2008© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 91 -

Erhobene Daten analysieren und interpretieren - Deskriptive Statistik /bivariate Verfahren - Kreuztabellen und Korrelationsmaße (2)• Beispiel für eine lineare Korrelation (2)DeskriptiveStatistikStatistische Verfahren - bivariat• Kreuztabellierung• Korrelationsmaße• einfache RegressionsanalyseBeispiel - Zusammenhang zwischen Gewicht und Größe (2)KOV ( x;y)=1NN∑ xi * yi− x * yi=1=241.363− 69,9*171,15 = 104,7620r(x;y)=KOV ( x;y)SAW ( x)*SAW ( y)⇒241.363− (69,9*171,15)20191,49 * 80,5⇒12.068,15 −11.963,3413,83*8,972⇒104,76124,08⇒ 0,843817Im folgenden Beispiel ergibt sich zwischen dem Körpergewichtund dem Körpergröße ein Korrelationskoeffizient r = 0,84.Beispiel entnommen aus:http://www.sgipt.org/wisms/statm/kor/kurkor.htm#Der%20Korrelationskoeffizient.;abgerufen am 29.09.2008© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 92 -

Erhobene Daten analysieren und interpretieren - Deskriptive Statistik /bivariate Verfahren - einfache Regressionsanalyse (1)• Einfache RegressionsanalyseErmittlung eines Zusammenhangs zwischenzwei Merkmalen• Regressionsgerade: yˆ 1= a + b*x1yˆDeskriptiveStatistikmit: a: Regressionskonstante (Schnittpunkt der Regressionsgerade mit der Y-Achse)b: Regressionskoeffizient (Steigung der Regressionsgeraden)x: unabhängige Variabley: abhängige VariableStatistische Verfahren - bivariat• Kreuztabellierung• Korrelationsmaße• einfache Regressionsanalyse• Die einfache Regressionsanalyse baut auf der Korrelationsanalyse auf und untersucht nicht denwechselseitigen Zusammenhang zwischen zwei Variablen, sondern die einseitige Beziehungzwischen einer abhängigen und einer unabhängigen Variablen.• Ziel der Regression ist es, die Koeffizienten a und b der Regressionsgeraden so zu bestimmen, daßdie Summe der quadrierten Abstände zwischen den Schätzwerten und den wahren Werten y 1minimiert wird. (“Kleinste-Quadrate-Schätzung”)• Die Regression versucht also eine Gerade zu bestimmen, von der alle Punkte gleich weit entferntsind im Mittel. (→Regressionsgerade)© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 93 -

Erhobene Daten analysieren und interpretieren - Deskriptive Statistik /bivariate Verfahren - einfache Regressionsanalyse (2)• Beispiel für eine Regressionsanalyse (1)DeskriptiveStatistikStatistische Verfahren - bivariat• Kreuztabellierung• Korrelationsmaße• einfache Regressionsanalyse© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 94 -

Erhobene Daten analysieren und interpretieren - Deskriptive Statistik /bivariate Verfahren - einfache Regressionsanalyse (3)• Beispiel für eine Regressionsanalyse (2)DeskriptiveStatistikStreudiagramm für die Variablen „Werbeausgaben“ und „Absatzmenge“Statistische Verfahren - bivariat• Kreuztabellierung• Korrelationsmaße• einfache Regressionsanalyse© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 95 -

Erhobene Daten analysieren und interpretieren - Deskriptive Statistik /bivariate i Verfahren - einfache Regressionsanalyse (4)• Beispiel für eine Regressionsanalyse (3)DeskriptiveStatistikStatistische Verfahren - bivariat• Kreuztabellierung• Korrelationsmaße• einfache Regressionsanalyse© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 96 -

Erhobene Daten analysieren und interpretieren - Deskriptive Statistik /bivariate Verfahren - einfache Regressionsanalyse (5)• Beispiel für eine Regressionsanalyse (4)DeskriptiveStatistikStatistische Verfahren - bivariat• Kreuztabellierung• Korrelationsmaße• einfache Regressionsanalyse© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 97 -

Erhobene Daten analysieren und interpretieren - Deskriptive Statistik /bivariate Verfahren - einfache Regressionsanalyse (6)• Beispiel für eine Regressionsanalyse (5)Erklärte und nicht erklärte AbweichungDeskriptiveStatistikStatistische Verfahren - bivariat• Kreuztabellierung• Korrelationsmaße• einfache Regressionsanalyse© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 98 -

Erhobene Daten analysieren und interpretieren - Deskriptive Statistik /multivariate Verfahren - Kriterien zur Auswahl eines mulitvariaten Verfahrens (1)• Kriterien zur Auswahl eines multivariaten Verfahrens:• Untersuchungsgegenstand /Art der UntersuchungsobjekteDeskriptiveStatistikStatistische Verfahren - multivariat• Kontigenzanalyse• Diskriminanzanalyse• Varianzanalyse• Regressionsanalyse (mehrfach)• Faktorenanalyse• Clusteranalyse• MDS• Conjoint Measurement• Anzahl der Variablen• Abhängigkeit zwischen den Variablen• Daten- und Messniveau• (Untersuchungszeitpunkt /Untersuchungszeitraum)© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 99 -

Erhobene Daten analysieren und interpretieren - Deskriptive Statistik / multivariate Verfahren (1)• Unterteilung• Dependenzanalyse:DeskriptiveStatistikStatistische Verfahren - multivariat• Kontigenzanalyse• Diskriminanzanalyse• Varianzanalyse• Regressionsanalyse (mehrfach)• Faktorenanalyse• Clusteranalyse• MDS• Conjoint Measurement• Eine bzw. mehrere Variablen (abhängige Var. bzw.Kriteriumsvariablen) hängen von anderen Variablen (unabhängige Var. bzw. Prediktoren) ab.• Einsatz nur, wenn ein kausaler Zusammenhang zwischen den Variablen vermutet werden kann.• Wichtigste Verfahren: Kontingenzanalyse, Diskriminanzanalyse, Varianzanalyse undmultiple Regressionsanalyse• Interdependenzanalyse:• Es erfolgt keine Unterscheidung zwischen abhängiger und unabhängiger Variablen• Wichtigste Verfahren: Clusteranalyse, Faktorenanalyse, multidimensionale Skalierung und ConjointAnalyse© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 100 -

Erhobene Daten analysieren und interpretieren -Deskriptive Statistik / multivariate Verfahren (2)• DependenzanalysenDeskriptiveStatistikStatistische Verfahren - multivariat• Kontigenzanalyse• Diskriminanzanalyse• Varianzanalyse• Regressionsanalyse (mehrfach)• Faktorenanalyse• Clusteranalyse• MDS• Conjoint Measurementunabhängige Variablenicht metrischmetrischabhängige Variablemetrisch nicht metrischKontingenzanalyseVarianzanalyseDiskriminanzanalyseRegressionsanalyse© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 101 -

Erhobene Daten analysieren und interpretieren -Deskriptive Statistik / multivariate Verfahren (3)• InterdependenzanalysenDeskriptiveStatistikStatistische Verfahren - multivariat• Kontigenzanalyse• Diskriminanzanalyse• Varianzanalyse• Regressionsanalyse (mehrfach)• Faktorenanalyse• Clusteranalyse• MDS• Conjoint Measurement© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 102 -

Erhobene Daten analysieren und interpretieren: Induktive Statistik (1)• Hypothesentests:• Ausgangspunkt ist die Nullhypothese H 0• Gegenstück ist die Alternativhypothese H 1InduktiveStatistikStatistische Verfahren - Induktiv• Hypothesentests• Es gibt i.d.R. zwei Fragestellungen beim Hypothesentest:• Mit welcher Wahrscheinlichkeit wird die Nullhypothese abgelehnt, obwohl sie richtig ist?• WievieleTreffer müssen auf einem bestimmten Signifikanzniveau „gelandet“ werden, damit dieNullhypothese angenommen werden kann?• Termini:• α-Fehler = Fehler 1.Art = H 0 richtig aber abgelehnt (Irrtumswahrscheinlichkeit)• β-Fehler = Fehler 2.Art = H 0 falsch aber angenommen• übliche Werte für α:≤0,01 hochsignifikant≤0,05 signifikant• Gesamtfehler = p*α + (1-p)*β• 1-α = Sicherheitswahrsch. bzw. statist. Sicherheit• Vergrößerung des Annahmebereichs bewirkt eine Verkleinerung des α-Fehlers© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 103 -

Erhobene Daten analysieren und interpretieren: Induktive Statistik (2)• Beispiel Hypothesentest:InduktiveStatistikStatistische Verfahren - Induktiv• Hypothesentests© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 104 -

Erhobene Daten analysieren und interpretieren: Induktive Statistik (3)• Verteilungstests:InduktiveStatistikStatistische Verfahren - Induktiv• HypothesentestsVerteilungstestArt desTestsNullhypotheseSkalenniveauVoraussetzungenPrüffunktionVerteilung derPrüffunktionAnpassungstestV(x) = V 0 (x)(V 0 (x) ist einegenau spezifizierteVerteilungderGrundgesamtheit)mindestensnominalskalierteDatenE j > 5 für alle j = 1,…,m(bei Gültigkeit der Nullhypothesezu erwartendeHäufigkeit in deneinzelnen Ausprägungsklassen)χ 2 ∑m=empj=1(n j – E j ) 2E jm = Anzahl der Ausprägungsklassen(Intervalle)n j = tatsächliche Anzahlder Beobachtungen imj-ten Intervallχ 2 –Verteilung mitv = m – 1FreiheitsgradenUnabhängigkeitstestx, y sind voneinanderunabhängigmindestensnominalskalierteDatenE ij > 5 für alle i = 1,…,kund j = 1,…., l(bei Unabhängigkeit zuerwartende Häufigkeitder einzelnen Merkmalskombinationen)χ 2 ∑k=empi=1∑ lj=1(n ij – E ij ) 2E ijn ij = tatsächliche Häufigkeitder Merkmalskombinationen(x i , y j )χ 2 –Verteilung mitv = (k – 1) * (l – 1)Freiheitsgraden• Weitere Ausgewählte Testverfahren (Parametertest) siehe Nieschlag, Dichtl, Hörschgen, 1997, S. 770© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 105 -

Erhobene Daten analysieren und interpretieren (1)• Daten interpretieren• Erläuterung der Zusammenhänge und Begutachtung der erhobenen, aufbereiteten undausgewerteten Daten• Beantwortung der dem Projekt zugrunde liegenden Problemstellung• Formulierung Handlungsempfehlungen zur Unterstützung der Entscheidungsfindung• komprimieren – > die wichtigsten Erkenntnisse zusammenfassen• pointieren – > aussagekräftige Ergebnisse hervorheben• kombinieren – > Gesetzmäßigkeiten ableiten und herausstellen• begutachten – > Aussage und Signifikanz der Ergebnisse bewerten• formulieren – > Ergebnisse auf konkrete Problemstellung übertragen© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 106 -

AgendaDie Rolle der Information im Marketing / Definition MarketingforschungDer Marketingforschungsprozess im ÜberblickUntersuchungsziel erkennen und definieren - Phase 1Forschungsplan erstellen und Daten erheben - Phase 2Erhobene Daten analysieren und interpretieren - Phase 3Ergebnisse präsentieren und kommunizieren - Phase 4Klausurbeilage© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 107 -

Ergebnisse präsentieren und kommunizieren (1)• Ergebnisse präsentieren und kommunizieren• Erstellung eines Ergebnisdokumentes (Ausrichtung an der Problemstellung und den Zielen desAuftraggebers)• Elemente eines Ergebnisdokumentes:• Inhaltsverzeichnis• Projektplan und Projektrahmenbedingungen• Problemstellung, Burning Platform (Ausgangssituation) und Untersuchungsziele• Management Summary (wichtigste Ergebnisse der Untersuchung zusammengefasst)• Methodik der Untersuchung• Marketingforschungsplan• Darstellung und Interpretation der Untersuchungsergebnisse• Schlussfolgerungen und Handlungsempfehlungen• Anhang© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 108 -

AgendaDie Rolle der Information im Marketing / Definition MarketingforschungDer Marketingforschungsprozess im ÜberblickUntersuchungsziel erkennen und definieren - Phase 1Forschungsplan erstellen und Daten erheben - Phase 2Erhobene Daten analysieren und interpretieren - Phase 3Ergebnisse präsentieren und kommunizieren - Phase 4Klausurbeilage© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 109 -

Klausurbeilage• Korrelationsmaße:N1KOV(x;y)= ∑[xi− x][yi− y]N i=1• Einfache lineare Regression:yˆ 1+1b == a b*x yˆy = a + b*xn(∑xn(iy ) − (∑ix2i∑ xi∑) − ()(xi∑)2y ⎛i)⎜=⎝r ( x;y)=∑ xi∑yxi2iKOV ( x;y)SAW ( x)*SAW ( y)− n*x * y ⎞⎟2− n*x⎠• Stichprobenberechnungen:t * σe = t * σ x = = tnσnSicherheitskoeffizient1,001,962,002,583,003,292Heterograder Fall22t ⋅σ⇒ n ≥2eHomograder Fallt⇒ n ≥KorrespondierendeIrrtumswahrscheinlichkeit (in %)31,735,004,551,000,270,102⋅ p ⋅ q2emit: n: Stichprobenumfangt: Sicherheitsfaktorp: Anteil der Merkmalsträger in derStichprobe, welche die gesuchteMerkmalsausprägung aufweisen.q: Anteil der Merkmalsträger in derStichprobe, welche die gesuchteMerkmalsausprägung nichtaufweisen.e: größter zulässiger Fehler(Stichprobenfehler)σ x : Standardabweichung2σ : Varianz© Prof. Dr. Andrea E. RaabHochschule Ingolstadt- 110 -