Bachelor + Master Publishing
811 Bachelorarbeiten, 533 Masterarbeiten, 10.103 Diplomarbeiten

Trends in der Anwendung von Markenwahlmodellen

Trends in der Anwendung von Markenwahlmodellen
Über dieses Buch
  • Art: Diplomarbeit
  • Autor: Nadine Knispel
  • Abgabedatum: Januar 2004
  • Umfang: 70 Seiten
  • Dateigröße: 448,1 KB
  • Note: 1,7
  • Institution / Hochschule: Humboldt-Universität zu Berlin Deutschland
  • ISBN (eBook): 978-3-8324-4070-1
  • ISBN (Paperback) :
    978-3-8324-4070-1 P
  • ISBN (CD) :978-3-8324-4070-1 CD
  • Sprache: Deutsch
  • Prämierung:
  • Arbeit zitieren: Knispel, Nadine Januar 2004: Trends in der Anwendung von Markenwahlmodellen, Hamburg: Diplomica Verlag
  • Schlagworte: discrete choice models, random utility models, Logit-Modell, Finite Mixture, Bayesianische Prozedur

Diplomarbeit von Nadine Knispel

Einleitung:

Seit Jahrzehnten sind Forscher aus den unterschiedlichsten Fachbereichen wie Marketing, Ingenieurswesen oder Psychologie an der Analyse und der Vorhersage der Produkt- respektive Markenauswahl von Individuen interessiert. Im Zentrum der Aufmerksamkeit steht dabei die Untersuchung von Faktoren, die das Wahlverhalten beeinflussen können. So haben demographische Variablen, psychologische Konstrukte, Heterogenität in den Präferenzen von Individuen oder persönliche Erfahrungen von Konsumenten signifikante Auswirkungen auf die Wahl einer bestimmten Marke. Im Marketing ist besonders die Untersuchung des Einflusses von Faktoren wie Preisänderungen oder anderer verkaufsfördernder Maßnahmen auf das Verhalten von Konsumenten wichtig. Dadurch wird die Wirkung dieser Marketing-Mix-Elemente transparenter und sie können zukünftig effektiver und effizienter in der Preis- und Produktpolitik eingesetzt werden.

Eine Marke definiert sich, als die Kombination von Eigenschaften eines Produktes oder einer Dienstleistung zur Differenzierung gegenüber Produkten und Dienstleistungen der Konkurrenten (Gabler, 1993, S. 2188). Die Marke entsteht dabei aus der Farb- und Formgebung eines Produktes und dem Produkt- oder Firmennamen. Die Bildung einer Marke entsteht durch Werbung und durch einen hohen Bekanntheitsgrad des Produktes beziehungsweise der Dienstleistung. Vorteile der Markenbildung sind für den Hersteller ein bestimmtes Prestige, die Erlangung von akquisitorischem Potenzial und eine stärkere Position gegenüber dem Handel sowie der Konkurrenz. Für den Konsumenten liegen die Vor-teile in der Qualitätsgarantie, der guten Verfügbarkeit und dem bedarfsgerechten Einkauf aufgrund der guten Produktidentifikation (Wöhe, 1996).

Anbieter setzen die entstandenen Markenartikel als absatzpolitisches Instrument ein, bürgen für eine gewisse Qualität und hoffen, den Konsumenten zum Wiederkauf und zur Markentreue zu bewegen. Markenpolitik, die hauptsächlich an qualitätsbewusste und prestigebewusste Nachfrager gerichtet ist, bezieht sich hauptsächlich auf sogenannte Herstellermarken. Neben diesen Marken existieren sogenannte Handelsmarken, wie ALDI-Produkte, mit dem Ziel, die preisbewussten Konsumenten anzusprechen (Wöhe, 1996). Für diese Marken wird weitaus weniger Werbung betrieben als für Herstellermarken. Die wichtigsten Instrumente der Markenpolitik sind die Verpackungspolitik und die Werbung (Wöhe, 1996, S. 652ff.). Diese Steuerung des Erscheinungsbildes sowie die Förderung des Bekanntheitsgrades dienen der Bildung einer positiven Verbindung für den Konsumenten mit einer bestimmten Marke. Nur diese positive Verbindung führt letztendlich zu einer Verkaufsteigerung des Produktes.

Der umfassende Kaufentscheidungsprozess eines Individuums kann angelehnt an Lilien, Kotler & Moorthy (1992) und Hruschka (1996) in folgende fünf Stufen aufgegliedert werden:

1. Problemerkennung.

2. Informationssuche.

3. Alternativenbewertung.

4. Kaufentscheidung.

5. Nachkaufverhalten.

Dieser Prozess beginnt bei dem Erkennen eines Bedürfnisses, geht weiter über die Suche nach möglichen Alternativen und deren Bewertungen, die dann zu einem möglichen Kauf einer bestimmten Marke beziehungsweise eines Produktes führt und endet mit den Rückschlüssen, die ein Individuum aus dem Kauf zieht. Die beobachtbare beziehungsweise messbare Wahl einer bestimmten Marke, die in dieser Arbeit im Fokus steht, erfolgt in der vierten Phase.

Als theoretische Basis für die Analyse der Wahl einer Marke haben sich Markenwahlmodelle verschiedenster Art herausgebildet. Eine wichtige und vielversprechende Form sind diskrete Entscheidungsmodelle, in denen ein Individuum zwischen sich gegenseitig ausschließenden Alternativen eine Wahl trifft. Diese Modelle - mit dem Ziel der Vorhersage von Entscheidungen - basieren auf dem auf Thurstone (1927) zurückgehenden Modell des zufälligen Nutzens. Einen besonderen Beitrag für die Anwendung und Entwicklung der diskreten Entscheidungsmodelle leistet die Studie von Guadagni & Little (1983), die zu einem Durchbruch in der Anwendung von diskreten Entscheidungsmodellen, insbesondere der des Logit-Modells, führte. Entscheidend sind ebenfalls die Arbeiten des Nobelpreis-trägers Daniel McFadden, die in vielen Untersuchungsbereichen der Markenwahlmodelle die Forschung kontinuierlich beeinflussen.

Inhaltsverzeichnis:

Abbildungsverzeichnis IV
Tabellenverzeichnis V
1. Einleitung 1
1.1 Einführung in die Problemstellung 1
1.2 Ziel und Aufbau der Arbeit 3
2. Theoretische Einordnung der Markenwahlmodelle 4
2.1 Einordnung in den entscheidungstheoretischen Kontext 4
2.1.1 Fundamentale Theorien der Wahlmodelle 4
2.1.2 Erstellung einer Typologie basierend auf den Entscheidungsansätzen 6
2.2 Einteilung der Markenwahlmodelle anhand des Responseverhaltens von Nachfragern 8
2.2.1 Stochastische Modelle 8
2.2.2 Aggregierte Modelle 9
2.2.3 Disaggregierte Modelle 10
3. Logit-Modelle – Eine Detaillierte Untersuchung über eine Gruppe der disaggregierten Wahlmodelle 11
3.1 Charakteristika der Logit-Modelle 11
3.2 Spezifische Logit-Modelle 12
3.2.1 Binäres Logit-Modell 12
3.2.2 Multinomiales Logit-Modell 14
3.2.3 Konditionales Logit-Modell 15
3.2.4 „Nested“ Logit-Modell 15
3.2.5 Gemischtes Logit-Modell 16
3.3 Bewertung und Kritik der Logit-Modelle 18
4. Statistisch mathematische Weiterentwicklungen für die Anwendung von Markenwahlmodellen 20
4.1 Schätzprozeduren mit Simulation 20
4.1.1 Klassische Prozeduren 21
4.1.2 Bayesianische Prozedur 23
4.1.3 Vergleich von Klassischer versus Bayesianischer Prozedur 26
4.2 Methoden zur Ziehungen von Werten aus einer Verteilung 28
4.2.1 Monte-Carlo-Methoden 28
4.2.2 Quasi-Monte-Carlo Methoden 29
4.3 Kombinieren von Daten aus offenbartem und angegebenem Wahlverhalten 31
5. Integration verschiedener Aspekte des Verhaltensprozesses in Markenwahlmodelle 33
5.1 Modellierung der Heterogenität in den Konsumentenpräferenzen 35
5.1.1 „Finite Mixture“ Ansatz 36
5.1.2 Erweiterungen des „Finite Mixture“ Ansatzes und alternative Darstellungsformen der Präferenzheterogenität 39
5.2 Berücksichtigung von Dynamik im Wahlverhalten 41
5.2.1 Einfluss der Vergangenheit auf die Gegenwart 42
5.2.2 Betrachtung der Entscheidung eines vorausschauenden Konsumenten 43
5.3 Berücksichtigung des Kaufs von Marken verschiedener Kategorien 45
5.4 Erweiterung um Latente Variablen 48
5.5 Weitere Modellverbesserungen 50
6. Zusammenfassung und Implikationen 51
Literaturverzeichnis 55
Abbildungsverzeichnis
2.1 Modell der zufälligen Nutzen (angelehnt an Walker & Ben-Akiva, 2002)
2.2 Einteilung der Markenwahlmodelle (angelehnt an Corstjens & Gautschi, 1983)
5.1 Der Entscheidungsprozess (McFadden, 2001; Ben-Akiva et al., 2002a)
5.2 Modellierungsformen der Geschmacksheterogenität zwischen Individuen
5.3 Auswirkung einer Preispromotion im Modell mit und ohne Berücksichtigung des Einflusses vergangener Käufe auf heutige Entscheidungen (in Anlehnung an Seetharaman, 2003)
5.4 Latente Variablen im Modell des zufälligen Nutzens (angelehnt an Ben-Akiva et al., 2002b)

Automatisiert erstellter Textauszug:

Die einfachste und am häufigsten angewandte Form, Ziehungen vorzunehmen, ist das zufällige Ziehen von Werten. Dieses erfolgt unabhängig davon, welche Verteilung betrachtet wird. Simulation ist nur computergestützt anwendbar und folglich ist auch das Ziehen rechnergestützt. Es ist somit nicht wirklich zufällig und wird deshalb als pseudo-zufällig bezeichnet (Train, 2003). Als Standard für die Durchführung dieser Ziehungen haben sich die Methode des Gibbs-Sampling und der Metropolis-Hastings-Algorithmus durchgesetzt (McFadden, 2001). Die in Abschnitt 4.1 für das gemischte Logit beschriebene Methode des Gibbs-Sampling (Casella & George, 1992) eignet sich besonders für multinomiale Verteilungen, da sich das Ziehen im multinomialen Fall aus einer gemeinsamen Verteilung als -29- [...]

Beide Verfahren nutzen das Konzept der Konvergenz, um die relevanten statistischen Werte zu bestimmen. Während die klassische Methode die Annäherung zu einem Maximum nutzt, nähert sich in der bayesianischen Prozedur ein Prozess den Ziehungen aus einer Verteilung an. Allerdings können in kleinen Samples die Prozeduren unterschiedliche Ergebnisse aufgrund der unterschiedlichen Betrachtung des Faktors "Unsicherheit" im Modell liefern. Bei größeren Stichproben führen beide Prozeduren zu annähernd dem gleichen Ergebnis (Huber & Train, 2001). Somit kann der Forscher die für ihn komfortabelste Prozedur wählen (Train, 2003). Wichtig ist für den Analysten die Form der Interpretation der Schätzer. Ein Modell kann zum Beispiel mit einer bayesianischen Prozedur geschätzt und in klassischer Tradition interpretiert werden. Dieser Umstand zeigt wieder die Vorteil- [...]

zufällig spezifiziert, so verdoppelt sich bei hierarchischem Bayes die Länge der Berechnung im Gegensatz zum klassischen Ansatz. Erfolgt anstatt der Annahme einer Normalverteilung die einer lognormalen, erweist sich im klassischen Verfahren die Lokalisierung eines Maximums als relativ schwierig (Train, 2003). Nach dem Durchlaufen mehrerer Iterationen tritt häufig keine Verbesserung der Werte ein und die Startwerte müssen für eine erfolgreiche Anwendung nahe dem Maximum gewählt werden. Bei der Anwendung der bayesianische Methode muss hingegen kein Maximum entdeckt werden. Allerdings arbeitet diese Prozedur relativ langsam, wenn Verteilungen wie uniform oder triangular spezifiziert werden. Das klassische Verfahren arbeitet in gleicher Zeit wie bei Annahme einer Normalverteilung (Train, 2001). Die Unterschiede im Zeitbedarf bei Anwendung des simulierten Maximum-Likelihood-Schätzers und des simulierten Mittelwertes der posterior Verteilung bei jeweiliger Spezifizierung in einem gemischten Logit-Modell, fasst Tabelle 5.1 zusammen. [...]

Arbeit zitieren:
Knispel, Nadine Januar 2004: Trends in der Anwendung von Markenwahlmodellen, Hamburg: Diplomica Verlag

Schlagworte:
discrete choice models, random utility models, Logit-Modell, Finite Mixture, Bayesianische Prozedur

Entdecken Sie mehr zum Thema

diplom.de
Bachelor + Master Publishing

Hermannstal 119 k
22119 Hamburg

Fon: +49 (0) 40 655992-0
Fax: +49 (0) 40 655992-22

Service-Telefon

Rufen Sie uns an:
+49 (0) 40 655992-0

Mo-Fr
09.00-16.00 Uhr

diplom.de in den Medien

Folgen Sie uns bei Twitter & werden Sie diplom.de-Fan bei Facebook!
Schreibtipps unserer Lektoren, Neuigkeiten aus dem Verlagsalltag und das Expertenwissen unserer Autoren als Tweet & Post!
Wir freuen uns auf Sie!

diplom.de BACHELOR + MASTER PUBLISHING

Bachelorarbeiten, Masterarbeiten, Diplomarbeiten, Magisterarbeiten, Dissertationen und andere Abschlussarbeiten aus allen Fachbereichen und Hochschulen können Sie bei uns als eBook sofort per Download beziehen oder sich auf CD oder als Buch zusenden lassen. Seit mehr als 15 Jahren ist diplom.de der seriöse, professionelle und erfolgreiche Partner für die Veröffentlichung wissenschaftlicher Abschlussarbeiten.

© Diplomica Verlag GmbH 1996-2011, AG Hamburg HRB 80293 - GF Björn Bedey, USt-IdNr.: DE214910002 - Verkehrsnummer: 12285 - Impressum
Index der Arbeiten - Index der Autoren