Regensburg, den 5.6.2002 raimund.wildner@gfk.de Werbequalität und Marktanteil: Modellgestützte Analyse eines Zusammenhangs Regensburg, den 5.6.2002 raimund.wildner@gfk.de.

Präsentation zum Thema: "Regensburg, den 5.6.2002 raimund.wildner@gfk.de Werbequalität und Marktanteil: Modellgestützte Analyse eines Zusammenhangs Regensburg, den 5.6.2002 raimund.wildner@gfk.de."—  Präsentation transkript:

1 Regensburg, den 5.6.2002 raimund.wildner@gfk.de
Werbequalität und Marktanteil: Modellgestützte Analyse eines Zusammenhangs Regensburg, den

2 Agenda Kurzvorstellung GfK Das Advertising Response Modell
Zielsetzung Modellstruktur Fallstudie Neuere Entwicklungen Datenfusion Mikromodelling Ausblick

3 Zur Geschichte der GfK 1924 Gründung des Instituts für Wirtschafts- beobachtung der deutschen Fertigware. 1934 gegründet als GfK-Nürnberg e.V. durch u.a. W. Vershofen, L. Erhard. 1945 Wiederaufbau durch u.a. G. Bergler. Ab 1980 Gründung von GfK-Firmen in den europäischen Key-Ländern. 1984 GfK GmbH, 1990 GfK AG. Seit 1999 an der Börse, seit 2000 im MDax.

4 Aktueller Steckbrief der GfK-Gruppe
2001: 525 Mio. € Gesamtleistung (+11,9%). In Deutschland Nr. 1, weltweit Nr. 6. : 4750 Mitarbeiter, in D 1448. Zunehmende Internationalisierung (63,1% der Gesamtleistung außerhalb Deutschlands). 4 Geschäftsfelder (Ad Hoc, Consumer Tracking, Non-Food Tracking, Media). Weltweit das Marktforschungsinstitut mit der größten Produktpalette.

5 Agenda Kurzvorstellung GfK Das Advertising Response Modell
Zielsetzung Modellstruktur Fallstudie Neuere Entwicklungen Datenfusion Mikromodelling Ausblick

6 Struktur bisheriger Marketingmix-Modelle
Werbung Werbepretest Preis Werbedruck Marketingmix- Modell MARKETING MIX MODEL Promotion Distribution Bisherige Modelle berücksichtigen nicht die Werbe- qualität, wie sie in Werbepretests gemessen wird.

7 Zielsetzung: Berücksichtigung der Werbequalität
Werbung Werbepretest Preis Werbedruck Marketingmix- Modell MARKETING MIX MODEL Promotion Distribution Bis auf Produkt Berücksichtigung fast des kompletten Marketingmix.

8 Welche Qualität hat mein Werbefilm? AD*VANTAGE/ACT
Studiotest mit mindestens 125 Testpersonen Einladung: Es geht um Vorabendprogramm im TV 1. Eingangsinterview (u.a. bevorzugte Marke) 2. Vorabendprogramm Kurzfilm Werbung (T-K-T-K-T-K-T) 3. Fragen zum Programm 4. Memoryspiel 5. Vorabendprogramm Werbung (T- T - T - T) 6. Lotteriespiel: Welche Marken sollen in den Einkaufskorb der verlost wird? 7. Diagnostische Fragen Motivationale Schubkraft Durchsetzungs- vermögen T = Testspot K = Kontrollspot

9 Werbepretest: Ad*Vantage Konsequenzen
Durchsetzungsvermögen in % Story motiviert nicht genügend zum Kauf -> Story überarbeiten Norm Schalten Norm Marke wird nicht genügend erinnert -> Marke mehr in den Vordergrund Nicht schalten Motivationale Schubkraft in %

10 Die Modellstruktur: Das Kaufmodell
Kauf der Marke Kauf Konkurrenzmarke oder kein Kauf Kauf der Marke oder kein Kauf Kein Kauf Nichtkäufer ohne Produkterf. Probierer Wieder- käufer Nichtkäufer mit Produkterf. Kauf Konkurrenzmarke

11 Die Modellstruktur: Das Kaufmodell
Warum wird kein Regressionsmodell verwendet? Motivationale Schub- kraft ist Anteil von Markenwechslern. Regressionsmodelle sind ideal zur Ab- bildung sofort wirkender Effekte. Nichtkäufer ohne Produkterf. Wieder- käufer Probierer Nichtkäufer mit Produkterf.

12 Die Modellstruktur: Das Kaufmodell
Display Nichtkäufer ohne Produkterf. Nichtkäufer mit Produkterf. Probierer Wieder- käufer Normalpreis Aktionspreis Distribution Probierkauf-/ Wiederkauf-/ Treuekaufrate Elastizitäten Normalpreis/ Aktionspreis Aufmerksam- keitswirkung Regal / Displ.

13 Besonderheit für Neuprodukte
Problem: Die Entwicklung für neue Produkte zeigt häufig einen „Novelty Peak“ aufgrund von Verbrauchern, die gerne neue Produkte ausprobieren. Lösung: Probierkaufrate und Wiederkaufrate ändern sich über die Zeit hinweg. Probierkaufrate startet hoch und fällt dann ab. Wiederkaufsrate startet niedrig und steigt an. Dazu wird ein Anteil von Vielprobierern geschätzt.

14 Modellierung Preis Preiseffekt = Normalpreiseffekt * Promotionpreiseffekt Normalpreis Konkurrenz Normalpreis Marke ( )NPE Normalpreis Marke Durchschnittspreis Marke ( )PPE Preiseffekt wirkt auf Erst- und Wiederkauf. NPE = Normalpreiselastizität PPE = Promotionpreiselastizität

15 Modellierung Distribution
Voraussetzung für Probierkauf (Verfügbar- keit wird für Wiederkauf vorausgesetzt). Schafft Awareness. Displays schaffen zusätzliche Awareness. Veränderung Probierkaufrate (PKR): Probierkaufrate * Distribution * Awarenesseffekt Awarenesseffekt = = Awarenesseffekt Regal * Regalanteil + + Awarenesseffekt Display * Distr. Display

16 Die Modellstruktur: Das Werbemodell
Verbraucher, welche die Werbung nicht sehen können Einschaltquoten pro Sender Ohne aktuellen Werbe- kontakt Max. Reichweite pro Sender Schaltungen pro Sender Mite einem aktuellen Werbe- kontakt Vergessens- rate Mit 2+ aktuellen Werbe- kontakten / nicht aware Durchsetzungs-vermögen Mit 2+ aktuellen Werbe- konatakten / aware

17 Die Modellstruktur: Verbindung Kaufmodell und Werbemodell
Probierkaufrate Treuekauf- rate Nicht aware Nichtkäufer ohne Produkterf. LOYAL PURCHASE RATE Durchsetzungs-vermögen Wieder- käufer Probierer Nichtkäufer mit Produkterf. Aware, nicht motiviert Wiederkaufrate 1 Motivationale Schubkraft Nichtkäufer ohne Produkterf. 1 1 Wieder- käufer Probierer Motiviert Nichtkäufer mit Produkterf. 1

18 Die Modellstruktur: Parameterschätzung
Start mit einem grob geschätzten Set von Parametern. Berechnung der Summe der Abweichungsquadrate. Zielgerichtete Änderung der Parameter, so dass Summe der Abweichungsquadrate minimiert wird. real Modell

19 Die Modellstruktur: Parameterschätzung

20 Die Modellstruktur: Prognoseprozedur
Basiszeitraum Prognosezeitraum

21 Die Modellstruktur: Validierungen
8 Warengruppen 2 USA, 12 Deutschland Marktanteil in der Basisperiode 2,6% bis 48,5% Ausreißer: Relaunch und Einführung einer Konkurrenzmarke. R² ohne Ausreißer: 89% Veränderung Modell Reale Veränderungen

22 Fallstudie: Ausgangspunkt der Marke H
Große deutsche Getränkemarke Seit Jahrzehnten etabliert Marktführer Starke Promotion- und Werbeunterstützung in der Warengruppe Werbedruck der Marke unter Durchschnitt Welchen Effekt hat mehr oder verbesserte Werbung? Welchen Effekt haben Änderungen in der Werbung im Vergleich zu Änderungen bei anderen Marketingmix-Variablen?

23 Fallstudie: Änderung beim Werbedruck
Markt- anteil Aktueller Werbe- druck = 100 Index = 0 Index= 300

24 Fallstudie: Einfluss der Werbeparameter
Werbedruck Motivationale Schubkraft Durchsetzungs- vermögen Indices; aktuelle Situation = 100

25 Vergleich Wirkung Werbung mit anderen Variablen
Marke H Vergleichbare Wirkung von Werbung und Promotion

26 Agenda Kurzvorstellung GfK Das Advertising Response Modell
Zielsetzung Modellstruktur Fallstudie Neuere Entwicklungen Datenfusion Mikromodelling Ausblick

27 Warum Datenfusion? TV-Panel ist “Währung” für Fernsehsender und Werbungtreibende. Ein Test in 1995 zeigte die Folgen auf, wenn zusätzlich zum TV-Zuschauerverhalten auch das Einkaufsverhalten erhoben werden: Zuwachs der Panelsterblichkeit um 50%. Abnahme der Teilnahmebereitschaft am Panel um 50%. Nachteil der Datenfusion: Ca. 50% der Werbewirkung gehen verloren.

28 Vorgehensweise Fusion für die Werbewirkungsmessung
Regressionsrechnung im TV-Panel Abhängige: Kontaktsumme Kampagne; Sehdauer Werbung gesamt. Unabhängige: TV-Zuschauerverhalten (Genre - Sender - Zeitschnitte) Soziodemografie (insb. Alter) Erreichtes Bestimmtheitsmaß: Ca. 60 bis 70% Übertragung der Regressionsbeziehung auf die haushaltsführende Person im Verbraucherpanel -> Schätzung der Kontakte bis zum Kaufakt Zuordnung haushaltsführenden Personen der beiden Panels aufgrund Anzahl der Kontakte mit Kampagne und Sehdauer gesamt.

29 Elimination von Störvariablen
Beispiel für das STAS-Differential (Jones 1994) Werbekontakt für Marke A innerhalb von 7 Tagen vor Kaufakt in Warengruppe? Einkauf in der Warengruppe Kaufakte ohne Werbung Anteil für beworbenes Produkt Unterschied: STAS-Differential Kaufakte mit Werbung Anteil für beworbenes Produkt

30 Elimination von Störvariablen
Beispiel für das STAS-Differential (Jones 1994) Werbekontakt für Marke A innerhalb von 7 Tagen vor Kaufakt in Warengruppe? Einkauf in der Warengruppe Kaufakte ohne Werbung Warengruppe: 2165 Marke A: Anteil von A: 13,8% STAS-Differential: 16,1%/13,8%=1,171 17,1% Kaufakte mit Werbung Warengruppe: 2890 Marke A: Anteil von A: 16,1% Quelle: MediaScan 1995

31 Probleme mit dem STAS-Differential
Elimination von Störvariablen Probleme mit dem STAS-Differential Kaufakte ohne Werbung Warengruppe: 2165 Marke A: Anteil von A: 13,8% STAS-Differential: 16,1%/13,8%=1,171 17,1% Differenz zwischen den Gruppen nur dann als Werbewirkung interpretierbar, wenn Gruppen ansonsten gleichen Einflüssen ausgesetzt sind. Kaufakte mit Werbung Warengruppe: 2890 Marke A: Anteil von A: 16,1%

32 Elimination von Störvariablen Probleme mit dem STAS-Differential
Wenigseher TV-Werbung Mit hoher Wahrschein- lichkeit Nichtseher von Werbung von A Vielseher von TV-Werbung Mit hoher Wahrscheinlich- keit Seher von Werbung von A Kaufakte ohne Werbung Warengruppe: 2165 Marke A: Anteil von A: 13,8% Unterschiede in - Freizeitverhalten - Soziodemografie - Einstellung zu (TV-)Werbung - Kontakte Kon- kurrenzwerbung - etc. STAS-Differential: 16,1%/13,8%=1,171 17,1% Kaufakte mit Werbung Warengruppe: 2890 Marke A: Anteil von A: 16,1% Intervenierende Variable „Per- sönlichkeit“

33 Elimination von Störvariablen
Bestimmung der Störvariablen „Persönlichkeit“ Soziodemo- grafie Einstellungen zu TV Einstellungen zu Werbung Freizeit- verhalten Inter- venierende Variable Sehdauer TV-Werbung Sehdauer TV- Werbung trans- portiert Einfluß der Persönlich- keit auf das STAS-Differential Einfluß auf STAS

34 Elimination von Störvariablen Probleme mit dem STAS-Differential
Einfluss der Abstimmung von Werbung und Promotion auf das STAS-Differential Intervenierende Variable „Instore- situation“ Obwohl keine Werbewirkung vorliegt (pro Woche gleiche Anteile für A in beiden Gruppen) STAS-Differential von 78%

35 Elimination von Störvariablen
Bestimmung der Störvariablen „Instore-Situation“ Promotion Platzierung Preis- situation Distribution Konkurrenz Im Verbraucher- panel: Subsegmente, die sich aus der Kreuzung von 9 Key-Accounts und 4 Geschäfts- typen ergeben + Promotion je Woche Inter- venierende Variable Instore Marktanteil Kaufverhalten

36 Elimination von Störvariablen Probleme mit dem STAS-Differential
TV-Werbung wird häufig so gestreut, dass Personen mit Affinität zum beworbenen Produkt stärker erreicht werden Es besteht die Gefahr, dass eine generell höhere Markenbindung der Personen mit Werbekontakt als Werbewirkung analysiert und interpretiert wird Intervenierende Variable „Marken- bindung“

37 Elimination von Störvariablen Anteil der folgenden Kaufakte für die
Bestimmung der Störvariablen „Markenbindung“: Berücksichtigung Stufe der Markenbindung als Set von 0/1-Variablen 80,4% Anteil der folgenden Kaufakte für die Marke A 54,5% 21,5% Treuekäufer Wiederkäufer 4,9% 19,6% gelegentliche Käufer 45,5% Nichtkäufer Anteil der folgenden Kaufakte für eine Konkurrenzmarke 78,5% 95,1%

38 Durchführung der Auswertung Unabhängige Variable Abhängige Variable
Effektive Kontakte Werbung Stufe der Markenbindung (Vier 0/1-Variable) Marktanteil Key-Account / Geschäftstyp (zeitl. konstant) Promotion je Woche Sehdauer Werbung gesamt Kauf Marke (=1) oder Kauf Konkurrenz (=0) Logistische Regression liefert: Parameter zur Qualität der Regression gesamt (R², F-Wert) Parameter zur Bedeutung jeder einzelnen Variable (Beta, Stand. Beta, Wald-Statistik) Möglichkeit zur Simulation verschiedener Werbedruckalternativen

39 Durchführung der Auswertung Unabhängige Variable Abhängige Variable
Effektive Kontakte Werbung Stufe der Markenbindung (Vier 0/1-Variable) Marktanteil Key-Account / Geschäftstyp (zeitl. konstant) Anteil Kauf in Promotion pro Woche Sehdauer Werbung gesamt Kauf Marke (=1) oder Kauf Konkurrenz (=0) Transformation der Werbekontakte vor Kauf in effektive Werbekontakte Effektive Werbekontakte Min und Max werden so geschätzt, dass der Einfluss der Werbung maximiert wird. Multiple Regression liefert: Parameter zur Qualität der Regression gesamt (R², F-Wert) Parameter zur Bedeutung jeder einzelnen Variable (Beta, Stand. Beta, t-Wert) Möglichkeit zur Simulation verschiedener Werbedruckalternativen Min Max Werbekontakte (u.U. diskontiert)

40 Fallbeispiel: Marke C Spendings 1999: 11 Mio. DM
Auszug aus der Datenbasis 8274 Kaufakte, davon 1070 für Marke C

41 Schon der erste Kontakt wirkt! Keine Diskontierung!
Fallbeispiel: Marke C Ergebnis 45,9% der Produktwahl wird erklärt Minimum 0, Maximum 16 -> Schon der erste Kontakt wirkt! Keine Diskontierung! Werbung zu mehr als 99,9% signfikant

42 Fallbeispiel: Marke C Ergebnis Simulation Effekt der Kampagne: + 15%
12,9 11,2 Wahre Werbe- wirkung um ca. 100% höher!

43 Mikromodelling: Zielsetzung
Simultane Schätzung aller relevanten Marken und Key Accounts (Marktmodell, keine Markenmodell!) Modell auf Basis einzelner Haushalte / Kaufakte -> beliebige Aggregationen möglich. Schätzung des Einflusses von Preis Promotion Distribution Werbung (TV). ... aber das wäre eigener Vortrag!

44 Modellanwendung Produktionsprogramm zur Anwendung in der GfK:
Datenaufbereitung Schätzung der Parameter Auswertungsprogramm zur Anwendung beim Kunden: Analyse Simulation Prognose Auswertungsprogramm im Standardpaket enthalten.

45 Ausblick Modelle bieten die Chance, eine große Menge Daten auf die für das Management wesentlichen Zusammenhänge zu reduzieren. Ergebnisse werden in der Sprache des Manage-ments präsentiert. Modelle werden daher zunehmende Bedeutung gewinnen. Größte Gefahr: Overselling.