Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Werbequalität und Marktanteil: Modellgestützte Analyse eines Zusammenhangs Regensburg, den 5.6.2002

Ähnliche Präsentationen


Präsentation zum Thema: "Werbequalität und Marktanteil: Modellgestützte Analyse eines Zusammenhangs Regensburg, den 5.6.2002"—  Präsentation transkript:

1 Werbequalität und Marktanteil: Modellgestützte Analyse eines Zusammenhangs Regensburg, den

2 Agenda zKurzvorstellung GfK zDas Advertising Response Modell yZielsetzung yModellstruktur yFallstudie zNeuere Entwicklungen yDatenfusion yMikromodelling zAusblick

3 Zur Geschichte der GfK z1924 Gründung des Instituts für Wirtschafts- beobachtung der deutschen Fertigware. z1934 gegründet als GfK-Nürnberg e.V. durch u.a. W. Vershofen, L. Erhard. z1945 Wiederaufbau durch u.a. G. Bergler. zAb 1980 Gründung von GfK-Firmen in den europäischen Key-Ländern. z1984 GfK GmbH, 1990 GfK AG. zSeit 1999 an der Börse, seit 2000 im MDax.

4 Aktueller Steckbrief der GfK-Gruppe z2001: 525 Mio. Gesamtleistung (+11,9%). zIn Deutschland Nr. 1, weltweit Nr. 6. z : 4750 Mitarbeiter, in D zZunehmende Internationalisierung (63,1% der Gesamtleistung außerhalb Deutschlands). z4 Geschäftsfelder (Ad Hoc, Consumer Tracking, Non-Food Tracking, Media). zWeltweit das Marktforschungsinstitut mit der größten Produktpalette.

5 Agenda zKurzvorstellung GfK zDas Advertising Response Modell yZielsetzung yModellstruktur yFallstudie zNeuere Entwicklungen yDatenfusion yMikromodelling zAusblick

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

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

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

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

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

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

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

13 Besonderheit für Neuprodukte zProblem: Die Entwicklung für neue Produkte zeigt häufig einen Novelty Peak aufgrund von Verbrauchern, die gerne neue Produkte ausprobieren. zLösung: Probierkaufrate und Wiederkaufrate ändern sich über die Zeit hinweg. yProbierkaufrate startet hoch und fällt dann ab. yWiederkaufsrate startet niedrig und steigt an. yDazu 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 zVoraussetzung für Probierkauf (Verfügbar- keit wird für Wiederkauf vorausgesetzt). zSchafft Awareness. zDisplays schaffen zusätzliche Awareness. Veränderung Probierkaufrate (PKR): Probierkaufrate * Distribution * Awarenesseffekt Awarenesseffekt = = Awarenesseffekt Regal * Regalanteil + + Awarenesseffekt Display * Distr. Display 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 Ohne aktuellen Werbe- kontakt Mite einem aktuellen Werbe- kontakt Mit 2+ aktuellen Werbe- kontakten / nicht aware Mit 2+ aktuellen Werbe- konatakten / aware Max. Reichweite pro Sender Schaltungen pro Sender Vergessens- rate Durchsetzungs- vermögen Einschaltquoten pro Sender

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

18 Die Modellstruktur: Parameterschätzung z Start mit einem grob geschätzten Set von Parametern. z Berechnung der Summe der Abweichungsquadrate. z 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 z14 Validierungen z8 Warengruppen z2 USA, 12 Deutschland zMarktanteil in der Basisperiode 2,6% bis 48,5% zAusreißer: Relaunch und Einführung einer Konkurrenzmarke. zR² ohne Ausreißer: 89% Veränderung Modell Reale Veränderungen

22 Fallstudie: Ausgangspunkt der Marke H zGroße deutsche Getränkemarke zSeit Jahrzehnten etabliert zMarktführer zStarke Promotion- und Werbeunterstützung in der Warengruppe zWerbedruck der Marke unter Durchschnitt z Welchen Effekt hat mehr oder verbesserte Werbung? z Welchen Effekt haben Änderungen in der Werbung im Vergleich zu Änderungen bei anderen Marketingmix-Variablen?

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

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

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

26 Agenda zKurzvorstellung GfK zDas Advertising Response Modell yZielsetzung yModellstruktur yFallstudie zNeuere Entwicklungen yDatenfusion yMikromodelling zAusblick

27 Warum Datenfusion? zTV-Panel ist Währung für Fernsehsender und Werbungtreibende. zEin Test in 1995 zeigte die Folgen auf, wenn zusätzlich zum TV-Zuschauerverhalten auch das Einkaufsverhalten erhoben werden: yZuwachs der Panelsterblichkeit um 50%. yAbnahme der Teilnahmebereitschaft am Panel um 50%. zNachteil der Datenfusion: Ca. 50% der Werbewirkung gehen verloren.

28 Vorgehensweise Fusion für die Werbewirkungsmessung zRegressionsrechnung im TV-Panel yAbhängige: Kontaktsumme Kampagne; Sehdauer Werbung gesamt. yUnabhängige: xTV-Zuschauerverhalten (Genre - Sender - Zeitschnitte) xSoziodemografie (insb. Alter) yErreichtes Bestimmtheitsmaß: Ca. 60 bis 70% zÜbertragung der Regressionsbeziehung auf die haushaltsführende Person im Verbraucherpanel -> Schätzung der Kontakte bis zum Kaufakt zZuordnung 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 mit Werbung Anteil für beworbenes Produkt Kaufakte ohne Werbung Anteil für beworbenes Produkt Unterschied: STAS-Differential Unterschied: STAS-Differential

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 mit Werbung Warengruppe: 2890 Marke A: 466 Anteil von A: 16,1% Kaufakte ohne Werbung Warengruppe: 2165 Marke A: 298 Anteil von A: 13,8% STAS-Differential: 16,1%/13,8%=1,171 17,1% STAS-Differential: 16,1%/13,8%=1,171 17,1% Quelle: MediaScan 1995

31 Probleme mit dem STAS-Differential Kaufakte mit Werbung Warengruppe: 2890 Marke A: 466 Anteil von A: 16,1% Kaufakte ohne Werbung Warengruppe: 2165 Marke A: 298 Anteil von A: 13,8% STAS-Differential: 16,1%/13,8%=1,171 17,1% 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. Elimination von Störvariablen

32 Probleme mit dem STAS-Differential Kaufakte mit Werbung Warengruppe: 2890 Marke A: 466 Anteil von A: 16,1% Kaufakte ohne Werbung Warengruppe: 2165 Marke A: 298 Anteil von A: 13,8% STAS-Differential: 16,1%/13,8%=1,171 17,1% STAS-Differential: 16,1%/13,8%=1,171 17,1% 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 Unterschiede in - Freizeitverhalten - Soziodemografie - Einstellung zu (TV-)Werbung - Kontakte Kon- kurrenzwerbung - etc. Intervenierende Variable Per- sönlichkeit Intervenierende Variable Per- sönlichkeit Elimination von Störvariablen

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

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

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

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

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

38 Durchführung der Auswertung zEffektive Kontakte Werbung zStufe der Markenbindung (Vier 0/1-Variable) zMarktanteil Key-Account / Geschäftstyp (zeitl. konstant) zPromotion je Woche zSehdauer Werbung gesamt Kauf Marke (=1) oder Kauf Konkurrenz (=0) Unabhängige Variable Abhängige Variable 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 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 zEffektive Kontakte Werbung zStufe der Markenbindung (Vier 0/1-Variable) zMarktanteil Key-Account / Geschäftstyp (zeitl. konstant) zAnteil Kauf in Promotion pro Woche zSehdauer Werbung gesamt Kauf Marke (=1) oder Kauf Konkurrenz (=0) Unabhängige Variable Abhängige Variable 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 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 Werbekontakte (u.U. diskontiert) Effektive Werbekontakte Min Max Min und Max werden so geschätzt, dass der Einfluss der Werbung maximiert wird. Transformation der Werbekontakte vor Kauf in effektive Werbekontakte Transformation der Werbekontakte vor Kauf in effektive Werbekontakte

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

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

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

43 Mikromodelling: Zielsetzung zSimultane Schätzung aller relevanten Marken und Key Accounts (Marktmodell, keine Markenmodell!) zModell auf Basis einzelner Haushalte / Kaufakte -> beliebige Aggregationen möglich. zSchätzung des Einflusses von yPreis yPromotion yDistribution yWerbung (TV). z... aber das wäre eigener Vortrag!

44 Modellanwendung zProduktionsprogramm zur Anwendung in der GfK: yDatenaufbereitung ySchätzung der Parameter zAuswertungsprogramm zur Anwendung beim Kunden: yAnalyse ySimulation yPrognose zAuswertungsprogramm im Standardpaket enthalten.

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


Herunterladen ppt "Werbequalität und Marktanteil: Modellgestützte Analyse eines Zusammenhangs Regensburg, den 5.6.2002"

Ähnliche Präsentationen


Google-Anzeigen