Silvia Schlagnitweit Betreuer: a. Univ.-Prof. Dr. Franz Hackl

Präsentation zum Thema: "Silvia Schlagnitweit Betreuer: a. Univ.-Prof. Dr. Franz Hackl"—  Präsentation transkript:

1 Silvia Schlagnitweit Betreuer: a. Univ.-Prof. Dr. Franz Hackl
Endpräsentation Einfluss der Produktbewertungen auf die Anzahl der Klicks und auf den Preis. Daten von Geizhals.at Silvia Schlagnitweit Betreuer: a. Univ.-Prof. Dr. Franz Hackl

2 Übersicht: Daten von Geizhals.at und Produktbewertungen Datenstruktur
Zentrale Fragestellung der Diplomarbeit Theoretische Ansatz: Bertrand Modell Horizontale Produktdifferenzierung Vertikale Produktdifferenzierung Modell Schätzmethode Deskriptive Statistik Schätzergebnisse Zusammenfassung und Fazit

3 Daten: Geizhals.at Aufbau der Preisvergleichsseite seit 1999
Kostenlos für die Konsumenten durchschnittlich Produkte ca Händler (780 Händler in meiner Studie) Aufbau der Preisvergleichsseite Kategorien Sub-Kategorien Sub-Sub-Kategorien

4 Sub-Sub-Kategorie

5 Produktbewertungen

6 Datenstruktur für meine Arbeit
Produkt: Produkt_id, Name, Kategorie, Sub-Sub-Kategorie Produktbewertung: Produkt_id, User_IP, Leistungsdaten/Ausstattung, Preis-/Leistung, Qualität, Support Angebot: Händler_id, Produkt_id, Preis Klicks: Produkt_id, User_IP, Anzahl der Klicks Vereinfachte Darstellung der für meine Arbeit wichtigen Relationen.

7 Zentrale Fragestellung
Beeinflussen die Produktbewertungen die Anzahl der Klicks? Beeinflussen die Produktbewertungen den Preis?

8 Theorie: Bertrand Modell
Ansatz des Buches „Industrial Organization: Contemporary Theory and Empirical Applications“ von Pepall, Richard und Norman (2005) Duopol Modell mit zwei Firmen 1 und 2, diese produzieren ein homogenes Produkt bei konstanten marginalen Kosten c. Preis ist die Strategische Variable. Marktnachfrage: Q = a – bP (Q = Menge, P = Preis)

9 Theorie: Bertrand Modell
Nachfragekurve für Firma 2: q2 = 0 if p2 > p1 q2 = (a – bp2)/2 if p2 = p1 q2 = (a – bp2) if p2 < P1 Profitfunktion von Firma 2: II2(p1,p2) = 0 if p2 > p1 II2(p1,p2) = (p2 – c) * ((a – bp2)/2) if p2 = p1 II2(p1,p2) = (p2 – c) * (a – bp2) if p2 < p1 Nash Gleichgewicht: p*1 = c, p*2 = c

10 Theorie: Horizontale Produktdifferenzierung
Unterscheidung wie Farbe, Zuckergehalt Präferenzen der Kunden Räumliches Modell von Hotelling

11 Theorie: Horizontale Produktdifferenzierung
Marginaler Konsument xm (p1,p2) = (p2-p1+t)/2t Nachfragefunktion von Firma 2 D2(p1,p2) = xm (p1,p2) N = ((p2-p1+t)/2t)*N Profitfunktion von Firma 2 Π2 (p1,p2) = (1- xm (p1,p2) N = ((p2-p1+t)/2t)*N Nash-Gleichgewicht p1* = p2* = c + t

12 Theorie: Horizontale Produktdifferenzierung

13 Theorie: Vertikale Produktdifferenzierung
Natürliche Reihung der Produktvarianten: Gute Qualität ist besser als schlechte Qualität Cremer und Thisse: n Firmen (i = 1,2,…,n) c(qi) marginalen Kosten der Produktion bei Qualität qi Profitfunktion: πi(p,q) ≡ [pi – c(qi)] Di (p,q) Nutzen eines Konsumenten Θ der Firma i bevorzugt: u (Θ, qi) – pi

14 Theorie: Vertikale Produktdifferenzierung

15 Analyse: Schätzmodell
Relative Preis: rel-pi = øpi/ øpsski Durchschnittlicher Preis des Produktes i in Relation zum durchschnittlichen Preis der SSK des Produktes. Relative Bewertung: rel-bewi = øbewi/øbewsski Durchschnittliche Bewertung des Produktes i in Relation zur durchschnittlichen Bewertung in dessen Sub-Sub-Kategorie. Hedonische Preisfunktion: Rel-pi = f(clicksi, rel-bewi, empfehlung) Indirekte hedonische Preisfunktion Clicksi = f(rel-pi, rel-bewi, empfehlung)

16 Analyse: Schätzmethode
Poisson Schätzung (Negativ Binomial Schätzung) ∑j=1J clicksi = ß0 + ß1rel-pi + ß2rel-bewi +ß3empfehlung + ε (Händler: j = 1,2,…J) OLS Schätzung rel-pi = ß0 + ß1 ∑j=1J clicksi + ß2rel-bewi +ß3empfehlung + ε Schätzergebnisse stellen Korrelationen dar und keine kausalen Effekte.

17 Analyse: Schätzmethode
Dichteverteilung der Klicks

18 Analyse: Deskriptive Statistik

19 Analyse: Schätzergebnisse
Poisson und Negativ Binomial Schätzung mit „fixed Effects“ der Sub-Sub-Kategorien

20 Analyse: Schätzergebnisse

21 Analyse: Schätzergebnisse

22 Zusammenfassung und Fazit
Probleme: viele nicht geklickte Produkte Kausalen Effekt zu analysieren und herauszufiltern Ergebnisse: Evidenz, dass die Bewertungen die Klicks beeinflussen Evidenz, dass die Bewertungen die Preise beeinflussen Fazit: Die Ergebnisse sind teilweise erwartet und es würde durchaus Sinn machen, weiter Überlegungen über die Analyse des Kausalen Effektes zu machen.

23 Vielen Dank für Ihre Aufmerksamkeit