Transcript
PREIS DER DEUTSCHEN MARKTFORSCHUNG GEWINNER BVM/VMÖ NACHWUCHSFORSCHER 2015, Beste Masterarbeit
Kongress
Modellierung der Heterogenität von Markov-Ketten angewandt auf das Konsumentenverhalten im Internet Ein Großteil der deutschen Wohnbevölkerung nutzt das Internet, um sich über Produkte zu informieren und diese auch zu kaufen. So wurden 2014 allein in Deutschland ca. 42 Milliarden Euro im Onlinehandel umgesetzt. Kundengewinnung und -bindung durch das Internet werden daher zu strategischen Aspekten der Unternehmensführung. Simon Henning Nehls verfolgt in seiner Masterarbeit dazu neue Ansätze.
Simon Henning Nehls kommt im Zuge der Modellierung des Internetnutzungsverhaltens im Reisemarkt zu neuen Erkenntnissen. Demnach ermöglicht ein besseres Verständnis der Internetnutzer z.B. eine tiefergehende Personalisierung von Webseiten oder auch eine zielgerichtete Aussteuerung von Werbeinhalten. Im wissenschaftlichen Interesse stehen vor allem die eigentliche Struktur des Nutzerverhaltens und die dahinterliegenden Determinanten. Die vorliegende Arbeit nutzt einen bisher in diesem Kontext noch nicht verwendeten Datenpool der GfK SE, der Webseitenkontakte innerhalb des Reisemarktes protokolliert und mit einer großen Menge an Zusatzinformationen (Buchungs- und Individualcharakteristika) anreichert. Hierbei kommen Daten aus Beobachtungs- (GfK Media Efficiency) und Befragungsquellen (GfK TravelScope) zum Einsatz. In das Modell gehen zusätzlich auch Recherchen von Kunden mit ein, die schließlich ein Produkt offline gekauft haben. Nach einer umfassenden Datenvorbereitung wird eine MarkovKette modelliert: Ansatzpunkt zur Modellierung von Heterogenität ist die Übergangswahrscheinlichkeit, die hier für jede Etappe der Journey pro User separat betrachtet wird. Durch den Einsatz von Variablenselektionsverfahren können Variablen mit einem hohen potenziellen Beitrag zur Erklärung der Heterogenität im Modell identifiziert werden und die große Menge an potenziell zu schätzenden Koeffizienten lässt sich reduzieren. Es werden Stepwise-Regression und Lasso-Schätzungen
eingesetzt. Die Auswertung der Kreuzvalidierungsstudien zeigt jedoch, dass sich in diesem Kontext die Lasso-Schätzung besser zur Auswahl von signifikanten Kovariaten eignet. Folgende Erkenntnisse können u.a. festgehalten werden: 1. D ie Customer Journey lässt sich anhand einer Markov-Kette erster Ordnung modellieren – die momentan besuchte Webseite hat also Einfluss auf die als Nächstes „angesurfte“ Seite. 2. Es sind nicht die Nutzer an sich, die sich in ihrem Informationssuchverhalten von anderen Nutzern unterscheiden, vielmehr hängt der Prozess der Web Journey vom eigentlichen Ziel, dem gekauften Produkt, ab. So unterscheidet sich das Informationssuchverhalten für eine Flugreise signifikant von dem für eine Hotelbuchung oder eine Pauschalreise. 3. Innerhalb der Journeys erkennt man häufig einen beständigen Wechsel zwischen meistens zwei Websitekategorien. Dies ist ein Indiz dafür, dass der Kunde oft ein Bündel von Reiseprodukten erwirbt (z. B. Flug und Hotel) und dazu auch parallel recherchiert. 4. Die Unterscheidung eines Informationsprozesses nach der Tätigung des Kaufs online oder offline ist nicht so groß, wie vielleicht vermutet; einzig die Länge der Journeys unterscheidet sich – deren Struktur ist jedoch ähnlich. Die gewonnenen Erkenntnisse bringen wichtige Implikationen für die Praxis der Marktforschung und der Werbetreibenden mit sich. So werden Hinweise für den optimalen Einsatz von Webseiten-Personalisierungs- und Cross-Selling-Maßnahmen gegeben. Darüber hinaus werden Grundlagen für die weitere Forschung und vor allem die Datenaufbereitung sowie -vorverarbeitung im Umfeld der Customer Journey geschaffen. Simon Henning Nehls, MSc
Modellierungsprozess
26 BVM inbrief Oktober 2015
