Präferenzmessung auf Basis von Klickverhalten

Die Messung von Konsumentenpräferenzen und die Prognose von deren Entscheidungen ist ein wichtiger Bereich des Marketings. Diese Ergebnisse werden unter anderem genutzt, um neue Produkte zu entwickeln, Preise festzulegen und Werbung zu konzipieren.

Viele Produkte und Services werden im digitalen Zeitalter allerdings immer komplexer und besitzen immer mehr Eigenschaften, in denen sie sich unterscheiden. Diese Informationsflut führt dazu, dass Konsumenten während ihrer Entscheidung daher nicht zwangsläufig alle zur Verfügung stehenden Informationen zu den Produkteigenschaften berücksichtigen (z.B. Meißner & Decker, 2010). Stattdessen verarbeiten Konsumenten oftmals nur einen Teil der zur Verfügung stehenden Information und entscheiden auf Basis von sogenannten Heuristiken (Bremer, Heitmann, & Schreiner, 2016) und wenden dabei vereinfachende Entscheidungsstrategien an. So wird bei der Suche eines neuen Smartphones beispielsweise nur ein bestimmter Hersteller in Betracht gezogen, ohne dabei Produkte anderer Hersteller zu beachten. Etablierte Methoden zur Schätzung von Präferenzen berücksichtigen dieses Verhalten nur bedingt.

Eine Datenquelle, die dieses Verhalten berücksichtigen könnte und von Marktforschern bereits genutzt wird, um zusätzliche Einsicht in das Entscheidungsverhalten von Konsumenten zu erlangen, bieten Aufzeichnungen des Klickverhaltens von Konsumenten auf Webseiten (Gilbride, Currim, Mintz, & Siddarth, 2016). Die Qualität der mithilfe dieser Daten geschätzten Entscheidungen und Präferenzen ist bisher allerdings unklar, da ein Abgleich mit tatsächlichen Käufen nur bedingt möglich ist.

Die vorliegende Studie widmet sich der Beurteilung der Prognosequalität von Präferenzen, die vom Klickverhalten abgeleitet wurden: Die Idee, das Klickverhalten von Konsumenten während Entscheidungen zu analysieren, wird in eine neue Befragungsmethode mit dem Namen „Attribute Exploration Method“ übertragen. Den Teilnehmern der Studie werden im Hauptteil der neuen Befragungsmethode verschiedene Varianten eines Produkts gezeigt, zwischen denen sie sich entscheiden müssen. Die Varianten unterscheiden sich hierbei innerhalb der einzelnen Eigenschaften (z.B. „Marke“ oder „Akkukapazität“). Die Ausprägungen der Eigenschaften (z.B. „Apple“ oder „2 Tage“) werden allerdings zunächst verdeckt dargestellt. Um sie sichtbar zu machen, müssen die Teilnehmer diese anklicken. Um die Befragten zu einem Trade-off zu zwingen können sie die Informationen allerdings nur zu einer begrenzten Anzahl aufdecken.

Das in der Befragungsmethode aufgezeichnete Klickverhalten wird anschließend genutzt, um Präferenzen der Teilnehmer zu schätzen. Die Auswertung der Studie zeigt eine hohe Qualität der mithilfe der Attribute Exploration Method ermittelten Präferenzen im Vergleich zu etablierten Verfahren, wie die Choice-Based Conjoint oder Rating-Based Conjoint Methode. Teilweise werden die Entscheidungen und Präferenzen der Teilnehmer sogar wesentlich besser vorhergesagt. Aufzeichnungen des Klickverhaltens von Konsumenten auf Webseiten sind somit geeignet, Präferenzen von Kunden zu messen. Die entwickelte Befragungsmethode bietet hierbei gegenüber bereits etablierten Verfahren weitere Vorteile: Sie ist geeignet für Produkte mit einer hohen Anzahl an Eigenschaften, kann vielseitig und interaktiv online eingesetzt werden und Teilnehmer müssen weniger fiktive Entscheidungen beantworten. Die vorliegende Studie gibt hierbei erste Anhaltspunkte, wie das Klickverhalten analysiert und modelliert werden kann.

Referenzen

Bremer, L., Heitmann, M., & Schreiner, T. F. (2016). When and how to infer heuristic consideration set rules of consumers. International Journal of Research in Marketing. doi:10.1016/j.ijresmar.2016.10.001

Gilbride, T. J., Currim, I. S., Mintz, O., & Siddarth, S. (2016). A Model for Inferring Market Preferences from Online Retail Product Information Matrices. Journal of Retailing, 92(4), 470-485. doi:http://dx.doi.org/10.1016/j.jretai.2016.07.002

Meißner, M., & Decker, R. (2010). Eye-tracking Information Processing in Choice-based Conjoint Analysis. International Journal of Market Research, 52(5), 591–610.

Steckbrief

Publikationen

Hein, Sebastian; Schlereth, Christian & Schulz, Fabian (2016): Quick and Easy Measurement of Attribute Importance Weights with Restricted-Click-Stream Analysis: An Empirical Comparison with Established Methods. In: Proceedings of the 46th Conference of the European Marketing Academy, Oslo, Norway.

Weitere Informationen

Lehrstuhl für Digitales Marketing, WHU Otto Beisheim School of Management

Kontakt

Sebastian Hein