Reaktivierungsmanagement - Technische Universität Braunschweig
Werbung
Institut für Automobilwirtschaft und Industrielle Produktion Reaktivierungsmanagement Die Macht des E-Mail-Marketings Isabelle Kes I David M. Woisetschläger I Fabian Kothe Gefördert durch: Förderkennzeichen 01FL11002 I Inhaltsverzeichnis Inhaltsverzeichnis I 1 Reaktivierungskampagnen als Churn-Management 1 2 Churn-Management im Online-Retailing 3 2.1 Das Problem inaktiver Kunden 3 2.2 E-Mail-Marketing als Mittel der Kundenrückgewinnung 3 2.3 Incentives als Trigger für effektives E-Mail-Marketing 4 2.4 Warum E-Mail-Marketing als Churn-Management theoretisch funktioniert 5 3 Empirische Untersuchung 6 3.1 Das Feldexperiment 7 3.2 Ergebnisse 7 4 Implikationen für Online-Händler 11 Literaturverzeichnis 12 1 Reaktivierungskampagnen als Churn-Management 1 Reaktivierungskampagnen als ChurnChurn Management Online Händler sehen sich häufig mit dem Problem inaktiver Kunden konfrontiert. Diese Kunden zu reaktivieren, bietet den Unternehmen eine große Chance, den aus diesen Kundenbeziehungen resultierenden Wert zu steigern und die Möglichkeit, vergleichsweise hohe Akquisitionskosten für Neukunden zu sparen. Ein Mittel zur Reaktivierung stellt hierbei das E-Mail-Marketing dar. Diese Studie zeigt auf, dass unterstützt durch den gezielten und sinnvollen Einsatz verschiedener Incentives E-Mail-Marketing zu Reaktivierungsquoten von bis zu 7,03% führt. Customer Relationship Management (CRM) ist das Schlagwort der vergangenen Jahre (vgl. Cohen and Moore 2000). Eine Grundannahme des CRM ist, dass die Bildung einer Beziehung mit dem Kunden der beste Weg zur Sicherstellung bzw. Steigerung der Kundenloyalität und somit der Profitabilität ist (vgl. Dowling 2002). Daher zeichnete sich erfolgreiches Customer Relationship Management durch hohe Loyalitätsraten aus (vgl. Rust al. 1996). Unternehmen ist jedoch bewusst, dass 100%ige Kundenbindung ein Mythos und unabhängig von sämtlichen Anstrengungen unerreichbar ist – Selbst zufriedene Kunden sind häufig über einen längeren Zeitraum inaktiv (vgl. Dodson 2000) Auswirkung von Kundenbindung vs. Neukundenakquise Kunden- 30,00% wertsteigerung in % 25,00% Prozentuale Veränderung des Kundenwerts bei einer 10%igen Steigerung der Ausgaben für 20,00% 15,00% 30,80% 30,18% 28,34% 29,96% Bestandskundenbindung 10,00% Neukundenakquise 5,00% 0,00% Abbildung 1.1: Quelle: 0,51% 1,19% 1,42% 1,11% Amazon Ameritrade Ebay E-­‐Trade -­‐ $2.54 -­‐ $1.45 -­‐ $2.11 -­‐ $1.89 Basiskundenwert bei ausgewählten Online Unternehmen Auswirkung von Kundenbindung vs. Neukundenakquise In Anlehnung an Gupta, Lehman, Stuart 2004. Reaktivierungskampagnen als Churn-Management Anstatt aus der Inaktivität von Kunden resultierende Verluste hinzunehmen, haben Unternehmen vielfältige Maßnahmen zur Reaktivierung inaktiver Kunden entwickelt (vgl. Griffin 2001). Insbesondere Unternehmen im Online-Handel stehen jedoch aufgrund der vorherschenden geringen Informationsasymmetrie, der niedrigen Wechselbarrieren und der meist geringen Handelsmargen vor der Fragestellung, wie inaktive Kunden möglichst wirksam und gleichermaßen effizient reaktiviert werden können. Für die Praxis sind inaktive Bestandskunden ein zentrales Problem (Tarasofsky 2008). Der möglichst kostengünstigen Reaktivierung von Kundenbeziehungen kommt daher eine große Bedeutung zu, da hierdurch die Kundenbasis erhalten werden kann, ohne vergleichsweise höhere Kosten für die Akquisition von Neukunden zu verursachen (vgl. Rajamma, Paswan und Hossain 2009). Während die Wahrscheinlichkeit, erneut an einen inaktiven Bestandskunden zu verkaufen im Durchschnitt 20-40% beträgt, liegt sie bei Neukunden lediglich bei ca. 5-20% (vgl. Griffin und Lowenstein 2001), im eCommerce-Umfeld sogar noch deutlich darunter, bei ca. 2-3% (vgl. Nicholls 2010). Zudem verfügen Unternehmen meist bereits über Informationen über Bestandskunden wie bspw. die Kaufhistorie. Diese lassen auf die Interessen der Kunden schließen und ermöglichen somit eine relevantere und damit häufig erfolgreichere Ansprache. Schließlich wird mit den Maßnahmen die Erwartung verbunden, dass ein reaktivierter Bestandskunde für die Zukunft stärker an das Unternehmen gebunden ist. Aus dieser emotionalen Bindung zum Unternehmen kann sich loyales Kaufverhalten entwickeln, welches wiederum Umsätze erhöht und auch die Profitabilität des Unternehmens verbessern kann (vgl. Evanschitzky et al. 2012). Der Rückgewinnung von Kunden widmete sich die Literatur bislang allerdings kaum (vgl. Homburg, Hoyer und Stock 2007). Besonders die Kundenreaktivierung bei eCommerce-Unternehmen mittels E-Mail-Marketings wurde nach aktuellem Kenntnisstand in empirischen Arbeiten bis dato nicht näher betrachtet. Dabei beru- 2 hen nachweislich 66 % der schlussendlich realisierten Konversionen im Online-Handel auf E-Mail-Marketing (vgl. o.V. 2013). Vor dem Hintergrund einer laufend wachsenden wirtschaftlichen Bedeutung des Online-Handels, der 2013 bereits ein Umsatzvolumen von 33,1 Milliarden Euro aufweisen wird (vgl. Handelsverband Deutschland 2013) und einer zunehmenden Relevanz des E-MailMarketings (vgl. Brien und Jones 1995), stellt dies eine deutliche Forschungslücke dar, die es zu schließen gilt. Deshalb fokussiert die folgende Untersuchung auf die Reaktivierung inaktiver Kunden im Online-Handel mit Hilfe von verschiedenen Reaktivierungsmailings, die z. T. finanzielle Anreize bieten. Dabei stellt sich die Frage nach der richtigen Reaktivierungsstrategie: • Wie oft sollte ein Kunde „erinnert“ werden? • Ist das Angebot von finanziellen Anreizen in Reaktivierungsmails unerlässlich? • Welche Höhe sollten diese Incentives haben? Zudem muss berücksichtigt werden, dass Kommunikationsmaßnahmen zur Reaktivierung nicht alleine stehen, sondern in einem Kontext von zuvorkommenden und nachfolgenden Kommunikationsmaßnahmen stehen. Dementsprechend ist es Ziel dieser Untersuchung, aufzuzeigen, inwiefern der Aufbau einer Reaktivierungskampagne in Form von mehreren aufeinanderfolgenden Mails den Erfolg der Kampagne beeinflusst. Auf diese Weise wird analysiert, in welchem Fall ein erneutes Nachfassen nötig und womöglich sogar ein erneuter Incentive zur Verstärkung wirkungsvoll ist. 3 Churn-Management im Online-Retailing 2 Churn-Management im Online-Retailing Insbesondere im Online-Handel stellt Churn-Management aufgrund der geringen Informationsasymmetrie, niedrigen Wechselbarrieren und der meist geringen Handelsmargen, eine wichtige Aufgabe für Online-Händler dar. Hierbei ist E-Mail-Marketing eine gelungene Möglichkeit der Kundenrückgewinnung. Incentives können, an den passenden Stellen eingesetzt, die Rückgewinnungswahrscheinlichkeit noch steigern. 2.1 Das Problem inaktiver Kunden Laut Forrester Research schließen 87 % der Verbraucher ihren Kauf trotz bereits in den Warenkorb gelegter Artikel nicht ab; 70 % der Warenkörbe werden sogar noch direkt vor dem Check-out aufgegeben – ein Verhalten, das Online-Händler vor Herausforderungen stellt und mit denen ein Umsatzpotenzial von 18 Milliarden USDollar pro Jahr verbunden ist. Während Warenkorbabbrüche in den Anfängen des Online-Handels noch häufig auf eine beschränkte Funktionalität der Webseiten, eine verwirrende Menüführung, geringe Downloadgeschwindigkeiten oder Probleme beim Auffinden von Versand- und Kontaktinformationen zurückzuführen waren (z.B. Global Millennia Marketing 2002; BCG, in Wellner 2001), liegen die Gründe für Warenkorbabbrüche heutzutage vor allem bei den Konsumenten selbst, da sich die technischen Funktionen von Webseiten in den letzten Jahren deutlich verbessert haben (vgl. Hoof, Woisetschläger, Backhaus 2013). Warenkorbabbrecher lassen sich in zwei Kategorien einteilen. So gibt es zum einen solche, die den Kaufprozess lediglich abbrechen, um zusätzliche Informationen zu sammeln und Alternativen zu vergleichen, dann aber zurückkehren und doch kaufen. Von größerer Gefahr für die Händler sind jedoch Kunden, die nach einem Abbruch des Kaufvorgangs andere Händlerseiten frequentieren und nicht mehr zurückkehren. Besonders die Rückgewinnung solcher inaktiven Kunden bietet für Händler große wirtschaftliche Vorteile. Neben der höheren Wahrscheinlichkeit einen inaktiven Kunden als einen neuen Kunden zum Kauf zu animieren (vgl. Griffin and Lowenstein 2001), bringt ein erfolgreiches Reaktivierungsmanagement weitere Vorteile für das Unternehmen mit sich. Zunächst ist die Reaktivierung inaktiver Kunden mit geringeren Akquisitionskosten verbunden als die Neukundengewinnung. Zudem bietet sich die Möglichkeit Dienstleistungsverbesserungen zu identifizieren, indem die Abbruchgründe inaktiver Kunden identifiziert werden. Anhand dieser identifizierten Indikatoren, kann frühzeitig erkannt werden, dass Kunden inaktiv werden. Schließlich wird durch die erfolgreiche Reaktivierung inaktiver Kunden das Ausmaß negativen Word-of-Mouth reduziert und im optimalen Fall durch positives WoM der erfolgreich reaktivierten Kunden ersetzt (vgl. Reichheld 1996; Stauss and Friege 1999). 2.2 E-Mail-Marketing als Mittel der Kundenrückgewinnung E-Mail-Marketing stellt eine Möglichkeit dar, auf inaktive Kunden zuzugehen. Hierbei besteht das vordergründige Ziel darin, die Konsumenten zurück auf die Homepage des Händlers zu holen und sie im Endeffekt zu einem Kauf zu bewegen. Die umfassende Messbarkeit gehört zu den größten Stärken des E-Mail Marketings. Hierzu steht eine Reihe von KPIs (Key Performance Indicators) zur Verfügung. Jede Reaktion der Empfänger lässt sich messen und, eine entsprechende Einwilligung vorausgesetzt, sogar einzelnen Nutzern zuordnen. Mit dem E-Mail-Remarketing existiert ein überaus nützliches Werkzeug für die Konversionsförderung. Churn-Management im Online-Retailing Nichtsdestotrotz versuchen nur 20 % der Fortune 500-Anbieter, Folgekontakte zu ihren Site-Besuchern herzustellen, und gerade einmal 2 % des gesamten E-Mail-Verkehrs entfallen auf die gezielte Ansprache von Kaufabbrechern oder innaktiven Kunden. E-Mail-Marketing ist laut der aktuellen Studie “Effizienz von Marketingkanälen im On- und Offline-Bereich des Interaktiven Handels” des Bundesverbands für Versandhandel und Trusted Shops das effizienteste Marketingmittel im Online Handel. 32 % der Versandhändler sagen, dass E-Mail Marketing eine hohe Response und Wiederkäuferrate aufweist – zum Vergleich: 28 Prozent bei Suchwortanzeigen, 4 Prozent bei Bannern. Damit werden klassische Stärken von E-Mail Marketing unterstrichen. Zudem wurde herausgefunden, dass 66 % der schlussendlich realisierten Konversionen auf E-Mail-Marketing beruhen. E-Mail Marketing fällt in den Bereich des Permission Marketing. Hierbei ist die Einwilligung und bewusste Entscheidung eines Konsumenten für den Erhalt einer betreffenden Marketingmaßnahme entscheidend. Dementsprechend erhalten nur solche Nutzer einen Newslettern, die sich für dessen Erhalt bewusst registriert haben. Auf diese Weise wird die Transparenz in der Kommunikation mit dem Kunden deutlich erhöht und damit langfristig das Vertrauen des Konsumenten erhöht. Zudem sind die Streuverluste im E-Mail 4 Marketing recht gering, da sich Nutzer nur für Newsletter registrieren, deren Inhalt für sie von Interesse ist. Solange ein Nutzer für einen Newsletter registriert ist und sich nicht wieder abmeldet, kann er regelmäßig mit aktuellen Angeboten beschickt werden. Der Dialog mit dem Nutzer ist langfristig angelegt. Anstatt kurzfristige Kaufimpulse zu setzen, hilft E-Mail Marketing, Nutzer nachhaltig als Kunden zu entwickeln und zu binden. Durch die Ansprache mit jeweils passenden Angeboten an jedem Punkt des Customer Lifecycle können so Wiederkäufe generiert werden. 2.3 Incentives als Trigger für effektives E-Mail-Marketing Es gibt verschiedenste Formen, um via E-Mail mit Konsumenten in Kontakt zu treten. Neben Standard-Newslettern, werden Geburtstags-, Willkommens- oder Erinnerungsmailings versandt (vgl. o.V. 2013). Zudem wird zwischen reinen informationsvermittelnden E-Mails und solchen, die weitere Incentives enthalten, unterschieden. Es gibt verschiedene Incentives, die als zusätzliche Trigger in E-Mails verwendet werden. Zum einen gibt es solche Angebote, die erlassene Versandkosten beinhalten und damit die 5 Churn-Management im Online-Retailing Bestellung attraktiver wirken lassen sollen. Darüber hinaus werden aber auch produktbezogene finanzielle Vorteile, geboten beispielsweise durch sogenannte Rabatt-Coupons. Deren Einlösung wird meist mit dem Erreichen einer gewissen Bestellsumme verbunden. Ähnlich funktionieren indirekte Rabatte wie das Angebot von Bonuspunkten, die für eine kommende Bestellung gutgeschrieben werden. Auch diese sind meist mit einer Mindestbestellmenge verbunden. Da Bonuspunkte häufig Äquivalente von Cent-Beträgen sind, erscheinen Boni Konsumenten häufig wertvoller als direkte Rabattcoupons. In beiden Fällen ist die deutliche Angabe eines Gültigkeitszeitraums des Rabatts oder Bonus wichtig, da auf diese Weise das Gefühl von Knappheit beim Kunden gefördert wird (vgl. Aggarwal und Vaidyanathan 2003). 2.4 Warum E-Mail-Marketing als Churn-Management theoretischfunktioniert Eine erfolgreiche Kundenrückgewinnung basiert auf der Fairness der Beziehung mit dem Unternehmen, die ein Individuum empfindet. Diese Idee kann die Equity-Theorie erklären (vgl. Adams 1963; Adams 1965; Thomas, Blattberg und Fox 2004). Diese postuliert, dass Individuen, wenn sie über die Fairness ihrer Beziehung zu oder ihres Austausches mit anderen entscheiden, beurteilen, in welchem Verhältnis ihr Input (vgl. Blodgett und Hill 1997) zum erhaltenen Output steht. Eine faire Beziehung liegt dann vor, wenn Input und Output als gleich wahrgenommen werden (vgl. Colquitt et al. 2001). Werden Input und Output als ungleich wahrgenommen, neigt das Individuum dazu, seinen Input zu reduzieren oder vom Partner einen höheren Output zu erwarten (vgl. Goodwin und Ross 1992). In Anlehnung an Homburg et al. (2007) können nach dieser Logik inaktive Kunden als Kunden, die eine Ungleichheit gemäß der Equity-Theorie wahrnehmen, gesehen werden. Rückgewinnungs- bzw. Reaktivierungsversuche seitens des Unternehmens sind Maßnahmen mit dem Ziel die wahrgenommene Ungleichheit zu reduzieren. Der Kunde wiederum sollte die Beendigung der Beziehung dann als nicht mehr fair betrachten und erneut in Beziehung zum Unternehmen treten. Jüngere Arbeiten zur Equity-Theorie unterscheiden dabei drei Fairness-Dimensionen: distributive, prozedurale und interaktionale Fairness (vgl. Blodgett und Hill 1997; Colquitt et al. 2001; Schmittlein und Peterson 1994; Smith und Bolton 2002). Die distributive Fairness bezieht sich auf die wahrgenommene Fairness des tatsächlichen Angebotes, das dem Kunden unterbreitet wird. Die prozedurale Fairness bezeichnet die Fairness des Prozesses und somit auf Aspekte wie Transparenz oder Kontrollierbarkeit durch den Kunden. Bei der interaktionalen Fairness handelt es sich schließlich um das Verhalten von Mitarbeitern des Unternehmens – bspw. Höflichkeit und Empathie. Auf den Kontext der Kundenrückgewinnung mittels E-Mail-Marketings bezogen, ist es wichtig, diesen drei Dimensionen gerecht zu werden. So muss ein erfolgreiches Rückgewinnungsmailing ein für den Kunden attraktives Angebot enthalten (distributiv), der Einlösungsprozess des Angebotes muss transparent und vom Kunden kontrollierbar sein (prozedural) und schließlich muss der Kunde höflich adressiert werden (interaktional). Im Folgenden fokussiert sich die Untersuchung auf die Kundenrückgewinnung mittels Mailings – mit und ohne Anreize für den Kunden. Die „Couponing“-Forschung betrachtet die Wirkung von eingesetzten Anreizmechanismen und zusätzlichen finanziellen Incentives und Triggern. Der Multi-Benefit-Theorie von Chandon et al. (2000) folgend, reagieren Konsumenten auf Promotions wie etwa Gutscheinkampagnen nicht nur, weil sie monetär von ihnen profitieren. Sie fühlen sich durch Gutscheinaktionen generell wertgeschätzt und haben durch sie ein bequemeres Einkaufserlebnis. Es ist also naheliegend, dass Konsumenten auch auf E-Mails mit Anreizen reagieren und sie damit erfolgreicher reaktiviert werden können. Mögliche Unterschiede in der Wirkungsweise der verschiedenen dargebotenen Incentives könnten am damit verbundenen unterschiedlichen Involvement des Konsumenten liegen. Der Begriff des „Involvement“ bezieht sich in diesem Fall auf die persönliche Relevanz, die ein Produkt oder Service für einen Kunden hat bzw. inwieweit ein Bezug zum Leben des Kunden besteht (vgl. Celsi und Olson 1988). So kann unterstellt werden, dass ein Konsument, der Mitglied im Bonusprogramm des Händlers ist, ein höheres Involvement mit diesem empfindet als andere Kunden. Eine Konsequenz eines höheren Involvements ist eine stärkere Motivation, kognitive oder affektive Informationen zu verarbeiten. Kunden mit stärkerem Involvement interessieren sich bspw. stärker für produktbezogene Informationen (vgl. Reichheld und Sasser 1990). Homburg et al. (2007) argumentieren, dass sich dies generell auf Unternehmensaktivitäten und somit auch auf Reaktivierungsmaßnahmen übertragen lasse (vgl. Ostrom und Lacobucci 1995; Richins und Bloch 1986). Dementsprechend kann ein positiver Zusammenhang zwischen Involvement und Reaktivierungswahrscheinlichkeit vermutet werden. Empirische Untersuchung 6 3 Empirische Untersuchung In einer großangelegten Feldstudie wurde überprüft wie rund eine halbe Million inaktive Kunden auf verschiedene Reaktivierungsmailings reagieren. Dabei wurde den Fragen nachgegangen, welche Incentives unter welchen Bedingungen die Reaktivierungswahrscheinlichkeit steigern und wie häufig die inaktiven Kunden angesprochen werden sollten. Es zeigte sich, dass reine Erinnerungsmails bereits zu einer hohen Zahl an Rückkehrern führen. Eingesetzte Incentives steigerten jedoch die Zahl der erzielten Käufe deutlich. Abbildung 3.1: Quelle: Beispiele der ausgesandten E-Mails Eigene Darstellung. 7 Empirische Untersuchung 3.1 Das Feldexperiment 3.2. Ergebnisse Betrachtet wurden rund eine halbe Million Kunden eines OnlineShopping Portals, die in einem Zeitraum von sechs Monaten keine Aktivität gezeigt hatten, also niemals auf der Webseite des Unternehmens eingeloggt waren. Sie gelten in der Betrachtung des Unternehmens als inaktiv und eignen sich somit für Rückgewinnungsversuche. An diese Kunden wurden jeweils drei verschiedene Typen von E-Mails versandt (vgl. Abb. 3.1). Ein Typ enthielt lediglich eine Erinnerung, ein zweiter einen Gutschein und ein weiterer Bonuspunkte für das Kundenbindungsprogramm des Unternehmens. Die Höhe der Gutscheine wurde unterteilt in 5, 10 und 15 Euro, mit einem Mindestbestellwert in Höhe von 25, 50 bzw. 75 Euro. Die Höhe der Bonuspunkte belief sich auf 100, 200 und 300 Punkte, was einem Wert von 1, 2 und 3 Euro entspricht. Jeder Kunde hat alle drei Typen von E-Mails erhalten, solange er nicht zwischenzeitlich mit einem Kauf reagiert hat. Die Reihenfolge der verschiedenen Typen wurde zufällig gewählt. Insgesamt ergeben sich somit sechs verschiedene Reihenfolgen. Der zeitliche Abstand zwischen den einzelnen Mailing-Typen betrug zwei Wochen. Alle versendeten E-Mails enthielten einen Tracking-Code, um den Kunden auf der Online-Shopping-Plattform identifizieren zu können. Sobald der Kunde durch Klicken auf einen Link in der E-Mail die Seite des Um die anfängliche Frage nach der Wahl der richtigen Kommunikationsmaßnahme bei der Reaktivierung zu beantworten, wurde zunächst die Effektivität der drei Mailingtypen verglichen. Die Effektivität wurde hierbei auf drei verschiedene Weisen operationalisiert. Zum einen war das primäre Ziel, die Kunden auf die Seite des Händlers zurückzuholen. Darüber hinaus wurde die Befüllung des Warenkorbs als Erfolg gesehen. Der Haupterfolg war der getätigte 250 200 150 100 50 0 100 100 / Bonuspunkte 5 € Coupon Bonuspunkte 5 € Coupon Effek%vität der MMailings ailings Effektivität der / 200 200 / Bonuspunkte 10 € Coupon Bonuspunkte 10 € Coupon Käufe nach Bonusmails*** *** 25000 Vergleich der Incentives 300 *** *** / 300 300 / Bonuspunkte 15 € Coupon Bonuspunkte 15 € Coupon / Käufe nach Couponmails*** *** zeigt, dass die Effekitivät der Mailing sich signifikant unterscheiden Käufe nach Bonusmails*** Abbildung 3.3: Quelle: Käufe nach Couponmails** Vergleich der Höhe des Incentives Eigene Darstellung. 20000 Remindermail Couponmail 15000 Bonusmail 10000 5000 *** 0 *** *** *** *** Käufe Käufe Rückkehr WarenkorbWarenkorbRückkehr zurzurSeite Seite befüllung befüllung *** zeigt, dass die Effekitivät der Mailings sich signifikant unterscheiden Abbildung 3.2: Quelle: Vergleich der Effektivität der Reaktivierungsmailings Eigene Darstellung. Online-Händlers besucht hatte, wurde er mit einem Cookie gekennzeichnet, sodass auch weitere Besuche des Kunden wahrgenommen werden konnten. Insgesamt wurden in der sechswöchigen Laufzeit 874.810 Seitenaufrufe, 18.049 Produkte im Warenkorb und 2.442 Käufe registriert. Kaufabschluss. Diesbezüglich zeigten sich signifikante Unterschiede in der Wirksamkeit der drei Mailingtypen. Bei Betrachtung der reinen Rückkehr zur Homepage des Händlers zeigt sich, dass die Erinnerungs-E-Mails ohne jeglichen zusätzlichen Incentive am effektivsten sind, gefolgt von den Bonusmails. Die Coupon-Mailings bilden hierbei das Schlusslicht (vgl. Abb. 3.2). Anders sieht das Bild bei den Warenkorbbefüllungen aus. Während die Abstände zwischen den Mailingtypen zwar deutlich kleiner ausfallen, ist in diesem Fall das Bonusmailing vor den Couponmails am erfolgreichsten. Bezogen auf das Endziel der Kaufabschlüsse liegen die drei Mailingtypen eng beieinander. Coupon- und Bonusmailings unterscheiden sich nicht signifikant. Beide sind jedoch signifikant effektiver als die Erinnerungsmailings. Ökonomische Incentives wirken somit unterstützend für den finalen Kaufabschluss, während sich das Interesse an den aktuellen Angeboten des Onlinehändlers bereits durch Erinnerungsmails effektiv steigern lässt. Um der Frage nach der optimalen Höhe eines finanziellen Incentives nachzugehen, wurden die Reaktivierungserfolge der Bonusund Couponmailings genauer betrachtet. Es zeigte sich, dass ein höherer Incentive durchaus zu signifikant höheren Verkaufszahlen *** zeigt die Signigikanz der Ergebnisse: ***Signifikanz auf einem 100%-Niveau, **Signifikanz auf einem 95%-Niveau, *Signifikanz auf einem 90%-Niveau Empirische Untersuchung führt (vgl. Abb. 3.3). Überraschenderweise sind die Bonus- effektiver als die Couponmailings, obwohl der finanzielle Gegenwert für die Bonuspunkte auf den ersten Blick deutlich unter dem der Coupons lag. Zwar ist der finanzielle Gegenwert im Endeffekt vergleichbar, da die Einlösung der Coupons an bestimmte Mindestbestellwerte gebunden ist, die mit höherem Couponwert ebenfalls steigen. Dennoch erscheint dem Konsumenten ein Bonus, der ein bis drei Euro entspricht, vermutlich auf den ersten Blick weniger attraktiv oder wertvoll als ein Coupon über fünf bis 15 Euro. Eine mögliche Erklärung für die geringeren Verkaufszahlen besonders bei den höheren Coupons, könnte der Mindestbestellwert sein, der Kunden von einem „schnellen spontanen Shopping-Erlebnis“ abhält. Diese erste Betrachtung berücksichtigt allerdings noch nicht, die zeitliche Dynamik und Reihenfolge der Mailings. So wurden sie – im Fall ausbleibender Reaktion durch den Konsumenten – in drei aufeinanderfolgenden Etappen verschickt. Es lag zwar jeweils ein Zeitraum von 14 Tagen zwischen den Versandaktionen; dennoch kann diese Tatsache nicht ignoriert werden. 8 Bereits ein erster Vergleich der Reaktionen auf die Reaktivierungsmailings zeigt, dass die Reaktion je nach betrachteter Reaktivierungsart und Mailing variieren (vgl. Abb. 3.4). Bei Betrachtung der Rückkehr zur Seite zeigt sich, dass häufig die erste Mail die erfolgreichste ist. Die nachfolgenden Erinnerungs- und Bonusmails schneiden signifikant schlechter ab. Anders sieht das Bild bei Betrachtung der Käufe als Erfolgsgröße aus. In diesem Fall steigt beispielsweise bei den Erinnerungsmails die Reaktivierungshäufigkeit mit jeder weiteren Mail signifikant an. Demnach deuten die ersten Ergebnisse darauf hin, dass Erinnerungsmails – überlegt und platziert eingesetzt – effizienter sein könnten als Incentive-Mailings. Zudem scheinen Erinnerungsmails, bezüglich der Rückkehr zur Seite effektiver zu sein, während die Effizienz der Erinnerungsmails hinsichtlich des Kauf-Kriteriums im Vergleich zu Bonus- und Couponmailings abnimmt. Um die Frage nach der insgesamt effektivsten Strategie zur Reaktivierung von inaktiven Kunden zu beantworten, wurde ein Linear Probability Model berechnet. Zudem wurden die Ergebnisse mit Hilfe eines Logit Modells validiert (vgl. Goldfarb und Tucker 2011). Rückkehr zur Seite als Folge der Mailings Warenkorbbefüllung als Warenkorbbefüllung als Folge Folge der der Mailings Mailings Rückkehr zur Seite als Folge der Mailings 1000 12000 10000 n.s. 800 * 8000 600 6000 400 4000 200 2000 0 0 Erinnerungsmail Erinnerungsmail*** Couponmail Couponmail*** 1. Mail 2.Mail Bonusmail Bonusmail*** 3.Mail Erinnerungsmail Erinnerungsmail*** Couponmail*** Couponmail Bonusmail Bonusmail*** Käufe als Folge der Mailings Käufe als Folge der Mailings 350 1. Mail 300 2. Mail 3. Mail 250 Sofern nicht anders markiert, unter- 200 scheiden sich die Mailings in ihrer Effektivität signifikant (α ≤ 5%). 150 100 50 0 Abbildung 3.4: Quelle: Erinnerungsmail*** Erinnerungsmail Couponmail*** Couponmail Deskriptive Ergebnisse zur ersten und Folgemailings Eigene Darstellung. Bonusmail*** Bonusmail 9 Empirische Untersuchung Linear Probability Model vs. Logit Model In der Statistik ist ein Linear Probability Model ein besonderer Fall eines binomialen Regressionsmodells. Die beobachtete Größe nimmt hierbei entweder den Wert 0 oder den Wert 1 an. Die Wahr- nach der Maßnahme berechnet. Bei Betrachtung der Ergebnisse für die Rückkehr zur Seite zeigt sich, dass Erinnerungsmails die Wahrscheinlichkeit einer Rückkehr zur Seite am meisten erhöhen. Zudem scheint es unvorteilhaft zu sein, mit einem Couponmailing zu starten (vgl. Abb. 3.5). scheinlichkeit eine 0 oder 1 zu beobachten ist abhängig von den erklärenden Variablen. Die bedingte Wahrscheinlichkeit von der beobachteten Größe und deren vorhergesagtes Level können intuitive als Wahrscheinlichkeit ihres Eintretens (y=1) unter der Bedingung X interpretiert werden. Die geschätzten Koeffizienten zeigen den abgeleiteten Wert dieser Wahrscheinlichkeit in Abhängigkeit der jeweiligen Einflussgröße, also den marginalen Effekt. Ein Nachteil dieses Modelles ist, dass ohne Beschränkungen für die Parameter einzugehen, die geschätzten Koeffizienten Wahrscheinlichkeiten bedeuten können, die außerhalb des Intervalls von 0 und 1 liegen. Daher wird häufig eine logistische Regression Das Modell für die weiter fortgeschrittene Reaktivierung im Sinne von Warenkorbbefüllung oder Kauf zeigt, dass hierbei Bonuspunkte oder die Coupons wirkungsvolle Reaktivierungsmaßnahmen darstellen. Es muss allerdings berücksichtigt werden, dass die Wahrscheinlichkeit eines Kaufes deutlich steigt, wenn sich der Kunde erst einmal auf der Seite befindet. Demnach ist das erste und wichtigste Ziel der Reaktivierungsmaßnahmen die Kunden auf die Seite zurück zu holen. Surft der Kunde erst einmal wieder im Shop oder legt sogar Waren in den Warenkorb, verdoppelt sich die Wahrscheinlichkeit, dass er kauft – unabhängig davon, ob ein weiterer Incentive vorliegt. vorgezogen. Unter logistischer Regression oder Logit-Modell versteht man Regressionsanalysen zur (meist multivariaten) Modellierung der Verteilung diskreter abhängiger Variablen. Im vorliegenden Fall geht es um die binomiale logistische Regression für dichotome abhängige Variablen. Die unabhängigen Variablen können dabei ein beliebiges Skalenniveau aufweisen, wobei diskrete Variablen mit mehr als zwei Ausprägungen in eine Serie binärer DummyVariablen zerlegt werden. Die Vorgehensweise, zunächst ein Linear Probability Model zu berechnen und dieses durch ein Logit Modell zu validieren, ist angelehnt an die Erkenntnisse von Angrist und Pischke (2009). Sie besagen, dass üblicherweise kein qualitativer Unterschied zwischen den Spezifikationen eines Logit und eines linearen Proba- In allen drei Modellen haben die Kovariate einen signifikanten Einfluss. Demnach erhöht die Länge der Beziehung zwischen Kunden und Online-Händler sowie die Tatsache, ob jemand bereits einmal eine Reklamation durchgeführt hat, die Wahrscheinlichkeit jeder Form der Reaktivierung. Gleichzeitig wird diese durch den Zeitraum der zwischen der Maßnahme und dem davor liegenden letzten Kauf verringert. Je länger die letzte Transaktion eines Kunden demnach zurückliegt, desto geringer ist die Wahrscheinlichkeit einer erfolgreichen Reaktivierung. Dies bestätigen bisherige Untersuchungen, die besagen, dass Kunden, die schon länger nicht mehr gekauft haben, weniger häufig auf Mailings reagieren (vgl. Hughes 1995). Als Argument wird ebenfalls angeführt, dass bei inaktiven Kunden die Wahrscheinlichkeit höher ist, dass sie sich bereits an ein anderes Unternehmen gewöhnt haben (vgl. Ganesh, Arnold, und Reynolds 2000). bility Modells vorliegen. Es wurde das Linear Probability Modell demnach gewählt, da eine Großzahl der genutzten Kovariate sowie Die Ergebnisse lassen sich wie folgt interpretieren: der vorliegenden Interaktionen binär sind und der Massepunkt der abhängigen Größen bei weitem nicht 0 oder 1 ist, sondern dazwi- Ein beispielhafter Kunde weist folgende Charakteristika auf: Er ist seit schen liegt. Das heißt, dass der potentielle Fehler durch die Wahl einem Jahr und einem Monat, genauer gesagt seit 398 Tagen Kun- des Linear Probability Modells, der dadurch entstehen würde, dass de des Online-Shops, sein letzter Kauf liegt 243 Tage zurück und er vorhergesagte Wahrscheinlichkeiten außerhalb der Spanne von 0 hat bereits einmal einen Kauf reklamiert. Dieser Kunde erhält nun als bis 1 liegen (vgl. Homburg, Hoyer und Stock 2007), für diese Be- erstes eine Erinnerungsmail, bei nicht Reaktion gefolgt von einer Bo- rechnung keine Rolle spielen. Dies ermöglicht eine unkomplizierte nusmail. Aufnahme von Interaktionseffekten in das Modell. Die Wahrscheinlichkeit, dass er reaktiviert wird, berechnet sich In diesem Fall wird die Wahrscheinlichkeit einer Reaktivierung in folgendermaßen: Abhängigkeit von den verschiedenen Maßnahmen, deren zeitlicher P(Rückkehr zur Seite) = 0,0543# + 0,0000133 * RelAge - 0,0000395 Positionierung sowie verschiedener Kovariate bestimmt. * Zeit seit letztem Kauf + 0,0044956 * Reklamation + 0,0109665 *Erinnerungsmail + 0,0042522 * Bonusmail = 0,0697 Vor dem Hintergrund, dass die Reaktivierung sich unterschiedlich operationalisieren lässt, wurde ein Modell für die Reaktivierung in Form der Rückkehr zur Homepage des Shops, eines für die Warenkorbbefüllung sowie eines für den abschließenden Kauf Demnach liegt die Wahrscheinlichkeit, dass der Kunde nach der zweiten Reaktivierungsmail auf die Seite zurückkehrt bei 6,97%. # 0,0543 ist die Baseline-Wahrscheinlichkeit auf die Seite zurückzukehren Empirische Untersuchung 10 1 3 2 Zeitliche Position der Mailings Remindermail 0,0109*** Coupon mail -0,0025*** Bonus mail 0,0032*** Remindermail 0,0014** Coupon mail 0,0001 Bonus mail 0,0043*** Remindermail -0,0001 Coupon mail -0,0025*** Bonus mail n.s. # Kontrollgrößen Relationship Age 0,00001*** Zeit seit dem letzten Kauf -0,000001*** Rückkehr zur Seite R2 zwischen den Kunden = 0,78% R2 innerhalb eines Kunden = 0,08% R2 gesamt = 0,4% 2 3 Vorherige Reklamation 0,007*** 1 Zeitliche Position der Mailings Remindermail -0,0026*** Coupon mail 0,0008*** Bonus mail 0,0011*** Remindermail -0,0021 Coupon mail 0,0007*** Bonus mail 0,0005** Remindermail -0,0019*** Coupon mail 0,0001 Bonus mail n.s. Vorausgegangenes Verhalten Rückkehr zur Seite 0,087*** Kontrollgrößen # Warenkorbbefüllung R2 zwischen den Kunden = 13,12% R2 innerhalb eines Kunden = 6,41% R2 gesamt = 8,58% 2 3 Relationship Age 0,000007*** Zeit seit dem letzten Kauf -0,000008*** Vorherige Reklamation 0,002*** 1 Zeitliche Position der Mailings Remindermail -0,0002 Vorausgegangenes Verhalten n.s. Coupon mail 0,0001 n.s. Bonus mail -0,0001 Remindermail -0,0001*** n.s. Coupon mail 0,0001 n.s. Bonus mail -0,0001 n.s. Remindermail 0,00042*** Coupon mail 0,0001 Bonus mail n.s. # Rückkehr zur Seite 0,001*** Warenkorbbefüllung 0,360*** Kontrollgrößen Relationship Age 0,00001*** Zeit seit dem letzten Kauf -0,000001*** Vorherige Reklamation 0,007*** Abbildung 3.5:0,007*** Ergebnisse der Teilmodelle des Reaktivierungserfolgs Quelle: Eigene Darstellung. Kauf R2 zwischen den Kunden = 47,23% R2 innerhalb eines Kunden = 30,81% R2 gesamt = 34,74% # Bonusmailing 3 ist jeweils das Referenzmailing 11 Implikationen für Online-Händler 4 Implikationen für Online-Händler Die Untersuchung hat bestätigt was die theoretischen Vorüberlegungen bereits nahe gelegt haben, E-Mail-Marketing ist ein effektives Mittel zur Reaktivierung von Kunden im OnlineHandel. Die genaue Planung solcher Marketing-Kampagnen ist offensichtlich von entscheidender Bedeutung für den Erfolg. Eine genaue Analyse welche Kunden welche E-Mail-Art mit welcher Art von Incentive enthalten, kann Unternehmen viel Geld sparen und zu hohen Reaktivierungsquoten führen Vor dem Hintergrund der Problematik des Kaufabbruchs und der dadurch entstehenden Inaktivität der Kunden im Online-Handel, hat die vorliegende Studie Möglichkeiten zur Reaktivierung solcher Kunden aufgezeigt, verglichen und deren Ausgestaltung analysiert. Die Haupterkenntnis, die diese Untersuchung aufzeigt, ist, dass Incentives nicht um jeden Preis erfolgreich sind. Der Zeitpunkt und die Kombination verschiedener Kommunikationsmaßnahmen sind entscheidend. Es zeigte sich, dass Erinnerungsmailings ohne zusätzlichen monetären Anreiz sogar am effektivsten sind, betrachtet man die reine Rückkehr zum Online-Shop. Bei einer genaueren Analyse zeigt sich jedoch, dass Erinnerungsmails zwar die Neugier auf den Shop wecken, allerdings signifikant seltener zu einem tatsächlichen Kauf führen als Mailings, die Bonuspunkte oder Coupons beinhalten. Möchte sich ein Online-Händler allerdings auf Erinnerungsmails ohne finanzielle Incentives beschränken, ist wichtig zu bedenken, dass der Kunden häufiger erinnert werden möchte. Die Effektivität der Erinnerungsmails nimmt mit jeder zusätzlich ausgesandten Mail zu. Überraschenderweise wurde zudem deutlich, dass Bonuspunkte sich in Bezug auf getätigte Käufe zwar nicht signifikant von Coupons unterscheiden, aber signifikant mehr Seitenbesuche nach sich ziehen. Bei der Höhe der gewährten Incentives zeigt sich, dass die Gewährung von Bonuspunkten effektiver sind, als Rabattcoupons, da Kunden möglicherweise durch den Mindestbestellwert abgeschreckt werden. Zudem ist ein Vorteil der zusätzlichen Bonuspunkte, dass sie in ein System einzahlen, welches den Kunden längerfristig an den Online-Händler bindet. In Bonusprogrammen sammeln Kunden häufig längerfristig Bonuspunkte, um diese dann bei einem größeren Kauf einzulösen. Darüber hinaus scheinen die Kombination der verschiedenen Maßnahmen und deren Reihenfolge von entscheidender Bedeutung zu sein. Für Unternehmen, die ihre inaktiven Kunden mit Hilfe ähnlicher Reaktivierungsmaßnahmen zurückgewinnen wollen, scheint daher eine genaue Analyse ihrer Kunden ratsam. Die Entscheidung, was das zu erreichende Ziel ist, sollte der Aussendung der Kommunikationsmaßnahmen voranstehen. Zielt ein Online-Händler darauf ab, Kunden auf die Seiten des Shops zurückzuholen, da es Kunden sind, die vor ihrer Inaktivität rege gekauft haben und der Händler sich verspricht, dass solche Kunden – einmal zurück geholt – ohnehin wieder kaufen, bieten Erinnerungsmails eine effektive Maßnahme. Vor dem Hintergrund der eingeschränkten Datengrundlage ist es für zukünftige Untersuchungen von großem Interesse, genauere Informationen über die Konsumenten zu erhalten, sowie detailliertere Informationen zu den möglicherweise angestoßenen Käufen. Zudem wäre es sinnvoll, weitere Maßnahmenkombinationen zu testen. What you need to know – Reaktivierung mit E-Mail-Marketing • Es muss nicht immer ein Rabatt oder Bonus sein – manche Kunden wollen nur erinnert werden • Kunden wollen gebeten werden – nicht immer reicht eine Erinnerungsmail aus • Bonuspunkte erscheinen den Kunden wertvoller als ein direkter monetärer Vorteil in Form eines Coupons • Boni wirken schneller – Kunden denen Bonuspunkte versprochen werden reagieren direkter Literaturverzeichnis 12 Literaturverzeichnis Adams, J. S. 1963. Toward an Understanding of Inequity. Journal of Abnormal Psychology, 67(5): 422–436. Adams, J. S. 1965. Inequity in Social Exchange. In L. Berkowitz (Ed.), Advances in Experimental Social Psychology: 267-299. New York City. Angrist, J. D. und Pischke, J.-S. 2009. Mostly Harmless Econometrics: An Empiricist’s Companion. Princeton Press, Princeton, NJ. Aggarwal, Praveen, and Rajiv Vaidyanathan 2003. Use it or lose it: purchase acceleration effects of time limited promotions. Journal of Consumer Behaviour 2.4 (2003): 393-403. BizRate.com. 2000. 78 percent of online buyers abandon shopping carts according to Bizrate.com survey. In: BizRate Press Release, No. 23 (October). Blodgett, J. G. und Hill, D.J. 1997. The Effects of Distributive, Procedural, and Interactional Justice on Postcomplaint Behavior. Journal of Retailing, 73(2): 185–210. Brien, L. O. und Jones, C. 1995. Do Rewards Really Create Loyalty? Harvard Business Review, 73(3): 75–82. Brownlow, M. 2011. Why do email marketing? http://www.email-marketingreports.com/basics/why.htm, Zugegriffen: 15. September 2012 Celsi, R. L. und Olson, J. C. 1988. The Role of Involvement in Attention and Comprehension Processes. Journal of Consumer Research, 15(2): 210–224. Chandon, P., Wansink, B. und Laurent, G. 2000. A Benefit Congruency Framework of Sales Promotion Effectiveness. Journal of Marketing, 64(4): 65–81. Cho, C.-H.; Kang, Jaewon C., Hongsik J.(2006): Online Shopping Hesitation. CyberPsychology and Behavior 9 (3): 262–274. Christiansen, M. 2011. 61,18 Euro – durchschnittlich pro Einkauf im Internet. http://reseller-magazin.de/2011/04/18/allgemein/6118-eurodurchschnittlicher-warenwert-je-einkauf-in-deutschland.html. Colquitt, J. A., Conlon, D. E., Wesson, M. J., Porter, C. O. und Ng, K. Y. 2001. Justice at the Millennium: a Meta-Analytic Review of 25 Years of Organizational Justice Research. Journal of Applied Psychology, 86(3): 425–445. comScore (Hg.) 2011. U.S. Online Holiday Spending Approaches $20 Billion for First 34 Days of the November-December Shopping Season, up 15 Percent vs. Last Year - comScore, Inc. Online verfügbar unter http://www.comscore.com/Insights/Press_ Releases/2011/12/U.S._Online_Holiday_Spending_Approaches_20_Billion_for_First_34_Days, Zugegriffen: 16. Juli 2013. Dowling, G. R. und Uncles, M. 1997. Do Customer Loyalty Programs Really Work? Sloan Management Review 38 (4): 71–82. ECC Handel. 2011. Abbruchraten in Online-Kaufprozessen in Deutschland in 2010 und 2011. Mücke, Sturm & Company. Online verfügbar unter http://de.statista.com/statistik/daten/studie/200253/umfrage/abbruchraten-in-stufen-des-online-kaufprozesses-im-jahresvergleich/. Zugegriffen: 16. Juli 2013. Evanschitzky, H., Ramaseshan, B., Woisetschläger, D., Richelsen, V., Blut, M. und Backhaus, C. 2012. Consequences of customer loyalty to the loyalty program and to the company. Journal of the Academy of Marketing Science 40(5): 625–638. Fenech, T. 2002. Antecedents to Web Cart Abandonment. Proceedings of the 2002 ANZMAC Annual Conference, Melbourne, Australia, 3351 – 3357. Forrester Research. 2005. Rethinking the significance of cart abandonment. Johnson, Carrie A.; Wilson, Charles P.; Meyer, Sean (Ed). Freedman, L. 2011. The Connected Consumer, the e-tailing group. http://www.e-tailing.com/content/?p=2484. Zugegriffen: 16. Juli 2013. Ganesh, J., Arnold, M. J. und Reynolds, K. E. 2000. Understanding the CustomerBase of Service Providers: An Examination of the Differences Between Switchers and Stayers. Journal of Marketing 64(3): 65–87. Global Millennia Marketing. 2002. Recent survey gives online merchants 15 reasons for shopping cart abandonment. In: Global Millennia Marketing Press Release, 12.03.2002. http://www.globalmillenniamarketing.com/press_release_mar_12_02.htm. Zugegriffen: 18. September 2013. Goldfarb, A. und Tucker, C.E. 2011. Privacy Regulation and Online Advertising. Management Science 57 (1): 57-71. Goodwin, C. und Ross, I. 1992. Consumer Responses to Service Failures: Influence of Procedural and Interactional Fairness Perceptions. Journal of Business Research 25(2): 149–163. Griffin, J. und Lowenstein, M. W. 2001. Customer Winback: How to Recapture Lost Customers–and Keep Them Loyal (1st ed.). New York City: Jossey-Bass. Handelsverband Deutschland. 2013. E-Commerce-Umsatz in Deutschland 1999 bis 2012 und Prognose für 2013. http://de.statista.com/ statistik/daten/studie/3979/umfrage/e-commerce-umsatz-in-deutschland-seit-1999/. Zugegriffen: 16. Juli 2013. Hell, M. 2007. Media Markt ist im Internethandel gescheitert. http://www.crn.de/etail/artikel-53319-2.html. Zugegriffen: 16. Juli 2013. Hoof, I. ,Woisetschläger, D. , Backhaus C . 2013. Nutzerverhalten als Einflussfaktor von Warenkorbabbrüchen im Online-Handel, Arbeitspapiere des Instituts für Automobilwirtschaft und Industrielle Produktion, Technische Universität Braunschweig. 13 Literaturverzeichnis Homburg, C., Hoyer, W. D. und Stock, R. M. 2007. How to get lost customers back? Journal of the Academy of Marketing Science, 35(4): 461–474. Horrace, W. und Oaxaca, R. 2006. Results on the bias and inconsistency of ordinary least squares for the linear probability model. Econometric. Letters. 90(3): 321–327. Hughes, A. 1995. The Complete Database Marketer: Second Generation Strategies and Techniques for Tapping the Power of Your Customer Database (2nd ed.). New York City: McGraw-Hill. Kukar-Kinney, M., Close, A. 2010. The determinants of consumers’ online shopping cart abandonment. In: Journal of the Academy of Marketing Science 38 (2), S. 240–250. Li, S. und Chatterjee, P.2005. Shopping Cart Abandonment at Retail Websites- A Multi-Stage Model of Online Shopping Behavior. Working Paper. Markgraf, Daniel. o. J. Stichwort: Suchmaschinenmarketing. Hrsg: Springer Gabler Verlag. Gabler Wirtschaftslexikon. Online verfügbar unter: http://wirtschaftslexikon.gabler.de/Archiv/596505828/suchmaschinenmarketing-v2.html, zuletzt geprüft am 16.09.2013. Mullins, R. 2000. Do or die for e-tail: holiday sales: ho-ho-ho or boo-hoo-hoo? In: Silicon Valley/San Jose Business Journal, 26.11.2000, online verfügbar unter: http://www.bizjournals.com/sanjose/stories/2000/11/27/smallb1.html, Zugegriffen: 18. September 2013. Mulpuru, S., Hult, P., Freeman Evans, P. und McGowan, B. 2010. Understanding Shopping Cart Abandonment. Customers Are Often Unprepared To Buy And Stunned By Shipping Costs. In: Forrester Research. Online verfügbar unter http://www.forrester.com/ Understanding+Shopping+Cart+Abandonment/fulltext/-/E-RES56827?objectid=RES56827. Zugegriffen: 16. Juli 2013. Nicholls, C. 2010. What You Need To Know About Ecommerce Conversion Rates - Business Insider. Business Insider. http://articles. businessinsider.com/2010-08-24/strategy/30034337_1_conversion-rate-website-sites. Zugegriffen: 16. September 2012. Nicholls, C. 2011. The Science of Shopping Cart Abandonment – A research report from The Conversion Academy, SeeWhy Inc. Ostrom, A. und Iacobucci, D. 1995. Consumer trade-offs and the evaluation of services. Journal of Marketing, 59(1): 17–28. o. V. 2013. Studie: E-Mail Marketing ist effizientestes Online Marketing Instrument. Studie des Bundesverbands des Deutschen Versandhandels. http://www.bvdw.org/mybvdw/media/view/studie-e-mail-marketing-ist-effizientestes-online-marketinginstrument?media=4965. Zugegriffen 1.11.2013. o. V. 2008. Studie: Deutscher Onlinehandel verliert Millionen durch Kaufabbrecher. Online verfügbar unter: http://www.internetworld.de/ Nachrichten/Zahlen-Studien/Studie-Deutscher-Onlinehandel-verliert-Millionen-durch-Kaufabbrecher, Zugegriffen: 16. Juli 2013. o. V. 2012. http://www.ftd.de/thema/neckermann, Financial Times Deutschland, Zugegriffen: 16. Juli 2013. Rajamma, R. K., Paswan, A. K. und Hossain, M. M. 2009. Why do shoppers abandon shopping cart? Perceived waiting time, risk, and transaction inconvenience. In: Journal of Product & Brand Management 18 (3), S. 188–197. Reichheld, F. und Sasser, E. W. 1990. Zero defections: Quality Comes to Services. Harvard Business Review, 68(5): 105–111. Richins, M. L. und Bloch, P. H. 1986. After the New Wears Off: The Temporal Context of Product Involvement. Journal of Consumer Research, 13(2): 280–285. Roos, I. 1999. Switching Processes in Customer Relationships. Journal of Service Research, 2(1): 68–85. Schmittlein, D. C. und Peterson, R. A. 1994. Customer Base Analysis: An Industrial Purchase Process Application. Marketing Science, 13(1): 41–67. Smith, A. K. und Bolton, R. N. 2002. The Effect of Customers’ Emotional Responses to Service Failures on Their Recovery Effort Evaluations and Satisfaction Judgments. Journal of the Academy of Marketing Science, 30(1): 5–23. Smith, A. K., Bolton, R. N. und Wagner, J. 1999. A Model of Customer Satisfaction with Service Encounters Involving Failure and Recovery. Journal of Marketing Research, 36(3): 356–372. Tarasofsky, J. 2008. Online Reservations: Increasing Your Site's Look to Book Ratio. In: Hotel Marketer. http://www.hotelexecutive.com, Zugegriffen: 18. September 2013. Thomas, J. S., Blattberg, R. C. und Fox, E. J. 2004. Recapturing Lost Customers. Journal of Marketing Research, 41(1): 31–45. Walster, E., Walster, G. W. und Berschied, E. 1978. Equity: Theory and Research. Boston: Allyn and Bacon. Wellner, A. S. 2001. A New Cure for Shoppus Interruptus. In: American Demographics. Zimmer, D. 2012. BVH veröffentlicht Umsatzzahlen im interaktiven Handel 2011: 25,3 Milliarden Euro E-Commerce-Umsatz für 2012 internetworld.de. http://www.internetworld.de/Nachrichten/E-Commerce/Zahlen-Studien/BVHveroeffentlicht-Umsatzzahlen-iminteraktiven-Handel-2011-25-3-Milliarden-Euro-E-Commerce-Umsatz-fuer-2012-64263.html. Zugegriffen: 11 September 2012 Autoren und Kontakt 14 Autoren und Kontakt Autoren Isabelle Kes | Technische Universität Braunschweig Prof. Dr. David M. Woisetschläger | Technische Universität Braunschweig Fabian Kothe | Hitmeister GmbH Kontakt Lehrstuhl für Dienstleistungsmanagement an der Technischen Universität Braunschweig Schleinitzstraße 23a D-38106 Braunschweig Telefon +49 531 391 63 100 Telefax +49 531 391 63 122 [email protected] www.tu-braunschweig.de/aip/ad Der Lehrstuhl für Dienstleistungsmanagement ist Teil des Instituts für Automobilwirtschaft und Industrielle Produktion. Wir befassen uns mit aktuellen Fragestellungen des Managements von Dienstleistungsbetrieben und der Vermarktung von Dienstleistungen und stehen für eine enge Verzahnung von Theorie und Praxis in Forschung und Lehre, Interdisziplinarität und eine internationale Ausrichtung unserer Forschungsprojekte. Diese Publikation entstand im Rahmen des Projekts „Interaktionseffizienz im Beziehungslebenszyklus (INTER|CYCLE)“. Das Vorhaben wurde mit Mitteln des Bundesministeriums für Bildung und Forschung unter dem Förderkennzeichen 01FL11002 gefördert. Die Verantwortung für den Inhalt dieser Veröffentlichung liegt bei den Autoren. 15 Impressum Impressum Die vorliegende Studie erscheint im Rahmen der Reihe „Arbeitspapiere des Instituts für Automobilwirtschaft und Industrielle Produktion“ herausgegeben vom Institut für Automobilwirtschaft und Industrielle Produktion an der Technischen Universität Braunschweig. Herausgeber Institut für Automobilwirtschaft und Industrielle Produktion Prof. Dr. Thomas S. Spengler Technische Universität Braunschweig Institut für Automobilwirtschaft und Industrielle Produktion (AIP) Lehrstuhl für Produktion und Logistik Katharinenstraße 3 38106 Braunschweig Prof. Dr. David M. Woisetschläger Technische Universität Braunschweig Institut für Automobilwirtschaft und Industrielle Produktion (AIP) Lehrstuhl für Dienstleistungsmanagement Schleinitzstraße 23a 38106 Braunschweig Nutzungsbedingungen Die vorliegende Studie unterliegt urheberrechtlichen Schutz. Alle Rechte sind dem Herausgeber der Studie vorbehalten. Reproduktion, Verarbeitung, Vervielfältigung oder Weitergabe der Studie oder von Studienergebnissen ist ohne ausdrückliche schriftliche Genehmigung des Herausgebers der Studie untersagt. Eine Veröffentlichung von Studienergebnissen bedarf ebenfalls der vorherigen, ausdrücklichen und schriftlichen Genehmigung. Braunschweig 2014, alle Rechte vorbehalten © 2014 Technische Universität Braunschweig © Bildmaterial: Tastatur mit Warenkorbtaste, Titelblatt, momius - Fotolia.com Briefumschlag @Zeichen, Seite 2, Marco2811 - Fotolia.com Tafel Newsletter, Seite 4, Sarunyu_foto - Fotolia.com Technische Universität Braunschweig Institut für Automobilwirtschaft und Industrielle Produktion Lehrstuhl für Dienstleistungsmanagement Schleinitzstraße 23a D-38106 Braunschweig © Telefon+49 531 391 63100 Telefax+49 531 391 63122 [email protected] www.tu-braunschweig.de
