Werbequalität und Marktanteil: Modellgestützte Analyse eines

Werbequalität und Marktanteil:
Modellgestützte Analyse eines
Zusammenhangs
Regensburg, den 5.6.2002
[email protected]
Agenda
Kurzvorstellung GfK
Das Advertising Response Modell
Zielsetzung
Modellstruktur
Fallstudie
Neuere Entwicklungen
Datenfusion
Mikromodelling
Ausblick
Zur Geschichte der GfK
1924 Gründung des Instituts für Wirtschaftsbeobachtung der deutschen Fertigware.
1934 gegründet als GfK-Nürnberg e.V. durch
u.a. W. Vershofen, L. Erhard.
1945 Wiederaufbau durch u.a. G. Bergler.
Ab 1980 Gründung von GfK-Firmen in den
europäischen Key-Ländern.
1984 GfK GmbH, 1990 GfK AG.
Seit 1999 an der Börse, seit 2000 im MDax.
Aktueller Steckbrief der
GfK-Gruppe
2001: 525 Mio. € Gesamtleistung (+11,9%).
In Deutschland Nr. 1, weltweit Nr. 6.
31.12.2001: 4750 Mitarbeiter, in D 1448.
Zunehmende Internationalisierung (63,1% der
Gesamtleistung außerhalb Deutschlands).
4 Geschäftsfelder (Ad Hoc, Consumer Tracking,
Non-Food Tracking, Media).
Weltweit das Marktforschungsinstitut mit der
größten Produktpalette.
Agenda
Kurzvorstellung GfK
Das Advertising Response Modell
Zielsetzung
Modellstruktur
Fallstudie
Neuere Entwicklungen
Datenfusion
Mikromodelling
Ausblick
Struktur bisheriger
Marketingmix-Modelle
Werbung
Werbepretest
Preis
Promotion
MARKETING
MarketingmixMIX Modell
MODEL
Werbedruck
Distribution
Bisherige Modelle berücksichtigen nicht die Werbequalität, wie sie in Werbepretests gemessen wird.
Zielsetzung: Berücksichtigung
der Werbequalität
Werbung
Werbepretest
Preis
Promotion
MARKETING
MarketingmixMIX Modell
MODEL
Werbedruck
Distribution
Bis auf Produkt Berücksichtigung fast des kompletten
Marketingmix.
Welche Qualität hat mein
Werbefilm? AD*VANTAGE/ACT
Studiotest mit mindestens 125 Testpersonen
Einladung: Es geht um Vorabendprogramm im TV
1. Eingangsinterview (u.a. bevorzugte Marke)
2. Vorabendprogramm
Kurzfilm
Werbung (T-K-T-K-T-K-T)
Kurzfilm
3. Fragen zum Programm
Durchsetzungs4. Memoryspiel
vermögen
5. Vorabendprogramm
Kurzfilm
Werbung (T- T - T - T)
6. Lotteriespiel: Welche Marken sollen in den
Einkaufskorb der verlost wird?
7. Diagnostische Fragen
Motivationale
Schubkraft
T = Testspot
K = Kontrollspot
Werbepretest: Ad*Vantage
Konsequenzen
Durchsetzungsvermögen in %
Story motiviert
nicht genügend
zum Kauf ->
Story überarbeiten
Norm
Schalten
Norm
Marke wird nicht
genügend erinnert
-> Marke mehr in
den Vordergrund
Nicht
schalten
Motivationale Schubkraft in %
Die Modellstruktur:
Das Kaufmodell
Kauf der Marke
Kauf Konkurrenzmarke
oder kein Kauf
Nichtkäufer
ohne
Produkterf.
Kein Kauf
Probierer
Nichtkäufer
mit Produkterf.
Kauf Konkurrenzmarke
Kauf der Marke
oder kein Kauf
Wiederkäufer
Die Modellstruktur:
Das Kaufmodell
Nichtkäufer
ohne
Produkterf.
Probierer
Nichtkäufer mit
Produkterf.
Wiederkäufer
Warum wird kein
Regressionsmodell
verwendet?
• Motivationale Schubkraft ist Anteil von
Markenwechslern.
• Regressionsmodelle
sind ideal zur Abbildung sofort
wirkender Effekte.
Die Modellstruktur:
Das Kaufmodell
Display
Normalpreis
Aktionspreis
Nichtkäufer
ohne
Produkterf.
Probierer
Wiederkäufer
Nichtkäufer mit
Produkterf.
Distribution
Probierkauf-/ Elastizitäten AufmerksamWiederkauf-/ Normalpreis/ keitswirkung
Treuekaufrate Aktionspreis Regal / Displ.
Besonderheit für
Neuprodukte
Problem: Die Entwicklung für neue Produkte
zeigt häufig einen „Novelty Peak“ aufgrund von
Verbrauchern, die gerne neue Produkte
ausprobieren.
Lösung: Probierkaufrate und Wiederkaufrate
ändern sich über die Zeit hinweg.
Probierkaufrate startet hoch und fällt dann ab.
Wiederkaufsrate startet niedrig und steigt an.
Dazu wird ein Anteil von Vielprobierern geschätzt.
Modellierung Preis
Preiseffekt = Normalpreiseffekt * Promotionpreiseffekt
Normalpreis Konkurrenz NPE
(
)
Normalpreis Marke
Normalpreis Marke
( Durchschnittspreis Marke )PPE
Preiseffekt wirkt auf Erst- und Wiederkauf.
NPE = Normalpreiselastizität
PPE = Promotionpreiselastizität
Modellierung Distribution
Voraussetzung für Probierkauf (Verfügbarkeit wird für Wiederkauf vorausgesetzt).
Schafft Awareness.
Displays schaffen zusätzliche Awareness.
Veränderung Probierkaufrate (PKR):
Probierkaufrate * Distribution * Awarenesseffekt
Awarenesseffekt =
= Awarenesseffekt Regal * Regalanteil +
+ Awarenesseffekt Display * Distr. Display
Die Modellstruktur:
Das Werbemodell
Einschaltquoten
pro Sender
Max. Reichweite
pro Sender
Verbraucher, welche die
Werbung nicht sehen können
Ohne aktuellen Werbekontakt
Schaltungen
pro Sender
Mite einem aktuellen Werbekontakt
Vergessensrate
Mit 2+ aktuellen Werbekontakten / nicht aware
Durchsetzungsvermögen
Mit 2+ aktuellen Werbekonatakten / aware
Die Modellstruktur: Verbindung
Kaufmodell und Werbemodell
Nicht aware
Durchsetzungsvermögen
Aware, nicht
motiviert
Motivationale
Schubkraft
Motiviert
Probierkaufrate
Nichtkäufer
ohne
Produkterf.
Treuekaufrate PURCHASE
LOYAL
RATE
Probierer
Nichtkäufer mit
Produkterf.
Nichtkäufer
ohne
Produkterf.
Wiederkaufrate
1
1
1
Probierer
Nichtkäufer mit
Produkterf.
Wiederkäufer
1
Wiederkäufer
Die Modellstruktur:
Parameterschätzung
Vor der Optimierung
45%
40%
real
Modell
30%
25%
20%
15%
10%
5%
13
0%
1
Marktanteil
35%
Woche der Basisperiode
 Start mit einem grob
geschätzten Set von
Parametern.
 Berechnung der
Summe der
Abweichungsquadrate.
 Zielgerichtete
Änderung der
Parameter, so dass
Summe der
Abweichungsquadrate
minimiert wird.
Die Modellstruktur:
Parameterschätzung
Modell nach Optimierung
35%
33%
29%
27%
Real
Modell
25%
23%
21%
19%
17%
52
13
15%
1
Marktanteil
31%
Woche Basiszeitraum
Die Modellstruktur:
Prognoseprozedur
Prognose mit optimierten Parametern
40%
Basiszeitraum
Prognosezeitraum
Martkanteil
35%
Real
Modell
30%
25%
20%
15%
13
52
Woche Basis- / Prognosezeitraum
39
Die Modellstruktur:
Validierungen
140
Veränderung Modell
130
120
110
100
90
Reale Veränderungen
80
80
100
120
140
 14 Validierungen
 8 Warengruppen
 2 USA, 12 Deutschland
 Marktanteil in der
Basisperiode 2,6% bis
48,5%
 Ausreißer: Relaunch
und Einführung einer
Konkurrenzmarke.
 R² ohne Ausreißer:
89%
Fallstudie: Ausgangspunkt
der Marke H
 Große deutsche
Getränkemarke
 Seit Jahrzehnten etabliert
 Marktführer
 Starke Promotion- und
Werbeunterstützung in
der Warengruppe
 Werbedruck der Marke
unter Durchschnitt
 Welchen Effekt hat mehr
oder verbesserte
Werbung?
 Welchen Effekt haben
Änderungen in der
Werbung im Vergleich zu
Änderungen bei anderen
Marketingmix-Variablen?
Fallstudie: Änderung
beim Werbedruck
Marktanteil
Aktueller Werbedruck = 100
Index
=0
Index=
300
Fallstudie: Einfluss der
Werbeparameter
Werbedruck
Motivationale
Schubkraft
Durchsetzungsvermögen
1
3
0
1
3
0
1
3
0
1
2
0
1
2
0
1
2
0
1
1
0
1
1
0
1
1
0
1
0
0
1
0
0
1
0
0
9
0
9
0
9
0
8
0
8
0
8
0
1
0
0
2
0
0
3
0
0
0
1
0
0
2
0
0
3
0
00
8
0
1
0
0
1
2
0
1
4
0
1
6
0
Indices; aktuelle Situation = 100
Vergleich Wirkung Werbung
mit anderen Variablen
Veränderung Veränderung
Variable
Marktanteil
Werbedruck
100%
15%
Motiv. Schubkraft
100%
20%
Werbedruck + Motiv. Schubkraft
100%
48%
Durchsetzungsvermögen
20%
2%
Gew. Distribution
10%
10%
Normpreis Marke
-10%
26%
Promotionpreis Marke
-10%
11%
Promtionintensität Marke
100%
28%
Marke H
0
0
0
Vergleichbare
Wirkung von
Werbung und
Promotion
0
0
1
1
Agenda
Kurzvorstellung GfK
Das Advertising Response Modell
Zielsetzung
Modellstruktur
Fallstudie
Neuere Entwicklungen
Datenfusion
Mikromodelling
Ausblick
Warum Datenfusion?
TV-Panel ist “Währung” für Fernsehsender und
Werbungtreibende.
Ein Test in 1995 zeigte die Folgen auf, wenn
zusätzlich zum TV-Zuschauerverhalten auch das
Einkaufsverhalten erhoben werden:
Zuwachs der Panelsterblichkeit um 50%.
Abnahme der Teilnahmebereitschaft am Panel um
50%.
Nachteil der Datenfusion: Ca. 50% der
Werbewirkung gehen verloren.
Vorgehensweise Fusion für die
Werbewirkungsmessung
 Regressionsrechnung im TV-Panel
Abhängige: Kontaktsumme Kampagne; Sehdauer Werbung
gesamt.
Unabhängige:
TV-Zuschauerverhalten (Genre - Sender - Zeitschnitte)
Soziodemografie (insb. Alter)
Erreichtes Bestimmtheitsmaß: Ca. 60 bis 70%
 Übertragung der Regressionsbeziehung auf die
haushaltsführende Person im Verbraucherpanel
-> Schätzung der Kontakte bis zum Kaufakt
 Zuordnung haushaltsführenden Personen der beiden
Panels aufgrund Anzahl der Kontakte mit Kampagne und
Sehdauer gesamt.
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 ohne Werbung
Anteil für beworbenes
Produkt
Unterschied:
STAS-Differential
Kaufakte mit Werbung
Anteil für beworbenes
Produkt
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 ohne Werbung
Warengruppe: 2165
Marke A:
298
Anteil von A: 13,8%
STAS-Differential:
16,1%/13,8%=1,171
17,1%
Kaufakte mit Werbung
Warengruppe: 2890
Marke A:
466
Anteil von A: 16,1%
Quelle: MediaScan 1995
Elimination von
Störvariablen
Probleme mit dem STAS-Differential
Kaufakte ohne Werbung
Warengruppe: 2165
Marke A:
298
Anteil von A: 13,8%
STAS-Differential:
16,1%/13,8%=1,171
17,1%
Kaufakte mit Werbung
Warengruppe: 2890
Marke A:
466
Anteil von A: 16,1%
Differenz zwischen den Gruppen nur
dann als Werbewirkung interpretierbar,
wenn Gruppen ansonsten gleichen
Einflüssen ausgesetzt sind.
Elimination von
Störvariablen
Probleme mit dem STAS-Differential
Kaufakte ohne Werbung
Warengruppe: 2165
Marke A:
298
Anteil von A: 13,8%
Wenigseher TV-Werbung
Mit hoher Wahrscheinlichkeit Nichtseher von
Werbung von A
STAS-Differential:
16,1%/13,8%=1,171
17,1%
Kaufakte mit Werbung
Warengruppe: 2890
Marke A:
466
Anteil von A: 16,1%
Vielseher von TV-Werbung
Mit hoher Wahrscheinlichkeit Seher von Werbung
von A
Unterschiede in
- Freizeitverhalten
- Soziodemografie
- Einstellung zu
(TV-)Werbung
- Kontakte Konkurrenzwerbung
- etc.
Intervenierende
Variable „Persönlichkeit“
Elimination von
Störvariablen
Bestimmung der Störvariablen „Persönlichkeit“
Soziodemografie
Intervenierende
Variable
Einstellungen
zu TV
Einstellungen
zu Werbung
Sehdauer
TV-Werbung
Einfluß auf
STAS
Freizeitverhalten
Sehdauer TVWerbung transportiert Einfluß
der Persönlichkeit auf das
STAS-Differential
Elimination von
Störvariablen
Probleme mit dem STAS-Differential
Einfluss der Abstimmung von Werbung und Promotion auf
das STAS-Differential
Hypothetisches Beispiel
Woche Werbung Promotion
1
2
++
+
Total
Anteile von A
STAS-Differential
++
0
Kaufakte
gesamt
200
200
400
Kaufakte mit Werbung
Kaufakte o. Werbung
WG
Marke A
WG
Marke A
100
50
100
50
20
2
180
18
120
52
280
68
43%
24%
78%
Obwohl keine Werbewirkung vorliegt
(pro Woche gleiche Anteile für A in
beiden Gruppen) STAS-Differential von 78%
Intervenierende
Variable „Instoresituation“
Elimination von
Störvariablen
Bestimmung der Störvariablen „Instore-Situation“
Promotion
Intervenierende
Variable
Platzierung
Preissituation
Instore
Marktanteil
Kaufverhalten
Distribution
Konkurrenz
Im Verbraucherpanel:
Subsegmente,
die sich aus der
Kreuzung von
9 Key-Accounts
und 4 Geschäftstypen ergeben +
Promotion je
Woche
Elimination von
Störvariablen
Probleme mit dem STAS-Differential
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
Intervenierende
Variable „Markenbindung“
Elimination von
Störvariablen
Bestimmung der Störvariablen „Markenbindung“: Berücksichtigung Stufe
der Markenbindung als Set von 0/1-Variablen
Anteil der folgenden
Kaufakte für die
Marke A
54,5%
21,5%
80,4%
Treuekäufer
Wiederkäufer
4,9%
gelegentliche
Käufer
Nichtkäufer
78,5%
95,1%
19,6%
45,5%
Anteil der
folgenden
Kaufakte für eine
Konkurrenzmarke
Durchführung der
Auswertung
Unabhängige Variable
 Effektive Kontakte Werbung
 Stufe der Markenbindung
(Vier 0/1-Variable)
 Marktanteil Key-Account /
Geschäftstyp (zeitl. konstant)
 Promotion je Woche
 Sehdauer Werbung gesamt
Abhängige Variable
Kauf Marke (=1)
oder Kauf
Konkurrenz (=0)
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
Durchführung der
Auswertung
Unabhängige Variable
Abhängige Variable
 Effektive Kontakte Werbung
 Stufe der Markenbindung
Kauf Marke (=1)
(Vier 0/1-Variable)
oder Kauf
 Marktanteil
Key-Accountder
/ Werbekontakte vor Kauf Konkurrenz
Transformation
in
(=0)
Geschäftstyp (zeitl.effektive
konstant)
Werbekontakte
 Anteil Kauf in Promotion pro
Effektive Werbekontakte
Woche
Min und Max werden
 Sehdauer Werbung gesamt
so geschätzt, dass
Multiple Regression liefert:
der Einfluss der
• Parameter zur Qualität der Regression gesamt
(R²,
F-Wert)
Werbung
maximiert
• Parameter zur Bedeutung jeder einzelnen Variable
wird.(Beta,
Stand.Min
Beta, t-Wert) Max
• Möglichkeit
zur Simulation
verschiedener Werbedruckalternativen
Werbekontakte
(u.U. diskontiert)
Fallbeispiel:
Marke C
Spendings 1999:
11 Mio. DM
Auszug aus der Datenbasis
8274 Kaufakte, davon 1070 für Marke C
Fallbeispiel:
Marke C
Ergebnis
Bestimmtheitsmaß R² =
Variable
Konstante
Zahl der eff. Kontakte
Werbung gesamt
Marktanteil Handel
Promotion / Woche
2. Stufe Markenbindung
3. Stufe Markenbindung
4. Stufe Markenbindung
Minimum 0, Maximum 16 ->
Schon der erste Kontakt wirkt!
Keine Diskontierung!
45,90%
Wald-St.
Signifikanz
984,703
0,000
13,684
0,000
6,146
0,013
377,946
0,000
24,028
0,000
257,420
0,000
303,455
0,000
893,842
0,000
45,9% der
Produktwahl
wird erklärt
Werbung zu
mehr als 99,9%
signfikant
Fallbeispiel:
Marke C
Ergebnis Simulation
Effekt der
Kampagne:
+ 15%
14
12
10
8
6
11,2
12,9
4
Anteil Kaufakte
für Marke C %
2
0
ohne
mit Werbung
Werbung
Wahre Werbewirkung um ca.
100% höher!
Mikromodelling:
Zielsetzung
Simultane Schätzung aller relevanten Marken
und Key Accounts (Marktmodell, keine
Markenmodell!)
Modell auf Basis einzelner Haushalte / Kaufakte
-> beliebige Aggregationen möglich.
Schätzung des Einflusses von
Preis
Promotion
Distribution
Werbung (TV).
... aber das wäre eigener Vortrag!
Modellanwendung
 Produktionsprogramm zur Anwendung in der GfK:
Datenaufbereitung
Schätzung der Parameter
 Auswertungsprogramm zur Anwendung beim Kunden:
Analyse
Simulation
Prognose
 Auswertungsprogramm im Standardpaket enthalten.
Ausblick
Modelle bieten die Chance, eine große Menge
Daten auf die für das Management wesentlichen
Zusammenhänge zu reduzieren.
Ergebnisse werden in der Sprache des Managements präsentiert.
Modelle werden daher zunehmende Bedeutung
gewinnen.
Größte Gefahr: Overselling.