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.