Eine Frage die erstmal verblüfft: Gibt es da nicht viele Wege zu Insights bzgl. Erfolgstreiber? Ja und Nein. Es gibt verschiedene Stufen im Vorgehen und je nach der Situation in der sie sich befinden, empfehlen sich andere Methoden.
Manche Dinge im Leben sind einfach. Man probiert einfach und merkt mit der Erfahrung was wirkt und was nicht. Gerade in Marketing und Vertrieb klappt dies nicht mehr. Den Erfolg steuern so viele Hebel. Aktionen brauchen eine Weile bis sie Früchte tragen. Am Ende kann man nicht mehr an der Änderung des Erfolgsmaßes sehen, welche Aktion welchen Einfluss hatte oder welche Rahmenbedingung oder Kundeneigenschaft, welche Bedeutung besitzt.
Was tun? (1) Ausprobieren bleibt der beste Weg herauszufinden, ob etwas funktioniert. Nur müssen Sie alle relevanten sonstigen Einflüsse tracken, um im Nachgang den genauen Effekt der Maßnahme verstehen zu können. Manchmal ist das Testen jedoch zu riskant oder verursacht immense Kosten.
Unter der Annahme, dass ein Erfolgstreiber nicht ursächlich von ganz anderen Hintergrundvariablen gesteuert wird, können die gleichen Erkenntnisse auch ohne Experiment aus Datensätzen gelesen werden. Genau dies machen Treiberanalysen.
Qualitative Forschung ist eine notwendige Vorstufe für quantitative Treiberanalyse
(2) Die Gefahr, dass ihre Ergebnisse fehlerhaft sind, steigt wenn die Modelle nicht ganzheitlich sind und wichtige Treiber fehlen. Insbesondere solche Treiber die andere Treiber als auch die Endergebnisse beeinflussen sind wichtig zu berücksichtigen. Genau aus diesem Grund ist eine gute qualitative Vorphase essentiell. Das Thema und die relevanten Faktoren müssen gut verstanden sein.
Nur genügt die qualitative Phase allein nicht. Sie ist nicht geeignet die Dimension der Bedeutung einer Ursache richtig einzuschätzen. Forschern entsteht in qualitativen Projekten immer wieder der Eindruck, dass sie perfekte Begründungen und Erfolgsfaktoren liefern.
Studien zeigen jedoch, dass dies aus vielfältigen Gründen fast nie der Fall ist. Sie sind jedoch sehr gut in der Lage aufzudecken, was wichtig sein könnte und sind daher immer der zentrale erste Schritt.
Die fundamentale Frage: Wollen Sie Hypothesen testen oder neue Eigenschaften und Zusammenhänge entdecken?
(3) Erst jetzt kommt die quantitative Treiberanalyse ins Spiel. Die Wahl der richtigen Methode hängt von der Frage ab, wieviel man bereits über die Zusammenhänge zwischen den Variablen weiß. Weiß man wie die Dinge prinzipiell zusammenhängen und möchte man ermitteln, wie stark diese vermuteten Zusammenhänge tatsächlich sind, dann empfehlen sich entweder ökonometrische Modelle oder Verfahren der Strukturgleichungsmodellierung.
Ist dies nicht der Fall, so benötigt man entdeckende Verfahren. (4a) ist man sich sicher, dass es genügt lineare Beziehungen anzunehmen und davon auszugehen, dass Treiber sich nicht in ihrer Wirkung bedingen, so sind Bayesian Networks (auch „Directic Acyclic Graphs“ genannt) ein gute Wahl.
(5a) Unserer Erfahrung nach können aber all diese Annahmen in der Praxis kaum begründet werden. In diesen Fällen bietet die Universelle Strukturmodellierung die Flexibilität frei von solchen Annahmen, die Zusammenhängen so abbilden zu lassen, wie sie wirklich sind.
p.s. Weiterführendes zu NEUSREL und die Universelle Strukturmodelierung finden Sie hier.