Category

Ratgeber

Was ist NEUSREL?

By | Ratgeber

Was ist NEUSREL?

 

NEUSREL ist der ultimative Weg, um Erfolgstreiber aufzuspüren und mehr als eine Treiberanalyse. Die selbstlernende Kausalanalyse ist nicht nur ein valideres sondern vor allem auch praktischeres Vorgehen einer neuen Treiberanalyse.

Sie findet in sehr vielen Gebieten Anwendung: Dies reicht vom Brand-Tracker, der Conjoint-Analyse, dem Copytest und seiner Optimierung bis hin zum Marketing-Mix-Modeling, Dabei werden Managementprobleme wie hohe Retourenquoten oder Customer-Lifetime-Value gesteuertes Kundenmanagement gelöst.

All dies ist möglich, indem weitreichende methodische Probleme (wie die Scheinkorrelationen und Kennzahlen-Illusion) gelöst, Datenqualität bereinigt und Datenquantität ermöglich wird.

Eine gute Einleitung bietet dieser ManagerSeminare Artikel als auch dieses deutsche Vortragsvideo (Teil 1 und Teil 2). Methodische Details beschreibt dieser wissenschaftliche Journal-Beitrag.

Was kann ein Marketing-Mix-Modeling leisten?

By | Ratgeber
Was kann Marketing-Mix-Modeling, was nicht und was sollte man bei der Methoden- und Anbieterwahl beachten? Wir gehen die 5 wichtigsten Fragen durch, die sie sich stellen sollten.

Marketing-Mix-Modeling ist aus der Erkenntnis erstanden, dass das zeitgleiche Wirken einzelner Marketingmaßnahmen nicht durch deskriptive Datenauswertung bestimmt werden kann. Korrelationskoeffizienten oder Kennzahlenvergleiche „mit vs. ohne Maßnahme X“ sind inhärent verzerrt – dies ist der klassische Scheinkorrelationseffekt.

Regressionsanalytische Ansätze können helfen zu ermitteln, welche Maßnahme, welchen Effekt besitzt. Im Prinzip können diese das. Die Güte der Ergebnisse hängt jedoch davon ab, wie ihr Datensatz aussieht und welche Analysemethode sie verwenden. Folgende 5 Fragen sollte sich jeder vor dem Einsatz stellen.

  1. Kann die Analysemethode nichtlineare Zusammenhänge und Interaktionen zwischen Marketing-Channels abbilden?

Jeder Marketing-Kanal ist irgendwann gesättigt. Ein weiterer Euro wird nicht die gleiche Dividende tragen wie der erste. Es kommt sogar regelmäßig vor, dass ab einem bestimmten Punkt zusätzliche Ausgaben sogar negativ sind. Diese Phänomene nennt man Nichtlinearitäten.

Zudem ist es unter Mediaexperten schon fast Allgemeinwissen, dass Marketingkanäle zusammen mehr Effekt bringen als die Summe Einzeleffekte. Diese Phänomen, dass im Management Synergie genannt wird, heißt in statistischer Sprache „Interaktionen“. Da verwundert es schon, dass die meisten Marketing-Mix Modelle gänzlich ohne das Modellieren dieser Interaktionen auskommen.

  1. Kann die Analysemethode solche Nichtlinearitäten und Interaktion finden, die noch unbekannt sind?

Grundsätzlich ist es methodisch seit langer Zeit mit Hilfe ökonometrischer Modelle mögliche Nichtlinearitäten und Interaktionen zu modellieren. Die Voraussetzung ist jedoch, dass man im Vorhinein weiß, welche Nichtlinearitäten und Interaktionen wo vorkommen. Dann können die Methoden die Parameter dazu bestimmen.

Marketing Mix Modelle können z.B. 100 Variablen haben. Dies bedeutet 10.000 mögliche Interaktionen. Hinzu kommt, dass es verschieden Arten von Interaktionen gibt (UND, ODER, XOR, etc.). Daher ist dies äußerst zeitaufwendig.

Darüber hinaus zeigt es die praktische Erfahrung, dass das vorhandene Vorwissen so gut wie nie ausreicht, um damit genaue Vorgaben für die ökonometrischen Modelle zu begründen.

Genau das ist der Hohe praktische Vorteil und Nutzen der Universellen Strukturmodellierung und NEUSREL. Sie benötigt kein Vorwissen sondern findet selbständig jede beliebige Nichtlinearität und Interaktion. Das Ergebnis sind deutlich höhere Erklärungsgüten.

  1. Berücksichtigt die Analysemethode indirekte Effekte?

Regression und ökonometrische Modelle bilden die Beziehung zwischen Treibervariablen und Ergebnisvariablen ab. Sie messen ausschließlich direkte Effekte unter der Annahme, dass die Treiber sich nicht gegenseitig beeinflussen. Eine Annahme, die sich im digitalen Zeitalter, in dem viele Touchpoints interaktiv sind, nicht mehr zu halten ist.

In einem Marketing-Mix Projekt für einen Mobilfunkanbieter wurde durch die Universellen Strukturmodellierung und NEUSREL klar, dass TV-Spots dazu führen, dass Menschen nach dem Angebot zu googeln beginnen. Dies wiederum führte zu deutlich mehr Google Adword Klick, was wiederum zu Produktabschlüsse führte.

TV ist die treibende Ursache. Jedoch hatte TV nur sehr geringe direkte Effekte auf Produktabschlüsse. Und nur diese weisen Regressionsanalysen aus. Ohne das Berücksichtigen der indirekten Effekte würde ein sehr unrealistisches Bild über die Wirkung von TV entstehen.

  1. Ermöglicht ihr Datensatz das Bewerten von langfristigen Effekten?

Marketing Mix Modelle gelten als Methoden, die nur Kurzfristeffekte messen. Tatsächlich ist der Sachverhalt keine Frage der Analysemethode, sondern eine Frage der verwendeten Daten. Zwei Maßnahmen führen dazu, dass auch Langfristeffekte gemessen werden können.

Erstens, können längerfristige Effekte betrachtet werden, indem mehrere Zielvariable verwendet werden, die sich im Zeithorizont unterscheiden. Es werden also nicht nur die Verkaufszahlen der nächsten Wochen verwendet sondern ebenfalls die in 2 Wochen, 1 Monat, oder eben 6 Monaten.

Zweitens können marktforschungsbasierte Variablen wie Markenpräferenz als Zwischengrößen mit in das Modell einbezogen werden. Diese Maßnahme erlaubt es zu messen, welchen Einfluss Marketingkanäle auf die Markenpräferenz besitzen und sie erlaubt zu messen, welchen Einfluss die Änderung in Markenpräferenz auf Verkaufszahlen hat.

Der Clou ist, dass die Steigerung der Markenstärke ein kurzfristiger Zwischeneffekt ist, der sich langfristig auswirkt, da Marken-Einstellungen nachweißlich langfristig wirken. Mit diesem Hintergrundwissen lassen sich die Langfristig-Effekte mit einem Horizont von 1 bis 2 Jahren errechnen.

  1. Ermöglicht die Analysemethode bei gegebener Fallzahl alle relevanten Channels zeitgleich zu betrachten?

Vor einigen Jahren war Marketing-Mix Modeling noch einfacher. Es gab TV, Radio, Print und Plakate. Heute gibt es Adwords, tausend Online-Banner-Arten, Affiliate-online ads, Pre-Rolls, Game-Commercials, Presseberichte, Inbound-Telefon-Kontakte, Shop-Besuche, Videobasierte Outdoor Formate, eigener Website-Traffic, Social media engagement, Mobile ads, Firmenevents, Sponsoring, Produktlaunch-Specials, Wettbewerbs-Spendings, etc. etc. etc.

Wenn wir davon ausgehen, dass diese dutzenden von Kanäle sich in ihrer Wirkung beeinflussen und Synergien bilden, so wäre es sinnvoll alle in ein Modell zu integrieren.

Das Problem:

Je mehr Variablen in ein Modell aufgenommen werden, desto mehr Datenpunkte sind notwendig, um das Modell valide zu spezifizieren. Meist werden Daten jedoch bestenfalls auf Wochenbasis verwendet, was zu Datensätze führt, die lediglich 50 bis 100 Datenpunkte besitzen. Regressionsansätze können bei dieser Fallzahl lediglich 5-10 Variablen sinnvoll verarbeiten, wenn man robuste Ergebnisse erhalten möchten.

Wir haben in NEUSREL eine Technologie implementiert, die in ihren Grundsätzen bereits seit 20 Jahren sehr erfolgreich u.a. in der Genetik verwendet wird. Hier werden Datensätze verarbeitet, die deutlich mehr Variablen (=Chomosome) als Datensätze (=Probanden) besitzen. Möglich wird dies durch einen methodischen Trick. Die Methode versucht nicht mehr eine Ergebnisvariable zu erklären, sondern viele Zielvariablen Gleichzeit.

Verkaufszahlen in verschiedenen Verkaufskanälen sind ein Beispiel. Alle diese Ergebnisvariablen haben gemeinsame Treiber und Ursachen. Die Methode komprimiert die Treibervariablen zu wenige stellvertretende Variablen (sogenannte Komponenten). Die bekannte Hauptkomponenten- oder Faktoranalyse arbeitet anders. Sie bilden Stellvertreter-Variablen, die in der Lage sind die Treibervariablen so gut wie möglich zu erklären. Die neue Methode bildet die Stellvertretervariablen so, dass diese dann die Zielvariablen bestmöglich prognostizieren kann. Dies ist ein fundamentaler und entscheidender Unterschied.

Die Bedeutung der Methode ist enorm. Sie ermöglicht bei üblichen Fallzahlen endlich alle relevanten Einflussfaktoren einzubeziehen. Und genau dies liefert deutlich validere Modelle. Hinzu kommt das der Bedarf besteht, immer kürzere Zeiträume in die Analyse einzubeziehen, gerade wenn Kampagnen nur über einen begrenzten Zeitraum laufen.

6. Zusammenfassend …

ergibt die Antwort auf diese 5 Frage eine Antwort darauf, welche Methode anzuwenden ist:

  1. Kann die Analysemethode nichtlineare Zusammenhänge und Interaktionen zwischen Marketing-Channels abbilden?
  2. Kann die Analysemethode solche Nichtlinearitäten und Interaktion finden, die noch unbekannt sind?
  3. Berücksichtigt die Analysemethode indirekte Effekte?
  4. Ermöglicht ihr Datensatz das Bewerten von langfristigen Effekten?
  5. Ermöglicht die Analysemethode bei geringer Fallzahl alle relevanten Channels zeitgleich zu betrachten?

Gern möchten wir Ihnen den Suchprozess erleichtern: Es gibt am Markt derzeit nur eine Methodik und eine Software, die den Anforderungen gerecht wird. Es ist die Universelle Strukturmodelierung, die in der NEUSREL-Software implementiert ist.

p.s. Weiterführendes zu NEUSREL und die Universelle Strukturmodelierung finden Sie hier.

Welche Marktforschungs-Projekte erfordern Treiberanalyse?

By | Ratgeber
Treiberanalysen finden heute meist in wenigen Bereichen Einsatz, besitzen jedoch ein weit größeres Potential. Lassen sie uns beleuchten wo ein Einsatz zu empfehlen ist.

Am Anfang sollten Sie sich einmal aufschreiben, was Ihre Forschungsziele sind. Ist es das Ziel, Fakten zu erheben oder etwa den Kunden genauer zu beschreiben? Wieviel Marktanteil besitzen wir? Was denkt der Kunde über uns? Wie zufrieden sind die Kunden? Wie gut wird der neue Werbespot erinnert? In all diesem Fällen benötigen sie keine Treiberanalyse!

Oft stecken hinter Anfragen nach Fakten jedoch eine fundamentaler Frage: Was kann ich tun, um den Absatz zu steigern, um Kunden zufriedener zu machen oder um den Werbespot wirksamer? Immer dann wenn sie wissen möchten, was ihr Ziel beeinflusst, dann ist dies nicht mehr direkt in den Daten ersichtlich. Dann müssen Treiberanalysen angewendet werden.

Treiberanalysen für alle Fragen nach Ursachen und nach den besten Maßnahmen einsetzen

Sie können etwa in einem Copytest die Werbeerinnerung messen und die Befragten dazu befragen, was sie von dem Spot halten. Jedoch sind Konsumenten nicht in der Lage wahrheitsgerecht der Ursache für ihre Wünsche und ihr Handeln zu benennen, noch sind sie immer willens. Niemand wird ihnen sagen „Weil das Markenlogo am Ende nicht eingeblendet wurde, kann ich mich kaum noch an die Werbung erinnern.“

Die Lösung bieten Treiberanalysen. Nach einem randomisierten Werbeblock werden etwa u.a. Markenimage und Kaufbereitschaft in einer Befragung ermittelt. Die Treiberanalyse kann anhand der Daten dann ermitteln, welchen Effekt ein Werbespot auf z.B. das Markenimage und Kaufbereitschaft hatte.

Ohne die richtigen Daten ist Treiberanalyse halb so effektiv

Mit Treiberanalysen erfahren sie was die Werbung auslöst, ändert und bewirkt. Mit den richtigen Frageitems lassen sich so präzise Hinweise zur Verbesserung des Werbespots ermitteln.

Sie fragen sich vielleicht, warum man nicht einfach z.B. Befragte vergleichen kann: Etwa die Kaufbereitschaft derjenigen, die den Spot gesehen vs. derer die ihn nicht gesehen haben. Die Antwort ist einfach. Es sind nicht die gleichen Personen. Beide Samples sind immer verschieden.

Die Kontrollgruppe kann etwa mehr Personen beinhalten, die das Produkt bereits kennen und lieben. Ihre Antwort auf die Kaufbereitschaft wird deutlich anders ausfallen. Die Treiberanalyse rechnet alle sonstigen Einflüsse (wie etwa ob jemand bereits Kunde ist) heraus und kann so den wahren Effekt bestimmen.

Jedes zweite Marktforschungsprojekt sollte Treiberanalysen verwenden

Geht man mal die Liste üblicher Markforschungsprojekte durch, fällt auf, dass in fast jedem die Frage nach dem „Warum“ und dem „Was tun“ aufkommt. Sei es Copytests, Konzepttests, Kundenzufriedenheits- und Loyalitäts-Studien, Brandtracking, Positionierungs- und Segmentierungsstudien.

p.s. Weiterführendes zu NEUSREL und die Universelle Strukturmodelierung finden Sie hier.

Wie findet man Erfolgstreiber?

By | Ratgeber
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.