Marken- und Produktpositionierung - TU Berlin

Weitere Magazine

Empfehlungen

Info

Übereinstimmung mit dem Idealprodukt vorliegt. Problematisch ist bei den probabilistischen Ansätzen die Schätzung des Parameters, der ausdrückt, wie schnell die Kaufwahrscheinlichkeit mit wachsender Distanz sinkt. Besonders bei häufig gekauften Konsumgütern bilden probabilistic choice-Ansätze das Markenwahlverhalten gut ab (SUDARSHAN et al.1987, S. 184). 2.3. Statistische Verfahren Zur Produktpositionierung sind mehrere Multivariatenanalyseverfahren nützlich. Mit der Clusteranalyse können Zielkunden oder Marken zusammengefasst werden, mit der Faktorenanalyse können Imageitems zu Dimensionen verdichtet werden, mit der Mehrdimensionalen Skalierung und der Korrespondenzanalyse können tabellierte Ähnlichkeits- oder Präferenzdaten in Dimensionswerte überführt werden, mit der Regressionsanalyse können multivariate Beziehungen zwischen Image- und Einstellungs- oder Verhaltenswerten quantifiziert werden, dasselbe gilt im Falle nichtmetrisch skalierter abhängiger Variablen für die Diskriminanzanalyse, Conjoint Measurement kann zur experimentellen Untersuchung der Beziehung zwischen kategorialen Imageausprägungen und Einstellungs- oder Präferenzwerten genutzt werden usw. (vgl. HERRMANN/HOMBURG 2000; BACKHAUS et al. 2000). Da die in diesem Artikel behandelten Positionierungsmodelle zumindest auf der Faktorenanalyse, der Mehrdimensionalen Skalierung und der Conjoint-Analyse basieren, sollen diese drei Verfahren wenigstens kurz skizziert werden. 2.3.1. Positionierung mit der Faktorenanalyse Ziel der Faktorenanalyse ist, eine Vielzahl von Variablen auf übergeordnete Faktoren zurückzuführen (vgl. BACKHAUS et al. 2000, S. 252 f.). Das der faktorenanalytischen Positionierung zugrundeliegende Vorgehen ist kompositionell, das heißt bei der Produktpositionierung werden viele potenziell imagerelevante Eigenschaften auf wenige Imagedimensionen verdichtet, die den Marktraum aufspannen. Im Idealfall können die Faktoren als voneinander unabhängig angenommen werden, was den Algorithmus und die Darstellung vereinfacht. Im zweiten Schritt werden die Marken entsprechend ihrer Faktorausprägungen im Marktraum positioniert. Bei der Erhebung wurden Marken anhand von Imageratings (Items) beurteilt. Nach der Verdichtung der Items zu Faktoren müssen die Image-Ausprägungen auf den Faktoren errechnet werden (Faktorenwerte). Das geschieht innerhalb der Faktorenanalyse mittels Regression. 14
Ein für Positionierungsanwendungen typisches Problem der Faktorenanalyse liegt in der Vorstellung eines gemeinsamen Raumes für alle relevanten Marken, wogegen üblicherweise jede für eine Marke erhobene Datenmatrix aus Imageitems und Befragten faktorisiert wird und dann so viele verschiedene Imageräume entstehen, wie Marken in der Untersuchung sind. Die Konstruktion eines gemeinsamen Raumes für alle k Marken kann auf verschiedenen Wegen erreicht werden: Ein Weg läuft über die Transformation der Imagewerte von "allen anderen" k-1 Marken in den Referenzraum einer Marke, der z.B. aus der Faktorenanalyse der Idealmarke oder der eigenen Marke errechnet wurde. Ein anderer Weg ist die dreimodale Faktorenanalyse, wobei neben dem Modus "Items" und "Personen" als dritter Modus "Marken" in einer simultanen Faktorenanalyse des gesamten Datenkubus geführt werden. Die Marktforschungspraxis geht bislang großzügig über dieses an sich gravierende Problem hinweg. Meistens bleibt es bei einer Faktorenanalyse für die Marke des Auftraggebers. Schon die Berechnung von Faktorwerten für eine gemeinsame Positionierung aller Marken unterbleibt in der Regel. 2.3.2. Positionierung mit der Mehrdimensionalen Skalierung (MDS) Ziel der MDS ist es, aus Ähnlichkeits-, Präferenz- oder Substitutionsdaten einen möglichst nur zwei- oder dreidimensionalen Positionierungsraum zu generieren. Darin sollen die Marken so abgebildet werden, dass die erhobenen Ähnlichkeiten zwischen den Marken den Interdistanzen im Modell möglichst gut entsprechen. Zielkriterium der MDS ist die Minimierung eines Maßes (Stress) für die durchschnittliche Abweichung der empirischen Daten von den modellanalytisch rekonstruierten Daten aus der geschätzten MDS-Konfiguration (vgl. WÜHRER 2000, S. 441). Nach der Erstellung des Positionierungsraumes folgt die Interpretation der ermittelten Dimensionen. Sie kann entweder auf Basis von Expertenurteilen erfolgen oder durch weitere Fragen an die Probanden, nun direkt zu den Ausprägungen bestimmter Produkteigenschaften. Mittels eines als "Property Fitting" (PROFIT) bezeichneten optimierenden Verfahrens wird die durch die MDS ermittelte Lösungskonfiguration mit den Ergebnissen der direkten Abfrage überprüft (SCHOBERT 1979, S. 187). Ein anderes Verfahren zur Interpretation der räumlichen Darstellung ist LINMAP (LINear programming techniques for Multidimensional Analysis of Preferences) (SRINIVASAN/SHOCKER 1973). 2.3.3. Positionierung mit der Conjoint-Analyse 15
Seite 1 und 2: Volker Trommsdorff, Umut Asan, Just
Seite 3 und 4: Annahmen durch einen eigenen Ansatz
Seite 5 und 6: Von der Positionierung als Abbildun
Seite 7 und 8: können über das kommunikative Mar
Seite 9 und 10: Abbildung 2: Begriffssystem der Mar
Seite 11 und 12: Diskriminanzfähigkeit: Die Eigensc
Seite 13: Positionierungsräume, die existier
Seite 17 und 18: Die indirekte Datenerhebung ist sch
Seite 19 und 20: Grundsätzlich beruhen die Annahmen
Seite 21 und 22: HORSKY und NELSON auf Daten von im
Seite 23 und 24: Die vorgestellten Positionierungsmo
Seite 25 und 26: gleichzeitig im Consideration Set s
Seite 27 und 28: Strategieableitung als Input für W
Seite 29 und 30: 4. Literaturverzeichnis ALBERS, S.
Seite 31: TEICHERT, T. (2000): Conjoint-Analy

Marken- und Produktpositionierung - TU Berlin

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

Template löschen?

Als Template speichern?