Kategorie-Archiv: Neuro

Bestimmung optimaler Preise mit EEGs?

Können auf der Grundlage von Hirnstrom-Messungen mit gerade mal 30 Personen valide Aussagen zu marktrepräsentativen Zahlungsbereitschaften getroffen und damit der für ein Produkt gewinnoptimale Preis bestimmt werden?

Kai-Markus Müller von den “Neuromarketing Labs” behauptet: das funktioniert. Eine verlockende Perspektive, die mit dem jüngst erschienenen Artikel im Print-SPIEGEL sogar ein marketingfremdes Breitenpublikum erreicht hat (hier der Link zur englischen Online-Version).

Belege, dass der so identifizierte “Wohlfühlpreis” sich am Markt tatsächlich behaupten kann, stehen noch aus – immerhin wird versichert, dass ein weitergehendes Data Mining bereits laufe und eventuelle verbleibende Unschärfen der Methode beheben könne.

Ein Diskussionsbeitrag in einem nicht-öffentlichen XING-Forum zum Thema Pricing:

NeuromarketingLabs1

neuromarketinglabs_eeg

NeuromarketingLabs2

 

Weiterführende Informationen:

Kundenzufriedenheit: systematische Messfehler?

Es ist ein methodischer Paukenschlag, der weitreichende Implikationen für die praktische Anwendung eines der gängigsten Marketing-KPI haben könnte.

Kundenzufriedenheit ist heute einer der Marketing-Indikatoren, dessen Performance das Management oft genaustens im Blick behält.  Sie ist eine praktische Kennzahl gleichermaßen für die Reibungslosigkeit der Vertriebs-Prozesse und für die Abschätzung zu erwartender Wiederkaufsraten. Als eine der Variablen, die erst nach mindestens einer erfolgten kommerziellen Transaktion erhoben werden kann, spiegelt sie zudem die wahrhaftige und unmittelbare Kundenmeinung wider. An kaum einen anderen Marketing-KPI sind ähnlich weitreichende Konsequenzen für Boni oder Aufstiegschancen für die verantwortlichen Manager gebunden.

Ein Team um Joachim Büschken, Statistiker und Marketing-Professor an der Universität Eichstätt-Ingolstadt, zeigt in der August-Ausgabe der Zeitschrift “Marketing Science” anhand von vier Beispielen auf, dass die seit Jahrzehnten etablierte Vorgehensweise, Teilzufriedenheiten über Regressionsanalysen mit einer Gesamtzufriedenheit in Verbindung zu setzen, schwerwiegende Probleme mit sich bringt.

Letztere Methode sei nämlich nur zutreffend für Probanden, deren Prozesse bei der Zufriedenheitsbewertung tatsächlich “bottom-up” funktionieren: ausgehend von der Erinnerung an die einzelnen Aspekte der Konsumerfahrung werden diese gewichtet und synthetisch zu einer Gesamt-Kognition aggregiert. Diese hängt inhaltlich kausal von den Einzelaspekten ab, und die Stärke der Zusammenhänge kann grundsätzlich über Regressionsgewichte gemessen werden. Die Autoren bestreiten nicht, dass dieser bottom-up-Prozess – in der Terminologie der Autoren: “Forming” – in der Realität anzutreffen sei. Allerdings weisen sie darauf hin, dass es durchaus nicht erwiesen ist, ob wirklich 100% des menschlichen Denken über Zufriedenheit diesem Modell folgt.

Ein Problem würde sich nämlich bereits dann ergeben, wenn bei einem gewissen Anteil einer Kundenpopulation die kognitiven Prozesse stattdessen “top-down” ablaufen sollten. In diesem Fall können Probanden eine Gesamtzufriedenheit abrufen, und verteilen diese anschließend in einer solchen Weise auf die Einzelkomponenten, dass sich ein stimmiges und konsistentes Bild ergibt. Diese Prozessrichtung bezeichnen die Autoren als “Haloing”, weil sich die Gesamtzufriedenheit auf Einzelkomponenten abstrahlt – und sich nicht erstere aus den letzteren ergibt. Selbst wenn nur einer gewisser Teil einer Stichprobe nach dem Halo-Prinzip vorgingen, würden die etablierten regressionsanalytischen Methoden für exakt diesen Teil nicht nur ungenaue, sondern systematisch verzerrte Ergebnisse zu Tage fördern. Je größer der Anteil an Halo-Daten, desto problematischer wäre dies für die Interpretierbarkeit der gesamten Daten.

Die Autoren entwickeln ein probabilistisches Modell, das in der Lage sein soll,

  1. Forming- von Haloing-Daten innerhalb eines gegebenen Datensatzes zuverlässig analytisch zu unterscheiden, und
  2. über bayessche Schätzmethoden die relative Effektstärke von Einzelkomponenten für beide Gruppen adäquat zu quantifizieren

Anhand eines realen Beispiels (Zufriedenheit mit einem Krankenhaus, erhoben mit knapp 400 qualifizierten Probanden) wird die Methode angewendet. Dabei stellt sich heraus, dass nicht weniger als 45% der Stichprobe der Haloing-Gruppe zuzurechnen ist! Dass selbst für eine Produktkategorie mit überdurchschnittlichem Involvement die synthetisch vorgehenden Forming-Gruppe mit mit 38% kleiner ist, ist die dabei die eigentliche Sensation und sollte bei den betreffenden Unternehmen alle Warnsirenen für die klassischen Analyseroutinen aktivieren.

Die Auswirkungen dieser Ergebnisse scheinen zwar einen großen Teil der bisher gemessenen Kundenzufriedenheitswerte als zuverlässigen Kompass zu entwerten. Dennoch ergibt sich hieraus auch die echte Chance, eines der mittlerweile klassischen marketingtheoretischen Konzepte neu zu denken und ihm durch nun endlich valide Messungen schärfere und besser anwendbare Implikationen abzugewinnen.

Weiterführende Informationen: