Christoph Müllejans

Einflussfaktoren auf den Endpreis von Online-Auktionen

Abstract

Im Jahr 2007 konnte eBay weltweit 212 Millionen registrierte Mitglieder vorweisen. Die Verdoppelung der Mitgliederzahl seit dem Jahr 2005 ist nur eines von vielen Zeichen, die auf die steigende Attraktivität des E-Commerce hindeuten. Neben sinkenden Transaktionskosten macht auch das vielfältige Warenangebot den Onlinekauf immer populärer. So führt eBay seine Artikel in rund 50.000 Kategorien, die über eine Suchfunktion für den Bieter einfach zu überschauen ist. Und obwohl die angebotenen Artikel leicht verglichen werden können, herrschen bei gleichen Produkten starke Preisschwankungen, die nicht allein mit einer Auktionstheorie begründet werden können.

In der vorliegenden Arbeit wird eine Auktion deshalb als ein Bündel von Merkmalen verstanden, deren Komponenten einen Einfluss auf den Endpreis einer Auktion ausüben. Neben dem klassischen Modell von Angebot und Nachfrage wird unter Beachtung von psychischen Auswahlprozessen ein Modell zur Erklärung der einzelnen Einflussfaktoren hergeleitet.

Das aufgestellte Modell beinhaltet dabei unter anderem Variablen wie die Reputation des Verkäufers, die Laufzeit der Auktion, die Rechtfertigung für den Verkauf des Artikels, das Maß der Professionalität bei der Artikelpräsentation, Arten der Artikelkennzeichnung und die Anzahl der Gebote.

Im Rahmen dieser Arbeit wurde ein hochpreisiger Artikel über 3,5 Monate beobachtet und dabei eine Vielzahl von Variablen erhoben. Die gesammelten Daten aus 332 Auktionen wurden anschließend mit Hilfe einer multivariaten Regressionsanalyse untersucht. Dabei konnten von achtzehn Variablen acht als statistisch signifikant identifiziert werden. So stellte sich bei der Bildung der Endpreise heraus, dass gewerbliche Verkäufer mehr verdienen, eine gute Geschäftsatmosphäre zu einer höheren Zahlungsbereitschaft führt, die Anzahl der Bilder einen großen Einfluss auf den Endpreis besitzt, eine Rechtfertigung des Verkaufs zu einer Entwertung führt, die Anzahl der teilnehmenden Bieter eine untergeordnete Rolle spielt, die Endpreise an verschiedenen Wochentagen unterschiedlich ausfallen und dass bei sehr hohen Startpreisen, die über dem Marktpreis liegen, trotzdem noch Bieter an der Auktion teilnehmen. Aus dem empirischen Befund werden Empfehlungen an Forschung und Praxis abgeleitet. Die Arbeit richtet offene Fragen an zukünftige Forscher des Gebietes und gibt dem Auktionshaus eBay sowie deren Teilnehmern Ratschläge zur Maximierung ihrer Gewinne. Schlagwörter: Online-Auktion, Regression, Preis, Einflussfaktoren, Beobachtung

  Christoph Müllejans  

  Einflussfaktoren auf den Endpreis von Online-Auktionen  

  INHALTSVERZEICHNIS  

  Abkürzungsverzeichnis.  IV

  Abbildungsverzeichnis  V

Tabellenverzeichnis. VI   

1  Identifikation von Einflussfaktoren bei Online-Auktionen als Problem  1

2  Konzeptionelle Grundlagen von Online-Auktionen.  3

2.1  Online-Handel auf Auktionsplattformen  3

2.1.1  Auktionsformen im Allgemeinen  3

2.1.2  Handeln bei eBay.  5

2.2  Theoretische Ansätze zur Erklärung von Online-Auktionen  9

2.2.1  Risikotheorie  9

2.2.2  Auktionstheorie  10

2.2.3  Typen von Kaufentscheidungen.  11

2.2.4  Awareness und Evoked Set.  12

2.2.5  Angebot und Nachfrage  13

2.2.6  Informations-Integrations-Theorie.  14

3  Erstellung des Modells zur Identifikation von Einflussfaktoren  16

3.1  Herleitung der Hypothesen  16

3.1.1  Hypothesen basierend auf Vertrauen und Risiko  16

3.1.2  Hypothesen basierend auf der Auktionstheorie  19

3.1.3  Hypothesen basierend auf psychischen Auswahlprozessen  20

3.1.4  Hypothesen basierend auf Angebot und Nachfrage.  22

3.2  Zusammenfassung des Modells.  24

4  Empirische Untersuchung der Wirkung einzelner Faktoren auf den Endpreis  

  einer Auktion  25

4.1  Beschreibung der Forschungsmethode  25

4.1.1  Anwendungsgebiete der Regressionsanalyse  25

4.1.2  Modellformulierung  26

4.1.3  Schätzung der Regressionsfunktion  27

4.1.4  Prüfung der Regressionsfunktion  29

4.1.5  Prüfung der Regressionskoeffizienten.  30

4.1.6  Prüfung der Modellprämissen  32

4.1.7  Schrittweise Regression  36

I

  Christoph Müllejans  

  Einflussfaktoren auf den Endpreis von Online-Auktionen  

4.2  Datengrundlage der Analyse  37

4.2.1  Herkunft der Daten.  37

4.2.2  Erklärung der erfassten Variablen.  38

4.3  Analyse der Daten  41

4.3.1  Deskriptive Statistik.  41

4.3.2  Erklärung des Preistrends.  46

4.3.3  Modell 1: Verkäufertyp  50

4.3.4  Modell 2: Laufzeit  51

4.3.5  Modell 3: Erscheinung der Auktion  52

4.3.6  Modell 4: Inhaltsbeschreibung der Auktion.  53

4.3.7  Modell 5: Anzahl der Gebote  54

4.3.8  Modell 6: Rechtfertigung des Verkaufs  55

4.3.9  Modell 7: Vorheriges Modell ohne Laufzeit  56

4.3.10  Modell 8: Vorheriges Modell ohne Farbe  57

4.3.11  Modell 9: Versandkosten  58

4.3.12  Modell 10: Startpreis  59

4.3.13  Modell 11: Anzahl der Bieter  60

4.3.14  Modell 12: Erfahrung der Käufer  61

4.3.15  Modell 13: Reputation der Verkäufer - Mitgliedschaft  62

4.3.16  Modell 14: Reputation der Verkäufer - Bewertungen  63

4.3.17  Modell 15: Wochentage  64

4.3.18  Modell 16: Mittwoch und Samstag  65

4.3.19  Modell 17: Angebot  66

4.3.20  Modell 18: Anzahl der Bilder.  67

4.3.21  Modell 19: Galeriebild  68

4.3.22  Modell 20: Fettschrift.  69

4.3.23  Modell 21: Untertitel.  70

4.3.24  Modell 22: PayPal-Schutz.  71

4.3.25  Modell 23: Endgültiges Modell  72

4.4  Interpretation der Ergebnisse  76

4.4.1  Hypothesen basierend auf Vertrauen und Risiko  76

4.4.2  Hypothesen basierend auf der Auktionstheorie  79

4.4.3  Hypothesen basierend auf psychischen Auswahlprozessen  80

4.4.4  Hypothesen basierend auf Angebot und Nachfrage.  83

II

  Christoph Müllejans  

  Einflussfaktoren auf den Endpreis von Online-Auktionen  

4.5  Zusammenfassung und Implikationen an die Praxis.  88

5  Fazit und Forschungsausblick.  93

  LITERATURVERZEICHNIS  VIII

  ELEKTRONISCHE QUELLEN  XI

ANHANG   XIII

III

Christoph Müllejans

Einflussfaktoren auf den Endpreis von Online-Auktionen

Abkürzungsverzeichnis API Application Programming Interface Aufl. Auflage bspw. beispielsweise bzw. beziehungsweise bzgl. bezüglich CD Compact Disc eBay eBay International AG E-Commerce Electronic Commerce E-Mail Electronic Mail engl. englisch et al. et alii GB Gigabyte Max Maximum Mio. Millionen Min Minimum Obs Observations PayPal PayPal Inc. S. Seite Std. Dev. Standard Deviation VIF Variance Inflation Factor Vgl. Vergleiche vs. versus z.B. zum Beispiel

IV

  Christoph Müllejans  

  Einflussfaktoren auf den Endpreis von Online-Auktionen  

  Abbildungsverzeichnis  

  Abbildung 1: Grafische Darstellung der möglichen Optionen der Artikeleinstellung.  

  Abbildung 2: Angaben zum Verkäufer und Abwicklungsmodalitäten.  

  Abbildung 3: Bewertungskommentare nach einer Auktion.  

  Abbildung 4: Zusammenhang zwischen Awareness und Evoked Set  

  Abbildung 5: Preis-Mengen-Diagramm.  

  Abbildung 6: Elemente der Informations-Integrations-Theorie.  

  Abbildung 7: Zusammenfassung des Modells  

  Abbildung 8: Anwendungsbereiche einer Regressionsanalyse.  

  Abbildung 9: Verschiedene Arten von Zusammenhängen  

  Abbildung 10: Methode der kleinsten Quadrate  

  Abbildung 11: Konfidenzintervalle und statistische Signifikanz.  

  Abbildung 12: Verschiedene Formen der Heteroskedastizität.  

  Abbildung 13: Unsicherheitsbereiche bei der Durbin/Watson Teststatistik  

  Abbildung 14: Grafik der Optionen Fettschrift, Untertitel, Galeriebild und PayPal-Schutz  

  Abbildung 15: Histogramm der Variable vbewertungsprozent.  

  Abbildung 16: Bivariate Statistik der Variablen preis und tag.  

  Abbildung 17: Bivariate Statistik der Variablen preis, kbewertungsanzahl und  

  wochentag.  

  Abbildung 18: Symmetrie-Plot der Variable preis  

  Abbildung 19: Regressionsgerade Preis-Tag  

  Abbildung 20: Quadrierte Funktionsform zur Erklärung des Preistrends.  

  Abbildung 21: Quadratische Funktionsform 5. Ordnung zur Erklärung des Preistrends  

  Abbildung 22: Unsicherheitsbereiche bei der Durbin/Watson Teststatistik  

  Abbildung 23: Plot zur Überprüfung der Normalverteilungsannahme der Residuen.  

  Abbildung 24: Histogramm der Variable anzahlbieter  

  Abbildung 25: Zusammenfassung der Befunde  

V

  Christoph Müllejans  

  Einflussfaktoren auf den Endpreis von Online-Auktionen  

  Tabellenverzeichnis  

Tabelle 1:  Ermittelter Anteil der Englischen Auktion in verschiedenen Studien  4

Tabelle 2:  Deskriptive Statistik der Stichprobe.  41

Tabelle 3:  Vorher-Nachher-Vergleich der Elimination von Ausreißern.  44

Tabelle 4:  Preis in Abhängigkeit der Zeitreihe  46

Tabelle 5:  Preis in Abhängigkeit des logarithmierten Tags  47

Tabelle 6:  Quadratische Funktionsform zur Erklärung des Preisverfalls  47

Tabelle 7:  Quadratische Funktion höherer Ordnung zur Erklärung des Preisverfalls  48

Tabelle 8:  Modell nach Hinzunahme der Variable verkaufertyp.  50

Tabelle 9:  Modell nach Hinzunahme der Variable laufzeit  51

Tabelle 10:  Modell nach Hinzunahme der Variablen erschfarbe und erschhtml.  52

Tabelle 11:  Modell nach Hinzunahme der Variable inhaltsbeschreibung.  53

Tabelle 12:  Modell nach Hinzunahme der Variable geboteanzahl.  54

Tabelle 13:  Modell nach Hinzunahme der Variable rechtfertigung.  55

Tabelle 15:  Modell nach Entfernen der Variable laufzeit.  56

Tabelle 15:  Modell nach Entfernen der Variable erschfarbe  57

Tabelle 16:  Modell nach Hinzunahme der Variable versandkosten  58

Tabelle 17:  Modell nach Hinzunahme der Variable startpreis  59

Tabelle 18:  Modell nach Hinzunahme der Variable anzahlbieter.  60

Tabelle 19:  Modell nach Hinzunahme der Variable kbewertungsanzahl.  61

Tabelle 20:  Modell nach Hinzunahme der Variable vbewertungsanzahl.  62

Tabelle 21:  Modell nach Hinzunahme der Variable vbewertungsprozent  63

Tabelle 22:  Modell nach Hinzunahme der Variablen DI, MI, DO, FR, SA, und SO.  64

Tabelle 23:  Modell nach Entfernen der Variablen DI, DO, FR und SO.  65

Tabelle 24:  Modell nach Hinzunahme der Variable anzahltag.  66

Tabelle 25:  Modell nach Hinzunahme der Variable bilderanzahl.  67

Tabelle 26:  Modell nach Hinzunahme der Variable galerie.  68

Tabelle 27:  Modell nach Hinzunahme der Variable fett.  69

Tabelle 28:  Modell nach Hinzunahme der Variable untertitel  70

Tabelle 29:  Modell nach Hinzunahme der Variable paypalschutz.  71

Tabelle 30:  VIF des endgültigen Modells  74

Tabelle 31:  Das endgültige Regressionsmodell  74

VI

  Christoph Müllejans  

  Einflussfaktoren auf den Endpreis von Online-Auktionen  

Tabelle 32:  Beta-Werte des Modells.  75

Tabelle 33:  Bivariate Statistik des Verkäufertyps und der Optionen.  80

Tabelle 34:  Bivariate Statistik der Erscheinung in HTML und dem Verkäufertyp  81

Tabelle 35:  Bivariate Statistik von Bilderanzahl und dem Verkäufertyp  82

Tabelle 36:  Deskriptive Statistik der Wochentage.  84

Tabelle 37:  Perzentile der Variablen anzahlbieter und preisohnetrend  85

Tabelle 38:  Gruppenvergleich von wenigen Bietern und einem hohen Preis  87

VII

Christoph Müllejans

Einflussfaktoren auf den Endpreis von Online-Auktionen

1 Identifikation von Einflussfaktoren bei Online-Auktionen als Problem

Online-Auktionen haben in den vergangenen Jahren eine große Bedeutung im E-Commerce bekommen. Die einfache Handhabung, geringe Transaktionskosten sowie die geographische Unabhängigkeit führen zu einer stetig wachsenden Zahl der Auktionsteilnehmer im Businessto-Consumer und Consumer-to-Consumer Bereich.

Die Online-Auktionsplattform eBay hat sich seit 1995 in 33 internationalen Märkten auf vier Kontinenten als Online-Marktplatz etabliert und zählt bis heute 212 Mio. registrierte ¹ Mitglieder weltweit. eBay bietet den Verkäufern die Möglichkeit, ihre Artikel in einer der ² 50.000 Unterkategorien einzustellen. Nach eigenen Angaben werden derzeit bei eBay

Deutschland alle vierzehn Sekunden ein Handy und alle zehn Minuten eine Schrankwand ³ verkauft.

Obgleich das Phänomen eBay seit Mitte der 90er Jahre sich stets wachsender Beliebtheit erfreut und nach wie vor eine Vielzahl von Studien erscheinen, beschränken sich die empirischen Untersuchungen zumeist auf den amerikanischen und asiatischen Raum. So finden sich zahlreiche Arbeiten, die sich lediglich auf Teilaspekte von Online-Auktionen wie ^{4 5} z.B. die Anbieterreputation, die Laufzeit und Teilnehmerzahl oder die Abgabe von Geboten ⁶ konzentrieren. Je nach Untersuchung kommen die Studien zu unterschiedlichen Ergebnissen, welche teilweise auf kulturelle Unterschiede, aber auch auf das Untersuchungsdesign zurückzuführen sind. Teilweise gehen die Forscher des Gebietes davon aus, dass durch eine ⁷ reine Beobachtung von Auktionen nicht alle Variablen korrekt erfasst werden können.

Diese Arbeit soll den bisherigen Wissensstand erweitern, indem sie nicht nur Teilaspekte, sondern alle verfügbaren Variablen von Online-Auktionen bei eBay Deutschland untersucht. Dabei kommt ein neues Verfahren der Datenerhebung zum Einsatz: so soll die eBay-APIdas Application Programming Interface - genutzt werden, um die oben genannten Einschränkungen der Datengewinnung zu umgehen. Auf diese Weise kann eine große Anzahl

^{1 Vgl. http://pages.ebay.de/aboutebay.html?ssPageName=f:f:DE. 2 Vgl. http://www2.ebay.com/aw/de/200508.shtml#2005-08-30155930. 3} Vgl. http://presse.ebay.de/news.exe?content=FD.

^{4 Vgl. Lucking-Reiley et al. (2000); Livingston (2002); Resnick et al. (2004). 5 Vgl. Dholakia et al. (2002); Bajari/Hortacsu (2003). 6} Vgl. Pavlou (2004).

⁷ Beispielsweise ist beim Auktionshaus eBay der Startpreis einer Auktion nicht mehr in der Auktionsübersicht zu erfassen, sobald ein Gebot abgegeben wird.

1

Christoph Müllejans

Einflussfaktoren auf den Endpreis von Online-Auktionen

von Auktionen beobachtet werden. Durch die Beobachtung über die eBay-API gehen keine wertvollen Variablen verloren. Die so gewonnenen Daten sollen einer multivariaten Analyse unterworfen werden, mit dem Ziel, die Abhängigkeit des Endpreises einer Auktion von verschiedenen Einflussfaktoren herzuleiten und im Anschluss erklären zu können.

Kapitel 2 befasst sich mit den zugrunde gelegten Theorien und definiert für die Arbeit wichtige Begriffe. In Kapitel 3 werden die Hypothesen aus den Theorien hergeleitet. Kapitel 4 ist der empirischen Untersuchung vorbehalten. So wird zunächst die Regression und die dahinter stehende Methodik erklärt. Des Weiteren wird der Umgang mit Gütekriterien erläutert, die später bei der Regression Anwendung finden. Danach folgt eine Beschreibung der Annahmeverletzung, die bei der Nutzung der Kleinst-Quadrat-Methode auftreten kann. Daraufhin wird die Herkunft der Daten und die Operationalisierung der Konstrukte erläutert, wobei an dieser Stelle noch einmal genau auf die Datenstruktur eingegangen wird, um Dritten eine Sekundäranalyse zu ermöglichen. Im Anschluss folgt eine Diskussion der deskriptiven Statistik, um die Vorarbeit für die schrittweise Regression zu leisten, in welcher dann die aufgestellten Konstrukte auf kausale Zusammenhänge überprüft werden. Das Kapitel endet mit einer ausführlichen Diskussion des endgültigen Modells sowie einer Interpretation der Daten im Hinblick auf die aufgestellten Hypothesen und richtet Handlungsempfehlungen an eBay und eBay-Teilnehmer. Kapitel 5 stellt offene Fragen an Forscher des Gebietes und schließt die Arbeit mit einem Fazit.

2

Christoph Müllejans

Einflussfaktoren auf den Endpreis von Online-Auktionen

2 Konzeptionelle Grundlagen von Online-Auktionen 2.1 Online-Handel auf Auktionsplattformen 2.1.1 Auktionsformen im Allgemeinen

Bruhn/Homburg definieren eine Auktion allgemein als „Marktveranstaltung, in deren Rahmen ⁸ ein angebotenes Gut an den Nachfrager verkauft wird, der den höchsten Preis bietet“. Man

unterscheidet dabei vier verschiedene Auktionsformen, die sich durch ihre Art der Gebotsabgabe und der Bestimmung des Endpreises voneinander abgrenzen lassen. Zu nennen sind die Englische Auktion, die Holländische Auktion, die Höchstpreisauktion und die Vickrey-Auktion. Sie lassen sich dahingehend unterscheiden, ob die Gebote offen oder verdeckt abgegeben werden, in welche Richtung die Auktionsuhr läuft und ob der zu zahlende ⁹ Preis dem Endgebot entspricht oder um mindestens einen Gebotsschritt geringer ausfällt. Weiterhin ist zwischen einer statischen und einer dynamischen Auktion zu unterscheiden. Im Gegensatz zur statischen Auktion ist bei einer dynamischen Auktion den Bietern das jeweilige Höchstgebot und dessen Bieter bekannt. Somit kann ein Gebot das Bieterverhalten ¹⁰ beeinflussen und so das Geschehen dynamisch variieren.

Bei der Englischen Auktion legt der Verkäufer einen Startpreis fest, wobei Gebote offen abgegeben werden und Mehrfachgebote möglich sind. Der Höchstbietende erhält am Ende den Zuschlag zu dem von ihm zuletzt genannten Preis. In der Regel steigen die Preisgebote ¹¹ sukzessiv (aufsteigende Auktion).

In der Holländischen Auktion gibt der Verkäufer einen möglichst hohen Startpreis vor, der über der maximalen Zahlungsbereitschaft der potenziellen Käufer liegt. Es ist die einzige Auktionsform, bei der der Auktionspreis im Laufe der Auktion sukzessive sinkt (absteigende ¹² Auktion) bis ein Bieter sein Gebot abgibt, zu dem er den Artikel letztendlich erhält.

Bei der Höchstpreisauktion gibt jeder Bieter sein Gebot verdeckt ab. Am Ende der Laufzeit erhält der Bieter mit dem höchsten Gebot den Zuschlag. Dabei hat der Gewinner der Auktionen den Endpreis in der Höhe seines Gebotes zu entrichten. Dieses Auktionsformat führt bei hochpreisigen Versteigerungsobjekten häufig zu überhöhten Endpreisen, da die

^{8 Bruhn/Homburg (2004), S. 61. 9 Vgl. McAfee/McMillan (1987), S. 702. 10 Vgl. Nießen (1974), S. 13. 11 Vgl. Wolfstetter (1996), S. 370-371. 12} Vgl. Nieschlag et al. (2002), S. 851.

3

Christoph Müllejans

Einflussfaktoren auf den Endpreis von Online-Auktionen

Bieter bei der Evaluierung ihres Gebots nicht auf andere Gebote der Konkurrenten reagieren können. So liegt der Endpreis häufig in der Nähe der maximalen Preisbereitschaft der Bieter. Der Ausgang einer Auktion ist somit stark durch die teilnehmenden Individuen geprägt.

Ähnlich wie bei der Höchstpreisauktion erfolgt bei der Vickrey-Auktion die Gebotsabgabe verdeckt. Der Höchstbietende erhält den Zuschlag, jedoch zu dem Preis, der dem zweithöchsten Gebot entspricht.

¹³ Die Englische Auktion ist die gebräuchlichste Form unter den oben genannten. Auch im

Internet dominiert die englische Auktionsform:

14 Tabelle 1: Ermittelter Anteil der Englischen Auktion in verschiedenen Studien

Die Auktionsform bei eBay entspricht einer Mischung aus der Englischen und der Vickrey- ¹⁵ Auktion, da sich eBay einem Maximalgebot (engl.: proxy-bidding) bedient. Gebote werden

gemäß der Englischen Auktion offen abgegeben, jedoch muss der abgegebene Maximalpreis eines Bieters nicht dem Endpreis entsprechen, der ein Inkrement über dem zweithöchsten Gebot liegt. Diese Mischung der Auktionsformen kommt bei eBay im Auktionsformat Auktion und der Kombination aus Auktion und Festpreis zum Einsatz.

^{13 Vgl. Beckmann et al. (1997), S. 43. 14} Vgl. Schäfers (2004), S. 65.

¹⁵ Vgl. http://pages.ebay.de/help/buyerguide/bidding-prxy.html.

4

Christoph Müllejans

Einflussfaktoren auf den Endpreis von Online-Auktionen

2.1.2 Handeln bei eBay

eBay Deutschland bietet derzeit vier verschiedene Auktionsformate an. Zu unterscheiden sind ^{16 17 18} reine Auktionen, Auktionen zum Festpreis, Kombinationen aus Auktion und Festpreis ¹⁹ sowie Multiauktionen.

Bei reinen Auktionen legt der Verkäufer einen Startpreis für seinen Artikel fest und bestimmt die Angebotsdauer der Auktion. Je nach Kategorie fällt für höhere Startpreise ein Gebührenaufschlag an. Als Laufzeit einer Auktion kann dabei zwischen einem Tag, drei, fünf, sieben oder zehn Tagen gewählt werden, wobei die Wahl der verschiedenen Laufzeiten nicht ²⁰ mit unterschiedlichen Gebühren belegt ist. Des Weiteren muss der Verkäufer eine Kategorie

wählen, in der das zu versteigernde Produkt für den Bieter sichtbar ist. Außerdem sind vom Verkäufer Zahlungsmodalitäten und die Höhe der Versandkosten anzugeben. Die Versandkosten werden sowohl bei der Artikelübersicht, als auch in der Auktion gut sichtbar dargestellt.

Im Zuge der Artikeleinstellung kann der Verkäufer zwischen verschiedenen aufpreispflichtigen Optionen wählen, die den Artikel in der Übersicht grafisch hervorheben. So kann der Verkäufer wählen, wie viele Bilder der Auktion beifügt werden sollen und ob ein Bild als Galeriebild dient. Ein Galeriebild wird in der Übersicht als kleines Thumbnail ²¹ dargestellt. Außerdem kann der Verkäufer die Option Untertitel wählen. Diese Option räumt ihm in der Artikelübersicht mehr Platz bei der Beschreibung seines Produktes ein. Weiterhin lässt sich der Titel der Auktion in Fettschrift darstellen. Auch diese Option ist kostenpflichtig. Abbildung 1 zeigt den Ausschnitt einer Artikelübersicht. Dort sind Artikel mit allen oben aufgeführten Optionen dargestellt. Die erste Auktion der Artikelübersicht weist keinerlei kostenpflichtige Optionen auf. Bei der zweiten und dritten Option haben die Verkäufer die Option Galeriebild gewählt. In der zweiten Auktion nutzt der Verkäufer die Option Fettschrift um die Auktion von den anderen hervorzuheben.

^{16 Vgl. http://pages.ebay.de/help/sell/f-auction.html. 17 Vgl. http://pages.ebay.de/help/sell/fixed_price.html. 18 Vgl. http://pages.ebay.de/help/sell/bin.html. 19 Vgl. http://pages.ebay.de/help/sell/multiple.html. 20} Vgl. http://pages.ebay.de/help/sell/duration.html.

²¹ Bei einem Thumbnail handelt es sich um verkleinertes Vorschaubild eines größeren Bildes.

5

Christoph Müllejans

Einflussfaktoren auf den Endpreis von Online-Auktionen

22 Abbildung 1: Grafische Darstellung der möglichen Optionen der Artikeleinstellung

Daneben hat der Verkäufer die Möglichkeit, das Produkt ausführlich in der Artikelbeschreibung zu präsentieren. Ihm steht dazu ein Editor zur Verfügung, der unterschiedliche Schriftarten, Schriftgrößen, Textfarben, Tabellen und das Einbinden von ²³ Bildern ermöglicht. Anstelle des Textes kann der Verkäufer aber auch eine HTML-Seite zur Artikelbeschreibung nutzen. Das Erstellen einer HTML-Seite ist mit deutlich mehr Aufwand verbunden als die Beschreibung mit dem Editor. Jedoch bietet die Verwendung einer HTML-Beschreibung umfangreichere gestalterische Mittel.

Nach der Beschreibung des Artikels kann der Verkäufer wählen, an welchem Tag die Auktion auslaufen soll. So kann der Verkäufer beispielsweise den Sonntagnachmittag als Endzeitpunkt der Auktion wählen, falls er sich zu dieser Zeit besonders viele Gebote erhofft. Der Verkäufer kann außerdem entscheiden, ob der Käufer den Artikel mit dem Online-Dienst PayPal ²⁴ bezahlen kann. Der Käufer erhält bei Nutzung dieses Dienstes eine kostenlose ²⁵ Versicherung, die im Betrugsfall einen Artikelwert bis 500 Euro abdeckt. Nach dem

Einstellen der Auktion ist der Artikel direkt für Interessenten sichtbar. Die Auktion kann dann ²⁶ nur noch in Ausnahmefällen abgebrochen werden.

Interessenten können die eingestellten Artikel entweder über die Suchfunktion oder über eine Kategorieauswahl finden. Die Auswahl der Artikel wird dem Interessenten dann ähnlich wie in Abbildung 1 dargestellt präsentiert. Er kann durch Aufrufen des Artikels weitere Informationen zum Verkäufer, den Eigenschaften des Produkts sowie die Anzahl der bisher abgegebenen Gebote erfahren. Der potentielle Käufer kann der Übersicht entnehmen, ob der

²² Screenshot von http://www.ebay.de.

^{23 Der volle Leistungsumfang ist nur mit dem Microsoft Browser: Internet Explorer nutzbar. 24 Vgl. http://www.paypal.de. 25 Vgl. http://pages.ebay.de/paypal/pbp.html. 26} Vgl. http://pages.ebay.de/help/sell/questions/endlist-now.html.

6

Christoph Müllejans

Einflussfaktoren auf den Endpreis von Online-Auktionen

Verkäufer gewerblich oder privat versteigert, wie viele Transaktionen schon durch ihn getätigt wurden und wie diese von Dritten bewertet wurden. Durch den Aufruf der Gebotsübersicht kann der Interessent die Anzahl der teilnehmenden Bieter einsehen. Abbildung 2 verdeutlicht den vorher beschriebenen Sachverhalt.

27 Abbildung 2: Angaben zum Verkäufer und Abwicklungsmodalitäten

Unmittelbar unter den Angaben der Abbildung 2 befindet sich die Artikelbeschreibung des zu versteigernden Produktes. Bestehen trotz der Artikelbeschreibung noch Fragen bezüglich der Beschaffenheit des Artikels, so kann der Interessent den Verkäufer per Webformular oder per ²⁸ E-Mail kontaktieren.

Gibt ein Interessent A ein Gebot ab, erfolgt die Gebotserhöhung in - von der Artikelkategorie abhängigen - bestimmten Gebotsschritten. Wird das Gebot eines Bieters B von Bieter A übertroffen, so ist der neue Preis für den Artikel einen Gebotsschritt über dem vorherigen Höchstgebot des Bieters A, unabhängig davon, wie viel mehr der Bieter B geboten hat. Hat Bieter B ein Gebot bestätigt, das höher ist, als das neue Höchstgebot, so steigert der Bietagent von eBay stellvertretend bis zu seinem gesetzten Maximalpreis mit. Im Großteil der Kategorien beträgt ein Gebotsschritt einen Euro. Es sei noch erwähnt, dass eBay die so genannte hard stopping rule einsetzt. Im Gegensatz zu Online-Auktionen einiger anderer Auktions-Häuser verlängert sich die Laufzeit der Auktion nicht, wenn kurz vor dem Auktionsende noch Gebote abgegeben werden.

^{27 Screenshot von http://www.ebay.de. 28} Vgl. http://pages.ebay.de/help/tp/know-seller-contact.html.

7

Christoph Müllejans

Einflussfaktoren auf den Endpreis von Online-Auktionen

Findet der Verkauf durch einen gewerblich angemeldeten Verkäufer statt, muss dieser dem Käufer ein 14-tägiges Rückgaberecht einräumen. Private Verkäufer können dieses Recht auf Rückgabe freiwillig gewähren oder Rücknahme durch eine entsprechende Klausel in der ²⁹ Auktionsbeschreibung ausschließen.

Nach Abschluss einer Transaktion haben sowohl Käufer als auch Verkäufer die Möglichkeit, den Ablauf zu bewerten. Hierzu steht ihnen eine 3 stufige Rating-Skala zur Verfügung (negativ/neutral/positiv). Zusätzlich kann die Zufriedenheit über den Ablauf der Auktion mit ³⁰ 80 Zeichen kurz verbal beschrieben werden. Die so abgegebenen Bewertungen sind für

zukünftige Käufer in der Regel direkt einsehbar. Interessierte können bis zu 90 Tage nach der Transaktion die betreffende Auktion aufrufen. Nach dieser Frist sind nur noch die Art der Bewertung und verbale Kommentare sichtbar.

31 Abbildung 3: Bewertungskommentare nach einer Auktion

Andere eBay-Nutzer können nachvollziehen, wie lange die jeweiligen Bewertungen zurückliegen. Die Anzahl der Bewertungen ist in verschiedene Kategorien unterteilt: Bewertungen im vergangenen Monat, Bewertungen der letzten sechs Monate sowie vergangenen letzten zwölf Monate. Wird eine schlechte Bewertung abgegeben, kann sich der schlecht bewertete Transaktionspartner zu dieser Bewertung äußern. Für eBay Mitglieder besteht die Möglichkeit, das Bewertungsprofil vor anderen Teilnehmern zu verbergen. In diesem Fall ist der Anteil der positiven Bewertungen zwar noch sichtbar, jedoch können die ³² einzelnen Bewertungskommentare nicht mehr eingesehen werden. Erhält ein eBay-Teilnehmer zu viele schlechte Bewertungen, so kann er vom Handel bei eBay für ³³ unbestimmte Zeit ausgeschlossen werden.

^{29 Vgl. http://pages.ebay.de/help/sell/your-return-policy.html. 30 Vgl. http://pages.ebay.de/help/feedback/feedback.html 2.12.2007. 31} Screenshot von http://www.ebay.de.

^{32 Vgl. http://pages.ebay.de/help/feedback/reputation-public-feedback.html. 2.12.2007. 33} Vgl. http://pages.ebay.de/help/account/RegisterVerifyPSU.html. 2.12.2007

8

Christoph Müllejans

Einflussfaktoren auf den Endpreis von Online-Auktionen

2.2 Theoretische Ansätze zur Erklärung von Online-Auktionen 2.2.1 Risikotheorie

Die Risikotheorie geht auf die Arbeiten von Bauer zurück und ist fester Bestandteil von ³⁴ zahlreichen betriebswirtschaftlichen Fragestellungen. Die Risikotheorie geht davon aus,

dass die Entscheidung eines Individuums maßgeblich von dem Grad des wahrgenommenen Risikos abhängig ist, das als Folge der Entscheidung auftreten kann. Unter Kaufrisiko versteht Bauer dabei Konsequenzen einer Handlung, die im Vorfeld nicht mit Sicherzeit antizipiert ³⁵ werden können. Dabei können bis zu sechs verschieden Risikodimensionen unterschieden werden:

x Das funktionale Risiko beschreibt die Unsicherheit des Individuums, ob das

In der Literatur wird argumentiert, dass alle Dimensionen zu einem wahrgenommenen Gesamtrisiko summiert werden können, wobei das funktionale und das finanzielle Risiko den ³⁸ stärksten Einfluss besitzen. Käufer streben im Allgemeinen einen risikoarmen

Gefühlszustand an. Der wahrgenommene Konflikt kann als Auftreten kognitiver Dissonanz ³⁹ verstanden werden. Das wahrgenommene Risiko lässt sich dabei mittels preisorientierten

^{34 Vgl. Bauer (1967), S. 24. 35 Vgl. Loudon/Della Bitta (1993), S. 512. 36 Vgl. Loudon/Della Bitta (1993), S. 512. 37 Vgl. Roselius (1971), S. 58. 38 Vgl. Kaplan et al. (1974), S. 289. 39} Vgl. Kroeber-Riel/Weinberg (2005), S. 398.

9

Christoph Müllejans

Einflussfaktoren auf den Endpreis von Online-Auktionen

⁴⁰ Treten Käufer Qualitätsheuristiken sowie durch vergangene positive Erfahrung reduzieren. das erste Mal mit einem Verkäufer in Kontakt, so kann der Käufer seine Entscheidung nicht auf Vergangenheitswerte stützen und somit auch das wahrgenommene Risiko nicht mit Hilfe der Erfahrung minimieren. Um das wahrgenommene Risiko zu reduzieren, greift das ⁴¹ Individuum in diesem Fall auf Risikominimierungsstrategien zurück. Als

Minimierungsstrategie kommt vor Allem das Sammeln zusätzlicher Informationen über das Produkt und das Einholen von Meinungen Dritter über den Verkäufer in Frage. Die Einschätzung Dritter (Reputation) kann das wahrgenommene Risiko reduzieren und das Individuum zu einer Kaufentscheidung veranlassen. Auch Garantien und das Einräumen eines Rücktrittsrechts können das empfundene Risiko minimieren und somit

handlungsbeeinflussend wirken. Mundpropaganda im Freundeskreis kann ebenfalls eine stark ⁴² risikominimierende Wirkung besitzen. Es sei an dieser Stelle angemerkt, dass der

Interessent per Webformular mit dem Verkäufer in Kontakt treten kann, was als vertrauensfördernde Maßnahme angesehen wird. Jedoch lässt sich eine Kontaktaufnahme mittels einer Beobachtung schwer erfassen, weshalb die Möglichkeit zur Vertrauensbildung an dieser Stelle nicht weiter diskutiert wird.

2.2.2 Auktionstheorie ⁴³ Vickrey legte 1961 mit seinem Aufsatz den Grundstein für die Auktionstheorie. Zu

unterscheiden sind im Wesentlichen zwei verschiedene Modelle. Beim Common-Value-Modell wird allen Teilnehmern der Auktion unterstellt, das Gut zur wirtschaftlichen Nutzung ersteigern zu wollen, jedoch keine Präferenzen bezüglich unterschiedlicher Güter zu besitzen. Dies impliziert, dass der Wunsch auf Nutzung des Objektes durch alle Teilnehmer der Auktion gleich groß ist. Zusätzlich wird angenommen, dass das Gut einen objektiven Wert besitzt, welchen die Bieter der Auktion jedoch nicht kennen. Somit besteht Unsicherheit über ⁴⁴ den wahren Wert des Auktionsobjekts.

Wenn die Auktionsform einem Bieter mehrere Gebote einräumt, so kann ein Bieter A durch das Gebot von Bieter B beeinflusst werden und seine Preisbereitschaft nach oben korrigieren. Dies ist dann wahrscheinlich, wenn Bieter A weniger Informationen zur Verfügung

^{40 Zum Beispiel durch den Kauf von Markenartikeln. 41 Vgl. Cox (1967), S. 70. 42 Vgl. Arndt (1967), S. 304-306. 43 Vgl. Vickrey (1961). 44} Vgl. Grimm/Schmidt (1999), S. 670

10

Christoph Müllejans

Einflussfaktoren auf den Endpreis von Online-Auktionen

(Informationsasymmetrie) stehen als Bieter B. Sollte Bieter A nun mit seinem Gebot das Objekt ersteigern, so lastet auf im der Fluch des Gewinners (engl. the winner’s curse): Bieter ⁴⁵ A ist Gewinner der Auktion, weil er den Wert des zu versteigernden Gutes überschätzt hat. Der Fluch des Gewinners kann aufgrund der theoretischen Rahmenbedingungen nur im ⁴⁶ Common-Value-Modell auftreten. Von dem Fluch betroffen sind vor allem unerfahrene ⁴⁷ Bieter, da erfahrene Bieter diesem Umstand mit einem angepassten Bietverhalten begegnen.

Das Independent-Private-Value-Modell geht von der Annahme aus, dass die Zahlungsbereitschaft von verschiedenen Bietern individuell verschieden ist. Die Zahlungsbereitschaft des jeweils anderen ist den Bietern nicht bekannt, weshalb diese ⁴⁸ voneinander unabhängig agieren. Die Gebote der anderen Bieter sind somit zur Bestimmung

der eigenen maximalen Zahlungsbereitschaft nicht relevant. In diesem Sinne hat der zu versteigernde Artikel keinen festgelegten Marktwert, da er nicht über objektive Kriterien, ⁴⁹ sondern durch die Präferenzen der Auktionsteilnehmer bewertet wird.

2.2.3 Typen von Kaufentscheidungen

Das Individuum nutzt bei der Auswahl von Objekten (z.B. Produkten oder Auktionen) neben ⁵⁰ seiner bisher gemachten Erfahrung auch die ihm momentan verfügbaren Informationen. Je

nach Ausmaß der hinzugezogenen Informationen und deren Verarbeitung lassen sich ⁵¹ verschieden Typen der Kaufentscheidung differenzieren. Bei einer intensiven (Kauf)-Entscheidung ist die kognitive Beteiligung sehr stark ausgeprägt. Die Entscheidung ist in diesem Fall stark rational geprägt, wobei möglichst alle Alternativen mit einer Prüfung einhergehen. Häufig kommt es zu einer intensiven Entscheidung, wenn ein Produkt das erste Mal gekauft wird oder die Entscheidung weit reichende persönliche bzw. finanzielle Folgen hat. Bei der limitierten Entscheidung ist davon auszugehen, dass der Konsument bereits Erfahrung sammeln konnte, aber keine Präferenzen vorliegen. Im Gegensatz zur intensiven Entscheidung findet in diesem Fall nur eine begrenzte kognitive Leistung statt. Ebenso spielen Emotionen eine untergeordnete Rolle und es wird nur eine Teilmenge an Alternativen zur Entscheidungsfindung genutzt. Ein weiterer Typ stellt die habitualisierte

^{45 Vgl. McAfee/McMillan (1987), S. 721. 46 Vgl. McAfee/McMillan (1987), S. 720. 47 Vgl. Schauenberg (1998), S. 139. 48 Vgl. Vickrey (1962), S. 20-22. 49 Vgl. McAfee/McMillan (1987), S. 705. 50 Vgl. Herrmann (1998), S. 85. 51} Vgl. Nieschlag et al. (2002), S. 179.

11

Christoph Müllejans

Einflussfaktoren auf den Endpreis von Online-Auktionen

Kaufentscheidung dar, welche ohne eine kognitive Steuerung auskommt. Die Auswahl des Produktes geschieht anhand von Gewohnheiten. Impulsive Käufe sind dagegen rasch ⁵² getroffene Entscheidungen, die emotional geladen und häufig spontan sind.

2.2.4 Awareness und Evoked Set

Wie im vorherigen Abschnitt beschrieben liegt bei einer limitierten Entscheidung keine bestimmte Präferenz bezüglich verschiedener Alternativen vor. Die Teilmenge der eruierten Alternativen kann dabei als Evoked Set bezeichnet werden. „Das Evoked Set ist die individuell spontan erinnerte und für relevant erachtete Alternativenmenge in der Kaufsituation, zu der grundsätzlich eine positive Einstellung besteht und bzgl. der nichts ⁵³ Gravierendes gegen den Kauf spricht“. Die Informationsaufnahme ist dabei auf das Evoked

Set beschränkt. Zuvor müssen die Alternativen jedoch überhaupt wahrgenommen werden. Wahrgenommene Alternativen bilden das Awareness Set (nicht wahrgenommene Alternativen werden dem Gegenpol - dem Unawareness Set - zugeordnet). Abbildung 4 verdeutlicht den Zusammenhang zwischen Awareness und Evoked Set:

54 Abbildung 4: Zusammenhang zwischen Awareness und Evoked Set

Das Inert Set stellt die Menge an wahrgenommenen Alternativen dar, über die nur wenige Informationen vorliegen und gegenüber denen das Individuum eine indifferente Haltung ⁵⁵ einnimmt. Das Inept Set umfasst die Menge an wahrgenommenen Alternativen, die eine ⁵⁶ subjektive Mindestanforderung nicht erreicht.

^{52 Vgl. Nieschlag et al. (2002), S. 180. 53} Foscht/Swoboda (2007), S. 153.

^{54 Eigene Darstellung in Anlehnung an Foscht/Swoboda (2007), S. 154. 55 Vgl. Foscht/Swoboda (2007), S. 154. 56} Vgl. Böcker/Helm (2003), S. 175.

12

Christoph Müllejans

Einflussfaktoren auf den Endpreis von Online-Auktionen

2.2.5 Angebot und Nachfrage

Die Begriffe Angebot und Nachfrage beziehen sich auf das Verhalten der Akteure beim Handel mit einem bestimmten Gut. Dabei teilen sich die beteiligten Akteure in die Gruppen Käufer und Verkäufer auf und bilden somit den Markt. Es lassen sich je nach Anzahl und Verteilung der Marktakteure verschiedene Marktformen bestimmen. Sowohl Anbieter als auch Nachfrager können atomistisch, oligopolistisch und monopolistisch auf dem Markt ⁵⁷ vertreten sein. Da die Grenzen zwischen den Marktformen nicht klar gezogen sind, sollen im Rahmen dieser Arbeit lediglich polypolistische, konkurrenzgebundene Verkäufer betrachtet werden. Demnach ist der Absatz des Verkäufers nicht durch seine eigene Preissetzung, sondern vor allem durch das Verhalten der Bieter und anderer Verkäufer ⁵⁸ determiniert. Dabei streben alle Verkäufer das Gewinnmaximum und alle Konsumenten das ⁵⁹ Nutzenmaximum an. Daneben lässt sich der unvollkommene vom vollkommenen Markt unterscheiden. Im unvollkommenen Markt können im Gegensatz zum vollkommenen Markt ungleiche Güter gehandelt werden. Außerdem besitzen die Akteure keine vollständige Marktübersicht und Angebot und Nachfrage fallen häufig in persönlicher, räumlicher und ⁶⁰ zeitlicher Hinsicht nicht zusammen.

61 Abbildung 5: Preis-Mengen-Diagramm

^{57 Vgl. Wöhe (1990), S. 645. 58 Vgl. Schneider (1969), S. 59. 59 Vgl. Wöhe (1990), S. 644. 60 Vgl. Mankiw (2001), S. 71. 61} Eigene Darstellung.

13

Christoph Müllejans

Einflussfaktoren auf den Endpreis von Online-Auktionen

Des Weiteren wird in der Regel für die Nachfragefunktion ein fallender und für die ⁶² Angebotsfunktion ein steigender Verlauf angenommen. Durch das Zusammenspiel von

Angebot und Nachfrage ergibt sich der Gleichgewichtspreis. Abbildung 5 verdeutlicht den Verlauf der beiden Kurven, wobei die Abszisse die Nachfragemenge und die Ordinate den Preis widerspiegelt. Beim Gleichgewichtspreis ist die nachgefragte Menge (q) genau so groß wie die Menge, die Anbieter zu diesem Preis (p) anbieten. In dieser Konstellation spricht man ⁶³ von einer Räumung des Marktes. Die Verschiebung einer Kurve führt zwangsläufig zu einer

Veränderung des Gleichgewichtspreises. Treten zusätzliche Nachfrager in den Markt ein (beispielsweise weil das Gut beworben wurde), verschiebt sich die Nachfragekurve nach rechts. Die Anbieter sind beim herrschenden Preis nicht in die Lage, die Nachfrage in einem ausreichenden Maße zu befriedigen, weshalb der Preis um so viele Einheiten steigen muss, so dass sich der Markt wieder im Gleichgewicht befindet. Analog dazu bedeutet eine Verschiebung der Angebotskurve nach links eine Verknappung des Gutes bedeuten. So würde der Nachfrageüberhang zu einem höheren Preis und einer niedrigeren Absatzmenge führen.

2.2.6 Informations-Integrations-Theorie

Anderson/Shanteau gelten als Begründer der Informations-Integrations-Theorie, welche sich ⁶⁴ mit dem Verhalten eines Individuums hinsichtlich einer Kaufentscheidung beschäftigt. Dieser Ansatz beschreibt, wie Individuen Einzelausprägungen eines Objektes bewerten und aus den getätigten Einzelurteilen eine globale Bewertung formen.

65 Abbildung 6: Elemente der Informations-Integrations-Theorie

^{62 Sonderfälle wie beispielsweise die Nachfrage nach superioren und inferioren Gütern werden nicht betrachet. 63 Vgl. Mankiw (2001), S. 85. 64 Vgl. Anderson/Shanteau (1970), S. 441-451. 65} Eigene Darstellung in Anlehnung an Herrmann (1998), S. 127.

14

Christoph Müllejans

Einflussfaktoren auf den Endpreis von Online-Auktionen

P auf Abbildung 6 verdeutlicht den beschriebenen Sachverhalt. Zunächst trifft ein Stimulus X das Individuum. Der Stimulus kann dabei beispielsweise ein Element einer Auktion sein (die Bewertungen des Verkäufers, die Anzahl und Platzierung der Bilder usw.). Die Wahrnehmung der Einzelausprägung kann bei unterschiedlichen Entscheidungspersonen individuell verschieden sein. Im nächsten Schritt wird die Ausprägung des Objektes beurteilt. Die Beurteilung der einzelnen Ausprägungen kann dann über eine Integrationsfunktion zu einem Gesamturteil verknüpft werden. So können die Einzelbewertungen als Adding oder als Averaging zu einem Gesamturteil verknüpft werden. Im Falle des Adding würde eine positive Information über ein betrachtetes Merkmal die Beurteilung insgesamt verbessern. Legt man bei diesem Prozess Averaging zugrunde, so verbessert sich die Bewertung nur dann, wenn eine zusätzlich betrachtete Eigenschaftsausprägung über dem Durchschnitt der bisherigen Bewertung liegt. Priemer (1999) bemerkt, dass das Averaging als Integrationsfunktion häufig ⁶⁶ besser geeignet sei, um Entscheidungssituationen in empirischen Studien zu beschreiben. Dagegen fasst Herrmann aus empirischen Studien zusammen, dass ein Individuum dazu neige, die Einzelurteile mittels des Adding-Modells zu einem Gesamturteil zu verknüpfen. Dabei würden die Beurteilungen der Ausprägungen jeweils in gleichen Dimensionen stattfinden. Das Individuum würde demnach keine Gewichtungen in seiner ⁶⁷ Integrationsfunktion vorsehen. Herrmann führt dieses Verhalten auf den Umstand zurück,

dass das Individuum lediglich eine limitierte Anzahl von Informationen speichern und verarbeiten kann.

^{66 Vgl. Priemer (1999), S. 200-206. 67} Vgl. Herrmann (1998), S. 126-127.

15

Christoph Müllejans

Einflussfaktoren auf den Endpreis von Online-Auktionen

3 Erstellung des Modells zur Identifikation von Einflussfaktoren 3.1 Herleitung der Hypothesen

3.1.1 Hypothesen basierend auf Vertrauen und Risiko

Im Gegensatz zum klassischen Ladengeschäft kann der Käufer bei Online-Auktionen häufig nicht auf Erfahrungen mit einem bestimmten Verkäufer zurückgreifen. Die Zahl der Verkäufer ist im Gegensatz zu einem klassischen Ladengeschäft so zahlreich, dass die Wahrscheinlichkeit bei einem Verkäufer das zweite Mal zu kaufen sehr gering ist, weshalb der Käufer nahezu keine Erfahrungswerte bilden kann. Der Bieter muss sich deshalb bei einem Auktionshaus häufig auf die Bewertungen anderer verlassen und sich anhand der Reputation eines Verkäufers ein Urteil bilden.

Auf der Risikotheorie aufbauend lässt sich ein negativer Zusammenhang zwischen der Reputation des Verkäufers und des wahrgenommenen finanziellen Risikos des Käufers vermuten. Es ist zu erwarten, dass der Käufer seine Risikoeinschätzung durch die positive Reputation eines Verkäufers nach unten anpasst und somit eine Kaufentscheidung fällt.

Standifird untersuchte in einer empirischen Studie die asymmetrischen Auswirkungen von positiven und negativen Bewertungen anhand von hochpreisigen Artikeln. Aus einer Stichprobe von 102 Fällen konnte dabei ein negativer signifikanter Einfluss von schlechten Bewertungen auf den Endpreis identifiziert werden. Dabei wirkte eine negative Bewertung ⁶⁸ betragsmäßig stärker als eine positive Bewertung. Lucking-Reiley betrachtet dagegen das

Verhältnis von positiven Bewertungen zu allen Bewertungen und konnte keinen signifikanten ⁶⁹ Einfluss feststellen.

Bei der Betrachtung des hochpreisigen Artikels in dieser Arbeit soll deshalb die Reputation in die Untersuchung miteinbezogen werden:

^{68 Vgl. Standifird (2001), S. 281. 69} Vgl. Lucking-Reiley (1999), S. 8-9.

16