Inhaltsverzeichnis

Abbildungsverzeichnis   V

Tabellenverzeichnis.   VII

I.  Einführung  8

II.  Käufertypen in der Konsumforschung  11

1.  Herkunft und Inhalt des Datensatzes.  11

1.1  Herkunft des Datensatzes.  11

1.2  Begriffsabgrenzung: Käufer - Kunde  12

1.3  Inhaltliche Beschreibung des Datensatzes  13

1.3.1  Verhaltensmerkmale  14

1.3.2  Strukturmerkmale  15

1.3.3  Die 13 Warengruppen.  17

1.3.3.1  Allgemeines  17

1.3.3.2  Bedeutung der einzelnen Warengruppen.  18

2.  Ziel und Zweck der Analyse des Datensatzes.  22

2.1  Ziel der Analyse  22

2.2  Sinn und Zweck der Bildung von Käufertypen  24

3.  Vorgehensweise zur Bildung von Käufertypen: Data-Mining  27

3.1  Definition von Data-Mining  27

3.2  Methoden des Data-Mining  29

3.2.1  Allgemeine Systematik  29

3.2.2  Künstliche Neuronale Netze (KNN)  32

3.2.3  Assoziationsregeln  34

3.2.4  Clusteranalyse  36

3.2.4.1  Auswahl der Merkmale  37

3.2.4.2  Wahl des Proximitätsmaßes  38

3.2.4.3  Wahl der Clustermethode  40

3.2.4.4  Entscheidung für eine bestimmte Klassenzahl  44

3.2.4.5  Interpretation der gefundenen Cluster  46

3.2.5  Exkurs: Das Conjoint-Profit-Modell  49

Inhaltsverzeichnis

4.  Ergebnisse der Analyse des Datensatzes.  53

4.1  Gang der Untersuchung  53

4.2  Klassifikation.  54

4.2.1  Klassifikation der Kunden nach der Kaufhäufigkeit  55

4.2.1.1  Definition der Klassen.  55

4.2.1.2  Kaufverhaltensprofil der Gruppen.  57

4.2.1.3  Strukturprofil der Gruppen.  61

4.2.1.4  Fazit  69

4.2.2  Klassifikation der Kunden nach dem Preisbewußtsein  70

4.2.2.1  Definition der Klassen.  70

4.2.2.2  Kaufverhaltensprofil der Gruppen.  72

4.2.2.3  Strukturprofil der Gruppen.  75

4.2.2.4  Fazit  82

4.2.3  Klassifikation der Käufer nach der Umsatzhöhe  84

4.2.3.1  Definition der Klassen.  84

4.2.3.2  Kaufverhaltensprofil der Gruppen.  86

4.2.3.3  Strukturprofil der Gruppen.  89

4.3  Segmentierung  92

4.3.1  Parameter der Clusteranalyse  93

4.3.1.1  Auswahl der Merkmale  93

4.3.1.2  Entscheidung für ein Proximitätsmaß  94

4.3.1.3  Entscheidung für ein Clusterverfahren.  95

4.3.1.4  Entscheidung über Klassenzahl  96

4.3.2  Charakterisierung der Haushaltstypen.  97

4.3.2.1  Strukturprofil  97

4.3.2.2  Warengruppenprofil  99

4.4  Abhängigkeitsanalyse  102

4.4.1  Nutzungsverhalten der Käufer.  102

4.4.1.1  Grundidee  102

4.4.1.2  Käufe mit höchstens zwei Warengruppen.  104

4.4.1.3  Ergebnisse.  107

4.4.2  Segmentierung der Käufer.  109

4.4.2.1  Grundidee  109

III

Inhaltsverzeichnis

4.4.2.2  Parameter der Clusteranalyse  109

4.4.2.3  Ergebnisse.  111

4.4.3  Fazit  112

III.  Abschließende Beurteilung der Analyse des Datensatzes  115

Anhang :  Vollständige Tabelle der Anteile aller Warengruppenpaare  118

Literaturverzeichnis.   121

Selbstst  ändigkeitserklärung  124

IV

Abbildungsverzeichnis   

Abb.  1: Zusammenfassende Darstellung der im Datensatz  

enthaltenen  Merkmale  

Abb.  2: Käuferfrequenzen der einzelnen Warengruppen.  

Abb.  3: Umsatzanteile der einzelnen Warengruppen.  

Abb.  4: Anteile der Warengruppen am Umsatz mit Sonderangebotsartikeln  

Abb.  5: Schritte im Prozeß der Wissensentdeckung in Daten.  

Abb.  6: Zuordnung von Data-Mining-Methoden zu Data-Mining- Aufgaben.  

Abb.  7: Überblick über ausgewählte Clusterverfahren  

Abb.  8: Was ist mit „Abstand zweier Gruppen“ gemeint?  

Abb.  9: Average Linkage innerhalb der Gruppen.  

Abb.  10: Ablaufschritte der hierarchisch-agglomerativen Clusterverfahren  

Abb.  11: Zusammenfassende Darstellung der Schritte einer Clusteranalyse  

Abb.  12: Warengruppenprofil der Käufertypen nach Einkaufshäufigkeit  

Abb.  13: Strukturprofil der Käufertypen anhand der quantitativen Merkmale  

Abb.  14: Strukturprofil anhand des qualitativen Merkmals „Familienstand“  

Abb.  15: Strukturprofil anhand des qualitativen Merkmals „sozialer Status“  

Abb.  16: Strukturprofil anhand des qualitativen Merkmals  

„Innovationsfreud  igkeit“  

Abb.  17: Strukturprofil anhand des qualitativen Merkmals  

„Markenbewußtsein“   

Abb.  18: Warengruppenprofil der Käufertypen nach dem Preisbewußtsein.  

Abb.  19: Strukturprofil der Käufertypen anhand der quantitativen Merkmale  

Abb.  20: Strukturprofil anhand des qualitativen Merkmals „sozialer Status“  

Abb.  21: Strukturprofil anhand des qualitativen Merkmals  

  „Innovationsfreudigkeit“  

V

Abbildungsverzeichnis   

Abb.  22: Strukturprofil anhand des qualitativen Merkmals  

„Markenbewußtsein“   

Abb.  23: Strukturprofil anhand des Merkmals „Kaufhäufigkeit“  

Abb.  24: Lorenzkurve zur Darstellung der Umsatzkonzentration  

auf  die Käufer  

Abb.  25: Warengruppenprofil der Umsatz-Käufertypen.  

Abb.  26: Strukturprofil der Käufertypen anhand der quantitativen Merkmale  

Abb.  27: Strukturprofil der Haushaltstypen  

Abb.  28: Warengruppenprofil der Haushaltstypen.  

Abb.  29: Häufigkeitsverteilung der Anzahl gleichzeitig  

gekaufter  Warengruppen.  

Abb.  30: Warengruppenprofil der Ein-Warengruppen-Käufer  

Abb.  31: Nutzungsverhalten der WPR- bis MOL-Käufer  

Abb.  32: Nutzungsverhalten der KO-N bis AFG-Käufer.  

Abb.  33: Warengruppenprofil der Käufersegmente  

VI

Tabellenverzeichnis   

Tabelle 1:  Liste der 13 Warengruppen  17

Tabelle 2:  Einteilung der Haushalte nach der Einkaufshäufigkeit  57

Tabelle 3:  Kennzahlen der Käufertypen nach der Kaufhäufigkeit  60

Tabelle 4:  Mittelwerte und Standardabweichungen der quantitativen  

Strukturmerkmale   62

Tabelle 5:  Verteilung der Haushaltstypen auf die Käufertypen  64

Tabelle 6:  F-Werte der Strukturmerkmale zur Beurteilung der  

Klassenhomogenit  ät.  70

Tabelle 7:  Einteilung der Haushalte nach dem Preisbewußtsein  72

Tabelle 8:  Kennzahlen der Käufertypen nach dem Preisbewußtsein  74

Tabelle 9:  Mittelwerte und Standardabweichungen der quantitativen  

Strukturmerkmale   75

Tabelle 10:  Verteilung der Haushaltstypen auf die Käufertypen  76

Tabelle 11:  Haushaltstyp-/Käufertypkombinationen  

als  Anteile aller Haushalte  78

Tabelle 12:  Durchschnittsumsätze aller  

Haushaltstyp  -/Käufertypkombinatione n.  78

Tabelle 13:  F-Werte der Strukturmerkmale zur Beurteilung der  

Klassenhomogenit  ät.  83

Tabelle 14:  Kennzahlen der Umsatz-Käufertypen.  86

Tabelle 15:  Berechnung niveaubereinigter Käuferfrequenzen.  87

Tabelle 16:  Anteile der Haushaltstypen an den Umsatz-Käufertypen.  91

Tabelle 17:  Korrelationskoeffizienten von Pearson/Bravais  94

Tabelle 18:  Mittelwerte und Standardabweichungen der quantitativen  

Strukturmerkmale   97

Tabelle 19:  F-Werte der Haushaltstypen  97

Tabelle 20:  Kennzahlen der Haushaltstypen  100

Tabelle 21:  Anteile ausgewählter Warengruppenpaare  106

Tabelle 22:  Verbundbeziehungen zwischen Warengruppen.  113

VII

I. Einführung

Es soll ihn ja noch geben, den Geschäftsleiter in großen Einzelhandelsgeschäften, der immer wieder Kunden per Handschlag willkommen heißt. Auf der emotionalen Ebene werden wir dies Verhalten begrüßen. Unsere Ratio sagt uns, daß eine kundenorientierte Einstellung notwendig ist, bei monatlichen Kundenfrequenzen im fünfstelligen Bereich so jedoch keine meßbare Kundenbindung erreicht werden kann. In den modernen Industriestaaten haben wir längst das Gegenüber von großen Anbietern und riesigen Verbrauchergruppen. Die A nbieter unterhalten aufwendige Marktabteilungen, die keine andere Aufgabe haben, als mit allen verfügbaren Mitteln der Informatio ns- und Kommunikationstechnik das Angebot so auszurichten, daß hohe Umsätze bei geringen Streuverlusten entstehen. Je genauer der Anbieter weiß, welche Kunden er hat und mit welchem Kaufverhalten er rechnen kann, desto optimaler lassen sich Beschaffung, La gerhaltung und Produktion anpassen. Das Wissen um den Kundenstamm und dessen Verhalten beeinflußt also unmittelbar die Betriebskosten. Die Betriebskosten sind andererseits im preissensitiven Massenmarkt ein entscheidender Wettbewerbsfaktor.

Unsere heutige Ökonomie zeichnet sich durch ein nie dagewesenes Maß an Komplexität, gegenseitiger Verflechtung und Abhängigkeit der Teilnehmer des Wirtschaftskreislaufs aus. Es ist charakteristisch, daß den einzelnen Wirtschaftssubjekten eine solche Vielzahl an Handlungsoptionen geboten ist, wie noch niemals zu-vor. Der Kunde kann nicht nur zwischen einem immensen Produktangebot für jede Art von Bedürfnissen wählen, sondern auch zwischen einer Vielzahl an Anbietern. Fernsehen, Radio, Printmedien und Internet bemühen sich, durch die Aufbereitung von Informationen zu Waren, Dienstleistungen und Unternehmen den Konsumenten zu einem aufgeklärten Verbraucher zu entwickeln. Trends und Einstellungen werden geprägt. Wer etwas auf sich hält, kauft kritisch. Die Kenntnis günstiger Bezugsquellen gilt als Fähigkeit und positive Eigenschaft. Das neue Rabattgesetz gibt dem Käufer mit Marktüberblick die Möglichkeit, Preisdruck auszuüben.

8

Einführung

Dem gegenüber stehen die Unternehmen. Technischer Fortschritt insbesondere im Bereich der Informationstechnologie liefert ihnen ein riesiges Arsenal an Verfa hren und Methoden zur Optimierung von Produktion und Absatz. Doch den Cha ncen aus wachsenden Absatzmärkten in einer globalisierten Welt und steigenden Bedürfnissen von Kunden mit immer höheren frei verfügbaren Einkommen steht der immense Druck durch die wachsende Zahl an Konkurrenten und die Anpassung an die rasante Entwicklung von Technik und Methoden gegenüber. In diesen Rahmenbedingungen werden sich diejenigen Unternehmen durchsetzen, denen es am besten gelingt, hohe Effizienz und schlanke Kostenstrukturen in der Produktion mit optimalem Vertriebs- und Kundenmanagement zu verbinden. Das Wissen um den vorhandenen Kundenstamm zur Intensivierung des Absatzes und die Nutzung der Informationen aus Kundenverhalten und Kundenmerkmalen zur Gewinnung neuer Kunden sind letztlich die entscheidenden differenzierenden Fähigkeiten zur Behauptung am Markt. Gerhard Graf, ein Geschäftsführer von SAS Institute, drückt diese Zusammenhänge folgendermaßen aus: „Nur wer es schafft, die für sich bedeutsamen Kunden zu identifizieren, auf deren Wünsche und Individualität einzugehen und rentable Kunden langfristig an sich zu binden, hat auch morgen am Markt die Nase vorn“ (Scheidl, 1999).

Um eine solche Ausrichtung an den Kundenbedürfnissen erreichen zu können, müssen entsprechende Daten vorhanden sein. Und nicht nur das: Diese Daten müssen auch zu aussagekräftigen Informationen verarbeitet werden. Genau darum geht es in dieser Diplomarbeit: Aus einem Datensatz sollen aussagekräftige, vorher noch nicht bekannte Informationen über die Käufer eines Unternehmens extrahiert und im Hinblick auf die Bildung von Typen interpretiert werden. In diesem Fall handelt es sich um ein Unternehmen aus der Einzelhandelsbranche, genauer gesagt um ein SB-Warenhaus ¹ . Das hier beschriebene Vorgehen könnte prinzipiell auch auf andere Branchen übertragen werden. Unterschiede dürften sich hauptsächlich in der Interpretation, weniger in der grundlegenden Methodik ergeben.

Die Arbeit ist inhaltlich so g egliedert, daß nacheinander die verschiedenen W-Fragen beantwortet werden: Zunächst geht es um das Woher, also um die Fra-

¹ SBsteht für „Selbstbedienung“

Einführung

ge nach der Herkunft und dem Inhalt der Daten. Im zweiten Teil beschreibe ich das Ziel dieser Arbeit und den dahinterstehenden Zweck, also das Wohin und das Warum. Eine Erläuterung des Wie steht im dritten großen Abschnitt an. Es geht darin um die für die Behandlung solcher Fragen prinzipiell geeigneten Methoden sowie um die Darstellung der von mir verwendeten Technik. Der vierte und letzte Teil beinhaltet schließlich das Was, also die eigentliche Analyse und die Interpretation der Ergebnisse.

1.1 Herkunft der Daten

II. Käufertypen in der Konsumforschung

In der Einführung habe ich den übergeordneten Rahmen und die allgemeine Grundidee dieser Diplomarbeit beschrieben. Ganz allgemein gesagt geht es um die Extrahierung, also das Herausfiltern von neuem, bisher nicht vorhandenem Wissen aus einem Datensatz.

Dies bedingt, daß die Herkunft der Daten bekannt ist und über den Inhalt detaillierte Kenntnisse vorliegen. Darum geht es im ersten Teil.

1. Herkunft und Inhalt des Datensatzes

1.1 Herkunft des Datensatzes

Der Datensatz beinhaltet Informationen über Käufer in bayerischen Filialen einer bekannten, bundesweit tätigen SB-Warenhauskette. Ein SB-Warenhaus ist eine besondere Betriebsform des Einzelhandels und durch folgende Merkmale gekennzeichnet (vgl. Geßner, 1994, S. 1278):

• branchenübergreifend angelegtes Warenangebot (Vollsortiment, einschließlich

Lebensmittel),

• tendenziell erhöhte Betriebsgröße,

• Betriebsstandorte mit meist vergleichsweise weitem Einzugsgebiet.

Neben dieser Betriebsform des Warenhauses gibt es im Einzelhandel eine große Zahl weiterer Typen, die untereinander oft in starkem Wettbewerb stehen. Dieser „Wettbewerbsdruck, ein hoher Grad an Betreibungskonzeptinnovationen und eine ständige Veränderung des (...) Kunden- und Käuferverhaltens“ (Fischer, 1993, S. 2) führen zu einem Informationsbedarf seitens der Einzelhandelsunternehmen. Von Interesse sind dabei vor allem Informationen über die eigenen Kunden und Käufer. Eine mögliche Quelle für solches Material stellen Marktforschungsinstitute dar. In zahlreichen Erhebungen haben sie differenzierte Daten über eine Vielzahl von Haushalten und Einzelpersonen gesammelt.

11

1.1 Herkunft der Daten

Die Daten, die dieser Diplomarbeit zu Grunde liegen, stammen von der Gesellschaft für Konsumforschung (GfK) aus Nürnberg. Sie wurden von Januar bis Oktober 2000 mit Hilfe des GfK -Haushaltspanels erhoben.

Allgemein ist ein Haushaltspanel eine „repräsentativ ausgewählte Stichprobe von Haushalten, die regelmäßig über ihre Einkäufe berichten“ (GfK -Gruppe, 2001c). Das Haushaltspanel der GfK trägt den Namen „ConsumerScan“ und umfaßt 12.000 Haushalte (vgl. GfK -Gruppe, 2001a). Zu jedem am Panel teilnehmenden Haushalt werden eine Reihe von Daten erfaßt: Informationen zum Einkaufsverha lten, Informationen über Besitzverhältnisse, soziodemographische Merkmale sowie Einstellungen und Meinungen zu verschiedenen Themen (ebd.).

Die Merkmale, die das Einkaufsverhalten näher beschreiben, beinhalten auch die Einkaufsstätte. Auf diese Weise war eine Selektion der Haushalte möglich, die in der Vergangenheit bei dem hier betrachteten Unternehmen eingekauft haben. Um den Umfang des Datensatzes nicht zu groß werden zu lassen, wurden nur bayerische Haushalte ausgewählt. Außerdem enthält der Datensatz nicht alle im Panel erfaßten Merkmale, sondern nur solche, die für eine grundlegende Analyse sinnvoll erscheinen.

Bevor der Inhalt des Datensatzes näher beschrieben wird, erfolgt eine kurze Abgrenzung der Begriffe „Käufer“ und „Kunde“.

1.2 Begriffsabgrenzung: Käufer - Kunde

Im täglichen Sprachgebrauch werden die Begriffe „Käufer“ und „Kunde“ oftmals synonym verwendet. Streng genommen besteht jedoch ein Unterschied zwischen ihnen. Da dieser Unterschied auch in meiner Arbeit eine Rolle spielt, ist eine genaue Definition sinnvoll.

Kunden sind „diejenigen Einzelpersonen (...) einer Einkaufsstätte, die einen Teil oder die Gesamtheit ihres branchenspezifischen Bedarfs in dieser Einkaufsstätte decken“ (Fischer, 1993, S. 20). Dage gen ist ein Käufer jemand, der „einen Ein-

12

1.2 Abgrenzung Kunde - Käufer

zelhandelsbetrieb aufsucht und dort einen oder mehrere Artikel aus einer oder mehreren Warengruppen erwirbt“ (ebd., S. 21). Ein Kunde einer Einkaufsstätte kann also innerhalb eines bestimmten Zeitraums mehrfach zum Käufer werden. Anders ausgedrückt: Hinter (zeitlich) verschiedenen Käufern kann ein und derselbe Kunde stehen.

In dieser Diplomarbeit ist ein Kunde identisch mit einem Haushalt. Er ist durch bestimmte sozioökonomische und soziodemographische Merkmale gekennzeic hnet. Der Datensatz enthält für jeden Haushalt alle im Beobachtungszeitraum von 10 Monaten getätigten Käufe in bayerischen Märkten des Einzelhandelsunternehmens. Er beschreibt also das Verhalten und die Struktur von Käufern. Natürlich haben die Käufe r, die zum selben Haushalt gehören, identische sozioökonomische und soziodemographische Merkmalsausprägungen. Doch das Einkaufsverhalten eines Kunden kann bei mehreren Einkaufsvorgängen unterschiedlich sein. Um diese Unterschiede in die Analyse einzubeziehen, ist es sinnvoll, die einzelnen Käufer und nicht lediglich die Kunden (bzw. Haushalte) zu betrachten.

Auf welche Weise die Käuferinformationen im Datensatz erfaßt sind, erläutere ich nun im dritten Abschnitt.

1.3 Inhaltliche Beschreibung des Datensatzes

Der Datensatz besteht insgesamt aus 6763 Fällen. Ein Fall entspricht dabei einem Einkaufsvorgang oder anders ausgedrückt: einem Warenkorb. Die hinter einem Warenkorb stehende Person wird, wie gerade dargestellt, als Käufer bezeichnet. Die 6763 Käufer verteilen sich auf insgesamt 699 Haushalte. Das heißt, jeder Haushalt hat im Beobachtungszeitraum von Januar bis Oktober 2000 durchschnittlich 9,7 Einkäufe getätigt. Die Standardabweichung beträgt dabei 14,2 Einkäufe. Die Einkaufshäufigkeit der 699 Haushalte scheint also ziemlich stark zu differieren. Im Kapitel 4.2.1 gehe ich auf dieses Thema noch detaillierter ein.

13

1.3 Inhalt des Datensatzes

Jeder Warenkorb wird durch eine Reihe von Merkmalen (synonym: Variablen) charakterisiert. Diese lassen sich unterteilen in Verhaltensmerkmale und Strukturmerkmale.

1.3.1 Verhaltensmerkmale

Verhaltensmerkmale sind die Variablen, die das Kaufverhalten näher beschreiben. Das Verhalten eines Käufers bezieht sich auf verschiedene Dimensionen, z. B. den Zeitpunkt des Einkaufs, den getätigten Umsatz, die Menge gekaufter Artikel, das Preisbewußtsein usw. Um den Datensatz übersichtlicher und handhabbarer zu gestalten, wurde das für diese Betrachtung relevante ² Artikelsortiment des SB-Warenhauses in 13 Warengruppen eingeteilt. Eine genauere Beschreibung dieser Warengruppen findet sich in Abschnitt 1.3.3.

Der hier verwendete Datensatz beschränkt sich bei den Verhaltensmerkmalen auf folgende käuferspezifische Dimensionen: • Zeitpunkt des Einkaufs,

• gesamter Umsatzbetrag für jede der 13 Warengruppen,

• Umsatzbetrag für jede Warengruppe, der mit preislich herabgesetzten Artikeln,

also mit Sonderangeboten, erzielt wurde.

Aus diesen Variablen können weitere Merkmale abgeleitet werden. So läßt sich aus dem Zeitpunkt des Einkaufs für jeden Haushalt die Einkaufshäufigkeit im Beobachtungszeitraum bestimmen. Das wiederum läßt eine Aussage über die Kundenbindung zu. Ein weiteres abgeleitetes Merkmal ist das Preisbewußtsein. Ist z. B. der Anteil des Umsatzes, der mit Sonderangeboten erwirtschaftet wurde, überdurchschnittlich hoch, deutet dies auf ein hohes Preisbewußtsein hin. Ebenso ist es für ein Einzelhandelsunternehmen interessant zu erfahren, ob bestimmte Artikel bzw. Warengruppen sehr oft gleichzeitig während eines Einkaufsvorgangs

² Das Sortiment des Unternehmens umfaßt bspw. auch Elektronikartikel oder Kleidung. Solche

Gebrauchsgüter wurden aber nicht berücksichtigt, lediglich Verbrauchsgüter werden hier als rele-vant angesehen.

14

1.3 Inhalt der Daten 1.3.1 Verhaltensmerkmale

erworben werden. Ist dies der Fall, so macht es bspw. Sinn, die entsprechenden Artikel nahe beieinander zu plazieren.

Aus Sicht des SB-Warenhauses ist der Umsatz, der durch einen Einkaufsvorgang erzielt wurde, die entscheidende Größe. Das Unternehmen möchte vor allem solche Käufer gewinnen und binden, mit denen möglichst hohe Umsätze und damit tendenziell auch höhere Gewinne erwirtschaftet werden. Ein bedeutsames Ziel ist es also, umsatzstarke Käufer zu identifizieren und diese Gruppe auf Besonderhe iten und Auffälligkeiten zu untersuchen. Doch auch die spezifischen Merkmale umsatzschwacher Käufer sind von Interesse. Es können sich hieraus Ansatzpunkte ergeben, wie auch dieser Käufertypus stärker gebunden und dadurch sein Umsatz erhöht werden kann.

Das Herausarbeiten entsprechender Handlungsempfehlungen ist allerdings nicht Gegenstand dieser Diplomarbeit. Hier geht es vielmehr um die Darstellung grundlegender Methoden, mit denen aus verschiedenen Gesichtspunkten Käufertypen identifiziert werden können. Ich habe mich zu dieser Vorgehensweise aus zwei Gründen entschlossen. Zum einen ist die Ableitung direkter Empfehlungen nur sinnvoll, wenn konkrete Fragestellungen und Informationen über finanzielle, personelle und sachliche Kapazitäten seitens des Einzelhandelsunternehmens vorliegen (was hier nicht der Fall ist). Der zweite Punkt ist die Breite des Datensatzes. Um wirklich praxisrelevante Schlußfolgerungen ziehen zu können, müßten mehr Merkmale darin enthalten sein (z. B. artikel- nicht lediglich warengruppenbezogene Variablen). Doch wie gesagt: Zur Demonstration einer grundlegenden Vorgehensweise sind die Daten absolut ausreichend.

1.3.2 Strukturmerkmale

Die Strukturmerkmale sind nicht käufer-, sondern kundenspezifisch. Sie beschreiben die demographische und ökonomische Zusammensetzung der Haushalte, also der Kunden. Wie bereits erwähnt, haben die Strukturmerkmale bei Käufern eines Haushalts identische Ausprägungen.

15

1.3 Inhalt der Daten 1.3.2 Strukturmerkmale

Durch die Strukturmerkmale werden einerseits quantitative Dimensionen erfaßt, wie z. B. das Alter der haushaltsführenden Person, die Zahl der Kinder, das monatliche Haushaltsnettoeinkommen usw. Doch auch qualitative Informationen spielen eine Rolle, z. B. Familienstand oder sozialer Status. Einen vollständigen Überblick über die im Datensatz enthaltenen Verhaltens- und Strukturmerkmale gibt Abbildung 1.

Abbildung 1: Zusammenfassende Darstellung der im Datensatz enthaltenen Merkmale

Quelle: eigene Darstellung

Die qualitativen Merkmale nehmen eine gewisse Sonderrolle ein. Sie wurden nicht direkt durch Befragung der Haushalte erhoben, sondern sind das Ergebnis von Clusteranalysen und somit abgeleitete Größen (vgl. GfK -Gruppe, 2001a). Ihre Ausprägungen hängen also indirekt von den anderen Merkmalen ab. So bilden bspw. die Haushalte, die ein bestimmtes Einkommen haben, bei denen die haushaltsführende Person einen bestimmten Beruf ausübt und bei denen eine bestimmte Zahl von Personen im Haushalt lebt, die Gruppe der „oberen Arbeiterschicht“. Dadurch wird dann die Ausprägung des Merkmals „sozialer Status“ festgelegt. Diese und die anderen qualitativen Variablen erfassen also keine neuen, zusätzlichen Sachverhalte. Sie dienen lediglich zu einer verbesserten Beschreibung der Haushalte. Daher werden diese Merkmale bei der späteren Analyse auch lediglich zu Beschreibungszwecken eingesetzt und sind nicht selbst Grundlage der Analyse.

1.3 Inhalt der Daten 1.3.3 Die Warengruppen

1.3.3 Die 13 Warengruppen

1.3.3.1 Allgemeines

Das Artikelsortiment des SB-Warenhauses ist in 13 Warengruppen gegliedert. Eine Warengruppe wird durch Zusammenfassung ähnlicher Artikel definiert. Die Ähnlichkeit ergibt sich meist aus dem Verwendungszweck oder aus der Grundsubstanz, aus der die Artikel bestehen (z. B. Milch). Die Einteilung von Produkten in Warengruppen ist aber nicht ganz unproblematisch, eine völlig eindeutige und überschneidungsfreie Lösung wird sich kaum finden lassen. So ist z. B. die Abgrenzung zwischen den Gruppen „Nahrungsmittel“ und „Feinkost“ nicht unmittelbar einleuchtend. Ab wann zählt ein eßbarer Artikel nicht mehr zu Nahrungsmitteln, sondern zur Feinkost? Für die hier durchgeführte Analyse spielt diese Problematik keine allzu große Rolle, sie wird deswegen nicht weiter vertieft. Die im Datensatz verwendeten Warengruppen werden als gegeben hingeno mmen. Sie sind in Tabelle 1 aufgelistet.

1.3 Inhalt der Daten 1.3.3 Die Warengruppen

1.3.3.2 Bedeutung der einzelnen Warengruppen

Aus Sicht des Einzelhandelsbetriebes haben nicht alle Warengruppen den gleichen Stellenwert. Für ihn sind vor allem die Warengruppen von Bedeutung, die einen Beitrag zur Steigerung des Unternehmenserfolgs leisten, die also einen positiven Deckungsbeitrag ³ erwirtschaften. Leider liegen hier entsprechende Informationen nicht vor. Um trotzdem eine Vorstellung von der Wichtigkeit der einzelnen Warengruppen zu bekommen, werden sie anhand der zwei folgenden Dimensionen untersucht: Käuferfrequenz und Umsatzanteil.

• Käuferfrequenz

Die Käuferfrequenz kann als Nutzungsgrad einer Warengruppe interpretiert werden. Sie berechnet sich als Anteil der Käufer, die Artikel einer Warengruppe beschafft haben, an der Gesamtzahl aller Käufer (vgl. Fischer, 1993, S. 76). Je mehr Käufer eine Warengruppe berücksichtigt haben, desto größer ist ihr Anteil an allen Warenkörben, desto stärker wurde diese Warengruppe also genutzt.

Die Verteilung der Warengruppen nach Käuferfrequenzen zeigt Abbildung 2.

Abbildung 2: Käuferfrequenzen der einzelnen Warengruppen

Quelle: eigene Darstellung

³ Einfachste Berechnungsweise: Deckungsbeitrag einer Warengruppe = Summe der Verkaufsprei-

se der zur Warengruppe gehörenden Artikel minus um bestimmte Vergünstigungen bereinigter

Einkaufspreis dieser Artikel (vgl. Recht/Zeisel, 1997, S. 96)

18

1.3 Inhalt der Daten 1.3.3 Die Warengruppen

Die drei wichtigsten Warengruppen gemessen an der Käuferfrequenz sind offensichtlich Milch- und Molkereiprodukte (MOL), Nahrungsmittel (NAH) und Tiefkühlkost/Fertigkost (TKK). Dies ist kein überraschendes Ergebnis, denn Artikel aus diesen drei Warengruppen haben alle mit Essen und Ernährung, einem der wichtigsten Grundbedürfnisse, zu tun. Der Bedarf und damit der Nutzungsgrad solcher Produkte scheint deshalb besonders stark ausgeprägt zu sein.

• Umsatzanteil: insgesamt und sonderangebotsbezogen

Die zweite Möglichkeit zur Beurteilung der Bedeutung der einzelnen Warengruppen ist der Umsatzanteil. Das ist der Gesamtumsatz innerhalb einer Warengruppe dividiert durch den Gesamtumsatz aller Warengruppen, jeweils bezogen auf den gesamten Erhebungszeitraum vo n 10 Monaten. Um aus dem Umsatzanteil Rückschlüsse auf den Beitrag zum Unternehmenserfolg ziehen zu können, müßten auch die Einstandspreise bekannt sein. Dies ist hier nicht der Fall, weswegen eine umsatzstarke Warengruppe nicht automatisch als besonders erfolgreich beurteilt werden darf. Die in Abbildung 3 dargestellte Umsatzverteilung zeigt also vielmehr die Bedeutung der Warengruppen hinsichtlich der eingenommenen Za hlungsmittel.

Abbildung 3: Umsatzanteile der einzelnen Warengruppen

Quelle: eigene Darstellung

Gemessen am Anteil des Gesamtumsatzes gibt es Warengruppen, die besonders bedeutsam sind: Milch- und Molkereiprodukte (MOL), Tiefkühlkost (TKK), al-

19

1.3 Inhalt der Daten 1.3.3 Die Warengruppen

koholhaltige Getränke (ALK), Nahrungsmittel (NAH) und alkoholfreie Getränke (AFG). Wie vermutet sind die drei frequenzstärksten Warengruppen MOL, TKK und NAH darunter. Alkoho lhaltige Getränke werden zwar relativ gesehen weniger genutzt (vgl. Abbildung 2), sind dafür offensichtlich hochpreisig, so daß der Umsatza nteil groß ist.

Dieser Betrachtung lag der Gesamtumsatz zu Grunde. Doch welche Rangfolge ergibt sich, wenn nur der Umsatz mit preislich herabgesetzten Artikeln herangezogen wird? Abbildung 4 zeigt die entsprechende Verteilung.

Abbildung 4: Anteile der Warengruppen am Umsatz mit Sonderangebotsartikeln

Quelle: eigene Darstellung

Insgesamt wurden innerhalb der 10 Monate von den beobachteten Haushalten rund 207.000,- DM umgesetzt. Davon entfielen gut 57.000,- DM auf Sonderangebote. Diese haben am Gesamtumsatz also einen Anteil von ca. 27%. Abbildung 4 zeigt, wie sich diese 27% auf die einzelnen Warengruppen verteilen. Dabei fällt auf, daß die fünf Warengruppen mit den größten Anteilen mehr als 60% des Sonderangebotumsatzes auf sich vereinigen. Das heißt, ein Großteil dieses Umsatzes wird durch einige wenige Warengruppen erwirtschaftet. Dies sind vor allem Heißgetränke, alkoholfreie und alkoholhaltige Getränke, Milch- und Molkereiprodukte sowie Tiefkühlkost/Fertigkost. Die kurzzeitige Herabsetzung des Preises innerhalb dieser Warengruppen war also lohnenswert. Sonderangebote für Artikel der restlichen Gruppen spielen bei der Umsatzerzielung offensichtlich keine so

1.3 Inhalt der Daten 1.3.3 Die Warengruppen

große Rolle. Es wäre folglich zu überlegen, ob für solche Produkte gänzlich auf diese Marketing-Maßnahme verzichtet werden sollte. Die Entscheidung dazu fällt allerdings nicht leicht, denn die einzelnen Artikel und Warengruppen existieren nicht unabhängig voneinander. Es kann davon ausgegangen werden, daß es bestimmte Artikelkombinationen gibt, die sehr häufig gemeinsam besorgt werden. In der Fachsprache wird dies als „Sortimentsverbund“ (Schmalen et al., 1996, S. 32) bezeichnet. Das bedeutet, daß bestimmte Sortimentsteile miteinander zusammenhängen, daß zwischen ihnen ein Verbund besteht. Es wäre also bspw. mö glich, daß Käufer aufgrund eines Sonderangebots eines Artikels der Warengruppe Feinkost die Einkaufsstätte aufsuchen und dieses Produkt kaufen, gleichzeitig jedoch auch weitere, nicht herabgesetzte und damit größere positive Deckungsbeiträge erwirtscha ftende Waren berücksichtigen. Das genau ist das eigentliche Ziel der Idee eines Sonderangebots: Es erfüllt vor allem eine Art Lockfunktion (vgl. Recht et al., 1997, S. 97). Die geringere Gewinnspanne des preislich vergünstigten Artikels soll durch den gleichzeitigen Kauf von großzügiger kalkulierten Produkten ausgeglichen werden. Für einen möglichst effektiven und effizienten Einsatz von Sonderangeboten ist die Kenntnis typischer Artikelverbünde also eine wichtige Voraussetzung. Das Aufdecken von Verbundbeziehungen ist auf verschiedene Arten möglich und methodisch relativ anspruchsvoll. Eine geeignete Möglichkeit dazu stelle ich im Ergebnisteil gena uer vor (Kapitel 4.4, Seite 102 ff.).

Ziel dieses Abschnitts war es herauszuarbeiten, welche Warengruppen für das SB-Warenhaus besonders bedeutsam sind. Es hat sich gezeigt, daß, gemessen an Käuferfr equenz und Umsatzanteilen, vor allem solche Warengruppen bedeutsam sind, die mit dem Grundbedürfnis Essen und Trinken zusammenhängen, also vor allem Lebensmittel.

In diesem ersten Teil der Diplomarbeit habe ich die Herkunft der Daten und den genauen Inhalt des D atensatzes beschrieben. Für das Verständnis der späteren Analysen ist die Kenntnis dieser Hintergründe von Bedeutung.

Doch was genau soll analysiert werden? Auf welche Fragen sollen die Ergebnisse möglicherweise eine Antwort geben? Darum geht es nun im zweiten Teil.

2. Ziel und Zweck der Analyse des Datensatzes

2.1 Ziel der Analyse

Der Titel dieser Diplomarbeit lautet: „Käufertypen in der Konsumforschung“. Es geht also darum, aus der Menge der 6763 Käufer bestimmte Typen, eben die Käufertypen, zu extrahieren. Solche Typen ergeben sich aus der Zusammenfassung von untereinander ähnlichen Käufern zu einer Gruppe. Die Ähnlichkeit kommt dadurch zum Ausdruck, daß die Ausprägungen bestimmter Merkmale (im Idealfall) nicht besonders stark voneinander abweichen. Käufer, die zu einer Klasse ⁴ gehören, sollten also möglichst viele Gemeinsamkeiten aufweisen, die Klasse sollte mö glichst homogen sein. Um die einzelnen Gruppen besser unterscheiden zu können, sollten diese möglichst unterschiedlich, möglichst heterogen sein. Anders ausgedrückt: Die Streuung der Merkmalsausprägungen zwischen den Käufern eines Clusters sollte möglichst gering, zwischen denen verschiedener Cluster möglichst groß sein.

Ziel der Analyse ist es, solche Käuferklassen innerhalb des Datensatzes zu identifizieren. Doch eine reine Identifizierung ist nicht ausreichend. Auch die Charakterisierung der gefundenen Gruppen ist ein wichtiger Bestandteil. Dafür sind vor allem die Strukturmerkmale von Bedeutung. Durch sie können die Käufertypen näher beschrieben und interpretiert werden. Der Fachausdruck dafür lautet „Typisierung“ (Fi ckel, 2000, Folie 4).

Der Datensatz wird als repräsentativ für alle bayerischen Käufer in dem SB-Warenhaus angesehen (vgl. Definition des Haushaltspanel in Abschnitt 1.1 auf Seite 12). Die Ergebnisse der Klassenbildung ließen sich somit auf diese Gesamtheit übertragen. Im Optimalfall zeichnen sich die Käufertypen jeweils durch ein spezifisches Kaufverhalten aus und sind außerdem durch eindeutige Ausprägungen der Strukturmerkmale zu beschreiben. In diesem Fall könnte das Kaufverha lten für Haushalte, auf die diese Beschreibung zutrifft, vorhergesagt werden. Das gilt aufgrund von Zufallseinflüssen nicht für den einzelnen, wohl aber für eine

⁴ Die Begriffe „Gruppen“, „Typen“, „Klassen“, „Cluster“ und „Segmente“ werden hier synonym

verwendet.

22

2.1 Ziel der Analyse

entsprechend große Zahl dieser Haushalte. Eine solche Vorhersagemöglichkeit würde interessante Möglichkeiten für Werbung und Marketing bieten. Doch der Konjunktiv „würde“ drückt es schon aus: Dies ist nur der Idealfall. In der Realität wird eine solche eindeutige und trennscharfe Klassifikation nur annähernd gelingen und damit auch eine Kaufverhaltensvorhersage nur vage möglich sein.

An dieser Stelle lohnt es sich, auf einen sehr wichtigen Punkt einzugehen, der die Bedeutung der Ergebnisse von Clusteranalysen und anderer multivariater Verfa hren relativiert. Fast in jedem Datensatz, sei er nur genügend umfangreich, lassen sich irgendwelche Strukturen und Zusammenhänge aufdecken, und zwar unabhängig davon, ob diese auch sachlich begründet sind, also in der Realität tatsächlich vorliegen. Wichtig ist die Einsicht, daß solche Methoden immer nur Bestandteil eines Modells sind, das niemals die gesamte Wirklichkeit, sondern immer nur einen Ausschnitt der Realität beschreiben kann. Die Verwendung anderer Methoden bedeutet die Zugrundelegung eines anderes Modells und damit einer anderen Sichtweise auf die Wirklichkeit. Diese andere Methode wird deshalb mit sehr hoher Wahrscheinlichkeit andere Ergebnisse liefern, obwohl eigentlich der gleiche Sachve rhalt analysiert wurde. Bei der Interpretation der Ergebnisse sollte man sich also im Klaren darüber sein, daß die Schlußfolgerungen nur im Rahmen des entsprechenden Modells gelten und nicht verabsolutiert werden dürfen. So ist es z. B. eine Eigenschaft der meisten Klassenbildungsalgorithmen, auch dann Gruppen zu extrahieren, wenn diese in der Realität nicht unbedingt vorhanden sind. Das bedeutet natürlich nicht, daß Clusteranalysen prinzipiell wertlos sind. Vielmehr sind in Abhängigkeit von der Qualität der Daten die Ergebnisse eher als mögliche Tendenzen, als Hypothesen und eben nicht getreue Abbildung der Realität zu verstehen.

Auch auf die Ergebnisse dieser Diplomarbeit trifft das selbstverständlich zu. Von daher ist es wichtig, nochmals zu betonen, daß es hier weniger auf die praktische und realitätsnahe Anwendbarkeit der Resultate, sondern vielmehr auf das prinzipielle Vorgehen, auf die grundlegende Idee der Bildung von Käufertypen ankommt.

2.2 Sinn und Zweck der Analyse

Das Ziel der Analyse ist damit klargestellt. Doch welchen Sinn macht es eigentlich, solche Käufertypen zu bilden? Was kann dadurch erreicht werden? Welcher Zweck steht dahinter?

2.2 Sinn und Zweck der Bildung von Käufertypen

In der Einleitung habe ich bereits erwähnt, daß für Unternehmen in einer globalisierten Welt mit hohem Wettbewerbsdruck der entscheidende Erfolgsfaktor im Wissen um vorhandene und potentielle Kunden liegt. Nur wer es versteht, Kunden zu gewinnen und zu binden, kann auf Dauer bestehen. Um diese Kundenbindung zu erreichen, ist eine „umfassende Kenntnis der Konsumentengruppen und ihres Einkaufsverhaltens“ nötig (GfK -Gruppe, 2001b). Genau diese „Kenntnis der Konsumentengruppen“ ist Ziel der Käufertypenbildung.

Die Bildung von Käufertypen erfüllt also den Zweck, zusätzliche, vorher nicht bekannte Informationen über die Käufer eines Unternehmens zu liefern. Durch Einbeziehung dieser Informationen in die absatzrelevanten Entscheidungsprozesse können Kunden zielgenauer angesprochen und damit Effizienz und Kundenbindung gesteigert werden. Solche Entscheidungen betreffen insbesondere den käufertypspezifischen Einsatz von Marketing-Instrumenten in den Bereichen Sortiments-, Kommunik ations- und Preispolitik.

In der Fachliteratur wird weniger von „Bildung von Käufertypen“, sondern vielmehr von „Marktsegmentierung“ gesprochen. Gemeint ist aber das gleiche, nä mlich „die (Auf-)Teilung heterogener Gesamtmärkte in homogene Teilmärkte (Segmente, Käufergruppen, Käuferklassen, Käufertypen) mittels bestimmter Merkmale“ (Freter, 1994, S. 733). Man sieht, diese Definition entspricht genau dem in Kapitel 2.1 erläuterten Analyseziel.

Der Sinn und Zweck einer Marktsegmentierung besteht also darin, durch Effizienzsteigerungen die Kundenbindung zu erhöhen. Eine solche Effizienzsteigerung ergibt sich aus den Wirkungen einer erfolgreich umgesetzten Käufergrup-

24

2.2 Sinn und Zweck der Analyse

penbildung. Im Idealfall führt eine Marktsegmentierung zu folgenden Effekten (vgl. Freter, 1994, S. 733 und Scharer, 2000):

• Marktidentifizierung. Ein Unternehmen hat nach Durchführung einer Seg-mentierung eine bessere Vorstellung davon, wer überhaupt seine Kunden sind. Es kann die relevanten Käufergruppen festlegen und bisher vernachlässigte Gruppen auffinden.

• Kundennutzen. Eine aus der Marktidentifizierung resultierende Anpassung des

Produktangebots und der Marketing-Maßnahmen an genau definierte Käuferschichten führt zu einer besseren Befriedigung der Konsumentenbedürfnisse.

• Wettbewerbsvorteile. Das Unternehmen kann dadurch Wettbewerbsvorteile

gegenüber der Konkurrenz erzielen.

• Unternehmensstrategien. Die erfolgreiche Positionierung von Neuprodukten

ist bei genauer Kenntnis der eigenen Käuferschaft sehr viel wahrscheinlicher.

• Prognoseerleichterungen. Durch differenzierte Kenntnis der eigenen Käufer-schaft wird eine zutreffende Prognose von Marktentwicklungen wahrscheinlicher.

• Marktreaktionsfunktionen. Eine exaktere Ableitung von Marktreaktionsfunk-tionen wird ermöglicht. Denn bei Kenntnis von Käufertypen wird nicht bloß eine „Durchschnittsreaktion“ am Markt festgestellt, sondern es kann sehr differenziert beurteilt werden, wie sich einzelne Gruppen bei einer Änderung der Marketing-Parameter (z. B. Preis) verha lten.

• Ressourceneinsatz. Durch die Möglichkeit, relevante Käufergruppen gezielt

anzusprechen, wird der Ressourceneinsatz optimiert. Die Kosten, die durch die Bearbeitung nicht relevanter Gruppen entstehen, werden minimiert.

• Markttransparenz. Alle diese genannten Punkte haben letztendlich zur Folge,

daß der Informationsstand über Strukturen und Gesetzmäßigkeiten des Marktes, mit einem Wort: die Markttransparenz, erhöht wird.

Wie gesagt, diese Wirkungen treten wohl nur im Idealfall ein. In der Realität werden sie durch im Modell nicht berücksichtigte Einflüsse abgeschwächt. Doch

25