Leseprobe
Inhaltsverzeichnis
Informationen an den eser
Zusammenfassung
I. Inhaltsverzeichnis
II. Abbildungsverzeichnis
III. Tabellenverzeichnis
1 Krisenbedingtes, verändertes Konsumentenverhalten als Herausforderung für den stationären Einzelhande
2 Krisenkonsum und OVD-19: Verändertes Konsumentenverhalten im ichte theoretischer und empirischer Befunde
2.1 Begrifflichkeiten und Abgrenzung
2.2 Gründe für verändertes Konsumentenverhalten in Krisenzeiten
2.3 Unmittelbare Auswirkungen auf das Konsumentenverhalten
2.3.1 Verändertes Online-Einkaufsverhalten
2.3.2 Veränderte Einkaufsmenge
2.4 Auswirkungen auf den stationären Einzelhande
3 Verändertes Konsumentenverhalten: Konzeption und Befunde einer empirischen Analyse
3.1 Konzeption und Durchführung der Untersuchung
3.1.1 Untersuchungsmodell und Hypothesen zum Konsumentenverhalten
3.1.2 Aufbau des Fragebogens
3.1.3 Auswahl der Probanden und Durchführung der empirischen Erhebung
3.2 Empirische Befunde zum Konsumentenverhalten
3.2.1 Verändertes Online-Einkaufsverhalten
3.2.2 Veränderte Einkaufsmenge
3.2.3 Diskussion der empirischen Ergebnisse
4 Schlussbetrachtung: Möglichkeiten des krisenbedingten, veränderten Konsumentenverhaltens
Anhang
Literaturverzeichnis
Versicherung zur selbständigen Anfertigung
Informationen an den eser
Die vorliegende Arbeit verwendet der besseren esbarkeit wegen ausschließlich das männliche Geschlecht. Trotz einseitiger Formulierungen sollen hiermit alle Geschlechterformen angesprochen werden.
Zusammenfassung
Mit der Entwicklung der Pandemie hat sich der Ort sowie die Art und Weise wie Verbraucher einkaufen, verändert. Zu beobachten sind Menschen, die Regale leeren und einen größeren Einkaufskorb als üblich haben. Zudem mussten Geschäfte eine Zeit lang schließen und einige Verbraucher sind auf Online-Einkaufskanäle umgestiegen. Dieses veränderte Verbraucherverhalten stellt Unternehmen und Einzelhändler vor die Herausforderung, strategische Veränderungen durchzuführen, um während und auch nach dieser Krisenzeit lebensfähig zu bleiben. n der vorliegenden Arbeit wurden die Auswirkungen der OVD-19-Pandemie auf das Verbraucherverhalten, insbesondere auf das beobachtete Vorratsverhalten und die gesteigerte Präferenz für Online-Einkaufskanäle untersucht. Nach den zentralen Erkenntnissen dieser wissenschaftlichen Arbeit lassen sich die untersuchten Verhaltensweisen nicht wie erwartet durch die erhöhte Bedrohungs- und Risikowahrnehmung sowie durch erhöhte Angst und die verringerte wahrgenommene Kontrolle rechtfertigen. Das veränderte Online-Einkaufsverhalten lässt sich anhand der Variablen Alter, Selbstwirksamkeit, Risikoaversion und der Medienexposition erklären. Das Vorratsverhalten kommt durch Risikoaversion, Selbstwirksamkeit und Medienexposition zustande. nfolgedessen kann geschlossen werden, dass weitere Variablen Einfluss auf dieses Verhalten der Verbraucher während der Pandemie nehmen, worauf ebenso in dieser Arbeit eingegangen wird.
II. Abbildungsverzeichnis
Abbildung 1: Untersuchungsmodell (eigene Darstellung)
Abbildung 2: Ergebnisse des Untersuchungsmodells (eigene Darstellung)
Abbildung 3: Fragebogen
Abbildung 4: Fragebogen
Abbildung 5: Fragebogen
Abbildung 6: Fragebogen
Abbildung 7: Fragebogen
Abbildung 8: Fragebogen
Abbildung 9: Fragebogen
Abbildung 10: Fragebogen
Abbildung 11: Fragebogen
Abbildung 12: Fragebogen
Abbildung 13: Fragebogen
Abbildung 14: Fragebogen
Abbildung 15: Fragebogen
Abbildung 16: Fragebogen
Abbildung 17: Fragebogen
Abbildung 18: Fragebogen
Abbildung 19: Fragebogen
Abbildung 20: Fragebogen
Abbildung 21: Fragebogen
Abbildung 22: Fragebogen
Abbildung 23: Fragebogen
Abbildung 24: Fragebogen
Abbildung 25: Fragebogen
Abbildung 26: Fragebogen
Abbildung 27: Fragebogen
Abbildung 28: Fragebogen
Abbildung 29: Fragebogen
Abbildung 30: Fragebogen
Abbildung 31: Moderationsanalyse (A): Streudiagramm
Abbildung 32: Moderationsanalyse (A): Ausschnitt des SPSS-Outputs
Abbildung 33: Moderationsanalyse (B): Streudiagramm
Abbildung 34: Moderationsanalyse (B): Ausschnitt des SPSS-Outputs.
Abbildung 35: Mediationsanalyse (A): Matrixdiagramme
Abbildung 36: Mediationsanalyse (A): Ausschnitt des SPSS-Outputs.
Abbildung 37: Mediationsanalyse (B): Matrixdiagramme
Abbildung 38: Mediationsanalyse (B): Ausschnitt des SPSS-Outputs.
Abbildung 39: Regressionsanalyse 1 Version 3: Histogramm
Abbildung 40: Regressionsanalyse 1 Version 3: P-P-Diagramm
Abbildung 41: Regressionsanalyse 1 Version 3: Partielles Regressionsdiagramm (1)
Abbildung 42: Regressionsanalyse 1 Version 3: Partielles Regressionsdiagramm (2)
Abbildung 43: Regressionsanalyse 1 Version 3: Partielles Regressionsdiagramm (3)
Abbildung 44: Regressionsanalyse 1 Version 3: Partielles Regressionsdiagramm (4)
Abbildung 45: Regressionsanalyse 1 Version 3: Partielles Regressionsdiagramm (5)
Abbildung 46: Regressionsanalyse 1 Version 3: Partielles Regressionsdiagramm (6)
Abbildung 47: Regressionsanalyse 1 Version 3: Partielles Regressionsdiagramm (7)
Abbildung 48: Regressionsanalyse 1 Version 3: Partielles Regressionsdiagramm (8)
Abbildung 49: Regressionsanalyse 1 Version 3: Partielles Regressionsdiagramm (9)
Abbildung 50: Regressionsanalyse 1 Version 3: Partielles Regressionsdiagramm (10)
Abbildung 51: Regressionsanalyse 1 Version 3: Partielles Regressionsdiagramm (11)
Abbildung 52: Regressionsanalyse 1 Version 3: Streudiagramm
Abbildung 53: Moderationsanalyse (): Streudiagramm
Abbildung 54: Moderationsanalyse (): Zusammenschnitt der SPSS-Outputs
Abbildung 55: Mediationsanalyse (): Matrixdiagramme
Abbildung 56: Mediationsanalyse (): Ausschnitt des SPSS-Outputs.
Abbildung 57: Mediationsanalyse (D): Matrixdiagramme.
Abbildung 58: Mediationsanalyse (D): Ausschnitt des SPSS-Outputs.
Abbildung 59: Mediationsanalyse (E): Matrixdiagramme.
Abbildung 60: Mediationsanalyse (E): Ausschnitt des SPSS-Outputs
Abbildung 61: Mediationsanalyse (F): Matrixdiagramme
Abbildung 62: Mediationsanalyse (F): Ausschnitt des SPSS-Outputs
Abbildung 63: Mediationsanalyse (G): Matrixdiagramme
Abbildung 64: Mediationsanalyse (G): Ausschnitt des SPSS-Outputs.
Abbildung 65: Mediationsanalyse (H): Matrixdiagramme
Abbildung 66: Mediationsanalyse (H): Ausschnitt des SPSS-Outputs.
Abbildung 67: Mediationsanalyse (): Matrixdiagramme
Abbildung 68: Mediationsanalyse (): Ausschnitt des SPSS-Outputs
Abbildung 69: Mediationsanalyse (J): Matrixdiagramme
Abbildung 70: Mediationsanalyse (J): Ausschnitte des SPSS-Outputs
Abbildung 71: Mediationsanalyse (K): Matrixdiagramme
Abbildung 72: Mediationsanalyse (K): Ausschnitt des SPSS-Outputs.
Abbildung 73: Regressionsanalyse 2 Version 3: Histogramm
Abbildung 74: Regressionsanalyse 2 Version 3: P-P-Diagramm
Abbildung 75: Regressionsanalyse 2 Version 3: Streudiagramm
Abbildung 76: Regressionsanalyse 2 Version 3: Partielles Regressionsdiagramm (1)
Abbildung 77: Regressionsanalyse 2 Version 3: Partielles Regressionsdiagramm (2)
Abbildung 78: Regressionsanalyse 2 Version 3: Partielles Regressionsdiagramm (3)
Abbildung 79: Regressionsanalyse 2 Version 3: Partielles Regressionsdiagramm (4)
Abbildung 80: Regressionsanalyse 2 Version 3: Partielles Regressionsdiagramm (5)
Abbildung 81: Regressionsanalyse 2 Version 3: Partielles Regressionsdiagramm (6)
Abbildung 82: Regressionsanalyse 2 Version 3: Partielles Regressionsdiagramm (7)
Abbildung 83: Regressionsanalyse 2 Version 3: Partielles Regressionsdiagramm (8)
Abbildung 84: Regressionsanalyse 2 Version 3: Partielles Regressionsdiagramm (9)
Abbildung 85: Regressionsanalyse 2 Version 3: Partielles Regressionsdiagramm (10)
Abbildung 86: Moderationsanalyse (D): Streudiagramm
Abbildung 87: Moderationsanalyse (D): Zusammenschnitte des SPSS-Outputs
Abbildung 88: Mediationsanalyse (): Matrixdiagramme.
Abbildung 89: Mediationsanalyse (): Ausschnitt des SPSS-Outputs
Abbildung 90: Moderationsanalyse (E): Streudiagramm
Abbildung 91: Moderationsanalyse (E): Zusammenschnitt des SPSS-Outputs
Abbildung 92: Moderationsanalyse (F): Streudiagramm.
Abbildung 93: Moderationsanalyse (F): Zusammenschnitt des SPSS-Outputs.
Abbildung 94: Moderationsanalyse (G): Streudiagramm
Abbildung 95: Moderationsanalyse (G): Zusammenschnitt des SPSS-Outputs
Abbildung 96: Mediationsanalyse (M): Matrixdiagramme
Abbildung 97: Mediationsanalyse (M): Ausschnitt des SPSS-Outputs
Abbildung 98: Mediationsanalyse (N): Matrixdiagramme
Abbildung 99: Mediationsanalyse (N): Ausschnitt des SPSS-Outputs.
Abbildung 100: Mediationsanalyse (O): Matrixdiagramme
Abbildung 101: Mediationsanalyse (O): Ausschnitt des SPSS-Outputs.
Abbildung 102: Mediationsanalyse (P): Matrixdiagramme
Abbildung 103: Mediationsanalyse (P): Ausschnitt des SPSS-Outputs
Abbildung 104: Mediationsanalyse (Q): Matrixdiagramme
Abbildung 105: Mediationsanalyse (Q): Ausschnitt des SPSS-Outputs.
Abbildung 106: Mediationsanalyse (R): Matrixdiagramme
Abbildung 107: Mediationsanalyse (R): Ausschnitt des SPSS-Outputs
Abbildung 108: Mediationsanalyse (S): Matrixdiagramme
Abbildung 109: Mediationsanalyse (S): Ausschnitt des SPSS-Outputs
Abbildung 110: Mediationsanalyse (T): Matrixdiagramme
Abbildung 111: Mediationsanalyse (T): Ausschnitte des SPSS-Outputs
Abbildung 112: Mediationsanalyse (U): Matrixdiagramme
Abbildung 113: Mediationsanalyse (U): Ausschnitt des SPSS-Outputs.
Abbildung 114: Meditationsanalyse (V): Matrixdiagramme.
Abbildung 115: Mediationsanalyse (V): Ergebnisse des SPSS-Outputs
III. Tabellenverzeichnis
Tabelle 1: Übersicht aller Hypothesen
Tabelle 2: Operationalisierung der Konstrukte im Untersuchungsmodell
Tabelle 3: Häufigkeitsverteilung des Geschlechts
Tabelle 4: Häufigkeitsverteilung der Bildungsabschlüsse
Tabelle 5: Häufigkeitsverteilung der Beschäftigungsarten
Tabelle 6: Häufigkeitsverteilung des Alters
Tabelle 7: Häufigkeitsverteilung der Einkommensklassen.
Tabelle 8: Häufigkeitsverteilung der Haushaltseinkommens-Veränderungen.
Tabelle 9: Häufigkeitsverteilungen des Familienstandes.
Tabelle 10: Ergebnisse der Mediations- und Moderationsanalysen.
Tabelle 11: Moderationsanalyse (A): Ergebnisse der Haupteffekte
Tabelle 12: Moderationsanalyse (B): Ergebnisse der Haupteffekte.
Tabelle 13: Häufigkeitsverteilung der Präferenzen für Online- oder Offline-Kanäle
Tabelle 14: Häufigkeitsverteilung des Grundes (1)
Tabelle 15: Häufigkeitsverteilung des Grundes (2)
Tabelle 16: Häufigkeitsverteilung des Grundes (3).
Tabelle 17: Häufigkeitsverteilung des Grundes (4)
Tabelle 18: Häufigkeitsverteilung des Grundes (5)
Tabelle 19: Häufigkeitsverteilung des Grundes (6)
Tabelle 20: Häufigkeitsverteilung des Grundes (7)
Tabelle 21: Häufigkeitsverteilung des Grundes (8)
Tabelle 22: Häufigkeitsverteilung des Grundes (9)
Tabelle 23: Häufigkeitsverteilung des Grundes (10)
Tabelle 24: Häufigkeitsverteilung des Grundes (11)
Tabelle 25: Häufigkeitsverteilung des Grundes (12)
Tabelle 26: Häufigkeitsverteilung des Grundes (13)
Tabelle 27: Häufigkeitsverteilung des Grundes (14)
Tabelle 28: Häufigkeitsverteilung des Grundes (15)
Tabelle 29: Häufigkeitsverteilung des Grundes (16)
Tabelle 30: Häufigkeitsverteilung des Grundes (17)
Tabelle 31: Häufigkeitsverteilung des Grundes (18)
Tabelle 32: Häufigkeitsverteilung der Frequenz der Online-Einkäufe
Tabelle 33: Häufigkeitsverteilung der Frequenz der Online-Einkäufe vor der Pandemie
Tabelle 34: Häufigkeitsverteilung der Kanalpräferenz (1)
Tabelle 35: Häufigkeitsverteilung der Kanalpräferenz (2)
Tabelle 36: Häufigkeitsverteilung der Kanalpräferenz (3)
Tabelle 37: Häufigkeitsverteilung der Kanalpräferenz (4)
Tabelle 38: Häufigkeitsverteilung der Kanalpräferenz (5)
Tabelle 39: Häufigkeitsverteilung der Kanalpräferenz (6)
Tabelle 40: Häufigkeitsverteilung der Kanalpräferenz (7)
Tabelle 41: Häufigkeitsverteilung der Kanalpräferenz (8)
Tabelle 42: Häufigkeitsverteilung der Kanalpräferenz (9)
Tabelle 43: Häufigkeitsverteilung der Kanalpräferenz (10)
Tabelle 44: Häufigkeitsverteilung der Einschätzung des Wohnortes
Tabelle 45: Häufigkeitsverteilung des Einkaufserlebnisses
Tabelle 46: Häufigkeitsverteilung der gewünschten Sicherheitsvorkehrungen
Tabelle 47: Regressionsanalyse 1 Version 1: Deskriptive Ergebnisse
Tabelle 48: Regressionsanalyse 1 Version 1: Schrittweise Selektion.
Tabelle 49: Regressionsanalyse 1 Version 1: Ergebnisse Korrelationen.
Tabelle 50: Regressionsanalyse 1 Version 1: Ergebnisse Modellzusammenfassung
Tabelle 51: Regressionsanalyse 1 Version 1: Ergebnisse Regressionskoeffizienten.
Tabelle 52: Regressionsanalyse 1 Version 1: Ergebnisse ANOVA.
Tabelle 53: Regressionsanalyse 1 Version 1: Ergebnisse der ausgeschlossenen Variablen.
Tabelle 54: Regressionsanalyse 1 Version 2: Deskriptive Ergebnisse
Tabelle 55: Regressionsanalyse 1 Version 2: Ergebnisse Korrelationen.
Tabelle 56: Regressionsanalyse 1 Version 2: Einschluss-Methode
Tabelle 57: Regressionsanalyse 1 Version 2: Ergebnisse Modellzusammenfassung
Tabelle 58: Regressionsanalyse 1 Version 2: Ergebnisse ANOVA.
Tabelle 59: Regressionsanalyse 1 Version 2: Ergebnisse Fallweise Diagnose.
Tabelle 60: Regressionsanalyse 1 Version 2: Ergebnisse Residuenstatistik
Tabelle 61: Regressionsanalyse 1 Version 2: Ergebnisse stud. ausgeschl. Residuen
Tabelle 62: Regressionsanalyse 1 Version 2: Grenzen für Hebelwerte
Tabelle 63: Regressionsanalyse 1 Version 2: Ergebnisse Hebelwerte.
Tabelle 64: Regressionsanalyse 1 Version 2: Ergebnisse ook-Distanzen
Tabelle 65: Regressionsanalyse 1 Version 2: Ergebnisse Regressionskoeffizienten.
Tabelle 66: Regressionsanalyse 1 Version 2: Ergebnisse Kollinearitätsdiagnose
Tabelle 67: Regressionsanalyse 1 Version 3: Deskriptive Ergebnisse
Tabelle 68: Regressionsanalyse 1 Version 3: Ergebnisse Korrelationen.
Tabelle 69: Regressionsanalyse 1 Version 3: Einschluss-Methode
Tabelle 70: Regressionsanalyse 1 Version 3: Ergebnisse Modellzusammenfassung
Tabelle 71: Regressionsanalyse 1 Version 3: Ergebnisse ANOVA.
Tabelle 72: Regressionsanalyse 1 Version 3: Regressionskoeffizienten
Tabelle 73: Regressionsanalyse 1 Version 3: Kollinearitätsdiagnose.
Tabelle 74: Regressionsanalyse 1 Version 3: Ergebnisse Residuenstatistik.
Tabelle 75: Regressionsanalyse 1 Version 3: Bootstrap-Spezifikation (1)
Tabelle 76: Regressionsanalyse 1 Version 3: Ergebnisse Bootstrap (1)
Tabelle 77: Regressionsanalyse 1 Version 3: Bootstrap-Spezifikation (2)
Tabelle 78: Regressionsanalyse 1 Version 3: Ergebnisse Bootstrap (2)
Tabelle 79: Moderationsanalyse (): Ergebnisse der Haupteffekte.
Tabelle 80: Häufigkeitsverteilung: Menge an ebensmitteln vor der Pandemie.
Tabelle 81: Häufigkeitsverteilung: Menge an ebensmitteln während der Pandemie.
Tabelle 82: Häufigkeitsverteilung: Differenz vor und während der Pandemie
Tabelle 83: Häufigkeitsverteilung der eingekauften Menge (1)
Tabelle 84: Häufigkeitsverteilung der eingekauften Menge (2)
Tabelle 85: Häufigkeitsverteilung der eingekauften Menge (3)
Tabelle 86: Häufigkeitsverteilung der eingekauften Menge (4)
Tabelle 87: Häufigkeitsverteilung der eingekauften Menge (5)
Tabelle 88: Häufigkeitsverteilung der eingekauften Menge (6)
Tabelle 89: Häufigkeitsverteilung der eingekauften Menge (7)
Tabelle 90: Häufigkeitsverteilung der eingekauften Menge (8)
Tabelle 91: Häufigkeitsverteilung der eingekauften Menge (9)
Tabelle 92: Häufigkeitsverteilung der eingekauften Menge (10)
Tabelle 93: Häufigkeitsverteilung Konsumveränderung (1)
Tabelle 94: Häufigkeitsverteilung Konsumveränderung (2)
Tabelle 95: Häufigkeitsverteilung Konsumuveränderung (3)
Tabelle 96: Häufigkeitsverteilung Konsumveränderung (4).
Tabelle 97: Häufigkeitsverteilung: Konsumveränderung (5)
Tabelle 98: Häufigkeitsverteilung Konsumveränderung (6)
Tabelle 99: Häufigkeitsverteilung Konsumveränderung (7).
Tabelle 100: Häufigkeitsverteilung Konsumveränderung (8)
Tabelle 101: Häufigkeitsverteilung Konsumveränderung (9).
Tabelle 102: Häufigkeitsverteilung Konsumveränderung (10).
Tabelle 103: Häufigkeitsverteilung Konsumveränderung (11)
Tabelle 104: Häufigkeitsverteilung Konsumveränderung (12)
Tabelle 105: Regressionsanalyse 2 Version 1: Deskriptive Ergebnisse
Tabelle 106: Regressionsanalyse 2 Version 1: Schrittweise Selektion.
Tabelle 107: Regressionsanalyse 2 Version 1: Ergebnisse Korrelationen
Tabelle 108: Regressionsanalyse 2 Version 1: Ergebnisse Modellzusammenfassung
Tabelle 109: Regressionsanalyse 2 Version 1: Ergebnisse Koeffizienten
Tabelle 110: Regressionsanalyse 2 Version 1: Ergebnisse ANOVA.
Tabelle 111: Regressionsanalyse 2 Version 1: Ergebnisse der ausgeschl. Variablen.
Tabelle 112: Regressionsanalyse 2 Version 1: Ergebnisse Kollinearitätsdiagnose
Tabelle 113: Regressionsanalyse 2 Version 2: Ergebnisse Residuenstatistik.
Tabelle 114: Regressionsanalyse 2 Version 2: Einschluss-Methode.
Tabelle 115: Regressionsanalyse 2 Version 2: Ergebnisse Modellzusammenfassung
Tabelle 116: Regressionsanalyse 2 Version 2: Ergebnisse Korrelationen.
Tabelle 117: Regressionsanalyse 2 Version 2: Ergebnisse ANOVA.
Tabelle 118: Regressionsanalyse 2 Version 2: Ergebnisse Regressionskoeffizienten.
Tabelle 119: Regressionsanalyse 2 Version 2: Ergebnisse Kollinearitätsdiagnose.
Tabelle 120: Regressionsanalyse 2 Version 2: Ergebnisse Fallweise Diagnose.
Tabelle 121: Regressionsanalyse 2 Version 2: Ergebnisse Residuenstatistik.
Tabelle 122: Regressionsanalyse 2 Version 2: Ergebnisse der stud. ausgeschl. Residuen
Tabelle 123: Regressionsanalyse 2 Version 2: Grenzen für Hebelwerte
Tabelle 124: Regressionsanalyse 2 Version 2: Ergebnisse Hebelwerte.
Tabelle 125: Regressionsanalyse 2 Version 2: Ergebnisse ook-Distanzen
Tabelle 126: Regressionsanalyse 2 Version 3: Deskriptive Ergebnisse
Tabelle 127: Regressionsanalyse 2 Version 3: Ergebnisse Korrelationen
Tabelle 128: Regressionsanalyse 2 Version 3: Einschluss-Methode
Tabelle 129: Regressionsanalyse 2 Version 3: Ergebnis Modellzusammenfassung.
Tabelle 130: Regressionsanalyse 2 Version 3: Ergebnis ANOVA
Tabelle 131: Regressionsanalyse 2 Version 3: Ergebnis Regressionskoeffizienten
Tabelle 132: Regressionsanalyse 2 Version 3: Ergebnis Kollineatiätsdiagnose
Tabelle 133: Regressionsanalyse 2 Version 3: Ergebnisse Fallweise Diagnose.
Tabelle 134: Regressionsanalyse 2 Version 3: Ergebnisse Residuenstatisik.
Tabelle 135: Regressionsanalyse 2 Version 3: Bootstrap-Spezifikation (1)
Tabelle 136: Regressionsanalyse 2 Version 3: Ergebnisse Bootstrapp (1)
Tabelle 137: Regressionsanalyse 2 Version 3: Bootstrap-Spezifikation (2)
Tabelle 138: Regressionsanalyse 2 Version 3: Ergebnisse Bootstrap (2).
Tabelle 139: Moderationsanalyse (D): Ergebnisse der Haupteffekte
Tabelle 140: Moderationsanalyse (E): Ergebnisse der Haupteffekte.
Tabelle 141: Moderationsanalyse (F): Ergebnisse der Haupteffekte
Tabelle 142: Moderationsanalyse (G): Ergebnisse Haupteffekte
Tabelle 143: Übersicht aller Variablenzusammenhänge.
1 Krisenbedingtes, verändertes Konsumentenverhalten als Herausforderung für den stationären Einzelhandel
„Consumer behaviour has taken on a new definition during the inevitable challenge of the OVD-19 pandemic.“ (Mehta et al. 2020, S.297).
Das Jahr 2020 entwickelte sich in einer noch nie dagewesenen Weise, die Welt erlebt Unruhen, die nur wenige Menschen zu ebzeiten erlebt haben (ampbell et al. 2020, S.311f.). Der Ausbruch des OVD-19-Virus gilt als großer Notfall im Bereich der öffentlichen Gesundheit, welcher weltweit mehr als 247,4 Millionen Menschen infizierte und über 5 Millionen Todesopfer gefordert hat (Stand: 03.11.2021, World Health Organization 2021, o.S.). n nur kurzer Zeit hat die OVD-19-Pandemie und der damit einhergehende wirtschaftliche Abschwung das eben von Verbrauchern auf der ganzen Welt drastisch verändert. Gleichzeitig führten die Anweisungen zu Hause zu bleiben, neben einer gesundheitlichen und wirtschaftlichen auch zu einer sozialen Bedrohung, wodurch Routinen, Strukturen und das eben der Verbraucher gestört wurden. Dies wiederrum führt zu Veränderungen im Verhalten der Verbraucher (ampbell et al. 2020, S. 311). Es gibt eine breite andschaft von kurz- und langfristigen Verbraucherreaktionen auf Pandemien (ampbell et al. 2020, S.312). Die Menschen leben und arbeiten anders, kaufen anders ein, denken in vielerlei Hinsicht anders und betrachten Produkte und Marken mit anderen Augen. Die Krise verändert, was Menschen schätzen, formt die Branche in Echtzeit um und beschleunigt langfristige Trends innerhalb weniger Wochen (Accenture 2020, S.2). Die OVD-19-Pandemie hat die Normalität weltweit verändert (Ellison et al. 2021, S.58) und die Menschen versuchen, sich an diese neue Normalität anzupassen (Accenture 2020, S.3). Die Verbraucher lernen zu improvisieren und neue Gewohnheiten zu entwickeln, besonders durch den technologischen Fortschritt (Sheth 2020, S.280). Die Schließung von Geschäften, in Verbindung mit der Angst der Verbraucher um ihre eigene Gesundheit, hat zu einem starken Anstieg der Nutzung alternativer Vertriebskanäle geführt (Svajdova 2021, S.36). Die unmittelbaren Folgen der Pandemie durch das veränderte Kaufverhalten der Verbraucher sowie neue Technologien verändern darüber hinaus die Welt des Einzelhandels erheblich (Grewal et al. 2021, S.6). ieferketten wurden auf die Probe gestellt und Einzelhändler schließen ihre Türen (Accenture 2020, S.2). Einzelhändler von lebenswichtigen Gütern sind mit einer erhöhten Nachfrage konfrontiert, während Einzelhändler von nicht lebensnotwendigen Gütern unter erheblichen Umsatzrückgängen leiden. Sie müssen neue Möglichkeiten finden, um die Kunden zu Hause zu erreichen. Es wird entscheidend sein, sich an die unmittelbaren, kurzfristigen Bedürfnisse der Verbraucher flexibel anzupassen, um auf diesem Umfeld zu überleben (Roggeveen & Sethuraman 2020, S.169). Zusammenfassend lässt sich sagen, dass die derzeitige Pandemie den Einzelhandel vor große, noch nie dagewesene Herausforderungen stellt (Pantano et al. 2020, S.212).
Eine Reihe von Erhebungen haben die Verbraucherstimmung und die Auswirkungen der globalen OVD-19-Pandemie verfolgt und über den Wandel des Verbraucherverhaltens berichtet. Die Kenntnis des Verbraucherverhaltens ist ein wichtiger Faktor für den Erfolg von Unternehmen (Svajdova 2021, S.34). Kotler und Keller stellten fest, dass ein ganzheitliches Verständnis der ebensumstände der Kunden entscheidend ist, um sicherzustellen, dass die richtigen Produkte auf möglichst effektive Weise an die richtigen Personen vermarktet werden (2012, S.151). Das Verständnis dieser Veränderungen wird eine große Rolle für den Erfolg oder Misserfolg der Unternehmen nach der Pandemie spielen, um lebensfähig zu bleiben (Mehta et al. 2020, S.297). n diesem Beitrag werden innerhalb der breiten andschaft an Verhaltensveränderungen, die Auswirkungen der OVD-19-Pandemie auf die gesteigerte Präferenz für Online-Käufe und das Vorratsverhalten der Verbraucher untersucht. Die Studie ergänzt den bestehenden Wissensstand, da es bereits eine Vielzahl von Studien über das Verhalten von Verbrauchern in Krisenzeiten gibt. Die Auswirkungen auf das epidemische Verbraucherverhalten während der OVD-19-Pandemie sind jedoch noch wenig erforscht, wodurch eine dringend benötigte Perspektive auf den Einfluss dieser Krise im Bereich der öffentlichen Gesundheit in der vorhandenen iteratur besteht. Es resultieren Veränderungen des Ausgaben- und Sparverhaltens (Ekinci 2021; Jin et al. 2021), des impulsiven Konsums (i et al. 2020), des Konsums von ebensmitteln (Ellison et al. 2021; Poelman et al. 2021; ranfield 2020; Gordon-Wilson 2021) sowie der Präferenzen für utilitaristische (Yang et al. 2020), vertraute (Galoni et al. 2020) oder atypische Produkte (Huang; Sengupta 2020). Sheth (2020), Zwanka und Buff (2021) sowie Kirk und Rifkin (2020) geben jeweils einen Überblick über neue Gewohnheiten oder veränderte Verhaltensweisen der Verbraucher. Obwohl einige Arbeiten das Vorratsverhalten der Verbraucher belegen, liegt hierbei der Fokus der Forschung auf anderen Einflüssen wie zum Beispiel staatliche Maßnahmen, Medien, gleichaltrige Personen, Knappheitsanzeichen oder anderen Motivationen der Verbraucher (Prentice et al. 2020; Bentall et al. 2021; i et al. 2021; Kim et al. 2020; Wang et al. 2020; Micalizzi et al. 2021). Ebenso wird das Verhalten von Panikkäufen mit anderen Krisen in der Vergangenheit verglichen (oxton et al. 2020) oder auf Basis der Erkenntnisse aus der Tierforschung untersucht (Schmidt et al. 2021). Weniger Studien versuchen die Wahl zwischen Online- und Offline-Einkaufskanälen zu erklären, beziehen sich hierbei jedoch auf den Vergleich zwischen der Zeit nach der Pandemie und während der Pandemie (Moon et al. 2021) oder erklären die Auswirkungen des digitalen Handels auf das Wohlbefinden der Verbraucher (Akram et al. 2021).
Nichtsdestotrotz kann noch viel mehr getan werden, um die Prozesse zu untersuchen, die der Reaktion der Verbraucher auf die Pandemie zugrunde liegen. Es besteht also die Notwendigkeit, einen theoretischen Rahmen zu entwickeln, der das Verständnis der Online-Kanalpräferenz und des Vorratsverhaltens der Verbraucher im Zusammenhang mit der Pandemie erklärt und vertieft. Die Motivation für diese Untersuchung besteht nicht darin, einen breiten Überblick an verschiedenen kurz- und langfristigen Reaktionen der Verbraucher auf die Pandemie zu geben, sondern vielmehr ein Verständnis dafür zu bekommen, wieso Verbraucher eher zu Online-Kanälen tendieren und sich mit ebensmitteln bevorraten. Es gibt keine größere Studie, die versucht, das Online-Einkaufsverhalten und das Vorratsverhalten zu verstehen und zu erklären. Die Arbeit gewinnt auch dadurch an Bedeutung, dass in den letzten Jahren der Bereich des E-ommerce stark an Wichtigkeit gewonnen hat. Die aktuelle Studie leistet einen Beitrag zu diesem wachsenden Bereich und füllt diese ücke im bestehenden Wissensbestand.
Die vorliegende Forschungsarbeit hat zum Ziel, die Auswirkungen der OVD-19-Pandemie auf das Verbraucherverhalten zu untersuchen. Hierbei liegt der Fokus auf dem umfassenden Verständnis für die Präferenz von Online-Einkaufskanälen und für das Vorratsverhalten. Es gilt herauszufinden, ob diese beiden Reaktionen der Verbraucher allgemeingültig sind oder ob es wichtige Randbedingungen, Mediatoren und Moderatoren gibt, die zum Tragen kommen. n diesem Zusammenhang ist die folgende Fragestellung die zentrale Forschungsfrage dieser Arbeit: Wie lassen sich die Auswirkungen der OVD-19-Pandemie auf die gesteigerte Präferenz für Online-Einkaufskanäle und das erhöhte Vorratsverhalten der Verbraucher erklären? Um die Forschungsfrage hinreichend beantworten zu können, werden im Rahmen dieser Arbeit und der empirischen Studie die folgenden Unterfragen beantwortet:
- Warum verändert sich das Konsumentenverhalten durch Ereignisse wie die OVD-19-Pandemie?
- Hat die OVD-19-Pandemie Einfluss auf die gesteigerte Präferenz für Online-Käufe der Verbraucher?
- Hat die OVD-19-Pandemie Einfluss auf die gesteigerte Einkaufsmenge und das damit verbundene Vorratsverhalten der Verbraucher?
- Welche Auswirkungen hat das veränderte Verbraucherverhalten auf den stationären Einzelhandel?
Die vorliegende Arbeit ist in vier Kapitel gegliedert. Zu Beginn der Arbeit beschreibt das erste Kapitel eine Einführung in das Thema, die Vorgehensweise und die Zielsetzung. n Kapitel zwei erfolgt eine Darstellung der theoretischen Grundlagen der Auswirkungen von Krisen auf das Verhalten von Konsumenten. Dieser Grundlagenteil dient als Fundament für die nachfolgenden Kapitel sowie der Erläuterung der im Rahmen dieser Arbeit verwendeten Begriffe. Ebenso widmet sich dieses Kapitel der Erfassung bestehender wissenschaftlicher Untersuchungen. Dadurch soll ein tiefergehendes Verständnis für das Forschungsthema entstehen und der aktuelle Stand der Wissenschaft dargestellt werden. Auf Basis dessen werden geeignete Hypothesen zur Untersuchung des veränderten Verbraucherverhaltens entwickelt und Variablen konzeptualisiert. m Anschluss daran umfasst das dritte Kapitel die empirische Untersuchung. Zunächst werden das Forschungsdesign sowie die Operationalisierung der Konstrukte beschrieben. Die Erkenntnisse aus der Befragung werden dargestellt, verglichen und in Bezug auf veränderte Verhaltensweisen der Verbraucher analysiert. Darauf aufbauend wird in diesem Kapitel die Forschungsfrage abschließend beantwortet. n der Schlussbetrachtung in Kapitel vier werden die Arbeit und die wichtigsten Erkenntnisse zusammengefasst, kritisch hinterfragt und ein Ausblick auf anknüpfende Forschungen gewagt.
2 Krisenkonsum und OVD-19: Verändertes Konsumentenverhalten im ichte theoretischer und empirischer Befunde
2.1 Begrifflichkeiten und Abgrenzung
Kutak beschreibt eine Krise im Allgemeinen als ein unerwartetes Ereignis, welches neue Bedürfnisse entstehen lässt, Angstreaktionen hervorruft sowie Routinen durchbricht (1938, S.66f.). Krisen stören das Alltagsleben von Menschen durch beispielsweise den Verlust des Arbeitsplatzes oder den Rückgang des Haushaltseinkommens. Ebenso können Krisen die Konsummuster und -routinen der Menschen, ihre ebensstile, ebenschancen und ihr Wohlbefinden beeinflussen (Koos et al., 2017, S.363). aut Gordon-Wilson empfinden Menschen negative Emotionen auf solche Krisen, wie beispielsweise die Angst sich anzustecken, solation, angeweile und Stress (2021, S.9). Daher nutzen Verbraucher den Konsum als Strategie, um diese Emotionen abzuschwächen (Kemp et al. 2014, S.933) und lernen in Krisensituationen anders und durchdachter einzukaufen (Sarmento et al. 2019, S.226). Die aktuelle OVD-19-Krise wird von Gong et al. als eine pandemische Krise bezeichnet und als globaler Schock betrachtet. Die Autoren sehen pandemische Krisen überwiegend als Gesundheitskrisen, betonen jedoch ebenso die wirtschaftlichen Folgen (2020, S.500). Gründe für etzteres liegen in den Arbeitsausfällen (Yu & Aviso 2020, S.1f.) und den Abriegelungsanordnungen der Regierung, die mit Mobilitätseinschränkungen einhergehen. Dadurch wird die Nachfrage in einigen Branchen wie beispielsweise dem Offline-Einzelhandel zurückgehen. Des Weiteren bringt eine Pandemiekrise einen nvestitions- und Produktionsrückgang mit sich, wodurch die Nachfrage nach Gütern und Dienstleistungen sinkt. Die Ausbreitung des Virus erfolgt darüber hinaus zeitverzögert und in unterschiedlichem Ausmaß, was negative Auswirkungen auf globale ieferketten haben kann (Gong et al. 2020, S.500f.). Auch Mehta et al. bezeichnen die OVD-19-Pandemie als keine normale Krise und betonen, dass alle Elemente der Wirtschaft eng mit den Maßnahmen des öffentlichen Gesundheitswesens und der Abriegelungen verknüpft sind (2020, S.291). Gong et al. beziehen sich darauf, dass Schocks von hoher ntensität und langer Dauer zu langfristigen, strukturellen Veränderungen von Regionen führen können (2020, S.509). Ratten beschreibt die Krise als eine seltene Situation, die mit einem hohen Maß an Unsicherheit und ohne bestimmte Dauer einhergeht (2020, S.2).
Gauri et al. beschreiben den Einzelhandel im Allgemeinen als eine Kombination aus verschiedenen Einzelhandelsdienstleistungen wie nformation, Zugänglichkeit, Sortiment, Ambiente und iefergeschwindigkeit. Dies wiederum bildet die Basis für den Wettbewerb zwischen den verschiedenen Formaten, wie beispielsweise Online-Händler, Massenwarenhändler, Kaufhäuser, Supermärkte oder onvenience-Stores. Verbraucher versuchen, je nach Bedürfnis, in einer bestimmten Einkaufssituation ein Format und ein Preisniveau zu wählen (2021, S.44). Seit Beginn des Handels sind Offline-Geschäfte der Standard-Einzelhandelskanal der Verbraucher gewesen. Vorteile gegenüber dem Online-Handel bestehen vor allem in der schnellen Verfügbarkeit der Produkte, ohne auf die ieferung warten zu müssen. Ebenso können in physischen äden sensorische Produkte besser erlebt sowie die Produktqualität bewertet werden (Gauri et al. 2021, S.55).
Valaskova et al. beschreiben einen Verbraucher als eine Person, welche ein Bedürfnis oder einen Wunsch feststellt und einen Kauf tätigt, um das Produkt zu konsumieren (2015, S.174f.). Kein Konsument ist gleich (Mehta et al. 2020, S.292), da verschiedene interne und externe Faktoren das Verbraucherverhalten prägen (Valaskova et al. 2015, S.175). Während in den späten 1960er Jahren ein Käufer als rational-ökonomische, informationsverarbeitende, computerähnliche Maschine, die Entscheidungen trifft, betrachtet wurde, entwickelte sich diese Sichtweise nach 1980 in zwei Richtungen weiter. Zum einen stellte die Verhaltensökonomie diese Rationalität der Verbraucher in Frage und dies führte dazu, dass zum Beispiel die finanzielle Entscheidungsfindung der Verbraucher aus einer anderen Blickrichtung betrachtet wurde. Zum anderen wurde innerhalb der Erfahrungstheorien die erfahrungsorientierte Sichtweise mit den hedonischen Aspekten des Konsums erforscht (Malter et al. 2020, S.139ff.). Auf jedem Markt sind die Verbraucher die treibende Kraft für die Wettbewerbsfähigkeit, das Wachstum und die wirtschaftliche ntegration des Marktes (Mehta et al. 2020, S.291).
Mehta et al. sehen das Konsumentenverhalten als einen wichtigen und ständigen Entscheidungsprozess bei der Suche, dem Kauf, der Nutzung, der Bewertung und der Veräußerung von Produkten und Dienstleistungen (2020, S.292). Das Makro-Konsumentenverhalten wird durch einen sozialen Fokus geschaffen, während der Fokus auf individuelle Faktoren das Mikro-Konsumentenverhalten erfasst (Solomon et al. 2006, S.24). Macnnis und Folkes sehen das Verbraucherverhalten als multidisziplinäre Teildisziplin des Marketings, die Menschen untersucht, welche Produkte, Dienstleistungen und Erfahrungen auf dem Markt erwerben und konsumieren (2009, S.900). Der Kern dieses Fachgebiets besteht in dem Verständnis von Motivationen, Denkprozessen und Erfahrungen der Verbraucher beim Konsum von Waren, Dienstleistungen, nformationen und anderen Angeboten. Diese Erkenntnisse sollen genutzt werden, um Marketingstrategien von Unternehmen sowie das Wohlbefinden der Verbraucher zu verbessern (Malter et al. 2020, S.146). n den letzten Jahren haben technologische Veränderungen die Art des Konsums verändert, weshalb frühere Konzepte vor dem Hintergrund des technologischen Wandels betrachtet werden. Es gibt immer mehr nteraktion auf digitalen Plattformen, welche die nteraktion in physischen Geschäften ergänzt (Malter et al. 2020, S.142f.). Einige Verbraucherforscher äußerten Vorhersagen über das Feld des Verbraucherverhaltens im Jahr 2040. Zum einen werden dieselben Kernthemen untersucht werden, jedoch auf eine andere Art und Weise wie bisher und zum anderen wird sich die Forschung mit bevorstehenden Krisen im Bereich Umwelt und Soziales befassen. Drittens werden die Auswirkungen der Künstlichen ntelligenz auf das Verbraucherverhalten im Fokus der Forschung stehen (Malter et al. 2020, S.145). Verbraucher versuchen ihren Nutzen, ihre Zufriedenheit oder ihre Freude durch den Kauf von Konsumgütern zu maximieren (Mehta et al. 2020, S.292). Vollrath und Villegas gehen in ihrer Arbeit auf Verbraucher-Entscheidungsreisen ein, da Verbraucher den Kaufprozess als eine Reise erleben. Diese Auffassung geht bereits auf das 1998 entwickelte ADA-Konzept und dessen Erkenntnis zurück, dass Verbraucher verschiedene Botschaften über ein Produkt zu verschiedenen Zeitpunkten erhalten müssen, während sie die spezifischen Schritte des Bewusstseins, des nteresses und des Verlangens bis hin zur Handlung durchlaufen (2021, S.2). Aufgrund dessen, dass Kunden heutzutage auf andere Art und Weise Produkte recherchieren und kaufen, entwickelten ourt et al. die sogenannte onsumer Decision Journey. Diese bildet einen Rahmen für das Verständnis der vier psychologischen Phasen, die Verbraucher beim Kauf durchlaufen: die erste Überlegung, die aktive Bewertung, der Abschluss und der Nachkauf (2009, o.S.). Zudem muss sie von den vielzähligen Berührungspunkten der Kunden mit dem Unternehmen im Rahmen der ostumer Journey abgegrenzt werden (Vakulenko et al. 2019, S.462). Damit impliziert die moderne onsumer Journey, dass Marketingstrategien auf die Bedürfnisse der Verbraucher in jeder Phase der Entscheidungsreise abgestimmt werden sollten (Vollrath & Villegas 2021, S.3). Des Weiteren wird die Segmentierung auf Basis des Konsumentenverhaltens als Ausgangspunkt für effektives Marketing betrachtet und wird in zwei Ebenen unterteilt. Zum einen in die Position des Verbrauchers auf dem Weg zur Kaufentscheidung als auch die Art und Weise, wie der Verbraucher das Produkt verwendet (Vollrath & Villegas 2021, S.4).
Mehta et al. unterteilen darüber hinaus verschiedene Ansätze zur Erklärung des Verbraucherverhaltens in drei Gruppen: Der psychologische Ansatz basiert auf der Beziehung zwischen der Psyche und dem Verhalten des Verbrauchers, während sich der soziologische Ansatz mit dem Verhalten in verschiedenen Situationen befasst. etzteres untersucht, inwieweit verschiedene soziale Anlässe oder soziale Führungspersönlichkeiten das Verhalten beeinflussen. Der ökonomische Ansatz basiert demnach auf grundlegenden Kenntnissen der Mikroökonomie und den Bedürfnissen der Verbraucher (2020, S.292). Einfluss auf die Präferenzen von Verbrauchern nehmen laut ranfield psychologische und demographische Merkmale, wie beispielsweise Alter, Geschlecht, Bildung (2020, S.154), aber auch Einschränkungen durch Einkommens- und Zeitzwänge (2021, S.153).
Sheth beschreibt den Konsum als orts- und zeitgebunden. Das Verbraucherverhalten ist in hohem Maße vorhersehbar, da Menschen mit der Zeit Gewohnheiten sowohl für den Konsum selbst, als auch für das Einkaufen, die nformationssuche und die Entsorgung der Abfälle nach dem Konsum, entwickeln. Jedoch, betont Sheth, ist der Konsum nicht nur eine Gewohnheit, sondern auch kontextabhängig. Der Autor nennt hierbei vier Hauptkontexte, die den Konsum und die Gewohnheiten von Verbrauchern beeinflussen. Der soziale Kontext umfasst das soziale Umfeld und dessen Veränderung durch ebensereignisse. Der zweite Kontext ist die Technologie, wie beispielsweise das nternet, Smartphones und der elektronische Handel. Technologien verändern die Art und Weise wie Verbraucher einkaufen (2020, S.280), machen aus Wünschen Bedürfnisse und führen zu neuen Gewohnheiten (Sheth 2020, S.282). Der dritte Kontext beinhaltet Regeln und Vorschriften in Bezug auf öffentliche Räume und den Konsum ungesunder Produkte, wie beispielsweise Alkohol oder Zigaretten. Hingegen können auch gesellschaftlich gute Produkte, wie zum Beispiel Elektroautos und Solarenergie, gefördert werden. Der am wenigsten vorhersehbare Kontext besteht aus dem Auftreten von Naturkatastrophen, Konflikten und Pandemien wie die OVD-19-Pandemie (Sheth 2020, S.280).
2.2 Gründe für verändertes Konsumentenverhalten in Krisenzeiten
Dieses Unterkapitel befasst sich mit der Frage, warum sich das Konsumentenverhalten durch Ereignisse wie die OVD-19-Pandemie verändert. Akram et al. sprechen von einigen Auswirkungen der Pandemie, die in allen Bereichen des täglichen ebens sichtbar sind. Diese neue Normalität spiegelt die neuen Gewohnheiten der Verbraucher wider (2021, S.1f.). aut Sheth gibt es drei Faktoren, die zu neuen Gewohnheiten führen. Zwei Faktoren stellen die bereits erwähnten Kontexte des Verbraucherverhaltens, die öffentliche Ordnung und neue Technologien, dar. Daneben spielt der demographische Wandel eine entscheidende Rolle. Aufgrund der zunehmenden Alterung der Gesellschaft entstehen neue Bedürfnisse in Bezug auf den Erhalt der Gesundheit und des Wohlstandes. Sowohl veränderte nteressen in der Freizeit, zunehmende Sorge um die eigene Sicherheit, aber auch immer mehr individueller Konsum bringen neue Gewohnheiten hervor (2020, S.282). Auch ampbell et al. gehen davon aus, dass Verbraucher, die eine schwierige Zeit bewältigen, von ihren üblichen Entscheidungen und Verhaltensweisen abweichen. n Zeiten der Bedrohung vertrauen sie anderen Produkten und Dienstleistungen, anstatt zu bereits bekannten Gütern zurückzukehren (2020, S.316). Ebenso sind Mathur et al. der Meinung, dass stressige ebensereignisse zur Veränderung von Konsumgewohnheiten führen, um den Stress zu bewältigen (2003, S.129). n einer Sechs-änder-Studie von FleishmanHillard geben 68 Prozent der Befragten an, dass sich während der Pandemie ihre Ansichten geändert haben, welche Produkte und Dienstleistungen für sie wichtig sind (2020, S.9). Ungewissheit führt zu einer gewissen Veränderungsmentalität (Wood 2009, S.950). Wenn die normalen Routinen der Verbraucher gestört werden, entwickeln sie neue Praktiken (Phipps & Ozanne 2017, S.27ff.).
Neun von zehn Verbrauchern auf globaler Ebene glauben, dass OVD-19 sehr starke Auswirkungen auf die nationale Wirtschaft haben wird (globalwebindex 2020, S.7). ampbell et al. erforschten in diesem Rahmen die Verbraucherreaktionen auf externe Bedrohungen. Hierunter verstehen die Autoren das tatsächliche oder potentielle Eintreten von Ereignissen mit negativen Auswirkungen auf das Wohlbefinden der Verbraucher. Die Auswirkungen von Bedrohungen, meist zugefügter Schaden, können auf allen Ebenen, von der individuellen bis zur globalen Ebene, auftreten. Um zu verstehen, wie sich Bedrohungen auf das Verhalten der Verbraucher auswirken können, haben die Autoren einen konzeptionellen Rahmen erstellt. Demnach führen Bedrohungen zu Störungen, die wiederum negativen Einfluss auf die ontologische Sicherheit nehmen. Dadurch wird der Sinn der Verbraucher für Ordnung, Bedeutung und soziale Rahmenbedingungen erschüttert (2020, S.312), was wiederum zu unterschiedlichen affektiven, kognitiven oder verhaltensbezogenen Maßnahmen der Verbraucher führen kann (2020, S.315). Daraufhin wird der Markt auf die Reaktionen der Verbraucher reagieren und mögliche Wiederholungen der Reaktionen von Verbrauchern und Markt können den Grad der Bedrohung beeinflussen (2020, S.312f.). aut den Autoren unterbrechen Bedrohungen alltägliche Praktiken der Menschen und das Ausmaß der Bedrohung bestimmt das Ausmaß, in dem diese unterbrochen werden und damit den Grad der Störung. OVD-19 als hochinfektiöse, sich schnell ausbreitende Krankheit ist demnach eine ernsthafte Bedrohung mit großer Reichweite, die viele Störungen verursacht und Normen, Überzeugungen und Routinen der Verbraucher durcheinander gebracht hat. Auf Basis dieser veränderten und unsicheren Umstände werden die Verbraucher darauf anpassungsfähig reagieren (ampbell et al. 2020, S.314f.). Dies kann sich laut Galoni et al. während der Pandemie in affektiven Reaktionen, wie die Angst vor Ansteckung und dem Ekel vor Krankheitshinweisen äußern (2020, S.3). Kognitive Reaktionen der Verbraucher auf Bedrohungen können laut ampbell et al. Kontrollverlust, Selbstregulierung, Hilflosigkeit, Einsamkeit, das Bedürfnis nach Verbundenheit und Sterblichkeitserwartung sein. Ebenso können Bedrohungen zu einer spezifischen Ungewissheit über Produktverfügbarkeiten, den Planungshorizont und den Wahrheitsgehalt verfügbarer nformationen führen. Diese affektiven und kognitiven Reaktionen können dann wiederum eine Vielzahl von Verhaltensreaktionen beeinflussen (2020, S.315). Zusätzlich betonen ampbell et al. Moderatoren, welche die kurz- und langfristigen Reaktionen der Verbraucher beeinflussen. Solche Faktoren sind beispielsweise sozioökonomischer Status, rassische und wirtschaftliche Ungleichheit, der Zugang zur medizinischen Grundversorgung, Einkaufsmöglichkeiten, digitaler Zugang, sowie andere psychologische, soziale, institutionelle, politische und kulturelle Faktoren. Die Auswirkungen auf die Reaktionen der Verbraucher können laut Autoren ebenso anhand von individuellen Unterschieden, wie beispielsweise der Fokus auf die Handlungsfähigkeit, die politische deologie, die Religiosität, der regulatorische Fokus, die Risikoaversion und die Denkweise, beeinflusst werden (2020, S.317f.).
Mehta et al. ergänzen, dass Menschen nicht gleich sind und jeder eine unterschiedliche Wahrnehmung einer Krisensituation hat. Sie sind der Meinung, dass die wichtigsten Faktoren, die das Verhalten in Krisenzeiten bestimmen, die Risikoeinstellung und -wahrnehmung ist. Die Risikoeinstellung beschreibt die nterpretation des nhaltes eines Risikos und inwieweit der Verbraucher diesen ablehnt. Die Risikowahrnehmung wiederum beruht auf der nterpretation der Wahrscheinlichkeit des Verbrauchers, diesem Risiko ausgesetzt zu sein (2020, S.293). Slovic und Peters beschreiben das gefühlsmäßige Risiko als die instinktiven und intuitiven Reaktionen von Menschen auf Gefahren (2006, S.322), wenn etwas von menschlichem Wert bedroht scheint (Setbon et al. 2005, S.815). Wachinger et al. betonen individuelle und kulturelle Faktoren wie Alter, Geschlecht, Bildungsniveau, Einkommen, Medienexposition, sozialer Status, Persönlichkeitsunterschiede und persönliche Erfahrungen, welche die Risikowahrnehmung beeinflussen können (2013, S.1049). Bei nicht-sozialen Faktoren, wie die geografische Nähe von Personen zu einer Gefahr, gehen i et al. von dem Distanz-Nähe-Effekt aus: Umso größer die Entfernung zu einer Gefahr, umso größer ist das wahrgenommene Risiko. Dies wird von den Autoren damit begründet, dass je weiter Personen von einer Gefahr entfernt sind, umso weniger können sie sich ein richtiges Bild von der Situation machen (2021, S.3f.). Die Pandemie lässt die Verbraucher die äußere Umgebung als unsicher mit schwerwiegenden Folgen wahrnehmen, weshalb die Risikowahrnehmung durch OVD-19 zunehmen wird (Jin et al. 2021, S.2). Die Risikowahrnehmung ruft negative affektive Reaktionen hervor, wie beispielsweise das Gefühl von Sorge, Angst und Panik, die das Verhalten der Menschen beeinflussen (oewenstein et al. 2001, S.270). Slovic et al. und oewenstein et al. ergänzen, dass diese Emotionen das Verhalten auf riskante Situationen stärker steuern können, als sachliche nformationen (Slovic et al. 2004, S.321) oder Kognitionen (oewenstein et al. 2001, S.269). aut Hsee und Rottenstreich können starke emotionale Reaktionen sogar dazu führen, dass Menschen wichtige nformationen über Wahrscheinlichkeiten (2004, S.28) oder den Umfang eines möglicherweise negativen Stimulus vernachlässigen (2004, S.23). Ebenso können die negativen und affektiven Reaktionen der Verbraucher von den kognitiven und vernünftigen Bewertungen abweichen, was zu irrationalem und unlogischem Verhalten führen kann (oewenstein et al. 2001, S.269).
Hypothese 1: Je größer die Wahrnehmung der Bedrohung (a) und je größer die Wahrnehmung des Risikos (b), desto größer ist die Angst der Verbraucher.
Rogers nennt im Zusammenhang mit der persönlichen Motivation auf Bedrohungen oder gefährliche Handlungen zu reagieren, die Schutzmotivationstheorie (Protection Motivation Theory, kurz: PMT) (1975, S.99). Wenn eine Person in ihrer Sicherheit oder Gesundheit bedroht ist, kann diese eine Schutzmotivation entwickeln, einen Wunsch sich selbst zu schützen, was sich wiederum in einem veränderten Verhalten zeigt (Maddux & Rogers 1983, S.470). Eine Komponente der PMT, passend zu dem eben von ampbell et al. beschriebenen Ausmaß von Bedrohungen, ist die Einschätzung der Bedrohung (Moon et al. 2021, S.4f.). ampbell et al. unterteilen die tatsächlichen und potentiellen Bedrohungen in verschiedene Kategorien: wirtschaftliche, gesundheitliche, soziale, informationelle und ökologische. Ebenso kann hierbei zwischen den unterschiedlichen Ausmaßen der Bedrohung differenziert werden (2020, S.313). ampbell et al. und Rogers beziehen sich hierbei auf den Schweregrad, welcher das mögliche Ausmaß des Schadens (Rogers 1975, S.97), beziehungsweise die Beeinträchtigung des Wohlbefindens (ampbell et al. 2020, S. 313) darstellt. ampbell et al. nennen zudem noch den Umfang und die psychologische Distanz als Einfluss auf das Ausmaß. Umfang bedeutet in diesem Zusammenhang die Anzahl der betroffenen Menschen, sowie die Dauer der Bedrohung. Die psychologische Distanz nimmt Einfluss auf die wahrgenommene Nähe, beziehungsweise den Abstand der Bedrohung durch eine betroffene Person (2020, S. 313). Rogers nennt des Weiteren noch zur Einschätzung einer Bedrohung die Wahrscheinlichkeit, dass das schädliche Ereignis eintritt (1975, S.97). Dies stimmt mit den Dimensionen überein, die Brewer et al. zur Einschätzung eines wahrgenommenen Risikos liefern: dentisch zu der wahrgenommenen Gefährlichkeit, also das Ausmaß des Schadens einer Gefahr und der wahrgenommenen Wahrscheinlichkeit, dass man geschädigt wird, fügen Brewer et al. zusätzlich die wahrgenommene, individuelle Anfälligkeit für eine Gefahr hinzu (2007, S. 137). m Falle der OVD-19-Krise kann der Schweregrad den Grad der psychologischen Bedrohung durch die Pandemie beschreiben, während die Anfälligkeit die negative Erwartung, dem Virus ausgesetzt zu sein, darstellt. Sowohl ein hoher Schweregrad und eine hohe negative Erwartung können dazu führen, dass sich Verbraucher persönlich stark bedroht fühlen (Moon et al. 2021, S.4f.) und schützende Maßnahmen an den Tag legen (Rippetoe & Rogers 1987, S.596). ampbell et al. bezeichnen die OVD-19-Pandemie als großflächige Bedrohung, da sie das eben einer großen Gruppe beeinträchtigt und nicht nur das eines individuellen Verbrauchers. Das Ausmaß dieser Bedrohung nimmt zu, da verschiedene Kategorien von Bedrohungen gleichzeitig auftreten: OVD-19 begann als gesundheitliche Bedrohung und weitete sich auf eine wirtschaftliche, informationelle und soziale Bedrohung aus (2020, S. 313f.). Neben der Einschätzung der Bedrohung ist die Bewältigungseinschätzung eine weitere Komponente der PMT. Es stellt die Überzeugung eines ndividuums dar, angemessen auf Bedrohungen zu reagieren und umfasst die wahrgenommene Reaktionswirksamkeit und die Selbstwirksamkeit. Die Reaktionswirksamkeit kann als Erwartung beschrieben werden, dass die empfohlene Handlung die Bedrohung beseitigen kann. Die Selbstwirksamkeit ist das Vertrauen, die empfohlene Handlung durchzuführen (Moon et al. 2021, S.4f.). azarus ist der Meinung, dass bedrohliche Situationen nicht nur Angst, sondern auch Hoffnung als affektive Reaktion mit sich bringt (1999, S.659). Deshalb beeinflusst die Schutzmotivation, welche aus einer kognitiven Bewertung resultiert, Furcht und Hoffnung, die wiederum zu Verhaltensabsichten führen (Kim et al. 2021, S.2).
Smith und azarus sind der Meinung, dass das unmittelbare Ausgesetztsein von einer ungewissen Gefahr oder existenziellen Bedrohung zu Angst führt (1990, S.620). Schmidt et al. greifen die Angstgefühle und die damit verbundene Bedrohungswahrnehmung der OVD-19-Krise auf, um Änderungen im Kaufverhalten der Konsumenten zu erklären. Angst kann als eine emotionale Reaktion betrachtet werden, welche die nformationsverarbeitung und das Verhalten während einer Pandemie beeinflusst. Faktoren, wie beispielsweise die Eigenschaftsangst und die ntoleranz gegenüber Unsicherheit verstärken das Auftreten von Angst in Verbindung mit negativen und unsicheren Stimuli oder Ereignissen (2021, S.2). Die ntoleranz gegenüber Unsicherheit wird von arleton et al. als Tendenz beschrieben, mögliche negative, zukünftige Ereignisse als inakzeptabel oder bedrohlich zu empfinden (2007a, S.2308). Fu et al. betrachten die OVD-19-Pandemie als einen angstauslösenden Stressor, als eine ungewisse und andauernde Bedrohung, welche nur durch individuelle Bewältigungsstrategien bewältigt werden kann (2021, S.48). Auch Van Bavel et al. sehen die Angst als eine der zentralen emotionalen Reaktionen während einer Pandemie (2020, S.461). larke nennt im Zusammenhang mit der Gefahr das Aufkommen von Panik bei den Verbrauchern, wonach Menschen blind und übermäßig aus Selbsterhaltungstrieb handeln (2002, S.21). Jedoch erwähnt Drury, dass Menschen während Krisen nicht nur egoistisch handeln und konkurrieren, sondern sich unterstützen und kooperieren (2018, S.2). Angesichts einer Pandemie sehen Van Bavel et al. keine Möglichkeit, Stress gänzlich zu vermeiden (2020, S.467). Jedoch betonen Tedeschi und alhoun das Wachstum durch herausfordernde Situationen, wodurch Menschen das eben mehr schätzen, Beziehungen stärken und Prioritäten verändern (2004, S.1).
Hypothese 2: Die ntoleranz gegenüber Unsicherheit moderiert den Zusammenhang zwischen (a) der Risikowahrnehmung und (b) der Bedrohungswahrnehmung mit der Angst positiv.
Die Bewertung und die Reaktionen von Menschen auf die gleiche Gefahr können durch persönliche Eigenschaften und individuelle Unterschiede signifikant beeinflusst werden. Eine Eigenschaft ist die individuelle Risikoaversion, welche die Präferenz eines Verbrauchers für ein Risiko beschreibt (i et al. 2021, S.5). Sun et al. bezeichnen die Risikoaversion als das Ändern von Plänen oder Handlungen, um Bedrohungen zu vermeiden (2021, S.4). Demnach können Menschen in Risikonehmer und Risikoscheue eingeteilt werden (Schmitt, Brinkley & Newman, 1999, S.538). Menschen mit einer höheren Risikoaversion zeigen während einer Gefahr eine höhere Nachfrage nach Versicherungen, um sich gegen potentielle Risiken abzusichern (Szpiro 1985, S.709). i et al. fanden heraus, dass die Risikoaversion die Beziehung zwischen der Risikowahrnehmung und dem irrationalen Konsum moderiert. Risikoscheue Personen neigen eher zu irrationalem Konsum, als risikofreudige Personen (2021, S.10). Gupta und Gentry gehen davon aus, dass die Dringlichkeit zu kaufen, aufgrund von antizipiertem Bedauern und dadurch entstehendem risikoaversen Verhalten, verstärkt wird (2019, S.5).
Hypothese 3: Die Risikoaversion moderiert den Zusammenhang zwischen der Risikowahrnehmung und dem Vorratsverhalten der Verbraucher positiv.
Die durch die Pandemie verursachten Ängste oder negativen Gefühle werden von Verbrauchern durch Konsum gelindert. Allerdings kann dieser erhöhte Konsum verstärkt Menschen zugesprochen werden, die eine materialistische Wertorientierung haben. Deshalb kann angenommen werden, dass das Risiko einer Pandemie, Menschen mit hohem Materialismus dazu bringt, mehr Eigentum zu erwerben (Jin et al. 2021, S.3). Diese Wertorientierung bringt zum Ausdruck, dass Erfolg und Zufriedenheit im eben durch das Streben nach materiellem Wohlstand erreicht werden kann (Richins & Dawson 1992, S.304). Materialismus wird von Ger und Belk als eine Schwäche von unsicheren Menschen bezeichnet (1996, S.62). Belk ist der Meinung, dass materialistische Menschen eher bereit sind, impulsive Käufe zu tätigen (1985, S.272), was durch eine Studie von Moran und Kwak nachgewiesen wurde (2015, S.41). Belk bringt in seinen Forschungen materialistische Menschen mit Neid, Besitzgier und Nicht-Großzügigkeit in Verbindung (1985, S.267), die zu viel Geld ausgeben und sich verschulden (Richins 2011, S.141). Basierend auf der Theorie des Terrormanagements (Pyszczynski et al. 1997, S.1f.) gehen i et al. davon aus, dass die materialistische Tendenz der Verbraucher umso stärker wird, je größer die Todesgefahr durch das OVD-19-Virus erscheint (2020, S.4).
Die wahrgenommene Kontrolle als weitere psychologische Erfahrung umfasst die Überzeugung von Menschen, externe Faktoren und ihr Umfeld zu kontrollieren und unterscheidet sich von der Fähigkeit, die eigene Umwelt zu kontrollieren. Die Pandemie führt dazu, dass das Umfeld der Menschen mit Unsicherheit behaftet ist und damit zu einer Abnahme des Kontrollgefühls führt (i et al. 2020, S.3). Demnach bestätigen i et al., dass der Schweregrad der Pandemie einen negativen Einfluss auf das wahrgenommene Kontrollniveau hat (2020, S.8). Ein geringes Maß an Kontrolle kann wiederum zu Angst und anderen negativen psychologischen Auswirkungen führen (Raghunathan & Pham 1999, S.60) und bringt Verbraucher dazu, diesen Mangel zu kompensieren. Dies geschieht laut der Theorie der kompensatorischen Kontrolle, durch die Beschaffung externer Ressourcen (Kay et al. 2015, S.267). Dadurch nehmen i et al. an, dass der Konsum bestimmter Produkte bei einem Mangel an Kontrolle zunimmt (2020, S.3).
Hypothese 4: Je größer die Risikowahrnehmung (a) und je größer die Bedrohungswahrnehmung (b), desto geringer ist die wahrgenommene Kontrolle der Verbraucher. Je größer die wahrgenommene Kontrolle, desto geringer ist die Angst der Verbraucher (c).
Schmidt et al. betonen die Wichtigkeit einer angemessenen Risikokommunikation. Die Autoren zeigen, dass ein positiver Zusammenhang zwischen dem Ausmaß der Medienexposition und dem Gefühl der Bedrohung durch OVD-19 und der Veränderung im Kaufverhalten besteht. Demnach können nformationen über beispielsweise wirksame Schutzmaßnahmen beim Einkaufen, die Risikowahrnehmung verringern und Panikkäufe verhindern (2021, S.13). Prentice et al. ergänzen, dass der Einfluss von Medien in signifikantem Zusammenhang mit den Panikkäufen der Verbraucher steht (2020, S.8). Van Bavel et al. sind der Meinung, dass die negative Berichterstattung über OVD-19 negative Emotionen verstärken kann (2020, S.462) und auch Mertens et al. betrachten die erhöhte Medienexposition als einen Faktor, welcher die Angst verstärkt (2020, S.6). Die Weltgesundheitsorganisation riet den Verbrauchern, sich nicht zu sehr auf die Nachrichten über die Pandemie zu fokussieren, da der Konsum von Nachrichten die Angst verstärken kann (World Health Organization 2020, S.1).
Hypothese 5: Die Medienexposition moderiert den Zusammenhang zwischen der Bedrohungswahrnehmung (a), der Risikowahrnehmung (b) und der Angst (c) mit dem Vorratsverhalten der Verbraucher positiv.
2.3 Unmittelbare Auswirkungen auf das Konsumentenverhalten
Mit der Pandemie und der wirtschaftlichen nstabilität zeigen auch die Verbraucher eine deutliche Veränderung ihres Verhaltens (Remes et al. 2021, o.S.). n einer Umfrage von Kumar und Abdin gaben über 90 Prozent der Befragten in ndien an, dass sich ihr Konsumverhalten grundlegend während der Pandemie verändert hat (2021, S.9).
2.3.1 Verändertes Online-Einkaufsverhalten
Dieser Abschnitt befasst sich mit dem Einfluss der Pandemie auf den Online-Einkauf der Verbraucher. Sheth sieht eine Auswirkung auf das Verbraucherverhalten in der vollständigen Schließung einiger Einkaufsläden, weshalb Verbraucher ihre Käufe nach Hause liefern lassen. Dies betrifft nicht nur den Einkauf und den Konsum, sondern ebenso Arbeit, Bildung und Gesundheit und hat wiederum positiven Einfluss auf die Bequemlichkeit und Personalisierung des Konsumverhaltens (2020, S.281). Remes et al. ergänzen, dass die Bequemlichkeit zu einer der "Top-Treiber" für Kaufentscheidungen der Verbraucher gehört (2021, o.S.). Je schwerwiegender die Umstände der Pandemie und die Gefährdung durch das Virus erscheinen, umso mehr werden die Offline-Einkäufe abnehmen. Je besser die Konsumenten über das Virus informiert sind, umso eher werden sie Schutzmaßnahmen ergreifen und vermehrt Online-Einkäufe durchführen (Moon et al. 2021, S.11f.). Gordon-Wilson beschreibt in ihrer Studie eine Probandin, welche während der Pandemie ihre ebensmitteleinkäufe ins nternet verlagerte, um in der Sicherheit des eigenen Zuhauses mehr Kontrolle zu haben sowie das Risiko einer Ansteckung zu minimieren. Das Gefühl der Sicherheit steht an erster Stelle, weshalb hier von einer hohen Selbstwirksamkeit gesprochen werden kann (2021, S.6f.). Moon et al. betonen jedoch, dass eine hohe Selbstwirksamkeit und eine Reaktionswirksamkeit die Häufigkeit von Offline-Einkäufen im Einzelhandel während der Pandemie erhöhen, da durch die hohe Reaktionswirksamkeit die individuellen Schutzmaßnahmen die Bedrohung verringern und durch die hohe Selbstwirksamkeit die Erwartung einer erfolgreichen Anpassung der Maßnahme gestärkt wird (2021, S.5).
Die Accenture-Studie weist eine zunehmende Nutzung des digitalen Handels nach (2020, S.15) und auch McKinsey & ompany stellt fest, dass mit Ausnahme des ebensmitteleinzelhandels und des Gesundheitswesens, der digitale Kanal in allen ndustrien in Deutschland der am stärksten genutzte Kanal ist (2021, S.4). 61 Prozent nutzen dabei die volldigitalen Kanäle im Einzelhandel, während 29 Prozent nur physische Kanäle nutzen (McKinsey & ompany 2021, S.6). Gründe gegen die digitalen Kanäle sind, dass Verbraucher lieber in eine Filiale gehen (75%), über den Online-Kanal nicht das bekommen, was sie brauchen (13%) und lieber mit einem Menschen sprechen (7%) (McKinsey & ompany 2021, S.15). Branchenübergreifend nutzten zur Studienzeit in Deutschland 65 Prozent die digitalen Kanäle, im europäischen Wirtschaftsraum liegt der Anteil bei 80 Prozent. m Vergleich ist Deutschland das and mit dem zweithöchsten Anteil an Menschen, die physische Kanäle bevorzugen (McKinsey & ompany 2021, S.5). Dabei interagiert die Mehrheit (45%) der deutschen Befragten mit Unternehmen im Einzelhandel nur 1-2 Mal im Monat digital (McKinsey & ompany 2021, S.7). arroll äußert sich zu dem sprunghaften Anstieg des Online-ebensmitteleinkäufe, wodurch Einzelhändler Online-Warteschlangen einführen mussten, um die übermäßige Nachfrage bewältigen zu können (2020, o.S.). Entgegen dieser Feststellung berichten Zhao et al., dass die häufigste ebensmittelbeschaffungsquelle der chinesischen Befragten während der solation weiterhin, neben der agerung, der persönliche Einkauf war (2020, S.5f.) und auch die niederländische Studie weist auf nur 6,8 Prozent der Befragten hin, welche häufiger als sonst während des ockdowns online einkauften (Poelman et al. 2021, S.4). aut Svajdova sind 64,5 Prozent der Befragten beim Kauf von ebensmitteln den Geschäften treu geblieben (2021, S.35f.). n Deutschland hat die ebensmittelbranche mit 83 Prozent den größten Anteil an Verbrauchern, die den rein physischen Kanal wählen (McKinsey & ompany 2021, S.6). Grund hierfür ist, dass sogar 82 Prozent der Verbraucher lieber in eine Filiale gehen (82%), (McKinsey & ompany 2021, S.15). Allerdings weist der ebensmittelhandel die höchste digitale nteraktionsrate auf, weshalb von allen digitalen nteraktionen, 48 Prozent der Befragten in Deutschland mehr als 5 Mal im Monat mit Unternehmen in dieser ndustrie interagieren (McKinsey & ompany 2021, S.7). Die Online-ebensmitteleinkäufe können zudem mpulskäufe sowie den Kauf von verderblichen Produkten einschränken (Jilcott Pitts et al. 2018, S.3372).
Jílková und Králová stellen in ihrer Studie fest, dass die tschechischen Verbraucher aller Generationen während der Pandemie häufiger Produkte und Dienstleistungen im nternet einkauften (2021, S.84). Auch ältere oder weniger digital affine Nutzer haben vermehrt den Online-Einkauf aus Sicherheitsgründen genutzt (Pantano et al. 2020, S.210). Svajdova weist darauf hin, dass ebensmittel-Onlineshops verstärkt von den Befragten im Alter von 15–35 Jahren und von Männern genutzt wurden (2021, S.35f.). Kumar und Abdin merken an, dass die Pandemie die Befragten aus ihrer Studie gezwungen habe, online einzukaufen (2021, S.10). OVD-19 war für 46 Prozent der deutschen Befragten der Grund, erstmals digitale Kanäle zu nutzen, für 49 Prozent im Bereich des Einzelhandels. Den größten Anteil der neuen, digitalen Nutzer im Einzelhandel machen mit 25 Prozent die 65–74 Jährigen aus, gefolgt von den 35–44 Jährigen (20%) und den 55–64 Jährigen (16%). m ebensmitteleinzelhandel ist der Anteil neuer, digitaler Nutzer mit 62 Prozent noch höher, was vor allem auf die Nutzer zwischen 18–24 Jahren (27%) und 55–64 Jähren (22%) zurückzuführen ist (McKinsey & ompany 2021, S.8f.). Auch Accenture betont, dass der Online-Bereich neue Nutzer gewonnen hat, weshalb jeder fünfte Verbraucher, der die letzten ebensmittel online bestellt hat, das zum ersten Mal tat. m Alter von über 56 Jahren war es jeder Dritte (2020, S.15). Grashuis et al. stellen fest, dass in Gebieten, in denen sich das Virus schneller ausbreitet, Verbraucher weniger bereit sind, stationäre ebensmittelgeschäfte zu besuchen (2020, S.1).
Hypothese 6: Je größer die Bedrohungswahrnehmung (a), je größer die Risikowahrnehmung (b) und je größer die Angst (c), desto größer ist die Nutzung der Online-Kanäle der Verbraucher zum Einkaufen.
Hypothese 7: Die Selbstwirksamkeit moderiert den Zusammenhang zwischen der Bedrohungswahrnehmung und dem Online-Einkaufsverhalten der Verbraucher negativ.
2.3.2 Veränderte Einkaufsmenge
Des Weiteren wird nachfolgend der Einfluss der Pandemie auf die gesteigerte Einkaufsmenge und die damit verbundenen Panikkäufe der Verbraucher untersucht. i et al. gehen davon aus, dass während der Pandemie eine verstärkte Risikowahrnehmung affektive oder unlogische Entscheidungen beim eigenen Konsum erhöhen kann (2021, S.4). Auch Kim et al. erklären die wahrgenommene Bedrohung als ein entscheidendes Konstrukt für das Verständnis des irrationalen Verhaltens von Verbrauchern in Krisenzeiten (2020, S.634). Zafirovski nennt in diesem Zusammenhang den irrationalen Kauf, einen affektiven Konsum, welcher wirtschaftlich nicht logisch ist (2012, S.13). Auch i et al. betrachten das Kaufverhalten in öffentlichen Notlagen, welches bewusst oder unbewusst zu irrationalem Konsumverhalten führt (2020, S.1). Gleichermaßen bringt Ekinci das impulsive, ungeplante Kaufverhalten zur Sprache, welches zu plötzlichen, irrationalen Käufen führt (2021, S.2). mpulsiver Konsum bezieht sich auf das plötzliche und ungeplante Verhalten der Verbraucher beim Kauf von Gütern durch schnelle Entscheidungen und wird durch sofortigen Besitz gekennzeichnet (i et al. 2020, S.2). Darüber hinaus gehen i et al. davon aus, dass die durch den Kontrollverlust entstehende negative, psychologische Reaktion, wie Angst, die Wahrscheinlichkeit der impulsiven Kaufentscheidungen erhöht (2020, S.3). Die Studie von i et al. zeigt, dass die Kategorien Medizin- und Gesundheitsprodukte, ebensmittel und Güter des täglichen Bedarfs am stärksten durch impulsiven Konsum geprägt sind. Ersteres ist für die Bewältigung der Pandemie am hilfreichsten, während die beiden letzteren darauf zurückzuführen sind, dass Konsumenten aufgrund der Unsicherheit mehr Ressourcen zurücklegen. Hedonische Produkte und uxusgüter werden ebenfalls vermehrt impulsiv gekauft, da die Verbraucher hiermit negative Emotionen durch Selbstzufriedenheit mindern können (2020, S.7f.). Ekinci bezeichnet die Form des impulsiven Kaufverhaltens, welches in Pandemiezeiten auftritt, als exzessives Kauf- und Vorratsverhalten, das durch Angst begründet wird (2021, S.2). oxton et al. beschreiben ebenfalls den übermäßigen Verbrauch, beziehungsweise das unvernünftige Horten von bestimmten Gütern als irrationalen Konsum, welcher von den vernünftigen kognitiven Einschätzungen abweicht. Die Verbraucher tätigen aufgrund von Stress und der Ungewissheit Käufe, die sonst in anderen Mengen, zu anderen Zeiten oder überhaupt nicht getätigt werden (2020, S.3). Demnach beschränkt sich diese Arbeit auf das Vorratsverhalten der Verbraucher und weniger auf das impulsive Kaufverhalten.
Zu Beginn der Pandemie entwickelten sich die Vorbereitungskäufe der Verbraucher zu einem extremen Kaufverhalten, was mit leeren Regalen, ieferengpässen und Produktknappheiten einher ging (Kirk & Rifkin 2020, S.125). Sheth beschreibt das Horten der Verbraucher als eine weitere Auswirkung des pandemiebedingten, veränderten Verbraucherverhaltens, wodurch lebenswichtige Produkte für den täglichen Bedarf auf Vorrat gekauft werden, um der Unsicherheit von vorübergehenden Versorgungsengpässen entgegenzuwirken (2020, S.281). Horten ist ein Verbraucherverhalten, das als Anhäufung von Beständen betrachtet werden kann (McKinnon et al. 1985, S.343). Kirk und Rifkin gehen noch weiter und definieren das Horten als das Sammeln einer großen Menge an Besitztümern für den zukünftigen Gebrauch, was den aktuellen Bedarf übertrifft (2020, S.125). Dieses Verhalten ist instinktiv (Frost & Gross 1993, S.368) und erfolgt, über das erforderliche Maß an Vorbereitung hinaus, als emotionale Reaktion (Kirk & Rifkin 2020, S.125). Bentall et al. grenzen das Horten von lebensnotwendigen Gütern zusätzlich von Überkäufen ab, wodurch Verbraucher mehr kaufen, als für den ebensunterhalt eines Haushalts im Alltag notwendig ist. Sogenannte extreme Überkäufe können zu Knappheiten auf der Nachfragerseite führen, was wiederum weitere übermäßige Käufe beeinflusst und einen Kreislauf der Panikkäufe anregt (2021, S.2f.). aut He et al. zeigen Panikkäufe, dass Verbraucher aus dem Regal auf dem Markt kaufen und mit Absicht Produkte horten und Vorräte für den zukünftigen Gebrauch anlegen und sichern (2021, S.2). Prentice et al. allerdings beschreiben Panikkäufe als Bevorratung von Produkten, mit der Absicht, den eignen Vorrat für einen längeren Zeitraum zu sichern, je nach wahrgenommener Schwere der Krise und Grad der Unsicherheit (2020, S.10), wodurch eine Abgrenzung beider Begrifflichkeiten erschwert wird und im weiteren Verlauf der Arbeit unter der Bezeichnung des Vorratsverhalten subsummiert werden.
Wird die Veränderung in der Einkaufsmenge betrachtet, geben in der Studie von Schmidt et al. 45,5 Prozent der Befragten in Deutschland an, dass sie im März 2020 die gleiche Anzahl an Produkten und 45,9 Prozent der Befragten mehr Produkte pro Einkauf im Vergleich zu Januar 2020 kauften (2021, S.8f.). Anfang April 2020 gaben 37 Prozent der befragten Amerikaner an, bei jedem Einkaufsbesuch mehr einzukaufen (nternational Food nformation ouncil 2020, S.3). Auch Zwanka und Buff nennen die innerhalb von zwei Wochen nach Präsenz des Virus entstehende Mentalität der Vorbeugung (2021, S.60). Hierbei lag zuerst der Fokus auf medizinischem Zubehör, wie beispielsweise Masken und Handdesinfektionsmitteln. Darauf aufbauend verlagerte sich das Kaufverhalten auf die Vorratshaltung unter anderem von beispielsweise Kichererbsen, Reis, Wasser und Nudeln (NielsenQ 2020, o.S.). Dies kann damit begründet werden, dass diese Produkte sowohl haltbar, sättigend als auch einsatzbereit sind, im Vergleich zu frischen ebensmitteln (Zwanka & Buff 2021, S.60). m Gegensatz dazu konnte die Studie von Wang et al. jedoch einen Anstieg der Bevorratung von frischen ebensmitteln der chinesischen Befragten von 3,37 Tagen vor der Pandemie auf 7,37 Tage nach Ausbruch des Virus feststellen (2020, S.743). Surico et al. stellten darüber hinaus fest, dass Konsumenten im Vereinigten Königreich im April 2020 um 20 Prozent signifikant mehr Bargeld gehalten haben (2020, S.15). hronopoulos et al. bringen die Vorratshaltung mit männlichen, älteren und einkommensstärkeren Personen in allen Kategorien in Verbindung (2020, o.S.). Wang et al. und Schmidt et al. allerdings beziehen sich in diesem Zusammenhang auf weibliche Verbraucher, ein hohes Bildungsniveau, ein hohes Einkommen (Wang et al. 2020, S.744; Schmidt et al. 2021, S.8) und ein jüngeres Alter (Schmidt et al. 2021, S.8).
Micalizzi et al. fanden heraus, dass Sorgen, sehr krank zu werden oder keinen Zugang zu ebensmitteln zu haben, als negative Emotionen zu einer Anhäufung von mehr Produkten führen können (2021, S.535). n den Vereinigten Staaten befürchteten beispielsweise 28 Prozent der Befragten, dass den Geschäften die Grundnahrungsmittel ausgehen könnten (nternational Food nformation ouncil 2020, S.7). Dies stimmt mit den ermittelten Beweggründen für eine erhöhte Vorratshaltung in der Umfrage von Wang et al. überein, in der die befragten chinesischen Verbraucher angaben, dass sie weniger ausgehen, gefolgt von dem Vermeiden von Knappheiten, dem Kampf gegen steigende ebensmittelpreise und dem Streben nach Bequemlichkeit (2020, S.741f.). Neben der Angst vor Engpässen haben staatliche Maßnahmen, das eigene Umfeld (Prentice et al. 2020, S.8ff.), die wahrgenommene Bedrohung durch OVD-19, die höhere Risikowahrnehmung der nfektion durch den Einkauf (Schmidt et al. 2021, S.8f.), sowie mangelndes soziales Vertrauen (Bentall et al. 2021 S.3) Einfluss auf den Anstieg der Kaufmenge. Prentice et al. (2020, S.8ff.) und Schmidt et al (2021, S.8f.) betonen zudem den Einfluss der Medienexposition, wodurch eine höhere Häufigkeit der Medienbeschaffung die Kaufmenge von nicht verderblichen ebensmitteln und Hygieneprodukten erhöht (Schmidt et al. 2021, S.9f.). Grund hierfür ist vor allem das Gefühl der Sicherheit in solch unsicheren Zeiten und führt ebenso zu einem schlechten Gewissen, wenn weniger wichtige Artikel gekauft werden (Prentice et al. 2020, S.10f.). Auch Frost und Gross nennen in diesem Zusammenhang die Angst der Verbraucher, unvorbereitet erwischt zu werden (1993, S.375), weshalb der Besitz dieser Güter zu einem Gefühl der Sicherheit und des Komforts beitragen kann (Frost & Hartl 1996, S.347). annito et al. fassen zusammen, dass das Horten auf der einen Seite mit der Zukunftsplanung und dem Bedürfnis des Vorbereitetseins in Verbindung gebracht wird und auf der anderen Seite auf der reaktiven, emotionalen Reaktion der Verbraucher basiert (2021, S.2). n diesem Zusammenhang stellten Hori und wamoto fest, dass Verbraucher eine breite Palette an Produktkategorien horten (2014, S.69f.) und nicht nur in Bezug auf selektiv, notwendige Güter (Bentall et al. 2021, S.3).
Faktoren, die übermäßige Käufe verstärken können, sind zum einen demografische, beziehungsweise situative Faktoren. Bentall et al. gehen davon aus, dass bereits die erhöhte, eigene Anfälligkeit für das Virus oder die einer nahestehenden Person, eine zunehmende Haushaltsgröße und das Vorhandensein von Kindern im Haushalt das Risiko von Knappheit signalisieren. Ebenso hat neben einem hohen wahrgenommenen nfektionsrisiko auch die eigene wirtschaftliche Situation Einfluss (2021, S.5), da wohlhabendere Haushalte als auch diejenigen, deren Haushaltseinkommen sinkt, mehr zu Überkäufen tendieren (2021, S.14). m Gegensatz dazu gehen Bentall et al. davon aus, dass eine vertrauensvolle Nachbarschaft das übermäßige Einkaufen hemmt, da sich auf die Unterstützung anderer gestützt wird, wenn die Vorräte aufgebraucht sind (2021, S.5).
Hypothese 8: Je größer die Risikowahrnehmung (a), je größer die Bedrohungswahrnehmung (b), je größer die Angst (c) und je größer die Medienexposition (d), desto eher tendieren die Verbraucher zum Vorratsverhalten.
2.4 Auswirkungen auf den stationären Einzelhandel
Das Handelsvolumen auf globaler Ebene sank im Jahr 2020 um 5,3 Prozent, nachdem es im zweiten Quartal des vergangenen Jahres mit einem Verlust von 15 Prozent gegenüber dem Vorjahr seinen Tiefpunkt erreichte (World Trade Organization, 2021, o.S.). n diesem Abschnitt werden die Auswirkungen des Verbraucherverhaltens, insbesondere der gesteigerten Präferenz für Online-Kanäle und des Vorratsverhaltens der Verbraucher, auf den stationären Einzelhandel betrachtet. Aus den Auswirkungen von OVD-19 auf das Verbraucherverhalten ergeben sich laut Sheth mplikationen für das Management von Unternehmen und damit auch für den stationären Einzelhandel. Genauso wie die Verbraucher, sollten auch Unternehmen improvisieren, ihre Prozesse und Systeme widerstandsfähiger machen und sich besser behaupten. Der Autor nennt Einzelhändler, die ihre stationären Geschäfte mit dem Online-Einkauf verbunden haben, um über alle Kanäle liefern zu können (2020, S.282). Pantano et al. stimmen dem zu, indem sie das Überdenken der Agilität des Einzelhandels vorschlagen. Durch Flexibilität und dem Abrücken von traditionellen Plänen, können organisatorische Veränderungen umgesetzt werden, um die Reaktionszeiten auf veränderte Verbrauchernachfragen zu verkürzen und die Prozesse zu vereinfachen (2020, S.211). Ratten erwähnt an dieser Stelle das Konzept der Resilienz von Unternehmen, indem diese widerstandsfähig auf die aktuellen Herausforderungen reagieren und ihre hancen nutzen. Es geht um die Fähigkeit, die eigenen Tätigkeiten an dem Markt auszurichten (2020, S.5). Fillis und Rentschler sehen die Kreativität als zentrales Element bei der Problemlösung (2010, S.52). Beispielsweise ändern Supermärkte die grundlegenden Aspekte ihres Betriebes für das Abholen von Online-Bestellungen mit eigenen Parkplätzen, Kassenbereichen oder separaten Eingängen (Gauri et al. 2021, S.54). Zudem stellen Einzelhändler vorübergehend Mitarbeiter anderer Unternehmen ein, um der erhöhten Nachfrage von Online-Bestellungen gerecht zu werden (Pantano et al. 2020, S.211).
In Hinblick auf das Vorratsverhalten der Verbraucher müssen laut Sheth Angebot und Nachfrage aufeinander abgestimmt werden, um Versorgungsketten, ogistik und agerhaltung in Zeiten von Nachfrageschwankungen zu optimieren und Versorgungsengpässe zu vermeiden (2020, S.282). Einzelhändler müssen in der age sein, flexibel ihr Sortiment und ihre ieferanten umzustellen, sobald sich der Bedarf ändert (Richards; Rickard 2020, S.190). Es geht darum, dass Einzelhändler effizienter werden, wenn es darum geht, den Kunden das Gewünschte zu liefern, wann sie wollen (Roggeveen & Sethuraman 2020, S.169). Sheth ist der Meinung, dass Produkte nicht nur im Regal und ein Restbestand im ager aufbewahrt werden sollten, sondern dass mit Hilfe von Online-Bestellungen der „aden zum Kunden kommt“ (2020, S.282). Ebenso können Einzelhändler den Kauf von bestimmten Artikeln beschränken, um Knappheiten zu vermeiden. nformationen über die zu erwartenden ieferungen können dazu beitragen, dass Gefühl der Kontrolle der Verbraucher wiederherzustellen (Kirk & Rifkin 2020, S.125). Jedoch sollte nicht erwartet werden, dass sich der Konsum nur bei bestehenden Produkten verschiebt. Neue Bedürfnisse aufgrund der Pandemie können dauerhafte nnovationen vorantreiben, wie beispielsweise Tools für die digitale Zusammenarbeit (Reeves et al. 2020, o.S.). Was die ieferkette betrifft, haben einige Einzelhändler Veränderungen durchgeführt und verstärkt auf rein lokale ieferketten gesetzt (Pantano et al. 2020, S.211). Zwanka und Buff sehen es ebenso als ratsam an, die Produktion von lebenswichtigen Gütern in das nland zu verlagern, um deren sichere ieferkette zu gewährleisten (2021, S.61). Richards und Rickard erwähnen die Neuausrichtung der ieferketten der ebensmitteleinzelhändler, da diese während der Pandemie fast ausschließlich die einzige Anlaufstelle für die Verbraucher für den ebensmitteleinkauf darstellen (2020, S.194). Pantano et al. betonen in diesem Zusammenhang die neue Rolle des Einzelhandels in der Gesellschaft, durch die Umstellung der Produktion oder die Erweiterung der Produktpalette (2020, S.211). Jedoch gehen Grewal et al. aufgrund von OVD-19 von einer Vereinfachung der Sortimentsstrategie der Einzelhändler aus, da sich die Verbraucher vermehrt auf das Wesentliche konzentrieren (2021, S.9). n dieser Angebotsvereinfachung sehen hugani et al. folgende Vorteile für ebensmitteleinzelhändler: Optimierte Artikel, von denen äden und Kunden profitieren, geringere Kosten in der ieferkette, erhöhte Effizienz im adenbetrieb sowie produktivere Beziehungen zu den ieferanten (2020, o.S.). Gauri et al. stellen sich hierbei die Frage, ob die geringen Auswirkungen auf den Umsatz lediglich den Panikkäufen zugeschrieben werden können und die Verbraucher nach der Pandemie ein breiteres Sortiment erwarten (2021, S.58).
Für Akram et al. befindet sich der Einzelhandel seit vielen Jahren im Umbruch (2021, S.13). Gauri et al. sind der Meinung, dass der Offline-Einzelhandel seit dem Beginn des E-ommerce mit vielen Herausforderungen konfrontiert ist (2021, S.50). Die Probleme des traditionellen Einzelhandel sind vor allem die Abwanderung der Kunden in den Online-Handel sowie die veränderten Kundenerwartungen an das Einkaufserlebnis (Akram et al. 2021, S.13). Dieser Wandel der Verbraucherverhaltensweisen wurde laut Fishman Zember et al. allerdings durch die Pandemie lediglich beschleunigt und nicht erst geschaffen (2020, S.1352). Durch die Pandemie hat sich die Bequemlichkeit der Verbraucher durch den Online-Kauf stark erhöht, welche mit wenigen Klicks rund um die Uhr von zu Hause aus bestellen können. Zudem ist eine weitere Benachteiligung die Preisgestaltung, weil Online-Händler meist Produkte zu günstigeren Preisen anbieten können. Die Autoren erwähnen darüber hinaus die für den Kunden entstehenden Reibungsverluste, indem diese das Geschäft aufsuchen, sich im Geschäft zurechtfinden, mit anderen Menschen in Kontakt kommen, auf die Bezahlung warten und gegebenenfalls das Produkt wieder umtauschen müssen. Zusätzlich ist es für den stationären Einzelhandel schwierig, die Breite und Tiefe des Sortiments anzubieten, die Kunden in den Online-Kanälen vorfinden (2021, S.50f.). Demnach empfehlen Kumar und Abdin, dass Unternehmen digital aktiv werden und in Online-Plattformen investieren sollen (2021, S.12). Pantano et al. schlagen ebenso die digitale Kommunikation vor, womit Einzelhändler Botschaften und nformationen über die Verfügbarkeit der Produkte, Beschränkungen von Kaufmengen oder Schutzmaßnahmen verbreiten können (2020, S.212). Einzelhändler haben die Möglichkeit, einen Onlineshop einzurichten (Grewal et al. 2021, S.6), in virtuellen Ausstellungsräumen Produkte erlebbar zu machen, mit Hilfe von ivestream-Kanälen verfügbare Produkte vorzustellen (Roggeveen & Sethuraman 2020a, S.306) oder den Kunden über Online-hats in Echtzeit zur Verfügung zu stehen (Pantano et al. 2020, S.212). Demnach liegt der Fokus während der Pandemie von Einzelhändlern darin, online mit den Kunden in Kontakt zu treten (Roggeveen & Sethuraman 2020, S.169), ihren Online-Service und die ieferung nach Hause zu verbessern (Pantano et al. 2020, S.211). Akram et al. betonen ebenso, dass es für Offline-Einzelhändler schwierig wird, wenn sie sich nicht den neuen Umständen anpassen und daher die Digitalisierung als hance erachten müssen, ihre Dienstleistung für die nächsten Generationen zu verbessern (2021, S.13).
Der Online-Kauf hat an Bedeutung gewonnen, jedoch sollte der Wert der Offline-Kanäle nicht unterschätzt werden. n Geschäften können die Verbraucher die Produkte in Echtzeit sehen, anfassen und eine reale Offline-Erfahrung machen (Moon et al. 2021, S.13). Hierbei kann sich der Offline-Einzelhandel durch Verbesserungen des Kundenerlebnisses vom Online-Bereich abheben sowie die Reibungsverluste verringern, was jedoch mit nvestitionen in die dafür benötigten Technologien verbunden ist (Gauri et al. 2021, S.51). Für Einzelhändler ist es wichtig zu verstehen, welche Art von Erlebnissen die Kunden nach der Pandemie in einem Geschäft schätzen werden. Vor der Pandemie lag der Fokus auf Spaß, Unterhaltung und Engagement. Nach der Pandemie werden die Kunden ihre Erfahrungen in einem Geschäft möglicherweise danach bewerten, wie sauber es ist, ob sie keinen Bildschirm berühren müssen oder ob das Geschäft geräumig genug ist, um die soziale Distanz zu wahren (Roggeveen & Sethuraman 2020, S.169). Die Erwartungen der Kunden bestehen heute in einem einheitlichen Einkaufserlebnis, unabhängig von der Kanalnutzung (Akram et al. 2021, S.14). Auch Malter et al. (2020, S.147) und Gauri et al. (2021, S.42) betonen die Entwicklung der Einzelhandelsformate in Richtung Omnichannel-Aktivitäten und auch Accenture rät, sich verstärkt auf digitale und traditionelle Tools zu konzentrieren, um mit den Verbrauchern in Kontakt zu treten und ihre Erfahrungen zu verbessern (2020, S.19). McKinsey & ompany sehen das Omnichannel-Erlebnis als Schlüssel, womit stationäre Geschäfte mit nahtlosen Abhol- und Rückgabemöglichkeiten online gekaufter Produkte in der Filiale vor Ort und einem persönlichen Nutzererlebnis überzeugen (2021, S.4). Akram et al. nehmen in diesem Zusammenhang an, dass die Unsicherheit einiger Verbraucher zu mehr Rückgaben führen wird (2021, S.3) und erachten es als wichtig, dass Retouren mühelos und flexibel organisiert sind (2021, S.13f.). Die Pandemie bringt die Verbraucher dazu, ihre Zeit in Geschäften zu reduzieren, wodurch die stationären Einzelhändler versuchen das Einkaufen schneller, einfacher und sicherer zu machen (Gauri et al. 2021, S.53). Kirk und Rifkin erwarten Veränderungen, welche die soziale Distanzierung erleichtern (2020, S.127). Shankar et al. sprechen vor dem Hintergrund der Technologien von dem Zukunftsszenario Smart Distancing. Einzelhändler müssen den Kunden signifikante Vorteile bieten, während die Sicherheit durch Minimierung der nteraktionen und der Aufrechterhaltung der sozialen Distanz sichergestellt wird. Neben automatisierten ieferungen gibt es die Möglichkeiten der Neugestaltung von adenlayouts, um beispielsweise Einbahnverkehr und das Stöbern im aden zu ermöglichen. Ebenso können sich äden durch zertifizierte Hygienemaßnahmen von anderen Einzelhändlern abheben (2021, S.22f.), wie beispielsweise das Einkaufen nach Vereinbarung, das Verbot Produkte zu testen (Gauri et al. 2021, S.53), begrenzte adenöffnungszeiten, um das Auffüllen der Vorräte und die Reinigung zu erleichtern und Sonderöffnungszeiten für ältere Verbraucher (ampbell et al. 2020, S.317). Mit Blick auf das Abflauen der Pandemie wünschen sich einige Verbraucher in den Vereinigten Staaten, dass Sicherheitsmaßnahmen auch danach eingehalten werden, wie beispielsweise das Tragen von Masken, Abtrennungen an Kassen sowie eine Distanzierung am Arbeitsplatz (Boston onsulting Group 2021, S.16).
Laut Shankar et al. hat die Rolle der Technologien durch die Pandemie einen Aufschwung erhalten (2021, S.13). Diese technologiebasierten ösungen umfassen laut Grewal et al. ein breites Spektrum, jedoch lassen sich viele unter dem Begriff der künstlichen ntelligenz subsummieren (2021, S.7). Auf der Nachfrageseite schaffen diese Technologien digitalisierte Dienstleistungen, wie beispielsweise Entscheidungshilfen oder Empfehlungen für Verbraucher (Shankar et al., 2021, S.15). Dies beinhaltet maßgeschneiderte Produktangebote und Preise oder Roboter, welche die Kundenbetreuung unterstützen (Guha et al. 2021, S.38), aber auch die Bereitstellung aktueller nformationen über Produkteigenschaften, Nutzerbewertungen und Verfügbarkeiten im Geschäft sowie die Personalisierung mit Tools (Gauri et al. 2021, S.53). Ein Ansatz wird von Gauri et al. als immersiver Einzelhandel bezeichnet (2021, S.53), indem beispielsweise Kunden virtuell Schuhe oder Kleidungsstücke anprobieren können (Guha et al. 2021, S.34, S.37). Zudem erwähnen Roggeveen und Sethuraman die erweiterten Möglichkeiten der Verbraucher für die kontaktlose ieferung oder die Abholung am Straßenrand (2020a, S.306), indem Kunden beispielsweise online kaufen und offline abholen (Shankar et al. 2021, S.15). Darüber hinaus können auch Online-Bestellungen in den Filialen zurückgegeben werden (Gauri et al. 2021, S.54). Zusätzlich können der Support- und Zahlungskompetenzen mit Hilfe eines automatisierten Kundendienstes, digitalen Zahlungsdiensten und automatisierten Kassen (Shankar et al. 2021, S.15f.) unterstützt werden. Über den mobilen Kanal sind ebenso Technologien wie Mobile heck-n oder mobile Bezahlungen möglich (Shankar et al. 2021, S.20). Aus Anbietersicht erwähnen Shankar et al. die Automatisierung des Einzelhandels im Rahmen von Robotik, womit dem Bedürfnis nach weniger menschlichem Kontakt und sozialer Distanzierung nachgekommen werden kann (2021, S.14). Mit loud-omputing-Technologien und der Signalübertragung 5G werden ressourcenintensive und interaktive mobile Anwendungen ohne Verzögerungen ermöglicht (Shankar et al. 2021, S.14). Zudem kann die Bedarfsprognose unterstützt werden (Guha et al. 2021, S.38). Mitarbeiterorientierte Technologien haben ebenso Einfluss auf die nteraktion mit den Kunden, wie beispielsweise mobile Geräte, Hand- und Preisscanner (Shankar et al. 2021, S.16).
3 Verändertes Konsumentenverhalten: Konzeption und Befunde einer empirischen Analyse
3.1 Konzeption und Durchführung der Untersuchung
Die Daten für die vorliegende Studie wurden mittels einer quantitativen Online-Befragung erhoben. Die vorliegende empirische Arbeit soll im aufe der Erforschung zu den Auswirkungen der Pandemie veranschaulichen, wie die Verbraucher die Veränderungen in ihren Konsumgewohnheiten, insbesondere ihr Online-Einkaufsverhalten und Vorratsverhalten wahrnehmen. Demnach wurde die quantitative Herangehensweise als Form der Erkenntnisgewinnung ausgewählt. Der Fragebogen wurde auf der Website SoSci Survey erstellt und die erhobenen Daten mit Hilfe des Statisikprogramms BM SPSS Statistics Version 27 analysiert. Zudem wurden die Moderations- und Mediationsanalysen mit Hilfe von Process Version 4 von Andrew F. Hayes durchgeführt.
3.1.1 Untersuchungsmodell und Hypothesen zum Konsumentenverhalten
Aufbauend auf dem theoretischen Abschnitt dieser Arbeit wurde ein theoretisches Untersuchungsmodell erstellt, um einen besseren Überblick über die zu untersuchenden Konstrukte zu behalten.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 1: Untersuchungsmodell (eigene Darstellung).
Das Ziel dieser empirischen Forschung ist es, die bislang hypothetisch formulierten Zusammenhänge zwischen der OVD-19-Pandemie und dem Online-Einkaufsverhalten und dem Vorratsverhalten der Verbraucher zu überprüfen. Die Erhebung zielt darauf ab, die beobachteten Veränderungen im Verbraucherverhalten zu bestätigen und darüber hinaus die Ursachen hierfür zu ermitteln. Basierend auf den bereits erstellten Hypothesen, die übersichtlich in Anhang 1 zusammengefasst werden, wurde der Fokus dieser Arbeit auf bestimmte Konstrukte gelegt. Diese konnten innerhalb des Fragebogens anhand von bewährten Skalen operationalisiert werden, was im Anhang 2 einzusehen ist. Hierbei konnte zum Großteil auf bereits bekannte Kurzversionen zurückgegriffen werden oder es wurden vom Verfasser selbstständig tems sachlogisch ausgewählt, um den zeitlichen Rahmen der Befragung nicht zu überschreiten.
3.1.2 Aufbau des Fragebogens
Um umfassende Ergebnisse über die Auswirkungen der Pandemie auf das Verbraucherverhalten zu erhalten, werden die 32 Fragen des Fragebogens im Anhang 3 in sechs Abschnitte unterteilt: Nach einer kurzen Einführung in die Thematik, werden im ersten Abschnitt soziodemografische Kriterien abgefragt, während es im zweiten Abschnitt um das allgemeine Verhalten während der Pandemie geht. etzteres umfasst Fragen zum Haushaltseinkommen, Konsumrückgang, die Ausgaben in verschiedenen Bereichen sowie dem Sparverhalten. Der dritte Abschnitt befasst sich mit den Änderungen im Hinblick auf den Einkaufsort, die Frequenz der Online-Einkäufe und die age des eigenen Wohnorts, um das digitale Verbraucherverhalten zu bewerten. m vierten Teil geht es um die eingekaufte Menge verschiedener Produkte, um Rückschlüsse auf das Vorratsverhalten der Verbraucher zu ziehen. m fünften Abschnitt werden Fragen bezüglich der Sicherheitsvorkehrungen, des Datenschutzes und der Einkaufserlebnisse gestellt, um die Auswirkungen auf den stationären Einzelhandel festzustellen. Der sechste und letzte Abschnitt geht zum einen den persönlichen Eigenschaften und zum anderen den Auswirkungen der Pandemie auf die Wahrnehmung der Verbraucher nach. Zum Schluss haben die Teilnehmer die Möglichkeit erhalten, sich an einem Gewinnspiel zu beteiligen, um die Teilnahme an der Befragung zu unterstützen. Die zufällige Auswahl des Gewinners konnte im Anschluss anhand der eingetragenen E-Mail-Adresse vollzogen werden, welche unabhängig von den erhobenen Daten gespeichert wurde. Damit konnte die Anonymität der Probanden gewahrt werden.
Der Zeitraum, für den die Befragten ihr Verhalten beschrieben, war nicht festgelegt, sondern rückblickend mit „während der Pandemie“ beschrieben. Dies umfasst einen Zeitraum, der weitgehend Phasen der Abriegelung und der staatlichen Beschränkungen als auch Phasen einer lockeren Regelung beinhaltet.
3.1.3 Auswahl der Probanden und Durchführung der empirischen Erhebung
Der Fragebogen wurde im Zeitraum vom 01.10.2021 bis einschließlich 10.10.2021 veröffentlicht. Zur Teilnahme an der quantitativen Studie wurden willkürlich deutschlandweit Konsumenten, darunter Bekannte, Familie, Freunde sowie über den Hochschulverteiler Studierende des Fachbereiches Wiesbaden Business School, angeschrieben. nsgesamt haben 542 Personen den Fragebogen aufgerufen, unabhängig davon, ob der Teilnehmer anschließend den Fragebogen wieder geschlossen oder weiter bearbeitet hat. Diese Zahl ist einschließlich versehentlicher doppelter Aufrufe. Davon haben 374 Personen begonnen, den Fragebogen zu bearbeiten. Die Stichprobe setzt sich nun aus den abgeschlossenen Datensätzen zusammen und umfasst 300 Probanden. m Folgenden wird das soziodemografische Profil der Befragten beschrieben, eine detaillierte Darstellung befindet sich im Anhang 4. Von der Gesamtzahl der Befragten ist die Mehrheit mit 71 Prozent weiblich und 29 Prozent männlich (siehe Tabelle 3). Das Durchschnittsalter beträgt 35 Jahre (siehe Tabelle 6). n Bezug auf die Bildungsqualifikation kann von einem akademischen Bildungsniveau ausgegangen werden. Die meisten Befragten haben die allgemeine Hochschulreife (29,3%), gefolgt von einem Bachelor- (21,7%) und Masterabschluss (14,3%) (siehe Tabelle 4). m Hinblick auf die Art der Beschäftigung sind mit jeweils 38,3 Prozent der größte Anteil der Befragten Studierende oder Angestellte. 7,7 Prozent der Befragten sind währenddessen selbstständig (siehe Tabelle 5). Der Familienstand kann für 54,3 Prozent der Befragten als ledig und für 28,7 Prozent als verheiratet beschrieben werden (siehe Tabelle 9). Die Einkommensverteilung der Befragten spiegelt zum einen die durchschnittlich junge Stichprobe wider, da über ein Drittel (37,3%) kein eigenes Einkommen oder bis unter 1.000 Euro im Monat verdient. Zum anderen stellt die Verteilung eine gut verdienende, akademische Zielgruppe dar, worunter 10,3 Prozent ein Nettogehalt von mehr als 4.000 Euro im Monat verdienen (siehe Tabelle 7). n Bezug auf die Pandemie konnten 68,7 Prozent der Befragten keine Einkommensveränderungen feststellen, bei 21,3 Prozent der Befragten ist das Haushaltseinkommen jedoch in unterschiedlichem Ausmaß gesunken (siehe Tabelle 8).
[...]