Effekte der Anzahl der guten Verkaufsargumente auf die Kaufabsicht - eine empirische Studie

Inhaltsverzeichnis

Abbildungsverzeichnis

Abkürzungsverzeichnis

1. Zielsetzung

2. Theoretische Überlegungen
2.1 Einflussgrößen
2.2 Funktionale Beziehungen

3. Messtheoretische Überlegungen
3.1 Messverfahren
3.2 Indikatoren

4. Stand der bisherigen empirischen Forschung
4.1 Der Einfluss von Testinformation auf Qualitätserwartungen
4.2 Der Effekt der simultanen oder isolierten Präsentation von Wahl-möglichkeiten

5. Hypothesen

6. Empirische Studie
6.1 Konzept der Studie
6.2 Pretest
6.3 Stichprobe und Datenerhebung
6.3 Ergebnisse und Prüfung der Hypothesen
6.4 Prüfung der Einzeleffekte

7. Fazit

Anhang
Anhang A: Anzeige wenig
Anhang B: Anzeige mittel
Anhang C: Anzeige viel
Anhang D: Fragebogen 1
Anhang E: Fragebogen 2
Anhang F: Fragebogen 3
Anhang G: Fragebogen 4
Anhang H: Studie 1, 2, 3

Literaturverzeichnis

Internetadressenverzeichnis

Abbildungsverzeichnis

Abb. 1: Definition der Argumentqualität

Abb. 2: Einflussfaktoren auf Elaboration Likelihood

Abb. 3: Wirkungsmodell

Abb. 4: Ablauf der Studie

Abb. 5: Funktionsverlauf Produktnutzung und Testinformation

Abb. 6: Merkmale zur Beschreibung eines Telefons

Abb. 7: Ergebnisse der simultanen oder isolierten Präsentation von
Wahlmöglichkeiten

Abb. 8: Zusammensetzung der Stichprobe (Pretest 1)

Abb. 9: Relative Need for Cognition-Verteilung

Abb. 10: Ergebnisse der Einstufung der Anzahl der Argumente

Abb. 11: Zusammensetzung der Stichprobe (Pretest 2)

Abb. 12: Bewertung der Argumente (Pretest 2)

Abb. 13: Kolmogorov-Smirnov-Anpassungstest (Pretest 2)

Abb. 14: T-Tests bei gepaarten Stichproben (Pretest 2)

Abb. 15: Paarvergleiche der ausgewählten Argumente

Abb. 16: Verteilung und Anzahl der Argumente in den Produktanzeigen

Abb. 17: Zusammensetzung der Stichprobe

Abb. 18: Effektive Stichprobenverteilung

Abb. 19: Cronbachs Alpha für Kaufabsicht, Involvement, NFC

Abb. 20: Häufigkeitsverteilung Involvement

Abb. 21: Häufigkeitsverteilung NFC

Abb. 22: Normalverteilung der Kaufabsicht

Abb. 23: Varianzhomogenität

Abb. 24: Ergebnisse UNINOVA

Abb. 25: Post-Hoc-Test

Abb. 26: Test auf Varianzhomogenität

Abb. 27: Kolmogorov-Smirnov-Anpassungstest

Abb. 28: Test auf Varianzhomogenität

Abb. 29: T-Test-Ergebnisse bei unabhängigen Stichproben

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1. Zielsetzung

Gute Verkaufsargumente für einzelne Produkte sind aufgrund der momentanen rezessiven wirtschaftlichen Situation und der Konsumzurückhaltung der Konsumenten ein wesentlicher Bestandteil der Verkaufsförderung vieler Unternehmen.

Die Konsumenten werden förmlich mit Werbe- und Produktanzeigen überhäuft, sei es mit Hilfe von Produktbeilagen in Zeitschriften respektive Magazinen oder mit Werbespots in TV und Radio. So fahren zur Zeit Elektrofachmärkte wie Saturn oder Makromarkt spezielle Kampagnen, die den Absatz besonders guter und günstiger Produkte fördern sollen. Die Verkaufsargumente und der Preis der jeweiligen Produkte werden innerhalb dieser Kampagnen zusammen mit dem Produktbild den Konsumenten angepriesen.

Die guten Verkaufsargumente spielen jedoch – in Werbekampagnen mit beispielsweise dem Motto „Geiz ist geil“ steht in erster Linie der günstige Preis im Vordergrund – in einem persönlichen Verkaufsgespräch eine weitaus wichtigere Rolle. Die Verkaufsargumente sollen Eigenschaften der Produkte aufzeigen und dem Konsumenten den persönlichen Produktnutzen verdeutlichen (vgl. Cersovsky 1994, S. 18). Gute Verkaufsargumente sind maßgeblich dafür verantwortlich, das Kaufverhalten des Kunden positiv zu beeinflussen und das Geschäft erfolgreich abzuschließen.

Im Rahmen dieser wissenschaftlichen Studie soll mit Hilfe einer geeigneten Methodik überprüft werden, wie sich die Variation der Anzahl der guten Verkaufsargumente auf die Kaufabsicht der Konsumenten auswirkt. In diesem Zusammenhang wird außerdem analysiert, welche Verkaufsargumente des untersuchten Produktes als gut gelten und wie die Quantität der Argumente seitens der Auskunftspersonen eingestuft wird.

Die Beantwortung dieser Frage ist sowohl von theoretischem Interesse als auch von praktischer Relevanz. So gibt es in der Fachliteratur eine Vielzahl von Leitfäden und literarischen Aufsätzen zur richtigen Vorgehensweise bei der Verkaufsargumentation und zu den verschiedenen Phasen in einem Verkaufsgespräch im allgemeinen, Abhandlungen über die richtige Anzahl an Verkaufsargumenten sucht man dagegen vergeblich. Insofern sollen die Ergebnisse dieser Studie neue Aufschlüsse für den Verkauf von Produkten und Dienstleistungen liefern. Verkäufer und Vertreter könnten diese in ihre Verkaufsstrategie einbeziehen und eventuell bessere Verkaufszahlen erzielen. Da in der Werbung gute Verkaufsargumente ebenfalls eine tragende Rolle spielen, könnten die Erkenntnisse der Studie dort von Nutzen sein.

Im Anschluss an diese Ausführung werden theoretische Überlegungen bezüglich der Einflussgrößen und funktionalen Beziehungen sowie verschiedene Messverfahren und Indikatoren für die Einflussgrößen erläutert. Mit Hilfe der Ergebnisse dieser empirischen Studie werden nachfolgend entwickelte Hypothesen überprüft und Handlungsempfehlungen abgeleitet.

2. Theoretische Überlegungen

Will man die Effekte der Anzahl der guten Verkaufsargumente auf die Kaufabsicht untersuchen, bedarf es zunächst einiger theoretischer Überlegungen. Der Empirie dieser Arbeit liegen verschiedene Einflussgrößen und funktionale Beziehungen zugrunde, zu denen zum Teil eine Vielzahl an wissenschaftlichen Arbeiten zur Verfügung stehen. Aufgrund des großen Umfangs werden im Nachfolgenden lediglich die für die Fragestellung relevanten Aspekte erörtert.

2.1 Einflussgrößen

Grundsätzlich wird bei genauerer Betrachtung der in Kapitel 1 formulierten Größen Anzahl der guten Verkaufsargumente und Kaufabsicht ersichtlich, dass bei der Fragestellung die Verarbeitung von Information eine wichtige Rolle spielt: Die Auskunftspersonen werden nur eine gewisse Kaufabsicht entwickeln können, wenn sie sich mit der präsentierten Information auseinandersetzen und diese ferner auch verarbeiten.

In gewisser Weise können Verkaufsargumente als Versuch, den Konsumenten vom Kauf des beworbenen Produkts zu überzeugen, interpretiert werden. Denn die Vertreter der Produkthersteller, sei es der Verkäufer im Geschäft oder Werbeanzeigen in Zeitschriften, stellen dem Kunden überzeugende (persuasive) Information in Form von Verkaufsargumenten zur Verfügung, um diesen zum Kauf zu bewegen. Im Zusammenhang mit überzeugender Kommunikation ist das sogenannte Elaboration Likelihood Model of Persuasion zu nennen.

Das Elaboration Likelihood Modell (ELM) wurde in den achziger Jahren des letzten Jahrhunderts von Cacioppo und Petty entwickelt und ist „a fairly comprehensive framework for organizing, categorizing, and understanding the basic processes underlying the effectiveness of persuasive communications“ (Petty, Cacioppo 1986a, S. 3). Das ELM unterscheidet zwei verschiedene Typen der Überzeugung, die zentrale und die periphere Route. (vgl. Petty, Cacioppo 1986b, S. 125)

Im ELM werden die Auswirkungen auf die Informationsverarbeitung mit Hilfe von starken und schwachen Argumenten untersucht. Aufgrund der in Abb. 1 dargestellten Eigenschaften der starken und schwachen Argumente, kann man gute Verkaufsargumente mit den starken Argumenten des ELM sehr gut vergleichen. (vgl. Petty, Cacioppo 1986b, S. 133)

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1: Definition der Argumentqualität (vgl. Petty, Cacioppo 1986b, S. 133)

Ein Verkaufsargument wird ebenfalls nur als gut bewertet, wenn sich der Kunde mit diesem identifizieren kann und die Verkaufsargumente den Wünschen, Bedürfnissen und Vorstellungen des Kunden entsprechen. Es muss jedoch darauf hingewiesen werden, dass die Ansprüche an ein gutes Verkaufsargument individuell voneinander abweichen, so dass ein Argument von einer Person als gut, von einer anderen Person als nicht überzeugend bewertet wird. Insofern müssen vor der Analyse der Fragestellung gute beziehungsweise überzeugende Verkaufsargumente entwickelt und auf ihre Qualität geprüft werden. (vgl. Beck 1995, S. 261ff)

Die Wahrscheinlichkeit für Informationsverarbeitung beziehungsweise die Überzeugung, sprich die Elaboration Likelihood, wird als hoch eingestuft, wenn die Faktoren Motivation und Fähigkeit begünstigt werden. Das heißt, wenn die Motivation und die Fähigkeit die Informationen zu verarbeiten hoch ist, werden die (Verkaufs-) Argumente mit großer Wahrscheinlichkeit verarbeitet. Für die in Kapitel 1 formulierten Größen ist der Faktor Motivation, unter der Annahme, dass die Fähigkeit der Personen hoch ist, insofern relevant, da er, wie erwähnt, die Informationsverarbeitung und somit das Kaufverhalten respektive die Kaufabsicht begünstigt. Der Grad der Motivation kann zum Teil über den Need for Cognition-Wert der Personen bestimmt werden. „Need for Cognition ist die individuelle Tendenz sich in kognitiv aufwendigen Prozessen zu engagieren und sich dabei zu erfreuen“ (Cacioppo et al. 1984, S. 306). Mit Hilfe des Need for Cognition (NFC) wird der motivative Faktor der Verarbeitung der guten Verkaufsargumente erfasst, so dass die Einflüsse des NFC auf die Kaufabsicht festgestellt und diskutiert werden können. Das NFC wird mit Hilfe der von Petty und Cacioppo entwickelten NFC-Skala erfasst. (vgl. Petty, Cacioppo 1986a, S. 7; Petty, Cacioppo 1986b, S. 126f)

Ähnlich dem soeben beschriebenen Bedürfnis nach Information beziehungsweise dem Bedürfnis nachzudenken, ist die Bedeutung eines Produkts für den Kaufentscheidungsprozess ebenso relevant (vgl. Bless et al. 1994, S. 148). Denn die Wichtigkeit, die in der Literatur als Involvement bezeichnet wird, hat wesentliche Auswirkungen auf die Intensität der damit verbundenen kognitiven Anstrengungen. (vgl. Kuß, Tomczak 2000, S. 65-66)

Das „Involvement” spiegelt den „Grad der subjektiv empfundenen Wichtigkeit eines Verhaltens” wider. „Mit steigendem I. (Involvement, Anm. des Autors) wird eine wachsende Intensität des kognitiven und emotionalen Engagements eines Individuums angenommen [...]“ (Gabler 1997, S. 2033). „Im „Low-Involvement“- Bereich fehlt die Motivation zu intensiver Informationsverarbeitung“ (Bussmann, Unger 1986, S. 88). Da die Informationsverarbeitung, also die Verarbeitung der guten Verkaufsargumente, somit offensichtlich von der Bereitschaft beziehungsweise dem Engagement zu kognitiven Anstrengungen abhängig ist, ist das Involvement eine für die Analyse der Fragestellung relevante Einflussgröße. (vgl. Kuß, Tomczak 2000, S. 65-66)

Wie man Abb. 2 entnehmen kann, ist das Involvement beziehungsweise die persönliche Relevanz auch im Sinne der Elaboration Likelihood Theorie ein für die Verarbeitung von Information relevanter Einflussfaktor:

Abbildung in dieser Leseprobe nicht enthalten

Abb. 2: Einflussfaktoren auf Elaboration Likelihood (vgl. Petty, Cacioppo 1986b, Fig. 1, S. 126)

Infolgedessen werden bei der Betrachtung des Involvements ebenfalls Effekte und Auswirkungen auf den Grundzusammenhang der Fragestellung, nämlich den Einfluss der Anzahl der guten Verkaufsargumente auf die Kaufabsicht, auftreten.

Bezogen auf die theoretischen Überlegungen und Ausführungen im Zusammenhang mit NFC stellten Mitte der neunziger Jahre Epstein et al. fest, dass die NFC-Skala zur Messung der Tendenz zu systematischer respektive analytisch-rationaler Verarbeitung geeignet ist, aber keinerlei Informationen hinsichtlich der Unterschiede in der Neigung zu heuristischer beziehungsweise intuitiver-erfahrungsmäßiger Verarbeitung liefert (vgl. Epstein et al. 1996, S. 392f). Das bedeutet unter anderem, dass „verkürzte kognitive Operationen, mit deren Hilfe Schlussfolgerungen gezogen werden, ohne komplizierte und vergleichsweise langwierige Algorithmen einsetzen zu müssen“ [2], im Rahmen der ELM- und der NFC-Theorie nicht berücksichtigt werden. Insofern werden bei der Betrachtung der Fragestellung kognitive Heuristiken vernachlässigt.

2.2 Funktionale Beziehungen

Im Nachfolgenden werden aufgrund der theoretischen Überlegungen (vgl. Kap. 2.1) die Zusammenhänge zwischen den Größen Anzahl der guten Verkaufsargumente, Involvement, NFC und Kaufabsicht diskutiert und Aussagen bezüglich des funktionalen Zusammenhangs dieser Größen getroffen.

Ein Verkaufsargument wird als überzeugend beziehungsweise gut bewertet, wenn es den Wünschen, Bedürfnissen und Vorstellungen des Kunden entspricht (vgl. Beck 1995, S. 261ff). Verkaufsargumente sollten es dem Konsumenten erleichtern, sich für das jeweilige Produkt zu entscheiden. Brandt et al. stellen in diesem Zusammenhang folgende These auf: „Gekauft wird eine Ware oder eine Leistung erst dann, wenn es [...] gelingt, ganz konkret den Nutzen [...]“ des „Angebots für den Kunden herauszustellen“ (Brandt, Arms, Neumann 1998, S. 114). Ein als gut empfundenes Verkaufsargument, das dem erwarteten Nutzen beziehungsweise den Bedürfnissen entspricht, dürfte sich positiv auf das Kaufverhalten und somit auf die Kaufabsicht auswirken. Leider findet man in der Literatur weder Empfehlungen hinsichtlich der Anzahl an guten Verkaufsargumenten, noch wie sich eine größere Anzahl auf das Kaufverhalten auswirkt. Fraglich ist, „ob es empfehlenswert ist, nur ein oder mehrere Argumente vorzubringen und welche Argumente angesprochen werden sollen“ (Weiß 2003, S. 198). Es erscheint jedoch naheliegend, dass sich mit steigender Anzahl (Abstufung in Anzahl ´wenig´, ´mittel´ und ´viel´) guter Verkaufsargumente die positive Wirkung auf die Kaufabsicht erhöht. Das heißt, je mehr gute Verkaufsargumente vorhanden sind, desto größer sollte die Kaufabsicht sein.

„’Low involvement / niedriges Involvement‘” bedeutet, „dass diese Eigenschaftskategorien den Bedarfsträger zumindest nicht sonderlich, jedenfalls letztlich nicht entscheidend anzurühren vermögen und ihm damit keine Kaufmotivation liefern können“ (Bänsch 1998, S. 32). Dementsprechend wird ein Konsument mit geringem Involvement, da sein Interesse gegenüber dem Produkt und somit wohl auch gegenüber den Verkaufsargumenten niedrig ist, keine große Kaufmotivation beziehungsweise Kaufabsicht entwickeln. Mit steigendem Involvement konzentrieren sich die Konsumenten auf den Inhalt der Argumente, so dass sie diese besser verarbeiten beziehungsweise in ihren Entscheidungsprozess mit einbinden (vgl. Bänsch 1998, S. 81).

Auch Kroeber-Riel geht in seiner Werbewirkungsverlauf-Theorie davon aus, dass Personen mit hohem Involvement gut durch informative Werbung (beispielsweise mit Hilfe von guten Verkaufsargumenten) erreicht werden (vgl. Kroeber-Riel 1991, S. 160). Deshalb dürfte aus einem hohen Involvement eine höhere Kaufabsicht als bei niedrigem Involvement resultieren.

Dieser funktionale Zusammenhang der Variablen kann auch mit Hilfe der Elaboration Likelihood-Theorie begründet werden. Denn die persönliche Relevanz, sprich das Involvement, ist im ELM Bestandteil des Faktors Motivation (vgl. Abb. 2, S. 7). Laut Cacioppo und Petty ist die Elaboration Likelihood hoch, wenn die Bedingungen die Motivation und die Fähigkeit fördern. Bei hohem Involvement – unter der Annahme, dass die anderen Einflussfaktoren unverändert bleiben – ist die Verarbeitung der starken Verkaufsargumente und somit die Überzeugung der Personen hoch. Folglich dürfte im hohen Involvement-Bereich die Kaufabsicht größer als im niedrigen Involvement-Bereich sein. (Petty, Cacioppo 1986a, S. 7)

Wie in Kapitel 2.1 beschrieben, versteht man unter NFC eine „individual`s tendency to engage in and enjoy effortful cognitive processing“ (Cacioppo et al. 1984, S. 306). Sowohl Cacioppo und Petty als auch Bless et al. stellten in verschiedenen Experimenten fest, dass Personen mit hohem NFC-Wert sich gedanklich mehr mit den Informationen auseinandersetzen beziehungsweise über die Argumente nachdenken. Demzufolge betreiben Personen mit einem niedrigen NFC-Wert einen geringeren cognitiven Aufwand als Personen mit einem hohen NFC-Wert. (vgl. Petty, Cacioppo 1986a, S. 102ff; Bless et al. 1994, S. 152)

Wie auch das Involvement, ist die individuelle Größe NFC dem Faktor Motivation zuzuordnen (vgl. Abb.2), so dass die Elaboration Likelihood hoch ist, falls die Motivation und die Fähigkeit begünstigt werden (Petty, Cacioppo 1986a, S. 7). Früheren Studien von Cacioppo et al. zufolge ist die inhaltliche Qualität für Personen mit niedrigem NFC von geringerer Bedeutung. Insofern können diese Personen nur durch einen attraktiven Reiz, beispielsweise einer interessanten Präsentation, überzeugt werden. Da in dem Wirkungsmodell die Information beziehungsweise die präsentierten Verkaufsargumente isoliert betrachtet werden, fehlt Personen mit niedrigem NFC der attraktive Reiz, so dass die Informationsverarbeitung im hohen NFC-Bereich höher sein müsste als im niedrigen NFC-Bereich. Wenn folglich das NFC hoch ist, dürfte die Kaufabsicht höher als im niedrigen NFC-Bereich sein. (vgl. Cacioppo et al. 1983, S. 810f)

Da NFC und Involvement dem Faktor Motivation in der ELM-Theorie zugeordnet werden, ist die Überlegung interessant, wie Involvement und NFC miteinander korrelieren. Wie bereits hinreichend erwähnt, begünstigen sowohl ein hohes Involvement als auch ein hohes NFC die Kaufabsicht unter der Annahme, dass die Person die notwendige Fähigkeit hat. Welcher Einfluss der beiden sich sehr ähnelnden Einflussgrößen größer ist, das heißt einen höheren Effekt auf die Kaufabsicht hervorruft, wurde allerdings bis zum jetzigen Zeitpunkt nicht untersucht. Deshalb kann man nicht begründen, wie sich die Kaufabsicht bei hohem NFC und niedrigem Involvement bezeihungsweise bei niedrigem NFC und hohem Involvement verhalten wird. Dieser Zusammenhang ist bezogen auf das Wirkungsmodell nicht von unmittelbarer Wichtigkeit, aber vielleicht lassen sich dennoch im weiteren Verlauf der empirischen Auswertung der funktionalen Beziehungen Aussagen hinsichtlich dieses Aspekts treffen.

Abschließend muss man zum Thema funktionale Beziehungen kritisch anführen, dass das beschriebene Modell bei genauerer Betrachtung auf theoretischen Überlegungen basiert, die verschiedenen Theorien und Quellen entnommen worden sind. Das Wirkungsmodell wurde, bezogen auf die Fragestellung, in dieser Form eigenständig entwickelt, so dass die Modellzusammenhänge bisher nicht überprüft werden konnten. Besonders zu betrachten ist der Grundzusammenhang – die Anzahl der guten Verkaufsargumente wirkt sich positiv auf die Kaufabsicht aus – des Wirkungsmodells, da dieser nicht vollkommen durch Wirkungstheorien in der Literatur belegt werden kann. Die theoretischen Überlegungen bezüglich diesem Aspekt sind zwar fundiert und unterliegen logischen Zusammenhängen, jedoch können lediglich wage Vermutungen im Bezug auf die Auswirkungen getroffen werden.

Außerdem kann das Wirkungsmodell dem Anspruch der Vollständigkeit nicht gerecht werden, da die individuelle Kaufabsicht von einer Vielzahl von Einflussgrößen abhängt. So spielen im Allgemeinen Größen wie das Vorwissen oder die Kaufsituation an sich innerhalb des Kaufprozesses eine wichtige Rolle.

Aufgrund der theoretischen Überlegungen und der funktionalen Beziehungen (vgl. Kapitel 2.1) wurde folgendes auf die Fragestellung dieser Arbeit bezogene Wirkungsmodell entwickelt:

Abbildung in dieser Leseprobe nicht enthalten

Abb. 3: Wirkungsmodell

Wie man der Abbildung entnehmen kann, stellt das Modell die diskutierten funktionalen Beziehungen der Variablen beziehungsweise Einflussgrößen graphisch dar. Es zeigt den positiven Grundzusammenhang zwischen der Anzahl der guten Verkaufsargumente und der Kaufabsicht, sowie die moderierenden Einflüsse beziehungsweise Interaktionseffekte der Variablen Involvement und NFC.

3. Messtheoretische Überlegungen

Nachdem in Kapitel 2 die theoretischen Überlegungen hinsichtlich der Einflussgrößen und der funktionalen Beziehungen getroffen wurden, gilt es messtheoretische Überlegungen anzuführen. Im folgenden werden für das Wirkungsmodell relevante Messverfahren und geeignete Indikatoren zur Messung der Einflussgrößen beziehungsweise Variablen vorgestellt und ausgewählt.

3.1 Messverfahren

Bei der Analyse des Wirkungsmodells kommt unter anderem das Messverfahren der Regression in Frage. Mit Hilfe der Regression kann der funktionale Zusammenhang zwischen den unabhängigen Einflussgrößen, der Anzahl der guten Verkaufsargumente, Involvement und NFC, und der abhängigen Variable, der Kaufabsicht, ermittelt werden. (vgl. Weis, Steinmetz 2000, S. 243)

In den meisten Fällen, ebenso in dem oben beschriebenen Wirkungsmodell, ist es notwendig, dass mehr als eine unabhängige Variable in das Modell aufgenommen wird, so dass es sich bei der durchzuführenden Regression um eine multiple Regressionsanalyse handelt. Mit Hilfe der Regression kann der in Kapitel 2.2 unterstellte funktionale Zusammenhang, dass sich die Anzahl der guten Verkaufsargumente, das Involvement sowie das NFC positiv auf die Kaufabsicht auswirken, gut überprüft werden. Positiver Aspekt der multiplen Regressionsanalyse ist dabei, dass das Gesamtmodell, also die einzelnen Effekte und Wechselwirkungen der unabhängigen Variablen, analysiert werden kann. Eine Analyse der isolierten Einzeleffekte würde die Zusammenhänge und funktionalen Beziehungen des entwickelten Wirkungsmodells nicht hundertprozentig wiedergeben und die Ergebnisse verzerrt darstellen. (vgl. Backhaus et al. 1994, S. 2ff, S. 17ff)

Ein weiteres Messverfahren, das für eine Analyse des oben beschriebenen Zusammenhangs geeignet ist, ist die sogenannte univariate Varianzanalyse. Analog der Regressionsanalyse kann bei der Varianzanalyse der Einfluss einer oder mehrerer Variablen auf eine Zielgröße untersucht werden (vgl. Weis, Steinmetz 2000, S. 282f). Bezogen auf die Fragestellung dieser Arbeit wird die Kaufabsicht als Zielgröße, abhängige Größe, und die Anzahl der guten Verkaufsargumente, das Involvement und das NFC als unabhängige Variablen verwendet. Mit Hilfe der unabhängigen Variablen werden die alternativen Zustände, das heißt die verschiedenen Ausprägungen der Variablen beschrieben. Für die unabhängigen Variablen ist dabei lediglich nominales, für die abhängige Variable metrisches Skalenniveau erforderlich. (vgl. Backhaus et al. 1985, S. 11-12)

Da der Einfluss von drei unabhängigen auf eine abhängige Variable bestimmt werden soll, ist die mehrfaktorielle univariate Varianzanalyse zu verwenden. Mittels der mehrfaktoriellen univariaten Varianzanalyse können die Wechselwirkungen der unabhängigen Variablen, das heißt, die Interaktion zwischen den Variablen Argumentanzahl, Involvement und NFC und die isolierten Effekte der unabhängigen Variablen erfasst werden (vgl. Weis, Steinmetz 2000, S. 296). Dementsprechend kann das Gesamtmodell und der Gesamtzusammenhang der Variablen relativ einfach in einem Schritt vollständig analysiert werden. (vgl. Backhaus et al. 1985, S. 28-34)

Im Verlauf dieser empirischen Studie wird das Wirkungsmodell anhand einer mehrfaktoriellen univariaten Varianzanalyse (UNINOVA) untersucht. Im Vergleich zur Regressionsanalyse kann man mit Hilfe der Varianzanalyse den Zusammenhang der einzelnen Modellvariablen auf einfache, schnelle Art und Weise analysieren. So ist beispielsweise im Rahmen einer Regressionsanalyse bei der Prüfung der Voraussetzungen ein hoher analytischer Aufwand notwendig. Ein weiterer wichtiger und entscheidender Grund für die Auswahl der Varianzanalyse ist das für beide Messverfahren erforderliche Skalenniveau. Für die unabhängigen Variablen ist bei der Regressionsanalyse ein metrisches oder binäres Skalenniveau erforderlich. Da es sich bei der Variable Anzahl der Verkaufsargumente allerdings um eine im vorhinein gegebene Größe handelt und die Effekte einer Variation dreier verschiedener Anzahlen von Verkaufsargumenten (wenig, mittel und viel) untersucht werden sollen, ist ein nominales Skalenniveau sinnvoll (vgl. Kap. 3.2). Insofern ist für die Analyse des Wirkungsmodells aufgrund des analytischen Aufwands und dem verlangten Skalenniveau eine univariate mehrfaktorielle Varianzanalyse besser geeignet. (vgl. Backhaus 1994, S. 2)

3.2 Indikatoren

Indikatoren dienen dazu, theoretische Konstrukte beziehungsweise Modellvariablen zu messen. Infolgedessen werden im weiteren Verlauf dieser empirischen Studie Indikatoren benötigt, die geeignet sind die Konstrukte beziehungsweise Modellvariablen Kaufabsicht, Involvement und NFC zu erfassen. Für die Variable Anzahl der guten Verkaufsargumente ist kein Indikator erforderlich, da es sich hier um keine beobachtbare oder erfragbare Variable handelt. Das heißt die Anzahl der guten Verkaufsargumente ist Teil des Szenarios der Datenerhebung und stellt keine Einstellung oder ein bestimmtes Verhalten der Auskunftspersonen dar, sie ist eine von vornherein gegebene Einflussgröße. Im Rahmen der empirischen Analyse ist infolgedessen das Datenniveau der Anzahl der guten Verkaufsargumente nominal.

Eine sehr einfache und schnelle Methode der Konstruktmessung ist die sogenannte eindimensionale Messung. Bei dieser Methode werden die Auskunftspersonen direkt nach der Variable befragt. Die Frage nach der individuellen Kaufabsicht könnte folglich lauten: „Haben Sie gegenüber dem Produkt eine Kaufabsicht entwickelt?“ Grundsätzlich stehen bei der eindimensionalen Messung alle ordinalen und metrischen Skalen zur Verfügung. Bei der eindimensionalen Messung ist zu beachten, dass die gewonnenen Daten nicht unbedingt valide und reliabel sind. „Im Zweifel müssen die Indikatoren validiert und auf ihre interne Konsistenz hin überprüft werden“ (Gierl 1995, S. 53). Da die Variablen Involvement und NFC für viele Auskunftspersonen nicht auf den ersten Blick beziehungsweise auf die erste Frage hin ersichtlich sein dürften und man wahrscheinlich nur schwer das eigene Involvement- beziehungsweise NFC-Niveau angeben kann, ist eine eindimensionale Messung dieser Modellgrößen wenig sinnvoll. (vgl. Gierl 1995, S. 53)

Neben den verbalen Skalen eignen sich speziell bei der Messung der Kaufabsicht unter anderem auch das sogenannte Konstantsummenverfahren und Flächenskalen (vgl. Kroeber-Riel, Esch 2000, S. 134).

Bei dem Konstantsummenverfahren werden die Auskunftspersonen gebeten, eine bestimmte Punktanzahl auf verschiedene Marken zu verteilen. Diese Punktanzahl soll die Absicht ausdrücken, diese Marke in der nächsten Kaufsituation zu kaufen. Da innerhalb der Studie lediglich ein Produkt beziehungsweise eine Marke untersucht wird, ist eine Verwendung des Konstantsummenverfahrens nicht möglich. (vgl. Koch 2001, S. 195).

Für die Messung der Kaufabsicht mit Hilfe von Flächenskalen werden verschieden große Kärtchen mit der Aufschrift „Würde ich kaufen“ verwendet. Das Ausmaß der Kaufabsicht spiegelt sich in der Größe des von der Auskunftsperson gewählten Kärtchens wider. ^[1]

Die sogenannte Panelbefragung stellt jedoch die effektivste Messung von Kaufabsichten dar. Die verschiedenen Verkaufsargumente für bestimmte Produkte könnten den Testpersonen einer Testgemeinde präsentiert werden und in einer ersten Panelwelle die Kaufabsichten ermittelt und in weiteren Wellen am realen Kaufverhalten gemessen werden. Mit diesem Prognoseinstrument können die individuellen Kaufabsichten über einen langen Zeitraum gemessen und beobachtet werden, so dass die realen Kaufabsichten gut abgebildet werden. Aufgrund der Dauer und dem damit verbundenem organisatorischen Aufwand sind derartige Befragungen allerdings sehr kostspielig. ^[2].

Im Rahmen der Datenerhebung dieser empirischen Arbeit werden für die Modellvariablen mehrdimensionale verbale Skalen verwendet. Bei der mehrdimensionalen Messung werden die eine Modellvariable betreffenden Fragen zu jeweils einem Indikator zusammengefasst. Bei der Zusammenfassung der Fragen wird mit Hilfe von Reliabilitätsanalysen die interne Konsistenz der Daten gewährleistet. Als Indikator für die Kaufabsicht werden innerhalb der Studie zwei Fragen hinsichtlich der Wahrscheinlichkeit, dass die Auskunftsperson den Kauf in Erwägung zieht, und eine Frage bezüglich der individuellen Weiterempfehlung gestellt. Laut Gierl kann die Weiterempfehlung als Indikator für die Kaufabsicht verwendet werden (vgl. Gierl 1995, S. 240). Für die Variablen Involvement und NFC werden bestehende verbale Skalen eingesetzt, die auf Reliabilität und Validität getestet wurden: Die NFC- und die Personal Involvement Inventory-Skala (vgl. Bless et al. 1994, S.150, Zaichkowsky 1985, S. 350).

Die mehrdimensionalen Messungen dürften, wie oben bereits erwähnt, bezogen auf die Validität und Reliabilität eine höhere Datenqualität als eindimensionale Skalen liefern. Auch der zeitliche Aufwand dürfte dem Rahmen dieser Arbeit angemessen erscheinen, da die verbalen Skalen eine schnelle und leicht verständliche Befragung der Auskunftspersonen ermöglichen, so dass die gewählten Indikatoren die nicht beobachtbaren Konstrukte gut erfassen. „[...] Indikatoren können sich“ jedoch „an die wahren Werte nur annähern“ (Gierl 1995, S. 53). Laut Assael eignen sich beispielsweise gemessene Kaufabsichten nur bedingt zur Prognose von Kaufverhalten, da zum einen Kaufabsichten nicht realisiert und zum anderen ein großer Teil von Käufen ohne vorherige Kaufabsicht getätigt werden (vgl. Assael 1995, S. 288f). „Der Grad der Sicherheit der Umsetzung von Kaufplänen in Kaufhandlungen schwankt beträchtlich von Produkt zu Produkt und ist auch von Verhältnissen und Entwicklungen abhängig, die ganz und gar außerhalb der Kontrolle der Befragten liegen“ [2].

Zur Messung der Indikatoren wird innerhalb der Studie eine 7-stufige bipolare Skala verwendet, so dass gleich angenommene Abstände zwischen den einzelnen Skaleneinheiten gewährleistet werden und somit ein intervallskaliertes beziehungsweise metrisches Skalenniveau resultiert (vgl. Salcher 1978, S. 95ff). Aufgrund des metrischen Skalenniveaus können die Indikatoren für das Involvement und NFC leicht auf das für die Varianzanalyse notwendige nominale beziehungsweise binäre Niveau kodiert werden. Die Variablen werden so kodiert, dass der Einfluss von hohen beziehungsweise niedrigen Ausprägungen untersucht werden kann (vgl. Kap. 3.1)

4. Stand der bisherigen empirischen Forschung

Wie bereits in Kapitel 2.2 angedeutet sind bisher keine empirischen Studien bekannt, die sich konkret mit dem Einfluss der Anzahl von guten Verkaufsargumenten auf die Kaufabsicht befassen. Im Nachfolgenden werden zwei Studien vorgestellt, die sich zum einen mit dem Einfluss von Testinformationen auf Qualitätserwartungen und zum anderen mit dem Effekt der simultanen oder isolierten Präsentation von Wahlmöglichkeiten beschäftigen. Testinformationen gelten im allgemeinen als gute Verkaufsargumente und die simultane oder isolierte Präsentation von Wahlmöglichkeiten deckt im weiteren Sinne den Aspekt der unterschiedlichen Anzahl ab.

4.1 Der Einfluss von Testinformation auf Qualitätserwartungen (vgl. Gierl 1998, S. 237-244)

Die Studie befasst sich mit dem Einfluss von Testinformationen auf die Qualitätserwartungen der Konsumenten, der im Gegensatz zum Einfluss der Werbung in empirischen Studien zuvor nicht untersucht worden ist. Gierl verglich die Effekte von Testinformationen mit den Auswirkungen der probeweisen Nutzung.

Zentrales Untersuchungsobjekt war die Produktgruppe Mountainbike. Denn das Produkt Mountainbike ist ein Erfahrungsgut, bei dem den Qualitätserwartungen eine zentrale Rolle für die Kaufentscheidung zukommt. Außerdem weist das Produkt Mountainbike eine derartige Komplexität auf, dass ein Auswahlrisiko besteht, das durch Zusatzinformation beeinflusst werden kann. Gierl identifizierte mit Hilfe eines Pretests die Attribute Wartungshäufigkeit, Hochwertigkeit der Ausstattung, Fahrkomfort, bestimmte Fahreigenschaften, die Haltbarkeit und die Verarbeitung als relevante Qualitätseigenschaften. Die Fahreigenschaften waren dabei das wichtigste Qualitätsmerkmal. Abb. 4 stellt den Ablauf der Studie dar:

Abbildung in dieser Leseprobe nicht enthalten

Abb. 4: Ablauf der Studie (vgl. Gierl 1998, S. 239)

[...]

---

^[1]: http://medialine.focus.de/PM1D/PM1DB/PM1DBF/pm1dbf.htm?snr=6007,
(Stand: 27.02.2004)

^[2]: http://medialine.focus.de/PM1D/PM1DB/PM1DBF/pm1dbf.htm?stichwort=kaufabsic ht (Stand: 27.02.2004)