Technik zur Schätzung von Diffusionsparametern radikaler Produktinnovationen

Inhaltsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

Abkürzungsverzeichnis

1 Einführung
1.1 Ausgangssituation
1.2 Problemstellung
1.3 Zielsetzung
1.3.1 Forschungsfragen aus Sicht der Wissenschaft
1.3.2 Forschungsfragen aus Sicht der Unternehmenspraxis
1.4 Forschungsvorgehen
1.5 Aufbau der Arbeit

2 Inhaltliche Einleitung
2.1 Definitionen
2.1.1 Theorie, Technologie, Technik (Produkt), Produktkategorie
2.1.2 Innovationsobjekt
2.2 Bibliometrische Analyse
2.3 Adoption und Diffusion
2.4 Diffusionsmodelle
2.4.1 Allgemeines Diffusionsmodell
2.4.2 Diffusionsmodell nach Fourt & Woodlock
2.4.3 Diffusionsmodell nach Mansfield
2.4.4 Diffusionsmodell nach Bass
2.4.5 Gompertz-Verteilung
2.4.6 Weitere Diffusionsmodelle
2.4.7 Verteilungsfunktionen
2.5 Einflussfaktoren der Diffusion
2.5.1 Ökonomische Faktoren
2.5.2 Soziale Faktoren
2.5.3 Kulturelle Faktoren
2.5.4 Produktbezogene Faktoren
2.5.5 Effekt der Medien
2.6 Ansätze zur Schätzung der Diffusionsparameter
2.6.1 Vor Markteinführung
2.6.2 Nach Markteinführung
2.7 Ansätze zur Ermittlung ähnlicher Produkte

3 Technik zur Schätzung von Diffusionsparametern
3.1 Definition des Begriffs Technik
3.2 Anforderungen an eine Technik zur Schätzung von Diffusionsparametern
3.3 Vorgehensmodell der Technik zur Schätzung von Diffusionsparametern
3.4 Einordnung der Technik in eine Prozesslandkarte

4 Evaluation der Technik

5 Schlussteil
5.1 Erkenntnisfortschritt
5.1.1 Forschungsfragen aus Sicht der Wissenschaft
5.1.2 Forschungsfragen aus Sicht der Unternehmenspraxis
5.2 Kritische Würdigung
5.3 Ausblick

6 Literaturverzeichnis

7 Anhang
7.1 Anhang A
7.2 Anhang B
7.3 Anhang C
7.4 Anhang D
7.5 Anhang E

Danksagung

Zuallererst danke ich meinem Betreuer Prof. Dr. Leo Brecht sehr für die Anstellung als akademischer Mitarbeiter am Institut für Technologie- und Prozessmanagement, für die wissenschaftliche Betreuung und das hervorragende Forschungsumfeld.

Prof. Dr. Mischa Seiter danke ich sehr für inhaltliche Anregungen sowie die Korrektur dieser wissenschaftlichen Arbeit.

Besonders bedanke ich mich bei meinen Kollegen nicht nur für die Diskussionen rund um die Arbeit sondern ebenfalls für die großartige Arbeitsatmosphäre sowie die aufmunternden Aktivitäten. Vielen herzlichen Dank dafür Lukas Esser, Julian Kauffeldt, Thomas Mahnke, Marc Oßwald, Andreas Schöler, Oliver Treusch.

Julia Harbering danke ich für Ihre Mitwirkung bei der Onlineumfrage.

Simon Laibacher danke ich sehr für seine Mühe, die er aufgebracht hat, mich bei dieser Arbeit so großartig zu unterstützen.

Meiner Mutter Swetlana, meinem Vater Willi und meinem Bruder Max danke ich sehr für Ihre Unterstützung.

Unendlicher Dank aber gebührt meiner Frau Anika. Danke, dass du zu jeder Zeit unterstützend an meiner Seite warst. Danke für deinen Rückhalt, deine aufbauenden Worte und dein Verständnis.

Abbildungsverzeichnis

Abbildung 1: Forschungsvorgehen in Anlehnung an die Grounded Theory

Abbildung 2: Visualisierung des Aufbaus der vorliegenden Arbeit

Abbildung 3: Einordung Kapitel 2

Abbildung 4: Aufbau Kapitel 2

Abbildung 5: Differenzierung zwischen Theorie, Technologie und Technik

Abbildung 6: Anzahl der absoluten und kumulierten Publikationen zu den genannten Suchbegriffen

Abbildung 7: Grafische Verdeutlichung der Kozitation

Abbildung 8: Kozitationsnetzwerk zur Suchabfrage "diffusion", "adoption" und "forecasting"

Abbildung 9: Wissensbasen zur Suchabfrage "diffusion", "adoption" und "forecasting" (Einige Cluster sind aus Gründen der Übersicht nicht abgebildet. Sie sind auch mit dem gesamten Netzwerk nicht zusammenhängend und bilden Inseln aus.)

Abbildung 10: Die ersten sechs Cluster des Kozitationsnetzwerks zur Suchabfrage "diffusion", "adoption" und "forecasting" entlang einer Zeitachse

Abbildung 11: Fünf Prozessschritte des Adoptionsprozesses nach Rogers

Abbildung 12: Adoptionsprozess nach Rogers

Abbildung 13: Idealisierte Adoptionskurve nach Rogers

Abbildung 14: Diffusionskurve als Integration der Adoptionskurve

Abbildung 15: Diffusionsverlauf des Fourt & Woodlock Modells mit c=0,5 und c=0,8

Abbildung 16: Diffusionsverläufe des Mansfield Modells mit den Parametern und , und sowie und

Abbildung 17: Kommunikationswege im Diffusionsmodell nach Bass

Abbildung 18: Diffusionsverläufe des Bass Modells mit den Parametern und , und sowie und

Abbildung 19: Beispielhaftes Verhalten der kumulierten Menge der Innovatoren, Imitatoren und beider Gruppen mit p=0,03 und q=0,5

Abbildung 20: Diffusionsverläufe der Gompertz-Verteilung

Abbildung 21: Diffusionsrate des NUI-Modells für verschiedene Parameter δ

Abbildung 22: Diffusionsgrad des NUI-Modells für verschiedene Parameter δ

Abbildung 23: Diffusionsgrad des NSRL-Modells für verschiedene Parameter δ

Abbildung 24: Diffusionsgrad des NSRL-Modells für verschiedene Parameter δ

Abbildung 25: Um den Wendepunkt symmetrische Weibull-Verteilungen durch Wahl von zur Beschreibung eines Diffusionsprozesses

Abbildung 26: Operationalisierte Innovationsattribute

Abbildung 27: Konstruktion von Gewichtungsfaktoren bei Verwendung von Distanzmaßen zur Abbildung von Ähnlichkeiten

Abbildung 29: Einordung Kapitel 3

Abbildung 30: Aufbau Kapitel 3

Abbildung 31: Vorgehensmodell der Technik zur Diffusionsparameterschätzung

Abbildung 32: Zusammensetzung der Verteilungen für die Monte Carlo Simulation

Abbildung 33: Vergleich zwischen einer empirischen Verteilungsfunktion mit 12 Realisationen und einer Verteilungsfunktion der Normalverteilung (gepunktete Linie). Realisationen sind als Sprungstellen dargestellt

Abbildung 34: Aus dem CE TIM abgeleitete Prozesslandkarte für Prozesse des Technologie- und Innovationsmanagement

Abbildung 35: Einordnung Kapitel 4

Abbildung 36: Altersverteilung der Teilnehmer der Onlineumfrage

Abbildung 37: Ähnliche Produkte zu TV-Beamer sowie Anzahl der Missklassifikationen und der Gewichtungsfaktor je Produkt

Abbildung 38: Zusammensetzung der Verteilungen des Diffusionsparameters q je Produktkategorie

Abbildung 39: Klassifizierung des Mittelwertes der Diffusionsparameter ohne Einbezug der Faktoren der Diffusion

Abbildung 40: Einordnung Kapitel 5

Abbildung 41: Vorgehensmodell der Technik zur Diffusionsparameterschätzung

Tabellenverzeichnis

Tabelle 1: Bewertungsmaße der Cluster der bibliometrischen Analyse

Tabelle 2: Fortsetzung der Tabelle 1

Tabelle 3: Fünf Innovationsattribute nach Rogers

Tabelle 4: Ausprägungen der Transformation

Tabelle 5: Operationalisierung des Faktors Mobilität nach Gatignon et al. (1989) und Helsen et al. (1993)

Tabelle 6: Beschreibung und Operationalisierung von vier Dimensionen des Diffusionsfaktors Kultur

Tabelle 7: Operationalisierung der Faktoren: Stärke der Marke, Stärke des Unternehmens, Markenreputation, Werbeintensität

Tabelle 8: Mittelwerte der Diffusionsparameter klassifiziert nach der Branche

Tabelle 9: Methoden zur Schätzung der Diffusionsparameter nach Markteinführung

Tabelle 10: Zusammenfassung von Ansätzen zur Schätzung des Diffusionsverlaufs vor Markteinführung

Tabelle 11: Faktoren zur Bewertung der Ähnlichkeit von Produkten

Tabelle 12: Produktattribute nach Pickering (1973)

Tabelle 13: Produktattribute zur Gruppierung ähnlicher Produkte

Tabelle 14: Ausgewählte Proximitätsmaße kategorisiert nach dem Skalenniveau der Merkmalsvariablen

Tabelle 15: Produktattribute sowie deren Bewertungsindikatoren zur Ableitung von ähnlichen Produkten aus Kundensicht

Tabelle 16: Anderson-Darling-Statistik zu ausgewählten Signifikanzniveaus für eine Normalverteilung

Tabelle 17: Beschreibung der elf Prozesse der CE TIM Prozesslandkarte

Tabelle 18: Ergebnisse der OLS- und NLLS-Methode für die out-of-sample Prognose.

Tabelle 19: Vorselektierte radikale Produktinnovationen auf Kategorienebene

Tabelle 20: Ergebnisse der NLLS-Schätzung unter Angabe der Startparameter mit Hilfe der OLS-Schätzung einschließlich des Jahres 2001 und 2002. 1) Werte der OLS-Methode.

Tabelle 21: Anzahl der Bewertungen je Produkt als Ergebnis der Onlineumfrage

Tabelle 22: Gewichtungsfaktoren nach euklidischer und quadrierter euklidischer Distanz sowie dem Pearsonkoeffizienten der ähnlichen Produkte des Produktes TV-Beamer

Tabelle 23: Faktoren der Diffusion, welche eine Wirkung auf den Diffusionsparameter oder haben

Tabelle 24: Originale sowie in der dieser Arbeit verwendete Operationalisierungen der Diffusionsfaktoren

Tabelle 25: Fortsetzung Tabelle 24

Tabelle 26: Ergebnisse der Regressionsanalyse des Diffusionsparameters ; NS = nicht signifikant; *** ; ** ; *

Tabelle 27: Fortsetzung der Tabelle 26; NS = nicht signifikant; *** ; ** ; *

Tabelle 28: Ergebnisse der linearen Regression des Diffusionsparameters NS = nicht signifikant; *** ; ** ; *

Tabelle 29: Fortsetzung der Tabelle 28; NS = nicht signifikant; *** ; ** ; *

Tabelle 30: Werte der Regressanden zum zugehörigen Regressor

Tabelle 31: Gewichtungsfaktoren sowie Diffusionsparameter p ähnlicher Produkte des TV-Beamers

Tabelle 32: Übersicht der von Oracle Crystal Ball ermittelten Verteilungen je Produktkategorie

Tabelle 33: Verwendete Diffusionsparameter zur Schätzung ohne Einbezug der Faktoren der Diffusion

Tabelle 34: Verwendete Diffusionsparameter zur Schätzung unter Einbezug der Faktoren der Diffusion

Tabelle 35: Zusammensetzungen der Monte Carlo Simulationen

Tabelle 36: Zusammenfassung der zur Beurteilung der Prognosegüte herangezogenen Verteilungen und ihrer Quellen

Tabelle 37: Zusammenfassende Darstellung der Schätzungsgüte verschiedener Technikausprägungen; ohne Beschränkung der Verteilung; maximaler Prognosehorizont. + Überschätzt; - Unterschätzt.

Tabelle 38: Zusammenfassende Darstellung der Schätzungsgüte verschiedener Technikausprägungen; mit Beschränkung der Verteilung; maximaler Prognosehorizont; + Überschätzt; - Unterschätzt.

Tabelle 39: Zusammenfassende Darstellung der Schätzungsgüte verschiedener Technikausprägungen; ohne Beschränkung der Verteilung; Prognosehorizont 3 Jahre; + Überschätzt; - Unterschätzt.

Tabelle 40: Zusammenfassende Darstellung der Schätzungsgüte verschiedener Technikausprägungen; mit Beschränkung der Verteilung; Prognosehorizont 3 Jahre; + Überschätzt; - Unterschätzt.

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Einführung

1.1 Ausgangssituation

Die Prognose von Absatzzahlen innovativer Produkte und Dienstleistungen stellt Manager seit jeher vor große Herausforderungen^[1]. Zugleich sind diese Absatzzahlen unerlässlich für die weitere Planung des Marketings, der Produktion und der dazu nötigen Mitarbeiter sowie zur Abwägung von Entscheidungen, welche die finanzielle Situation eines Unternehmens betreffen^[2]. So zeigen Studien^[3], dass ein effektiver Marktstart ein kritischer Treiber für den wirtschaftlichen Erfolg eines Produktes ist^[4].

Dass die Absatzprognose ein kritischer Erfolgsfaktor für einen effektiven Marktstart ist, soll an Hand zweier Fälle aufgezeigt werden. Dabei werden die Situationen betrachtet, in denen eine Unter- oder eine Überschätzung der Absatzzahlen stattfindet.

Beiden Szenarien ist gemein, dass die Wirtschaftswelt an Dynamik gewonnen hat. Darunter ist zu verstehen, dass sich Innovationszyklen verkürzen^[5]. Dies wird durch den anhaltenden, technologischen Fortschritt in vielen Branchen begründet^[6]. Weiter herrscht ein gestiegener Wettbewerbsdruck durch den Eintritt von Konkurrenten aus Fernost, welche einen starken Kostendruck ausüben^[7]. Diese können in kürzester Zeit ein Produkt imitieren und es sogleich auf dem Markt zur Verfügung stellen. Aus theoretischer Sicht sorgt dies dafür, dass der Pionier seine höheren Entwicklungskosten in kürzerer Zeit amortisieren muss.

Im ersten Fall, wenn die Absatzzahlen unterschätzt werden, sind nötige Strukturen im Unternehmen nicht für die tatsächliche Nachfrage ausgelegt. Diese wird vom eigenen Unternehmen nicht in ausreichendem Maße befriedigt, was einem schnellen zweiten Konkurrenten die Möglichkeit bietet, sein eigenes Imitat erfolgreich am Markt zu positionieren. Beim Pionier führt dieser Fall nicht nur zu direkten Mindereinnahmen, weil die Nachfrage nicht befriedigt wird, sondern auch zu einem Reputationsverlust, was sich auch auf andere Produkte auswirken kann.

Im zweiten Fall, wenn die Absatzzahlen überschätzt werden, sind Strukturen über die nötigen Maße vorhanden, was einen direkten Einfluss auf den Gewinn hat. Es entstehen Kosten, welche mit Umsätzen nicht aufgefangen werden können, was zugleich monetäre Verluste bedeuten kann. Bei dem eben angesprochenen Wettbewerbsdruck, können möglicherweise die angehäuften Verluste nicht ausgeglichen werden, was eine Insolvenz des Unternehmens nach sich ziehen kann.

Daneben existiert eine Untersuchung der KPMG (2007), welche 544 leitende Angestellte^[8] befragte, wobei 30% den Rang eines CFOs einnahmen. Die Teilnehmer waren zu 30% in Europa, zu 30% in Kontinentalamerika und zu 29% im Asiatisch-Pazifischen-Raum lokalisiert. Eine Kernaussage der Studie ist, dass ungenaue Prognosen den Aktienkurs und so den Wert des Unternehmens beeinflussen^[9]. Zwar geht aus der Studie nicht eindeutig hervor, dass Absatzprognosen mit in die Untersuchung eingeflossen sind, jedoch kann man davon ausgehen, dass die betrachteten finanziellen Prognosen auf Absatzprognosen basieren müssen.

Nach dem vorherigen Beispiel und der Relevanz der Prognosen, welche die Untersuchung der KPMG (2007) aufzeigt, könnte man annehmen, dass Absatzprognosen weite Verbreitung innerhalb der Wirtschaftswelt gefunden haben. Dies muss jedoch für Prognosen von Neuprodukten verneint werden^[10]. Kahn (2006, S.3) begründet die geringe Verbreitung dadurch, dass die Prognose von neuen Produkten eine große Herausforderung darstellt. Welche leider ungenügend gelöst wurde. Kahn (2002, S. 136) gibt in seiner Studie unter 49 Unternehmen an, dass deren mittlere Prognosegenauigkeit für eine Markterweiterung bei 54%, für Produkte, welche neu für das Unternehmen waren, bei 47% und Produkte, welche neu für die Welt waren, bei 40% lag. Der mittlere Prognosehorizont wird für die drei Produkttypen mit 24, 35 beziehungsweise 36 Monaten angegeben^[11]. Bei einer Ungenauigkeit der Prognose von 60% bei einem Zeithorizont von 36 Monaten ist es nicht verwunderlich, dass der Prognose von Produkten, welche neu für die Welt sind, eine geringe Glaubwürdigkeit und Genauigkeit zugesprochen wird^[12]. Daneben existieren noch weitere Untersuchungen, die aufzeigen, dass Prognosen teilweise hoher Ungenauigkeit unterworfen sind. Tull (1967, S. 238-239, Table I) berichtet für 63 Produkte, welche er als „innovative“ bewertet, die Abweichungen zwischen der Prognose und den realisierten Absatzzahlen in einem Zeitraum von sechs Jahren. Für das erste Jahr liegt der der „innovative“ Produkte bei , für das zweite Jahr bei , für das dritte Jahr bei , für das vierte Jahr bei , für das fünfte Jahr bei und für das sechste Jahr bei . Im Mittel liegt der über die ersten sechs Jahre somit bei rund 75%. Beardsley und Mansfield (1978, S. 133) untersuchten welche Genauigkeit finanzielle Prognosen haben. Ihre Ergebnisse zeigen, dass das untersuchte Unternehmen erst nach vier bis fünf Jahren den diskontierten Profit in einer akzeptablen Güte berechnen kann. Daraus lässt sich ableiten, dass die prognostizierten Absatzzahlen einer hohen Abweichung unterliegen.

1.2 Problemstellung

Wie können nun solche Absatzprognosen in der notwendigen Genauigkeit durchgeführt werden? Diese Frage wurde und wird in der wissenschaftlichen Welt stark diskutiert^[13].

Zwar existieren viele verschiedene Techniken die zur Prognose von Absatzzahlen herangezogen werden können, jedoch liefert die Wissenschaft keine Aussage darüber, wann und wann nicht, welche Technik geeignet ist^[14]. Da in dieser Arbeit die Prognose von Produkten, welche neu für die Welt als Bedingung beinhaltet, können einige Techniken ausgeklammert werden^[15]. Im Folgenden sollen einige wenige Techniken herausgegriffen und kurz beschrieben werden.

Eine Möglichkeit stellen Prognosen aufgrund von Annahmen, die auf Erfahrungswerten basieren, im Englischen bekannt unter dem Ausdruck des „educated guess“. Doch sind solche Schätzungen subjektiven Verzerrungen der Manager unterworfen und bieten nicht in jedem Fall die optimale Abschätzung. Zugleich stellen sie aber eine stark verbreitete Technik dar^[16].

Weiter können sogenannte Entscheidungsbäume Anwendung finden. Dabei werden mögliche Zustände, welche durch quantitative Zustandswerte beschrieben werden, mit Wahrscheinlichkeiten beurteilt, um den zukünftigen wahrscheinlichsten Zustand bzw. Zustandswert zu berechnen^[17]. Problematisch bei der Anwendung dieser Technik ist die Einschätzung der nötigen Wahrscheinlichkeiten.

Eine weitere Möglichkeit ist eine Abschätzung unter Verwendung von Diffusionsmodellen. Solche Diffusionsmodelle wurden in vielen wissenschaftlichen Beiträgen sowohl für die deskriptive, prognostische und normative Verwendung als geeignet bewertet^[18]. Diffusionsmodelle beschreiben die Ausbreitung von Innovationen in einem sozialen System über einen bestimmten Zeitraum hinweg. Wie üblich bilden Modelle nur einen Teilbereich der Realität ab und unterliegen somit Unsicherheiten. Nicht jeder Faktor, der in der Realität die Diffusion beeinflusst, kann in Diffusionsmodelle eingebracht werden. Deshalb ist bei der Verwendung solcher Diffusionsmodelle immer darauf zu achten, dass der modellierte Diffusionsverlauf nicht die vollständige Realität abbildet. Zwar werden diese Modelle in der Wissenschaft seit über 50 Jahren diskutiert, fanden aber zugleich bis auf wenige Beispiele^[19] kaum Eingang in die Wirtschaft. Dies kann damit begründet werden, dass nötige Parameter zur Erstellung des Diffusionsverlaufs nicht einfach geschätzt oder abgeleitet werden können^[20]. Zwar bestehen viele Ansätze, um Absatzzahlen vor Markteinführung zu schätzen, jedoch haben diese ihren Weg in die Wirtschaft noch nicht geschafft^[21].

1.3 Zielsetzung

Das Ziel dieser Arbeit wird aus Sicht der Wissenschaft sowie der Wirtschaft formuliert. Während der Beantwortung findet eine Synthese dieser beiden Sichten statt, woraus das zusammengefasste Ziel abgeleitet wird.

1.3.1 Forschungsfragen aus Sicht der Wissenschaft

- Welche Ansätze zur Schätzung der Diffusionsparameter vor Markteinführung einer Innovation können in der Literatur ausgemacht werden?
- Wie können diese Ansätze gegeneinander abgegrenzt werden?

1.3.2 Forschungsfragen aus Sicht der Unternehmenspraxis

- Wie sieht eine mögliche Technik zur Abschätzung des Diffusionsverlaufes unter Einbezug der Kundensicht aussehen?
- Welche Technik zur Ableitung von Ähnlichkeiten radikaler Produktinnovationen führt zur höchsten Prognosegüte?
- Welche Technik liefert die höchste Prognosegüte im Vergleich zum realen Diffusionsverlauf auf?
- Wird durch eine Einschränkung der Diffusionsparameterverteilung eine Verbesserung hinsichtlich der Prognosegüte erreicht?

Zusammenfassend ist das Ziel dieser Arbeit die Entwicklung einer Technik, ausgehend von den in der Wissenschaft diskutierten Ansätzen, mit welcher der Diffusionsverlauf einer radikalen Produktinnovation prognostiziert werden kann. Zugleich soll die Technik die Kundensicht sowie die vorherrschenden sozio-ökonomischen Umweltbedingungen mit einbeziehen.

1.4 Forschungsvorgehen

Zur Beantwortung der Forschungsfragen aus der Sicht der Wissenschaft gilt es zunächst eine breite und tiefe qualitative Datenbasis aufzubauen. Diese Basis dient dann zur Identifikation, Beschreibung und Abgrenzung der vorherrschenden Ansätze zur Schätzung des Diffusionsverlaufs vor der Markteinführung.

Für die Erhebung qualitativer Daten hat die wissenschaftliche Literatur drei Gütekriterien formuliert^[22]:

1. Objektivität

2. Reliabilität

3. Validität

Unter Objektivität versteht man den interpersonalen Konsens. Dies bedeutet, dass zwei unterschiedliche Forscher „bei der Untersuchung desselben Sachverhalts mit denselben Methoden zu vergleichbaren Resultaten kommen können."^[23] Reliabilität verlangt, dass Ergebnisse der qualitativen Erhebungstechniken zuverlässig sind^[24]. Abschließend verlangt die wissenschaftliche Literatur, dass die vorliegenden Daten der Validität standhalten. Hierunter versteht man ein konsistentes und stichhaltiges Ergebnis zwischen^[25]:

- Forschern untereinander,
- Forschern und Beforschten sowie
- mit außenstehenden Laien und Kollegen.

Daneben gilt es nach Charmaz (2006, S. 182 f.) für die Datenerhebung weitere vier Kriterien einzuhalten:

- Glaubwürdigkeit
- Originalität
- Resonanz
- Nützlichkeit

Die Grounded Theory nach Glaser und Strauss (1967) erfüllt die eben genannten Anforderungen. Weiter bildet die Grounded Theory eine Art Forschungsprozess ab, welcher sich selbst steuert. Die Steuerung „aus sich selbst heraus, allerdings nicht im Sinne eines von zwingenden Schrittfolgen bestimmten Automatismus, sondern in Form eines kontinuierlichen Wechsels von Handeln und Reflexion, wobei diese reflexive Prozessteuerung ihre Entscheidungskriterien in den vorangegangenen Prozessetappen findet“^[26]. Diese Arbeit richtet die Forschungsmethode am Forschungsprozess der Grounded Theory ab (vergl. Abbildung 1). Dabei wird als Datenerhebungsschritt eine ausgeprägte Literaturrecherche angesehen, die neben notwendigen Definitionen von Begriffen ebenfalls die Datenbasis für die Datenanalyse mittels einer bibliometrischen Analyse liefert. Diese bildet den Ausgangspunkt zur Ableitung von Anforderungen an eine Technik der Diffusionsparameterschätzung. Diese Anforderungen gilt es durch weitere Recherchen mit evaluierten Techniken und Ansätzen zu befriedigen, immer mit dem Ziel eine Technik zur Schätzung von Diffusionsparametern für radikale Produktinnovationen vor Markteinführung zu entwickeln.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Forschungsvorgehen in Anlehnung an die Grounded Theory (in Anlehnung an: Strübing 2008, S. 15)

1.5 Aufbau der Arbeit

Die vorliegende Arbeit gliedert sich in fünf Kapitel. Kapitel 1 schafft eine erste Einleitung in das Thema. Dabei wird unter Verwendung von Forschungsfragen das Ziel dieser Arbeit sowie das Forschungsvorgehen vorgestellt. Kapitel 2 bildet die Grundlagen. Das gesamte Themengebiet wird mit einer bibliometrischen Analyse abgesteckt und beschrieben. Anschließend werden die Begriffe Adoption und Diffusion erläutert. Darauf aufbauend werden die aktuell in der Literatur vorherrschenden Diffusionsmodelle mitsamt der Erweiterungen ausführlich dargestellt und beschrieben. Der Umwelteinfluss auf den Diffusionsprozess wird in der Literatur durch sog. Faktoren der Diffusion (im Folgenden als FdD abgekürzt) modelliert. Diese Faktoren werden kategorisiert und beschrieben sowie deren positiver oder negativer Einfluss auf den Diffusionsprozess aufgezeigt. Diese beiden Abschnitte des Kapitels bilden die Grundlage für den Abschnitt, der wissenschaftliche Publikationen zur Schätzung der Diffusionsparameter vor und nach Markteinführung aufzeigt. Die Publikationen werden in Kategorien zusammengefasst und abschließend nach gewählten Faktoren bewertet. Das zweite Kapitel schließt mit der Vorstellung und Bewertung von Ansätzen zur Ermittlung ähnlicher Produkte. In Kapitel 3 wird aus den abgeleiteten Anforderungen der Literatur eine Technik zur Schätzung der Diffusionsparameter von radikalen Produktinnovationen erarbeitet und detailliert beschrieben. Eine Einbettung der Technik in ein generisches Prozessmodell bildet den Abschluss des dritten Kapitels. Kapitel 4 evaluiert diese Technik mit verschiedenen radikalen Produktinnovationen der Unterhaltungselektronik. Die Arbeit schließt in Kapitel 5 mit einer Beschreibung des Erkenntnisfortschritts, einer kritischen Würdigung und möglichen Ansätzen für weitere Forschungstätigkeiten. Die eben vorgestellte Struktur dieser Arbeit ist in Abbildung 2 visualisiert.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Visualisierung des Aufbaus der vorliegenden Arbeit (Quelle: Eigene Darstellung)

2 Inhaltliche Einleitung

Kapitel 2 hat zum Ziel alle nötigen Grundlagen aufzuzeigen, zu beschreiben und in bestimmten Fällen zu bewerten. Die Bewertung ist notwendig, da die Eignung der vorgestellten Grundlagen für die in Kapitel 3 beschriebene Technik der Parameterschätzung überprüft wird. Abbildung 3 visualisiert die Einordnung des zweiten Kapitels.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3: Einordung Kapitel 2 (Quelle: Eigene Darstellung)

Kapitel 2 unterteilt sich in sieben Abschnitte (vergl. Abbildung 4). Abschnitt eins definiert grundlegende Begriffe wie Technologie sowie radikale und inkrementale Innovationen. Der zweite Abschnitt gibt mit einer bibliometrischen Analyse eine Übersicht des gesamten Themengebietes wieder, indem mittels statistischer Methoden Publikationen hinsichtlich ihres Zusammenhangs untereinander untersucht werden. Die weiteren fünf Abschnitte betrachten einzelne Bereiche des Themengebietes. So definiert und beschreibt Abschnitt drei die Begriffe Adoption und Diffusion. Eine detaillierte Betrachtung der Diffusion anhand verschiedener Modelle ist Inhalt des vierten Abschnitts. Abschnitt fünf zeigt auf, welche verschiedenen Faktoren die Diffusion positiv oder negativ beeinflussen. In Abschnitt sechs werden Ansätze zur Schätzung der Diffusionsparameter diskutiert. Dabei findet eine Beschreibung und Bewertung der Ansätze statt. Für die Entwicklung der Technik ist noch ein Baustein nötig, welchen Abschnitt sieben Ansätze zur Ermittlung ähnlicher Produkte beschreibt und bewertet.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 4: Aufbau Kapitel 2 (Quelle: eigene Darstellung)

2.1 Definitionen

Dieses Kapitel definiert zunächst grundlegende Begriffe, welche für ein Verständnis der weiteren Arbeit nötig sind. Vordergründig sind die Begriffe Technologie, Produkt, Produktkategorie sowie Innovation und hier im speziellen die radikale und inkrementale Innovation zu definieren.

2.1.1 Theorie, Technologie, Technik (Produkt), Produktkategorie

Die drei Begriffe Theorie, Technologie und Technik werden im Allgemeinen oft synonym verwendet, was im Gegensatz zum wissenschaftlichen Diskurs steht^[27]. Abbildung 5 verdeutlicht in welcher Weise diese drei Begriffe in der Wissenschaft zu interpretieren sind.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 5: Differenzierung zwischen Theorie, Technologie und Technik (in Anlehnung an Spath et al. 2011, S.17 bzw. Specht und Möhrle 2002, S. 331)

Theorien „bewegen sich [..] auf einer relativ abstrakten Ebene. Ihr Ziel ist das Erklären und Verstehen von Zusammenhängen und eben nicht das Handeln“^[28]. Eine Technologie hingegen „stellt [..] zuallererst einmal einen Wissensbestand dar“^[29]. Sie stellt „ein Bindeglied zwischen Theorie und Praxis“ dar^[30]. Erst die Überführung des Wissens in ein materielles Produkt stellt eine Technik bzw. ein technisches Produkt dar^[31].

Unter einer Kategorie wird eine Menge von Objekten verstanden, welche nach bestimmten Faktoren bewertet, in eine Gruppe eingeordnet werden können^[32]. Unter einer Produktkategorie seien somit Produkte gruppiert, welche bestimmte Faktoren aufweisen. Als Beispiel sei die Produktkategorie Smartphone genannt. Hingegen ist beispielsweise ein Samsung Galaxy S ein Produkt aus dieser Kategorie. In der Literatur zur Diffusionsforschung zeigt sich jedoch, dass keine adäquate Trennung hinsichtlich der Begriffe Produkt und Produktkategorie stattfindet^[33]. Die Absatzzahlen, welche sich in der Literatur wiederfinden, sind ebenfalls einzelnen Produkten und gesamten Produktkategorien zuordenbar^[34]. Diese Arbeit verwendet aus diesen Gründen die Begriffe, im Einklang mit der eben erwähnten Literatur, synonym.

2.1.2 Innovationsobjekt

Aus der ergebnisorientierten Sicht „sind Innovationen von Unternehmen mit der Absicht der Verbesserung des eigenen wirtschaftlichen Erfolgs am Markt oder intern im Unternehmen eingeführte qualitative Neuerungen“^[35]. Nach Gerpott (2005, S. 38-48) lassen sich Innovationen nach

1. dem Innovationsobjekt,

2. dem Innovationsgrad und

3. der „Bezugseinheit für die Feststellung der Neuigkeitseigenschaft“

differenzieren.

Innovationsobjekt^[36]

Grundsätzlich lassen sich drei Innovationsobjekte unterscheiden. So sind neue technische Produkte (Produktinnovation) identifizierbar, welche als Output eines Unternehmens auf einem Markt angeboten werden. Die Entwicklung neuer Prozesse (Prozessinnovation) stellt das zweite Innovationsobjekt dar. Abschließend wird in der Wissenschaft noch der Begriff der Organisationsentwicklung (Organisationsinnovation), was das dritte Innovationsobjekt darstellt, diskutiert^[37].

Diese Arbeit konzentriert sich auf das Innovationsobjekt: Produkt.

Innovationsgrad

Nach Gerpott (2005, S. 40 f.) ist „der Neuheitsgrad eines Produktes oder Prozesses […] ein Kontinuum zwischen den Extrempolen einer geringfügigen (=inkrementalen) und einer fundamentalen (=radikalen/revolutionären) Abweichung von den bisherigen Outputs und Verfahren des Unternehmens“. Unter inkrementalen Innovationen können modifizierte Produkte verstanden werden, welche im Vergleich zum Wettbewerb „besser“ sind, also Kundenbedürfnisse genauer erfüllen^[38]. Man kann sie „als ‚Market Pull‘ (= von einem Markt angezogene oder nachgefragte) Neuerungen charakterisieren“^[39]. Nach Gerybadze (2004, S. 77) „substituieren [inkrementale Innovationen] bereits verbreitete Produkte mit weitgehend gleichen Funktionen, zeichnen sich aber durch verbesserte Leistungsmerkmale (technische Leistungskennziffern, Qualität, Preis) aus“. Nach Vahs und Burmester (2005, S. 45f.) sind inkremental-evolutionäre Neuerungen durch „kontinuierliche Verbesserungen einzelner Produkt- oder Prozessparameter bei einer gleichzeitigen Beibehaltung des bestehenden Grundprinzips“ charakterisiert.

Dahingegen lassen sich radikale Innovationen „als ‚Technology Push‘ (=von einer Technologie vorangetriebene oder angebotene) Neuerungen kennzeichnen“^[40]. Gerybadze (2004, S. 77) spricht bei radikalen Innovationen von Durchbruch-Innovationen, sie „sind völlig neue Produkte, die in neue Bedarfsfelder und unerschlossene Marktumgebungen vordringen“. Vahs und Burmester (2005, S. 45) sieht zusätzlich, dass sich radikal-revolutionäre Veränderungen durch die „Anwendung neuer Wirkungsprinzipien oder der völligen Neugestaltung von Abläufen und Strukturen“ auszeichnen.

Diese Arbeit konzentriert sich auf den Innovationsgrad: radikal.

Bezugseinheit^[41]

Die Bezugseinheit für die Feststellung der Neuheitseigenschaft unterteilt sich in drei Objekte:

1. Betroffene Unternehmen,

2. betroffene Kunden und

3. betroffene Wettbewerber.

Bei der Bewertung des Innovationsgrades stellt sich die Frage: Aus wessen Sicht findet die Bewertung statt? Aus Sicht des betroffenen Unternehmens kann die Bewertung durch interne Interviews der Entscheidungsträger stattfinden. Aus Markt und somit Kundensicht kann die Bewertung ebenfalls durch Interviews von tatsächlichen Kunden oder aber „Marktexperten“, „von denen, man meint, dass sie Kundenreaktionen auf ein Produkt gut beurteilen können“^[42], durchgeführt werden. Die letzte Sicht des betroffenen Wettbewerbers überprüft man durch etwaige Analysen von Dokumenten oder Interviews.

Diese Arbeit konzentriert sich auf die Bezugseinheit: Betroffener Kunde.

2.2 Bibliometrische Analyse

Zum Einstieg in das Themengebiet der Diffusion, Adoption sowie der dazu verwendeten Modelle wird zunächst eine bibliometrische Analyse durchgeführt. Die bibliometrische Analyse hat ihre Ursprünge im Jahr 1927. Die erste bibliometrische Analyse, welche Zitationsquellen zur Auswertung nutzte, war die Arbeit von P. Gross und E. Gross von 1927. Die erste Veröffentlichung, welche in Deutschland Aufmerksamkeit erlangte, war von Gorraiz von 1969^[43]. Das Ziel bibliometrischer Analysen ist die aktuelle Forschungslandschaft bzw. die dazugehörigen Publikationen aufzuzeigen und diese zueinander in Beziehung zu setzen. Das Aufzeigen kann dabei durch einfache Stichwortsuche und die Darstellung der relevanten Publikationen in tabellarischer Form geschehen. Weiter besteht die Möglichkeit, die Publikationen nach ihrem Erscheinungsdatum oder auch ihrem Erscheinungsort zu klassifizieren, um Rückschlüsse auf das Forschungsinteresse an bestimmten Orten der Welt aufzuzeigen. Klassische deskriptive Techniken stehen hier im Vordergrund. Wesentlich interessanter sind dabei Auswertungen, welche die Publikationen in Beziehung zueinander setzen. Dabei werden Netzwerkgraphen entwickelt, deren Kanten bspw. über Kozitationen gebildet werden^[44].

Datengrundlage

Die Datengrundlage wurde durch eine boolesche Abfrage von wissenschaftlichen Publikationen^[45] aus der Datenbank von Web of Science™ Core Collection gewonnen . Die Suchabfrage bietet zusätzlich eine Einschränkung der Suchergebnisse auf bestimmte Web of Science Categories. Diese Kategorisierung wird von Web of Science vorgeschlagen. Diese Einschränkung wurde bei der Suche verwendet, da Publikationen aus zu fremden Forschungsgebieten nicht in die bibliometrische Analyse einbezogen werden sollten. Folgende Kategorien wurden für die bibliometrische Analyse ausgewählt:

- Economics,
- Business,
- Management und
- Operation Research Management Science.

Die Suchanfrage fand am 30.07.2014 statt. Die gewählte Syntax bei drei verschiedenen Suchanfragen lautete:

- diffusion AND adoption,
- diffusion AND bass sowie
- diffusion AND forecasting.

Insgesamt konnten 1992 Publikationen zwischen den Jahren 1950 und 2013 identifiziert werden. Abbildung 6 zeigt die absolute und kumulierte Anzahl an Publikationen pro Jahr auf.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 6: Anzahl der absoluten und kumulierten Publikationen zu den genannten Suchbegriffen (Quelle: Eigene Darstellung)

Es zeigt sich, dass die Publikationen zu den Themen adoption, diffusion sowie forecasting erst ab den 1990er Jahren an Popularität gewonnen haben. Im Folgenden wird sich aber zeigen, dass die Grundlagen schon in den 1960er gelegt wurden. Einige Jahre sind von einer zurückgehenden Anzahl an Veröffentlichungen geprägt. Interessant ist der starke Einbruch der Publikationen im Jahr 2013 von ca. 27%. Genaue Gründe können für diesen und die anderen Rückgänge der Veröffentlichungen nicht ausgemacht werden.

Einschränkend muss hinzugefügt werden, dass die Datenbank Web of Science nicht unbedingt alle Publikationen zu einem Themengebiet beinhaltet und so eher nur ein Trend in den Publikationen abgelesen werden kann. Trotzdem zeigt sich in der späteren Auswertung der Kozitationen, dass das noch folgend besprochene Werk von Bass als Grundlage für die weitere Diffusionsforschung gilt und sich auch in den Zitationen anderer Publikationen wiederfindet.

Kozitation

Werden zwei verschiedene Artikel A und B in einem dritten Artikel C zitiert, so liegt eine Kozitation vor^[46]. Abbildung 7 verdeutlicht die Kozitation grafisch.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 7: Grafische Verdeutlichung der Kozitation (Quelle: Nach Havemann 2009, S. 33, Abbildung 3.3)

Durch die Betrachtung solcher Kozitationen, ist es möglich, Zusammenhänge in der Literatur aufzudecken, welche „Daten für die Kartographierung der Forschung liefern“^[47]. Dazu werden Quellen aus den Referenzlisten^[48] der Publikationen eines Jahrgangs, welche nach ihrer Zitationsanzahl einen bestimmten Schwellenwert übersteigen, als Datengrundlage herangezogen. Daraus lassen sich Netzwerke der kozitierten Quellen berechnen^[49]. Diese Netzwerke können durch Clusteranalysen in detaillierte Teilmengen zerlegt werden.

Publikationen in einem Cluster besitzen dabei eine engere Beziehung als Publikationen zwischen zwei verschiedenen Clustern^[50]. Man spricht dann von Communities^[51] oder Wissensbasen^[52]. Abbildung 8 zeigt ein Netzwerk von Kozitationen, in dem einzelne Autoren in Verbindung zu einander gebracht sind. Die Dicke eines Kreissegments gibt dabei an, wie oft der Autor mit seiner jeweiligen Publikation zitiert worden ist. Die Farbe eines Kreises gibt an, in welchem Zeitraum Zitationen stattfanden. Die Farbe einer Kante gibt an, in welchem Zeitraum die erste Kozitation stattfand^[53]. Das Netzwerk wurde mit CiteSpace^[54] in der Version 3.8.R5.64-bit.6.22.2014 erstellt.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 8: Kozitationsnetzwerk zur Suchabfrage "diffusion", "adoption" und "forecasting" (Quelle: Eigene Darstellung unter Verwendung von CiteSpace (Chen 2006))

Abbildung 8 zeigt ein Netzwerk von Autoren bzw. Kozitationen dieser Autoren. Es sind nur Publikationen genannt, welche mindestens 90 Zitationen innerhalb des gesamten Datensatzes aufweisen können. Hervorzuheben sind in diesem Netzwerk Bass mit seiner Arbeit „A New Product Growth for Model Consumer Durables“ von 1969 sowie Rogers mit seiner Arbeit „Diffusion of Innovations“ mit den Auflagen der Jahre 1983, 1995 und 2003. Aus der Analyse geht hervor, dass alleine in diesem Datenbestand die Publikation von Bass 368-mal zitiert wurde. Hinzuzufügen ist, dass die Arbeit von Rogers mittlerweile in der fünften Auflage vorliegt und in diesem Datenbestand 773-mal zitiert wurde (über die Auflagen ´62, ´83, ´95 und ´03 hinweg). Daneben fand „New product diffusion models in marketing: A review and directions for research“ von Mahajan, Muller und Bass aus dem Jahr 1990 ebenfalls beachtliche Verbreitung in der Wissenschaft. Diese Publikation wurde insgesamt 193-mal zitiert.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 9: Wissensbasen zur Suchabfrage "diffusion", "adoption" und "forecasting" (Einige Cluster sind aus Gründen der Übersicht nicht abgebildet. Sie sind auch mit dem gesamten Netzwerk nicht zusammenhängend und bilden Inseln aus.) (Quelle: Eigene Darstellung unter Verwendung von CiteSpace (Chen 2006))

Wie eingangs erwähnt, ist das Ziel von Kozitationsnetzwerken die Aufdeckung von Wissensbasen. Abbildung 9 zeigt durch CiteSpace identifizierte Wissensbasen. Die Bezeichnung der Cluster wurde durch die Funktion Label clusters with title terms automatisch durchgeführt. CiteSpace identifziert insgesamt 15 Cluster, welche mit den drei wichtigsten^[55] Publikationen innerhalb eines jeden Clusters folgend tabellarisch aufgeführt werden:

0. Information system: Rogers (2003) (Anzahl: 699^[56] ), Davis et al. (1989) (Anzahl: 117), Cooper und Zmud (1990) (Anzahl: 102)

1. Late entrant: Mahajan et al. (1990a) (Anzahl: 193), Norton und Bass (1987) (Anzahl: 83), Sultan et al. (1990) (Anzahl: 76)

2. Industrial diffusion: Bass (1969) (Anzahl: 368), Rogers (2003)^[57] (Anzahl: 74), Meade und Islam (2006), (Anzahl: 46)

3. Geographical cluster: Griliches (1957) (Anzahl: 146), Geroski (2000) (Anzahl: 87), Katz und Shapiro (1985) (Anzahl: 77)

4. Spatial perspective: Brown (1968) (Anzahl: 3), Brown und Moore (1969) (Anzahl: 3), Aiken und Alford (1970) (Anzahl: 2)

5. Economic cost: Mansfield (1961) (Anzahl: 138), Fourt und Woodlock (1960) (Anzahl: 42), Fisher und Pry (1971) (Anzahl: 37)

6. Repeat purchase diffusion-model: Horsky und Simon (1983) (Anzahl: 47), Robinson und Lakhani (1975) (Anzahl: 46), Heeler und Hustad (1980) (Anzahl: 42)

7. Competing innovation: Gatignon und Robertson (1985) (Anzahl: 64), Dewar und Dutton (1986) (Anzahl: 55), Rogers und Shoemaker (1971) (Anzahl: 41)

8. Steam engine: Barnett (1953) (Anzahl: 2), Die weiteren Publikationen werden jeweils einmal genannt, so dass hier keine weiteren Publikationen als herausragend erachtet werden.

9. Diffusion indexe: Hier handelt es sich um ein Cluster, welches als Insel identifiziert wurde. Es hat keinen Bezug zu den anderen Clustern. Die Publikationen innerhalb des Clusters werden jeweils nur einmal genannt, somit hat keine Publikation eine herausragende Rolle.

10. Foreign-Market: Cooper (1979) (Anzahl: 3). Alle weiteren Publikationen innerhalb des Clusters werden jeweils nur einmal genannt, somit hat keine weitere Publikation eine herausragende Rolle.

11. Discontinuance: Barnett (1953) (Anzahl: 3), Coughenour (1965) (Anzahl: 2). Hier handelt es sich um ein Cluster, welches als eine Insel vorliegt. Es hat keinen Bezug zu den anderen Clustern. Alle weiteren Publikationen innerhalb des Clusters werden jeweils nur einmal genannt, somit hat keine weitere Publikation eine herausragende Rolle.

12. Difference forecasting: Broida (1955) (Anzahl: 3), Alexander (1958) (Anzahl: 3). Hier handelt es sich um ein Cluster, welches als eine Insel vorliegt Es hat keinen Bezug zu den anderen Clustern. Alle weiteren Publikationen innerhalb des Clusters werden jeweils nur zweimal bzw. einmal genannt, somit hat keine weitere Publikation eine herausragende Rolle.

13. Creation: Allen (1977) (Anzahl: 5) Hier handelt es sich um ein Cluster, welches als eine Insel vorliegt. Es hat keinen Bezug zu den anderen Clustern. Alle weiteren Publikationen innerhalb des Clusters werden jeweils nur einmal genannt, somit hat keine weitere Publikation eine herausragende Rolle.

14. Governance: DiMaggio und Powell (1983) (Anzahl: 141), Abrahamson (1991) (Anzahl: 72), Meyer und Rowan (1977) (Anzahl: 71)

Die Reihenfolge der Wissensbasen legt CiteSpace selbstständig fest. Zur Bewertung der Cluster liefert CiteSpace zwei Maße, welche die Struktureigenschaften des Clusters näher beschreiben. Zum einen ist es die Modularity Q und zum anderen der Mean Silhouette Score ^[58]. Modularity Q gibt die Stärke der Verbindungen einzelner Cluster wider. Ein hoher Wert gibt an, dass die Cluster untereinander nur schwach mit einander verbunden sind. Der Mean Silhouette Score gibt die Homogenität eines Clusters wider. Je höher der Wert dieser Maßzahl, umso konsistenter sind die Publikationen innerhalb des einen Clusters. Aus dem Handbuch von CiteSpace geht leider nicht eindeutig hervor, welche Werte diese Maße annehmen können. Es kann aber nach der Beschreibung gemutmaßt werden, dass die beiden Maße auf das Intervall beschränkt sind. Tabelle 2 zeigt neben dem Mean Silhouette Score, die Nummer, die Anzahl der Publikationen (mit Größe überschrieben), das durchschnittliche Publikationsjahr sowie die Betitelung der Cluster mit der CiteSpace Funktion Label clusters with title term auf. Der Wert für die Modularity Q ist mit 0,8319 relativ hoch, was darauf hindeutet, dass die Cluster recht lose miteinander verbunden sind^[59].

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 1: Bewertungsmaße der Cluster der bibliometrischen Analyse

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 2: Fortsetzung der Tabelle 1

Abschließend wird das Kozitationsnetzwerk entlang einer Zeitachse dargestellt, um aufzuzeigen, zu welchem Zeitpunkt grundlegende Publikationen veröffentlicht wurden. Daraus lässt sich eine Aktualität der Cluster ableiten. Abbildung 10 zeigt aus Gründen der Übersicht nur die ersten sechs Cluster.

Abbildung 10 : Die ersten sechs Cluster des Kozitationsnetzwerks zur Suchabfrage "diffusion", "adoption" und "forecasting" entlang einer Zeitachse (Quelle: Eigene Darstellung unter Verwendung von CiteSpace)

Ersichtlich ist, dass die Publikation von Bass aus dem Jahr 1969, die von Rogers aus dem Jahr 1983 sowie weitere Auflagen (1995 und 2003) als grundlegende Werke innerhalb der Cluster anerkannt werden müssen. Daneben sei noch die Publikation von Mahajan, Muller und Bass aus dem Jahr 1990 erwähnt, welche eine Zusammenfassung der Diffusionsliteratur gibt. Interessant ist, dass nur das Cluster #1 late entrant Zitationen bis in die aktuelle Zeit aufweist. Alle anderen Cluster sind aus Sicht der Publikationen ausreichend erforscht und weisen keine Publikationen aus der aktuellen Zeit auf.

Abschließende Zusammenfassung

Das Netzwerk unter Verwendung von Suchabfragen mit den Syntaxen

- diffusion AND adoption,
- diffusion AND bass sowie
- diffusion AND forecasting

kann als recht lose zusammenhängend (Modularity Q = 0,8319) beschrieben werden. Weiter ist das gesamte Netzwerk als homogen zu bezeichnen (Mean Silhouette Score = 0,9362). Das lose Zusammenhängen zeigt sich auch in den vier Clustern (#9, #11, #12, #13), welche als Inseln im Netzwerk auftauchen.

Grundlegende Publikationen lassen sich ebenfalls durch die Analyse mit CiteSpace feststellen. Dies sind die Publikationen von Bass (1969), Rogers (2003)^[60], Griliches (1957), DiMaggio und Powell (1983) sowie Mansfield (1961). Ebenfalls lassen sich die Arbeiten von Fourt und Woodlock (1960) sowie Mansfield (1961) in der Datenbasis finden, welche die Grundlagen für das Modell von Bass bilden. Als sehr gutes^[61] Nachschlagewerk für die Entwicklungen bis 1990 in der Diffusionsforschung hat sich dich Arbeit von Mahajan et al. (1990a) herauskristallisiert.

Zwar ist durch CiteSpace ein Cluster mit difference forecasting betitelt, jedoch wurden innerhalb dieses Clusters nicht die erwünschten Publikationen entdeckt. Von den noch folgenden Ansätzen zur Schätzung der Diffusionsparameter vor der Markteinführung konnten nur drei Publikationen im gesamten Datenbestand wiedergefunden werden. Alle Publikationen sind dem Cluster #1 late entrant zugeordnet.

2.3 Adoption und Diffusion

Bei einer Produktneueinführung kann im Allgemeinen ein typischer Verlauf der Absatzzahlen^[62] identifiziert werden. Dieser Prozess auf der aggregierten Ebene der Absatzzahlen wird Diffusionsprozess genannt^[63]. Er kann unter Verwendung verschiedenster Diffusionsmodelle abgebildet werden. Zugleich besteht aber auf der Ebene eines Individuum bzw. Adopters ein weiterer Prozess, welcher zur Entscheidungsfindung eines Erwerbs bzw. einer Adoption stattfindet. Diesen Prozess konnte Rogers^[64] beschreiben. Folgend werden nun beide Prozesse (Adoption und Diffusion) im Einzelnen beschrieben.

Adoption

Der Vorgang einer Adoption, sprich der Ersterwerb eines Produktes ist nach Rogers ein Prozess^[65], der „von einer Reihe personen-, umwelt- und produktbedingter Einflussgrößen bestimmt“ wird^[66]. Bei dem ein Subjekt: „[…] passes from gaining initial knowledge of an innovation, to forming an attitude toward the innovation, to making a decision to adopt or reject, to implementation of the new idea, and to confirmation of this decision.“^[67] Diese fünf Schritte charakterisiert Rogers wie in Abbildung 11 visualisiert^[68].

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 11: Fünf Prozessschritte des Adoptionsprozesses nach Rogers (Quelle: Rogers 2003, S. 169 f.)

Die Bewertung der Einstellung eines Individuums, ob eine günstige oder ungünstige Einstellung eingenommen wird, findet im Adoptionsschritt „Interesse“ statt. Dafür sind folgende Innovationsattribute verantwortlich^[69]:

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 3: Fünf Innovationsattribute nach Rogers (Quelle: vergl. dazu Rogers 2003, S. 229 ff.)

Der Prozess der Adoption lässt sich nun im Kontext der personen-, umwelt- und produktbedingten Einflussgrößen sowie der Innovationsattribute in Abbildung 12 zusammenfassen.

[...]

---

^[1] Vergl. Kahn 2002, S. 133

^[2] Vergl. Thomas 1985, S. 45, Kahn 2002, S. 133, Goodwin et al. 2013, S. 1

^[3] Vergl. Calantone und di Benedetto 1988, Song und Parry 1994, Cooper und Kleinschmidt 1988, Cooper und Kleinschmidt 1990 und Maidique und Zirger 1985

^[4] Vergl. Benedetto 1999

^[5] Vergl. Kleinaltenkamp et al. 2006, S.88

^[6] Vergl. Schindler 2002, S. 1

^[7] Vergl. Schröder 2011, September

^[8] Im Original lautet es „senior executives“.

^[9] Vergl. KPMG 2007, S. 5

^[10] Vergl. Kahn 2006, S.3

^[11] Vergl. Kahn 2002, S. 136

^[12] Vergl. Kahn 2006, S. 3

^[13] Vergl. Kapitel 2.6

^[14] Vergl. Kahn 2002, S. 133

^[15] Für eine kurze Beschreibung von Prognosetechniken wird auf den Appendix von Kahn 2002 (S. 142) verwiesen.

^[16] Vergl. Kahn 2002, S. 137, Table 2. Jury of executive opinion stellt eine Art educated guess dar.

^[17] Vergl. Kahn 2002, S: 142

^[18] Vergl. 2.6 Ansätze zur Schätzung der Diffusionsparameter

^[19] Vergl. Bass et al. 2001

^[20] Vergl. Kahn 2002, S. 134

^[21] Vergl. Kahn 2002, S. 137, Table 2

^[22] Vergl. Bortz und Döring 2006, S. 326 f.

^[23] Bortz und Döring 2006, S. 326

^[24] Vergl. Bortz und Döring 2006, S. 327

^[25] Vergl. Bortz und Döring 2006, S. 328

^[26] Strübing 2008, S. 15

^[27] Vergl. Spath et al. 2011, S. 17

^[28] Vergl. Spath et al. 2011, S. 18

^[29] Spath et al. 2011, S. 19

^[30] Spath et al. 2011, S. 19

^[31] Vergl. Spath et al. 2011, S. 19

^[32] Vergl. beispielsweise http://www.duden.de/rechtschreibung/Kategorie

^[33] Publikationen die den Begriff Produkt bzw. Product verwenden: Bass 1969, Lee et al. 2003, Goodwin et al. 2013. Publikationen die den Begriff Produktkategorie bzw. Product category verwenden: Jiang et al. 2006

^[34] Vergl. Bass 1969, Lee et al. 2003, Jiang et al. 2006, Goodwin et al. 2013

^[35] Gerpott 2005, S. 37

^[36] Vergl. Gerpott 2005, S. 38

^[37] Vergl. Gerpott 2005, S. 38

^[38] Vergl. Gerpott 2005, S. 41

^[39] Gerpott 2005, S. 41

^[40] Gerpott 2005, S. 41

^[41] Vergl. Gerpott 2005, S. 46 f.

^[42] Gerpott 2005, S. 47

^[43] Vergl. Ball und Tunger 2005, S.15

^[44] Auf eine detailliertere Darstellung der möglichen Auswertungsmöglichkeiten wird verzichtet. Der interessierte Leser wird auf die einschlägige Literatur verwiesen. Als guter Einstieg eignet sich Ball und Tunger 2005 und Havemann 2009.

^[45] Die Suchabfrage wurde auf die „Document Types: ARTICLE“ beschränkt.

^[46] Vergl. Havemann 2009, S. 32

^[47] Havemann 2009, S.34

^[48] Referenzlisten werden als Synonym für Quellenverzeichnissen verwendet.

^[49] Vergl. Havemann 2009, S. 34

^[50] Vergl. Havemann 2009, S. 34

^[51] Vergl. Havemann 2009, S. 34, Fußnote 17

^[52] Vergl. Blum 2012, S. 159

^[53] Vergl. http://cluster.ischool.drexel.edu/~cchen/CiteSpace/CiteSpaceManual.pdf , S. 17

^[54] Vergl. http://cluster.cis.drexel.edu/~cchen/CiteSpace/ sowie Chen 2006

^[55] „Wichtig“ wird mit Anzahl der Kozitationen innerhalb des Clusters gleichgesetzt.

^[56] Hier sind die Auflage der Jahre 1985, 1993 und 2003 zusammengefasst.

^[57] Dieses Cluster bezieht sich auf die Auflage von 1962.

^[58] Vergl. http://cluster.ischool.drexel.edu/~cchen/CiteSpace/CiteSpaceManual.pdf, S. 18

^[59] Im Handbuch heißt es: „[…] the modularity Q of 0.7141 is relatively high, which means that the network is reasonably divided into loosely coupled clusters.” (http://cluster.ischool.drexel.edu/~cchen/CiteSpace/CiteSpaceManual.pdf, S. 18)

^[60] Mit dieser Angabe sind alle Auflagen der Publikation gemeint.

^[61] Diese Bewertung basiert auf einer Einschätzung des Autors sowie der Häufigkeit an Kozitationen.

^[62] Es sei darauf verwiesen, dass hier die Absatzzahlen der Erstkäufe gemeint sind. Das bedeutet, dass hier kein Wiederholungskauf eines Produktes stattfinden darf. Im Folgenden wird von Adoptionszahlen gesprochen, wenn Absatzzahlen der Erstkäufe gemeint sind.

^[63] Vergl. Bass 1969, S. 215 f.

^[64] Vergl. Rogers 2003, S. 41

^[65] Vergl. Rogers 2003, S. 169

^[66] Meffert et al. 2012, S. 438. Es zeigt sich aber später, dass sich diese Faktoren genauer klassifizieren lassen. Vergl. dazu 2.5 Einflussfaktoren der Diffusion

^[67] Rogers 2003, S. 168

^[68] Vergl. Rogers 2003, S.169 bzw. Meffert et al. 2012, S. 438, Abbildung 4-31

^[69] Vergl. Rogers 2003, S. 170, Figure 5-1

^[70] Vergl. Rogers 2003, S. 229

^[71] Borchert et al. 2003, S. 22

^[72] Vergl. Rogers 2003, S. 240

^[73] Vergl. Rogers 2003, S. 240

^[74] Vergl. Rogers 2003, S. 257

^[75] Vergl. Rogers 2003, S. 258

^[76] Vergl. Rogers 2003, S. 258