Kaufverhalten auf B2C-Online-Marktplätzen. Einflussfaktoren bei der Händlerauswahl


Travail de Recherche, 2016

127 Pages, Note: 2,3


Extrait


Inhaltsverzeichnis

1. Einleitung
1.1. Problemstellung
1.2. Problemabgrenzung
1.3. Zielsetzung

2. Gang der Untersuchung

3. Darstellung bisheriger Forschungsergebnisse
3.1. Einflussfaktoren auf das Online-Einkaufsverhalten
3.2. Einflussfaktoren auf die Auswahl eines Online-Shops
3.3. Vertiefende Betrachtung bisheriger Erkenntnisse im Kontext von Online-Marktplätzen
3.3.1. Angebot, Nachfrage und Wettbewerb auf Online-Marktplätzen
3.3.2. Consumer Decision Process auf Online-Marktplätzen
3.3.3. Einflussfaktoren auf das Kaufverhalten

4. Darstellung der verwendeten Methodik
4.1. Konstruktion und Durchführung von Konsumentenbefragungen
4.1.1. Die mündliche Befragung
4.1.2. Die Online-Befragung
4.2. Ausgewählte Methoden der multivariaten Analyse
4.2.1. Die binäre logistische Regression
4.2.2. Die multiple Diskriminanzanalyse

5. Darstellung der qualitativen und quantitativen Forschungsarbeit
5.1. Identifikation potenzieller Einflussfaktoren
5.1.1. Analyse des amazon.de-Interface
5.1.2. Durchführung von Interviews
5.1.3. Zusammenführung und Eingrenzung identifizierter Einflussfaktoren
5.2. Quantitative Bestimmung des Einflusses der Faktoren
5.2.1. Umfragedesign und Datenerhebung
5.2.2. Deskriptive Statistik
5.2.3. Ergebnisse auf Basis der binären logistischen Regression
5.2.4. Ergebnisse auf Basis der multiplen Diskriminanzanalyse

6. Interpretation und Ableitung von Handlungsempfehlungen

7. Zusammenfassung und Ausblick

Anhang I: Interview zur Identifikation potenzieller Einflussfaktoren

Anhang II: Interview Protokoll

Anhang IIIa: Quellcode Umfrage – index.php

Anhang IIIb: Quellcode Umfrage – haendler.php

Anhang IIIc: Quellcode Umfrage – auswahl.php

Anhang IIId: Quellcode Umfrage – demographische-daten.php

Anhang IIIe: Quellcode Umfrage – gewinnspiel.php

Anhang IIIf: Quellcode Umfrage – bestaetigung.php

Anhang IIIg: Quellcode Umfrage – style.css

Anhang IV: Datensatz Umfrageauswertung (digital)

Literaturverzeichnis

Abbildungsverzeichnis

Abbildung 2: Beziehung der Teilnehmer eines elektronischen Marktplatzes

Abbildung 3: Consumer Decision Process

Abbildung 4: Hypothesenbasiertes Modell des Consumer Decision Process auf digitalen Marktplätzen

Abbildung 5: Verfahren zur Anwendung der BLR

Abbildung 6: Verfahren zur Anwendung der MDA

Abbildung 8: Interviewpartner nach Geschlecht und Alter

Abbildung 9: Interviewpartner nach Geschlecht und Bildungsstand

Abbildung 10: Interviewpartner nach Einkommen

Abbildung 11: Aufbau und technische Umsetzung der Umfrage

Abbildung 12: Screenshot Umfrage Seite 1 - "Willkommen"

Abbildung 13: Screenshot Umfrage Seite 2 - "Händlerbeurteilung"

Abbildung 14: Screenshot Umfrage Seite 3 - "Auswahlliste mit Produkt"

Abbildung 15: Screenshot Umfrage Seite 4 - "Demographische Daten"

Abbildung 16: Bereitschaft zur Abgabe demographischer Daten

Abbildung 17: Verteilung der Entscheidungen nach Geschlechtern

Abbildung 18: Verteilung der Entscheidungen nach Altersgruppen

Abbildung 19: Verteilung der Entscheidungen nach Bildungsstand

Abbildung 20: Verteilung der Entscheidungen nach Postleitzahl-Bereichen

Abbildung 21: Verteilung der Entscheidungen nach Einkommensgruppen

Tabellenverzeichnis

Tabelle 1: Anzahl der als „neu“ angebotenen Produkte je Suchbegriff bei amazon.de, ebay.de und otto.de

Tabelle 2: Einfluss des Regressionskoeffizienten auf die Eintrittswahrscheinlichkeit

Tabelle 3: Zentrale Gütemaße für den Regressionsansatz

Tabelle 4: Verteilung der Postleitzahlbereiche

Tabelle 5: Interview-Auswertung hinsichtlich der Einflussfaktoren

Tabelle 6: Deskriptive Statistiken nach Kauf / Nicht-Kauf

Tabelle 7: Ergebnisse des T-Test

Tabelle 8: Ergebnisse der BLR für den gesamten Datensatz

Tabelle 9: Ergebnisse der BLR für männliche Befragte

Tabelle 10: Ergebnisse der BLR für weibliche Befragte

Tabelle 11: Ergebnisse der BLR für Altersgruppe 18-35

Tabelle 12: Ergebnisse der BLR für Altersgruppe ab 36

Tabelle 13: Ergebnisse der BLR für Befragte mit Haupt- und Realschulabschluss sowie Abitur

Tabelle 14: Ergebnisse der BLR für Befragte mit Studium ohne Abschluss und abgeschlossenem Studium

Tabelle 15: Ergebnisse der BLR für Befragte weniger als 2.000 Euro Einkommen

Tabelle 16: Ergebnisse der BLR für Befragte mit 2.000 bis 3.500 Euro Einkommen

Tabelle 17: Ergebnisse der BLR für Befragte mit mehr als 3.500 Euro Einkommen

Tabelle 18: Ergebnisse der MDA für alle Befragten

Tabelle 19: Ergebnisse der MDA für männliche Befragte

Tabelle 20: Ergebnisse der MDA für weibliche Befragte

Tabelle 21: Ergebnisse der MDA für Altersgruppe 18-35

Tabelle 22: Ergebnisse der MDA für Altersgruppe ab 36

Tabelle 23: Ergebnisse der MDA für Befragte mit Haupt- und Realschulabschluss sowie Abitur

Tabelle 24: Ergebnisse der MDA für Befragte mit Studium ohne Abschluss und abgeschlossenem Studium

Tabelle 25: Ergebnisse der MDA für Befragte weniger als 2.000 Euro Einkommen

Tabelle 26: Ergebnisse der MDA für Befragte mit 2.000 bis 3.500 Euro Einkommen

Tabelle 27: Ergebnisse der MDA für Befragte mit mehr als 3.500 Euro Einkommen

Formelverzeichnis

Formel 1: Odds der logistischen Regression.30

Abkürzungsverzeichnis

B2C Business-to-Consumer

BLR binäre logistische Regression

bzw. beziehungsweise

i. d. R. in der Regel

i. V. m. in Verbindung mit

Kap. Kapitel

MDA multiple Diskriminanzanalyse

Mio. Millionen

Mrd. Milliarden

Tab. Tabelle

u. a. unter anderem

v. a. vor allem

1. Einleitung

Seit mehr als zehn Jahren wächst der E-Commerce-Markt1 im B2C-Handel2 in Deutschland gemessen am Umsatz kontinuierlich und im Vergleich zum jeweiligen Vorjahr überwiegend zweistellig. Für das Jahr 2016 wird ein Wachstum von elf Prozent im Vergleich zum Vorjahr erwartet. Seit 2006 ist der Umsatz im B2C-E-Commerce um rund 295 Prozent gewachsen. Im Jahr 2014 lag der B2C-E-Commerce-Umsatz bei rund 37,1 und 2015 bei rund 41,7 Mrd. Euro.3

Eine Betrachtung der größten Online-Händler nach Umsatz zeigt dabei eine deutliche Ungleichverteilung der Umsätze auf: Während der viertgrößte Online-Händler in Deutschland, notebooksbilliger.de, 2014 rund 563 Mio. Euro umsetzte und Zalando mit rund 870 Mio. Euro der drittgrößte Online-Händler war, belegt OTTO mit rund 1,99 Mrd. Euro mit deutlichem Abstand den zweiten Platz der größten B2C-Online-Händler. Noch größer ist der Abstand des größten Online-Shops: Mit einem Umsatz aus dem direkten Verkauf Waren von rund 6,6 Mrd. Euro ist amazon.de mehr als drei Mal so groß wie OTTO und damit größter Online-Shop Deutschlands. Hervorzuheben ist dabei, dass diese Statistik nicht den Umsatz von amazon.de aus Provisionen aus Verkäufen Dritter über den sogenannten Amazon Marketplace enthält und auch eBay als reiner Online-Marktplatz4 nicht aufgeführt wird.5

Betrachtet man die zehn größten Online-Shops unter Berücksichtigung der Online-Marktplätze hinsichtlich ihrer jeweiligen Reichweite, lässt dies auf eine deutliche Dominanz der beiden Online-Marktplätze Amazon und eBay schließen. Das Marktforschungsunternehmen Nielsen beziffert die Reichweite von Amazon und eBay in Deutschland auf 41,44 bzw. 38,38 Prozent, während der nach dieser Aufstellung drittplatzierte Online-Shop OTTO auf lediglich 8,64 Prozent Reichweite in Deutschland kommt.6

Charakteristisch für Online-Marktplätze ist dabei das breite wie gleichermaßen tiefe Produktangebot durch die Integration verschiedener Händler: Verglichen mit dem größten reinen Online-Shop Deutschlands, otto.de, halten die Online-Marktplätze amazon.de und ebay.de ein Vielfaches an neuen Produkten zum Versand zu einem bestimmten Suchbegriff vor, wie die folgende Tabelle zeigt.78910

Abbildung in dieser Leseprobe nicht enthalten

Tabelle1: Anzahl der als „neu“ angebotenen Produkte je Suchbegriff bei amazon.de, ebay.de und otto.de

1.1. Problemstellung

Händler, die auf Online-Marktplätzen verkaufen, haben einerseits die Chance, die Reichweite der Marktplätze für sich zu nutzen, stehen auf der anderen Seite dann auf dem Online-Marktplatz mit anderen Händlern, die das gleiche Produkt verkaufen, in einem unmittelbaren Wettbewerb. Gerade die Benutzeroberfläche von amazon.de ermöglicht potenziellen Käufern den direkten Vergleich mehrerer Händler, die das gleiche Produkt verkaufen.

Verschiedene Händler bieten hierbei das gleiche Produkt an, sodass produktseitig keine Unterschiede vorliegen, die Händler sich jedoch etwa hinsichtlich ihrer Bewertungen, der Lieferzeit oder dem angebotenen Preis unterschieden.

Herausforderung für Händler, die auf Online-Marktplätzen wie amazon.de aktiv sind, und zentrale Problemstellung dieser Ausarbeitung ist daraus abgeleitet die Frage nach Möglichkeiten der produktunabhängigen Differenzierung für Online-Händler im Rahmen einer Anbieterübersicht. Diese Anbieterübersicht zeigt Nutzern die verschiedenen Online-Händler hinsichtlich einer beschränkten Anzahl von Variablen zum Vergleich und schließlich zur Kaufentscheidung auf. Damit ist die Anbieterübersicht aus der Perspektive eines Händlers auf einem Online-Marktplatz der Ort, an dem letztlich die Entscheidung des potenziellen Käufers für ein bestimmtes Angebot fällt. Als Händler besteht damit die Herausforderung, sich auf eben dieser Seite unter den gegebenen Möglichkeiten bestmöglich zu präsentieren.

1.2. Problemabgrenzung

Der Fokus der Ausarbeitung liegt auf dem deutschen Markt. Betrachtet werden sollen dabei ausschließlich Kaufentscheidungen des B2C, also solche, bei denen Endverbraucher Produkte für ihren privaten Bedarf einkaufen. Darüber hinaus werden gebrauchte Produkte von der Betrachtung ausgeschlossen. Als größter Online-Shop und gleichzeitig größter Online-Marktplatz Deutschlands ist das Design der qualitativen und quantitativen Forschung weiterhin stark an der Darstellung von amazon.de orientiert. Die Darstellung Amazons ermöglicht Nutzern besonders einfach einen unmittelbaren Vergleich mehrerer Händler für das gleiche Produkt. Zudem ist der US-amerikanische Online-Marktplatz-Anbieter der wichtigste im deutschen B2C-E-Commerce.

Produktseitig konzentriert sich die vorliegende Ausarbeitung ausschließlich auf Produkte im Bereich Consumer Electronics: Durch konkrete Modellbezeichnungen lässt sich eindeutig identifizieren, wenn zwei oder mehr verschiedene Händler das gleiche Produkt anbieten und damit im Sinne dieser Ausarbeitung zur Analyse herangezogen werden können.

1.3. Zielsetzung

Zielsetzung der Ausarbeitung ist die Identifikation und Bestimmung des Einflusses von Faktoren, die das Kaufverhalten von B2C-Nutzern auf Online-Marktplätzen bei der Auswahl eines Anbieters aus mehreren wirken, wobei alle das gleiche Produkt anbieten.

Zusätzlich sollen aus diesen Erkenntnissen abgeleitete Handlungsempfehlungen Online-Händlern konkrete, praxisnahe Hinweise geben. Es werden Aspekte, die einen besonders positiven Einfluss auf die Kaufwahrscheinlichkeit haben, herausgearbeitet. Diese Aspekte sollten damit im Fokus der Bemühungen von Online-Händlern, die Produkte auf Online-Marktplätzen zum Verkauf anbieten, stehen.

2. Gang der Untersuchung

Im Folgenden wird der Gang der Untersuchung dieser Ausarbeitung aufgezeigt.

Nach einleitender Problemstellung, -abgrenzung und Zielsetzung werden zunächst die bisherigen Forschungsergebnisse dargestellt. Dabei werden die Erkenntnisse zu Einflussfaktoren auf das Einkaufsverhalten und auf die Auswahl von Shops im B2C-E-Commerce aufgezeigt. Anschließend erfolgt eine vertiefende Betrachtung der bisherigen Erkenntnisse im Kontext von Online-Marktplätzen.

Im weiteren Verlauf wird aufgezeigt, welche Methoden der qualitativen und quantitativen Forschung zur Erreichung der Zielsetzung betrachtet und auswählt werden.1112

Es schließen sich die qualitative und quantitative Forschungsarbeit an: Zunächst werden auf Basis des amazon.de-Interface unmittelbar potenzielle Einflussfaktoren erarbeitet. Im Rahmen von Interviews werden weitere potenzielle Einflussfaktoren generiert, wobei diese zur Steigerung der Handhabbarkeit anschließend eingegrenzt werden.

Anschließend wird eine Umfrage auf Basis der bis dahin als relevant identifizierten Einflussfaktoren erarbeitet und durchgeführt, die diese Faktoren auf das Ausmaß ihrer Relevanz für die Kaufentscheidung überprüfen wird. Das Design des Fragebogens wird dabei sowohl die aus den Interviews als relevant identifizierten als auch die aus der Analyse des amazon.de-Interface extrahierten Einflussfaktoren abfragen. Ziel ist die Quantifizierung des Einflusses dieser Faktoren. Nach Auswertung und Interpretation der Antworten aus dem Fragebogen schließt die Ausarbeitung mit der Ableitung von Handlungsempfehlungen sowie Zusammenfassung und Ausblick.

3. Darstellung bisheriger Forschungsergebnisse

In diesem Kapitel werden zunächst bisherige Forschungsergebnisse im Kontext der Fragestellung dargestellt. Neben der Betrachtung zu Einflussfaktoren auf das Online-Einkaufsverhalten im Allgemeinen und auf die Auswahl eines Online-Shops erfolgt eine vertiefende Betrachtung. Diese widmet sich den bisherigen Forschungsergebnissen im Kontext von Online-Marktplätzen. Dabei wird auch der Consumer Decision Process auf Online-Marktplätzen thematisiert.

3.1. Einflussfaktoren auf das Online-Einkaufsverhalten

Die Betrachtung der Einflussfaktoren auf das Online-Einkaufsverhalten unterteilt sich in drei Abschnitte: Zum einen stellt sich die Frage, welche Faktoren Endverbraucher überhaupt dazu bewegen, statt im klassischen (Offline-) Handel online einzukaufen. Zum anderen sind für die Ausarbeitung solche Faktoren von Interesse, die darüber hinaus zu einem erneuten Einkauf im Internet führen, den Kunden also entsprechend an den Kanal als solchen binden. Darüber hinaus wird aufgezeigt, welche Rolle Kundenbewertungen im Online-Einkaufsverhalten spielen.13141516

In der Literatur wird der Kaufprozess als Modell des Online-Einkaufsverhaltens üblicherweise in einen mehrstufigen Prozess aus Sicht des Nachfragers, in diesem Falle des Endverbrauchers, unterteilt. Der Kaufprozess im B2C-E-Commerce ist dabei häufig stark standardisiert und im Gegensatz zum B2B-Handel deutlich weniger flexibel, etwa hinsichtlich Verhandlungen oder Anpassungen. Ebenfalls als charakteristisch wird ein vergleichsweise niedriges Transaktionsvolumen angesehen.17

In der Unterteilung des Kaufprozesses unterscheiden sich die Bezeichnung und die Anzahl der Schritte in der Literatur über verschiedene Autoren: Merz nimmt in seiner Darstellung mit Bezug auf den E-Commerce im Allgemeinen eine Dreiteilung in Informations-, Verhandlungs- und Abwicklungsphase vor.18

Akbar / James dagegen sprechen von fünf Schritten: Bedarfsidentifikation, Informationssuche, Optionsevaluierung, die Suche nach dem besten Preis und die finale Kaufentscheidung unter Berücksichtigung verschiedener Faktoren.19 Merz betont bezüglich dieser Faktoren die Symmetrie der Produktinformationen als Folge der Transparenz des elektronischen Marktes und räumt dabei insbesondere dem Preis eine zentrale Bedeutung ein.20

Passend dazu zeigen Akbar / James in einer Untersuchung mittels einer multiplen Regressionsanalyse das Verhältnis von insgesamt neun unabhängigen Variablen und der Empfänglichkeit für den Online-Einkauf auf. Als die drei wichtigsten Variablen, die die Empfänglichkeit von Endverbrauchern für den Online-Einkauf erhöhen, werden Price, Refund und Convenience (absteigend nach Relevanz) identifiziert. Die Variable Price meint dabei die Möglichkeit, über den Einkauf im Internet durch günstigere Preise Geld sparen zu können. Refund bezieht sich auf kostenfreie Retouren und ein Widerrufsrecht. Convenience meint insbesondere, dass der Einkauf möglichst einfach ist und Zeit spart.21 Insbesondere die Faktoren Price und Convenience werden auch von Khalil als besonders relevant im Online-Einkauf identifiziert.22

Obgleich auch mit speziellem Bezug auf das Sortiment der Lebensmittel haben Boyer / Hult untersucht, welche Faktoren dazu führen, dass der Kanal Online für Endverbraucher einen dauerhaften Nutzen bietet.

Untersucht wurde dabei, inwieweit die Wahrnehmung von insgesamt 1.089 befragten Endverbrauchern hinsichtlich der folgenden Variablen den wahrgenommenen Nutzen des Internet beim Lebensmitteleinkauf beeinflusst: Produktqualität, Usability des Shops, Produktfrische, Zeitersparnis, vorhandene Erfahrung mit dem Online-Händler und Servicequalität. Der wahrgenommene Nutzen wurde dabei anhand der Online-Folgekäufe innerhalb von zwölf Monaten gemessen.

Abgesehen von der wahrgenommenen Servicequalität konnte für alle Variablen ein signifikant positiver Zusammenhang mit dem wahrgenommenen Nutzen des Online-Kanals festgestellt werden. Als zentraler Einflussfaktor hat sich die wahrgenommene Zeitersparnis herausgestellt.23

Weiterhin als wichtige Einflussfaktoren auf das Online-Einkaufsverhalten im Allgemeinen benennt Merz die Faktoren Sicherheit und Vertrauen.24 Eine Untersuchung für Saudi-Arabien legt dazu nahe, dass die beiden Faktoren differenzierter betrachtet werden können: Während Sicherheit und Privatsphäre vor allem Menschen, die bisher noch nicht online gekauft haben, von ihrem ersten Online-Kauf abhalten können, fördert Vertrauen vor allem den erneuten Kauf im Internet, wobei Bewertungen und Empfehlungen das Vertrauen steigern können.25 Hieraus resultiert zusätzlich ein gesteigerter Mehrwert für den Nutzer, der zu einer Erhöhung der Umsätze führen kann.26

Insgesamt zeigt sich, dass die Suche nach einem günstigen Preis, ein möglichst einfaches und schnelles Einkaufserlebnis sowie das Vertrauen in Sicherheit und Privatsphäre von zentraler Bedeutung für Menschen sind, die einen Online-Einkauf in Erwägung ziehen.

3.2. Einflussfaktoren auf die Auswahl eines Online-Shops

Im vorherigen Kapitel wurde gezeigt, welche Faktoren die Entscheidung für den Online-Kanal und das Online-Einkaufsverhalten beeinflussen. In diesem Kapitel geht es darum, ein Verständnis dafür zu erlangen, welche Faktoren Kunden beeinflussen, sich für einen bestimmten Händler im E-Commerce zu entscheiden.

In ihrer Darstellung des Kaufprozesses gehen Akbar / James davon aus, dass sich der Entscheidung für ein bestimmtes Produkt die Suche nach dem besten Preis und die finale Entscheidung für den Kauf eines bestimmten Produktes bei einem bestimmten Händler anschließen.27 Akbar / James reduzieren die Auswahlkriterien damit auf den Preis. Dem gegenüber steht Merz‘ Darstellung des „Gesetz des einzigen Preises“, wonach auf elektronischen Märkten durch die Transparenz im Extremfall am Markt nur noch ein einziger Preis existieren kann, der Preis folglich zumindest als einziges Auswahlkriterium nicht in Frage kommen kann.28 Es scheint nahe zu liegen, dass auch andere Faktoren von Konsumenten in Betracht gezogen werden können, etwa Sicherheit und Vertrauen, welche auch schon im vorherigen Kapitel eine wichtige Rolle spielen.29

Der Frage der Identifikation und Evaluierung von Faktoren, die Konsumenten bei der Auswahl eines Online-Shops im allgemeinen E-Commerce beeinflussen, hat sich bereits eine wissenschaftliche Ausarbeitungen gewidmet: Chenghuan hat eben diese für den chinesischen Markt untersucht. Die Studie untersucht dabei die Wichtigkeit von insgesamt sieben möglichen Einflussfaktoren auf die Auswahl eines Online-Shops. In ihrer Wichtigkeit absteigend sortiert werden folgenden Faktoren untersucht:

1. Price
2. Reputation and Trust
3. Ratings and Reviews
4. Order Fulfillment Performance
5. Web Quality
6. Sales Volume
7. Stickiness Factor

Chenghuan s Untersuchung bestätigte Merz‘ Hypothese, dass der Preis die wichtigste Rolle bei der Auswahl eines Online-Shops im E-Commerce spielt. Auch die Wichtigkeit von Vertrauen wird bestätigt, wobei dieses durch den dritten Faktor, vorhandene Kundenbewertungen und –beurteilungen gesteigert werden kann. Auch die Fulfillment Performance, hier insbesondere die Lieferzeit und die Retourenpolitik, spielt für viele Online-Nutzer eine wichtige Rolle. (Genannt wurden alle Faktoren, die in der Erhebung auf einer Skala von 1 (unwichtig) bis 7 (wichtig) einen Mittelwert von mindestens 5,0 erzielten.)30

Mit der Frage nach Möglichkeiten der dauerhaften Bindung von Kunden an einen Online-Shop im australischen Markt haben Carlson et al. geforscht und dabei insbesondere die Wirkung von Zufriedenheit, Vertrauen und Flowerlebnis auf die Kundenbindung untersucht. Im Ergebnis wirken alle drei Faktoren positiv auf die Kundenbindung und damit auf die Wahrscheinlichkeit zum Wiederkauf. Hervorzuheben ist, dass die Zufriedenheit klar dominierender Faktor ist, wobei Flow und Vertrauen in ihrer Wichtigkeit etwa gleich zu gewichten sind.31

Zusammengefasst bedeutet dies, dass der dominierende Faktor bei der Auswahl eines Online-Shops der Preis ist, darüber hinaus jedoch auch weitere Faktoren eine Rolle spielen können. Dazu gehören vor allem Reputation und Vertrauen, aber auch die Order Fulfillment Performance sowie Ratings und Reviews. Langfristig ist es vor allem die Zufriedenheit aufgrund von Vorerfahrungen, die die Kundenbindung treibt.

3.3. Vertiefende Betrachtung bisheriger Erkenntnisse im Kontext von Online-Marktplätzen

Die folgende, vertiefende Betrachtung stellt bisherige Erkenntnisse der Forschung im Kontext von Online-Marktplätzen dar. Dabei werden einleitend zunächst die Wettbewerbssituation und das Wirken von Online-Marktplätzen bei der Transaktionsunterstützung dargestellt. Es folgt eine detaillierte Betrachtung des Consumer Decision Process auf Online-Marktplätzen. Abschließend werden die bisher identifizierten Einflussfaktoren auf das Kaufverhalten bei der Nutzung von Online-Marktplätzen betrachtet.

3.3.1. Angebot, Nachfrage und Wettbewerb auf Online-Marktplätzen

Marktplätze im Allgemeinen werden als Plattform für und Vermittler zwischen Angebot und Nachfrage verstanden. Elektronische bzw. Online-Marktplätze im Speziellen nutzen dabei das Internet als Handelsraum. Die folgende Abbildung zeigt dabei den Zusammenhang der einzelnen Teilnehmer eines elektronischen Marktplatzes im strategischen Marktdreieck nach Kollmann auf.32

Abbildung in dieser Leseprobe nicht enthalten

Abbildung1: Beziehung der Teilnehmer eines elektronischen Marktplatzes33

Zu beachten ist, dass der Marktplatzbetreiber zwischen Nachfrager und Anbieter vermittelt. Dabei sind Eingriffe des Marktplatzbetreibers in verschiedenen Phasen des Vermittlungsprozess möglich. Schmid / Zbornik unterteilen dazu den Prozess der Vermittlung in Informationsphase (Anbahnung), Vereinbarungsphase (Abschluss) und Abwicklungsphase (Durchführung).34 Für Kollmann steht für die Phase der Anbahnung „im Mittelpunkt […] die Frage, welche Produkte oder Leistungen welches Anbieters für die fragliche Aufgabe in Betracht kommen“.35 Aus dieser Fragestellung ergibt sich der im Rahmen dieser Ausarbeitung untersuchte, im Kontext von Online-Marktplätzen im B2C-Kontext häufiger auftauchende Fall, dass ein Produkt von mehreren Anbietern gleichzeitig angeboten wird.

Voigt / Landwehr / Zech sehen im Aufkommen von Online-Marktplätzen deshalb eine deutliche Verstärkung des Wettbewerbs begründet: Online-Marktplätze bieten einerseits das Potenzial weltweiter Absatzmärkte, münden durch die lokal unabhängige Verfügbarkeit der Plattform jedoch auch in einem globalen Wettbewerb.36 Dieser quantitativen Erhöhung des Angebots steht gleichzeitig eine gesteigerte Transparenz auf elektronischen Marktplätzen gegenüber. Verbraucher können auf Online-Marktplätzen das günstigste verfügbare Angebot für ein Produkt schnell identifizieren. In dieser Möglichkeit sieht Merz aus Anbietersicht ein Risiko: Im Extremfall resultiert eine vollständige Transparenz in einer Symmetrie der Informationen, wodurch sich langfristig keine Gewinne erzielen lassen.37

Für den hier untersuchten Fall, dass mehrere Händler das gleiche Produkt auf einem Marktplatz anbieten, trifft diese vollständige Transparenz jedoch nur hinsichtlich des Produktes selbst zu: Die verschiedenen Händler dagegen bieten zum Beispiel unterschiedliche Lieferzeiten an und wurden von Kunden wahrscheinlich auch unterschiedlich beurteilt, sodass eine hohe, jedoch keine vollständige Transparenz gegeben ist. Zentral bleibt an dieser Stelle die Frage, welche Faktoren hinsichtlich eben dieser Händler Kunden nun beeinflussen, sich für einen bestimmten Händler für den Produktkauf zu entscheiden.

3.3.2. Consumer Decision Process auf Online-Marktplätzen

Auf den speziellen Fall von Online-Marktplätzen übertragen, greifen Teo / Yeong den Consumer Decision Process, vergleichbar wie ihn Merz oder Akbar / James für den E-Commerce im Allgemeinen beschreiben, auf.38 Die folgende Abbildung zeigt die Darstellung des Consumer Decision Process nach Teo / Yeong auf.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung2: Consumer Decision Process39

Für die Stufen der Informationssuche, der Alternativenevaluation sowie der eigentlichen Kaufentscheidung stellen Teo / Yeong dazu ein Modell auf, dass den Wunsch des Kunden, ein Angebot auf einem digitalen Marktplatz wahrzunehmen, beschreibt (vgl. nachfolgende Abbildung).

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3: Hypothesenbasiertes Modell des Consumer Decision Process auf digitalen Marktplätzen40

Insgesamt werden vier Faktoren für das Modell miteinander in Zusammenhang gesetzt, die, teils direkt, teils indirekt, auf den Kaufwillen („Willingness to Buy“) einzahlen. Die folgende Aufstellung erklärt die zugrunde gelegten Begriffe.41

- „Benefits of search“ beschreibt die wahrgenommene Wahrscheinlichkeit, von einer Informationssuche zu profitieren, um zu einer zufriedenstellenden Entscheidung zu kommen.42
- „External search effort“ beschreibt den Grad der Aufmerksamkeit, der Wahrnehmung und des Aufwandes, den die Suche nach Informationen bezüglich einer bestimmten Kaufentscheidung benötigt.43
- „Risk“ beschreibt das wahrgenommene Risiko eines möglichen Verlustes jeweder Art im Rahmen der Entscheidung.44
- „Deal evaluation“ wird definiert als der wahrgenommene Nutzen, der mit dem zu evaluierenden Produkt oder Service durch den potenziellen Kunden verbunden wird.45
- „Willingness to buy“ wird definiert als die Wahrscheinlichkeit, dass ein potenzieller Käufer den Wunsch eines Kaufes auch verspürt.46

Zur Bewertung des Modells werden insgesamt 1.133 Menschen aus Singapur über das Internet befragt. Insgesamt kann das Modell mit Ausnahme der nicht signifikanten Hypothesen H2 und H5 bestätigt werden.

Aus dem Modell von Teo / Yeong ergibt sich zusammenfassend, dass eine positive Evaluation des Angebots den Kaufwillen signifikant positiv beeinflusst. Dieser Evaluation zuträglich ist, wenn

a) der wahrgenommene Nutzen der Informationssuche hoch und
b) das wahrgenommene Risiko gering ist.

Anzumerken ist, dass sich die Untersuchung von Teo / Yeong zwar auf Marktplätze, dort jedoch auf das Gesamtpaket des Angebots, bestehend aus Produkt und Händler, bezieht. Dabei wird weiterhin der gesamte, bei der Informationssuche zum Produkt beginnende Consumer Decision Process betrachtet.

3.3.3. Einflussfaktoren auf das Kaufverhalten

Nach Untersuchung des Konzeptes des Consumer Decision Process geht es im Folgenden um konkrete Einflussfaktoren auf das Kaufverhalten im Kontext von Online-Marktplätzen. Es wird zunächst auf die Schaffung von Trust auf Online-Marktplätzen, anschließend auf eine Untersuchung zu Einflussfaktoren auf das Kaufverhalten im Kontext eines Portals, das Angebote von verschiedenen Online-Händlern aggregiert, eingegangen.

Die Wichtigkeit von Trust im E-Commerce im Allgemeinen betont Merz bereits frühzeitig.47 Bei der Auswahl eines Online-Shops abseits des Kontextes von Online-Marktplätzen spielen Trust und Reputation laut Chenghuan nach dem Preis sogar die zweitwichtigste Rolle für Konsumenten.48 Khalil zeigt darüber hinaus auf, dass das Vertrauen in Online-Shops im Allgemeinen durch Bewertungen und Empfehlungen gesteigert werden kann.49

Eine groß angelegte Studie zur Frage, wie online das Vertrauen in die jeweilige Website gesteigert werden kann, erarbeiten darüber hinaus auch Bart et al. 2005. Für Websites in den Kategorien Automobile, Finance, Computer, Sports, Travel, E-Tailer, Community und Portal / Search Engine & Shopbot werden zunächst Treiber für das Vertrauen in Websites dieser Kategorien gesucht und anschließend mit dem Ziel eines Vergleich evaluiert.50

Teil der Gruppe der E-Tailer sind die Online-Marktplätze amazon.com und ebay.com. Die Studie kommt zu dem Ergebnis, dass für E-Tailer vor allem drei Faktoren das Vertrauen der Konsumenten in diese Websites maßgeblich positiv beeinflussen. Dies betrifft die Faktoren Navigation and presentation, Advice und Order fulfillment. Keinen deutlich positiven Einfluss haben laut Bart et al. die Faktoren Privacy, Security, Brand strength und Community features. Im Folgenden werden die Faktoren mit positiven Einfluss auf das Vertrauen kurz im Sinne von Bart et al. erläutert.

Navigation and presentation beschreibt das Erscheinigungsbild, Design und Layout sowie die Inhalte der jeweils untersuchten Website.51 Bart et al. weisen dabei darauf hin, dass Elemente dieses Faktors zusätzlich zu einem erlebten Flow führen können, wie ihn später auch etwa Carlson et al. in einem ähnlichen Kontext untersuchen.52

Der Faktor Advice meint alle Elemente einer Website, die dem Nutzer dabei helfen, für sein individuelles Bedürfnis oder seine Problemstellung eine entsprechende Lösung zu finden. Insbesondere bei Website aus dem Kontext des E-Commerce, bei denen Nutzer häufig einen hohen Suchaufwand und einen langen Informationsprozess haben, spielt der Faktor Advice laut Bart et al. eine große Rolle.53

Bei dem Faktor Order fulfillment handelt es sich um die Lieferung der von Konsumenten bei Bestellung erworbenen Produkte und Dienstleistungen. Insbesondere bei höherpreisigen Produkten und Dienstleistungen rechnet die Untersuchung von Bart et al. dem Order fulfillment eine hohe Bedeutung zu.54

Eine weitere Untersuchung im Kontext von Online-Marktplätzen stellt die Ausarbeitung von Smith / Brynjolfsson dar, bei der die Einflussfaktoren auf das Kaufverhalten von Nutzern von Shopsbots untersucht werden. Bei Shopbots handelt es sich um Produktsuchmaschinen, die Nutzern auf einen Blick Informationen zu Händlern, Produkten und Preisen liefern. Insofern entspricht die Ausarbeitung von Smith / Brynjolfsson im Hinblick auf die Konzentration auf den Vergleich von Händlern dieser Ausarbeitung. Smith / Brynjolfsson untersuchen, welche Faktoren für einen Händler auf Aggregationsportalen für die Gunst der Nutzer im Sinne einer Kaufbereitschaft von Nutzen sind. Sie sammeln dabei innerhalb von 69 Tagen über 33 verschiedene Händler die Klickdaten von insgesamt 20.268 Nutzern und analysieren diese vor dem Hintergrund der Frage, für welches konkrete Angebot diese sich entscheiden würden.55

Im Gegensatz zu Bart et al. kommen Smith / Brynjolfsson zu dem Ergebnis, dass trotz homogener Produkte die Marke des Händlers selbst eine wichtige Rolle spielt: Konsumenten nutzen die Bekanntheit des Händlers, um so auf die Zuverlässigkeit in puncto Lieferung zu schließen. Anzumerken ist dabei, dass die Stärke der Marke eines Händlers im Falle dieser Untersuchung schwerer wiegt als der Preis: Obgleich Nutzer von Shopbots als besonders preissensitiv gelten, entscheiden diese sich im Zweifel eher für das Angebot des Händlers mit der aus ihrer Sicht stärkeren Brand. Im Zusammenhang mit Versand und Artikelpreis wird zudem aufgezeigt, dass Konsumenten nicht nur auf den Gesamtpreis, sondern auch auf die Zusammensetzung des Preises aus Artikelpreis und Versandkosten achten, wobei die Versandkosten und der Gesamtpreis des Angebots im Vergleich mit dem Artikelpreis als weniger Einfluss nehmend herausgestellt werden.56

Ebenfalls als wichtig für die Nutzer bei der Entscheidung für einen bestimmten Händler wird die Rolle der Versandzeit beschrieben, also die Frage, wie lange ein Händler benötigt, um das gewünschte Produkt ab dem Zeitpunkt der Bestellung zum Konsumenten zu liefern. Zentraler Faktor sei zudem die Ordnungsreihenfolge, also die Sortierung der Händler in der Angebotsübersicht.57

4. Darstellung der verwendeten Methodik

Das folgende Kapitel stellt die verwendete Methodik der sich anschließenden qualitativen und quantitativen Forschungsarbeit dar. Entsprechend der Forschungsarbeit gliedert sich dieses Kapitel entsprechend in folgende Abschnitte:

- Konstruktion und Durchführung von Konsumentenbefragungen
- Die mündliche Befragung (Interview)
- Die schriftliche Befragung (Umfrage)
- Ausgewählte Methoden der multivariaten Analyse
- Die binäre logistische Regression58
- Die multiple Diskriminanzanalyse59

In jedem Abschnitt wird zunächst die Methodik selbst aufzeigt und anschließend, wie die Methodik in der Ausarbeitung angewandt werden soll. Im Fall der BLR sowie der MDA werden typische Problemstellungen und das Vorgehen der Analyse dargestellt. Zusätzlich erfolgt auch hier eine Ausführung, in welchem Kontext die Methode im Rahmen der vorliegenden Ausarbeitung angewandt wird. Die Darstellung der tatsächlichen Anwendung mit direktem Bezug zur Ausarbeitung wird detailliert anschließend im Kapitel „Darstellung der qualitativen und quantitativen Forschungsarbeit“ dargestellt.

4.1. Konstruktion und Durchführung von Konsumentenbefragungen

In der quantitativen und qualitativen Forschungsarbeit werden an zwei Stellen Konsumentenbefragungen eingesetzt: Zum einen in Form von Interviews, um potenzielle Faktoren auf das Kaufverhalten zu identifizieren, zum anderen in Form einer online durchgeführten, schriftlichen Befragung, um den Einfluss der zuvor identifizierten Faktoren auf das Kaufverhalten von Konsumenten zu quantifizieren.

Im Folgenden wird zunächst die Methodik der mündlichen Befragung (Interview), anschließend die Methodik der schriftlichen Befragung (Umfrage) dargestellt.

Zur Erfassung von „Fakten, Wissen, Meinungen, Einstellungen oder Bewertungen“ im Rahmen der empirischen Sozialforschung ist die Befragung die am weitesten verbreitete Methode.60 Grundsätzlich zu unterscheiden gilt es bei Befragungen dabei zwischen mündlichen Befragungen im Sinne eines Interviews, schriftlichen Befragungen und Telefoninterviews, wie Schnell et al. ausführen.61 Zusätzlich kommt die Befragung über das Internet hinzu, die hier als schriftliche Befragung verstanden wird.

4.1.1. Die mündliche Befragung

4.1.1.1. Beschreibung der Methodik

Die mündliche Befragung (im Sinne dieser Ausarbeitung auch „Interview“ genannt) ist ein Instrument der empirischen Sozialforschung, bei dem mit wissenschaftlichem Ziel eine befragte Person von einer befragenden Person mit mehreren, mündlichen gestellten, gezielten Fragen zur Mitteilung bestimmter Informationen bewegt werden soll.62

Als charakteristisch für ein Interview wird insbesondere der soziale Aspekt dieser Befragungsmethode immer wieder herausgestellt, wobei ein Einfluss der befragenden Person auf das Antwortverhalten der befragten Person angenommen werden muss.63 Das Ausmaß dieses Einflusses unterscheidet sich dabei je nach Interviewform stark, sodass Interviews nach Strukturierungsgrad unterschiedliche Vor- und Nachteile aufweisen. Zusätzlich wird weiterhin zwischen mehreren Formen von qualitativen Interviews unterschieden.64

Hinsichtlich des Strukturierungsgrads der Interviewsituation wird zwischen wenig, teilweise und stark strukturierten Interviews unterschieden. Findet ein Interview ohne einen zuvor erarbeiteten Fragebogen statt, wird von einem wenig strukturierten Interview gesprochen. Der Interviewer hat dabei die Möglichkeit, Fragen im Rahmen eines eher informellen Gesprächs völlig frei zu stellen. Dieses bietet sich vor allem in einer sehr frühen Phase der Untersuchung an, um stärker standardisierte Methoden vorzubereiten. Ist ein Interview dagegen stark strukturiert, basiert es auf einem standardisierten Fragebogen, welche die Reihenfolge und Formulierung der einzelnen Fragen exakt vorgibt. Dabei sind in der Regel auch die Antwortmöglichkeiten im Rahmen geschlossenen Fragen und verschiedener Skalen fest vorgegeben.

Als Mischform hinsichtlich des Strukturierungsgrads gilt das teilweise strukturierte Interview: Hier sind Fragen bereits vorgegeben, jedoch hat der Interviewer die Möglichkeit, etwa die Reihenfolge oder die exakte Formulierung der Fragen leicht abzuwandeln. Gerade in der Kombination mit offenen Fragen bietet das teilweise strukturierte Interview damit den Nachteil, dass die Antworten zumeist erst nach einer weiteren Verarbeitung standardisiert vorliegen.65 Auf der anderen Seite ermöglicht es das teilweise strukturierte Interview auch aufgrund der zulässigen Rückfragen, gezielte Erfahrungen des Befragten zu gewinnen, um diese frei erfassen zu können. Bei dieser Form des Interviews wird häufig auch von einem Leitfadengespräch gesprochen.66

Über den Strukturierungsgrad der Interviewsituation hinaus existieren weiterhin mehrere Formen von qualitativen Interviews, die Egle et al. entsprechend ihrer Intention, Standardisierung, Form und Stil der Kommunikation unterscheiden.67 Im Rahmen dieser Ausarbeitung zentral ist dabei das problemzentrierte Interview nach Witzel.

Von einem problemzentrierten Interview wird gesprochen, wenn der Fragebogen bzw. der Gesprächsleitfaden des Interviews auf einem theoretischen Konstrukt basieren. Charakteristisch ist dabei ein kurzer Fragebogen oder Leitfaden, wobei der Interviewte narrativ, d.h. aus seiner eigenen Erfahrung heraus und in seiner Formulierung frei antwortet. Gleichzeitig greift der Interviewer die Antworten auf und hat so die Möglichkeit, entsprechende Rückfragen zum besseren Verständnis zu stellen.68 Egle et al. schlagen dazu vor, die Erhebungsphase etwa durch die Beleuchtung bestehender Erkenntnisse vorzubereiten und ein entsprechendes theoretisches Wissen aufzubauen, um die konkreten Erfahrungen der Befragten zu einem isolierten Problem bestmöglich abfragen und erfassen zu können.69

In seiner konkreten Ausgestaltung kann ein Interview nach Schnell et al. hinsichtlich der zu erwartenden Informationen aus vier unterschiedlichen Fragetypen bestehen. Unterschieden wird dabei zwischen

- Einstellungsfragen
- Überzeugungsfragen
- Verhaltensfragen
- Eigenschaftsfragen.

Einstellungsfragen zielen auf die Bewertung des Befragten hinsichtlich einer bestimmten Aussage ab. Überzeugungsfragen sollen herausfinden, ob ein Befragter eine Aussage für Wahr oder Falsch hält. Verhaltensfragen beziehen sich auf das berichtete Verhalten des Befragten, wobei mit Bezug auf die Zukunft nicht nach dem tatsächlichen Verhalten gefragt werden kann, sondern vielmehr die Absicht abgefragt wird. Eigenschaftsfragen beziehen sich auf die (häufig sozio-demographischen) Eigenschaften des Befragten, etwa Alter, Geschlecht, Bildungsstand oder das Einkommen.70

Unabhängig von gerade aufgezeigter Systematisierung von Fragetypen können Fragen auch hinsichtlich ihrer Antwortvorgaben systematisiert werden: Unterschieden wird dabei zwischen geschlossenen Fragen, bei denen der Befragten aus einer Menge vorgegebener Antwortmöglichkeiten wählt, und offenen Fragen, welche es dem Befragten ermöglichen, vollständig frei Angaben bezüglich der Frage zu machen. Obgleich offene Fragen in ihrer Auswertung durch die Notwendigkeit der Bildung von Auswertungskategorien deutlich aufwändiger sind, das Risiko von Verzerrungen durch den Interviewer bzw. die Auswertung besteht und auch die Artikulationsfähigkeit der Befragten nicht als gegeben angenommen werden kann, bieten offene Fragen einen für diese Ausarbeitung entscheidenden Vorteil:71 Der Befragte ist in der Lage, seine Antwort selbst und frei jeder Vorgaben zu formulieren und wird dabei nicht „in eine bestimmte […] Richtung gelenkt“.72

4.1.1.2. Anwendung im Rahmen der Ausarbeitung

Im Rahmen der Ausarbeitung wird die mündliche Befragung eingesetzt, um potenzielle Einflussfaktoren bei der Händlerauswahl auf B2C-Online-Marktplätzen zu identifizieren.73

Da bereits an die Fragestellung angrenzende wissenschaftliche Erkenntnisse existieren, aus denen ein erstes theoretisches Konstrukt abgeleitet werden kann, wird die mündliche Befragung im Sinne eines problemzentrierten Interviews gestaltet. Hinsichtlich des Gesprächsverlauf wird aufgrund der möglichen Bandbreite der Antworten mittels eines teilweise strukturierten Interviews ein möglichst freier, jedoch gesteuerter Gesprächsverlauf angestrebt, der es dem Interviewer ermöglicht, die Erfahrungen des Befragten einerseits breit zu ergründen und andererseits gezielt durch Rückfragen zu präzisieren.

Da das Ziel der mündlichen Befragung die Identifikation potenzieller Einflussfaktoren ist, also auch über bereits bestehende Erkenntnisse hinaus nach neuen Einflussfaktoren gesucht wird, werden offene Fragen gestellt.74

4.1.2. Die Online-Befragung

4.1.2.1. Beschreibung der Methodik

Die Online-Befragung (im Sinne dieser Ausarbeitung auch „Umfrage“ genannt) ist eine Befragung, bei der die Befragten einen Fragebogen in digitaler Form auf einem Computer, Tablet oder Smartphone erhalten, um diesen eigenständig auszufüllen und anschließend an den Initiator der Online-Befragung unter Nutzung des Internet zurückzusenden.75 In ihrem Ablauf ähnelt die Online-Befragung damit der schriftlichen Befragung, wie sie Barth beschreibt.76 Tatsächlich wird die Online-Befragung häufig als Sonderfall der schriftlichen Befragung zugeordnet und gilt als zeitgemäße Interpretation traditioneller Verfahren der Befragung.77 Aus diesem Grund werden zunächst die Vorteile der schriftlichen Befragung im Allgemeinen und der Online-Befragung im Speziellen angeführt. Anschließend erfolgt die Darstellung der Nachteile nach selbigem Muster.

Abgesehen von den eigentlichen Materialkosten gelten schriftliche Befragungen vor allem als kostengünstiges Verfahren der Datenerhebung.78 Dieser Vorteil wiegt im Falle der Online-Befragung nochmals stärker, da sich die Kosten häufig auf die Kosten der Erstellung und Verbreitung beschränken.79 Darüber hinaus wird einer von mehreren weiteren Vorteilen schriftlicher Befragungen gegenüber mündlichen darin gesehen, durch den Interviewer bedingte Effekte zu vermeiden.80 Dieser Vorteil lässt sich analog auf Online-Befragungen übertragen. Weiterhin als Vorteil schriftlicher und Online-Befragungen sieht Barth die geographische Streuung der befragten Personen und die höhere Qualität der Antworten an.81 Als (exklusive) Vorteile der Online-Befragung sind u.a. die deutlich kürzeren Rücklaufzeiten sowie die Möglichkeiten der computergestützten Erfassung und Auswertung der Antworten zu nennen.82

Als Nachteile, respektive Herausforderungen, gilt bei schriftlichen Befragung gegenüber mündlichen, dass insbesondere die Formulierung der Fragen ein zweifelsfreies Verständnis ermöglichen muss.83 Jene Anforderung stellen auch Schnell et al. bereits im Kontext der mündlichen Befragung.84 Diese Herausforderung wird insbesondere dadurch verstärkt, dass während der Befragung kein Interviewer für etwaige Unklarheiten seitens der Befragten zur Verfügung stehen kann. Dieser Nachteil gilt analog auch für Online-Befragungen, die in der Regel ebenfalls ohne Interviewer ausgefüllt werden. Im Rahmen von Online-Befragungen ist dadurch zusätzlich das Aufkommen von Mehrfachteilnahmen zu vermeiden, da diese die Datenbasis entsprechend verfälschen können. Schlegl macht hierzu auf die technischen Möglichkeiten von Cookies aufmerksam, betont jedoch gleichzeitig auch die datenschutzrechtlichen Herausforderungen bei der Aufzeichnung von Nutzerdaten.85 Als weiterer Nachteil schriftlicher und Online-Befragungen gelten die geringen Rücklaufquoten.86

Aus den zu befürchtenden niedrigen Rücklaufquoten resultiert zunächst die Frage, aus welcher Motivation heraus Befragte an Online-Befragungen teilnehmen, um hieraus mögliche Hebel für höhere Rücklaufquoten ableiten zu können. Menold führt zwei wesentliche Theorien an, um die Teilnahmebereitschaft an Umfragen zu erklären:87 Zum einen ist die Leverage-Salience-Theorie nach Groves, Singer und Corning, nach der das Interesse einer Person am Thema der Umfrage sowie die Kenntnis darüber, dass die Umfrage eben dieses Thema behandelt, auch ihre Teilnahmebereitschaft erhöht zu nennen.88 Zum anderen wird die Austauschtheorie nach Thibaut / Kelley angeführt. Diese besagt, dass das Teilnehmen an einer Umfrage zwar freiwillig geschieht, befragte Personen sich jedoch auch einen subjektiven Nutzen von der Teilnahme versprechen. Liegt dieser subjektive Nutzen über dem subjektiven Aufwand, kommt es zu einer Teilnahme.89 Menold stellt dazu dar, dass der subjektive Nutzen etwa sozialer Natur (z. B. Anerkennung), aber auch ökonomischer Natur (z. B. Entlohnung) sein kann.90

In der Folge sind nach Menold entsprechend der subjektive Nutzen zu erhöhen und die subjektiven Kosten zu verringern. Zur Erhöhung des subjektiven Nutzens wird u. a. genannt, über die Umfrage hinreichend zu informieren, um Unterstützung zu bitten, einen konkreten Nutzen der Umfrage aufzuzeigen und ein Incentive als Belohnung einzusetzen. Zur Verringerung der subjektiven Kosten soll die Online-Befragung v. a. möglichst einfach gestaltet und kurz gefasst sein.91

4.1.2.2. Anwendung im Rahmen der Ausarbeitung

Im Rahmen der Ausarbeitung wird die Online-Befragung eingesetzt, um Daten über die Relevanz der zuvor identifizierten und eingegrenzten Einflussfaktoren bei der Händlerauswahl auf B2C-Online-Marktplätzen zu generieren.92 Die generierten Daten dienen im späteren Verlauf der Ausarbeitung dann der Quantifizierung des Einflusses der Faktoren, um ihre jeweilige Rolle bei der Kaufentscheidung aus Konsumentensicht zu erörtern.

Der Einsatz der Methodik der Online-Befragung soll dabei hinsichtlich der sozio-demographischen Daten der Befragten eine hohe Heterogenität gewährleisten, um entsprechend differenzierte Auswertungen vornehmen zu können. Zusätzlich wird die Online-Befragung auch aufgrund der anzunehmenden, niedrigen Kosten bei der Akquise von Teilnehmer eingesetzt. Die Akquise von Teilnehmern soll dabei vornehmlich über digitale Kanäle, insbesondere über soziale Netzwerke und per E-Mail erfolgen.

Um einer möglichst breiten Masse einen subjektiven Nutzen durch die Teilnahme an der Umfrage vermitteln zu können, wird ein Incentive in Form eines Gewinnspiels für Einkaufsgutscheine eingesetzt.

4.2. Ausgewählte Methoden der multivariaten Analyse

In der qualitativen und quantitativen Forschung ist der Einsatz zweier Methoden der multivariaten Analyse vorgesehen. Mit dem Ziel der Quantifizierung des Einflusses der zuvor identifizierten potenziellen Einflussfaktoren auf das Kaufverhalten von Konsumenten auf B2C-Online-Marktplätzen werden dazu im Folgenden die binäre logistische Regression sowie die multiple Diskriminanzanalyse eingeführt.

Je Methode wird dargestellt,

- für welche Problemstellungen sich diese anwenden lässt,
- wie bei der Durchführung vorgegangen wird
- und wie die jeweilige Methode im Rahmen der Ausarbeitung angewandt wird.

4.2.1. Die binäre logistische Regression

4.2.1.1. Problemstellungen

Die BLR als Methode der multivariaten Analyse findet ihre Anwendung in Fragestellungen, bei denen der Einfluss einer oder mehrerer unabhängiger Variablen auf eine abhängige Variable untersucht werden soll. Charakteristisch für die BLR ist, insbesondere bei der Abgrenzung zur linearen Regressionsanalyse, dabei, dass die abhängige Variable nominalskaliert und dichotom ist, also genau zwei Ausprägungen (z. B. 0 /1, Ja / Nein, Richtig / Falsch, Käufer / Nicht-Käufer) annehmen kann.93 Darüber hinaus wird als Modellprämisse im Gegensatz zur linearen Regression ein nicht-linearer Zusammenhang zwischen der abhängigen und den unabhängigen Variablen unterstellt.94

Diaz-Bone / Künemund beschreiben als typische Problemstellungen für eine BLR solche, bei denen untersucht wird, „wovon das Eintreten eines Ereignisses oder eines Zustandes bei Untersuchungsobjekten […] abhängt“.95 Die BLR untersucht damit den Einfluss der unabhängigen Variablen auf die Wahrscheinlichkeit, mit der ein beobachteter Fall einer bestimmten Ausprägung der abhängigen Variable zuzuordnen ist.96 Für die unabhängigen Variablen gilt im Rahmen der BLR, dass diese kategorial, aber auch metrisch skaliert sein können, wobei kategorial skalierte unabhängige Variablen im Verfahren später in binäre Variablen zerlegt werden.97

Versucht man die lineare Regression mit einer binären Zielvariablen zu nutzen, um eine Aussage über die Eintrittswahrscheinlichkeit zu treffen, führt dieser Weg nicht zum angestrebten Ziel: Backhaus et al. stellen dazu insgesamt drei Gründe dar, aus denen eine entsprechende Interpretation als Wahrscheinlichkeit bei der Nutzung einer linearen Regression nicht sinnvoll erscheint.

Zum einen setzt die lineare Regression „eine die im Intervall [-∞; +∞] streuende kontinuierliche Variable“98 voraus. Eine nominalskalierte, dichotome Variable erfüllt diese Voraussetzung nicht, eine Anwendung der linearen Regression ist also nicht möglich.

Weiterhin gegen die Verwendung der linearen Regression mit einer binären Zielvariablen zur Ableitung der Wahrscheinlichkeit aus dem Regressionskoeffizienten spricht, dass die lineare Regression normalverteilte Residualgrößen voraussetzt, diese im Fall einer nominalskalierten, dichotome Zielvariable mit [0; +1] unmöglich gegeben sein kann, wie Backhaus et al. weiterhin skizzieren.99

Zuletzt ist anzumerken, dass die Anwendung eines linearen Regressionsmodells im genannten Fall weiterhin zu irreführenden Schätzergebnissen führen kann, wenn diese zur Bestimmung der Eintrittswahrscheinlichkeit genutzt werden sollen. Backhaus et al. stellen dazu ein Beispiel auf, bei dem eine lineare Regression für eine nominalskalierte, dichotome Zielvariable verwendet wird, welches Eintrittswahrscheinlichkeiten außerhalb des Intervalls [0; +1] erzeugt.100

Die folgenden Anwendungsbeispiele skizzieren deshalb typische Fragestellungen, wie sie die BLR beantworten kann. Backhaus et al. nennen dazu unter anderem folgende Fälle aus verschiedenen Bereichen:101

- Es soll untersucht werden, welche Faktoren die Sterbewahrscheinlichkeit auf Intensivstationen in Krankenhäusern beeinflussen.
- Die abhängige Variable lautet entweder „lebendig“ oder „verstorben“.
- Als unabhängige Variablen werden insgesamt 21 Variablen untersucht, u.a. Alter, Geschlecht, Krebserkrankung, Blutdruck, Pulsschlag.
- Es soll untersucht werden, welche Faktoren das Gewicht eines Babys bei seiner Geburt beeinflussen.
- Die abhängige Variable lautet entweder „normalgewichtig“ oder „untergewichtig“.
- Als unabhängige Variablen werden u. a. das Alter und das Gewicht der Mutter bei der letzten Menstruation sowie die Anzahl der Arztbesuche in den ersten drei Monaten der Schwangerschaft untersucht.
- Es soll untersucht werden, inwieweit Berufsanfänger mit Hochschulabschluss entsprechend ihrer Ausbildung adäquat beschäftigt werden.
- Die abhängige Variable lautet entweder „ausbildungsadäquate“ oder „nicht ausausbildungsadäquate“ Beschäftigung rund anderthalb Jahre nach dem Abschluss.
- Als unabhängige Variablen werden insgesamt 15 Variablen untersucht, u. a. Geschlecht, Ausbildungsdauer, Wohnstatus, Fachrichtung, Berufsausbildung und Nebenerwerbstätigkeit.

Insgesamt zeigt diese Aufstellung ein breites Anwendungsspektrum der binären logistischen Regression auf.

4.2.1.2. Vorgehensweise

Für die Vorgehensweise zur Anwendung der BLR schlagen Backhaus et al. ein insgesamt fünfstufiges Verfahren vor, welches in der folgenden Abbildung visualisiert wird.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung4: Verfahren zur Anwendung der BLR102

Die Anwendung der BLR beginnt entsprechend mit der Modellformulierung und setzt sich in der Schätzung der logistischen Regressionsfunktion fort. Anschließend werden die einzelnen Regressionskoeffizienten interpretiert, worauf sich die Prüfung des Gesamtmodells anschließt. Die Anwendung der BLR als multivariate Analysemethode schließt mit der Prüfung der Merkmalsvariablen.103

Die Modellformulierung findet auf sachlogischer Ebene statt. Dabei werden etwa auf Basis theoretischer Erkenntnisse sowohl die kategoriale, dichotome Variable als auch die unabhängigen, auf eben diese Variable einwirkenden Variablen bestimmt. Die Erarbeitung eines solchen sachlogischen Modells ist dabei notwendige Voraussetzung für die Anwendung der BLR als struktur-prüfendes Verfahren. Backhaus et al. heben dazu insbesondere hervor, dass bei der Formulierung der dem Modell entsprechend zugrunde liegenden Hypothesen keine linearen Zusammenhänge unterstellt werden können. Ein solcher linearer Zusammenhang würde dem logistischen Charakter der BLR nicht gerecht werden.104

Bei der Schätzung der logistischen Regressionsfunktion, die der BLR im späteren Verlauf zugrunde gelegt wird, sollen die Parameter des Modells geschätzt werden. Ziel ist es dabei, den Einfluss der unabhängigen Variablen so zu quantifizieren, dass diese im Sinne der Likelihood die größte Wahrscheinlichkeit bieten, die beobachteten Daten auf Basis des Modells zu erhalten. Backhaus et al. nennen dazu den Wahrscheinlichkeitssatz für unabhängige Ereignisse, nach dem sich „die Wahrscheinlichkeit des gleichzeitigen Eintretens der [einzelnen] Ereignisse durch Multiplikation der Einzelergebnisse ergibt“.105 Anzuwenden sei dabei etwa der Newton-Raphson-Algorithmus, welcher in einem iterativen Vorgehen die Parameterschätzungen immer wieder anpasst, bis die gewichteten Parameterschätzungen der vorgegebenen unabhängigen Variablen die Werte der abhängigen Variablen bestmöglich wiederspiegeln.106

Im dritten Schritt nehmen Backhaus et al. die Interpretation der Regressionskoeffizienten vor. Problematisch wird dieser Schritt angesehen, da der Zusammenhang zwischen den einzelnen unabhängigen Variablen (Einflussfaktoren) und den Wahrscheinlichkeiten, die über die logistische Funktion im Modell bestimmt wurden, nicht linear ist: Der Einfluss der unabhängigen Variablen auf die abhängige Variable ist zum einen indirekt und zum anderen nicht-linear. Zentral ist dabei die Feststellung, dass diese Umstände dazu führen, dass die einzelnen Regressionskoeffizienten hinsichtlich ihres Einflusses nicht miteinander zu vergleichen sind und weiterhin die Aussagekraft der Regressionskoeffizienten über die Breite der Ausprägungen der unabhängigen Variablen als nicht konstant anzusehen ist. Unmittelbar abzuleiten sei damit lediglich die Richtung des Einflusses, also ein grundsätzlich positiver oder negativer Einfluss der Veränderung einer unabhängigen Variablen auf die abhängige Variable.107

Hilfestellung bei der Interpretation der Regressionskoeffizienten schafft die Berechnung der Chance, für die abhängige Variable anstatt zu erhalten. Diese Chance wird Odds genannt. Das Wahrscheinlichkeitsverhältnis kann mit der folgenden Formel beschrieben werden:

Formel1: Odds der logistischen Regression108

Ein Logarithmieren der Odds führt anschließend zu den Logits, die die aggregierte Einflussstärke einer Variablen widerspiegeln und als Linearkombination der unabhängigen Variablen aufgestellt werden können. Dies ermöglicht eine anschließende zur linearen Regressionsanalyse analoge Interpretation der Odds als Effekt-Koeffizienten. Backhaus et al. skizzieren dazu:

- Eine unabhängige Variable habe den Regressionskoeffizienten.
- Es sei eine Erhöhung der unabhängigen Variable um angenommen.
- Mit wird berechnet, dass die Erhöhung der unabhängigen Variable umdie Odds um den Faktorsteigert.109

Zusammengefasst ergibt sich für die unterschiedlichen Ausprägungen des Regressionskoeffizienten einer unabhängigen Variable:

Abbildung in dieser Leseprobe nicht enthalten

Tabelle2: Einfluss des Regressionskoeffizienten auf die Eintrittswahrscheinlichkeit110

Im vierten Schritt der BLR erfolgt die Prüfung des Gesamtmodells. Dabei soll zum einen untersucht werden, inwieweit die Schätzungen der Parameter das definierte Regressionsmodell abbilden und ob Ausreißer in der Datenbasis vorliegen, die eine Veränderung des Regressionsmodells erforderlich machen.111 Kern dieses Schrittes der Durchführung der BLR sind die Gütemaße für den Regressionssatz, wobei Backhaus et al. hier insgesamt acht verschiedene Gütekriterien aus drei verschiedenen Gruppen unterscheiden, wie die folgende Tabelle aufzeigt.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle3: Zentrale Gütemaße für den Regressionsansatz112

Zur Prüfung der Güte der Anpassung auf Basis der LogLikelihood-Funktion bevorzugen Backhaus et al. den Likelihood Ratio-Test, da dieser im Gegensatz zum -2 LogLikelihood-Wert nicht auf die Devianz setzt, welche in der Literatur als umstritten gilt. Insofern sei der Likelihood Ratio-Test zu bevorzugen.113

Ungeachtet der Tatsache, dass sowohl das R² von Cox und Snell als auch das McFaddens-R² den Maximalwert von 1 praktisch nicht erreichen, eignen sich beide Verfahren zur Beurteilung der Güte des Gesamtmodells, wobei das Nagelkerke-R² vorgezogen wird, da hier der Maximalwert von 1 tatsächlich erreichbar ist, alle Werte über 0,5 jedoch als sehr gut anzusehen seien.114

Zur Beurteilung der Güte der Anpassung können darüber hinaus noch solche Verfahren hinzugezogen werden, die die Ergebnisse der Klassifikation betrachten. Dazu kann im einfachsten Fall der Prozentsatz der richtigen Klassifikationen aus der Klassifizierungstabelle, etwa anhand eines Testdatensatzes, auf dem herausgearbeiteten Modell betrachtet werden. Liegt dieser über 50 Prozent, ist die logistische Regressionsfunktion besser als die maximale Zufallswahrscheinlichkeit. Darüber hinaus sind auch der Hosmer-Lemeshow-Test sowie der Press’s Q-Test zur Beurteilung der Güte der Anpassung möglich.115

Im fünften Schritt erfolgt die Prüfung der Merkmalsvariablen. Hierbei wird die Trennfähigkeit der einzelnen Variablen überprüft, um ein Overfitting des Modells durch zu viele unabhängige Variablen zu vermeiden. Die Prüfung der Merkmalsvariablen kann entweder durch den Likelihood-Quotienten-Test oder durch die Wald-Statistik erfolgen. Beide treffen eine Aussage darüber, ob der Einfluss einer unabhängigen Variable auf die abhängige Variable signifikant ist.116

[...]


1 Der Begriff des „E-Commerce“ wird im Rahmen dieser Ausarbeitung als „die über Telekommunikationsnetzwerke elektronisch realisierte Anbahnung, Aushandlung und Abwicklung von Geschäftstransaktionen zwischen Wirtschaftssubjekten“ (Strauß/Schoder (1999), S. 61-74) verstanden.

2 Der Begriff des „B2C-Handel“ wird im Rahmen dieser Ausarbeitung als Handel zwischen Unternehmen und privaten Konsumenten verstanden, wobei Unternehmen als Anbieter und private Konsumenten als Nachfrager fungieren. (Vgl. Voigt/Landwehr/Zech (2003), S. 9)

3 Vgl. Handelsverband Deutschland – HDE e.V. (2016)

4 Der Begriff „Online-Marktplatz“ wird im Rahmen dieser Ausarbeitung als Plattform im Internet verstanden, auf der Angebot und Nachfrage innerhalb des Handelsraums zusammengebracht werden. (Vgl. Kollmann (2000) S. 124)

5 Vgl. Statista/EHI (2015)

6 Vgl. Nielsen (2014)

7 Vgl. amazon.de (2016a)

8 Vgl. amazon.de (2016b)

9 Vgl. amazon.de (2016c)

10 Vgl. ebay.de (2016a)

11 Vgl. ebay.de (2016b)

12 Vgl. ebay.de (2016c)

13 Vgl. otto.de (2016a)

14 Vgl. otto.de (2016b)

15 Vgl. otto.de (2016c)

16 Vgl. Nielsen (2014), Statista/EHI (2015)

17 Vgl. Merz (2002), S. 23 ff.

18 Vgl. Merz (2002), S. 30

19 Vgl. Akbar / James (2014)

20 Vgl. Merz (2002), S. 98 ff.

21 Vgl. Akbar / James (2014)

22 Vgl. Khalil (2014)

23 Vgl. Boyer / Hult (2005)

24 Vgl. Merz (2002), S. 103

25 Vgl. Khalil (2014)

26 Vgl. Mudambi / Schuff (2010), Chen / Dhanasobhon / Smith (2008)

27 Vgl. Akbar / James (2014)

28 Vgl. Merz (2002), S. 98 f.

29 Vgl. Merz (2002), S. 103

30 Vgl. Chenghuan (2014)

31 Vgl. Carlson et al. (2013)

32 Vgl. Kollmann (2000), S. 124 ff.

33 Modifiziert entnommen aus Kollmann (2000), S. 129

34 Vgl. Schmid / Zbornik (1992)

35 Vgl. Kollmann (2000), S. 125

36 Vgl. Voigt / Landwehr / Zech (2003), S. 120 f.

37 Vgl. Merz (2002), S. 98 f.

38 Vgl. Merz (2002), S. 30, Akbar / James (2014)

39 Modifiziert entnommen aus Teo / Yeong (2003)

40 Modifiziert entnommen aus Teo / Yeong (2003)

41 Vgl. Teo / Yeong (2003)

42 Übersetzung angelehnt an Teo / Yeong (2003) mit Bezug auf Moorthy et al. (1997)

43 Übersetzung angelehnt an Teo / Yeong (2003) mit Bezug auf Beatty / Smith (1987)

44 Übersetzung angelehnt an Teo / Yeong (2003) mit Bezug auf Grewal et al. (1994), Rice (1997)

45 Übersetzung angelehnt an Teo / Yeong (2003) mit Bezug auf Dodds et al. (1991), Zeithaml (1988)

46 Übersetzung angelehnt an Teo / Yeong (2003) mit Bezug auf Della Bitta et al. (1981), Grewal et al. (1998)

47 Vgl. Merz (2002), S. 103

48 Vgl. Chenghuan (2014)

49 Vgl. Khalil (2014)

50 Vgl. Bart et al. (2005)

51 Vgl. Bart et al. (2005)

52 Vgl. Carlson et al. (2013)

53 Vgl. Bart et al. (2005)

54 Vgl. Bart et al. (2005)

55 Vgl. Smith / Brynjolfsson (2001)

56 Vgl. Smith / Brynjolfsson (2001)

57 Vgl. Smith / Brynjolfsson (2001)

58 Im Folgenden: BLR

59 Im Folgenden: MDA

60 Schnell et al. (1999), S. 299

61 Vgl. Schnell et al. (1999), S. 299 ff.

62 Vgl. Egle et al. (2005), S. 6 f.

63 Vgl. Schnell et al. (1999), S. 299 f., Egle et al. (2005), S. 7 f.

64 Vgl. Schnell et al. (1999), S. 299 ff.

65 Vgl. Bortz / Döring (2007), S. 238 ff.

66 Vgl. Schnell et al. (1999), S. 300 ff., Egle et al. (2005), S. 9 ff.

67 Vgl. Egle et al. (2005), S. 18 ff.

68 Vgl. Witzel (2000)

69 Vgl. Egle et al. (2005), S. 22 f.

70 Vgl. Schnell et al. (1999), S. 303 ff.

71 Vgl. Schnell et al. (1999), S. 308 ff.

72 Schnell et al. (1999), S. 309

73 Vgl. Kapitel 5.1.2

74 Vgl. Kapitel 4.1.1.1

75 Vgl. Schlegl (2010), S. 5

76 Vgl. Barth (1998), S. 1

77 Vgl. Schlegl (2010), S. 5 ff.; Diekmann (2007), S. 522; Pannewitz (2002), S. 10

78 Vgl. Menold (2015), S. 1

79 Vgl. Schlegl (2010), S. 7

80 Vgl. Menold (2015), S. 1

81 Vgl. Barth (1998), S. 1

82 Vgl. Schlegl (2010), S. 7

83 Vgl. Barth (1998), S. 2

84 Vgl. Schnell et al. (1999), S. 307 f.

85 Vgl. Schlegl (2010), S. 8

86 Vgl. Barth (1998), S. 2

87 Vgl. Menold (2015), S.2

88 Vgl. Groves et al. (2000)

89 Vgl. Thibaut / Kelley (1959)

90 Vgl. Menold (2015), S. 2 f.

91 Vgl. Menold (2015), S. 3 f.

92 Vgl. Kapitel 5.2.1

93 Vgl. Backhaus et al. (2006), S. 426 f.

94 Vgl. Backhaus et al. (2006), S. 432

95 Diaz-Bone / Künemund (2003), S. 4

96 Vgl. Backhaus et al. (2006), S. 426 f.

97 Vgl. Backhaus et al. (2006), S. 428

98 Backhaus et al. (2006), S. 430

99 Vgl. Backhaus et al. (2006), S. 430

100 Vgl. Backhaus et al. (2006), S. 430

101 Aufstellung angelehnt an Backhaus et al. (2006), S. 427

102 Modifiziert entnommen aus Backhaus et al. (2006), S. 433

103 Vgl. Backhaus et al. (2006), S. 433 ff.

104 Vgl. Backhaus et al. (2006), S. 434 f.

105 Backhaus et al. (2006), S. 437

106 Vgl. Backhaus et al. (2006), S. 436 ff.

107 Vgl. Backhaus et al. (2006), S. 439 ff.

108 Modifiziert entnommen aus Backhaus et al. (2006), S. 442

109 Vgl. Backhaus et al. (2006), S. 439 ff.

110 Modifiziert entnommen aus Backhaus et al. (2006), S. 445

111 Vgl. Backhaus et al. (2006), S. 445

112 Modifiziert entnommen aus Backhaus et al. (2006), S. 456 f.

113 Vgl. Backhaus et al. (2006), S. 445 ff.

114 Vgl. Backhaus et al. (2006), S. 448 ff.

115 Vgl. Backhaus et al. (2006), S. 454 f.

116 Vgl. Backhaus et al. (2006), S. 459 ff.

Fin de l'extrait de 127 pages

Résumé des informations

Titre
Kaufverhalten auf B2C-Online-Marktplätzen. Einflussfaktoren bei der Händlerauswahl
Université
University of Applied Sciences Wedel
Note
2,3
Auteur
Année
2016
Pages
127
N° de catalogue
V542868
ISBN (ebook)
9783346173324
ISBN (Livre)
9783346173331
Langue
allemand
Mots clés
E-Commerce, Marktplätze, Consumer Behavior, Marketplaces, Amazon, Consumer Decision Making Process
Citation du texte
Atilla Wohllebe (Auteur), 2016, Kaufverhalten auf B2C-Online-Marktplätzen. Einflussfaktoren bei der Händlerauswahl, Munich, GRIN Verlag, https://www.grin.com/document/542868

Commentaires

  • Pas encore de commentaires.
Lire l'ebook
Titre: Kaufverhalten auf B2C-Online-Marktplätzen. Einflussfaktoren bei der Händlerauswahl



Télécharger textes

Votre devoir / mémoire:

- Publication en tant qu'eBook et livre
- Honoraires élevés sur les ventes
- Pour vous complètement gratuit - avec ISBN
- Cela dure que 5 minutes
- Chaque œuvre trouve des lecteurs

Devenir un auteur