Wie erfahre ich, wie viel meine Kunden
bereit sind zu zahlen?
Autor: Mag. Holger Sicking, IC
Consulting GmbH
Über den Autor:
|
|
Mag. Holger Sicking Holger
Sicking ist seit 2001 statistischer Leiter bei der IC Consulting GmbH in Wien
und als Dozent an der Fachhochschule Wien tätig. Themenschwerpunkte sind
Preismanagement, Markenbewertung und Produktentwicklung mit spezifischer
Anwendung neuer statistischer Verfahren (u.a. Choice Based Conjoint,
Hierarchical Bayes Schätzmethoden). Wissenschaftliche Veröffentlichungen
finden sich u.a. bei Trommsdorff (Buch Handelsforschung 2005) und im GFK
Jahrbuch 2006.
|
In diesem Artikel stelle ich Ihnen eine Methode vor, mit der es auf sehr valide
Art möglich ist, Preis-Absatz-Funktionen für verschiedene Kundensegmente zu
ermitteln. Die Ergebnisse können neben der allgemeinen Optimierung von Preisen
auch zur Entwicklung von Neuprodukten eingesetzt werden.
Einleitung und Grundbegriffe
Da
der Preis von allen Marketinginstrumenten den größten Hebel zur
Gewinnsteigerung aufweist, lohnt es sich für jedes Unternehmen, sich ausgiebig
mit dem Thema Preispolitik zu beschäftigen.
Beim Thema Pricing eines bestehenden oder neuen Produktes bzw. einer
Dienstleistung rücken 4 Schlagworte in den Mittelpunkt der Betrachtung:
Preis-Absatz-Funktion,
Preissensitivität, Preisdifferenzierung und Preisschwellen.
Die Preis-Absatz-Funktion stellt grafisch den
Zusammenhang zwischen dem Preis und der abgesetzten Menge dar. Idealtypisch ist
ein geradliniger positiver Verlauf: je niedriger der Preis, desto mehr Umsatz.
Die Preissensitivität drückt aus, wie stark
die Kunden auf Preisänderungen reagieren. Eine typische Fragestellung lautet:
Wie viel weniger werde ich umsetzen, wenn ich den Preis um X % steigere?
Preisdifferenzierung: Wenn Kunden
unterschiedlich sensitiv auf den Preis reagieren, kann es Sinn machen, die
Produkte/Dienstleistungen mit unterschiedlichen Preisen anzubieten (indem man
z.B. eine billige Handelsmarke und eine teure Premiummarke anbietet). Es gilt
herauszufinden, welche Kundengruppen ähnlich sensibel auf Preisänderungen
reagieren.
Preisschwellen bezeichnen
psychologische Preisgrenzen von Kunden, bei deren Unterschreiten der Umsatz
sprunghaft ansteigt. Die Kenntnis von Preisschwellen hilft bei der
Preisfestlegung, da die Produkte/Dienstleistungen knapp unterhalb der
jeweiligen Preisschwelle festgelegt werden können.
Voraussetzung
für eine gute Preispolitik ist jedoch Transparenz in allen oben genannten
Punkten. Ich stelle Ihnen in Folge eine Methode vor, die es erlaubt all diese
Punkte auf extrem valide Art zu durchleuchten.
Vorgehensweise der Methodenerklärung
Ich zäume das Pferd von hinten auf und zeige zu Beginn, welche Ergebnisse man
durch die Anwendung der Preiserhebungsmethode bekommt.
Die
gesamte Darstellung orientiert sich am Beispiel von LCD-Fernsehern, die
mittlerweile in jedem MediaMarkt oder Saturn angeboten werden. Die gezeigten
Ergebnisse in den Beispielen dienen der Illustration und sind fiktiv.
Im
zweiten Teil gehe ich dann darauf ein, wie die Ergebnisse zu Stande gekommen
sind und wie genau eine Erhebung abläuft. Es folgt ein Ausblick auf weitere
Anwendungsmöglichkeiten und auf den momentanen Stand der Forschung.
Die Ergebnisse der Preisanalyse
Zentrales
Ergebnis einer solchen Preisanalyse ist ein Simulationstool, welches unter
Excel läuft. Mit Hilfe des Simulationstools kann der Auftraggeber (z.B. Sony)
eigene Simulationen über die Reaktion von Kunden durchführen. Sony könnte z.B.
den Preis eines Sony LCD-TVs in der Simulation senken und beobachten wie die
Konsumenten auf die Preissenkung reagieren.
Steigt
die Bereitschaft zum Kauf durch die Preissenkung? Wie viele Kunden mehr würden
das Produkt durch die Preissenkung kaufen? Von welchen Konkurrenzmarken würde
Sony potenzielle Kunden abwerben?
Abbildung 1: Excel -
Simulationstool für LCD TVs
Hier
ist ein solches typisches Excel-Simulationstool gezeigt. Es sind alle
Produkteigenschaften veränderbar. Jede Änderung der Produkteigenschaften wirkt
sich dann auf das Ergebnis aus. Das Ergebnis ist der so genannte „Share
of Choice“ (letzte Spalte). Er bezeichnet den Prozentsatz von
Konsumenten, die dieses Produkt mit diesen Eigenschaften kaufen würden (gegeben
den sonstigen im Tool definierten Konkurrenzprodukten).
Lesebeispiel: 7,2% der Konsumenten
würden den angegebenen (1. Zeile) LCD-TV von Sony mit 66cm Bilddiagonale zu
einem Preis von 999,- € kaufen. Im Vergleich dazu würden nur 5,0% den Medion
LCD-TV (Zeile 7) bei Aldi kaufen, obwohl dieser größer ist und ein besseres Kontrastverhältnis
hat. 52,5% der Konsumenten würden keines
der (im Tool eingestellten) Produkte kaufen.
Interessant
wird es nun wenn ich die einzelnen Produkteigenschaften verändere und beobachte
wie sich das Kaufverhalten (zu sehen im Share
of Choice) verändert. Da wir uns mit dem Thema Preisen beschäftigten würde
ich also in erster Linie an der Preisschraube drehen. Ich senke den Preis des
Sony LCD-TV auf 899 € und sehe die Reaktion der Konsumenten.
Abbildung 2: Auswirkungen
einer Preisänderung beim 1. Produkt
Als
Auftraggeber würde ich natürlich nicht irgendwelche Produkte miteinander
vergleichen, sondern versuchen das realistische Konkurrenzumfeld zu simulieren.
Ich würde in diesem Beispiel alle Produkte mit den realen Preisen
gegenüberstellen, die bei einem typischen MediaMarkt angeboten werden. Dann
variiere ich im Simulationstool die Preise meines Produktes und analysiere die
Kundenreaktion. Das Ergebnis ist die berühmte Preis-Absatz-Funktion. Das sei an
dieser Stelle für einen Sony LCD-TV dargestellt:
Abbildung 3: Preis-Absatz-Funktion
für ein simuliertes Sony Produkt
Das
tolle an dem Simulationstool ist darüber hinaus, dass sich solche Simulationen
für verschiedene Kundensegmente durchführen lassen. Man kann z.B. analysieren wie
sich die Preiselastizitäten verschiedener Kundengruppen (z.B. männlich versus
weiblich) unterscheiden. Dementsprechend könnte die Werbung,
Distributionspolitik, Preis- und Produktpolitik auf verschieden Zielgruppen
genauer abgestimmt werden.
Weiters
kann man Produkte simulieren, die es noch gar nicht am Markt gibt. Z.B. lassen sich so verschiedene Designvarianten des Sony LCD-TVs abtesten.
Abbildung 4: Konsumenten-Reaktions-Funktion
für verschiedene Designvarianten
Hier
zeigt sich ein weiterer Vorteil der Ergebnisse. Ich bin nicht auf
Preisauswertungen beschränkt, sondern kann auch wichtige Ergebnisse für
Produktentwicklung und Marketingentscheidungen ermitteln. Es lassen sich z.B.
Preisbereitschaften für einzelne Produktmerkmale analysieren. Wenn ich weiß,
dass Kunden bereit sind für das erste Design 120 € mehr auszugeben als für
Design Nr. 4 kann ich dieses bereits bei der Produktentwicklung
berücksichtigen. Lässt sich diese Designalternative zu Kosten produzieren, die
unterhalb der 120 € liegen?
Schließlich
und endlich bekommt man bei einer weitergehenden Analyse der erhobenen Daten
heraus, wie wichtig die einzelnen Produkteigenschaften sind. Nach welchen
Kriterien entscheiden Kunden in erster Linie? Welche Eigenschaften sind von
geringer Bedeutung?
Abbildung 4: relative
Wichtigkeiten der verschiedenen Produkteigenschaften
Wie kommen die Ergebnisse zu Stande?
Natürlich
könnte man den Konsumenten direkt nach der Preisbereitschaft in Bezug auf die
Eigenschaften von Produkten fragen.
Abbildung 5: Direkte
Befragung führt selten zu validen Ergebnissen
Das
Problem einer solchen Vorgehensweise wird rasch ersichtlich. Es gibt meistens
eine Tendenz dazu, die Anforderungen/Wünsche an ein Produkt relativ hoch
anzusetzen, bei der direkten Frage nach der Zahlungsbereitschaft allerdings
möglichst tief zu stapeln. Häufig ist der Hintergrund der Befragung auch recht
schnell zu durchschauen und die Frage nach dem Preis führt zu sozial
erwünschten Antworten. Man stelle sich in einem extremeren Beispiel vor, dass
nach dem Wunschauto gefragt wird. Das ist dann ein neuer 5er BMW mit möglichst
viel PS und geringem Verbrauch. Und bei der Frage nach der Preisbereitschaft
lautet die Antwort: maximal 12.000 Euro. Fazit: Direkte Preiserhebungen führen
selten zu validen Ergebnissen.
Hinzu
kommt, dass Konsumenten im Normalfall nicht Entscheidungen auf Basis einzelner
Eigenschaften machen, sondern ein Produkt als Ganzes bewerten. Dabei ist dann
der Preis ein Charakteristikum. Aus diesem Grund sollten Konsumenten Produkte
auch nur als Ganzes bewerten. Und darüber hinaus nicht separat, sondern immer
als Entscheidungsprozess. Auch in der Realität steht der Konsument vor
Auswahlentscheidungen. Kaufe ich den Marsriegel oder kaufe ich das Snickers? Er
entscheidet sich bei gegebenen Preisen für ein Produkt. Oder der Kunde
verzichtet eben auf den Kauf, weil ihm z.B. der Preis zu hoch erscheint.
Dieses
lässt sich methodisch durch die so genannte Choice Based Conjoint Analyse (CBC)
lösen:
Abbildung 6: Choice Based
Conjoint Befragung
Dem
Respondenten werden verschiedene Produkte zur Auswahl vorgelegt. Er soll sich
für eines (oder keines entscheiden). Insgesamt bekommt jeder Respondent
zwischen 12 bis 16 solcher Auswahlaufgaben präsentiert. In der Praxis geschieht
dieses online oder in persönlicher computergestützter Befragung. Es werden
dabei alle Produkteigenschaften laufend durchvariiert, damit ein möglichst
breites Spektrum abgefragt wird und der Informationsgehalt pro Befragtem hoch
ist. Wichtig ist natürlich, im Vorfeld der Erhebung die wirklich relevanten
Attribute für den Konsumenten zu ermitteln und aufzunehmen. Das wird meist mit
Hilfe von Fokusgruppeninterviews gemacht. Normalerweise sollten beim
Auftraggeber auch schon Sekundärdaten über Faktoren vorliegen, die beim Kunden
eine Rolle spielen.
Der
typische Ablauf einer solchen Conjoint Studie ist somit folgender:
- Die relevanten Eigenschaften und Ausprägungen werden
festgelegt.
- Programmierung des Fragebogens / Conjointteils: im
allgemeinen Fragebogen werden meist auch Fragen nach Markenbekanntheit,
Kaufverhalten und soziodemographische Daten gestellt.
- Die Befragung wird durchgeführt (online oder persönlich
computergestützt bei einer repräsentativen Stichprobe).
- Erhobene Daten werden mittels spezieller
Statistiksoftware ausgewertet (Sawtoothsoftware für Hierarchical Bayes
Nutzenschätzung, bzw. eigenprogrammierte Lösungen).
- Simulationstool wird programmiert, welches auf den
Auswertungsdaten (so genannte Teilnutzenwerte) basiert.
- Mit Hilfe des Tools werden Absatzfunktionen gebildet,
verschiedene Optimierungssimulationen werden durchgeführt, Daten werden
visualisiert.
Bis
vor wenigen Jahren war die Berechnung von Ergebnissen nur auf aggregiertem
Niveau (also über alle Respondenten) möglich. Neue Entwicklungen in den
statistischen Grundlagen machen es für uns möglich, die Ergebnisse (sog.
Teilnutzenwerte) der Choice Based Conjoint Analyse auf individuellem
Respondentenniveau zu berechnen. Dazu werden
Hierarchical Bayes Schätzalgorithmen verwendet. Die Berechnung ist
statistisch anspruchsvoll und auch in Bezug auf reine
Computer-Rechnungsleistung fordernd. Ein schneller Intel-Rechner benötigt
teilweise noch bis zu 24 Stunden für die Ergebnisberechnung.
Viele
Marktforscher verwenden noch immer die Adaptive Conjoint Analyse (ACA) zur
Ermittlung von oben beschriebenen Preisabsatzfunktionen. Bei dieser Methode
werden Auswahlentscheidungen auf einer Skala getroffen, d.h. dass der
Respondent z.B. eine Kaufwahrscheinlichkeit für ein Produkt angeben muss. „Geben
Sie auf einer Skala von 1 bis 100 an wie wahrscheinlich Sie das Produkt kaufen
würden.“
Diese
Methode hat zwei Probleme: Erstens entscheiden Konsumenten in der Realität nicht
auf einer Skala. Entweder wird das Produkt gekauft oder eben nicht.
Zweitens
kommt es bei der ACA systematisch zu verzerrten Ergebnissen, wenn der Preis als
Faktor in die Erhebung aufgenommen wird (siehe dazu: “The ACA Price Effect and
How to Manage It”, www. sawtoothsoftware.com). Der Vorteil der ACA liegt in der
einfachen Berechnung der Teilnutzenwerte. Hier werden die Ergebnisse mittels
Regressionsrechnung (Ordinary Least Square) ermittelt. Meinem Verständnis nach
sollte der Aufwand einer Berechnung aber noch kein Grund für oder gegen eine Methode sein.
An
dieser Stelle ein kurzes Zwischenrésumée:
Die
Untersuchung wurde an Hand von LCD-TVs illustriert. Grundsätzlich ist eine
solche Analyse für jede Produktklasse umsetzbar. Auch im Dienstleistungsbereich
ist eine Implementierung durchaus denkbar. Es macht weiters keinen Unterschied,
ob es sich um ein High- oder Low-Involvementprodukt handelt. Wir haben die
Erhebung erfolgreich für die Telekommunikationsbranche als auch für
Margarinehersteller umgesetzt. Während bei Margarine vielleicht nur Marke,
Preis, Fettgehalt und Verpackungsgröße wichtig sind, geht es im mobilen
Telekombereich um eine Vielzahl von Attributen wie Marke, Grundgebühr,
Minutenpreise in verschiedene Netze, Freiminuten in verschiedene Netze,
Handypreis, Handymodell, SMS/MMS Preis, Aktivierungsgebühr, etc., ect.. Auch
für diesen Fall ist es uns möglich eine Simulationslösung zu präsentieren. Bei
der Erhebung wird dafür mit verschiedenen Modulen gearbeitet, die anschließend
aggregiert werden. Es sind insgesamt 18 verschiedene Eigenschaften eines
Telekommunikationsvertrags einstellbar.
Es
sollte durch die Darstellung der möglichen Ergebnisse und der Vorgangsweise
ersichtlich geworden sein, dass es sich bei der Choice-Based-Conjoint Analyse
mit Hierarchical Bayes Nutzenschätzung um die momentan valideste Methode
handelt, um Preis-Absatz-Funktionen zu ermitteln (wenn man vielleicht von
Data-Mining-Projekten über Scannerkassen im Einzelhandel absieht).
Der
Vorteil liegt vor allem in den Anwendungsmöglichkeiten des Simulationstools.
Auftraggeber können ihre eigenen individualisierten Auswertungen durchführen
und sind nicht auf den kontinuierlichen Input eines Consultants angewiesen. Mit
dem Simulationstool lässt sich das Konkurrenzumfeld darstellen und jede Preis-
oder Produktänderung kann im Vorfeld einer tatsächlichen Änderung abgetestet
werden. Dadurch lässt sich dann im wesentlichen Maße das Risiko von Fehlentscheidungen
reduzieren. Beim Analysieren mit dem Simulationstool bekommt der Anwender
darüber hinaus ein Gefühl für das Kundenverhalten. Reagieren die Telekomkunden
eher auf eine Änderung der Grundgebühr oder ist der Minutenpreis wichtiger? Wie
reagieren die Kunden, wenn ich die monatlichen Freiminuten erhöhe? Etc.
Festzuhalten
bleibt, dass ein Unternehmen einen immensen Wissensvorsprung
(Wettbewerbsvorteil) durch die Nutzung von solchen Analysedaten erlangt. Von
großem Vorteil ist auch die Tatsache, dass die Optimierungsergebnisse bereits
die Empfehlung beinhalten. Bei Kundenzufriedenheitsstudien z.B. müssen die
Ergebnisse noch interpretiert werden. Was sagt es aus, wenn 60% angeben sehr
zufrieden mit dem Service zu sein? Gibt es nun Handlungsbedarf oder nicht?
Bei
einer solchen Preisstudie kann ich direkt sehen, was mir eine Preissenkung um
10% bringt. Die Ergebnisse (falls entsprechend umgesetzt) sind auch im
Nachhinein relativ einfach zu kontrollieren.
Ausblick auf weitere Anwendungsmöglichkeiten und auf die momentane
Forschung
Ich
habe die ganze Zeit über Preisauswertung geschrieben, aber grundsätzlich ist
die Methode natürlich zu sehr viel mehr in der Lage. Es kann ein wichtiges
Instrument zur Entwicklung und Evaluierung von Neuprodukten sein. Ein neues
Produkt kann bereits vor Markteinführung im zukünftigen Konkurrenzumfeld valide
abgetestet werden. In dem Fall geht es dann vor allem um die
Produkteigenschaften, die ich variiere und weniger um den absoluten Preis. So
könnten verschiedene Designvarianten eines neuen Autos durch die Choice Based
Conjoint Analyse zu einem sehr frühen Zeitpunkt in der Zielgruppe abgetestet
werden. Die fotorealistischen Designvarianten für die Befragung können am Computer
über CAD erstellt werden.
Darüber
hinaus kann die Analyse sehr viele wichtige Hinweise für das Marketing generell
liefern, wenn man sich die Teilergebnisse für verschiedene Zielgruppen
anschaut. Es lässt sich dann z.B. sehen, inwiefern sich die Einstellungen
zwischen Männern und Frauen in Bezug auf das Produkt unterscheiden. Gehören die
Männer eher in die Gruppe der Preissensitiven und Frauen zu den Markenfans?
Solche Ergebnisse können z.B. wichtig für Werbestrategien sein.
Ich
bekomme weiters auch ein Gefühl für die Stärke meiner Marke, wenn die
Konkurrenzmarken mit in die Erhebung aufgenommen werden. Ich könnte wie gesehen
ermitteln, wie viel mehr ein Konsument bereit ist für einen Sony Fernseher im
Vergleich zu einem identischen Toshiba Modell zu zahlen. Das ließe sich durch
direkte Fragen niemals valide erforschen.
Die
jetzige Standardsoftware-Lösung des Anbieters Sawtooth-Software ist bereits ein
sehr leistungsstarkes Tool, aber häufig sind die Lösungsansprüche des
Auftraggebers höher als die Leistungsfähigkeit solcher Standardsoftware. Wir
setzen deshalb in zunehmendem Maße eigenprogrammierte Erweiterungen ein, die
einen großen Mehrwert für den Kunden schaffen können:
1.
Es können Promotionaktionen des Handels bei der Erhebung mitsimuliert werden.
Bestimmte Produkte bekommen ein Label „In Aktion“ und werden zu reduzierten
Preisen angeboten.
2.
Multipacks werden mit abgefragt (z.B. 3-Pack oder 6-Pack Angebote bei Getränken).
4.
Neben der Auswahlentscheidung können in jeder
Conjointaufgabe auch die Kaufmenge und Kaufhäufigkeit mit abgefragt werden (Wie
viel von diesem Produkt würden Sie kaufen? Wie häufig pro Monat würden Sie es
kaufen?).
3.
Reale Marktdaten (Umsatzzahlen in Stück und Wert) können in das Simulationstool
integriert werden. Dadurch lassen sich dann Marktänderungen in wirklichen
Umsatzrelationen nachvollziehen. Dazu bedarf es natürlich im Einzelfall der
Kooperation mit Datenanbietern wie ACNielsen.
4. Die variablen und fixen Kosten lassen sich in
die Simulation integrieren. Dieses ist vielleicht der wichtigste
Entwicklungsschritt. Durch die Einbeziehung von Kosten (auch von z.B.
sprungfixen Kosten) lassen sich die Simulationen mit dem Ziel der
Gewinnoptimierung durchführen. Ich kann dann für einzelne Produkte Gewinnkurven
darstellen und Gewinnmaxima berechnen. Auswertungstechnisch ist dieses ein
Quantensprung.
In
diesen vier oben genannten Punkten besteht zum jetzigen Zeitpunkt noch
erheblicher Forschungsbedarf. Es gibt in diesem speziellen Bereich fast keine
wissenschaftliche Literatur.
Zusammenfassung
Die wenigsten Unternehmen kennen die genauen Preis-Absatz-Funktionen ihrer
Produkte oder Dienstleistungen. Dabei gibt es durch die Choice Based Conjoint
Analyse eine sehr valide Methode, um die Preis-Absatz-Funktion für nahezu jedes
Produkt zu ermitteln. Unserer Erfahrung nach stellt sich der Return on
Investment für ein solches Marktforschungsprojekt zur Gestaltung der Preise
bereits nach vier bis fünf Monaten ein.
Ich
hoffe ich konnte darüber hinaus deutlich machen in welche Richtung sich die
Marktforschung in diesem Bereich entwickelt. Es geht nicht um die Anwendung von
Standardlösungen, weil es in den meisten Fällen auch keine Standardprobleme
gibt. Oftmals werden offensichtlich methodische Softwarebarrieren gesetzt.
Diese lassen sich häufig durch die Programmierung individueller Lösungen und
den Einsatz von einer Portion Grips überwinden. Das sollte unter dem Punkt
„Ausblick auf weitere Anwendungsmöglichkeiten“ deutlich geworden sein.
Die
IC Consulting GmbH unterstützt Sie bei der optimierten Festlegung Ihrer Preise.
Kontaktieren Sie mich, wenn Sie konkrete Informationen über Einsatz der Choice
Based Conjoint Analyse in Ihrem Unternehmen haben möchten!
In der nächsten Newsletter-Ausgabe von markt-studie.de werde ich aufzeigen, wie man gute Marktforschung
von schlechter Marktforschung zu unterscheiden lernt.
Sollten Sie weitere Fragen zu diesem Artikel haben bzw. sich für ein Angebot interessieren, kontaktieren Sie bitte:
info@markt-studie.de
Wir stellen dann gerne den direkten Kontakt mit Ihrem Ansprechpartner her.
