Abbildungsverzeichnis
Tabellenverzeichnis
1 Einleitung
2 Grundlagen
2.1 Empfehlungssysteme
2.2 Typologisierung von Kaufentscheidungen
2.3 Heuristiken
3 Kundenverhalten im Internet
3.1 Auswirkungen des Internets auf das Kundenverhalten
3.2 Auswirkungen von Empfehlungssystemen auf
Kaufentscheidungen
3.3 Gefahr von heuristischen Effekten
4 Empirische Analyse des Auftretens von Heuristiken in Empfehlungssystemen
4.1 Methode
4.1.1 Untersuchungsdesign
4.1.2 Instrumente und Messgeräte
4.1.3 Stichprobenkonstruktion
4.1.4 Untersuchungsdurchführung
4.2 Ergebnisse
4.2.1 Stichprobenbeschreibung
4.2.2 Datenanalyse
4.2.3 Auftreten und Moderatorvariablen der Repräsentativitätsheuristik
4.2.4 Auftreten und Moderatorvariablen der Verfügbarkeitsheuristik
4.2.5 Ergebnisse des Kundenverhaltens bei Produktbewertungen
5 Übertragung der empirischen Ergebnisse auf die Kaufentscheidungstypen
5.1 Auswirkungen der Heuristiken auf Kaufentscheidungen
5.2 Rolle der Moderatorvariablen und Verbesserungsmaßnahmen
6 Fazit
Literaturverzeichnis
Anhang 1: Weitere Typologisierungen von Kaufentscheidungen
Anhang 2: Darstellungen des informationsökonomischen Dreiecks
Anhang 3: Eigene Darstellung des Konstruktes
Anhang 4: Überblick über die Bandbreite der Heuristiken
Anhang 5: Übersicht Heuristiken
Anhang 6: Erläuterung Methode Kapitel 3
Anhang 7: Definitionen E-Commerce
Anhang 8: Studien zum Nachweis von Heuristiken
Anhang 9: Empfehlungslisten
Anhang 10: Übersicht Datenbereinigung und Ergebnisse
Anhang 11: Übersicht des Auftretens aller Heuristiken
Anhang 12: Beispiel Kreuztabelle
Anhang 13: Beispiel Auswertung Moderatorvariablen
Anhang 14: Übersicht der Moderatorvariablen
Abb. 2-1: Einordnung des Forschungsbereiches
Abb. 2-2: Schalenmodell des Käuferverhaltens
Abb. 2-3: Informationsökonomisches Dreieck
Abb. 3-1: Einfluss des Internets
Abb. 3-2: Einfluss von Empfehlungssystemen
Abb. 4-1: Untersuchungsdesign Repräsentativitätsheuristik
Abb. 4-2: Untersuchungsdesign Verfügbarkeitsheuristik
Abb. 4-3: Grundgesamtheit
Abb. 4-4: Zeitlicher Ablauf der Untersuchungsdurchführung
Abb. 4-5: Feldbericht der Untersuchung
Abb. 4-6: Altersverteilung 27 Abb. 4-7: Geschlechterverteilung
Abb. 4-8: Schulabschlussverteilung
Abb. 4-9: Verteilung des Beschäftigungsstatus
Abb. 4-10: Verteilung des HH-Nettomonatseinkommens
Abb. 4-11: Ablauf der Datenverarbeitung
Abb. 4-12: Ergebnis Repräsentativitätsheuristik ohne Verbesserung
Abb. 4-13: Ergebnis Repräsentativitätsheuristik mit Verbesserung
Abb. 4-14: Ergebnis Verfügbarkeitsheuristik
Abb. 4-15 Ergebnisse der bewerteten Produkte nach Produktkategorien
Abb. 5-1: Auswirkungen der Repräsentativitäts- und Verankerungsheuristik
Abb. 5-2: Auswirkungen der Verfügbarkeitsheuristik
Abb. 5-3: Lage der Gefährdungsregionen der Heuristiken
Abb. 5-4: Einfluss der Verbesserungsmaßnahmen
Tab. 2-1: Kategorisierung von Leistungseigenschaften aus informationsökonomischer Sicht
Die Nutzung des Internets erlangt in der Informationsphase des Kaufentscheidungsprozesses eine immer größer werdende Bedeutung. Die Konsumenten können auf weitaus mehr Informationen zugreifen als in den traditionellen Märkten. Dadurch kann die Unsicherheit über die Produktqualität vor dem Kaufabschluss deutlich reduziert werden. Das Phänomen des Information-Overload stellt dabei allerdings eine entgegengesetzte Wirkung dar. Der Einsatz von Empfehlungssystemen soll helfen, dem Nutzer die Informationen besser zugänglich zu machen.
Da der Mensch keine rein rationalen Entscheidungen trifft, können Effekte auftreten, die ihn zu einer falschen Entscheidung kommen lassen. Ziel dieser Arbeit ist es, zu überprüfen, wie verschiedene heuristische Effekte, die in Empfehlungssystemen auftreten, unterschiedliche Kaufentscheidungstypen beeinflussen. Um diese Kernfrage zu beantworten, bedarf es zunächst der Klärung, welche Typologisierung für eine Analyse der Kaufentscheidungen im Internet sinnvoll ist. Weiterhin muss analysiert werden, ob heuristische Effekte in Empfehlungssystemen vorkommen, durch welche Aspekte diese beeinflusst werden und zu welchen Auswirkungen sie führen.
Dieser Arbeit vorausgegangen sind bereits zwei Seminararbeiten[1], in denen zum einen das Auftreten von heuristischen Effekten in Empfehlungssystemen auf theoretischer Basis untersucht und zum anderen eine empirische Erhebung konstruiert und durchgeführt wurde.
Um nun die o. g. Fragen zu beantworten, werden in der vorliegenden Arbeit zunächst die drei grundlegenden Theoriesäulen Empfehlungssysteme, Kaufentscheidungstypologisierung und Heuristiken einzeln beschrieben. Weiterhin erfolgt eine Auswahl des Typologisierungsansatzes. Im Anschluss wird mittels Literaturanalyse festgestellt, welche Auswirkungen die Nutzung des Internets und der Empfehlungssysteme auf die Kaufentscheidungen hat. Im dritten Teil der Arbeit folgt die Auswertung der empirischen Untersuchung mit der Beantwortung der Fragen nach dem Auftreten und den Moderatorvariablen der Heuristiken in Empfehlungssystemen. Die Übertragung dieser Ergebnisse auf die Kaufentscheidungstypologisierung wird im letzten Abschnitt der Arbeit vorgenommen, welcher auch die Beantwortung der Kernfrage enthält.
In diesem Kapitel werden die drei für diese Arbeit grundlegenden Theoriekonstrukte erklärt. Es erfolgen die notwendigen Definitionen und eine Vermittlung des Basiswissens der in dieser Arbeit zusammengefügten Forschungsbereiche.
Die erste der drei Theorie-Säulen ist die der Empfehlungssysteme. Der Begriff „Empfehlungssysteme“ ist hier für internetbasierte Systeme zu verstehen, die für den Konsumenten[2] Empfehlungen generieren, um ihn bei der Auswahl von Produkten und Dienstleistungen oder bei der Suche passender und nützlicher Informationen zu unterstützen und ihm so die (Kauf-) Entscheidung zu erleichtern.[3]
Die Suche nach Produktinformationen ist ein elementarer Bestandteil der Kaufentscheidung in privaten Haushalten, was die Bedeutung der Informationsphase im Kaufprozess zeigt.[4] Nach allgemeinen Schätzungen werden nur ein bis zwei Prozent aller durch Massenmedien verbreiteter Informationen genutzt.[5] Insbesondere das Internet, in welchem Daten zu jedem Augenblick und in unbegrenztem Umfang vorhanden zu sein scheinen, spielt dabei eine große Rolle.[6] Es ist daher für den Konsumenten besonders wichtig, dass geeignete Filteralgorithmen die Informationsflut bewältigen. Mit Hilfe entsprechender Systeme kann das Phänomen des „Information Overload“ vermindert werden.[7] Dafür existieren in elektronischen Märkten neben den elektronischen Marktplätzen und elektronischen Handelssystemen auch spezielle Marktunterstützungssysteme[8], wie z. B. spezielle Portale, Suchmaschinen oder Preisagenturen.[9] Solche Empfehlungssysteme helfen den Usern, die von ihnen gewünschten Objekte oder Informationen zu finden,[10] was durch eine Sortierung der vorhandenen Datenmenge und Erstellung einer Empfehlung oder Empfehlungsliste erfolgt. Basis für die Empfehlungsauswahl können z. B. demografische Nutzerdaten oder angelegte Userprofile bzw. deren Übereinstimmung mit anderen Profilen oder auch einfache Regeln sein.[11]
Je nach Adaptivität des einzelnen Empfehlungssystems kann nach dem Grad der Personalisierung einer Empfehlung unterschieden werden. In der Literatur findet sich eine Dreiteilung der Adaptivität: nicht-personalisierte, teils personalisierte und vollständig personalisierte Empfehlungen.[12] Besonders interessant im Rahmen dieser Arbeit sind die personalisierten Empfehlungssysteme in denen speziell für den einzelnen Nutzer IT-individualisierte Leistungen gestellt werden, die abhängig von Profil-, Verhaltens- oder sonstigen Situationsdaten des Nutzers sind.[13]
Weiterhin werden Empfehlungssysteme nach Art der Informationsbereitstellung unterschieden.[14] Hier ist entscheidend, ob die Empfehlungen dem Nutzer unaufgefordert (Push-Prinzip)[15], nach dem Kauf eines bestimmten Produktes (Passiv-Prinzip)[16] oder nur bei Anforderung durch den Nutzer (Pull-Prinzip)[17] gegeben werden. Das Pull-Prinzip spielt bei den in dieser Arbeit betrachteten Empfehlungssystemen die größte Rolle, da die im empirischen Teil überprüften Systeme dieser Art angehören. Passive und auch Push-Empfehlungssysteme setzen eher auf impulsive Kaufentscheidungen, bei denen sich die Informationsphase anders gestaltet als bei den in dieser Arbeit untersuchten Kaufentscheidungen.[18] Dementsprechend finden auch nur Empfehlungssysteme Eingang in diese Arbeit, bei denen eine explizite Datenerhebung erfolgt, in welchen der Nutzer dazu aufgefordert wird, Angaben über sich und seine Präferenzen zu machen.[19] Er kann also selbst entscheiden, welche seiner Daten verarbeitet werden[20] und interagiert wissentlich mit dem System, um eine Empfehlung für Objekte oder spezielle Informationen zu erhalten.[21]
Im Folgenden wird der Forschungsbereich der Kaufentscheidungen definiert und eingeordnet. Es erfolgt eine Vorstellung mehrerer Typologisierungsmöglichkeiten sowie eine Auswahl und Begründung, welche dieser Kategorisierungen im weiteren Verlauf der Arbeit Berücksichtigung findet.
Der Forschungsbereich der Kaufentscheidungen ist ein Teil der Konsumentenforschung, die das Verhalten der Konsumenten untersucht.[22] In der Literatur wird die Konsumentenforschung in das Konsumentenverhalten im engeren und weiteren Sinn unterschieden, wobei das Konsumentenverhalten im engeren Sinn direkt das Verhalten der Menschen bei Kauf und Konsum von wirtschaftlichen Gütern bezeichnet.[23] Im weiteren Begriffsverständnis definiert sich der Konsument als Letztverbraucher aller materiellen und immateriellen Güter. Hierzu zählen dann auch z. B. Wähler oder Kirchgänger.[24] Im Rahmen dieser Arbeit wird das Konsumentenverhalten im weiteren Sinn nicht näher betrachtet sondern vielmehr der Kaufentscheidungsprozess in den Mittelpunkt gerückt.
Abbildung in dieser Leseprobe nicht enthalten
Abb. 2-1: Einordnung des Forschungsbereiches[25]
Auch auf der Ebene der Kaufentscheidungsprozesse – als Teilgebiet der Konsumentenforschung im engeren Sinn – kann eine Aufteilung in den engeren und den weiteren Sinn vorgenommen werden. Die Kaufentscheidung im weiteren Sinn behandelt dabei neben dem reinen Kaufentschlusses (Kaufentscheidung im engeren Sinn) den gesamten Kaufentscheidungsprozess (also z. B. auch die Produktwahrnehmung, die Informationssuche etc.).[26]
Im Rahmen dieser Arbeit spielt der Gesamtprozess der Entscheidungsfindung eine Rolle. Die Arbeit hält sich also an die Definition der Kaufentscheidung im weiten Sinn.
In der Betriebswirtschaftslehre wurde in der Vergangenheit durch die klassische Entscheidungstheorie[27] oft das Modell des homo-oeconomicus als Entscheider mit optimaler Rationalität vorausgesetzt.[28] Mit Einzug der Psychologie in die Betrachtung des Konsumentenverhaltens zeigte sich, dass der Käufer bei realen Kaufentscheidungen kaum rational handelt[29] und „anderen Gesetzmäßigkeiten als denen der Logik des homo-oeconomicus folgt.“[30] Insbesondere Aspekte der Unsicherheit und Information in Marktprozessen führen zu einer Abkehr von diesem Modell.[31] Die Realitätsferne ist ursächlich für eine verhaltenswissenschaftliche Ausrichtung des Forschungsgebietes.[32]
Es wirken sehr viele Faktoren auf die Kaufentscheidung ein.[33] Ein Ansatz zur Darstellung der Komplexität der Einflussfaktoren ist in Abbildung 2-2 dargestellt.
Abbildung in dieser Leseprobe nicht enthalten
Abb. 2-2: Schalenmodell des Käuferverhaltens[34]
Um den Kaufentscheidungsprozess analysieren zu können, muss diese Komplexität reduziert werden.[35] Üblich ist daher eine Typologisierung der Kaufentscheidungsprozesse. „Typen des Kaufentscheidungsprozesses lassen sich auf Grund 1. Der Käuferkategorien, 2. Der Produktkategorien und 3. der Intensität des Denkens bei der Kaufentscheidung bilden.“[36]
Im Folgenden wird nur der in dieser Arbeit weiter verfolgte Typologisierungsansatz nach Produktkategorien betrachtet. Die Typologisierungen nach der Intensität des Denkens und nach Käuferkategorien werden in Anhang 1 erläutert. Dort erfolgt auch jeweils eine Begründung, warum diese Ansätze für diese Arbeit nicht ausgewählt wurden.
Typologisierung nach Produktkategorien
Die Typologisierung der Kaufentscheidungen nach Produktkategorien orientiert sich an den Eigenschaften eines Produktes bzw. einer Dienstleistung, über welche entschieden werden soll. Diese Gütertypologisierung wird aktuell meist aus Sicht der informationsökonomischen Eigenschaftstypologie betrachtet.[37] Der Kern des informationsökonomischen Ansatzes ist die Bewältigung von marktbezogenen Informations- und Unsicherheitsproblemen.[38]
Die Informationsökonomie ist u. a. neben der Transaktionskostentheorie, der Property-Rights-Theorie und der Prinzipal-Agenten-Theorie[39] Bestandteil der neuen Institutionenökonomie[40], welche immer mehr an Bedeutung und Zuspruch gewinnt.[41] Im Zusammenspiel der Prinzipal-Agent-Theorie und der Informationsökonomie werden vorliegende Informationsasymmetrien systematisiert und dann eine informationsökonomisch begründete Typologie von Kaufentscheidungsprozessen ermöglicht.[42] Hauptdimension ist dabei die Möglichkeit der Qualitätsbeurteilung,[43] wodurch auf drei Eigenschaftstypen der Austauschbeziehungen geschlossen werden kann:[44]
1. Sucheigenschaft
2. Erfahrungseigenschaft
3. Vertrauenseigenschaft
Die Tabelle 2-1 verdeutlicht die Zuordnung der Eigenschaften je nach Möglichkeit der Qualitätsbeurteilung.
Bei der Sucheigenschaft können die Leistungseigenschaften der jeweiligen Produkte vom Nachfrager durch entsprechende Informationssuche bereits vor dem Kauf selbstständig beurteilt werden.[45] Hier spielt die Frage eine Rolle, wann ein Ergebnis der Suche nach Informationen dem Anspruchsniveau des Nachfragers entspricht.[46]
Bei der Erfahrungseigenschaft erfolgt die Eigenschaftsbeurteilung auf Basis bekannter Fakten, die nicht direkt das zu kaufende Produkt betreffen, sondern vielmehr von vorangegangenen Käufen übertragen werden.[47] Die Qualitätsfeststellung erfolgt also meist erst nachdem die Kaufentscheidung getroffen und das Produkt gekauft oder konsumiert wurde.[48]
Abbildung in dieser Leseprobe nicht enthalten
Tab. 2-1: Kategorisierung von Leistungseigenschaften aus informationsökonomischer Sicht[49]
Die Vertrauenseigenschaft beinhaltet, dass die Qualität weder vor noch nach dem Kauf vom Kunden vollständig beurteilt werden kann,[50] da er nicht über die Zeit oder das Fachwissen für die erforderliche Prüfung verfügt.[51] Vielmehr vertraut der Konsument auf Fremderfahrungen oder entsprechende Surrogatsinformationen[52], sofern diese vorliegen.[53]
Bei der Typologisierung ist zu beachten, dass die Zuordnung des Kaufentscheidungsprozesses jeweils abhängig von den subjektiven Wahrnehmungen[54] des Konsumenten ist.[55] Die einzelnen Eigenschaften sind als komplementär zu betrachten und treten alle bei jeder Kaufentscheidung in unterschiedlich starker Ausprägung auf.[56] Diese Komplementarität ermöglicht eine Darstellung der Eigenschaften in einem dreidimensionalen Raum – dem so genannten informationsökonomischen Dreieck (siehe Abbildung 2-3).[57]
Abbildung in dieser Leseprobe nicht enthalten
Abb. 2-3: Informationsökonomisches Dreieck[58]
Wie bereits erwähnt, ist eine konkrete Zuordnung einzelner Produkte in diesen dreidimensionalen Raum auf Grund der subjektiven Abhängigkeit des Konsumenten schwierig. In der Literatur wurden jedoch beispielhaft Typologisierungen vorgenommen[59], wie z. B. bei Meffert (siehe Anhang 2).
Auch Weiber und Adler haben mittels einer empirischen Studie eine Einordnung unterschiedlicher Produktkategorien in die drei Kaufentscheidungsarten vorgenommen. Hierbei wurden die Dimensionen der Möglichkeit der Qualitätsbeurteilung angesetzt (siehe Anhang 2). In der Grafik können drei Cluster identifiziert werden, welche verdeutlichen, dass es keine reinen Arten von Such-, Erfahrungs- oder Vertrauenskäufen gibt. Die Grenzen zwischen den einzelnen Typen sind fließend und nicht scharf abgegrenzt, eine grobe Zuordnung ist aber durchaus möglich.[60]
Der Vorteil dieser Typologisierung liegt darin, dass ein hoher Aussagewert über das vom Konsumenten wahrgenommene Kaufrisiko dargestellt wird.[61] Im Rahmen dieser Arbeit wird das Konzept des informationsökonomischen Dreiecks zur Analyse des Kaufentscheidungsverhaltens im Internet, bei Nutzung von Empfehlungssystemen und zur Betrachtung der heuristischen Effekte herangezogen. Die grafische Darstellung wird dabei zum besseren Verständnis in einem zweidimensionalen Dreieck erfolgen (siehe Erläuterungen in Anhang 3).
Im folgenden Kapitel wird der Begriff der Heuristiken vorgestellt, wie er in der vorliegenden Arbeit verwendet wird. Die betrachteten Arten von Heuristiken werden einzeln beschrieben.
Grundsätzliche Problematik der menschlichen Informationsverarbeitung ist die Beschränkung der kognitiven Fähigkeiten, die es dem Menschen nicht ermöglicht alle zur Verfügung stehenden Informationen in angemessener Zeit in eine Entscheidung mit einzubeziehen.[62] Um trotzdem komplexe Sachverhalte analysieren und Entscheidungen effektiv treffen zu können, wenden die Menschen – meist unbewusst – Regeln an, die es ermöglichen, Informationen entsprechend zu filtern, um zu einem Ergebnis zu kommen.[63] Diese Regeln werden als Heuristiken oder heuristische Verfahren bezeichnet.[64]
Die Anwendung der Heuristiken erleichtert den Urteilsprozess. Jedoch besteht auch die Gefahr, dass wichtige Informationen durch die unbewusste Anwendung der Regeln[65] im Entscheidungsprozess nicht beachtet werden und es zu Fehleinschätzungen[66] und ggf. nicht-optimalen Lösungen kommt.[67] Um das menschliche (Entscheidungs-) Verhalten verstehen zu können, spielt die Identifikation der Regeln und der daraus resultierenden Fehleinschätzungen eine wichtige Rolle.
Es existiert eine Vielzahl von Heuristiken, die entweder in Gruppen zusammengefasst oder einzeln sehr detailliert definiert werden können. Wie umfangreich die einzelne Darstellung werden kann, ist in Anhang 4 ersichtlich. Hier haben Shah und Oppenheimer in ihrem Beitrag „Heuristics Made Easy: An Effort-Reduction Framework” versucht, einen Überblick über die Vielzahl der Heuristiken zu geben. Eine solch detaillierte Betrachtung ist im Rahmen dieser Arbeit nicht möglich.[68] Es muss also eine Einschränkung bzw. Gruppierung erfolgen. Die vorliegende Arbeit wird sich daher an der grundlegenden Kategorisierung von Tversky und Kahneman aus dem Beginn der 1970er Jahre orientieren.[69] Ihre Dreiteilung der Heuristiken[70] in
1. die Repräsentativitätsheuristik
2. die Verfügbarkeitsheuristik
3. die Verankerungsheuristik
wird in der Literatur immer wieder aufgegriffen und dient bei vielen Untersuchungen als Basis.[71] Im Folgenden werden die einzelnen Kategorien erläutert. Eine tabellarische Darstellung dieser drei Heuristiken ist in Anhang 5 zu finden.
Repräsentativitätsheuristik
„Repräsentativität meint die Übereinstimmung zwischen Prototyp und Element und das entsprechende Urteil darüber, ob ein Element der Kategorie des Prototyps angehört oder nicht.“[72] In einer Entscheidungs- oder Beurteilungssituation wird von der jeweiligen Person also nach Übereinstimmungen der regelnden Faktoren[73] und der wesentlichen Parameter[74] gesucht. Vereinfacht ausgedrückt: Wie ist der Zusammenhang von Objekt (A) zu einer Objektklasse (B)?[75] oder: Gehört die Stichprobe zu der Grundgesamtheit?[76].
Das Auftreten der Repräsentativitätsheuristik zeigt sich durch den Effekt, dass Prototypen oder Stichproben fälschlicherweise als repräsentativ eingeschätzt werden und dadurch suboptimale Entscheidungen getroffen werden.[77] Dies ist dann der Fall, wenn die Entscheider die Wahrscheinlichkeiten von Ereignissen falsch beurteilen oder die Stichprobengröße nicht beachten.[78]
Untersucht wurde die Repräsentativitätsheuristik von Tversky und Kahneman 1971 in mehreren Experimenten. Exemplarisch hierfür ist ein Experiment zur Schätzung des Intelligenzquotienten (IQ). Vorgegeben wurde die Information, dass der durchschnittliche IQ bei 100 liegt. Darüber hinaus wurden die Probanden informiert, dass eine Stichprobe mit einer Grundgesamtheit von n=50 Personen erfolgt sowie, dass die erste Person einen IQ von 150 aufweist. Die Einschätzung der Probanten ergab, dass der durchschnittliche IQ der Gesamtstichprobe bei 100 liegen würde. Korrekt wäre allerdings 101, da ein Ausreißer mit einem IQ von 150 den Mittelwert entsprechend verändern würde. Es wurde aus einer kleinen Menge an Informationen auf die Grundgesamtheit geschlossen, was zu fehlerhaften Schlussfolgerungen führte.[79]
Wichtig zu beachten ist, dass die Repräsentativitätsheuristik zu Fehlern im Entscheidungsprozess führen kann, aber nicht muss. Lässt der Entscheider z. B. durch eine Detaildominanz (z. B. das Einzelmerkmal Preis) andere Aspekte außer Acht, so kann trotzdem eine korrekte Entscheidung erfolgen, obwohl die Repräsentativitätsheuristik aufgetreten ist.[80]
Verfügbarkeitsheuristik
Die Möglichkeit des Abrufens von Faktoren für eine Wahrscheinlichkeitsschätzung wird häufig durch momentane Stimmungen beeinflusst. So gibt eine Arbeitszufriedenheitsbefragung z. B. oftmals nur eine aktuelle Stimmungsaufnahme ohne Berücksichtigung der Vergangenheits- oder Zukunftsindizes wieder.[81] Dieser Effekt ist auf die Verfügbarkeitsheuristik zurückzuführen.
Die Verfügbarkeitsheuristik zeigt sich darin, dass die subjektive Wahrscheinlichkeit für ein Ereignis umso höher eingeschätzt wird, je leichter oder schneller man in der Lage ist, sich Beispiele für das jeweilige Ereignis bzw. für das jeweilige Resultat der Entscheidung vorzustellen oder in Erinnerung zu rufen.[82] Dies ist der Fall, wenn sie im Arbeitsgedächtnis schon voraktiviert[83], einfach aus dem Langzeitgedächtnis abrufbar oder leicht im Arbeitsgedächtnis konstruierbar sind.[84] Hierbei kann es zu einer Verzerrung durch das Vorstellungsvermögen einer Person bzw. eines Entscheiders kommen.[85]
Die Leichtigkeit der Generierungen von Ereignissen im Gedächtnis ist abhängig davon, wie oft ein Stimulus auftritt.[86] Je häufiger dies der Fall ist, desto eher wird das Ereignis abgespeichert und umso leichter ist es auch wieder abrufbar.[87]
Ein Beispiel für die Verfügbarkeitsheuristik ist die Wirkung von Marken. Hier werden Images[88] vermittelt, die im Gedächtnis leicht abrufbar sind. Somit fällt z. B. die Kaufentscheidung oftmals eher auf ein Markenprodukt, wobei die Marke als Schlüsselreiz wirkt, als auf ein gleich- oder höherwertiges No-Name-Produkt.[89]
Verankerungsheuristik
Die Gefahr, die der Verankerungsheuristik zu Grunde liegt, ist die unvollständige oder nicht korrekte Gewichtung der vorliegenden Informationen.[90] Die vorhandenen – evtl. veralteten – Informationen werden herangezogen, um eine Schätzung oder Entscheidung herbeizuführen,[91] während neuere Informationen ganz oder teilweise ignoriert werden.[92] Aus dieser nicht erbrachten Anpassung im Entscheidungsprozess können Fehlentscheidungen resultieren.[93] Ebenso kann aus einem übergewichteten Startwert (Anker) eine Fehleinschätzung entstehen, die dann zu nahe an dem Ankerwert liegt.[94]
Auch die Verankerungsheuristik wurde von Tversky und Kahneman untersucht und ihre Existenz nachgewiesen. In einem Experiment baten sie Probanden zunächst zu schätzen, ob der Prozentanteil afrikanischer Staaten in der UNO höher oder niedriger als ein bestimmter (Anker-) Wert sei. Diese Vorgabe wurde zufällig ausgewählt. Die jeweiligen Schätzungen der Teilnehmer lagen jeweils nahe dem Anker- und nicht nahe dem tatsächlichen Wert.[95]
Ein anderes Beispiel ist die Vorhersage von zukünftigen Börsenwerten. Diese etwa stützt sich lediglich auf vergangene bzw. bekannte Werte.[96] Das bedeutet nicht zwangsläufig, dass falsche Interpretationen auftreten müssen. Jedoch führt der Effekt zu einer Interpretation im Lichte der ursprünglichen Hypothese, also zu dem was im Vornherein bereits erwartet wurde, wobei diese Interpretation eine – eventuell falsche – Tendenz aufweisen kann.[97]
Dieses Kapitels enthält eine Erläuterung der Auswirkungen des Internets bzw. des E-Commerce auf das Konsumentenverhalten. Darauf aufbauend werden die Einflüsse von Empfehlungssystemen und die möglichen Gefahren durch Heuristiken dargestellt.
Um die Auswirkungen beschreiben zu können, wurde zunächst eine Literaturanalyse durchgeführt. Dadurch wurde der Stand der Literatur zu diesem Thema systematisch bezüglich inhaltlicher und formaler Merkmale erschlossen.[98] Im Stil einer qualitativen Inhaltsanalyse mit einer inhaltlichen Strukturierung[99] wurden Veröffentlichungen zu Themen der Auswirkungen von Internet und Empfehlungssystemen auf die Kaufentscheidungen untersucht und ausgewertet.[100] Zudem erfolgte eine Übertragung der Ergebnisse auf das Modell des informationsökonomischen Dreiecks, die ebenfalls beschrieben wird.[101]
Im Gegensatz zu den traditionellen Printmedien, bei denen nur wenige zentrale Informationen zur Verfügung stehen, steht im Internet ein Angebot fast aller relevanten Informationen zum Abruf bereit, aus denen sich der Konsument die jeweils interessanten heraussuchen kann.[102] Darüber hinaus ermöglicht das Internet aus Anbietersicht nicht nur eine One-to-Many-Kommunikation, sondern zusätzlich auch eine personalisiertere One-to-Few- oder One-to-One-Kommunikation.[103]
Durch das Internet unterstützte Kaufprozesse und Transaktionen werden unter dem Begriff des E-Commerce zusammengefasst.[104] Die genauen Definitionen des E-Commerce sind vielfältig.[105] Im Rahmen dieser Arbeit wird E-Commerce als Kaufprozess verstanden, der in einer seiner Phasen (z. B. in der Informationsphase) durch das Internet unterstützt wird.[106] E-Commerce hat einen festen Platz im Konsumverhalten gefunden und wird über alle Altersgruppen hinweg gleichermaßen genutzt.[107]
Wie auch bei traditionellen Kaufprozessen findet beim E-Commerce ein in Phasen unterscheidbarer Ablauf eines Transaktionsprozesses statt.[108] Der größte Vorteil bei dem Kauf von physischen Produkten unter Nutzung des Internets liegt in der Informationsphase.[109] Diese bildet die Grundlage für die (Kauf-) Entscheidungen. Die Bedeutung des Internets als Informationsquelle wird aus einer empirischen Studie von TNS-Infratest aus dem Jahr 2008 deutlich: „Für Konsumenten mit Internetanschluss ist das Internet die Informationsquelle Nummer 1 bei der Buchung eines Urlaubs oder einer Reise. Gleiches gilt für die Kaufanbahnung von Unterhaltungselektronik. Auch bei der Anschaffung von Autos, größeren Haushaltsgeräten und Finanzprodukten rangiert das Internet als Informationskanal auf Platz 2 direkt hinter der Beratung im jeweiligen Fachgeschäft bzw. der Filiale.“[110] Auch in der jährlich durchgeführten Studie zum Internetnutzungsverhalten der Arbeitsgemeinschaft Onlineforschung e.V. (AGOF) zum Internetnutzungsverhalten kommt dies zum Ausdruck. Danach haben sich bereits 97,4% der deutschen Internetnutzer schon einmal online über Produkte informiert.[111] „Dieser Umstand unterstreicht die Bedeutung des Internets als Informationsplattform in der Orientierungs- und Entscheidungsphase vor einem Kauf – egal, ob dieser letztlich online oder offline stattfindet.“[112]
Die Informationsphase weist aber im Vergleich zu Kaufprozessen in rein physischen Märkten charakteristische Unterschiede auf.[113] Dabei ist auch wichtig zu beachten, dass geographische Entfernungen beim E-Commerce kaum mehr eine Rolle spielen und so eine größere Anzahl an Transaktions- und Informationsbereitstellern zur Verfügung stehen.[114] Physische Märkte bieten eine geringe bis mittlere Markttransparenz.[115] Die Nutzung des Internets ermöglicht nun eine Verringerung der Informationsasymmetrien zwischen Käufer und Verkäufer, woraus eine höhere Markttransparenz folgt.[116] Diese zunehmende Transparenz erleichtert es dem Kunden, kompetente und fundierte Kaufentscheidungen zu fällen.[117] „Der Einsatz interaktiver Medien lässt zwei vereinfachende Effekte aus das Kaufverhalten der Konsumenten erwarten: 1. Eine Vereinfachung der Entscheidungsheuristik durch eine größere Menge an verfügbaren Informationen. [...] 2. Eine Rationalisierung des Kaufverhaltens durch eine schnellere Verfügbarkeit der einkaufsrelevanten Informationen [...].“[118]
Eine gegenläufige Bewegung macht die Vorteile jedoch oftmals wieder zunichte: Die Komplexität der Informationen nimmt zu[119] und das Risiko des Information-Overload steigt.[120]
Abbildung in dieser Leseprobe nicht enthalten
Abb. 3-1: Einfluss des Internets[121]
Wie zu erkennen ist, spielt die Informationsphase im Kaufentscheidungsprozess die wichtigste Rolle. Eine Vereinfachung des Kaufentscheidungsverhaltens liegt also vornehmlich bei den Entscheidungen mit einer starken kognitiven Kontrolle vor, also bei extensiven und limitierten Kaufentscheidungen (siehe Kapitel 2.2).[122] Für diese Entscheidungsarten ist die Betrachtung im informationsökonomischen Dreieck sinnvoll. Gerade dann, wenn Such- oder Erfahrungseigenschaften von Produkten in der Darstellung im Internet als solche erhalten bleiben oder sie „durch glaubhafte leistungsbezogene Informationssubstitute dargestellt werden können, sind ihrer Präsentation was Umfang und Detaillierungsgrad angeht, kaum Grenzen gesetzt“[123]. Die Qualität der Informationen und damit der Kaufentscheidungen nimmt somit zu.
Die Vertrauenseigenschaft bei Produkten ändert sich bei dieser Betrachtung zunächst nicht. Jedoch kann es zu einer gegenseitigen Verschiebung zwischen Such- und Erfahrungseigenschaften kommen, da andere Informationen verfügbar werden, der Konsument aber auch dem Information-Overload und „dem Risiko opportunistischen Verhaltens seitens des Händlers ausgesetzt ist.“[124]
Um die Markttransparenz im Internet weiter zu erhöhen und dem im letzten Kapitel angesprochenen Information-Overload entgegenzuwirken, „haben sich als bedeutende Informationsquellen virtuelle Meinungsplattformen, Diskussionsforen, Newsgroups oder Chats herausgebildet, die Konsumenten nutzen, um Erfahrungen mit Produkten und Unternehmungen auszutauschen“[125]. Mit diesen Empfehlungssystemen wird der Kunde bei der Auswahl von Produkten und Dienstleistungen oder der Suche passender und nützlicher Informationen unterstützt und ihm so seine Kaufentscheidung erleichtert.[126] Wenn die Mitglieder der Systeme keine kommerziellen Interessen verfolgen, wird diesen Informationsquellen allgemein eine besonders hohe Glaubwürdigkeit unterstellt.[127] Hinzu kommt die Möglichkeit, externe Expertise für die Beurteilung eines Produktes mit einzubeziehen. Dies führt abermals zu einer Reduzierung des Aufwandes für Entscheidungen, für die der Konsument sonst nicht die nötige Erfahrung aufbringen würde.[128] Durch diese Vorteile sind Empfehlungssysteme ein unverzichtbarer integraler Bestandteil im elektronischen Handel geworden[129] und beeinflussen somit den Kaufentscheidungsprozess insbesondere in der Informationsphase erheblich.[130]
Die bestehende Forschung zum Thema Empfehlungssysteme konzentriert sich primär auf spezielle Anwendungsmodelle und die Forschung rund um die Algorithmen. Empirische Ergebnisse zur Konsumakzeptanz sind meist sehr allgemein gehalten und die Konsumpräferenzen der Konsumenten bleiben weitgehend unbekannt.[131] Erkenntnisse darüber sind aber in wissenschaftlicher und praxisorientierter Hinsicht wesentlich.[132] Aktuelle Meldungen aus dem Bereich des Marketings unterstreichen die Wichtigkeit des Forschens in diesem Bereich. Exemplarisch seinen zwei dieser Nachrichten zitiert:
„Blogs beeinflussen Kaufentscheidungen - 30 Prozent der deutschen Internetnutzer haben wegen privater Kommentare im Internet bereits auf einen Kauf verzichtet – 56 Prozent würden bei positiven Kommentaren eher kaufen.“[133] und: „Die aktuelle repräsentative Umfrage belegt, dass Produktbewertungsportale, Foren und Weblogs sowie Testmagazine die Kaufentscheidungen von Konsumenten dominieren und von Unternehmen verschiedenster Branchen unbedingt Beachtung finden sollten.“[134]
Die Studien zum Konsumentenverhalten im Kontext mit der Verwendung von Empfehlungssystemen nehmen auf Grund der Aktualität zu.[135] Dabei untersuchen viele Studien zwar das Kaufverhalten, jedoch wird jeweils sehr speziell auf einzelne Aspekte eingegangen.
Koufaris, Kambil und LaBarbera konzentrieren sich in ihrer Forschung auf Systeme, die direkt von einem Web-Shop angeboten werden[136] und hauptsächlich auf Impulskäufe abzielen.[137] Hier wird ein Unterschied zwischen dem endgültigen Kaufverhalten (Abschluss ja oder nein) der bestehenden Kunden und der Neukunden erforscht,[138] nicht jedoch der Kaufentscheidungsprozess an sich. Lediglich das Wirken des Designs eines Web-Shops spielt in dieser Studie eine Rolle.[139]
[...]
[1] Kirch/Sabo/Ljubez (2008) und Kirch/Sabo (2008).
[2] In der Arbeit wird die für eine Entscheidung zuständige Person unterschiedliche Rollen einnehmen. Sie wird daher teilweise als „Konsument“, „Kunde“, „Nutzer“, „User“ oder „Entscheider“ bezeichnet. Es handelt sich dabei aber letztendlich immer um die gleiche Person.
[3] Vgl. Hansen/Knotzer/Madlberger (2007), S. 50-57.
[4] Vgl. Kirchler (1999), S. 127.
[5] Vgl. Kroeber-Riel/Weinberg (2003), S. 643.
[6] Vgl. Riemer/Brüggeman (2007), S. 116.
[7] Vgl. Hansen/Knotzer/Madlberger (2007), S. 50-57.
[8] Vgl. Picot/Reichwald/Wigand (2003), S. 342.
[9] Vgl. ebenda, S. 348.
[10] Vgl. Schafer/Konsten/Riedl (2001), S. 116.
[11] Vgl. Pazzani (1999), S. 393, Burke (2002), S. 331 und Adomavicius/Tuzhilin (2001), S. 33.
[12] Vgl. Riemer/Brüggemann (2007), S. 118.
[13] Vgl. Rauscher/Hess (2005), S.8 und Höhfeld/Kwiatkowski (2007), S. 265.
[14] Vgl. Adomavicius/Tuzhilin (2005), S. 86.
[15] Vgl. Schafer/Konstan/Riedl (2001), S. 139.
[16] Vgl. Adomavicius/Tuzhilin (2005), S. 86.
[17] Vgl. Hansen/Knotzer/Madlberger (2007), S. 51 und Adomavicius/Tuzhilin (2005), S. 86.
[18] Vgl. Kroeber-Riel/Weinberg (2003), S. 409.
[19] Vgl. Mertens/Höhl (1999), S. 30.
[20] Vgl. Riemer/Brüggemann (2007), S. 118.
[21] Vgl. Runte (2000), S. 9.
[22] Vgl. Kroeber-Riel/Weinberg (2003), S. 368.
[23] Vgl. ebenda, S. 3.
[24] Vgl. Schneider (2006), S. 27.
[25] Quelle: Eigene Darstellung.
[26] Vgl. Kroeber-Riel/Weinberg (2003), S. 368.
[27] Vgl. Kroeber-Riel/Weinberg (2003), S. 368.
[28] Vgl. Wöhe (2005), S. 56 und Kirsch (2005), S. 35.
[29] Vgl. Neumann/Rosenstiel (2004), S. 33-34.
[30] Vgl. Kirsch (2005), S. 38.
[31] Vgl. Weiber/Adler (1995a), S. 43.
[32] Vgl. ebenda, S. 43.
[33] Vgl. Foscht/Swoboda (2007), S. 32-33.
[34] Quelle: Foscht/Swoboda (2007), S. 33.
[35] Vgl. Payne/Bettman/Johnson (1993), S. 9.
[36] Bänsch (1998), S. 7.
[37] Vgl. Meffert (2000), S. 54.
[38] Vgl. ebenda, S. 54.
[39] Die Theorien werden in dieser Arbeit nicht näher erläutert. Näheres dazu z. B. in: Weiber/Adler (1995a), S. 48-49 oder Picot/Reichwald/Wigand (2003), S. 38-60.
[40] Der Begriff „neue Institutionenökonomie“ wird nicht einheitlich verwendet. In der Mikroökonomischen Literatur finden sich auch Bezeichnungen wie „neue Institutionenlehre“, „neue mikroökonomische Theorie“ oder „neue institutionelle Mikroökonomie“.
[41] Vgl. Picot/Reichwald/Wigand (2003), S. 38 und Weiber/Adler (1995a), S. 43-44.
[42] Vgl. Weiber/Adler (1995a), S. 44.
[43] Vgl. Weiber/Adler (1995b), S. 107.
[44] Vgl. Pepels (2005), S.211-212 und Backhaus (1992), S. 784-786.
[45] Vgl. Picot/Reichwald/Wigand (2003), S. 356 und Foscht/Swoboda (2007), S. 21-22.
[46] Vgl. Weiber/Adler(1995a), S. 59.
[47] Vgl. Kaas (1992), S. 33.
[48] Vgl. Picot/Reichwald/Wigand (2003), S. 356.
[49] Quelle: Weiber/Adler (1995a), S. 59.
[50] Vgl. Foscht/Swoboda (2007), S. 21-22.
[51] Vgl. Picot/Reichwald/Wigand (2003), S. 356.
[52] Surrogatsinformationen sagen nur indirekt etwas über z. B. die Qualität aus, sind aber einfacher zugänglich als direkte Informationen. (vgl. Weiber/Adler(1995a), S. 59.)
[53] Vgl. Weiber/Adler(1995a), S. 59.
[54] Subjektive Wahrnehmungen beruhen auf individuellem Beurteilungsvermögen und individuellem Anspruchsniveau einer Person. (vgl. Weiber/Adler (1995a), S. 59.)
[55] Vgl. Foscht/Swoboda (2004), S. 21-22 und Weiber/Adler (1995a), S. 59.
[56] Vgl. Weiber/Adler (1995a), S. 60.
[57] Vgl. Meffert (2000), S. 54.
[58] Quelle: Weiber/Adler (1995a), S. 61.
[59] Vgl. Meffert (2000), S. 55.
[60] Vgl. Weiber/Adler (1995a), S. 60 und Weiber/Adler (1995b), S. 107.
[61] Vgl. Meffert (2000), S. 56.
[62] Vgl. Shah/Oppenheimer (2008), S. 207 und Goldberg/Nitzsch (2000), S. 52.
[63] Vgl. Fischer/Kutsch/Stephan (1999), S. 103 und Tversky/Kahneman (1974), S. 1124.
[64] Vgl. Shah/Oppenheimer (2008), S. 207.
[65] Vgl. Fischer/Kutsch/Stephan (1999), S. 103 - 104.
[66] Vgl. Mullainathan/Thaler (2000), S. 4.
[67] Vgl. Fink/Schneidereit/Voß (2005), S. 22 und Helm/Gehrer (2006), S. 177.
[68] Eine solch detaillierte Betrachtung würde voraussichtlich auch keine zusätzlichen Erkenntnisse schaffen, sondern auf Grund der teilweise unscharfen Trennung der Heuristiken eher zu Konflikten führen.
[69] Vgl. Tversky/Kahneman (1971) und (1974).
[70] Vgl. Tversky/Kahneman (1974), S. 1124-1128.
[71] z. B. bei Shah/Oppenheimer (2008), S. 210.
[72] Kirchler (1999), S. 31.
[73] Vgl. Mullainathan/Thaler (2000), S. 4.
[74] Vgl. Pelzmann (2000), S.21.
[75] Vgl. Goldberg/Nitzsch (2000), S. 71.
[76] Vgl. Tversky/Kahneman (1983), S. 295 - 296 und Kirchler (1995), S. 24.
[77] Vgl. Kopelmann/Davis (2004), S. 203 und Helm/Gehrer (2006), S. 177.
[78] Vgl. Mangold (2007), S. 228 und Tversky/Kahneman (1974), S. 1125.
[79] Vgl. Tversky/Kahneman (1971), S.105.
[80] Vgl. Wiswede (1995), S. 269.
[81] Vgl. Kirchler (1999), S. 30-31.
[82] Vgl. Tversky/Kahneman (1974), S. 1127, Folkes (1988), S. 13 und Fischer/Kutsch/Stephan (1999), S. 108.
[83] Das bedeutet, dass sie aktuell von der Person aufgenommen wurden und verarbeitet werden. (vgl. Mangold (2007), S. 57.)
[84] Vgl. Mangold (2007), 234.
[85] Vgl. Tversky/Kahneman (1974), S. 1127 -1128.
[86] Vgl. Folkes (1988), S. 13.
[87] Vgl. Kirchler (1999), S. 30-31.
[88] Images werden hier verstanden als „Gesamtheit aller relevanter Einstellungen“. (Neumann (2003), S. 135.)
[89] Vgl. Neumann (2003), S. 89.
[90] Vgl. Tversky/Kahneman (1974), S. 1128 -1129.
[91] Vgl. Kopelman/Davis (2004), S. 203.
[92] Vgl. Tversky/Kahneman (1974), S. 1128 -1129.
[93] Vgl. Goldberg/Nitzsch (2000), S. 66 und Chapman/Johnson (2002), S. 127.
[94] Vgl. Fischer/Kutsch/Stephan (1999), S. 107.
[95] Vgl. Tversky/Kahneman (1974), S. 1128 -1129 und Mussweiler/Englich (2001), S.1536.
[96] Vgl. Wiswede (1995), S. 33.
[97] Vgl. Rabin (1998), S. 26.
[98] Vgl. Früh (2001), S. 25.
[99] Vgl. Mayring (2003), S. 85.
[100] Vgl. Rössler (2005), S. 122.
[101] Details zum methodischen Vorgehen sind in Anhang 6 dargestellt.
[102] Vgl. Meffert (2000), S. 765.
[103] Vgl. ebenda, S. 760-761.
[104] Vgl. ebenda, S. 917.
[105] Eine Zusammenstellung unterschiedlicher Definitionen ist in Anhang 7 dargestellt.
[106] Vgl. Wirtz (2000), S. 27.
[107] Vgl. TNS-Infratest (2007).
[108] Vgl. Bauer/Grether/Brüsewitz (2000), S. 409.
[109] Vgl. ebenda, S. 409.
[110] Vgl. TNS-Infratest (2008).
[111] Vgl. AGOF e.V. (2008), S. 27.
[112] AGOF e.V. (2008), S. 27.
[113] Vgl. Illik (2002), S. 29 und S. 140.
[114] Vgl. ebenda, S. 29.
[115] Vgl. Wirtz (2000), S. 107.
[116] Vgl. Wirtz (2000), S. 107-108.
[117] Vgl. ebenda, S. 124.
[118] Swoboda (1996), S. 189.
[119] Vgl. Wirtz (2000), S. 124. und Meffert (2000), S. 1033-1036.
[120] Vgl. Clemens/Schinzer (2000), S. 213.
[121] Quelle: Eigene Darstellung.
[122] Vgl. Swoboda (1996), S. 188-189.
[123] Rüdiger (2006), S. 4.
[124] Ebenda, S. 28-29.
[125] Ebenda, S. 5.
[126] Vgl. Hansen/Knotzer/Madlberger (2007), S. 50-57.
[127] Vgl. ebenda, S. 59 und Rüdiger (2006), S. 5.
[128] Vgl. Höhfeld/Kwiatkowski (2007), S. 265 und Resnick/Varian (1997), S. 56.
[129] Vgl. Burke (2002), S. 331.
[130] Vgl. Polak/Herrmann/Heitmann/Einhorn (2008), S. 1054.
[131] Vgl. Hansen/Knotzer/Madlberger (2007), S. 50.
[132] Vgl.ebenda, S. 50.
[133] DIM (2008).
[134] Consline AG (2008), S. 1.
[135] z. B. bei Koufaris/Kambil/LaBabera (2002), Senecal/Kalczynski/Nantel (2003), Nikolaeva/Sriram (2007), Su (2007), Hausman/Siekpe (2009), Xiao/Benbasat (2007) u. a.
[136] Vgl. Koufaris/Kambil/LaBabera (2002), S. 132.
[137] Das entspricht Empfehlungssystemen mit einer Passiven oder einem Push-Charakter (vgl. Kapitel 2.1).
[138] Vgl. Koufaris/Kambil/LaBarbera (2002), S. 131.
[139] Vgl. ebenda, S. 131.
