Treiberanalyse

Zielgerichtete Bewertung und Steuerung von Produktentwicklungen und Marketingaktivitäten in der Marktforschung

Eine Treiberanalyse, auch als Key Driver Analysis bekannt, liefert wertvolle Erkenntnisse über die Beziehungen zwischen Variablen. Sie zeigt die Wirkungszusammenhänge zwischen verschiedenen Eigenschaften eines Produktes bzw. Teilleistungen eines Angebots und der Gesamtbeurteilung.

Mit den Ergebnissen können Produktentwicklungen und Marketingaktivitäten zielgerichtet bewertet und gesteuert werden. Dies hilft Unternehmen dabei, datengestützte Entscheidungen zu treffen und die Entscheidungsfindung zu verbessern, um das Unternehmenswachstum zu fördern.

Treiberanalysen beantworten folgenden Fragen:

Welche Bedeutung hat eine Teilleistung – wie Preis, Produktqualität oder Kundenservice – eines Angebotes für die wahrgenommene Gesamtbewertung und die Kaufabsicht?
Welcher Handlungsbedarf bzw. Spielraum besteht bei der Über- oder Untererfüllung einzelner Produktmerkmale bzw. Leistungsdimensionen, um die Ressourcenoptimierung zu ermöglichen?
Ab welchem Leistungsniveau führt die Verbesserung eines Treibers, beispielsweise der Produkteigenschaft „Süße“ oder der Leistungsqualität, zu keinem nennenswerten Effekt für die Ergebnisvariable, zum Beispiel die Kaufbereitschaft für das Produkt oder Gesamtzufriedenheit mit dem Angebot, sodass weitere Investitionen keinen signifikanten ROI liefern?
Ab welcher Ausprägung einer Produkteigenschaft oder dem Leistungsniveau eines Angebotes kippt die Akzeptanz, sodass die Gesamtzufriedenheit und -leistung nicht mehr positiv bewertet wird und das Kundenverhalten sowie die Kundentreue negativ beeinflusst?

Die direkte Abfrage der Bedeutung – häufig abgefragt als „Wichtigkeit“ bzw. „ideale Ausprägung“ einzelner Produkteigenschaften und Angebotsleistungen – bei Befragten führt oft zu einer verminderten Datenqualität und kann zu ungenauen Forschungsergebnissen führen. Auch eher unbewusste Treiber werden nicht erfasst. Zudem führen direkte Abfragen häufig zu einem inflationären und überzogenen Anspruchsniveau. Sie liefern in der Regel wenig zuverlässige und differenzierende Wichtigkeiten für die getesteten Eigenschaften bzw. Teilleistungen. Das kann zu ungenauen Ergebnissen führen und letztlich zu Fehlentscheidungen und Misserfolg beitragen.

Aus diesem Grund wurden zahlreiche statistische Verfahren entwickelt, die den Einfluss verschiedener Treiber durch indirekte Abfragen und somit implizit bestimmen. Gerade die Penalty-Reward-Analyse (PRA) als leistungsstarkes und effektives Verfahren bietet ein leistungsfähiges Instrument zur Aufdeckung spezifischer Einflussfaktoren. Sie liefert erfahrungsgemäß deutlich bessere valide Ergebnisse als direkte und einfache indirekte Verfahren. Dieses Verfahren bietet einen deutlichen Mehrwert bei der Analyse der Wirkungszusammenhänge für die Produkt- und Angebotsentwicklung und -optimierung.

Lineare Wirkungsbeziehungen

Bei der Treiberanalyse kommt bei der Ermittlung linearer Zusammenhänge zumeist die Shapley-Value-Regression als spezielle Form der Regressionsanalyse zum Einsatz. Sie berücksichtigt durch Berechnung des R²-Wertes und Zuweisung von Einflussanteilen die Multikollinearität von Treibern (liegt dann vor, wenn zwei oder mehr der unabhängigen Variablen in einem Regressionsmodell nicht nur mit der abhängigen Variablen, sondern auch untereinander Korrelationen aufweisen). So führt sie zu aussagekräftigen Ergebnissen. Die Ergebnisse können anschließend in Diagrammen oder Skalen visualisiert werden, um die Beziehungen zwischen den Variablen verständlich darzustellen.

Nichtlineare Wirkungsbeziehungen

Nicht alle relevanten Treiber wirken in vergleichbarer, linearer Weise auf die Zielgröße wie z. B. die Kaufbereitschaft oder Zufriedenheit. Das Verbraucherverhalten ist von verschiedenen potenziellen Einflussfaktoren abhängig und kann je nach Branche variieren.

Einige Treiber können, falls überhaupt nicht oder zu gering ausgeprägt, nur Unzufriedenheit erzeugen, jedoch nicht für echte Zufriedenheitssteigerungen sorgen (Schlüsselfaktoren bzw. Basisfaktoren).
Andere wirken genau entgegengesetzt: Sie steigern im positiven Fall die Zufriedenheit überproportional, führen aber bei negativer Ausprägung nicht zwangsläufig zu Unzufriedenheit (Begeisterungsfaktoren).
Treiber, die in beide Richtungen wirken, werden als Leistungsfaktoren bezeichnet.

Kano-Modell

Diese, auf dem Kano-Modell basierende Einteilung in Basis-, Leistungs- und Begeisterungsfaktoren ist Gegenstand der Penalty-Reward-Analyse, einer Key Driver Analysis. Sie bietet gegenüber linearen Treiberanalysen viele wichtige Vorteile hinsichtlich der Qualität und Interpretierbarkeit der Ergebnisse:

Die nicht-lineare Messung bzw. die Unterteilung der Treiber in Basis-, Leistungs- und Begeisterungsanforderungen erlaubt detaillierte Aussagen für konkrete und effiziente Verbesserungen eines Produktes oder Angebotes. Dies hilft Unternehmen dabei, ihre Ressourcen optimal einzusetzen und die Forschungsziele zu erreichen.
Mithilfe von Instrumenten wie der Importance-Performance Matrix können Unternehmen die wichtigsten Faktoren priorisieren und erhalten einen Leitfaden, um sich in der dynamischen Unternehmenslandschaft zurechtzufinden.

Die Penalty-Reward-Analyse basiert auf einer Shapley-Value-Berechnung, um Multikollinearität berücksichtigen zu können und valide Ergebnisse zu liefern. Dies erhöht die Zuverlässigkeit der Analyse. Durch die systematische Datenerhebung und das Analysieren der gesammelten Daten wird eine hohe Datenqualität gewährleistet.

Durch die Betrachtung der einzelnen Treiber und deren Einfluss auf die Zielgröße können Unternehmen kontinuierlich die wichtigsten Faktoren mit dem größten Einfluss identifizieren, um die gewünschten Ergebnisse zu erzielen. So werden umsetzbare Maßnahmen entwickelt, die auf die Verbesserung der Performance abzielen. Die Treiber können dabei in eine Rangfolge gebracht werden, um Prioritäten bei der Optimierung zu setzen.

Grenzen der Treiberanalyse

Obwohl die Treiberanalyse ein leistungsfähiges Instrument ist, hat sie auch ihre Grenzen, die bei der Interpretation der Ergebnisse berücksichtigt werden sollten. Beispielsweise können externe Faktoren oder unvorhergesehene Marktveränderungen die Wirksamkeit der identifizierten Treiber beeinflussen.

Wie hoch ist der Teilnutzen eines Produkt-Features? Welchen Einfluss hat diese Eigenschaft auf die Kaufbereitschaft?

Relevante Themen

SensUp® Packungstest Produktforschung