Seitenanfang

Abstracts der Vorträge - soweit vorliegend -

Keynote

Was ist Fake – der Wunsch oder die Wirklichkeit?
Thesen und Erklärungsversuche zum Mind-Behavior-Gap

Jens Lönneker, rheingold salon GmbH & Co. KG

Eine zentrale Aufgabe der Marktforschung besteht darin, Wünsche zu ermitteln. Ihr Wissen soll es Unternehmen ermöglichen, der Kundschaft wunschgemäße Angebote zu offerieren. Nun verhalten sich die Befragten aber häufig komplett anders, als sie es in ihren Wünschen äußern. Sie wünschen sich z. B. Bio-Hühner, kaufen diese dann aber kaum. Sind Wünsche also häufig Fake?

Ist es dann für die Marktforschung besser, wirkliches menschliches Verhalten zu erfassen? Aktuelles Verhalten kann aber auch Ausdruck dafür sein, dass es an besseren Angeboten fehlt – also dass Wünsche offenbleiben. Der Einbruch der Smartphones in den Mobiltelefon-Markt ließe sich so deuten. Sie erfüllten Kundenwünsche einfach besser. Ein Riese wie Nokia war dadurch kaum noch relevant, während Apple zu einem Giganten aufstieg. Sind also auch Verhaltensdaten oftmals Fake, weil sie bedingt auf die Zukunft verweisen?  

Erschwerend kommt hinzu, dass Wünsche und Verhaltensweisen je nach Kontext und Perspektive variieren können oder sogar  von den Befragten selbst als Fake eingestuft werden.

Marktforschung lebt am Ende davon, dass sie Unternehmen eine verlässliche Basis für ihre Aktivitäten bereitstellt. Eine Welt, in der nicht mehr klar ist, was Fake ist und was nicht, stellt auch die Berechtigung der Branche in Frage – es sei denn, sie entwickelt Ideen und Lösungen, um mit dem Mind Behavior Gap umzugehen.

Was können folgende Methoden wirklich?

Marktforschung ohne Befragte:
Welche Geschichten passive Verhaltensdaten wie Mediennutzung,
Werbemittelkontakte und Kaufverhalten erzählen 

Marta Sulkiewicz, Gemius GmbH

The presentation will cover: 

  • recent innovations that can improve the passive measurement vs challenges of data driven digital media (e.g. walled gardens, privacy regulations, multiscreening media consumption); 
  • possibilities to connect data from different sources vs single source; 
  • solutions implemented in practice – available globally versus implemented in Germany – their current opportunities and limitations; 
  • example of data from Gemius panel measuring passively media consumption and ad contacts across walled gardens and cross media; 
  • results of pilot project conducted with Bonsai combining passive measurement of advertising exposure with data on purchases. Selected Gemius single source panelists were asked to scan their purchases from sweets category in Q4. This new approach enables a holistic mapping of the shopper’s journey. By combining tracking and scanning, it is possible to map at a single source level what exactly shoppers buy online and offline. 

Shopping-Experimente: Warum Deep-Learning-Verfahren
und künstliche Sprachassistenten Kaufverhalten analysieren helfen 

Dr. Carolin Kaiser und René Schallner, Nürnberg Institut für Marktentscheidungen e.V.

Sprachassistenten sprechen aktuell noch mit emotionsloser Stimme, doch dies wird sich bald ändern. Zwischen zwei Menschen springen Emotionen häufig über. Doch wie beeinflussen Emotionen in der Stimme von Sprachassistenten Kaufeinstellung und Kaufverhalten von Konsumenten? Und wie wirkt das in unterschiedlichen Kulturen? Diesen Fragen gehen wir in mehreren Shopping-Experimenten nach. Hierfür wurden ein sprachbasierter Webshop implementiert und mit Deep Learning emotionale Stimmen synthetisiert. Die Studien in Deutschland zeigen: Auf die Emotion des Sprachassistenten kommt es an. Eine fröhliche Stimme steigert die Kundenzufriedenheit. Eine begeisterte Stimme lässt das Herz des Konsumenten höherschlagen und ihn impulsiver bei Sonderangeboten zuschlagen. Der Vergleich zwischen UK, USA und Indien zeigt: Der Kulturkreis- individualistisch oder kollektivistisch - macht den Unterschied. In allen drei Ländern werden Konsumenten von den Emotionen des Sprachassistenten angesteckt. In Indien jedoch lassen Konsumenten Kaufeinstellung und Kaufverhalten davon nicht lenken. Marketing-Manager sollten daher die Weiterentwicklung von Sprachassistenten aufmerksam verfolgen und deren Einsatz prüfen.

Augmented Intelligence: Wie intelligente Assistenten dabei helfen,
kurz- und langfristige Performance von Brand Assets zu steigern

Dr. Dirk Held und Dr. Christian Scheier, DECODE Marketingberatung GmbH

Brand-Teams stehen vor der Herausforderung, immer mehr Assets in kürzerer Zeit produzieren zu müssen. Gleichzeitig steigt die Anforderung an die kurz- und langfristige Performance der Assets. Dabei können immer weniger Assets mit Hilfe von Konsumentenforschung überprüft werden. Das wäre zu teuer und passt nicht in den agilen Produktionsprozess. Der Wunsch, die Qualität der Assets objektiv zu prüfen und zu optimieren, ohne dabei den Produktionsprozess zu verlangsamen und Kreativität einzuschränken, ist vor diesem Hintergrund verständlich. Automatisierung ist die einzige Möglichkeit, diese Herausforderung zu meistern.

KI-gestützte, smarte Assistenten sind eine kosteneffiziente, schnelle und robuste Hilfe, um alle Assets hinsichtlich der kurz- und langfristigen Performance-Treiber zu evaluieren und iterativ immer weiter zu optimieren. Das steigert nicht nur den ROI der Marketingausgaben, sondern kreiert eine nachhaltige, leicht zu skalierende Performance-Kompetenz der gesamten Marketingorganisation.

Quality Monitoring: Wie Kundenerfahrungen aus Online-Quellen
für das Qualitätsmanagement eines Premium-Autoherstellers genutzt werden

Dr. Dirk Schachtner, Consline AG

Der Vortrag zeigt, welche Erkenntnisse sich aus dem Monitoring unterschiedlichster Online-Datenquellen für das Qualitätsmanagement eines Autoherstellers ziehen lassen. Dazu wurde das Consline Intelligence Management System CIMS® um die CHIPs®-Methodik (Consline Hybrid Intelligence Procedures) erweitert: Die prozessuale Integration von Artificial Intelligence (AI) Machines und Human Intelligence (HI) Tasks ermöglicht eine Mustererkennung nahezu in Echtzeit. So werden sämtliche relevanten Informationen aus allen Blickwinkeln der Kundenerfahrung durchleuchtet und für Fehlerabstellung sowie Verbesserungen von Produkt, Service und Vermarktung genutzt.

Im Einsatz ist diese Methodik z. B. bei einem Premium-OEM: Von Consline in Internetforen und Social Media identifizierte Kundenmeinungen und Fehlerbeschreibungen werden im CIMS® kontinuierlich ausgewertet – inklusive Benchmarking der Wettbewerber. Die CHIPs®-Methodik ist anwendbar in den Bereichen Qualitäts­management, Produktentwicklung, After Sales und Produkt­beobachtung in unterschiedlichsten Branchen.

Les enfants du paradis – Einsichten über die impliziten und  expliziten Erfahrungen
von Menschen mit Medien und deren Zusammenhang mit dem realen Geschehen aus der globalen Studie MAX

Michael Schießl und Dr. Matthias Rothensee, beide eye square GmbH

Wir berichten von in einer empirischen Forschungsarbeit im globalen Projekt MAX, das auf die Validierung von impliziten und Neuro-Indikatoren und die Vorhersage von Kaufverhalten angelegt ist. Ein Kernbefund ist, dass implizite Indikatoren die Prädiktion von Kauf-Entscheidungen um etwa 50 Prozent verbessern. Ferner hat die Studie ergeben, dass im Expliziten lineare Zusammenhänge dominieren, im Impliziten aber exponentielle Zusammenhänge häufiger anzutreffen sind. Praktisch bedeutet das: wenn rationale Funktionen erfüllt sind, liefert die emotionale Zunahme der Qualität einen gewaltigen wachsenden Hebel für die Kaufentscheidung.

Im weiteren Fokus stehen die Fragen Wie kulturell kontextabhängig sind die gefundenen Zusammenhänge? Welche Medienkanäle rufen wie starke Leistungen hervor (TV, Digital, Print)? In welchen Kategorien sind implizite Indikatoren wichtiger, in welchen die expliziten Indikatoren?

Der Say-Do-Gap: Die praktische Relevanz von impliziten
Methoden zur Beantwortung gesellschaftlicher und wirtschaftlicher Fragestellungen

Prof. Dirk Frank, ISM Global Dynamics GmbH

Eine Meinung haben und danach verlässlich handeln: die empirische Erforschung menschlichen Verhaltens könnte einfach sein, gäbe es nicht das Dilemma des „Say-Do Gaps“, der die Vorhersagekraft geäußerter Meinungen für reales Verhalten einschränkt (Naderer & Frank, 2013). Die Güte empirischer Daten zu Themen von gesellschaftlicher Relevanz werden überwiegend nach dem Kriterium der Repräsentativität bewertet, vernachlässigt wird noch zu oft die Frage nach der prognostischen Relevanz expliziter Einstellungsmessungen.

Wir zeigen am Beispiel der Impfabsicht der Deutschen, wie sich mit einem validierten impliziten Verfahren zunächst die Verhaltensabsichten bestimmen lassen, die besonders vom Say-do-Gap betroffen sind. In Kombination mit einem Conjoint-Verfahren wurde dann der Maßnahmenmix identifiziert, mit dem sich die Impfbereitschaft maximieren ließe. Unsere Untersuchungen zeigen gesicherte, nicht vernachlässigbare Diskrepanzen, die für Politik und Unternehmen zumindest Warnsignale sein sollten, explizite Daten ohne kritische Reflektion für die Anpassung von Strategien „post COVID“ zu verwenden.

zurück zum Kongressprogramm

State of the Art in der Marktforschung – Innovationspreis 2022

Neue Chancen für Marken durch Category Entry Points und die Erhöhung des
Mental Market Share - Case Study im Segment Personal Care

Oliver Hsu, DVJ Insights GmbH 

zum Abstract/Shortlist

Forschungsdatenbank Nichtwohngebäude – Repräsentative Primärdatenerhebung zur
statistisch validen Erfassung und Auswertung der Struktur und der energetischen
Qualität des Nichtwohngebäudebestands in Deutschland

Michael Hörner, Institut Wohnen und Umwelt GmbH, und Martina Winicker, IFAK Institut GmbH & Co. KG

zum Abstract/Shortlist

Die TAWNY Emotion Analytics Plattform.
Wie künstliche Intelligenz Marktforscher/innen hilft menschliche Emotionen zu lesen

Dr. Marco Maier, TAWNY GmbH 

zum Abstract/Shortlist

Aus der Forschung für die Praxis – Nachwuchsforscher/in 2022 – BVM/VMÖ/SWISS INSIGHTS

zu den Nominierten

Ethik in der Marktforschung: Was Menschen von der Marktforschung erwarten dürfen

Bias im Machine-Learning: Auch KI neigt zu Verzerrungen -
Wie Maschinen wirklich denken

Prof. Dr.-Ing. habil. Björn Schuller, Universität Augsburg

Maschinelles Lernen hat unter anderem durch Erfolge des „Tiefen Lernens“ eine Reihe neuer Anwendungen ermöglicht. In der Marktforschung betrifft dies etwa die automatische Analyse von Emotionen von Kunden und Kundinnen etwa aus textuellen Rezensionen, dem Klang der Stimme oder der Gesichtsmimik. Maschinen „denken“ dabei in erster Linie, indem sie Entscheidungen auf Basis gelernter Modelle treffen. Sind maschinelle Lernverfahren aber „fair“ oder neigen sie zu Verzerrungen? Ihr Ziel ist es, nach dem Lernen bestmöglich zu generalisieren. Damit ist klar, dass sie abbilden, woraus sie gelernt haben. Es liegt also vor allem an den Lerndaten, ihrer Verteilung und ihrer meist von Menschen stammenden „Verschriftung“ des Inhalts, wie fair sie in der Anwendung sein werden. Der Vortrag widmet sich – nach einer kurzen Einführung – Möglichkeiten, um etwaige Verzerrungen aufzuzeigen. So könnte etwa getrennt angegeben werden, wie gut die Erkennung von Kundenemotion für diverse demographische Gruppen funktionieren wird. Er zeigt dann Methoden, um beim Lernen Fairness zu begünstigen – etwa spezielle Verfahren des fairen maschinellen Lernens wie angepasste Zielfunktionen oder direkt übergreifende Regeln.

Fake News und Pseudo-Studien: Warum Menschen sich
von Desinformation angesprochen fühlen

Daniel Fazekas, Seven Principles Solutions & Consulting GmbH

Die Marktforschungsbranche hat ein Desinformationsproblem. Sie ist sowohl ein Opfer als auch eine Ursache von „Fake News“. Unsere Daten können falsch interpretiert und aus dem Zusammenhang gerissen werden. Manchmal können Insights vollständig an den Haaren herbeigezogen sein.
Das Ziel dieses Vortrag ist es jedoch, dass wir als Branche mit besseren und tieferen Insights unseren Kunden und uns selbst helfen können, die Grundursachen von Desinformation zu erkennen und anzugehen: Das Misstrauen.
Anhand von Social-Media-Intelligence-Fallbeispielen aus der Marken-, Pharma- und Politikforschung zeigt der Vortrag, dass ein „Zuerst zuhören, dann fragen“-Ansatz zur Lösung von Desinformationsproblemen beiträgt. Diese Herangehensweise beruht methodologisch auf Luhmanns Systemtheorie und ist eine qualitative Innovation, die zum wahrhaftigen Verstehen von komplexen Sachverhalten und Systemen, wie bspw. das menschliche Verhalten, dient. 

zurück zum Kongressprogramm