MARTIN-LUTHER-UNIVERSITÄT HALLE-WITTENBERG

(1)

Wintersemester 2019/2020 1. Termin

Name: ………...…….

Matrikelnummer: ………..

Klausur Anwendungsprojekte

über Varianzanalyse

„Statistik als Werkzeug in der Marketinganalyse“

14.02.2020

HALLE-WITTENBERG

Juristische & Wirtschaftswissenschaftliche Fakultät

Wirtschaftswissenschaftlicher Bereich

(2)

Inhaltsverzeichnis

1. Einleitung ... 1

2. Lieferdienst und Bio-Lebensmittel, passt das? ... 2

2.1 Das Konstrukt Lieferdienst ... 2

2.2 Die Bedeutung ökologisch hergestellter Lebensmittel in unserer Gesellschaft ... 2

3. Datenbeschreibung ... 3

3.1 Werbeform ... 3

3.2 Lieferform ... 4

3.3 Filialen ... 4

4. Methoden ... 5

4.1 Methodenbeschreibung Deskriptive Analyse ... 5

4.2 Methodenbeschreibung Varianzanalyse ... 8

5. Auswertung ... 9

6. Fazit ... 12

Tabellenverzeichnis ... 13

Abbildungsverzeichnis ... 14

Literaturverzeichnis ... 15

(3)

1. Einleitung

Der Markt für Nahrungsmittel hat sich in den letzten Jahren stark verändert. Immer mehr Menschen legen Wert auf gesunde und nachhaltig produzierte Lebensmittel. Zeitgleich hat sich der Onlinehandel rasant entwickelt. Selbst Nahrungsmittel können inzwischen im Internet bestellt werden. Die Lieferung erfolgt in der Regel über große Speditionsfirmen. Meist sind diese Lebensmittel zwar frisch, aber sie genügen weder den ökologischen Ansprüchen der neuen Konsumenten, noch ist der Transport der Nahrungsmittel ökologisch sinnvoll. (Belz, 2001)

Zuerst wird die Problemstellung erläutert, welche in der vorliegenden Arbeit betrachtet werden soll. Danach erfolgt eine Beschreibung der verwendeten Daten. Es schließt sich die Beschreibung der verwendeten Methoden an. Zum Schluss gibt es noch eine Auswertung und ein Fazit.

(4)

2. Lieferdienst und Bio-Lebensmittel, passt das?

Wie in der Einleitung beschrieben, soll untersucht werden, ob verschiedene Liefermodi einen Einfluss auf den Absatz ökologisch erzeugter Nahrungsmittel haben.

2.1 Das Konstrukt Lieferdienst

Im stationären Handel gab es bisher keine nennenswerten Lieferdienstangebote. Der demographische Wandel und der immer stärker werdende Onlinehandel fordern dem stationären Handel immer mehr Flexibilität, Angebotsvielfalt und Serviceangebote ab.

(Heinemann, 2015) Neben einem oft automatisierten und ausgefeilten Bestellsystem, welches i.d.R. mit dem Kassensystem verbunden ist, bietet die Supermarktkette REWE (REWE, 2020) bereits in verschiedenen größeren Städten ihren Kunden einen Lieferservice an. Die Kunden bestellen die gewünschten Waren online zu einem bestimmten Liefertermin gegen eine Gebühr.

Geliefert werden die Waren in einem Zeitraum von 7:00-22:00 Uhr per gekühltem Laster direkt an eine Wunschadresse. Die gelieferten Waren werden direkt bei der Lieferung bezahlt. (REWE, 2020) Die BIOKOST GmbH hat eine Beratungsfirma beauftragt, ein Konzept zur Umsetzung eines Lieferservices zu entwickeln. Da es sich bei der BIOKOST GmbH um eine Supermarktkette mit ökologisch hergestellten Lebensmitteln handelt, wollen die Verantwortlichen auch mit dem Lieferservice neue ökologisch sinnvolle Wege gehen.

Nach einer Analyse der Schadstoffemissionen durch vergleichbare herkömmliche Lieferdienste schlug die Beratungsfirma zur Ermittlung der Kundenakzeptanz der Liefermodi einen Versuch in verschiedenen Filialen vor. Gleichzeitig sollen auch verschiedene Werbeformen auf ihre Wirksamkeit getestet werden.¹

2.2 Die Bedeutung ökologisch hergestellter Lebensmittel in unserer Gesellschaft

In Zeiten von Klimawandel und wachsendem Gesundheitsbewusstsein ist es nicht verwunderlich, dass die

1 Vgl. eigene Aufzeichnungen

(5)

Menschen nicht nur auf eine ausgewogene Ernährung mit frischem Obst und Gemüse achten, sondern auch immer mehr Wert auf schadstofffreie Produkte legen. Immer mehr Verbraucher legen Wert auf saisonale und regionale Produkte, denn lange Lieferwege verursachen hohe Schadstoffemissionen beim Transport. Lange Lieferwege haben einen negativen Einfluss auf die Qualität und Frische der Produkte. Besonders bei frischem Obst, Gemüse und Fleisch ist ein langer Lieferweg durchaus kritisch zu sehen. Durch fehlende einheitliche Gütesiegel und Gesetze ist nicht immer erkennbar, unter welchen Bedingungen Produkte im Ausland hergestellt wurden. (Schäfer, 2003)

Neben den objektiven Argumenten wie Umweltschutz und steigende Lebensqualität gibt es auch soziale Aspekte zu berücksichtigen. In den letzten Jahren stieg das Einkommen der in Deutschland lebenden Menschen stetig an. (statista, 2020) Die gestiegene Kaufkraft hat dazu geführt, dass immer mehr Menschen nicht mehr nur in Discountern billigste Lebensmittel kaufen. Ebenso hat das Bewusstsein für Lebensmittelverschwendung zu einem bewussteren Einkaufsverhalten geführt. In manchen gesellschaftlichen Kreisen ist es auch einfach nur schick, im Biomarkt einzukaufen. (Spiller, 2006)

3. Datenbeschreibung

Die im vorliegenden Bericht genutzten Daten wurden von der Firma BIOKOST GmbH bereitgestellt.

Zur Auswertung herangezogen wurden die Werbeform², die vom Kunden gewählte Lieferform³ und der in jeweils 30 Tagen erzielte Absatz in 6 verschiedenen Filialen⁴ der Firma BIOKOST GmbH.

3.1 Werbeform

Die BIOKOST GmbH hat das Warenangebot und die beiden Liefermodi in Form von Plakaten im Ladengeschäft, in den Printmedien und im Internet beworben. Um die Wirkungen der

2 Printmedien, Werbung im Internet, Werbung im Laden

3 Lastenrad, Auto

4 München, Köln, Hannover, Leipzig, Halle, Hildesheim

(6)

Werbemaßnahmen einschätzen zu können, hat das Unternehmen jede Werbeform je 30 Tage lang in allen sechs beobachteten Filialen genutzt.

Dazu wurde in den regionalen Tageszeitungen 30 Tage lang eine halbseitige Anzeige veröffentlicht. Anschließend hängte man 30 Tage lang in den Ladengeschäften große Plakate im Kassenbereich und in den Schaufenstern aus. Als letztes wurden webbasierte Anzeigen geschaltet. Die Nutzer einer führenden Suchmaschine erhielten die Angebotshinweise des Unternehmens, wenn sie verschiedene Keywords suchten. Die Werbemaßnahmen wurden mit der Beratungsfirma in Kooperation mit einem Forschungsprojekt professionell und nach neuesten Erkenntnissen herausgearbeitet.

(Rippin, 2009)

3.2 Lieferform

Für den Beobachtungszeitraum bot die BIOKOST GmbH in den 6 beobachteten Filialen zwei verschiedene Möglichkeiten des Lieferservices an. Die Kunden konnten sich ihre Einkäufe per Lastenrad oder mit einem KfZ mit Verbrennungsmotor zu ihrer Wunschadresse bringen lassen. Die Unterschiede der Wahl des Liefermodus finden sich in der Wartezeit. Eine Terminlieferung ist ebenfalls buchbar. Die Lieferung per Lastenrad ist nur in der jeweiligen Stadt, nicht jedoch in die umliegenden Dörfer möglich. Die Lieferung per KfZ mit Verbrennungsmotor in die umliegenden Dörfer ist hingegen möglich.⁵

3.3 Filialen

Die BIOKOST GmbH hat in jeder größeren Stadt mindestens eine Filiale. Die Auswahl der Filialen überließen die Manager der Beratungsfirma. Die beobachteten Filialen befinden sich in München, Köln, Hannover, Leipzig, Halle an der Saale und Hildesheim. Der Umsatz, der im Beobachtungszeitraum in den 6 verschiedenen Filialen erzielt wurde, findet sich in aggregierter Form im Anhang.

5 Vgl. eigene Aufzeichnungen

(7)

Abbildung 1: Übersicht Umsätze im Beobachtungszeitraum

Quelle: Eigene Darstellung

1 … München 2 … Köln 3 … Hannover 4 … Leipzig 5 … Halle (Saale) 6 … Hildesheim

4. Methoden

Nach einem kurzen deskriptiven Überblick soll mit Hilfe einer Varianzanalyse untersucht werden, ob die Form der Werbung und/oder die Art des Lieferservices einen Einfluss auf den Umsatz in den verschiedenen beobachteten Filialen haben.

4.1 Methodenbeschreibung Deskriptive Analyse

Um einen guten ersten Überblick über die vorliegenden Daten zu erhalten, ist es sinnvoll, sich die sogenannten Lagemaße anzuschauen. Zu den Lagemaßen gehören Modus, Median, arithmetisches Mittel, geometrisches Mittel, harmonisches Mittel, Quantil (auch Quartil genannt), sowie Minimum und Maximum.

(statistik-nachhilfe, 2020)

820000 840000 860000 880000 900000 920000 940000 960000 980000 1000000 1020000

1 2 3 4 5 6

(8)

Abbildung 2: Überblick wichtige statistische Lagemaße

Lagemaß Beschreibung

Modus Der Modus ist der Wert, der am häufigsten vorkommt.

Median/Zentralwert Die gleiche Anzahl an Werten liegt jeweils über bzw.

unter dem Median.

Arithmetisches Mittel

Das arithmetische Mittel wird auch einfacher/normaler Durchschnitt genannt.

Geometrisches Mittel

Das geometrische Mittel wird als Durchschnitt von Wachstumsraten berechnet.

Harmonisches Mittel

Das Harmonische Mittel wird als Mittel von Brüchen gebildet. Es ist ein Spezialfall des gewichteten arithmetischen Mittels.

Quantil/Quartil Unter einem Quartil/Quantil liegen die Werte, die unter einem bestimmten Prozentsatz liegen.

Minimum/Maximum Das Minimum bzw. Maximum bezeichnet den größten bzw. den kleinsten Wert des Datensatzes.

Weitere Möglichkeiten Daten überblicksmäßig darzustellen, bieten verschiedene Diagrammtypen. Kreis-, Balken- und Säulendiagramme geben Hinweise auf die absolute, bzw. relative Verteilung der gesamten Daten. Mehr Aussagekraft besitzt der sogenannte Boxplot. Einige der in Abbildung 2: „Überblick wichtige statistische Lagemaße“ kurz erläuterten Maßzahlen werden benötigt, um einen Boxplot zu erstellen. Ein Boxplot besteht aus dem Minimum, dem kleinsten Wert der Datenreihe, dem unteren Quartil, dem Median, dem oberen Quartil und dem Maximum, dem größten Wert der Datenreihe. Die Box des Boxplots wird aus dem unteren Quartil, dem Median und dem oberen Quartil gebildet. Eine einheitliche Definition der sogenannten Antennen (kleinster und größter Wert) gibt es jedoch nicht. Die Antennen können mit Hilfe des Interquartilsabstands bestimmt werden. In der Regel haben die Antennen, auch „Whisker“ genannt, eine Länge des 1.5-fachen des Interquartilsabstandes. Alle anderen Werte gelten als Ausreißer. Der Interquartilsabstand ist der Wertebereich, in dem sich 50% der Daten befinden. Während der Interquartilsabstand nur einen Bereich der

(9)

Daten umfasst, gibt die Spannweite Auskunft über den gesamten Wertebereich des Datensatzes. (Streit & Gehlenborg, 2014)

Abbildung 3: Formelübersicht Boxplot

Minimum 𝑥_"= 𝑘𝑙𝑒𝑖𝑛𝑠𝑡𝑒𝑟 𝑊𝑒𝑟𝑡 𝑑𝑒𝑟 𝐷𝑎𝑡𝑒𝑛𝑟𝑒𝑖ℎ𝑒 unteres Quartil

𝑥₂ = 3𝑥([62]8"), 𝑛𝑝 𝑛𝑖𝑐ℎ𝑡 𝑔𝑎𝑛𝑧𝑧𝑎ℎ𝑙𝑖𝑔

?

@(A_(BC)8A_(BCD?)),62 EF6GGFHIJE

𝑓ü𝑟 𝑥₂ = 0.25 Arithmetisches

Mittel 𝑥 =1

𝑛R 𝑥_J

6

JS"

Median

?

𝑓ü𝑟 𝑥₂ = 0.50

Modus 𝑥_TUV

= 𝐴𝑢𝑠𝑝𝑟ä𝑔𝑢𝑛𝑔 𝑚𝑖𝑡 𝑑𝑒𝑟 𝑔𝑟öß𝑡𝑒𝑛 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑒𝑛 𝐻ä𝑢𝑓𝑖𝑔𝑘𝑒𝑖𝑡 ℎ _𝑎_`a oberes Quartil

?

𝑓ü𝑟 𝑥₂ = 0.75

Maximum 𝑥₆= 𝑔𝑟öß𝑡𝑒𝑟 𝑊𝑒𝑟𝑡 𝑑𝑒𝑟 𝐷𝑎𝑡𝑒𝑛𝑟𝑒𝑖ℎ𝑒

Spannweite 𝑅 = 𝑥₍₆₎− 𝑥_(")

Interquartilsabstand 𝑑_e = 𝑥_f.gh− 𝑥_f.ih Quelle: Eigene Darstellung

Abbildung 4: Beispiel Boxplot

Interquartilsabstand Box

Oberes Quartil

Median Oberer

Whisker Unteres

Quartil Unterer

Whisker

(10)

Der Boxplot gibt Auskunft über die Häufigkeitsverteilung der Daten.

Befinden sich der Median und viele Datenpunkte auf der linken Seite des Boxplots, also zwischen dem kleinsten Datenpunkt und dem Median, so spricht man von einer linkssteilen, bzw. rechtsschiefen Verteilung. Befinden sich der Median und viele Datenpunkte auf der rechten Seite des Boxplots, also zwischen dem Median und dem größten Datenpunkt, so spricht man von einer rechtssteilen, bzw.

linksschiefen Verteilung. Boxplots eignen sich demnach auch, um mehrere Datenreihen oder Teildatenreihen miteinander zu vergleichen. Wir können mit einem Boxplot also einen Gesamteindruck über die Verteilung des Umsatzes der BIOKOST GmbH bekommen sowie einen Eindruck zur Verteilung der Umsätze der einzelnen Filialen. (Streit & Gehlenborg, 2014)

4.2 Methodenbeschreibung Varianzanalyse

Wie im Kapitel „Datenbeschreibung“ erwähnt, handelt es sich bei dem „Umsatz“ um eine metrisch skalierte Variable. Im folgenden angewendeten Modell soll der Umsatz als abhängige, oder Zielvariable, bestimmt werden. In das univariate Modell gehen die Werbe- und die Transportformen der Lieferungen als unabhängige Variablen mit drei bzw. zwei Faktorstufen ein. Die unabhängigen Variablen sind nominalskaliert. Mit Hilfe der Varianzanalyse soll ein möglicher Zusammenhang zwischen den Variablen untersucht werden. (Fahrmeir, Hemerle, & Tutz, 1996)

Die Grundidee der Varianzanalyse ist die Betrachtung der Abweichung zwischen den beobachteten Werten und dem Gesamtmittelwert. Die Gesamtstreuung besteht aus der erklärten Streuung und der nicht erklärten Streuung. Wobei die nicht erklärte Streuung meist vernachlässigbar klein ist und keinen Einfluss auf die Interpretation der Ergebnisse hat. Sicherheitshalber kann man das sogenannte Eta-Quadrat zur Beurteilung der Güte des Modells berechnen. Eta-Quadrat ist das Produkt der erklärten Streuung, dividiert durch die gesamte Streuung. Je näher dieser normierte Wert

„Eta-Quadrat“ an Eins ist, desto mehr Streuung wird mit Hilfe des Modells erklärt. Bei einem Modell mit mehreren unabhängigen Variablen treten hin und wieder Interaktionseffekte zwischen diesen

(11)

auf. Die Signifikanz des Modells wird mit der F-Statistik überprüft. Bei der F-Statistik werden die erklärte und die nichterklärte Varianz ins Verhältnis gesetzt. Die nicht erklärte Varianz enthält sogenannte Störgrößen. Je größer diese Störgrößen sind, desto eher können signifikante Ergebnisse nachgewiesen werden. (Backhaus, Erichson, Plinke, & Weiber, 2018)

5. Auswertung

Die Analyse der Boxplots in den Abbildungen 5-7 lassen nur vereinzelt Unterschiede erahnen.

In den kleineren Städten Halle und Hildesheim wurde insgesamt etwas weniger Umsatz erzielt als in den anderen Städten. Die Streuung des Umsatzes scheint in allen untersuchten Städten ähnlich groß zu sein.

Abbildung 5: Boxplot Umsätze der Städte

Ein ganz ähnliches Bild liefert der Boxplot in Abbildung 6. Die vom Kunden präferierte Lieferart scheint einen marginalen Einfluss auf die gewählte Lieferart zu haben.

(12)

Abbildung 6: Boxplot Umsätze der Lieferarten

Auch die in Abbildung 7 dargestellten Boxplots zur Werbeart lassen kaum einen Einfluss auf den Umsatz vermuten.

Abbildung 7: Boxplot Umsätze der Werbeart

(13)

Abbildung 8: Output der Varianzanalyse mit R

Auf Grund der berechneten Signifikanzniveaus kann davon ausgegangen werden, dass die geringe Größe der Städte Halle und Hildesheim einen Einfluss auf den jeweiligen Umsatz hat. Sowohl die Art der Werbung, als auch die Lieferart bieten keinen signifikanten Einfluss auf den Umsatz. Laut F-Statistik ist eine der Hypothesen wie folgt zu formulieren: Die Art der Werbung und die Lieferart haben keinen Einfluss auf den Umsatz.

Der Wert des korrigierten R² geht gegen Null und bestätigt, dass weder die Art der Werbung noch der Liefermodus einen Einfluss auf den Umsatz haben.

(14)

6. Fazit

Mit ihrem Wunsch, „am Puls der Zeit zu bleiben“, hat die BIOKOST GmbH versucht herauszufinden, welche Art der Werbung die Kunden erreicht und ob die Lieferung von Lebensmitteln mehr Kunden ansprechen würde. Lediglich die Größe der Städte scheinen den Umsatz zu beeinflussen, insofern es sich um kleinere Städte handelt.

Der Einfluss einzelner Filialen auf den Gesamtumsatz wird in großen Städten offenbar ausgeglichen.

Die anfangs erwähnten neuesten Erkenntnisse in der Wissenschaft lassen jedoch vermuten, dass es sinnvoll sein kann, einen Lieferservice zu etablieren und wiederholt gezielte Werbemaßnahmen zu initiieren. Eine weiterführende Analyse wäre anzuraten. Hierzu sollte der Status quo erhoben und Vergleichsanalysen, sowie eine Kundenbefragung durchgeführt werden.

(15)

Tabellenverzeichnis

(16)

Abbildungsverzeichnis

Abbildung 1: Übersicht Umsätze im Beobachtungszeitraum ... 5

Abbildung 2: Überblick wichtige statistische Lagemaße ... 6

Abbildung 3: Formelübersicht Boxplot ... 7

Abbildung 4: Beispiel Boxplot ... 7

Abbildung 5: Boxplot Umsätze der Städte ... 9

Abbildung 6: Boxplot Umsätze der Lieferarten... 10

Abbildung 7: Boxplot Umsätze der Werbeart ... 10

Abbildung 8: Output der Varianzanalyse mit R ... 11

(17)

Literaturverzeichnis

Backhaus, K., Erichson, B., Plinke, W., & Weiber, R. (2018).

Multivariate Analysemethoden - Eine anwendungsorientierte Einführung. Berlin: Springer Gabler.

Belz, F.-M. (2001). Integratives Öko-Marketing. Wiesbaden:

Deutscher Universitätsverlag.

Fahrmeir, L., Hemerle, A., & Tutz, G. (1996). Multivariate statistische Verfahren. Berlin: Walter de Gruyter.

Heinemann, G. (2015). Location-based Services - Rettungsanker für den stationären Einzelhandel? Marketing Reviews St. Gallen, S. 58-66.

REWE. (04. 02 2020). www.rewe.de. Von www.rewe.de:

https://www.rewe.de abgerufen

REWE. (04. Februar 2020). www.rewe.de. Von https://www.rewe.de/service/lebensmittel-lieferservice/

abgerufen

Rippin, M. (2009). Analyse von Forschungsergebnisse im Hinblick auf die praxisrelevante Anwendung für die Vermarktung und das Marketing von Öko- Produkten. Zusammenfassung - vergleichende Betrachtung und Erarbeitung von Empfehlungen für die Praxis. Bornheim: Bundesministerium für Ernährung, Landwirtschaft und Verbraucherschutz.

Schäfer, M. (2003). Kundenvielfalt erfordert Marktvielfalt - eine Untersuchung der Potenziale von vier verschiedenen Bio- Einkaufsformen. Berichte über Landwirtschaft, Zeitschrift für Agrarpolitik und Landwirtschaft, S. 103-127.

Spiller, A. (2006). Zielgruppen im Markt für Bio-Lebensmittel: Ein Forschungsüberblick. Göttingen: Department für Agrarökonomie und Rureale Entwicklung, Georg-August- Universität.

statista. (04. Februar 2020). de.statistita.com. Von https://de.statista.com/statistik/daten/studie/75731/umfrage/en twicklung-der-bruttoloehne-in-deutschland/ abgerufen

statistik-nachhilfe. (28. Januar 2020). statistik-nachhilfe.de. Von https://www.statistik-nachhilfe.de/ratgeber/statistik/deskriptive- statistik/masszahlen/lagemasse abgerufen

Streit, M., & Gehlenborg, N. (2014). Bar charts and box plots. Nat Methods, 11.