GEWINNSTEIGERUNG DURCH PRODUKT- UND PREISBÜNDELUNG.
Eine empirische Studie im Fast-Food-Bereich mittels der Conjoint-Analyse
Georg Wübker
Dr. rer. pol. Georg Wübker ist Consultant bei SIMON - KUCHER & PARTNERS,
Strategy & Marketing Consultants GmbH, Haydnstr. 36, 53115 Bonn, Tel. (0228) 9843-0,
Fax: (0228) 9843 -140, http://www. SIMON-KUCHER.com. Der Autor dankt Prof Dr Hermann Simon sowie Prof Dr. Vilay Mahajan für ihre wertvolle Unterstützung.
KURZZUSAMMENFASSUNG
Dieser Beitrag zeigt die Gewinnsteigerungspotentiale, die Mehrproduktunternehmen mit Hilfe der Preisbündelung gegenüber dem Einzelverkauf erzielen können. Um die Chancen dieser Methode optimal zu nutzen, benötigt der Bündelanbieter allerdings besonders detaillierte Informationen über das Nachfragerverhalten (z.B. die Kenntnis der individuellen Maximalpreise für Produkte und Bündel). Für die Mehrproduktunternehmen stellt sich in diesem Zusammenhang die entscheidende Frage, wie sich die nachfragerspezifischen Maximalpreise für die in Betracht gezogenen Produkte und Bündel zuverlässig und valide messen lassen. Im Mittelpunkt dieses Beitrages steht daher die Entwicklung und Anwendung eines speziellen Conjoint Measurement-Designs, mit dessen Hilfe die notwendigen Informationen zur Optimierung ermittelbar sind.
Problemstellung
In zahlreichen Branchen trifft man immer häufiger auf Angebote, bei denen verschiedene Produkte - dies können Sachgüter und/oder Dienstleistungen sein - in einem Paket zu einem Gesamtpreis offeriert werden. Man spricht in diesem Zusammenhang von Preisbündelung, die als eine spezielle Form der Preisdifferenzierung dem Gebiet des Preismanagements für Mehrproduktunternehmen zuzuordnen ist (vgl. u. a. Tellis, 1986; Nagle, 1987; Monroe, 1990; Simon, 1992b; Dolan/Simon, 1996). Die vielfältigen Praxisformen der Preis- und Produktbündelung lassen sich anhand folgender Beispiele demonstrieren (1):
· In der Computerindustrie werden seit Jahren Hard- und Softwarepakete angeboten. Als Beispiele sind Vobis mit seinen sogenannten "Vobis Bundles" (vgl. auch Simon, 1992b) oder Microsoft mit den sogenannten "Office-Paketen" zu nennen. Das Potential, das in der Produktbündelung steckt, läßt sich sehr gut an den Strategien von Microsoft verdeutlichen. Das Softwareunternehmen hat es durch geschickte Bündelung seiner Programme zu "Office-Paketen" verstanden, seine Vormachtstellung von der Textverarbeitung (Winword) auf die Tabellenkalkulation (Excel), die Graphik (PowerPoint) und die Datenbank (Access) auszudehnen. Auf diese Weise hat es das Unternehmen geschafft, mit über 80 Prozent Marktanteil eine quasi-monopolartige Stellung bei den Office-Paketen innezuhaben und somit einen Standard in der Applikationssoftware zu setzen. Ob Microsofts Versuch gelingt, auf ähnliche Weise das Internet zu dominieren, bleibt abzuwarten.
· Im Dienstleistungsbereich erweist sich die Preisbündelung als besonders populär (vgl. z. B. Guiltinan, 1987 oder Bojanic, 1988). Banken bündeln mit ihren Allfinanzkonzepten unterschiedlichste Finanzdienstleistungen. Ein weiteres Beispiel der Preisbündelung im Dienstleistungsbereich sind Pauschalreisen (Flug und Hotel). Fußballvereine oder andere öffentliche Einrichtungen kombinieren Eintrittskarten mit Fahrkarten öffentlicher Verkehrsmittel. Auch in Kreditkarten werden häufig Dienstleistungen gebündelt.
· Automobilhersteller offerieren traditionell Sonderausstattungen im Paket (vgl. hierzu auch Fürderer, 1996).
Generell stehen Mehrproduktunternehmen vor dem Entscheidungsproblem, ob sie Produkte nur einzeln anbieten und Einzelpreise fordern (sogenannte "Einzelpreisbildung"), ob sie die Produkte ausschließlich zu einem "Bündel" zusammenfassen und für dieses einen Gesamtpreis verlangen (sogenannte "reine Preisbündelung") oder ob sie sowohl die Einzelprodukte als auch die Bündel anbieten und dafür die jeweiligen Preise festlegen sollen (sogenannte "gemischte Preisbündelung"). Die Preisbündelung besitzt gegenüber dem Einzelverkauf erhebliche Gewinnsteigerungspotentiale, weil sie eine bessere Abschöpfung der Konsumentenrente, d.h. der Differenz zwischen Preisbereitschaft und zu zahlendem Preis, gestattet (vgl. auch Stigler, 1963; Adams/Yellen, 1976).
Um die Chancen dieser Strategie optimal nutzen zu können, benötigt der Anbietet allerdings besonders detaillierte Informationen über das Nachfragerverhalten. Es genügt nicht, die Reaktion der aggregierten Nachfrage auf bestimmte Preise zu kennen, sondern der Anbietet muß wissen, wie die einzelnen Nachfrager bzw. Marktsegmente auf die für die einzelnen Produkte bzw. das Bündel geforderten Preise reagieren, d.h. er muß die nachfragerspezifischen Maximalpreise (der Preis, den der Nachfrager maximal zu zahlen bereit ist) kennen. Für die Mehrproduktunternehmen stellt sich in diesem Zusammenhang die entscheidende Frage, wie sich die individuellen Maximalpreise für die in Betracht gezogenen Produkte und Bündel zuverlässig und valide messen lassen (vgl. auch Simon, 1992b, S. 1228; Nieschlag et al., 1994, S. 403). Denn mit der Kenntnis der Maximalpreise wird die notwendige Informationsbasis geschaffen, um die mit Hilfe der Preisbündelung zu realisierenden Gewinnsteigerungspotentiale nutzen zu können.
Vor diesem Hintergrund muß verwundern, daß aus der Marketingliteratur wenige empirische Studien bekannt sind, die sich zum Ziel gesetzt haben, Meß- und Optimierungsmethoden im Rahmen der Preisbündelung anzuwenden, d.h. nachfragerspezifische Maximalpreise für Produkte und Bündel zu messen und auf dieser Basis optimale (gewinnmaximale) Preise zu berechnen. In diesem Zusammenhang sind z.B. die Arbeiten von Hanson/Martin (1990), Simon (1992b) oder Venkatesh/Mahajan (1993) zu nennen. Diese Studien haben jedoch eine gemeinsame Schwäche: Die Messung der Maximalpreise erfolgt mit Hilfe der Direktbefragung, d.h. die Probanden sind direkt befragt worden, wieviel sie für das Produkt oder für das Bündel maximal zu zahlen bereit sind. Simon (1992b, S. 1228) weist darauf hin, daß "die direkte Abfrage unter Validitätsaspekten nicht unbedenklich (ist), da die Aufmerksamkeit des Befragten in unnatürlicher Weise auf den Preis gelenkt wird". Folglich ist die Validität der erhobenen Daten, d.h. die Wiedergabe des tatsächlich zu messenden Sachverhaltes, bei den Studien als problematisch einzustufen (vgl. auch Simon, 1989, S. 27; Monroe, 1990, S. 107; Nessim/Dodge, 1995, S. 72).
Dieses Problem läßt sich mit Hilfe des Conjoint Measurements umgehen (vgl. hierzu z.B. Green/Srinivasan, 1978; Schubert, 1991). Bei dem Conjoint Measurement wird der Proband nicht direkt zum Preis befragt, sondern mit Preis-Bündel-Alternativen konfrontiert, die er hinsichtlich seiner Präferenz beurteilt. Auf Basis der Präferenzurteile lassen sich die Maximalpreise indirekt ermitteln. Angesichts der skizzierten Vorzüge durch diese Methode ist es erstaunlich, daß sich die Wissenschaft mit dieser Meßmethode im Kontext der Preisbündelung nur wenig auseinandergesetzt hat. Die vor dreizehn Jahren getroffene Aussage von Goldberg et al . (1984, S . 114) hat auch heute noch Gültigkeit und bestätigt dieses Forschungsdefizit: -.. little attention has been given to the empirical study of consumers' preferences for bundled versus unbundled products. Zwar hat Tacke (1989) eine auf dem Conjoint Measurement basierende Methode entwickelt und dargestellt, mit deren Hilfe individuelle Maximalpreise für homogene Produkte zuverlässig meßbar sind. Dennoch gibt es nach unserer Kenntnis keinen wissenschaftlichen Beitrag, der aufzeigt, wie die Messung der individuellen Maximalpreise für Produktbündel mit Hilfe des Conjoint Measurements erfolgt. Der vorliegende Beitrag soll diese Forschungslücke schließen. Bevor wir uns diesem Anliegen im dritten Abschnitt widmen, soll zunächst auf die Zielsetzungen eingegangen werden, die der Anbietet mit der Produkt- und Preisbündelung verfolgt.
Zielsetzungen der Produkt- und Preisbündelung
In der Literatur lassen sich verschiedene Ziele anführen, die der Bündelanbieter mit Anwendung der Preisbündelung verfolgt. Hierzu zählen Kostenziele, Umsatzziele, Gewinnziele, Wettbewerbsziele sowie Kundenziele. Tabelle 7 zeigt diese Ziele im Überblick und stellt die Argumente für die Zielerreichung anhand ausgewählter Arbeiten dar.
· Kostenreduktion
Wie aus Tabelle 1 ersichtlich, stellt die Kostenreduktion ein Ziel des Bündelanbieters dar. Die Reduktion von Produktions- und Komplexitätskosten kann aus der Kombination von Produkten zu einem Paket resultieren (vgl. auch Eppen et al., 1991, S. 7; Fürderer, 1996, S. 92 ff.; Herrmann et al., 1996, S. 165). Fürderer/Huchzermeier (1997, S. 118) weisen in diesem Zusammenhang darauf hin, daß sich durch die gemeinsame Produktion technisch komplementärer Komponenten sogenannte "economies of scope" erzielen lassen. Darunter versteht man Kostenvorteile, die bei der gleichzeitigen Produktion mehrerer heterogener Produkte entstehen, wenn die Summe der Kosten der jeweiligen Einzelproduktion höher ist als die Gesamtkosten bei gemeinsamer Produktion (vgl. Friege, 1995). Die Preisbündelung kann auch zu einer Reduktion der Transaktions- und Informationskosten führen (vgl. Simon, 1992b, S. 1218; Wieandt, 1994, S. 857) (2). Kostenreduktionen können bei der Preisbündelung aus den komplementären Beziehungen zwischen den Produkten resultieren (vgl. Guiltinan, 1987, S. 79; Yadav, 1990, S. 23). Simon (1992b, S. 1218) erklärt die Kostenreduktion durch Komplementarität zwischen den Produkten dadurch, daß der Mehrdeckungsbeitrag des komplementären Produktes wie eine Grenzkostenreduktion beim betrachteten Produkt wirkt. Diese Aussage ergibt sich aus der sogenannten "Niehans-Formel" (vgl. Niehans, 1956), die die Optimalität des Preises bei Berücksichtigung produktübergreifender Beziehungen bestimmt.
· Umsatzsteigerung
Neben dem Ziel der Kostenreduktion kann der Anbietet durch Anwendung der Preisbündelung das Ziel der Umsatzsteigerung verfolgen (vgl. auch Guiltinan, 1987). Der Umsatz ist definiert als Produkt aus Preis und Absatzmenge (vgl. Simon, 1992a, 87 f), Gemäß dieser Definition kann bei einer Preissenkung der Umsatz nur dann gesteigert werden, wenn die Absatzmenge derart erhöht wird, daß das Produkt aus Preissenkung und Absatzsteigerung über der ursprünglichen Umsatzgröße liegt. Guiltinan (1987) begründet in seinem Beitrag, warum der Anbieter durch Anwendung der Preisbündelung einen Mehrabsatz (und die daraus möglicherweise resultierende Umsatz- und Gewinnsteigerung) erzielt. Der Autor unterstellt, daß der Anbietet zwei Produkte einzeln und im Bündel offeriert, wobei der Bündelpreis geringer ist als die Summe der Einzelpreise. In diesem Fall kann der Mehrabsatz durch zwei Nachfrageeffekte erklärt werden: zum einen durch das sogenannte "cross-selling", d.h. Nachfrager, die vor Anwendung der Preisbündelung nur jeweils ein Produkt erworben haben, kaufen jetzt das (im Vergleich zur Summe der Einzelpreise günstigere) Bündel; zum zweiten durch die Akquisition von ehemaligen Nichtkäufern, die sich aufgrund des attraktiven Bündelpreises zum Kauf des Bündels entscheiden. Auf der anderen Seite reduziert sich der Umsatz bei den Nachfragern, die auch ohne das Bündelangebot beide Produkte gekauft hätten. Die Umsatzreduktion ergibt sich dadurch, daß der Bündelpreis geringer ist als die Summe der Einzelpreise. Folglich hängt die mögliche Gewinnsteigerung durch Preisbündelung davon ab, ob der Nettoeffekt aus Umsatzsteigerung (durch "cross-selling" und "new customer akquisition") und Umsatzreduktion (durch die Nachfrager, die auch sonst beide Produkte gekauft hätten) positiv ist. Guiltinan (1987) liefert in seiner Arbeit eine ausführliche Darstellung dieser verschiedenen Nachfrageeffekte.
· Gewinnsteigerung
Die Gewinnsteigerung wird in der einschlägigen Literatur häufig als das zentrale Ziel der Preisbündelung hervorgehoben (vgl. u.a. auch Monroe, 1990; Simon, 1992b; Dolan/Simon; 1996). Simon (1992b, S. 1233) schätzt die Gewinnsteigerungspotentiale durch Anwendung der Preisbündelung auf 10 bis 30 Prozent. Der Gewinn ist definiert als Differenz aus Umsatz und Kosten. Die Gewinnsteigerung kann gemäß dieser Definition durch eine Kostenreduktion (bei konstantem Umsatz), durch eine Umsatzsteigerung (bei konstanten Kosten) oder durch eine simultane Kostenreduktion und Umsatzsteigerung erfolgen. Die Kosten- und Umsatzziele sind folglich Unterziele des Oberziels Gewinnsteigerung. Die ökonomische Erklärung für die Erhöhung des Gewinns durch Preisbündelung besteht darin, daß es dem Anbietet gelingt, die Konsumentenrente (definiert als Differenz zwischen Maximalpreis und tatsächlich zu zahlendem Preis) heterogener Nachfrager besser abzuschöpfen als beim Verkauf zu Einzelpreisen (vgl. hierzu u.a. Adams/Yellen, 1976; Schmalensee, 1984; Simon, 1992b; Diller, 1993; Nieschlag et al., 1994; Simon et al., 1995; Dolan/Simon, 1996).
Gewinnmaximierung durch Preisbündelung bedeutet die maximal mögliche Abschöpfung der Konsumentenrente durch den Anbietet (vgl. hierzu auch Wübker, 1998, S. 24 ff.).
· Wettbewerbs- und Kundenziele
Neben den quantitativen Zielen (Kosten-, Umsatz- sowie Gewinnziel) werden in der Literatur zudem qualitative Ziele wie Wettbewerbsziele oder Kundenziele genannt, die der Anbietet mit der Preisbündelung verfolgt (vgl. Tabelle 1). Auch diese Ziele stehen unter dem Primat der Gewinnerzielung.
Gewinnsteigerung durch Preisbündelung. Eine empirische Studie
Aus den Ausführungen der vorherigen Kapitel ist deutlich geworden, daß das Oberziel des Anbieters durch Anwendung der Preisbündelung in der Gewinnsteigerung gegenüber der Einzelpreisbildung liegt. Um die Vorteilhaftigkeit der jeweiligen Preisstrategien abwägen zu können, sollte der Anbietet die individuellen Maximalpreise für die Produkte bzw. Bündel kennen (vgl. hierzu auch Wübker, 1998, S. 50 ff.). In diesem Abschnitt wenden wir das in der einschlägigen Literatur als reliabel und valide eingestufte Conjoint Measurement an und vergleichen die Meßergebnisse dieser Methode zur Kreuzvalidierung mit den Meßergebnissen der Direktbefragung, d.h. man überprüft, ob zwei unterschiedliche Meßmethoden, die dasselbe zu messen versuchen, auch zu denselben Meßergebnissen führen. Folglich soll anhand des Vergleichs beider Methoden deutlich werden, ob und (wenn ja) wie die gemessenen Maximalpreise beider Methoden zu unterschiedlichen Optimierungsergebnissen führen.
Vorüberlegungen zur Studie
Da mit der empirischen Anwendung beabsichtigt wird, Kunden nach ihren Maximalpreisen für bestimmte Produkte und Bündel zu befragen, sollten die Kunden konkrete Kenntnisse über die in der Befragung betrachteten Produkte und Bündel sowie deren Preise besitzen (vgl. hierzu auch Kohli/Mahajan, 1991, S. 349). Um dieser Anforderung gerecht zu werden, sollte man die Kunden unmittelbar nach der Kaufentscheidung befragen, weil sie in dem Fall ihre Kaufentscheidung gerade erst getroffen haben und folglich noch in den Entscheidungsprozeß involviert sind (vgl. Tacke, 1989, S. 203). Weiterhin sollte die Anzahl der in der Untersuchung betrachteten Preis-Bündel-Alternativen nicht zu groß sein, damit die Kunden nicht bei der Bewertungsaufgabe im Rahmen des Computer-Interviews kognitiv überfordert werden.
Vor diesem Hintergrund haben wir für die empirische Anwendung die Fast-Food-Menüs einer bekannten Restaurantkette ausgewählt und die Kundenbefragung in einem Fast-Food-Restaurant in Mainz durchgeführt. Bevor die Daten mittels der computergestützten ACA-Methode und mit Hilfe eines für die Direktbefragung konzipierten Fragebogens erhoben werden, muß man die relevanten Merkmale und Ausprägungen der Untersuchung festlegen, die jeweiligen merkmalsspezifischen Präferenzmodelle auswählen sowie unrealistische Merkmalskombinationen (Stimuli) ausschließen (vgl. hierzu ausführlich Wübker, 1998, S. 107 ff.). Als untersuchungsrelevant haben sich die Merkmale Preis und Bündel herausgestellt. Die Auswahl der in Tabelle 2 dargestellten Ausprägungen dieser beiden Merkmale erfolgte auf Basis mehrerer Pilotstudien und nach Abstimmung mit dem Manager des Fast-Food-Restaurants. Die Anzahl der Ausprägungen pro Merkmal ist jeweils auf fünf festgelegt worden, weil es zum einen aus erhebungstechnischen Gründen notwendig ist, sich auf relativ wenige Merkmale und Ausprägungen zu beschränken (vgl. Backbaus et al., 1996, S. 502). Zum zweiten haben empirische Befunde ergeben (vgl. z.B. Wittink et al., 1989), daß die Anzahl der Ausprägungen je Merkmal in etwa gleich groß sein soll.
Wie aus Tabelle 2 ersichtlich wird, sind beim Merkmal Bündel fünf der sieben (= 23 - 1) möglichen Ausprägungen ausgewählt worden. Nach Absprache mit dem Manager sind die Ausprägungen "Big Mac plus mittleres Getränk (0,4 1)" sowie "große Portion Pommes Frites plus mittleres Getränk (0,4 1)" nicht im Erhebungsdesign berücksichtigt worden, weil beide in dieser Form von den Kunden am wenigsten nachgefragt werden. Dies ist auch auf Basis der vorher durchgeführten Pilotstudien festgestellt worden.
Bei dem Merkmal Preis entsprechen die Ausprägungen DM 2,50, DM 5,00 sowie DM 7,50 den realen Marktpreisen der Bündel "große Portion Pommes Frites" (= DM 2,50), "mittleres Getränk" (= DM 2,50)",Big Mac" (= DM 5,00) sowie "Big Mac plus große Portion Pommes Frites" (= DM 7,50). Für das Dreierbündel variiert der Preis von DM 7,50 bis DM 10,50. In Abstimmung mit dem Manager wurde die Ausprägung DM 7,50 als Preisuntergrenze (dies entspricht dem Marktpreis des Zweierbündels) und die Ausprägung DM 10,50 als realistische Preisobergrenze des Dreierbündels betrachtet. Im folgenden gehen wir davon aus, daß sich die Preise für das Dreierbündel variieren lassen. Die übrigen Bündel werden zu ihren jeweiligen Marktpreisen angeboten, die wir als konstant annehmen und folglich nicht variieren. Wir weisen darauf hin, daß es sich hierbei um eine restriktive Annahme handelt, die jedoch aus folgenden Gründen gerechtfertigt ist: Zum einen würde ein Abweichen von dieser Annahme zu einem starken Anstieg der Anzahl der Preisausprägungen führen, weil man in dem Fall für sämtliche Bündel Preisunter- und obergrenzen festlegen müßte. Dies würde zu einem erheblich komplexeren Erhebungsdesign führen, so daß die Probanden bei der Beurteilung der Stimuli schnell an die Grenzen der kognitiven Belastbarkeit stoßen würden. Hinzu kommt, daß wir bei jedem Probanden zwei Befragungsmethoden (ACA-Methode und Direktbefragung) durchgeführt haben, so daß ein komplexeres Design auch aus Befragungszeitgründen problematisch geworden wäre. Zum zweiten haben zahlreiche Gespräche mit Fast-Food-Kunden ergeben, daß ein Großteil der Kunden, die eigentlich nur ein oder zwei Produkte zu kaufen beabsichtigen, insbesondere dann zum Dreierbündel wechseln, wenn dieses einen signifikanten Preisvorteil bietet. D.h. in dieser Kaufsituation interessiert die Fragestellung, bei welcher Preisreduktion die Ein- bzw. Zweiproduktkäufer zum Dreierbündel wechseln. Dies wird in dem Erhebungsdesign berücksichtigt.
Nach Festlegung der Merkmale und deren Ausprägungen sind die merkmalsspezifischen Präferenzmodelle ausgewählt worden (vgl. auch Johnson, 1987; Metegrano, 1989). Für das Merkmal Preis wurden das Idealvektormodell und für das Merkmal Bündel das Teilnutzenwertmodell festgelegt. Im Anschluß daran haben wir im Computerprogramm alle unrealistischen Stimuli (Preis-Bündel-Alternativen) ausgeschlossen, so daß im Datenerhebungsteil der ACA-Methode nur realistische Paarvergleichsfragen konstruiert werden konnten. Aus den 25 ( = 5·5) möglichen Preis-Bündel-Alternativen verblieben folgende sieben realistische Stimuli:
· Große Portion Pommes Frites zu DM 2,50
· Mittleres Getränk (0,4 1) zu DM 2,50
· Big Mac zu DM 5,00
· Big Mac plus große Portion Pommes Frites zu DM 7,50
· Big Mac plus große Portion Pommes Frites plus mittleres Getränk (0,4 1) zu DM 7,50
· Big Mac plus große Portion Pommes Frites plus mittleres Getränk (0,4 1) zu DM 9,00
· Big Mac plus große Portion Pommes Frites plus mittleres Getränk (0,4 1) zu DM 10,50.
Diese Stimuli bildeten die Basis für die vom Computerprogramm dem Befragten vorgegebenen Paarvergleiche.
Datenerhebung
Es wurden 80 Probanden in einem Fast-Food-Restaurant in Mainz befragt, von denen lediglich einer ausgeschlossen wurde, da dieser die Fragen unvollständig beantwortete. Somit lagen die Antworten von 79 Probanden zur Auswertung vor. Bei jedem befragten Kunden wurden die interaktive computergestützte ACA-Befragung (3) und die Methode der Direktbefragung eingesetzt, bei der die Probanden in Form eines einseitigen Fragebogens direkt nach den Maximalpreisen der einzelnen Preis-Bündel-Alternativen befragt wurden und die sieben beschriebenen Stimuli in eine Kaufrangordnung bringen sollten. Wir werden im folgenden auf die Vorgehensweise der ACA-Befragung eingehen. Hierbei unterscheidet man zwischen der kompositionellen und dekompositionellen Phase der Datenerhebung.
· Kompositionelle Phase der ACA-Befragung
Die computergestützte interaktive ACA-Befragung begann mit der kompositionellen Phase, in der zunächst jeder Proband in der sogenannten "preference ranking section" die Aufgabe hatte, die Ausprägungen des Merkmals Bündel in eine Präferenzrangfolge zu bringen. Die Ausprägungen des Merkmals Preis brauchten durch die a-priori unterstellte negative "Preis-Nutzen-Beziehung" nicht in eine Rangfolge gebracht werden. Im nächsten Schritt bekam jeder Proband die Aufgabe, in der sogenannten "importance ranking section" die wahrgenommene Wichtigkeit der Merkmale auf einer Skala von 1 bis 4 in den Computer (Laptop) einzugeben. Anhand der erhobenen Daten aus der ,preference ranking section" und "Importance ranking section" berechnet die ACA-Methode mittels einer im Computerprogramm integrierten Regressionsanalyse die Teilnutzenwerte vorläufig (vgl. Johnson, 1987). Diese Teilnutzenwerte fließen als Daten in die dekompositionelle Phase der ACA-Befragung ein (vgl. Wübker, 1998, S. 120 ff.).
· Dekompositionelle Phase der ACA-Methode
Auf Basis der in der kompositionellen Phase ermittelten Daten wurden dem Probanden in der sogenannten "graded paired comparison section" Paarvergleiche gezeigt, die jeweils auf einer neunstufigen Ratingskala hinsichtlich der Präferenz zu bewerten waren (vgl. Abbildung 1).
Nach Beantwortung der Paarvergleichsfrage wurden die individuellen Teilnutzenwerte der Merkmalsausprägungen vom Computerprogramm neu berechnet und als Grundlage für die Konstruktion der nächsten Paarvergleichsfrage herangezogen. Insgesamt bekam jeder Proband elf (= 3 - (10 - 2 - 1) - 10) Paarvergleiche am Computerbildschirm präsentiert. Die Anzahl der durchgeführten Paarvergleiche ermittelt die ACA-Methode automatisch (vgl. Wübker, 1998, S. 118 ff.). Auf diese Weise läßt sich gewährleisten, daß für die Berechnung der Teilnutzenwerte genügend Freiheitsgrade vorhanden sind und somit kein Schätzproblem vorliegt. Mit der Beantwortung sämtlicher Paarvergleichsfragen endete das Computer-Interview. Im Anschluß daran füllte jeder Proband den schriftlichen Fragebogen aus.
Ergebnisse der empirischen Anwendung
Ergebnisse der Teilnutzenwerte
Nach Erhebung der Daten lassen sich die Teilnutzenwerte mit Hilfe einer im Computerprogramm der ACA-Methode integrierten Regressionsanalyse für die einzelnen Merkmalsausprägungen berechnen (vgl. Johnson, 1991). Die berechneten Teilnutzenwerte dienen als Basis für die Herleitung der individuellen Maximalpreise. Abbildung 2 zeigt die durchschnittlichen, d.h. die über die Gesamtheit der befragten Kunden gemittelten Teilnutzenwerte der beiden Merkmale Preis und Bündel.
Anhand der Abbildung 2 ist zum einen ersichtlich, daß in der Reihenfolge "mittleres Getränk", ,große Portion Pommes Frites", Big Mac", "Zweierbündel" und "Dreierbündel" die Teilnutzenwerte steigen. Wie erwartet, stiftet das Dreierbündel im Durchschnitt den höchsten Nutzen. Zum zweiten liegt eine monoton fallende "Preis-Teilnutzen-Beziehung" vor, d.h. je höher (niedriger) der Preis, desto niedriger (höher) der Teilnutzenwert. Auch dieser Verlauf stimmt mit unserer a-priori-Erwartung überein.
Ergebnisse der Maximalpreismessung
Auf Basis der berechneten individuellen Teilnutzenwerte lassen sich die individuellen Maximalpreise messen. Wir unterstellen bei der Messung, daß die Einzelprodukte "mittleres Getränk (0,4 1)", "große Portion Pommes Frites", "Big Mac" und das Zweierbündel "Big Mac plus große Portion Pommes Frites" zu den jeweiligen Marktpreisen offeriert werden (zur näheren Begründung hierfür siehe auch Abschnitt 3.1). Unter diesen Bedingungen erhält man den individuellen Maximalpreis des Dreierbündels, wenn das Dreierbündel dem Kunden gerade noch den höchsten Nutzen (im Vergleich zu den restlichen Kaufoptionen) stiftet. D.h. man variiert den Preis des Dreierbündels so lange, bis der Kunde für das Dreierbündel den höchsten Gesamtnutzenwert erhält und somit (gemäß der "first-choice"-Annahme) das Dreierbündel erwirbt (4).
Die mit Hilfe der ACA-Methode hergeleiteten und die mittels der Befragung direkt erhobenen individuellen Maximalpreise für das Dreierbündel lassen sich miteinander vergleichen. Wir erwarten a priori, daß die Mehrheit der Probanden bei der Direktbefragung einen niedrigeren Maximalpreis bekundet als bei der ACA-Methode. Dies wird in der wissenschaftlichen Literatur u.a. damit begründet, daß viele der direkt befragten Kunden bewußt einen niedrigeren Maximalpreis in der Hoffnung angeben, daß die zukünftigen Preise herabgesetzt werden (vgl. Nagle, 1987, S. 280; Morton, 1989, S. 68; Monroe, 1990, S. 112; Nessim/Dodge, 1995, S. 72). Im Gegensatz zu der Direktbefragung wird außerdem mittels der ACA-Methode der Maximalpreis des Dreierbündels nicht isoliert, sondern immer im Verhältnis zum Nutzen sämtlicher relevanter Kaufoptionen und unter Abwägung ("Trade-Off") zwischen Preis und Nutzen ermittelt, so daß wir die ACA-Methode im Vergleich zur Direktbefragung als reliabler und valider (hinsichtlich der Fähigkeit, die Maximalpreise zu messen) einstufen. Die Meßergebnisse zeigen (vgl. hierzu ausführlich Wübker, 1998, S. 140 ff.), daß mit Hilfe der ACA-Methode für die Mehrheit der Probanden (51 von 79 = 64,6 Prozent) ein höherer Maximalpreis ermittelt wurde als durch die Direktbefragung. Dies ist konsistent mit unserer obigen a priori-Erwartung. Beachtenswert ist jedoch auch, daß 28 der 79 befragten Kunden (= 35,4 Prozent) bei der Direktbefragung einen höheren Maximalpreis angeben als den durch die ACA-Methode hergeleiteten Maximalpreis. Eine mögliche Erklärung hierfür liefert Nagle (1987, S. 280): “... it (direct questioning, Anmerkung des Verfassers) elicts a desire to please the researcher or not to appear stingy, prompting consumers to state a higher price than they would actually pay." Die Erwartung, daß die Probanden bei der Direktbefragung den Maximalpreis (bewußt) niedriger angeben, wird durch einen Mittelwertvergleich zwischen den Maximalpreisen der ACA-Methode (DM 9,15) und der Direktbefragung (DM 8,79) deutlich (vgl. auch Tabelle 3). Die Durchführung eines t-Tests (t = 2, 10; df = 78; á = 0,039) dokumentiert, da? sich beide Mittelwerte um DM 0,36 signifikant unterscheiden.
In Tabelle 3 werden die zuvor genannten Vergleichskriterien (Mittelwert, Standardabweichung und Anzahl der Probanden, die einen höheren Maximalpreis haben) zwischen der ACA-Methode und der Direktbefragung im Überblick dargestellt.
Zusammenfassend bleibt festzuhalten, daß sich die mit Hilfe der ACA-Methode und Direktbefragung erhobenen individuellen Maximalpreise des Dreierbündels signifikant unterscheiden. Im Durchschnitt liegen die durch die Direktbefragung ermittelten Maximalpreise um DM 0,36 niedriger als die durch die ACA-Methode gemessenen Maximalpreise.
Ergebnisse der Reliabilitäts- und Validitätsprüfung
In diesem Abschnitt wird überprüft, inwieweit die ACA-Methode und die daraus resultierenden Meßergebnisse (Teilnutzenwerte und Maximalpreise) den Kriterien der Reliabilität und Validität entsprechen (vgl. zu den zwei Kriterien u.a. Nunnally, 1978; Churchill, 1979; Peter, 1979; Homburg/Giering, 1996). Hierzu wenden wir geeignete Reliabilitäts- und Validitätstests an. Die Ergebnisse der berechneten Teilnutzenwerte sind konsistent mit unseren a priori-Erwartungen (5). So liegt bei jedem der 79 Probanden eine negative Preis-Teilnutzen-Beziehung vor. Außerdem besitzen 78 der 79 Probanden für die Bündelausprägung "Dreierbündel" den höchsten Teilnutzenwert; ein Proband präferiert (unabhängig vom Preis) die Bündelausprägung "Big Mac plus große Portion Pommes Frites" am meisten. Insgesamt sind die berechneten individuellen Teilnutzenwerte sehr plausibel, so daß eine hohe Face-Validität gegeben ist.
Da mittels der ACA-Methode Paarvergleiche durchgeführt wurden, wenden wir als Maß für die interne Validität das in der wissenschaftlichen Literatur empfohlene sogenannte "Kendalls Tau" an (vgl. hierzu auch Siegel, 1956, S. 213-219; Schweikl, 1985, S. 70; Weisenfeld, 1987, S. 267 f.; Tacke, 1989, S. 206). Es läßt sich wie folgt berechnen:
mit N: Gesamtanzahl der durchgeführten Paarvergleiche,
Nü: Anzahl der übereinstimmenden Paarvergleiche,
Nnü: Anzahl der nicht übereinstimmenden Paarvergleiche.
Kendalls Tau stellt einen Koeffizienten dar, der Werte zwischen -1 und 1 annimmt. Ein Wert von null besagt, daß die Anzahl der übereinstimmenden und nicht übereinstimmenden Paarvergleiche identisch ist. Je näher dieser Koeffizient an 1 liegt, desto weniger Paarvergleiche sind gemäß obiger Formel verletzt und desto besser ist die interne Validität. In Tabelle 4 sind die individuellen Werte von Kendalls Tau dargestellt. Bei den 79 Probanden liegt der durchschnittliche Wert von Kendalls Tau bei 0,899. Aus der Tabelle 4 ist ersichtlich, daß alle Werte über 0,6 liegen. In 63 Prozent der Fälle (50 von 79) wird sogar ein perfekter Fit von 1,0 erzielt, d.h. die Antworten der Probanden sind konsistent gewesen. Insgesamt kann man deshalb im Vergleich zu anderen Studien (vgl. z.B. Tacke, 1989; Mason, 1990) von einer hohen internen Validität sprechen, d.h. mit Hilfe der geschätzten individuellen Teilnutzenwerte lassen sich die Inputdaten (Präferenzurteile der Probanden) sehr gut reproduzieren.
Als Maß für die Prognosevalidität läßt sich der Rangkorrelationskoeffizient von Spearman heranziehen (vgl. auch Tacke, 1989, S. 208). Dieser wird wie folgt ermittelt: Bei der Direktbefragung sollten die Probanden sieben Stimuli in eine Rangfolge ihrer Kaufentscheidung bringen. Auf Basis der durch die ACA-Methode berechneten Teilnutzenwerte läßt sich die Rangordnung dieser Stimuli rekonstruieren. Somit liegen zwei Rangordnungen vor, die mit unterschiedlichen Methoden ermittelt worden sind. Die Korrelation zwischen diesen beiden Rangordnungen verdeutlicht, wie zuverlässig die ermittelten Teilnutzenwerte der ACA-Methode sind und inwieweit sie zur Prognose der Kaufabsichten herangezogen werden können.
In Tabelle 4 ist für jeden der 79 Probanden der Spearmansche Rangkorrelationskoeffizient dargestellt. Für sie ergibt sich im Durchschnitt ein Rangkorrelationskoeffizient von 0,97, der als sehr hoch zu bezeichnen ist. Lediglich 3 von 79 Probanden (4 Prozent) weisen einen Korrelationskoeffizienten auf, der unterhalb von 0,9 liegt. Wir sprechen deshalb von einer sehr hohen Prognosevalidität.
Des weiteren wurde getestet, ob die durch die ACA-Methode ermittelte erste Wahl ("First choice") mit der ersten Wahl bei der Direktbefragung übereinstimmt. Dieser sogenannte "first choice hit" (auch als "erste Treffer" bezeichnet, vgl. Tacke, 1989, S. 208) gilt als Fit-Indikator für die Prognosefähigkeit der ACA-Methode (vgl. auch Montgomery/Wittink, 1980; Srinivasan et al., 1983). Tabelle 5 vergleicht in Form einer Kreuztabellierung, wie die Verteilung der Probanden bezüglich der ersten Wahl für beide Methoden aussieht. Die Werte auf der Diagonalen zeigen, daß die erste Wahl der Probanden bezogen auf einen der sieben Stimuli sowohl bei der Direktbefragung (DB) als auch bei der ACA-Methode identisch ist. Folglich haben wir in unserer Untersuchung 73 erste Treffer (= Summe der Diagonalwerte). Dieses Ergebnis kann als gut interpretiert werden.
Abschließend gehen wir auf einen einfachen Konsistenztest ein. Bei der Direktbefragung haben sich drei der sieben Stimuli lediglich im Preis unterschieden (vgl. Wübker, 1998, S. 203). Alle Probanden haben bei der Rangordnung dieser drei Stimuli konsistent geantwortet, d.h. sie haben den billigsten vor dem zweitbilligsten und dem drittbilligsten Stimulus präferiert.
Zusammenfassend kann man festhalten, daß die ACA-Methode durch eine hohe Reliabilität und Validität gekennzeichnet ist, so daß die Meßergebnisse (Teilnutzenwerte und Maximalpreise) zur weiteren Anwendung (Preisoptimierung und Gewinnmaximierung) gut genutzt werden können.
Ergebnisse der Optimierung
In diesem Abschnitt werden die Optimierungsergebnisse (optimalen Preise, Absatzmengen und Gewinnmaxima) bei Anwendung der Einzelpreisbildung sowie der reinen und gemischten Preisbündelung dargestellt. In die Zielfunktion (Gewinnmaximierung) fließen als Dateninput die individuellen Maximalpreise sowie variable Stückkosten ein. Auf Basis der Zielfunktion und der vorhandenen Inputdaten lassen sich dann die Optimierungsergebnisse mit Hilfe enumerativer Methoden oder mit Hilfe der mathematischen Programmierung bestimmen (vgl. hierzu detailliert Wübker, 1998, S. 77 ff.).
Wie in Abschnitt 3.1 erwähnt, überprüfen wir in diesem Abschnitt, ob die unterschiedlich erhobenen individuellen Maximalpreise (mittels ACA-Methode vs. Direktbefragung) auch zu unterschiedlichen Optimierungsergebnissen führen (6). Als Dateninput verwenden wir zum einen variable Stückkosten. Weil diese nicht bekannt sind, unterstellen wir für die betrachteten Produkte und Bündel bestimmte variable Stückkosten (20 Prozent, 30 Prozent bzw. 40 Prozent der jeweiligen aktuellen Marktpreise der relevanten Produkte und Bündel), in deren Bandbreite approximativ die aktuellen Stückkosten liegen dürften. Zum anderen verwenden wir die durch die ACA-Methode und Direktbefragung ermittelten individuellen Maximalpreise (vgl. Wübker, 1998, S. 210 f.). Auf Basis der individuellen Maximalpreise für die Einzelprodukte und Bündel und der vorgegebenen variablen Stückkosten ergeben sich für die Direktbefragung die Optimalwerte in Tabelle 6. Aus der Tabelle 6 ist ersichtlich, daß bei allen drei Kostenszenarien (variable Stückkosten 1 bis 111) die Anwendung der Einzelpreisbildung gegenüber der reinen und gemischten Preisbündelung zu den niedrigsten Gewinnen führt. Bei Anwendung der gemischten Preisbündelung erzielt der Anbietet in allen drei Szenarien den höchsten Gewinn.
In Szenario I beträgt dieser DM 296,0 und liegt somit 4,2 Prozent über dem Gewinn der reinen Preisbündelung sowie 7,2 Prozent über dem der Einzelpreisbildung; in Szenario 11 ergibt sich ein Gewinn von DM 369,0, der 3,9 Prozent über dem Gewinn der reinen Preisbündelung und 14,6 Prozent über dem der Einzelpreisbildung liegt; in Szenario 111 schließlich beträgt der Gewinn der gemischten Preisbündelung DM 442,0. Eine Gewinnsteigerung gegenüber der reinen Preisbündelung um 3,8 Prozent und gegenüber der Einzelpreisbildung um 16,6 Prozent.
Im folgenden berechnen wir die Optimierungsergebnisse der drei Preisstrategien und verwenden als Dateninput wiederum die vorgegebenen variablen Stückkosten sowie die mittels der ACA-Methode gemessenen individuellen Maximalpreise. Unter der Annahme, daß der Proband das Produkt (Bündel) kauft, das ihm den höchsten Nutzen stiftet ("First choice"-Annahme), kann man mit Hilfe des im ACA-Programm integrierten sogenannten "market simulator" die Preise des Dreierbündels variieren und gleichzeitig die Anzahl der Käufer für die verschiedenen Stimuli bestimmen (vgl. Johnson, 1987; Metegrano, 1989, S. 3-13). Wie in Abschnitt 3.1 erwähnt und begründet, sind bei der Simulation die Einzelprodukte sowie das Zweierbündel zu ihren jeweiligen Marktpreisen festgelegt worden. Mit Hilfe des "market simulators" kann man feststellen, bei welcher Preisreduktion z.B. ein Dreierbündelkäufer zum Zweierbündel wechselt. Tabelle 7 zeigt die mittels der ACA-Methode erzielten Simulationsergebnisse.
Es fällt auf, daß bei einer Preisänderung von DM 9,30 auf DM 9,50 (dunkelgrau unterlegte Zeilen) die Anzahl der Dreierbündelkäufer stark abnimmt (von 42 auf 29), während die Anzahl der Zweierbündelkäufer stark zunimmt (von 23 auf 34). Bei einem Dreierbündelpreis größer als DM 9,30 wechseln folglich viele zu dem Zweierbündel, das zu DM 7,50 angeboten wird. Auf Basis der in Tabelle 7 ermittelten Daten sowie der variablen Stückkosten ergeben sich die in Tabelle 8 dargestellten Optimierungswerte. Aus der Tabelle 8 ist ersichtlich, daß man bei Verwendung der mittels der ACA-Methode erhobenen Daten mit Anwendung der reinen Preisbündelung in allen drei Szenarien die niedrigsten Gewinne erzielt. Wiederum sind die Gewinne in allen drei Szenarien bei Anwendung der gemischten Preisbündelung am größten.
In Szenario 1 beträgt der Gewinn DM 363,6 und ist um 9,2 Prozent höher als der Gewinn bei Anwendung der Einzelpreisbildung (DM 333,0); in Szenario 11 ergibt sich bei der gemischten Preisbündelung ein Gewinn von DM 429,1, der um 10,5 Prozent höher ist als der der Einzelpreisbildung (DM 388,5); in Szenario 111 schließlich liegt der Gewinn der gemischten Preisbündelung (DM 494,6) um 11,4 Prozent höher als der Gewinn der Einzelpreisbildung (DM 444,0). Anhand der Optimierungsergebnisse in Tab. 8 sollte der Anbietet die gemischte Preisbündelung implementieren. Die Einzelprodukte sollten zu den aktuellen Marktpreisen (DM 2,50 für eine große Portion Pommes Frites, DM 2,50 für ein mittleres Getränk (0,4 1) sowie DM 5,00 für den Big Mac), das Zweierbündel zu einem Preis von DM 7,50 und das Dreierbündel zu einem optimalen Preis von DM 9,30 offeriert werden. Während die berechneten Preise der Einzelprodukte und der Preis des Zweierbündels den derzeitigen Marktpreisen des Fast-Food-Anbieters entsprechen, liegt der optimale Preis des Dreierbündels (DM 9,30) erheblich über dem derzeit aktuellen Preis des Dreierbündels (DM 7,99), der interessanterweise in etwa dem optimalen Preis des Dreierbündels (auf Basis der Daten der Direktbefragung) entspricht. Die auf Basis der ACA-Daten errechneten Gewinne der aktuellen Preispolitik (für die Berechnungen wurden die aktuellen Marktpreise der Einzelprodukte, des Zweier- und des Dreierbündels herangezogen) betragen DM 312,5 (Szenario 1), DM 387,25 (Szenario 11) und DM 462,0 (Szenario 111). Unterstellt man die korrekte Einschätzung der variablen Stückkosten, so liegen die Gewinne der optimalen gemischten Preisbündelung je nach Szenario um 7,1 Prozent (= 494,6/462,0), 10,8 Prozent (= 429,1/387,25) bzw. 16,3 Prozent (= 363,6/312,5) höher als die Gewinne der aktuellen Preispolitik (vgl. Wübker, 1998, S. 212).
Vergleicht man die Optimierungsergebnisse der Tabelle 6 (auf Basis der Daten der Direktbefragung) mit denen der Tabelle 8 (auf Basis der Daten der ACA-Methode), so wird deutlich, daß zum einen in beiden Fällen die gemischte Preisbündelung (bei allen drei Szenarien) jeweils zum Gesamtoptimum führt. Dies bedeutet, daß der Anbietet mit Anwendung der gemischten Preisbündelung eine noch weitergehende Verbesserung der Marktsegmentierung und der Abschöpfung von Konsumentenrente erreicht. Zum zweiten wird deutlich, daß der optimale Dreierbündelpreis bei der Direktbefragung (DM 8,00) dem derzeitigen Marktpreis (DM 7,99) in etwa entspricht und mit DM 1,30 signifikant niedriger ist als der optimale Dreierbündelpreis bei der ACA-Methode (DM 9,30). Eine mögliche Erklärung dafür, daß der auf Basis der Daten der Direktbefragung ermittelte optimale Preis des Dreierbündels dem aktuellen Marktpreis entspricht, ist, daß zahlreiche Probanden sich bei der direkten Angabe der Maximalpreise an den aktuellen Preisen orientiert haben. Zum dritten wird deutlich, daß bei Anwendung der gemischten Preisbündelung die Gewinnmaxima der Tabelle 8 (auf Basis der Daten der ACA-Methode) um 22,8 Prozent (Szenario 1), 16,3 Prozent (Szenario 11) bzw. 11,9 Prozent (Szenario 111) höher liegen als die Gewinnmaxima der Tabelle 6 (auf Basis der Daten der Direktbefragung). Der beachtliche Unterschied in den jeweiligen Gewinnmaxima läßt sich dadurch erklären, daß die mittels der Direktbefragung erhobenen Maximalpreise signifikant niedriger sind als die mittels der ACA-Methode gemessenen Maximalpreise (vgl. Abschnitt 3.3.2). Tabelle 9 faßt die Ergebnisse beider Methoden zusammen.
Zusammenfassung und Beurteilung der empirischen Ergebnisse
Das erste Ziel dieses Beitrages bestand darin, die Problemstellung, wie die individuellen Maximalpreise im Rahmen der Preisbündelung gemessen werden können, empirisch zu untersuchen. Als Methoden zur Messung der Maximalpreise sind die ACA-Methode und die Direktbefragung verwendet worden. Die empirische Untersuchung fand in einem Fast-Food-Restaurant statt, in dem 80 Kunden direkt (mittels schriftlicher Befragung) und indirekt (mittels der ACA-Methode) nach ihren Maximalpreisen für bestimmte Fast-Food-Produkte (Einzelprodukte wie auch Bündel) befragt wurden. Ein Vergleich beider Meßmethoden (hinsichtlich der erhobenen individuellen Maximalpreise) zeigte, daß sich die Meßergebnisse beider Methoden signifikant unterscheiden. Wie zu erwarten, lag der mittels Direktbefragung erhobene durchschnittliche Maximalpreis des Dreierbündels (DM 8,79) mit DM 0,36 signifikant unterhalb des mittels der ACA-Methode gemessenen durchschnittlichen Maximalpreises (DM 9,15). Dieser signifikante Unterschied hatte Auswirkungen auf die Optimierungsergebnisse (so lag z.B. bei Anwendung der gemischten Preisbündelung der optimale Dreierbündelpreis der Direktbefragung bei DM 8,00 und der der ACA-Methode bei DM 9,30).
Die mittels der ACA-Methode empirisch erhobenen Daten wurden anhand verschiedener Reliabilitäts- und Validitätstests überprüft. Diese Überprüfung ist notwendig, da die Maximalpreise (neben den variablen Stückkosten) als Dateninput für die Berechnung der Gewinnmaxima im Rahmen der Preisbündelung verwendet werden. Die Überprüfung bestätigte unsere Einschätzung der ACA-Methode als reliable und valide Methode zur Messung nachfragerspezifischer Maximalpreise.
Das zweite Ziel dieses Beitrages bestand darin aufzuzeigen ob der Anbietet mit Anwendung der Preisbündelung das Ziel der Gewinnsteigerung gegenüber der Einzelpreisbildung erreicht. Auf Basis der gemessenen Maximalpreise sowie vorgegebener variabler Stückkosten haben wir deshalb die Gewinnmaxima bei Anwendung der Einzelpreisbildung sowie der reinen und gemischten Preisbündelung berechnet. Die empirischen Optimierungsergebnisse (auf Basis der Daten beider Meßmethoden) demonstrierten, daß die Anwendung der gemischten Preisbündelung in allen drei betrachteten Kostenszenarien jeweils zum Gesamtoptimum führte. Die Gewinnsteigerungen der gemischten Preisbündelung gegenüber der Einzelpreisbildung schwankten zwischen 7,2 und 16,6 Prozent (auf Basis der Daten der Direktbefragung) bzw. 9,2 und 11,4 Prozent (auf Basis der Daten der ACA-Methode).
Diese Resultate sind konsistent mit anderen empirischen Untersuchungen und dokumentieren die beachtenswerten Gewinnsteigerungspotentiale durch Anwendung der Preisbündelung (7).
Anmerkungen
(1) In einer empirischen Erhebung über die Anwendung der einzelnen Formen der Preisdifferenzierung bei Dienstleistungen konnte Faßnacht (1996, S. 95f. belegen, daß die Preisbündelung die am häufigsten angewendete Form der Preisdifferenzierung darstellt. Dieser empirische Befund dokumentiert die Relevanz der Preisbündelung für Mehrproduktunternehmen.
(2) Unter Transaktionskosten versteht man die Informations- und Kommunikationskosten, die bei der Anbahnung (z.B. Informationssuche und -beschaffung über potentielle Tauschpartner und deren Konditionen), Vereinbarung (z.B. Intensität und zeitliche Ausdehnung von Verhandlungen, Vertragsformulierung und Einigung), Kontrolle (z.B. Sicherstellung der Einhaltung von Vereinbarungen) und Anpassung (z.B. Durchsetzung von Änderungen aufgrund veränderter Bedingungen während der Laufzeit der Vereinbarung) wechselseitiger Leistungsbeziehungen auftreten (vgl. auch Picot, 1982, Homburg, 1995, S. 35).
(3) Zur Begründung der Auswahl der ACA-Methode als Datenerhebungsmethode vgl. Schweikl, 1985,Johnson, 1987 sowie ausführlich Wübker, 1998, S. 114 ff.
(4) Zur genauen Vorgehensweise der Herleitung der individuellen Maximalpreise vgl. Kohli/Mahajan, 1991 sowie Wübker, 1998, S. 121 ff. Die detaillierten Ergebnisse der mittels der ACA-Methode und der Direktbefragung erhobenen individuellen Maximalpreise dokumentiert Wübker, 1998, S. 140 ff.
(5) Die Ergebnisse der individuellen Teilnutzenwerte finden sich bei Wübker, 1998, S. 206 ff.
(6) Die Zielfunktionen der jeweiligen Preisstrategien stellt Wübker, 1998, S. 67 ff. ausführlich dar. Bei der Modellierung wird das rationale Entscheidungsverhalten der Nachfrager (in Form von Nebenbedingungen) berücksichtigt, d.h. die Kunden erwerben die Kaufoption, bei der die Konsumentenrente (Nettonutzen) maximal ist.
(7) Dies wird u.a. in den empirischen Studien von Eppen et al. (1991), Simon (1992b), Venkatesh/Mahajan (1993), Ansari et al. (1996) sowie Fürderer/Huchzermeier (1997) aufgezeigt. Die Gewinnsteigerungen der Preisbündelung gegenüber der Einzelpreisbildung schwanken hierbei zwischen 7,6 und 45,0 Prozent.
Literatur
Adams, W.J.; Yellen, J.L. (1976): Commodity Bundling and the Burden of Monopoly, Quarterly Journal of Economics, Vol. 90, 1976, S. 475 -498.
Agarwal, M.K.; Green, P.E. (1991): Adaptive Conjoint Analysis versus Self-Explicated Models: Some Empirical Results, International Journal of Research in Marketing, Vol. 8, 1991, S. 141-146.
Ansari, A.; Siddarth, S; Weinbeg, C.B. (1996): Pricing a Bundle of Products or Services: The Case of Nonprofits, Journal of Marketing Research, Vol. 33, 1996, S. 86-93.
Backhaus, K; Erickson, B.; Plinke, W.; Weiber, R. (1996): Multivariate Analysemethoden - Eine anwendungsorientierte Einführung, 8. Auflage, Berlin.
Bojanic, D. C. (1988): The Price Bundling of Services: An Empirical Examination, Ann Arbor.
Burstein, M.L. (1960): The Economics of Tie-In Sales, Review of Economics and Statistics, Vol. 42, 1960, S. 68-73.
Carbajo, J.; de Meza, D.; Seidmann, Dj. (1990): A Strategic Motivation for Commodity Bundling, The Journal of Industrial Economics, Vol. 38, 1990, S. 283-298.
Churchill, G.A., Jr. (1979): A Paradigm for Developing Better Measures of Marketing Constructs, Journal of Marketing Research, Vol. 16, 1979, S. 64-73.
Coase, R. H. (1960): The Problem of Social Cost, The Journal of Law & Economics, Vol. 3, 1960, S. 1-44.
Diller, H. (1993): Preisbaukästen als preispolitische Option, Wirtschaftswissenschaftliches Studium, 22 Jg., 1993, S. 270-275.
Dolan, R.J.; Simon, H. (1996): Power Pricing - How Managing Price Transforms the Bottom Line, New York.
Eppen, G.D.; Hanson, W.A.; Martin, K.R. (1991): Bundling - New Products, New Markets, Low Risk, Sloan Management Review, Vol. 32, 1991, S. 7-14.
Faßnacht, M. (1996): Preisdifferenzierung bei Dienstleistungen: Implementationsformen und Determinanten, Wiesbaden.
Friege, C. (1995): Economies of Scope als Entscheidungsgrundlage für Angebot und Zusammenstellung von Leistungsverbunden, Deutsche Betriebswirtschaft, 55 Jg., 1995, S. 743-760.
Fürderer, R. (1996): Option and Component Bundling under Demand Risk, Wiesbaden, 1996.
Fürderer, R.; Huchzermeier, A. (1997): Optimale Preisbündelung unter Unsicherheit, Zeitschrift für Betriebswirtschaft, Ergänzungsheft 1, S. 117-133.
Goldberg, S.M., Green, P.E.; Wind, Y. (1984): Conjoint Analysis of Price Premiums for Hotel Amenities, Journal of Business, Vol. 57, 1984, S. 111-132.
Green, P.E.; Srinivasan, V. (1978): Conjoint Analysis in Consumer Research: Issues and Outlook, Journal of Consumer Research, Vol. 5, 1978, S. 103-123.
Guiltinan, J.R (1987): The Price Bundling of Services: A Normative Framework, Journal of Marketing, Vol. 51, 1987, S. 74-85.
Hanson, W.A.; Martin, K.R. (1990): Optimal Bundle Pricing, Management Science, Vol. 36, 1990, S. 155-74.
Herrmann, A.; Bauer, H.H.; Huber, F. (1996): Die Gestaltung von Produkt- und Servicebündeln bei PKW, Jahrbuch der Absatz- und Verbrauchsforschung, 41 Jg., 1996, S. 164-183.
Homburg, C. (1995): Kundennähe von Industriegüterunternehmen: Konzeption Erfolgsauswirkungen - Determinanten, Wiesbaden.
Homburg, C.; Giering, A. (1996): Konzeptualisierung und Operationalisierung komplexer Konstrukte - Ein Leitfaden für die Marketingforschung, Marketing ZFP, 18. Jg., 1996, S. 5-24.
Johnson, R.M. (1987): Adaptive Conjoint Analysis, Proceedings of the Sawtooth Software Conference on Perceptual Mapping, Conjoint Analysis, and Computer Interviewing, Ketchum, 1987, S. 253-265.
Johnson, R.M. (1991): Comment on Adaptive Conjoint Analysis: Some Caveats and Suggestions, Journal of Marketing Research, Vol. 28, 1991, S. 223-225.
Kohli, R.; Mahajan, V. (1991): A Reservation-Price Model for Optimal Pricing of Multiattribute Products in Conjoint Analysis, Journal of Marketing Research, Vol. 28, 1991, S. 347-354.
Mason, C.H. (1990): New Product Entries and Product Class Demand, Marketing Science, Vol. 9, 1990, S. 58-73.
Metegrano, M. (1989): ACA System - Version 3.0, Ketchum.
Monroe, K.B. (1990): Pricing: Making Profitable Decisions, 2. Auflage, New York.
Montgomery, D.B.; Wittink, D.R. (1980): The Predictive Validity of Conjoint Analysis for Alternative Aggregation Schemes, in: Montgomery, D. B. und D. R. Wittink (Hrsg.), Market Measurement and Analysis, Proceedings of the First ORSA/TIMS Special Interest Conference on Market Measurement and Analysis, Cambridge, S. 298-309.
Morton, J. (1989): The Economics of Price, in: Seymour D.T. (Hrsg.), The Pricing Decision - A Strategic Planner for Marketing Professionals, Chicago, S. 55-76.
Nagle, T.T (1987): The Strategy and Tactics of Pricing- A Guide to Profitable Decision Making, Englewood Cliffs.
Nessim, H.; Dodge, R. (1995): Pricing - Policies and Procedures, London.
Niehans, J. (1956): Preistheoretischer Leitfaden fiir Verkehrswissenschaftler, Schweizerisches Archiv für Verkehrswissenschaft und Verkehrspolitik, 11 Jg., 1956, S. 293-320.
Nieschlag, R.; DichtI, E.; Hörschgen, H. (1994): Marketing, 17. Auflage, Berlin.
Nunnally, J. C. (1978): Psychometric Theory, 2. Auflage, New York.
Peter, J. P. (1979): Reliability: A Review of Psychometric Basics and Recent Marketing Practices, Journal of Marketing Research, Vol. 16, 1979, S. 6-17.
Picot, A. (1982): Transaktionskostenansatz in der Organisationstheorie: Stand der Diskussion und Aussagewert, Die Betriebswirtschaft, 42. Jg., 1982, S. 267-284.
Porter, M.E. (1986): Wettbewerbsvorteile - Spitzenleistungen erreichen und behaupten, Frankfurt, 1986.
Schmalensee, R. (1984): Gaussian Demand and Commodity Bundling, Journal of Business, 57 January), 211-30.
Schubert, B. (1991): Entwicklung von Konzepten für Produktinnovationen mittels Conjoint-Analyse, Stuttgart.
Schweikl, H. (1985): Computergestützte Präferenzanalyse mit individuell wichtigen Produktmerkmalen, Berlin.
Siegel, H. (1956): Nonparametric Statistics for the Behavioral Sciences, New York.
Simon, H. (1989): Price Management, Amsterdam.
Simon, H. (1992a): Preismanagement - Analyse, Strategie, Umsetzung, 2. Auflage, Wiesbaden.
Simon, H. (1992b): Preisbündelung, Zeitschrift für Betriebswirtschaft, 62. Jg, 1992, S. 1213-1235.
Simon, H. (199 5): Preismanagement kompakt: Probleme und Methoden des modernen Pricing, Wiesbaden, 1995.
Simon, H.; Faßnacht, M.; Wübker, G. (1995): Price Bundling, Pricing Strategy & Practice, Vol. 3, 1995, S. 34-44.
Srinivasan, V.;Jain, A.K.; Malhotra, N.K. (1983): Improving the Predictive Power of Conjoint Analysis by Constrained Parameter Estimation, Journal of Marketing Research, Vol. 20, 1983, S. 433-438.
Stigler, G.J. (1963): United States vs. Loew's Inc.: A Note on Block Booking, in: Kurland, P. (Hrsg.), The Supreme Court Review, Chicago, S. 152-157.
Tacke, G. (1989): Nichtlineare Preisbildung: Theorie, Messung und Anwendung, Wiesbaden.
Tellis, G.J. (1986): Beyond the Many Faces of Price: An Integration of Pricing Strategies, Journal of Marketing, Vol. 50, 1986, S. 146-160.
Telser, L.G. (1965): Abusing Trade Practices: An Economic Analysis, Law and Contemporary Problems, Vol. 30, 1965, S. 488-505.
Venkatesh, R.; Mahajan, V. (1993): A Probabilisitic Approach to Pricing a Bundle of Products or Services, Journal of Marketing Research, Vol. 30, 1993, S. 494-508.
Warkit, E. (1980): The Economics of Tie-in Sales, Atlantic Economic Journal, 8 (December), 81-88.
Weisenfeld, U. (1987): Signifikanztest für die Anpassungsgüte in Conjoint-Analysen, Marketing ZKP, 9 Jg., 1987, S. 267-270.
Whinston, M.D. (1990): Tying, Foreclosure, and Exclusion, American Economic Review, Vol. 80, 1990, S. 837-859.
Wieandt, A. (1994): Die Entwicklung von Märkten durch Innovationen - Ein Analyserahmen für unternehmenspolitische Entscheidungen zur Sicherung des Fortbestands von Kundenbeziehungen im Innovationswettbewerb, Zeitschrift für betriebswirtschaftliche Forschung, 46 Jg., 1994, S. 85 2-870.
Wittink, D.R.; Krishnamurthi, L.; Reibstein, D.J, (1989): The Effects of Differences in the Number of Attribute Levels on Conjoint Results, Marketing Letters, Vol. 1, 1989, S. 113-123.
Wübker, G. (1998): Preisbündelung - Formen, Theorie, Messung und Umsetzung, Wiesbaden.
Yadav, M.S. (1990): An Examination of How Buyers Subjectively Perceive and Evaluate Product Bundles, Ann Arbor.
 |