nach oben

Erschienen in:

2020 | OriginalPaper | Buchkapitel

5. Empirische Untersuchungen

verfasst von : Isabelle Kes

Erschienen in: Retargeting und die Rolle des Online-Shopping-Momentums

Verlag: Springer Fachmedien Wiesbaden

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Zusammenfassung

Der empirische Teil dieser Arbeit besteht aus drei Studien. Zunächst soll die genutzte Theorie des Shopping-Momentums validiert und die Existenz eines Online-Shopping-Momentums mit Hilfe einer Serie von vier Laborexperimenten überprüft werden. Dabei wird zunächst das Phänomen des Momentums im Online-Shopping-Kontext nachgewiesen, um daraufhin zu zeigen, dass das Momentum ähnlich zum Offline-Shopping-Momentum funktioniert, aber auch unterbrochen werden kann.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Theoretische Fundierung der Effektivität von Retargeting und des Online-Shopping-Momentums

Nächstes Kapitel Schlussbetrachtung

Nur mit Berechtigung zugänglich

Vgl. Gollwitzer 1990.

Vgl. Gollwitzer 1999, S. 403f.

Vgl. Gollwitzer 1990, S. 53ff.; Im Folgenden wird stets vom umsetzungsorientierten Mind-Set (implemental) und abwägenden Mind-Set (deliberative) gesprochen.

Vgl. Heckhausen und Gollwitzer 1987 und Armor und Taylor 2003.

Vgl. u. a. Gupta und Kim 2007.

Vgl. Heckhausen und Gollwitzer 1987.

Vgl. Dhar et al. 2007, S. 374f.

Vgl. hierzu auch Chandran und Morwitz 2005.

Vgl. u. a. Flynn et al. 1999.

Vgl. u. a. Zijlstra et al. 1999.

Vgl. Kirmeyer 1988.

Vgl. Hodgetts und Jones 2006, S. 104.

Vgl. Anderson und Douglass 2001.

Vgl. Hodgetts und Jones 2006.

Dhar et al. 2007.

Martijn et al. 2008; Flynn et al. 1999.

Genauere Angaben zur Überprüfung des Primings mit Hilfe des BIF sind im Kapitel Operationalisierung 2.3.3 zu finden. (Vgl. auch Vallacher und Wegner 1989, S. 663f.)

Vgl. Gollwitzer 1989 für die genauere Erklärung des Konstrukts siehe Abschnitt 2.3.3

Vgl. u. a. Fujita et al. 2007; Armor und Taylor 2003; Myers 2008, S. 89f.

Myers 2008, S. 961.

Vgl. Dhar et al. 2007, S. 374 (Studie 4).

Vgl.Vallacher und Wegner 1989, S. 663f; Nenkov 2012, S. 622.

Vgl. Gollwitzer und Kinney 1989.

Vgl. Dhar et al. 2007, S. 374 (Studie 3).

Vgl. Backhaus et al. 2015, S. 121.

Vgl. Backhaus et al. 2015, S. 121; vgl. Daher et al. 2012, S. 331f.

Für einen tieferen Einblick in den Ablauf und die Durchführung von Varianzanalysen vgl. u. a. Eschweiler et al. 2007; Backhaus et al. 2015.

Vgl. zur Vorgehensweise der Prämissenprüfung u. a. Eschweiler et al. 2007 und Eschweiler 2006.

Vgl. Freitas et al. 2001, S. 412.

Vgl. Gollwitzer und Kinney 1989.

Bei Konstrukten mit 4 oder mehr Indikatoren gilt ein Grenzwert von 0,7. Anderenfalls erweist sich nach gängiger Meinung in der Literatur ein Messmodell mit zwei Indikatoren schon bei einem Wert von 0,5 und ein Messmodell mit drei Indikatoren bei 0,6 als zuverlässig (vgl., S. 101).

Vgl. hierzu u. a. {Calder 1981 #562}.

Vgl. u. a. Blair et al. 2013; Blair und Zinkhan 2006.

Ausreißer wurden aufgrund von zu kurzer Bearbeitungsdauer oder einheitlichem Durchklicken eliminiert

Vgl. Vallacher und Wegner 1989, S. 664f.

Vgl. Vallacher und Wegner 1989.

Vgl. Dhar et al. 2007.

Vgl. Anderson 1996; Anderson 1990; Anderson und Schunn 2000.

Vgl. Hodgetts und Jones 2006.

Vgl. Lambrecht und Tucker 2013; Bleier und Eisenbeiss 2015b, Johnson et al. 2017.

Vgl. u. a. Lambrecht und Tucker 2013; Bleier und Eisenbeiss 2015a.

Vgl. u. a. Lambrecht und Tucker 2013.

Vgl. Herlocker et al. 2004; Fong 2016, 11.

Vgl. u. a. Lambrecht und Tucker 2013; Chellappa und Shivendu 2010; Joshi und Hanssens 2010.

Vgl. u. a. Lambrecht und Tucker 2013; Bleier und Eisenbeiss 2015b; Johnson, Lewis, Nubbemeyer 2017; Moriguchi, Xiong, and Luo 2016; Anand und Shachar 2009; Ansari und Mela 2003; Bruce et al. 2017; Tucker (2014).

Vgl. u. a.Lambrecht und Tucker 2013; Bleier und Eisenbeiss 2015b; Kes und Woisetschläger 2012a.

Vgl. U. a. Lambrecht und Tucker 2013; Bleier und Eisenbeiss 2015b; Moriguchi et al. 2016.

Vgl. Yoon und Simonson 2008.

Vgl. Johnson und Ratcliff 2013.

Vgl. Anderson und Schunn 2000.

Vgl. u. a. Lambrecht und Tucker 2013; Kes und Woisetschläger 2012a.

Vgl. Herlocker et al. 2004.

Vgl. Herlocker et al. 2004; Fong 2016, S. 11.

Vgl. Goldfarb und Tucker 2011a.

Vgl. Anderson und Schunn 2000.

Vgl. Bettman et al. 1998.

Vgl. Simonson 2005; Hoeffler und Ariely 1999.

Vgl. Hoeffler und Ariely 1999; Hoeffler et al. 2013.

Vgl. Kinard und Capella 2006.

Vgl. u. a. Kroeber-Riel et al. 2013.

Vgl. Hoeffler et al. 2013.

Vgl. Hoeffler und Ariely 1999.

Die Performance Media Agentur nutzte zur Zeit des Experiments kein real time bidding. Das Pricing orientierte sich an vorvereinbarten Raten. Auf diese Art konnte Verzerrung vermieden werden, die entstehen würde, wenn die Allokation der Impression auf einem Auktionsnetzwerk basieren würde.

Im Fall von Display Werbung gibt frequency die durchschnittliche Häufigkeit an mit der ein Banner einem einzelnen Nutzer innerhalb einer gegebenen Zeitspanne angezeigt wird. Frequency capping, ist dementsprechend die maximale Häufigkeit für die Auspielung eines Banners für einen einzelnen Nuzter in einem vorgegebenen Zeitrahmen. Frequency Caps werden eingesetzt, um Verschwendung von Media Budget im Sinne von zu viel Werbedruck auf einer kleinen Zahl von Nutzern zu vermeiden. Zudem zielt es darauf an den Nutzer durch zu viel Werbung abzuschrecken.

Vgl. Tellis und Franses 2006.

In der Literatur werden auch oft Begriffe wie „time to failure“, „survival time“ oder „duration data“ verwendet.

Vgl. Elandt-Johnson und Johnson 1980.

Vgl. Perrigot et al. 2004.

Vgl. Melnyk et al. 1995; Helsen und Schmittlein 1993.

Vgl. Jung et al. 2012; Fader und Hardie 2009.

Das Customer Lifecycle Management (CLM) überwacht mehrere kundenbezogenen Faktoren im Hinblick auf deren Veränderung von Unternehmensperformance.

Im folgenden Kapitel werden verschiedene Verteilungen getestet und die Gütekrterien weisen für alle Modelle die Weibull Verteilung als die passendste aus.

Vgl. Braun und Moe 2013; Chatterjee et al. 2003; Manchanda et al. 2006; Yaveroglu und Donthu 2008.

Da die Analysen mit Stata/SE 14.1 durchgeführt wurden, konnte die Funktion vce (cluster x) angewandt werden, um die Abhängigkeiten der Reaktionszeiten eines Nutzers von seinen übrigen Reaktionszeiten zu berücksichtigen.

Die Verzögerung oder Beschleunigung errechnet sich durch \(e^{Koeffizient} - 1\)

Vgl. Bui et al. 2011; Liao 2017.

Sahni und Nair 2018; Zellner 1962.

Das Feldexperiment bietet an dieser Stelle leider nicht die Möglichkeit, Nutzer, die Banner gesehen haben, solchen gegenüberzustellen, die überhaupt keine Displaywerbung gesehen haben.

Die Formulierung „aktives Momentum“ bezieht sich auf die Phase nach Verlassen des Shops mit befülltem Warenkorb und umsetzungsorientiertem Mind-Set und somit aktivem Online-Shopping-Momentum, bevor das Mind-Set wieder in einen abwägenden Zustand wechselt.

Vgl. Anderson 1996; Anderson 1990; Anderson und Schunn 2000.

Vgl. Hodgetts und Jones 2006.

Vgl.Bui et al. 2011; Liao 2017

Vgl. Hoeffler und Ariely 1999; Hoeffler et al. 2013.

Dies bestätigt eine Studie von Kes und Woisetschläger 2012a.

Vgl. Bleier und Eisenbeiss 2015b, Lambrecht und Tucker 2013, Bruce et al. 2017.

Vgl. Winer 1979.

Vgl. Ataman et al. 2010, Ataman et al. 2008, Kumar et al. 2017.

Vgl. zur Online-Lernkurve Abschnitt 2.2.2.3 im Kapitel 4

Vgl. Kull et al. 2007; Moe und Fader 2004; Moe und Fader 2001; Johnson et al. 2004.

Fong et al. 2016

Vgl. Fong 2016.

Vgl. u. a. Bass und Clarke 1972; Bass 1969; Dekimpe und Hanssens 1995.

Vgl. Zhou et al. 2003, S. 46.

Vgl. Lambrecht und Tucker 2013.

Vgl. Bleier und Eisenbeiss 2015b.

Vgl. Bleier und Eisenbeiss 2015b; Bruce et al. 2012.

Vgl. Bass et al. 2007; Naik et al. 1998; Bruce et al. 2012; Broadbent 1984.

Vgl. Pechmann und Stewart 1988.

100

Vgl. Grass und Wallace 1969; Simon 1982; Calder 1980.

101

Vgl. Slovic et al.

102

Vgl. Hoeffler und Ariely 1999.

103

Vgl. Sahni et al. 2017.

104

Vgl. Sahni et al. 2018, Sahni 2015

105

Vgl. Breuer und Brettel 2012, S. 163.

106

Vgl. Breuer und Brettel 2012.

107

Vgl. Johnson et al. 2004, S. 299.

108

Johnson et al. 2004, S. 300.

109

Vgl. u. a. Moe und Fader 2004; Fong 2016.

110

Vgl. Bucklin und Sismeiro 2003.

111

Vgl. Moe und Fader 2001.

112

Vgl. Fong 2016.

113

Vgl. Weitzman 1979.

114

Vgl. Hauser und Wernerfelt 1990.

115

Vgl. Fong 2016, S. 4.

116

Vgl. Fong et al. 2016, Brynjolfsson et al. 2011.

117

Vgl. u. a. Lambrecht und Tucker 2013; Fong 2016; Aksoy et al. 2006; Komiak und Benbasat 2006.

118

Vgl. Fong 2016.

119

Vgl. u. a. Freedman und Fraser 1966; Cialdini und Guadagno 2004.

120

Vgl. u. a. Gijsbrechts et al. 2003.

121

Vgl. Dhar et al. 2007; Fong 2016.

122

Vgl.Johnson et al. 2003.

123

Vgl. Lambrecht und Tucker 2013.

124

Vgl. Fong 2016.

125

Vgl. Fong 2016.

126

Vgl. u. a. Sahni et al. 2017.

127

Vgl. u. a.Breuer und Brettel 2012.

128

Vgl. u. a. Sahni 2015.

129

Vgl. Fang et al. 2007.

130

Vgl. Bleier und Eisenbeiss 2015b.

131

Vgl. u. a. Broadbent und Haarstick 1999.

132

Vgl. u. a. Braun und Moe 2013; Bass et al. 2007.

133

Vgl. Fry et al. 1999.

134

Vgl. Breuer und Brettel 2012, S. 159.

135

Vgl. Zhou et al. 2003; Broadbent 1984.

136

Vgl. u. a. Broadbent und Haarstick 1999, Danaher et al. 2008.

137

Vgl. u. a. Nerlove und Arrow 1962.

138

Vgl. Bornstein und D’Agostino 1992, S. 545.

139

Für einen ausführlichen Überblick zu Studien zum Wear-in- und Wear-out-Effekt vgl. Pechmann und Stewart 1988.

140

Vgl. Sahni 2015.

141

Vgl. Heflin und Haygood 1985.

142

Vgl. Bass et al. 2007.

143

Vgl. Mahajan et al. 1984.

144

Vgl. Grass und Wallace 1969; Naik et al. 1998.

145

Real-Time-Bidding bezeichnet ein Auktionsverfahren im Online-Marketing, bei dem Werbungtreibende ein Gebot für eine Werbefläche abgeben. Dabei wird eine verfügbare Werbefläche in Echtzeit mit dem Werbemittel des Höchstbietenden bestückt. Die Werbungtreibenden können beim Real-Time-Bidding für jede einzelne Adimpression durch einen Nutzer bzw. potenziellen Betrachter der Webseite Gebote abgeben. Und je mehr Informationen über den potenziellen Betrachter des Werbemittels verfügbar sind, desto höhersind in der Regel die Gebote (vgl. o. V. 2015).

146

Ellahi und Bokhari 2013.

147

Huizingh und Hoekstra 2003.

148

Vgl. u. a. Bleier und Eisenbeiss 2015b.

149

Detailliertere Informationen zur sogenannten Mundlak-Correction finden sich in Abschnitt 4.4.2.

150

Ambaum 2012, S. 2.

151

Vgl. hier und im folgenden Ambaum 2012.

152

Vgl. Chalmers 2001, S. 141f.

153

Vgl. Chalmers 2001, S. 142.

154

Vgl. Allenby et al. 2005, S. 1f.

155

Vgl. für eine solche Anwendung u. a. Ataman et al. 2008; Heerde et al. 2004a etc.

156

Ein „Autoregressives Moving Average (ARMA)“-Modell stellt ein Zeitreihenmodell dar. Es beinhaltet eine sparsame Beschreibung eines stationären stochastischen Prozesses anhand zweier Polynome – einmal dem autoregressiven (AR) Polynom und zum zweiten dem Polynom für den gleitenden Durchschnitt (moving average (MA)). Vgl. hierzu Box et al. 2015.

157

West und Harrison 1997, S. 299ff.

158

Vgl. u. a. Jäger 2007.

159

Vgl. u. a. Murphy 2002.

Vgl. Kalman 1960.

Vgl. Kalman 1960.

Bass et al. 2007.

Winer 1979; Mela et al. 1997.

164

Mela et al. 1998.

165

Vgl. Heerde et al. 2004b; Leeflang et al. 2009; Peers et al. 2017.

166

Vgl. Ataman et al. 2008.

167

Oftmals wird die scheinbar große Ähnlichkeit von DLM und Kalman filtering angemerkt (vgl. zu Kalman Filtering u. a. Hamilton 1994; Naik et al. 1998; Naik und Tsai 2000; Xie et al. 1997). West et al. 1985, S. 97 stellen DLM und Kalman filtering gegenüber: Kalman filter “was originally applied to a restricted problem—that of estimating a mean vector evolving in time according to a linear, dynamic model with the variance structure completely known…. The normal updating equations in a DLM coincide with the Kalman-filter forms. The general Bayesian learning procedure goes far beyond this limited case…, coping with unequally spaced observations, and unknown, even time varying, observational variances.”

168

Kalman Filter setzen voraus, dass die Fehlerterme normalverteilt sind.

169

Für eine detailliertere Betrachtung der Vorteile von DLM und einen Vergleich zu anderen Zeitreihen vgl. Heerde et al. 2004b und West und Harrison 1997.

170

Vgl. Leeflang et al. 2009, S. 15.

171

Vgl.Ataman et al. 2010.

172

Vgl. Heerde et al. 2004b.

173

Vgl. Heerde et al. 2004b.

174

Vgl. Neelamegham und Chintagunta 2004.

175

Vgl. Heerde et al. 2007.

176

Vgl. Ataman et al. 2010.

177

Vgl. Heerde et al. 2010.

178

Vgl. Ataman et al. 2008.

179

Vgl. Bruce et al. 2012.

180

In der Literatur gibt es zwei einschlägige Meinungen: Zum einen das hier beschriebene Vorgehen nach Broadbent 1984, zum anderen das ursprüngliche Vorgehen nach Koyck 1954, welches eine Berücksichtigung der vollen Werbeleistung bereits am Aussendedatum vorsieht.

181

Vgl. Fry et al. 1999; Broadbent und Haarstick 1999.

182

Vgl.Breuer und Brettel 2012, S. 161ff.

183

Mundlak 1978.

184

Vgl. u. a. Risselada et al. 2014; {Datta 2014 #342}, S. 35; Mavromaras und McGuinness 2012; Mavromaras et al. 2009; Wooldridge 1995.

185

Um die Endogenitätsproblematik, die durch die Selbstselektion der Webseitenbesucher entsteht, zu adressieren, wird das generelle Aktivitätsniveau der Besucher in die Gleichung aufgenommen. Dieses Vorgehen nennt sich „Mundlak Correction“ (siehe Abschnitt 4.4.2)

186

Vgl. u. a. Ataman et al. 2010

187

Dinner et al. 2014.

188

Ataman et al. 2010.; Ataman et al. 2008; Heerde et al. 2007; Heerde et al. 2004b; Heerde et al. 2010

189

Berechnung des 90 %-Duration Intervalls in Anlehnung an Leone 1995 und Dinner et al. 2014: ln (1–0,9)/ln (λ)

190

Vgl. Anderson 1996; Anderson 1990; Anderson und Schunn 2000.

191

Vgl. Hodgetts und Jones 2006

192

Das Feldexperiment bietet an dieser Stelle leider nicht die Möglichkeit, Nutzer, die Banner gesehen haben, solchen gegenüberzustellen, die überhaupt keine Displaywerbung gesehen haben.

Titel: Empirische Untersuchungen
verfasst von: Isabelle Kes
Verlag: Springer Fachmedien Wiesbaden
Buch: Retargeting und die Rolle des Online-Shopping-Momentums
Print ISBN: 978-3-658-31987-8

Electronic ISBN: 978-3-658-31988-5

Copyright-Jahr: 2020
DOI: https://doi.org/10.1007/978-3-658-31988-5_5

Springer Professional

Zusammenfassung

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Wirtschaft"