Skip to main content
Top

2021 | OriginalPaper | Chapter

11. Mit Big Data den Markt verstehen

Was digitale Daten zum Online-Verhalten über Nachfrage, Trends und Vorlieben der Käuferinnen und Käufer verraten

Author : Jan Schoenmakers

Published in: Marketing & Innovation 2021

Publisher: Springer Fachmedien Wiesbaden

Activate our intelligent search to find suitable subject content or patents.

search-config
loading …

Zusammenfassung

Der Treibstoff der Digitalisierung sind Daten. Das Internet lässt sich als die größte Datenfabrik der Menschheitsgeschichte begreifen – und als ihre umfassendste Selbstbeobachtung. Dementsprechend ist es in Online-Marketing und E-Commerce längst zum Standard geworden, die digitalen Handlungen sehr vieler Marktteilnehmender kontinuierlich und weitläufig auszuwerten. Eine noch junge Entwicklung ist dagegen die Nutzung von Big Data Streams aus dem Netz, um das Verhalten von Menschen im analogen Raum besser zu verstehen und vorherzusagen – auch in Bereichen, in denen Meinungsbildung und Transaktionen primär offline stattfinden. Anhand einer praxisnahen Übersicht über die verfügbaren Datenquellen und die Arbeitsweise damit stellt der Beitrag vor, wie Unternehmen und Forschende diese Möglichkeiten gewinnbringend nutzen können, illustriert dies an einer Fallstudie aus dem Mittelstand und diskutiert die Auswirkungen auf Marktforschung, Werbung und Vertrieb. Den Schluss bilden zehn Empfehlungen für Praktiker.

Dont have a licence yet? Then find out more about our products and how to get one now:

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!

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!

Footnotes
1
Wie übrigens in den meisten Innovationsprozessen, vgl. Everett Rogers‘ klassisches Werk „Diffusion of Innovations“ (2003) und neuere Überblicke dazu von Dedehayir et al. (2017).
 
2
Eine exzellente, wenn auch etwas für Google eingenommene, Einführung mit vielen anschaulichen Praxisbeispielen gibt Stephens-Davidowitz in seinem einfach zugänglichen Buch „Everybody Lies“ (2017).
 
3
Effekte sozialer Erwünschtheit: Ist Menschen bewusst, dass ihr Verhalten untersucht wird – zum Beispiel in einer Befragung – verhalten sie sich bei moralisch besetzten Themen (zum Beispiel der Neigung, Bio-Produkte zu kaufen oder eine extremistische Partei zu wählen) oft nicht authentisch, sondern versuchen, sich vor der erhebenden Partei (zum Beispiel dem Interviewer) positiv darzustellen, in dem sie die vermeintlich erwünschte Reaktion zeigen (vgl. Reinecke 1991).
 
4
Vorsicht – hier sind enge datenschutzrechtliche Grenzen einzuhalten: Es muss sichergestellt sein, dass die Nutzerinnen und Nutzer bei der Erfassung der Daten informiert wurden und aktiv zugestimmt haben, dass diese an weitere Parteien weitergegeben werden können.
 
5
Die Informationssuche zu Unternehmen und Produkten ist die häufigste Nutzung des Internets in Deutschland (vgl. Statistisches Bundesamt 2019).
 
6
Offizielle Angaben existieren nicht, doch Internet Live Stats (o. J.) bietet eine seriöse Hochrechnung auf Basis fundierter Quellen.
 
7
Eigene Berechnung auf Basis von DOMO (2018) und Spectralplex (2019).
 
8
Einen guten, recht aktuellen Überblick über den Markt bietet Barysevich (2019).
 
9
Amazon geht hier noch einen Schritt weiter und bietet in den USA explizit Prime-Gutscheine für Nutzerinnen und Nutzer, die Amazon ihr gesamtes Surfverhalten im Netz verfolgen, auswerten und über den eigenen Analysedienst Alexa (https://​www.​alexa.​com) an Dritte verkaufen lassen, vgl. Dastin (2019).
 
10
Einen fundierten Test und Überblick der verschiedenen Dienste findet man bei Fishkin (2015), wobei der dort ebenfalls getestete Anbieter Compete inzwischen nicht mehr aktiv ist.
 
11
Auch wenn diese Geschäftsmodelle nicht unumstritten sind, sind sie bei ordnungsgemäßer Anonymisierung legal. Ändern könnte dies unter Umständen die geplante ePrivacy-Verordnung der EU.
 
12
Für eine umfassende, fundierte und gut verständliche Übersicht, wie solche Daten in Unternehmensanalysen einbezogen werden können, siehe zum Beispiel Orduna-Malea und Alonso-Arroyo (2017).
 
13
Ein immer noch aktueller, übersichtlicher Vergleich findet sich bei Hooker (2018).
 
14
Ein Indikator für die Verkaufshäufigkeit: Zwar bewertet nur ein kleiner Teil der Kundschaft ein Produkt, doch ist dieser Teil relativ konstant – ein Anstieg der Bewertungen ist damit oft mit einem Anstieg der Verkäufe korreliert, auch wenn gekaufte „Fake-Bewertungen“ das Bild durchaus verzerren können.
 
15
Für einen Überblick siehe Marx (2016).
 
16
Eine spezielle Form, um mit weitgehend alltäglicher Sprache logische Zusammenhänge maschinenlesbar auszudrücken. Für eine Einführung in Bool’sche Algebra siehe Givant und Halmos (2009).
 
17
Mit Bool’schen Operatoren um unerwünschte Zusammenhänge bereinigt – wie zum Beispiel Redewendungen („er klebt an seinem Sessel“, „solange Du Deine Füße unter meinen Tisch stellst“, „Schreibtischtäter“ etc.).
 
18
Hervorragende Bücher zu dieser Thematik gibt es u. a. von Silver (2012), Maireder et al. (2015) und Fasel und Meier (2016).
 
19
Obgleich dieses Thema die Fachwelt seit jeher bewegt und alle Media- oder Performance-Agenturen damit werben, Streuverluste zu minimieren, gibt es hierzu weltweit so gut wie keine publizierte Forschung. Falls eine Vermutung aus persönlicher Erfahrung erlaubt ist: Der Gegenstand ist wohl zu schmerzhaft, für Werbetreibende wie Werbeplattformen gleichermaßen.
 
Literature
go back to reference Acquisti, A., & Gross, R. (2009). Predicting social security numbers from public data. PNAS, Proceedings of the National Academy of Sciences of the United States of America, 106(27), 10975–10980.CrossRef Acquisti, A., & Gross, R. (2009). Predicting social security numbers from public data. PNAS, Proceedings of the National Academy of Sciences of the United States of America, 106(27), 10975–10980.CrossRef
go back to reference Cavazos-Rehg, P., Krauss, M., Spitznagel, E., Lowery, A., Grucza, R., Chaloupka, F., & Bierut, L. (2015). Monitoring of non-cigarette tobacco use using Google trends. Tobacco Control, 2015(24), 249–255.CrossRef Cavazos-Rehg, P., Krauss, M., Spitznagel, E., Lowery, A., Grucza, R., Chaloupka, F., & Bierut, L. (2015). Monitoring of non-cigarette tobacco use using Google trends. Tobacco Control, 2015(24), 249–255.CrossRef
go back to reference Dedehayir, O., Ortt, R., Riverola, C., & Miralles, F. (2017). Innovators and early adopters in the diffusion of innovations: A literature review. International Journal of Innovation Management, 21(8), 1–27.CrossRef Dedehayir, O., Ortt, R., Riverola, C., & Miralles, F. (2017). Innovators and early adopters in the diffusion of innovations: A literature review. International Journal of Innovation Management, 21(8), 1–27.CrossRef
go back to reference Fasel, D., & Meier, J. (2016). Big Data: Grundlagen, Systeme und Nutzungspotenziale. Wiesbaden: Springer.CrossRef Fasel, D., & Meier, J. (2016). Big Data: Grundlagen, Systeme und Nutzungspotenziale. Wiesbaden: Springer.CrossRef
go back to reference Frees, B., & Koch, W. (2015). Internetnutzung: Frequenz und Vielfalt nehmen in allen Altersgruppen zu. Media Perspektiven, 2015(9), 366–377. Frees, B., & Koch, W. (2015). Internetnutzung: Frequenz und Vielfalt nehmen in allen Altersgruppen zu. Media Perspektiven, 2015(9), 366–377.
go back to reference Gelder, M., Rog, A., Bredie, S., Kievit, W., Nordeng, H., & von de Belt, T. (2019). Social media monitoring on the perceived safety of medication use during pregnancy: A case study from the Netherlands. British Journal of Clinical Pharmacology. https://doi.org/10.1111/bcp.14083. Gelder, M., Rog, A., Bredie, S., Kievit, W., Nordeng, H., & von de Belt, T. (2019). Social media monitoring on the perceived safety of medication use during pregnancy: A case study from the Netherlands. British Journal of Clinical Pharmacology. https://​doi.​org/​10.​1111/​bcp.​14083.
go back to reference Givant, S., & Halmos, P. (2009). Introduction to Boolean algebras. New York: Springer. Givant, S., & Halmos, P. (2009). Introduction to Boolean algebras. New York: Springer.
go back to reference Kopp, G. (2015). Behavioral Targeting: Identifizierung verhaltensorientierter Zielgruppen im Rahmen der Online-Werbung. Hamburg: disserta. Kopp, G. (2015). Behavioral Targeting: Identifizierung verhaltensorientierter Zielgruppen im Rahmen der Online-Werbung. Hamburg: disserta.
go back to reference Kroeber-Riel, W., & Gröppel-Klein, A. (2013). Konsumentenverhalten (10. Aufl.). München: Vahlen. Kroeber-Riel, W., & Gröppel-Klein, A. (2013). Konsumentenverhalten (10. Aufl.). München: Vahlen.
go back to reference Nötting, T. (2016). Orientierung im Direktmarketing: Digitales Dickicht. w&v, 54(46), 16–20. Nötting, T. (2016). Orientierung im Direktmarketing: Digitales Dickicht. w&v, 54(46), 16–20.
go back to reference Ntalianis, K., Papadakis, N., & Tomaras, P. (2014). Reputation monitoring over rule-stringent social media based on advanced wrapper technologies. Procedia – Social and Behavioral Sciences, 148, 559–566.CrossRef Ntalianis, K., Papadakis, N., & Tomaras, P. (2014). Reputation monitoring over rule-stringent social media based on advanced wrapper technologies. Procedia – Social and Behavioral Sciences, 148, 559–566.CrossRef
go back to reference Orduna-Malea, E., & Alonso-Arroyo, A. (2017). Cybermetric techniques to evaluate organizations using web-based data. Cambridge: Chandos. Orduna-Malea, E., & Alonso-Arroyo, A. (2017). Cybermetric techniques to evaluate organizations using web-based data. Cambridge: Chandos.
go back to reference Reinecke, J. (1991). Intervieweffekte und soziale Erwünschtheit: Theorie, Modell und empirische Ergebnisse. Journal für Sozialforschung, 31(3), 293–320. Reinecke, J. (1991). Intervieweffekte und soziale Erwünschtheit: Theorie, Modell und empirische Ergebnisse. Journal für Sozialforschung, 31(3), 293–320.
go back to reference Rogers, E. (2003). Diffusion of innovations (5. Aufl.). New York: Free Press. Rogers, E. (2003). Diffusion of innovations (5. Aufl.). New York: Free Press.
go back to reference Silver, N. (2012). The Signal And The Noise: Why So Many Predictions Fail-but Some Don’t. London: Penguin Books. Silver, N. (2012). The Signal And The Noise: Why So Many Predictions Fail-but Some Don’t. London: Penguin Books.
go back to reference Stephens-Davidowitz, S. (2017). Everybody lies: Big data, new data, and what the internet can tell us about who we really are. New York: Dey Street Books. Stephens-Davidowitz, S. (2017). Everybody lies: Big data, new data, and what the internet can tell us about who we really are. New York: Dey Street Books.
go back to reference Stevenson, A., & Hamill, J. (2012). Social media monitoring: A practical case example of city destinations. In M. Sigala, E. Christou, & U. Gretzel (Hrsg.), Social media in travel, tourism and hospitality: Theory, practice and cases (S. 293–312). Farnham: Ashgate. Stevenson, A., & Hamill, J. (2012). Social media monitoring: A practical case example of city destinations. In M. Sigala, E. Christou, & U. Gretzel (Hrsg.), Social media in travel, tourism and hospitality: Theory, practice and cases (S. 293–312). Farnham: Ashgate.
go back to reference Wang, J., Zhang, W., & Yuan, S. (2017). Display advertising with Real-Time Bidding (RTB) and behavioural targeting. Delft: NOW Publishers.CrossRef Wang, J., Zhang, W., & Yuan, S. (2017). Display advertising with Real-Time Bidding (RTB) and behavioural targeting. Delft: NOW Publishers.CrossRef
go back to reference Wang, L., Yu, Z., Yang, D., Ma, H., & Sheng, H. (2020). Efficiently targeted billboard advertising using crowdsensing vehicle trajectory data. IEEE Transactions on Industrial Informatics, 16(2), 1058–1066.CrossRef Wang, L., Yu, Z., Yang, D., Ma, H., & Sheng, H. (2020). Efficiently targeted billboard advertising using crowdsensing vehicle trajectory data. IEEE Transactions on Industrial Informatics, 16(2), 1058–1066.CrossRef
Metadata
Title
Mit Big Data den Markt verstehen
Author
Jan Schoenmakers
Copyright Year
2021
DOI
https://doi.org/10.1007/978-3-658-29367-3_11