Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Schmalenbach Journal of Business Research
Erschienen in: Schmalenbachs Zeitschrift für betriebswirtschaftliche Forschung 2/2017

13.12.2016 | Originalartikel

Verwendung von Word of Mouth-Daten zur Identifikation von Asymmetrie im Wettbewerb: Eine textbasierte Analyse am Beispiel deutscher Automobilmarken

verfasst von: Tobias Reckmann

Erschienen in: Schmalenbach Journal of Business Research | Ausgabe 2/2017

Einloggen

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

search-config
loading …

Zusammenfassung

Kundenkommentare im Web 2.0 stellen für Unternehmen aufgrund ihrer Menge sowie Zeitaktualität eine viel versprechende Informationsbasis dar. Entsprechend bestehen verstärkt Bestrebungen, online kommunizierte Kundenerfahrungen zu strukturieren und für die Marketingpraxis nutzbar zu machen. Dieser Beitrag stellt einen neuartigen textbasierten Ansatz vor, der es erlaubt, komplexe Wettbewerbsbeziehungen basierend auf Kundenrezensionen zu visualisieren. Am Beispiel fünf deutscher Automobilmarken lassen sich asymmetrische Wettbewerbsbeziehungen identifizieren, bei denen je nach Referenzmarke der jeweiligen Kundenerfahrung unterschiedliche Wahrnehmungen konkurrierender Marken vorliegen. Durch Offenlegung dieser heterogenen Wahrnehmungsräume von Kunden können in Frage kommende Marken für zukünftiges Wechselverhalten frühzeitig identifiziert und Ressourcen entsprechend allokiert werden.
Vorheriger Artikel Wie ehrlich sind Kunden von Mikrofinanzinstituten? Ein Bogus-Pipeline-Experiment zur Untersuchung asymmetrischer Information im Mikrofinanzsektor auf den Philippinen
Nächster Artikel Das Translationsrisiko multinationaler Konzerne in Deutschland

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
Anhänge
Nur mit Berechtigung zugänglich
Fußnoten
1
Vgl. Wang et al. (2008), S. 159.
 
2
Vgl. z. B. Kozinets (2002), S. 70; Lee und Bradlow (2011), S. 881; Abrahams et al. (2013).
 
3
Vgl. z. B. Dellarocas et al. (2007); Hardey (2011).
 
4
Vgl. Lee und Bradlow (2011), S. 883.
 
5
Vgl. Netzer et al. (2012), S. 521.
 
6
Vgl. z. B. Godes und Mayzlin (2004); Lee und Bradlow (2011).
 
7
Vgl. Keller (1993).
 
8
Vgl. Anderson und Bower (1973).
 
9
Vgl. Teichert und Schöntag (2010), S. 375.
 
10
Vgl. DeSarbo et al. (2006), S. 126.
 
11
Vgl. z. B. Chevalier und Mayzlin (2006); Zhu und Zhang (2010); Ghose et al. (2012).
 
12
Vgl. z. B. Dellarocas (2003).
 
13
Vgl. z. B. Yu et al. (2013).
 
14
Vgl. z. B. Chen und Xie (2008); Kozinets et al. (2010); Gensler et al. (2013).
 
15
Vgl. z. B. Yu et al. (2013), S. 919.
 
16
Vgl. Peters et al. (2013), S. 283.
 
17
Vgl. Decker und Trusov (2010); Archak et al. (2011).
 
18
Vgl. Lee und Bradlow (2011); Netzer et al. (2012).
 
19
Vgl. Chen und Xie (2008), S. 480.
 
20
Vgl. Chen (1996), S. 104.
 
21
Vgl. z. B. Carpenter et al. (1988).
 
22
Vgl. Kilduff et al. (2010), S. 955.
 
23
Vgl. Tversky (1977), S. 333.
 
24
Vgl. Levitt (2004).
 
25
Vgl. Baum und Korn (1999).
 
26
Tsai et al. (2011), S. 761.
 
27
Kim et al. (2011), S. 15.
 
28
Vgl. Roberts und Lattin (1991).
 
29
Vgl. Nedungadi (1990), S. 264.
 
30
Vgl. z. B. DeSarbo und Jedidi (1995); DeSarbo et al. (2006); Paulssen und Bagozzi (2006); Faure und Natter (2010); Kim et al. (2011).
 
31
Vgl. DeSarbo et al. (2006), S. 102.
 
32
Vgl. Faure und Natter (2010), S. 267.
 
33
Vgl. Kim et al. (2011), S. 14.; Ringel und Skiera (2014), S. 3129.
 
34
Vgl. Ringel und Skiera (2014), S. 3129.
 
35
Vgl. Kim et al. (2011); Ringel und Skiera (2014).
 
36
Vgl. Kim et al. (2011), S. 24.
 
37
Vgl. Tversky (1972).
 
38
Vgl. Tirunillai und Tellis (2014), S. 463.
 
39
Vgl. Decker und Trusov (2010), S. 294.
 
40
Vgl. Moe und Schweidel (2012), S. 374.
 
41
Vgl. Nedungadi (1990), S. 264.
 
42
Vgl. Kardes et al. (1993), S. 72.
 
43
Vgl. Anderson und Bower (1973).
 
44
Vgl. z. B. Henderson et al. (2002); Teichert und Schöntag (2010); Netzer et al. (2012).
 
45
Vgl. Anderson und Bower (1973).
 
46
O-Ton aus zugrundeliegendem Datensatz. Siehe Abschn. 3.2.
 
47
Lee und Bradlow (2011), S. 882.
 
48
Vgl. z. B. Chevalier und Mayzlin (2006); Dellarocas et al. (2007); Archak et al. (2011); Ghose und Ipeirotis (2011).
 
49
Vgl. Elrod (1988), S. 21 ff.; DeSarbo und Jedidi (1995), S. 336.
 
50
Vgl. Netzer et al. (2012).
 
51
Vgl. He (1999), S. 138; Netzer et al. (2012), S. 524.
 
52
Vgl. Netzer et al. (2012), S. 529.
 
53
Vgl. DeSarbo et al. (2006), S. 125.
 
54
Vgl. Netzer et al. (2012).
 
55
Vgl. Verband der Automobilindustrie e. V. (2012), S. 20 ff.
 
56
Vgl. DAT Group (2014), S. 61 f.
 
57
Download und Extraktion der Kundenrezensionen erfolgten im Juni 2011. Die Seite wurde während des Review-Prozesses abgeschaltet und ist heute nicht mehr abrufbar. Unter dem Link: autotest.de erfolgt eine Weiterleitung zu www.​pkw.​de.
 
58
In dieser Vorgehensweise besteht der zentrale Vorteil des zugrundeliegenden Datensatzes gegenüber möglichst großzahligen empirischen Analysen von Blogbeiträgen oder „diffusen“ Webinhalten: Letztere bedürfen einer textbasierten Zuordnung von Kommentaren zu Kunden und Nicht-Kunden einer Marke. Dies kann etwa durch Erkennung charakteristischer Satzbausteine oder grammatischer Bezüge wie Abfolgen von Possessivpronomen und Markennamen geschehen („mein BMW“). Aufgrund der Komplexität von Sprache ist eine textbasierte Trennung jedoch nicht immer eindeutig und kann entsprechend fehlerbehafte Zuordnungen von Referenz- und Fremdmarkennennungen zufolge haben. Letzteres macht das Studium asymmetrischer Wettbewerbsstrukturen aus Kundensicht unmöglich.
 
59
Der Chi²-P Wert für Opel (exklusive Markennennungen von VW) beträgt nicht-signifikante 0,7.
 
60
Vgl. Han et al. (2010).
 
61
Vgl. McFerran et al. (2014).
 
62
Vgl. Netzer et al. (2012), S. 525.
 
63
Vgl. z. B. Kim et al. (2011), S. 24; Ringel und Skiera (2014), S. 3132.
 
64
Vgl. Linden et al. (2005).
 
65
Vgl. Kim et al. (2011), S. 24.
 
66
Vgl. Kruskal (1964), S. 3.
 
67
Vgl. Hieronimus (2003).
 
68
Vgl. Saal (2014).
 
69
Vgl. Netzer et al. (2012), S. 529.
 
70
Vgl. Pauwels und van Ewijk (2014).
 
71
Vgl. z. B. Bickart und Schindler (2001); Zhu und Zhang (2010).
 
72
Vgl. z. B. Gensler et al. (2013); Berger (2014).
 
73
Vgl. DeSarbo et al. (2006), S. 126.
 
74
Vgl. Clemons et al. (2006).
 
75
Vgl. Bickart und Schindler (2001).
 
76
Vgl. z. B. Bickart und Schindler (2001); Clemons et al. (2006); Zhu und Zhang (2010).
 
77
Kim und Tsai (2012), S. 117.
 
78
Vgl. Nedungadi (1990), S. 264.
 
79
Vgl. Kim et al. (2011).
 
80
Vgl. Saal (2014).
 
81
Vgl. Decker und Trusov (2010), S. 293.
 
82
Vgl. Netzer et al. (2012).
 
83
Pauwels und van Ewijk (2014), S. 21.
 
84
Vgl. DeSarbo et al. (2006), S. 127.
 
85
Tirunillai und Tellis (2014).
 
Literatur
Abrahams, Alan S., Jian Jiao, Weiguo Fan, G. Alan Wang, und Zhongju Zhang. 2013. What’s Buzzing in the Blizzard of Buzz? Automotive Component Isolation in Social Media Postings. Decision Support Systems 55:871–882.CrossRef
Anderson, John R., und Gordon H. Bower. 1973. Human Associative Memory. New York: Psychology Press.
Archak, Nikolay, Anindya Ghose, und Panagiotis G. Ipeirotis. 2011. Deriving the Pricing Power of Product Features by Mining Consumer Reviews. Management Science 57:1485–1509.CrossRef
Baum, Joel A.C., und Helaine J. Korn. 1999. Dynamics of Dyadic Competitive Interaction. Strategic Management Journal 20:251–278.CrossRef
Berger, Jonah. 2014. Word of Mouth and Interpersonal Communication: A Review and Directions for Future Research. Journal of Consumer Psychology 24:586–607.CrossRef
Bickart, Barbara, und Robert M. Schindler. 2001. Internet Forums as Influential Sources of Consumer Information. Journal of Interactive Marketing 15:31–40.CrossRef
Carpenter, Gregory S., Lee G. Cooper, Dominique M. Hanssens, und David F. Midgley. 1988. Modeling Asymmetric Competition. Marketing Science 7:393–412.CrossRef
Chen, Ming-Jer. 1996. Competitor Analysis and Interfirm Rivalry: Toward a Theoretical Integration. Academy of Management Review 21:100–134.
Chen, Yubo, und Jinhong Xie. 2008. Online Consumer Review: Word-of-Mouth as a New Element of Marketing Communication Mix. Management Science 54:477–491.CrossRef
Chevalier, Judith A., und Dina Mayzlin. 2006. The Effect of Word of Mouth on Sales: Online Book Reviews. Journal of Marketing Research 43:345–354.CrossRef
Clemons, Eric, Guodong Gao, und Lorin Hitt. 2006. When Online Reviews Meet Hyperdifferentiation. A Study of the Craft Beer Industry. Journal of Management Information Systems 23:149–171.CrossRef
DAT Group. 2014. DAT-Report 2014. Würzburg: Vogel.
Decker, Reinhold, und Michael Trusov. 2010. Estimating Aggregate Consumer Preferences From Online Product Reviews. International Journal of Research in Marketing 27:293–307.CrossRef
Dellarocas, Chrysanthos. 2003. The Digitization of Word of Mouth: Promise and Challenges of Online Feedback Mechanisms. Management Science 49:1407–1424.CrossRef
Dellarocas, Chrysanthos, Xiaoquan M. Zhang, und Neveen F. Awad. 2007. Exploring the Value of Online Product Reviews in Forecasting Sales: The Case of Motion Pictures. Journal of Interactive Marketing 21:23–45.CrossRef
DeSarbo, Wayne S., und Kamel Jedidi. 1995. The Spatial Representation of Heterogeneous Consideration Sets. Marketing Science 14:326–342.CrossRef
DeSarbo, Wayne S., Rajdeep Grewal, und Jerry Wind. 2006. Who Competes with Whom? A Demand-Based Perspective for Identifying and Representing Asymmetric Competition. Strategic Management Journal 27:101–129.CrossRef
Elrod, Terry. 1988. Choice Map: Inferring a Product-Market Map from Panel Data. Marketing Science 7:21–40.CrossRef
Faure, Corinne, und Martin Natter. 2010. New Metrics for Evaluating Preference Maps. International Journal of Research in Marketing 27:261–270.CrossRef
Gensler, Sonja, Franziska Völckner, Yuping Liu-Thompkins, und Caroline Wiertz. 2013. Managing Brands in the Social Media Environment. Journal of Interactive Marketing 27:242–256.CrossRef
Ghose, Anindya, und Panagiotis G. Ipeirotis. 2011. Estimating the Helpfulness and Economic Impact of Product Reviews: Mining Text and Reviewer Characteristics. IEEE Transactions on Knowledge and Data Engineering 23(10):1498–1512.CrossRef
Ghose, Anindya, Panagiotis G. Ipeirotis, und Beibei Li. 2012. Designing Ranking Systems for Hotels on Travel Search Engines by Mining User-Generated and Crowdsourced Content. Marketing Science 31:493–520.CrossRef
Godes, David, und Dina Mayzlin. 2004. Using Online Conversations to Study Word-of-Mouth Communication. Marketing Science 23:545–560.CrossRef
Hardey, Mariann. 2011. Generation C: Content, Creation, Connections and Choice. International Journal of Market Research 53:2–19.
He, Qin. 1999. Knowledge Discovery Through Co-Word Analysis. Library trends 48:133–159.
Henderson, Geraldine R., Dawn Iacobucci, und Bobby J. Calder. 2002. Using Network Analysis to Understand Brands. Advances in Consumer Research 29:397–405.
Hieronimus, Fabian. 2003. Persönlichkeitsorientiertes Markenmanagement: Eine empirische Untersuchung zur Messung, Wahrnehmung und Wirkung der Markenpersönlichkeit. Frankfurt am Main: Peter Lang.
Jun, Kim B., Paulo Albuquerque, und Bart J. Bronnenberg. 2011. Mapping Online Consumer Search. Journal of Marketing Research 48:13–27.CrossRef
Kardes, Frank R., Gurumurthy Kalyanaram, Murali Chandrashekaran, und Ronald J. Dornoff. 1993. Brand Retrieval, Consideration Set Composition, Consumer Choice, and the Pioneering Advantage. Journal of Consumer Research 20:62–75.CrossRef
Keller, Kevin L. 1993. Conceptualizing, Measuring, and Managing Customer-Based Brand Equity. Journal of Marketing 57:1–22.CrossRef
Kilduff, Gavin J., Hillary A. Elfenbein, und Barry M. Staw. 2010. The Psychology of Rivalry: A Relationally Dependent Analysis of Competition. Academy of Management Journal 53:943–969.CrossRef
Kozinets, Robert V. 2002. The Field behind the Screen: Using Netnography for Marketing Research in Online Communities. Journal of Marketing Research 39:61–72.CrossRef
Kozinets, Robert V., Kristine de Valck, Andrea C. Wojnicki, und Sarah J.S. Wilner. 2010. Networked Narratives: Understanding Word-of-Mouth Marketing in Online Communities. Journal of Marketing 74:71–89.CrossRef
Kruskal, Joseph B. 1964. Multidimensional Scaling by Optimizing Goodness of Fit to a Nonmetric Hypothesis. Psychometrika 29:1–27.CrossRef
Kwang-Ho, Kim, und Wenpin Tsai. 2012. Social Comparison Among Competing Firms. Strategic Management Journal 33:115–136.CrossRef
Lee, Thomas Y., und Eric T. Bradlow. 2011. Automated Marketing Research Using Online Customer Reviews. Journal of Marketing Research 48:881–894.CrossRef
Levitt, Theodore. 2004. Marketing Myopia. Harvard Business Review 82:138–149.
Linden, Greg D., Brent R. Smith, und Nida K. Zada. 2005. Use of Product Viewing Histories of Users to Identify Related Products. U.S. Patent, Veröffentlichungsnummer US6912505 B2, angemeldet am 29.03.2001, veröffentlicht am 28.06.2005
Moe, Wendy W., und David A. Schweidel. 2012. Online Product Opinions: Incidence, Evaluation, and Evolution. Marketing Science 31:372–386.CrossRef
Nedungadi, Prakash. 1990. Recall and Consumer Consideration Sets: Influencing Choice without Altering Brand Evaluations. Journal of Consumer Research 17:263–276.CrossRef
Netzer, Oded, Ronen Feldman, Jacob Goldenberg, und Moshe Fresko. 2012. Mine Your Own Business: Market-Structure Surveillance Through Text Mining. Marketing Science 31:521–543.CrossRef
Paulssen, Marcel, und Richard P. Bagozzi. 2006. Goal Hierarchies as Antecedents of Market Structure. Psychology and Marketing 23:689–709.CrossRef
Pauwels, Koen, und Bernadette van Ewijk. 2014. Do Online Behavior Tracking or Attitude Survey Metrics Drive Brand Sales? An Integrative Model of Attitudes and Actions on the Consumer Boulevard. Marketing Science Institute Working Paper Series 2013, Report Nr. 13–118. Cambridge: Marketing Science Institute.
Peters, Kay, Yubo Chen, Andreas M. Kaplan, Björn Ognibeni, und Koen Pauwels. 2013. Social Media Metrics – A Framework and Guidelines for Managing Social Media. Journal of Interactive Marketing 27:281–298.CrossRef
Ringel, Daniel M., und Bernd Skiera. 2014. Understanding Competition Using Big Consumer Search Data. 47th Hawaii International Conference on System Sciences (HICSS), Hawaii.CrossRef
Roberts, John H., und James M. Lattin. 1991. Development and Testing of a Model of Consideration Set Composition. Journal of Marketing Research 28:429–440.CrossRef
Teichert, Thorsten A., und Katja Schöntag. 2010. Exploring Consumer Knowledge Structures Using Associative Network Analysis. Psychology and Marketing 27:369–398.CrossRef
Tirunillai, Seshadri, und Gerard J. Tellis. 2014. Mining Marketing Meaning from Online Chatter. Strategic Brand Analysis of Big Data Using Latent Dirichlet Allocation. Journal of Marketing Research 51:463–479.CrossRef
Tsai, Wenpin, Kuo-Hsien Su, und Ming-Jer Chen. 2011. Seeing Through the Eyes of a Rival: Competitor Acumen Based on Rival-Centric Perceptions. Academy of Management Journal 54:761–778.CrossRef
Tversky, Amos. 1972. Elimination by Aspects: A Theory of Choice. Psychological Review 79:281–299.CrossRef
Tversky, Amos. 1977. Features of Similarity. Psychological Review 84:327–352.CrossRef
Verband der Automobilindustrie e. V. 2012. Jahresbericht 2012. Berlin: Verband der Automobilindustrie e. V.
Wang, Yan, Gao Wang, Pin Zhao, und Hao Li. 2008. Asymmetric Competition Analysis Based on Consumer Choice Set: Case of Chinese Automobile Industry. International Seminar on Business and Information Management 2008, Wuhan.
Young, Han J., Joseph C. Nunes, und Xavier Drèze. 2010. Signaling Status with Luxury Goods: The Role of Brand Prominence. Journal of Marketing 74:15–30.CrossRef
Yu, Yang, Wenjing Duan, und Qing Cao. 2013. The Impact of Social and Conventional Media on Firm Equity Value: A Sentiment Analysis Approach. Decision Support Systems 55:919–926.CrossRef
Zhu, Feng, und Xiaoquan Zhang. 2010. Impact of Online Consumer Reviews on Sales: The Moderating Role of Product and Consumer Characteristics. Journal of Marketing 74:133–148.CrossRef
Metadaten
Titel
Verwendung von Word of Mouth-Daten zur Identifikation von Asymmetrie im Wettbewerb: Eine textbasierte Analyse am Beispiel deutscher Automobilmarken
verfasst von
Tobias Reckmann
Publikationsdatum
13.12.2016
Verlag
Springer Fachmedien Wiesbaden
Erschienen in
Schmalenbach Journal of Business Research / Ausgabe 2/2017
Print ISSN: 0341-2687
Elektronische ISSN: 2366-6153
DOI
https://doi.org/10.1007/s41471-016-0027-4