Adoption und Nutzung sozialer Online-Netzwerke
Empirische Analysen zur Erklärung und Prognose des individuellen Nutzerverhaltens
Marco Motullo
Um soziale Online-Netzwerke ist in der Wirtschaftspresse und Unternehmenspraxis ein regelrechter Hype entstanden. Zahlreiche Unternehmen haben begonnen, soziale Online-Netzwerke in ihren Marketing-Mix zu integrieren. Die Erlöse der Betreiber sozialer Online-Netzwerke basieren bislang vorwiegend auf der Platzierung zielgruppenspezifischer Werbung. Um dieses Erlöspotenzial auszuschöpfen, ist eine große und aktive Mitgliederbasis unabdingbar. Dies stellt insbesondere die Betreiber von neu am Markt verfügbaren Diensten vor große Herausforderungen. Zum einen sind sie häufig nicht in der Lage, potenzielle Nutzer zu einer Registrierung für ihr Dienstangebot zu bewegen (Adoption). Zum anderen kämpfen sie – insbesondere unter neu gewonnenen Mitgliedern – mit hohen Abbruchquoten und geringen Nutzungsintensitäten. Ziel des Verfassers ist es, einen empirischen Beitrag zur Adoptionsforschung im Kontext sozialer Online-Netzwerke zu leisten. Im Rahmen einer ersten empirisch-qualitativen Studie widmet er sich zunächst der Erklärung des Adoptionsprozesses. Kernstück der Arbeit bildet die sich anschließende empirisch-quantitative Studie, in der die Frage adressiert wird, ob das individuelle Abbruch- sowie das Nutzungsverhalten frühzeitig prognostiziert werden können. In diesem Zusammenhang wird auf einen Datensatz von über 10.000 registrierten Mitgliedern eines neuartigen sozialen Online-Netzwerks zurückgegriffen. Zur Analyse der Daten kommt mit der Zero-Inflated Poisson-Regression ein statistisches Verfahren zum Einsatz, das in der internationalen Marketingforschung bislang erst selten verwendet wurde. Die Ergebnisse der Studie machen insbesondere deutlich, dass mithilfe unternehmensinterner Daten sowohl das Abbruchverhalten als auch das Nutzungsverhalten frühzeitig erfolgreich vorhergesagt werden können. Die Arbeit bietet demnach in praktischer Hinsicht einen interessanten Ansatz zur frühzeitigen Identifizierung von Abbrechern des Dienstes sowie zur Segmentierung unterschiedlicher Nutzertypen (z.B. Wenig- vs. Viel-Nutzer). Abschließend werden diverse Ansatzpunkte für eine aktive Beeinflussung des individuellen Nutzerverhaltens bei sozialen Online-Netzwerken aufgezeigt.