Die Auswirkungen der Datenaufbereitung in Markenwahlmodellen

Die Anwendung von Markenwahlmodellen anhand von Paneldaten ist in Forschung und Praxis des Marketings weit verbreitet. In der Mehrzahl der Anwendungen werden diese Daten vor der Schätzung gekürzt oder aggregiert um die Schätzung zu beschleunigen und die Analyse zu vereinfachen. Diese Publikation beschäftigt sich mit den Auswirkungen dieser Formen der Datenaufbereitung, welche bisher nur von zwei Arbeiten in der wissenschaftlichen Literatur näher betrachtet wurden. Im Gegensatz zu den bisher veröffentlichten Arbeiten wird der Fokus dabei auf reale statt auf simulierte Daten gelegt. Weiterhin werden die wichtigsten Aspekte für die Bearbeitung des Themas wie das Logitmodell, die Berücksichtigung der unbeobachteten Heterogenität und die Möglichkeiten zur Beschreibung der Alternativen innerhalb der Nutzenfunktion beschrieben. Zudem wird ein umfangreicher Überblick über die Aufbereitung von Paneldaten vor der Schätzung von Markenwahlmodellen der Marketingforschung gegeben. Die Betrachtung von 62 Arbeiten bietet dabei eine umfangreiche Übersicht, welche die wichtigsten Formen der Datenaufbereitung vorstellt und die Bedeutung des Themas nochmals betont. Ein wichtiger Inhalt der Arbeit, der interessante Anhaltspunkte für die weitere Forschung auf dem Gebiet liefert, ist die Besprechung der Schwierigkeiten der Beurteilung der Güte, welche Erkenntnisse, die bei der Beurteilung der Güte von Strategien der Datenaufbereitung berücksichtigt werden müssen, erläutert. In den Ergebnissen der empirischen Studie wird dann die durchaus überraschende Erkenntnis getroffen, dass Strategien der Datenkürzung eine genauere Marktanteilsprognose liefern können als Strategien, welche fast den vollständigen Paneldatensatz umfassen. Mit den Erläuterungen dieser Ergebnisse wird dann abschließend die Problematik im Vergleich verschiedener Möglichkeiten der Datenaufbereitung besprochen. Die Arbeit gibt damit einen Einblick in die Bedeutung der Datenaufbereitung bei der Anwendung von Markenwahlmodellen, der Probleme bei der Beurteilung der verbreiteten Methoden und liefert eine Möglichkeit des Vergleichs der Strategien, der die vorliegende Praxis der Datenaufbereitung erklären kann.