Skip to main content
SpringerLink
Log in

Der Einfluss der Produktintelligenz auf den Konsumentennutzen und die Produktnutzung

The Impact of Product Smartness on Consumption Values and Product Usage

  • Originalartikel
  • Published:
Schmalenbachs Zeitschrift für betriebswirtschaftliche Forschung Aims and scope Submit manuscript

Zusammenfassung

Intelligente Produkte werden in den kommenden Jahren viele bestehende Konsumgütermärkte verändern bzw. neue Märkte schaffen. Für Innovationsmanager, die für die Entwicklung und Markteinführung solcher Produkte mitverantwortlich sind, stellt sich damit die Frage nach dem Einfluss der wahrgenommenen Produktintelligenz auf den empfundenen Produktnutzen sowie nach den Nutzungsintentionen der Konsumenten. Dazu werden in der vorliegenden Arbeit neben den heutzutage nahezu allgegenwärtigen Smartphones zwei weitere intelligente Gebrauchsgüter, nämlich Smart TVs und Smart Watches, untersucht. Das Ergebnis zeigt, dass die aggregierte Produktintelligenz in jedem der drei untersuchten Fälle den Konsumentennutzen erhöht und dieser die Produktnutzung positiv beeinflusst. Eine isolierte Betrachtung einzelner Intelligenzdimensionen weist jedoch auf merkliche Unterschiede im Vergleich zwischen den untersuchten Produkttypen hin. Für die Praxis bedeutet dies, dass es in der Produktentwicklung sowie bei der Planung der Markteinführung von intelligenten Produkten einer produktspezifischen Analyse bedarf, um die relevanten Intelligenzdimensionen zu identifizieren, durch die die Adoption und die Nutzung einer solchen Innovation beeinflusst und somit letztlich der Markterfolg (mit-)bestimmt wird.

Abstract

In the coming years, smart products will affect many existing consumer markets and establish new ones. Innovation managers who are responsible for the development or market introduction of such products thus strive to gain deeper insight into the impact of the perceived ‘smartness’ of the product on its perceived consumption value, as well as gaining insights into consumers’ product usage intentions. We therefore investigated three consumer durables: already widespread smartphones, smart TVs, and smart watches. It emerged in all three cases that product smartness positively affects both consumption values and product usage. Upon analyzing the results on the level of smartness dimensions, however, we found considerable differences between the three investigated product types. From a practitioner’s viewpoint, this finding underlines the necessity of conducting product-specific analyses for product development or planning market introduction of smart products, as smartness dimensions impact adoption and usage of these innovations, thus determining their market success.

This is a preview of subscription content, log in via an institution to check access.

Access this article

Log in via an institution

Price excludes VAT (USA)
Tax calculation will be finalised during checkout.

Instant access to the full article PDF.

Institutional subscriptions

Abb. 1
Abb. 2

Notes

  1. Der Übergang zwischen Produkten, die „nur“ untereinander vernetzt sind und Daten austauschen, und jenen, die auch im Sinne der Definitionen aus Abschn. 2 intelligent („smart“) sind, ist oft fließend. Viele heute als intelligent angepriesene Produkte sind dies streng genommen noch nicht. Andere, wie die Smartphones, sind diesbezüglich schon einen Entwicklungsschritt weiter. Es ist aber unstrittig, dass die Intelligenz von Konsumgütern (i.S. einer Unterstützung von Konsumenten) in naher Zukunft weiter zunehmen und die Vernetzung als aktuell oftmals alleinige Zusatzeigenschaft nur ein erster, notwendiger Schritt in dieser Entwicklung sein wird.

  2. McKinsey etwa erwartet dafür ein Marktvolumen von 6,2 Billionen (engl.: trillions) US-Dollar im Jahr 2025 (Bauer et al. 2014).

  3. Die eigentliche Produktintelligenz entsteht dabei bei physischen Produkten durch das Zusammenspiel von Software und Hardware. Darüber hinaus können reine Software-Produkte die vorgenannten Eigenschaften aber ebenfalls erfüllen.

  4. Vgl. für eine grafische Darstellung Abb. 2 in Abschn. 3.2.

  5. Eine gesammelte Auflistung aller Hypothesen findet sich in Tab. 6 im Anhang.

  6. Dieser (gefühlte) Kontrollverlust kann sich nicht zuletzt aus der schwierigen Nachvollziehbarkeit der komplexen Funktionsweise eines Produktes ergeben (Rijsdijk und Hultink 2003).

  7. Die Hypothesen H10a,b,c sind in Abb. 2 nicht enthalten, weil die Darstellung der über alle Intelligenzdimensionen aggregierten Produktintelligenz die Abbildung deutlich unübersichtlicher hätte werden lassen.

  8. Zur Zulässigkeit der Aggregation durch Summation der Werte über alle Intelligenzdimensionen vgl. Rijsdijk et al. (2007).

  9. Allerdings wird die von einem Smart TV angebotene Funktionalität nur von circa einem Viertel der Besitzer auch tatsächlich genutzt.

  10. Apple vs. Pebble, einem über Kickstarter finanzierten Startup, das seit 2013 eine Smart Watch vertreibt.

  11. Anders als in etablierten Märkten, in denen es bereits eindeutige Markenführer gibt, die auch einen entsprechenden Vertrauensvorschuss durch die Konsumenten genießen, ist der Wettlauf um die Markenführerschaft im Smart Watch-Markt noch nicht entschieden. Aktuell hat Apple zwar eine gute Ausgangsposition, diese ist aber bei Weitem noch nicht gefestigt. In solch einem dynamischen und rasch wachsenden Markt mit einer noch vergleichsweise großen Anzahl an Mitbewerbern und der Erwartung, dass weitere Anbieter in den Markt eintreten werden, sind die Vorteile durch die (vorläufige) Markenführerschaft offensichtlich (noch) wenig ausgeprägt, was das Fehlen von signifikanten Unterschieden zwischen den beiden Split-Gruppen erklärt.

  12. Wir hätten alternativ auch siebenstufige Likert-Skalen einsetzen können. Die Diskussion, wie viele Stufen „besser“ sind, ist offen. Krosnick und Presser (2010) kommen in ihrem Überblick zum Schluss, dass eine siebenstufige Skala in den meisten Fällen am besten passt, es letztendlich aber auch auf die visuelle Handhabbarkeit ankommt. Obwohl uns keine Information darüber vorgelegen hat, wie viele Probanden den Online-Fragebogen auf ihren mobilen Endgeräten ausfüllen würden, haben wir uns dafür entschieden, lieber eine fünfstufige Skala einzusetzen und den Fragebogen damit auch auf kleinen Bildschirmen gut lesbar zu halten.

  13. Für einen Auszug aus der Kundenliste vgl. http://www.nordlight-research.com/de/referenzen.html.

  14. Ausgeschlossen worden sind Fragebögen von Probanden, die alle ihre Antworten in weniger als der Hälfte der durchschnittlichen Bearbeitungsdauer abgegeben haben.

  15. Diese Form der Quotierung ist ein unter forschungsökonomischen Gesichtspunkten praktikabler und entsprechend verbreiteter Kompromiss. Eine Quotierung auch nach zusätzlichen Kriterien würde es wegen der Kombinatorik der Kriterien nämlich nötig machen, aufwändig nach einzelnen Eigenschaftskombinationen von Probanden zu suchen, was in großen Panels zwar möglich, letztlich aber sehr teuer wäre.

  16. Dabei wird die Anzahl der Faktoren auf eins fixiert und überprüft, ob durch den ersten Faktor ein Großteil der Varianz (>50 %) erklärt wird.

  17. Bei allen Items wurden für alle Produkte sämtliche Antwortoptionen der Multi-Item Skalen ausgeschöpft. Die Minima und Maxima der Antworten belaufen sich somit auf 1 und 5 und entsprechen den Extrempunkten der Skala. Bezüglich der Nutzungsvielfalt wurden beim Smartphone mindestens eine und maximal fünfzehn (von fünfzehn zur Wahl stehenden) Funktionen angegeben. Beim Smart TV reicht das Spektrum von einer bis maximal neunzehn (von zwanzig zur Wahl stehenden) Funktionen und bei der Smart Watch von einer bis maximal fünfzehn (von fünfzehn zur Wahl stehenden) Funktionen.

  18. Dies gilt insbesondere für die Smart Watch, die sich noch in einer vergleichsweise frühen Phase ihrer Marktdiffusion befindet.

  19. Dies gilt in vielerlei Kontext wie zum Beispiel auch beim Erfolg eines Informationssystems; vgl. dazu Gebauer et al. (2015), die sich dazu auf eine frühere Arbeit von DeLone und McLean (1992) beziehen.

  20. Die Ergebnisse sind allerdings möglicherweise auch durch Unterschiede bei den, von Park und Lee nicht im Detail beschriebenen, Persönlichkeitsmerkmalen der Probanden (z. B. Alter, Studienrichtung, etc.) verzerrt. Ein fundierter interkultureller Vergleich wäre jedenfalls für international agierende Unternehmen interessant, die ihre intelligenten Produkten in Ländern aus verschiedenen Kulturkreisen auf den Markt bringen möchten.

  21. Das Konstrukt des wahrgenommenen Risikos wurde von Jacoby und Kaplan (1972) bereits in den 1970er-Jahren zu einem multidimensionalen Konzept weiterentwickelt. Es kann die Adoption von Innovationen negativ beeinflussen (Rogers 2003).

  22. Zur Befürchtung der einem Kontrollverlust zugrundeliegenden Selbstbestimmungstheorie vgl. Ryan und Deci (2006).

Literatur

  • Anderson, James C., und David W. Gerbing. 1988. Structural equation modeling in practice: a review and recommended two-step approach. Psychological Bulletin 103(3):411–423.

    Article  Google Scholar 

  • Backhaus, Klaus, Bernd Erichson, Wulff Plinke, und Rolf Weiber. 2003. Multivariate Analysemethoden: Eine anwendungsorientierte Einführung. Berlin: Springer.

    Google Scholar 

  • Bagozzi, Richard P., und Youjae Yi. 1988. On the evaluation of structural equation models. Journal of the Academy of Marketing Science 16(1):74–94.

    Article  Google Scholar 

  • Ballhaus, Werner. 2014. Media Trend Outlook – Wearables: Die tragbare Zukunft kommt näher. https://www.pwc-wissen.de/pwc/de/shop/publikationen/Media+Trend+Outlook+Wearables%3A+Die+tragbare+Zukunf/?card=15187. Zugegriffen: 13. Mai 2018.

    Google Scholar 

  • Bauer, Harald, Mark Patel, und Jan Veira. 2014. The internet of things: sizing up the opportunity. http://www.mckinsey.com/insights/high_tech_telecoms_internet/the_internet_of_things_sizing_up_the_opportunity. Zugegriffen: 13. Mai 2018.

    Google Scholar 

  • Bauernhansl, Thomas, Michael ten Hompel, und Birgit Vogel-Heuser. 2014. Industrie 4.0 in Produktion, Automatisierung und Logistik: Anwendung, Technologien, Migration. Wiesbaden: Springer.

    Book  Google Scholar 

  • Beale, Russell, und Christian Peter. 2008. The role of effect and emotion in HCI. In Affect and emotion in human-computer interaction: from theory to applications, Hrsg. Christian Peter, Russell Beale, 1–11. Berlin: Springer.

    Google Scholar 

  • Browne, Michael W., und Robert Cudeck. 1992. Alternative ways of assessing equation model fit. Sociological Methods & Research 21(2):230–258.

    Article  Google Scholar 

  • Cronbach, Lee J. 1951. Coefficient alpha and the internal structure of tests. Psychometrika 16(3):297–334.

    Article  Google Scholar 

  • Dale, Ranjiv. 2015. GfK smart home study 2015. https://connected-consumer.gfk.com/fileadmin/user_upload/microsites/connected_consumer/Smart_home/Documents/2016-06-02-Smart_Home_Retailer_Infographic_final.pdf. Zugegriffen: 13. Mai 2018.

    Google Scholar 

  • Davis, Fred D. 1989. Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly 13(3):319–340.

    Article  Google Scholar 

  • Decker, Reinhold, und Christian Stummer. 2017. Marketing management for consumer products in the era of the Internet of Things. Advances in Internet of Things 7(3):47–70.

    Article  Google Scholar 

  • DeLone, William H., und Ephraim R. McLean. 1992. Information systems success: the quest for the dependent variable. Information Systems Research 3(1):60–95.

    Article  Google Scholar 

  • Dhebar, Anirudh. 1996. Information technology and product policy: ‘smart’ products. European Management Journal 14(5):477–485.

    Article  Google Scholar 

  • Eberl, Markus. 2004. Formative und reflektive Indikatoren im Forschungsprozess: Entscheidungsregeln und die Dominanz des reflektiven Modells. EFOplan Heft 19/2004. München: Ludwig-Maximilians-Universität.

    Google Scholar 

  • Fisher, Robert J. 1993. Social desirability bias and the validity of indirect questioning. Journal of Consumer Research 20(2):303–315.

    Article  Google Scholar 

  • Fleisch, Elgar, Markus Weinberger, und Felix Wortmann. 2015. Geschäftsmodelle im Internet der Dinge. Schmalenbachs Zeitschrift für betriebswirtschaftliche Forschung 67(4):444–465.

    Article  Google Scholar 

  • Garde-Perik, Evelien van de, Serge Offermanns, und Koen van Boerdonk. 2013. An analysis of input-output relations in interaction with smart tangible objects. ACM Transactions on Interactive Intelligent Systems 3(2):1–20.

    Article  Google Scholar 

  • Gebauer, Lysann, Michael M. Gierczak, Matthias Söllner, und Jan M. Leimeister. 2015. Einflussfaktoren auf die Nutzung von Cloud-Speicherdiensten. Schmalenbachs Zeitschrift für betriebswirtschaftliche Forschung 67(3):367–407.

    Article  Google Scholar 

  • Gutiérrez, César, Juan Garbajosa, Jessica Diaz, und Agustin Yagüe. 2013. Providing a consensus definition for the term „smart product“. In Proceedings of the 20th Annual IEEE International Conference and Workshops on the Engineering of Computer Based Systems (ECBS), Hrsg. David W. Bustard, Roy Sterritt, 203–211. Piscataway: IEEE.

    Google Scholar 

  • Heiskanen, Eva, Kaarina Hyvönen, Mari Niva, Mika Pantzar, Päivi Timonen, und Johanna Varjonen. 2007. User involvement in radical innovation: are consumers conservative? European Journal of Innovation Management 10(4):489–509.

    Article  Google Scholar 

  • Homburg, Christian. 2000. Kundennähe von Industriegüterunternehmen: Konzeption – Erfolgsauswirkungen – Determinanten, 3. Aufl., Wiesbaden: Springer.

    Book  Google Scholar 

  • Homburg, Christian, und Hans Baumgartner. 1995. Beurteilung von Kausalmodellen: Bestandsaufnahme und Anwendungsempfehlungen. Marketing ZFP 17(3):162–176.

    Article  Google Scholar 

  • Jacoby, Jacob, und Leon B. Kaplan. 1972. The components of perceived risk. In Proceedings of the Third Annual Conference of the Association for Consumer Research, Hrsg. M. Venkatesan, 382–393. Duluth: Association for Consumer Research.

    Google Scholar 

  • Kaldewei, Maria, und Christian Stummer. 2016. Der Einfluss der Produktintelligenz auf den Nutzen und die Nutzung von Konsumgütern: Eine Replikationsstudie zu Park/Lee (2014). Arbeitspapier 2016-01 des Lehrstuhls für Innovations- und Technologiemanagement. Bielefeld: Universität Bielefeld.

    Google Scholar 

  • Kannan, P.K., und Hongshuang Li. 2017. Digital marketing: a framework, review and research agenda. International Journal of Research in Marketing 34(1):22–45.

    Article  Google Scholar 

  • KPMG. 2016. Now or never: 2016 Global CEO Outlook. https://home.kpmg.com/content/dam/kpmg/pdf/2016/06/2016-global-ceo-outlook.pdf. Zugegriffen: 13. Mai 2018.

    Google Scholar 

  • Krosnick, Jon A., und Stanley Presser. 2010. Question und questionnaire design. In Handbook of survey research, 2. Aufl., Hrsg. Peter V. Marsden, James D. Wright, 263–313. Bingley: Emerald.

    Google Scholar 

  • Krummenerl, Markus. 2005. Erfolgsfaktoren im Dialogmarketing: Eine empirische Analyse unter Berücksichtigung von B‑to-B- und B‑to-C-Unternehmen. Wiesbaden: Springer.

    Book  Google Scholar 

  • Lee, Moon-Hwan, Nam Tek-Jin, und Hyeon-Jeong Suk. 2011. Effect of levels of automation on emotional experience in intelligent products. Proceedings of the ACM CHI Conference on Human Factors in Computing Systems., 2083–2088. New York: ACM.

    Google Scholar 

  • Marsh, Herbert W., und Dennis Hocevar. 1985. Application of confirmatory factor analysis to the study of self-concept: first- and higher order factor models and their invariance across groups. Psychological Bulletin 97(3):562–582.

    Article  Google Scholar 

  • Mayer, Peter, Dirk Volland, Frédéric Thiesse, und Elgar Fleisch. 2011. User acceptance of ‘smart products’: an empirical investigation. In Proceedings of the10th International Conference on Wirtschaftsinformatik, Volume 2, Hrsg. Abraham Bernstein, Gerhard Schwabe, 1063–1072. Zürich: Eigenverlag der WI.

    Google Scholar 

  • Meißner, Martin, Michelle D. Haurand, und Christian Stummer. 2017. With a little help from my customers: the influence of customer empowerment on consumers’ perceptions of well-established brands. International Journal of Innovation Management 21(6):1–28.

    Article  Google Scholar 

  • Mick, David G., und Susan Fournier. 1998. Paradoxes of technology: consumer cognizance, emotions, and coping strategies. Journal of Consumer Research 25(2):123–143.

    Article  Google Scholar 

  • Ng, Irene C.L., und Susan Y.L. Wakenshaw. 2017. The Internet-of-things: review and research directions. International Journal of Research in Marketing 34(1):3–21.

    Article  Google Scholar 

  • Otte, Gunnar. 2005. Entwicklung und Test einer integrativen Typologie der Lebensführung für die Bundesrepublik Deutschland. Zeitschrift für Soziologie 34(6):442–467.

    Article  Google Scholar 

  • Pantic, Maja, und Leon J.M. Rothkrantz. 2003. Toward an affect-sensitive multimodal human-computer interaction. Proceedings of the IEEE 91(9):1370–1390.

    Article  Google Scholar 

  • Park, Hyun J., und S. Lee Hyung. 2014. Product smartness and use-diffusion of smart products: the mediating roles of consumption values. Asian Social Science 10(3):54–61.

    Article  Google Scholar 

  • Park, Yangil, und Jengchung V. Chen. 2007. Acceptance and adoption of the innovative use of smartphone. Industrial Management & Data Systems 107(9):1349–1365.

    Article  Google Scholar 

  • Park, Chan-Kook, Hyun-Jae Kim, und Yang-Soo Kim. 2014. A study of factors enhancing smart grid consumer engagement. Energy Policy 72:211–218.

    Article  Google Scholar 

  • Peter, Sibylle I. 1997. Kundenbindung als Marketingziel: Identifikation und Analyse zentraler Determinanten. Wiesbaden: Springer.

    Book  Google Scholar 

  • Pihlström, Minna, und Gregory J. Brush. 2008. Comparing the perceived value of information and entertainment mobile services. Psychology & Marketing 25(8):732–755.

    Article  Google Scholar 

  • Podsakoff, Philip M., Scott B. McKenzie, Lee Jeong-Yeon, und Nathan P. Podsakoff. 2003. Common method biases in behavioral research: a critical review of the literature and recommended remedies. Journal of Applied Psychology 88(5):879–903.

    Article  Google Scholar 

  • Porter, Michael E., und James E. Heppelmann. 2014. How smart, connected products are transforming competition. Harvard Business Review 92(11):64–88.

    Google Scholar 

  • Porter, Michael E., und James E. Heppelmann. 2015. How smart, connected products are transforming companies. Harvard Business Review 93(10):97–114.

    Google Scholar 

  • Rijsdijk, Serge A., und Erik J. Hultink. 2002. The impact of product smartness on consumer satisfaction through product advantage, compatibility, and complexity. In Proceedings of the 13th PDMA Research Conference, Hrsg. Kenneth B. Kahn, 177–196. Chicago: PDMA.

    Google Scholar 

  • Rijsdijk, Serge A., und Erik J. Hultink. 2003. „Honey, have you seen our hamster?“ Consumer evaluations of autonomous domestic products. Journal of Product Innovation Management 20(3):204–216.

    Article  Google Scholar 

  • Rijsdijk, Serge A., und Erik J. Hultink. 2009. How today’s consumers perceive tomorrow’s smart products. Journal of Product Innovation Management 26(1):24–42.

    Article  Google Scholar 

  • Rijsdijk, Serge A., Erik J. Hultink, und Adamantios Diamantopoulos. 2007. Product intelligence: its conceptualization, measurement and impact on consumer satisfaction. Journal of the Academy of Marketing Science 35(3):340–356.

    Article  Google Scholar 

  • Risselada, Hans, Peter C. Verhoef, und Tammo H.A. Bijmolt. 2014. Dynamic effects of social influence and direct marketing on the adoption of high-technology products. Journal of Marketing 78(2):52–68.

    Article  Google Scholar 

  • Rogers, Everett M. 2003. Diffusion of innovations, 5. Aufl., New York: The Free Press.

    Google Scholar 

  • Ryan, Richard M., und Edward L. Deci. 2006. Self-regulation and the problem of human autonomy: does psychology need choice, self-determination, and will? Journal of Personality 74(6):1557–1586.

    Article  Google Scholar 

  • Schreiber, Daniel, Kris Luyten, Max Mühlhäuser, Oliver Brdiczka, und Melanie Hartmann. 2013. Introduction to the special issue on interaction with smart objects. ACM Transactions on Interactive Intelligent Systems 3(2):1–4.

    Article  Google Scholar 

  • Sheth, Jagdish N., Bruce I. Newman, und Barbara L. Gross. 1991. Why we buy what we buy: a theory of consumption values. Journal of Business Research 22(2):159–170.

    Article  Google Scholar 

  • Shih, Chuan-Fong, und Alladi Venkatesh. 2004. Beyond adoption: development and application of a use-diffusion model. Journal of Marketing 68(1):59–72.

    Article  Google Scholar 

  • Shih, Eric, Alladi Venkatesh, Steve Chen, und Eric Kruse. 2013. Dynamic use diffusion model in a cross-national context: a comparative study of the United States, Sweden, and India. Journal of Product Innovation Management 30(1):4–16.

    Article  Google Scholar 

  • Steinbrenner, Bettina, und Corina Kirchner. 2016. Wie smart sind deutsche TV-Nutzer? http://www.gfk.com/de/insights/press-release/wie-smart-sind-deutsche-tv-nutzer/. Zugegriffen: 13. Mai 2018.

    Google Scholar 

  • Truong, Yann, Richard R. Klink, Geoff Simmons, Amir Grinstein, und Mark Palmer Klink. 2017. Branding strategies for high-technology products: the effects of consumer and product innovativeness. Journal of Business Research 70:85–91.

    Article  Google Scholar 

  • Valencia, Ana, Ruth Mugge, Jan P.L. Schoormans, und Hendrik N.J. Schifferstein. 2013. Distinctive characteristics of smart PSSs. In Proceedings of the 5th International Congress of International Association of Societies of Design Research, Hrsg. Kazuo Sugiyama, 1–12. Tokyo: Shibaura Institute of Technology.

    Google Scholar 

  • Verberne, Frank M.F., Jaap Ham, und Cees J.H. Midden. 2012. Trust in smart systems: sharing driving goals and giving information to increase trustworthiness and acceptability of smart systems in cars. Human Factors 54(5):799–810.

    Article  Google Scholar 

  • Wünderlich, Nancy V., Florian v. Wangenheim, und Mary Jo Bitner. 2013. High tech and high touch: a framework for understanding user attitudes and behaviors related to smart interactive services. Journal of Service Research 16(1):3–20.

    Article  Google Scholar 

  • Yang, Zhilin, und Robin T. Peterson. 2004. Customer perceived value, satisfaction, and loyalty: the role of switching costs. Psychology & Marketing 21(10):799–822.

    Article  Google Scholar 

  • Zinkhan, George M. 2003. A look to the future of JAMS: three years out, thirty years out. Journal of the Academy of Marketing Science 31(3):225–228.

    Article  Google Scholar 

  • Zipperer, Adam, Patricia A. Aloise-Young, Siddharth Suryanarayanan, Daniel Zimmerle, Robin Roche, Earle Lieko, Dane Christensen, und Pablo Bauleo. 2013. Electric energy management in the smart home: perspectives on enabling technologies and consumer behavior. Proceedings of the IEEE 101(11):2397–2408.

    Article  Google Scholar 

Download references

Danksagung

Wir danken zwei Gutachtern für wertvolle Anregungen zur Überarbeitung dieses Manuskripts. Dank schulden wir außerdem Rafael Jaron von Nordlight Research für seine Einschätzung zur praktischen Relevanz der Studienergebnisse sowie Martin Meißner für Feedback zum Methodeneinsatz.

Author information

Authors and Affiliations

  1. Fakultät für Wirtschaftswissenschaften, Lehrstuhl für Innovations- und Technologiemanagement, Universität Bielefeld, Universitätsstraße 25, 33615, Bielefeld, Deutschland

    Maria Kaldewei & Christian Stummer

Authors
  1. Maria Kaldewei
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Christian Stummer
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Christian Stummer.

Anhang

Anhang

Tab. 6 Forschungshypothesen
Full size table
Tab. 7 Multi-Item Skala zur Abfrage der Produktintelligenz (übernommen von Park und Lee 2014; Rijsdijk und Hultink 2002)
Full size table
Tab. 8 Multi-Item Skala zur Abfrage der Nutzenbeiträge (übernommen von Park und Lee 2014; Sheth et al. 1991)
Full size table
Tab. 9 Multi-Item Skala zur Abfrage der Nutzungsintensität (übernommen von Park und Lee 2014; Shih und Venkatesh 2004)
Full size table
Tab. 10 Antwortoptionen zur Abfrage der Nutzungsvielfalt (in Anlehnung an Park und Lee 2014; Shih und Venkatesh 2004)
Full size table
Tab. 11 Deskriptive Statistiken und Gütemaße auf Indikatoren-Ebene: Smartphone-Erhebung
Full size table
Tab. 12 Deskriptive Statistiken und Gütemaße auf Indikatoren-Ebene: Smart TV-Erhebung
Full size table
Tab. 13 Deskriptive Statistiken und Gütemaße auf Indikatoren-Ebene: Smart Watch-Erhebung
Full size table
Tab. 14 Korrelationstabelle: Smartphone-Erhebung
Full size table
Tab. 15 Korrelationstabelle: Smart TV-Erhebung
Full size table
Tab. 16 Korrelationstabelle: Smart Watch-Erhebung
Full size table
Tab. 17 Globale Gütemaße
Full size table
Tab. 18 Geschätzte Pfadkoeffizienten aus einer a‑posteriori Analyse: Intelligenzdimensionen und empfundener Nutzen von Smartphone, Smart TV und Smart Watch soweit nicht bereits durch die Hypothesen H1–H9 abgedeckt (für diese Pfadkoeffizienten vgl. Tab. 2)
Full size table

Rights and permissions

Reprints and permissions

About this article

Check for updates. Verify currency and authenticity via CrossMark

Cite this article

Kaldewei, M., Stummer, C. Der Einfluss der Produktintelligenz auf den Konsumentennutzen und die Produktnutzung. Schmalenbachs Z betriebswirtsch Forsch 70, 315–349 (2018). https://doi.org/10.1007/s41471-018-0054-4

Download citation

  • Received:

  • Accepted:

  • Published:

  • Issue Date:

  • DOI: https://doi.org/10.1007/s41471-018-0054-4

Schlüsselwörter

Keywords

JEL-Classification

Search

Navigation