Skip to main content

Mit Big Data den Markt verstehen

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

  • Chapter
  • First Online:
Marketing & Innovation 2021

Part of the book series: FOM-Edition ((FOMEDITION))

  • 11k Accesses

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.

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

Access this chapter

Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 29.99
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 39.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Similar content being viewed by others

Notes

  1. 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. 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. 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. 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. 5.

    Die Informationssuche zu Unternehmen und Produkten ist die häufigste Nutzung des Internets in Deutschland (vgl. Statistisches Bundesamt 2019).

  6. 6.

    Offizielle Angaben existieren nicht, doch Internet Live Stats (o. J.) bietet eine seriöse Hochrechnung auf Basis fundierter Quellen.

  7. 7.

    Eigene Berechnung auf Basis von DOMO (2018) und Spectralplex (2019).

  8. 8.

    Einen guten, recht aktuellen Überblick über den Markt bietet Barysevich (2019).

  9. 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. 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. 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. 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. 13.

    Ein immer noch aktueller, übersichtlicher Vergleich findet sich bei Hooker (2018).

  14. 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. 15.

    Für einen Überblick siehe Marx (2016).

  16. 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. 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. 18.

    Hervorragende Bücher zu dieser Thematik gibt es u. a. von Silver (2012), Maireder et al. (2015) und Fasel und Meier (2016).

  19. 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.

Literatur

Download references

Author information

Authors and Affiliations

Authors

Corresponding author

Correspondence to Jan Schoenmakers .

Editor information

Editors and Affiliations

Rights and permissions

Reprints and permissions

Copyright information

© 2021 Der/die Autor(en), exklusiv lizenziert durch Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

Cite this chapter

Schoenmakers, J. (2021). Mit Big Data den Markt verstehen. In: Naskrent, J., Stumpf, M., Westphal, J. (eds) Marketing & Innovation 2021. FOM-Edition. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-29367-3_11

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-29367-3_11

  • Published:

  • Publisher Name: Springer Gabler, Wiesbaden

  • Print ISBN: 978-3-658-29366-6

  • Online ISBN: 978-3-658-29367-3

  • eBook Packages: Business and Economics (German Language)

Publish with us

Policies and ethics