Skip to main content
Log in

Die Prognose von Serviceintervallen mit der Hazard-Raten-Analyse – Ergebnisse einer empirischen Studie im Automobilmarkt

  • Original Paper
  • Published:
Zeitschrift für Planung & Unternehmenssteuerung Aims and scope Submit manuscript

Zusammenfassung

Mit dem After Sales-Geschäft generieren die deutschen Automobilbauer etwa die Hälfte ihrer Gewinne. Gerade vor dem Hintergrund der aktuellen gesamtwirtschaftlichen Entwicklungen, wovon insbesondere das Neuwagengeschäft betroffen ist, erscheinen Anstrengungen zur Optimierung der kundenindividuellen Ansprache im Service-, Teile- und Wartungsgeschäft aussichtsreich zu sein. Als Voraussetzung dafür kann das Wissen über die kundenindividuellen Serviceintervalle als entscheidender Wettbewerbsvorteil gesehen werden, denn nur hiermit lassen sich Kunden auch zielgerichtet ansprechen und potenzielle Abwanderungen vermeiden. Genau an diesem Punkt knüpft dieser Beitrag an, indem mit der Hazard-Raten-Analyse ein wissenschaftlich fundiertes und praktikables Verfahren zur Prognose kundenindividueller Serviceintervalle illustriert wird. Da dieses im betriebswirtschaftlichen Kontext ohnehin sehr junge Analyseverfahren bislang überwiegend im FMCG (Fast Moving Consumer Goods)-Bereich auf Scannerdaten zum Einsatz kam, kann dieser Beitrag als Leitfaden für eine Erweiterung im Bereich langlebiger Konsum- und Investitionsgüter gesehen werden. Die Ergebnisse zeigen, dass der Anteil korrekt geschätzter Serviceintervalle die einfache lineare Fortschreibung, die bis dato das Standardverfahren zur Prognose von Serviceintervallen darstellt, um über 20% übertrifft bzw. die Prognosegenauigkeit von ±73 Tagen auf ±38 Tage gesteigert werden kann. Das Erfolgspotenzial einer kundenindividuellen Direktansprache lässt sich mit dieser substanziellen Verbesserung der zugrunde liegenden Informationsbasis erheblich steigern. Aus der Verbesserung der Prognosegenauigkeit auf kundenindividueller Ebene (Mikroebene) resultiert schließlich auch auf der Makroebene (Unternehmensplanung- und steuerung) eine erhöhte Planungssicherheit.

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

Access this article

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

Instant access to the full article PDF.

Literatur

  • Allison, P. D. (1995). Survival analysis using the sas system: a practical guide. 1. Aufl. Cary: SAS Institute.

    Google Scholar 

  • Blossfeld, H.-P., Hamerle, A., & Mayer, K. U. (1986). Ereignisanalyse: statistische Theorie und Anwendung in den Wirtschafts- und Sozialwissenschaften. 1. Aufl. New York: Frankfurt.

    Google Scholar 

  • Blossfeld, H.-P., Hamerle, A., & Mayer, K. U. (1989). Hazardraten-Modelle in den Wirtschafts- und Sozialwissenschaften. Allgemeines Statistisches Archiv, 73, 213–238.

    Google Scholar 

  • Buckinx, W., & Van Den Poel, D. (2005). Customer base analysis: partial defection of behaviourally loyal clients in a non-contractual FMCG retail setting. European Journal of Operational Research, 164(1), 252–268.

    Article  Google Scholar 

  • Bult, J. R., & Wansbeek, T. (1995). Optimal selection for direct mail. Marketing Science, 14(4), 378–394.

    Article  Google Scholar 

  • Chiang, J., Chung, C. F., & Cremers, E. T. (2001). Promotions and the pattern of grocery shopping time. Journal of Applied Statistics, 28(7), 801–819.

    Article  Google Scholar 

  • Chintagunta, P. K. (1998). Inertia and variety seeking in a model of brand-purchase timing. Marketing Science, 17(3), 253–270.

    Article  Google Scholar 

  • Chintagunta, P. K., & Dong, X. (2006). Hazard/survival models in marketing. In Grover, R., & Vriens, M. (Hrsg.) Handbook of Marketing Research (pp. 441–454). Beverly Hills: Sage.

    Google Scholar 

  • Cohen, M.-D. (2004). Exploiting response models—optimizing cross-sell and up-sell opportunities in banking. Information Systems, 29(4), 327–341.

    Article  Google Scholar 

  • Deutsche Automobil Treuhand GmbH (Dat) (Hrsg.) (2008). DAT Report 2008. Ostfildern.

  • Europäisches Verbraucherzentrum (Evz) (Hrsg.) (2005). Autohersteller behindern deutsche Kfz-Händler. Presse-Information, Kiel.

  • Garczorz, I. (2004). Adoption von online-banking-services: Determinanten aus Sicht der Kunden. 1. Aufl. Wiesbaden: Deutscher Universitäts-Verlag.

    Google Scholar 

  • Gesamtverband Autoteile-Handel e.V. (GvA) (Hrsg.) (2007). Europaparlament stimmt für eine Liberalisierung des Kfz-Ersatzteil-Marktes. Presse-Information, Ratlingen.

  • Greene, W. H. (2007). Econometric modelling guide. 2. Aufl. New York.

  • Gupta, S. (1991). Stochastic models of interpurchase time with time-dependent covariates. Journal of Marketing Research, 18(1), 1–15.

    Article  Google Scholar 

  • Hamerle, A., & Tutz, G. (1989). Diskrete Modelle zur Analyse von Verweildauern. 1. Aufl. Frankfurt am Main: Campus.

    Google Scholar 

  • Helsen, K., & Schmittlein, D. C. (1993). Analyzing duration times in marketing: evidence for the effectiveness of hazard rate models. Marketing Science, 11(4), 395–414.

    Article  Google Scholar 

  • Hüppelshäuser, M., Krafft, M., & Rüger, E. (2006). Hazard-Raten-Modelle im Marketing. Marketing ZFP, 28(3), 197–210.

    Google Scholar 

  • Jain, D. C., & Vilcassim, N. J. (1991). Investigating household purchase timing decisions: a conditional hazard function approach. Marketing Science, 10(1), 1–23.

    Article  Google Scholar 

  • Jamal, Z., & Bucklin, R. E. (2006). Improving the diagnosis and prediction of customer churn: a heterogeneous hazard modeling approach. Journal of Interactive Marketing, 20(3), 16–29.

    Article  Google Scholar 

  • Kalbfleisch, J. D., & Prentice, R. L. (2002). The statistical analysis of failure time data. 2. Aufl. New York: Wiley.

    Google Scholar 

  • Kaiser, C., Herrmann, A., & Heitmann, M. (2007). Survival-Modelle in der betriebswirtschaftlichen Forschung – Grundidee, Methodik, Anwendungen. Die Unternehmung, 61(1), 43–70.

    Google Scholar 

  • Kleinbaum, D. G., & Klein, M. (2005). Survival analysis—a self-learning text. 2. Aufl. New York: Springer.

    Google Scholar 

  • Lemon, K. N., White, T. B., & Winer, R. S. (2002). Dynamic customer relationship management: incorporating future considerations into the service retention decision. Journal of Marketing, 66(1), 1–14.

    Article  Google Scholar 

  • Lucas, G. H. Jr., Parasuraman, A., Davis, A., & Enis, B. M. (1987). An empirical study of salesforce turnover. Journal of Marketing, 51(3), 34–59.

    Article  Google Scholar 

  • Ludovigsen, K. E. (1995). Kundenorientierung in der Automobilbranche. Landsberg am Lech: Verlag Moderne Industrie.

    Google Scholar 

  • Martinussen, T., & Scheike, T. H. (2006). Dynamic regression models for survival data: statistics for biology and health. 1. Aufl. New York: Springer.

    Google Scholar 

  • McKinsey&Company (Hrsg.) (2007). CARE—create higher aftersales revenues and earnings (snap shot of findings). McKinsey Care Study. München.

  • McKinsey&Company (Hrsg.) (2009). Pressemitteilung – Autoindustrie: Massiver Einbruch des Profit Pools macht Branchenkonsolidierung unausweichlich. München.

  • Prentice, R. L., & Kalbfleisch, J. D. (1979). Hazard rate models with covariates. Biometrics, 35(1), 25–39.

    Article  Google Scholar 

  • Ronning, G. (1991). Mikroökonometrie. 1. Aufl. Berlin: Springer.

    Google Scholar 

  • Seetharaman, P. B. (2004). The additive risk model for purchase timing. Marketing Science, 23(2), 234–242.

    Article  Google Scholar 

  • Seetharaman, P. B., & Chintagunta, P. K. (2003). The proportional hazard model for purchase timing: a comparison of alternative specifications. Journal of Business & Economic Statistics, 21(3), 368–383.

    Article  Google Scholar 

  • Verband der Automobilindustrie e.V. (VdA) (Hrsg.) (2007). Auto Jahresbericht 2007. Auto Jahresbericht. Frankfurt am Main.

  • Yamaguchi, K. (1993). Modelling time-varying effects of covariates in event-history analysis using statistics from satured hazard rate model. Social Methodology, 23, 279–317.

    Article  Google Scholar 

Download references

Author information

Authors and Affiliations

Authors

Corresponding author

Correspondence to Marko Sarstedt.

Rights and permissions

Reprints and permissions

About this article

Cite this article

Sarstedt, M., Scharf, S., Thamm, A. et al. Die Prognose von Serviceintervallen mit der Hazard-Raten-Analyse – Ergebnisse einer empirischen Studie im Automobilmarkt. Z Plan Unternehmenssteuerung 20, 269–283 (2010). https://doi.org/10.1007/s00187-010-0086-3

Download citation

  • Published:

  • Issue Date:

  • DOI: https://doi.org/10.1007/s00187-010-0086-3

Schlüsselwörter

Navigation