JMP Background

Verbraucher- und Marktforschung mit JMP®

Marketing ist ein vielschichtiger Bereich, der unter dem Einfluss sich rasant entwickelnder digitaler Technologien ständigen Veränderungen unterliegt. Dabei bleiben aber die wichtigsten Unternehmensprämissen gleich: Erkennen von ertragreichen Wachstumschancen, Entwicklung der besten Produkte und Dienstleistungen, Auswahl der besten Marketingmaßnahmen und Maximierung des Wirkungsgrads für das gesamte Unternehmen.

Neben dem Fokus auf die Bedürfnisse bestehender oder potenzieller Kunden ist eine der Grundvoraussetzungen, dass alle Maßnahmen auf fundierten Daten basieren. Daten sind omnipräsent, wenn es darum geht, Zielgruppen zu definieren und Verbraucheranforderungen präzise zu erfüllen, bei der Einführung neuer Produkte oder Dienstleistungen ebenso wie bei Positionierung, Markenführung, Werbung, Segmentierung und Verkaufsförderung. Wenngleich die digitale Revolution eine positive Veränderung der Kundendynamik verspricht, können Sie Chancen nur nutzen, wenn Sie auch in der Lage sind, die neuen Daten richtig zu analysieren, zu verstehen, was Ihre Kunden wirklich wollen, und wie Sie ihre Bedürfnisse am besten erfüllen oder im besten Fall sogar lenken können.

Gleichgültig, ob Sie explorative, deskriptive oder kausale Untersuchungen in Primär- oder Sekundärquellen betreiben: JMP stellt eine umfassende Palette von Werkzeugen für eine rasche und einfache Wertschöpfung aus metrischen und nicht metrischen quantitativen Daten bereit.

Normalerweise werden dabei zahlreiche Variablen einbezogen. Interdependenztechniken behandeln alle Variablen gleich, während Abhängigkeitstechniken Beziehungen zwischen Variablengruppen identifizieren, gewöhnlich zwischen Faktoren (X) einerseits und Resultaten, Erträgen oder Objekten (Y) andererseits.

Durch seine Vielseitigkeit und Interaktivität ist JMP besonders gut für Ad-hoc-Untersuchungen geeignet. Seine Programmierfunktion stellt daneben jedoch auch Optionen für laufende Routineuntersuchungen – innerhalb der Grenzen einer Desktopanwendung – bereit.

Unabhängig vom Grad Ihres statistischen Fachwissens hilft Ihnen JMP dabei, Ihre Daten besser zu verstehen, schneller neue Einblicke in das Kundenverhalten zu gewinnen und die Ergebnisse zur gemeinsamen Abstimmung und Umsetzung von Maßnahmen an andere Beteiligte weiterzugeben.

Explorative Untersuchungen

Unklar definierte Probleme und Möglichkeiten in Kundenbeziehungen werden gewöhnlich mithilfe einer Kombination aus Befragungen, Fokusgruppen sowie Beobachtungsstudien und ethnographischen Untersuchungen geklärt und verfeinert. Mithilfe explorativer Analysen werden auch Hypothesen formuliert und Messskalen entwickelt. Häufig sind nur wenige Primärdaten, aber viele Sekundärdaten verfügbar.

JMP stellt zahlreiche Optionen zur Bearbeitung von Primärdaten bereit, etwa die Tabellierungs-, Graphikerstellungs- und Kategorialplattform. Sie können interaktiv Tabellen statistischer Kenngrößen für Gruppierungsvariablen definieren und eine Vielzahl von Diagrammen, einschließlich geographischer Karten, erstellen. Sie können die Muster kategorialer Zielgrößen aus Befragungen untersuchen und analysieren, und Daten in einer Vielzahl unterschiedlicher Formate verarbeiten. Wenn Sie nur wenige Daten zur Verfügung haben, können Sie durch die Zusammenfassung von Kategorien neue Klassen mit größeren Beobachtungshäufigkeiten schaffen, die zuverlässigere Aussagen erlauben. Für den Fall, dass mehrere Ja/Nein-Antworten vorliegen, bietet die Item-Analyse einen alternativen Ansatz. JMP Pro bietet exakte und asymptotische Tests, die zuverlässigeren Aufschluss darüber liefern, ob tatsächlich Zusammenhänge vorliegen. Text Explorer extrahiert potenziell nützliche Muster aus einer Reihe von Dokumenten, die jeweils einfach (zum Beispiel Freitextantworten auf eine Umfrage) oder komplex (zum Beispiel Kommentare eines Technikers, der planmäßige Wartungsarbeiten an einem Gerät durchführt) sein können.  

Alle diese Analysen können auch mit Sekundärdaten verwendet werden, doch eine effektive Arbeit mit diesen kann schwieriger sein, da sie mit anderen Zielen gesammelt wurden. Der Importassistent in JMP unterstützt zahlreiche Dateitypen, einschließlich SPSS Desktop Reporter. Sie können Daten auch direkt aus in Webseiten eingebetteten HTML-Tabellen importieren oder den Zugriff auf relationale Daten mit der Funktion „Abfrage erstellen“ optimieren.

Die Vorgehensweisen der statistischen Datenanalyse von JMP sind gut für Situationen geeignet, in denen nicht klar ist, welche Informationen Ihre Daten enthalten und ob bzw. wie diese Ihnen helfen können, Ihre Ziele umzusetzen. Die Funktion „Struktur der fehlenden Daten“ gestattet es Ihnen, einfach Fälle zu identifizieren, die nützliche Informationen enthalten. Mit dynamisch verknüpften Diagrammen können Sie in JMP schnell interessante Strukturen in den Daten erkennen, ungewöhnliche Fälle herausfiltern und diese entsprechend behandeln. Bei der Modellierung von Beziehungen zeigt die Plattform „Design auswerten“, welche Modelle Ihre Daten tatsächlich repräsentieren. Dabei wird die Wirkung jedes einbezogenen Terms bewertet.

Wenn Sie viele Spalten oder völlig unstrukturierte Daten mit vielen Ausreißern haben, können Sie dennoch mit dem Zielgrößen-Screening oder der Partitionsplattform nützliche Informationen darüber erhalten, welche X-Variablen die Variabilität bestimmter Y-Variablen erklären können.

Deskriptive Untersuchungen

Deskriptive Analysen bauen gewöhnlich auf vorhergehenden Untersuchungen auf, um Märkte, Segmente, Wettbewerber und Verbraucher zu beschreiben. Sie werden auch verwendet, um Leistungen innerhalb eines vereinbarten Rahmens zu messen, und zwar gewöhnlich fortlaufend.

Die meisten Marktforschungsdaten verfügen über viele Spalten. Aus diesem Grund werden multivariate Techniken zur Auswertung von Korrelationen und Zusammenhängen verwendet, um Muster in Variationen in weniger Dimensionen zu beschreiben. Im Idealfall (aber nicht immer) führen die resultierenden neuen Variablen zu einer direkten Interpretation und die Daten zeigen offensichtliche und informative Muster auf.

JMP stellt Hauptkomponenten- und Faktoranalyse bereit. Wenn die Ergebnisse schwierig zu interpretieren sind, können Sie die Dimensionalität reduzieren, indem Sie die ursprünglichen Variablen clustern und in jedem Cluster die jeweils repräsentativste Variable identifizieren. Dies ist besonders bei der Erstellung eines Abhängigkeitsmodells hilfreich. Positionsgraphiken helfen Ihnen bei der Einordnung von Angeboten im Vergleich zu Wettbewerbern. Hierzu können Sie eine Korrespondenzanalyse oder multiple Korrespondenzanalyse kategorialer Daten aus Kreuztabellen durchführen. Alternativ dazu können Sie auch „Multidimensionale Skalierung“ verwenden und mehrere Attribute und Marken gleichzeitig abbilden. Diese Funktion liefert in vielen Fällen ein besseres Verständnis der Verbraucherwahrnehmung und Märkte.

Zur Einteilung von Fällen in unterschiedliche Gruppen verwendet JMP die hierarchische oder K-Means-Methode mit einem von Ihnen gewählten Ähnlichkeitsmaß. Bei der hierarchischen Methode können Sie die Cluster, die beibehalten werden sollen, direkt im Dendrogramm auswählen. JMP stellt hierfür als weitere Möglichkeit auch die latente Klassenanalyse bereit.

Variablen, die am besten zur Einteilung in Gruppen geeignet sind, können mithilfe der Diskriminanzanalyse identifiziert werden. Alternativ steht dazu auch die nominal-logistische Regression zur Verfügung.

Sie können mit JMP auch einfache Abhängigkeitsmodelle mit der Anpassung von Y nach X erstellen. Diese Funktion berücksichtigt automatisch die Skalentypen der ausgewählten Variablen und vereinheitlicht so verschiedene häufig verwendete Ansätze, wie ANOVA und die Kontingenzanalyse. Kontextspezifische Optionen leiten Sie mit visuellen Ergebnissen durch die nachfolgende Analyse.

Sie können komplexere Erklärungsmodelle anpassen, indem Sie wichtige Variablen über eine schrittweise Regression auswählen. JMP Pro, die erweiterte Analyseversion von JMP, setzt moderne Variablenauswahltechniken ein, um überschaubare Modelle zu erstellen. Mit der Residual Maximum Likelihood-Methode können Sie sicher sein, dass zuverlässige Schätzwerte geliefert werden, unabhängig davon, wie ausgewogen Ihre Daten sind.

Wenngleich Parameterschätzungen hilfreich sein können, ist die Profilerstellung der resultierenden Abhängigkeiten zwischen den Y- und X-Variablen häufig noch nützlicher, insbesondere wenn Sie konkurrierende Modelle vergleichen oder die Ergebnisse an Dritte weitergeben müssen, um Konsens zu erzielen. Mit dem Analysediagramm können Sie auf kohärente Weise und visuell mit Modellen interagieren, unabhängig davon, welchen Modellierungsansatz Sie verwendet haben. Außerdem verfügt es über einen Monte-Carlo-Simulator, mit dem Sie bewerten können, welche Auswirkungen die Variabilität der X-Variablen in der Praxis auf die Variabilität der Y-Ebene hat.

Mithilfe der Zusammenhangsanalyse (auch bezeichnet als Warenkorbanalyse) können Sie darüber hinaus Artikel identifizieren, die Käufer gleichzeitig einkaufen.

Kausale Untersuchungen

Für die Herstellung kausaler Beziehungen sind eine erklärende Theorie, eine statistische Beziehung, korrekte zeitliche Abfolgen und eine angemessene Kontrolle aller anderen als unwesentlich beurteilten Variablen erforderlich.

Statistisch geplante Experimente, bei denen die X-Variablen, einem spezifischen Plan folgend, gezielt Variationen der Y-Ebene herbeiführen, sind ein mächtiges Werkzeug für kausale Untersuchungen. Der Plan bestimmt für jedes Experiment die nachfolgende Analyse und JMP stellt eine umfassende Sammlung von Funktionen bereit, die für das Erreichen Ihrer Versuchsziele erforderlich sind. Dies geschieht in einer Form, die einfach nachvollziehbar und zu verwenden ist – von der zuverlässigen Unterscheidung zweier Behandlungen bis zur simultanen Optimierung mehrerer Zielgrößen durch eine Reihe von X-Variablen, von denen einige in der Praxis manchmal nur schwer oder sehr schwer änderbar sind.

Zusätzlich zu den üblichen klassischen Versuchsplänen bietet JMP ein innovatives Design nach Maß, das es gestattet, den Versuchsplan an Ihr Problem anzupassen, anstatt umgekehrt. Außerdem bieten die neuen, ausschließlich in JMP verfügbaren definitiven Screening-Designs deutliche Vorteile, wenn Ihr Problem ansonsten einen sequenziellen Ansatz erfordern würde.

Sie können in JMP auch Versuchspläne generieren, bei denen Verbraucher vor eine einfache Wahl zwischen den Merkmalen eines Produkts oder einer Dienstleistung gestellt werden. So können sie deren Vorlieben klarer zum Ausdruck bringen, auch mit der Aussage „keine Präferenz“. Für das Generieren eines effizienten Designs für solche Choice-Versuchspläne sind Vorkenntnisse erforderlich. Die Einbeziehung der Kosten als Faktor und die frühzeitige Durchführung der Versuche für ein geplantes Produkt oder eine neue Dienstleistung bringt eine Reihe von Vorteilen mit sich.

Neben Choice-Versuchsplänen können Sie in JMP Conjoint-Versuche für Bewertungen und Ränge planen und analysieren. Die Design-nach-Maß-Funktion unterstützt Designs für Bewertungen durch Verbraucher (basierend auf der Likert-Skala eines Likelihood-Analysediagramms). Um Befragte dazu zu bringen, zwischen Marken oder Produktkennzeichen zu unterscheiden, können Sie auch Ränge oder ein MaxDiff-Design verwenden, das in einem Choice-Satz nur die „beste“ und „schlechteste“ Option zur Auswahl stellt.

Durch die Definition von schwierig oder sehr schwierig zu ändernden Faktoren können Sie Rang-Designs mit mehreren Aufgaben pro Befragtem generieren. Dies gestattet eine bessere Abdeckung und verhindert zugleich, dass die Befragten ermüden, da die Anzahl der jeweils gestellten Fragen minimiert wird. Sie können auch unsinnige Fragen eliminieren, indem Sie für den von JMP zu generierenden Versuchsplan unzulässige Kombinationen festlegen. Sie können mithilfe der hierarchischen Bayes-Methode auch explizit zwischen befragten Personen unterscheiden.

Sensorische Studien

Das Ziel ist, zu verstehen, wie unsere menschlichen Sinne zur Gesamterfahrung beim Verzehr oder Gebrauch eines Produkts beitragen. Sensorpanel-Tests werden mithilfe von geschulten Experten durchgeführt, die detailliertes Feedback liefern. Sie werden gewöhnlich bei der Entwicklung neuer Produkte und zur Qualitätssicherung existierender Produkte eingesetzt, wenn Änderungen vorgenommen werden. Verbraucherpanels zur Geschmacksbewertung sind ähnlich, doch sie sind gewöhnlich weniger präzise und dienen eher der Feststellung der Marktakzeptanz. Wenngleich beide wichtig sind, steigert eine erfolgreiche Verknüpfung der Sensorpanel-Tests mit den Ergebnissen der Verbraucherpanels für eine bestimmte Produktkategorie das Potenzial noch zusätzlich.

Gleichgültig, welchen Analyseablauf Sie bevorzugen: JMP stellt alle erforderlichen graphischen und statistischen Werkzeuge bereit, mit denen Sie sicherstellen können, dass die Bewertungen und Ränge Ihrer Bewerter zuverlässig sind. Anschließend können Sie prüfen, ob Ihr Sensor- bzw. Verbraucherpanel es Ihnen tatsächlich gestattet, objektiv und quantitativ zwischen Produkten zu unterscheiden. Hierfür werden typischerweise ANOVA und/oder Regression mit zufälligen Effekten eingesetzt, häufig ergänzt durch eine Hauptkomponentenanalyse. Mit der Funktion der partiellen kleinsten Quadrate können Sie auch die Beziehung zwischen Verbraucher- und Sensorpanel-Ergebnissen modellieren.

Sobald Ihr Vorgehen klar ist, können Sie einfach Anwendungen erstellen, die es Ihnen und anderen gestatten, die Analyse in Zukunft zu wiederholen oder einfach die wichtigsten Ergebnisse zu prüfen oder zu präsentieren. Die Anwendung kann einen angemessenen Automatisierungsgrad, Hilfestellung und Interpretation bieten sowie die Feinheiten der spezifischen Situation und Daten berücksichtigen.

Verhaltensvorhersage

Die Ergebnisse (Y) werden mithilfe von X-Variablen und unter Verwendung von Beobachtungsdaten vorhergesagt, die gewöhnlich bereits verfügbar sind. Wenngleich die Kausalität in der Vorhersage des zukünftigen Verbraucherverhaltens meist nicht gegeben ist, können Vorhersagen, sofern sie vertrauenswürdig sind, äußerst wertvoll sein. Gute Vorhersagen können Ihnen zum Beispiel helfen, neue, gewinnbringende Kunden zu gewinnen, oder abwanderungsbereite Kunden mit gezielten Angeboten zu halten.

JMP und insbesondere JMP Pro werden mit dem Bereich Data Mining in Verbindung gebracht, da Sie mit dieser Software schnell und problemlos neuronale Netze und Binomialbäume erstellen, die sich wiederholendes im Gegensatz zu zufälligem Verbraucherverhalten erfassen. Mithilfe der Regressionsanalyse und der Funktion der partiellen kleinsten Quadrate erstellte Modelle können ebenfalls innerhalb desselben Rahmens verarbeitet werden, um die Fallstricke einer Überanpassung zu vermeiden.

Außerdem stellt JMP Pro die Uplift-Modellierung bereit, die es Ihnen ermöglicht, Beziehungen mit Verbrauchern besser zu verwalten, die auf Marketingaktionen nur reagieren, wenn sie gezielt angesprochen wurden. Sie können auch die inkrementelle Wirkung von Aktionen oder Vorgehensweisen auf die Reaktion von Einzelpersonen modellieren, um zu ermitteln, ob Ihre Aktionen bzw. Vorgehensweisen den gewünschten Effekt haben.

Das JMP-Formeldepot bietet eine einfache Möglichkeit für den Vergleich und die Gegenüberstellung konkurrierender Modelle. Wenn Sie den Gewinner ermittelt haben, können Sie Code in C, Python, JavaScript und SAS generieren, der in anderen Umgebungen als Scorecode für neue Fälle bereitgestellt werden kann.

JMP ist nicht nur für erfahrene Praktiker geeignet, denn die Software stellt diese Techniken in einer verständlichen und einfach zu bedienenden Anwenderoberfläche bereit, die von Anwendern mit unterschiedlichen Erfahrungen gleichermaßen verwendet werden kann, ohne die Leistungsfähigkeit der zugrunde liegenden Algorithmen zu schmälern.

Back to Top