Conjointbasierte Produktsortimentsoptimierung: Wie viel Vielfalt zahlt sich aus?

Von Frank Drewes, Director Marketing Science bei der Harris Interactive AG

Einleitung

In reifen und gesättigten Märkten wetteifern eine Vielzahl von Herstellern und Marken um die Gunst von Kunden und Konsumenten. Auffächerung des Angebots lautet das Gebot in solchen Märkten, das eifrig befolgt wird: Eine Suche nach Schokoladenprodukten auf amazon.de liefert mehr als zehntausend Ergebnisse, angefangen mit Tafeln (mehr als dreitausend) über Pralinen und Trüffeln (sechzehnhundert), Riegeln (siebenhundert) und Figuren (sechshundert) bis hin zu Babyprodukten wie dem „Getreidebrei Schokolade – ab dem 6. Monat“.

Wie können Hersteller durch eine Auffächerung des Angebots den Absatz erhöhen? Ein neues Produkt könnte Konsumenten ansprechen, die die bisherige Produktkategorie noch gar nicht kaufen. So wünschenswert eine solches „echtes Wachstum“ einer Kategorie aus Herstellersicht ist, so selten wird es erreicht. In der Regel setzt es voraus, dass das neue Produkt so innovativ ist, dass es einer Kategorie bislang fremde Produkteigenschaften hinzufügt. Im FMCG-Bereich sind Kaugummis mit Zahnpflegeeigenschaften ein Beispiel dafür, wie durch innovative Produkteigenschaften (zuckerfrei und granulare Konsistenz) neue Käuferschichten (Erwachsene anstatt Kinder) angesprochen wurden.

Eine weitere Möglichkeit ist, dass das neue Produkt bisherige Wettbewerbskunden abwirbt. Im Vergleich zur ersten Möglichkeit ist dies weniger schwierig und aus Anbietersicht auch kaum weniger wünschenswert. Anstatt in einer Kategorie neue Produkteigenschaften etablieren zu müssen, kann es ausreichen, auf etablierten Produkteigenschaften aus Konsumentensicht besser zu sein.

Eine dritte Möglichkeit wird in der Marktforschung häufig übersehen: Der Absatz kann sich auch dann erhöhen, wenn ein neues Produkt Kunden dazu bewegt, insgesamt mehr zu kaufen, sei es, weil es zusätzlich gekauft wird oder aber intensiver genutzt bzw. konsumiert wird. Um noch einmal zum Schokoladenbeispiel zurückzukehren: Schokolade kann zum Eigenverzehr gekauft werden, für die Kinder, als Geschenk oder um es Gästen anzubieten. Schokolade kann unterwegs oder zu Hause gegessen werden, alleine oder in Gesellschaft, um den Hunger zu stillen, sich selbst zu belohnen, sich anzuregen oder abzuschalten. Bedenkt man dies, kommt einem die Vielfalt an Schokoladenprodukten plötzlich nicht mehr so abwegig groß vor.

Der klassische Ansatz: „Total unduplicated reach and frequency“ (TURF)

Die Frage nach einem optimalen Produktsortiment bewegt das Marketing und damit die Marktforschung seit Jahrzehnten. Als Standardmethode hat sich eine Abwandlung der TURF-Analyse etabliert, die ursprünglich aus der Mediaplanung stammte. TURF steht für „Total Unduplicated Reach and Frequency“, d. h. sie ermittelt,

• wie viele Angehörige der Zielgruppe der Kampagne mindestens einmal („unduplicated“) erreicht („reach“) wird und
• wie häufig jemand, der erreicht wurde, in Kampagnenkontakt kam („frequency“).

Die TURF-Analyse liefert der Mediaplanung damit die beiden zentralen Kennwerte einer Kampagnenleistung:

• Zunächst einmal sollte eine Kampagne natürlich möglichst viele Angehörige der Zielgruppe erreichen – wird jemand nicht erreicht, ist er für die Kampagnenbotschaft von vornherein verloren.
• Es ist jedoch eher unwahrscheinlich, dass eine Kampagnenbotschaft bereits beim erstmaligen Kontakt Wirkung zeigt – die meisten Werbewirkungsmodelle nehmen an, dass die Wirksamkeit einer Kampagne mit der Anzahl der Kontakte in irgendeiner Weise zunimmt.

Übertragen auf die Produktsortimentsoptimierung, lautet die Fragestellung der TURF-Analyse:

• Für wie viele Konsumenten kommt zumindest ein Produkt („unduplicated“) aus dem Sortiment in Frage („reach“)?
• Wie viele Produkte aus dem Sortiment kommen für einen Konsumenten prinzipiell in Frage?

Der zweite Aspekt, für gewöhnlich „depth“ genannt, ähnelt dem Konzept der „frequency“ aus der Mediaplanungsanwendung.

Die TURF-Analyse gibt uns demnach zwei Anhaltspunkte für eine Produktsortimentsoptimierung:

• Zunächst einmal sollte ein Sortiment für möglichst viele Konsumenten zumindest ein kaufwürdiges Produkt enthalten. Spricht ein Sortiment einen Konsumenten mit keinem Produkt an, so ist dieser als Kunde verloren.
• Es werden jedoch nicht immer und überall alle Produkte eines Sortiments erhältlich sein. Je größer die Anzahl der kaufwürdigen Produkte in einem Sortiment ist, desto eher wird ein Produkt aus dem Sortiment in einer beliebigen Einkaufssituation gekauft werden.

Die TURF-Analyse liefert mit „Reach“ und „Depth“ zwei unbestreitbar wichtige Indikatoren der Sortimentsleistung. Reichen diese beiden Indikatoren jedoch aus, um alle drei Möglichkeiten zur Absatzerhöhung durch eine Sortimentsauffächerung – Ansprache von Nichtkunden der Kategorie, Kunden von Wettbewerbern, Anregung zum Mehrkauf – abdecken zu können?

Die Schwächen der TURF-Analyse

In der Regel wird die Kaufbereitschaft, die in die TURF-Analyse eingeht, Produkt für Produkt mit einer Ratingskala abgefragt. Davon abgesehen, dass eine solche Abfrage messtheoretisch nicht fundiert ist, ist es nicht nachvollziehbar, ob und wenn ja wie Befragte das Wettbewerbsangebot mit in ihre Kaufbereitschaftseinschätzung einbeziehen. Die Datengrundlage der TURF-Analyse ist deswegen von vornherein eher schwach.

Bedeutsamer aber ist, dass das reale Kauf- und Konsumentenverhalten in vielen Produktkategorien den Vorannahmen der TURF-Analyse nicht mehr entspricht: Die Kennwerte der TURF-Analyse sind nur dann gute Indikatoren der Sortimentsleistung, wenn es einen Bedarf von fester Höhe gibt, der immer nur durch ein Produkt zur selben Zeit erfüllt wird. Um ein letztes Mal zum Schokoladenbeispiel zurückzukehren: Die TURF-Analyse kann nicht unterscheiden, ob von den Schokoladeprodukten, für die eine Kaufbereitschaft vorliegt, immer nur eines nacheinander oder aber mehrere zur selben Zeit gekauft würden, um sie in unterschiedlichen Situationen zu konsumieren oder an unterschiedliche Personen zu verschenken. Gänzlich ungeeignet ist die TURF-Analyse in Produktkategorien, in denen die absolute Absatzhöhe von der Sortimentsattraktivität getrieben wird, weil sich die Wettbewerbsbeziehungen bis in andere Kategorien hinein erstrecken („Kaufe ich mir an der Tankstelle ein Plunderteilchen oder einen Schokoriegel? Verschenke ich zum Geburtstag Blumen oder Pralinen?“).

Es ist naheliegend, diese Problematik durch eine möglichst präzise und enge Definition der Produktkategorie zu entschärfen. In der Praxis scheitert dies aber häufig daran, dass der Befragungsaufwand aberwitzig hoch würde, weil die Kaufbereitschaftsabfrage für jede Teilkategorie  separat abgefragt werden müsste.

Conjointbasierte Produktsortimentsoptimierung

Eine elegantere, weil methodisch fundiertere und befragungseffizientere Lösung ist die Sortimentsoptimierung basierend auf einer wahlbasierten Conjointanalyse:

• Wahlbasierte Conjointanalysen sind messtheoretisch fundiert.
• Das Wettbewerbsumfeld kann explizit mit in die Conjointanalyse einbezogen werden, so dass die Wahlangaben wesentlich realistischer sind als vom Wettbewerbsumfeld losgelöste Kaufbereitschaftsabfragen mit Ratingskalen.
• In den Grenzen der abgefragten Produktmerkmale und Wettbewerbsprodukte können beliebige Sortimentsszenarien simuliert werden.
• Durch eine innovative Präferenzabfrage können Mehrfachkäufe bzw. Parallelverwendung, aber auch sortimentsabhängige Veränderungen des absoluten Absatzniveaus modelliert werden.

Zum letzten Punkt: In Produktkategorien, in denen entweder mehrere Produkte parallel gekauft und genutzt werden oder die Kaufhäufigkeit sehr hoch ist, hat sich die Chip-Allocation- oder Constant-Sum-Abfrage in der wahlbasierten Conjointanalyse bewährt: Anstatt ein einziges Produkt zu wählen, können Befragte „Chips“ oder Käufe über die Produkte verteilen. Die Abfrage wird dadurch in diesen Produktkategorien nicht nur realistischer für die Befragten, sondern für uns Marktforscher auch informativer, da die Präferenzaussagen wesentlich differenzierter sind. Geben wir jetzt noch einen Kaufzeitraum vor („Welche und wie viele dieser Produkte würden Sie in den nächsten vier Wochen kaufen?“) und fügen eine None-Option („Nichts von all dem“) als Antwortmöglichkeit ein, können Befragte wenig oder viel „kaufen“, und dies über viele oder wenige Produkte verteilt.

Ein Beispiel aus der Praxis

In einer Eigenstudie testeten wir das neue Verfahren an Geschmackssorten von Eis. Zunächst führten wir eine konventionelle TURF-Analyse durch, für die wir Top-2-Boxes auf einer fünfstufigen Kaufbereitschaftsabfrage heranzogen (Abb. 1). Die beliebteste Eissorte ist demnach Stracciatella mit einer Top-2-Box-Kaufbereitschaft von 58%. Die Aufnahme von Mango erhöht den Anteil derer, die mindestens eine der beiden Sorten kaufen würden, auf 82%. Mit Schokolade als dritter Sorte sind wir bereits bei 92% angelangt, mit Zitrone als vierter Sorte bei 96%. Über die übrigen Varianten kann keine differenzierte Aussage mehr getroffen werden.

In der conjointbasierten Sortimentsoptimierung ist Straciatella ebenfalls die beliebteste Sorte (Abb. 3). Stünde nur sie zur Auswahl, würden im Durchschnitt 0,9 Kugeln gekauft werden. Die Aufnahme von vier weiteren Sorten verdoppelt den Absatz auf durchschnittlich 2 Kugeln. Das volle Sortiment würde 2,6 Kugeln pro Konsument absetzen.

Fazit

Durch eine wahlbasierte Conjointanalyse können Sortimente methodisch fundiert und befragungseffizient optimiert werden. Da sie mit Absatzkennwerten arbeitet, sind ihre Ergebnisse anschaulich und leicht interpretierbar. Im Gegensatz zur traditionellen TURF-Analyse ist sie auch in Produktkategorien verwendbar, in denen Mehrfachkäufe bzw. Parallelverwendung auftreten und die Attraktivität des Sortiments die Höhe des Absatzes insgesamt beeinflussen kann.