Studien zum Käuferverhalten

Studie eBay (2005) Tom Mayer

Hypothese: „Verkaufszeit und -tag haben einen wesentlichen Einfluss auf die wirtschaftliche Dimension.“

Zunächst wird eine Abfrage zur Selektion der relevanten Datensätze (horizontale Extraktion) und Attribute (vertikale Extraktion) aus dem verfügbaren Datenbestand definiert. Daraus ergibt sich die Faktentabelle zur Überprüfung des Zeiteinflusses auf den Verkauf. Die Datenstruktur ist in nachfolgender Abbildung dargestellt.

Datenstruktur Zeiteinfluss auf Verkauf

Zur Musterentdeckung werden verschiedene Techniken eingesetzt, jedoch kann weder das Entscheidungsbaumverfahren noch die Clusteranalyse signifikante Muster entdecken. Auch die Berücksichtigung des erzielten Marktpreises als stetiger Einflussfaktor vermag keine signifikanten Ergebnisse zu liefern. Die Hypothese muss somit für den hier untersuchten Markt von Wintersportartikeln verworfen werden. Zeitliche Einflussfaktoren haben in den untersuchten Grenzen keinen signifikanten Einfluss auf die Abverkaufsquote. Zur visuellen Kontrolle wird schließlich eine Deskription durch Segmentierung nach dem binären Attribut „verkauft“ simuliert.

Zeitliche Verteilung erfolgreicher Auktionen

Aus den Daten ergibt sich auf den ersten Blick eine leichte verbesserte Abverkaufsquote für den frühen Nachmittag. Dieser Effekt lässt sich jedoch nicht der Tageszeit zurechnen. Auktionen, die am Vortag ohne Gebot ausgelaufen sind, werden am nächsten Tag meist im Verlaufe des Vormittages wieder eingestellt. Somit besteht die Grundgesamtheit der vormittags verkauften Produkte vorwiegend aus potenziellen „Ladenhütern“. Die am Nachmittag neu eingestellten Produkte berücksichtigen das bereits vorhandene Angebot. In der Regel wird ein Produkt pro Tag höchstens einmal zum Verkauf angeboten. Daher werden nachmittags keine Produkte eingestellt, die bereits am Vormittag als Auktion wieder eingestellt worden sind. Die Grundgesamtheit der am Nachmittag verkauften Produkte beinhaltet daher tendenziell mehr „Verkaufsschlager“.

Hypothese: „Die dominierende Bietstratege in Internet-Auktionen weicht aufgrund der zeitlichen Dominanz im Zuschlagsverfahren von klassischen Strategien ab.“

Zur Überprüfung der Hypothese sind Daten über erfolgreiche Bietstrategien notwendig. Diese werden vom operativen System nicht protokolliert. Spider können jedoch Informationen über das Bietverhalten aus den archivierten Auktionsseiten auslesen. Möglich ist dies aufgrund der Tatsache, dass beendete Auktionen 30 Tage lang eingesehen werden können.[1] Mit Hilfe der Freeware „Sellers Best Friends“[2] werden die Auktionsdaten monatlich abgerufen und gespeichert. Die extrahierten Daten werden dabei im XML-Format bereitgestellt. Diese Daten werden mittels XSLT geparst. Das eingesetzte Stylesheet ermittelt anhand der Bietstruktur den Bieter, die Gebotshöhe und den Zeitpunkt der Gebotsabgabe. Diese Daten werden der Auktionsnummer zugeordnet und auf das Intervall zwischen null und eins normiert. Es lassen sich 3.747 Gebote von Bietern ermitteln, die bei einer Auktion mit mindestens fünf Geboten schlussendlich erfolgreich waren. Insgesamt verteilen sich diese Gebote auf 981 Auktionen. Die Aggregation der Daten auf Auktionsebene führt zur finalen Faktentabelle, deren Datenstruktur in der nachfolgenden Abbildung dargestellt ist.

Bietverhalten der Höchstbietenden				981 Fälle
Attribut	Wertebereich	Datentyp	Kommentar
Anzahl Gebote	1,2,...	INTEGER	Die Anzahl der vom Gewinner abgegebenen Gebote
Min (relative Bietzeit)	]0,1]	REAL	Die früheste Zeit seines ersten Gebotes
Max (relative Bietzeit)	]0,1]	REAL	Die späteste Zeit seines letzten Gebotes

Datenstruktur Bietverhalten der Höchstbietenden

 Als Analysetechnik wird die demographische Clusteranalyse gewählt. Abb. 13 zeigt die Ergebnisse der auf maximal drei Cluster beschränkten Analyse, der globale Condorcet-Wert[3] liegt bei 0,802 und unterstreicht die Aussagekraft der Auswertung.

Erfolgreiche Bietstrategien

Deutlich zeigen sich drei Typen von erfolgreichen Bietstrategien. Neun Prozent (der Nachfrager) verfolgen dabei die dominierende Strategie bei klassischen Auktionen. Zu einem frühen Zeitpunkt im Auktionsverlauf bieten sie einmalig einen persönlichen Höchstpreis und korrigieren diesen im Verlaufe der Auktion nicht mehr. Sechs Prozent verfolgen eine ähnliche Strategie, jedoch revidieren sie im Verlauf der Auktion den erwarteten Nutzen über das Leistungsangebot und korrigieren ihr Gebot nach oben. 85 Prozent verfolgen demgegenüber eine Strategie, die mit dem englischen Begriff „sniping“ bezeichnet wird.[4] Diese Strategie äußert sich in einem extrem späten, einmaligen Bieten seines persönlichen Maximums. Die Dominanz dieser Bietstrategie führt dabei potenziell zu sinkenden Marktpreisen.[5] Jedoch erklärt die Dominanz zugleich den fehlenden Einfluss der zeitlichen Dimension auf den Verkauf. Es ist augenscheinlich, dass sich nur die wenigsten Nachfrager innerhalb der letzten Minuten einer Auktion für einen Kauf entscheiden. Vielmehr ist davon auszugehen, dass sich die Nachfrager zum Zeitpunkt des Auktionsendes bewusst auf dem Marktplatz versammeln, um ihre Chance wahrzunehmen. Abb. 14 zeigt die Lorenz-Kurve des Bietverhaltens zur Belegung dieses Effekts, der normierte Gini-Koeffizient beträgt 0,6668.[6]

Zeitlicher Verlauf der Gebotsabgabe

Somit wird die Informations- von der Vereinbarungsphase zeitlich vollständig entkoppelt. Zur Eliminierung der beim Wiederbesuch des Marktplatzes anfallenden Kosten werden Programme zur automatisierten Gebotsabgabe angeboten, sogenannte Sniper. eBay untersagt den Einsatz solcher Programme, ohne derzeit jedoch über eine wirkungsvolle Kontrolle zu verfügen. Die zunehmende Dominanz dieser Bietstrategie führt dazu, dass Internet-Auktionen zunehmend den Charakter von Vickrey-Auktionen besitzen, und stellt neue Herausforderungen an den Anbieter. Insbesondere ist die aus einer hohen Attraktivität des Angebotes resultierende Chance (niedriger Startpreis zum Anlocken von Käufern) den Risiken bei Verzicht auf die Mindestpreissicherung (hoher Startpreis) gegenüberzustellen.

Hypothese: „Die unterschiedlichen Preise der Zusatzoptionen spiegeln das Potenzial des zusätzlichen Nutzens wider, den die jeweilige Option bietet.“

Zur Überprüfung wird ein Experiment durchgeführt. Es werden täglich zwischen 14 und 15 Uhr vier unterschiedliche Artikel bei eBay zum Verkauf angeboten. Diese bekommen, ceteris paribus, zufällig eine vordefinierte Auktionsvorlage zugewiesen.

Bezeichnung	Startpreis	Sofort-Kaufen	Untertitel	Galerie	Fettschrift	Highlight	Top-Angebot Kategorie & Suche
AAS	0,00 %	Ja	Nein	Nein	Nein	Nein	Nein
AWW	80,00 %	Nein	Ja	Nein	Ja	Nein	Nein
DAS	80,00 %	Ja	Ja	Nein	Nein	Nein	Ja
EEW	80,00 %	Nein	Nein	Ja	Nein	Nein	Nein
FFA	0,00 %	Ja	Ja	Ja	Nein	Nein	Nein
FFG	0,00 %	Nein	Ja	Nein	Nein	Nein	Nein
GDD	0,00 %	Nein	Nein	Ja	Nein	Nein	Nein
GER	0,00 %	Ja	Ja	Ja	Nein	Ja	Nein
HGS	0,00 %	Ja	Ja	Nein	Ja	Nein	Nein
HUU	80,00 %	Ja	Nein	Nein	Ja	Ja	Nein
ITN	0,00 %	Nein	Nein	Ja	Nein	Nein	Ja
LBB	80,00 %	Ja	Nein	Ja	Nein	Ja	Nein
TEF	0,00 %	Nein	Ja	Ja	Ja	Ja	Nein
TMG	0,00 %	Ja	Ja	Ja	Nein	Nein	Nein
ZAW	0,00 %	Ja	Ja	Ja	Ja	Ja	Ja

Eingesetzte Auktionsvorlagen

Die Zuordnung zwischen Auktionsvorlage und Auktionsnummer erfolgt im operativen System. Zugleich wird eine Abfrage zur Normierung des Verkaufspreises definiert. Dies ist erforderlich, da die Artikel ein differentes Preisniveau aufweisen. Zur Normierung des Verkaufspreises wird der tatsächliche Verkaufserlös eines Artikels durch den durchschnittlichen Verkaufserlös (= Marktpreis) des gehandelten Produktes geteilt.[7] Um die Werte der erfolgreichen Auktionen mit denen der nicht erfolgreichen Auktionen vergleichen zu können, werden bei Verkauf die Mehrwertsteuer, die variablen Auktionsgebühren und die primären Kosten der Wiederbeschaffung des gehandelten Produktes abgezogen.[8] Diese Kosten werden mit 50 Prozent des Marktpreises angesetzt.[9] Nach Normierung werden somit die Werte größer 0 um 0,5 reduziert. Dieser normierte Ertrag wird mit den Gestaltungsmerkmalen in Beziehung gesetzt; Abb. 16 zeigt die Datenstruktur der Faktentabelle zur Überprüfung der Hypothese.

Zusatzoptionen				93 Fälle
Attribut	Wertebereich	Datentyp	Kommentar
Divx-Ertrag	[0, ...	REAL	Erlös / durchschnittlichen Erlös des Artikels – variable Kosten (bei Verkauf)
Startpreis	0; 0,80	CHAR	Startpreis = 1 Euro (0) oder 80 % des Sofort-Kaufen-Preises (0,80)
Sofort-Kaufen	Ja; Nein	BOOL
Untertitel	Ja; Nein	BOOL
Galerie	Ja; Nein	BOOL
Fettschrift	Ja; Nein	BOOL
Highlight	Ja; Nein	BOOL
Top-Angebot in Kategorie und Suche	Ja; Nein	BOOL

Datenstruktur Zusatzoptionen

Mittels eines Klassifikationsbaums wird geprüft, ob und – wenn ja – wie die Nutzung einer Zusatzfunktion einen zusätzlichen Ertrag verspricht. Diese Methode wird deshalb gewählt, weil sie ermöglicht, Klassenbeschreibungen aus dem aufgestellten Modell abzuleiten und damit Wirkungszusammenhänge zu erkennen. Die verschiedenen Gestaltungsoptionen fließen dabei als Input, der Divx-Ertrag als Output in das Modell ein.

Der Divx-Ertrag einer Klasse ist der mittlere prozentuale Ertrag pro Auktion dieser Klasse, bezogen auf den mittleren Marktpreis der jeweiligen Produkte. Ein Wert von 0,5 besagt bei einem Marktpreis des gehandelten Produktes von 80 Euro, dass eine Auktion dieser Klasse im Mittel zu 40 Euro Errag führt. Die klassenabhängigen Kosten für die Zusatzoptionen sind bei einem Vergleich der Erträge verschiedener Klassen zu berücksichtigen.

Abb. 17 zeigt den aufgespannten Klassifikationsbaum.[10] In der oberen Hälfte eines Knoten ist der klassenspezifische Divx-Ertrag abgetragen, in der unteren steht das Entscheidungskriterium in diesem Knoten. Die Blätter besitzen kein Entscheidungskriterium, stattdessen werden durch die Auswahl der Zusatzoptionen die induzierten Kosten angegeben.[11]

Klassifikation kostenpflichtiger Gestaltungsoptionen

Bei der Interpretation der Ergebnisse müssen die Rahmenbedingungen des Experiments berücksichtigt werden. Die gehandelten Produkte, allesamt Artikel aus dem Bereich Snowboard-Ausrüstung (Snowboard, Bindung, Boardbag, Schneebrille), besitzen zwar eine eindeutige Artikelbeschreibung des Herstellers, jedoch kann aus dieser Beschreibung ohne fundiertes domänenspezifisches Wissen keinerlei Information über die Beschaffenheit des Artikels abgeleitet werden, weshalb zur ganzheitlichen Erfassung des Handelsobjektes neben der Artikelbezeichnung zusätzliche Informationen notwendig sind.[12] Unbekannt sind die Substitutionsbeziehungen zwischen verschiedenen Produkten einer Warengruppe, wobei diese bei den gehandelten Produkten allerdings intuitiv als hoch eingestuft werden. Der Marktpreis der gehandelten Produkte liegt zwischen 50 und 150 Euro. Aussagen über die Allgemeingültigkeit entdeckter Muster können daher nur in begrenztem Maße und unter Berücksichtigung des Untersuchungsdesigns getroffen werden.

Auffälligste Erkenntnis bei der Betrachtung der Ergebnisse ist der dominierende Einfluss, den eine der günstigsten Zusatzoptionen auf die Zielgröße besitzt. Die Nutzung des „Galeriebildes“ (0,25 Euro), eines kleinen Vorschaubilds auf Warengruppenebene, führt zu einer Verbesserung von über 50 Prozent im durchschnittlichen Ertrag. Dies widerlegt die aufgestellte Hypothese. Ausgehend von den Suchkosten für die Nachfrager wird dieses Phänomen jedoch verständlich. Durch die visuelle Präsentation des Leistungsobjektes können Nachfrager das Angebot schnell erfassen (vgl. Abb. 7). Das Fehlen eines solchen Hilfsmittels führt zu einer erhöhten Unsicherheit bezüglich der angebotenen Leistung. Das Ignorieren des Angebotes erhöht die Trefferwahrscheinlichkeit im Suchraum und senkt damit die Suchkosten.

Abb. 18: Einfluss „Galeriebild“

Die teuerste geprüfte Zusatzoption „Top-Angebot in Kategorie und Suche“ (12,95 Euro) hat ebenfalls einen auffallend positiven Einfluss auf den Ertrag. Bei Nutzung dieser Zusatzoption wird das Angebot zusätzlich zum normalen Erscheinen bei der Präsentation von Kategorie­­- oder Suchlisten in den Listenkopf eingefügt. Dadurch steigt die Anzahl der Einblendungen im wahrgenommenen Bereich der Akteure. Je nach sonstiger Auktionsgestaltung führt dies zu einer Erhöhung des Ertrages von 20 bis 30 Prozent.

Abb. 19: Einfluss „Topkategorie“

Auffallend ist der negative Einfluss des „Untertitels“ (0,50 Euro) auf den Ertrag. Der Untertitel bietet die Möglichkeit, das Produkt in der Angebotsliste durch eine zweite Produktbeschreibung zu präsentieren. Dies geschah im Rahmen der Untersuchung mit zusätzlichen Leistungsversprechen über Garantiezeit und Beschaffungszustand. Es hat sich jedoch gezeigt, dass diese Art der Optionsnutzung mit einem Abschlag von über 15 Prozent bestraft wird.

Abb. 20: Einfluss „Untertitel“

Eine Erklärung könnte sein, dass eine allzu professionelle Auktionsgestaltung der „Schnäppchen-Mentalität“ der Kunden widerspricht und zu einer unterbewusst ablehnenden Grundhaltung insofern führt, als der Nachfrager die potenzielle Verkäuferrente des Anbieters als Misserfolg seiner Einkaufsstrategie empfindet. Dabei ist das Informationsübermittlungspotenzial der in der Angebotsliste verfügbaren Gestaltungsoptionen zu gering, um den Nachfrager dennoch von der Vorteilhaftigkeit des Kaufes zu überzeugen. Ob diese Hypothese jedoch haltbar ist, kann anhand der zugrunde liegenden Daten nicht geprüft werden.

Obwohl die Hypothese der Korrelation zwischen dem Preis eines Features und dem daraus erwachsenden Nutzen für das vorliegende Untersuchungsdesign verworfen werden muss, kann die Hypothese nicht allgemein widerlegt werden. So sind Untersuchungsdesigns denkbar, bei denen die Gestaltungsoptionen einen anderen Einfluss haben. Dies ist jedoch eine logische Konsequenz aus der Tatsache, dass die Intensität des Einflusses von Zusatzoptionen im betrachteten Markt lediglich ein Abbild der Suchkosten darstellt, die den Nachfragern entstehen.