Wie beeinflusst Werbung den Umsatz und die Nachfrage nach nachhaltigem Kaffee?

Quantitative Datenanalyse


Seminararbeit, 2018

67 Seiten, Note: 1,3

Anonym


Leseprobe


Inhaltsverzeichnis

Abbildungsverzeichnis

1 Einleitung
1.1 Problem
1.2 Zielsetzung
1.3 Vorgehensweise

2 Marketing
2.1 Bedeutung

3 Überblick der Daten
3.1 Erklärung der Spalten
3.2 Erste Analyse

4 Auswirkung von Werbung auf den Umsatz
4.1 Online Werbung
4.2 Lokale Werbung

5 Auswirkung von Aktionen

6 Auswirkung von Wochentagen

7 Auswirkung auf nachhaltigen Kaffee
7.1 Generelle Auswirkung
7.2 Auswirkung auf die verschiedene Kundengruppe

8 Erklärung des Umsatzes des Coffeeshops
8.1 Online Werbung
8.2 Lokale Werbung
8.2.1 Auswirkung auf Studenten
8.2.2 Auswirkung auf Beschäftigte
8.2.3 Auswirkung auf Sonstige
8.3 Auswirkung von Aktionen
8.4 Nachfrage nach nachhaltigen Kaffee
8.4.1 Auswirkung auf Sonstige
8.4.2 Auswirkung auf Beschäftigte
8.4.3 Auswirkung auf Studenten

9 Fazit
9.1 Zielerreichung
9.2 Problematik

Literaturverzeichnis

Anhang

Abbildungsverzeichnis

Abbildung 1: Korrelation von Umsatz und Kunden

Abbildung 2: Verhältnis von Werbung zum Umsatz

1 Einleitung

1.1 Problem

Es stellt sich immer wieder als Unternehmen die Frage, wie bedeutend die jeweilige Marketingstrategie für verschiedene Faktoren ist. Genauer gesagt, welche Änderung habe ich genau mit der einen Marketingmaßnahme zu verzeichnen. Dabei möchte man in der Regel den Umsatz zwar fördern, jedoch möchte man wissen, welche Gewichtung die jeweiligen Marketingmaßnahmen haben und erfahren, inwiefern die wirklich sinnvoll sind. Genau mit diesem Thema wird sich diese Arbeit anhand eines Coffeeshops auseinandersetzen, damit eine aussagekräftige Empfehlung ausgesprochen werden kann.

1.2 Zielsetzung

Während der Arbeit wird der zur Verfügung gegebene Datensatz genau überprüft um zu erfahren, welche Abhängigkeiten zwischen den verschiedenen Kennzahlen vorhanden sind. Dabei sollen Abhängigkeiten bewiesen werden und zum Ende hin möglichst klären, wie die verschiedenen Werbemaßnahmen auf Umsatz, durchschnittliche Rechnungshöhe und Anzahl der Kunden wirken. Außerdem soll geprüft werden, ob sich diese Wirkungen für die jeweiligen Berufsgruppen unterscheiden. Zu Ende hin soll auch geklärt werden, ob die Werbemaßnahmen Einfluss auf den Verkauf vom nachhaltigen Kaffee, möglicherweise sogar unterschiedlich nach Berufsgruppen, haben.

1.3 Vorgehensweise

Am Anfang der Arbeit wird hierzu kurz noch die Relevanz des Marketings genauer erläutert. Anschließend wird durch eine explorative Datenanlyse eine Hypothese aufgestellt, die im weiteren Verlauf genauer überprüft wird. Danach wird versucht erste Abhängigkeiten zwischen den Kennzahlen herauszufiltern. Zum Ende hin werden entsprechende Regressionanalysen herausgearbeitet, um die Abhängigkeiten genauer darzustellen. Dabei werden auch die Ergebnisse interpretiert und versucht die eingangs gestellten Fragen möglichst zu beantworten.

2 Marketing

„Marketing ist eine unternehmerische Denkhaltung. Sie konkretisiert sich in derAnalyse, Planung, Umsetzung und Kontrolle sämtlicher interner und externer Unternehmensaktivitäten, die durch eine Ausrichtung der Unternehmensleistungen am Kundenutzen im Sinne einer konsequenten Kundenorientierung darauf abzielen, absatzmarktorientierte Unternehmensziele zu erreichen“ (Bruhn, 2013, S.14).

2.1 Bedeutung

Der obrige Zitat zeigt breits, dass Marketing eine zentrale Aufgabe bei der Unternehmensführung besitzt. Dabei gilt Marketing als ganzheitliches Unternehmensphilosophie und stellt somit eine zugleich eine unternehmerische und Funktion und Denkhaltung da (vgl. Bröse, Döring, Wöhe, 2016, S.14).

Dabei sind Unternehmensziele, Marktforschung (Daten) und Instrumente die konstitutiven Elemente des Marketings. Insbesondere bei der intesiven Marktanalyse (Datensammlung) und gezielter Einsatz absatzpolitischer Instrumente liegt die Stärke des Marketingansatzes (vgl. Bröse, Döring, Wöhe, 2016, S.385).

Auch bei der Absatzplanung spielt Marketing eine weentliche Rolle mit Produktpolitik, Preispolitik, Kommunikationspolitik und Distributionspolitik (vgl. Bröse, Döring, Wöhe, 2016, S.388). Hierbei wird aber nicht genauer aufgegangen, weil hier nicht der Schweprunkt der Arbeit gelegt worden ist.

Anhand der Marktanalyse wurde der Datensatz des Coffeeshops zusammengestellt, wobei hier auch die Analyse stattfinden wird, um eine mögliche Handlungsempfehlung zu geben und zu überprüfen, inwiefern Marketing den Umsatz beeinflusst.

3 Überblick der Daten

Als Datensatz liegen die genaueren Verkaufszahlen eines Coffeeshops vor. Hierbei wurden insgesamt 400 verschiedene Kennziffern aufgenommen, die sich in den Zeilen wiederspiegeln. Die dazugehörigen 18 Kennzahlen finden sich in den Spalten, die im nächsten Punkt genauer erläutert werden.

3.1 Erklärung der Spalten

Als erste Kennzahlen sind die verschiedenen Kundengruppen definiert, die die Anzahl an Kunden, die am jeweiligen Tag anwesend sind, beschreibt. Dies sind die Gruppen Studenten, Beschäftigte und Sonstige, wobei die letztere alldiejenigen beinhaltet, welche nicht in die ersten zwei Gruppen fallen. Außerdem liefert der Datenansatz den jeweiligen Umsatz der zuvor genannten Kundengruppen von einem Tag. Hinzu kommt, dass zumal der gesamte Verkauf vom nachhalten Kaffee separat und zusätzlich die Verteilung auf die verschiedenen Kundengruppen aufgezeigt wird. Als weiteren Kennzahl sind Aktionen vorhanden, die Preisnachlasse in Höhe von entweder 10% oder 20% aufzeigen. Zudem werden die Durchschnittstemperatur des jeweiligen Tages und der Wochentag aufgezeigt. Zuletzt wird mit WerbLokal und WerbInternet aufgezeigt, ob an den jeweiligen Tagen entweder in einer Zeitungsanzeige (Zeitung), mittels eines Flyers (Flyer) oder gar nicht (OhnePrint) bzw. im Internet (Online) oder eben nicht (KeinOnline) Werbung durchgeführt wird.

3.2 Erste Analyse

Bevor hier eine erste Analyse gestartet werden kann, werden zunächst zur Vereinfachung die Spalten (Variablen) als eigene Objekte definiert.

Nun kann eine erste explorative Analyse durchgeführt werden, in dem der Befehl „xyplot(umsatz~kunden)“ eingetragen wird.

Abbildung 1: Korrelation von Umsatz und Kunden

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung

Diese Abbildung zeigt deutlich, dass eine Korrelation zwischen Umsatz und Kundenanzahl vorhanden sein muss. Mit mehr Kunden scheint der Umsatz zu steigern. Durch den Befehl „cor(umsatz, kunden)“ kann auch bewiesen werden, dass eine Korrelation zu knapp 93% vorhanden ist.

Als nächsten Schritt wird der Umsatz pro Kunde ausgrechnet, wobei sich herausstellt, dass die Gruppe der Beschäftigte die größte Rechnungshöhe pro Einkauf haben.

Mit Hilfe von Eingabe der Befehle „bwplot(umsatz~werbint); bwplot(umsatz~werblok)“ werden die folgenden zwei Abbildungen angezeigt.

Abbildung 2: Verhältnis von Werbung zum Umsatz

Abbildung in dieser Leseprobe nicht enthaltenAbbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung

Hierbei wird deutlich, dass anscheinend durch Online- und Flyerwerbung der Umsatz steigt, wobei durch Zeitung der Umsatz sich sogar verringert. Durch die Befehle „mean(umsatz~werbint); mean(umsatz~werblok)“ wird der Umsatz der jeweiligen Werbeform angezeigt, wo auch nochmal das zuvor genannte bestätigt wird. Dabei sticht insbesondere die Online Werbung heraus, denn dadurch steigt der Umsatz um knappe 13%.

Mit dem Befehl xyplot(umsatz~aktion) wird der Zusammenhang zwischen Preisnachlässen und Umsatz angezeigt. Dabei erkennt man auch, dass Preisnachlässe einen starken Einfluss auf den Umsatz haben. Durch den Befehl mean(umsatz~aktion) erschließt man auch, dass ein Preisnachlass von 20% eine Umsatzsteigerung von ca. 93% zu verzeichnen hat.

Zum Schluss wird noch durch „mean(umsatz~tag)“ überprüft, wie der Umsatz sich in der Woche verteilt. Dabei sticht Freitag als umsatzstärksten Tag heraus, wobei am Wochenende grundsätzlich mit Umsatzeinbüßen zu rechnen ist. An den restlichen Tagen stagniert der Umsatz und unterliegt keinen großen Veränderungen.

Anhand der ersten Tests kann man bereits sagen, dass Werbung grundsätzlich die Umsätze erhöhen, wobei Zeitungswerbung die Ausnahme ist. Außerdem scheinen Rabatte auch den Umsatz stark anzukurbeln.

4 Auswirkung von Werbung auf den Umsatz

Aufgrund der vorherigen Ergebnisse, dass Werbung größtenteils höhere Umsätze bedingt, wird im Folgenden getestet, ob sich die Umsätze für die verschiedenen Werbemaßnahmen signifikant unterscheiden, insbesondere im Zusammenhang mit der Rechnungshöhe und der Kundenanzahl

4.1 Online Werbung

Zunächst wird geschaut, ob Online Werbung zur signifikanten Umsatzsteigerung führt. Dafür wird mit dem Befehl t.test(umsatz~werbint, data=daten) überprüft, ob sich der Umsatz signifikant durch Online Werbung verändert. Da die Nullhypothese in dem Fall abgelehnt wird, kommt man zum Entschluss, dass Online Werbung den Umsatz signifikant verändert, genauer gesagt, eine Erhöhung von 13% des Umsatzes mitbringt.

Anschließend wird überprüft, ob Online Werbung auch einen signifikanten Einfluss auf die Rechnungshöhe ausübt, mit dem Befehl „t.test(umsatz/kunden~werbint, data=daten)“. Hier wird erneut die Nullhypothese abgelehnt, wodurch man feststellt, dass ein signifikanter Zusammenhang vorhanden ist. Jedoch besteht hier ein negativer Zusammenhang, denn die Rechnungshöhe pro Kunden fällt um knappe 35ct, was einen Rückgang von knapp 6% entspricht.

Durch den Befehl „t.test(kunden~werbint, data=daten)“ wird überprüft, ob sich die Kundenanzahl signifikant verändert. Hier wird erneut die Nullhypothese abgelehnt, mit der Folge, dass ein signifikanter Zusammenhang besteht. Die Kundenanzahl steigert sich um knapp 15 Personen, was eine Erhöhung von 19% entspricht.

Im weiteren Schritt wird geschaut, ob dies auch für die verschiedenen Kundengruppen gilt. Hierbei stellt sich heraus, dass lediglich ein signifikanter Zusammenhang zwischen Online Werbung und Studenten besteht, da die Nullhypothese bei Beschäftigten und Sonstigen nicht abgelehnt wurde.

Durch diese Tests kann festgehalten werden, dass Online Werbung einen signifikanten Einfluss auf die Studentengruppe hat, da die durchschnittliche Kundenanzahl und Umsatz signifikant steigt. Jedoch fällt zugleich auch die durchschnittliche Rechnungshöhe signifikant. Außerdem übt Online Werbung keinen signifikanten Einfluss auf die Gruppen der Beschäftigten und Sonstigen.

4.2 Lokale Werbung

Zunächst wird geschaut, ob lokale Werbung grundsätzlich zu erhöhten Umsatz führt. Hierzu wird der Befehl „anovatest<-aov(umsatz~werblok, data=daten);summary(anovatest)“ eingeben, wobei sich herausstellt, dass die Nullhypothese nicht abgelehnt wird. Zusätzlich muss hier noch geschaut werden, ob von Varianzgleichheit gesprochen werden kann. In dem Fall wird durch bartlett.test(umsatz~werblok) die Nullhypothese nicht abgelehnt, was zur Folge hat, dass weitere Tests hier nicht nötig sind und kein signiifikanter Zusammenhang zwischen lokale Werbung und Umstatz besteht

Nun wird geschaut, ob dies auch für die einzelnen Kundengruppen besteht.

Dabei stellt sich heraus, dass kein signifikanter Zusammenhang zwischen lokale Werbung und das Kaufverhalten der Sonstigen besteht, da die Nullhypothese nicht abgelehnt wird. In den Folgenenden Tests für die Gruppe der Beschäftigten mit den Befehlen „t.test(datenflyer$UmsatzBeschäftigte, datenzeit$UmsatzBeschäftigte); t.test(datenohneprint$UmsatzBeschäftigte, datenzeit$UmsatzBeschäftigte); t.test(datenflyer$UmsatzBeschäftigte, datenohneprint$UmsatzBeschäftigte) ergibt sich, dass ein signifikanter Zusammenhang zwischen Flyerwerbung und dem Kaufverhalten vorhanden ist, da die Nullhypothese abgelehnt wird. Der Umsatz durch Beschäftigte steigt hier signifikant.

Im Gegensatz zu der Gruppe der Beschäftigten, verringert sich das Kaufverhalten der Gruppe von Studenten signifikant, da die Nullhypothese abgelehnt wird.

Jetzt wird geschaut, ob lokale Werbung generell zu mehr Kunden führt.

Hierbei ergibt sich durch des Anova Test und anschließendem Bartlett Test, dass lokale Werbung generell nicht zur signifikanten Steigerung der Kundenanzahl führt.

Durch genauere Tests wird herausgefunden, ob die für alle Kundengruppen gilt. Dabei stellt sich heraus, dass ein signifikanter Zusammenhang zwischen der Anzahl von beschäftigten und Flyerwerbung vorhanden ist. Dies wurde durch die Befehle „t.test(datenflyer$Beschäftigte,datenzeit$Beschäftigte); t.test(datenohneprint$Beschäftigte,datenzeit$Beschäftigte); t.test(datenflyer$Beschäftigte,datenohneprint$Beschäftigte)“ überprüft. Hierbei wird die Nullhypothese bei der Flyerwerbung nicht abgelehnt, wodurch gezeigt wird, dass die Anzahl der Beschäftigten durch Flyerwerbung signifikant zunimmt.

Zum Schluss soll in diesem Zusammenhang auch geschaut werden, ob durch lokale Werbeaktionen höhere Rechnungsbeträge der jeweiligen Kundengruppen generiert werden kann.

Bei den Tests stellt sich heraus, dass lediglich ein signifikanter Zusammenhang zwischen Zeitungswerbung und der Sonstigen besteht, da die Nullhypothese abgelehnt wurde. Hierfür wurden die Befehle „t.test(datenflyer$UmsatzSonstige/datenflyer$Sonstige,datenzeit$UmsatzSonstige/datenzeit$Sonstige); t.test(datenohneprint$UmsatzSonstige/datenohneprint$Sonstige,datenzeit$UmsatzSonstige/datenzeit$Sonstige); t.test(datenflyer$UmsatzSonstige/datenflyer$Sonstige,datenohneprint$UmsatzSonstige/datenohneprint$Sonstige)“ verwendet. Durch Zeitungswerbung steigt somit die Rechnungshöhe der Gruppe der Sonstigen signifikant. Bei den anderen beiden Kundengruppen konnte kein signifikanter Zusammenhang festgestellt werden.

Zusammenfassend kommt man hier zum Ergebnis, dass lokale Werbeaktionen keinen signifikanten Einfluss auf die Umsätze hat. Jedoch besitzt Flyerwerbung einen positiven signifikanten Einfluss auf das Kaufverhalten der Beschäftigten, welches auf die steigende Kundenanzahl zurückzuführen ist, und einen negativen signifikanten Einfluss auf das Kaufverhalten der Studenten. Außerdem wird durch Zeitungswerbung die Rechnungshöhe der Sonstigen signifikant gestiegen.

5 Auswirkung von Aktionen

Nun wird geschaut, inwiefern Aktionen wirklich zum erhöhten Umsatz führen. Dafür wird zunächst der Befehl „anovatest<-aov(umsatz~aktion, data=daten); summary(anovatest)“ eingegeben. Die Nullhypothese wird nicht abgelehnt, wodurch ein signifikanter Zusammenhang erkennbar ist. Jedoch ergibt sich aus dem „bartlett.test(umsatz~aktion)“, dass die Varianzen signifikant voneinander unterscheiden, wodurch das Ergebnis verzerrt sein konnte. Daher werden Welch-Tests durchgeführt t.test(datenaktion00$Umsatz,datenaktion01$Umsatz); t.test(datenaktion02$Umsatz,datenaktion01$Umsatz); t.test(datenaktion00$Umsatz,datenaktion02$Umsatz), die nochmal bestätigen, dass Preisnachlässe zu einem signifikanten höheren Umsatz führen.

Nun wird geschaut, ob Aktionen die Kundenazahl signifikant beeinflusst. Dabei wird erneut „anovatest<-aov(kunden~aktion,data=daten); summary(anovatest); bartlett.test(kunden~aktion); var(kunden~aktion)“, woraus ein signifikanter Unterschied erkennbar ist. Erneut wird hier der Welch-Test durchgeführt t.test(datenaktion00$Kunden,datenaktion01$Kunden); t.test(datenaktion02$Kunden,datenaktion01$Kunden); t.test(datenaktion00$Kunden,datenaktion02$Kunden)“, mit dem Ergebnis, dass Preisnachlässe eine signifikante Erhöhung der Kundenanzahl bewirkt. Genauer gesagt kann durch mean(kunden~aktion) ermittelt werden, dass durch einen 10% Preisnachlass knapp 76% Kunden kommen.

Jetzt möchte man natürlich erfahren, ob die zusätzlichen Kunden auch höhere Rechnungsbeträge bewirken. Durch anovatest<-aov(umsatz/kunden~aktion,data=daten);summary(anovatest); mean(umsatz/kunden~aktion); bartlett.test(umsatz/kunden~aktion) kann gezeigt werden, dass ein negativer signifikanter Zusammenhang besteht, da die Nullhypothese abgelehnt wird. Hierfür muss noch ein Welch-Test durchgeführt werden, da der Verdacht auf unterschiedliche Varianzen besteht. Dieser Test bestärkt lediglich, dass die Rechnungshöhe pro Kunde signifikant geringer wird.

Am Ende wird zusätzlich geprüft, ob Aktionen zu höheren Bestellmengen führen. Durch Tests ergibt sich hier, dass kein signifikanter Unterschied vorhanden ist, da die Nullhypothese nicht abgelehnt wird- Außerdem wird hier knapp auf gleiche Varianzen angedeutet durch „bartlett.test(umsatz/kunden/(1+aktion)~aktion)“, wodurch weitere Tests diesbezüglich nicht nötig sind.

Zusammenfassend kommt man zum Ergebnis, dass Aktionen den Umsatz signifikant steigern, weil die Kundenanzahl signifikant steigt. Jedoch bleibt die Bestellmenge gleich, wodurch die Rechnungshöhe signifikant fällt.

6 Auswirkung von Wochentagen

An diesem Punkt wird geschaut, inwiefern der Wochentag Auswirkung auf den Umsatz hat. Hierzu werden erstmal die Befehle anovatest<-aov(umsatz~tag, data=daten); summary(anovatest); mean(umsatz~tag)b; artlett.test(umsatz~tag) eingegeben, woraus folgt, dass die Unterschiede im Tagesumsatz durch das Wochenende, insbesondere dem Sonntag, bestimmt ist. Dies ergibt sich, da die Nullhypothese abgelehnt wird. Zur Vereinfachung wurde bei der weiteren Betrachtung die Woche und das Wochenende genauer definiert, damit anschließend geschaut werden kann, ob innerhalb der Woche und des Wochenendes signifikante Unterschiede gibt.

Durch genauere Test ergibt sich, dass innerhalb der Woche keine signifikanten Unterschiede vorhanden sind, jedoch innerhalb des Wochenendes. Dies ergibt sich aus den Befehlen „anovatest<-aov(datenWE$Kunden~datenWE$Wochentag, data=datenWE);summary(anovatest); bartlett.test(datenWE$Kunden~datenWE$Wochentag, data=datenWE); anovatest<-aov(datenWE$Umsatz~datenWE$Wochentag, data=datenWE);summary(anovatest); bartlett.test(datenWE$Umsatz~datenWE$Wochentag, data=datenWE)“, da die Nullhypothese in diesen Fällen abgelehnt wird. Der signifikante Unterschied am Wochenende ergibt sich aus dem Sonntag, da an dem Tag 64 Euro weniger umgesetzt wird.

Wenn die Woche und das Wochenende miteinander verglichen werden, wird schnell durch „t.test(umsatz~WE, data=daten)“ deutlich, dass es einen signifikanten Unterschied vorhanden ist, da die Nullhypothese abgelehnt wird. Der Umsatz innerhalb der Woche durchschnittlich um knapp 67 Euro höher, was einen Zuwachs von 16% entspricht. Dies kann man durch „t.test(kunden~WE,data=daten)“ erklären, da damit gezeigt wird, dass es einen signifikanten Unterschied der Kundenanzahl vorhanden ist. Innerhalb der Woche kommen durchschnittlich 16 Kunden mehr am Tag.

Zusammenfassend kommt man hier zum Entschluss, dass innerhalb der Woche keine signifikanten Unterschiede der Kundenanzahl und Umsätze vorhanden ist. Am Wochenende hingegen sind signifikante Unterschiede vorhanden, wobei dies an dem Sonntag, den umsatzschwächsten Tag, liegt. Logischerweise sind dementsprechend auch signifikante Unterschiede zwischen dem Wochenende und innerhalb der Woche vorhanden. Unter anderem im Umsatz sowieso an der Kundenanzahl.

7 Auswirkung auf nachhaltigen Kaffee

Im nächsten Schritt wird mithilfe des Chiquadrat Test überprüft, ob die verschiedenen Werbemaßnahmen generell die Nachfrage nach nachhaltigen Kaffee beeinflusst und inwiefern die jeweiligen Gruppen betroffen sind.

Hierfür wird im ersten Schritt die Funktion erstellt im R-Skript, die den Chiquadrat-Test automatisch durchführt.

7.1 Generelle Auswirkung

Durch die erstellte Funktion wird lediglich paarweise geschaut, ob die Nullhypothese abgelehnt wird, sodass geschlussfolgert werden kann, ob ein signifikanter Zusammenhang existiert. Um zu schauen, ob ein allgemeiner Zusammenhang zwischen Werbeaktion und Verkauf von nachhalten Kaffee existiert, werden die Befehle „mychi2func(kunden,nh,werblok,"Flyer"); mychi2func(kunden,nh,werblok,"Zeitung"); mychi2func(kunden,nh,werbint,"Online") eingeben, wobei die Nullhypothese nicht abgelehnt wird, sodass kein signifikanter Zusammenhang geschlussfolgert werden kann.

7.2 Auswirkung auf die verschiedene Kundengruppe

Zunächst wird geschaut, inwiefern die Nachfrage der Studenten nach nachhaltigen Kaffee beeinflusst wird. Dabei sticht heraus, dass bei „mychi2func(stud,nhstud,werbint,"Online")“ ein signifikanter Zusammenhang festgestellt werden kann, da die Nullhypothese abgelehnt wird. Bei den anderen Tests zur Nachfrage bei Studenten konnte kein weiterer signifikanter Zusammenhang festgestellt werden.

Im Bezug auf die Nachfrage der Beschäftigten nach nachhaltigen Kaffee konnte durch „mychi2func(besch,nhbesch,werblok,"Flyer")“ festgestellt werden, dass ein signifikanter mit Flyer-Werbung besteht, da die Nullhypothese abgelehnt wird. Bei den anderen Werbeformen konnte kein signifikanter Zusammenhang festgestellt werden.

Zum Schluss wurde noch die Nachfrage der Sonstigen nach nachhaltigen Kaffee betrachtet. Dabei ist erneut lediglich eine Werbeform, die Zeitungswerbung, die einen signifikanten Einfluss ausübt, welche aus „mychi2func(sonst,nhsonst,werblok,"Zeitung")“ geschlussfolgert werden konnte.

Zusammenfassend kommt man hier zum Ergebnis, dass Werbung nicht generell die Nachfrage nach nachhaltigen Kaffee signifikant beeinflusst, aber einen signifikanten Einfluss einzelner Kundengruppe zur Nachfrage besitzt.

8 Erklärung des Umsatzes des Coffeeshops

Nun wird im Folgenden durch Regressionsanalyse den Umsatz des Coffeeshops genauer zu erklären. Hierbei wird auf die Ergebnisse, die im Vorfeld erarbeitet worden, zurückgegriffen, um den genauen Einfluss der Werbemaßnahmen zu bestimmen.

8.1 Online Werbung

Aus vorherigen Ergebnissen wurde deutlich, dass Online Werbung einen besonderen Einfluss auf die Studenten Kundenanzahl ausübt. Um eine Regressionsanalyse durchzuführen, werden im ersten Schritt alle Daten betrachtet, daher „linreg<-lm(stud ~ myintflyer+ myintzeit+ myintonline+ aktion + temp+ we); summary(linreg)“. Anschließend wird durch schrittweiser Elemination insignifikanter Variablen die finale Regression herausgebildet „linreg<-lm(stud ~ myintonline+ aktion + temp+ we); summary(linreg)“. Daraus ergibt sich, dass durch Online Werbung durchschnittlich 14 Studenten mehr kommen. Außerdem kommen durch einen Preisnachlass von 10% durchschnittlich 12 Studenten mehr. Auch kann man daraus erschließen, dass innerhalb der Woche durchschnittlich 22 Studenten kommen, wobei es am Wochenende 7 Studenten weniger sind. Zuletzt sollte nicht außer Acht gelassen werden, dass eine Temperatursenkung von einem Grad, 0,32 mehr Studenten zur Folge hat. Grundsätzlich sollte aber beachtet werden, dass der Test auf normalverteilte Residuen abgelehnt wird, was auf eine leichte Fehlspezifikation hindeutet.

Im nächsten Schritt wird auch eine Regressionsanalyse im Hinblick der Rechnungshöhe von Studenten gemacht, in dem schrittweise insignifikante Variablen eliminiert werden. Dabei stellt sich heraus, dass der Rechnungsbetrag von Studenten signifikant von Aktionen beeinflusst wird. Ein Preisnachlass von 10% führt zur Verringerung des Rechnungsbetrages in Höhe von 47ct entspricht, was wenig überraschend knapp 10% entspricht.

8.2 Lokale Werbung

Aus vorherigen Ergebnissen wurde deutlich, dass der Einfluss von der verschiedenen lokalen Werbungsart abhängt. Dies wird in den nächsten Punkten anhand der Regressionsanalyse nochmals genauer betrachtet.

8.2.1 Auswirkung auf Studenten

Aus vorherigen Ergebnissen konnte herausgefunden werden, dass Flyer-Werbung einen signifikanten negativen Einfluss auf das Kaufverhalten der Studenten besitzt. Dies kann durch „linreg<-lm(stud~myintflyer++myintonline+aktion+temp+we)“ geschlussfolgert werden, da die Nullhypothese abgelehnt wird. Wobei muss hier wieder beachtet werden, dass der Test hier auf normalverteile Residuen abgelehnt wird, was auf eine leichte Fehlspezifikation hindeutet. Aus der Regressionsanalyse kann herausgeleitet werden, dass die Einflüsse des Wochentages, der Temperatur und der Aktionen ungefähr der vorherigen Regression. Bedeutend ist, dass Flyer-Werbung einen knappen Rückgang von 0,68 Studenten zu verzeichnen hat, was einen Rückgang von 3% entspricht.

8.2.2 Auswirkung auf Beschäftigte

Aus vorherigen Ergebnissen konnte herausgefunden werden, dass Flyerwerbung einen signifikanten Einfluss auf die Anzahl der Beschäftigten. Nach der schrittweisen Elemination insignifikanter Variablen kommt man zu der finalen Regression „linreg<-lm(besch~myintflyer+aktion+temp+we)“, wobei hier auch wieder beachtet werden muss, dass eine leichte Fehlspezifikation vorhanden sein kann. Auch hier entsprechen die Einflüsse des Wochentages, der Temperatur und der Aktionen ungefähr der vorherigen Regression. Wesentlich ist, dass in dieser Stelle Flyerwerbung zu geschätzten 7,12 mehr Kunden der Beschäftigtengruppe führt, was eine Zunahme von 29% entspricht.

8.2.3 Auswirkung auf Sonstige

Aus vorherigen Ergebnissen konnte herausgefunden werden, dass Zeitungswerbung einen signifikanten Einfluss auf die Rechnungshöhe der Sonstigen besitzt. Um dies genauer zu betrachten wurde erneut durch schrittweiser Eliminaiton insignifikanter Variablen die finale Regression „linreg<-lm(umsonstprokunde~myintzeit+aktion+we)“. Dadurch findet man heraus, dass Aktionen den Rechnungsbetrag um knapp 65ct senken lässt, was einen Rückgang von knapp 10% entspricht. Wesentlicher ist aber, dass Flyer durchschnittlich den Rechnungsbetrag um 75ct steigern lässt, was einen Zugang von 12,5% entspricht. Am Wochenende fällt der Rechnungsbetrag um knapp 60ct, was ebenfalls 10% entspricht.

8.3 Auswirkung von Aktionen

Aus den vorherigen Tests konnte herausgefunden werden, dass Aktionen eine signifikante Erhöhung des Umsatzes mit sich bringen. Zusätzlich wird die Kundenanzahl signifikant gestiegen, wobei die Rechnungshöhe signifikant fällt. Durch die Regressionsanalyse „linreg<-lm(umsatz~myintflyer+myintonline+aktion+temp+we)“ kann gezeigt werden, dass durch einen Preisnachlass knapp 150 Euro mehr Umsatz generiert werden kann, was eine Steigerung von 35% entspricht. Außerdem wird hierbei auch nochmal deutlich, dass Online-Werbung und der Wochentag einen großen Einfluss auf den Umsatz haben.

8.4 Nachfrage nach nachhaltigen Kaffee

Aus den vorherigen Ergebnisse konnte man schlussfolgern, dass Werbung keinen signifikanten Einfluss auf die Nachfrage nach nachhaltigen Kaffee ausübt. Jedoch besitzt Online Werbung einen signifikanten Einfluss auf die Nachfrage von Studenten nach nachhaltigen Kaffee, Flyer einen signifikanten Einfluss auf die Nachfrage von Beschäftigten nach nachhaltigen Kaffee und Zeitung einen signifikanten Einfluss auf die Nachfrage von Sonstigen nach nachhaltigen Kaffee.

Durch schrittweiser Elemination insignifikanter Variablen kommt man zur Regression „linreg<-lm(nh~stud+besch+sonst+myintflyer+myintzeit+myintonline)“, wobei lediglich bestätigt wird, dass alle drei Werbeformen lediglich einen geringen Einfluss auf die Gesamtnachfrage besitzen. Dabei sollte beachtet werden, dass eine leichte Fehlspezifikation vorhanden sein kann.

8.4.1 Auswirkung auf Sonstige

Durch schrittweiser Elimination insignifikanter Variablen kommt man zur Regression „linreg<-lm(nhsonst~sonst+myintzeit-1); summary(linreg); summary(linreg)“. Daraus erfährt man, dass ca. 20% der Sonstigen nachhaltigen Kaffee bestellen, wobei durch Zeitungswerbung die Nachfrage um überschaubare 0,47 gestiegen wird. Jedoch sollte beachtet werden, dass der Test auf normalverteilte Residuen abgelehnt wird, was auf eine leichte Fehlspezifikation hindeutet.

8.4.2 Auswirkung auf Beschäftigte

Durch schrittweiser Elimination insignifikanter Variablen kommt man zur Regression „linreg<-lm(nhbesch~besch+myintflyer-1); summary(linreg)“. Dies führt zur Erkenntnis, dass ca. 15% aller Beschäftigten nachhaltigen Kaffee bestellen, wobei durch Flyerwerbung sich die Nachfrage nach nachhaltigen Kaffee pro Tag der Beschäftigten sich um überschaubare 0,42 steigert. Jedoch sollte beachtet werden, dass der Test auf normalverteilte Residuen abgelehnt wird, was auf eine leichte Fehlspezifikation hindeutet.

8.4.3 Auswirkung auf Studenten

Durch schrittweiser Elimination insignifikanter Variablen kommt man zur Regression „linreg<-lm(nhstud~stud+myintonline-1); summary(linreg)“. Daraus kann man schlussfolgern, dass 10% der Studenten nachhaltigen Kaffee bestellen, und, dass durch Online Werbung die Nachfrage pro Tag sich um überschaubare 0,54 steigert.

9 Fazit

Aus den Ergebnissen der vertieften Analyse kann gesagt werden, dass die am Anfang beobachtet Analyse, dass Werbung generell den Umsatz erhöht, widerlegt wird. Es ist eher so, dass insbesondere Online Werbung den Umsatz signifikant erhöht, wobei durch lokale Werbung, genauer gesagt Zeitung- und Flyerwerbung, kein signifikanter Zusammenhang besteht. Richtigerweise wurde davon ausgegangen, dass Aktionen den Umsatz signifikant erhöhen, wobei der verringerte Rechnungsbetrag pro Kunde wird durch mehr Kunden überkompensiert wird.

9.1 Zielerreichung

Um den Umsatz signifikant zu erhöhen, sollte definitiv Online Werbung und Aktionen benutzt werden. Durch die Online Werbung kommen insbesondere mehr Studenten. Gleichzeitig steigt die Nachfrage nach nachhaltigen Kaffee um 0,54. Parallel sollte Zeitungswerbung durchgeführt werden, dass dies zur signifikanten Erhöhung des Rechnungsbetrages der Sonstigen führt und diese auch um 0,47 eine höhere Nachfrage nach nachhaltigen Kaffee hat. Von Flyerwerbung sollte abgesehen werden, da es zwar die Kundenanzahl der Beschäftigten positiv beeinflusst, aber zugleich negativ signifikant das Kaufverhalten der Studenten beeinflusst.

9.2 Problematik

Zwar konnte mit den Daten analysiert werden, wie die Abhängigkeiten in der Vergangenheit waren, jedoch muss beachtet werden, dass sich die Umwelt im stetigen Wandel befindet. Dies bedeutet, dass die aktuellen Gegebenheiten nicht eingeflossen sind und keine exakte Auskunft gegeben werden kann, wie stark die Auswirkung der jeweiligen Werbeformen in Zukunft sein wird. Außerdem kam es in den Tests teilweise zu leichte Fehlspezifikationen.

Literaturverzeichnis

Bruhn, Manfred: Marketing: Grundlagen für Studium und Praxis, 7. Aufl., Berlin: Springer Verlag, 2013

Brösel, Gerrit, Dörsing, Ulrich, Wöhe, Günther: Einführung in die Allgemeine Betriebswirtschaftslehre, 26 Aufl., München: Vahlen Verlag, 2016

[...]

Ende der Leseprobe aus 67 Seiten

Details

Titel
Wie beeinflusst Werbung den Umsatz und die Nachfrage nach nachhaltigem Kaffee?
Untertitel
Quantitative Datenanalyse
Hochschule
FOM Hochschule für Oekonomie und Management gemeinnützige GmbH, Hochschulstudienzentrum Hamburg
Note
1,3
Jahr
2018
Seiten
67
Katalognummer
V505925
ISBN (eBook)
9783346049421
ISBN (Buch)
9783346049438
Sprache
Deutsch
Anmerkungen
Die Arbeit enthält im Anhang alle Codes für das R Skript, welche erneut genutzt werden können. Dieses kann bei Bedarf angepasst werden.
Schlagworte
Datenanalyse, Analyse, Quantitiave Datenanalyse, Ross, Quantitativ, Marketing, Werbung, Umsatz
Arbeit zitieren
Anonym, 2018, Wie beeinflusst Werbung den Umsatz und die Nachfrage nach nachhaltigem Kaffee?, München, GRIN Verlag, https://www.grin.com/document/505925

Kommentare

  • Noch keine Kommentare.
Blick ins Buch
Titel: Wie beeinflusst Werbung den Umsatz und die Nachfrage nach nachhaltigem Kaffee?



Ihre Arbeit hochladen

Ihre Hausarbeit / Abschlussarbeit:

- Publikation als eBook und Buch
- Hohes Honorar auf die Verkäufe
- Für Sie komplett kostenlos – mit ISBN
- Es dauert nur 5 Minuten
- Jede Arbeit findet Leser

Kostenlos Autor werden