Vertretung im Wintersemester 2003/2004

2. Vertretung im Wintersemester 2003/2004 Prof. Dr. Bernhard Baumgartner Sprechstunde: Di, 10.00 – 11.00 Oder nach Voranmeldung per eMail: bernhard.baumgartner@wiwi.uni-regensburg.de

3. Marketing B: Vorlesung: 4SWS; 8CP Modulprüfung: Open Book Klausur Excel-Seminar mit Blockprüfung entfällt statt dessen: Übung zur Umsetzung ausgewählter Modelle in Excel

4. Beginn des Zyklus mit Marketing B möglich? ja, aber sinnvoll, binomiales und multinomiales Logitmodell aus Marketing A nachzuholen.

5. Inhalte Marketing B: - Verkaufsförderung - Werbung - Persönlicher Verkauf - Distribution - Marketing-Mix

6. Verkaufsförderung – Sales Promotion Marketingmaßnahmen, die kurzfristige, unmittelbare Wirkung zeigen Handelspromotion Händler Hersteller Trade Promotion Händler- promotion Letztverbraucher promotion Consumer Promotion Retail Promotion Endverbraucher

7. Beispiele für Aktionen:

8. Bedeutung der Verkaufsförderung: Abnehmende Wirkung von Werbung (Informationsüberflutung) Preissensitivität von Konsumenten Wirksamkeit von Preisnachlässen Undifferenzierte Produkte Abgrenzung durch Preis oder Mehrwert (Zugaben) Konkurrenzkampf im Handel wird über Preise ausgetragen Gefangenendilemma Abnehmende persönliche Beziehungen Händler/Kunde Schnelle, erkennbare Wirkung von SP

9. Wirkung von Verkaufsförderung Primärer Effekt: • Verkauf der Produktkategorie steigt: • Mehrverbrauch • Lagerhaltung • Vorziehkäufe SP Sekundärer Effekt: Markenwechsel

10. SP-Wirkung nach Neslin-Shoemaker: SP Absatz Repeat purchase Lagerhaltung Zeit

11. Planung von SP umfasst: Welche Maßnahmen Wie oft; wann; wie lange Umfang der Maßnahme … Promotion- kalender

12. Unterschiedliche Zielsetzungen Händler Hersteller Markenwechsel Ladenwechsel Repeat Purchase Mehrverkäufe der Kategorie Konsumsteigerung Gemeinsame Aktionen; Win-Win Situation

13. Fazit: Planung von Sales-Promotion ist eine sehr komplexe Aufgabe Informationen über die Wirkung von Sales Promotion wesentlich für die Planung Steigende Verfügbarkeit von (insb. Scanner-)Daten ermöglicht Einsicht in die Wirkung von SP Quantitative Methoden, implementiert in Decision Support Systeme, erleichtern die Planung

14. Empirische Befunde über die Wirksamkeit der SP Kurzfristige Preisreduktionen (KPR) führen zu unmittelbaren deutlichen Absatzsteigerungen Elastizitäten von KPR übertreffen gewöhnliche Preiselastizitäten • Elastizitäten von KPR sind höher in Produktkategorien mit: • Niedriger Markenzahl • Höherer Penetration der Kategorie • Kleineren Kaufintervallen • Stärkerer Neigung zur Lagerhaltung

15. Displays und Features haben starke Absatzwirkung SP-Maßnahmen sind bei Marken mit höheren Marktanteilen weniger elastisch.

16. Zerlegung der Elastizität von KPR in Elastizitäten bzgl. • Markenwahl • Menge • Kaufakt • Nach Bell/Chiang/Padmanabhan, 1999, Marketing Science, 504 ff. • (Weiterführung des Ansatzes von Gupta (1988))

17. Entscheidungsprozess des Kunden: Kauf in der Produktkategorie Markenwahl Menge

18. Haushaltsscannerdaten verschiedener Produktgruppen: Limonade Papiertücher WC-Papier Waschmittel Entkalker für Spülmaschinen Kaffee Haltbare Produkte: Verderbliche Produkte: Margarine Yoghurt Eiscreme Schinken Butter

19. z.B. Kartoffelchips, Yoghurt: höhere Kaufmenge ohne dass sich spätere Kaufakte ändern Mehrverbrauch Dagegen: Kaffee, Küchentücher: höhere Kaufmenge und längere Zeit bis zum nächsten Kaufakt Vorratskäufe

20. Markenwahlelastizität immer größer als Kaufakt- und Mengen- elastizität Markenwahl immer elastisch Kaufakt- und Mengenelastizität i.d.R. unelastisch

21. Anteil der Teilelastizitäten an der Gesamtelastizität:

22. Entscheidungsmodelle Optimale Preisnachlässe eines Händlers bei Planung für eine Marke und eine Periode Blattberg/Neslin 1990 Entscheidungsgröße: Preisnachlass in GE

23. Optimale Preisnachlässe eines Händlers bei Planung für mehrere Marken einer Produktkategorie und mehrere Perioden Tellis/Zufryden 1995 Entscheidungsgröße: Preisnachlässe je Marke und Periode

24. Modell besteht aus 3 Komponenten: • Haushaltsnachfragemodell • Händlermodell • Optimierungsmodell

25. Haushaltsnachfrage: Disaggregiertes Modell Kauf in der Produktkategorie Markenwahl Menge

26. Kaufakt: Binomiales Nested Logitmodell i: Haushaltsindex t: Periodenindex P: Kaufwahrscheinlichkeit catpur: langfristige Kaufwahrscheinlichkeit Invit: Lagerbestand von HH i zu Beginn v. Periode t Inclit: Inclusivwert (Attraktivität der Kategorie) Lagerhaltung der Haushalte: Qit-1: Kaufmenge in Periode t-1 Cri: Konsumrate in der Kategorie je Periode

27. Markenwahl: Multinomiales Logitmodell (MNL) Pijt: Wahlwahrscheinlichkeit für Marke j in t Xijt: Prädiktoren der Markenwahl: Markentreue (Kaufanteil in der Holdoutperiode) zeitverzögerte Markenwahl (binär) Preis Feature, Display (binär) Dijt: Preisnachlass für j in t

28. Nachfragemenge: Exponentialfunktion QHijt: Nachfragemenge des HH i in t Dichte und Verteilungsfunktion der Extremwertvertlg.

29. Schätzung des Haushaltsmodells: 9845 Beobachtungen aus Scanner-Haushaltspanel Produktgruppe: Salzgebäck 3 nationale Marken (P,S,Z) und 2 Handelsmarken

31. Optimierungsmodell: Gewinnmaximierung V: Anzahl der HH Qjt: durchschnittlicher Absatz je HH pjt: regulärer Letztverbraucherpreis mjt: Handelsspanne von oben hjt : Lagerbestandskosten Ijt : Lagerbestand tau: Bestellintervall Fj: bestellfixe Kosten

32. Händlermodell: Bestellmenge zu Beginn der Periode t: Lagerbestand des Händlers:

33. Ergebnisse: Berechnung für die drei nationalen Marken mit Excel-Solver: Preisnachlässe nur bei einer Marke, auch wenn Aktionen mehrerer Hersteller in der gleichen Periode. Bei Marken mit geringer Wirkung nie Preisnachlässe Bei Marken mit mittlerer Wirkung Preisnachlässe nur in Aktionsperioden des Herstellers, bei Marken mit großer Wirkung auch sonst. Für Marke mit hoher Loyalität sind niedrigere Preisnachlässe optimal Je stärker die Auswirkung der Loyalität auf die Markenwahl, desto geringer Preisnachlässe

34. Höhe der Preisnachlässe steigt mit Handelsspanne und mit der Wirkung der Preisnachlässe Etwas geringere Nachlässe, falls Haushalte stark auf geringe Lagerbestände (der HH) reagieren (z.B. Waschmittel) Größere Bestellmenge des Händlers, je mehr HH bei Nachlässen Vorziehkäufe tätigen.

35. Planung der Verkaufsförderung eines Herstellers Silva-Risso/Bucklin/Morrison (1999), Marketing Science, 274-300 Planung für mehrere Perioden und mehrere Marken einer Produktkategorie Entscheidungsgrößen: Preisnachlass Feature Display

36. Haushaltsnachfrage: Disaggregiertes Modell Kauf in der Produktkategorie Markenwahl Menge

37. Kauf in der Produktkategorie: Binomiales Logitmodell mit Prädiktoren: - durchschnittliche Kaufw‘keit je Ladenbesuch - Lagerbestand - Inclusivwert Markenwahl: Multinomiales Logitmodell mit Prädiktoren: - Dummies für Marken und Packungsgrößen - Loyalität für Marken und Packungsgrößen - zeitverzögerte Markenwahl (binär) - regulärer Letztverbraucherpreis - KPR in GE - Feature und Display (binär) äquivalent zu Tellis/Zufryden

38. Kaufmenge: Poissonmodell mit Kaufrate l als Exponentialfunktion der Prädiktoren des Markenwahlmodells. Der (bedingte) Erwartungswert der Menge ist bei diesem Modell:

39. Segmente s mit verschiedenem Kaufverhalten möglich Die Absatzmenge ergibt sich aus:

40. Schätzung des Haushaltsmodells: Beobachtungen aus Scanner-Haushaltspanel 368 Haushalte mit 55489 Einkäufen in der Periode 3359 Käufe der Produktkategorie Tomatensauce 2 große nationale Marken (A,B) 2 kleine nationale Marken (C,D) und 2 Handelsmarken beste BIC-Werte bei 2 Segmenten

41. Optimierung der Verkaufsförderung Q zusätzlicher Absatz DQ BBQ Vorziehkäufe BQ Zeit

42. Der erwartete zusätzliche Absatz ergibt sich aus dem erwarteten Gesamtabsatz abzüglich Normabsatz und Vorziehkäufe zuzüglich einem Carry-Over-Effekt aus vorher- gehenden Vorziehkäufen

43. Normabsatz BQ: Alle Promotionvariablen im Modell der Haushalts- nachfrage auf 0 setzen Lagerbestand der HH auf Wert ohne Promotion Normabsatz + Vorziehkäufe BBQ: Promotionvariablen im Markenwahlmodell auf 0 Lagerbestand der HH auf den Wert, der sich ohne Markenwahleffekt ergibt. = gewichtete Summe über die Haushalte

44. Ziel: Maximierung des durch VKF erzielten zusätzlichen Gewinnes: • Gewinn durch zusätzlichen Absatz • Opportunitätskosten durch Verkauf zu reduzierten Preisen • Aktionskosten • + Opportunitätskosten durch zukünftige Absatzänderung • _______________________________________________ • = zusätzlicher Gewinn

45. 1. Gewinn durch zusätzlichen Absatz. t = 0,…,T : Perioden j : Marken N :Käuferanzahl δt: Diskontfaktor E(ΔQjt|PRjt=1) : erwarteter Mehrabsatz bei Promotion BPjt : regulärer Einstandspreis Kjt = 1,2,…,10 : Reduktionsmultiplikator d : Reduktionsschrittweite (z.B. 0,05) kjt: Grenzkosten

46. 2. Opportunitätskosten durch den Verkauf zu reduzierten Preisen: 3. Aktionskosten Rjt: 1, falls in t eine Aktion für j beginnt; 0 sonst TRjt: Preisauszeichnungskosten FEjt: Feature (binär: 1, falls in t Feature für j; 0 sonst) DSjt: Displaykosten (binär: 1, falls in t Display für j; 0 sonst) FCjt: Kosten für Feature DCjt: Kosten für Display

47. 4. Opportunitätskosten durch zukünftige Absatzänderung durchschnittlicher Regulärer Einstandspreis durchschnittliche Grenzkosten

48. Nebenbedingungen: minimale und maximale Zahl an Aktionen: Weitergabe der KPR durch den Handel in %: Mindestspanne für den Handel:

49. Ergebnisse der Optimierung für die Marke A Konkurrenzverhalten gegeben (Beobachtungswerte) Feature und Display nicht optimiert Handel gibt 80% der KPR weiter Aufschlagspanne des Handels 20% Lösung durch vollständige Enumeration (1 Quartal) oder Simulated Annealing (52 Wochen)

50. Sensitivitätsanalyse: