Show Less
Open access

Performance Measurement im Einzelhandel

Multiperspektivische Diskussion zur Implementierung und Verwendung von Erfolgskennzahlen auf der operativen Einzelhandelsebene

Series:

Verena Harrauer

Die Ausgestaltung von Performance Measurement orientiert sich an branchenspezifischen Charakteristika. Mit Hilfe eines Mixed-Methods-Ansatzes zeigt die Autorin für den Einzelhandel, welche Erfolgskennzahlen relevant sind. Der Fokus liegt auf der Verwendung von Performance-Kennzahlen auf der Filialebene. Die Ausgangsbasis der Analyse bildet ein Literaturüberblick, der die kennzahlenorientierte Handelsmarketingforschung der letzten 50 Jahre beleuchtet. Problemzentrierte Leitfadeninterviews mit Handelsmanagern aus dem US-amerikanischen und deutschsprachigen Raum zeigen Unterschiede im Verständnis der Konzeption. Eine Face-to-Face-Befragung von Managern sowie ein conjoint-analytischer Ansatz präsentieren Relevanz und Nützlichkeit von Handelskennzahlen im Alltag.
Show Summary Details
Open access

7 Empirisch quantitative Forschung

7  Empirisch quantitative Forschung

“Academically, knowing how perceptions of performance are formed should be useful in two senses. First, given that marketing scholars are interested in defining how marketing activities lead to marketing performance, it is important to know what performance managers are trying to maximize […]. Second, with increasing interest in developing better marketing performance measures, it is important to develop measures that are consonant with how managers actually judge performance.” (Clark 2000, 4).

An das qualitative Design schließen nachfolgend zwei empirisch quantitative Studien: (1) Eine Manager/innenbefragung liefert Erkenntnisse in Bezug auf die Implementierung von handelsrelevanten Kennzahlen im Handelsalltag. (2) Eine Studierendenbefragung gibt Einblicke in die Nutzenausprägungen, die unterschiedlichen Kennzahlen-Sets zugeschrieben werden.

Abbildung 48:  Stufen im Forschungsprozess – Quantitatives Design

img

Mit Hilfe dieses Designs werden die zugrunde liegenden Forschungsfragen von zwei weiteren Perspektiven beleuchten. Die übergeordnete Forschungsfrage, die zu Beginn der Arbeit formuliert wurde, wird im Zuge dieses Kapitels durch folgende Unterforschungsfragen spezifiziert (Tabelle 51). ← 237 | 238 →

Tabelle 51:  Forschungsfragen (Empirisch quantitatives Design)

Hauptforschungsfrage:
Wie soll Performance Measurement ausgestaltet sein, um operative Entscheidungen von Handelsmanager/innen auf der Store-Ebene zu unterstützen?
Unterforschungsfragen (quantitatives Design):
Welche Kennzahlen im Sinne eines Performance Measurements spielen im Einzelhandel eine Rolle?

Wie beeinflussen die Kontingenzfaktoren Strategie, Struktur und Größe von Handelsunternehmen die Ausgestaltung des Performance Measurement im Einzelhandel?

Welche Kennzahlen-Sets sind für Einzelhandelsmanager/innen in welchem Umfang attraktiv? Welches Set wird am Nützlichsten eingestuft?

Können Zielgruppen definiert werden, die sich in der Einschätzung von Nutzenausprägungen der Kennzahlen-Sets voneinander unterscheiden?

Homburg (2007, 39–44) zeigt in seinem Artikel „Betriebswirtschaftslehre als empirische Wissenschaft – Bestandsaufnahme und Empfehlungen“ die Wichtigkeit folgender Punkte auf, die auch für die vorliegenden Studien richtungsweisend sind:

  Forderung 1: Der Zusammenhang zwischen betrachtetem Konstrukt und seinen Indikatoren im Sinne von formativen und reflektiven Beziehungen soll explizit operationalisiert werden. Dieser Forderung wird in beiden Studien durch theoretische Herleitung und anschließender Visualisierung in Form von konzeptionellen Modellen nachgekommen.

  Forderung 2:Inhaltliche Validität soll durch Vollständigkeit der Indikatoren abgebildet werden. Eine Annäherung an diese Forderung wird durch Einbezug von Expert/innenwissen an unterschiedlichen Stellen gewährleistet. Weiters werden bereits etablierte Skalen – sofern vorhanden – herangezogen und auch offen gelegt.

  Forderung 3:Multidimensionalität der Konstrukte soll beachtet und Komplexität widerspiegelt werden. Hier wird der Herausforderung nachgekommen, das Forschungsdesign so kompakt wie möglich zu gestalten und dennoch die zentralen Konstrukte durch Multi-Items wider zu geben (Diamantopoulos et al. 2012).

  Forderung 4: Validität der Antworten von Schlüsselinformanten (Key Informants), die über Eigenschaften der Organisation Auskunft geben, soll systematisch sichergestellt sein. Ziel ist es, den Key Informant Bias, also systematische Antwortverzerrung durch funktionale und/oder hierarchische Position im Unternehmen zu vermeiden (Homburg et al. 2012b, 594). Aus diesem Grund ← 238 | 239 → werden unterschiedliche Managementpositionen als Grundlage für die Analyse herangezogen.

  Forderung 5: Wenn der Zusammenhang zwischen unabhängiger und abhängiger Variable nicht darauf zurückzuführen ist, dass dieser tatsächlich vorliegt, sondern darauf, welche Methode verwendet wurde, spricht man von Common Method Bias. Dieser Fehler muss reduziert werden. Der multiperspektivische Ansatz hilft, die aus den Studien gewonnenen Ergebnisse noch einmal kritisch gegenüberzustellen und hinsichtlich dieser Verzerrung zu überprüfen.

Abschließend werden noch einmal die Gütekriterien der Marktforschung hinsichtlich der Umsetzung im Projekt reflektiert (Abbildung 49).

Abbildung 49:  Gütekriterien der Marktforschung (Bruhn 2012, 94; Diekmann 2012, 248–260; Kuß 2013a, 150)

img

Im Folgenden werden Aufbau und Ergebnisse jeder Studie für sich diskutiert dargestellt. Den Startpunkt liefert eine Befragung von Manager/innen. ← 239 | 240 →

7.1  Managementbefragung

Die vorliegende Studie adressiert das operative Handelsmanagement und erweitert die Ergebnisse von Grafton et al. (2010), die entscheidungsvereinfachende und entscheidungsbeeinflussende Funktionen von Performance Measurement kombiniert analysieren, und Mintz/Currim (2013), die kontingenztheoretische Einflüsse auf die Ausgestaltung von Kennzahlen-Sets untersuchen. Ziel der vorliegenden Studie ist es zu zeigen, welche Kennzahlen-Sets auf der operativen Ebene verwendet werden, welche Rolle Handelsmanager/innen Performance Measurement zuschreiben und wo noch Handlungsbedarf im Sinne einer konsequenten strategischen Ausrichtung des Unternehmens besteht. Die theoretischen Erkenntnisse aus Kapitel 5.4 zeigen, dass es Unterschiede in der Implementierung und Verwendung gibt, je nachdem, welche strategische Ausrichtung gewählt wird. Daher wird dieses Konstrukt ins Modell integriert und angelehnt an Mintz/Currim (2013, 34) bzw. Olson et al. (2005, 63) abgefragt. Entsprechend dem kontingenztheoretischen Ansatz finden auch Struktur- und Größenunterschiede Berücksichtigung in der Analyse (Abbildung 50).

Abbildung 50:  Managementbefragung: Basismodell

img

7.1.1  Managementbefragung: Hypothesen und methodischer Steckbrief

Abgeleitet aus den theoretischen Erkenntnissen der jeweiligen Kapitel und des zugrunde liegenden Modells, werden folgende Hypothesen formuliert:

Die erste Hypothese (H1Mgmt) untersucht den strategischen Fit zwischen Performance Measurement und Zielsetzungen von Handelsunternehmen und zeigt, ob die verwendeten Performance Kennzahlen an deren Strategieausrichtung und Zielsetzung angepasst sind (Kapitel 3).

Strukturelle Bestandteile beeinflussen die Ausgestaltung von Performance Measurement (H2Mgmt): Nicht nur die Unternehmensgröße sondern auch die Hierarchien innerhalb der Unternehmen und die daraus entstehenden Koordi ← 240 | 241 → nationsschwierigkeiten gelten als erklärte Herausforderungen an das Performance Measurement in der Handelslandschaft (Kapitel 4).

Die Verbindung von Performance Measurement mit einer Vergütungskomponente soll zu einem gesteigerten Nutzungsverhalten führen (H3Mgmt). Die entscheidungsbeeinflussenden Komponenten von Performance Measurement leiten sich aus Kapitel 3.3 ab.

Die Hauptforschungsfrage der vorliegenden Arbeit (Kapitel 1) adressiert die Unterstützung von Manager/innen durch Performance Kennzahlen bei operativen Entscheidungen. Aus diesem Grund interessieren auch individuelle Faktoren, die Manager/innen mitbringen und die auf die nutzenstiftende Wirkung von Performance Measurement wirken (H4Mgmt). Ähnlich wie Mintz/Currim (2013) werden daher Zahlenverständnis und Berufserfahrung herangezogen, um Unterschiede zu identifizieren. Weiters sollen diese Konstrukte aber auch verwendet werden, um verbesserte Managemententscheidungen, ausgedrückt durch gesteigerte Unternehmensperformance als abhängige Variable, zu untersuchen (H5Mgmt) (Kapitel 1.2).

Tabelle 52:  Managementbefragung: Hypothesenkatalog

Nr.Hypothese
H1Mgmt:Es gibt einen Zusammenhang zwischen Strategieausrichtung von Einzelhandelsunternehmen und Nutzung von Performance Kennzahlen.
H2Mgmt:Es gibt einen Zusammenhang zwischen den strukturellen Eigenschaften der Unternehmen (Branche, Größe, Hierarchie, Verantwortungsbereich) und der Nutzung von Performance Kennzahlen.
H3Mgmt:Je wichtiger Performance-Bestandteile bei den variablen Vergütungsbestandteilen eingeschätzt werden, desto stärker werden diese Bestandteile auch vom Unternehmen herangezogen und desto nützlicher werden diese bewertet.
H4Mgmt:Es gibt einen Zusammenhang zwischen den individuellen Manager/innen-Eigenschaften (Zahlenverständnis, Berufserfahrung) und der Nutzung von Performance Kennzahlen.
H5Mgmt:Es gibt einen Zusammenhang zwischen der empfundenen Nützlichkeit im Alltag bzw. Unternehmensperformance und der Verwendung unterschiedlicher Kennzahlen-Sets.

Die Fragebogenerstellung wurde gemeinsam mit einer Controllerin durchgeführt. Im Team wurden jene Kennzahlen auf Deutsch übersetzt, die aus der Literaturanalyse und den qualitativen Interviews resultierten (Anhang A). Im Anschluss daran wurden diese in die Kategorien „strategische Ausrichtung“← 241 | 242 → und „operative Ausrichtung“ eingeteilt. Alle Kennzahlen, die dem operativen Bereich zugeschrieben wurden, wurden wiederum in die Kategorien „finanziell“ und „nicht-finanziell“ als auch in die Kategorien „Sortiment“, „Kund/innen“ und „Mitarbeiter/innen“ untergliedert. Es entstand eine übersichtliche Liste an 25 unterschiedlichen Kennzahlen, die für die Befragung verwendet wurde (Anhang B). Eine Vergleichbarkeit der Ergebnisse wird durch ähnliche Einteilungen bei Studien wie bspw. bei Klein (2010) oder Reineke/Reibstein (2002) gewährleistet.

Zwei Veranstaltungen in Wien, bei denen Handelsmanager/innen aus ganz Österreich anzutreffen waren, ermöglichten die Durchführung der Studie. Den Startpunkt lieferte eine Handelstagung der WKO an der Wirtschaftsuniversität Wien Anfang Mai 2014. Im Zuge des REGAL Branchentreffs 2014 wurde ein weiterer Erhebungspunkt genutzt. Eine Nacherhebung, bei der Store Manager/innen in Wien und Niederösterreich interviewt wurden, führte zu einer Gesamtsumme von 168 Fragebögen. Im Zuge der explorativen Datenanalyse der ausgefüllten Fragebögen wurden branchenfremde und mangelhaft ausgefüllte Fragebögen ausgeschlossen. Somit fließen insgesamt 134 auswertbare Fragebögen in die weitere Untersuchung.

Tabelle 53:  Managementbefragung: Methodischer Steckbrief

CharakterisierungsmerkmalDesignspezifische Ausprägung
UntersuchungsgegenstandVerwendung und Wahrnehmung von Kennzahlen im Handelsalltag
ForschungsinstrumentMündliche, persönliche Befragung (quantitativer Fragebogen)
Pretestn=8 Handels- und/oder Controllingexperten aus Wissenschaft und Praxis (28.04.2014–05.05.2014)
DatenanalysesoftwareEXCEL 2007; PASW Statistics 18
BefragungsregionÖsterreich
ErhebungsperiodeWelle 1: 07.05.2014 (WKO); Welle 2: 14.06.2014 (REGAL Branchentreff); Welle 3 (Juli-August 2014)
GrundgesamtheitPersonen, die im österreichischen Einzelhandel tätig sind
StichprobenauswahlverfahrenExpert/innen-Sample
Stichprobengrößen=134 ← 242 | 243 →

7.1.2  Managementbefragung: Stichprobenbeschreibung

Entsprechend den Größenverhältnissen im österreichischen Branchenschnitt, ist auch die untersuchte Teilstichprobe im Bereich Fast Moving Consumer Goods am stärksten vertreten: 41,8 % der Befragten arbeiten im LEH, 3,7 % im DFH. Auch der Fashionbereich fließt mit insgesamt 26,2 % vertreten durch den EH mit Bekleidung oder EH mit Sportartikeln und Bekleidung verhältnismäßig stark in die Analyse ein (Tabelle 54). Vergleicht man die Stichprobe mit den Marktanteilen der österreichischen Handelslandschaft (Kapitel 4.2), so fällt auf, dass die Größenverhältnisse nicht repräsentativ verteilt sind. Dennoch sind gerade (filialisierte) Einzelhandelsunternehmen von schnelldrehenden Warengruppen die Zielgruppe mit der größten Relevanz für das vorliegende Forschungsproblem. Diesem Argument folgend wird die Stichprobe als relevant für die Beantwortung der Forschungsfrage gesehen; der Anspruch der Generalisierbarkeit kann jedoch nicht gewährleistet werden.

Tabelle 54:  Managementbefragung: Branchenverteilung

BrancheHäufigkeitProzente
LEH5641,8 %
EH mit Bekleidung2518,7 %
EH mit Sportartikeln und Bekleidung107,5 %
DFH53,7 %
EH mit Schuhen und Lederwaren53,7 %
EH mit Elektrogeräte und Unterhaltungselektronik32,2 %
EH mit Büchern und Zeitschriften21,5 %
EH mit Möbeln21,5 %
Lebensmittel eCommerce21,5 %
EH mit Bau- und Heimwerkerbedarf10,7 %
EH mit Bekleidung und LEH10,7 %
EH mit Uhren und Schmuck10,7 %
Handel (keine eindeutige Zuordnung möglich)2115,7 %
Gesamt134100,0 %

Der Unternehmenserfolg wurde durch die Selbsteinschätzung der Manager/innen hinsichtlich der Umsatzentwicklung im Vergleich zum Branchenschnitt abgefragt. Eine ähnliche Vorgehensweise wurde von Homburg et al. (2002) und Grafton et al. (2010) gewählt. Auf einer Skala von „1=Viel schlechter“ bis „5=Viel besser“← 243 | 244 → sehen die befragten Personen eine synchrone bis leicht überdurchschnittliche Performanceentwicklung in ihrem Unternehmen (n=130; M=3,55, SD=0,86).

Eine offene Frage zeigt den Funktionsbereich der befragten Personen im Handelsunternehmen. Im Zuge der Analyse wurden die Aussagen in die Kategorien „Store Management“, „Mittleres Management“ und „Top Management“ eingeteilt. Wurde keine eindeutige Position angegeben, wurde die Kategorie „Rest“ gewählt (Tabelle 55).

Tabelle 55:  Managementbefragung: Funktionsbereich

img

Der mit 37,3 % überdurchschnittlich hohe Anteil an Top Management-Positionen resultiert aus der Befragung von selbstständigen Unternehmern kleinerer Handelsformate. In der untersuchten Stichprobe geben 56,0 % der Befragten an, dass weniger als 100 Personen in ihrem Unternehmen arbeiten. Ein Viertel der Befragten sind in Großunternehmen mit über 1000 Mitarbeiter/innen beschäftigt (Tabelle 56).

Tabelle 56:  Managementbefragung: Anzahl der Beschäftigten – Unternehmen gesamt

Frage: Wie viele Mitarbeiter beschäftigt das gesamte Unternehmen, in dem Sie arbeiten (Vollzeit)?HäufigkeitProzent
<1007556,0 %
100–4991712,7 %
500–99975,2 %
>10003425,4 %
keine Angabe10,7 %
Gesamt134100,0 % ← 244 | 245 →

Performance Measurement weist unterschiedliche Funktionalitäten auf. Unter anderem werden diesem je nach Verantwortungsbereich und Größenverhältnissen koordinierende, motivierende oder steuernde Aufgaben zugeschrieben. Einerseits spiegelt die Analyse auch hier die kleingliedrige Struktur von Handelsunternehmen wider. Gleichzeitig wird ersichtlich, dass Store Manager/innen großer Handelsunternehmen die Verantwortung für kleinere Teams innehaben (Tabelle 57).

Tabelle 57:  Managementbefragung: Anzahl der Beschäftigten – Verantwortungsbereich

Frage: Für wie viele Mitarbeiter sind Sie verantwortlich (Vollzeit)?HäufigkeitProzent
0 Personen2921,6 %
1–10 Personen5641,8 %
11–50 Personen3929,1 %
51–100 Personen75,2 %
mehr als 100 Personen32,2 %
Gesamt134100,0 %

Die entscheidungsbeeinflussende Wirkung von Performance Kennzahlen manifestiert sich auch in unterschiedlichen Vergütungsformen. Wie Tabelle 58 zeigt, beziehen ca. ein Viertel der Befragten einen Unternehmerlohn. Jeweils ein Drittel erhält ein fixes Grundgehalt bzw. variable Bestandteile zusätzlich zum Grundgehalt.

Tabelle 58:  Managementbefragung: Vergütung

VergütungHäufigkeitProzent
Ich beziehe einen Unternehmerlohn.3022,4 %
Ich beziehe ein fixes Grundgehalt.4936,6 %
Neben einem Grundgehalt beziehe ich auch variable Bestandteile (Prämien-/ Bonuszahlung, Kommission,…)4634,3 %
Ich beziehe sowohl einen Unternehmerlohn, als auch ein fixes Gehalt.53,7 %
keine Angabe43,0 %
Gesamt134100,0 % ← 245 | 246 →

Im Durchschnitt arbeiten die Befragten ca. 18 Jahre im Einzelhandel (M=17,75, SD=13,74). Dies weist auf überdurchschnittlich hohe Berufserfahrung und Kompetenz für die zugrunde liegende Fragestellung hin. Die Stichprobe setzt sich aus ca. 60 % männlichen und 40 % weiblichen Probanden zusammen.

Tabelle 59:  Managementbefragung: Berufserfahrung

BerufserfahrungHäufigkeitProzent
weniger als 1 Jahr21,5 %
1–5 Jahre2821,2 %
6–10 Jahre2216,7 %
10 Jahre und länger8060,6 %
Gesamt132100,0 %

Der Fragebogen schließt mit der Frage nach der Unternehmensstrategie. Abgeleitet von Mintz/Currim (2013) und Olson et al. (2005) wurden sechs Aussagen formuliert, die auf einer Skala von „1=Trifft völlig zu“ bis „5=Trifft gar nicht zu“ bewertet werden sollten. Im Zuge der explorativen Datenanalyse wurden die einzelnen Zielsetzungen mittels Faktorenanalyse wieder auf zwei Faktoren, nämlich Serviceorientierung und Kostenführerschaft, reduziert, wodurch sich die anfänglichen Konstrukte bestätigten.14 Die Items, die auf diese Faktoren laden, wurden zusammengefasst und Gesamtmittelwerte gebildet. Damit ergaben sich zwei Gruppen: Neben der Gruppe der klar serviceexzellenten Unternehmen wurden auch serviceeffiziente Unternehmen identifiziert. Letztere fokussieren sich neben Kosten- und Preisaspekten auch auf effiziente Strukturen, vergessen dabei aber nicht auf Serviceorientierung. Die Kategorie „Stuck in the Middle“ repräsentiert jene Unternehmen, die keine klare Positionierung hinsichtlich der beiden Dimensionen aufweisen. Im Folgenden wird diese Kategorie teilweise aus der Analyse ausgeschlossen.

7.1.3  Managementbefragung: Darstellung der Ergebnisse und Hypothesenprüfung

Hypothese 1: Strategischer Fit von Performance Measurement

Die größte Herausforderung lag in der kompakten und dennoch umfassenden Darstellung handelsrelevanter, operativer Kennzahlen. Abbildung 51 zeigt, wie ← 246 | 247 → häufig Manager/innen angaben, dass einzelne Kennzahlen „regelmäßig (mindestens ein Mal pro Jahr) vom Unternehmen herangezogen werden“. Die Top 10 Kennzahlen sind exklusiv von finanziell orientierten Kennzahlen besetzt. Danach folgen nicht-finanziell orientierte Kennzahlen, die die Kund/innenperspektive abdecken. Das Schlusslicht bilden Kennzahlen, die die Mitarbeiter/innenperspektive beleuchten.

Abbildung 51:  Managementbefragung: Ranking der operativ verwendeten Handelskennzahlen (n=134)

img

Den Befragten wurde auch die Möglichkeit gegeben, weitere Kennzahlen, die in ihrem Unternehmen verwendet werden, anzuführen. Die Zusammenfassung dieser offenen Fragen gibt Tabelle 60. ← 247 | 248 →

Tabelle 60:  Managementbefragung: Kennzahlen – Offene Kategorie (F3)

img

In einem nächsten Analyseschritt wird der Zusammenhang zwischen einzelnen Kennzahlen und der zugrunde liegenden Strategieorientierung untersucht. In der Stichprobe wird ein signifikanter, wenn auch durchwegs schwacher Zusammenhang zwischen der Strategieausrichtung und den Kennzahlen Regalverfügbarkeit (χkorr²df(1)=6,48; p<0,05), Anteil von Retouren/Umtausch (χkorr²df(1)=6,83; p<0,01), Produktneueinführungen (χkorr²df(1)=6,14; p<0,05), Kennzahlen der Service-Orientierung (χkorr²df(1)=7,22; p<0,01), Marktanteil (χkorr²df(1)=6,00; p<0,05), Mitarbeiter/innenfluktuation (χkorr²df(1)=4,07; p<0,05) und Qualität der Aufgabenerledigung (χkorr²df(1)=10,92; p<0,01) nachgewiesen. Die Kreuztabellierungen15 zeigen, dass diese Kennzahlen häufiger in serviceeffizienten Unternehmen als in serviceexzellenten Kontexten herangezogen werden. Die zugrunde liegenden Kreuztabellen werden im Anhang präsentiert.

Abbildung 52 und Abbildung 53 zeigen die Verteilung der operativen Kennzahlen in der Stichprobe, kategorisiert nach den anfänglichen „Balanced Scorecard“-Einteilungen. Finanzkennzahlen werden am häufigsten herangezogen (M=5,63; SD=1,68), gefolgt von Sortimentskennzahlen (M=5,11; SD=2,23). Im Fragebogen weniger stark vertreten sind die letzten beiden Kategorien. Diese werden im Durchschnitt aber auch seltener nachgefragt: Von fünf im Fragebogen angeführten Kund/innenkennzahlen werden im Mittel 2,84 verwendet (SD=1,48); bei den Mitarbeiter/innenkennzahlen sind dies 2,57 (SD=1,52). ← 248 | 249 →

Abbildung 52:  Managementbefragung: Finanzkennzahlen (n=134) und Sortimentskennzahlen (n=133); Prozentwerte im Kreis ersichtlich

img

Abbildung 53:  Managementbefragung: Kund/innenkennzahlen (n=134) und Mitarbeiter/innenkennzahlen (n=134); Prozentwerte im Kreis ersichtlich

img

Diese Verteilung wird im nächsten Schritt genutzt, um Unterschiede hinsichtlich der Strategieausrichtung zu testen. Es zeigt sich, dass Finanzkennzahlen in beiden Gruppen herangezogen werden (tdf(118)=-1,61; p=0,110). Signifikante Unterschiede (p<0,05) ergeben sich jedoch bei den übrigen Kategorien: Sowohl Sortiments- (tdf(117)=-3,06; p<0,05), Kund/innen- (tdf(118)=-3,74; p<0,05) als auch Mitarbeiter/innenperspektive (tdf(118)=-3,25; p<0,05) werden verstärkt von Unternehmen evaluiert, die Kosten- und Serviceorientierung gleichermaßen verfolgen. ← 249 | 250 →

Tabelle 61:  Managementbefragung: Teststatistik – KZ Finanz, Sortiment, Kunde, Mitarbeiter und Strategie (t-Test)

img

Fasst man – entsprechend der ursprünglichen Kategorisierung – die Anzahl der „finanziell orientierten Kennzahlen“ und „nicht-finanziellen Kennzahlen“ zusammen, so liefern die Mittelwertvergleiche folgende Ergebnisse hinsichtlich der Strategieausrichtung (Tabelle 62): Das Vorhandensein von finanziellen Kennzahlen unterscheidet sich signifikant in den Gruppen (tdf(118)=-2,38; p<0,05). Außerdem werden nicht-finanzielle Kennzahlen signifikant häufiger in serviceeffizienten Unternehmen herangezogen (tdf(118)=-4,30; p<0,01). Auch die Analyse über alle verwendeten Kennzahlen hinweg, ergibt signifikante Mittelwertunterschiede zwischen serviceorientierten und serviceeffizienten Unternehmen (tdf(118)= -3,98; p<0,01).

Tabelle 62:  Managementbefragung: Teststatistik – Finanzielle KZ, Nicht-finanzielle KZ, KZ gesamt und Strategie (t-Test)

img

Neben der Analyse der individuellen Kennzahlen interessieren auch unterschiedliche Kennzahlen-Sets auf einer aggregierten Ebene. Basierend auf der theoretischen Fundierung aus Kapitel 4.5 wurden von der Forscherin vier Kennzahlen-Sets exploriert, die die Dimensionen Tiefe, also „finanzfokussiert vs. balanciert“, und Breite, „umfassend vs. beschränkt“, abdecken. Definiert wurden diese wie folgt: ← 250 | 251 →

  Ein Set gilt als finanzfokussiert, wenn das Verhältnis von verwendeten Finanzkennzahlen zu nicht-finanziellen Kennzahlen 130 % überschreitet.

  Ein Set gilt als umfassend, wenn mehr als 60 % der angegebenen Kennzahlen verwendet werden.

Abbildung 54:  Managementbefragung: Kennzahlen-Sets (Verteilung lt. Definition)

img

Die Analyse zeigt, dass die Ausgestaltung beschränkter, finanzieller Sets signifikant häufiger bei serviceexzellenten Unternehmen vorzufinden sind (Mann-Whitney-U=1420; p<0,05), umfassende, balancierte Sets hingegen bei serviceeffizienten Unternehmen (Mann-Whitney-U=971,50, p<0,01; Anhang).

Zusammenfassende Erkenntnis (Hypothese 1): Die unterschiedlichen Kennzahlensets unterscheiden sich in deren Verwendung signifikant in Bezug auf die zugrunde liegende Strategieorientierung. Serviceeffiziente Unternehmen nutzen nicht nur mehr Kennzahlen, sondern sie achten auch auf die Balance zwischen Finanzkennzahlen und nicht-finanziellen Kennzahlen aus den Bereichen Kund/innen und Mitarbeiter/innen. Dennoch werden gerade diese beiden Kategorien überraschenderweise seltener im Handelskontext beleuchtet als erwartet. ← 251 | 252 →

Hypothese 2: Struktur und Unternehmensgröße

Entsprechend dem Titel der Arbeit, liegt der institutionelle Fokus auf der Einzelhandelsbranche. Die Erkenntnisse aus Kapitel 4 zeigten jedoch, dass es auch innerhalb der Branche große Unterschiede in der Ausgestaltung von Performance Measurement aufgrund von strukturellen Gegebenheiten gibt. Im Zuge der Analyse interessierte daher die Frage, ob branchenspezifische Charakteristika in der Verwendung von Kennzahlen identifiziert werden können. Die Managementbefragung liefert hier interessante Ergebnisse: Die ursprünglich offen gestellte Frage nach der Branchenzugehörigkeit wurde in drei, etwa gleich große Kategorien (Consumer Goods, Fashion Goods und Specialty Goods) zusammengefasst. Die anschließende Analyse zeigt, dass sich die Verwendung von Finanzkennzahlen signifikant zwischen den Gruppen (F (2, 131) = 12,31; p<0,01) unterscheidet. Während in der Konsumgüter- und Fashionbranche im Durchschnitt ca. 10 Kennzahlen verwendet werden, sind dies in den restlichen Sektoren 7,8 Kennzahlen, wodurch sich hochsignifikante Gruppenunterschiede sowohl zwischen Konsumgüterbranche und dem restlichen Facheinzelhandel (t=4,61; p<0,01) und zwischen Fashionbranche und Facheinzelhandel (t=4,23; p<0,01) ergeben. Anders verhält es sich bei der Verwendung von nicht-finanziellen Kennzahlen: Die Konsumgüterbranche (M=7,66, SD=3,18) grenzt sich von der Fashionbranche (M=5,45; SD=3,00; t=3,44; p<0,05) und dem restlichen Facheinzelhandel (M=5,18; SD=3,28; t=3,63; p<0,01) signifikant ab (F (2, 131) = 9,10; p<0,01).

Auch in der Balanced Scorecard-Einteilung bestätigt sich die Finanzlastigkeit in der Konsumgüter- und Fashionbranche im Vergleich zu den übrigen Sektoren. Weiters spiegelt sich der Professionalisierungsgrad in Sortimentsfragen bei der Verwendung von Kennzahlen wider (F (2, 130) = 8,57; p<0,01): Die Konsumgüterbranche besticht durch intensive Informationslage (M= 5,85; SD=2,17) und unterscheidet sich signifikant von der Fashionbranche (M=4,87; SD=1,84) (t=2,27; p<0,05) und von den anderen Facheinzelhandelssektoren (t=4,06; p<0,01). Auch in Kund/innenfragen (F (2, 131) = 6,33; p<0,05) hat die Konsumgüterbranche die Nase vorne (M=3,31; SD=1,47), gefolgt vom Facheinzelhandel (M=2,52; SD=1,33), der offensichtlich den Kund/innenfokus stärker implementiert hat als der Bekleidungseinzelhandel (M=2,38; SD=1,43). Einzig der Bereich Mitarbeiter/innen weist keine signifikanten Unterschiede in den Gruppenmittelwerten auf.

Diese einzelnen Dimensionen fließen in unterschiedliche Sets von Kennzahlen, die in Breite und Tiefe variieren. Doch wie setzen sich diese im Handelsalltag je nach Branche zusammen? Dies zeigt folgende Kreuztabellierung (χ²df(6)=26,10; p<0,01). ← 252 | 253 → Die Unternehmensgröße wird im Fragebogen durch die Anzahl der Mitarbeiter/innen im Unternehmen abgedeckt. Die Mittelwertvergleiche zeigen, dass es keine signifikanten Unterschiede in der Anzahl der in Summe verwendeten Kennzahlen (p=0,082) oder der verwendeten Finanzkennzahlen gibt (p=0,399). Anders verhält es sich bei den nicht-finanziellen Kennzahlen (F (3, 130) = 3,12, p<0,05): Im Mittel werden in KMU, die weniger als 100 Arbeitnehmer/innen beschäftigen, 5,88 Kennzahlen (SD=3,34) herangezogen. In Großunternehmen mit mehr als 1000 Mitarbeiter/innen sind dies im Mittel 7,62 Kennzahlen (SD=3,34). Dieser signifikante Unterschied zwischen den beiden Gruppen (t=-2,58; p<0,05) lässt sich durch weitere Analysen erklären. So werden signifikant mehr Sortimentskennzahlen (F (3, 129) = 3,43; t=2,86; p<0,05) und Kund/innenkennzahlen (F (3, 130) = 3,82; t=2,74; p<0,05) in Großunternehmen herangezogen. Unterschiede in der Verwendung von Mitarbeiter/innenkennzahlen je nach Unternehmensgröße bestätigen sich nicht.

Tabelle 63:  Managementbefragung: Kreuztabelle (Zusammenhang nach Pearson: Branche und Kennzahlensets)

img

(λ=0,16, τ=0,67; Cramer-V=0,31)

Haben hierarchische Strukturen Auswirkungen auf die Verwendung von Kennzahlen? Auf den ersten Blick unterscheiden sich die Mittelwerte weder bei Finanzkennzahlen (p=0,136) noch bei nicht-finanziellen Kennzahlen (p=0,179). Betrachtet man jedoch die Balanced-Scorecard-Kategorien, so ergeben sich signifikante Unterschiede (F (2, 107) = 5,04; p<0,05) zwischen dem Top Management (M=6,22; SD=1,36) und dem Store Management (M=5,15; SD=1,71) im Bereich Unternehmensfinanzkennzahlen (t=3,18; p<0,05). Mit diesem Ergebnis im Einklang steht die Analyse der unterschiedlichen Kennzahlensets, die durch ← 253 | 254 → die Zusammensetzung hinsichtlich Breite und Tiefe definiert sind. Die Ergebnisse der Kreuztabelle (Anhang C) können so interpretiert werden, dass Store Manager/innen häufiger eine Kombination aus finanziellen und nicht-finanziellen Bestandteilen heranziehen, während das Top Management die Finanzperspektive bevorzugt. Im mittleren Management werden beide Sets annähernd gleich verwendet (χ²df(2)=8,665; p<0,05). In der Nutzung von beschränkten oder umfassenden Sets gibt es keinen Zusammenhang zu unterschiedlichen Managementpositionen (χ²df(2)=1,434; p=0,49).

Die theoretischen Erkenntnisse aus den qualitativen Analysen zeigen, dass die Verantwortung für andere Mitarbeiter/innen auch in einer intensiveren Nutzung von Kennzahlen mündet. Bis auf die Verwendung von Finanzkennzahlen (F (3, 130) = 4,06; p<0,05), die signifikant häufiger in großen Teams (>21 Mitarbeiter/innen) im Vergleich zur Alleinverantwortung (t=3,19, p<0,05) oder zu mittelgroßen Teams (11–20 Mitarbeiter/innen) (t=2,77, p<0,05) herangezogen werden, werden keine weiteren Mittelwertunterschiede nachgewiesen. Dennoch gibt es einen Zusammenhang zwischen der Bereitstellung einzelner Kennzahlensets und dem Verantwortungsbereich, wie in folgender Tabelle ersichtlich (χ²df(9)=25,613, p<0,05).16

Tabelle 64:  Managementbefragung: Kreuztabelle (Zusammenhang nach Pearson: Mitarbeiter/innenverantwortung und Kennzahlensets)

img

(λ=0,09, τ=0,6; Cramer-V=0,25) ← 254 | 255 →

Zusammenfassende Erkenntnis (Hypothese 2): Die Verwendung von Kennzahlen im Einzelhandel ist starken branchenspezifischen Gegebenheiten unterworfen. Die umsatzstarke Konsumgüterbranche stützt sich auf umfassende Entscheidungsunterstützung durch Kennzahlen und dominiert damit durchwegs die Performance Measurement-Diskussion. Auch die Größe von Unternehmen beeinflusst die Ausgestaltung, vor allem wenn es um die Implementierung von nicht-finanziellen Kennzahlen geht. Hierarchische Strukturen und Mitarbeiter/innenverantwortung zeigen weniger starke Zusammenhänge mit der Verwendung von Performance Measurement.

Hypothese 3: Vergütungsformen

Im Folgenden soll noch näher auf die beeinflussende Funktion von Performance Measurement eingegangen werden. Wurde beim Fragenblock „Vergütungsform“ die Antwortkategorie „Grundgehalt mit variabler Vergütungskomponente“ gewählt, sollte eine Anschlussfrage beantwortet werden, die zeigt, wie wichtig auf einer Skala von „1=Sehr wichtig“ bis „5=Unwichtig“ einzelne Kennzahlenkategorien für die variable Vergütung sind. Die deskriptiven Ergebnisse gestalten sich wie folgt.

Tabelle 65:  Managementbefragung: Bestandteile Vergütung (Gesamtmittelwerte)

img

Die wichtigsten Kennzahlen, die in die variable Vergütung einfließen, stammen aus der Kategorie „Finanz“. Die weiteren Kategorien sind als mäßig wichtig einzuschätzen. In einem nächsten Schritt wurde getestet, ob diese Mittelwertunterschiede hinsichtlich der Strategieausprägung eines Unternehmens variieren. ← 255 | 256 →

Tabelle 66:  Managementbefragung: Bestandteile Vergütung und strategische Ausrichtung (Mittelwertvergleiche)

img

Es gibt zwar keine Unterschiede in den Mittelwerten der serviceexzellenten und der serviceeffizienten Unternehmen hinsichtlich der Wichtigkeit von Finanzkennzahlen, da diese in beiden Gruppen als sehr wichtig eingestuft werden. Alle weiteren Kennzahlenkategorien weisen jedoch signifikante Unterschiede in der Relevanz für die Vergütung: Sortimentskennzahlen (tdf(43)=-2,23; p<0,05), Kund/innenenkennzahlen (tdf(43)=-2,83; p<0,05) und Mitarbeiter/innenkennzahlen (tdf(43)=-2,33, p<0,05) werden in serviceexzellenten Unternehmen durchgängig wichtiger gesehen als in serviceeffizienten.

Doch beeinflusst die Vergütungskomponente die Verwendungsintensität von Kennzahlen im Alltag? Entsprechend der zugrunde liegenden Hypothese, wirkt sich eine positive Einschätzung einzelner Balanced Scorecard-Komponenten für die Vergütung positiv auf die Anzahl der verwendeten Kennzahlen im Alltag aus. Diese Verknüpfung von entscheidungsbeeinflussenden und –unterstützenden Komponenten von Performance Measurement wurde daher in einem nächsten Schritt überprüft. Die Analyse mittels linearer Regressionen zeigte jedoch auf keiner Ebene signifikante Ergebnisse (Anhang C).

Zusammenfassende Erkenntnis (Hypothese 3): Es zeigt sich, dass die Hypothese, „je wichtiger einzelne Performance Bestandteile eingeschätzt werden, desto mehr werden diese auch im Alltag herangezogen“, nicht bestätigt werden kann.

Hypothese 4: Individuelle Eigenschaften

Während die Analysen zu den ersten beiden Hypothesen kontingenztheoretische Erkenntnisse liefern, soll zusätzlich auch die individuelle Komponente der Entscheidungsträger/innen näher beleuchtet werden. Den Einstieg in die Untersuchung bilden folgende drei Fragen, die die Einbeziehung von Kennzahlen auf der Individualebene abdecken (Clark 2000): ← 256 | 257 →

  F1a: Wie stark nutzen Sie Kennzahlen in Ihrem Handelsalltag?: Auf einer Skala von „1=Sehr stark“ bis „5=Gar nicht stark“ ergibt sich für diese Frage im Mittel ein Wert von 2,13 (SD=1,16).

  F1b: Beschäftigen Sie sich mit Kennzahlen eher regelmäßig oder ist es eher die Ausnahme im Alltag?: Die Ergebnisse zeigen, dass die Probanden Kennzahlen im Alltag regelmäßig heranziehen (M=2,01; SD=1,20).

  F1c: Wie zufrieden sind Sie mit der Auswahl an Kennzahlen, die Ihnen im Alltag zur Verfügung stehen?: Die Analyse zeigt, dass die Probanden im Alltag mit den zur Verfügung stehenden Kennzahlen eher zufrieden sind (M=2,31; SD=1,09).

Der Gesamtmittelwert dieser Item-Batterie (Cronbachs α=0,8) wurde mit den Größenklassen der untersuchten Unternehmen verglichen. Da die Voraussetzungen einer Varianzanalyse nicht erfüllt sind (Levene-Test p<0,05), wurden mit Hilfe des Kruskal-Wallis-Tests, der robust gegenüber die Verletzungen von Normalverteilung und Varianzhomogenität ist (Rudolf/Müller 2004, 80), die Unterschiede zwischen den Größenklassen und der Nutzung von Performance Measurement im Allgemeinen untersucht. Kleinunternehmer (<100 Mitarbeiter/innen) (M=2,47; SD=1,06), mittelgroße Unternehmen (100–499 Mitarbeiter/innen) (M=1,92; SD=0,75) und Handelsmanager/innen aus Großunternehmen (M=1,56; SD=0,51) unterscheiden sich signifikant hinsichtlich der Unterstützung von Kennzahlen im Handelsalltag (χ²df(2)=20,26; p<0,01). Je größer Unternehmen daher sind, desto besser schätzen Handelsexpert/innen den Umgang mit Performance Kennzahlen ein.

Angelehnt an die Item-Batterie von Mintz/Currim (2013) wird das Konstrukt Zahlenverständnis (F2) verwendet und mit drei Fragen abgefragt17. Manager/innen schätzen sich selbst als sehr zahlenaffin ein (M=1,56; SD=0,72). Während Zahlenverständnis in der Ausbildung zwar wichtig aber nicht sehr wichtig war (M=1,96; SD=1,05), ist es im Berufsalltag als sehr wichtig einzustufen (M=1,50; SD=0,71). Weiters weist eine lineare Regression darauf hin, dass längere Berufserfahrung (β=0,30; t=3,89; p<0,01) und die persönliche positive Einschätzung zum Zahlenverständnis (β=-0,18; t=-2,29; p<0,05) signifikant zu einem intensiveren Heranziehen von Finanzkennzahlen führt (F (2, 131) = 14,22; R²=0,26; p<0,01). Dazu tragen auch kosteneffiziente Zielsetzung (ß=-0,22; t=-2,76; p<0,05) und überdurchschnittliche Unternehmensperformance (ß=0,20; t=2,48; p<0,05) bei.

Im Unterschied dazu hängt die Verwendung von nicht-finanziellen Kennzahlen „nur“ davon ab (F (2, 129) = 25,49; R²=0,28; p<0,01), ob der Handelsex ← 257 | 258 → perte bzw. die Handelsexpertin sich selbst als zahlenaffin sieht (ß=-0,32; t=4,28; p<0,01) und ob das Unternehmen Kostenführerschaft verfolgt, also günstige Preise, effiziente Arbeitsweisen und Kosteneinsparungen anstrebt (ß=-0,38; t=4,97; p<0,01).

Zusammenfassende Erkenntnis (Hypothese 4): Individuelle Eigenschaften wie Zahlenaffinität und Berufserfahrung als auch persönliche Einstellungen wie Zufriedenheit tragen dazu bei, wie die Nutzung von Kennzahlen eingeschätzt wird. Damit wird die Akzeptanz hinsichtlich Performance Measurement ersichtlich.

Hypothese 5: Verwendung von Kennzahlen-Sets und dessen Wirkung auf die empfundene Nützlichkeit

Das Basismodell (Abbildung 50) unterstellte einen Zusammenhang zwischen der zur Verfügung gestellten Information und der persönlichen Verwendung der Kennzahlen im Handelsalltag. Wie schon zuvor wurde die Verwendung von finanziellen Kennzahlen und nicht-finanziellen Kennzahlen als auch die diskutierten Kennzahlensets und deren Effekte auf die Nutzung, Zufriedenheitsgrad und Unternehmensperformance untersucht. Je nach strategischer Ausrichtung des Unternehmens oder strukturellen Gegebenheiten wird angenommen, dass unterschiedliche Sets als zufriedenstellend angesehen und auch regelmäßig genutzt werden. Diese Zusammenhänge, die die Akzeptanz der Kennzahlenimplementierung im Handelsalltag widergeben, wurden im Zuge mehrerer Analyseschritte untersucht. Die Ergebnisse der jeweiligen modellierten, zwei-faktoriellen ANOVA waren jedoch nicht signifikant. Die Annahme, dass die zur Verfügung gestellte Information durch diese Kontingenzfaktoren moderiert wird, wird daher abgelehnt.

In einem nächsten Schritt wurde der Zusammenhang mit der Implementierung unterschiedlicher Vergütungsformen, wie Unternehmerlohn, fixes Grundgehalt oder Grundgehalt inkl. variabler Bestandteile untersucht (Tabelle 67). Je nachdem, welche Vergütungsform angewendet wird und welche strategische Ausrichtung des Unternehmens vorliegt, wirkt sich dies signifikant auf die Einschätzung der Verwendung von Kennzahlen im Alltag aus (F (2, 108) = 4,11, p<0,05; η²=0,24). ← 258 | 259 →

Tabelle 67:  Managementbefragung: Vergütungsform (F4) und Nutzung von KZ im Alltag (F1a) (ANOVA; *p<0,05)

img

Jene Personen, die einen Unternehmerlohn beziehen, nutzen Kennzahlen weniger stark und regelmäßig und sind unzufriedener mit der Information, die ihnen zur Verfügung steht als jene, die neben einem Grundgehalt auch variable Bestandteile erhalten (t=4,00; p<0,01; η²=0,13). Außerdem unterscheidet sich diese Einschätzung signifikant je nach strategischer Ausrichtung (t=2,36; p<0,05; η²=0,05). Der Effekt der Interaktion (η²=0,07) zeigt, dass Manager/innen aus serviceeffizienten Unternehmen, die einen Unternehmerlohn erhalten, Kennzahlen stärker nutzen als in serviceexzellenten Unternehmen. Andererseits dreht sich die Einschätzung der Verwendung um, wenn variable Bestandteile herangezogen werden: Die Befragten nutzen (im Vergleich zu Manager/innen mit Unternehmerlohn) verstärkt Kennzahlen im Alltag, hier sehen sich jedoch Manager/innen aus serviceorientierten Unternehmen noch stärker in der Verwendung als serviceeffiziente.

Abbildung 55:  Managementbefragung: Nutzung von Kennzahlen (F1a) und Vergütung (F4) (*p<0,05 – Interaktion zwischen diesen Gruppen signifikant)

img

← 259 | 260 →

Zusammenfassende Erkenntnis (Hypothese 5): Das subjektive Empfinden über Nützlichkeit, Regelmäßigkeit der Verwendung und Zufriedenheit der zur Verfügung gestellten Information unterscheidet sich nicht hinsichtlich unterschiedlicher Kennzahlensets in unterschiedlichen strategisch ausgerichteten Unternehmen. Einzig die Vergütungsform wirkt sich je nach Strategie auf die subjektive Komponente aus.

7.1.4  Zusammenfassende Darstellung und kritische Reflexion

Die Ergebnisse der Managementbefragung zeigen, dass im operativen Bereich finanziell ausgerichtete Kennzahlen die Oberhand haben und nahezu in jedem Handelsunternehmen zumindest einmal im Jahr herangezogen werden. Daher ist es nicht überraschend, dass Umsatz, Absatz und Handelsspanne fast flächendeckend regelmäßig verwendet werden. Während Einblicke in die Sortimentsperformance durch Kennzahlen wie Lagerdrehung bzw. Lagerbestand hohe Relevanz haben, werden Mitarbeiter/innenkennzahlen eher ausgespart. Dies scheint überraschend, geben doch der Großteil der Befragten Serviceorientierung als Priorität in ihrer Strategieausrichtung an. Nach wie vor scheint im österreichischen Einzelhandel die Objektivierung des Kund/innenkontakts nicht in die Performance Messung einzufließen. Ein Blick in die Schulungsmappe von Filialleiter/innen eines großen österreichischen Lebensmitteleinzelhandelsunternehmens gibt eine Erklärung für diese „Finanzlastigkeit“. Dementsprechend werden „Umsatz“, „Einkaufsdurchschnitt pro Kunde“, „m²-Umsatz“ und „Filialbesonderheiten“ herangezogen, um die Nettostunden, also jene Stunden, die tatsächlich verbraucht werden dürfen, zu berechnen. Daher ist es nicht verwunderlich, dass Store Manager/innen besonderen Fokus darauf legen und andere Kennzahlen im Handelsalltag aussparen.

Auf Basis der strategischen Ausrichtung der Unternehmen wurden weitere Unterschiede in der Verwendung von Kennzahlen transparent gemacht. Serviceeffiziente Unternehmen integrieren eine ausbalancierte, umfassende Informationsgrundlage und stellen somit einzelne Kennzahlen wie Regalverfügbarkeit oder Abwicklung von Retouren ins Zentrum ihrer Analyse, die Prozesse und Abläufe auf der Store Ebene aufzeigen. Serviceexzellente Unternehmen fokussieren sich auf ein beschränktes und finanzielles Set an Kennzahlen. Die Interpretation liegt nahe, dass diese ihre Kund/innenorientierung in Form von direktem Kund/innenkontakt anwenden und sich lediglich auf die wichtigsten Finanzkennzahlen beschränken, um die sie aus wirtschaftlichen Gesichtspunkten nicht umhin ← 260 | 261 → kommen. Der tatsächliche Fokus liegt jedoch auf einer subjektiven Komponente, die offensichtlich nicht durch Kennzahlen objektiviert wird.

Auch strukturelle Unterschiede innerhalb der Branche zeigen, dass Unternehmen, in denen „Frische“ als zentral angesehen wird, auch einen größeren Umfang an unterschiedlichen Kennzahlen anführen. Die Konsumgüterbranche demonstriert hier einen überdurchschnittlich hohen Professionalisierungsgrad, der sicher auch durch die Rahmenbedingungen begünstigt werden. So scheint „Tracking und Tracing“, erleichtert durch technologische Möglichkeiten, im operativen Bereich eine wichtigere Rolle zu spielen als bspw. in der Fashionbranche. Wenn auch theoretisch möglich, aber operativ nicht umgesetzt, sind Mitarbeiter/innenevaluierungen. Dies wurde schon in den problemzentrierten Interviews, die in Österreich geführt wurden, ersichtlich. Die Ergebnisse der Managementbefragung bestätigen nochmals, dass die Verantwortung für Mitarbeiter/innen größtenteils durch Finanzkennzahlen gesteuert wird. „Hard Facts“ aber nicht „Hard Selling“ ist die Devise. Ein Grund dafür könnte sein, dass Teams mit bis zu zehn Personen überschaubar sind und daher qualitative Faktoren nicht durch Kennzahlen übermittelt werden. Die Ergebnisse zeigen aber auch, dass Store Manager/innen insgesamt über ein breites Set an unterschiedlichen Kund/innen- und Sortimentskennzahlen verfügen.

Schließlich steht noch die subjektive Einstellung zur Nutzung als Frage im Raum. Denn die bloße Bereitstellung von Kennzahlen bedeutet noch nicht automatisch, dass diese auch im Alltag herangezogen werden. Berufserfahrung und ein gewisser Grad an Zahlenaffinität tragen dazu bei, Kennzahlen als unterstützend anzusehen. Aber nicht nur die Frage hinsichtlich der persönlichen Einstellung bzw. Erfahrung, sondern auch die Motivation aus dem Unternehmen heraus spielt eine Rolle: So tragen kostenorientiertes Denken und die Motivation, in einem erfolgreichen Unternehmen zu bestehen, dazu bei, Kennzahlen intensiver wahrzunehmen und zu nutzen. Dennoch konnten keine Interaktionseffekte zwischen Verwendung und empfundene Nützlichkeit, die durch strukturelle oder strategische Faktoren moderiert werden, gezeigt werden. Dies kann daran liegen, dass diese kontingenztheoretischen Faktoren im Tagesgeschäft geringere Relevanz haben und eher in langfristigen Perspektiven schlagend werden.

Limitationen:

Um State-of-the-Art-Einblicke in die Umsetzung von Performance Measurement zu erhalten, musste die Herausforderung gemeistert werden, an die Zielgruppe der Einzelhandelsmanager/innen zu gelangen. Gerade in einem Forschungsbereich, der sensible Unternehmensdaten berührt, sind Manager/innen – teils auch wegen strenger unternehmenspolitischen Vorgaben – nicht ← 261 | 262 → gewillt, Auskunft zu geben. Aus diesem Grund war die Auswahl der Einzelhandelsmanager/innen im Zuge von Großveranstaltungen ein gangbarer Weg, diese dennoch durchzuführen. Es muss jedoch darauf hingewiesen werden, dass die Repräsentativität für die gesamte österreichische Handelslandschaft nicht gegeben ist.

Eng in Zusammenhang damit steht auch das Design der Befragung. Der Kurzfragebogen, dessen Beantwortung ca. drei Minuten dauert, wurde bewusst auf Verständlichkeit und Einfachheit geprüft. Eine Mischung aus Single- und Multi-Item-Ansätzen wurde gewählt, um einerseits den Ansprüchen hochwertiger Marketingforschung gerecht zu werden und andererseits den Zeitaufwand der Manager/innen so gering wie möglich zu halten. Die explorative Datenanalyse zeigte jedoch, dass bei heiklen Themengebieten wie unternehmensbezogenen Informationen zahlreiche (ca. 20 %) der Fragebögen nachträglich wieder exkludiert werden mussten, da diese den Kriterien der Analyse nicht Stand hielten. Manager/innen weigerten sich, Zugehörigkeit zur Branche, Berufserfahrung oder Unternehmensperformance anzugeben. Weiters wurden „Self-Reporting“-Skalen gewählt, die Tendenz zur „verschönerten Lage“ der tatsächlichen Situation hat. Daraus entstehen Reliabilitäts- und Validitätsprobleme.

Ein weiterer Punkt, der die gesamte Analyse betrifft, sind die Grundvoraussetzungen, die für die statistischen Tests vorliegen müssen. Während durchgehend auf Varianzhomogenität geachtet wurde und bei deren Verletzung auf nicht-parametrische Tests ausgewichen wurde, so wurde das Kriterium der Normalverteilung nur im Hintergrund beachtet, das Varianzanalysen als relativ robust gegen die Verletzung der Normalverteilungsvoraussetzungen gelten (Rudolf/Müller 2004, 80).

7.2  Conjoint Analyse

Die Analyse von Entscheidungsprozessen – egal ob im Managementkontext oder auf Konsument/innenebene – stehen seit langem im Forschungsinteresse von Marketingforscher/innen (bspw. Simon 1959). Doch um „Black-Box“ im Sinne von verhaltensorientierten S-O-R-Modellen entschlüsseln zu können bedarf es mehrerer Schritte. Abbildung 56 stellt einen Versuch dar, die Entscheidungssituation von Einzelhandelsmanager/innen nachzubilden. ← 262 | 263 →

Abbildung 56:  Paradigma – Entscheidungswahl (in Anlehnung an Rao 2014, 2)

img

Basierend auf kontingenztheoretischen Überlegungen, werden auf der Top-Management Ebene die strategische Orientierung der Gesamtunternehmung und die Ausgestaltung der Marketing Mix-Komponenten festgelegt. Die Informationen werden an die Store Ebene kommuniziert. Der Adressat, zumeist die Store Manager bzw. Store Managerin, erhalten diese Stimuli in Form von Reports, wobei individuelle Komponenten, wie Werte oder Erfahrungen, vorliegen und für den weiteren Prozess ausschlaggebend sind. Es entstehen individuelle Nutzen- und Präferenzausprägungen, die dann zur Entscheidungswahl– je nach situativem Kontext – beitragen.

Vignettendesigns in Form von Conjoint Analysen setzen genau an diesem Punkt an und versuchen, individuelle Nutzenausprägungen bei unterschiedlichen strategischen Richtungen zu identifizieren und somit Urteilsbildungen in komplexen Situationen nach bestimmten Kriterien nachvollziehbar zu machen (Beck/Opp 2001, 285). Die Untersuchung fokussiert sich auf das individuelle Entscheidungsverhalten und die normative Einstellung, wobei als zentrales Konstrukt die Variable „Präferenz“ definiert wird (Fischer 2001, 8; Steiner/Atzmüller 2006, 118). Sehen Manager/innen ein Set an Kennzahlen als nützlich bzw. geeignet an, externe Faktoren abzubilden, bzw. sind sie mit der zur Verfügung gestellten Information zufrieden, wirken diese Kennzahlen auch entscheidungsunterstüt ← 263 | 264 → zend im Entscheidungsprozess (Mintz/Currim 2013, 32). Methodisch gesehen reiht sich die vorliegende Studie als statistisch experimentelles Designs ein (Malhotra 2014, 255), wodurch diese externen Faktoren statistisch kontrolliert werden können (Atzmüller/Steiner 2010, 129). Zentrale Begriffe für conjointanalytische Zugänge sind:

Tabelle 68:  Grundbegriffe der Conjoint Analyse

BegriffDefinition
Eigenschaften des Beurteilungsobjekts (+ Ausprägungen)Subjektive Ausprägung, die durch Einschätzung der Untersuchungsperson bewertet wird; unterschiedlichen Eigenschaftsausprägungen werden individuelle Nutzenausprägungen zugeschrieben (Erhardt 2009, 33)
StimulusReiz, der bei der Untersuchungsperon eine Reaktion im Sinne eines Präferenzurteils auslöst (Kaltenborn 2013, 7–8)
NutzenQuantitatives Maß, das das Level der individuellen Bedürfnisbefriedigung für ein Objekt anzeigt; ist nicht direkt beobachtbar, sondern wird aus den Präferenzurteilen indirekt abgeleitet (Christl 2007, 29)
PräferenzSubjektive Vorteilhaftigkeit eines oder mehrerer Objekte gegenüber anderen Objekten; relativierendes Konstrukt (Fischer 2001, 11)

Die Conjoint Analyse baut auf der Annahme eines deterministischen Nutzenbegriffes auf, was bedeutet, dass die Untersuchungspersonen eine sichere Bewertung der Stimuli vornehmen können (Christl 2007, 99). Entsprechend dem Rationalprinzip der Nutzenmaximierung, wählen Individuen aus einem Set aus Handlungsmöglichkeiten jene aus, die den größten Nutzen stiftet, um die vorab definierten strategischen Ziele zu erlangen. Dem Nutzen stehen situative Restriktionen gegenüber, wobei das Verhältnis im Entscheidungsprozess abgewogen wird und schlussendlich zur Entscheidung führt (Höser 1998, 51). Die Konstrukte Nutzen und Präferenz werden in der Literatur teilweise voneinander abgegrenzt, andere Autor/innen gebrauchen diese Begrifflichkeiten wiederum synonym. Während bspw. Fischer (2001, 11) Präferenz als dem Nutzen vorgelagertes Konstrukt diskutiert, wird von zahlreichen Autor/innen die Position vertreten, dass auf die Nutzenbewertung die Präferenzbildung folgt und daraus die Auswahlentscheidung abgeleitet wird (Christl 2007, 30; Rao 2014, 2). In der vorliegenden Arbeit wird der letzten Position Folge geleistet, was auch in Abbildung 56 ersichtlich ist.

Typischerweise bilden bei der Conjoint Analyse Forschungsfragen den Ausgangspunkt, die Produkteigenschaften im Zuge neuer Produktdesigns, Produktpo ← 264 | 265 → sitionierungen oder Preissetzungsentscheidungen durch Kund/innen evaluieren, um kund/innenseitig Akzeptanzraten und unternehmensseitig Marktanteile zu erhöhen (Kaltenborn 2013, 4). Breiter gefasst sind die Einsatzgebiete der experimentellen Vignettendesigns in der Soziologie, in der durch faktorielle Untersuchungen spezifische Einstellungen und Meinungen mittels Vignetten erhoben werden (Steiner/Atzmüller 2006, 117). Doch auch in der Marketingforschung finden sich mittlerweile zahlreiche andere Anwendungsgebiete für diese Methode (vgl. hierzu Rao 2014, der einen aktuellen umfassenden Überblick gibt; Wason et al. 2002, der Vignetten-Untersuchungen in der Marketingforschung diskutiert). Im vorliegenden Projekt liefert die quantitativ empirische Untersuchung Antworten auf folgende Fragen:

  Welche Kennzahlen-Sets sind für die Einzelhandelsmanager/innen in welchem Umfang attraktiv? Welches Set wird am Nützlichsten eingestuft?

  Können Zielgruppen definiert werden, die sich in der Einschätzung von Nutzenausprägungen der Kennzahlen-Sets voneinander unterscheiden?

Das Basismodell gestaltet sich wie folgt:

Abbildung 57:  Conjoint Befragung: Basismodell

img

Doch nicht nur die Anwendungsgebiete der Conjoint Analyse sind breit gefächert. Auch die methodische Annäherung gestaltet sich zunehmend diversifiziert (Albers 2000, 221). Entstanden aus der Disziplin der mathematischen Psychologie durch Luce/Tukey (1964), wurde die Conjoint Analyse ein von Green/Rao (1971) ← 265 | 266 → zu Beginn der 1970er Jahre in die Marketingforschung eingeführt. Danach wurde die Methode fortschreitend adaptiert18. Grund dafür ist vor allem die technologische Weiterentwicklung von Software-Programmen. Immer wieder gibt es Versuche, die einzelnen Methoden innerhalb eines empirischen Projekts einander gegenüber zu stellen, um so die Vor- und Nachteile transparent zu machen und Unterschiedlichkeiten herauszuarbeiten (bspw. Christl 2007; Erhardt 2009). Aus forscherischer Perspektive gilt aber auch hier: Die Wahl der Methode stützt sich auf die zugrunde liegende Forschungsfrage und Realisierbarkeit in der Umsetzung. Im vorliegenden Kapitel wird nur jene Methode im Detail diskutiert, die auch für das Untersuchungsdesign relevant ist. Weiterführend gibt Rao (2014, 28 und 345) einen umfassenden Überblick der methodischen Entwicklungen und Ausblick für die Zukunft.

7.2.1  Conjoint Befragung: Konzeption und Ablauf

Folgende Abbildung zeigt einen idealtypischen Ablauf einer Conjoint Analyse wider. Die einzelnen Schritte werden für das vorliegende Projekt reflektiert und diskutiert.

Abbildung 58:  Idealtypischer Ablauf der Conjoint Analyse (Weiber/Mühlhaus 2009, 44)

img

← 266 | 267 →

7.2.1.1  Auswahl der Eigenschaften und deren Ausprägungen

Die zu beurteilenden Eigenschaften stellen das zentrale Kriterium für den Erfolg und die Durchführbarkeit der Conjoint Analyse dar, da darauf aufbauend die Präferenzurteile der Untersuchungsurteile gebildet werden (Christl 2007, 102). Neben Kreativtechniken wie Brainstorming für die Ermittlung potenzieller Merkmalsausprägungen, werden auch analytisch-systematische Methoden wie die Repertory-Grid-Technik, bei der unterschiedliche Produktkonzepte gegenübergestellt werden und somit maßgebliche Eigenschaften im Vorfeld erfasst werden, angewendet, um entscheidende Merkmale zu identifizieren (Kaltenborn 2013, 31–33; Weiber/Mühlhaus 2009, 50).

Bei der Auswahl der Eigenschaften und Ausprägungen müssen folgende Ebenen berücksichtigt werden: Anwender-, Subjekt- und Modellebene.

Abbildung 59:  Anforderung an die Auswahl von Eigenschaften und Ausprägungen bei der Conjoint Analyse (Rao 2014, 45; Weiber/Mühlhaus 2009, 46)

img

  Anwenderebene: Unabhängig sind Eigenschaften, wenn sie empirisch unabhängig sind, also nicht miteinander korrelieren. Weiters müssen sämtliche Eigenschaften identifiziert werden, die für die Entscheidungssituation maßgeblich und relevant sind. In diesem Zusammenhang kommt das Garbage-in–Garbage-out-Prinzip, das bereits in Kapitel 1 diskutiert wurde, zum Tragen. Denn wird zu Beginn des Forschungsprozesses verpasst, realitätsnahe Entscheidungssituationen nachzubauen, so werden die Ergebnisse am Ende der Analyse wenig anwendungsbezogene Ergebnisnutzung liefern können (Kaltenborn 2013, 27). Eng damit verbunden ist auch, dass die Eigenschaften ← 267 | 268 → für die Entscheidungsperson steuerbar und beeinflussbar sein müssen und in weiterer Folge auch in der Realität umgesetzt werden können (Weiber/Mühlhaus 2009, 47).

  Subjektebene: Präferenzrelevant sind Eigenschaften dann, wenn eine Veränderung der Ausprägung auch zu Änderungen in der Präferenzstruktur führen. Bezugnehmend auf die Komplexitätstheorie unterliegt die Auswahl der Eigenschaften kognitiven Restriktionen, was in eine Beschränkung der Information auf ein annehmbares Maß mündet. Weiters werden zeitliche Restriktionen genannt (Höser 1998, 58).

  Modellebene: Conjoint-analytische Modelle unterstellen zumeist kompensatorische Beziehungen, was bedeutet, dass schlechtere Eigenschaftsausprägungen durch bessere Merkmalsausprägungen ausgeglichen werden. Dadurch lassen sich die ermittelten Teilnutzenwerte additiv zu einer Gesamtbeurteilung bewerten. Es werden jedoch auch andere Modelle wie Idealpunktmodell oder Vektormodell diskutiert, falls diese Anforderung nicht erfüllbar ist. Unter Präferenzunabhängigkeit versteht man, dass der Nutzen einer Eigenschaftsausprägung nicht von einer anderen abhängig ist (Kaltenborn 2013, 29). Diese Voraussetzung ist notwendig, wenn im Zuge der Untersuchung reduzierte Designs angewendet werden (s. unten). Der letzte Punkt, nämlich das Vorhandensein von Ausschlusskriterien, wird in der Literatur unterschiedlich diskutiert. K. O. Kriterium werden zumeist als nicht akzeptabel für Conjoint Analysen angesehen (Weiber/Mühlhaus 2009, 49). Neben genügend vielen Freiheitsgraden, die notwendig sind, um das Modell auf der Individualebene schätzen zu können, soll auch der Vorhersagefehler möglichst gering gehalten werden. Dies führt dazu, dass eine genügend große Anzahl an unterschiedlichen Profilen zur Bewertung vorgelegt werden muss (Rao 2014, 45).

In einem direkten Verfahren wurden im Zuge der vorangegangen explorativen Phase die relevanten Eigenschaften und deren Ausprägungen identifiziert. Der systematische Literaturüberblick und die problemzentrierten Interviews lieferten eine „Hit-List“ an Handelskennzahlen, die in nicht-finanzielle und finanziell orientierte Kennzahlen einerseits und in die Bereiche Sortiment, Kund/innen, Mitarbeiter/innen andererseits geteilt wurden. Außerdem ist der zeitliche Abstand des Reportings ein zentrales Kriterium. ← 268 | 269 →

Abbildung 60:  Konzeptionelles Modell – Conjoint Analyse

img

7.2.1.2  Präferenzmodell

Präferenzmodelle beschreiben jene Bewertungsmechanismen der Probanden, mit denen die Eigenschaftsmerkmale evaluiert werden und schließlich zur Entscheidung führen. Wichtig an dieser Stelle ist darauf hinzuweisen, dass die Kenntnis a priori, also vor der Untersuchung, festgelegt werden müssen, um bspw. Parameterschätzungen durchführen zu können (Christl 2007, 112). Es gilt dabei vereinfachend die Annahme, dass rationale Beurteilungen für die vorliegende Fragestellung möglich sind.

Tabelle 69:  Auswahl an Modelltypen bei der Conjoint Analyse (Bichler/Trommsdorff 2009, 61; Rao 2014, 43)

ModellAusprägungSchätzmethode
TeilnutzenwertmodellDiskret und kontinuierlich (kategorial und metrisch)Dummy-Variablen-Regression
Lineares VektormodellKontinuierlich (metrisch)Multiple Regression
IdealpunktmodellKontinuierlich (metrisch)Multiple Regression

img

Die einfachste Variante ist es, sich auf das Teilnutzenwertmodell zu stützen, da dieses Modell als am Flexibelsten angesehen wird und daher mit einer geringeren Anzahl an Freiheitsgraden einhergeht (Bichler/Trommsdorff 2009, 65). Dennoch kann es gerade dann zu instabilen Ergebnissen führen, wenn bspw. zu wenige Messungen vorhanden sind. Aus diesem Grund werden gemischte Präferenzmodelle (Green/Srinivasan 1978, 106) empfohlen, die die Bewertungsmechanismen optimieren. ← 269 | 270 →

U=β0 +Teilnutzenfunktion von Eigenschaften mit kategorialen Ausprägungen + Teilnutzenfunktion von Eigenschaften des Vektor-Typs + Teilnutzenfunktion von Eigenschaften des Idealpunkt-Typs

Nachdem die angeführten Eigenschaften und deren Ausprägungen allesamt nominalskaliert sind, stützt sich die vorliegende Arbeit auf das Teilnutzenwertmodell.

7.2.1.3  Untersuchungsansatz und Erhebungsdesign

Für die Untersuchung wurde ein Vollprofil-Ansatz gewählt: Den Untersuchungspersonen werden Profile vorgelegt, die allesamt alle Eigenschaftsausprägungen enthalten (Kaltenborn 2013, 7–8). Im Gegensatz dazu stehen Teilprofile (auch Zwei-Faktor-Methode genannt), bei denen jeweils nur zwei Eigenschaften gegenübergestellt werden.19 Tabelle 70 zeigt Verfahrensvarianten kompakt auf.

Tabelle 70:  Überblick der methodischen Vielfalt in der Conjoint Analyse20(Christl 2007, 170; Kaltenborn 2013, I; Rao 2014, 127)

VerfahrensvarianteZusammenfassende Darstellung
Traditionelle Conjoint Analyse (TCA)Präferenzdaten auf Basis von Ranking, Paarvergleichen, Ratings etc.; De-kompositionelle Methode

Basis für die zugrunde liegende Untersuchung
Hybrider Ansatz:

Customized Conjoint-Analysis (CCA)

Customized Computerized Conjoint-Analysis (CCC)

Adaptive Conjoint Analyse (ACA)

Hierarchische individualisierte Limit Conjoint Analyse (HILCA)
Beschreibung: Kombination aus kompositioneller und de-kompositioneller Methode

Anwendung:

Schritt 1: Wichtigkeit der Eigenschaftsausprägungen eruieren (de-kompositioneller Teil)

Schritt 2: Reduziertes Design im Zuge einer kompositionellen Methode bewerten lassen

Vorteil: Untersuchung einer größeren Anzahl an unterschiedlichen Eigenschaften ohne kognitive Überlastung

Nachteil: Methodische und zeitliche Zweiteilung des Designs

Ausschlusskriterium: Manager/innenbefragung nicht in zweigeteilten Design umsetzbar ← 270 | 271 →
Choice Based Conjoint Analyse (CBC)

Adaptive Choice Based Conjoint Analysis (ACBC)

Hybrid individualized two-level choice based conjoint (HIT-CBC)

Best-Worst Conjoint-Analysis
Beschreibung: Beobachtung von Auswahlentscheidungen, nicht individueller Nutzen basierend auf Ranking/Rating;

Anwendung: Verbindet Eigenschaftsausprägungen mit Wahrscheinlichkeitsfunktion, mit der Entscheidungsauswahl fällt

Ausschlusskriterium: Nicht Forschungsziel der Arbeit; es soll nicht gezeigt werden, aus welchem Set gewählt wird, sondern welcher individuelle Nutzen gezogen wird.

Weiters ist die Auswahl zwischen vollständigen und reduzierten Designs zu treffen, wobei im vorliegenden Fall auf ein reduziertes Design zurückgegriffen wird.

  Vollständige Designs: Der Untersuchungsperson liegen alle Eigenschaftsausprägungen in unterschiedlichen Kombinationen vor, was bei mehreren zu bewertenden Eigenschaften rasch zur Überforderung des Probanden führt.

  Reduzierte Designs: Mit Hilfe eines experimentellen Auswahlverfahrens werden „zweckmäßige Teilprofile“ erstellt und vorgelegt. Damit reduziert sich der kognitive und zeitliche Aufwand für die einzelnen Probanden bei gleichzeitiger Identifizierung der einzelnen Nutzenwerte (Steiner/Atzmüller 2006, 132).

Das vorliegende Design nutzt die gesamte Vignettenpopulation und teilt diese experimentell in Subpopulationen auf. Aus Gründen von kognitiven und zeitlichen Restriktionen werden den Probanden lediglich Teilsets zur Bewertung vorgelegt. Das bedeutet zwar, dass ein so genannter Set-Effekt auftritt; insgesamt bleibt die Schätzung und Interpretierfähigkeit der Haupteffekte aber möglich. In diesem Zusammenhang spricht man in der Literatur von Konfundierung, „weil die vermischten (höheren) Wechselwirkungseffekte innerhalb der einzelnen Sets nicht schätzbar sind, sondern nur über alle Sets hinweg“ (Steiner/Atzmüller 2006, 126). Aus diesem Grund stützt sich die Untersuchung auf ein in der Literatur auch unter Resolution IV bekanntes Design. Dieses besitzt aber auch Nachteile: Informationsverlust hinsichtlich höherrangiger Interaktionseffekte, Rigidität und die Komplexität in der Erstellung werden angeführt (Steiner/Atzmüller 2006, 133). Mithilfe des Federov-Algorithmus konnten die ursprünglich 256 Kennzahlen-Set-Kombinationen auf 18 reduziert werden (D-Effizienz: 0,12). ← 271 | 272 →

7.2.1.4  Konstruktion der Stimuli

Die verwendeten Stimuli sollen so realistisch wie möglich dargestellt werden. Weiber/Mühlhaus (2009, 53–54) diskutieren mögliche Darstellungsformen. Als beste Präsentationsform der Stimuli wird eine Kombination aus schriftlich verbaler und bildlicher Illustration gesehen, was zu Validitätssteigerungen führt (Fischer 2001, 84). Im vorliegenden Projekt werden die einzelnen Set-Karten verbal formuliert. Zusätzlich werden bildliche Akzente platziert, um die Aufmerksamkeitsspanne zu erhöhen. Auch Kontexteinflüsse, wie die wahrgenommene Aufgabenkomplexität, kognitive Fähigkeiten und Vorkenntnisse der entscheidenden Person und das Level an Involvement, müssen berücksichtigt werden (Höser 1998, 87). So werden Einzelhandelsmanager/innen bedingt durch Berufserfahrung und Gewohnheiten im alltäglichen Handelsgeschäft Informationen unterschiedlich bewerten. Aus diesem Grund wird bspw. abgefragt, in wie fern Vorkenntnisse im Bereich Performance Measurement vorhanden sind. Weiters wird das Interesse an der Fragestellung evaluiert.

Als Beurteilungsskala wird eine extrempunktnotierte Skala mit fünf Ausprägungen gewählt. Wie von Beck/Opp (2001, 289) angesprochen, gelten die Anzahl der Ausprägungen und deren Benennungen als kritisch für die weitere Analyse. Sie kommen zu dem Schluss, dass bei Urteilen, die detailliert ausfallen, mehr Kategorien sinnvoll sind. Nachdem es keine methodischen Erfahrungswerte für die vorliegende Problemstellung gibt, wird auf eine Beurteilungsskala – angelehnt an das Schulnotensystem – mit fünf Ausprägungen herangezogen.

7.2.1.5  Bewertung der Stimuli

Anzahl der Vignetten richtet sich sowohl an zeitliche Restriktionen als auch an die Größe der Befragungsstichprobe aus (Beck/Opp 2001, 290). Pretests erfolgten mit Expert/innen aus der Praxis im Bereich Handel und Controlling (n=2), Studierenden eines Bachelorkurses mit Schwerpunkt Kennzahlen im Einzelhandel (n=30) und Personen aus der Wissenschaft. Sie lieferten zahlreiche Inputs für Verfeinerungen und führten schließlich zu folgendem Design. Im Vignetten-Fragebogen wurden zuerst die Vignetten generell beschrieben und definiert. Im Anschluss daran wurde erklärt, wie die Beurteilung durchgeführt werden soll (Anhang D). Insgesamt wurden jedem Probanden 18 unterschiedliche Sets (und ein zusätzliches „Probe“-Set) vorgelegt.

Die Stimulus-Manipulation sollte so stark und verständlich wie möglich sein. Aus diesem Grund wird die Einbettung in ein Szenario als sinnvoll erachtet. Die Probanden sollten sich eine Real Life-Situation bestmöglich visualisieren, um sich auch mit der Fragestellung identifizieren zu können. Die Ausgangsbasis lie ← 272 | 273 → ferten die Erkenntnisse von Anderson et al. (1997, 140). Es wurden zwei große österreichische Einzelhandelsunternehmen verschiedener Branchen ausgewählt und deren Unternehmensstrategie der Firmenhomepage in die Fallbeschreibung einbezogen. Die Probanden sollten sich vorstellen, Marktleiter/in von einer Filiale dieses Unternehmens zu sein.

  Szenario 1: Serviceorientiertes Bekleidungsunternehmen

  Szenario 2: Lebensmitteleinzeldiskonter mit Fokus auf Produkt- und Kostenorientierung

Um zu überprüfen, ob die Proband/innen die Zielorientierung der jeweiligen Unternehmen auch verstanden haben, wurde nach dem Einleitungstext eine Aufmerksamkeitsfrage (attention check) eingebaut. Nachdem die Komplexität der Fragestellung als hoch einzustufen ist und die Pretests zeigten, dass die Probanden erst nach ein paar Kennzahlen-Sets für sich persönliche Nutzenpräferenzen identifizieren konnten, wurden folgende Hilfestellungen eingebaut: Einerseits wurde zu Beginn ein Beispiel gegeben, das sozusagen als „Probelauf“ anzusehen war. Weiters wurde darauf hingewiesen, dass das Benutzen eines „Zurück-Befehls“ erlaubt ist. Auch wenn dies in der Online-Forschung kritisch beleuchtet wird, so wurde nach einigen Expert/innengesprächen beschlossen, diese Funktionalität zuzulassen, die im Endeffekt auch eine Art Attention Check bildet. Abschließend wurden die einzelnen Kennzahlen bei jedem Set in einer Fußnote erklärt, um Missverständnisse zu vermeiden.

7.2.2  Conjoint Befragung: Hypothesen und methodischer Steckbrief

H1Conjoint untersucht den Fit zwischen Nützlichkeitsausprägung, Performance Measurement und kommunizierter Zielsetzung der Unternehmen. Es ist davon auszugehen, dass Service- und Kund/innenorientierung einen erhöhten Nutzen in nicht-finanziellen Kennzahlen haben, um strategiekonform zu agieren. Andererseits führen Preis- und Kostenführerschaft zu Effizienzorientierung und einer stärkeren Berücksichtigung finanzieller Kennzahlen.

Um tiefere Einblicke in das Geschehen im Handelsalltag zu haben, werden auf der Individualebene umfangreichere Sets als nützlicher angesehen als kompakte (H2Conjoint).

Die Aktualität der Berichterstattung beeinflusst die Nützlichkeitsausprägung (H3Conjoint): Entsprechend der zugrunde liegenden Strategie werden bei serviceorientierter Strategie zeitnahe Information, die sowohl finanzielle als auch nicht-finanzielle Bestandteile kombiniert darstellen, als nützlicher angesehen. Im Gegensatz dazu führt Kostenorientierung zu einer stärkeren Fokussierung hinsichtlich finanzieller Information. ← 273 | 274 →

Tabelle 71:  Conjoint Befragung: Hypothesenkatalog

Nr.Hypothese
H1aConjoint:Bei serviceorientierter Strategie werden ausbalancierte Sets gegenüber nicht-ausbalancierten Sets als nützlicher eingeschätzt.
H1bConjoint:Bei kostenorientierter Strategie werden nicht-ausbalancierte Sets gegenüber ausbalancierten Sets als nützlicher eingeschätzt.
H2Conjoint:Umfangreichere Kennzahlen-Sets werden gegenüber kompakten Kennzahlensets als nützlicher eingeschätzt.
H3aConjoint:Bei serviceorientierter Strategie werden zeitnah zur Verfügung gestellte ausbalancierte Sets im Vergleich zu weiterweg liegender Bereitstellung als nützlicher eingeschätzt.
H3bConjoint:Bei kostenorientierter Strategie werden zeitnah zur Verfügung gestellte nicht-ausbalancierte Sets im Vergleich zu weiterweg liegender Betrachtung als nützlicher eingeschätzt.

Umgesetzt wurde das Projekt in Form einer Online-Befragung mit der Befragungssoftware QUALTRICS im PC Lab der Wirtschaftsuniversität Wien. Die Grundgesamtheit bildeten alle WU Studierenden, die sich mindestens im zweiten Abschnitt des Bachelorstudiums befinden. Damit kann ein gewisses Kennzahlenwissen vorausgesetzt werden. WU Studierende als zukünftige Manager/innen im Handel geben Einblicke über das Denken in Entscheidungssituationen und gelten somit als erste Annäherung für die Problemstellung. Als finanzieller Anreiz erhielten die Studierenden 10 € für die Befragungssituation finanziert aus Budgetmitteln der Wirtschaftsuniversität Wien.

Tabelle 72:  Conjoint Befragung: Methodischer Steckbrief

CharakterisierungsmerkmalDesignspezifische Ausprägung
UntersuchungsgegenstandIndividueller Nutzen von Performance Kennzahlen
ForschungsinstrumentOnline-Befragung mit QUALTRICS (Conjoint Analyse)
DatenanalysesoftwareAnalysesoftware R 3.1.0; Analysesoftware PASW Statistics 18
DatenanalyseAllgemeines lineares Modell mit Messwiederholung
Pretestn=5 Handels- und/oder Controllingexperten aus Wissenschaft und Praxis; n=30 Studierende (Fokus: Handel und Marketing)
BefragungsortPC Lab der Wirtschaftsuniversität Wien
ErhebungsperiodeJuni 2014 ← 274 | 275 →
GrundgesamtheitStudierende der Wirtschaftsuniversität Wien (Bachelorstudium: 2. Studienabschnitt; Masterstudium)
StichprobenauswahlverfahrenZufallsauswahl (Adressiert über WU-Verteiler)
Stichprobengrößen=217 (davon n=110 Treatment Service- und Kund/innen-orientierung, n=107 Treatment Kosten- und Preisführerschaft)

Für die vorliegende Fragestellung werden Regressions- bzw. Varianzanalyse unter Berücksichtigung des Blockeffekts, Unbalanciertheit und Seteffekte als adäquate Methoden angeführt (Steiner/Atzmüller 2006, 128–130). In diesem Zusammenhang verbinden Gemischte lineare Modelle die Verfahren der Varianz- und der Regressionsanalyse. „Grundsätzlich besteht das Allgemeine lineare Modell in einer Erweiterung der Modelle der multiplen Korrelations- bzw. Regressionsanalyse dahingehend, dass die unabhängigen Variablen bzw. Faktoren der Varianzanalyse in den Regressionsanasatz integriert werden“ (Rudolf/Müller 2004, 84). Auf das Within-Subject-Design wurde mittels Messwiederholung Rücksicht genommen.

7.2.3  Conjoint Befragung: Darstellung der Ergebnisse und Hypothesenprüfung

Zwei Drittel der Befragten sind neben ihrem Studium berufstätig (Abbildung 61). Davon sind jeweils 11 % im Handel bzw. im Bank- und Finanzsektor beschäftigt, weitere 14 % im Servicebereichen wie Gastronomie und 5 % üben Beratungstätigkeiten aus. Der Rest teilt sich in unterschiedliche studentische Nebenjobs, die keinem der angegebenen Sektoren zugewiesen werden können, auf. Da der Fokus auf Studierende gelegt wurde, die einen fortgeschrittenen Studienabschnitt vorweisen, lag der Altersschnitt bei ca. 24 Jahren. Davon hatten 26 % ihr Bachelorstudium bereits absolviert, weitere 8 % gaben an, ein Master- bzw. Magisterstudium abgeschlossen zu haben. Zwei Drittel der Befragten befindet sich noch im Bachelorstudium an der Wirtschaftsuniversität Wien. 47 % sind männlich, 53 % weiblich. ← 275 | 276 →

Abbildung 61:  Conjoint Befragung: Arbeitsstunden pro Woche (n=215)

img

Im Durchschnitt dauerte die Befragung 10 Minuten. 60 % der Befragten gaben an, dass die Fragestellung per se interessant war. Obwohl prinzipiell Interesse für Kennzahlen angenommen werden kann, zeigt sich auf einer Skala von „1=Sehr einfach“ bis „5=Sehr schwer“, dass je ein Drittel der Befragten die Fragestellung als einfach, mittelmäßig bzw. schwer empfanden. Dies spiegelt sich auch durch die Variable „Anspruch“ wieder (Abbildung 62). Nachdem die vorliegende Arbeit als Pilotstudie eingestuft wird, war weiters wichtig, über die Auswahl der Kennzahlen eine Einschätzung zu erhalten. Prinzipiell war die Hälfte der Befragten damit zufrieden, ein weiteres Drittel steht der Auswahl mittelmäßig zufrieden gegenüber.

Abbildung 62:  Conjoint Befragung: Subjektiv empfundene Aufgabenkomplexität (n=217)

img

← 276 | 277 →

Die Analyse zeigt, dass die Haupteffekte der unabhängigen Variablen Aktualität und der finanziellen und nicht-finanziellen Kund/innenkennzahlen, der finanziellen Sortimentskennzahlen und der finanziellen und nicht-finanziellen Mitarbeiter/innenkennzahlen hochsignifikant sind (p<0,01). Die einzige Kennzahl, die keine signifikante Auswirkung hat, ist die zur Verfügung gestellte nicht-finanzielle Sortimentskennzahl (p=0,539). Der moderierende Effekt der Strategieausrichtung hat auf die Nützlichkeitseinschätzung keine signifikante Auswirkung (p=0,089). Es treten jedoch signifikante Interaktionseffekte in Hinblick auf die Aktualität der bereitgestellten Reports (p<0,05) und hinsichtlich der zur Verfügung stehenden finanziellen Sortimentskennzahlen (p<0,05) und nicht-finanziellen Kund/innenkennzahlen (p<0,05) auf. 21

Tabelle 73:  Conjoint-Befragung – Ergebnisse gemischtes lineares Modell (GLM) (*p<0,05; **p<0,01)

img

← 277 | 278 →

In der Untersuchung wurden den Probanden die unterschiedlichen Kennzahlen entweder explizit vorgelegt (Abbildung 63; hellgrau hinterlegt) oder darauf hingewiesen, dass diese nicht an den Filialleiter bzw. die Filialleiterin kommuniziert werden (Abbildung 63; dunkelgrau).22 Nachfolgende Abbildung zeigt im Detail, wie sich die Nutzenausprägungen verändern, je nachdem, ob eine Kennzahl im Set vorhanden ist oder nicht. Dabei bildet „empfundene Nützlichkeit“ die abhängige Variable. Die Skala ist von „1=Sehr nützlich“ bis „5=Gar nicht nützlich“ zu lesen.

Abbildung 63:  Conjoint-Befragung: Nutzenausprägungen der Kennzahlen-Sets (n=217)

img

Abbildung 63 ist wie folgt zu interpretieren: Die Probanden sehen es durchgehend als nützlicher an, Kennzahlen bereitgestellt zu bekommen als gänzlich darauf zu verzichten, was durch den Unterschied von hell- zu dunkelgrauen Balken bei der jeweiligen Kennzahlendimension abzulesen ist. Den größten Nutzen stiftet mit einem Mittelwert von 2,26 die Bereitstellung der finanziellen Sortimentskennzahl „Umsatz/Absatz“, gefolgt von der nicht-finanziellen Kund/innenkennzahl „Kund/innenzufriedenheit“ (M=2,34) und der nicht-finanziellen Mitarbeiter/innenkennzahl „Mystery Shopper Evaluierung“. Wird jedoch die finanzielle Sortimentskennzahl „Umsatz/Absatz“ nicht bereitgestellt, wird dies mit einer Nutzenausprägung von 2,78 als am ungünstigsten eingeschätzt. Gleichzeitig bedeutet das, dass es einen hochsignifikanten Unterschied in der ← 278 | 279 → Nutzenausprägung zwischen Bereitstellung und Nicht-Bereitstellung bei dieser Kennzahl gibt. Auch bei Kund/innenkennzahlen und Mitarbeiter/innenkennzahlen sind hier hochsignifikante Unterschiede ersichtlich. Einzig die nicht-finanzielle Sortimentskennzahl „Out-of-Stock-Rate“ zeigt keine signifikanten Unterschiede hinsichtlich der Bereitstellung oder Nicht-Bereitstellung und spielt mit einem Mittelwert von 2,51 bei Bereitstellung bzw. 2,53 bei Nicht-Bereitstellung eine untergeordnete Rolle.

In einem nächsten Schritt wird die Aktualität der Bereitstellung analysiert (Abbildung 64). Monatliche Bereitstellung liefert die höchste Nutzenausprägung (M=2,31; SD=0,75), gefolgt von wöchentlicher Bereitstellung (M=2,49; SD=0,63). Tägliche (M=2,66; SD=0,63) und jährliche Bereitstellung (M=2,62; SD=0,97) werden in etwa gleich (un)nützlich eingeschätzt.

Abbildung 64:  Conjoint Befragung: Aktualität der Bereitstellung (n=217)

img

Insgesamt können signifikante Unterschiede in der Aktualität der Bereitstellung von Kennzahlen nachgewiesen werden (Fdf(2,33)=13,99; p<0,01; η²=0,06). Die Stärke des Effekts kann mit einem η² von 0,06 als schwach eingestuft werden. Zwischen den Gruppen gibt es keine Unterschiede (Fdf(2,33)=1,64; p=0,19). Zwischen täglicher, wöchentlicher und monatlicher Bereitstellung werden signifikante Unterschiede identifiziert (p<0,01). Monatliche Bereitstellung unterscheidet sich zusätzlich auch signifikant zur jährlichen Bereitstellung (p<0,01). ← 279 | 280 →

Tabelle 74:  Conjoint Befragung: Aktualität der Bereitstellung (t-Test)

img

Der Umfang an Kennzahlen wirkt sich signifikant auf die Nutzeneinschätzungen aus (Fdf(2,54)=54,90; p<0,01; η²=0,20). Auch zwischen den Gruppen gibt es nachweisbar signifikante, wenn auch äußerst schwache Effekte in der Einschätzung der Nützlichkeit (F (1, 216) = 4,70, p<0,05; η²=0,02).

Interessant ist hier vor allem der Unterschied der ersten Faktorstufe zwischen den Blöcken23: In der Befragung wurde die tägliche Bereitstellung von Umsatz und Absatz als singuläre Kennzahl abgefragt. Kosten- und Serviceorientierung führen dazu, dass diese, wohl in der Handelspraxis übliche Vorgehenswise mit einem Mittelwert von 2,60 (SD=1,36) auch vergleichsweise nützlich eingeschätzt wird. Service- und Kund/innenorientierung hingegen lassen diese Form der Bereitstellung als eher unnützlich erscheinen (M=3,30; SD=1,15). Dies ist auch der einzig signifikante Unterschied zwischen den Gruppen „Service- und Kundenorientierung“ und „Kosten- und Preisführerschaft“ (t=4,06; p<0,01). Schließlich zeigt der Umfang der bereitgestellten Kennzahlen-Sets, dass umfangreiche Sets mit fünf Kennzahlen in beiden Gruppen die höchsten Nützlichkeitswerte aufweisen (M=1,87, SD=0,74). ← 280 | 281 →

Abbildung 65:  Conjoint Befragung: Umfang der Bereitstellung (n=217)

img

Diese einzelnen Ergebnisse führen im letzten Analyseschritt zur Evaluierung unterschiedlicher Kennzahlensets in ihrer Gesamtheit. Es zeigen sich folgende signifikante Ergebnisse (Fdf(10,37)=34,30; p<0,01; η²=0,14). Am nützlichsten werden Berichtsarten bewertet, die umfassend sind und die Dimensionen Sortiment, Kund/innen und Mitarbeiter/innen verbinden. Diese sollten aber idealerweise im Monatsrhythmus kommuniziert werden. Eine tägliche Bereitstellung mindert die Einschätzung der Nützlichkeit. Aus diesem Grund werden die Kombination (1) monatliche Berichte über Umsatz/Absatz, Out-of-Stock, Ausgaben pro Kunde und Umsatz pro Mitarbeiter, (2) monatliche Berichte über Umsatz/Absatz, Kundenzufriedenheit und Mystery Shopper, (3) jährliche Berichte über Umsatz/Absatz, Ausgaben pro Kunde, Kundenzufriedenheit, Umsatz pro Mitarbeiter und Mystery Shopper und (4) wöchentliche Berichte über Umsatz/Absatz, Out-of-Stock, Ausgaben pro Kunde, Kundenzufriedenheit und Mystery Shopper am Nützlichsten angesehen.

Service- und Kund/innenorientierung führt dazu, dass ein ausbalanciertes, umfangreiches Kennzahlenset auch im täglichen Kontext als nützlich angesehen wird (M=2,25; SD=1,10). Bei Effizienzorientierung hingegen wird diese Kombination im täglichen Kontext am ungünstigsten eingeschätzt (M=2,67; SD=1,07). Diese präferieren im Handelsalltag ein Kennzahlenset, dass neben finanziellen Sortimentsberichten auch Kund/innenkennzahlen evaluiert (M=2,52; SD=0,96). ← 281 | 282 →

Abbildung 66:  Conjoint Befragung: Nützlichkeit der Kennzahlensets (gesamt) (n=217)

img

← 282 | 283 →

Auch im Wochen- (M=1,86; SD=0,83) und Monatsrhythmus (M=1,76; SD=1,03) werden umfangreiche, ausbalancierte Sets bei Service- und Kund/innenorientierung bevorzugt. Die Bereitstellung von jährlichen Berichten wird – ähnlich wie auch die tägliche Bereitstellung – als mittelmäßig nützlich eingeschätzt. Kosten- und Preisführerschaft zeigen im wöchentlichen (M=1,98; SD=0,84) und monatlichen Kontext (M=1,61; SD=0,91) die höchsten Nutzeneinschätzungen bei umfangreichen Kennzahlensets. Hier ist vor allem die Kombination aus den Bereichen Sortiment und Kund/innen wichtig. Dies setzt sich auch in der jährlichen Berichtsperiode fort (M=1,85; SD=1,21).

7.2.4  Zusammenfassende Darstellung und kritische Reflexion

Wie in Kapitel 4.5 theoretisch hergeleitet, interessierten die empfundenen Nutzenausprägungen von ausgewogenen im Vergleich zu kompakten, finanzorientierten Kennzahlen-Sets. Wie die Analyse zeigt, stiften auf der Individualebene ausbalancierte Sets höheren Nutzen. Dies gilt für serviceorientierte Strategien wie für Kosten- und Preisführerschaft gleichermaßen. Daher kann H1aConjoint angenommen werden; H1bConjoint muss jedoch verworfen werden. Mit diesem Ergebnis in Einklang steht die Erkenntnis, dass umfangreichere Kennzahlensets präferiert werden (H2Conjoint). Dies muss aber kritisch hinterfragt werden. Gibt man Entscheidungsträger/innen die Möglichkeit, mehr Informationen für ihre Entscheidungen heranziehen zu können, so empfinden sie Zusatzinformation als nützlich. Das bedeutet aber noch nicht, dass Entscheidungen objektiv besser getroffen werden. Doch bei näherem Hinsehen wird ersichtlich, dass nicht jede umfangreiche Kombination als nützlich erachtet wird. Hier kommt es vor allem auf den richtigen Mix in der jeweiligen Situation an. Aus diesem Grund ist es auch nachvollziehbar, warum es keinen linearen Anstieg in der Nützlichkeitsbewertung und dem Umfangausmaß gibt. Zeitnähe und Aktualität der Bereitstellung war der letzte Punkt, der analysiert wurde. Es zeigte sich, dass monatliche Berichterstattung gefolgt von wöchentlicher Bereitstellung die attraktivste Wahlmöglichkeit ist. Die Probanden scheinen hier folgenden Kompromiss einzugehen: Auch wenn umfangreiche Information gewünscht wird, so soll diese in zeitlich längeren Abständen kommuniziert werden. Aus diesem Grund kann H3Conjoint nicht uneingeschränkt angenommen werden.

Limitation:

Auf der Individualebene gehen zahlreiche Forschungsbestrebungen in Richtung Nutzenevaluierung von Performance Measurement. Ist Erfolgsmessung aber tatsächlich in der Lage, die Realität abzubilden? Häufig wird kritisiert, dass Performance Measurement ihrer Informationsfunktion nachkommt, aber die kommunizierten Inhalte für Individuen teilweise zu umfassend sind und daher im Entscheidungsprozess nicht berücksichtigt werden. Die Ergebnisse der vorlie ← 283 | 284 → genden Studie zeigen, dass auf der individuellen Ebene ausgewogene im Vergleich zu beschränkten Kennzahlen-Sets als nützlicher empfunden werden. Dennoch darf nicht davon ausgegangen werden, dass jede zusätzliche Kennzahl, die kommuniziert wird, auch zu einer Nutzensteigerung auf der Individualebene führt. Die Wahl „passender“ Instrumente scheint hier eine Grundvoraussetzung für die anschließende „Verwendung“ von dieser Information als Entscheidungsgrundlage zu sein. Doch damit nicht genug: Auch die darauf folgende Interpretation und folgerichtige Schlussfolgerungen sind Voraussetzungen für die Umsetzung in rationale und ökonomisch sinnvolle Maßnahmen (Berger 2004, 88). Welche Handlungen die Verknüpfung einzelner Kennzahlen auf der Store Ebene auslösen, kann durch das vorliegende Studiendesign aber nicht gezeigt werden.

Kritik an der Conjoint Analyse wird in der Hinsicht geäußert, dass der Fokus auf den ausgewählten Merkmalseigenschaften liegt und der Facettenreichtum, der in der realen Welt vorherrscht ungenügend berücksichtigt wird (Jahn 2013, 12). So deckt der Stimulus nur einen Teil der Entscheidungsgrundlage ab (Demski 2008; Höser 1998, 57). Dem kann im vorliegenden Fall entgegengewirkt werden, dass durch zuvor durchgeführte qualitative Studien konsequent darauf Rücksicht genommen wurde, Praxis- und Theorienähe zu wahren. Ein weiterer Punkt, der kritisch hinterfragt werden muss, betrifft die Annahme eines rationalen Beurteilungsprozesses. Dieser unterstellt, dass kaum Verzerrungen vorliegen und dadurch Präferenzbildung transparent gemacht werden kann. Es gilt aber zu bedenken, dass eine subjektive „Psycho-Logik“ in der Regel ausgeschaltet ist und daher Heuristiken oder intuitiven Schlüssen, Emotionen oder Vorurteilen genauso in die Entscheidungsfindung einbezogen werden, die jedoch bei conjoint-analytischen Untersuchungen nicht inkludiert werden (Christl 2007, 107).

Conjoint Analysen können nicht am Schreibtisch entstehen. Sie bedürfen einer Validierung durch Untersuchungspersonen im Vorfeld. Daher müssen möglichst viele unterschiedliche Quellen herangezogen werden. Diese Studie ist ein erster Versuch der Operationalisierung, die durch zukünftige Manager/innen in fiktiven Situationen abgefragt wurde. Die Herangehensweise wurde durch Expert/inneninterviews, Pretests mit Handelsexpert/innen, Studierenden und Wissenschaftlern getestet. Die Designumsetzung passierte in mehreren Pretest-Wellen. Besonderes Augenmerk wurde auf die Verständlichkeit der Aufgabenstellung gelegt. Weiters wurde durch grafische Auflockerungen im Studienverlauf („Smilies“) der Ermüdungseffekt vermindert. Dennoch kann nicht ausgeschlossen werden, dass die Ähnlichkeit der Vignetten dazu führt, Unterschiede in der Bedeutung nicht verarbeiten zu können. Die Ergebnisse zeigen, dass die Effektstärke des vorliegenden Designs als hoch einzustufen ist. Im nächsten Schritt sollte eine Managementbefragung angedacht werden, um praxisnahe Einsichten zu erhalten ← 284 | 285 →


14  Anm: Neben dem Verfahren der Faktorenanalyse wurden auch die jeweiligen Cronbach α berechnet. Für eine weiterführende Diskussion wird auf Anhang verwiesen.

15  Anm.: Berechnungen und Werte basieren auf Yates Korrektur (Continuity Correction)

16  Anm.: 4 Zellen (25 %) haben eine erwartete Häufigkeit kleiner 5. Zusammenhang wurde mittels Exaktem Test (Monte-Carlo) berechnet.

17  Anm.: Konstruktreliabilität wird als zu gering angesehen (Cronbachs α=0,6). Daher wird jedes Item für sich betrachtet analysiert.

18  Für einen historischen Abriss der Entwicklung der Methode vgl. (Baier/Brusch 2009, 4); für eine Diskussion der Forschungsrichtung in der wissenschaftlichen Literatur vgl. Erkenntnisse durch eine Metaanalyse von Teichert & Shehu (2009, 19–36)

19  Weitere Methoden, wie der paarweise Vergleich, Selbstexplikation, adaptive oder hybride Methoden, werden aufgrund der Forschungsziele nicht näher erläutert (Rao 2014, 60–63).

20  Im Detail: Christl (2007) (umfassend), Kaltenborn (2013) (kompakt)

21  Anm.: Die Parameterschätzer werden im Anhang E präsentiert.

22  Anm.: Der genaue Aufbau der Instruktion und Fragestellung ist im Anhang D ersichtlich.

23  Anm.: Levene-Test auf Varianzhomogenität ist signifikant (p<0,05). Die Aussagen müssen daher mit Vorsicht interpretiert werden.