Die vorliegende Thesis untersucht die Auswirkungen einer von einem Technologieunternehmen wie Apple induzierten Brand Extension in den Automobilmarkt auf das Brand Image des Technologieunternehmens. Bei der angeführten Brand Extension handelt es sich um ein Automobil mit Elektroantrieb - damit tritt das Technologieunternehmen in einen sehr kompetitiven Markt mit starken und etablierten Marken wie BMW, Mercedes-Benz, Ford etc. ein. Zur Untersuchung des Einflusses dieser Brand Extension wurde eine umfassende Literaturrecherche angestellt, relevante Erfolgsfaktoren herausgearbeitet und in einen kausalanalytischen Zusammenhang überführt.
Anschließend wurden entsprechende Hypothesen abgeleitet, die unter Einsatz von IBM AMOS als Strukturgleichungsanalyse überprüft worden.
Inhaltsverzeichnis
Abbildungsverzeichnis
Tabellenverzeichnis
Abkürzungsverzeichnis
Griechisches Abkürzungsverzeichnis
1 Einleitung
1.1 Paradigmenwechsel im Automobilmarkt als Problem und die Bedrohung durch Technologieunternehmen
1.2 Formulierung einer forschungsleitenden Fragestellung
1.3 Eingrenzung auf eine zu untersuchende Technologiemarke
1.4 Gang der Untersuchung
2 Begriffe und theoretische Grundlagen
2.1 Markenrelevante Definitionen und Grundlagen
2.1.1 Grundlegende Markendefinition
2.1.2 Die Bedeutung und die Funktionen von Marken
2.1.3 Definition und Bedeutung des Brand Image
2.1.4 Definition und Bedeutung des Brand Equity
2.2 Möglichkeiten der strategischen Marken- & Produktentwicklungen
2.2.1 Perspektive nach Ansoff
2.2.2 Perspektive nach Tauber
2.3 Brand Extensions
2.3.1 Begriffliche Auseinandersetzung und Klassifizierung. von Brand Extensions
2.3.2 Vorteile und Nachteile von Brand Extensions
2.3.3 Erfolgsfaktoren von Brand Extensions
2.3.4 Eingrenzung der Erfolgsfaktoren hinsichtlich der Eignung. einer Analyse im Automobilbereich
2.3.5 Konsumentenorientierter Ansatz zur Messung des Einflusses von Brand Extensions auf den Erfolg
3 Begriffliche und methodische Grundlagen zu Strukturgleichungsanalysen.
3.1 Begriff der Theorie und der Hypothese
3.2 Die Strukturgleichungsanalyse
3.3 Der Kausalitätsbegriff
3.4 Manifeste Variablen und hypothetische Konstrukte.
3.5 Reflektive und formative Messmodelle
3.6 Anforderungen an iterative Schätzverfahren
3.7 Messniveau der Daten
4 Konzeptualisierung eines Strukturmodells und Operationalisierung der Konstrukte
4.1 Die Konzeptualisierung
4.1.1 Konzeptualisierung eines Strukturmodells
4.1.2 Ableitung und Begründung von Hypothesen
4.2 Operationalisierung der Konstrukte
4.3 Konstruktion der Messvorschrift
5 Empirische Überprüfung
5.1 Methodische Vorgehen
5.1.1 Fragebogendesign
5.1.2 Datenerhebung
5.1.3 Datenaufbereitung
5.1.4 Analyse der Stichprobe
5.2 Modellschätzung mit AMOS
5.2.1 Auswahl eines kausalanalytischen Verfahrens.
5.2.2 Analyse der Normalverteilung
5.2.2.1 Gütekriterien der univariaten und multivariaten Normalverteilung
5.2.2.2 Initiale Bewertung der Normalverteilung der GBI / PBI Modelle
5.2.2.3 Finale Bewertung der Normalverteilung der GBI / PBI Modelle
5.2.3 Durchführung und Ergebnisse der explorativen Faktoranalyse
5.2.3.1 Initiale explorative Faktoranalyse (EFA) der GBI / PBI Modelle
5.2.3.2 Finale explorative Faktoranalyse der GBI / PBI Modelle
5.2.3.3 Ergebnisse der explorativen Faktoranalyse
5.2.3.4 Berechnung der Indikatorreliabilität, Faktorreliabilität und DEV.
5.2.4 Durchführung und Ergebnisse der konfirmatorischen Faktoranalyse
5.2.4.1 Reliabilitätskoeffizienten der finalen Indikatorsets.
5.2.4.2 Analyse der Diskriminanzvalidität
5.2.4.3 Ergebnisse der KFA des GBI Modells
5.2.4.4 Ergebnisse der KFA des PBI Models.
5.2.5 Pfaddiagramme der aufgestellten Strukturmodelle
5.2.6 Harman’s Single Factor Test.
5.2.7 Evaluierung der Güte der finalen Strukturmodelle
5.3 Ergebnisse und Interpretation der mit IBM AMOS durchgeführten empirischen Analyse
5.3.1 Deskriptive Statistik zu den zusammengefassten Konstrukten
5.3.2 Nullhypothesen Test
5.3.3 Hypothesenprüfung und Bootstrapping mit IBM AMOS
5.3.4 Hypotheseninterpretation
5.3.5 Analyse der indirekten und totalen Effekte
5.4 Strukturgleichungsanalyse mit EQS 6.1.
5.4.1 Prüfung der univariaten und multivariaten Normalverteilung.
5.4.2 Zusammenfassung des Goodness of Fit basierend auf der Maximum Liklihood Methode
5.4.3 Zusammenfassung des Goodness of Fit basierend auf der Maximum Liklihood Methode mit robuster Schätzung
5.4.4 Hypothesenprüfung mit EQS 6.1
6 Schlussbetrachtung
6.1 Zusammenfassung der Befunde
6.2 Strategische Möglichkeiten für Apple
6.3 Restriktionen und Kritik
6.4 Zukünftiger Forschungsbedarf
Literaturverzeichnis
Anhang
Abbildungsverzeichnis
Abbildung 1: Bekanntheit und wahrgenommene Qualität von Technologieunternehmen
Abbildung 2: Das GBI Messmodell zur Einflussmessung von Brand Extensions auf das General Brand Image (GBI) in Anlehnung an Martínez et al. (2008, S. 110)
Abbildung 3: Das PBI Messmodell zur Einflussmessung von Brand Extensions auf das Product Brand Image (PBI) in Anlehnung an Martínez et al. (2008, S. 110)
Abbildung 4: Balkendiagramm zur Altersverteilung der bereinigten Stichprobe
Abbildung 5: Konfirmatorische Faktoranalyse als grafische Darstellung des GBI Modells aus AMOS
Abbildung 6: Konfirmatorische Faktoranalyse als grafische Darstellung des PBI Modells aus AMOS
Abbildung 7: Mit IBM AMOS aufgestelltes GBI Pfadmodell
Abbildung 8: Mit IBM AMOS aufgestelltes PBI Pfadmodell
Abbildung 9: Ergebnis der Hypothesenprüfung des GBI Modells
Abbildung 10: Ergebnis der Hypothesenprüfung des PBI Modells
Abbildung 11: Finales Pfaddiagramm des GBI Modells
Abbildung 12: Finales Pfaddiagramm des PBI Modells
Abbildung 13: Finales GBI Strukturmodelle mit standardisierten Regressionsgewichten, den Faktorladungen und den SMC’s 113
Abbildung 14: Finales PBI Strukturmodelle mit standardisierten Regressionsgewichten, den Faktorla-dungen und den SMC’s
Tabellenverzeichnis
Tabelle 1: Zusammenfassung der deduzierten Problemfelder
Tabelle 2: Zusammenfassung der Forschungslücke und der Relevanz
Tabelle 3: Wahrgenommener Zusammenhang zwischen Industrie und Technologiemarken
Tabelle 4: Produkt-Markt Matrix nach Ansoff (1957)
Tabelle 5: Markenstrategische Optionen nach Tauber (1981, S. 37)
Tabelle 6: Zusammenfassung signifikanter Einflussgrößen von Brand Extensions aus der untersuchten Literatur
Tabelle 7: Anforderungen und Eigenschaften iterativer Schätzverfahren (Weiber/Mühlhaus, 2014, S. 65)
Tabelle 8: Übersicht aller Hypothesen mit Literaturangabe
Tabelle 9: Aufbau des Onlinefragebogens
Tabelle 10: Zusammenfassende Übersicht des Bereinigungsprozesses
Tabelle 11: Prüfung auf Normalverteilung der Merkmale Alter und höchster Bildungsabschluss
Tabelle 12: Altersklassen der Stichprobe im Vergleich zur Altersverteilung der HS LU
Tabelle 13: Vergleich der Geschlechterverteilung zwischen Stichprobe und der deutschen Bevölkerung
Tabelle 14: Initiale Überprüfung auf univariate und multivariate Normalverteilung des GBI Models
Tabelle 15: Initiale Überprüfung auf univariate und multivariate Normalverteilung des PBI Models
Tabelle 16: Finale Zusammenfassung der univariaten und multivariaten Normalverteilung des GBI Models
Tabelle 17: Finale Zusammenfassung der univariaten und multivariaten Normalverteilung des PBI Models
Tabelle 18: Initiale Kommunalitäten aus der EFA zum GBI Modell
Tabelle 19: Initiale Kommunalitäten aus der EFA zum PBI Modell
Tabelle 20: Initiale erklärte Varianz aus der EFA zum GBI Modell
Tabelle 21: Initiale erklärte Varianz aus der EFA zum PBI Modell
Tabelle 22: Initiale Mustermatrix mit aus der EFA extrahierten Faktoren zum GBI Modell
Tabelle 23: Initiale Mustermatrix mit aus der EFA extrahierten Faktoren zum PBI Modell
Tabelle 24: Finale Kommunalitäten aus der EFA zum GBI Modell
Tabelle 25: Finale Kommunalitäten aus der EFA zum PBI Modell
Tabelle 26: Finale erklärte Varianz aus der EFA zum GBI Modell
Tabelle 27: Finale erklärte Varianz aus der EFA zum PBI Modell
Tabelle 28: Finale Mustermatrix mit aus der EFA extrahierten Faktoren zum GBI Modell
Tabelle 29: Finale Mustermatrix mit aus der EFA extrahierten Faktoren zum PBI Modell
Tabelle 30: Finale Korrelationsmatrix des GBI Modells
Tabelle 31: Finale Korrelationsmatrix des PBI Modells
Tabelle 32: Im Rahmen der Untersuchung auffällige Items
Tabelle 33: Zusammenfassende Ergebnisse der explorativen Faktoranalyse
Tabelle 34: Berechnung der Indikator- und Konstruktreliabilität
Tabelle 35: Zusammenfassender Überblick zu den Reliabilitätskoeffizienten
Tabelle 36: Überprüfung des Fornell Larcker Kriteriums am GBI Modell
Tabelle 37: Überprüfung des Fornell Larcker Kriteriums am PBI Modell
Tabelle 38: Zusammenfassung der Messmodellhypothesen aus AMOS: KFA-Parameterschätzungen für das GBI Model
Tabelle 39: Zusammenfassung der Messmodellhypothesen aus AMOS: KFA-Parameterschätzungen für das PBI Model
Tabelle 40: Test der Common Method Variance des GBI Modells
Tabelle 41: Test der Common Method Variance des PBI Modells
Tabelle 42: Modellgüte der finalen Strukturmodelle GBI und PBI
Tabelle 43: Mittelwertstatistik aller einzelnen Konstrukte
Tabelle 44: T-Test zur Analyse der H0 in Bezug auf das GBI und das PBI
Tabelle 45: Squared Multiple Correlations des PBI Modells
Tabelle 46: Squared Multiple Correlations des GBI Modells
Tabelle 47: Ergebnisse des Bollen Stine Bootstrap für das GBI und PBI Modell
Tabelle 48: Gegenüberstellung der Standardfehler des GBI Modells mit und ohne Bootstrap
Tabelle 49: Gegenüberstellung der Standardfehler des PBI Modells mit und ohne Bootstrap
Tabelle 50: Standardisierte totale, direkte und indirekte Effekte des GBI Modells ohne und mit Bootstrap
Tabelle 51: Indirekte Effekte im GBI Modell
Tabelle 52: Standardisierte totale, direkte und indirekte Effekte des PBI Modells ohne und mit Bootstrap
Tabelle 53: Indirekte Effekte im PBI Modell
Tabelle 54: Mit EQS 6.1 ermittelte Schiefe- und Kurtosiswerte aller final ausgewählten Indikatoren
Tabelle 55: Mit EQS 6.1 ermittelte Mardia-Koeffizienten
Tabelle 56: Mit EQS 6.1 ermittelte Modellgüte auf Basis der Maximum Likelihood Schätzung
Tabelle 57: Mit EQS 6.1 ermittelte Modellgüte auf Basis der robusten Maximum Likelihood Schätzung
Tabelle 58: Mit EQS 6.1 durchgeführte Hypothesenprüfung des GBI Modells und Vergleich der ML Schätzergebnisse mit denen der robusten ML Methode
Tabelle 59: Mit EQS 6.1 durchgeführte Hypothesenprüfung des PBI Modells und Vergleich der ML Schätzergebnisse mit denen der robusten ML Methode
Tabelle 60: Pretest 1 Ergebnisse zur Bewertung der Bekanntheit, Vertrautheit, Qualität von Technologieunternehmen
Tabelle 61: Pretest 2 Ergebnisse zur wahrgenommenen Industrie und dem angenommenen Industrieerfolg von Technologiemarken.
Tabelle 62: Pretest 3 Ergebnisse zu den qualitativen Interviews
Tabelle 63: Pretest 4 Ergebnisse zur Bewertung der Wichtigkeit der 15 häufigsten Produktattributen
Tabelle 64: Fragebogengestaltung
Tabelle 65: Vor- und Nachteile von Onlinefragebögen
Tabelle 66: Verteilung des höchsten angegebenen Bildungsabschlusses
Tabelle 67: Altersverteilung der bereinigten Stichprobe
Tabelle 68: Finanzielle Marktdaten zu Apple, Google und Microsoft
Tabelle 69: Interpretation von Korrelationen (Weiber/Mühlhaus, 2014, S. 15)
Tabelle 70: Gütemaße in Anlehnung an Weiber/Mühlhaus (2014)
Abkürzungsverzeichnis
Abbildung in dieser Leseprobe nicht enthalten
1 Einleitung
1.1 Paradigmenwechsel im Automobilmarkt als Problem und die Bedrohung durch Technologieunternehmen
Durch die Einführung von elektrisch angetriebenen Automobilen1 sowie dem Aufbau einer Aufladeinfrastruktur2 und der staatlich gesetzten Zielsetzung zur Unterstützung von Elektro- mobilität (Bundesministerium für Wirtschaft und Energie, 2010) wird der Beginn eines Para- digmenwechsels auf dem Automobilmarkt evident. In Zukunft wird aufgrund einer nachhaltig- keitsinduzierten Destabilisierung, sprich der Verknappung von Rohöl und einer zunehmend umweltbewussten Wertehaltung seitens der Bevölkerung, fest mit einem Paradigmenwechsel vom Verbrennungsmotor hin zum Elektroantrieb gerechnet (Knappe, 2014, S. 270). Vom Erdöl abhängige Unternehmen und Produkte werden vor diesem Hintergrund keinen langfristigen Markterfolg generieren können (Rennhak, 2009, S. 3; Baum/Delfmann, 2010, S. 12). Knappe (2014, S. 280) aber auch Döring (2012, S. 563 et seqq.) argumentieren, dass dieser Paradig- menwechsel hinsichtlich einer ökologisch-regenerativen Denkweise eine begleitende Trans- formation des Energiesektors und damit einhergehend den Aufbau einer notwendigen Infra- struktur voraussetzt. Der gegenwärtige technologische Reifegrad, die hohen Anschaffungs- kosten und die noch vorteilhafteren Substitutionsprodukte lassen weniger eine kurzfristige und radikale als vielmehr eine inkrementelle Umgestaltung des Automobilsektors erwarten3 (Döring, 2012, S. 571; Haugrund, 2013, S. 647; Knappe, 2014, S. 279 et seqq; Van der Stra- aten, 2010, S. 2). Unter dieser Prädiktion einer inkrementellen Etablierung des Elektroantrie- bes ist eine Transformation über hybride Antriebskonfigurationen zu erwarten, bei der die ge- genseitigen Nachteile der Verbrennungs- und Elektroantriebe kompensiert werden (Knappe, 2014, S. 270). Im Übrigen ist davon auszugehen, dass Elektroantriebe vorerst über Nischen- märkte, wie zum Beispiel über den innerstädtischen Kurzstreckenverkehr, Verbreitung finden (Döring, 2012, S. 571; Van der Straaten, 2010, S. 2). Knappe (2014, S. 250 et seqq.) postuliert, dass sich selbst hybride Konfigurationen noch nicht vollends etablieren konnten, dass aber eine zunehmende Transformation des Automobilsektors bereits jetzt zu verzeichnen ist. An diese Entwicklung anschließend, wird eine zunehmende Dominanz der Elektroantriebskom- ponenten erwartet. Das durch diese Transformation entstehende Zeitfenster dient der Auto- mobilindustrie zur technologischen Neuausrichtung, zum Wissensaufbau und zur Neukonfi- guration der Produktionsstätten. Diese Umstände ermöglichen es etablierten Unternehmen, ihre Machtpositionen auch in einem veränderten Markt beizubehalten. Da ein kleiner Teil der Mobilitätsnachfrage durch bereits vorhandene Elektrofahrzeuge bedient werden kann, sinken, allgemein gesagt die Markteintrittsbarrieren und neue Marktakteure werden angelockt (Dosi, 1982, S. 157). Neue, den Markt erstmals betretende Unternehmen können aus einem solchen Markteintritt sogar Vorteile gegenüber den etablierten Unternehmen erzielen (Christensen/Ro- senbloom, 1995, S. 233), indem beispielsweise der Versuch, einen neuen Standard zu etab- lieren, unternommen wird. Darüber hinaus führt der Wettlauf der Unternehmen um eine neue Technologie zu einer höheren Spezialisierung (Henderson/Clark, 1990, S. 9), was dann auf- grund zahlreicher, kleiner Neuerungen zu einer Fragmentierung des Marktes führt (Kline/Ro- senberg, 1986, S. 304). Diese ermöglichen bzw. vereinfachen es anderen Unternehmen, dem Markt beizutreten. Etablierte Unternehmen einer Industrie möchten sich gegen diese Heraus- forderer verteidigen und sehen aufgrund dessen einen höheren Anreiz, in eine inkrementelle Weiterentwicklung zu investieren (Arrow, 1962, S. 622). Diese Investitionen wirken im Um- kehrschluss gegen sinkende Markteintrittsbarrieren und schließen zugleich das für Heraus- forderer so wichtige Zeitfenster.
Der Automobilsektor zeichnet sich zudem durch eine hohe Kapitalintensität aus. Oftmals kosten die Entwicklung, die Produktion, die Zertifizierung und Zulassung sowie der Aufbau eines Distributionsnetzwerkes mehrere hundert Millionen Euro (Wakabayashi/Ramsey, 2015). Folglich ist anzunehmen, dass die Überwindung dieser Marktbarrieren für Unternehmen aus anderen Industrien als ein sehr hohes Risiko wahrgenommen wird. Aufgrund der nachhaltigkeitsinduzierten Destabilisierung des Automobilsektors (Knappe, 2014, S. 270) und der daraus resultierenden Öffnung neuer strategischer Marktchancen (Niedermeyer, 2015), stellt sich die Frage, ob überhaupt ein Markeintrittsinteresse vonseiten anderer Unternehmen besteht und wenn ja, wer sich als ernsthafter Herausforderer eignet.
Apple und Google, zwei der wertvollsten4 Unternehmen (Bort, 2014), zeichnen sich insbeson- dere durch einen stetig wachsenden Nettogewinn (Apple, 2015; Google, 2015) sowie sehr hohe Cash-Reserven5 aus (Kitchener, 2015). Die finanzielle Ausgangslage beider Technolo- gieunternehmen übersteigt in vielerlei Hinsicht die Mittel der Automobilunternehmen. Folglich ist zu vermuten, dass diese Technologieunternehmen rein finanziell in der Lage sind, die ho- hen Markteintrittsbarrieren in den Automobilsektor zu überwinden (The Economist Newspa- per Limited, 2015). Zudem erscheint es plausibel, dass Technologieunternehmen sowohl ihr Technologiewissen als auch ihre bereits vorhandenen Zulieferer- und Distributionsnetzwerke synergetisch in die Bearbeitung des Elektromobilitätssektors einfließen lassen. Tatsächlich lässt sich bei Apple und Google das Interesse, in den Automobilsektor zu diversifizieren, kon- statieren. Aus der Entwicklung eines Elektrofahrzeuges macht Google kein Geheimnis und präsentierte 2014 erstmals einen Prototyp. Ein Differenzierungsmerkmal dieses Prototyps lässt sich allerdings nicht primär anhand des Elektroantriebs feststellen, sondern vielmehr anhand der entwickelten und umfassend eingesetzten Sensor-, Software- und Steuerungs- technologie, die ein fahrerloses Bewegen des Fahrzeuges ermöglichen (Niedermeyer, 2015). Es lässt sich spekulieren, dass Google dieses Fahrzeug nicht unter der Eigenmarke vertreiben wird, sondern eher eine Kooperation als ein Lieferant für Sensortechnik anstrebt (Wakaba- yashi/Ramsey, 2015). Bei Apple lässt sich bislang keine solche Kooperationsbereitschaft er- kennen. Vielmehr stellt Apple derzeit ein Team aus teilweise abgeworbenen Experten der Au- tomobilindustrie zusammen, um im Jahr 2020 mit einem Elektrofahrzeug in den automobilen Markt einzutreten (manager magazin online, 2015). Dagegen lässt sich bei Microsoft und an- deren Technologieunternehmen von derartigen Vorhaben bislang nichts erkennen.
Aufgrund der Ungewissheit, ob diese Unternehmen einen Markteintritt in den Automo- bilsektor mit oder ohne Kooperation wagen, sollte festgehalten werden, dass, sowohl Google als auch Apple einen Unsicherheitsfaktor bzw. eine Gefahr für Automobilmarken darstellen (Niedermeyer, 2015). Die Presse spricht bereits von einem Angriff der Tech-Konzerne auf die Autoindustrie (Müller, 2015; Niedermeyer, 2015), wobei die Opposition den Erfolg dieser stra- tegischen Neuausrichtung infrage stellt (The Economist Newspaper Limited, 2015). Ebenso reagiert die Automobilindustrie darauf mit gemischten Gefühlen. Einige etablierte Unterneh- men, wie z. B. BMW sehen diesen Ankündigungen besorgt entgegen, könnte doch dadurch die eigene Marke, die typischerweise nur mit einem Verbrennungsmotor assoziiert wird, ge- fährdet sein (manager magazin online, 2015). Andere fragen sich, welche Markteintrittsgründe ein hochprofitables Technologieunternehmen haben könnte, in einen Markt mit geringeren Margen und einer hoher Kapitalbindung zu diversifizieren (Niedermeyer, 2015). Sollte eines dieser Technologieunternehmen tatsächlich den automobilen Markt mit einem wettbewerbs- fähigen Fahrzeug unter Verwendung der eigenen Marke betreten, würde die Rivalität im Au- tomobilsektor zunehmen. Dem Autor stellt sich daher die Frage, ob es Technologieunterneh- men überhaupt möglich ist, ihre Marke erfolgreich in den Automobilsektor zu transferieren. In der Fachsprache spricht man dabei von sogenannten Brand Extensions (Markenübertragun- gen bzw. Markentransfers), also der Einführung einer neuen Produktklasse unter Verwendung einer bereits bestehenden Marke (Keller, 2003, S. 577). Aus der Sicht etablierter Automobil- konzerne entpuppen sich die veränderten Rahmenbedingungen bezüglich der Automobil- nachfrager als eine weitere neue Herausforderung. Gleichzeitig können die Veränderungen des Nachfrageverhaltens auch als eine Chance für Technologieunternehmen betrachtet wer- den. Demzufolge liegt die Markentreue von Automobilnachfragern, mit einer weiterhin fallen- der Tendenz, auf einem niedrigen Niveau (Deutsche Automobil Treuhand GmbH/GfK Markt- forschung, 2012, S. 51). Bratzel (2011, S. 19) konstatiert, dass unter einer jüngeren Ziel- gruppe6 Veränderungen der Einstellung zum Auto zu erkennen sind. Die Wichtigkeit, ein eige- nes Auto zu besitzen, nimmt signifikant ab (Bratzel, 2011, S. 19; Winterhoff et al., 2009, S. 4; Fraunhofer Institut für Arbeitswissenschaft und Organisation/ Price Waterhouse Coopers, S. 53). Der Wertewandel innerhalb dieser jüngeren Zielgruppe ist sowohl für die Automobilin- dustrie als auch für Technologieunternehmen, die ein Interesse daran haben, in den Automo- bilmarkt zu diversifizieren, von hoher Relevanz. Jüngere Zielgruppen kommen als zukünftige Konsumenten in Frage und aufgrund ihrer Beeinflussbarkeit durch gesellschaftliche Trend- veränderungen, lassen sich, basierend auf deren Aussagen, eventuelle mobilitätsrelevante Veränderungen der Nachfrage deduzieren (Bratzel, 2011, S. 19). Tabelle 1 stellt die identifi- zierten Problemfelder zusammenfassend dar und klassifiziert diese nach automobilsektorbe- zogene-, herausfordererbezogene- und nachfragerbezogene Problembereiche.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 1: Zusammenfassung der deduzierten Problemfelder
1.2 Formulierung einer forschungsleitenden Fragestellung
Basierend auf einer intensiven Recherche der Wissenschaftsliteratur wird im Folgenden eine passende Forschungslücke identifiziert, die anschließend auf Basis der beschriebenen Prob- lemstellung in eine forschungsleitende Fragestellung übergeleitet wird. Hohe Produkt- oder Markeneinführungskosten veranlassen Unternehmen, die oft günstigere Brand Extension- Strategie zu verfolgen (Tauber, 1988, S. 28; Kotler/Armstrong, 2010, S. 243). Die Verlockung, eine erfolgreiche und starke Marke in eine andere, und für die gegenwärtige Marke neue Pro- duktkategorie zu transferieren, erscheint wie ein Rezept für den Unternehmenserfolg. Deswe- gen sind Brand Extensions seit den 80er-Jahren Bestandteil intensiver wissenschaftlicher Forschungen (Aaker/Keller, 1990; Keller/Aaker, 1992; Martínez/Pina, 2003; Martínez et al., 2008; Serrao/Botelho, 2008; Hariri/Vazifehdust, 2011; Kazemi et al., 2013; Hameed et al., 2014). Entgegen allgemeiner Annahmen, ist der Erfolg einer Brand Extension schwer abzu- schätzen und daher keineswegs ein Selbstläufer, sondern viel eher eine risikobehaftete Mar- kenstrategie (Aaker, 1992; Desai/Hoyer, 1993; John et al., 1998; Martínez et al., 2008, S. 127). Auch wenn sich eine Brand Extension positiv auf das Brand Image auswirken kann, wurden in der Literatur häufig negative Effekte beschrieben, die sich nicht nur auf die Brand Extension auswirken, sondern die gesamte Marke negativ kontaminieren können (Loken/John, 1993; Pitta/Prevel Katsanis, 1995; Gürhan-Canli/Maheswaran, 1998; John et al., 1998; Martínez/Pina, 2003; Cheng Hsui Chen/Chen, 2000; Sattler, 1998a, S. 476; Hätty, 2013, S. 145). Eine Misserfolgsrate von circa 80 % lässt das hohe Risiko einer Brand Extension evident werden (Tauber, 1988, S. 27; Ourusoff et al., 1992, S. o. S.; Marketing, 2003, S. 25; Esch et al., 2005a, S. 909). Aufgrund des von Knappe (2014, S. 270) postulierten inkrementellen Pa- radigmenwechsels eröffnen sich im Automobilsektor neue strategische Marktchancen (Nie- dermeyer, 2015). Die Technologieunternehmen Apple und Google besitzen neben den not- wendigen finanziellen Ressourcen zur Überquerung der Markteintrittsbarrieren auch ein ernst zu nehmendes Marktinteresse. Eine starke Marke, und dies betrifft beide Unternehmen, hat einen positiven Einfluss auf den Erfolg von Brand Extensions (Brown/Dacin, 1997; Kotler/Arm- strong, 2010, S. 236 et seq.). Ob sich dieser Erfolg einstellt sollte nicht a priori angenommen, sondern durch umfassende Analysen geprüft werden (Esch et al., 2005a, S. 912). Für diese Untersuchung, wie auch für die Automobil- und Technologieindustrie, evoziert sich die rele- vante Frage, ob Technologieunternehmen ihre Marke in den Automobilsektor übertragen kön- nen und welche Einflussfaktoren das Brand Image signifikant beeinflussen.
Die Auswirkungen einer Brand Extension auf das Brand Image wurden bereits anhand einiger Bereiche wie z. B. Sport Clothing, FMCG, Food, Home Appliance, Aero und Mobile analysiert7. In nur wenigen Studien wurden hochpreisige und langlebige Gebrauchsgüter wie Automobile erforscht. Die Gründe hierfür liegen eventuell darin, dass es sich bei einem Auto- mobil um eine extensive Kaufentscheidung mit hohem Involvement handelt und sich daher die Beurteilung einer Brand Extension diskrepant zu Verbrauchsgütern, Luxusartikeln oder relativ preiswerten Gebrauchsgütern verhält. Zu einer Brand Extension im Bereich der Elekt- romobilität fanden sich keine Ergebnisse in der Forschungsliteratur. Im Vergleich zu anderen Absatzmärkten stellt die Marke im Automobilsektor einen signifikanten Erfolgsfaktor dar (Zin- tzmeyer/Binder, 2003, S. 63 et seqq; Göttgens/Böhme, 2005, S. 44 et seq.). Es drängt sich daher die Frage auf, ob auch Marken, die nicht im Automobilsektor präsent sind, im Bereich der Elektromobilität eine Erfolgschance haben. Es ist die Ansicht des Autors, dass sich unter Berücksichtigung der Besonderheiten der Technologie- und Automobilsektoren keine aussa- gekräftige Schlussfolgerung über die Wirkung einer Brand Extension ableiten lässt. Hieraus ergibt sich eine Forschungslücke, die im Rahmen dieser Masterthesis erarbeitet werden soll.
Aus der wissenschaftlichen Literatur lassen sich wertvolle Anhaltspunkte für eine sol- che Untersuchung gewinnen. Mehrfach wurde das von Martínez et al. (2008) postulierte Mo- dell zur Messung des Einflusses einer Brand Extension auf das Brand Image in oftmals abge- wandelter Form, untersucht und validiert. Im Sinne einer besseren Vergleichbarkeit wissen- schaftlicher Ergebnisse soll dieses Modell im Rahmen der Masterthesis Anwendung finden und zur Beantwortung der Forschungsfragen beitragen. Es wurde festgestellt, dass dem Kon- strukt Brand Equity in der wissenschaftlichen Literatur ein besonders hoher Stellenwert be- züglich des Konsumentenverhaltens beigemessen wird (Kotler/Armstrong, 2010, S. 234 et seqq; Meffert et al., 2008, S. 354; Keller, 1993, Boush/Loken, 1991, 1991, S. 16). Dieses Kon- strukt ist in die vorliegenden Modelle aber nur teilweise eingeflossen. Aus diesem Grund soll im Rahmen dieser Thesis auch eine Modellveränderung untersucht werden.
Des Weiteren sind die untersuchten Studien auf Ländermärkte wie den USA, Spanien, Pakistan, Iran, Brasilien oder die Türkei fokussiert. Gemäß vorherrschender kultureller und nachfragespezifischer Unterschiede (Hofstede, 1993, S. 19 et seqq.) soll hier ein Beitrag zum Einfluss einer Brand Extension in Deutschland geleistet werden. Tabelle 2 stellt die herausge- arbeitete Forschungslücke und die Relevanz bzw. die Zielgruppe dieser Arbeit zusammenfas- send dar.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 2: Zusammenfassung der Forschungslücke und der Relevanz
Schlussfolgernd werden folgende Forschungsfragen aufgestellt:
- Wie signifikant beeinflusst die, von einem Technologieunternehmen induzierte Brand Extension in dem Automobilsektor das Brand Image?
- Damit eine umfassende Behandlung der Thematik vollzogen werden kann, werden von der Forschungsfrage weitere Fragen abgeleitet:
a. Welches Technologieunternehmen soll untersucht werden?
b. Was ist eine Marke und welche Rolle spielt der Konsument?
c. Was sind Brand Extensions und wie werden sie klassifiziert?
d. Durch welche Erfolgsfaktoren sind Brand Extensions beeinflusst?
e. Welche Erfolgsfaktoren sind für den Automobilbereich relevant?
f. Wie lassen sich diese Faktoren in einen kausalen Zusammenhang zur Überprüfung des Einflusses auf das Brand Image modellieren?
g. Wie beeinflussen diese Faktoren das Brand Image und welche Interaktionseffekte treten zwischen den Faktoren auf?
1.3 Eingrenzung auf eine zu untersuchende Technologiemarke
Im Rahmen dieser Masterthesis wird es vom Autor als zielführend betrachtet, den Fokus an- statt auf eine Reihe von verschiedenen Technologiemarken auf nur eine Technologiemarke zu legen. Begründet liegt diese Entscheidung in dem für eine empirische Datenerhebung doch sehr straff gesetzten zeitlichen Rahmen. Zudem wird die empirische Datenerhebung durch fehlende Forschungsressourcen erschwert. Folglich muss auf den Einsatz von kostspieligen Paneldaten verzichtet werden. Darüber hinaus ist der Zugang zu adäquaten und ausreichend großen Teilnehmergruppen nur bedingt gegeben. Letztlich können aufgrund fehlender For- schungsressourcen keine Anreize, wie z. B. der eines Geschenkgutscheines bei einer erfolg- reichen Teilnahme an dieser Studie, geboten werden. Die Entscheidung, auf welches Tech- nologieunternehmen der Fokus dieser Ausarbeitung zu legen ist, konnte unter Bezugnahme zweier Pretests getroffen werden. Für diese Pretests wurden acht endverbraucherorientierte Technologieunternehmen herangezogen und im ersten Pretest in zwei separaten Onlinefra- gebögen hinsichtlich wahrgenommener Qualität (n=51) und Bekanntheit (n=46) untersucht. Innerhalb den unter Studenten distribuierten Onlinefragebögen, mussten die Probanden auf einer fünfstufigen Ratingskala (wobei 5 eine hohe und 1 eine niedrige Qualität respektive Be- kanntheit darstellen) die in randomisierter Reihenfolge angezeigten Technologieunternehmen bewerten. Das Ergebnis dieses ersten Pretests ist aus Abbildung 1 zu entnehmen8. Apple besitzt unter den acht bewertenden Unternehmen die höchste wahrgenommene Qualität und auch die höchste Bekanntheit
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 1: Bekanntheit und wahrgenommene Qualität von Technologieunternehmen
Anhand des zweiten Pretests sollte festgestellt werden, ob die ausgewählten Technologieun- ternehmen überhaupt als zur Technologiebranche gehörig wahrgenommen werden. Dies ist dahingehend wichtig, als dass die Probanden in der Hauptuntersuchung ein klares Bild über die Zugehörigkeit des Technologieunternehmens zu dieser Branche haben müssen9.
Zu diesem Zweck wurden vom Autor zehn Industrien ausgewählt, die der Proband auf einer fünfstufigen Ratingskala (wobei 5 eine Starke und 1 keine Verbindung ist) und in rando- misierter Reihenfolge bezüglich der Fragestellung, wie sehr eine Verbindung zwischen Indust- rie und Marke besteht, bewerten sollte. Die Ergebnisse des zweiten Pretests sind in Tabelle 3 zusammengefasst dargestellt. Alle abgefragten Technologiemarken wurden dabei eindeutig dem Technologiebereich zugeordnet. Ferner musste der Proband zwischen Hardware und Software differenzieren - dabei zeigte sich bei Apple eine bereits bestehende starke Verbin- dung zu diesen beiden Industrien. Zur eindeutigeren Differenzierung wurden auch von vorn- herein unpassende Industrien wie z. B. die der Kleidung, mit in die Befragung aufgenommen. Dies half zum einen bei einer deutlicheren Abgrenzung zu weiteren Industrien und zum ande- ren sollte ein Bias bei der Beantwortung durch den Probanden reduziert werden. D. h., dass dem Proband die Zugehörigkeit des Unternehmens bzw. der Marke zur Technologieindustrie klar sein sollte. Ein hoher Einfluss einer weiteren Industrie, wie z. B. der Kleidungsindustrie, würde die Aussage über die Wirkung einer Brand Extension auf Technologieunternehmen vernebeln. Darüber hinaus ist der abgefragte Industriebereich Automobil hervorzuheben, der in der vorliegenden Thesis eine Hauptrolle spielt. Mit Ausnahme von Google, wurde bei na- hezu allen anderen in der Umfrage gelisteten Unternehmen eine prinzipiell nicht vorhandene Verbindung zum Automobilsektor wahrgenommen. Dies lässt sich dadurch erklären, dass Google mit dem Google Car bereits mehrfach in der Presse für Aufmerksamkeit gesorgt hat.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 3: Wahrgenommener Zusammenhang zwischen Industrie und Technologiemarken
Der Autor entschied sich anhand der Umfrageergebnisse beider Pretests für die Marke Apple als das zu untersuchende Technologieunternehmen, da es die Technologieindustrie repräsentiert. Diese Entscheidung wird also damit begründet, dass Apple nicht nur ein Unternehmen mit hohen finanziellen Mitteln10 und einer Absicht, in den Automobilmarkt zu diversifizieren darstellt (manager magazin online, 2015), sondern zudem bezüglich Bekanntheit, Qualität und der starken Repräsentanz im Technologie-, Hardware- und Softwarebereich überzeugen kann11. Damit ist die bereits erste abgeleitete Forschungsfrage, die sich mit der Beschränkung auf eine Technologiemarke beschäftigte, beantwortet.
1.4 Gang der Untersuchung
Nach der Einleitung, die sich mit der Problemfeststellung, der Formulierung einer Forschungs- frage und der Fokussierung auf eine Technologiemarke beschäftigte, werden im darauffol- genden Kapitel der theoretische Rahmen erarbeitet, eine Themeneingrenzung vorgenommen und grundlegende Begrifflichkeiten erläutert. Darüber hinaus umfasst das Kapitel 2 auch die Rekapitulation des derzeitigen Forschungsstands von Brand Extensions. In Kapitel 3 werden essenzielle Grundlagen zur Methodik der Strukturgleichungsanalyse gelegt. Aus diesem Ka- pitel geht zudem hervor, weshalb sich die Strukturgleichungsanalyse besonders gut für die Bearbeitung der aufgestellten Forschungsfrage eignet. Anschließend beschäftigt sich der vierte Teil der Arbeit mit der Konzeptualisierung und Begründung eines geeigneten Modells zur Messung des Erfolgs von Brand Extensions. Auch wird, basierend auf dem aktuellen For- schungsstand sowie auf Basis sachlogischer Überlegungen, die Ableitung von Hypothesen vorgenommen. Dies führt letztlich zur Operationalisierung der einzelnen Konstrukte. Das fünfte Kapitel beschäftigt sich ausschließlich mit der Auswertung und Interpretation der vor- genommenen empirischen Untersuchung, woraufhin im sechsten und zugleich letzten Kapitel die gewonnen Erkenntnisse zusammengefasst und kritisch diskutiert werden.
2 Begriffe und theoretische Grundlagen
2.1 Markenrelevante Definitionen und Grundlagen
2.1.1 Grundlegende Markendefinition
Marken sind unlängst ein omnipräsenter Bestandteil der Bewerbung von Produkt- und Leistungsangeboten. Aufgrund der hohen Relevanz von Marken wird nachfolgend eine Herleitung des Markenbegriffs und eine Abgrenzung gegenüber Nichtmarken erfolgen.
Im zeichenorientierten Sinn handelt es sich bei einer Marke zum einen um ein gewerb- liches Schutzrecht und zum anderen um eine Markierung (Meffert et al., 2002, S. 6). Diese Definition lässt sich dem § 3 des deutschen Markengesetzes entnehmen, wonach eine Marke als eine Markierung angesehen werden kann, die zum Zwecke der Unterscheidung in den unterschiedlichsten Formen auftritt und zudem als zu schützender Vermögensgegenstand12 gilt. Ähnlich wie im deutschen Markengesetz, definiert die American Marketing Association (2014) eine Marke als eine in unterschiedlichsten Ausprägungen auftretende Markierung, die sich als Name oder Symbol (Aaker, 1992, S. 28), als Begriff, Form oder Zeichen manifestiert. Als Markierung erlaubt sie eine Identifizierung und Differenzierung angebotener Produkte und Dienstleistungen eines Anbieters (American Marketing Association, 2014; Kotler/Armstrong, 2010, S. 231). Mit dem Auftreten von Hersteller-Markenartikeln, lassen sich Marken nun auch aus einer angebotsorientierten Perspektive charakterisieren (Leitherer, 1988, S. 86 et seqq.). Bei dieser Perspektive steht der absatzfördernde Gedanke im Vordergrund und es werden insbesondere die Qualitätseigenschaften, die zur Differenzierung beitragen, ausgelobt (Leit- herer, 1988, S. 91). Die Marke ist folglich als Konstrukt zur Bündelung des angebotsspezifi- schen Nutzens und dessen Merkmalen zu verstehen (Meffert et al., 2005, S. 3; Burmann et al., 2005b, S. 3). Überdies existiert das weiterführende absatzsystemorientierte Markenver- ständnis, bei dem, neben den Produkteigenschaften, auch die Anstrengungen des Anbieters hinsichtlich der Erreichung markenpolitischer Ziele im Zentrum stehen (Meffert/Burmann, 2005, S. 24 et seqq.). Dicht an diesen Ansatz anknüpfend, folgt ein nachfrageorientiertes Mar- kenverständnis. Dabei rücken Konsumenten und die verhaltensrelevanten und beeinflussen- den Eigenschaften der Marke in den Fokus. Ziel ist es, die Marke vorteilhaft im Gedächtnis der Konsumenten zu positionieren (Domizlaff, 1992, S. 37 & 51). Neben diesen vier klassi- schen Ansätzen existieren sogenannte integrierte Markenansätze, die eine Kombination aus Angebots- und Nachfrageperspektive sowie die Kenntnisse der Markenführung in sich verei- nen (Baumgarth, 2001, S. 5).
Für die vorliegende Thesis besitzt der imageorientierte Markenansatz einen besonders hohen Stellenwert. Dieser Ansatz versteht die Marke als Gesamtheit aller Assoziationen, die eine Zielgruppe zu einer Leistung, einem Angebot oder einem Unternehmen hat (Kotler/Arm- strong, 2010, S. 235). Die Kraft einer Marke beruht auf der aufgebauten Vertrauensbeziehung, die wiederum auf den vom Konsumenten erlernten und unverwechselbaren Assoziationen sowie den Vorstellungen zu einem Angebot basiert (Keller, 2003, S. 42; Kotler/Armstrong, 2010, S. 236; Meffert et al., 2002, S. 6). Diese imageorientierte Sichtweise, bei der die Ein- flüsse der Markenstrategien auf den Konsumenten und dessen Einstellung das Fundament bilden (Meffert et al., 2008, S. 357), dient im Weiteren als theoretischer Bezugsrahmen dieser Thesis. Diesem Ansatz folgend, stellt das Brand Image die entscheidende Prädiktorvariable hinsichtlich der Untersuchung des Konsumentenverhaltens dar (Keller, 2003, S. 58 et seqq.). Assoziationen können sich aus mannigfaltigen Komponenten zusammensetzen. Meffert et al. (2002, S. 6) postulieren, dass sich Assoziationen in ihrer Gesamtheit aus den gefühlsmäßigen (affektiven) Komponenten, den auf subjektivem Wissen basierenden (kognitiven) und den ver- haltensweisenden (konativen) Einstellungskomponenten einer Marke zusammensetzen. Auch wenn weiterführende Markenansätze nicht Bestandteil dieser Thesis sind, sollen sie der Voll- ständigkeit halber kurz gewürdigt werden. Ein weiterentwickelter und ebenfalls vom Brand Image ausgehender Ansatz ist der identitätsbasierte Markenansatz, welcher die wechselsei- tige Beziehung und den Grad der Übereinstimmung zwischen Angebot, Nachfrager und Mar- kenführung in den Mittelpunkt stellt (Meffert/Burmann, 2002, S. 28 et seqq.). Eine darüber hinaus erfolgte Weiterentwicklung dieses Ansatzes ist durch die Fusion von interdisziplinären Wissenschaften wie den Neurowissenschaften erfolgt und wird als interdisziplinärer Ansatz bezeichnet.
2.1.2 Die Bedeutung und die Funktionen von Marken
Die herausragende und kompetitive Bedeutung einer Marke als wohl wertvollster, immateri- eller Vermögensgegenstand eines Unternehmens (Meffert et al., 2008, S. 353) ist ein maßge- bender Bestandteil der Marketingforschung. Meffert et al. (2008, S. 354) deskribieren den Wert einer Marke als eine ökonomische Größe, dessen Steigerung oberstes Ziel der Marken- strategie sein sollte. Im weiteren Sinn ist es das Ziel einer Marke, das Unternehmen und des- sen Produkte nachhaltig, in gleicher oder verbesserter Qualität und mit gleichem Auftritt vom Wettbewerb zu differenzieren (Burmann et al., 2005b, S. 3). Marken können dabei von ver- schiedenen Zielgruppen unterschiedlich wahrgenommen werden - intern von den Mitarbei- tern und extern vom Konsumenten (Esch et al., 2005c, S. 105). Der Fokus dieser Thesis wird auf die Beziehung zwischen Apple und der externen Zielgruppe, also den Konsumenten, ge- legt. Um die Bedeutung einer Marke hervorzugeben, werden nachfolgend die jeweiligen Per- spektiven, zum einen aus Sicht der Konsumenten und zum anderen aus Sicht der Unterneh- men, besprochen.
Die Marke soll dem Konsumenten dauerhaft eine klare sowie in sich widerspruchsfreie Unternehmensidentität vermitteln, die den Aufbau einer langfristigen und auf Treue basieren- den Beziehung ermöglicht und fördert (Meffert et al., 2002, S. 6). Auf der Seite des Konsu- menten dienen die geformten Assoziationen als Orientierungshilfe und erleichtern die Kau- fentscheidung (Ahlert, 2004, S. 14). Neben dem bloßen Produktnutzen verspricht eine starke Marke auch eine konstante Produktqualität und bietet dem Konsumenten einen sogenannten Zusatznutzen bzw. Added Value (Meffert et al., 2008, S. 349; Esch et al., 2005d, S. 9 et seq.). Aus Konsumentensicht trägt die Bekanntheit einer Marke wegen des aufgebauten Vertrau- ensverhältnisses zwischen Marke und Konsument zur Risikoreduktion bei (Aaker, 1991, S. 212 et seq; Caspar/Burmann, 2005, S. 250). Die Informations- und Suchkosten werden auf- grund gemachter Erfahrungen oder aus den in der Werbung erlernten Assoziationen verdich- tet und zu einem klaren sowie vertrauten Markenbild manifestiert (Caspar/Burmann, 2005, S. 250). Wenn die Marke bekannt ist, reagiert der Konsument auf diese Produkte zuversichtlich sowie vertraut, sodass das Produkt aus Sicht des Konsumenten an Relevanz gewinnt (Kot- ler/Armstrong, 2010, S. 236). Diese konsumentenseitige Relevanz wirkt sich allerdings nur dann positiv auf das Kaufverhalten aus, wenn der Zusatznutzen gegeben und ebenfalls rele- vant ist (Meffert et al., 2008, S. 354). Bloße konsumentenseitige Markenbekanntheit und - erinnerung können dagegen zu einem diffusen Markenbild ohne wahrgenommenen Nettonut- zenvorteil führen (Meffert et al., 2008, S. 354 et seq.), was die unmittelbare Entstehung von Loyalität mitigiert. Ist die Marke ausgehend vom Basisbedürfnis in der Lage, auch weitere Bedürfnisse des Konsumenten zu befriedigen - liegt also ein Added Value vor - wird sie von ihm als vorteilhafter bewertet (Meffert et al., 2008, S. 354). Dieser wahrgenommene Nettonut- zenvorteil verhilft der Marke zur Steigerung des konsumentenseitigen Brand Equity, der in der Folge zu einer ansteigenden Präferenz durch den Konsumenten führt (Keller, 1993) und sich zudem unmittelbar auf die Kaufabsicht auswirkt (Meffert et al., 2008, S. 354). Von Treue und Loyalität kann aber nur dann gesprochen werden, wenn der Nachfrager eine positive Einstel- lung gegenüber der Marke besitzt und diese wiederholt kauft (Day, 1969, S. 29 et seqq.). All diese sogenannten absatzfördernden Eigenschaften einer Marke tragen hier maßgeblich zur Steigerung des Markenwertes13 bei und stärken damit auch die Position der Unternehmen (Meffert et al., 2008, S. 351).
Aus Sicht des Unternehmens schützt eine starke Marke vor Wettbewerb, respektive wirtschaftlichen Krisen (Farquhar, 1989, S. 26) und verringert zudem das unternehmerische Risiko. Deswegen können zukünftige Zahlungsüberschüsse mit einem geringeren Zinssatz abgezinst werden, was wiederum langfristig den Unternehmenswert steigert (Meffert et al., 2008, S. 352; Leone et al., 2006, S. 126). Die in einer Marke gebündelten spezifischen Merk- male eines Leistungsangebotes erlauben es dem Unternehmen differenzierend auf das Kon- sumentenverhalten zu wirken (Meffert et al., 2002, S. 3; Kotler/Armstrong, 2010, S. 236), d. h. die Marke wirkt, wie angesprochen, stimulierend auf die Präferenzbildung (Meffert et al., 2008, S. 351) und die Wiederkaufrate (Kotler/Armstrong, 2010, S. 236). Das als Treue und Loyalität manifestierte Konsumentenverhalten ist durch Wettbewerber schwer imitierbar und stellt ei- nen nachhaltigen Wettbewerbsvorteil dar (Kotler/Armstrong, 2010, S. 236 et seq; Blinda, 2007, S. 174; Meffert et al., 2008, S. 349). Die aus einer starken Marke resultierende gestei- gerte Kundenloyalität kann als ein Instrument zur Reduzierung volatiler Zahlungsströme und damit zur Steigerung der Unternehmensplanungssicherheit eingesetzt werden (Meffert et al., 2008, S. 352). Auch für neue Produkte sind Marken interessant. Wenn ein Konsument einer ihm bekannten und positiv wahrgenommenen Marke ausgesetzt ist, steigert sich die Adopti- ons- und Weiterempfehlungswahrscheinlichkeit (Srivastava et al., 1998, S. 10). Eine negative Beurteilung der Marke durch den Konsumenten stimuliert dagegen ein ablehnendes Verhalten (Kotler/Armstrong, 2010, S. 236). Zu erwartende Einzahlungsüberschüsse eines neuen Pro- duktes können aufgrund einer positiven Markenbeurteilung positiver bewertet und ein Markt schneller erobert werden (Keller, 1993, S. 2 et seqq; Srivastava et al., 1998, S. 10; Meffert et al., 2008, S. 354). Demzufolge ist eine Marke ein entscheidendes Instrument zur Bearbeitung anderer Segmente (Meffert et al., 2008, S. 352) und der Wert einer Marke stellt zudem einen wichtigen Indikator zur Erfassung des Markendehnungspotenzials dar (Sattler, 2005, S. 505 et seqq.). Eine starke Marke erhöht bei der Umsetzung von Markenerweiterungen (Brand Ex- tensions) die Erfolgschancen und erlaubt größere preispolitische Spielräume (Meffert et al., 2008, S. 352; Crimmins, 1992, S. 16 et seqq.). Grund hierfür ist, dass eine starke Marke den mit ihr assoziierten vorteilhaften Zusatznutzen besser auf die Brand Extension übertragen kann und damit eine größere kompetitive Hebelkraft besitzt (Tauber, 1988, S. 27).
Auch wenn der Handel eine Marke mit dem Hintergrund, einen monetären Vorteil zu generieren, zum Ködern von Konsumenten einsetzt (Leone et al., 2006, S. 136), ist der Handel für diese Thesis von nachrangiger Bedeutung. Deswegen wird auch nicht auf die Bedeutung von Marken im Handel eingegangen. Zusammenfassend lässt sich an dieser Stelle konstatie- ren, dass der Marke, sowohl aus Sicht der Unternehmen als auch aus Sicht der Konsumenten, eine entscheidende Rolle zugesprochen werden muss. Die für diese Arbeit relevanten Kon- strukte wie Brand Image und Brand Equity schöpfen ihre Kraft aus der grundlegenden Mar- kenbedeutung. Mit diesem Kapitel wurde das Fundament des Markenverständnisses gesetzt und soll in den folgenden Kapiteln hinsichtlich der genannten Konstrukten erweitert werden.
2.1.3 Definition und Bedeutung des Brand Image
Sowohl das Kapitalisierungspotenzial einer Marke als auch die Eigenschaften, als eine Orien- tierungs- und Entscheidungshilfe für das Kaufverhalten zu fungieren, implizieren das Vorhan- densein von konsumentenseitigen Assoziationen mit der Marke (Meffert et al., 2008, S. 355), weswegen in diesem Kapitel detailliert auf das Konstrukt Brand Image14 eingegangen wird. Eine wirkungsbezogene Sichtweise zwischen Marke und Konsument ist von entscheidender Bedeutung, da eine Marke nur dann wertvoll und stark sein kann, wenn sie für den Konsu- menten ein positives, unverwechselbares und relevantes Image darstellt (Esch et al., 2005d, S. 11). Auch wenn die Etablierung des Brand Image als zeit- und ressourcenintensiv bezeich- net wird (Trommsdorff, 1992, S. 327), ist der langfristige und differenzierende Einfluss auf das Kaufverhalten für den unternehmerischen Markterfolg hochrelevant (Trommsdorff, 2009, S. 156).
Viele Autoren charakterisieren Brand Image als mehrdimensionales Einstellungskonstrukt mit langfristiger Ausrichtung, das sich aus dem Wissen und den Assoziationen des Konsumenten zusammensetzt (Aaker, 1996, S. 111 et seqq; Keller, 1993, S. 3 et seqq; Kroeber-Riel/Weinberg, 2003, S. 168; Trommsdorff, 2004, S. 159; Low/Lamb, 2000; Meffert et al., 2008, S. 364 et seqq.). In diesem Sinne wird evident, dass die notwendige Voraussetzung für Entstehung und auch Erinnerung des Brand Image, das Vorhandensein von Brand Awareness15 ist (Meffert et al., 2008, S. 365).
Der Autor Keller (1993, S. 3), für den das Markenwissen16 aus dem Brand Image und der Brand Awareness resultiert, untergliedert Brand Awareness in (1) Brand Recognition, also die gestützte Wiederkennung, und (2) Brand Recall, eine nicht-gestützte Form der Markener- innerung. Für die Herausbildung des Brand Images ist die Präsenz von Assoziationen im Ge- dächtnis des Konsumenten sowie die durch Marketingaktivitäten kommunizierten Nutzenvor- teile einer Marke unabdingbar (Meffert et al., 2008, S. 354; Keller, 1993, S. 18). Die durch Marketingaktivitäten umfangreich gesendeten Signale werden vom Konsumenten wahrge- nommen, entschlüsselt und auch interpretiert und tragen damit zum Aufbau eines spezifi- schen Brand Images bei (Keller, 1993, S. 3 et seqq; Kapferer et al., 1992, S. 45). Es ist wichtig zu betonen, dass das konsumentenseitige Brand Image nicht ausschließlich von Marketing- aktivitäten des markenführenden Unternehmens beeinflusst wird, sondern auch durch die mit einer Marke verbundenen Erfahrungen, Gedanken und Gefühle (Leone et al., 2006, S. 126; Bower, 1981, S. 135). Das Brand Image wird also von allen markenbezogenen Informationen, zu denen der Konsument einen Zugang hat, beeinflusst (Burmann/Meffert, 2005, S. 52)17. Demzufolge umfasst auch das Brand Image alle Assoziationen, die der Konsument mit einer Marke in Verbindung bringt (Keller, 1993, S. 2; Aaker, 1991, S. 4) und stellt daher eine mentale Repräsentanz (Paivio, 1969, S. 241 et seq.) der markentypischen abstrakten Images dar (Park et al., 2005, S. 966; 1991, S. 186).
Definitionsgemäß interpretiert Keller (1993, S. 2 et seq.) das Brand Image als ein se- mantisch assoziatives Netzwerk im Gedächtnis des Konsumenten, das sich aus Knoten (No- des) und Verknüpfungen (Links), die wiederum auf Erinnerungen (Memory) und Wissen basie- ren, zusammensetzt. Die Knoten stellen hierbei gespeicherte Informationen dar, die über die Verknüpfungen, in variierender Stärke miteinander verbunden sind. Wird ein solcher Knoten stimuliert respektive aktiviert und überschreitet diese Stimulation einen bestimmten Wider- stand, dann wird nicht nur diese eine Erinnerung (ein Knoten) aktiviert, sondern mehrere mit dieser in Verbindung stehenden Erinnerungen (Keller, 1993, S. 2; Bower, 1981, S. 131). Durch die Aktivierung solcher Knoten werden nicht bloß Erinnerungen extrahiert, sondern auch Emo- tionen aktiviert (Bower, 1981, S. 135). Demzufolge begünstigt ein positives Brand Image das Abrufen oder das Erinnern von positiven Emotionen. Dies ist für Markenmanager von beson- derer Bedeutung, da bspw. eine mit der Emotion „Freude“ in Verbindung gebrachte Marken- assoziation, eben diese Emotion, bei einer Auseinandersetzung mit der Marke, erlebbar macht. Gleichzeitig werden gegenteilige Emotion, wie z. B. Kummer, inhibiert (Bower, 1981, S. 135) - aus diesem Grund sollten negative Assoziationen und Emotionen in Verbindung mit einer Marke vermieden werden.
Ein starkes Brand Image wie auch eine positive Konsumentenreaktion bildet sich ge- mäß Keller (1993, S. 2 et seq.) nur dann, wenn die konsumentenseitigen Assoziationen ein- zigartig, stark und vorteilhaft sind. Die Vorteilhaftigkeit und auch die Stärke spezifischer Mar- kenassoziationen können durch andere Assoziationen beeinflusst werden. Das bedeutet, dass jedwede Assoziationen, die vielleicht auf den ersten Blick unbedeutend erscheinen, die gegenwärtigen und zukünftigen Markenassoziationen beeinflussen können. Diese bedeu- tende Feststellung, sprich, dass Assoziationen auch Inhalt und Sinn mit anderen Assoziatio- nen teilen können, bezeichnet Keller (1993, S. 7) als Kongruenz. Keller (1993, S. 7) differenziert Brand Assoziationen zudem noch nach dem Abstraktionsniveau in drei maßgebende Teile: (a) Attribute, (b) Nutzen und (c) Einstellungen: Attribute beschreiben das Produkt und können zum einen in physische bzw. produktbezogene und zum anderen in die nicht-produktbezoge- nen Attribute wie Preis, Nutzerimage oder Nutzungsimage, eingeteilt werden (Keller, 1993, S. 4). Den Nutzen untergliedert Keller (1993, S. 4) in funktionalen Nutzen, d. h. den Grundnutzen, der mit den produktbezogenen Attributen korrespondiert; den experimentellen Nutzen, der die sensorische Freuden befriedigen als auch kognitiv stimulieren soll; und den symbolischen Nutzen, der extrinsische Vorteile, wie z. B. soziale Anerkennung verschaffen kann. Als Drittes nennt Keller (1993, S. 4 et seqq.) die Einstellungen bzw. die allgemeine Beurteilung einer Marke. Diesem Konstrukt spricht er anliegend eine hohe Kaufverhaltensrelevanz zu. Der Kon- sument glaubt dabei an spezifische Produkteigenschaften oder -nutzen. Abhängig von der konsumentenseitigen Bewertung des Nutzens und der produktbezogenen Eigenschaften, wird die Wahrscheinlichkeit, bei der ein bestimmtes Handeln zu erwarten ist (Markenpräfe- renz, Kaufabsicht), beeinflusst.
Neben Keller (1993), ist es von Bedeutung, auch den Ausführungen von Aaker (1991) Aufmerksamkeit zu schenken. Folgt man dieser Konzeptualisierung des Brand Image den Ausführungen von Aaker (1991, S. 104-129), so lassen sich teilweise Überschneidungen mit Keller's (1993) Ansichten hinsichtlich der Produktmerkmale wie Preis, Nutzenimages und Nut- zerimages feststellen. Ähnlich wie Keller (1993) untergliedert Aaker (1991) den Markennutzen zwar nicht in drei, sondern in die zwei Dimensionen: Den rationalen und den psychologischen Nutzen. Zudem war es Aaker's (1991, S. 116 et seqq.) Intention objektive Attribute, wie bei- spielsweise die Produktkategorie, die Wettbewerber und die Markenpersönlichkeit18 mit ein- zubeziehen. Im Gegensatz dazu, hat Keller (1993, S. 12) diese Attribute bewusst ausgelassen. Weiterführend verzichtet Aaker (1991) auch auf ein Einstellungskonstrukt, wie es zum Beispiel bei Keller (1993) auftaucht. Schließlich operationalisiert Aaker (1996, S. 111 et seqq.) das Brand Image unter Verwendung von Assoziationen und Differenzierung, bestehend aus dem (1) wahrgenommenen Wert, welcher auf der Value Proposition basiert, (2) der Brand Persona- lity, die eine Verbindung zu dem emotionalen Nutzen einer Marke herstellt, (3) den organisati- onalen Assoziationen, sprich dem Bezug zur Unternehmenskultur, und letztlich noch der ei- gentlichen (4) Differenzierung, also der Frage, ob sich die Marke tatsächlich von Wettbewer- bern abhebt.
Andere Autoren wie Low und Lamb (2000, S. 351) validieren, unter anderem auf Basis von Aaker's (1991) und Keller's (1993) konzeptionellen Forschungsansätzen bezüglich Mar- kenassoziationen, drei multidimensionale und in Wechselbeziehung stehende Konstrukte: Brand Image, Perceived Quality und Brand Attitude. Folgt man den Ausführungen von Meffert et al. (2008, S. 264 et seqq.), so ist festzustellen, dass sie das Brand Image in drei Kompo- nenten unterteilen. Als Erstes sind wahrgenommene Eigenschaften, wie der Preis oder die Herkunft einer Marke, den (1) Markenattributen subsumiert. Zweitens verknüpft der Nachfra- ger menschliche Eigenschaften mit der Marke. Dies lässt eine (2) Markenpersönlichkeit ent- stehen, die die Beziehung zwischen Nachfrager und Marke hinsichtlich des Konsumentenver- haltens beeinflusst. Die dritte Komponente stellt der (3) Markennutzen dar. Ergibt sich dies- bezüglich ein Nutzen aufgrund physikalisch-technischer Merkmale, so sprechen Meffert et al. ( 2008) von funktionalen Nutzenassoziationen, welche sich meist direkt vom Produkt ablei- ten lassen. Daneben kann eine Marke weitere symbolische Nutzenassoziationen enthalten, d. h. die Marke wird zu einem Symbol für die Befriedigung von bspw. sozialen, sinnlich-ästheti- schen oder hedonistischen Bedürfnissen. Rekapitulierend betrachtet fällt auf, dass die ge- würdigten Autoren Keller, Aaker und Meffert ähnliche konzeptionelle Vorstellungen des Brand Image Konstruktes besitzen. Meffert geht jedoch einen Schritt weiter und entwickelt einen umfassenderen Brand Image-Ansatz, der um die Markenpersönlichkeit erweitert ist. Im Rah- men dieser Thesis wird im Sinne eines imageorientierten Markenansatzes der Fokus auf die postulierten Zusammenhänge der klassischen Vertreter Aaker (1996, 1991) und Keller (1993) gelegt.
2.1.4 Definition und Bedeutung des Brand Equity
Mehrfach wird in der Markenliteratur auf die wichtige Beziehung zwischen Brand Image und Brand Equity hingewiesen. Markenstrategisch hat dies zur Folge, dass der Aufbau eines bekannten und präferierten Brand Image zu einer wesentlichen Aufgabe des Unternehmens wird (Martínez et al., 2008, S. 108). Aufgrund der Wirkung der Brand Images auf das Konsumentenverhalten und auf den Brand Equity, kann auch der Brand Equity als ein wichtiger und beitragender Teil zur Beurteilung von etwa neuen Produkten aufgefasst werden (Esch et al., 2005d, S. 46; Keller, 2000, S. 157; Srivastava et al., 1998, S. 271 et seqq.).
Aaker (1991) konstatiert, dass Brand Image eine Voraussetzung für den Brand Equity ist und diesen steigert. Kellers (1993, S. 18) und Faircloths et al. (2001, S. 69) Ergebnisse attestieren Vergleichbares, wonach die Brand Associations, sprich das Brand Image, ein vi- tales Element des Brand Equity darstellen. Auch Yoo et al. (2000, S. 205) unterstützen, auf Basis deren Forschung, die Hypothese, dass das Brand Image positive auf den Brand Equity wirkt. Krishnan (1996, S. 389) bestätigte, dass Unternehmen mit einem hohen Brand Equity tendenziell über positive Brand Images verfügen. Für Farquhar et al. (1990, S. 856) stellt Brand Equity den Zusatznutzen dar, den eine Marke in Verbindung mit dem Angebot stiftet. Dieser Zusatznutzen muss aus der Sicht des Konsumenten vorteilhaft sein. Die darüber hinaus eben- falls maßgeblichen positiven Markenassoziationen, spiegeln den des konsumentenseitigen Brand Equity wieder. Homburg und Krohmer (2006, S. 650 et seq.) bezeichnen Brand Equity als den Markenerfolg, welches ein Gebilde, bestehend aus potenzialbezogenen, markter- folgsbezogenen und wirtschaftlichen Erfolgsgrößen ist. Andere wie Pitta und Prevel Katsanis (1995, S. 52) und Grime et al. (2002, S. 1422) konstatieren, dass ausschließlich konsumen- tenseitige Beurteilungen einen vitalen Beitrag zur Entwicklung von Brand Equity leisten. Auch Kapferer et al. (1992, S. 2) determinieren den Konsumenten, und insbesondere seine Marken- vorstellungen, als die Quelle für das Entstehen von Markenwert. Die Autoren Randall et al. (1998, S. 358) evaluieren dagegen Brand Equity unter Verwendung streng finanzieller Deter- minanten, wie Market Share oder Einführungskosten. In Bezug auf eine verhaltensorientierte Perspektive, die zudem noch an finanzielle Maßzahlen anknüpfen, examinieren Faircloth et al. (2001, S. 66) den Brand Equity, anhand von Kaufintention und der Bereitschaft einen Premi- umpreis zu bezahlen. Diesbezüglich postulieren sie, dass ein positiv etabliertes Image sowie eine vorhandene und positive Markeneinstellung den Brand Equity in positiver Weise stimu- lieren (Faircloth et al., 2001, S. 69 et seqq.). Faircloth et al. (2001, S. 62) deskribieren den Brand Equity weiterführend als die Handlung hinsichtlich eines Objektes, wohingegen das Brand Image als die Wahrnehmung, die Meinung oder die Bewertung dieses Objektes be- zeichnet wird. Auch in der Studie von Lassar et al. (1995, S. 17) konnten die Forscher einen Zusammenhang zwischen hohem Brand Equity sowie der Bereitschaft einen Premiumpreis zu bezahlen und höheren Brand Image-Beurteilungen affirmieren.
Es lässt sich attestieren, dass in der Literatur unterschiedliche Perspektiven auftau- chen, die man, abhängig vom literarischen Werk, in einen finanzwirtschaftlichen, einen ver- haltenswissenschaftlichen oder in einen hybriden Ansatz, der Finanz- und Verhaltensperspek- tiven beinhaltet, einteilen kann (Homburg et al., 2005, S. 1405 et seq.). Zum einen lässt sich der Wert einer Marke auf die Überschüsse, die ohne die Marke nicht zu generieren wären, zurückführen (Fantapie Altobelli, 2001, S. 12). Diese Perspektive verfolgt einen objektiven An- satz, der einer rein finanzgeprägten Domäne entspringt und z. B. bei Unternehmenskäufen oder -verkäufen den Wert der Marke nachvollziehbar monetarisiert (Bekmeier-Feuerhahn, 1998, S. 54). Problematisch ist, dass es aus finanzwirtschaftlicher Sicht schwerfällt, den Wert einer Marke zu quantifizieren (Esch/Geus, 2005, S. 1265). Insbesondere für hypothetische Annahmen, wie z. B. die Untersuchung eines neuen Produktes, lässt sich ein finanzieller Brand Equity, aufgrund der kausalen Reihenfolge, nicht ex ante ermitteln (Esch et al., 2005b, S. 1234). Es ist wichtig, zu betonen, dass es letztlich der Konsument ist, der einer Marke Kraft verleiht (Esch/Geus, 2005, S. 1270). Da in dieser Thesis ein noch nicht von Apple gelaunchtes Produkt untersucht wird und die finanzwirtschaftliche Perspektive prinzipiell nicht in Frage kommt, bleibt diesbezüglich eine Marketingperspektive gegenständlich (Kapferer et al., 1992, S. 291). Keller (1993, S. 1 et seqq.) grenzt daher die verhaltensorientierte Sichtweise, unter Verwendung des Begriffes customer based brand equity 19 , von der finanzwirtschaftlichen Per- spektive ab. Zu den klassischen Vertretern dieses verhaltensorientierten Ansatzes zählen Aaker (1991) und Keller (1993), die das Brand Image als zum Brand Equity beitragendes Konstrukt determinieren.
Der viel zitierte Autor und Forscher Keller (1993, S. 1) definiert Brand Equity als all die Marketingeffekte, die sich differenzierend auf die Auswahl einer Marke und auf das Konsum- entenverhalten auswirken (siehe auch Cobb-Walgren et al., 1995, S. 37). Definitionsgemäß deduziert Keller (1993, S. 7) den Brand Equity vom Markenwissen bzw. Brand Knowledge, der sich aus den in Kapitel 2.1.3 erläuterten Konstrukten Brand Awareness und Brand Image zu- sammensetzt. Aufgrund des Zusammenhanges zwischen Brand Equity und Brand Image (Biel, 1992, S. 7 et seqq.) ist zu konstatieren, dass der konsumentenseitigen Brand Awareness eine wichtige Rolle beizumessen ist. Zweifelsohne wirkt die Werbung, die insgesamt das Brand Image auflädt (Krishnan/Chakravarti, 1993, S. 213 et seq.), auch positiv auf das Brand Knowledge und folglich auf den Brand Equity (Cobb-Walgren et al., 1995, S. 27).
Neben der Perspektive nach Keller (1993), ist es wichtig, die Auffassung von Aaker (1992) zu betrachten. Aakers (1992, S. 28-31) Auffassung zufolge stellt Brand Equity die mit einer Marke in Verbindung gebrachten Vermögenswerte und Verbindlichkeiten dar. Diese sind geeignet, den Nutzen eines Angebotes sowohl zu steigern als auch zu mindern. Determinie- rend für den Brand Equity nennt Aaker (1992, S. 28) fünf Dimensionen: Brand Loyalty, Brand Awareness, Perceived Quality, Brand Image sowie die rechtlich zu schützende Vermögens- gegenstände.
Schlussfolgernd bleibt festzuhalten, dass Brand Equity und Brand Image in einer Be- ziehung zueinander stehen, wobei nach Aaker (1991) und Keller (1993) Brand Image kausal vorangestellt ist. An dieser Stelle, sei auch noch einmal auf die Bedeutsamkeit des Konsu- menten hingewiesen. Es ist der Konsument, durch den sich Brand Equity - auch finanziell - manifestiert (Farquhar, 1989, S. 27 et seq; Esch et al., 2005a, S. 910) und weniger die finan- ziellen Messgrößen alleine (Crimmins, 1992, S. 17 et seqq.). Schließlich ist der Brand Equity eine Variable, die den Wert einer Marke registriert. Ein positives Brand Image resultiert in eine positive Einstellung gegenüber einer Marke. Das wiederum steigert den Wert einer Marke so- wohl aus finanzwirtschaftlicher Sicht, nämlich wenn der Konsument das Produkt kauft, als auch aus verhaltensorientierter Sicht, wenn der Konsument das Produkt bevorzugt. In Anleh- nung an die Erklärungsansätze, wird im Rahmen dieser Thesis eine Marke erst dann als stark und wertvoll betrachtet, wenn sie in einer differenzierend Weise auf das Konsumentenverhal- ten wirkt, sodass dieser die gegenständliche Marke präferiert.
2.2 Möglichkeiten der strategischen Marken- & Produktentwicklungen
Eines der wichtigsten allgemeinen Unternehmensziele ist das Umsatz- und Gewinnwachstum bei gleichsam akzeptablen Risiko. Unternehmen können sich hinsichtlich des Wachstums verschiedener strategischer Optionen zur Einführung von neuen Produkten oder Marken be- dienen. Ansoff (1958) verweist beispielsweise auf vier Möglichkeiten, wie Märkte bezüglich Wachstum bearbeitet werden können. Tauber (1981, S. 37) dagegen beschreibt eine Bear- beitung aus einer markenstrategischen Perspektive. Da es für das weitere Verständnis einer Brand Extension essenziell ist, werden Nachfolgenden die grundlegenden Startegien beider Autoren apostrophiert.
2.2.1 Perspektive nach Ansoff
Wie aus Tabelle 4 ersichtlich, unterscheidet Ansoff (1957, S. 114) die vier Unternehmens- wachstumsstrategien Marktdurchdringung, Marktentwicklung, Produktentwicklung und Di- versifikation.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 4: Produkt-Markt Matrix nach Ansoff (1957)
Bei der (1) Marktdurchdringung werden Anstrengungen zur Umsatzmaximierung unter Beibe- haltung der grundsätzlichen Produkt-Markt Strategie angestellt. Ziel dieser Strategie ist es, sowohl das Absatzvolumen zu erhöhen, als auch die Produktleistung zu steigern. Mit den (2) Marktentwicklungen wird ein bereits bestehendes Produkt leicht modifiziert und zur Bearbei- tung einer neuen Zielgruppe eingesetzt. Der Produktnutzen gleicht dem des Ausgangspro- duktes, wobei nun ein neuer Markt angesprochen werden soll. Die (3) Produktentwicklungs- s trategie zielt auf die Verbesserung des Produktes, sodass es einen größeren Nutzen stiftet bzw. das Bedürfnis der Konsumenten besser befriedigt. Die Verfolgung dieser drei Strategien wird von Ansoff (1957, S. 114) als essenziell für ein gesundes und langfristiges Unterneh- menswachstum angesehen. Apple und auch Google zeigen sich durchaus bestrebt, diese drei Strategien zu bearbeiten. Darüber hinaus stagnierte Apples Nettogewinn in den Jahren 2013 und 2014 (Apple, 2015), was dazu führt, dass Investoren künftig ihren prüfenden Blick kritisch auf das Unternehmen lenken (Wakabayashi/Ramsey, 2015) und wohl neue Innovatio- nen zur Wachstumssteigerung erwarten. Google hingegen festigt das Kerngeschäft und be- sitzt unter anderem auch aufgrund der ansteigenden Überschüsse (Statista, 2015) einen ho- hen Anreiz, komplett neue Märkte zu betreten. Für beide Unternehmen ist daher die Strategie der (4) Diversifikation zur Wachstumssteigerung interessant. Hierbei verlässt das Unterneh- men das vertraute Kerngeschäft und versucht, unbekannte Märkte zu erschließen (Ansoff, 1957, S. 114). Diese Sonderstrategie, die zu Veränderungen des gesamten Unternehmens führt, stellt es zum einen vor neue Herausforderungen (Ansoff, 1957, S. 114), soll aber gleich- sam zur Risikoverteilung, zur Nutzung von überschüssigen Produktionskapazitäten und zum Ausgleich von Technologie-Obsoleszenz dienen (Ansoff, 1958, S. 395). Diese Strategie birgt mit die größten Erfolgspotenziale, ist aber auch, aufgrund der oftmals fehlenden Kernkompe- tenzen im neuen Markt, als risikoreich einzustufen (Esch et al., 2005a, S. 909 et seq.). Diver- sifikationss trategien werden von Ansoff (1957, S. 118) im Weiteren in drei Arten unterteilt: (1) Die vertikale Diversifikation entspricht der Bearbeitung von vor- oder nachgelagerten Wert- schöpfungsstufen. Demzufolge kann das Unternehmen in die Produktion oder Auslieferung von Komponenten und Teilen einsteigen. Das Unternehmen ist dabei mit neuen Produkten konfrontiert, wobei die vom Unternehmen verfolgte Mission unverändert bleibt. Man spricht von einer (2) horizontalen Diversifikation, wenn das Unternehmen in einen Bereich vordringt, in dem die neuen Produkte nichts zur existierenden Produktlinie beitragen können. Dennoch kann das Unternehmen aufgrund des persistenten Know-Hows, z. B. das Technologie- oder das Produktionswissen, dieses synergetisch im neuen Bereich verwerten. Vertikale und hori- zontale Diversifikation stellen beide einen, wenn auch nur geringen, Zusammenhang zum Kerngeschäft her. Die (3) laterale Diversifikation bricht dagegen diesen Zusammenhang und erlaubt dem Unternehmen, komplett neue Wege einzuschlagen. Im vorliegenden Fall, bei dem ein Eintritt von Apple in den Automobilmarkt denkbar ist, handelt es sich folglich um eine laterale Diversifikation. Aus der Sicht dieses Unternehmens würden völlig neue Märkte mit neuen Produkten betreten. Da nun gezeigt wurde, mithilfe welcher Strategien Unternehmen generell Wachstum generieren, soll anschließend noch geklärt werden, welche allgemeinen markenstrategischen Optionen dabei zur Verfügung stehen.
2.2.2 Perspektive nach Tauber
Tauber (1981) deskribiert im Vergleich zu Ansoff (1957) vier Wachstumsoptionen, die einen größeren Bezug zu markenpolitischen und -strategischen Entscheidungen aufbauen. Im Sinne von Tauber (1981, S. 37), und in Tabelle 5 dargestellt, können Unternehmen neue oder bisherige Produktkategorien mit neuen oder etablierten Marken bedienen.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 5: Markenstrategische Optionen nach Tauber (1981, S. 37)
Eine (1) neue Marke in einer neuen Produktkategorie kann bspw. durch Mergers & Acquisiti- ons (M&A), also durch Zukäufe anderer Unternehmen und durch Marktexpansion, erreicht werden (Tauber, 1981, S. 37). Aufgrund der erheblichen Marketingaufwendungen muss diese Strategie wohl durchdacht sein und sollte nur dann Anwendung finden, wenn die etablierte Marke und das neue Produkt nicht relevant verknüpft werden können (Esch et al., 2005a, S. 908 et seq.). Bleibt das Unternehmen stattdessen in der Produktkategorie und versucht, eine neue Marke zu etablieren, so bezeichnet es Tauber (1981, S. 37) als (2) flankierende Marke. Ziel ist es, einen segmentierten Markt intensiver und effektiver zu bearbeiten. Diese Strategie sollte angewandt werden, wenn eine etablierte Marke nicht mit dem anvisierten Segment zu bearbeiten ist. Beispielhaft könnte Apple ein Discount-Smartphone im Niedrigpreissegment herausbringen. Anzunehmen ist, dass dies eine Markenerosion und Kannibalisierungseffekte zur Folge hätte (Esch et al., 2005a, S. 908). Demzufolge könnte Apple versuchen, eine neue Marke zu etablieren, um genau dieses Niedrigpreissegment anzusprechen, was im Umkehr- schluss zu einer besseren Marktdurchdringung führen könnte (Tauber, 1981, S. 37). Die (3) Produktlinienerweiterung (Line Extension) stellt eine Variationserweiterung unter Verwendung der bereits etablierten Marke dar (Esch et al., 2005a, S. 907). Darüber hinaus existiert die für diese Thesis relevante (4) Markenerweiterung (Brand Extension), die Tauber (1981, S. 38) als Verwendung einer etablierten Marke für neue Produktkategorien deskribiert.
Es bleibt zu resümieren, dass Unternehmen nach Ansoff (1957) auf verschiedene markenpolitische Wachstumsstrategien zurückgreifen können. Im vorliegenden Fall lassen sich bei Apple und Google Tendenzen einer lateralen Diversifikation erkennen. Diese Unternehmen können dabei in Anlehnung an Tauber (1981) mit einer neuen Marke oder mit einer Markenerweiterung (Brand Extension) diversifizieren. Letzteres befindet sich, im Rahmen dieser Thesis, im Fokus der Betrachtungen, weswegen sich die Folgekapitel mit einer intensiven Diskussion über Brand Extensions beschäftigen.
2.3 Brand Extensions
2.3.1 Begriffliche Auseinandersetzung und Klassifizierung von Brand Extensions
In Anbetracht der ehrblichen Kosten, die bei einer Neumarkeneinführung anfallen können (Tauber, 1988, S. 28), stellen sich Unternehmen die Frage nach der Notwendigkeit dies zu tun. Bei neuen Produkten scheint es offensichtlich einfacher zu sein, das bereits im Markt aufgebaute Brand Image und den Brand Equity zu kapitalisieren (Esch et al., 2005a, S. 910) und dies exploitativ auf neue Produkte, zur schnelleren Marktetablierung, zu übertragen (Boush/Loken, 1991, S. 16). Eine Brand Extension stellt genau diesen Sachverhalt dar. Ein Unternehmen geht mit einem neuen Produkt unter einer bereits etablierten Marke auf einen neuen Markt (Keller, 2003, S. 577; Esch et al., 2005a, S. 909). Für viele Unternehmen stellt das eine attraktive, aber zugleich betriebswirtschaftlich riskante Aufgabe, zur Differenzierung als auch zur Steigerung des Unternehmenswachstums, dar (Aaker/Keller, 1990, S. 27; Tauber, 1988, S. 26 et seq.). Aus der Literatur lassen sich jedoch verschieden konzeptionelle Ansätze entnehmen, bei denen unterschiedliche begriffliche Definitionen vorzufinden sind. Aus diesem Grund wird im Folgenden der Begriff der Brand Extension detaillierter diskutiert. Tauber (1981, S. 36), der ein früher Anhänger des Brand Extension Konzepts ist, spricht anfänglich noch von Brand Franchise Extension, später verwendet er ausschließlich den Begriff Brand Exten- sion (Tauber, 1988, S. 26), die er hinsichtlich ihrer Art in sieben unterschiedliche Brand Exten- sions untergliedert (Tauber, 1988, S. 29). Farquhar (1989, S. 29 et seq.) unterteilt Brand Ex- tensions dagegen nur in zwei Kategorien: In eine (1) Line Extension und in (2) Category Exten- sions. Aaker und Keller (1990, S. 27) differenzieren sich definitorisch nicht von Farquhar (1989), als dass sie den Begriff „Extension“ als Oberbegriff und die Zusätze „Line“ oder „Brand“ zur Beschreibung der Extension verwenden: (1) Line Extension, bei der eine etablierte Marke verwendet wird, um ein neues Segment innerhalb der existierenden Produktkategorie zu bedienen und (2) Brand Extension, was die Übertragung der etablierten Marke auf eine komplett andere Produktkategorie bedeutet. Burmann et al. (2005a, S. 184) fassen Brand Extensions unter den Markenexpansionsstrategien zusammen. Der Oberbegriff der Brand Ex- tensions untergliedert sich bei ihnen, in Anlehnung an die Begrifflichkeiten von Farquhar (1989), in Line Extension (Markenausdehnungsstrategie) und Category Extension (Marken- transferstrategie). Darüber hinaus existiert auch die Einteilung in vertikale und horizontale Brand Extensions (Esch et al., 2005a, S. 910; Kim/Lavack, 1996, S. 24). Das horizontale Kon- zept der Brand Extension orientiert sich an der Definition einer Brand Extension nach Aaker und Keller (1990) bzw. an der Category Extension nach Burmann et al. (2005a) sowie Farquhar (1989). Es heißt, dass eine existierende Marke auf eine komplett neue oder verwandte Pro- duktkategorie übertragen wird (Sheinin/Schmitt, 1994, S. 1; Randall et al., 1998, S. 356). Da- gegen versteht man unter dem vertikalen Brand Extension Konzept eine Line Extension (Kir- mani et al., 1999). Eine Marke bietet demnach ein neues Produkt mit qualitativen Unterschie- den in derselben Produktkategorie an (Randall et al., 1998, S. 356) und versucht damit neue Kundensegmente zu bedienen (Martínez/Pina, 2003, S. 435), sprich eine höhere Marktabde- ckung zu erreichen (Esch et al., 2005a, S. 907 et seq.).
Grime et al. (2002, S. 1417-1422) attestieren dagegen, dass eine Unterteilung von Brand Extensions nicht notwendig ist, da sich die Art der Extension aus dem Grad des Fit zwischen der Brand Extension und der Originalprodukte ergibt. Das heißt: Passt die Brand Extension nicht in das originäre Produktsortiment, dann resultiert dies in einem geringeren Fit; andere Autoren würden dies dann als Category oder horizontale Extension klassifizieren. In- haltlich sind sich die meisten vorgestellten Konzepte sehr ähnlich, wobei sie begrifflich teilweise auseinanderliegen. Aufgrund der weiten Verbreitung des Konzeptes von Aaker und Keller (1990, S. 27) wird im Rahmen dieser Thesis diesem Konzept entsprochen. Die Autoren definieren die Einführung neuer Produkte in eine für das Unternehmen neue Produktkategorie, unter Verwendung einer bereits etablierten Marke, als eine Brand Extension.
2.3.2 Vorteile und Nachteile von Brand Extensions
Die Exploitation des aufgebauten Markenkapitals in Form einer Brand Extension ist eine verführerische Neuproduktstrategie, deren Erfolg nicht a priori angenommen werden darf. Abhängig von der verwendeten Literaturquelle überschreiten die Misserfolgsraten einer Brand Extension oftmals die 80 % (Ourusoff et al., 1992, S. 32 et seqq; Esch et al., 2005a, S. 912; Mortimer, 2003, o. S.), weswegen Esch et al. (2005a, S. 912) eine umfassende Analyse der Auswirkungen einer geplanten Brand Extension empfehlen.
Im engeren Sinn lässt sich die Notwendigkeit und die damit verbundenen Vorteile einer Brand Extension auf die für eine neue Produktkategorie reduzierten Marketingaufwendungen zurückführen (Esch et al., 2005a, S. 909). Dem folgend lässt sich attestieren, dass Neu- markenstrategien das Unternehmensrisiko maßgeblich steigern, da sie einerseits sehr res- sourcenintensiv sind und andererseits einen hohen zeitlichen Horizont besitzen (Tauber, 1988, S. 27). Die Brand Extension soll diesem Risiko natürlich entgegenwirken, sodass der Konsu- ment die neue Produktkategorie schneller in das Awareness bzw. Evoked Set aufnimmt und damit verbundene Akzeptanzprobleme neuer Marken umgangen werden (Esch et al., 2005a, S. 909). Voraussetzung hierfür ist, dass die neue Marke zur erweiterten Produktkategorie passt, d. h. dass die anvisierten Kundensegmente das Brand Image als kaufrelevant beurteilen und dass, unter der weiteren Verwendung der Stammmarke, auch Wachstumspotenziale generiert werden können (Esch et al., 2005a, S. 908 et seqq.). Im Weiteren lassen sich die Vor- und Nachteile hinsichtlich der Wirkung auf Konsumenten, Unternehmen und den Handel klassifizieren (Esch et al., 2005a, S. 913), wobei das Letztgenannte für die vorliegende Masterarbeit von nachrangiger Bedeutung ist und nur kurz angesprochen wird.
Problematisch ist, dass sich der (1) Konsument gegenwärtig, aufgrund der nach kun- denseitiger Aufmerksamkeit buhlenden Unternehmen, einer Abundanz an Informationen und Kommunikationsmaßnahmen konfrontiert sieht (Esch et al., 2005a, S. 905). Hierbei ist er von seiner limitierten kognitiven Kapazität und Verarbeitungsfähigkeit nachteilig beeinflusst (Si- mon, 1959, S. 272 et seqq.). Der Konsument kann demnach nicht alle Informationen rational verarbeiten. Zudem führt die Überflutung von den zur Auswahl stehenden Marken zu Nach- teilen in der Entscheidungsfindung, sodass der Entscheidungsprozess zu Stress führen kann (Iyengar/Lepper, 2000, S. 1003) oder den Konsumenten in seiner Entscheidung vollends pa- ralysiert (Schwartz, 2000, S. 86 et seq.). Der Konsument ist demnach nicht in der Lage, ge- schweige denn sonderlich gewillt, sich alle Informationen zu einem neuen Produkt zu be- schaffen (Sattler, 1998b, S. 319 et seq.). Der Vorteil einer Brand Extension aus Sicht des Kon- sumenten liegt folglich darin, dass er sich auf die Reputation einer bereits bekannten Marke verlassen kann (Sattler, 1998b, S. 320). Aufwendige Such- und Vergleichsprozesse werden dabei reduziert (Caspar/Burmann, 2005, S. 250). Die Brand Extension unter der bekannten Marke wirkt folglich risikoreduzierend (Cohen/Basu, 1987, S. 470; Bearden/Shimp, 1982, S. 229 et seq.) auf den Konsumenten, da sie einen Referenzpunkt für Qualität darstellt (Esch et al., 2005a, S. 914). Auch verschafft dies im Vergleich zu einer unbekannten Marke, einen Be- kanntheits- und Vertrauensvorsprung (Meffert/Bierwirth, 2002, S. 189 et seqq.). Die sofortige Wahrnehmung als auch das Abrufen gespeicherter kundenseitiger Markenassoziationen, führt zu einer besseren Speicherung bzw. Erinnerung und somit auch Akzeptanz des Neupro- duktes (Keller, 1993, S. 15; Kotler/Armstrong, 2010, S. 243). Dies kann sogar so weit führen, dass neu geformte Assoziationen, auf Basis der Brand Extension, das Brand Image positiv beeinflussen (Aaker, 1990, S. 47; Ruyter/Wetzels, 2000, S. 653 et seqq.).
Dennoch ist eine Brand Extension auch mit einem gewissen kundeninduzierten Risiko verbunden. Diesbezüglich besteht die Gefahr, dass die Brand Extension den Konsumenten verwirrt (John et al., 1998, S. 31 et seq.) und somit die Markenassoziationen, sprich das Brand Image, verwässert (Loken/John, 1993, S. 71; Martínez/Chernatony, 2004, S. 46 et seq.). In gleicher Weise kann auch die Einstellung des Konsumenten gegenüber einer Marke beein- flusst werden (Kotler/Armstrong, 2010, S. 243). Diese Effekte entstehen, da die neu einge- führte Produktkategorie, auf die eine etablierte Marke übertragen wird, neue konsumenten- seitige Markenassoziationen entstehen lässt, die selbstverständlich dem vorhandenen Brand Image entgegenstehen können (Ries/Trout, 2001, S. 101 et seqq. & S. 115 et seqq.). Besagtes steht der Vermittlung eines klaren und eindeutigen Brand Images im Wege und gefährdet folglich die Marke (Reynolds/Gutman, 1984, S. 36).
Aus der Sicht eines (2) Unternehmens ergeben sich aus der Verfolgung einer Brand Extension Strategie eine Reihe von Vorteilen. In erster Linie ist eine Brand Extension günstiger als die Einführung einer neuen Marke. Aufgrund des bereits etablierten Brand Images werden außerdem Einführungs- sowie Marketingaufwendungen reduziert (Collins-Dodd/Louviere, 1999, S. 10 et seqq.), die Akzeptanz des Neuproduktes wird stimuliert (Morrin, 1999, S. 523) und das Unternehmen kann auf der Ebene der Kommunikation Economies of Scale generie- ren. Diese sollen gleichsam umsatzsteigernd und auch aufwandsreduzierend wirken (Sharp, 1993, S. 11; Boush/Loken, 1991, S. 16; Tauber, 1988, S. 28; Keller, 1993, S. 15). Auch lässt sich konstatieren, dass sich die Effektivität des Marketing Mix steigert (Morrin, 1999, S. 523) und das Unternehmen zusätzlich die Markenpräsenz in verschiedenen Produktkategorien ausbauen (Esch et al., 2005a, S. 915). Eine starke Marke kann hierbei auch zur Überwindung von Markteintrittsbarrieren genutzt werden; dies ist insbesondere für den Markteintritt von Apple in den Automobilmarkt relevant, da die kompetitive Hebelkraft der Marke zur Steige- rung des Unternehmenswachstums genutzt werden kann (Esch et al., 2005a, S. 915; Hätty, 1989, S. 290 et seqq.). Infolgedessen lassen sich neue Segmente bearbeiten (Meffert/Bier- wirth, 2002, S. 193 et seqq.) oder bspw. eine Neupositionierung bzw. Brand Image Transfor- mation, wie einst beim Eintritt von Apple als Computerhersteller in den Bereich der MP3 Player oder Smartphones, realisieren (Park et al., 1986, S. 138; Park et al., 1996, S. 454; Wöl- fer, 1994, S. 531). Wie durch die Smartphones von Apple geschehen, kann mit positiven Spil- lover Effekten durch die Brand Extension auf das Brand Image gerechnet werden (Tauber, 1988, S. 28; Keller, 1993, S. 15; Hätty, 1989, S. 299 et seqq.). Vorteil eines solchen Spillover Effektes ist, dass er sich positiv auf den Markenlebenszyklus auswirken kann (Hätty, 1989, S. 576). Das Unternehmen kann folglich das eigene Brand Image auffrischen und, wie bei Apple, zeitgemäße Technologien in das eigene Produktportfolio einbinden (Esch et al., 2005a, S. 915). Die erhofften Synergien im Marketing Mix können allerdings auch überschätzt werden, was dann zu einer Reduzierung der Marketingeffektivität führt (Sharp, 1993, S. 13). Ähnlich brisant sind Kannibalisierungseffekte die bspw. auftreten, wenn die Brand Extension ein ge- eignetes Substitutionsprodukt zu den bereits angebotenen Produkten darstellt (Buday 1989; John 1998). Viel schlimmer ist eine Kontaminierung der Stammmarke: Negative Erfahrungen, Assoziationen oder Unzufriedenheit mit der Brand Extension können sich verwässernd auf das Markenimage auswirken und eine klar positionierte Marke erodieren (Loken/John, 1993, S. 73; Sharp, 1993, S. 12 et seq.; Esch et al., 2005a, S. 916; Farquhar, 1989, S. 30). Nicht nur eine vom etablierten Brand Image eingeführte Brand Extension kann hier zu Erosionen der Marke führen, sondern auch die Einführung von zu vielen, variierenden Brand Extensions kann Verwirrung stiften und das Brand Image aufweichen (Esch et al., 2005a, S. 916). Weitere nennenswerte Nachteile von Brand Extensions erwachsen aus einer Diskrepanz der Assoziationen, die Konsumenten mit der ursprünglichen und der neuen Produktkategorie in Verbindung bringen. Diesbezüglich können sich vormals positive Assoziationen anschließend negativ auf die Brand Extension auswirken (Bridges, 1992, o. S; Aaker/Keller, 1990, S. 30), z. B. wäre der appetitliche Duft einer Knorr Tütensuppe schlecht auf Deosprays übertragbar und würde eventuell auch zu negativen Rückschlüssen führen.
Durch die Verwendung von Brand Extensions kann auch die Akzeptanz des (3) Han- dels, aufgrund der bestehenden Markenbekanntheit gegenüber einer unbekannten bzw. neuen Marke, gesteigert werden (Tauber, 1981, S. 38). Da der Handel mit einer Verbesserung des Umsatzes am POS rechnet (Wölfer, 1994, S. 527 et seqq.), steigert sich deren Listungs- bereitschaft und eventuelle Listungsgebühren können unter Umständen umgangen werden (Esch et al., 2005a, S. 909-915). Resümierend lässt sich konstatieren, dass Brand Extensions eine ganze Reihe von Vorteilen für Konsumenten, Unternehmen und auch den Handel bieten.
Diese zweiseitige Strategie birgt allerdings auch viele Risiken, die immerhin bei genauer Planung und vorheriger Analyse reduziert werden können.
2.3.3 Erfolgsfaktoren von Brand Extensions
Damit der Konsument die gespeicherten Assoziationen, aus der Sicht eines Unternehmens, erfolgreich auf das neue Produkt überträgt, müssen nach Keller (2005, S. 949 et seq.) vier Voraussetzung erfüllt sein: (1) Die Stammmarke muss dem Konsumenten bekannt sein und er muss dieser positiv gegenüberstehen, (2) im Erweiterungskontext sollen positive Assozia- tionen aktiviert und auf die Brand Extension übertragen werden, (3) die Übertragung von ne- gativen Assoziationen muss unterbunden werden und (4) die Brand Extension darf auch keine negativen Assoziationen entstehen lassen. Für den Fall, dass alle vier Voraussetzungen ku- mulativ erfüllt sind, ist der Erfolg einer Brand Extension am wahrscheinlichsten. An dieser Stelle lässt sich ein weiteres Mal attestieren, dass die bereits angesprochene Grundlage der Erfolgsanalyse von Brand Extensions von einer Beurteilung durch den Konsumenten ausgeht (Aaker/Keller, 1990, S. 28; Boush/Loken, 1991, S. 25). Dies ist in der Literatur mehrfach mittels zahlreicher Konstrukte, mit zum Teil positiven und auch negativen Ergebnissen, analysiert worden20. Die konsumentenseitigen Beurteilungen hängen gemäß Keller und Aaker (1992, S. 36) von drei Faktoren ab: der (1) Salience, die eine Repräsentanz der Markenassoziationen im Bewusstsein des Konsumenten (Wyer/Srull, 1986, S. 330 et seq; Lynch Jr./Srull, 1982, S. 20 et seq.) und diesbezüglich die Zugänglichkeit zu den Stammmarkenassoziationen im Kontext der Brand Extension darstellt. Das heißt, wenn die Salience hoch ausgeprägt ist, dann fällt es dem Konsumenten leichter auf die Stammmarkenassoziationen zurückzugreifen. Weiterhin machen Keller und Aaker (1992, S. 36) die Beurteilungen davon abhängig, welche (2) Relevanz die zur Verfügung stehenden Informationen über die Brand Extension hat und wie (3) vorteil- haft die übertragenen Assoziationen im Brand Extension-Kontext beurteilt werden. Demnach wird bei vorhandenen und schnell abrufbaren Assoziationen, die vorteilhafterweise positiver Natur sein sollten, auch die Brand Extension mit hoher Wahrscheinlichkeit positiv beurteilt.
In der Forschungsliteratur werden mannigfaltige Konstrukte zur Messung von vorhan- denen Assoziationen, sowie zur Beurteilung dieser, herangezogen21. Konstrukte wie Percei- ved Quality, Perceived Fit oder auch die Perceived Difficulty of Manufacturing erscheinen oft als ein paar besonders populäre Einflussvariablen (Burnaz/Bilgin, 2011, S. 257), die ebenso, gemäß den Ausführungen von Aaker und Keller (1990, S. 38), eine maßgebende Rolle bei der Wahrnehmung von Brand Extensions spielen. Die überaus beachtliche Rezension von Völck- ner und Sattler (2006, S. 18), deren Ziel es war, Erfolgsfaktoren erstmalig hinsichtlich ihrer relativen Wichtigkeit hin zu erforschen, kam zu dem Ergebnis, dass Fit, Marketing Support, Retailer Acceptance, Parent-Brand Conviction und - Experience maßgebende Variablen zur Erfolgsermittlung einer Brand Extension sind (Völckner/Sattler, 2006, S. 30). Um diesen Kapitel eine klare Struktur zu verleihen, werden nachfolgend die am wichtigsten und in der Literatur am häufigsten genannten Erfolgsfaktoren vorgestellt.
Zuerst soll nun das Brand Image als der wohl wichtigste Erfolgsfaktor untersucht wer- den. Die Relation zwischen Brand Extension und Brand Image stellt allgemein die Grundlage der Erfolgsermittlung dar, d. h. wenn das Brand Image positiv und gewinnbringend von der Brand Extension beeinflusst wird, dann soll im Rahmen dieser Thesis von einem Erfolg ge- sprochen werden. Die Vorstellungen und Einstellungen, die Konsumenten zu einer Marke be- sitzen, werden dabei auf die Brand Extension übertragen (Bottomley/Holden, 2001, S. 499 et seq.). Außerdem präferieren Konsumenten Brand Extensions von Marken mit einem bereits positiven Ausgangsimage (Ruyter/Wetzels, 2000, S. 639). Sattler (1998b, S. 3) verweist bspw. auf die Produkteinführung von Innovationen, bei der Konsumenten das Produkt, vor allem im Falle eines starken Brand Image, tendenziell schneller adoptieren. Folglich lässt sich konsta- tieren, dass bei vorhandenen positiven Markenassoziationen sowie einem umfangreichen Markenwissen seitens des Konsumenten, sowohl die Kaufbereitschaft als auch die Erstkauf- rate positiv beeinflusst werden (Aaker/Keller, 1990, S. 38 et seq; Sharp, 1993, S. 11). Wird das Brand Image, genauer gesagt die aufgebauten Markenassoziationen, durch den Konsu- menten, in keiner Weise auf die Brand Extension übertragen, so kann auch nicht von einer Kapitalisierung der Stammmarke gesprochen werden. Immerhin soll die Stammmarke zur besseren Erkennung und zum Transfer der Imagekomponenten auf das neue Produkt beitra- gen (Aaker/Keller, 1990, S. 27). Gleichzeitig muss der Aufbau bzw. der Transfer von negativen Assoziation unterbunden werden (Keller, 2005, S. 949). Ergänzend ließ sich feststellen, dass das Brand Image die Ansichten, Meinungen sowie die Einstellungen der Konsumenten zu einer Brand Extension beeinflusst (Aaker/Keller, 1990, S. 28; Esch et al., 2005a, S. 912; Pitta/Prevel Katsanis, 1995, S. 55). Rekapitulierend soll an dieser Stelle konstatiert werden, dass eine starke Marke in Verbindung mit einem positiven Brand Image maßgebend zum Er- folg beiträgt (Caspar/Burmann, 2005, S. 260; Chang et al., 2004, S. 29). Die bloße Inspizierung des Brand Image Konstruktes unter Einbeziehung der Brand Extension stellt sich aber als zu oberflächlich dar. Es evoziert sich die Frage, welche weiteren Erfolgsfaktoren existieren.
An dieser Stelle wird weiterführend der Perceived Fit, als einer der überaus relevanten Er- folgsfaktoren, apostrophiert (Völckner/Sattler, 2006, S. 18; Tauber, 1988, S. 28; Aaker/Keller, 1990, S. 29). Der Fit ist dann besonders stark, wenn das Unternehmen Wert auf zur Stamm- marke passende Produktkategorien legt (Völckner/Sattler, 2006, S. 30). Viele Unternehmen transferieren aus diesem Grund ihre Stammmarke auf artverwandte Produktkategorien. In diesem Falle vereinfacht dieses Vorgehen den Transfer des Brand Images auf die Brand Ex- tension und steigert den wahrscheinlichen Erfolg dieser (Caspar/Burmann, 2005, S. 260; Völckner/Sattler, 2006, S. 30; Esch et al., 2005a, S. 912; Aaker/Keller, 1990, S. 28; Boush et al., 1987, S. 227 et seqq.). Beispielhaft sei auf die Marke Apple verwiesen, die dank zueinan- der passender Produktkategorien erfolgreich von Desktop-PCs auf MP3 Player oder Smart- phones transferiert werden konnte. Rein intuitiv lässt sich hoher Fit zwischen den Kategorien Personal Computer und Smartphones erahnen. Fehlt es vollends an diesem Fit, so wie es wohl bei einer Brand Extension von Apple im Bereich Tütensuppen denkbar ist, dann können diese Produkte sogar eine parodische Wirkung entfalten und sind aller Wahrscheinlichkeit nach sogar zum Scheitern verurteilt. Ist ein hoher konsumentenseitiger Fit gegeben, so besitzt die Brand Extension faktisch eine höhere Relevanz für den Konsumenten (Aaker, 1990). Dies kann sich entweder positiv oder negativ auf die Beurteilung der Stammmarke auswirken (Hankinson/Cowking, 1993, S. 76; Keller/Aaker, 1992, S. 46). Besitzt die Brand Extension da- gegen keine Relevanz, so kann sie aufgrund des häufig einhergehenden niedrigen Fit zu ei- nem Misserfolg führen (Esch et al., 2005a, S. 916). Keller und Aaker (1992, S. 46) attestieren, dass sich ein Unternehmen von einem Misserfolg nicht unbedingt abschrecken lassen muss, da immer die Möglichkeit bestehe eine neue Brand Extensions mit einem höheren Fit nach- träglich einzuführen. Folglich ist spekulieren, dass die Auswirkungen auf die Stammmarke teilweise vernachlässigbar sind, was allerdings nicht immer der Fall sein muss. Unter Umstän- den wirkt sich der Misserfolg nämlich negativ auf die Stammmarke aus und verändert die Assoziationen des Konsumenten zur Marke (Aaker/Keller, 1990, S. 30; Romeo, 1991, S. 404; Sullivan, 1992, S. 804; Loken/John, 1993, S. 81 et seq.).
Als einen weiteren Erfolgsfaktor für Brand Extensions nennen Glynn und Brodie (1998, S. 509) die Similarity, die vergleichbar mit dem Perceived Fit einen Aspekt der Kongruenz darstellt. Bei der Similarity erfolgt eine positive Einflussnahme dann, wenn eine Ähnlichkeit zwischen Brand Extension-Kategorie und Stammmarkenkategorie besteht. Je höher die Ähn- lichkeiten zwischen der Stammmarke und der Erweiterungskategorie, desto besser lassen sich die Assoziationen übertragen (Boush et al., 1987, S. 234; Aaker/Keller, 1990, S. 38; Park et al., 1991, S. 190 et seq.). Zusammenfassend lässt sich für diese zwei Konstrukte konsta- tieren, dass der Fit die Frage beantwortet, ob aus Konsumentensicht die Brand Extension mit der Stammmarke zusammenpasst. Dagegen sagt die Similarity aus, ob der Konsument Ähn- lichkeiten zwischen der neuen und der etablierten Produktkategorie wahrnimmt. Da bei Ab- wesenheit dieser Fit Variablen ein Imagetransfer maßgebend erschwert wird, stellen sie einen wichtigen Erfolgsfaktor zur Beurteilung von Brand Extensions dar.
Der Fit als eine vielbeachtete Erfolgsvariable beeinflusst das Konstrukt der Perceived Quality, welches bei hoher Übereinstimmung von Stammmarke und Brand Extension den Transfer von Qualitätsassoziationen ermöglicht (Aaker/Keller, 1990, S. 29). Die Perceived Quality ist dabei als die global vom Konsumenten wahrgenommene und bewertete Überle- genheit einer Marke bzw. eines Produktes definiert (Zeithaml, 1988, S. 3). Bottomley und Hol- den (2001, S. 499) bezeichnen Fit- und Qualitätsvariablen als wichtige Determinanten zur Messung des Brand Extension Erfolgs. Auch Aaker und Keller (1990, S. 38) betrachten diese Konstrukte als notwendig zur Bildung von vorteilhaften Konsumentenbeurteilungen. Deshalb wird dieses Konstrukt von einigen Autoren zur Erfassung kundenseitigen Bewertung hinsicht- lich Brand Extension und der Stammmarke nach einer Neuprodukteinführung herangezogen (Keller/Aaker, 1992; Dacin/Smith, 1994; Nijssen, 199922 ). Aufgrund der Wichtigkeit der Percei- ved Quality und des Fit schlagen Aaker und Keller (1990, S. 38) vor, beide Konstrukte zur Erfolgsbestimmung einzubeziehen. Gleichzeitig ordnen Keller und Aaker (1992, S. 48) der Per- ceived Quality im Vergleich zum Fit einen stärkeren Effekt hinsichtlich einer Beurteilung von Brand Extensions zu - demnach können Marken mit hoher wahrgenommener Qualität auch in Produktkategorien mit niedrigem Fit erfolgreich vordringen. Hierbei ist allerdings Vorsicht geboten; sollte die Brand Extension ein geringeres Qualitätslevel als die Stammmarke aufwei- sen, dann können negative Rückkopplungen bezogen auf den Brand Equity auftreten (Randall et al., 1998, S. 373). In diesem Fall sollte zum Schutz des Brand Equity und auch des Brand Images, eher auf eine Sub-Branding-Strategie zurückgegriffen werden (Farquhar et al., 1982, S. 32 et seqq.). Überblickend soll für dieses Konstrukt konstatiert werden, dass die Perceived Quality ein überaus wichtiger Bestandteil der Erfolgsmessung ist. Ein Ausschluss dieses Konstruktes aus der Analyse ist durchaus legitim, sollte aber aufgrund der Tatsache, dass es selten vorkommt, detailliert begründet werden.
Anknüpfend an der Dokumentation von Erfolgsfaktoren, wird davon ausgegangen, dass die direkten Erfahrungen eines Konsumenten, genauer gesagt die Brand Experience, die Relevanz der Marke erhöhen und neben einer positiven Imageentwicklung, auch zum Erfolg einer Brand Extension beitragen (Völckner/Sattler, 2006, S. 22). Gemäß den Forschungser- gebnissen von Swaminathan et al. (2001, S. 9), veranlassen positive Erfahrungen allerdings lediglich zum Erstkauf. Folgekäufe können diesbezüglich nicht a priori angenommen werden. Ferner stimuliert die Brand Experience auch die sogenannte Brand Conviction. Die Brand Conviction repräsentiert den Überzeugungsgrad der Marke und ist genau wie die Brand Ex- perience nicht kurzfristig vom Unternehmen aufzubauen, trägt aber dennoch, wenn vorhan- den, zum Erfolg einer Brand Extension bei (Völckner/Sattler, 2006, S. 30).
Die Hebelkraft des Brand Equity (Keller/Aaker, 1992, S. 48) von insbesondere starken Marken macht sich bei der Beurteilung von Brand Extensions im positiven Sinne bemerkbar.
Unter Einbeziehung der Ergebnisse von Völckner und Sattler (2006, S. 30) ist diese Hebelwir- kung auch auf die als relativ wichtig für den Brand Extension-Erfolg bestimmten Konstrukte Brand Experience und Conviction festzustellen. Die Multidimensionalität, die dem Konstrukt Brand Equity von verschiedenen Forschern zugesprochen wird (Aaker, 1992, S. 28; Keller, 1993, S. 7), teilt sich in vielerlei Hinsicht ähnliche Dimensionen, d. h., dass diese Forscher dieses Konstrukt in ähnlicher Art und Weise operationalisieren (Chang/Liu, 2009, S. 1689). Gleichzeitig werden die einzelnen Dimensionen des Brand Equity Konstruktes zur Beurteilung von Brand Extension herangezogen. Diesbezüglich werden die einzelne Dimensionen des Brand Equity wie z. B. (1) Brand Awareness, (2) Familiarity oder (3) Brand Loyalty in einigen Studien auch als Einzelkonstrukt mit eingebunden. Da im Automobilbereich die Marke eine besonders beeinflussende Rolle spielt (Zintzmeyer/Binder, 2003, S. 63 et seqq; Gött- gens/Böhme, 2005, S. 44 et seq.), soll im Rahmen dieser Thesis das Brand Equity-Konstrukt, welches prinzipiell dem Markenwert entspricht, in die Erfolgsanalyse integriert werden.
Ohne die (1) Brand Awareness 23 , also den Umstand, dass die Marke dem Konsumenten überhaupt bekannt ist, sind Assoziationen nicht auf die Brand Extension zu übertragen (Keller, 2005, S. 949). Eine bekannte Marke mindert das wahrgenommene Risiko, da es dem Konsumenten ein Gefühl von Vertrautheit gibt (Aaker/Keller, 1990, S. 27). Sowohl Ghorbani und Madani (2012, S. 8225) als auch Hameed et al. (2014, S. 243) integrieren das Brand A- wareness-Konstrukt in ihr Strukturmodell und stellen dabei einen positiven Einfluss auf die Stammmarke und Einstellung gegenüber einer Brand Extension fest.
Eine weitere Dimension des Brand Equity und ein weiterer Erfolgsfaktor ist das Konstrukt Vertrautheit bzw. (2) Familiarity 24, welches im Gegensatz zur bloßen Brand Awareness, sprich die Markenbekanntheit, sich auf die bereits vom Konsumenten gemachte Erfahrungen fokussiert (Alba/Hutchinson, 1987, S. 438; Baker et al., 1986, S. 637). Damit trägt dieses Konstrukt auch besser zur Bildung von konsumentenseitigen Wissensstrukturen über die Marke bei (Roux/Boush, 1996, S. 2056 et seqq.). Dies deutet darauf hin, dass das Familiarity Konstrukt besser zur Erfolgsprädiktion einer Brand Extension beiträgt.
Die genannte dritte Dimension des Brand Equity und ein ebenfalls weiterer Erfolgsfak- tor ist die (3) Brand Loyalty. Ein Konsument mit hoher Brand Loyalty ist besonders wertvoll für ein Unternehmen, denn er lässt sich zum einen schwer durch andere Marken verführen (Aa- ker, 1972, S. 163 et seq.) und besitzt zum anderen eine hohe Wiederkaufneigung. Das Resul- tat dieser Wiederkaufsneigung lässt sich ex post und direkt am Umsatz ablesen (Aaker, 1992, S. 28 et seq.). Die Brand Loyalty ist also nicht nur für den Brand Equity von besonderer Be- deutung (Aaker, 1992, S. 28 et seq.), sondern auch für die Bildung einer konsumentenseitigen Einstellung zur Brand Extension, die den Erfolg einer Brand Extension zusätzlich noch beeinflusst (Ghorbani/Madani, 2012, S. 8224).
Yoo und Donthu (2001), die einerseits eine multidimensionale Brand Equity Skala aus den bereits diskutierten Konstrukten Perceived Quality, Brand Awareness/ Associations und Brand Loyalty entwickelten, haben im Rahmen ihrer Forschung auch eine eindimensionale Skala zur Messung des Overall Brand Equity entwickelt. Dieses Konstrukt zielt darauf ab, den Wert der zur Debatte stehenden Marke mit einer unbekannten, aber auf gleicher Ebene be- findlichen Marke zu vergleichen (Yoo/Donthu, 2001, S. 11). Im Rahmen dieser Thesis wird das angesprochene eindimensionale Konstrukt zur Messung des Overall Brand Equity dem mehr- dimensionalen vorgezogen werden. Folglich wird auf eine einzelne Messung der vorher dis- kutierten Konstrukte Brand Awareness, Brand Loyalty und Familiarity verzichtet. Perceived Quality, welches nach Yoo und Donthu (2001) eine Dimension des mehrdimensionalen Brand Equity-Konstruktes repräsentiert, soll aufgrund der erwähnten Einflussnahme auf Brand Image und Einstellung in das Strukturmodell integriert und geprüft werden.
Nachfolgend soll die Aufmerksamkeit auf einen weiteren Erfolgsfaktor gelenkt werden. Da der Erfolg einer Brand Extension auch von der direkten Beurteilung des neuen Produktes durch den Konsumenten abhängt (Klink/Smith, 2001, S. 333), werden bevorzugt Konstrukte zur Messung des Gefallens sowie der Bevorzugung eingesetzt (Sheinin/Schmitt, 1994, S. 6; Kirmani et al., 1999, S. 88). Grundlegende Prämisse dieser Forschungen ist die Vermutung, dass bei hoher Kongruenz zwischen Stammmarke und Brand Extension, der Konsument eine positive Einstellung entwickelt (Sheinin/Schmitt, 1994, S. 8; Boush et al., 1987, S. 233 et seq.). In diesem Sinne, sprich mit der Herausbildung von vorteilhaften Einstellungen gegenüber ei- ner Brand Extension, wird die Wichtigkeit von Fit Konstrukten evident. Die positiv gehaltenen Assoziationen im Gedächtnis des Konsumenten und die Einstellung zur Stammmarke, dienen dabei als eine Grundlage zur Bildung von positiven Einstellungen gegenüber der Brand Ex- tension (Aaker/Keller, 1990, S. 28 et seq.). Nun, da festgestellt wurde, dass sich bspw. Fit, die Perceived Quality und das Brand Image bzw. die Stammmarke entscheidend auf die Einstel- lung auswirken (Kazemi et al., 2013, S. 469), muss ebenso attestiert werden, dass die Einstel- lung selbst eine beeinflussende Variable darstellt, die, wenn positiv, auch das wahrgenom- mene Brand Image nach Einführung einer Brand Extension positiv beeinflusst (Martínez/Cher- natony, 2004, S. 46; Müge Arslan/Korkut Altuna, 2010, S. 176 et seq; Kazemi et al., 2013, S. 469; Hameed et al., 2014, S. 244).
Weitere Erfolgsfaktoren stellen Innovationsgrad sowie die Einfachheit der Herstellung dar. Demnach ein sonst innovatives Unternehmen mit einer Brand Extension, die nur einen geringen Innovationsgrad besitzt - was prinzipiell für ein sehr einfaches Produkte spricht - dies als ein inkonsistentes Produkt, im Vergleich zum bereits vorhandenen Produktsortiment, wahrgenommen werden (Aaker/Keller, 1990, S. 30; 36; Esch et al., 2005a, S. 909). In einem solchen Fall ist der Konsument eher geneigt, dieses Produkt, welches er als einen zu kleinen Fortschritt für das Unternehmen betrachtet, abzulehnen.
Wenn sich ein Konsument bei einem Kauf einer vertrauten Marke mit einer neuen Pro- duktkategorie konfrontiert sieht, nimmt er diese Entscheidung mit einem bestimmten Risiko- grad wahr, der durch eine starke Stammmarke allerdings gemindert werden kann (Hem et al., 2003, S. 783). Gemäß den Aussagen befragter Experten reduziert sich die Bereitschaft neue Erfahrungen hinsichtlich der Marke in einer neuen Produktkategorie zu machen, wenn sich der Grad des wahrgenommenen Risikos steigert (Völckner/Sattler, 2006, S. 32). Für den Fall, dass die Marke nicht im Stande ist das wahrgenommene Risiko zu mindern, steigert sich die Wahrscheinlichkeit, dass der Konsument auf eine andere Marke, die bspw. die Produktkate- gorie besser repräsentiert, zurückgreift. In diesem Fall wären die Markenassoziationen nur ungenügend auf die Brand Extension in der neuen Produktkategorie übertragenen worden, das Kaufrisiko wäre des Weiteren als unüberwindbare Schwelle wahrgenommen und der Er- folg der Brand Extension ist gefährdet.
Die Consumer Innovativeness, ein weiterer Erfolgsfaktor, wird als Grad der Bereit- schaft, neue respektive innovative Produkte auszuprobieren, definiert (Klink/Smith, 2001, S. 329). Folglich stellt die Consumer Innovativness einen engen Bezug zum wahrgenommenen Risiko her. Rogers (1983, S. 248 et seqq.) postuliert, dass im Diffusionsverlauf zur Adoption einer Innovation, die Gruppe der Innovatoren ein hohes Risiko akzeptieren und die späteren Adoptoren dagegen risikoavers handeln. Folglich kann konstatiert werden, dass sich risiko- affine Konsumentengruppen durch eine höhere Consumer Innovativeness auszeichnen und daher positiver auf Brand Extensions reagieren sollten (Klink/Smith, 2001, S. 331).
Aufgrund fehlender Erfahrungen mit den neuen Produkten, stellt die Brand Reputation, ähnlich wie das Brand Image, eine für den Konsumenten geeignete Quelle zur Qualitätsbeurteilung einer Brand Extension dar (Hem et al., 2003, S. 788; Barone et al., 2000, S. 390). Eine positive Markenreputation wirkt sich auch positiv auf den Erfolg einer Brand Extension aus (Hem et al., 2003, S. 788). Die Reputation wird auch hier, ähnlich wie das Brand Image, mittels Kommunikationsmaßnahmen und mit den vom Konsumenten gemachten Produkterfahrungen geformt (Fombrun/van Riel, 1997, S. 7).
Wie zu erkennen ist, spielt also auch der Marketing Support bei Brand Extensions eine erfolgsbeeinflussende Rolle. Marketing- und Kommunikationsmaßnahmen stimulieren die Qualitätswahrnehmung (Nelson, 1974, 752), das Brand Image (Krishnan/ Chakravarti, 1993, S. 213 et seq.) und die Brand Reputation (Fombrun/van Riel, 1997, S. 7). Völckner und Sattler (2006, S. 30) betonen die Wichtigkeit dieses Erfolgsfaktors, da ein Unternehmen mit dessen Hilfe in die Lage versetzt wird, dem Konsumenten stimulierende Informationen, auf überzeu- gende Art zu vermitteln. Dies trägt anschließendzum Aufbau des Brand Image bei und liefert eine Erklärungen, warum ein Fit zwischen Stammmarke und Brand Extension aus Unterneh- menssicht besteht. Aaker und Keller (1990, S. 36 et seqq.) schlagen zwei Strategien zu dessen Bearbeitung vor. Einerseits kann das Unternehmen zur Stammmarke positive Assoziationen im Kontext der Brand Extension betonen. Dies setzt voraus, dass eine bestimmte Nähe bzw. ein entsprechender Fit zur neuen Produktkategorie existiert. Andererseits und im Falle, dass keine Nähe zur Produktkategorie besteht bzw. die Stammmarke besonders schutzbedürftig ist, wirkt eine Strategie, die ausschließlich Informationen über die Brand Extension vermittelt, am effektivsten. Die strategische Entscheidung hängt also von der Vereinbarkeit der Stamm- marke und der Brand Extension ab (Esch et al., 2005a, S. 916). Im Zentrum der Aufmerksam- keit steht das besonders schutzbedürftige Brand Image der Stammmarke. Der Aufbau sowie die Übertragung von negativen Assoziationen muss unbedingt vermieden werden (Keller, 2005, S. 949).
Da Konsumenten neue Produkt als eine bloße Kopie bzw. als ein Me-Too Produkt wahrnehmen könnten (Meyers-Levy et al., 1994, S. 53), besagt ein weiterer Erfolgsfaktor, dass die Brand Extension sich von konkurrierenden Marken in der neuen Produktkategorie diffe- renzieren muss. Im vorliegenden Fall mit Apple wären z. B. BMW, Ford oder Tesla die neuen Konkurrenten. Apple sollte deshalb nicht einfach nur ein ähnliches Elektrofahrzeug launchen, sondern stattdessen, dieses Elektrofahrzeug mit wirklichen differenzierenden Attributen aus- statten.
Weiterführend in der Dokumentation zu den Erfolgsfaktoren soll für den Fall, dass ein Unternehmen seine etablierte Marke bereits in andere Produktkategorien erfolgreich übertra- gen hat, die Qualitätsvarianz als ein Erfolgsfaktor von Brand Extension genannt werden (Da- cin/Smith, 1994, S. 239). Diesem Konstrukt wird allerdings nur ein geringes Maß an Wichtig- keit zugesprochen (Völckner/Sattler, 2006, S. 30). Dennoch wirkt es insbesondere positiv auf die Handelsakzeptanz (Völckner/Sattler, 2006, S. 30). Diese sogenannte Retailer Acceptance, die von Völckner und Sattler (2006, S. 30) nach Wichtigkeit erforscht wurde, wird dagegen als überaus entscheidende Einflussvariable betrachtet. Wenn ein Unternehmen handelsseitiges Vertrauen basierend auf einer starken Marke oder erfolgreicher Produkte aufbaut, so steigert sich die Listungswahrscheinlichkeit des Handels. Dadurch wird es dem Unternehmen ermög- licht, das neue Produkt flächendeckend zu distribuieren und den Brand Extension-Erfolg po- sitiv zu stimulieren.
Das bei Käufen oftmals wichtige Involvement, kann abhängig von der Art der Ziel- gruppe, auch eine erfolgsbeeinflussende Rolle bei Brand Extensions spielen und soll daher als Erfolgsfaktor angesprochen werden (Sattler et al., 2002, S. 15). In der Einleitung wurde bereits die Annahme getroffen, dass sich Automobilkäufe durch einen hohen Grad an Invol- vement auszeichnen. In erster Linie muss an dieser Stelle zwischen den unterschiedlichen Involvement-Arten unterschieden werden: Zum einen existiert das Situations-Involvement, welches für die drei im Marketing relevanten Situationen im Bereich der Kommunikation, des Kaufes und des Konsums von Bedeutung sind (Wenben Lai, 1991, S. 55-67); zum anderen existiert das Produkt-Involvement, dass die von einer Person wahrgenommene Relevanz hin- sichtlich eines Produktes, und zwar basierend auf deren Bedürfnissen, Werten sowie Interes- sen, wiederspiegelt (Zaichkowsky, 1985, S. 352). In der Studie von Srivastava und Sharma (2011, S. 422) halten die Autoren fest, dass das Involvement die Einstellung gegenüber einer Brand Extension beeinflusst.
Die wahrgenommene Relevanz, als ein zusätzlicher Erfolgsfaktor einer Brand Exten- sion, wirkt sich auf den Entscheidungsprozess des Konsumenten aus. Dass die Wirkung der Relevanz besteht und sie zudem von entscheidender Bedeutung ist, konnte bereits mehrfach in der Forschungsliteratur herausgearbeitet werden (Kotler/Armstrong, 2010, S. 236; Esch et al., 2005a, S. 908; Keller/Aaker, 1992, S. 36). Für Keller und Aaker (1992, S. 36) ist die kon- sumentenseitige Relevanz eine Grundvoraussetzung für den Erfolg einer Brand Extension.
Zu guter Letzt konnte in einigen Fällen, wie bspw. in der PC Industrie, ein Einfluss der Industrie, in der sich das Unternehmen befindet, auf die Beurteilung der Brand Extension fest- gestellt werden (Putsis/Bayus, 2001, S. 115 et seqq.). Demzufolge hätten Unternehmen, die z. B. aus humankapitalintensiven Industrien, wie der Nanotechnologie kommen und die mit- tels einer Brand Extension-Strategien in einen neuen Markt eintreten möchten, einen Vorteil gegenüber Unternehmen, die z. B. aus simpel wahrgenommenen Industrien, wie der Mehlin- dustrie, kommen.
Die Tabelle 6 stellt eine Übersicht zu den aus der Forschungsliteratur zusammengetragenen Erfolgsfaktoren einer Brand Extension dar. In der ersten Spalte sind die entsprechenden Au- toren aufgeführt. Die zweite Spalte umfasst die im dazugehörigen Werk genannten Erfolgs- faktoren einer Brand Extension, die einen Einfluss auf die in Spalte drei aufgeführten Kon- strukte zeigen.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 6: Zusammenfassung signifikanter Einflussgrößen von Brand Extensions aus der untersuchten Literatur
Rekapitulierend lässt sich konstatieren, dass die Forschungsliteratur viele, teilweise sich ähnelnde, und oftmals in Beziehung stehende Erfolgsfaktoren hervorgebracht hat. Damit erhielt der Leser einen Einblick in das Universum der Erfolgsfaktoren. Nachfolgend muss nun geklärt werden, welche dieser Erfolgsfaktoren hinsichtlich der zu untersuchenden Forschungsfrage die höchste Relevanz besitzen.
2.3.4 Eingrenzung der Erfolgsfaktoren hinsichtlich der Eignung einer Analyse im Auto- mobilbereich
Rückblickend auf die untersuchte Forschungsliteratur lässt sich konstatieren, dass um eine Veränderung von Brand Image Konstrukten überhaupt ermitteln zu können, das Konstrukt Brand Image einmal vor und einmal nach der Einführung einer Brand Extension gemessen werden muss. Die zwei sich daraus ergebenden Konstrukte Brand Image vor und - nach der Brand Extension - die sich zum einen auf globalbezogene und zum anderen auf produktbe- zogene Brand Image-Komponenten beziehen - sowie weitere Konstrukte wie die Perceived Quality, der Perceived Fit, die Brand Familarity und die Einstellung gegenüber dem neuen Produkt, werden in der Literatur mehrheitlich herangezogen 25 . Andere markenbezogene Kon- strukte wie die Brand Experience, - Conviction, - Awareness, - Loyalty und - Reputation sowie der Marketing Support stellen zwar wichtige Konstrukte dar, werden allerdings weniger häufig herangezogen. Zur Komplexitäts- und Redundanzreduzierung sowie zur besseren Vergleich- barkeit von wissenschaftlichen Studien, sollen die letztgenannten Konstrukte nicht untersucht werden. Obendrein bleibt zu vermuten, dass wegen der Relevanz der Marke im Automobil- bereich, die Integration des Konstruktes Overall Brand Equity, eine adäquate Variable zur Messung des Markenwertes gefunden wurde. Hinsichtlich Apples Markenbekanntheit, die zum einen über einen Pretest und zusätzlich über eine einleitende Frage des Onlinefragebo- gens erhoben wurde, lässt sich an dieser Stelle bereits eine hohe Bekanntheit attestieren26. Das im Automobilbereich als relevant angenommene Konstrukt des Involvements stellt, wie herausgefunden wurde, einen Erfolgsfaktor für Brand Extensions dar, dient aber vorwiegend der Erforschung von konsumentenseitigen Entscheidungsprozessen (Chakravarti/Janis- zewski, 2003, S. 254 et seqq.). Auf die Integration des Involvement in die vorliegende Unter- suchung wird daher aus verschiedenen Gründen verzichtet. In erster Linie ist es in dem von Martínez et al. (2008) postulierten und in dieser Thesis adoptieren Modell nicht erhalten. Dar- über hinaus wird davon ausgegangen, dass aufgrund der Unterscheidung zwischen Situa- tions- und Produkt-Involvement, die beide beeinflussend auf das Konsumverhalten wirken (Quester/Smart, 1998, S. 232), eine reliable Messung des Konstruktes erschwert wird. Dies- bezüglich müsste als Erstes festgestellt werden, welches der genannten Involvement-Typen, wenn nicht sogar beide, nun entscheidend für den Automobilmarkt ist. Zudem stellt die Brand Extension ein für Apple weiterhin fiktives Produkt dar, welches nicht hinsichtlich seiner Ak- zeptanz oder Kaufabsicht untersucht werden soll, sondern hinsichtlich des Einflusses auf das Brand Image. Esch (2003, S. 307 et seqq.) verweist darauf, dass eine Brand Extension-Ana- lyse unter Bezugnahme von Gedächtnisstrukturen auch das Involvement inkludieren sollte.
Hinsichtlich einer Analyse basierend auf Brand Image-Überlegungen, wird ein solcher Vorschlag nicht zwingend abgegeben. Fazel (2014, S. 282 et seqq.) postuliert, dass unter anderem die Qualität und das Image einen akzeptanzfördernden Einfluss im Bereich der Elektromobilität besitzen. Auch hinsichtlich der Kaufkriterien bei Neuwägen ist die hohe Wichtigkeit von Qualitätsaspekten wie Zuverlässigkeit, Ausstattung oder Aussehen als auch die von Imageaspekten wie dem Prestigewert hervorzuheben (Deutsche Automobil Treuhand GmbH/GfK Marktforschung, 2012, S. 21).
Bezüglich der Akzeptanzförderung und den Kaufkriterien ist zu vermuten, dass der Innovationsgrad des Unternehmens, die Einfachheit der Herstellung und die Industrie, für eine erste Untersuchung, keine sehr große Rolle bei der Evaluierung dieser Brand Extension spie- len. Die Retailer Acceptance soll aufgrund der im Automobilsektor üblicherweise direkten Ver- kaufsstrategie vernachlässigt werden. Ebenso soll auf das Konstrukt Qualitätsvarianz, wel- ches im Bereich TV untersucht wurde (Chang et al., 2004), verzichtet werden da eine gleich- bleibende Qualität bei einer ex ante Analyse voraussgesetzt wird. Der Consumer Innovativen- ess konnte darüber hinaus keine akzeptanzfördernde Beeinflussung zugesprochen werden, weswegen sie aus den Betrachtungen ausgeschlossen wird (Völckner/Sattler, 2006, S. 30; Fazel, 2014, S. 292). Ähnlich verhält es sich mit dem wahrgenommenen Risiko, das zwar einen signifikanten Einfluss auf die Akzeptanz von Elektromobilität besitzt, aber wegen der gering festgestellten, relativen Bedeutung ebenfalls ausgeschlossen wird (Völckner/Sattler, 2006, S. 30; Fazel, 2014, S. 292). Im Sinne eines adäquaten Forschungsbeitrages, wird von der Eigen- konzipierung von möglichen Konstrukten bzw. von der Nutzung von bislang nur geringfügig eingesetzten und validierten Konstrukten Abstand genommen. Folglich wird ausschließlich auf bereits geprüfte und erprobte Konstrukte zurückgegriffen. Damit soll eine Konstruktüber- flutung vermieden und die Vergleichbarkeit von wissenschaftlichen Ergebnissen gesteigert werden (Weiber/Mühlhaus, 2014, S. 105 et seq.). Wie eingangs erwähnt, ist nun zusammen- fassend zu konstatieren, dass das Brand Image - auf Produkt- und Markenebene - der per- ceived Fit, die perceived Quality, die Familiarity, dieEinstellung gegenüber der Brand Exten- sion und der Brand Equity als geeignete Konstrukte zur Analyse des Einflusses einer Brand Extension auf das Brand Image im Automobilbereich identifiziert wurden.
2.3.5 Konsumentenorientierter Ansatz zur Messung des Einflusses von Brand Extensi- ons auf den Erfolg
Der Erfolg einer Brand Extension kann bspw. unter Einbeziehung von Market Share oder Pro- fitabilität der Brand Extension gemessen werden (Reddy et al., 1994, S. 243; Chernatony et al., 1998, S. 765 et seqq.). Eine solche ex post Analyse ist unter den gegebenen Bedingungen allerdings nicht durchführbar und vereint nur ungenügend die bereits so eingehend beschrie- bene Relevanz des konsumentenseitigen Brand Image. Der Konsument bzw. der in dieser Thesis befragte potenzielle Konsument, soll sein Markenwissen möglichst unbeeinflusst von Informationen und Werbung preisgeben, sodass eine klare Reaktion auf die Brand Extension - bereits vor einer Markteinführung - erfasst werden kann (Keller, 2005, S. 949). Im ersten Schritt soll als Grundlage der konsumentenseitige Wert einer Marke abgefragt werden (Tau- ber, 1988, S. 29), welcher gleichzeitig das Übertragungspotenzial der Marke wiederspiegelt (Esch et al., 2005a, S. 917). Die Brand Extension soll dann im zweiten Schritt als Stimulus dienen, woraufhin im dritten Schritt die Übereinstimmung und die Bewertung dieser, aus Sicht des Probanden, erfasst wird (Esch et al., 2005a, S. 917). Wenn sich die anfänglichen Image- komponenten mit denen der Brand Extension decken, kann eine zufriedenstellende Brand Extension angenommen werden (Tauber, 1993, S. 313). Im Verlauf der Literaturrecherche wurde festgestellt, dass das von Martínez et al. (2008) postulierte Modell zum einen den so wichtigen konsumentenseitigen Ansatz aus Markenimageperspektive als Grundlage verwen- det und zum anderen dem eben genannten grundsätzlichen Vorgehen entspricht. Aus diesen Gründen wird die Erfolgsanalyse unter Verwendung dieses Modells durchgeführt.
3 Begriffliche und methodische Grundlagen zu Strukturgleichungs- analysen
Zum Zwecke einer Modellanalyse ist ein sogenanntes strukturanalytisches Vorgehen zu verwenden, welches ein kompliziertes statistisches Werkzeug zur empirischen Überprüfung von Hypothesensystemen darstellt. In Bezug darauf soll in den folgenden Kapiteln eine thematische Grundlage bereitgestellt werden. Es sei darauf verwiesen, dass im Rahmen dieser Ausarbeitung ein tief greifender Grundlagenaufbau nicht möglich ist und, dass den interessierten Leser die Ausarbeitungen von Weiber und Mühlhaus (2014) empfohlen wird.
3.1 Begriff der Theorie und der Hypothese
Die auf Sachlogik begründeten oder aus der Forschungsliteratur deduzierten Vorstellungen über die Zusammenhänge eines bestimmten Sachverhaltes stellen eine erste Voraussetzung für die Durchführung einer Strukturgleichungsanalyse (SGA) dar (Weiber/Mühlhaus, 2014, S. 3). Laut Weiber und Mühlhaus (2014, S. 3 et seq.) müssen diese Zusammenhänge in eine empirisch prüfbare Form gebracht werden. Die Gesamtheit der systematisch formulierten An- nahmen bzw. Zusammenhänge, die in eine möglichst einfache, aber ebenso realitätsnahe Form gebracht werden sollten, werden als Theorie bezeichnet. Aus der formulierten Theorie werden anschließend empirisch überprüfbare Hypothesen27 abgeleitet. Der Konditionalsatz einer Hypothese setzt sich aus den über Variablen erfassten Antezedens und Konsequenz zusammen. Im Rahmen dieser Thesis lautet der Konditionalsatz „ Eine Brand Extension (x n ) besitzt einen positiven Einfluss auf das Brand Image (y n ) “ und besitzt folglich zwei Variablen: die Antezedens oder auch unabhängige Variable (xn) und die Konsequenz bzw. abhängige Variable (yn). Mathematisch ist dieser Konditionalsatz wie folgt darzustellen:
Abbildung in dieser Leseprobe nicht enthalten
Ein wichtiger Hinweis sei in Anlehnung an (Popper, 2005, S. 17) noch gegeben: Da eine Hy- pothese nicht für alle in der Natur vorkommende Fälle gleichzeitig überprüfbar ist, können Hypothesen nicht verifiziert, sondern nur falsifiziert werden. Aus diesem Grund wird zu jeder Hypothese eine sogenannte Null-Hypothese formuliert, die es entsprechend abzulehnen gilt. Eine Ablehnung der Null-Hypothese führt zu der Unterstützung der (Alternativ-) Hypothese. Im vorliegenden Konditionalsatz würde die Null-Hypothese wie folgt lauten: „ Eine Brand Ex- tension (x n ) besitzt keinen Einfluss auf das Brand Image (y n ) “. Wird diese Null-Hypothese ab- gelehnt, so kann in Bezug auf die Stichprobe ein Einfluss einer Brand Extension auf das Brand
Image angenommen werden. Es bleibt allerdings zu betonen, dass diese Hypothese nicht zur Formulierung allgemeingültiger Gesetze verwendet werden darf.
3.2 Die Strukturgleichungsanalyse
Eine Theorie, bestehend aus verschiedenen und miteinander verflochtenen Variablen, wird als Strukturgleichungsmodell (SGM) bezeichnet und ist entsprechend, unter Einsatz einer Struk- turgleichungsanalyse (SGA) zu analysieren (Weiber/Mühlhaus, 2014, S. 7). Die SGA ist ein leistungsfähiges statistisches Verfahren, welches die Einbeziehung von manifesten als auch latenten Variablen erlaubt (Weiber/Mühlhaus, 2014, S. 21 et seq.). Werden in einer SGA ledig- lich direkt beobachtbare, also manifeste Variablen untersucht, dann ist die klassische Regres- sionsanalyse vorzuziehen (Weiber/Mühlhaus, 2014, S. 24). Besteht das Strukturmodell zu- sätzlich auch noch aus latenten und nicht direkt beobachtbaren Variablen, so ist eine soge- nannte Pfadanalyse angebracht - im Vergleich dazu wird ein Strukturmodell, bestehend aus nur latenten Variablen als eine Kausalanalyse bezeichnet (Weiber/Mühlhaus, 2014, S. 24). Weiterführend soll der übergreifende Begriff SGA verwendet werden, obwohl der Begriff Kau- salanalyse in der vorliegenden Thesis faktisch präziser wäre. Im Vergleich zur Regressions- analyse berücksichtigt die SGA auch auftretende Messfehler, beachtet Multikollinearitäten in einem besseren Ausmaß und erlaubt die Analyse komplexer Dependenzstrukturen (wechsel- seitige Beziehungen) (Homburg, 2012, S. 389). Hinsichtlich der SGA wird zwischen zwei Ver- fahren unterschieden: dem kovarianzanalytischen oder auch LISREL-Ansatz und dem vari- anzanalytischen bzw. PLS-Ansatz (Weiber/Mühlhaus, 2014, S. 24). Eine Spezifikation zur Wahl eines geeigneten Ansatzes hinsichtlich der vorliegenden Forschungsfrage erfolgte in Kapitel 5.2.
3.3 Der Kausalitätsbegriff
Kausalität, ein Begriff der abhängig von der wissenschaftlichen Disziplin, nicht einheitlich de- finiert ist (Weiber/Mühlhaus, 2014, S. 10), ist im statistischen Sinn und in Anlehnung an Cook und Campbell (1979, S. 31) dann gegeben, (1) wenn eine Veränderung der unabhängigen (erklärenden oder exogene) Variable zu einer Veränderung der abhängigen (erklärten oder en- dogene) Variable führt, (2) wenn die Veränderung der unabhängigen Variable der Veränderung der abhängigen Variable zeitlich vorausliegend ist, oder (3) wenn die unabhängige Variable die einzige sinnvolle Erklärung für eine Veränderung in der abhängigen Variable darstellt. Al- lerdings ist eine monokausale Denkweise, sprich dass eine Variable x eine Variation in einer Variable y hervorruft, nicht immer zielführend und muss daher auf eine multikausale Denk- weise erweitert werden. In diesem Zusammenhang wird unterstellt, dass eine Veränderung der Variable y durch mehrere Variablen x1…xn hervorgerufen werden kann (Weiber/Mühl- haus, 2014, S. 10). Da es praktisch ausgeschlossen ist, dass alle verursachenden Variablen gefunden und in eine SGA einbezogen werden, berücksichtigt die SGA immer eine Fehlerva- riable (Weiber/Mühlhaus, 2014, S. 10). Laut Weiber und Mühlhaus (2014, S. 12 et seqq.) wird zur Messung von Kausalität die statistische Abhängigkeit herangezogen, die nicht besteht, wenn die Variable x zu keiner Veränderung in der Variable y führt. Zur Überprüfung eines linearen Zusammenhanges zwischen zwei Variablen schlagen die Autoren die Kovarianz, die entweder eine negative oder positive Richtung des Zusammenhanges repräsentiert, vor28. Die Kovarianz besitzt jedoch den Nachteil, dass sich lediglich die Richtung des Zusammenhanges herausfinden lässt, nicht aber die Stärke (Weiber/Mühlhaus, 2014, S. 14). Aus diesem Grund empfehlen die beiden Autoren eine Normierung nach Bravais Pearson, indem die Kovarianz durch die Standardabweichung dividiert wird. Dieser rechnerische Vorgang überführt die Kovarianz in einen sogenannten Korrelationskoeffizient29. Der dabei resultierende Korrelati- onskoeffizient liegt anschließend in einem Wertebereich zwischen 0 und 1; bei einem Korre- lationskoeffizient von 1 spricht man von einer sehr hohen Korrelation30. Weiterführend bleibt zu betonen, dass eine Korrelation zwar einen Zusammenhang aufzeigen kann, jedoch keine Kausalitäten erklärt (Weiber/Mühlhaus, 2014, S. 16). Im Falle einer Kausalität liegen auch Kor- relationen vor. Umgedreht ist dies aber nicht zutreffend. Aus diesem Grund muss der Zusam- menhang, basierend auf Plausibilitätsüberlegung und unter Einbeziehung der aufgestellten Theorie, interpretiert werden (Weiber/Mühlhaus, 2014, S. 16)31.
3.4 Manifeste Variablen und hypothetische Konstrukte
Die SGA erlaubt, im Vergleich zur Regressionsanalyse, neben einer bloßen Analyse von ma- nifesten Variablen auch die Integration von latenten Variablen (Weiber/Mühlhaus, 2014, S. 23). Eine manifeste Variable stellt hierbei eine direkt messbare bzw. beobachtbare Variable, wie bspw. der Preis in Euro dar. Eine latente Variable, die auch als hypothetisches Konstrukt32 bezeichnet wird, stellt dagegen eine nicht direkt messbare bzw. beobachtbare Variable dar (Weiber/Mühlhaus, 2014, S. 24) - beispielhaft kann hier die Preiswahrnehmung aufgeführt werden. Vor diesem Hintergrund und insbesondere zur Messung von hypothetischen Kon- strukten sind entweder reflektive oder formative Messmodelle heranzuziehen.
3.5 Reflektive und formative Messmodelle
Im vorangegangen Kapitel wurden die nicht direkt beobachtbaren hypothetischen Konstrukte vorgestellt, für deren Erfassung es eines bestimmten Messmodells bedarf. Das Messmodell gibt an, aus welchen manifesten und beurteilbaren Variablen das hypothetische Konstrukt operationalisiert wird (Weiber/Mühlhaus, 2014, S. 41). Grundsätzlich werden solche Messmo- delle in zwei Arten typologisiert: In formative oder in reflektive Messmodelle. Beide unterschei- den sich grundlegend, weswegen es zum einen wichtig ist, die Unterschiede näher zu erörtern und zum anderen, dass sich der Forscher auf ein geeignetes Messmodell festlegt. Obwohl ein hypothetisches Konstrukt durchaus über eine direkte Einschätzung erfassbar ist, stehen solche Globalurteile33 entgegen dem grundsätzlichen Charakter eines hypothetischen Kon- struktes, da es überwiegend über mehrere Dimensionen erschlossen werden sollte (Wei- ber/Mühlhaus, 2014, S. 40).
Bei dem ersten der beiden Messmodelle, dem formativen Messmodell, verursachen die Indi- katoren das hypothetische Konstrukt - die Indikatoren stehen dem Konstrukt kausal vor. Da- bei verfolgt das Konstrukt grundsätzlich einen regressionsanalytischen Ansatz, d. h. ob eine Veränderung eines Indikators auch andere Indikatoren beeinflusst, hängt von der Korrelation der Indikatoren untereinander ab (Weiber/Mühlhaus, 2014, S. 41; Jarvis et al., 2003, S. 201 et seq.). Da die Indikatoren nicht zwangsläufig miteinander korrelieren müssen, ist es möglich, dass sich eine Veränderung das hypothetische Konstruktes nur auf einen einzigen Indikator auswirkt. Beispielhaft soll ein formatives Messmodell anhand des hypothetischen Konstruktes [Abbildung in dieser Leseprobe nicht enthalten]verdeutlicht werden. Im formativen Sinn sollen die Indikatoren [Abbildung in dieser Leseprobe nicht enthalten] Zeit vorm Fernseher beispielhaft ge- nannt werden. Annehmbar ist, dass die Indikatoren x 1 und x 2 nicht miteinander korrelieren - eine Person, die in der Lage ist viele Liegestütze auszuführen, muss nicht unbedingt ein guter Läufer sein. Dennoch können beide Indikatoren als Baustein von Sportlichkeit herangezogen werden. Steigt die Sportlichkeit des Probanden, kann sich das unter Umständen auch auf einen der drei Indikatoren auswirken, bspw. auf x 3: Wenn eine Person weniger Fernsehen schaut, ist anzunehmen, dass diese Zeit für Sport verwendet wird. Folglich können Indikato- ren sogar negativ miteinander korrelieren, d. h., eine Person die viel Sport treibt, verbringt weniger Zeit mit Fernsehen - diese negative Korrelation muss jedoch nicht zwangsläufig be- stehen. Immerhin kann Zeit vorm Fernseher auch durch Zeit vorm Computer substituiert wer- den (vgl. Bollen, 1984, S. 377; vgl. Eberl, 2006, S. 652).
Abbildung in dieser Leseprobe nicht enthalten34
Das Korrelationsmaß darf bei formativen Messmodellen nicht als Kriterium für die Auswahl von Indikatoren herangezogen werden, da dies die Validität des Konstruktes verändern würde (Bollen, 1989, S. 222). Die Indikatoren dürfen folglich nicht ohne Weiteres eliminiert oder aus- getauscht werden (Eberl, 2006, S. 652). Wenn ein Konstrukt als Summe der linear gemesse- nen Indikatoren gebildet wird, sind grundsätzlich andere Gütekriterien wie die Konvergenz- und Diskriminanzvalidität heranzuziehen (Bagozzi, 1994, S. 333). Demzufolge besitzen die In- dikatore aufgrund der Tatsache, dass sie nicht austauschbar sind keine Messfehler. Sie wer- den als kausale Bausteine betrachtet, die das Konstrukt widerspruchslos abbilden. Stattdes- sen wird das Konstrukt, welches die Linearkombination der Indikatoren35 darstellt, mit einem zu den Indikatoren unkorrelierten Messfehler versehen (Diamantopoulos/Winklhofer, 2001, S. 271). Der Messfehler resultiert daher, dass nicht alle möglichen kausalen Indikatoren herausgefunden werden können (Lohmöller, 1989, S. 83) - darüber hinaus würde die Menge aller kausalen Indikatoren des Konstruktes Sportlichkeit den Rahmen einer jeden wissenschaftlichen Erhebung sprengen.
Das zweite Messmodell, das sogenannte reflektive Messmodell, unterscheidet sich vom For- mativen in erster Linie hinsichtlich der kausalen Orientierung. Wo beim formativen Messmo- dell die Indikatoren das Konstrukt abbilden, werden beim reflektiven Messmodell die Indika- toren durch das hypothetische Konstrukt gebildet (Eberl, 2006, S. 652; Diamantopoulos, 1999, S. 446). Demzufolge würde eine Veränderung des hypothetischen Konstruktes, auch zu einer Variation allen Indikatoren führen. Churchill (1979, S. 67 et seq.) als auch Ley (1972, S. 111 et seq.) konstatieren, dass die heranzuziehenden Indikatoren einen inhaltlich hoch ver- wandten Sachverhalt messen, was gleichzeitig zu einer hohen Korrelation der Items führt. Anstelle eines regressionsanalytischen Ansatzes, wie bei formativen Messmodellen, wird bei reflektiven ein faktoranalytischer Ansatz zugrunde gelegt (Weiber/Mühlhaus, 2014, S. 42). In diesem Zusammenhang schlägt Churchill (1979, S. 68-72) den Alpha-Koeffizienten zur Beur- teilung von Reliabilität und Validität vor. Aufgrund des faktoranalytischen Ansatzes ist eine hohe Korrelation der Indikatoren unabdingbar (Bollen/Lennox, 1991, S. 308) - dies führt in der Folge auch dazu, dass Indikatoren ähnliche Reliabilität besitzen. Damit sind die Indikatoren ohne größere Probleme austauschbar (Jarvis et al. , 2003, S. 200) und bis zu einem bestimm- ten Grad auch eliminierbar (Fuchs/ Diamantopoulos, 2009, S. 197 et seq.). Zur Verdeutlichung eines reflektiven Messmodells soll beispielhaft das hypothetische Konstrukt ) [Abbildung in dieser Leseprobe nicht enthalten] nun reflektiv über die drei Indikatoren [Abbildung in dieser Leseprobe nicht enthalten] Sport ist ein großer Teil meines Lebens [Abbildung in dieser Leseprobe nicht enthalten]In meiner Freizeit mache ich viel Sport und &= Ich vermeide Bewegungslosigkeit dargestellt werden. Der Indikator x3 ist hier umgedreht, d. h., je mehr der Proband Bewegungslosigkeit vermeidet, desto höher ist die Sportlichkeit. Auffallend ist die bereits angesprochene Korrelation der In- dikatoren - rein sachlogisch betrachtet besteht die Vermutung, dass eine Person, die Sport als wichtiges Element im Leben betrachtet, auch mehr Sport in der Freizeit ausübt. Ebenso erkennbar ist die kausale Richtung, die vom Konstrukt auf die Indikatoren wirkt - geht die Sportlichkeit zurück, dann ist anzunehmen, dass x1 und x2 ebenfalls zurückgehen.
Abbildung in dieser Leseprobe nicht enthalten
*&) +& 36
Anhand der Formel lässt sich erkennen, dass sich die direkt beobachtbare manifeste Variable xn (der Indikator) aus der Summe der mit einer Ladung n gewichteten hypothetischen Variable und einem Messfehler n, der bei perfekter Korrelation mit dem Indikator null wäre, ergibt.
Abschließend soll an dieser Stelle erwähnt werden, dass formative Messmodelle selten in wissenschaftlichen Studien verwendet werden und sich deren Operationalisierung, wie dar- gestellt, als problematisch erweist. Darüber hinaus verlangen SGA, die sowohl formative als auch reflektive Messmodelle einsetzen, den Einsatz sogenannter MIMIC Modelle, die sich gleichzeitig durch einen höheren Analyseaufwand auszeichnen (Weiber/Mühlhaus, 2014, S. 266). Aus diesen Gründen werden in der vorliegenden Thesis nur reflektive Messmodelle ein- gesetzt.
3.6 Anforderungen an iterative Schätzverfahren
Die unten aufgeführte Tabelle 7 von Weiber und Mühlhaus (2014, S. 65) stellt die Anforderun- gen an ein iteratives Schätzverfahren zusammenfassend dar. Für diese Masterthesis von Be- deutung ist die ML oder Maximum Likelihood Methode. Diese Methode setzt eine Multinor- malverteilung des Datensatzes, wie auch eine Stichprobengröße von mindestens 50 Proban- den voraus.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 7: Anforderungen und Eigenschaften iterativer Schätzverfahren (Weiber/Mühlhaus, 2014, S. 65)
3.7 Messniveau der Daten
Innerhalb der Forschungscommunity ist eine Debatte über die wahre Natur einer Rating- bzw. Likert-Skala im Gange. Einige Autoren bestehen auf eine ordinale und andere auf eine inter- vallskalierte Interpretation (Brown, 2011). In diesem Sinne fordert Brown (2011, S. 12 et seq.) eine Differenzierung zwischen Likert-Item und der eigentlichen Likert-Skala. Da die empirisch erhobenen Daten über mehrere fünfstufige Rating-Items erhoben werden und diese Items feste und vorgegebene Zahlenwerte mit derselben Differenz besitzen (fünfstufig), kann von einer Intervallskalierung gesprochen werden. Diese Intervallskalierung erlaubt die notwendige Anwendung von multivariaten Analysen wie bspw. die Faktoranalyse (Schnell et al., 2011, S. 143).
4 Konzeptualisierung eines Strukturmodells und Operationalisierung der Konstrukte
4.1 Die Konzeptualisierung
4.1.1 Konzeptualisierung eines Strukturmodells
Hinsichtlich der Untersuchung des Forschungsvorhabens, für das herauszufinden ist, wie sig- nifikant die vom Technologieunternehmen Apple induzierte Brand Extension Apples Brand Image beeinflusst, ließen sich entscheidende Erfolgsfaktoren identifizieren. Das von Martínez et al. (2008, S. 110) postulierte Kausalmodell wurde vom Autor angesichts einer zielführenden Beantwortung der Forschungsfrage identifiziert, adoptiert und anschließend entsprechend adaptiert. Aus den Abbildung 2 und Abbildung 3 lässt sich entnehmen, dass, vor diesem Hin- tergrund, zwei leicht unterschiedliche Modelle eingesetzt werden. Einen wichtigen Punkt bei der Modellauswahl, spielte die plausible Eignung relevanter Erfolgsfaktoren im Automobilsek- tor (siehe Kapitel 2.3.3 und Kapitel 2.3.4). Betreffend einer geeigneten Anpassung der Modelle an den zu untersuchenden Sachverhalt, wie auch der Forschungsfrage, wurde das vormals von Martínez et al. (2008, S. 110) verwendete Konstrukt Brand Familiarity (in Kapitel 2.3.4 begründet) durch den Overall Brand Equity ersetzt. Demzufolge ergeben sich die in Anlehnung an Martínez et al. (2008) und in den Abbildung 2 und Abbildung 3 leicht modifizieren Kausal- modelle. Die Abbildungen verdeutlichen anhand der ovalen Formen alle zur Analyse einzuset- zenden hypothetischen Konstrukte. Exogene Variablen sind durch das Symbol (Ksi) und endogene Variablen durch das Symbol (Eta) verdeutlicht. Die zwischen den hypothtischen Konstrukten gezogenen Kausalpfeile verdeutlichen die aufgestellten Hypothesen. Die Rich- tung des Kausalpfeils repräsentiert dabei die postulierte Wirkungsrichtung. Da jeder Kausal- pfeil durch eine entsprechende Hypothese zu repräsentieren ist, wurde jeder einzelne Pfeil einmal mit einer Hypothesenbezeichnung und einmal mit der in Klammern aufgeführten Wir- kungsrichtung beschriftet.
Es fällt nun auf, dass das Konstrukt Brand Image nicht als solches in den Modellen vorzufinden ist. Stattdessen wurde dieses Konstrukt in das General Brand Image (GBI) (siehe Abbildung 2) und in das Product Brand Image (PBI) (siehe Abbildung 3) unterteilt, was die Konzeptualisierung zweier Kausalmodelle nach sich zog. Die Aufstellung von zwei Modellen zur Messung des Einflusses einer Brand Extension auf das Brand Image, ist hierbei von fun- damentaler Bedeutung und wird nachfolgend verdeutlicht. Die Entscheidung hat ihren Ur- sprung in Anlehnung an eine Studie von Martínez und Chernatony (2004, S. 40), bei der die zwei Autoren, nach ihrer Analyse der durch eine Brand Extension induzierten Veränderung im Brand Image, die Prämisse aufstellten, dass basierend auf der Konsumentenbeurteilung ei- nerseits direkt markenbezogene und andererseits zum Produkt gehörige assoziative Verän- derungen zu erwarten sind. Um den auf dieser Prämisse zu untersuchenden Gegenstand ab- zubilden, bedarf es deswegen zweier Konstrukte: Das ist das (1) General Brand Image (GBI), also all jene Assoziationen die einen Bezug zur Stammmarke aufbauen, und das (2) Product Brand Image (PBI), das sich auf die zum Produkt gehörigen Assoziationen zurückführen lässt. Eine Differenzierung innerhalb des Brand Image in markenspezifische und produktspezifische Assoziationen ist überaus sinnvoll, da ein globales Brand Image Konstrukt die Auswirkungen einer Brand Extension nur oberflächlich abbilden würde (Loken/John, 1993, S. 72). Der vor- liegende Begriff des PBI ergibt sich aus den Untersuchungen von Low und Lamb (2000, S. 350), bei der diese beiden Autoren in ihrer Untersuchung einen Bezug zwischen Brand Image und Produktkategorie herstellten37. Dieser Aspekt nimmt eine Schlüsselrolle ein, da einzelne Produktkategorien sehr spezifische Assoziationen besitzen können, weswegen diese Pro- duktkategorien schwer generalisierbare bzw. keine global abzubildende Objekte darstellen. Aus diesem Grund ist es erforderlich produktbezogene Konstrukte immer auf den Sachverhalt hin zu operationalisieren (Low/Lamb, 2000, S. 354). Hinsichtlich einer solchen Operationali- sierung ist zu attestieren, dass neben den bloßen physische Produktattributen, sich auch funktionale, emotionale und Attribute mit selbstdarstellerischen Nutzen zur Operationalisie- rung des PBI eignen (Davis, 2002 entnommen aus Martínez et al., 2008, S. 108). In diesem Zusammenhang befürworten Martínez et al. (2008) im Rahmen ihrer Studie eine auf Aaker's (1996) Ergebnissen beruhende Skala, die sich zur Analyse des Brand Image, unabhängig von einem Produkt bzw. einer Produktkategorie, eignet. Aufgrund des durch diese Skala herge- stellten Bezuges zur eigentlichen Marke, ist das resultierende Konstrukt als GBI zu bezeich- nen.
Sowohl das GBI als auch das PBI werden zur Beurteilung der Wirkung auf das Brand Image einmal vor und ein weiteres Mal nach der Einführung einer Brand Extension gemessen (Martínez/Pina, 2003, S. 439). Die Brand Extension fungiert, kurz gesagt, als ein Stimulus, deren Einfluss durch eine identische, aber zeitlich versetzte Messung, festzuhalten ist. Schließlich ergeben sich aus den jeweiligen Konstrukt GBI und PBI, in Folge der zeitlich ver- setzten Abfrage, die zu bezeichnenden Konstrukte General Brand Image Before (GBIB) und - After the Brand Extension (GBIA) genau wie Product Brand Image Before (PBIB) und - After the Brand Extension (PBIA).
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2: Das GBI Messmodell zur Einflussmessung von Brand Extensions auf das General Brand Image (GBI) in Anlehnung an Martínez et al. (2008, S. 110)
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 3: Das PBI Messmodell zur Einflussmessung von Brand Extensions auf das Product Brand Image (PBI) in Anlehnung an Martínez et al. (2008, S. 110)
4.1.2 Ableitung und Begründung von Hypothesen
In Anlehnung an das von Martínez et al. (2008, S. 110) postulierte, und im Rahmen dieser Masterthesis modifizierte Modell38, werden in diesem Kapitel die in den Modellen markierten Kausalhypothesen detailliert hergeleitet. Da diese Modelle in der Forschungsliteratur bereits durch Martínez et al. (2008) validiert wurden, beruht ein Teil der Hypothesenableitung auf de- ren Elaborat. Darüber hinaus wurden die Hypothesen um die additional gesichtete For- schungsliteratur39 ergänzt. Ausgangspunkt dieser Untersuchungen ist die nachfolgende und zu wiederlegende Nullhypothese:
H0: Eine Brand Extension hat keinen Einfluss auf das Brand Image
Wird die H0 empirisch entkräftet, und das kann auf Basis der Literaturrecherche angenommen werden, lässt sich damit aussagen, dass eine Brand Extension das Brand Image in irgendei- ner Form beeinflusst. Dass dieser Aspekt meist zutrifft, wurde bereits und in mehrfacher Hin- sicht untermauert (Hameed et al., 2014, S. 242; Serrao/Botelho, 2008, S. 26; Martínez/Cher- natony, 2004, S. 45; Martínez/Pina, 2003, S. 443). Ein neu eingeführtes Produkt bzw. eine Brand Extension beeinflusst, aufgrund der neu entstehenden konsumentenseitigen Assozia- tionen, das Brand Image (Park et al., 1986, S. 144; Levin et al., 1996, S. 298 et seq.). Diesen Aspekt bestätigen Serrao und Botelho (2008, S. 26) in ihrer Studie, in der es heißt, dass das Brand Image, bezogen auf die Stammmarke (GBI) und auch auf das Produkt (PBI), von einer Brand Extension beeinflusst wird. Die Konsequenzen können dabei sowohl positiver Natur sein und eine Steigerung des Brand Image bewirken, als auch negativer Natur sein, sodass es zu einer Imageverwässerung kommt (Park et al., 1986, S. 144; Pitta/Prevel Katsanis, 1995, S. 62 & 64; Cheng Hsui Chen/Chen, 2000, S. 251). Das Brand Image vor der Einführung einer Brand Extension (GBIB und PBIB) beeinflusst direkt und positiv das Brand Image nach der Einführung einer Brand Extension (GBIA und PBIA) (Martínez/Pina, 2003, S. 443; Martínez et al., 2008, S. 124 et seq.). Sowohl Martínez und Chernatony (2004, S. 45 et seq.) als auch Müge Arslan und Korkut Altuna (2010, S. 176) haben diesen Zusammenhang in ihren Studien affirmiert. Es bleibt allerdings zu betonen, dass in eben diesen Studien immer eine Verwässe- rung des Brand Images registriert wurde, was die spekulierten, positiven Effekte einer Brand Extension eigentlich entkräftet. Basierend auf diesen Erkenntnissen, die theoretisch positive Effekte besitzen können, aber praktisch oftmals negative Auswirkungen haben, werden in Anlehnung an Martínez et al. (2008), die folgenden Hypothesen optimistisch formuliert:
H1a: Das General Brand Image Before The Brand Extension (GBIB) hat einen positiven Einfluss auf das General Brand Image After The Brand Extension (GBIA)
H1b: Das Product Brand Image Before The Brand Extension (PBIB) hat einen positiven Einfluss auf das Product Brand Image After The Brand Extension (PBIA)
Martínez et al. (2008, S. 124 et seq.) haben im Rahmen ihrer länderübergreifenden Sportmarkenstudie festgestellt, dass das anfängliche Brand Image (GBIB und PBIB) einen positiven Einfluss auf die wahrgenommene Qualität (PQ) einer Marke ausübt. Auch Pina et al. (2006, S. 188) tragen hier zur weiteren Erkenntnisgewinnung bei und affirmieren diesen Effekt speziell am Beispiel Dienstleistungsunternehmen. Darüber hinaus wurde berichtet, dass das Brand Image dem Konsumenten als ein Qualitätsindikator dienen kann (Wallin Andreassen/Linde- stad, 1998). Folglich sind diese Hypothesen zu formulieren:
H2a: Das General Brand Image Before The Brand Extension (GBIB) hat einen positiven Einfluss auf die Perceived Quality (PQ)
H2b: Das Product Brand Image Before The Brand Extension (PBIB) hat einen positiven Einfluss auf die Perceived Quality (PQ)
Eine Marke besitzt im Automobilbereich eine besonders hohe kaufverhaltensbeeinflussende Relevanz (Zintzmeyer/Binder, 2003, S. 63 et seqq; Göttgens/Böhme, 2005, S. 44 et seq.). Aus diesem Grund wird das Konstrukt Brand Equity, also der Markenwert, in die aufgestellten Modelle integriert. Aaker (1996, S. 116) und Keller ( 1993, S. 14) betrachten das Brand Image als eine für den Brand Equity kausal verantwortliche bzw. als eine stärkende Variable. Yoo et al. (2000, S. 196) attestieren ebenfalls den positiven Effekt, den Assoziationen respektive das Brand Image auf die Entwicklung des Brand Equity haben. Neben diesen Autoren, stellt schließlich auch Faircloth et al. (2001, S. 62) fest, dass unter der Voraussetzung eines positi- ven Images, ein starker verhaltensbeeinflussender Effekt auf das Brand Equity Konstrukt zu- rückzuführen ist. Diese Erkenntnisse führen zur Deduktion nachfolgender Hypothesen:
H3a: Das General Brand Image Before The Brand Extension (GBIB) hat einen positiven Einfluss auf Overall Brand Equity (OVB)
H3b: Das Product Brand Image Before The Brand Extension (PBIA) hat einen positiven Einfluss auf Overall Brand Equity (OVB)
Besitzt eine Marke überdies einen guten Ruf bzw. verbinden Konsumenten diese Marke mit einem hohen Status, dann fällt es dem Unternehmen leichter diese Marke erfolgreich auf an- dere Produkte zu transferieren (Grønhaug et al., 2002, S. 472; Hem et al., 2003, 797 et seqq.; Park et al., 1991, S. 185; Park/Kim, 2001, S. 183 et seq.). Aufgrund einer positiven Marken- wahrnehmung werden die mit ihr verbundenen Assoziationen sowohl auf bereits existierende Produkte, als auch auf neue übertragen (Brown/Dacin, 1997, S. 79). Des Weiteren werden im Kontext der Brand Extension neue Assoziationen gebildet, die wiederum beeinflussend auf konsumentenseitige Einstellungskonstrukte wirken (Low/Lamb, 2000; Faircloth et al., 2001). Chang et al. (2004, S. 20 et seqq.) kommen im Rahmen einer Studie des TV Marktes zu der Entdeckung, dass sich die Meinungen zu einer Stammmarke positiv auf die Beurteilung einer Brand Extension auswirken. Im Gegensatz dazu, wurde die Hypothese, dass GBIB und PBIB einen Einfluss auf die Einstellung zu einer Brand Extension ausübt, in der Länderstudie von Martínez et al. (2008, S. 124 et seq.), abgelehnt. Dennoch soll aufgrund des verwendeten Modells und der Vermutung, dass eine Untersuchung in Deutschland womöglich zu anderen Ergebnissen führt, sowie der literarischen Untermauerung - also, dass Konsumenten gegen- über Brand Extensions mit guten Brand Image auch eine positive Einstellungen entwickeln und diese dann präferieren (Ruyter/Wetzels, 2000, S. 652 et seqq.) - die in Anlehnung an Martínez et al. (2008) formulierten Hypothesen beibehalten werden:
H4a: Das General Brand Image Before The Brand Extension (GBIB) hat einen positiven Einfluss auf Attitude Toward The Brand Extension (ATT)
H4b: Das Product Brand Image Before The Extension (PBIB) hat einen positiven Ein fluss auf Attitude Toward The Brand Extension (ATT)
Mehrfach findet sich in der Literatur der Hinweise auf die Existenz einer erfolgsbeeinflussen- den Beziehung zwischen Perceived Quality (PQ) und der Attitude toward the Brand Extension (ATT) (Park/Kim, 2001, S. 179; van Riel, A. C. R. et al., 2001, S. 225; Grønhaug et al., 2002, S. 472). In ähnlicher Weise bestätigen Ghorbani und Madani, (2012, S. 8226) wie auch Burnaz und Bilgin (2011, S. 263 et seq,) die Hypothese, dass bei einer hohen wahrgenommenen Qua- lität, die Einstellung gegenüber einer Brand Extension positiv stimuliert wird. Dagegen führt die gleiche Annahme im von Martínez et al. (2008, S. 124 et seq.) postulierten Modell, in den meisten Fällen, zu einer Ablehnung dieser Hypothese. Lediglich im General Brand Image (GBI) Modell konnte diese Hypothese für das vereinigte Königreich (UK) bestätigt werden. Da dieser Zusammenhang insgesamt jedoch nur in einigen wenigen Fällen zu einer Verwerfung führte und dieser Zusammenhang plausibler Teil des Modells von Martínez et al. (2008) ist, wird die folgende Hypothese, für eine erneute Prüfung übernommen:
H5: Die Perceived Quality (PQ) hat einen positiven Einfluss auf die Attitude Toward The Brand Extension (ATT)
Die perceived Quality (PQ) ist laut Aaker (1992, S. 28-31) eine Dimension des von ihm vorge- schlagenen multidimensionalen Brand Equity Konstruktes. Aufgrund der einfacheren Hand- habung von eindimensionalen hypothetischen Konstrukten und im Hinblick auf eine schlanke Gestaltung des Fragebogens, erscheint die von Yoo und Donthu (2001) entwickelte Skala zur Messung des sogenannten Overall Brand Equity (OVB) sinnvoll. Da nun anzunehmen ist, dass die Qualität (PQ) den Overall Brand Equity (OVB) auflädt, wird folgende Hypothese abgeleitet:
H6: Die Perceived Quality (PQ) hat einen positiven Einfluss auf Overall Brand Equity (OVB)
Der Autor Keller (1993, S. 1), der dem Brand Equity eine kaufverhaltensbeeinflussende Wir- kung zuspricht, wird in diesem Zusammenhang, durch die Forschungen von Cobb-Walgren et al. (1995, S. 37) bestätigt. Demnach ist die Annahme gerechtfertigt, dass der Brand Equity (OVB) auch geeignet ist, die Einstellung gegenüber einer Brand Extension (ATT) positiv zu stimulieren. Außerdem wirkt eine Marke aufgrund ihrer Markenstärke risikoreduzierend, diffe- renzierend sowie vertrauenssteigernd auf den Konsumenten (Aaker, 1991, S. 212 et seq; Caspar/Burmann, 2005, S. 250). Die folgende Annahme erscheint daher gerechtfertig: Dass sich Konsumenten von einer starken, wertvollen bzw. kaufentscheidungsrelevanten Marke positiv beeinflussen lassen und damit eine positivere Einstellung gegenüber einer potenziellen Brand Extension entwickeln. Basierend auf dieser Annahme, soll diese Hypothese zur Unter- suchung dienen:
H7: Der Overall Brand Equity (OVB) hat einen positiven Einfluss auf die Attitude Toward The Brand Extension (ATT)
In einer weiteren Studie von Cheng Hsui Chen und Chen (2000, S. 246-251) finden diese beiden Autoren heraus, dass, entgegen der von Aaker (1991) und Keller (1993) vermuteten kausalen Reihenfolge, auch eine Relation zwischen Brand Equity und Brand Image besteht. In mehreren Testgruppen wurden Unternehmen, mit verschiedenen Brand Equity Quellen, hinsichtlich des Einflusses einer Brand Extension, einmal mit hohem und ein anderes Mal mit einem niedrigen perceived Fit, hinsichtlich des Brand Image untersucht. Neben der Brand Extension, spielte der Brand Equity bei der in dieser Studie festgestellten Brand Image-Ver- wässerung eine signifikante, beeinflussende Rolle. Krishnan (1996, S. 389 et seqq.) betont, dass starke Marken, also die mit hohem Brand Equity, auch mit höherer Wahrscheinlichkeit positive Assoziationen bewirken können. Dieser Tatbestand wird von Lassar et al. (1995, S. 17) ebenfalls unterstützt. Diese Forscher kamen zu dem Ergebnis, dass Marken mit einem höherem Brand Equity, auch besser bezüglich des Brand Images bewertet werden. Die diffe- renzierende Kraft der Stammmarke soll zum Transfer der Imagekomponenten beitragen (Aa- ker/Keller, 1990, S. 27), weswegen anzunehmen ist, dass eine starke Marke (OVB) zum Brand Image nach der Einführung einer Brand Extension beiträgt (GBIA und PBIA) (Caspar/Burmann, 2005, S. 260; Chang et al., 2004, S. 29). Anhand der aufgeführten Ergebnisse, wird die nach- folgende Hypothese abgeleitet:
H8a: Der Overall Brand Equity (OVB) hat einen positive Einfluss auf das General Brand Image After The Brand Extension (GBIA)
H8b: Der Overall Brand Equity (OVB) hat einen positive Einfluss auf Product Brand Image After The Brand Extension (PBIA)
Die Vermutung, dass die positive Einstellung gegenüber einer Brand Extension (ATT) sich auch positiv auf das Brand Image nach Einführung einer Brand Extension auswirkt (GBIA und PBIA), klingt insgesamt plausibel. Low und Lamb (2000, S. 360 et seq.) wie auch Faircloth et al. (2001, S. 70) kamen anhand empirischer Resultate zu der Feststellung, dass Konstrukte der Einstellung, eindeutig auf das Brand Image wirken. Die Forscher Martínez und Chernatony (2004, S. 45) und auch Serrao und Botelho (2008, S. 26) attestieren diesbezüglich ähnliche Ergebnisse, und zwar, dass sich die Einstellung dabei auf der Ebene des General Brand Image (GBI) als auch auf Ebene des Product Brand Image (PBI) auswirkt. Müge Arslan und Korkut Altuna (2010, S. 176), die lediglich die Einflüsse auf das PBI untersuchten, affirmierten auch in ihrer Studie diese Hypothese. Diese Relation konnte jedoch nicht immer untermauert wer- den, so fanden Martínez et al. (2008, S. 124 et seq.) heraus, dass im Vereinigten Königreich (UK) diese Hypothese, basierend auf dem PBI, verworfen werden musste. Da in der Forschungsliteratur aber vorwiegend positive Zusammenhänge dieser Konstrukte vorzufinden sind, werden diese Hypothesen untersucht:
H9a: Attitude Toward The Brand Extension (ATT) hat einen positiven Einfluss auf das Brand Image After The Brand Extension (GBIA)
H9b: Attitude Toward The Brand Extension (ATT) hat einen positiven Einfluss auf das Product Brand Image After The Brand Extension (PBIA)
Die Beurteilung einer Brand Extension hängt hauptsächlich von dem vom Konsumenten wahr- genommenen Fit (FIT) ab (Park et al., 1991; Aaker/Keller, 1990, S. 27; van Riel, A. C. R. et al., 2001, S. 225). Wenn der Konsument einen hohen Fit zwischen Brand Extension und Stamm- marke wahrnimmt, wenn die Produkte also aus seiner Sicht zur Marke passen, wirkt sich dies positiv auf die Präferenz und damit auf die Einstellung gegenüber einer Brand Extension aus (Boush/Loken, 1991, S. 16 et seqq.;Aaker/Keller, 1990, S. 38; Keller/Aaker, 1992, S. 35). Boush und Loken (1991, S. 18 et seq.) betonen die hohe Wichtigkeit des perceived Fit bezüg- lich der Untersuchung des Zusammenhanges zwischen Brand Extension und Brand Image. Basierend auf den Forschungsergebnissen von Chang et al. (2004, S. 20 et seqq.) und Martínez et al. (2008, S. 124 et seq.) wurde diese Hypothese empirisch bestätigt. Ferner kon- statieren Boush und Loken (1991, 18 et seq.) genau wie Hariri und Vazifehdust (2011, S. 107 et seq.), dass die Auswirkungen des perceived Fit auf die produkt-(PBI) und markenbezoge- nen (GBI) Assoziationen, relevant sind. Schlussfolgernd aus diesen genannten Resultaten, wird folgende Hypothese zur Untersuchung bereitgestellt:
H10: Fit Perception (FIT) hat einen positiven Einfluss auf Attitude Toward The Brand Extension (ATT)
Im Rahmen dieser Thesis soll der Erfolg einer Brand Extension aus einem positiven Beitrag zum Brand Image resultieren. Um die Stammmarkenerosion zu verhindern, schlagen Grime et al. (2002, S. 1431) die Herstellung eines möglichst hohen perceived Fit vor. Wird eine Marke in eine weit entfernte Produktkategorie transferiert, besteht die hohe Wahrscheinlichkeit der Glaubwürdigkeitserosion (Ries/Trout, 2001, S. 116 et seq.). Dem Konsumenten fällt es dem- nach schwerer die Markenassoziationen auf das neue Produkt zu übertragen. In der von Martínez und Pina (2003, S. 443) durchgeführten Studie besitzt dieser Zusammenhang zwi- schen Fit und General Brand Image nach Einführung einer Brand Extension (GBIA) eine ne- gative Konnotation. Es wurde also eine Brand Imageverwässerung festgestellt. In darauffol- genden Studien konnte dieses Ergebnis jedoch wieder zurückgewiesen werden (Martínez/Chernatony, 2004, S. 46; Pina et al., 2006, S. 188). Ferner wirkt sich der Fit in der Studie von Martínez und Chernatony (2004, S. 46) wie auch in der Studie von Müge Arslan und Korkut Altuna (2010, S. 176)40 positiv auf das Produkt Brand Image (PBI) aus. In Anleh- nung an das von Martínez et al. (2008, S. 124 et seq.) postulierte Modell werden folgende Hypothesen übernommen:
H11a: Der perceived Fit (FIT) hat einen positiven Einfluss auf General Brand Image After The Brand Extension (GBIA)
H11b: Der perceived Fit (FIT) hat einen positiven Einfluss auf Product Brand Image After The Brand Extension (PBIA)
Die aufgeführte Tabelle 8 beinhaltet alle in den GBI und PBI Modellen aufgestellte Hypothesen bzw. Wirkungszusammenhänge inklusive eines Verweises auf die zu Grunde gelegte literari- sche Quelle.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 8: Übersicht aller Hypothesen mit Literaturangabe
Neben den hier aufgestellten Hypothesen, können selbstverständlich auch weitere Zusam- menhänge vermutet werden. Hariri und Vazifehdust (2011, S. 107) bestätigen die Hypothese, dass sowohl das GBI den perceived Fit (FIT) als auch die Einstellung zur Brand Extension (ATT) direkt beeinflusst. Ergänzend bestätigen Pina et al. (2006, S. 188) den Einfluss des anfänglichen Brand Image (GBIB) auf den Perceived Fit (FIT) - darüber hinaus beeinflusste der Fit auch noch die Perceived Quality (PQ). Dies wurde in dem vorliegenden Modell und in dem von Martínez et al. (2008) nicht berücksichtigt. Auch wenn hier Kausalitäten attestiert wurden, wird auf die Hypothese aufgrund der sachlogischen Unterstellung, dass die Beurteilung des Fit exklusiv durch die Brand Extension beeinflusst werden soll, verzichtet.
Des Weiteren konstatierten Martínez und Chernatony (2004, S. 46), Martínez und Pina (2003, S. 443), Pina et al. (2006, S. 188) genau wie Serrao und Botelho (2008, S. 26) das Vorhanden- sein von hinreichenden Einflüssen der perceived Quality (PQ) auf beide oder eines der beiden GBIA/PBIA Konstrukte. Der Einfluss auf die Einstellung zur Brand Extension (ATT) und der damit verbundene indirekte Einfluss auf GBIA und PBIA wird im verwendeten Modell jedoch vorgezogen. Die perceived Quality dient demnach als ein Indikator zur Deduktion der kon- sumentenseitigen Einstellung und beeinflusst damit indirekt das Brand Image nach Einfüh- rung einer Brand Extension.
Im originären Modell von Martínez et al. (2008, S. 124 et seq.) führt das hypothetische Konstrukt Familiarity im Zusammenhang mit der Attitude toward the Brand Extension (ATT) in beiden Modellen zur Ablehnung dieser Hypothese. Eine Beziehung zwischen Familiarity und GBIB/PBIB konnte jedoch in beiden Ländern und für beide Modelle bestätigt werden. Da nun aber Overall Brand Equity (OVB) in das Modell eingebaut wurde und ein hoher Grad an „Fa- miliarity“ bei den Probanden vorausgesetzt wird, erscheint das Konstrukt Familiarity als re- dundant41.
4.2 Operationalisierung der Konstrukte
Martínez et al. (2008, S. 118) operationalisieren die Konstrukte Perceived Quality, Attitude Toward the Brand Extension und Perceived Fit basierend auf Skalen, die zwei Items für jedes hypothetische Konstrukt besitzen. Grundsätzlich ist eine Analyse mit zwei Items pro hypothe- tischem Konstrukt als ausreichend zu bewerten (Weiber/Mühlhaus, 2014, S. 113). In der vor- liegenden Thesis wird die Abfrage von zwei Items als riskant betrachtet. Häufig entpuppen sich bestimmte Items während der Analyse als unzureichend und sind in der Folge auszu- schließen. Wird jetzt eines der zwei Items, aufgrund mangelnder Güte eliminiert, bleibt nur noch ein einziges Item zu Bildung des hypothetischen Konstruktes übrig - dies gilt es zu vermeiden (Weiber/Mühlhaus, 2014, S. 113). Begründet wird diese Entscheidung, mehrere Items zur Operationalisierung heranzuziehen, mit der Empfehlung von Bollen (1989, S. 288 et seqq.) drei bis vier Items pro Konstrukt zu verwenden. Im Hinblick auf den zugrunde liegenden limitierten zeitlichen Rahmen der Masterthesis und dem damit verbundenen Umstand, dass die Erhebung nur einmal durchgeführt werden kann, erscheinen Konstrukte mit mehreren Items als ein adäquates Mittel zur Prävention von Messproblemen. In Anlehnung an die Emp- fehlung von Weiber und Mühlhaus (2014, S. 112 et seq.) wird, anstatt auf zwei Items, auf größere Itembatterien zurückgegriffen, sodass im Rahmen der Analyse schwache und unge- eignete Items problemlos ausgeschlossen werden können. Letztlich wurde über die Item- bzw. Skalenauswahl sichergestellt, dass alle hypothetischen Konstrukte sich hochwertiger, wie auch validierter Items aus der Forschungsliteratur bedienen. Der interessierte Leser findet eine ausführliche Zusammenstellung aller Items im Kapitel 0 des Anhangs. Das Konstrukt Perceived Quality (PQ) ist in Anlehnung an Aaker (1996, S. 118) und Yoo und Donthu (2001, S. 14) durch fünf Items operationalisiert wurden. Im Fragebogen wird die Abfrage dieser Items durch eine generelle Aufforderung zur Bewertung des Zustimmungsgrades eingeleitet. Das vormals verwendete Konstrukt Brand Familarity, wurde im Rahmen einer Modelladaption durch das eindimensionale Konstrukt Overall Brand Equity (OVB) ersetzt und über vier von Yoo et al. (2000) vorgeschlagenen Items, die über eine Zustimmungsskale zu bewerten sind, operationalisiert. Bei dem Konstrukt Attitude toward the Brand Extension (ATT) wird auf die Ausarbeitungen von Aaker und Keller (1990) und Viot (2011) zurückgegriffen. Aaker und Keller (1990) schlagen hierfür drei Items, die über eine Bewertungsskale erfasst werden, vor. Viot (2011) empfiehlt dagegen drei weitere Items, bei dem der Proband den Grad seiner Zustim- mung angeben muss. Obwohl die Verwendung einer einzigen Skala von den jeweiligen Autor ausreichend sein könnte, werden zur Absicherung beide Itembatterien hinsichtlich einer ak- zeptablen Konstruktmessung überprüft. Das Fit-Konstrukt (FIT) basiert auf den Empfehlungen von Taylor und Bearden (2002, S. 134) und umfasst drei Items die über eine Zustimmungs- skala erfasst werden. Die Konstrukte GBIB und GBIA gleichen sich gemäß der Operationali- sierung. Sie werden lediglich einmal vor (GBIB) dem Stimulus, sprich der Brand Extension (dem Elektrofahrzeugkonzept), und einmal danach (GBIA) abgefragt. Die hierzu verwendeten Items basieren auf den Ausführungen von Aaker (1996; S.118) und wurden aus der Studie von Martínez et al. (2008; S. 117) entsprechend adoptiert. Der Proband muss bei der Bewertung des GBIB/GBIA den Grad seiner Zustimmung angeben. Die Konstrukte PBIB und PBIA ba- sieren auf den durch Pretest 3 und Pretest 4 ermittelten spezifischen Produktassoziationen. Die Operationalisierung orientiert sich an den Ausführungen von Martínez et al. (2008, S. 118 et seqq.) und an den von Low und Lamb (2000, S. 354 et seqq.). In Anlehnung an diese Au- toren ist zur Bestimmung der Assoziationen eine mehrstufige Herangehensweise, über zwei Pretests, erforderlich.
Pretest 3 42
Im dritten Pretest wurden drei qualitative Gruppeninterviews mit insgesamt acht Studenten (4 Männlich; 4 Weiblich) durchgeführt. Ziel dieses Pretests war es, herauszufinden, welche At- tribute bei der Bewertung von Produkten aus der Technologiebranche herangezogen werden. Die genannten Attribute wurden erfasst und anschließend nach Ähnlichkeit sortiert43.
Pretest 4
Ziel des vierten Pretest war es, herauszufinden, welche von den ermittelten Attributen die wichtigsten zur Bewertung von Produkten im Technologiebereich sind. Vor diesem Hinter- grund wurden zur Bewertung die vier bekannten und hoch qualitativen Technologiemarken Apple, Google, Microsoft und Sony44 in randomisierter Reihenfolge herangezogen. Unter 36 Studenten wurde eine onlinegestützte Befragung, wobei vier Fragebögen unvollständig aus- gefüllt und folglich von der Analyse auszuschließen waren, durchgeführt. Den studentischen Probanden wurde im Zufallsverfahren die Frage gestellt: Wie sehr verbinden Sie folgende Ei- genschaften mit der Marke X 45 ? Von dieser Frage gefolgt, erschien eine Liste mit den aus Pretest 3 15 am häufigsten genannten Attributen in randomisierter Reihenfolge. Die Proban- den wurden daraufhin gebeten, auf einer fünfstufigen Skala von „Trifft überhaupt nicht zu“ bis „Trifft vollkommen zu“, eine Einschätzung vorzunehmen. Die fünf Attribute mit den höchsten Werten wurden zur Operationalisierung des Konstruktes PBIB/PBIA eingesetzt und lauten46:
(1) Funktional, (2) Innovativ, (3) Imageorientiert, (4) Leistungsorientiert, (5) Bedienungsfreund- lich47.
4.3 Konstruktion der Messvorschrift
An der Operationalisierung aller einzelnen hypothetischen Konstrukte anknüpfend, ist eine Fixierung der Messvorschrift bzw. der Skalierung notwendig. Mithilfe einer Skala können die einzelnen Items, durch eine quantitative Zuordnung von Zahlen, durch den Probanden erfasst werden (Weiber/Mühlhaus, 2014, S. 116). Aufgrund der hier durchzuführenden Strukturglei- chungsanalyse soll die von Weiber und Mühlhaus (2014, S. 116) empfohlene Ratingskala zum Einsatz kommen. Das bei Ratingskalen vorgegebene Zahlenkontinuum misst dabei die Beur- teilung bzw. die Zustimmung des Probanden (Rost, 2004, S. 64 et seqq; Trommsdorff, 1975, S. 84 et seqq.). Weiber und Jacob (2000, S. 558) empfehlen bei der Festlegung einer Ra- tingskala drei Aspekte zu berücksichtigen: (1) Die erste Entscheidung muss hinsichtlich der Frage, ob eine gerade bzw. eine ungerade Skalenabstufungen verwendet werden soll, getrof- fen werden. (2) Anschließend muss die Anzahl der Skalenabstufung festgelegt werden und (3) letztlich noch zwischen einem entweder forcierten Rating oder einem Rating mit einer Aus- wahlkategorie ausgewählt werden. Im Rahmen der vorliegenden empirischen Untersuchung wird den Empfehlungen von Borg und Staufenbiel (2007, S. 26) nachgegangen und eine un- gerade fünfstufige Ratingskala, mit Verzicht auf eine Auswahlkategorie, herangezogen. Be- gründet liegt diese Entscheidung darin, dass größere Skalen, sprich jene die fünf bzw. sieben Stufen überschreiten, sowohl die Reliabilität als auch die Validität nicht maßgeblich steigern (Krosnick/Fabrigar, 1997, S. 145). Ferner soll das von Miller (1994) festgestellte Diskriminie- rungsproblem, welches bei größeren Skalen48 auftritt, vermieden werden. Es besagt, dass der Proband bei sehr hohen Skalen nur erschwert zwischen zwei Werten differenzieren kann - dies führt zu einer erhöhten kognitiven Anstrengung und eventuell auch zu Stress. Da auf eine Ausweichkategorie, wie zum Beispiel: „ Kann ich nicht beurteilen “ verzichtet wird und der Pro- band zudem nicht gezwungen werden soll sich für eine eindeutige Richtung (Zustimmung oder Ablehnung) entscheiden zu müssen, wird eine Skala mit einer existierenden mittleren Merkmalsausprägung ausgewählt. Am Ende bleibt noch zu erwähnen, dass es sich bei der Umfrage, um eine forcierte Befragung handelt. Dies hat zum Nachteil, dass der Proband zur Abgabe einer Bewertung gezwungen wird. Allerdings wirkt diese Entscheidung der Behand- lung von fehlenden Werten entgegen. Im Hinblick auf die relative Zugänglichkeit des Themas - Automobil und die Technologiemarke Apple - soll auf die vom Probanden oftmals unter Stress oder hoher kognitiver Anstrengung bevorzugte Ausweichkategorie (Weiber/Mühlhaus, 2014, S. 117), verzichtet werden. Für den Fall, dass ein Proband tatsächlich nichts zur Befra- gung beisteuern kann, wird die Annahme getroffen, dass er die Befragung abbricht bzw., dass der Fragebogen durch ein auffälliges Beantwortungsmuster auffällt. Eine ordentliche Prüfung der Beantwortungsmuster, wie z. B. 1, 1, 1, 1, 1, 2, 2, 2 etc., würde zu einer begründeten Eliminierung dieses Falls führen. Diesbezüglich muss man sich darüber im Klaren sein, dass die Gefahr einer Verzerrung der Daten auch weiterhin bestehen bleibt (Weiber/Mühlhaus, 2014, S. 117). Final soll erwähnt werden, dass Weiber und Mühlhaus (2014, S. 118 et seqq.) auf die Problembereiche von Likert-Skalen eingehen und eine Empfehlung für die Verwen- dung von Bewertungsskalen abgeben. Dem entgegen sind die meisten hier verwendeten Ska- len sogenannte Likert-Skalen bzw. Zustimmungsskalen. Da diese aber bereits empirisch va- lidiert sind, soll auf deren Verwendung fortan nicht verzichtet werden.
Rekapitulierend lässt sich erwähnen, dass in diesem Kapitel ein adäquates Strukturmodell herausgearbeitet wurde. Alle eingesetzten Konstrukte, genau wie die Beziehungen bzw. die Hypothesen wurden fundiert, detailliert und nachvollziehbar aus der Literatur deduziert. Zu guter Letzt wurden die herangezogenen Konstrukte fundiert über mehrere Items operationa- lisiert. Damit kommt die Konzeptualisierungsphase zu einem Abschluss und die Phase der Hauptuntersuchung beginnt.
5 Empirische Überprüfung
5.1 Methodische Vorgehen
5.1.1 Fragebogendesign
Der mit Hilfe der Software Qualtrics erstellte Onlinefragebogen, orientiert sich am Aufbau und in der Art der Durchführung an den Ausführungen von Martínez et al. (2008, S. 116 et seq.). Das heißt, dass der Onlinefragebogen, dessen grundlegende Struktur in Tabelle 9 dargestellt ist, in drei Teile untergliedert ist. Die zur Untersuchung stehenden hypothetischen Konstrukte aus Kapitel 4.2, werden dabei über insgesamt 40 geschlossene Fragen operationalisiert. Eine erste einleitende Frage zielt darauf ab, die Bekanntheit der Marke Apple in Erfahrung zubringen. Darüber hinaus werden drei demografische Fragen zur Person gestellt, sodass sich der Fragebogen aus insgesamt 44 Fragen zusammensetzt. Eine detaillierte Darstellung und Beschreibung des Fragebogens und auch eine Begründung für die Wahl des Onlineformats findet der interessierte Leser im Anhang Kapitel 3 (Tabelle 65).
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 9: Aufbau des Onlinefragebogens
5.1.2 Datenerhebung
Die in Kapitel 1.1 erwähnten Veränderungen der Wertehaltung innerhalb einer jüngeren Ziel- gruppe, sowie die Tatsache, dass gerade Studenten als potenzielle zukünftige Konsumenten von Automobilien infrage kommen, resultiert bezüglich der Datenerhebung in einer gezielten Auswahl von Studenten. Das relevante Alter der Zielgruppe wird auf 18 bis 35 Jahre fixiert. Diese Entscheidung begründet sich vor dem Hintergrund, dass das Alter von Abiturienten/in- nen durchaus 18 Jahre betragen kann (Huebener/Marcus, 2015, S. 450 & 452). Das durch- schnittliche Alter von Hochschulabsolventen/innen liegt bei 26,5 Jahren (Statista, 2014). Da- mit sich die Stichprobe nicht nur auf die durchschnittlichen Angaben beschränkt, werden so- wohl Absolventen als auch Berufseinsteiger mit Zugang zu Hochschulverteilern und -gruppen integriert. Gleichermaßen sollen Personen, die ein Studium aufgrund bestimmter Ausnahmen oder in bestimmten Härtefällen antreten, nicht von der Erhebung ausgeschlossen werden49
(Hochschulkompass, o. J.). Für die Altersrange bedeutet dies, dass sie auf maximal 35 Jahre ausgedehnt wird. Der erstellte Onlinefragebogen wurde anschließend, und mit tatkräftiger Unterstützung seitens der Hochschule Ludwigshafen, über verschiedene E-Mailverteiler an hiesige Studenten versendet. Darüber hinaus unterstützte die HAW Hamburg die Datenerhebung, indem ein Link auf die hochschulinterne Lernplattform Moodle gesetzt wurde. Zudem wurde die Umfrage in einschlägigen Facebook-Gruppen der Hochschule Ludwigshafen, Universität Mannheim und HAW Hamburg verteilt.
5.1.3 Datenaufbereitung
An dem Onlinefragebogen, der mittels Qualtrics angelegt und für den Zeitraum vom 11. Juni bis 29 Juli 2015 zur Verfügung gestellt wurde, nahmen 349 Probanden teil. Aus der Tabelle 10 wird der Datenaufbereitungsprozess ersichtlich - ausgehend von 349 gesammelten Fällen, konnte registriert werden, dass 17 Probanden den Fragebogen starteten, ohne nur eine ein- zige Frage zu beantworten. Diese 17 Fälle wurden daher eliminiert. In zwei anderen Fällen wurde der Fragebogen zu 50 % ausgefüllt, weswegen die ausstehenden Antworten dieser zwei Fälle mithilfe der in SPSS verfügbaren Methode „Ersetzen mit Median der Nachbar- punkte“ ersetzt wurden. Um ein geringes Engagement bei der Beantwortung des Fragebo- gens auszuschließen, wurde der Datensatz hinsichtlich bestimmter Beantwortungsmuster so- wie Fälle mit einer Standardabweichung von <0,5 untersucht. Der Datensatz wies diesbezüg- lich keine nennenswerten Anomalien auf. Angesichts der definierten Alterspanne von 18 bis 35 Jahren, mussten 19 Fälle >35 Jahre entfernt werden. Des Weiteren ergab die Auswertung, dass ein Proband die Marke Apple unbekannt ist, weswegen dieser Fall ebenfalls auszuschlie- ßen war. Im Anschluss daran, wurden die vorerst 314 Fälle hinsichtlich Ausreißer und in Bezug auf die multivariate Normalverteilung hin analysiert. Die Untersuchung der Normalverteilung und der mit IBM AMOS ermittelten Mahalanobis Distanz50 brachten zum Ergebnis, das weitere 19 Ausreißer aus dem Datensatz zu entfernen waren. Schlussfolgernd mussten 15,5 % der Fälle ausgeschlossen werden. Als Resultat ergibt sich eine finalen Stichprobengröße von 295 Fällen. Die vorliegenden GBI und PBI Modelle, mit final jeweils 3051 Parametern, stellen eine Mindestanforderung von 150 Probanden an den Stichprobenumfang52. Da diese Mindestanforderung im ausreichenden Maß überschritten ist, wird das Kriterium einer akzeptablen Stichprobengröße als erfüllt angesehen.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 10: Zusammenfassende Übersicht des Bereinigungsprozesses53
5.1.4 Analyse der Stichprobe
In erster Linie stellt sich die Frage nach der grundlegenden Normalverteilung der erhobenen Stichprobe. Analog dazu brachte die Untersuchung der Schiefe- und der Kurtosis-Critical- Ratios des Alters sowie des höchsten Bildungsabschlusses, in Tabelle 11 dargestellt, eine in dem moderaten Intervall von |2,57| liegende Normalverteilung hervor (Weiber/Mühlhaus, 2014, S. 181)54
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 11: Prüfung auf Normalverteilung der Merkmale Alter und höchster Bildungsabschluss
Die in Tabelle 12 dargestellte Alterszusammensetzung der Stichprobe nach Altersklassen im Vergleich zu der von der Hochschule Ludwigshafen ermittelte Altersverteilung (Hochschule Ludwigshafen, 2015, S. 31), ist faktisch identisch distribuiert. Da aber nicht nur Studenten der Hochschule Ludwigshafen an der Umfrage partizipierten, darf der Vergleich der Altersklassen nicht als ein Beweis für eine zur Hochschule Ludwigshafen passenden Altersstruktur betrachtet werden. Dennoch gibt dieses Ergebnis einen Hinweis auf die Adäquanz der Stichprobe bezüglich der Altersverteilung an einer Hochschule.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 12: Altersklassen der Stichprobe im Vergleich zur Altersverteilung der HS LU
Zur Verdeutlichung des Verlaufes der Normalverteilung des Alters, wurden die Häufigkeiten als Balkendiagramm in Abbildung 4 grafisch dargestellt. Der positiv orientierte Schiefekoeffizient von 0,34955 zeigt die leichte Rechtsneigung der Daten - sprich das Alter nimmt schneller ab und es existieren mehr jüngere Probanden. Darüber hinaus führt der negative Kurtosiskoeffizient von -0,11156 zu einer leicht abgeflachten Verteilung der Daten.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 4: Balkendiagramm zur Altersverteilung der bereinigten Stichprobe
Anhand der Daten ließ sich konstatieren, dass der Großteil der Probanden, nämlich 34,6 %, einen Bachelorabschluss als höchsten Bildungsgrad angaben. Insgesamt gaben 47,8 % der Probanden an, bereits einen Hochschulabschluss erworben zu haben. Weitere 49,2 % besit- zen eine Fachhochschulreife, eine abgeschlossen Ausbildung oder die allgemeine Hochschul- reife. Folglich bleibt festzuhalten, dass die Probanden überwiegend höhere Bildungsab- schlüsse besitzen. Ferner sollen die 3 % der Probanden, mit einer mittleren Reife oder einem sonstigen Abschluss, aufgrund ihres Zuganges zu den Hochschulnetzwerken nicht ausge- schlossen werden57. Abschließend und in Bezug auf das Geschlecht, ist eine ausgewogene und im Vergleich zur deutschen Bevölkerung sehr ähnliche Verteilung zu attestieren (vgl. Ta- belle 13).
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 13: Vergleich der Geschlechterverteilung zwischen Stichprobe und der deutschen Bevölkerung58
5.2 Modellschätzung mit AMOS
5.2.1 Auswahl eines kausalanalytischen Verfahrens
Für die Durchführung einer Strukturgleichungsanalyse (SGA) kann der Anwender auf zwei grundlegende Verfahren zurückgreifen: Dem varianzanalytischen (PLS) Ansatz oder dem kovarianzanalytischen (LISREL, AMOS) Ansatz. Die Entscheidung, welcher dieser beiden An- sätze zu verfolgen ist, muss sachlogisch und unter Rücksichtsnahme der Forschungsziele begründet werden (Weiber/Mühlhaus, 2014, S. 75). Insbesondere in Bezug auf das For- schungsziel unterscheiden sich diese beiden Ansätze maßgeblich. Der Einsatz von LISREL bzw. AMOS ist dann sinnvoll, wenn ein bereits theoretisch und sachlogisch fundiertes Modell vorliegt. Damit stellt IBM AMOS einen großen Theoriebezug her, weswegen es sich sehr gut für Theorieevaluationen eignet (Weiber/Mühlhaus, 2014, S. 74 et seq.). PLS ist dagegen als ein eher prognostizierender Ansatz zu verstehen. Er kann auch dann brauchbare Ergebnisse liefern, wenn die Kausalstrukturen unbekannt bzw. noch nicht ausgereift sind (Weiber/Mühl- haus, 2014, S. 75). Durch die Anwendung eines bereits untersuchten Modells und der zusätz- lichen Verwendung von validierten reflektiven Messmodellen, ist der kovarianzanalytische An- satz grundsätzlich zu rechtfertigen. Ein ebenso wichtiger Aspekt im Rahmen des LISREL An- satzes, unter Verwendung der Maximum Likelihood Methode, ist eine ausreichend große Stichprobe mit einer multivariaten Normalverteilung (Weiber/Mühlhaus, 2014, S. 66). Ein re- gelmäßiges Thema bei SGA ist die Normalverteilung. Deswegen ist zu erwähnen, dass geeig- nete Reparaturstrategien für nicht-normalverteilte Daten existieren und, dass darüber hinaus, die Maximum Likelihood Methode in der Lage ist, auch eine moderate Verletzung der Nor- malverteilung zu verkraften (Scholderer/Balderjahn, 2006, S. 66). Selbst bei einem Vorliegen von nicht normalverteilten Daten, erscheint der PLS Ansatz nicht immer vorteilhafter zu sein (Goodhue et al., 2012, S. 998), weswegen eine solche Problematik nicht unbedingt als ein K. O. Kriterium betrachtet werden muss. Abhängig von der Zielsetzung des Forschers lassen sich grundsätzlich beide Ansätze adäquat für eine SGA einsetzen. Bei einer geeigneten Datengrundlage, weist der LISREL Ansatz das höhere Berechnungspotenzial auf, weshalb PLS nur dann eingesetzt werden sollte, wenn der Einsatz von LISREL definitiv ausgeschlossen ist (Scholderer/Balderjahn, 2006, S. 67). Schlussfolgernd daraus lässt sich kein Aspekt erkennen, der auf die Anwendung des PLS Ansatzes verweist, weswegen im weiteren Verlauf der LISREL Ansatz bzw. IBM AMOS zum Einsatz kommt.
5.2.2 Analyse der Normalverteilung
Das kovarianzanalytische Statistikprogramm IBM AMOS setzt, unter Verwendung der Maxi- mum Likelihood Methode, eine Multinormalverteilung der hypothetischen Konstrukte voraus (Weiber/Mühlhaus, 2014, S. 64). Es ist daher unbedingt erforderlich die Stichprobe auf univa- riate (auf Ebene einzelner Indikatoren) und multivariate (auf Ebene aller Indikatoren gemein- sam) Normalverteilung hin zu untersuchen (Weiber/Mühlhaus, 2014, S. 180 et seqq.). Die fol- gende Normalverteilungsanalyse gliedert sich in zwei Hauptteile: Als erstes werden dem Leser die initialen Daten präsentiert und im Anschluss daran die finalen Daten. Die initialen Daten ergeben sich direkt aus dem unveränderten Datensatz. Die finalen Daten beinhalten nur die Items und die Fälle, die für die eigentliche Analyse eingesetzt wurden.
5.2.2.1 Gütekriterien der univariaten und multivariaten Normalverteilung
Zur Prüfung der univariaten Normalverteilung ist die Schiefe (auch Skewness) und die Wöl- bung (auch Kurtosis) aller Indikatoren jedes einzelnen hypothetischen Konstruktes zu analy- sieren (Weiber/Mühlhaus, 2014, S. 180). Für den Fall, dass sowohl die Schiefe als auch die Kurtosis einen Wert von 0 aufweisen, kann von einer perfekt univariaten Normalverteilung ausgegangen werden (Weiber/Mühlhaus, 2014, S. 180). Da Abweichungen in den meisten Fällen anzutreffen sind, stellt die Forschungsliteratur verschiedene Grenzwerte bereit. Die Au- toren Temme und Hildebrandt (2009, S. 166) bezeichnen Daten, deren Schiefekoeffizient |>1| über- oder unterschreitet, bereits als nicht-normalverteilt. Diese sehr strenge Sichtweise wird allerdings von West et al. (1995, S. 74) etwas aufgelockert. Liegt der Schiefekoeffizient zwi- schen -2 und +2, dann gehen die Autoren nur von einer moderaten Verletzung der univariaten Normalverteilung aus. Ähnlich verhält es sich mit dem Kurtosiskoeffizienten der, wenn größer 1 oder kleiner -1, die Normalverteilungsannahme verletzt (Temme/Hildebrandt, 2009, S. 166). Darüber hinaus lassen sich zur Schiefe und Kurtosis sogenannte Critical Ratio Werte errech- nen, indem die jeweiligen Koeffizienten durch den dazugehörigen Standardfehler dividiert werden (Weiber/Mühlhaus, 2014, S. 181). Abhängig vom Autor lassen sich aus der For- schungsliteratur auch unterschiedliche Grenzwerte für die Critical Ratios herausarbeiten. Muthen und Kaplan (1985, S. 187) sind hierbei Vertreter einer sehr strengen Philosophie und bezeichnen Werte von >|1| als nicht normalverteilt. Weiber und Mühlhaus (2014, S. 181) be- zeichnen dagegen Werte innerhalb bekannter Konfidenzintervalle von |1,96| für einen strengen und |2,57| für einen moderaten Beweis der univariaten Normalverteilung. Allgemein ist zu at- testieren, dass die Critical Ratios der Kurtosiskoeffizienten auch etwas lockerer bewertet wer- den. Demgemäß betrachten West et al. (1995, S. 74) Werte innerhalb |7| und Kline (2011, S. 63) Werte innerhalb |10| als akzeptabel.
Von der univariaten Normalverteilung kann nicht unbedingt auf multivariate Normalverteilung geschlossen werden, weswegen die Stichprobe dahingehend gesondert überprüft werden muss (Byrne, 2010, S. 104). Zur Analyse der multivariaten Normalverteilung empfiehlt sich der Mardia-Koeffizient (Weiber/Mühlhaus, 2014, S. 182). Die Autoren Weiber und Mühlhaus (2014, S. 182) empfehlen Critical Ratio Werte des Mardia-Koeffizienten von |2,57| für eine ausreichende multivariate Normalverteilung.
5.2.2.2 Initiale Bewertung der Normalverteilung der GBI / PBI Modelle
Initial waren alle Variablen beider Modelle hinsichtlich univariater und multivariater Normal- verteilung zu untersuchen. Aus den Tabelle 14 und Tabelle 15 lassen sich die Schiefe- und Kurtosiswerte des GBI und des PBI Modells entnehmen. Es fällt auf, dass alle Indikatoren des OVB Konstruktes außerhalb des von Temme und Hildebrandt (2009, S. 166) geforderten Be- reichs von |1| liegen, aber innerhalb des von West et al. (1995, S. 74) empfohlen Bereichs von |2|. Darüber hinaus erweisen sich die Critical Ratios der Schiefekoeffizienten in vielen Fällen als problematisch. Bezüglich der Kurtosiskoeffizienten und den dazugehörigen Critical Ratios lässt sich konstatieren, dass die Werte auf einem überwiegend moderaten Niveau liegen. Fer- ner ist hervorzuheben, dass die im GBI Modell gelisteten Indikatoren OVB_2, PQ_1, ATT_6, GBIB_1, GBIB_2, GBIA_1, GBIA_2 und GBIA_5 als besonders problematisch einzustufen sind. Im PBI Modell konnten die Indikatoren OVB_2, PQ_1, PBIB_3, ATT_6 und PBIA_3 als besonders problematisch identifiziert werden.
Hinsichtlich der multivariaten Normalverteilung muss festgehalten werden, dass der Critical Ratio Wert des Mardia-Koeffizienten bei beiden Modellen, also dem GBI Modell mit einem Wert von 57,07 und dem PBI Modell mit einem Wert von 53,61, den empfohlenen Wert extrem überschreiten. Folglich muss von einer Verletzung der multivariaten Normalverteilung ausgegangen werden.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 14: Initiale Überprüfung auf univariate und multivariate Normalverteilung des GBI Models
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 15: Initiale Überprüfung auf univariate und multivariate Normalverteilung des PBI Models
5.2.2.3 Finale Bewertung der Normalverteilung der GBI / PBI Modelle
Im Anschluss an eine Datenaufbereitung und der damit einhergehenden Eliminierung von un- geeigneten Indikatoren, stellen die nachstehenden Tabelle 16 und Tabelle 17 die finale univa- riate und multivariate Normalverteilung des GBI als auch die des PBI Modells zusammenfas- send dar. Nach dieser umfassenden Analyse, mit einem moderaten Dateneingriff, wurde das bereits erwähnte univariate Normalverteilungsproblem abgemildert, wenn auch nicht gänzlich behoben. Die Critical Ratios der Schiefekoeffizienten weisen weitergehend hohe Werte auf, die über dem von (West et al., 1995, S. 74) vorgeschlagenen Grenzen liegen, d. h. die Daten orientieren sich bei einem positiven Vorzeichen nach rechts in Richtung niedrigerer Ratings und bei einem negativen Vorzeichen nach links in Richtung höherer Ratings. Im Vergleich zu den Schiefewerten liefern die Kurtosiswerte ein befriedigenderes Ergebnis und können in An- lehnung an West et al. (1995, S. 74) als geeignet identifiziert werden. Aus der Datenanalyse lässt sich entnehmen, dass die Kurtosiskoeffizienten mit einem negativen Vorzeichen die Wöl- bung (oder den Exzess) abflachen lassen. Demgemäß sind die Daten gleichmäßiger über die gesamte fünfstufige Ratingskala verteilt. Umgedreht verhält sich die Wölbung bei einem po- sitiven Vorzeichen des Kurtosiskoeffizienten, d. h. die Daten verteilen sich stärker auf einen bestimmten Wert auf der Ratingskala, sodass sich die Normalverteilungskurve zuspitzt. Die Adäquanz der Kurtosiswerte ist von besonderer Bedeutung, da übermäßige hohe Werte das Chi² und die absoluten Modelfitindizes aufblasen können (Kenny, 2014). Die ebenfalls in der initialen Normalverteilungsanalyse festgestellte Verletzung der multivariaten Normalverteilung konnte durch die Datenaufbereitung ebenso abgemildert werden. Der Critical Ratio Wert des Mardia-Koeffizient verbesserte sich für das GBI Modell und sank von 57,07 auf 28,515. Genau wie beim GBI Modell, konnte eine ähnliche Verbesserung des PBI Modells von 53,61 auf 29,187 attestiert werden. Schlussfolgernd liegt der Mardia-Koeffizient aber immer noch über den sehr strengen Vorgaben von Weiber und Mühlhaus (2014, S. 182), weshalb weiterhin von einer Verletzung der multivariaten Normalverteilung gesprochen werden muss. Bezüglich auf- getretener multinormalverteilter Ausreißer soll erwähnt werden, dass diese mithilfe von IBM AMOS und in Anlehnung an Weiber und Mühlhaus (2014, S. 179 et seqq.) mittels der Maha- lanobis-Distanz bereinigt worden. Dieser Bereinigungsprozess identifizierte eine Reihe von problematischen Ausreißern, von denen schlussendlich 19 ausgeschlossen worden.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 16: Finale Zusammenfassung der univariaten und multivariaten Normalverteilung GBI Models
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 17: Finale Zusammenfassung der desunivariaten und multivariaten Normalverteilung des PBI Models
Rekapitulierend ist die Verletzung der Normalverteilung hervorzuheben. Die Autoren West et al. (1995, S. 66) empfehlen bei dem vorliegen nicht normalverteilter Daten entweder das so- genannte Bootstrapping-Verfahren oder die Maximum Likelihood Methode unter Verwendung einer sogenannten robusten Schätzung. Die zu verwendende Software IBM AMOS ist durch- aus in der Lage dieses geforderte Bootstrapping durchzuführen (Arbuckle, 2012, S. 295). Hin- sichtlich der geforderten robusten Maximum Likelihood Methode, die ebenfalls nicht normal- verteilte Daten mitberücksichtigt, wird auf das kovarianzanalytische Statistikprogramm EQS 6.1 zurückgegriffen (Bentler, 2006, S. 9).
5.2.3 Durchführung und Ergebnisse der explorativen Faktoranalyse
Die aus der Forschungsliteratur eingesetzten und validierten reflektiven hypothetischen Kon- strukte, inklusive ihrer Items bzw. Indikatoren, müssen unter Zuhilfenahme einer explorativen Faktoranalyse (EFA) hinsichtlich ihrer Eindimensionalität untersucht werden (Weiber/Mühl- haus, 2014, S. 131). Bedingt wird diese Analyse durch die Annahme, dass die Items eines jeden hypothetischen Konstruktes miteinander korrelieren - nur, wenn eine ausreichende Kor- relation zwischen einer Menge von Items besteht, lassen sich diese als verursachende Größe zu einem hypothetischen Konstrukt zusammenführen (Weiber/Mühlhaus, 2014, S. 131 et seq.). Zur Bewertung über die Eignung der Indikatoren ein hypothetisches Konstrukt abzubil- den, existieren eine Reihe von Gütekriterien, die zusammenfassend in Tabelle 70 im Kapitel 7 des Anhangs dargestellt sind.
Für die Durchführung der explorativen Faktoranalyse wird auf die Statistiksoftware IBM SPSS zurückgegriffen. IBM SPSS bietet dem User bei der Dürchführung einer EFA eine Viel- zahl von Einstellungsmöglichkeiten an. In der vorliegenden Arbeit wird vorwiegend den Emp- fehlungen von Weiber und Mühlhaus (2014, S. 133) nachgegangen, die die Extraktionsme- thode der Principal Axes Factor Analysis (PFA), das Kaiserkriterium mit einem Eigenwert von >1 und die schiefwinklige Rotationsmethodik Promax, vorschlagen. Die Promax Rotation wird mit dem voreingestellten Kappa-Wert von 4 durchgeführt. Die ebenfalls übliche Extraktions- methode der Principal Components Analysis (PCA) soll im Rahmen dieser Arbeit nur zur Be- stätigung der Ergebnisse angewendet werden. Die nun folgende explorative Faktoranalyse gliedert sich ebenfalls in zwei Haupteile: Als erstes werden dem Leser die initialen Daten prä- sentiert und im Anschluss daran die finalen Daten. Die initialen Daten ergeben sich direkt aus dem unveränderten Datensatz. Die finalen Daten beinhalten nur die Items und die Fälle, die für die Analyse als geeignet evaluiert wurden.
5.2.3.1 Initiale explorative Faktoranalyse (EFA) der GBI / PBI Modelle
Untersuchung der Kommunalitäten
Die nachstehende Tabelle 18 zeigt die Kommunalitäten der initial durchgeführten EFA. Erwäh- nenswert ist, dass die Variablen GBIB_5 und GBIA_5 unverzüglich zu eliminieren waren, da sie die Durchführung der EFA blockierten. Die Autoren Weiber und Mühlhaus (2014, S. 132) empfehlen, Indikatoren mit einer Kommunalität von <0,5 aus der Untersuchung auszuschlie- ßen. Durch die Eliminierung eines einzelnen Indikators kann sich die gesamte Struktur der Kommunalitäten verändern, weswegen die in Tabelle 18 hervorgehobenen Indikatoren in ei- nem iterativen Prozess nacheinander geprüft werden mussten. Da die Kommunalitäten für einige Variablen nicht zu verbessern waren, führte die Analyse im Ergebnis zu einem Aus- schluss der Indikatoren GBIB_1, GBIB_2, GBIB_6, GBIA_1 und ATT_6. Der Indikator GBIB_3 konnte im Verlauf des Eliminierungsprozesses verbessert werden, sodass eine Eliminierung der Indikatoren anhand dieses Kriteriums nicht notwendig war. Tabelle 19 fasst den gleichen Sachverhalt für das PBI Modell zusammen und es lässt sich sofort erkennen, dass sowohl PBIB_3 als auch PBIA_3 gar nicht erst von der Datenanalyse zu erfassen waren, sodass diese Indikatoren quasi mit sofortiger Wirkung entfernt wurden. Darüber hinaus zeigten sich die Kurtosis- und Schiefewerte dieser Indikatoren als fern ab von zulässigen Werten, weshalb eine Eliminierung auch daher zu rechtfertigen war. Die Kommunalität des Indikators ATT_6 unterschreitet den geforderten Wert von 0,5 und sollte daher von der Analyse ausgeschlossen werden.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 18: Initiale Kommunalitäten aus der EFA zum GBI Modell
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 19: Initiale Kommunalitäten aus der EFA zum PBI Modell
Untersuchung der erklärten Gesamtvarianz
Wie aus Tabelle 20 abzulesen ist, konnten bereits 65,5 % der Gesamtvarianz durch die initiale EFA erklärt werden.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 20: Initiale erklärte Varianz aus der EFA zum GBI Modell
Im Gegensatz zum GBI Modell führte die EFA des PBI Modells - siehe hierzu Tabelle 21 - zu einer leicht gesteigerten erklärten Gesamtvarianz von 69,2 %. Damit liegen beide Modell über dem von Weiber und Mühlhaus (2014) geforderten Schwellwert von mindestens 50 %.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 21: Initiale erklärte Varianz aus der EFA zum PBI Modell
Untersuchung der Mustermatrix
Die nachstehende Tabelle 22 zeigt alle Faktoren die initial von der EFA mit IBM SPSS extra- hiert wurden. Die Autoren Weiber und Mühlhaus (2014) attestieren, dass Indikatoren keine substanziellen Querladungen besitzen dürfen, diese also <0,4 sein müssen. Wie aus Tabelle 22 abzulesen ist, liegen keine hier substanziellen Querladungen vor. Die Indikatoren GBIB_1 und GBIA_1 zeichnen sich allerdings durch eine Faktorladung von <0,4 aus und müssen daher als besonders schwach bezeichnet werden. Der Indikator GBIB_2 kann mit einer Faktorla- dung von 0,493 nur geringfügig überzeugen und sollte unter Umständen aus der Analyse aus- geschlossen werden.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 22: Initiale Mustermatrix mit aus der EFA extrahierten Faktoren zum GBI Modell
Nachdem die Mustermatrix des GBI Modells präsentiert wurde, wird sich der nachfolgende Absatz dem PBI Modell zuwenden. Die angesprochenen und problembehafteten Indikatoren PBIB_3 und PBIA_3 wurden initial bereits entfernt, um die Durchführung der EFA überhaupt erst zu ermöglichen. Die als Tabelle 23 dargestellte Mustermatrix aller extrahierten Faktoren des PBI Modells verweisen auf eine recht klare Trennung der meisten Faktoren. Lediglich die PBIB und PBIA Konstrukte stellen noch problembehaftete Faktoren dar und sollten tiefgrei- fender Analysiert werden. Ferner bleibt anzumerken, dass keine maßgebliche Querladungen von >0,4 zu verzeichnen sind.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 23: Initiale Mustermatrix mit aus der EFA extrahierten Faktoren zum PBI Modell
Basierend auf den Ergebnissen der initialen explorativen Faktoranalyse des GBI und PBI Modells sowie den Ergebnissen der Normalverteilungsanalyse, wurden in einem mehrstufigen Analyseprozess die Indikatoren OVB_2, PQ_1, GBIB_1, GBIB_2, GBIB_5, GBIA_1, GBIA_2, GBIA_5, ATT_1, ATT_3, ATT_6, PBIB_3, PBIA_3, PBIB_1, PBIA_1, PBIB_5 und PBIA_5 als unzureichend eingestuft und daher von der Analyse ausgeschlossen.
5.2.3.2 Finale explorative Faktoranalyse der GBI / PBI Modelle
Untersuchung der Kommunalitäten
Nach einer sorgfältigen Analyse konnten Indikatoren mit unzureichenden Kommunalitäten und Faktorladungen eliminiert werden. Die finale Auswahl aller verbleibender Indikatoren ist in Tabelle 24 für das GBI Modell und in Tabelle 25 für das PBI Modell zusammengetragen. Die auf Basis der PFA und PCA Methodik extrahierten Kommunalitäten sind bei beiden Modellen als nicht widersprüchlich zu interpretieren und zeichnen sich zudem durch akzeptable Werte oberhalb der geforderten Kommunalität von 0,5 aus.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 24: Finale Kommunalitäten aus der EFA zum GBI Modell
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 25: Finale Kommunalitäten aus der EFA zum PBI Modell
Untersuchung der erklärten Varianz
Aufgrund der eliminierten Problemindikatoren konnte die erklärte Varianz des GBI Modells von 65,5 %59 auf 73,0 % (siehe Tabelle 26) gesteigert werden. Aus Tabelle 26 lässt sich dar- über hinaus der erklärte Varianzanteil basierend auf der PCA Extraktionsmethode entnehmen. Sowohl das Ergebnis der PFA als auch das der PCA weisen zweifelsfrei in die gleiche Rich- tung.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 26: Finale erklärte Varianz aus der EFA zum GBI Modell
Auch für das PBI Modell konnte, aufgrund der Eliminierung von unzureichenden Indikatoren, der Anteil der erklärten Varianz von 69,2 %60 auf 70,785 % (siehe Tabelle 27) gesteigert wer- den. Aus Tabelle 27 lassen sich die Ergebnisse der PFA mit den Ergebnissen einer PCA Ex- traktion bestätigen.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 27: Finale erklärte Varianz aus der EFA zum PBI Modell
Untersuchung der Mustermatrix
Die in Tabelle 28 dargestellte finale Mustermatrix der extrahierten Faktorladungen des GBI Modells weist einzelne Indikatoren mit hohen akzeptablen Korrelationen von >0,5 aus (Wei- ber/Mühlhaus, 2014, S. 228). Demzufolge können die hier dargestellten korrelierenden Indi- katorenbündel als verursachende Größe der dazugehörigen hypothetischen Konstrukte inter- pretiert werden. Ferner lassen sich bei den Indikatoren keine Querladungen >0,4 erkennen. Da sich alle Faktoren voneinander unterscheiden, lässt sich aufgrund der hohen Korrelationen zwischen den Indikatoren und eines einzelnen Faktors auf das Vorhandensein von Konver- genzvalidität schließen (Weiber/Mühlhaus, 2014, S. 163). Es fällt allerdings auf, dass das GBIB und das GBIA Konstrukt einen gemeinsamen Faktor bilden, obwohl es unterschiedliche Fak- toren sein sollten. Dies liegt daran, dass beide Konstrukte identisch Operationalisiert wurden und damit dieselben Indikatoren verwenden. Unterschieden werden die Konstrukte lediglich anhand der Position im Fragebogen. Bevor der Stimulus, sprich das Produktkonzept, vorge- stellt wurde, wird der Proband gebeten GBIB zu bewerten. Damit die Auswirkung des Stimu- lus auf das Brand Image gemessen werden kann, ist GBIA zeitlich nach dem Stimulus abzu- fragen. An dieser Stelle sei angemerkt, dass die Extraktion von GBIB und GBIA zu einem Faktor keine Schlussfolgerungen über die Wirkung des Produktkonzeptes auf das Brand Image erlauben würde, weswegen diese Konstrukte vom Forscher manuell auseinanderge- halten werden müssen.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 28: Finale Mustermatrix mit aus der EFA extrahierten Faktoren zum GBI Modell
Ähnlich wie im GBI Modell (Tabelle 28) verhalten sich die Ergebnisse der extrahierten Faktoren für das PBI Modell aus der in Tabelle 29 dargestellten Mustermatrix. Die hypothetischen Kon- strukte PQ, OVB, FIT und ATT werden eindeutig und mit hohen Faktorladungen abgebildet. Demzufolge kann auch hier in Folge der hohen Korrelationen zwischen den einzelnen Indika- toren eines jeden Faktors auf Konvergenzvalidität geschlossen werden (Weiber/Mühlhaus, 2014, S. 228). Genau wie die Indikatoren GBIB und GBIA des GBI Modells, verhalten sich auch die Indikatoren PBIB und PBIA des PBI Modells - sie werden von der EFA zu einem Faktor zusammengeführt. Dies ist wiederholt damit begründet, dass beide hypothetischen Konstrukte gleich operationalisiert sind und sich genau wie GBIB und GBIA nur durch die zeitliche Folge der Abfrage und unter Einbeziehung eines Stimulus (das Produktkonzept) un- terscheiden. Folglich muss der Forscher auch in diesem Fall eingreifen und die Konstrukte auseinanderhalten. Nur wenn PBIB und PBIA getrennt voneinander betrachtet werden, lassen sich die Auswirkungen einer Brand Extension auf das Product Brand Image erfassen.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 29: Finale Mustermatrix mit aus der EFA extrahierten Faktoren zum PBI Modell
Untersuchung der Korrelationsmatrix
Die in Tabelle 30 abgebildete Korrelationsmatrix der Faktoren des GBI Modells verweisen auf adäquate Werte <0,483. Folglich kann auf das Vorhandensein von Diskriminanzvalidität ge- schlossen werden. Für den Fall, dass Werte 0,7 überschreiten und damit stark mit einem an- deren Faktor korrelieren, kann man von einer Verletzung der Diskriminanzvalidität sprechen (Gaskin, 2014).
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 30: Finale Korrelationsmatrix des GBI Modells
Die Korrelationsmatrix des PBI Modells in Tabelle 31 zeigt ebenfalls keine Werte >0,7, was für eine gute Diskriminanzvalidität spricht (Gaskin, 2014). Die Korrelation zwischen OVB und PQ ist mit 0,555 am höchsten - d. h. beide Faktoren teilen sich 30,8 %61 der Varianz. Da die Korrelation dennoch unter 0,7 liegt, stellt sie keinen grundlegenden Verstoß dar.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 31: Finale Korrelationsmatrix des PBI Modells
5.2.3.3 Ergebnisse der explorativen Faktoranalyse
Bezogen auf die Ergebnisse der Normalverteilungsanalyse und der initialen EFA mussten die in Tabelle 32 aufgeführten Indikatoren (Items) aufgrund unzureichender Güte eliminiert werden62. Spalten eins und zwei heben die Indikatoren aus der univariaten Normalverteilungsanalyse hervor; aus den Spalten drei und vier können Indikatoren entnommen werden, die im Rahmen der EFA als kritisch identifiziert wurden; die letzte Spalte stellt Indikatoren dar, die die multivariate Normalverteilung einschneidend negativ beeinflusst haben.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 32: Im Rahmen der Untersuchung auffällige Items
Die ohne diese unzureichenden Indikatoren ermittelten Ergebnisse einer finalen EFA, die für jeweils das GBI als auch das PBI Modell durchgeführt wurde, führten auf Indikatorebene mit der Inter-Item-To-Total-Korrelation (KITK) (0,603 bis 0,876) und den Cronbachs Alphas (ohne Item) zu zufriedenstellenden Resultaten63. Auch auf der Konstruktebene konnten die Cron- bachs Alphas (0,753 bis 0,932) und die Inter-Item-Korrelationen (IIK) (0,603 bis 0,821) mit einer adäquaten Güte überzeugen64. Damit kann die Reliabilitätsprüfung mit den Gütekriterien der ersten Generation als erfolgreich angesehen werden65. Obendrein laden die Faktorladungen der Indikatoren mit akzeptablen Niveaus auf extrahierten Faktoren (0,842 bis 0,946). Die KMO Werte (0,715 bis 0,83766 ) befinden sich genau wie die extrahierten Gesamtvarianzen (77 % bis 88 %), die MSA Werte (0,681 bis 0,90667 ) und die Kommunalitäten (0,514 bis 0,867) alle auf den von der Forschungsliteratur geforderten Güteniveaus. Aufgrund der zur Messung der hypothetischen Konstrukte eingesetzten und mehrfach validierten Skalen, kann an dieser Stelle auch ein angemessener Grad an Inhaltsvalidität konstatiert werden68.
Die mit IBM SPSS ermittelten Ergebnisse der explorativen Faktoranalyse sind in Tabelle 33 zusammenfassend dargestellt. Bei der Spalte KMO unterschreiten die Indikatoren der Konstrukte GBIB, GBIA, PBIB und PBIA das von Kaiser und Rice (1974, S. 111 et seqq.) geforderte Niveau von 0,6. In Ausnahmefällen akzeptieren Kaiser und Rice (1974, S. 113) Faktoren mit einem KMO von 0,5 und da die GBI und PBI Konstrukte von hoher Wichtigkeit sind, wird diese Ausnahmeregelung geltend gemacht. Das Signifikanzniveau nach Bartlett, die erklärte Varianz, wie auch die Faktorladungen und der Measure of Sampling Adequacy (MSA) erreichen überaus zufriedenstellende Werte69.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 33: Zusammenfassende Ergebnisse der explorativen Faktoranalyse
5.2.3.4 Berechnung der Indikatorreliabilität, Faktorreliabilität und DEV
Die Softwarepakete IBM SPSS und AMOS sind nicht in der Lage alle geforderten Gütekriterien auszugeben. Folglich sind die Indikatorreliabilität, die Faktorreliabilität und die durchschnitt- lich extrahierte Varianz mit Microsoft EXCEL zu berechnen (siehe Tabelle 34). Die Indikatorre- liabilitäten in Spalte sieben liegen in einem akzeptablen Bereich oberhalb der von Bagozzi und Baumgartner (1994, S. 402) geforderten 0,4 und unterhalb der von Netemeyer et al. ( 2003, S. 153) geforderten 0,9 Grenzen. Die Faktorreliabilitäten in Spalte acht liegen ebenfalls auf einem befriedigenden Niveau, also oberhalb der von Bagozzi und Youjae Yi (1988, S. 82) geforderten Schwelle von 0,6. Die Autoren Fornell und Larcker (1981, S. 46) fordern für die durchschnittlich extrahierte Varianz (DEV) einen Wert von >0,5. Dieser Wert wurde ebenfalls von den finalen Konstrukten übertroffen. In Anlehnung an die berechneten Werte ist von einer ausreichenden Adäquanz der oben genannten Güterkriterien auszugehen.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 34: Berechnung der Indikator- und Konstruktreliabilität
5.2.4 Durchführung und Ergebnisse der konfirmatorischen Faktoranalyse
Nachdem mithilfe der EFA die sogenannten Gütekriterien der ersten Generation ein akzep- tables Bild abliefern, muss anschließend und unter Einsatz der konfirmatorischen Faktorana- lyse (KFA) eine Reliabilitäts- wie auch Validitätsprüfung, anhand der Gütekriterien der zweiten Generation, erfolgen (Weiber/Mühlhaus, 2014, S. 130 & 143). Im Gegensatz zur EFA ist die KFA wichtiger Bestandteil einer SGA, da sie eine Abschätzung von Messfehlervarianzen der reflektiven Messmodelle erlaubt - damit ist nun auch eine tief greifende Prüfung der Diskrimi- nanzvalidität möglich (Weiber/Mühlhaus, 2014, S. 143 & 146). Die am weitest verbreiteten Gütekriterien der zweiten Generation stellen die Indikatorreliabilität, die Faktorreliabilität und die durchschnittlich extrahierte Varianz (DEV) dar. Da diese Koeffizienten nicht von IBM AMOS ausgegeben werden, wurde auf Microsoft EXCEL, zur Berechnung dieser, zurückgegriffen70.
5.2.4.1 Reliabilitätskoeffizienten der finalen Indikatorsets
Die gesamten Ergebnisse der Reliabilitätsprüfung auf Konstrukt- und Indikatorebene sind in Tabelle 35 zusammengefasst und wurden direkt aus IBM SPSS abgelesen bzw. mit Microsoft EXCEL gemäß der angegebenen Formel berechnet71.
Die standardisierten Cronbach Alpha Werte aus Spalte drei bewegen sich um den von Rossiter (2002, S. 310) empfohlenen Wert von etwa 0,8. Ebenso ist bei der Inter-Item Korre- lation (IIK) in Spalte vier, keine erwähnenswerte Verletzung der Gütekriterien zu verzeichnen (vgl. hierzu die Empfehlung von Robinson et al. (1991, S. 13) wonach alle Werte >0,3 sein sollen). Die Konstruktreliabilitäten liegen innerhalb akzeptabler Parameter. Zum anderen be- finden sich die von Fornell und Larcker (1981, S. 46) geforderte DEV (0,607 bis 0,776) oberhalb von 0,5. Die Indikatorreliabilitäten (0,655 bis 0,883), liegen innerhalb der von Bagozzi und Baumgartner (1994, S. 402) und Netemeyer et al. (2003, S. 153) geforderten akzeptablen Grenzen. Die korrigierte Item-To-Total-Korrelation (KITK) liegt für alle Indikatoren oberhalb der von Zaichkowsky (1985, S. 343) und Shimp und Sharma (1987, S. 282) geforderten 0,5 und sind deswegen nicht negativ hervorzuheben. Die fehlenden Cronbach Alpha Werte ohne Indikator aus der Spalte sieben, für die Konstrukte GBIB, GBIA, PBIB und PBIA, resultieren aus den lediglich zwei vorhanden Indikatoren eines jeden Konstruktes. Bei nu r einem Indikator ist die Berechnung des Cronbachs Alpha faktisch nicht plausibel. Als ein weiteres Kriterium zur Prüfung der Konvergenzvalidität kann die Konstruktreliabilität mit Werten >0,5 beitragen. Da alle Werte in der Spalte fünf diesen Wert übersteigen, kann die Konvergenzvalidität damit angenommen werden (Fornell/Larcker, 1981, S. 46).
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 35: Zusammenfassender Überblick zu den Reliabilitätskoeffizienten
Konstruktvalidität
Zur Feststellung der konzeptionellen Richtigkeit, also ob die vorgeschlagenen GBI und PBI Modelle auch das Messen was sie messen sollen, wird im Anschluss an die Reliabilitätsprü- fung eine Validitätsprüfung durchgeführt (Weiber/Mühlhaus, 2014, S. 156). Da die vorgenom- mene Konzeptualisierung sowie die anschließende Operationalisierung einzelner Konstrukte aus forschungsliterarischen Quellen deduziert und sachlogisch präsentiert wurde, wird die Inhaltsvalidität auch weiterhin als erfüllt betrachtet (Vgl. Weiber/Mühlhaus, 2014, S. 157). Da- mit aber weiterhin vollumfängliche Aussagen über die Konstruktvalidität formuliert und mög- liche systematische Messfehler ausgeschlossen werden, müssen die Konstrukte in dreifach- erweise überzeugen und eine akzeptable divergente, konvergente und nomologische Validität vorweisen (Weiber/Mühlhaus, 2014, S. 131). In puncto Divergenzvalidität - also der Grad zu dem sich Konstrukte voneinander unterscheiden - wird das sogenannte Fornell-Larcker Kri- terium empfohlen, welches dann ein akzeptables Niveau erreicht, wenn die durchschnittlich extrahierte Varianz (DEV) eines Faktors (bzw. eines hypothetischen Konstruktes) größer als die quadrierten Korrelationen dieses Faktors mit allen anderen Faktoren ist (Weiber/Mühlhaus, 2014, S. 165 & 168). Bis auf die Faktoren PBIB in Korrelation mit PBIA und auch GBIB in Korrelation mit GBIA, ist das Fornell-Larcker Kriterium erfüllt. Die Ausnahmen für diese Kon- strukte resultiert daher, dass sie genau gleich operationalisiert sind und sich daher kaum von- einander unterscheiden. Aus diesem Grund ist eine Diskriminierung auf Basis von sachlogi- schen Überlegungen sinnvoll, was zur Beibehaltung der verwendeten Konstrukte führt.
Angesichts konvergenter Validität - also der Grad an übereinstimmender Varianz zwi- schen den Konstrukten - empfehlen die Autoren Fornell und Larcker (1981, S. 46) die Faktor- reliabilität heranzuziehen. Für die einzelnen Konstrukte sollte ein Wert von >0,5 angestrebt werden - dass dies der Fall ist, wurde anfangs in diesem Kapitel bereits hervorgehoben. Letzt- lich können die hohen Faktorladungen72 der Indikatoren auf die Konstrukte, als ein Indiz für das Vorliegen nomologischer Validität betrachtet werden73. Die nomologische Validität gibt dabei an, ob die Korrelationen zwischen den Konstrukten, aus theoretischer Sicht, sinnvoll sind (Weiber/Mühlhaus, 2014, S. 161). Ebenso lassen sich die Kovarianzen aus der KFA mit den inhaltlich aufgestellten Beziehungen vergleichen und diese als Grundlage zur Ableitung von nomologischer Validität einsetzen (Weiber/ Mühlhaus, 2014, S. 161). In den vorliegenden KFA Modellen (GBI und PBI) stellen die mit AMOS und EQS 6.1 gemessenen positiven Kova- rianzen ein stimmiges Bild mit dem aufgestellten Hypothesensystem dar. Tatsächlich kann die nomologische Validität aber nur über die Anpassungsgüte des gesamten Strukturmodells festgestellt werden (Weiber/Mühlhaus, 2014, S. 161) - dies ist gegenwärtig noch nicht prüf- bar, wird aber aufgrund der akzeptablen Modellgüte an späterer Stelle, in Kapitel 5.2.5, be- stätigt werden.
Überdies und im Zusammenhang mit der Validitätsprüfung ist der Anteil der Varianz zu bestimmen, der nicht von den eingesetzten theoretischen Konstrukten erklärt wird, sondern sich auf die Erhebungsmethode zurückführen lässt. Das heißt, dass durch die Erhebungsmethode oder durch den Interviewer eine Beeinflussung, der sogenannte Common Method Bias, des Probanden zu verzeichnen ist (Temme et al., 2009, S. 137 et seq; Weiber/Mühl- haus, 2014, S. 358). Dieser Einfluss sollte nach Möglichkeit gering ausfallen. In Bezug darauf ist der Harman Single Factor Test durchzuführen. Dieser Test erfasst den durch die Erhebungsmethode entstehenden Anteil der Varianz, die sogenannte Common Method Variance, deren Wert <50 % sein soll (Weiber/Mühlhaus, 2014, S. 360). Im Kern ließ sich kein bedenklicher Common Method Bias feststellen74. In Kapitel 5.2.6 wird die Analyse des Herman Single Factor Test detailliert Analysiert und zur Diskussion gestellt.
Abschließend ist zu resümieren, dass die Ergebnisse der KFA mit den in Tabelle 32 ausgeschlossenen Indikatoren, die Gütekriterien nun auf einem akzeptablen Niveau liegen und im nächsten Schritt die Gesamtgüte der Modelle evaluiert wird.
5.2.4.2 Analyse der Diskriminanzvalidität
Die Korrelationsmatrizen der EFA aus Kapitel 5.2.3.2 lassen bereits auf das Vorhandensein von Diskriminanzvalidität schließen. Darüber hinaus soll zur intensiven Prüfung das soge- nannte Fornell-Larcker-Kriterium herangezogen werden. Diesbezüglich wurden auf Basis der in IBM AMOS angelegten konfirmatorischen Faktoranalyse zum GBI und PBI Modell die Kor- relationstabelle und die Standardized Regression Weights extrahiert und in das Validity Master Kit von James Gaskin übertragen. Das Validity Master Kit von James Gaskin berechnet auf Basis der IBM AMOS Output Daten die durchschnittlich extrahierte Varianz (DEV)75 eines je- den Konstruktes. Aufgrund der von AMOS verwendeten Maximum Likelihood Extraktionsme- thodik weichen die DEV Werte des Validity Master Kit von denen mit SPSS und EXCEL er- rechneten DEV Werten aus Tabelle 35 leicht ab. Aus Gründen, die die Übersichtlichkeit be- treffen, wurden die mit IBM SPSS errechneten DEV Werte, unter Verwendung der PCA Ex- traktion, in Spalte drei mit angefügt. Das angesprochene Fornell-Lacker-Kriterium gilt als er- füllt, wenn die durchschnittlich extrahierte Varianz (DEV) größer ist, als jede einzelne Korrela- tion des Faktors mit allen anderen Faktoren (Fornell/Larcker, 1981, S. 46). Die Tabelle 36 und Tabelle 37 zeigen die DEV Werte der Konstrukte als auch deren Korrelationen mit anderen Konstrukten bzw. Faktoren. Die diagonalen Werte entsprechen der Wurzel aus den durchschnittlich extrahierten Varianzen und damit nicht den tatsächlichen Korrelationen eines Faktors mit sich selbst.
Aus Tabelle 36, die die Ergebnisse des GBI Modells darstellt, lässt sich weiterhin ent- nehmen, dass die Diskriminanzvalidität lediglich für GBIB mit GBIA verletzt wurde. Ein ver- gleichbares Bild lässt sich aus Tabelle 37 für das PBI Modell ablesen, bei dem die Diskrimi- nanzvalidität für das Konstrukt PBIB mit PBIA verletzt wurde. Alle anderen Konstrukte grenzen sich anhand des Fornell-Lacker Kriteriums voneinander ab. Dass gerade GBIB mit GBIA und PBIB mit PBIA korreliert ist nicht verwunderlich, sind es doch die exakt gleich operationali- sierten Konstrukte, die sich lediglich durch die zeitliche Abfrage im Fragebogen unterschei- den. Aus diesem Grund soll die Verletzung der Diskriminanzvalidität auch nicht als schwer- wiegend erachtet werden. Es lässt sich aber vermuten, dass der Effekt des Stimulus, sprich des vorgestellten Produktkonzeptes, keinen großen Einfluss auf eine Veränderung im Brand Image hat.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 36: Überprüfung des Fornell Larcker Kriteriums am GBI Modell
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 37: Überprüfung des Fornell Larcker Kriteriums am PBI Modell
5.2.4.3 Ergebnisse der KFA des GBI Modells
In der Tabelle 38 sind die von IBM AMOS auf Basis der KFA berechneten- Hypothesen der reflektiven Messmodelle des GBI Modells zusammengetragen. Es zeigt sich, dass sich die Items auf einem Signifikanzniveau von 0,1 % signifikant von Null unterscheiden und das alle Faktorladungen als akzeptabel einzustufen sind (Weiber/Mühlhaus, 2014, S. 154).
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 38: Zusammenfassung der Messmodellhypothesen aus AMOS: KFA-Parameterschätzungen für das GBI Model
Die Abbildung 5 stellt eine grafische Repräsentation der mit IBM AMOS durchgeführten KFA dar. Die von den hypothetischen Konstrukten ausgehenden und auf die Indikatoren verwei- senden geraden Pfeile sind mit den jeweiligen Faktorladungen gekennzeichnet, die aus- nahmslos ein akzeptables Niveau erreichen. Ferner kann anhand der Kovarianzen, grafisch dargestellt durch die gekrümmten Pfeile, ein stimmiges und mit den Hypothesen konformes Bild festgestellt werden.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 5: Konfirmatorische Faktoranalyse als grafische Darstellung des GBI Modells aus AMOS
5.2.4.4 Ergebnisse der KFA des PBI Models
In der Tabelle 39 sind die von IBM AMOS auf Basis der KFA berechneten Hypothesen der reflektiven Messmodelle des PBI Modells zusammengetragen. Es zeigt sich, dass sich die Items auf einem Signifikanzniveau von 0,1 % signifikant von Null unterscheiden und das alle Faktorladungen als akzeptabel einzustufen sind (Weiber/Mühlhaus, 2014, S. 154).
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 39: Zusammenfassung der Messmodellhypothesen aus AMOS: KFA-Parameterschätzungen für das PBI Model
Die Abbildung 6 stellt eine grafische Repräsentation der mit IBM AMOS durchgeführten KFA dar. Die von den hypothetischen Konstrukten ausgehenden und auf die Indikatoren verwei- senden geraden Pfeile sind mit den jeweiligen Faktorladungen, die allesamt ein akzeptables Niveau erreichen, versehen. Ferner kann anhand der Kovarianzen, zu sehen an den gekrümm- ten Pfeilen, ein stimmiges und mit den Hypothesen konformes Bild festgestellt werden.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 6: Konfirmatorische Faktoranalyse als grafische Darstellung des PBI Modells aus AMOS
5.2.5 Pfaddiagramme der aufgestellten Strukturmodelle
Auf der Basis der konzeptualisierten respektive von der Literatur deduzierten Strukturmodelle und der Überprüfung aller zu den hypothetischen Konstrukten gehörigen Indikatoren, muss im Anschluss ein daran, das zu analysierende Pfaddiagramm mit IBM AMOS erstellt werden.
Wie sich während der Indikatoranalyse zeigte, waren eine Reihe von Indikatoren aufgrund unzureichender Güte zu exkludieren76. Aus den verbleibenden Indikatoren konnten die in der Abbildung 7 und Abbildung 8 grafisch dargestellten Strukturmodelle aufgestellt werden. Vom Erscheinungsbild orientieren sich die Strukturmodelle der von Weiber und Mühlhaus (2014) vorgeschlagenen Systematik. Die hypothetischen Konstrukte werden durch ein Oval reprä- sentiert. Die hypothetischen Konstrukte GBIB, PBIB und FIT stellen exogene Variablen dar, die nicht durch das Modell erklärt werden und aus diesem Grund auch nicht mit einem Mess- fehler versehen werden. Alle anderen exogenen hypothetischen Konstrukte sind mit einem solchen Messfehler beschriftet. Ausgehend von den hypothetischen Konstrukten sind die ein- zelnen Messindikatoren als rechteckige Boxen inkludiert. Es lässt sich schnell erkennen, dass die hypothetischen Konstrukte aufgrund der zu den Indikatoren ausgerichteten Pfeile, reflek- tive Messmodelle darstellen. Demzufolge ist jeder Indikator auch mit einem Messfehler ver- sehen. Die im Rahmen der KFA festgestellte vorteilhafte Korrelation zwischen Residualvari- ablen bzw. Indikatoren ( (Phi)), wurde entsprechend auch im Strukturmodell übernommen. Die Pfeile zwischen den hypothetischen Konstrukten repräsentieren die aufgestellten Hypo- thesen. Jede Hypothese, abhängig davon, ob diese zwischen endogenen oder exogenen Va- riablen besteht, ist mit einem (Beta) oder einem (Gamma) beschriftet.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 7: Mit IBM AMOS aufgestelltes GBI Pfadmodell
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 8: Mit IBM AMOS aufgestelltes PBI Pfadmodell
5.2.6 Harman’s Single Factor Test
Wann immer eine Befragung durchgeführt wird, muss mit Verzerrungen der Ergebnisse auf- grund des sogenannten Common Method Bias (CMB) gerechnet werden (Williams et al. 1989, S. 462 ff.). Die Höhe des CMB, der überwiegend aus der Erhebungsmethode resultiert, lässt sich mit der Common Method Variance (CMV) ermitteln (Weiber/Mühlhaus, 2014, S. 355). Folglich besitzt auch die Art und Weise der Datenerhebung einen Einfluss auf die Ergebnisse der Erhebung. Ursächlich für diese Einflüsse sind oftmals sozial psychologische Einflüsse: Menschen geben in einigen Fällen nicht ihre eigene Meinung ab, sondern antworten mit dem was allgemein Akzeptiert und als sozial angesehen ist (Weiber/Mühlhaus, 2014, S. 356). Fer- ner kann ebenso der zum Zeitpunkt der Abfrage vorherrschende Gemütszustand des Pro- banden als eine Ursache für das Entstehen der CMV betrachtet werden. Eine detaillierte Aus- einandersetzung mit diesem Thema kann im Rahmen dieser Arbeit nicht erfolgen, weshalb dem interessierten Leser das Kapitel 17.1 von Weiber und Mühlhaus (2014) nahegelegt wird.
Ein statistischer Ansatz zur Überprüfung des CMB, sprich zur Ermittlung der CMV, stellt der sogenannte Harmans Single Factor Test dar. Zur Durchführung dieses Tests wird mit IBM SPSS eine explorative Faktoranalyse ausgeführt. Die Anzahl der zu extrahierenden Faktoren wird dabei auf 1 beschränkt und es wird keine Rotationsmethode gewählt (Po- dsakoff et al., 2003, S. 889). Das Ergebnis erlaubt nun Rückschlüsse auf die Güte eines ein- zelnen Faktors, die Gesamtheit aller Variablen zu erklären (Weiber/Mühlhaus, 2014, S. 360). Überschreitet die erklärte Varianz dieses einen extrahierten Faktors den Schwellwert von 50 %, so ist ein erheblicher CMB vorhanden (Podsakoff et al., 2003, S. 889). Schlussfolgernd ist bei einer Überschreitung der 50 % von einem starken Einfluss der Erhebungsmethode auf die Ergebnisse zu sprechen. Die Ergebnisse des Harman Single Factor Test für beide Modelle sind in den Tabelle 40 und Tabelle 41 zusammengetragen. Die Varianz liegt für das GBI Modell bei 36 % und für das PBI Modell bei 32,52 % - folglich lässt sich ein maßgeblicher Einfluss der Erhebungsmethode ausschließen.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 40: Test der Common Method Variance des GBI Modells
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 41: Test der Common Method Variance des PBI Modells
5.2.7 Evaluierung der Güte der finalen Strukturmodelle
Anhand der folgenden Tabelle 42 lässt sich schlussfolgernd aussagen, dass die vorliegenden Modelle eine durchaus akzeptable und innerhalb der Grenzwerte liegende Modellgüte aufweisen. Dennoch bewegen sich einige Werte marginal abseits von zulässigen Fitmaßen, weswegen diese Problemfälle entsprechend hervorgehoben werden müssen.
Modellgütekriterien lassen sich in zwei Hauptgruppen differenzieren: (1) In die infer- enzstatistischen und (2) in deskriptive Gütekriterien (Weiber/Mühlhaus, 2014, S. 203). Zualler- erst, soll das inferenzstatistische Maß Chi² besprochen werden. Der Chi² Anpassungstest ge- hört hierbei zu einem der am häufigsten interpretierten Kriterien. Nun lautet die für Chi² for- mulierte Nullhypothese, dass die modelltheoretische Varianz-Kovarianzmatrix des aufgestell- ten GBI und PBI Modells den empirisch erhobenen bzw. beobachteten Daten/Werten in der Grundgesamtheit entspricht (Weiber/Mühlhaus, 2014, S. 203). Der zum Chi² (CMIN) korres- pondierende Wahrscheinlichkeitswert p (p-Value = Probability Level) ist vorliegend bei 0,000; was im Umkehrschluss bedeutet, dass die Ablehnung der Nullhypothese mit einer Wahr- scheinlichkeit von 0 % eine Fehlentscheidung ist (Weiber/Mühlhaus, 2014, S. 204). In diesem Fall trifft die Nullhypothese also nicht zu und muss abgelehnt werden. Demzufolge lassen sich die empirisch erhobenen Daten nicht durch die aufgestellten GBI und PBI Modelle abbilden. Allerdings bleibt anzumerken, dass der Chi² Anpassungstest so ziemlich jedes Modell verwirft, da Chi² eine perfekte Übereinstimmung der Varianz-Kovarianzmatrizen fordert und dies so gut wie ausgeschlossen ist (Weiber/Mühlhaus, 2014, S. 204). Stattdessen kann jedoch das Kriterium Chi²/Freiheitsgrade (CMIN/df) herangezogen werden, welches, wenn <3 (Hom- burg/Giering, 1996, S. 13), für einen akzeptablen Modellfit spricht77. Im PBI Modell bewegt sich der CMIN/df knapp über das von Homburg und Giering (1996) geforderte Niveau, was hier aber als eine moderate Verletzung eingestuft werden soll. Der RMSEA mit einem von Browne und Cudeck (1992, S. 238 et seqq.) geforderten Niveau von maximal 0,08 ist beim PBI Modell mit 0,083 ebenfalls marginal überschritten und als Hinweis für eine niedrige Mo- dellgüte zu deuten. Die neben den inferenzstatistischen verbreiteten deskriptiven Gütekrite- rien, lassen sich zusätzlich in die Gruppe der absoluten Fitmaße und in die Goodness of Fit Maße differenzieren (Weiber/Mühlhaus, 2014, S. 208 et seqq.)78. Absolute Fitmaße, wie der RMR und der SRMR, bewegen sich innerhalb akzeptabler Grenzen und sprechen für einen guten Modellfit. Die Goodness of Fitmaße wie GFI lassen sich insgesamt für beide Modelle als noch akzeptabel interpretieren. Angesichts des AGFI muss attestiert werden, dass das von Arbuckle (2012, S. 614) geforderte Niveau von 0,9 für beide Modelle marginal unterschrit- ten wird.
Die letzte Gruppe der Gütekriterien umfasst inkrementelle Fitmaße, die einen Vergleich zwischen dem vom Autor erstellten Default Modell und dem sogenannten Independence Mo- dell erlauben - welches auf Basis der Daten das von IBM AMOS schlechteste Modell darstellt (Weiber/Mühlhaus, 2014, S. 214). Stellt das vom Autor konzeptualisierte Default Modell im Vergleich zum Independence Modell eine maßgebliche Verbesserung dar, so nähern sich die inkrementellen Fitmaße NFI, TLI, IFI und CFI der 1 an. Die Tatsache, dass alle inkrementellen Fitmaße 0,9 überschreiten, kann als eine maßgebliche Verbesserung der GBI und PBI Modelle im Vergleich zu den dazugehörigen Independence Modellen interpretiert werden. Zu guter Letzt soll das inkrementelle Fitmaß mit Parsimony-Korrektur PGFI betrachtet werden. Ziel wissenschaftlicher Modelle ist es, eine Balance zwischen Komplexität und hoher Aussa- gekraft bereitzustellen (Weiber/Mühlhaus, 2014, S. 217) - aus diesem Grund wäre es kontra- produktiv jedes im Modell eingesetzte hypothetische Konstrukt mit allen anderen Konstrukten per Hypothese zu verknüpfen. Im Fall, dass alle möglichen Verbindungen zwischen den ver- wendeten Konstrukten eingegangen werden, ist das Modell unter Berücksichtigung einer sachlogischen Theorie aussagelos (Weiber/Mühlhaus, 2014, S. 213). Dementsprechend kann der PGFI zur Beurteilung der Modellsparsamkeit eingesetzt werden, wobei sich dieser auf- grund fehlender Grenzwerte eher zur Evaluation von Modellvergleichen eignet (Weiber/Mühl- haus, 2014, S. 217 et seqq.). Dennoch kann in Anlehnung an Byrne (2010, S. 78) der PGFI als ein Indiz für akzeptable Modellsparsamkeit gedeutet werden. In diesem Zusammenhang sagt er, dass Modelle mit einem GFI von 0,9 häufig einen PGFI von 0,5 besitzen. Aufgrund der in den GBI und PBI Modellen errechnete GFI von 0,901 und 0,899 wird der PGFI Wert von etwa 0,62 als ein Anzeichen einer adäquaten Modellsparsamkeit interpretiert.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 42: Modellgüte der finalen Strukturmodelle GBI und PBI
Resümierend soll an dieser Stelle hervorgehoben werden, dass das PBI Modell, im Gegensatz zum GBI Modell, als problematischer einzustufen ist. Aus diesem Grund müssen die darauf basierenden Schlussfolgerungen überaus kritisch betrachtet werden.
5.3 Ergebnisse und Interpretation der mit IBM AMOS durchgeführten empiri- schen Analyse
5.3.1 Deskriptive Statistik zu den zusammengefassten Konstrukten
Die Tabelle 43 veranschaulicht, auf Basis der zusammengefassten Konstrukte, eine Reihe von grundlegenden Statistiken. Jedes hier dargestellte Konstrukt ist aus dem gewichteten Mittelwert der final verwendeten Indikatoren berechnet worden. Die Variable mean_GBIB wurde also folgendermaßen berechnet:
Abbildung in dieser Leseprobe nicht enthalten
Die Mittelwerte der einzelnen Variablen geben einen Hinweis darauf, wie die Probanden die einzelnen Konstrukte im Durchschnitt bewertet haben. Da der Proband gebeten wurde, die Indikatoren auf einer fünfstufigen Skala zu bewerten, lässt sich z. B. für die Variable mean_GBIB prinzipiell attestieren, dass die Probanden das Brand Image als recht positiv be- wertet haben.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 43: Mittelwertstatistik aller einzelnen Konstrukte
5.3.2 Nullhypothesen Test
In Anlehnung an Serrao und Botelho (2008, S. 25) aber auch Martínez et al. (2008, S. 122), zur Überprüfung der allgemeinen H0 (Eine Brand Extension hat keinen Einfluss auf das Brand Image), wurden die jeweils für das GBI und PBI Konstrukt eingesetzten Indikatoren über einen gewichteten Mittelwert zusammengeführt und mittels eines T-Tests mit gepaarten Stichpro- ben in SPSS miteinander vergleichen. Ziel dieses T-Test war es herauszufinden, ob die Diffe- renzen zwischen GBIB zu GBIA und PBIB zu PBIA eine statistische Signifikanz besitzen. Aus der Spalte Mittelwert in Tabelle 44 lässt sich entnehmen, dass das General Brand Image und auch das Product Brand Image nach der Präsentation des Elektrofahrzeugkonzeptes von Apple um 0,0678 respektive 0,122 gesunken sind.
Die Nullhypothese für den T-Test lautet jeweils, dass GBIB und GBIA als auch PBIB und PBIA genau gleich sind - also keine Veränderung vorliegt. Ist der Signifikanzwert nun >0,05 darf die Nullhypothese, sprich die Annahme, dass die Variablen gleich sind, des T-Test nicht verwor- fen werden.
Wie angesprochen, ließ sich anhand der Mittelwertdifferenz eine Verwässerung sowohl des General Brand Image als auch des Product Brand Image, nach Präsentation des Elektrofahrzeugkonzeptes von Apple, feststellen. Dies ist nicht verwunderlich und wurde bereits mehrfach in der wissenschaftlichen Literatur observiert (Cheng Hsui Chen/Chen, 2000, 2000; Keller/Sood, 2003; Gürhan-Canli/Maheswaran, 1998).
Im GBI Fall kann attestiert werden, dass mit einer 10,7 prozentigen Wahrscheinlichkeit die Ablehnung der T-Test Nullhypothese eine Fehlentscheidung ist. Aufgrund der Überschrei- tung des Signifikanzniveaus von 5 % (0,05) darf die T-Test Nullhypothese nicht abgelehnt werden. Schlussfolgernd kann nicht davon ausgegangen werden, dass die Differenz von GBIB auf GBIA dem Elektrofahrzeug geschuldet ist, sondern dass diese Veränderung eher zufälliger Natur ist.
Im PBI Fall ergibt sich ein anderes Ergebnis: Mit einer 0,3 prozentigen Wahrschein- lichkeit ist die Ablehnung der dazugehörigen Nullhypothese eine Fehlentscheidung und auf- grund der hier vorliegenden Unterschreitung des Signifikanzniveaus von 5 % ist die T-Test Nullhypothese abzulehnen. Folglich ist die Differenz zwischen PBIB und PBIA signifikant und nicht zufällig entstanden.
Somit muss die H0 für das GBI Modell verworfen werden, wobei dieselbe Hypothese bezogen auf das PBI Modell unterstützt werden kann. In beiden Fällen kann jedoch ein Rückgang des Brand Image festgestellt werden. Grundsätzlich muss hervorgehoben werden, dass der Einfluss einer Brand Extension auf das Brand Image vorliegend lediglich marginal ausfällt. Ein solches Ergebnis sorgt in erster Linie für Irritierung, da die Auswirkungen auf das Brand Image als schwerwiegender angenommen worden. Jedoch finden sich in der wissenschaftlichen Literatur ähnliche Resultate, weshalb die Gültigkeit vorerst nicht angezweifelt werden soll (Martínez et al., 2008, S. 122; Serrao/Botelho, 2008, S. 25).
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 44: T-Test zur Analyse der H0 in Bezug auf das GBI und das PBI
5.3.3 Hypothesenprüfung und Bootstrapping mit IBM AMOS
Der Vorteil einer Strukturgleichungsanalyse ist es komplexe Hypothesengeflechte zu analy- sieren. Dieses Kapitel stellt die Ergebnisse dieser Hypothesenprüfung dar, diskutiert diese und begründet aus welchen Gründen bestimmte Hypothesen abzulehnen sind. Des Weiteren zeichnet sich wie festgestellt der vorliegende Datensatz durch eine unzureichende univariate und multivariate Normalverteilung aus. Dieses Phänomen ist in den Sozialwissenschaften al- lerdings keine Seltenheit. IBM AMOS bietet dem Forscher die Möglichkeit dieses Problem mittels dem Bootstrapping zu bearbeiten. Da das Bootstrapping in dieser Analyse Anwen- dung findet, werden auch die damit ermittelten Resultate hervorgehoben und diskutiert.
Die Verifizierung der aufgestellten Hypothesen erfolgte auf Basis der nicht standardisierten Regressionsgewichte (Regression Weights). Da diese aber nur unter Einbeziehung der ver- wendeten fünfstufigen Ratingskala richtig interpretierbar sind und dies oft zu Interpretations- schwierigkeiten führt, wird nach Prüfung der Hypothesen auf die standardisierten Regression Weights, die auf ein Intervall von -1 bis 1 normiert sind, verwiesen (Weiber/Mühlhaus, 2014, S. 229).
Neben den Regressionsgewichten sind die von IBM AMOS ausgegebenen p-Werte, die bei einem Signifikanzniveau von <0,001 (0,01 %) mit drei Sternen markiert (***) werden, von Interesse. Diese Signifikanzniveau gibt an, dass die Ablehnung der Nullhypothese, mit einer 0,01 % Wahrscheinlichkeit eine Fehlentscheidung ist - in der Regel sind (Alternativ- )Hypothesen mit einem allgemein üblichen Signifikanzniveau von <0,05 zu bestätigen, da sie der Nullhypothese nicht entsprechen. Dieser Sachverhalt lässt sich für folgende Hypothesen des GBI Modells feststellen: H1a, H2a, H3a, H4a, H5, H7, H9 und H1079. Die H5 befindet sich mit einem Signifikanzniveau von >0,001 und <0,05 immer noch im akzeptablen Signifikanz- bereich. Die Hypothese H6, H8a und H11a besitzen dagegen ein zu hohes Signifikanzniveau, weswegen die Ablehnung der dazugehörigen Nullhypothesen, mit hoher Wahrscheinlichkeit, als Fehlentscheidung zu deuten ist - folglich darf die Nullhypothese, also die Annahme, dass sich die Werte von Null unterscheiden, nicht abgelehnt werden. Diese aufgestellten Hypothe- sen leisten damit keinen gewichteten Beitrag zum Modell (Weiber/Mühlhaus, 2014, S. 229). Die Interpretation der p-Werte alleine erlauben noch keine Rückschlüsse auf die Stärke der Zusammenhänge zwischen den Variablen, weshalb Chin (1998a, S. 8) auf die standardisierten Regressionsgewichte, die auch als Pfadkoeffizienten bekannt sind, hinweist. Unabhängig der p-Werte, können laut Chin (1998a, S. 8) auch bestätigte Hypothesen in ihrer Bedeutung vari- ieren, weswegen er Pfadkoeffizient >|0,2| als bedeutungsvoll und Werte <|0,1| als bedeu- tungslos definiert. Folgt man diesen Logik, so lassen sich die Hypothesen H1a, H2a, H3a, H4a, H7, H10 (von 0,234 bis 0,889) als bedeutungsvoll identifizieren80. Die Hypothese H5 mit einem p-Wert von 0,018 und dem standardisierten Regressionsgewicht von -0,158 besitzt damit keine befriedigende Bedeutung. Zur Hypothese H9 muss ausgesagt werden, dass sie sich sehr nah am Signifikanzniveau von 0,05 befindet und aufgrund des geringen standardi- sierten Regressionsgewichtes von 0,118 als tendenziell bedeutungslos zu identifizieren ist. Darüber hinaus wird die H9 zu einem späteren Zeitpunkt durch das Bootstrapping falsifiziert werden. Die Vorzeichen der Regression Weights dienen als Indikator für die Wirkungsrichtung der Pfade und zeigen am Beispiel der Hypothese H2a, dass mit einem steigenden Brand Image vor einer Brand Extension (GBIB) die wahrgenommene Qualität (PQ) ebenfalls ansteigt. Die Hypothese H5 muss schließlich aufgrund des Vorzeichens zurückgewiesen werden. Sie steht der aufgestellten Hypothese entgegen, da hier mit einer steigenden wahrgenommenen Qualität (PQ) eine Minderung der Einstellung gegenüber einer Brand Extension (ATT) festge- stellt wurde.
Aus den Squared Multiple Correlations81 (SMC) des GBI Modells lässt sich entnehmen, dass insgesamt 84,1 % der Varianz des Konstruktes GBIA durch die ihm zugewiesenen Kon- strukte erklärt wird. Folgt man der Empfehlung von Chin (1998b, S. 323), so kann dieser Bei- trag als substanziell betrachtet werden. Für die Konstrukte ATT (0,336) und OVB (0,322) liegt der SMC laut Chin (1998b, S. 323) auf einem moderaten und für PQ (0,242) auf einem schwa- chen Niveau. Die Konstrukte GBIB und FIT weisen aufgrund ihres exogenen Charakters kei- nen SMC-Wert auf.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 45: Squared Multiple Correlations des PBI Modells
Die Analyse des PBI Modells zeigte im Vergleich zum GBI Modell ein komplett anderes Bild. Anfänglich sei aufgrund der bereits problematischen Modellgüte im Bereich der Chi-Statistik darauf hingewiesen, dass sich das PBI Modell durch eine geringe Robustheit auszeichnet. Diese Problematik spiegelt sich in den Ergebnissen der mit IBM AMOS durchgeführten Hy- pothesenprüfung ebenfalls wieder. Aus diesem Grund ist der Aussagehalt erheblich anzu- zweifeln. Dennoch soll, der Vollständigkeit halber, auf die von IBM AMOS gelieferten Ergeb- nisse eingegangen werden. Grundsätzlich sind die bestätigten Hypothesen H1b, H2b als sehr bedeutungsvoll zu interpretieren, da die dazugehörigen p-Werte <0,001 und die standardi- sierten Regression Weights >0,533 sind (Chin, 1998a, S. 8). Die Hypothesen H6, H7 und H10 unterscheiden sich ebenfalls signifikant von Null, weswegen die Nullhypothese verworfen wird. Ergänzend sind diese Hypothesen aufgrund der dazugehörigen standardisierten Re- gression Weights zwischen 0,241und 0,462 als bedeutend zu identifizieren (Chin, 1998a, S. 8). Diese bestätigten Hypothesen sind auch nach Überprüfung ihrer Wirkungsrichtung (Ver- gleich des Vorzeichnens) nicht zu wiederlegen. Bezüglich der Hypothesen H3b, H4b, H5, H8b, H9b und H11b kann die Nullhypothese nicht verworfen werden, weswegen die einzelnen Al- ternativhypothesen als falsifiziert zu identifizieren sind. Anhand der Squared Multiple Correla- tions (SMC) des PBI Modells lässt sich erkennen, dass insgesamt 84,3 % der Varianz des Konstruktes PBIA durch die ihm zugewiesenen Konstrukte erklärt wird - dies ist ebenfalls als substanziell zu bewerten (Chin, 1998b, S. 323). Das Konstrukt PQ (0,284) liegt auf einem schwachen bis moderaten Niveau, wohingegen die Konstrukte ATT (0,259) und OVB (0,133) als schwach zu bezeichnen sind (Chin, 1998b, S. 323). Die Konstrukte PBIB und FIT weisen auch hier aufgrund ihres exogenen Charakters keinen SMC-Wert auf.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 46: Squared Multiple Correlations des GBI Modells
Die festgestellte Problematik der nicht-normalverteilten Daten lässt sich von IBM AMOS und unter Einsatz der Maximum Likelihood Methode nicht mehr zuverlässig schätzen (Wei- ber/Mühlhaus, 2014, S. 64). Da diese Problematik in der Sozialforschung keine Seltenheit darstellt, kann auf ein Reparaturverfahren, wie das regelmäßig zum Einsatz kommende Bootstrapping, zurückgegriffen werden (West et al., 1995, S. 65 et seq.). Bootstrapping stellt dabei eine Methode zum Re-sampling einer Stichprobe dar, indem aus den erhobenen Da- tensatz wiederholt Werte, in zufälliger Weise und mit zurücklegen, gezogenen werden (Wei- ber/Mühlhaus, 2014, S. 327; Scholderer/Balderjahn, 2006, S. 62). Ziel des Bootstrapping Ver- fahrens ist es, die Verteilung der Stichprobe hinsichtlich einer Normalverteilung zu simulieren (Eid et al., 2010, S. 254).
An erster Stelle wurde mithilfe von IBM AMOS und 2000 eingestellten Stichprobenzie- hungen der Bollen-Stine Bootstrap Test durchgeführt, dessen Ergebnisse in Tabelle 47 dar- gestellt sind. Ziel des Bollen-Stine Bootstrap Test ist es herauszufinden, ob das Maximum Likelihood Modell und das Bootstrap Maximum Likelihood Modell voneinander abweichen (Byrne, 2000, S. 284). Als Ergebnis für das GBI und PBI Modell wurde von IBM AMOS ein Chi² p-Wert von 0,000 berechnet. Schlussfolgernd muss festgehalten werden, dass genau wie bei den Ergebnissen der Modellgüte in Tabelle 42, die postulierten Modelle abgelehnt werden müssten. Wie bereits angesprochen, wird für den Chi² p-Wert ein perfekter Fit vorausgesetzt und diesen zu erhalten ist in den meisten Fällen ausgeschlossen (Byrne, 2000, S. 284). Den- noch soll wegen der Vollständigkeit halber der Bollen-Stine Bootstrap dem Leser nicht vor- enthalten werden.
Bollen-Stine Bootstrap (PBI Modell) Bollen-Stine Bootstrap (GBI Modell)
The model fit better in 2000 bootstrap samples. The model fit better in 2000 bootstrap samples. It fit about equally well in 0 bootstrap samples. It fit about equally well in 0 bootstrap samples.
It fit worse or failed to fit in 0 bootstrap It fit worse or failed to fit in 0 bootstrap samples. samples.
Testing the null hypothesis that the model is Testing the null hypothesis that the model is correct, correct, Bollen-Stine Bootstrap p = ,000 Bollen-Stine Bootstrap p = ,000
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 47: Ergebnisse des Bollen Stine Bootstrap für das GBI und PBI Modell
Abgesehen von den Ergebnissen aus Tabelle 47, zeigen die gegenübergestellten und hypo- thesenbezogenen IBM AMOS Ergebnisse für das Maximum Likelihood Modell, einmal ohne und einmal mit Bootstrap, in den Tabelle 48 und Tabelle 49 dargestellt, ein aussagefähigeres Bild. Insgesamt ergeben sich keine Abweichungen in der Interpretation der aufgestellten Hy- pothesen. Die zuvor lediglich auf Basis der Maximum Likelihood abgelehnten Hypothesen H6, H8a und H11a bleiben auch unter Einsatz des Bootstrapping abgelehnt. Da die Hypothese H5 mit p-Werten von 0,018 und 0,024 immer noch unterhalb des Signifikanzniveaus von 0,05 liegt, kann die Hypothese als unterstützt interpretiert werden. Interessanterweise wurde die zuvor und aufgrund des Vorzeichens abgelehnte H5, durch den Bootstrap bestätigt. Endgültig soll die Hypothese H5 aufgrund der widersprüchlichen und voneinander Abweichenden Er- gebnisse abgelehnt werden. Gleiches trifft auf die Hypothese H9a zu, deren errechneter Bootrapping p-Wert die 0,05 übersteigt. Folglich steht dieses Ergebnis im Widerspruch zu dem vorherigen Ergebnis, weswegen die H9a nicht vollumfänglich zu bestätigen ist und daher abgelehnt wird.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 48: Gegenüberstellung der Standardfehler des GBI Modells mit und ohne Bootstrap
Beim PBI Modell dagegen, bleibt im Rahmen des Boostrapping die Mehrheit aller Hypothesen abgelehnt. Es erscheint naheliegend, dass diese Ergebnisse auf die geringe Modellgüte zu- rückzuführen sind. Da die Ergebnisse des Bootstrappings denen ohne Bootstrap gleichen, muss keine Neuinterpretation der Hypothesen erfolgen. Die zuvor durch die Maximum Like- lihood Methode abgelehnten Hypothesen H3b, H4b, H5, H8b, H9b und H11b bleiben weiter- hin abgelehnt.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 49: Gegenüberstellung der Standardfehler des PBI Modells mit und ohne Bootstrap
Der mit IBM AMOS durchgeführte Bootstrap erforderte im Großen und Ganzen keine Neuin- terpretation der Hypothesen. Lediglich die bereits angesprochene Hypothese H9a des GBI Modells musste im Anschluss aufgrund des zu hohen p-Wertes von 0,06 zurückgewiesen werden82. Zur besseren Veranschaulichung, verbildlichen die nachfolgenden Abbildung 9 und Abbildung 10 die mit IBM AMOS unterstützten und abgelehnten Hypothesen. Zusätzlich sind die dazugehörigen Mittelwerten der latenten Konstrukte in den Abbildungen inkludiert und geben Aufschluss über die grundlegende Bewertung (hierbei spiegelt ein Wert von 5 die höchste Zustimmung und ein Wert von 1 die niedrigste Zustimmung wieder). Vorliegend las- sen sich überraschende Resultate feststellen. So werden GBIA und PBIA einzig und allein durch GBIB respektive PBIB erklärt.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 9: Ergebnis der Hypothesenprüfung des GBI Modells
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 10: Ergebnis der Hypothesenprüfung des PBI Modells
Ein detaillierteres Bild liefern die Abbildung 11 und Abbildung 12 der finalen IBM AMOS Struk- turmodelle. Die Faktorladungen der einzelnen Indikatoren überzeugen mit adäquaten Werten. Das bedeutet, dass die jeweiligen hypothetischen Konstrukte sehr gut durch die Indikatoren abgebildet werden.
Abbildung 11: Finales Pfaddiagramm des GBI Modells
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 12: Finales Pfaddiagramm des PBI Modells
Abbildung in dieser Leseprobe nicht enthalten
5.3.4 Hypotheseninterpretation
Nachdem der Leser einen Überblick über die bestätigten und abgelehnten Hypothesen erhielt, soll nun im Anschluss eine Interpretation dieser Hypothesen folgen.
Die Hypothesen H1a und H1b bestätigen einen starken direkte Einfluss des anfängli- chen Brand Image (GBIB/PBIB) auf das Brand Image nach Einführung einer Brand Extension (GBIA/PBIA), wobei natürlich Verwässerungseffekte attestiert werden können (siehe Tabelle 48 und Tabelle 49 in Kapitel 5.3.3)83. Das Brand Image der Marke Apple, würde durch eine Einführung einer Brand Extension im Automobilsektor, auf Stammmarken- und auf Produkt- ebene, weniger stark ansteigen, als ohne eine solche Brand Extension. Diese Verwässerungs- effekte sind jedoch recht klein und insbesondere im GBI Modell durch den T-Test nicht signi- fikant und damit kaum erwähnenswert. Aufgrund der Ablehnung der Hypothesen H8a/b, H9a/b und H11a/b, stellen die Konstrukte GBIB/PBIB die einzigen beeinflussenden Größen der Konstrukte GBIA/PBIA dar. Das bedeutet, dass ein direkter Einfluss des Overall Brand Equity (OVB), des wahrgenommenen Fit (FIT) oder der Einstellung gegenüber einer Brand Ex- tension (ATT) auf das General Brand- (GBIA) wie auch Product Brand Image (PBIA) nicht zu bestätigen ist. Dies ist ein Indiz dafür, dass FIT und ATT keinen signifikanten Einfluss auf das Brand Image besitzen und, dass die Brand Extension vermutlich separat, also nicht im Kon- text der Marke Apple, beurteilt wird.
Was bereits anhand andere Quellen unterstützt wurde (Kazemi et al., 2013, S. 468; Martínez et al., 2008, S. 124; Pina et al., 2006, S. 188), konnte über die H2a/b ebenfalls mit einem positiven Einfluss des anfänglichen Brand Image (GBIB/PBIB) auf die wahrgenommene Qualität (PQ) für das GBI und PBI Modell affirmiert werden. Wenn zum Beispiel das Brand Image um 1 ansteigt, erhöht sich die perceived Quality (PQ) um etwa 0,5 (0,49 im GBI und 0,53 im PBI Modell).
Die aufgestellte Hypothese H3a/b postulierte einen positiven Einfluss des Brand Image (GBIB/PBIB) auf den Overall Brand Equity (OVB)(deduziert von Faircloth et al., 2001, S. 69 et seqq.; Aaker, 1992, S. 28-31; Keller, 1993, S. 7). Dieser Effekt konnte im GBI Modell, auf Ebene der Stammmarke (H3a), nicht aber auf Produktebene (H3b), bestätigt werden. Folglich zieht eine Steigerung des Brand Image bezogen auf die Stammmarke (GBIB), eine Steigerung des Overall Brand Equity (OVB) nach sich84.
Mit der Hypothese H4a/b wird ein positiver Zusammenhang zwischen Brand Image und der Einstellung gegenüber einer Brand Extension (ATT) vorgeschlagen. Bei produktbezo- genen Assoziationen (PBIB) (H4b) ist diese Beziehung abzulehnen, wohingegen das Brand Image der Stammmarke (GBIB) die Einstellung gegenüber eines neuen Produktes stimuliert. Demzufolge lässt sich der Proband in seiner Einstellung gegenüber der Brand Extension durch das Brand Image der Stammmarke beeinflussen. Die positiven Assoziationen werden in anderen Worten, von der Stammmarke auf die Einstellung übertragen. Obwohl dieser Effekt in der vorliegenden Analyse bedeutungsvoll ist, reicht die Übertragung von Assoziationen nicht aus, die Einstellung grundsätzlich zu stärken85.
Das kontraintuitive Ergebnis der Hypothese H5, muss entgegen wissenschaftlicher Erkenntnisse (Ghorbani/ Madani, 2012, S. 8226; Burnaz/Bilgin, 2011, S. 263 et seq.) aufgrund des negativen Vorzeichens zurückgewiesen werden. Im vorliegenden Fall würde eine höhere wahrgenommene Qualität (PQ) zu einer Minderung in der Einstellung gegenüber einer Brand Extension (ATT) führen. Eine Interpretation dieses Ergebnis gestaltet sich als schwierig, da es hierfür mehrere Erklärungen geben kann, die aber eindeutig nicht feststellbar sind. Vorstellbar ist, dass eine Brand Extension von Apple in den Automobilmarkt für die Probanden so abwe- gig erscheint, dass ein generelles Misstrauen gegenüber dem Neuprodukt entsteht. Folglich könnte selbst eine höhere Qualität des gegenwärtigen Sortiments bzw. der Marke, den Pro- banden nicht von dem Markteintritt und dem damit verbundenen Qualitätstransfer im Auto- mobilmarkt überzeugen. Ganz im Gegenteil, eine höhere Qualität der Marke Apple im gegen- wärtigen Sektor, führt eher wahrscheinlich zu einer Festigung der Marke im Technologiebe- reich. Das wiederum könnte zu einer Reduzierung der Glaubwürdigkeit der Marke Apple im Automobilbereich beitragen. Unter Umständen lässt sich dieses Ergebnis auch mit der wo- möglich hohen wahrgenommenen Qualität anderer etablierter Automobilmarken begründen. Schließlich stellen Automobilmarken wie BMW noch einen entscheidenden Kauffaktor dar. Nichts desto trotz vermutet der Autor dieser Thesis ein hohes Maß an Reaktanz seitens der Probanden bezüglich eines Elektrofahrzeuges von Apple.
Der Einfluss der wahrgenommenen Qualität (PQ) auf den Overall Brand Equity (OVB) wurde auf Basis einer Literaturrecherche (vgl. Aaker, 1992, S. 28-31) und anhand sachlogi- scher Überlegungen als Hypothese H6 formuliert. Diese musste jedoch für das GBI Modell abgelehnt werden, d. h. die wahrgenommene Qualität der Stammmarke, fördert den Overall Brand Equity nicht. Die wahrgenommene Qualität bezogen auf das Product Brand Image hin- gegen schon. Die Probanden leiten demnach die Qualität überwiegend von den Produkten (PBI Modell) ab. Folglich macht sich der differenzierende Effekt des Overall Brand Equity hauptsächlich durch die Produkteigenschaften nicht aber durch die Assoziationen mit der Stammmarke bemerkbar.
Die Hypothese H7, die einen Einfluss des Overall Brand Equity (OVB) auf die Einstel- lung gegenüber einer Brand Extension (ATT) postuliert, wurde in beiden Modellen und in Kor- respondenz mit wissenschaftlichen Aussagen bestätigt (vergleiche hierzu: Cheng Hsui Chen/Chen, 2000, S. 246 et seqq.; Cobb-Walgren et al., 1995, S. 37; Keller, 1993, S. 1; Aaker, 1991, S. 212 et seq.). Diese Ergebnisse suggerieren eine Stimulation der Einstellung gegen- über eines neuen Produktes (ATT), bei ansteigendem Overall Brand Equity (OVB). Anders ge- sagt bedeutet dies, dass je stärker die differenzierende Kraft einer Marke ist, d. h. je höher der Markenwert, desto positiver wird die Einstellung des Probanden hinsichtlich neuer Pro- dukte stimuliert. Nun musste festgestellt werden, dass die differenzierende Kraft der Marke Apple nur gering bewertet wurde86. Folglich konnte dieses Konstrukt nicht zu einer erhebli- chen Stärkung der Einstellung beitragen. Interessanterweise tritt dieser Effekt verstärkt im PBI Modell auf, was die Schlussfolgerung erlaubt, dass die Probanden ausschlaggebende, diffe- renzierende Eigenschaften von Produkten deduzieren und diese, wenn relevant, die Einstel- lung stimulieren.
Der in H8a/b formulierte positive Zusammenhang zwischen Overall Brand Equity (OVB) und dem Brand Image nach Einführung einer Brand Extension (GBIA/PBIA) ließ sich für keines der beiden Modell bestätigen. Dies ist nicht verwunderlich, da der OVB von den Probanden tendenziell schwach bewertet wurde und das Brand Image (GBIA/PBIA) dagegen als eher stark87. Es lässt sich demnach attestieren, dass die Probanden ein positives Brand Image von Apple besitzen, die Marke aber nicht Präferieren. Ganz im Gegenteil, es hat sogar den Anschein, als ob die Probanden die Produkte von Apple als weniger entscheidend evaluieren. Damit wirkt die Marke Apple nur mäßig differenzierend.
Ebenso führte die Hypothese H9a/b in beiden Modellen zu einer Ablehnung. Dieses Ergebnis ist ebenfalls kontraintuitiv, da angenommen wurde, dass die Einstellung gegenüber einer Brand Extension (ATT) auch einen positiven Einfluss auf das Brand Image nach Einfüh- rung einer Brand Extension (GBIA/PBIA) besitzt (Kazemi et al., 2013, S. 468; Hariri/Vazifeh- dust, 2011, S. 107 et seq.; Serrao/Botelho, 2008, S. 26; Martínez/Chernatony, 2004, S. 46; Ghorbani/Madani, 2012, S. 8226; Müge Arslan/Korkut Altuna, 2010, S. 176). Um einen Erklä- rungsansatz bereitzustellen, könnte man Apple unterstellen, dass deren Brand Image so stark ist, dass selbst eine geringe Einstellungen gegenüber einem Neuprodukt, wie hier im Fall des untersuchten Elektrofahrzeuges, keine Auswirkung auf das Image der Stammmarke und der Produkte hat. Dies kann daran liegen, dass die Produktkategorien Auto und Technikartikel vom Probanden strikt getrennt werden, sodass ein Misserfolg im Bereich Elektroautomobilität schlichtweg verziehen wird.
Hypothese H10, also der positive Zusammenhang zwischen dem wahrgenommen Fit (FIT) und der Einstellung gegenüber einer Brand Extension (ATT), ließ sich in beiden Modellen bestätigen. Damit korrespondiert dieses Ergebnis mit denen aus der wissenschaftlichen Lite- ratur (Kazemi et al., 2013, S. 468; Ghorbani/Madani, 2012, S. 8226; Burnaz/Bilgin, 2011, S. 263 et seq.; Hariri/Vazifehdust, 2011, S. 107 et seq.; Martínez et al., 2008, S. 124 et seq.; Chang et al., 2004, S. 20 et seqq.). Wird ein Fit zwischen der Brand Extension und der Marke bzw. den Produkten vom Probanden erkannt, beeinflusst dies die Einstellung ebenfalls posi- tiv. Im vorliegenden Fall wird der Fit als sehr gering wahrgenommen, was im Umkehrschluss auch zu einer geringen Einstellung führte88.
Der in H11a/b postulierte positiven Zusammenhang zwischen FIT und GBIA/PBIA konnte weder im GBI noch im PBI Modell verifiziert werden. Dieses Ergebnis verhält sich ebenfalls inkohärent zu den aus der Literatur deduzierten Annahmen (Martínez/Pina, 2003, S. 443; Müge Arslan/Korkut Altuna, 2010, S. 176; Martínez/Chernatony, 2004, S. 46). Wie zu konstatieren ist, beeinflusst weder die Einstellung (siehe H9a/b) noch der Fit (H11a/b) das Marken- und Produktimage. Zum einen bewerten die Probanden das Elektrofahrzeug als un- passend zur Marke und zum anderen besitzen sie eine geringe Einstellung zu dem Produkt- konzept. Folglich ist wiederholt zu konstatieren, dass die Probanden das Elektrofahrzeug nicht mit der Marke Apple verknüpfen und sich auch nicht durch ein solches Elektrofahrzeug in deren Meinung über Apple beeinflussen lassen.
Aus den Abbildung 13 und Abbildung 14 lassen sich beide, also das GBI und das PBI Strukturmodell, inklusive der Faktorladungen der jeweiligen Indikatoren, den Pfadkoeffizien- ten (standardisiert) und die SMC Werte der Konstrukte entnehmen. Die in den Strukturmodel- len eingezeichneten gestrichelten Linien repräsentieren die abzulehnenden Hypothesen.
Abbildung 13: Finales GBI Strukturmodelle mit standardisierten Regressionsgewichten, den Faktorladungen und den SMC’s
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 14: Finales PBI Strukturmodelle mit standardisierten Regressionsgewichten, den Faktorladungen und den SMC’s
Abbildung in dieser Leseprobe nicht enthalten
5.3.5 Analyse der indirekten und totalen Effekte
Auch wenn die Analyse der indirekten Effekte kein maßgebender Bestandteil der vorliegenden Arbeit darstellt, soll trotzdem, im Sinne der Vollständigkeit und zur besseren Nachvollziehbarkeit, auf die indirekten Effekte kurz eingegangen werden.
Innerhalb eines Hypothesengeflechtes existieren verschiedene kausale Zusammen- hänge die sich in (1) direkte, (2) indirekte und (3) totale Effekte einteilen lassen (Weiber/Mühl- haus, 2014, S. 236). Der totale Effekt ergibt sich aus der Summe des direkten und indirekten Effektes. Alle direkten Effekte lassen sich unmittelbar anhand der Pfadkoeffizienten im Struk- turmodell ablesen89. Jeder einzelne indirekte Effekt kann einerseits händisch berechnet, oder wie im vorliegenden Fall über den in Tabelle 50 und Tabelle 52 zusammengefassten IBM A- MOS Output extrahiert werden. Alle indirekten Effekte fallen, wie zu erkennen ist, relativ gering aus.
Im GBI Strukturmodell ist zu sehen, dass GBIB mit einem standardisierten Regression Weight von 0,514 auf OVB wirkt (Hypothese H3a) - zusätzlich wirkt GBIB über PQ mit 0,047 indirekt auf OVB. Für die Wirkung von GBIB auf OVB ergibt sich damit ein totaler Effekt von 0,561. Weiterhin wirkt GBIB über PQ und OVB auch indirekt mit 0,079 auf ATT. Zum besseren Ver- ständnis sind die Pfade mit indirekter Wirkung in Tabelle 51 übersichtlich dargestellt. Aus der Spalte drei in Tabelle 51 lässt sich ablesen, ob die Signifikanzniveaus der Pfade entsprechend erreicht wurden. Beispielhaft soll der Pfad GBIB ATT GBIA zur Interpretation herange- zogen werden: GBIB würde als Ausgangsbasis für die Deduzierung von Assoziationen dienen und eine bestimmte Einstellung gegenüber einer Brand Extension bedingen. Damit würde der Proband, wenn er bspw. positive Assoziationen besitzt, diese in den Kontext der Brand Ex- tension übertragen. Resultierend daraus, würde der Proband aufgrund seiner positiven Asso- ziationen, auch eine positive Einstellung behalten. Liegt anschließend eine Verknüpfung der Einstellung zu GBIA vor, dann transferiert der Proband seine positive Einstellung auf das Brand Image und trägt damit zur eventuellen Stärkung dieses Konstruktes bei. Da dieser Pfad jedoch die abgelehnte Hypothese H9a (ATT zu GBIA) beinhaltet, muss der gesamte Pfad als nicht aussagekräftig interpretiert werden. Schlussendlich stimuliert GBIB zwar die Einstellung positiv, dennoch ist der Proband dem Produkt negativ gegenüber Eingestellt. Da der Proband die Marke Apple und die Brand Extension nur gering miteinander verknüpft, zieht er die dabei entstehende geringe Einstellung nicht zur Beurteilung des GBIA mit heran.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 50: Standardisierte totale, direkte und indirekte Effekte des GBI Modells ohne und mit
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 51: Indirekte Effekte im GBI Modell
Aus der Tabelle 53 lassen sich die Pfade des PBI Modells, inklusive der Signifikanzniveaus, entnehmen. Aufgrund der Tatsache, dass nahezu alle Hypothesen dieses Modells abzulehnen waren, kann für das PBI Modell letztlich nur ein einziger Pfad, mit einem Signifikanzniveau <0,05, festgehalten werden. Es lässt sich attestieren, dass PBIB über PQ einen indirekten Effekt von 0,150 auf OVB besitzt. Eine Interpretation dieser Ergebnisse ist allerdings aufgrund der mangelnden Modellgüte mit großer Vorsicht zu genießen.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 52: Standardisierte totale, direkte und indirekte Effekte des PBI Modells ohne und mit Bootstrap
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 53: Indirekte Effekte im PBI Modell
Aus den Tabelle 50 und Tabelle 52 können zudem auch die durch das im Rahmen des Bootstrappings von IBM AMOS berechneten direkten, indirekten und totalen Effekte Werte entnommen werden. Da diese Werte allerdings denen ohne Bootstrap ähneln, soll auf eine Neuinterpretation der Ergebnisse verzichtet werden.
5.4 Strukturgleichungsanalyse mit EQS 6.1
Nachdem dem Leser die Ergebnisse beider Modelle auf Basis der durch IBM AMOS berechneten Werte präsentiert wurden, stellt sich immer noch die Frage mit dem Umgang der Verletzung der Normalverteilung. Mit Hilfe der von West et al. (1995, S. 66) empfohlenen Reparaturstrategie, des Bootstrappings, wurden die IBM AMOS Ergebnisse bereits behandelt und diskutiert. Es existiert jedoch noch eine weitere Möglichkeit, nämlich die der robusten Maximum Likelihood Schätzung unter Einsatz des Softwarepakets EQS 6.1.
EQS 6.1 rechnet dabei, genau wie IBM AMOS, mit der Maximum Likelihood Methode, wes- wegen sich die berechneten Ergebnisse bezüglich der Normalverteilung und der Modellgüte nicht unterscheiden. Unter Einbezug der ML Methode bei einer sogenannten robusten Schät- zung werden Diskrepanzen und mögliche Auswirkungen der nicht-normalverteilten Daten evi- dent.
5.4.1 Prüfung der univariaten und multivariaten Normalverteilung
Da EQS 6.1 selbige Berechnungen für die Schiefe- und Kurtosiskoeffizienten anstellt (siehe Tabelle 54), weichen die ermittelten Ergebnisse dieser Koeffizienten nicht von den mit IBM SPSS ermittelten Werten ab90.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 54: Mit EQS 6.1 ermittelte Schiefe- und Kurtosiswerte aller final ausgewählten Indikatoren
Gleiches lässt sich bei den Critical Ratio Werten des Mardia-Koeffizienten (siehe Tabelle 55) feststellen. Auch hier können aufgrund der gleichen Funktionsweise beider Programme keine Abweichung erwähnenswerte Abweichungen konstatiert werden91.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 55: Mit EQS 6.1 ermittelte Mardia-Koeffizienten
5.4.2 Zusammenfassung des Goodness of Fit basierend auf der Maximum Liklihood Methode
Bezüglich der Modellgüte des GBI und des PBI Modells unter Verwendung der ML Methode ohne robuster Schätzung (siehe Tabelle 56) lassen sich allenfalls minimale Abweichungen, im Vergleich zu den mit IBM AMOS berechneten Güteindizes, feststellen92. Grund dieser Abwei- chungen können unter anderem variierende Rundungsalgorithmen der verwendeten Soft- warepakete sein.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 56: Mit EQS 6.1 ermittelte Modellgüte auf Basis der Maximum Likelihood Schätzung
5.4.3 Zusammenfassung des Goodness of Fit basierend auf der Maximum Liklihood Methode mit robuster Schätzung
Die mit dem Softwarepaket EQS 6.1 errechneten Modellgütemaße auf Basis der Maximum Likelihood Methode unterscheiden sich nicht von den durch IBM AMOS ermittelten Modell- gütemaßen. Im Gegensatz zu IBM AMOS kann EQS 6.1 auch mit nicht normalverteilten Da- tensätzen Berechnungen durchführen - in diesem Zusammenhang ist das Gütemaß Satorra- Bentler Chi² von hoher Bedeutung (Bentler, 2006, S. 9, 63, 153 & 289). Die Analyse des Da- tensatzes hat ergeben, dass eine Verletzung der univariate Normalverteilung durch zu hohe Critical Ratios der Schiefekoeffizienten und eine multivariate Verletzung der Normalverteilung, aufgrund zu hoher Mardia-Koeffizienten, vorliegt93. Der angesprochene Satorra-Bentler Chi² Test überprüft die Hypothese, ob ein Unterschied zwischen der geschätzten Kovarianzmatrix der Population und der unstrukturierten Kovarianzmatrix der Population, die von den erhobe- nen Daten repräsentiert wird, nicht signifikant ist (Weiner et al., 2003, S. 618). Aus der Analyse ergab sich ein Satorra-Bentler Chi² von 55,3 für das GBI Modell und von 61,8 für das PBI Modell bei einem p-Wert von >0,05. Idealerweise sollte der p-Wert bei diesem Test größer als das übliche Signifikanzniveau sein (Weiner et al., 2003, S. 618). Da auf Basis der Nullhypo- these p-Werte größer 0,05 gesucht werden, führt ein hoher p-Wert zur Beibehaltung der Null- hypothese. Im vorliegenden Fall bedeutet dies, dass sich die Kovarianzmatrizen nicht vonei- nander unterscheiden und die Modelle zu den Daten passen (Weiner et al., 2003, S. 618). Folglich ist mit einer sehr hohen Wahrscheinlichkeit die Ablehnung der Nullhypothese eine Fehlentscheidung, was demzufolge zur Beibehaltung der Nullhypothese führt.
Die ermittelten Werte für NNFI, CFI, IFI und MFI besitzen Werte oberhalb der Wertebereichs- grenze von 1 (der Wertebereich liegt zwischen 0 und 1) - in solchen Fällen, werden die ent- sprechenden Gütemaße auf 1 fixiert (Kenny, 2014). Der ermittelte RMSEA von Null ist ebenso auffällig. Diese Auffälligkeit lässt sich aber einfach erklären: Wenn der ermittelte Chi² Wert kleiner als die Freiheitsgrade (df) ist, dann wird der RMSEA auf Null zurückgesetzt (Kenny, 2014). Nimmt man diese robusten Fitmaße zur Beurteilung der Modellgüte, lässt sich eine akzeptable Modellgüte registieren. Dennoch zeigen sich im Rahmen der Hypothesenprüfung einige Probleme, die am Ende zu einer Ablehnung nahezu aller aufgestellten Hypothesen füh- ren.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 57: Mit EQS 6.1 ermittelte Modellgüte auf Basis der robusten Maximum Likelihood Schätzung
5.4.4 Hypothesenprüfung mit EQS 6.1
Aus der Tabelle 58 lassen sich die nicht standardisierten Regression Weights des GBI Modells auf Basis der Maximum Likelihood Schätzung und auf Basis der robusten Maximum Like- lihood Schätzung entnehmen. Unter der Spalte EQS ML unstandardisierter Output werden von EQS 6.1 die gleichen Hypothesen bestätigt, wie von IBM AMOS. Für die unter der Spalte EQS ML Robust unstandardisierter Output berechneten Wert können allerdings nur noch die Hypothesen H1a, H2a und H10 bestätigt werden. Alle anderen Hypothesen führen zu einer Ablehnung. Damit stehen die EQS 6.1 Ergebnisse im Widerspruch zu den IBM AMOS Ergeb- nissen.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 58: Mit EQS 6.1 durchgeführte Hypothesenprüfung des GBI Modells und Vergleich der ML Schätzergebnisse mit denen der robusten ML Methode
Brisanter verhalten sich die in Tabelle 59 zusammengetragenen Ergebnisse des PBI Modells. Obwohl es sich durch eine adäquate Modellgüte auszeichnet, werden alle aufgestellten Hy- pothesen des PBI Modells im Rahmen der robusten Maximum Likelihood Schätzung abge- lehnt. Diesbezüglich muss festgehalten werden, dass EQS 6.1 unter Einsatz einer robusten Schätzung, im Gegensatz zu IBM AMOS, es zu abweichenden Ergebnissen kommt.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 59: Mit EQS 6.1 durchgeführte Hypothesenprüfung des PBI Modells und Vergleich der ML Schätzergebnisse mit denen der robusten ML Methode
Zusammenfassend muss attestiert werden, dass sich die mit EQS 6.1 ermittelten Resultate als kontrafaktisch auszeichen. Damit weisen diese Ergebnisse hohe Diskrepanzen zu den mit IBM AMOS ermittelten Ergebnissen auf. Eine adequate Interpretation der aufgestellten Mo- delle, insbesondere aber die des PBI Modells, ist daher nur mit Vorsicht durchführbar. An dieser Stelle evoziert sich die Frage, woher diese Abweichungen tatsächlich resultieren. Eine Antwort kann im Rahmen der vorliegenden Thesis nicht gegeben werden. Die angewendete Reparaturstrategie mit einer robusten ML Schätzung unter EQS 6.1 sollte lediglich der Absi- cherung der zu interpretierenden IBM AMOS Ergebnisse dienen. Die aufgetretenen Diskre- panzen sind grundsätzlich als ein Indiz für unzuverlässige kausale Beziehungen identifizierbar. Da die Mehrzahl der mit IBM AMOS überprüften Hypothesen anderen wissenschaftlichen Er- gebnissen allerdings ähneln und die abweichenden Ergebnisse eine plausible Interpretation zulassen, soll auf eine Modellverwerfung bzw. eine Re-Interpretation der Hypothesen verzich- tet werden.
6 Schlussbetrachtung
Ziel dieser Ausarbeitung war es, zu erörtern, wie sehr die von einem Technologieunternehmen induzierte Brand Extension in den Automobilsektor das Brand Image beeinflusst, welche Er- folgsfaktoren dabei eine signifikante Rolle spielen und wie diese sich untereinander beeinflus- sen. Als Erstes galt es, den Fokus auf ein einzelnes Technologieunternehmen zu legen; in der vorliegenden Arbeit ist dies Apple. Eine intensive Auseinandersetzung mit dem Markenbegriff, sowie die Einordnung und die Hervorhebung des Konsumenten als ein relevanter Bestandteil des imageorientierten Markenansatzes, bilden die Basis dieser Thesis. Darauf aufbauend wur- den die Möglichkeiten der Marktentwicklung angesprochen, der Begriff „Brand Extensions“ definiert und eine Vielzahl an relevanten Erfolgsfaktoren detailliert herausgearbeitet. Anschlie- ßend wurden die für den Automobilbereich als relevant identifizierten Erfolgsfaktoren heraus- gearbeitet und in ein Kausalmodell überführt. Auf der Basis zweier aufgestellter Modelle wurde, unter Einsatz von selbst erhobenen Daten, eine Strukturgleichungsanalyse durchge- führt und deren Ergebnisse interpretiert. Von einem Erfolg einer Brand Extension sollte in die- ser Arbeit nur dann gesprochen werden, wenn die Brand Extension, hier das Elektrofahrzeug, einen positiven Beitrag zum Brand Image leistet. Gemäß der Ergebnisse ist ein Erfolg dieses Produktkonzeptes nicht gegeben. Es zeigte sich, dass die Wirkung einer solchen hypotheti- schen aber druchaus realistischen Brand Extension, nicht immer in Übereinstimmung mit der Forschungsliteratur liegt. Desgleichen wurden nicht alle postulierten Zusammenhänge ent- sprechend affirmiert, was die sehr spezielle Natur einer Brand Extension indiziert. Aus diesem Grund ist es so wichtig, die Denkweise des Konsumenten bzw. des Probanden zu analysieren. Zu diesem Zweck leistete diese Thesis einen Beitrag.
6.1 Zusammenfassung der Befunde
Keller (2005, S. 949 et seq.) fordert die Erfüllung von vier Voraussetzungen, damit eine Brand Extension erfolgreich ist94. Die Probanden kennen die Marke Apple, stehen ihr aber nicht un- bedingt positiv gegenüber. Grundsätzlich verbindet der Proband eine hohe wahrgenommene Qualität mit Apple und assoziiert zusätzlich ein positives Brand Image mit ihr. Jedoch sind sowohl der Brand Equity, sprich jenes Konstrukt, das die differenzierende Kraft der Marke repräsentiert, als auch die Einstellung gegenüber einer Brand Extension, unvorteilhaft ausge- prägt. Auch wenn die Probanden der Marke Apple keinen starken, differenzierenden Charak- ter beimessen95, konnte Apple in der Vergangenheit mehrfach das Gegenteil unter Beweis stellen. Da die von (Keller, 2005) geforderten Voraussetzungen nur teilweise erfüllt sind, ist der Erfolg der Brand Extension anzuzweifeln. Eine Übertragung von negativen Assoziationen auf das Brand Image nach Einführung der Brand Extension, lässt sich nur begrenzt begrün- den. Einerseits wurden, mit Ausnahme der Hypothese H1, alle auf das GBIA Konstrukt ver- weisenden Hypothesen abgelehnt. Andererseits ist eine tendenzielle Verwässerung des Brand Image festgestellt worden. Auch die von Keller und Aaker (1992, S. 36) angesprochene Salience ist gering ausgeprägt. Der Proband hat im Erweiterungskontext offenbar Schwierig- keiten, auf die Stammmarkenassoziationen zurückzugreifen96. Nun fiel die Bewertung des wahrgenommen Fit sehr gering aus, weswegen zu vermuten ist, dass ein Elektrofahrzeug von Apple nur eine geringfügige Relevanz unter den Probanden besitzt (vgl. Aaker, 1990). Dies ist sogleich ein Indiz für einen möglichen Misserfolg der Brand Extension (vgl. Esch et al., 2005a, S. 916). In den aufgestellten GBI und PBI Modellen zeigt sich, dass die wahrgenommene Qualität sehr hoch ist, jedoch kein Transfer von Qualitätsassoziationen auf die Brand Exten- sion stattfindet. Es macht den Anschein, als ob die Probanden diese Brand Extension als nicht mit der Marke Apple vereinbar bewerten (vgl. Aaker/Keller, 1990, S. 29). Diese Indizien erlauben die Schlussfolgerung, dass eine Übertragung der Assoziationen aus der Sicht des Probanden nicht vorteilhaft ist und daher fiel die Einstellung ebenfalls gering aus (siehe hierzu auch Keller/Aaker, 1992, S. 36). Selbstverständlich kann dies auch auf die wenigen zur Ver- fügung gestellten Informationen zurückgeführt werden, die die Entstehung von konsumenten- seitiger Relevanz unterdrückten. Da es sich beim Kauf und womöglich auch bei der Bewer- tung eines Automobils, um extensive Entscheidungen handelt, stellt das nur kurz vorgestellte Elektrofahrzeugkonzept keine umfassenden Informationen zur Verfügung. Denkbar ist, dass ein detailliertes Elektrofahrzeugkonzept zu anderen Ergebnissen geführt hätte. Intention die- ser Thesis war es jedoch, den Sachverhalt möglichst unbeeinflusst von Zusatzinformationen zu messen, um den Effekt auf das Brand Image (und nicht den der Informationen) herauszu- finden. Das Unternehmen Apple muss sich ferner die Frage stellen, ob ein Elektrofahrzeug mit der Stammmarke vereinbar ist. In diesem Zusammenhang besitzt die Stammmarke aufgrund ihrer Schutzbedürftigkeit oberste Priorität (vgl. Esch et al., 2005a, S. 916). Wie sich aus den Modellen ableiten lässt, ist die Markenverwässerung bei einer Brand Extension lediglich mi- nimal ausgeprägt und dass, obwohl das Konzept auf wenig Anklang stieß. Folglich kann man nicht von einer Kapitalisierung der Marke Apple sprechen, was grundsätzlich gegen eine sol- che Brand Extension spricht. Es bleibt final zu konstatieren, dass die Probanden keine Ver- knüpfung zwischen der Marke Apple und einer Brand Extension in den Automobilsektor se- hen97 und zudem die Qualität dieser Brand Extension als gering evaluieren. Dies lässt vermu- ten, dass der Marke Apple keine ausreichende Expertise in diesem Sektor zugesprochen wird bzw., dass der Proband den etablierten Automobilmarken mehr Relevanz und Vertrauen bei- misst.
6.2 Strategische Möglichkeiten für Apple
An die Zusammenfassung der Befunde anschließend, stellt sich die Frage, welche Möglich- keiten Apple hinsichtlich einer strategischen Markenausrichtung hat. Oberstes Markenziel ist es, das Unternehmen und die Produkte nachhaltig, mit gleicher oder verbesserter Qualität und mit einem konstanten Markenauftritt, vom Wettbewerb zu differenzieren (Burmann et al., 2005b, S. 3), sodass damit eine langfristige Beziehung zum Konsumenten gewährleistet wer- den kann (Meffert et al., 2002, S. 6). Laut (Keller/Aaker, 1992, S. 46), kann ein Unternehmen selbst bei einem sehr geringen Fit eine Brand Extension einführen, ohne das Brand Image dabei zu gefährden. Apple könnte die Brand Extension demnach umsetzen und bei einem Misserfolg anschließend wieder vom Markt nehmen. Die Auswirkungen auf die Stammmarke sind bei geringen Fit teilweise vernachlässigbar (Keller/Aaker, 1992, S. 46), wohingegen sich eine Gefährdung des Brand Image bei einem Misserfolg nicht gänzlich auszuschließen ist (Aaker/Keller, 1990, S. 30; Loken/John, 1993, S. 81 et seq,). Entscheidet sich Apple für den Einsatz der eignen Marke auf die Brand Extension, so ist es von besonderer Bedeutung, dass die Qualität des Automobils, der des gegenwärtigen Produktsortiments in keiner Weise nach- steht. Anderenfalls könnte es zu negativen Rückkopplungen auf den Brand Equity und das Brand Image kommen (vgl. Randall et al., 1998, S. 373). Mit bloßem Fokus auf die Produkt- qualität alleine, ist das Problem der Brand Extension noch nicht vollends gelöst. Bei einem Markteintritt von Apple in den Automobilsektor, steht Apple neuen Konkurrenten wie BMW, Ford und Tesla gegenüber. Es ist daher wichtig, die Brand Extension so zu gestalten, dass sie klar und eindeutig mit der Stammmarke vereinbar ist. Davon abgesehen muss sich die Brand Extension im Erweiterungskontext und im Vergleich zur neuen Konkurrenz maßgeblich differenzieren, um nicht als bloßes Me-Too Produkt wahrgenommen zu werden (Meyers-Levy et al., 1994, S. 53). Apple darf nicht einfach dem herkömmlichen Automobiltrend folgen, son- dern sollte bedacht die Entwicklung von wirklich differenzierenden Eigenschaften, die vom Konsumenten als ein relevanter Added Value betrachtet werden und geeignet sind einen neuen Trend zu setzen, vorantreiben. Es erscheint plausibel, dass die fehlende Differenzie- rung bzw. der nicht erkennbarer Added Value der untersuchten Brand Extension, zu einer tendenziell niedrigeren Einstellung gegenüber einer Brand Extension (ATT) seitens der Pro- banden führte. Zum Schutz und zur Kapitalisierung der eigenen Marke, kann alternativ auch auf eine Sub- oder Co-Branding Strategie zurückgegriffen werden. Ersteres wird von Apple gegenwärtig längst umgesetzt. Jede Produktkategorie, sei es Mac, iPad oder iPhone, stellen nahezu selbstständige Sub-(Produkt) Marken dar, die über die Stammmarke Apple vereint werden. Im Hinblick darauf könnte die Bezeichnung iCar (Niedermeyer, 2015) eine automo- bilbezogene Sub-Marke im Appleuniversum werden. Die aufgegriffene Co-Branding Strategie kann z. B. über die Kooperation mit einem im Automobilsektor etablierten Unternehmen er- folgen. Apple könnte, ähnlich wie bei der Zusammenarbeit zwischen der Designschmiede Pininfarina und Alfa Romeo oder Ferrari, relevante Kernkompetenzen in eine Kooperation ein- bringen. Mancher Automobilexperte prognostiziert die Übernahme von Tesla Motors durch Apple (Aparri, 2014). Dieser plausible Schritt würde es Apple ermöglichen, in den Automobil- sektor vorzudringen, ohne dabei die eigene Marke zu gefährden. Ebenfalls vorstellbar ist eine anschließende Co-Branding Strategie mit dem angekauften Unternehmen. Als letzte strategi- sche Option ist ein Einstieg in den Automobilsektor über die Hintertür, indem Apple z. B. den Begriff Mobilität neu definiert, zu nennen. Vorstellbar wäre bspw. ein selbstfahrendes Car- Sharing-Konzept, welches die allgemeine Mobilität, den innerstädtischen Verkehr, wie auch den öffentlichen Nahverkehr, revolutionieren würde. Abschließend soll angemerkt werden, dass die hier vorgestellten Ergebnisse nur die Evaluierung, der im kleinen Rahmen durchge- führten Befragung reflektieren. Auch wenn die Probanden ein Automobil von Apple als un- passend betrachten, führt dies nicht unweigerlich zum Ausschluss einer solchen Brand Ex- tension. Nichtsdestoweniger hat Apple die Revolutionierung von Märkten, als auch die Er- schaffung von neuen Produktkategorien in der Vergangenheit mehrfach unter Beweis gestellt. Aus diesem Grund sei eine Profilierung der Marke Apple im Automobilsektor nicht gänzlich ausgeschlossen.
6.3 Restriktionen und Kritik
Genauso wie in jeder anderen empirischen Arbeit, unterliegen auch die in dieser Thesis ermit- telten Resultate einer Reihe von Einschränkungen und Kritikpunkten. Aufgrund der im kleinen Rahmen durchgeführten Datenerhebung und unter Verwendung einer gezielten Stichproben- auswahl, können die Ergebnisse nicht generalisiert werden. Auch wenn im Rahmen einer SGA, die empirische Kovarianzmatrix der Tatsächlichen entsprechen sollte (Weiber/Mühl- haus, 2014, S. 22, 51, 59, 63 & 288), damit folglich von der Gültigkeit des aufgestellten Mo- dells in der Population gesprochen werden könnte, ließen sich die Ergebnisse nicht generali- sieren. Da den zur Analyse verwendeten Softwarepaketen keine Populationsdaten vorliegen, muss die tatsächliche Kovarianzmatrix der Population simuliert werden. Dies führt dazu, dass ein unbekanntes Maß an Diskrepanz entsteht, welches die Generalisierbarkeit grundsätzlich infrage stellt. Zwar lässt sich eine tendenzielle Repräsentativität in Bezug auf die Geschlechts- verteilung in Deutschland feststellen, dies darf aber nicht als Beweis für das Vorliegen reprä- sentativer Ergebnisse determiniert werden. Eine homogene Stichprobe, wie hier durch Stu- denten repräsentiert, spricht zwar für interne Validität, lässt sich aber nicht direkt auf eine externe Population übertragen (Calder et al., 1981, S. 197). Kritikpunkte, die einerseits unbe- dingt zu würdigen sind und andererseits die Zuverlässigkeit der Ergebnisse dieser Thesis in- frage stellen, ergeben sich in vierfacher Hinsicht aus der Erhebung, der Normalverteilung, der Modellgüte und den verwendeten Brand Image Skalen. Es besteht die Annahme, dass die Art der Datenerhebung und die zusätzlich nicht vorhandenen Teilnahmeanreize zu einem gerin- geren Engagement der Probanden führten98. Die aufgetretene Normalverteilungsproblematik ließ sich unter Rückgriff auf verschiedene Reparaturstrategien nicht widerspruchslos behe- ben. Damit bleibt die Interpretation der aufgestellten Hypothesen unter Einsatz der Maximum Likelihood Methode und die Gültigkeit beider Modelle anzuzweifeln99. Die damit eng in Ver- bindung stehende Modellgüte, konnte zwar anhand der meisten Fitmaße überzeugen, weist aber in einigen Fällen Probleme auf. So zeigte sich, dass der CMIN/df für das PBI Modell die Grenze von 3 überschreitet (Homburg/Giering, 1996, S. 13). Vergleicht man diesen Verstoß mit den Ergebnisse von Martínez et al. (2008, S. 120 et seq. & 124 et seq.), so fällt auf, dass diese Forscher sogar Werte zwischen fünf und drei noch akzeptieren. In ähnlicher Weise wer- den von diesen Forschern auch minimale Übertretungen der akzeptablen Grenzen für RMSEA, GFI und AGFI tolleriert. Für die vorliegenden Ergebnisse bedeutet dies, dass speziell das PBI Modells anzuzweifeln ist; das GBI Modell zeigte sich dagegen robuster. Ein letzter Kritikpunkt adressiert die verwendeten GBI und PBI Skalen. Die validierte GBI Skala ließ sich direkt aus der Forschungsliteratur entnehmen und die PBI Skala wurde auf Basis von Emp- fehlungen, die ebenfalls aus der Forschungsliteratur entnommen wurden, entwickelt. Im Kon- text dieser Thesis mussten eine Reihe von Items aus diesen Skalen eliminiert werden. Dies ist Indiz dafür, dass die Skalen nicht das gemessen haben, was sie messen sollten. Damit ein- hergehend lässt sich eine geringe Skalenreliabilität vermuten. Die problematische Skalenreli- abilität wiederum, kann auf die Skalen selbst, den zu betrachtenden Sachverhalt oder auf das als gering vermutete Engagement der Probanden zurückgeführt werden. Aus diesem Grund empfiehlt es sich für zukünftige Forschungen, alle Skalen im Rahmen eines Pretests zu testen und bei Bedarf anzupassen. Für diese Thesis ließ sich dies aufgrund der limitierten Rahmen- bedingungen nicht durchführen.
6.4 Zukünftiger Forschungsbedarf
Auf Basis der vornehmlich plausiblen Ergebnisse und Interpretationen, die allerdings eine Reihe von Kritikpunkten aufweisen, lässt sich die aufgezeigte Forschungslücke nicht zuver- lässig schließen. Dennoch konnte ein Beitrag über die Wirkung einer Brand Extension in den Automobilsektor von der Technologiemarke Apple in Deutschland geleistet werden. Darüber hinaus zeichnete sich die Modifikation des Strukturmodells, sprich die Implementierung des Brand Equity Konstruktes, als sinnvoll aus und dass, obwohl der Einfluss des Brand Equity auf das Brand Image nach Einführung einer Brand Extension (GBIA/PBIA) nicht bestätigt wer- den konnte. Hinsichtlich der aufgetretenen Probleme stellt eine Wiederholung dieser Unter- suchung, mit dem Ziel einen zuverlässigeren Datensatz zu generieren, einen weiteren Anreiz dar. Ebenso empfehlenswert ist die Integration verschiedener Technologiemarken, wie z. B. Google, Microsoft und Sony, um einen möglichst breiten Überblick und tieferen Einblick in die Wirkung einer Brand Extension von Technologieunternehmen in den Automobilsektor zu er- halten. Abschließend soll der Vorschlag hervorgehoben werden, dass ein weiterführender Ländervergleich nicht nur ein interessantes, sondern auch wünschenswertes zukünftiges For- schungsvorhaben darstellt.
LITERATURVERZEICHNIS
Aaker, D.A. (1972), “A Measure of Brand Acceptance”, Journal of Marketing Research, Vol. 9 No. 2, Pp. 160-167.
Aaker, D.A. (1990), “Brand Extensions: The Good, the Bad, and the Ugly”, MIT Sloan Ma- nagement Review, Vol. 31 No. 4, Pp. 47.
Aaker, D.A. (1991), Managing brand equity: Capitalizing on the value of a brand name, Free Press; Maxwell Macmillan Canada; Maxwell Macmillan International, New York, Toronto, New York.
Aaker, D.A. (1992), “The Value of Brand Equity”, Journal of Business Strategy, Vol. 13 No. 4, Pp. 27-32.
Aaker, D.A. (1996), “Measuring brand equity across products and markets”, California ma- nagement review, Vol. 38 No. 3, Pp. 102-120.
Aaker, D.A. und Keller, K.L. (1990), “Consumer Evaluations of Brand Extensions”, Journal of Marketing, Vol. 54, Pp. 27-41.
Ahlert, D. (2004), “Warum ein zentrales Brand Controlling unverzichtbar wird”, in Markenver- band (Hrsg.), Ertragsreserven aus Markenkapital, 2. Auflage, Wiesbaden, S. 7-28. Alba, J.W. und Hutchinson, J.W. (1987), “Dimensions of Consumer Expertise”, Journal of Consumer Research, Vol. 13 No. 4, S. 411-454.
American Marketing Association (2014), “Dictionary: Brand”, abrufbar unter: https://www.ama.org/resources/pages/dictionary.aspx?dLetter=B (überprüft am 21 Mai 2015).
Ansoff, H.I. (1957), “Strategies for diversification”, Harvard business review, Vol. 35 No. 5, Pp. 113-124.
Ansoff, H.I. (1958), “A model for diversification”, Management Science, Vol. 4 No. 4, Pp. 392-414.
Aparri, J. (2014), “iCar: A Possible Jazz-Up Electronic Car To Watch If Apple And Tesla Col- laborate”, abrufbar unter: http://www.ibtimes.com.au/icar-possible-jazz-electronic-car- watch-if-apple-tesla-collaborate-1332504 (überprüft am 22 September 2015).
Apple (2015), “Nettogewinn von Apple Inc. in den Geschäftsjahren von 2005 bis 2014 (in Milliarden US-Dollar)”, abrufbar unter: http://de.statista.com/statistik/daten/stu- die/155091/umfrage/nettogewinn-von-apple-inc-seit-2005/ (überprüft am 2 Mai 2015). Arbuckle, J.L. (2012), Amos 21.0 user’s guide, Chicago.
Arrow, K. (1962), “Economic Welfare and the Allocation of Resources for Invention”, in Uni- versities National Bureau (Ed.), Economic Welfare and the Allocation of Resources for In- vention, Princeton University Press, Princeton, Pp. 609-626.
Bagozzi, R.P. (1994), “Structural Equation Models in Marketing Research. Basic Principles”, in Bagozzi, R.P. (Ed.), Principles of marketing research, Blackwell Business, Cambridge, Mass., Pp. 317-385.
Bagozzi, R.P. und Baumgartner, H.J. (1994), “The Evaluation of Structural Equation Models and Hypothesis Testing”, in Bagozzi, R.P. (Ed.), Principles of marketing research, Black- well Business, Cambridge, Mass., Pp. 386-422.
Bagozzi, R.P. und Youjae Yi (1988), “On the Evaluation of Structural Equation Models”,
Journal of the Academy of Marketing Science, Vol. 16 No. 1, Pp. 74-94.
Baker, W.H., Hutchinson, J.W., Moore, D. und Nedungadi, P. (1986), “Brand Familiarity and Advertising. Effects on the Evoked Set and Brand Preference”, Advances in Consumer Research, Vol. 13 No. 1, Pp. 637-642.
Balderjahn, I. (1986), Das umweltbewusste Konsumentenverhalten: Eine empirische Studie, Betriebswirtschaftliche Schriften, Heft 123, Duncker & Humblot, Berlin. Barone, M.J., Miniard, P.W. und Romeo, J.B. (2000), “The Influence of Positive Mood on Brand Extension Evaluations”, Journal of Consumer Research, Vol. 26 No. 4, Pp. 386- 400.
Baum, H. und Delfmann, W. (2010), Strategische Handlungsoptionen der deutschen Auto- mobilindustrie in der Wirtschaftskrise: Sachverständigen-Expertise für das Bundesminis- terium für Wirtschaft und Technologie, Kölner Wissenschaftsverlag, Köln.
Baumgarth, C. (2001), Markenpolitik: Markenwirkungen - Markenführung - Markenforschung, 1. Auflage, Gabler, Wiesbaden.
Bearden, W.O., Netemeyer, R.G. und Teel, J.E. (1989), “Measurement of Consumer Suscep- tibility to Interpersonal Influence”, Journal of Consumer Rese arch, Vol. 15 No. 4, Pp. 473.
Bearden, W.O. und Shimp, T.O. (1982), “The Use of Extrinsic Cues to Facilitate Product Adoption”, Journal of Marketing Research, Vol. 19 No. 2, Pp. 229-239.
Bekmeier-Feuerhahn, S. (1998), Marktorientierte Markenbewertung: Eine konsumenten- und unternehmensorientierte Betrachtung, Wiesbaden.
Bentler, P.M. (2006), EQS 6 Structural Equations Program Manual, Multivariate Software, Inc., Encino, CA.
Biel, A.L. (1992), “How Brand Image Drives Brand Equity”, Journal of Advertising Research, Vol. 32 No. 6, Pp. 6-12.
Blinda, L.E. (2007), Markenführungskompetenzen eines identitätsbasierten Markenmanage- ments: Konzeptualisierung, Operationalisierung und Wirkungen, Gabler-Edition Wissen- schaft Innovatives Markenmanagement, Deutscher Universitätsverlag, Wiesbaden. Bollen, K. und Lennox, R. (1991), “Conventional wisdom on measurement. A structural equation perspective”, Psychological Bulletin, Vol. 110 No. 2, Pp. 305-314.
Bollen, K.A. (1984), “Multiple indicators. Internal consistency or no necessary relationship?”, Quality and Quantity, Vol. 18 No. 4.
Bollen, K.A. (1989), Structural equations with latent variables, Wiley series in probability and mathematical statistics. Applied probability and statistics, Wiley, New York.
Bolt, M.A. (1999), The Social Cognitive Model for Computer Training: An Experimental Inves- tigation, VT.
Borg, I. und Staufenbiel, T. (2007), Lehrbuch Theorien und Methoden der Skalierung, Aus dem Programm Huber. Psychologie Lehrbuch, 4. Auflage, Huber, Bern.
Bort, J. (2014), “The 20 Most Valuable Enterprise Tech Companies In The World”, abrufbar unter: http://www.businessinsider.com/most-valuable-enterprise-tech-companies-2014- 5?op=1&IR=T (überprüft am 2 Mai 2015).
Bortz, J., Bortz-Döring und Döring, N. (2009), Forschungsmethoden und Evaluation: Für Hu- man- und Sozialwissenschaftler, Springer-Lehrbuch, 4. Auflage, Springer-Medizin-Ver- lag, Heidelberg.
Bottomley, P.A. und Holden, S.J.S. (2001), “Do We Really Know How Consumers Evaluate Brand Extensions? Empirical Generalizations Based on Secondary Analysis of Eight Stu- dies”, Journal of Marketing Research, Vol. 38 No. 4, Pp. 494-500.
Boush, D.M. und Loken, B. (1991), “A Process-Tracing Study of Brand Extension Evalua- tion”, Journal of Marketing Research, Vol. 28 No. 1, Pp. 16-28.
Boush, D.M., Shipp, S., Loken, B. und Gencturk, E., et al. (1987), “Affect generalization to similar and dissimilar brand extensions. consumer behavior seminar”, Psychology and Marketing, Vol. 4 No. 3, Pp. 225-237.
Bower, G.H. (1981), “Mood and memory”, American Psychologist, Vol. 36 No. 2, Pp. 129- 148.
Bratzel, S. (2011), “Ent-Emotionalisierung der Automobilität bei der jungen Generation? Neuere empirische Studien zum Auto im Wandel in Deutschland”, Der Kfz-Sachverstän- dige, Bd. 11 Nr. 6, S. 19.
Bridges, S. (1992), “A Schema Unification Model of Brand Extensions”, abrufbar unter: http://www.msi.org/reports/a-schema-unification-model-of-brand-extensions/. (über- prüft am 20 Oktober 2015)
Brown, J.D. (2011), “Likert items and scales of measurement?”, Shiken Research Bulletin, Vol. 15 No. 1, Pp. 10-14.
Brown, T.J. und Dacin, P.A. (1997), “The Company and the Product: Corporate Associations and Consumer Product Responses”, Journal of Marketing, Vol. 61 No. 1, Pp. 68-84.
Browne, M.W. und Cudeck, R. (1992), “Alternative Ways of Assessing Model Fit”, Sociologi- cal Methods & Research, Vol. 21 No. 2, Pp. 230-258.
Bundesministerium für Wirtschaft und Energie (2010), “Etablierung der Nationalen Plattform Elektromobilität am 3. Mai 2010”, abrufbar unter: http://www.bmwi.de/DE/Presse/pres- semitteilungen,did=340772.html (überprüft am 3 Mai 2015).
Burmann, C. und Meffert, H. (2005), “Theoretisches Grundkonzept der identitätsorientierten Markenführung”, in Meffert, H., Burmann, C. and Koers, M. (Hrsg.), Markenmanagement: Identitätsorientierte Markenführung und praktische Umsetzung ; mit Best-practice-Fall- studien, Meffert-Marketing-Edition, 2. Auflage, Gabler, Wiesbaden, S. 37-72.
Burmann, C., Meffert, H. und Blinda, L.E. (2005a), “Markenevolutionsstrategien”, in Meffert, H., Burmann, C. and Koers, M. (Hrsg.), Markenmanagement: Identitätsorientierte Mar- kenführung und praktische Umsetzung ; mit Best-practice-Fallstudien, Meffert-Marke- ting-Edition, 2. Auflage, Gabler, Wiesbaden, S. 183-212.
Burmann, C., Meffert, H. und Koers, M. (2005b), “Stellenwert und Gegenstand des Marken- managements”, in Meffert, H., Burmann, C. and Koers, M. (Hrsg.), Markenmanagement: Identitätsorientierte Markenführung und praktische Umsetzung ; mit Best-practice-Fall- studien, Meffert-Marketing-Edition, 2. Auflage, Gabler, Wiesbaden, S. 3-15.
Burnaz, S. und Bilgin, P. (2011), “Consumer evaluations on brand extensions. B2B brands extended into B2C markets”, Journal of Product & Brand Management, Vol. 20 No. 4, Pp. 256-267.
Byrne, B.M. (1989), A Primer of LISREL: Basic Applications and Programming for Confirma- tory Factor Analytic Models, Springer New York, New York, NY.
Byrne, B.M. (2000), Structural equation modeling with AMOS: Basic concepts, applications, and programming, Multivariate applications book series, Lawrence Erlbaum Associates, Mahwah, N.J.
Byrne, B.M. (2010), Structural equation modeling with AMOS: Basic concepts, applications, and programming, Multivariate applications series, 2. Auflage, Routledge, New York. Calder, B.J., Phillips, L.W. und Tybout, A.M. (1981), “Designing Research for Application”, Journal of Consumer Research, Vol. 8 No. 2, Pp . 197-207.
Carlson, M. und Mulaik, S.A. (1993), “Trait Ratings from Descriptions of Behavior As Media- ted by Components of Meaning”, Multivariate Behavioral Research, Vol. 28 No. 1, Pp . 111-159.
Caspar, M. und Burmann, C. (2005), “Markenerweiterungsstrategien”, in Meffert, H., Bur- mann, C. and Koers, M. (Hrsg.), Markenmanagement: Identitätsorientierte Markenführung und praktische Umsetzung ; mit Best-practice-Fallstudien, Meffert-Marketing-Edition, 2. Auflage, Gabler, Wiesbaden, S. 245-267.
Chakravarti, A. und Janiszewski, C. (2003), “The Influence of Macro Level Motives on Consideration Set Composition in Novel Purchase Situations”, Journal of Consumer Research, Vol. 30 No. 2, Pp. 244-258.
Chang, B.-H., Bae, J. und Lee, S.-E. (2004), “Exploring Factors Affecting the Evaluation of Cable Network Brand Extension”, Proceedings of the 6th World Media Economics Con- ference.
Chang, H.H. und Liu, Y.M. (2009), “The impact of brand equity on brand preference and purchase intentions in the service industries”, The Service Industries Journal, Vol. 29 No. 12, Pp. 1687-1706.
Cheng Hsui Chen, A. und Chen, S.K. (2000), “Brand dilution effect of extension failure - a Taiwan study”, Journal of Product & Brand Management, Vol. 9 No. 4, Pp. 243-254. Chernatony, L. de, Dall'Olmo Riley, F. und Harris, F. (1998), “Criteria to Assess Brand Suc- cess”, Journal of Marketing Management, Vol. 14 No. 7, Pp. 765-781.
Chin, W.W. (1998a), “Issues and opinion on structural equation modeling”, Management In- formation Systems Quarterly, Vol. 22 No. 1, Pp. 7-16.
Chin, W.W. (1998b), “The partial least squares approach for structural equation modeling”, in Marcoulides, G.A. (Ed.), Modern methods for business research, Quantitative metho- dology series, Lawrence Erlbaum, Mahwah, N.J., Pp. 295-336.
Christensen, C.M. und Rosenbloom, R.S. (1995), “Explaining the attacker's advantage. Tech- nological paradigms, organizational dynamics, and the value network”, Research Policy, Vol. 24 No. 2, Pp . 233-257.
Churchill, G.A. (1979), “A Paradigm for Developing Better Measures of Marketing Constructs”, Journal of Marketing Research, Vol. 16 No. 1, Pp. 64.
Cobb-Walgren, C.J., Ruble, C.A. und Donthu, N. (1995), “Brand equity, brand preference, and purchase intent”, Journal of Advertising, Vol. 24 No. 3, Pp. 25-40. Cohen, J.B. und Basu, K. (1987), “Alternative Models of Categorization: Toward a Contin- gent Processing Framework”, Journal of Consumer Research, Vol. 13 No. 4, Pp. 455- 472.
Collins-Dodd, C. und Louviere, J.J. (1999), “Brand equity and retailer acceptance of brand extensions”, Journal of Retailing and Consumer Services, Vol. 6 No. 1, Pp. 1-13.
Cook, T.D. und Campbell, D.T. (1979), Quasi-experimentation: Design & analysis issues for field settings, Houghton Mifflin, Boston.
Crimmins, J.C. (1992), “Better Measurement and Management of Brand Value”, Journal of Advertising Research, Vol. 32 No. 4.
Dacin, P.A. und Smith, D.C. (1994), “The Effect of Brand Portfolio Characteristics on Consu- mer Evaluations of Brand Extensions”, Journal of Marketing Research, Vol. 31 No. 2, Pp. 229-242.
Davis, J. (2002), La Marca. Maximo Valor de su Empresa, Prentice Hall, Mexico.
Davis, S. und Halligan, C. (2002), “Extending your brand by optimizing your customer relati- onship”, Journal of Consumer Marketing, Vol. 19 No. 1, Pp. 7-11.
Day, G.S. (1969), “A two dimensional concept of brand loyalty”, Journal of Advertising Rese- arch, Vol. 9 No. 3, Pp. 29-35.
Desai, K.K. und Hoyer, W.D. (1993), “Line extensions A Categorization and an Information Processing Perspective”, Advances in Consumer Research, Vol. 20 No. 1, Pp. 599-606. DeStatis (2014), “Bevölkerung auf Grundlage des Zensus 2011”, abrufbar unter: https://www.destatis.de/DE/ZahlenFakten/GesellschaftStaat/Bevoelkerung/Bevoelke- rungsstand/Tabellen/Zensus_Geschlecht_Staatsangehoerigkeit.html (überprüft am 23 August 2015).
Deutsche Automobil Treuhand GmbH und GfK Marktforschung (2012), “DAT Report 2012 - Kfz Betrieb”, abrufbar unter: http://www.dat.de/servlet/com.bil.ep.mediaman.serv- let.Download?fileid=3395 (überprüft am 7 Mai 2015).
Diamantopoulos, A. (1999), “Viewpoint - Export performance measurement. Reflective ver- sus formative indicators”, International Marketing Review, Vol. 16 No. 6, Pp. 444-457. Diamantopoulos, A. und Winklhofer, H.M. (2001), “Index Construction with Formative Indica- tors. An Alternative to Scale Development”, Journal of Marketing Research, Vol. 38 No. 2, Pp. 269-277.
Domizlaff, H. (1992), Die Gewinnung des öffentlichen Vertrauens: Ein Lehrbuch der Marken- technik, 6. Auflage, Marketing Journal GmbH, Hamburg.
Döring, T. (2012), “Hat die Elektromobilität eine Zukunft?”, Wirtschaftsdienst, Bd. 92 Nr. 8, S. 563-571.
Dosi, G. (1982), “Technological paradigms and technological trajectories”, Research Policy, Vol. 11 No. 3, Pp. 147-162.
Dziuban, C.D. und Shirkey, E.C. (1974), “When is a correlation matrix appropriate for factor analysis? Some decision rules”, Psychological Bulletin, Vol. 81 No. 6, Pp. 358-361. Eberl, M. (2006), “Formative und reflektive Konstrukte und die Wahl des Strukturgleichungs- verfahrens. Eine statistische Entscheidungshilfe”, Die Betriebswirtschaft (DBW), Bd. 66 Nr. 6, Pp. 651-668.
Edwards, J.R. und Bagozzi, R.P. (2000), “On the nature and direction of relationships between constructs and measures”, Psychological Methods, Vol. 5 No. 2, Pp. 155-174. Eid, M., Gollwitzer, M. und Schmitt, M. (2010), Statistik und Forschungsmethoden: Lehrbuch ; mit Online-Materialien, 1. Auflage, Beltz, Weinheim.
Esch, F.-R. (2003), Strategie und Technik der Markenführung, Franz-Vahlen, München.
Esch, F.-R., Fuchs, M., Bräutigam, S. und Redler, J. (2005a), “Konzeption und Umsetzung von Markenerweiterungen”, in Esch, F.-R. (Hrsg.), Moderne Markenführung: Grundlagen, innovative Ansätze, praktische Umsetzungen, 4. Auflage, Gabler, Wiesbaden, S. 905- 946.
Esch, F.-R. und Geus, P. (2005), “Ansätze zur Messung des Markenwerts”, in Esch, F.-R. (Hrsg.), Moderne Markenführung: Grundlagen, innovative Ansätze, praktische Umsetzungen, 4. Auflage, Gabler, Wiesbaden, S. 1265-1305.
Esch, F.-R., Langner, T. und Brunner, C. (2005b), “Kundenbezogene Ansätze des Marken- controlling”, in Esch, F.-R. (Hrsg.), Moderne Markenführung: Grundlagen, innovative An- sätze, praktische Umsetzungen, 4. Auflage, Gabler, Wiesbaden, S. 1229-1261.
Esch, F.-R., Langner, T. und Rempel, J.E. (2005c), “Ansätze zur Erfassung und Entwicklung der Markenidentität”, in Esch, F.-R. (Hrsg.), Moderne Markenführung: Grundlagen, inno- vative Ansätze, praktische Umsetzungen, 4. Auflage, Gabler, Wiesbaden, S. 105-129.
Esch, F.-R., Wicke, A. und Rempel, J.E. (2005d), “Herausforderungen und Aufgaben des Markenmanagements”, in Esch, F.-R. (Hrsg.), Moderne Markenführung: Grundlagen, in- novative Ansätze, praktische Umsetzungen, 4. Auflage, Gabler, Wiesbaden, S. 5-55.
Faircloth, J.B., Capella, L.M. und Alford, B.L. (2001), “The Effect of Brand Attitude and Brand Image on Brand Equity”, Journal of Marketing Theory and Practice, Pp. 61-75.
Fantapie Altobelli, C. (2001), Internet-Branding: Marketing und Markenführung im Internet, Forum Marketing & Management, Bd. 3, Lucius und Lucius, Stuttgart. Farquhar, P.H. (1989), “Managing Brand Equity”, Marketing Research, Vol. 1 No. 3, Pp. 24- 33.
Farquhar, P.H., Han, J.Y., Herr, P.M. und Ijiri, Y. (1982), “Strategies for Leveraging Master Brands. How to Bypass the Risks of Direct Extensions”, Marketing Research, Vol. 4 No. 3, Pp. 32-43.
Farquhar, P.H., Herr, P.M. und Fazio, R.H. (1990), “A Relational Model For Category Exten- sions of Brands”, Advances in Consumer Research, Vol. 17, Pp. 856-860.
Fazel, L. (2014), Akzeptanz von Elektromobilität, Springer Fachmedien Wiesbaden, Wiesba- den.
Financial Times (2014), “Größte Unternehmen der Welt nach ihrem Marktwert im Jahr 2014 in Millionen US-Dollar (Stand: März 2014)”, abrufbar unter: http://de.statista.com/statis- tik/daten/studie/12108/umfrage/top-unternehmen-der-welt-nach-marktwert/ (überprüft am 2 Mai 2015).
Fombrun, C.J. und van Riel, C.B. (1997), “The Reputational Landscape”, Corporate Reputa- tion Review, Vol. 1 No. 2, Pp. 5-13.
Fornell, C. und Larcker, D.F. (1981), “Evaluating Structural Equation Models with Unobser- vable Variables and Measurement Error”, Journal of Marketing Research, Vol. 18 No. 1, Pp. 39-50.
Fraunhofer Institut für Arbeitswissenschaft und Organisation und PriceWaterhouseCoopers, Elektromobilität - Herausforderungen für Industrie und öffentliche Hand, Frankfurt am Main.
Fuchs, C. und Diamantopoulos, A. (2009), “Using Single-Item Measures for Construct Mea- surement”, Die Betriebswirtschaft (DBW), Vol. 69 No. 2, Pp. 195-210.
Gaskin, J.E. (2014), “Exploratory Factor Analysis. Discriminant validity”, abrufbar unter: http://statwiki.kolobkreations.com/wiki/Exploratory_Factor_Analysis#Discriminant_vali- dity (überprüft am 16 August 2015).
Ghorbani, H. und Madani, F. (2012), “The analysis of effective factors on product brand image after extension (PBI) in home appliance industry in Iran”, African Journal of Business Management, Vol. 6 No. 27, Pp. 8220-8226.
Glynn, M.S. und Brodie, R.J. (1998), “The importance of brand specific associations in brand extension. Further empirical results”, Journal of Product & Brand Management, Vol. 7 No. 6, Pp. 509-518.
Goodhue, D.L., Lewis, W. und Thompson, R. (2012), “Does PLS have Advantages for Small Sample Size or Non-Normal Data”, MIS Quarterly, Vol. 36 No. 3, Pp. 981-1001. Google (2015), “Nettogewinn von Google in den Jahren von 2001 bis 2014 (in Millionen US- Dollar)”, abrufbar unter: http://de.statista.com/statistik/daten/studie/76456/umfrage/net- togewinn-von-google-seit-2001/ (überprüft am 3 Mai 2015).
Göttgens, O. und Böhme, T. (2005), “Strategische Bedeutung des Markenwertes”, Zeit- schrift für die gesamte Wertschöpfungskette der Automobilwirtschaft, Bd. 8 Nr. 1, S. 44- 50.
Grime, I., Diamantopoulos, A. und Smith, G. (2002), “Consumer evaluations of extensions and their effects on the core brand”, European Journal of Marketing, Vol. 36 No. 11/12, Pp. 1415-1438.
Grønhaug, K., Hem, L. und Lines, R. (2002), “Exploring the impact of product category risk and consumer knowledge in brand extensions”, Journal of Brand Management, Vol. 9 No. 6, Pp. 463-476.
Gürhan-Canli, Z. und Maheswaran, D. (1998), “The Effects of Extensions on Brand Name Di- lution and Enhancement”, Journal of Marketing Research, Vol. 35 No. 4, Pp. 464.
Gwinner, K.P. und Eaton, J. (1999), “Building Brand Image Through Event Sponsorship. The Role of Image Transfer”, Journal of Advertising, Vol. 28 No. 4, Pp. 47-57.
Hameed, A., Saleem, S.M., Rashid, M. und Aslam, R. (2014), “The Impact of Brand Exten- sion on Parent Brand Image”, International Journal of Humanities and Social Science, Vol. 4 No. 2, Pp. 236-245.
Hankinson, G. und Cowking, P. (1993), Branding in action: Cases and strategies for profi- table brand management, McGraw-Hill marketing for professionals series, McGraw-Hill, London, New York.
Hariri, M. und Vazifehdust, H. (2011), “How does Brand Extension Affect Brand Image? A
study of Iran Market”, 2010 International Conference on Business and Economics Research, Vol. 1, Pp. 104-109.
Hätty, H. (1989), Der Markentransfer, Heidelberg.
Hätty, H. (2013), Der Markentransfer, Konsum und Verhalten, Bd. 20, Physica-Verlag, Hei- delberg.
Haugrund, S. (2013), “Elektro-Mobilität wird deutlich überschätzt”, Wirtschaftsdienst, Bd. 93 Nr. 9, S. 643-647.
Hem, L.E., Chernatony, L. de und Iversen, N.M. (2003), “Factors Influencing Successful Brand Extensions”, Journal of Marketing Management, Vol. 19 No. 7-8, Pp. 781-806.
Henderson, R.M. und Clark, K.B. (1990), “Architectural Innovation: The Reconfiguration Of Existing Product Technologies and the Failure of Established Firms”, Administrative Science Quarterly, Vol. 35 No. 1, Pp. 9-30.
Hildebrandt, L. (1984), “Kausalanalytische Validierung in der Marketingforschung”, Journal of Research and Management, Bd. 6 Nr. 1, S. 41-51.
Hochschule Ludwigshafen (2015), “Studierendenbarometer WS 2014/15”, abrufbar unter: https://www.hs-lu.de/fileadmin/user_upload/service/studium-und-lehre/qualitaetsma- nagement/Studierendenbarometer_2014_-_Haeufigkeiten_Hochschulebene.pdf (über- prüft am 23 August 2015).
Hochschulkompass (o. J.), “Studieren ohne Abitur”, abrufbar unter: http://www.hochschul- kompass.de/studium/suche/studieren-ohne-abitur.html (überprüft am 12 Oktober 2015).
Hofstede, G.H. (1993), Interkulturelle Zusammenarbeit: Kulturen, Organisationen, Manage- ment, Gabler, Wiesbaden.
Hogg, M.K., Cox, A.J. und Keeling, K. (2000), “The impact of self monitoring on image con- gruence and product/brand evaluation”, European Journal of Marketing, Vol. 34 No. 5/6, Pp. 641-667.
Homburg, C. (2012), Marketingmanagement: Strategie - Instrumente - Umsetzung - Unter- nehmensführung, 4. Auflage, Betriebswirtschaftlicher Verlag Gabler, Wiesbaden. Homburg, C. und Baumgartner, H.J. (1995), “Beurteilung von Kausalmodellen. Bestandsauf- nahme und Anwendungsempfehlungen.”, Journal of Research and Management, Bd. 17 Nr. 3, S. 162-176.
Homburg, C. und Giering, A. (1996), “Konzeptualisierung und Operationalisierung komplexer Konstrukte. Ein Leitfaden für die Marketingforschung.”, Journal of Research and Ma- nagement, Bd. 18 Nr. 1, S. 3-24.
Homburg, C., Klarmann, M. und Pflesser, C. (2008), “Konfirmatorische Faktorenanalyse”, in Herrmann, A. (Hrsg.), Handbuch Marktforschung: Methoden, Anwendungen, Praxisbei- spiele, 3. Auflage, Springer Gabler, Wiesbaden, S. 271-303.
Homburg, C., Koschate, N. und Becker, A. (2005), “Messung von Markenzufriedenheit und Markenloyalität”, in Esch, F.-R. (Hrsg.), Moderne Markenführung: Grundlagen, innovative Ansätze, praktische Umsetzungen, 4. Auflage, Gabler, Wiesbaden, S. 1395-1408. Homburg, C. und Krohmer, H. (2006), Marketingmanagement: Strategie, Instrumente, Um- setzung, Unternehmensführung, 2. Auflage, Gabler, Wiesbaden.
Hu, L. und Bentler, P.M. (1999), “Cutoff criteria for fit indexes in covariance structure analy- sis. Conventional criteria versus new alternatives”, Structural Equation Modeling: A Mul- tidisciplinary Journal, Vol. 6 No. 1, Pp. 1-55.
Huebener, M. und Marcus, J. (2015), “Folgen des Abiturs nach 12 Schuljahren”, DIW Wo- chenbericht, Bd. 2015 Nr. 18, S. 446-460.
Iyengar, S.S. und Lepper, M.R. (2000), “When choice is demotivating. Can one desire too much of a good thing?”, Journal of Personality and Social Psychology, Vol. 79 No. 6, Pp. 995-1006.
Jarvis, C.B., MacKenzie, S.B. und Podsakoff, P.M. (2003), “A Critical Review of Construct Indicators and Measurement Model Misspecification in Marketing and Consumer Rese- arch”, Journal of Consumer Research, Vol. 30 No. 2, Pp. 199-218.
John, D.R., Loken, B. und Joiner, C. (1998), “The Negative Impact of Extensions. Can Flags- hip Products Be Diluted?”, Journal of Marketing, Vol. 62 No. 1, Pp. 19.
Kaiser, H.F. und Rice, J. (1974), “Little Jiffy, Mark Iv”, Educational and Psychological Measu- rement, Vol. 34 No. 1, Pp. 111-117.
Kapferer, J.-N., Rominger-Hanauer, B. und Zetsche, W.D. (1992), Die Marke - Kapital des Unternehmens, Verlag Moderne Industrie, Landsberg/Lech.
Kazemi, A., Mohammadi, M. und Seify, M. (2013), “The Effect of Brand Extension Strategies upon Brand Image in the Mobile Market”, International Journal of Academic Research in Business and Social Sciences, Vol. 3 No. 9, Pp. 461-473.
Keller, K.L. (1993), “Conceptualizing, Measuring, and Managing Customer-Based Brand Equity”, Journal of Marketing, Vol. 57 No. 1, Pp. 1-22.
Keller, K.L. (2000), “The Brand Report Card”, Harvard business review, Vol. 78 No. 1, Pp. 147-157.
Keller, K.L. (2003), Strategic brand management: Building, Measuring, and Managing Brand Equity, 2. überarbeitete Aufglage, Prentice-Hall, New York.
Keller, K.L. (2005), “Erfolgsfaktoren von Markenerweiterungen”, in Esch, F.-R. (Hrsg.), Mo- derne Markenführung: Grundlagen, innovative Ansätze, praktische Umsetzungen, 4. Auf- lage, Gabler, Wiesbaden, S. 949-961.
Keller, K.L. und Aaker, D.A. (1992), “The Effects of Sequential Introduction of Brand Extensi- ons”, Journal of Marketing Research, Vol. 29 No. 1, Pp. 35-50.
Keller, K.L. und Sood, S. (2003), “Brand Equity Dilution”, MIT Sloan Management Review, Vol. 45 No. 1, Pp. 12-15.
Kenny, D.A. (2014), “Measuring Model Fit”, abrufbar unter: http://davida- kenny.net/cm/fit.htm (überprüft am 17 August 2015).
Kim, C.K. und Lavack, A.M. (1996), “Vertical brand extensions. Current research and mana- gerial implications”, Journal of Product & Brand Management, Vol. 5 No. 6, Pp. 24-37.
Kirmani, A., Sood, S. und Bridges, S. (1999), “The Ownership Effect in Consumer Respon- ses to Brand Line Stretches”, Journal of Marketing, Vol. 63 No. 1, Pp. 88-101.
Kitchener, B. (2015), “50 of America's richest firms sit on huge £600bn cash pile”, abrufbar unter: http://www.express.co.uk/news/world/468758/America-s-50-wealthiest-firms- hold-over-1-3-of-world-s-cash-reserves (überprüft am 3 Mai 2015).
Kline, R.B. (2011), Principles and practice of structural equation modeling, Methodology in the social sciences, 3. Auflage, Guilford Press, New York.
Kline, S.J. und Rosenberg, N. (1986), “An Overview of Innovation”, in Landau, R. and Ro- senberg, N. (Eds.), The positive sum strategy: Harnessing technology for economic growth, National Academy Press, Washington, D.C., Pp. 275-305.
Klink, R.R. und Smith, D.C. (2001), “Threats to the External Validity of Brand Extension Re- search”, Journal of Marketing Research, Vol. 38 No. 3, Pp. 326-335. Knappe, M. (2014), “Kooperation als Strategie technologischen Paradigmenwechsels eine nachhaltigkeitsbasierte Untersuchung der Elektrifizierung des Automobils”, abrufbar un- ter: http://opus.uni-hohenheim.de/volltexte/2014/1037/ (überprüft am 3 Mai 2015).
Kotler, P. und Armstrong, G. (2010), Principles of marketing, 13. Auflage, Prentice Hall, Up- per Saddle River, N.J.
Kotler, P., Armstrong, G., Saunders, J. und Wong, V. (2007), Grundlagen des Marketing, Wi Wirtschaft, 4. Auflage, Pearson Studium, München.
Krishnan, H.S. (1996), “Characteristics of memory associations. A consumer-based brand equity perspective”, International Journal of Research in Marketing, Vol. 13 No. 4, Pp. 389-405.
Krishnan, H.S. und Chakravarti, D. (1993), “Varieties of Brand Memory Induced by Adverti- sing: Determinants, Measures and Relationship”, in Aaker, D.A. and Biel, A.L. (Eds.), Brand equity & advertising: Advertising's role in building strong brands, Advertising and consumer psychology, Lawrence Erlbaum Associates, Hillsdale, N.J., Pp. 213-231.
Kroeber-Riel, W. und Weinberg, P. (2003), Konsumentenverhalten, Vahlens Handbücher der Wirtschafts- und Sozialwissenschaften, 8., aktualisierte und erg. Aufl., Vahlen, München.
Krosnick, J.A. und Fabrigar, L.R. (1997), “Designing Rating Scales for Effective Measure- ment in Surveys”, in Lyberg, L. (Ed.), Survey measurement and process quality, Wiley se- ries in probability and statistics. Applied probability and statistics, Wiley, New York, Pp. 141-164.
Kumar, N., Scheer, L.K. und Steenkamp, J.-B.E.M. (1993), The Effects of Supplier Fairness on Vulnerable Resellers, Vol. 32, Arbeitspapier des Instituts für the Study of Business Markets, Pennsylvania.
Lassar, W., Mittal, B. und Sharma, A. (1995), “Measuring customer based brand equity”, Journal of Consumer Marketing, Vol. 12 No. 4, Pp. 11-19.
Leitherer, E. (1988), Die Entwicklung des Markenwesens: von den Ursprüngen bis zum Be- ginn der fünfziger Jahre, Wiederabdruck der Dissertation von 1954, München/Wiesba- den.
Leone, R.P., Rao, V.R., Keller, K.L. und Luo, A.M., et al. (2006), “Linking Brand Equity to Customer Equity”, Journal of Service Research, Vol. 9 No. 2, Pp. 125-138.
Levin, A.M., Davis, J.C. und Levin, I. (1996), “Theoretical and Empirical Linkages Between Consumers' Responses to Different Branding Strategies”, Advances in Consumer Rese- arch, Vol. 23, Pp. 296-300.
Ley, P. (1972), Quantitative aspects of psychological assessment: An introduction, Duck- worth, London.
Lohmöller, J.-B. (1989), Latent Variable Path Modeling with Partial Least Squares, Physica- Verlag HD, Heidelberg.
Loken, B. und John, D.R. (1993), “Diluting Brand Beliefs: When Do Brand Extensions Have a Negative Impact?”, Journal of Marketing, Vol. 57 No. 3, Pp. 71-84.
Low, G.S. und Lamb, C.W. (2000), “The measurement and dimensionality of brand associa- tions”, Journal of Product & Brand Management, Vol. 9 No. 6, Pp. 350-370.
Lynch Jr., J.G. und Srull, T.K. (1982), “Memory and Attentional Factors in Consumer Choice: Concepts and Research Methods”, Journal of Consumer Research, Vol. 9 No. 1, Pp. 18- 37.
manager magazin online (2015), “iCar soll 2020 in Produktion gehen”, abrufbar unter: http://www.manager-magazin.de/unternehmen/it/apple-will-auto-produktion-2020-star- ten-klage-wegen-abwerbung-a-1019456.html (überprüft am 3 Mai 2015).
Meffert, H., Burmann, C. and Koers, M. (Hrsg.) (2005), Markenmanagement: Identitätsorien- tierte Markenführung und praktische Umsetzung ; mit Best-practice-Fallstudien, Meffert- Marketing-Edition, 2. Auflage, Gabler, Wiesbaden.
Marketing (2003), “Premium extensions are proving to be the most promising FMCG laun- ches, as manufacturers look to counteract retailers'price cuts”, Marketing, No. 8/28/2003, Pp. 25.
Martínez, E. und Chernatony, L. de (2004), “The effect of brand extension strategies upon brand image”, Journal of Consumer Marketing, Vol. 21 No. 1, Pp. 39-50.
Martínez, E. und Pina, J.M. (2003), “The negative impact of brand extensions on parent brand image”, Journal of Product & Brand Management, Vol. 12 No. 7, Pp. 432-448.
Martínez, E., Polo, Y. und Chernatony, L. de (2008), “Effect of brand extension strategies on brand image”, International Marketing Review, Vol. 25 No. 1, Pp. 107-137.
Meffert, H. und Bierwirth, A. (2002), “Corporate Branding - Führung der Unternehmens- marke im Spannungsfeld unterschiedlicher Zielgruppen”, in Meffert, H., Burmann, C. and Koers, M. (Hrsg.), Markenmanagement: Grundfragen der identitätsorientierten Marken- führung ; mit Best-practice-Fallstudien, Meffert-Marketing-Edition, 1. Aufl., Gabler, Wies- baden, S. 182-199.
Meffert, H. und Burmann, C. (2002), “Wandel in der Markenführung. vom instrumentellen zum identitätsorientierten Markenverständnis”, in Meffert, H., Burmann, C. and Koers, M. (Hrsg.), Markenmanagement: Grundfragen der identitätsorientierten Markenführung ; mit Best-practice-Fallstudien, Meffert-Marketing-Edition, 1. Aufl., Gabler, Wiesbaden, S. 18- 30.
Meffert, H. und Burmann, C. (2005), “Wandel in der Markenführung. vom instrumentellen zum identitätsorientierten Markenverständnis”, in Meffert, H., Burmann, C. and Koers, M. (Hrsg.), Markenmanagement: Identitätsorientierte Markenführung und praktische Umset- zung ; mit Best-practice-Fallstudien, Meffert-Marketing-Edition, 2. Auflage, Gabler, Wies- baden, S. 18-36.
Meffert, H., Burmann, C. und Kirchgeorg, M. (2008), Marketing: Grundlagen marktorientierter Unternehmensführung ; Konzepte - Instrumente - Praxisbeispiele, Meffert-Marketing-Edi- tion, 10. Auflage, Gabler, Wiesbaden.
Meffert, H., Burmann, C. und Koers, M. (2002), “Stellenwert und Gegenstand des Marken- managements”, in Meffert, H., Burmann, C. and Koers, M. (Hrsg.), Markenmanagement: Grundfragen der identitätsorientierten Markenführung ; mit Best-practice-Fallstudien, Meffert-Marketing-Edition, 1. Auflage, Gabler, Wiesbaden, S. 3-13.
Meyers-Levy, J., Louie, T.A. und Curren, M.T. (1994), “How does the congruity of brand na- mes affect evaluations of brand name extensions?”, Journal of Applied Psychology, Vol. 79 No. 1, Pp. 46-53.
Microsoft Corporation (2015), “Nettogewinn der Microsoft Corporation in den Geschäftsjah- ren 2002 bis 2014 (in Milliarden US-Dollar)”, abrufbar unter: http://de.statista.com/statis- tik/daten/studie/155721/umfrage/entwicklung-des-nettogewinns-der-microsoft-corpora- tion-seit-dem-geschaeftsjahr-2002/ (überprüft am 2 Mai 2015).
Miller, G.A. (1994), “The magical number seven, plus or minus two. Some limits on our capacity for processing information”, Psychological Review, Vol. 101 No. 2, Pp. 343- 352.
Millward Brown (2014), “Ranking der zwanzig wertvollsten Marken nach ihrem Markenwert im Jahr 2014 (in Milliarden US-Dollar)”, abrufbar unter: http://de.statista.com/statis- tik/daten/studie/6003/umfrage/die-wertvollsten-marken-weltweit/ (überprüft am 2 Mai 2015).
Morrin, M. (1999), “The Impact of Brand Extensions on Parent Brand Memory Structures and Retrieval Processes”, Journal of Marketing Research, Vol. 39 No. 4, Pp. 517-525.
Mortimer, R. (2003), “Fool's gold for marketers? Brand extensions have been a popular way to leverage brand equity for years, but times are changing as brands move towards a period of consolidation. Ruth Mortimer assesses what makes brand stretching success- ful.”, Brand Strategy, o.S.
Müge Arslan, F. und Korkut Altuna, O. (2010), “The effect of brand extensions on product brand image”, Journal of Product & Brand Management, Vol. 19 No. 3, Pp. 170-180.
Müller, C. (2015), “Apple, Google, Daimler: Die besten TechCars von Morgen”, abrufbar un- ter: http://www.chip.de/news/Apple-iCar-gegen-Tesla-BMW-und-Nissan-reagieren-aufs- Apple-Auto_76548525.html (überprüft am 3 Mai 2015).
Muthen, B. und Kaplan, D. (1985), “A comparison of some methodologies for the factor ana- lysis of non-normal Likert variables. A note on the size of the model”, British Journal of Mathematical and Statistical Psychology, Vol. 38 No. 2, Pp. 171-189.
Netemeyer, R.G., Bearden, W.O. und Sharma, S.C. (2003), Scaling procedures for self-re- port measures in the social sciences: Issues and applications, SAGE, London.
Niedermeyer, E. (2015), “Enter the ICar”, abrufbar unter: http://www.bloombergview.com/ar- ticles/2015-02-24/enter-the-icar (überprüft am 3 Mai 2015).
Nijssen, E.J. (1999), “Success factors of line extensions of fast moving consumer goods”, European Journal of Marketing, Vol. 33 No. 5/6, Pp. 450-474.
Nunnally, J.C. (1978), Psychometric theory, McGraw-Hill series in psychology, 2d Edition., McGraw-Hill, New York.
Ourusoff, A., Ozanian, M., Brown, P.B. und Starr, J. (1992), “What's in a Name? What the World's Top Brands Are Worth”, Financial World, Vol. 161 No. 17, Pp. 32-49.
Paivio, A. (1969), “Mental imagery in associative learning and memory”, Psychological Re- view, Vol. 76 No. 3, Pp. 241-263.
Park, C.W., Jaworski, B.J. und MacInnis, D.J. (1986), “Strategic Brand Concept-Image Ma- nagement”, Journal of Marketing, Vol. 50 No. 4, Pp. 135-145.
Park, C.W., Jun, S.Y. und Shocker, A.D. (1996), “Composite Branding Alliances. An Investi- gation of Extension and Feedback Effects”, Journal of Marketing Research, Vol. 33 No. 4, Pp. 453.
Park, C.W., Milberg, S. und Lawson, R. (1991), “Evaluation of Brand Extensions: The Role of Product Feature Similarity and Brand Concept Consistency”, Journal of Consumer Rese- arch, Vol. 18, Pp. 185-193.
Park, C.W., Milberg, S. und Lawson, R. (2005), “Beurteilung von Markenerweiterungen”, in Esch, F.-R. (Hrsg.), Moderne Markenführung: Grundlagen, innovative Ansätze, praktische Umsetzungen, 4. Auflage, Gabler, Wiesbaden, S. 965-981.
Park, J.-W. und Kim, K.-H. (2001), “Role of Consumer Relationships with a Brand in Brand Extensions: Some Exploratory Findings”, Advances in Consumer Research, Vol. 28, Pp. 179-185.
Pina, J.M., Martinez, E., Chernatony, L. de und Drury, S. (2006), “The effect of service brand extensions on corporate image”, European Journal of Marketing, Vol. 40 No. 1/2, Pp. 174-197.
Pitta, D.A. und Prevel Katsanis, L. (1995), “Understanding brand equity for successful brand extension”, Journal of Consumer Marketing, Vol. 12 No. 4, Pp. 51-64.
Podsakoff, P.M., MacKenzie, S.B., Lee, J.-Y. und Podsakoff, N.P. (2003), “Common method biases in behavioral research: a critical review of the literature and recommended remedies”, The Journal of applied psychology, Vol. 88 No. 5, Pp. 879-903.
Popper, K. (2005), Logik der Forschung, 11. Auflage, Wien: Mohr Siebeck.
Putsis, W.P. und Bayus, B.L. (2001), “An Empirical Analysis of Firms’ Product Line Decisi- ons”, Journal of Marketing Research, Vol. 38 No. 1, Pp. 110-118.
Quester, P.G. und Smart, J. (1998), “The influence of consumption situation and product in- volvement over consumers’ use of product attribute”, Journal of Consumer Marketing, Vol. 15 No. 3, Pp. 220-238.
Randall, T., Ulrich, K. und Reibstein, D. (1998), “Brand equity and vertical product line ex- tent”, Marketing Science, Vol. 17 No. 4, Pp. 356-379.
Reddy, S.K., Holak, S.L. und Bhat, S. (1994), “To Extend or Not to Extend. Success Deter- minants of Line Extensions”, Journal of Marketing Research, Vol. 31 No. 2, Pp. 243-262. Rennhak, C. (2009), Die Automobilindustrie von morgen: Wie Automobilhersteller und -zulie- ferer gestärkt aus der Krise hervorgehen können, Reutlinger Schriften zu Marketing & Management, Bd. 4, Ibidem-Verlag, Stuttgart.
Reynolds, T.J. und Gutman, J. (1984), “Advertising is Image Management”, Journal of Ad- vertising Research, Vol. 24 No. 1, Pp. 27-37.
Ries, A. und Trout, J. (2001), Positioning: The battle for your mind, McGraw-Hill, New York, London.
Robinson, J.P., Shaver, P.R. und Wrightsman, L.S. (1991), “Criteria for Scale Selection and Evaluation”, in Robinson, J.P., Shaver, P.R. and Wrightsman, L.S. (Eds.), Measures of social psychological attitudes, Academic Press, Pp. 1-16.
Rogers, E.M. (1983), Diffusion of innovations, 3rd Edition, Free Press; Collier Macmillan, New York, London.
Romeo, J.B. (1991), “The Effect of Negative Information on the Evaluations of Brand Exten- sions and the Family Brand”, Advances in Consumer Research, Vol. 18 No. 1, Pp. 399- 406.
Rossiter, J.R. (2002), “The C-OAR-SE procedure for scale development in marketing”, Inter- national Journal of Research in Marketing, Vol. 19 No. 4, Pp. 305-335.
Rost, J. (2004), Lehrbuch Testtheorie - Testkonstruktion, Aus dem Programm Huber. Psy- chologie Lehrbuch, 2. Auflage, Huber, Bern.
Roux, E. und Boush, D.M. (1996), “The Role of Familiarity and Expertise in Luxury Brand Ex- tension Evaluation”, Proceedings of the annual Conference - Europe Marke- ting Academy, Vol. 2 No. 25, Pp. 2053-2062.
Ruyter, K. de und Wetzels, M. (2000), “The role of corporate image and extension similarity in service brand extensions”, Journal of Economic Psychology, Vol. 21 No. 6, Pp. 639- 659.
Sattler, H. (1998a), “Beurteilung der Erfolgschancen von Markentransfers”, Journal of Busi- ness Economics, Bd. 68 Nr. 5, S. 475-493.
Sattler, H. (1998b), “Markenpolitik für Innovationen”, abrufbar unter: http://www.research- gate.net/profile/Henrik_Sattler/publication/5140718_Markenpolitik_fr_Innovatio- nen/links/0deec5234110256579000000.pdf (überprüft am 25 Mai 2015).
Sattler, H. (2005), “Markenstratgieen für neue Produkte”, in Esch, F.-R. (Hrsg.), Moderne Markenführung: Grundlagen, innovative Ansätze, praktische Umsetzungen, 4. Auflage, Gabler, Wiesbaden, S. 505-520.
Sattler, H., Völckner, F. und Grit, Z. (2002), “Erfolgsfaktoren von Markentransfers”, Research Papers on Marketing and Retailing, University of Hamburg No. 002.
Schnell, R., Hill, P.B. und Esser, E. (2011), Methoden der empirischen Sozialforschung, 9. Auflage, Oldenbourg, R, München.
Scholderer, J. und Balderjahn, I. (2006), “Was unterscheidet harte und weiche Strukturglei- chungsmodelle nun wirklich? Ein Klärungsversuch zur LISREL-PLS-Frage”, Journal of Research and Management, Bd. 28 Nr. 1, S. 57-70.
Schwartz, B. (2000), “Self-determination. The tyranny of freedom”, American Psychologist, Vol. 55 No. 1, Pp. 79-88.
Serrao, P. und Botelho, D. (2008), “Effect of Brand Extension on Brand Image: A Study in the Brazilian Context”, Latin American Advances in Consumer Research, Vol. 2, Pp. 22- 27.
Sharp, B.M. (1993), “Managing brand extension”, The Journal of Customer Marketing, Vol. 10 No. 3, Pp. 11-17.
Sheinin, D.A. und Schmitt, B.H. (1994), “Extending brands with new product concepts. The role of category attribute congruity, brand affect, and brand breadth”, Journal of Busi- ness Research, Vol. 31 No. 1, Pp. 1-10.
Shimp, T.A. und Sharma, S. (1987), “Consumer Ethnocentrism. Construction and Validation of the CETSCALE”, Journal of Marketing Research, Vol. 24 No. 3, Pp. 280.
Simon, H.A. (1959), “Theories of Decision-Making in Economics and Behavioral Science”, The American Economic Review, Vol. 49 No. 3, Pp. 253-283.
Srivastava, K. und Sharma, N.K. (2011), “Exploring the multidimensional role of involvement and perceived risk in brand extension”, International Journal of Commerce and Manage- ment, Vol. 21 No. 4, Pp. 410-427.
Srivastava, R.K., Shervani, T.A. und Fahey, L. (1998), “Market-Based Assets and Sharehol- der Value. A Framework for Analysis”, Journal of Marketing, Vol. 62 No. 1, Pp. 2.
Statista (2014), “Durchschnittsalter von Hochschulabsolventen* in Deutschland von 2003 bis 2013 (in Jahren)”, abrufbar unter: http://de.statista.com/statistik/daten/stu- die/189237/umfrage/durchschnittsalter-von-hochschulabsolventen-in-deutschland/ (überprüft am 23 August 2015).
Statista (2015), “Umsatz der Unternehmen Apple, Google und Microsoft im Vergleich von 2008 bis 2014 (in Milliarden US-Dollar)”, abrufbar unter: http://de.statista.com/statis- tik/daten/studie/176743/umfrage/umsatz-von-microsoft-apple-und-google-im-vergleich/ (überprüft am 2 Mai 2015).
Sullivan, M.W. (1992), “Brand Extensions: When to Use Them”, Management Science, Vol. 38 No. 6, Pp. 793-806.
Swaminathan, V., Fox, R.J. und Reddy, S.K. (2001), “The Impact of Brand Extension Intro- duction on Choice”, Journal of Marketing, Vol. 65 No. 4, Pp. 1-15.
Tanaka, J.S. und Huba, G.J. (1985), “A fit index for covariance structure models under arbit- rary GLS estimation”, British Journal of Mathematical and Statistical Psychology, Vol. 38 No. 2, Pp. 197-201.
Tauber, E.M. (1981), “Brand franchise extension. New product benefits from existing Brand Names”, Business Horizons, Vol. 24 No. 2, Pp. 36-41.
Tauber, E.M. (1988), “Brand leverage: strategy for growth in a cost control world”, Journal of Advertising, Vol. 28 No. 4, Pp. 26-30.
Tauber, E.M. (1993), “Fit and leverage in brand extensions”, in Aaker, D.A. and Biel, A.L. (Eds.), Brand equity & advertising: Advertising's role in building strong brands, Adverti- sing and consumer psychology, Lawrence Erlbaum Associates, Hillsdale, N.J., Pp. 313- 318.
Taylor, V.A. und Bearden, W.O. (2002), “The Effects of Price on Brand Extension Evalua- tions. The Moderating Role of Extension Similarity”, Journal of the Academy of Marketing Science, Vol. 30 No. 2, Pp. 131-140.
Temme, D. und Hildebrandt, L. (2009), “Gruppenvergleiche bei hypothetischen Konstrukten. Die Prüfung der Übereinstimmung von Messmodellen mit der Strukturgleichungsmetho- dik”, Zfbf, Vol. 61 No. 2, Pp. 138-185.
Temme, D., Paulssen, M. und Hildebrandt, L. (2009), “Common Method Variance. Ursachen, Auswirkungen und Kontrollmöglichkeiten”, Die Betriebswirtschaft (DBW), Vol. 69 No. 2, Pp. 123-146.
Tesla Motors, I. (2015), “Supercharger”, abrufbar unter: http://www.teslamo- tors.com/de_DE/supercharger (überprüft am 3 Mai 2015). The Economist Newspaper Limited (2015), “Upsetting the Apple car”, abrufbar unter: http://www.economist.com/news/business/21644149-established-carmakers-not-tech- firms-will-win-race-build-vehicles (überprüft 3 Mai 2015).
Thielsch, M.T. und Weltzin, S. (2009), “Online-Befragungen in der Praxis”, in Brandenburg, T. and Thielsch, M.T. (Hrsg.), Praxis der Wirtschaftspsychologie: Themen und Fallbei- spiele für Studium und Anwendung, Monsenstein und Vannerdat, Münster, Westf, S. 69- 85.
Trommsdorff, V. (1975), Die Messung von Produktimages für das Marketing: Grundlagen und Operationalisierung, Schriftenreihe Annales Universitatis Saraviensis Rechts- und wirt- schaftswissenschaftliche Abteilung, Bd. 78, Heymann, Köln.
Trommsdorff, V. (1992), “Multivariate Imageforschung und strategische Marketingplanung”, in Flegel, V.A. (Hrsg.), Handbuch des Electronic Marketing: Funktionen und Anwendun- gen der Informations- und Kommunikationstechnik im Marketing, München, S. 321-337.
Trommsdorff, V. (2004), Konsumentenverhalten, Kohlhammer-Edition Marketing, 6. Auflage, Kohlhammer, Stuttgart.
Trommsdorff, V. (2009), Konsumentenverhalten, Kohlhammer-Edition Marketing, 7. Auflage, Kohlhammer, Stuttgart.
van der Straaten, Y. (2010), “Repositioning in the automotive world: The challenges facing the global auto industry - the call for a new paradigm”, abrufbar unter: http://oica.net/wp-content/uploads/fisita-2010-plenary-lecture-yvds-final-on-oica- web.pdf (überprüft am 3 Mai 2015).
van Riel, A. C. R., Lemmink, J. und Ouwersloot, H. (2001), “Consumer Evaluations of Ser- vice Brand Extensions”, Journal of Service Research, Vol. 3 No. 3, Pp. 220-231.
Viot, C. (2011), “Can brand identity predict brand extensions' success or failure?”, Journal of Product & Brand Management, Vol. 20 No. 3, Pp. 216-227.
Völckner, F. und Sattler, H. (2006), “Drivers of Brand Extension Success”, Journal of Marke- ting, Vol. 70 No. 2, Pp. 18-34.
Wakabayashi, D. und Ramsey, M. (2015), “Apple Gears Up to Challenge Tesla in Electric Cars. IPhone Maker Has 100s Working on Design of a Minivan Like Vehicle”, abrufbar unter: http://www.wsj.com/articles/apples-titan-car-project-to-challenge-tesla- 1423868072 (überpürft am 3 Mai 2015).
Wallin Andreassen, T. und Lindestad, B. (1998), “Customer loyalty and complex services”, International Journal of Service Industry Management, Vol. 9 No. 1, Pp. 7-23. Weiber, R. und Jacob, F. (2000), “Kundenbezogene Informationsgewinnung”, in Kleinalten- kamp, M. (Hrsg.), Technischer Vertrieb: Grundlagen des Business-to-Business Marke- ting, Technischer Vertrieb, 2. Auflage, Springer, Berlin, S. 523-612.
Weiber, R. und Mühlhaus, D. (2014), Strukturgleichungsmodellierung: Eine anwendungsori- entierte Einführung in die Kausalanalyse mit Hilfe von AMOS, SmartPLS und SPSS, Springer-Lehrbuch, 2., Auflage 2014, Springer Gabler, Berlin, Heidelberg.
Weiner, I.B., Freedheim, D.K., Schinka, J.A. und Velicer, W.F. (2003), Handbook of psycho- logy, 2. Auflage, John Wiley & Sons, Inc, Hoboken, New Jersey.
Wenben Lai, A. (1991), “Consumption Situation and Product Knowledge in the Adoption of a New Product”, European Journal of Marketing, Vol. 25 No. 10, Pp. 55-67.
West, S.G., Finch, J.F. und Curran, P.J. (1995), “Structural Equation Models With Nonnor- mal Variables. Problems and Remedies”, in Hoyle, R.H. (Ed.), Structural equation mode- ling: Concepts, issues, and applications, Sage Publications, Thousand Oaks, Pp. 56-75.
Winterhoff, M., Kahner, C., Ulricht, C., Sayler, P. und Wenzel, E. (2009), Zukunft der Mobilität 2020 - Die Automobilindustrie im Umbruch?, Arthur D. Little, Frankfurt am Main.
Wölfer, U. (1994), “Produktlinienerweiterungen (Line Extensions)”, in Bruhn, M. (Hrsg.), Handbuch Markenartikel, Schäffer-Poeschel, Stuttgart, S. 527-541.
Wyer, R.S. und Srull, T.K. (1986), “Human cognition in its social context”, Psychological Re- view, Vol. 93 No. 3, Pp. 322-359.
Yoo, B. und Donthu, N. (2001), “Developing and validating a multidimensional consumer- based brand equity scale”, Journal of Business Research, Vol. 52 No. 1, Pp. 1-14. Yoo, B., Donthu, N. und Lee, S. (2000), “An Examination of Selected Marketing Mix Ele- ments and Brand Equity”, Journal of the Academy of Marketing Science, Vol. 28 No. 2, Pp. 195-211.
Zaichkowsky, J.L. (1985), “Measuring the Involvement Construct”, Journal of Consumer Re- search, Vol. 12 No. 3, Pp. 341-352.
Zeithaml, V.A. (1988), “Consumer Perceptions of Price, Quality, and Value. A Means-End Model and Synthesis of Evidence”, Journal of Marketing, Vol. 52 No. 3, Pp. 2.
Zintzmeyer, J. und Binder, R. (2003), “Strategische Markenführung zahlt sich aus”, in Gott- schalk, B. (Hrsg.), Markenmanagement in der Automobilindustrie: Die Erfolgsstrategien internationaler Top-Manager, 1. Auflage, Gabler, Wiesbaden, S. 61-86.
Anhang
1 Ergebnisse der Pretests
1.1 Ergebnisse des 1. Pretest
1.2 Ergebnisse des 2. Pretest
1.3 Ergebnisse des 3. Pretest
1.4 Ergebnisse des 4. Pretest
2 Fragebogendesign und Operationalisierung der Konstrukte
3 Begründung für die Wahl des Onlinefragebogenformates
4 Demographische Zusammensetzung der Stichprobe
5 Apple Google Microsoft Daten
6 Interpretation von Korrelationsmaßen
7 Wichtige Gütekriterien und Formel
1 Ergebnisse der Pretests
1.1 Ergebnisse des 1. Pretest
Das Ziel des ersten Pretest galt der Ermittlung der Bekanntheit, der Vertrautheit und der Qualität von acht großen Technologieunternehmen. Die Zahlen aus Tabelle 60 legen offen, dass Apple in puncto Bekanntheit und Qualität von den Probanden am stärksten bewertet wird. Hinsichtlich der Vertrautheit bewerten die Probanden die Marke etwas schlechter.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 60: Pretest 1 Ergebnisse zur Bewertung der Bekanntheit, Vertrautheit, Qualität von Technologieunternehmen
1.2 Ergebnisse des 2. Pretest
Die, in drei Blöcke geteilte, Tabelle 61 präsentiert die Ergebnisse des zweiten Pretests. Die Zahlen aus dem ersten Block reflektieren die wahrgenommene Industrie einer Technologie- marke. Auf Basis dieser Daten erscheint es naheliegend, dass alle Marken/Unternehmen ein- deutig der Technologiebrache zugeordnet werden können. Zudem ist offensichtlich, dass keine Marke als zum Automobilbereich dazugehörig bewertet wird. Vor dem Hintergrund die- ser Thesis ist dies eine relevante Feststellung, da eine Brand Extension laut der in dieser The- sis festgelegten Definition, nur dann als Brand Extension zählt, wenn das Unternehmen in eine neue Produktkategorie diversifiziert. Da der Automobilmarkt nur schwach mit diesen Marken in Verbindung gebracht wurde, wäre die Einführung eines neuen Produktes unter Verwendung derselben Marke als Brand Extension zu bezeichnen. Der zweite Block der Tabelle 61 fasst die Ergebnisse des erfragten Industrieerfolges zusammen. Der Proband sollte angeben, wie sehr er davon überzeugt ist, dass dieses Unternehmen bzw. die Marken in der angegebenen Industrie einen Erfolg verbuchen könnten. Die Ergebnisse des zweiten Blocks, also die des angenommenen Industrieerfolgs, orientieren sich stark an denen der wahrgenommenen In- dustrie. Trotz alledem sind dabei kleine Differenzen zu identifizieren. Diese Differenzen aus dem ersten und dem zweiten Block sind im dritten Block dargestellt.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 61: Pretest 2 Ergebnisse zur wahrgenommenen Industrie und dem angenommenen Industrieerfolg von Technologiemarken
Interpretationsbeispiel:
Die Probanden sehen eine starke Verbindung zwischen der Marke Apple und der Technologieindustrie, gefolgt von einer nur sehr geringen Verbindung mit der Kleidungsindustrie. In Bezug auf die Automobilindustrie sehen die Probanden ebenfalls nur eine eher geringe Verbindung. Obwohl der Proband kaum eine Verbindung zur Automobilindustrie sieht, traut er der Marke Apple einen größeren Erfolg in der Automobilindustrie zu.
1.3 Ergebnisse des 3. Pretest
Die Ergebnisse des dritten Pretest sind in der folgenden Tabelle 62 präsentiert. Ziel dieses Pretest war es, herauszufinden, welche Attribute zur Bewertung von Technologieunternehmen herangezogen werden. Bezüglich der ausgewählten Technologiemarken wurde auf dieselben Industrien wie beim Pretest 1 und 2 zurückgegriffen.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 62: Pretest 3 Ergebnisse zu den qualitativen Interviews
1.4 Ergebnisse des 4. Pretest
An den dritten Pretest anknüpfend wurden die 15 am häufigsten Attribute noch einmal hinsichtlich ihrer Wichtigkeit untersucht. Die Ergebnisse der 35 befragten Probanden sind in Tabelle 63 zusammenfassend dargestellt.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 63: Pretest 4 Ergebnisse zur Bewertung der Wichtigkeit der 15 häufigsten Produktattributen
2 Fragebogendesign und Operationalisierung der Konstrukte
Der für die Datenerhebung eingesetzte Fragebogen ist in Anlehnung an Martínez et al. (2008) auf die vorliegende Thesis angepasst und mit Hilfe von Qualtrics in ein Onlinesurvey-Format übertragen worden. Hinsichtlich der von Martínez et al. (2008) eingesetzten Skalen, die über- wiegend zweidimensional aufgebaut sind, wurde aufgrund von Validitätsbedenken auf mehr- dimensionale Skalen, die ebenfalls valide sind, zurückgegriffen. Aus Tabelle 64 lassen sich alle einzelnen hypothetischen Konstrukte mit den dazugehörigen Items (Fragestellungen) und einem entsprechenden Literaturnachweis entnehmen. Ferner kann in der obersten Zeile eines jeden hypothetischen Konstruktes die dem Probanden einleitend gestellte Frage entnommen werden. Die letzte Spalte der Tabelle 64 gibt das vom Probanden, auf einer fünfstufigen Skala, zu bewertende Kontinuum an. Es sei angemerkt, dass lediglich die Anfangs- und Endpunkte der fünfstufigen Skala mit einer Beschriftung versehen wurden. Alle dazwischenliegenden Punkte wurden ohne eine Beschriftung versehen.
Der Onlinefragebogen ist nicht nur in Anlehnung an Martínez et al. (2008) gestaltet, er wurde auch entsprechend deren Empfehlungen abgefragt. Die Abfrage war diesbezüglich in drei Teile zu untergliedern. Im ersten Teil sind die hypothetischen Konstrukte Overall Brand Equity (OVB), Perceived Quality (PQ), General Brand Image Before the Brand Extension (GBIB) und Produkt Brand Image Before the Brand Extension (PBIB) in randomisierter Reihenfolge abgefragt worden. Nach Abschluss des ersten Teils musste der Proband, mit einem Klick auf einen Weiter-Button, die Onlinebefragung fortführen. Der nun folgende zweite Teil, stellte auf verständliche Weise ein neues Produktkonzept, in diesem Fall das elektrische Automobil von der Marke Apple, vor. Ziel des zweiten Teils war es, den Probanden auf verständliche und möglichst nicht beeinflussende Weise dieses Produktkonzept nahezubringen. Diesbezüglich durchlief das in Tabelle 64 dargestellte Produktkonzept einen Pretest, der zu einer Anpassung dieses Konzeptes führte. Darüber hinaus wurde der Empfehlung von Aaker (1996, S. 109) nachgegangen und mittels eines Hinweises, der auf andere Marken des Automobilbereiches verweist, ein für den Probanden notwendiger Referenzrahmen geschaffen. Dieser Referenz- rahmen dient als eine Orientierungshilfe für den Probanden die Brand Extension nicht nur in Bezug auf das gegenwärtige Unternehmen im gegenwärtigen Markt (den Technologiebereich) zu bewerten, sondern auch andere relevante Marken des neuen Automobilbereiches zu be- achten. Bezüglich der genannten Marken wurde versucht hinsichtlich Premium- und Mittel- klasseautomobilen eine möglichst ausgeglichene Markenauswahl zu treffen.
Im anschließenden dritten Teil des Fragebogens wurde der Proband gebeten die hypothetischen Konstrukte Attitude toward the Brand Extension (ATT), Perceived Fit (FIT), Ge neral Brand Image After the Brand Extension (GBIA) und Product Brand Image After the Brand Extension (PBIA) zu evaluieren.
Um den Fragebogen zum Abschluss zu bringen, wurde der Proband aufgefordert demografische Angaben zu Geschlecht, Alter und dem höchsten Bildungsgrad anzugeben.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 64: Fragebogengestaltung
3 Begründung für die Wahl des Onlinefragebogenformates
Die unten aufgeführte Tabelle 65 stellt die Vor- und Nachteile von Onlinefragbögen zusam- menfassend dar. Das Onlineverfahren stellt eine überaus einfache Methode der Datenerhe- bung dar, dass insbesondere zu der in dieser Thesis definierten jungen und technisch affinen Zielgruppe passt.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 65: Vor- und Nachteile von Onlinefragebögen
4 Demographische Zusammensetzung der Stichprobe
Die Verteilung des höchsten angegebenen Bildungsabschluss ist aus der Tabelle 66 zu entnehmen. Die größte Gruppe mit 34,6 % wird von 102 Probanden mit einem Bachelorabschluss repräsentiert.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 66: Verteilung des höchsten angegebenen Bildungsabschlusses
Das Ergebnis der Altersverteilung ist in der Tabelle 67 übersichtlich dargestellt. Die größte Gruppe mit einem Anteil von 11,9 % an der Gesamtstichprobe repräsentieren Probanden im Alter von 24 Jahren.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 67: Altersverteilung der bereinigten Stichprobe
5 Apple Google Microsoft Daten
Die Tabelle 68 stellt die finanziellen Marktdaten der drei größten Technologieunternehmen zusammenfassend dar. Die Daten stellen die finanzielle Überlegenheit und den hohen Wert der Marke Apple im Vergleich zu Google und Microsoft übersichtlich dar.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 68: Finanzielle Marktdaten zu Apple, Google und Microsoft
6 Interpretation von Korrelationsmaßen
Die unten aufgeführte Tabelle 69 dient als Unterstützung zur Interpretation des Korrelations- koeffizienten r und wurde direkt von den Autoren Weiber und Mühlhaus (2014, S. 15) über- nommen.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 69: Interpretation von Korrelationen (Weiber/Mühlhaus, 2014, S. 15)
7 Wichtige Gütekriterien und Formeln
Die in Tabelle 70 zusammengefassten und übersichtlich dargestellten Gütekriterien und Formeln basieren auf den Ausarbeitungen von Weiber und Mühlhaus (2014) und dienen dem Leser als Nachschlagewerk.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 70: Gütemaße in Anlehnung an Weiber/Mühlhaus (2014)
[...]
1 Angeboten durch Marken mit ausschließlich Elektrofahrzeugen wie Tesla Motors, Inc. aber auch
durch Marken die primär auf verbrennungsmotororientierte Produkte fokussiert sind, alternativ dazu aber auch vollkommen elektrisch angetriebene Produkte wie den e-Golf, Renault Zoe, Smart Electric Drive, Nissan Leaf, BMW i3 u.a. anbieten
2 Hier sei Tesla Motors (2015) erwähnt, die aktiv am Aufbau einer flächendeckenden Ladeinfrastruktur mit sogenannten Supercharger-Stations arbeiten
3 Fazel (2014) stellt im Rahmen seiner Forschung positive und negative beeinflussende Akzeptanzfak- toren zusammen, wobei sich Konstrukte wie die „Qualität der Leistung“, die „Ladedauer“ sowie die „Ladeinfrastruktur“ und die „wahrgenommene Einfachheit der Nutzung“ positiv und die Konstrukte „wahrgenommenes technologisches Risiko“ oder „Angst vor der Fahrzeugnutzung“ negativ auf die Akzeptanz von Elektromobilität auswirkten (Fazel, 2014, S. 292). Interessanterweise wurde bei der „Ökologischen Einstellung“ keine signifikante und akzeptanzfördernde Rolle festgestellt, und dass, obwohl Knappe (2014) einen nachhaltigkeitsinduzierten Paradigmenwechsel postuliert. 1
4 Der Unternehmenswert wurde gemessen anhand der Marktkapitalisierung (Bort, 2014), des Marktwertes (Financial Times, 2014) und des Markenwertes (Millward Brown, 2014)
5 Die reichsten Unternehmen der Vereinigten Staaten von Amerika besitzen eine Cash-Reserve von 1. Apple ($158,8 Mrd.), 2. Microsoft ($83,9 Mrd.), 3. Google ($58,7 Mrd.)
6 Laut der dort zugrunde liegenden Studie waren es Personen im Alter zwischen 18 un 25 Jahren.
7 Die untersuchten Studien sind aus Tabelle 6 zu entnehmen
8 Siehe hierzu auch die Dokumentation in Kapitel 1.1 des Anhangs
9 Dieses Vorgehen zur Sicherstellung, ob der Proband die angeführten Unternehmen/ Marken auch zu der zu untersuchenden Branche zählt, orientiert sich an den Ausführungen von Martínez et al. (2008,
S. 116). Im Gegensatz zu Martínez et al. (2008), wo der Proband angebotene Produkte der Marke nennen sollte, wurde er in der vorliegenden Arbeit gebeten, die Marke über eine fünfstufige Ratingskala mit einer bestimmten Industrie in Verbindung zu bringen.
10 Siehe Tabelle 68 im Anhang
11 Siehe Kapitel 1.1 im Anhang
12 Vgl. MarkenG Abschnitt 5 §§27 bis 31
13 Synonym werden die Begriffe Markenwert & Brand Equity verwendet
14 Synonym werden die Begriffe Markenimage & Brand Image verwendet.
15 Synonym werden die Begriffe Markenbekanntheit & Brand Awareness verwendet.
16 Keller (1993) bezeichnet es als Brand Knowledge; die Begriffe Markenwissen und Brand Knowledge werden in dieser Thesis synonym verwendet
17 Burmann und Meffert (2005) betonen, dass der Konsument Zugang zu diversen Informationsquellen hat, sei es das markenführende Unternehmen selbst, Wettbewerber oder andere externe Gruppen. Aus der Gesamtheit dieser Einflüsse bilden sich letztlich die im Gedächtnis gespeicherten und mit der Marke in Verbindung gebrachten Assoziationen.
18 Synonym werden die Begriffe Markenpersönlichkeit & Brand Personality verwendet.
19 Im Rahmen dieser Thesis bezieht sich der Begriff des Markenwertes bzw. des Brand Equity auf den customer based brand equity bzw. auf eine verhaltensorientierte Sichtweise
20 Siehe Tabelle 6
21 Siehe Tabelle 6
22 Anzumerken ist, dass Nijssen (1999, S. 452) auf das Qualitätskonstrukt verzichtet. Darüber hinaus ist anzumerken, dass er sich ausschließlich auf Line Extensions bezieht, die sich definitorisch in Anlehnung an Grime et al. (2002, S. 1417-1422) aus dem Grad des Fit ergeben.
23 Siehe Tabelle 6
24 Siehe Tabelle 6
25 Siehe Tabelle 6
26 Siehe Tabelle 60 im Anhang
27 Für eine weiterführende Auseinandersetzung mit den von wissenschaftlichen Hypothesen zu erfüllenden Kriterien sei auf Bortz et al. (2009, S. 4) verwiesen
28 Siehe Weiber/Mühlhaus (2014, S. 13)
29 Eine Formel inklusive Erklärung findet der Leser in Weiber und Mühlhaus (2014, S. 14) - Der Zähler repräsentiert die bereits bekannte Kovarianz, die durch das Produkt der Standardabweichungen aller beteiligten Variablen dividiert wird.
30 Siehe Tabelle 69 im Anhang
31 Weiterführend sei hier auf das Kapitel 2 von Weiber und Mühlhaus (2014) verwiesen
32 Synonym für hypothetisches Konstrukt wird das Wort Konstrukt verwendet
33 Im Beispiel von Weiber/Mühlhaus (2014, S. 40) werden Globalurteile eindimensional erhoben.
34 Siehe Bollen/Lennox (1991, S. 306)
35 Dies entspricht einem regressionsanalytischen Ansatz
36 Siehe Edwards/Bagozzi (2000, S. 161)
37 Bezüglich der Studien, die produktbezogene Brand Image Konstrukte einsetzen siehe Ghorbani/Ma- dani (2012); Müge Arslan/Korkut Altuna (2010) als auch die von Martínez et al. (2008, S. 108) aufgeführten Studien von Gwinner/Eaton (1999) im Bereich Sponsorship und Hogg et al. (2000) über alkoholische Getränke im UK Markt. Serrao/Botelho (2008) erweitern die von Martínez/Chernatony (2004) vorgestellte Studie und applizieren sie auf den brasilianischen Markt. Zudem übertragen sie den gleichen Ansatz zur Messung von GBIB/GBIA und PBIB/PBIA auf diesen Sachverhalt
38 Siehe Abbildung 2 und Abbildung 3
39 Siehe Tabelle 6
40 Müge Arslan/Korkut Altuna (2010, S. 176) stellen fest, dass perceived Fit und perceived Quality auf PBI wirken, dass aber das Image, ganz egal ob ein hoher Fit gegeben ist oder nicht, verwässert wird 56
41 Pretest 1 ergab, dass die meisten Probanden mit der Marke Apple vertraut sind. Dieser Befund wird auch als ein Indiz für das Vorliegen von Brand Familarity betrachtet. Siehe Kapitel 1.1 im Anhang. 58
42 Für Pretest 1 und 2 siehe Kapitel 1.3
43 Ergebnisse des 3. Pretest siehe Anhang
44 Auf Basis des Pretest 1, siehe Kapitel 1.1 des Angangs, dessen Ziel es war den Bekanntheitsgrad sowie die wahrgenommene Qualität festzustellen, wurden diese vier Marken ausgewählt.
45 Hier eine der vier ausgewählten Marken einsetzen: Apple, Google, Microsoft, Sony
46 Ergebnisse des 4. Pretest siehe Anhang
47 Items zur Operationalisierung siehe Tabelle 64 im Anhang
48 Meist werden in diesem Bezug, Skalen mit mehr als sieben Stufen genannt.
49 Diesbezüglich sind Personen gemeint, die über eine Klage, über die Anrechnung von Berufsjahren oder über andere Ausbildungswege, wie eine Meisterprüfung, an einer Hochschule immatrikuliert sind. 63
50 Weiterführend Siehe hierzu die Ausführungen von Bolt (1999, S. 58 et seqq.) wie auch Weiber und Mühlhaus (2014, S. 179)
51 Das anfängliche (initiale) Modell besaß 40 Items bzw. Parameter. Diese wurden jedoch im Rahmen der Güteanalyse auf 30 reduziert.
52 Siehe Tabelle 7
53 Hinweis: Einige Probanden, die älter als 35 sind, haben den Fragebogen gar nicht erst ausgefüllt, weswegen es bei den hervorgehobenen Gruppen durchaus zu Überschneidungen kommen kann.
54 Zur weiteren Information sei auf Hem et al. (2003, S. 792) verwiesen, der mit vergleichbaren Werten zu einer ähnlichen Schlussfolgerung kam.
55 Vergleiche Tabelle 11
56 Vergleiche Tabelle 11
57 Siehe Tabelle 66
58 Vgl. DeStatis (2014)
59 Vgl. Tabelle 20
60 Vgl. Tabelle 21
61 Rechnung: 0,555² = 30,80 % der Varianz teilen sich die Faktoren. Bei einer Korrelation von 0,7 liegt die geteilte Varianz beider Faktoren bei 49 % was zur Folge hat, dass sie sich nicht eindeutig voneinander unterscheiden (Gaskin, 2014).
62 Siehe Kapitel 5.2.2
63 Siehe Tabelle 35
64 Siehe Tabelle 35
65 Für eine detaillierte Auseinandersetzung mit diesem Thema sei auf Weiber und Mühlhaus (2014, S. 130 et seqq.) verwiesen.
66 Mit Ausnahme von Faktoren mit zwei Indikatoren, die einen KMO von 0,5 erreichten
67 Mit Ausnahme von Faktoren mit zwei Indikatoren, die einen MSA von 0,5 erreichten
68 Inhaltsvalidität ist Teil der Validitätsprüfung der ersten Generation. Weiterführend zu diesem Thema siehe Weiber und Mühlhaus (2014, S. 130 & 157)
69 Eine Aufstellung aller Gütekritieren ist in Tabelle 70 in Kapitel 7 des Anhangs hinterlegt
70 Siehe Kapitel 5.2.3.4
71 Alle hierzu verwendeten Formeln sind im Detail aus Tabelle 70 in Kapitel 7 des Anhangs zu entneh- men
72 Siehe Kapitel Kapitel 5.2.4.3
73 Vergleiche hierzu die Schlussfolgerung von Weiber und Mühlhaus (2014, S. 161 et seq.)
74 36% CMV für das GBI Modell und 32% CMV für das PBI Modell.
75 Im Validity Master Kit von James Gaskin (eine EXCEL Datei) wird dieser Wert mit dem englischen Namen „AVE“ (average variance extracted) herausgegeben.
76 Siehe Tabelle 32 Raymond Pocher
77 Arbuckle (2012, S. 601) schreibt, dass in Abhängigkeit vom Forscher auch CMIN/df von 5 als akzep- tabel betrachtet werden. Byrne (1989, S. 55) betrachtet CMIN/df >2 als ein Zeichen für inakzeptablen Modellfit.
78 Eine detaillierte Beschreibung dieser Gütekriterien liefert das Kapitel 9.1.2 von Weiber und Mühlhaus (2014, S. 203 et seqq.)
79 Siehe Kapitel 5.3.3
80 Siehe Kapitel 5.3.3
81 Siehe Kapitel 5.3.3
82 Siehe Tabelle 48 in Kapitel 5.3.3
83 Dieses Ergebnis korrespondiert mit den Ergebnissen aus der Forschungsliteratur. Vergleiche hierzu: Kazemi et al. (2013, S. 468); Hariri/Vazifehdust (2011, S. 107 et seq.); Martínez et al. (2008, S. 124); Pina et al. (2006, S. 188); Martínez/Pina (2003, S. 443); Müge Arslan/Korkut Altuna (2010, S. 176)
84 Hier sei der Leser auf folgende Quellen verwiesen, die ähnliche Zusammenhänge postulieren: Faircloth et al. (2001, S. 69 et seqq.); Aaker (1992, S. 28-31); Keller (1993, S. 7)
85 Siehe Abbildung 9 und Abbildung 10
86 Siehe Abbildung 9 und Abbildung 10 mit Mittelwerten von: OVB = 2,00; ATT = 2,14
87 Siehe Abbildung 9 und Abbildung 10 mit Mittelwerten von: OVB = 2,00; GBIA = 3,27; PBIA = 3,87
88 Siehe Abbildung 9 und Abbildung 10
89 Siehe die Abbildung 13 und Abbildung 14
90 Vergleiche mit den Normalverteilungsergebnissen in Tabelle 16 und Tabelle 17
91 Vergleiche mit den Mardia-Koeffizienten in Tabelle 16 und Tabelle 17
92 Vergleiche mit dem Modellfit in Tabelle 42
93 Siehe Tabelle 54 und Tabelle 55
94 Siehe hierzu Kapitel 2.3.3
95 Siehe hierzu die Ausprägung des OVB Konstruktes
96 Siehe hierzu die Ausprägung des FIT Konstruktes
97 Im GBI Modell wurde keine maßgebliche Veränderung des Brand Images festgestellt; im PBI Modell dagegen nur eine kleine.
98 Auch wenn der Harman Single Factor Test durchgeführt wurde, besteht immer noch ein unbekanntes Maß an Diskrepanz.
99 Es soll an dieser Stelle angemerkt werden, dass Martínez et al. (2008) und Kazemi et al. (2013) keinen Hinweis auf die Schätzmethode und die Normalverteilung geben; Ghorbani/Madani (2012) verwenden eine ML Schätzung, sprechen die Normalverteilung aber nicht an; Pina et al. (2006, S. 185) sprechen die Normalverteilung indirekt an, indem sie auf die Verwendung der robusten ML Methode hinweisen, was grundsätzlich für das Vorliegen eines Normalverteilungsproblems spricht.
-
-
-
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X.