Im Zuge der digitalen Transformation und des stetig steigenden Wettbewerbs stehen Unternehmen vor neuen Chancen, aber auch Herausforderungen. Wer sich als innovatives Unternehmen in einem schnelllebigen Markt durchsetzen möchte, muss sich mit den neuesten Trends und Technologien befassen.
Mobile Marketing wird dabei zu einem immer wichtigeren Instrument. Wie Lina Rieckel in ihrer Publikation zeigt, können Unternehmen auf diese Weise ihre Kunden nahezu überall erreichen und ihre Maßnahmen personalisieren. Doch es entstehen auch Risiken wie eine Zunahme der Datenschutzbedenken.
Lina Rieckel erklärt deshalb, inwieweit Konsumenten Werbung auf Wearables bereits akzeptieren. Welche Maßnahmen wirken sich positiv auf die Akzeptanz aus, welche negativ? Lina Rieckel gibt praxisorientierte Handlungsempfehlungen zum Mobile Marketing.
Methodik: Strukturgleichungsmodell
1 Einleitung
1.1 Problemstellung und Zielsetzung
1.2 Aufbau der Arbeit
2 Theoretische Grundlage
2.1 Mobile Marketing
2.1.1 Begriffliche Abgrenzung
2.1.2 Einordnung in den Marketing-Mix
2.1.3 Wearables
2.1.3.1 Definition
2.1.3.2 Wearable-Markt
2.1.3.3 Charakteristika und Einsatzmöglichkeiten im Marketing
2.2 Akzeptanzforschung
2.2.1 Diffusionstheorie
2.2.2 Definition Akzeptanz
2.2.3 Akzeptanzmodelle
2.2.3.1 Theory of Reasoned Action (TRA)
2.2.3.2 Theory of Planned Behaviour (TPB)
2.2.3.3 Technology Acceptance Model (TAM)
2.2.3.4 Unified Theory of Acceptance and Technology (UTAUT)
2.2.3.5 Diskussion Akzeptanzmodelle
2.3 Aktueller Forschungsstand und Forschungsfrage
3 Methodik
3.1 Strukturgleichungsmodellierung
3.2 Hypothesenbildung, Modellstruktur, Pfaddiagramm
3.3 Untersuchungsdesign
3.4 Operationalisierung des Modells
3.5 Empirische Erhebung
3.5.1 Aufbereitung der erhobenen Daten
3.5.2 Deskriptive Statistik
3.6 Identifikation der Modellstruktur
3.7 Parameterschätzung
3.7.1 Güteprüfung reflektiver Messmodelle
3.7.1.1 Reliabilitätsprüfung
3.7.1.2 Validitätsprüfung
3.8 Evaluation des Gesamtmodells
3.9 Beurteilung Schätzergebnisse
3.10 Modifikation
4 Diskussion und Handlungsempfehlung
5 Limitationen
6 Fazit
Inhaltsverzeichnis
Abkürzungsverzeichnis
Glossar
Abbildungsverzeichnis
Tabellenverzeichnis
1 Einleitung
1.1 Problemstellung und Zielsetzung
1.2 Aufbau der Arbeit
2 Theoretische Grundlage
2.1 Mobile Marketing
2.2 Akzeptanzforschung
2.3 Aktueller Forschungsstand und Forschungsfrage
3 Methodik
3.1 Strukturgleichungsmodellierung
3.2 Hypothesenbildung, Modellstruktur, Pfaddiagramm
3.3 Untersuchungsdesign
3.4 Operationalisierung des Modells
3.5 Empirische Erhebung
3.6 Identifikation der Modellstruktur
3.7 Parameterschätzung
3.8 Evaluation des Gesamtmodells
3.9 Beurteilung Schätzergebnisse
3.10 Modifikation
4 Diskussion und Handlungsempfehlung
5 Limitationen
6 Fazit
7 Literaturverzeichnis
Anhang I: Theoretische Grundlage
Anhang II: Aktueller Forschungsstand
Anhang III: Codeplan Wertelables
Anhang IV: Aufbau Fragebogen
Anhang V: Empirische Erhebung
Anhang VI: Güteprüfung
Anhang VII: Evaluation Gesamtmodell
Anhang VIII: Beurteilung Schätzergebnisse
Anhang IX: Modifikation
Abkürzungsverzeichnis
Abbildung in dieser Leseprobe nicht enthalten
Glossar
Smartphone Laut Definition handelt es sich bei einem Smartphone um ein Mobiltelefon, mit der Erweiterung um zahlreiche Funktionen, wie dem Zugang zum Internet (Rieber, 2017, S. 4).
Phablet Phablets liegen hinsichtlich Aufbau und den Funktionen in der Kategorie zwischen einem Tablet-PC und einem Smartphone. So ist der Bildschirm im Vergleich zu einem Smartphone größer und es wird ermöglicht (im Gegensatz zum Tablet-PC) mit einem Phablet zu telefonieren (Lipinski, 2012, o. S.).
Feature Phone Ein Feature-Phone ist eine Art Mobiltelefon, das jedoch mehr Funktionen als herkömmliche Mobiltelefone bereitstellt und dennoch nicht mit einem Smartphone gleichzusetzen ist. Feature Phones sind vornehmlich für Konsumenten entwickelt worden, die ein multifunktionales Mobiltelefon wünschen, jedoch nicht den Preis eines Smartphones zahlen wollen (Area Mobile, o.D.).
Abbildungsverzeichnis
Abbildung 1: Begriffliche Abgrenzung Mobile Marketing
Abbildung 2: Übersicht Einsatzbereiche Wearable-Technologie
Abbildung 3: Beispiel Mobile Marketing Smartwatch
Abbildung 4: Diffusionskurve für Innovationen
Abbildung 5: Diffusionsprozess
Abbildung 6: Theory of Reasoned Action
Abbildung 7: Theory of Planned Behaviour
Abbildung 8: Technology Acceptance Model
Abbildung 9: Technology Acceptance Model 3
Abbildung 10: Unified Theory of Acceptance and Technology 2
Abbildung 11: Beispiel Aufbau Strukturgleichungsmodell
Abbildung 12: Strukturgleichungsmodell Akzeptanz von Mobile Marketing auf Wearables
Abbildung 13: Operationalisierung des Strukturgleichungsmodells
Abbildung 14: Standardisierte Lösung Parameterschätzung
Abbildung 15: Matrix mobile Endgeräte
Abbildung 16: Technology Acceptance Model 2
Abbildung 17: Unified Theory of Acceptance and Technology
Abbildung 18: Aufbau Fragebogen
Abbildung 19: Boxplot Ausreißer
Abbildung 20: Indikatorreliabilität
Abbildung 21: SRMR-Wert
Abbildung 22: Probability level
Tabellenverzeichnis
Tabelle 1: Überblick Instrumente Mobile Marketing
Tabelle 2: Definitionen Determinanten TAM 3
Tabelle 3: Definitionen Determinanten UTAUT 2
Tabelle 4: Operationalisierung des Modells
Tabelle 5: Kriterienkatalog zur Wahl des geeigneten Messmodells
Tabelle 6: Unterschiede Varianz- und Kovarianzbasierter Ansatz
Tabelle 7: Überblick Prüfkriterien zweite Generation.
Tabelle 8: Diskriminanzvalidität
Tabelle 9: Gütekriterien Modell-Fit
Tabelle 10: Standardisierte Regressionsgewichte
Tabelle 11: Regressionsgewichte
Tabelle 12: Bewertungssystem Hypothesen
Tabelle 13: Vergleich Gütekriterien nach Modifikation
Tabelle 14: Zusammenfassung Akzeptanzmodelle
Tabelle 15: Übersicht aktueller Forschungsstand
Tabelle 16: Codeplan Wertelables
Tabelle 17: Fehlende Werte
Tabelle 18: Deskriptive Statistik
Tabelle 19: Malahanobis-Distanz
Tabelle 20: Tests auf Normalverteilung
Tabelle 21: Schiefe- und Wölbungsmaße
Tabelle 22: Regressionsgewichte
Tabelle 23: SMC-Werte
Tabelle 24: Faktorreliabilität
Tabelle 25: Standardisierte Regressionswerte
Tabelle 26: Regressionsgewichte nach Modifikation
Tabelle 27: Standardisierte residuelle Kovarianzen
Tabelle 28: Modification-Indices
1 Einleitung
Im Zuge der digitalen Transformation und des stetig steigenden Wettbewerbs stehen Unternehmen vor neuen Chancen, aber auch Herausforderungen. Wer sich als innovatives Unternehmen in einem schnelllebigen Markt durchsetzen möchte, muss sich mit den neuesten Trends und Technologien befassen (Rieber, 2017, S. 39). Mobile Marketing wird dabei zu einem immer wichtigeren Instrument, da es im Vergleich zu traditionellen Medien, den Unternehmen ermöglicht, noch näher am Kunden zu sein. Mobile Endgeräte bieten die Chance, Konsumenten nahezu an jedem Ort zu kontaktieren, personalisierte Marketing-Maßnahmen zu entwickeln, die Interaktivität zu fördern sowie Werbebotschaften emotional aufzuladen (Holland & Koch, 2014, S. 439 ff.)
Die Distanz zwischen dem Endgerät und dem Konsumenten nimmt immer weiter ab. So waren bislang Smartphones die persönlichsten Geräte, welche die Konsumenten im täglichen Gebrauch hatten. Einer der neuesten Trends sind jedoch „Wearables“. Nach Bendel (2018, o. S.) handelt es sich dabei um Computertechnologien, die am Körper oder am Kopf getragen werden und in der Lage sind permanent Daten zu verarbeiten, um so Informationen, Auswertungen und Anweisungen zu geben. Die beliebtesten Wearables der Deutschen sind mit 62 % Fitnessbänder und 45 % Smartwatches (Ballhaus, Son, Meyer & Ortmann, 2015, S. 9). Diese sind dadurch gekennzeichnet, dass sie neben den Funktionen eines Smartphones auch körperbezogene Daten, wie sie sich bspw. aus Pulsmessungen oder Schlafanalysen ergeben, dokumentieren können. Durch derartige individuelle und intime Daten, wird es den Unternehmen möglich, Bewegungsmuster und Routinen zu erkennen und so den Konsumenten mithilfe von Mobile Marketing personalisiert anzusprechen (Pinker, 2016, o. S.).
1.1 Problemstellung und Zielsetzung
Dem Potenzial, das bei dem Einsatz von Mobile Marketing auf Wearables entsteht, stehen jedoch auch einige Risiken gegenüber. Aufgrund der Verwendung sehr persönlicher und sensibler Daten ist bspw. mit einer Zunahme der Datenschutzbedenken zu rechnen.
Da die konsumentenseitige Akzeptanz neuer Technologien und Werbemedien maßgeblich in Abhängigkeit zu der späteren Nutzungsabsicht steht, ist es das Ziel der vorliegenden Arbeit akzeptanzschwächende und akzeptanzfördernde Einflussfaktoren zu identifizieren. Es wurden bereits Studien durchgeführt, die sich mit der Akzeptanzmessung von Mobile Marketing beschäftigen, sich jedoch nicht auf ein konkretes Endgerät konzentrieren. Daher soll die Untersuchung dazu beitragen, erste Hinweise auf relevante Kriterien bezüglich der Akzeptanz von Mobile Marketing auf Wearables zu identifizieren. Zur Beantwortung der Frage wird ein Strukturgleichungsmodell entwickelt, das dabei helfen soll, die kausalen Zusammenhänge zwischen den identifizierten Variablen zu analysieren.
1.2 Aufbau der Arbeit
Im Anschluss an die im ersten Kapitel dargestellte wissenschaftliche Bedeutsamkeit und Zielsetzung der Arbeit, erfolgt in Kapitel 2 die Darstellung der theoretischen Grundlagen. Zunächst wird dazu ein Überblick über Mobile Marketing gegeben, um schließlich mit der für die Arbeit relevante Thematik der Wearable Endgeräte fortzufahren. Hierbei wird definiert welche Besonderheiten Wearables mit sich bringen, wie die aktuelle Marktsituation aussieht und welche Einsatzmöglichkeiten im Marketing bestehen.
Darüber hinaus werden in Kapitel 2 die wichtigsten Erkenntnisse der Akzeptanzforschung dargelegt. Nach einer kurzen Erklärung der Diffusionstheorie wird ein Vergleich der in der Literatur vielfach verwendeten Akzeptanzmodelle angestellt. Beginnend mit dem ältesten Modell, der Theory of Reasoned Action (TRA) werden außerdem die Theory of Planned Behaviour (TPB), die Versionen der Theory Acceptance Models (TAM) als auch die beiden Varianten der Unified Theory of Acceptance and Technology (UTAUT) betrachtet. Als Abschluss des zweiten Kapitels erfolgt die Erarbeitung des aktuellen Forschungsstands bezüglich der Akzeptanz von Mobile Marketing auf Wearables.
Im dritten Kapitel wird nach einem kurzen Überblick über das statistische Verfahren der Strukturgleichungsmodellierung die Methodik vorgestellt und angewandt. Diese umfasst die Hypothesenbildung, die Erstellung eines Pfaddiagramms und die Spezifikation der Modellstruktur einschließlich deren Identifikation, die empirische Erhebung, die Schätzung der Parameter, die Darstellung der empirischen Ergebnisse und im letzten Schritt die Modifikation.
Im vierten Kapitel der Arbeit erfolgt schließlich die Diskussion der wichtigsten Erkenntnisse sowie die Ableitung geeigneter, praxisorientierter Handlungsempfehlungen. Anschließend wird die Untersuchung in Kapitel 5 kritisch gewürdigt und aufgezeigt welche Limitationen anzumerken sind. Außerdem wird in Kapitel 6 ein abschließendes Fazit der gesamten Arbeit gezogen.
2 Theoretische Grundlage
Um die Forschungsfrage beantworten zu können, ist es in einem ersten Schritt notwendig, die theoretischen Grundlagen darzulegen und zu erläutern. Aufgrund dessen wird zunächst ein Einblick in die Thematik Mobile Marketing mit speziellem Fokus auf Wearables gegeben, um anschließend mit den wichtigsten Erkenntnissen der Akzeptanzforschung fortzufahren. Daraufhin wird der aktuelle Forschungsstand dargestellt und die konkrete Forschungsfrage formuliert.
2.1 Mobile Marketing
In der heutigen, digitalen Welt bieten insbesondere mobile Geräte ein enormes Reichweitenpotenzial, sodass dieses Medium immer mehr in den Fokus von Werbetreibenden rückt. Die schnelle und fortlaufende Weiterentwicklung mobiler Technologien bietet Unternehmen vielseitige und innovative Möglichkeiten, mit Konsumenten in Kontakt zu treten. Ebenso spiegelt der stetige Anstieg der Ausgaben für Mobile Marketing innerhalb der letzten Jahre die zunehmende Wichtigkeit von mobilen Werbeformen im Marketing-Mix wider (Holland & Koch, 2014, S. 432).
2.1.1 Begriffliche Abgrenzung
Bevor eine Definition des Begriffs Mobile Marketing erfolgt, soll im ersten Schritt die Komponente Mobile näher betrachtet werden. Aufgrund der kontinuierlichen Entwicklung neuer Gerätetypen muss sich die Frage gestellt werden, welche Merkmale und Voraussetzungen erfüllt sein müssen, damit von einem mobilen Endgerät gesprochen werden kann (Rieber, 2017, S. 2 ff.).
Nach Scholz (2014, o. S.) kann ein mobiles Endgerät über seine speziellen Kriterien, namentlich die ständige Erreichbarkeit, die Lokalisierbarkeit sowie die Ortsunabhängigkeit definiert werden. Unter Erreichbarkeit wird verstanden, inwiefern die technischen Anforderungen zur Kommunikation erfüllt werden. Das zweite Kriterium, die Lokalisierbarkeit eines Geräts, zeichnet sich durch die Ermittlung des Standorts via WiFi, GPS oder alternativer Funkverfahren aus. Letztes Kriterium ist die Ortsunabhängigkeit; hierbei wird geprüft, inwiefern die Voraussetzung erfüllt ist, ob der Nutzer das Gerät jederzeit bequem mitführen kann. Dies wird ebenfalls von Decker, Bulander, Högler und Schiefer (2006, S. 104) bestätigt, indem sie Endgeräte als mobil bezeichnen, „wenn sie als persönliches Kommunikationsgerät vom Nutzer ohne große Anstrengungen den ganzen Tag im aktivierten oder empfangsbereiten Zustand mitgeführt werden können.“
Ein Blick auf die Endgeräte zeigt, dass Smartphones, Phablets und Feature Phones[1] das höchste Maß an Lokalisierbarkeit, Ortsunabhängigkeit sowie Erreichbarkeit aufweisen. Aber auch innovative Geräte wie Wearables erfüllen die Voraussetzungen, um als mobiles Endgerät bezeichnet werden zu können. Abbildung 15 (Anhang I) kann eine detaillierte Klassifizierung der unterschiedlichen Arten von mobilen Geräten unter dem Gesichtspunkt der drei Kriterien entnommen werden (Scholz, 2014, o. S.).
Nachdem die Komponente Mobile definiert wurde, gilt es nun eine präzise Definition des Begriffs Mobile Marketing vorzulegen. Da es sich bei Mobile Marketing um ein breitgefächertes Themengebiet handelt, sollen vorerst zusammenhängende und häufig genannte Begrifflichkeiten definiert und inhaltlich klar voneinander abgegrenzt werden (visuelle Darstellung in Abbildung 1).
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 1: Begriffliche Abgrenzung Mobile Marketing
(eigene Darstellung)
Electronic Business kann als Oberbegriff der Materie Mobile gesehen und als die „ ... Anbahnung sowie die teilweise respektive vollständige Unterstützung, Abwicklung und Aufrechterhaltung von Leistungsaustauschprozessen mittels elektronischer Netze ... “ definiert werden (Wirtz, 2001, S. 34).
Ein Teilbereich des Electronic Business‘ bildet das Mobile Business. Nach Wirtz (2001, S. 45) greift die eben genannte Definition ebenso für diesen Teilbereich mit der Erweiterung, dass die „Unterstützung, Abwicklung und Aufrechterhaltung von Leistungsaustauschprozessen“ zusätzlich in elektronischen Netzwerken mittels mobiler Zugangsgeräte erfolgt.
Mobile Commerce kann wiederum als Teil des Mobile Business‘ angesehen werden, dass die „Vorbereitung und/oder Vereinbarung und/oder Abwicklung eines Leistungsaustauschprozesses“ mittels mobiler Endgeräte oder des öffentlichen Mobilfunknetzes beschreibt. Nach Gerpott (2002, S. 51) besteht der Unterschied zum Mobile Business darin, dass dieses ebenso „nicht-marktliche Austauschprozesse ... in und zwischen Unternehmen“ berücksichtigt, hingegen Mobile Commerce lediglich kommerzielle Aktivitäten beinhaltet.
Dem Bereich des Mobile Business ist ebenfalls der für die Arbeit relevante Themenkomplex Mobile Marketing zuzuordnen. In der wirtschaftswissenschaftlichen Literatur wird oftmals der detaillierten Definition der Autoren Möhlenbruch und Schmieder (2002) gefolgt, die sämtliche Elemente des Marketing-Mix‘ abdeckt. So wird für den weiteren Verlauf der Arbeit Mobile Marketing als „die Planung, Durchführung und Kontrolle von Marketingaktivitäten bei der Nutzung von Technologien zur kabellosen Datenübertragung auf mobile Endgeräte im Rahmen einer marktorientierten Unternehmensführung verstanden“ (Möhlenbruch & Schmieder 2002, S. 77). Neben der Zugehörigkeit zum Mobile Business kann ebenfalls eine Schnittstelle zwischen Mobile Marketing und Mobile Commerce festgestellt werden. Rieber (2017, S. 52) zufolge kann Mobile Commerce als ein Instrument von Mobile Marketing gesehen werden. Werden E-Commerce-Lösungen wie Mobile Shops speziell für mobile Endgeräte entwickelt oder mobil-optimiert, so wird dies als Mobile Commerce bezeichnet.
2.1.2 Einordnung in den Marketing-Mix
Damit das Potenzial von Mobile Marketing voll ausgenutzt werden kann, sollten Unternehmen versuchen die Maßnahmen umfassend in den Marketing-Mix zu integrieren, anstatt lediglich punktuell einzusetzen (Rieber, 2017, S. 31).
In der traditionellen Betriebswirtschaftslehre umfasst der Marketing-Mix die Bereiche Produktpolitik, Preispolitik, Kommunikationspolitik sowie Distributionspolitik (McCarthy 1960, S. 670). Im Laufe der Jahre wurde das Modell jedoch stark diskutiert. Beispielsweise kritisiert Constantinides (2006, S. 431) die interne Ausrichtung des Marketing-Mix‘ und eine daraus resultierende mangelnde Kundenorientierung. Des Weiteren hat sich das soziale und wirtschaftliche Umfeld von Unternehmen deutlich verändert. Die fortlaufende Digitalisierung und der steigende Wettbewerbsdruck haben Auswirkungen auf den Marketing-Mix, sodass ein weiterer Kritikpunkt die mangelnde Personalisierung darstellt. Das ursprüngliche Modell weist eine Orientierung hingehend zum Massenmarketing auf, obwohl der Trend zu Individualisierung und Personalisierung zunimmt (Constantinides, 2006, S. 431 f.). Infolgedessen wurden die vier P nach McCarthy (1960) von verschiedenen Autoren verändert oder um weitere Faktoren ergänzt.
Chen (2006, S. 410 ff.) zufolge ist das Modell der chinesischen Wissenschaftler der National Taiwan Universität (1999) im Hinblick auf die Einbeziehung der verschiedenen Rahmen-bedingungen (sozial, legal, technologisch, politisch sowie ökonomisch) besonders aussagekräftig. Das ursprüngliche Modell wird dabei um weitere vier P ergänzt. „Precision“ (Präzision) beschreibt die Nutzung von Datenbanksystemen, mithilfe derer die Genauigkeit bei dem Auswahlverfahren des Zielsegments sowie der Marktpositionierung im digitalen Umfeld gesteigert werden kann. Weiterer Bestandteil sind die „Payment Systems“ (Zahlungssysteme), die so gestaltet werden sollen, dass sie sowohl sicher als auch einfach nutzbar sind. Die dritte Ergänzung stellt die „Personalization“ (Personalisierung) dar; hierbei soll eine Oberfläche entstehen, die es ermöglicht, Konsumentenbedürfnisse genau zu analysieren. „Push and Pull“ vervollständigt schließlich das überarbeitete Modell und beschreibt den Ausgleich zwischen einer aktiven Kundenansprache (Push) und der durch die Kundennachfrage imitierten Kommunikation (Pull).
Auch andere Autoren hielten eine Modifizierung für notwendig, sodass Judd (1987, S. 243) den Marketing-Mix bspw. um die Komponente „People“ (Menschen) ergänzte. Magrath (1986, S. 45) argumentierte hingegen, dass die Ergänzung um „Phyisical Facilities“ (Ausstattung), „Process Management“ (Prozess Management) und „Personell“ (Personal) den Marketing-Mix am besten darstellt. Dies deckt sich weitgehend mit der Auffassung von Goldsmith (1999, S. 180), der eine „Acht-P-Lösung“ mit den Komponenten „Product“ (Produkt), „Price“ (Preis), „Place“ (Distribution), „Promotion“ (Kommunikation), „Personell“ (Personal), „Physical Assests“ (Austattung), „Procedures“ (Verfahren) und „Personalisation“ (Personalisierung) vorschlägt.
Dominici (2009, S. 20) betont, dass der Vier-P-Marketing-Mix in Zeiten entwickelt wurde, in der physische Produkte, physische Distribution sowie Massenkommunikation dominierten. Aufgrund der neuen Bedingungen am Markt und der rasanten Entwicklungen kommen demzufolge immer mehr Kritikpunkte an diesem Modell auf. Trotz zahlreicher Anpassungen konnte bislang noch kein neuer Standard etabliert werden, der den Vier-P-Marketing-Mix ersetzt. Dominici (2009, S. 20) vermutet, dass das Fehlen eines neuen allgemeingültigen Modells an dem uneinheitlichen Verständnis der Integration digitaler Technologien in Unternehmen liegt. So kommt der Autor zu dem Schluss, dass das ursprüngliche Modell trotz der Kritikpunkte immer noch seine Gültigkeit hat und Anpassungen innerhalb des Modells ausreichen, um die Anforderungen der heutigen Zeit zu erfüllen (Dominici, 2009, S. 20). Dies deckt sich mit der Auffassung von Goi (2009, S. 5), der Folgendes anführt: „The marketing mix most commonly remains based on the 4 P’s ... and because of its simplicity, the use of this framework remains strong …”. Aus diesem Grund soll im Folgenden der Marketing-Mix nach McCarthy (1960) unter dem Gesichtspunkt Mobile näher analysiert werden.
Der erste Bereich des Vier-P-Modells besteht aus der Produktpolitik. Darin werden Entscheidun-gen getroffen, die sich mit dem Leistungsangebot eines Unternehmens befassen. Grundsätzlich kann zwischen materiellen Leistungen, auch Sachgüter genannt, und immateriellen Leistungen, auch Dienstleistungen genannt, unterschieden werden (Bruhn, 2016, S. 123). Es besteht die Möglichkeit, die mobile Komponente mithilfe innovativer Produkte zu integrieren, mit dem Ziel die Beziehung zwischen bestehenden Kunden und Unternehmen zu stärken oder auch neue Kunden zu gewinnen (Holland & Bammel, 2006, S. 52). Zum einen können Kernprodukte um zusätzliche Funktionen und Themen ergänzt werden oder aber das Unternehmen bietet komplett neue Produkte an. Beispielsweise bestände für ein klassisches Verlagshaus die Möglichkeit, über das Kernprodukt hinaus – in diesem Fall das gedruckte Magazin – eine weiterführende multimediale Materialsammlung mit den veröffentlichten Artikeln anzubieten. Unabhängig von dem Kernprodukt könnte die Einrichtung einer interaktiven App oder Website ebenso eine Option darstellen, Mobile Marketing innerhalb der Produktpolitik zu realisieren (Rieber, 2017, S. 32).
Die zweite Komponente des Marketing-Mix‘ bildet die Preispolitik. Nach Bruhn (2016, S. 165) wird sich in diesem Bereich mit der Art der Gegenleistungen befasst, welche die Konsumenten für die Nutzung der Leistung erbringen müssen. Dabei werden nicht einzig und allein preispolitische Entscheidungen, sondern ebenso Voraussetzungen wie Liefer- und Zahlungsbedingungen diskutiert. Laut Dufft und Wichmann (2003, S. 39) dominieren jedoch im Bereich der Preispolitik „mobile Kanäle vor allem zur Distribution preispolitischer Instrumente“. Besonders beliebt sind Coupons oder Rabatte. Der mobile Kanal hat den Vorteil, dass die Instrumente unmittelbar an den Empfänger gesendet werden können, ohne auf Ort und Zeit zu achten, wodurch die Transaktionsbereitschaft der Konsumenten steigt. Neben den zahlreichen Vorteilen, die Mobile Marketing im preispolitischen Bereich zu bieten hat, betont Rieber (2017, S. 32) jedoch, dass gerade neu aufgenommene mobile Produkte des Portfolios auch negative Auswirkungen auf die Preispolitik haben könnten. Einerseits müssen Unternehmen die zusätzlichen Kosten für die Entwicklung und Instandhaltung strategisch abwägen und andererseits eine mögliche Kannibalisierung des Kernproduktes sowie eine veränderte Zahlungsbereitschaft der Inhalte auf mobilen Geräten berücksichtigen. Bezugnehmend auf das Beispiel der Verlagshäuser, können diese zwar eine positive Entwicklung zugunsten mobiler Endgeräte feststellen, jedoch besteht im Vergleich zu Printprodukten eine veränderte Zahlungsbereitschaft der Kunden gegenüber mobilen Inhalten.
Da mobile Geräte in erster Hinsicht einen zusätzlichen Kommunikationskanal darstellen, wird Mobile Marketing vor allem im dritten Bereich des Marketing-Mix‘, der Kommunikationspolitik, implementiert. Allgemein ist es das Ziel der Kommunikationspolitik, Kommunikationsmaßnahmen und -instrumente zu erstellen, welche die Leistungen des Unternehmens optimal präsentieren, um so relevante Zielgruppen anzusprechen und/oder eine Interaktion mit ihnen herzustellen (Bruhn, 2016, S. 199). Holland und Koch (2014, S. 444) betonen, dass sich Mobile Marketing angesichts der genauen Netzzuordnung insbesondere für individualisiertes Dialogmarketing eignet, sodass in diesem Bereich die häufigste Anwendung zu finden ist.
Den letzten Bereich stellt die Distributionspolitik dar. Generell umfasst dieser Bereich zahlreiche Entscheidungen, „die sich auf die direkte und/oder indirekte Versorgung der Kunden mit materiellen und/oder immateriellen Unternehmensleistungen beziehen“ (Bruhn, 2016, S. 245). Hierbei bietet die mobile Komponente ebenfalls vielseitige Optionen für sowohl bereits bestehende als auch spezielle mobile Produkte. Eine in der heutigen Zeit sehr gefragte Möglich-keit besteht darin, Produkte über mobile Shops (Mobile Commerce) zu vertreiben. Somit können Unternehmen einen neuen, mobilen Vertriebskanal etablieren, der weder zeit- noch orts-gebunden ist (Holland & Koch, 2014, S. 443).
Wie zu erkennen ist, können Unternehmen auf vielfältige Weise durch den Einsatz von Mobile Marketing profitieren: Marken können inszeniert, Kunden gebunden oder neu gewonnen sowie Produkte verkauft werden. Die relevantesten Instrumente können Tabelle 1 entnommen werden (Rieber, 2017, S. 28).
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 1: Überblick Instrumente Mobile Marketing
(Darstellung in Anlehnung an Rieber, 2017, S. 28)
2.1.3 Wearables
Mobile Marketing kann mittels verschiedenster Kanäle und Endgeräte an den Konsumenten gelangen. Einer der zukünftig innovativsten Trends ist der Einsatz von Mobile Marketing auf „Wearable-Geräten“ (Rieber, 2017, S. 7), die in Kapitel 2.1.3 behandelt werden.
2.1.3.1 Definition
Im ersten Schritt wird der Begriff Wearable definiert um ein genaueres Verständnis für die Thematik zu bekommen. Das Wort stammt aus dem Englischen und bedeutet so viel wie „tragbar, zu tragen“ (Kuhnt, 2018, o. S.). Gemeint sind damit Computertechnologien, die am Körper oder am Kopf getragen werden. Der größte Unterschied zu anderen mobilen Endgeräten wie Smartphones ist somit, dass die Hände zum Tragen des Geräts nicht erforderlich sind. Während mobile Geräte, die in der Hand gehalten werden, die volle Aufmerksamkeit während der Nutzung fordern, bieten Wearables die Möglichkeit von Multitasking (Bublitz & Eikerling, 2005, S. 5; Shankar, Ramanathan, Rizley, Holland & Morrissey, 2016, S. 10). Bezüglich der Funktionen sind Wearables in der Lage, permanent Daten zu verarbeiten und so Informationen, Auswertungen und Anweisungen zu geben (Bendel, 2018, o. S.). Abbildung 2 zeigt beispielhaft einen Einblick in die verschiedenen Einsatzbereiche der Wearable-Technologie.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2: Übersicht Einsatzbereiche Wearable-Technologie
(Darstellung in Anlehnung an Peron, 2014, o. S.)
2.1.3.2 Wearable-Markt
Der Markt für Wearables ist in den letzten Jahren stetig gewachsen und wird laut Prognosen auch in den kommenden Jahren ebenfalls einen Anstieg verzeichnen können. Laut IDC (2018, o. S.) werden bis 2022 knapp 200 Millionen Wearables (vergleichsweise knapp 125 Millionen im Jahr 2018) weltweit abgesetzt. Am beliebtesten sind bei den Deutschen Fitnesstracker und Smartwatches (Ballhaus u. a., 2015, S. 9). Der Großteil (55 % von 504 befragten Smartwatch- Besitzern zwischen 18 und 79 Jahren) nutzt die Smartwatch jeden Tag (Kolocek, 2016, S. 10). Konsumenten wollen über das Wearable Device an erster Stelle folgende Informationen erhalten: Effektiveres Fitnesstraining (52 %), medizinische Informationen (46 %), Aufzeichnung von Aktivi-täten (44 %) und gesündere Ernährung (38 %). Außerdem wünschen sich Nutzer von Wearables mit einem Anteil von 21 % jedoch auch passende Kaufangebote und Rabatte zu erhalten (Ballhaus u. a., 2015, S. 11).
Scholz (2014, o. S.) betont, dass einige Wearable-Geräte nur mithilfe eines bei sich getragenen Smartphones verwend- und erreichbar sind. Deshalb wird sich im weiteren Verlauf der Arbeit auf Smartwatches konzentriert, da die neuesten Modelle eigenständig funktionieren und alle Kriterien eines mobilen Endgeräts (Ortunabhängigkeit, Lokalisierbarkeit, Erreichbarkeit) erfüllen (Struck, 2018, o. S.). Zudem gehören Smartwatches zu den führenden Geräten im Wearable-Markt in Deutschland, wodurch die Messung der Akzeptanz von Mobile Marketing anhand dieser Geräte am sinnvollsten erscheint. Im Folgenden wird somit der Begriff Wearable als Synonym für Smartwatches verwendet.
2.1.3.3 Charakteristika und Einsatzmöglichkeiten im Marketing
Um das mobile Endgerät Wearable besser zu verstehen, werden nachfolgend die allgemeinen Funktionen und Charakteristika vorgestellt. Grundsätzlich dienen Smartwatches als Uhr. Darüber hinaus haben sie jedoch zusätzliche Funktionen, die denen eines Smartphones ähneln. Es ist bspw. möglich, E-Mails abzurufen, zu telefonieren, Nachrichten zu schreiben, sich navigieren zu lassen oder auch Musik zu hören (Apple Inc., 2018, o. S.). Aufgrund dessen, können die von Bauer, Reichardt und Neumann (2008 , S. 111 f.) identifizierten Charakteristika eines Smartphones und die daraus resultierenden besonderen Leistungsmerkmale ebenso für Wearables geltend gemacht werden:
- Ortsunabhängigkeit: Es ist möglich, an jedem Ort Kontakt zu Konsumenten aufzunehmen.
- Ständige Erreichbarkeit: Konsumenten sind nahezu dauerhaft erreichbar, da sie ihre Wearables fast ständig bei sich tragen.
- Personalisierung: In den seltensten Fällen werden Wearables von mehr als einer Person genutzt, sodass eine präzise Zuordnung des Nutzers und Geräts möglich ist. Somit bieten Wearables optimale Bedingungen, Konsumenten direkt und individualisiert anzusprechen.
- Interaktivität: Wearable-Geräte sind interaktive Medien, wodurch der Nutzer unmittelbar auf den Eingang einer Nachricht reagieren kann. Daher haben werbetreibende Unternehmen die Möglichkeit, einen direkten Dialog mit dem Konsumenten aufzubauen.
- Lokalisierbarkeit: Technologien wie bspw. das Global Positioning System (GPS) ermöglichen es relativ exakt, den gegenwärtigen Aufenthaltsort des Mobilfunknutzers zu erkennen und entsprechend den Marketingimpuls darauf abzuzielen. Ein Beispiel wäre die direkte Kontaktaufnahme mit dem Kunden am Point of Sale (POS), um so über derzeitige Angebote zu informieren und bspw. zu Impulskäufen anzuregen. Zobel (2001, S. 51) spezifiziert die Charakteristik der Lokalisierbarkeit noch weiter indem er sagt, dass durch die Identifikation des Standortes „aktionsbezogene Informationen und Anwendungen“ angeboten werden können. So ergibt sich aus der Lokalisierbarkeit die zusätzliche Komponente der Kontextspezifität. Zum einen gibt es den lokalen Kontext, der beschreibt, dass das System in der Lage ist den Standort des Nutzers zu erkennen. Zum anderen ergibt sich der aktionsbezogene Kontext, bei welchem der Ort mit bestimmten Aktivitäten, wie bspw. dem Einkaufen oder Tanken gehen, verbunden wird. So könnte der Konsument beim Tanken an der Aral-Tankstelle automatisch ein Angebot des Shops oder die Möglichkeit der direkten Bezahlung auf dem Bildschirm des Endgeräts erhalten. Die dritte Unterteilung ist der zeitspezifische Kontext, bei dem der Ort mit dynamischen Daten wie Veranstaltungen oder tagesaktuellen Aktionen verknüpft wird. Ein mögliches Szenario wäre, dass ein Nutzer durch die Stadt geht und eine Nachricht bekommt, dass in seiner Nähe ein Konzert stattfindet, welches ihn interessieren könnte. Die letzte Komponente ist der interessensspezifische Kontext, bei dem die Präferenzen des Konsumenten mit konkreten Informationen angesprochen werden (Zobel, 2001, S. 51).
Neben den eben genannten Charakteristika haben Wearables jedoch noch weitere besondere Eigenschaften. Nach Rieber (2017, S. 7) nimmt die Distanz zwischen dem Endgerät und dem Konsumenten immer weiter ab. So konnten Smartphones bisher als die persönlichsten Geräte angesehen werden; durch Wearables wird jedoch „die nächste Stufe erreicht“, da die verarbeiteten Daten immer persönlicher und sensibler werden (Rieber, 2017, S. 7). Leonid Bershidsky, ein Redakteur des Bloomberg Nachrichten- und Medienunternehmens mit Sitz in New York City, formuliert es noch drastischer, indem er sagt: „We have arrived at a stage where the devices we carry in out pockets, or wear on our wrists, are no less part of our being than they would be if implanted in our bodies“ (Bershidsky, 2014, o. S.).
So wird die Smartwatch zu einem multifunktionalen und vielfach eingesetzten Gerät. Neben den Funktionen wie der Annahme von Telefonaten oder des Abrufens von E-Mails ist sie auch in der Lage, körperbezogene Daten zu messen und zu analysieren. So können bspw. Herzfrequenz, Blutdruck, Körpertemperatur und Wassergehalt im Körper gemessen, Schlafgewohnheiten erfasst und analysiert sowie die verbrauchten Kalorien errechnet werden. Darüber hinaus dient sie als Fitnesstracker, Aufgabenerinnerung und allgemeiner Organisator (Global Industry Analysts Incorporation, 2015, o. S.).
Durch diese Funktionen wird es dem Konsumenten ermöglicht, seine eigenen Routinen zu analysieren und sich selber besser zu kontrollieren (Hofer, 2015, o. S.). Nicht nur Anwender können durch die Nutzung von Wearables profitieren; auch Unternehmen ist es möglich, das Endgerät für eigene Zwecke vorteilhaft zu nutzen (Kuryliak, 2015, o. S.). Durch derartige individuelle und intime Daten können Unternehmen Bewegungsmuster und Gewohnheiten erkennen und so den Konsumenten mithilfe von Mobile Marketing personalisiert ansprechen (Pinker, 2016, o. S.). Die personalisierten Informationen können bspw. für das Erstellen einzigartiger Nachrichten, für die Bereitstellung relevanter Produktinformationen oder für Loyalitätsprogramme genutzt werden (Kuryliak, 2015, o. S.). Da Wearables oftmals zur Überwachung von Gesundheitsaktivitäten genutzt werden, ist es ebenso denkbar, dass Erinnerungen für den Kauf oder Konsum von gesundheitsbezogenen Produkten wie Lebensmittel, Getränke, Medikamente und Gesundheitsdienstleistungen kommuniziert werden (Shankar u. a., 2016, S. 10).
Location-based Marketing ist ein Bereich, der besonders gut genutzt werden könnte, indem der Standort von Konsumenten verwendet wird, um relevante, zeitnahe und ansprechende Nach-richten und Informationen zu versenden (Bharat & Minakakis, 2003, S. 61). Ein mögliches Szenario im Hinblick auf die Nutzung von Location-based Marketing auf Wearables wäre das Senden von Coupons. Geht ein Konsument an einer Kaffeehauskette vorbei, würde er mittels einer kurzen Vibration am Handgelenk die Nachricht bekommen, dass ihm ein Rabatt zur Verfügung gestellt wird (siehe Abbildung 3). Dieser könnte dann unmittelbar über Apple Pay mit der Apple Smartwatch eingelöst werden (Sieben, 2016, o. S.). Eine weitere Besonderheit ist, dass der Konsument mit haptischen Funktionen auf die Marketing-Maßnahme aufmerksam gemacht werden kann (Jacobsen, 2015, o. S.). Ein zusätzliches denkbares Szenario geht noch einen Schritt weiter, da hier individuell auf das Bedürfnis des Konsumenten eingegangen wird. Ein Jogger läuft seine gewohnte Strecke und bekommt aufgrund einer hohen Herzfrequenz eine Push-Nachricht auf seine Uhr gesendet, dass in einem Supermarkt um die Ecke Erfrischungsgetränke zu einem reduzierten Preis angeboten werden (Kuryliak, 2015, o. S.).
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 3: Beispiel Mobile Marketing Smartwatch
(Sieben, 2016, o. S.; Sprague, 2017, o. S.)
Zusammenfassend erklären Shankar u. a. (2016, S. 10): „Because wearables are always on, marketing messages can be delivered to the wearables every couple of seconds, leading to ‘marketing at a glance.’ Wearables have the potential to allow mobile marketers to tap into not just location information of users like any other non-wearable mobile device, but also emotion information.”
Neben vielen Chancen, die das Marketing auf Wearables bietet, bestehen jedoch auch einige Risiken. So kann es zu Anfang sehr aufregend sein, Nachrichtenhinweise über haptische Reize zu bekommen; Unternehmen sollten jedoch darauf achten, dass der Konsument nicht mit Nachrichten überflutet wird, da dies eine negative Einstellung zur Folge haben könnte (Hofer, 2015, o. S.; Jacobsen, 2015, o. S.; Kuryliak, 2015, o. S.; Sieben, 2016, o. S.). Drèze und Bonfrer (2008, S. 48 f.) bestätigen in ihrer empirischen Studie ebenfalls den Zusammenhang zwischen der Frequenz des Kontakts zwischen einem Vermarkter und seinem Kunden und der daraus resultierenden Kundenbindung.
Ein weiterer wichtiger Aspekt ist der Datenschutz. Da die aufgenommenen Daten der Wearable- Geräte persönlicher und sensibler denn je sind, müssen Unternehmen diese mit Vorsicht behandeln. Je mehr Daten gesammelt werden, umso achtsamer müssen diese verarbeitet werden, da Konsumenten bei Missachtung ihrer Privatsphäre besonders empfindsam sind. Insbesondere im Hinblick auf die neuesten Entwicklungen wie den aktualisierten EU-Datenschutz-verordnungen müssen Unternehmen noch achtsamer im Umgang mit den persönlichen Daten von Konsumenten sein (Voßhoff, 2017, S.9-34).
Bauer (1976, S. 208) erklärte schon vor mehr als vierzig Jahren, dass das Konsumentenverhalten in starker Abhängigkeit zu der Risikowahrnehmung steht. Besonders bei der Adoption eines neuen Produktes besteht ein großes Risiko für den Konsumenten, da noch keine ausreichenden Erfahrungen gemacht wurden (Sheth, 1968, S. 179). So sollte eine bestmögliche Balance gefunden werden, um die Bedürfnisse eines Kunden durch die Sammlung und korrekte Interpretation der Daten zu erfüllen und einen zukünftigen Verkauf nicht dadurch zu gefährden, dass die Privatsphäre des Nutzers verletzt wird. Wenn dieses Gleichgewicht nicht aufrechterhalten werden kann, ist das Risiko hoch, den Nutzer zu verlieren, da die Datenschutzeinstellungen selbstständig leicht geändert werden können (Kuryliak, 2015, o. S.).
Auch die Gestaltung der Marketing-Maßnahmen bringt besondere Anforderungen mit sich. So hat das Unternehmen Adweek LLC (2015, o. S.) herausgefunden, dass die Aufmerksamkeit bei einem Smartphone 30 Sekunden aufrechterhalten werden kann, bei einem Wearable-Gerät hingegen nur 3 Sekunden. Hinzu kommt, dass der Bildschirm bei einem Smartphone bereits relativ klein, auf den Wearable-Geräten jedoch noch deutlich kleiner ist. Auch wenn Konsumenten in einer schnelllebigen Zeit wie heute an möglichst prägnanten Nachrichten interessiert sind, ist der kleine Bildschirm eine große Herausforderung für Unternehmen. Die Informationen müssen als kurze und relevante Nachrichten übermittelt werden, ohne dabei Inhalte zu verlieren (Kloefkorn, 2016, o. S.).
2.2 Akzeptanzforschung
Während sich die Diffusionsforschung vornehmlich damit auseinandersetzt, innerhalb welchen Zeitraums Konsumenten eine Innovation annehmen, konzentriert sich die Akzeptanzforschung auf „die Annahme von Innovationen durch das Individuum zu einem bestimmten Zeitpunkt“ (Simon, 2001, S. 86). Im betriebswirtschaftlichen Rahmen dominiert die Akzeptanzforschung primär in der Wirtschaftsinformatik sowie in der Organisations- und Marketinglehre. In dem für die vorliegende Arbeit interessanten Bereich, der Marketinglehre, geht es maßgeblich um die Ursachenforschung für die Annahme oder Ablehnung innovativer Produkte und Dienstleistungen (Simon, 2001, S. 86). Im Folgenden soll die Diffusionstheorie kurz beleuchtet werden, um anschließend einen tieferen Einblick in die Akzeptanzforschung zu geben.
2.2.1 Diffusionstheorie
Die Diffusionstheorie setzt sich grundsätzlich mit der Verbreitung von Innovationen mittels verschiedener Kanäle auseinander. Rogers (2003, S. 12) bezeichnet eine Innovation als „an idea, practice, or object that is perceived as new by an individual or other unit of adoption.” Ausgehend von diesem Verständnis können Wearable-Geräte als eine Innovation verstanden und mithilfe der Diffusionstheorie erklärt werden.
Bevor mit der Erläuterung der Phasen des Prozesses begonnen wird, sollen zunächst die Einflussfaktoren, die auf den Prozess einwirken, erklärt werden. Ein Faktor, der bei der Übernahme einer Innovation einfließt, sind die vom Individuum zuvor gemachten Erfahrungen, da diese das zukünftige Verhalten prägen. Zudem haben die individuellen Bedürfnisse sowie die grundsätzliche Einstellung zu Innovationen eine nicht zu unterschätzende Bedeutung. Letztes Kriterium ist das soziale Umfeld des Individuums, durch welches gegebenenfalls ebenso eine Beeinflussung bezüglich der Adoption einer Innovation stattfinden kann (Rogers, 2003, S. 36 ff.).
Die erste Phase des Innovations-Entscheidungs-Prozesses wird als Wissen bezeichnet. In dieser Phase erfährt das Individuum erstmals von der Innovation. Es bestehen jedoch unterschiedliche Formen des Wissens; das Individuum kann lediglich über die Existenz der Innovation informiert sein, Grundwissen darüber haben oder über konkretes Wissen zur genauen Anwendung verfügen. In der nächsten Phase, Persuasion genannt, beschäftigt sich das Individuum mit den Vor- und Nachteilen, die eine Übernahme der Innovation mit sich bringen würden. Dabei werden denkbare Konsequenzen durchdacht, Meinungen des sozialen Umfelds gesucht und schließlich eine positive oder negative Haltung gegenüber der Innovation entwickelt. In der dritten Phase wird sich unter Berücksichtigung der Ergebnisse der vorherigen Phasen entweder für die Übernahme der Innovation oder dagegen entschieden. In der vorletzten Phase, welche als Implementierung bezeichnet wird, integriert das Individuum die Innovation schließlich in seine alltäglichen Routinen und nutzt diese kontinuierlich, sofern es sich zuvor dazu entschlossen hat. Abschließend wird in der letzten Phase, der Bestätigung evaluiert, ob die Innovation den Erwartungen standhalten konnte oder nicht. Wenn die Person mit der Nutzung der Innovation zufrieden ist, dann wird diese auch weiterhin genutzt. Es gibt jedoch auch die Möglichkeit, dass die Nutzung der Innovation bei Unzufriedenheit eingestellt oder durch die Übernahme einer neuen Innovation ersetzt wird (Rogers, 2003, S. 168-194).
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 4: Diffusionskurve für Innovationen
(Darstellung in Anlehnung an Rogers, 2003, S. 281)
Neben den verschiedenen Prozessphasen kategorisiert Rogers (2003, S. 282-285) außerdem fünf unterschiedliche Übernehmertypen, die in Abbildung 4 ersichtlich werden.
- Innovatoren bilden die erste Gruppe der Übernehmer, die als stark risikobereit charakterisiert werden. Aufgrund finanzieller Sicherheiten nehmen sie die Unsicherheit einer Fehlinvestition in Kauf, obwohl zu diesem Zeitpunkt noch keinerlei Aussagen über den Erfolg der Innovation gemacht werden können. Diese Gruppe weist bei weitem die kleinste Anzahl mit insgesamt nur ca. 2,5 % aller Übernehmer auf.
- Anschließend adaptieren die frühen Übernehmer die Innovation. Diese Gruppe zeichnet sich durch eine sehr starke lokale Vernetzung aus. Sie werden auch als Meinungsführer bezeichnet, da sie des Öfteren von ihrem sozialen Umfeld um eine persönliche Empfehlung bezüglich der Übernahme einer Innovation kontaktiert werden. Vergleichsweise sind die früh-en Übernehmer mit 13,5 % auch eine eher kleine Gruppe.
- Die frühe Mehrheit bildet mit 34 % eine der größten Übernehmergruppen. Nachdem die Innovation bereits von mehreren Individuen übernommen wurde, ist auch die frühe Mehrheit bereit, diese zu testen. Sie sind gut vernetzt und besitzen eine Vielzahl an sozialen Kontakten, werden jedoch nicht als Meinungsführer gesehen.
- Von der späten Mehrheit wird die Innovation aufgrund der wirtschaftlichen Notwendigkeit oder des großen sozialen Drucks übernommen. Grundsätzlich sind diese Übernehmer eher skeptisch und warten solange, bis die sozialen Normen deutlich für die Innovation sprechen. Diese Gruppe ist mit 34 % genauso groß wie die Gruppe der frühen Mehrheit.
- Die Gruppe der Nachzügler (ca. 16 %) übernimmt als letztes die Innovation, da sie Neuheiten stark misstrauen und sich eher an der Vergangenheit orientieren. Sie besitzen im Gegensatz zu den Innovatoren eher eingeschränkte Ressourcen, sodass Sicherheit bei einer Innovationsübernahme an vorderster Stelle steht. Außerdem zeichnet sich diese Gruppe durch eine eher geringe Anzahl an sozialen Kontakten (wenn dann zu anderen Nachzüglern) aus.
Im Verlauf der Zeit weist der Prozess der Diffusion auf Makroebene einen s-förmigen Kurven-verlauf auf, was empirisch mehrfach bestätigt wurde (Karnowski, 2013, S. 518). Zu Beginn weist die Kurve eine geringe Steigung auf, da die Innovation lediglich von einer geringen Anzahl an Individuen, den Innovatoren, angenommen wird. An dem Punkt der kritischen Masse steigt die Kurve jedoch steil an, weil die frühen Übernehmer die Innovation zu nutzen beginnen und dieses auch innerhalb ihres starken sozialen Netzwerks kommunizieren. Zum Ende des Prozesses wird der Kurvenverlauf immer flacher, da die Anzahl potenzieller Nachfrager stetig sinkt und nur noch die Nachzügler die Innovation übernehmen.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 5: Diffusionsprozess
(Darstellung in Anlehnung an Rogers, 2003, S. 344)
2.2.2 Definition Akzeptanz
In betriebswirtschaftlichen Publikationen ist mit der Zeit eine Vielzahl an verschiedenen Defini-tionen des Begriffs Akzeptanz entstanden (Kollmann, 1998, S. 61; Müller-Böling & Müller, 1986, S. 24 f.). Ein möglicher Ansatz der betriebswirtschaftlichen Akzeptanzforschung wurde 1986 von Müller-Böling und Müller (S. 25 ff.) entwickelt, bei welchem zwischen Einstellungs- und Verhaltensakzeptanz unterschieden wird.
Die Einstellungsakzeptanz umfasst drei wesentliche Komponenten: Zum einen die affektive (gefühlsmäßige) Komponente, bei welcher der motivational-emotionale Zustand beschrieben wird, also die hervorgerufenen Gefühle in Bezug auf die Innovation. Zum anderen ist in der Einstellungsakzeptanz die kognitive (verstandsmäßige) Komponente inbegriffen, die das Abwägen von Vor- und Nachteilen der Innovation mit Einbeziehung der eigenen Überzeugungen, Vorstellungen und des persönlichen Wissens über ein Objekt beschreibt. Die oftmals unbeachtete, die konative (handlungsorientierte) Komponente, beschreibt die Handlungs-absichten bezugnehmend auf ein Objekt, ohne dass diese auch wirklich realisiert werden müssen. Alle dargestellten Komponenten der Einstellungsakzeptanz sind nicht unmittelbar zu beobachten, da sie einen subjektiven Zustand beschreiben und nur mithilfe der Auskünfte des Anwenders ermittelbar sind. Dem steht die Verhaltensakzeptanz gegenüber, die das tatsächliche Verhalten und Handeln (z.B. die Nutzung der Innovation) wiederspiegelt. Wird der Auffassung von Kollmann (1998, S. 67 ff.) gefolgt, kann die Verhaltensakzeptanz zusätzlich in eine Handlungs- und eine Nutzungsphase unterteilt werden. Die Handlungsphase beschreibt den Kauf- bzw. Übernahmezeitpunkt, wohingegen die Nutzungsphase, „die Phase nach dem Kauf bzw. der Übernahme, in der die Innovation zum Einsatz kommt“, beschreibt (Kollmann, 1998, S. 68). Der Begriff der Gesamtakzeptanz wird von Kollmann (1998, S. 69) wie folgt definiert: „Akzeptanz ist die Verknüpfung einer inneren rationalen Begutachtung und Erwartungsbildung (Einstellungsebene), einer Übernahme der Nutzungsinnovation (Handlungsebene) und einer freiwilligen problemorientierten Nutzung (Nutzungsebene) bis zum Ende des gesamten Nutzungsprozesses (Nutzungsinnovation wird vom Markt genommen).“
Aufgrund der Neuheit von Mobile Marketing auf Wearables kann die Annahme getroffen werden, dass Nutzer in ihrem Alltag kaum in Kontakt mit dieser Art von Marketing gekommen sind und daher die Untersuchung der Handlungs- und Nutzungsakzeptanz nicht möglich ist. Aus diesem Grund wird sich im Folgenden auf die Einstellungsakzeptanz von Nutzern konzentriert.
2.2.3 Akzeptanzmodelle
Um für den weiteren Verlauf der Arbeit ein geeignetes Modell zur Messung der Akzeptanz von Mobile Marketing auf Wearables abzuleiten, ist es notwendig, vorliegende Modelle zur Messung von (Technologie-) Akzeptanz zu diskutieren. Im Folgenden wird daher ein Überblick über die wichtigsten und meist verbreitetsten Akzeptanzmodelle in der einschlägigen Literatur gegeben. Diese dienen im Allgemeinen dazu herauszufinden, welche Faktoren einen Einfluss auf die Akzeptanz haben (Maike, 2010, S. 237).
2.2.3.1 Theory of Reasoned Action (TRA)
Die Theorie des überlegten Handelns, auch Theory of Reasoned Action (TRA) genannt, wurde von Fishbein und Ajzen (1975) entwickelt und ist eines der bekanntesten Modelle zur Prognose des Verhaltens von Individuen im Zusammenhang mit ihrer Einstellung (Frey, Stahlberg & Gollwitzer, 1993, S. 360). Grundlage der Theorie ist, dass das tatsächliche Verhalten (Behaviour) eines Menschen maßgeblich von der Verhaltensabsicht (Behavioural Intention) abhängt (Fishbein & Ajzen, 1975, S. 335). Die Verhaltensabsicht, also die Intention eine Handlung ausführen zu wollen, ist wiederum durch zwei Faktoren geprägt: Zum einen von der Einstellung gegenüber dem Verhalten (Attitude Toward Behaviour), also ob eine Person dem Verhalten positiv oder negativ gegenübersteht, und zum anderen der subjektiven Norm (Subjective Norm), was beschreibt, ob die Person denkt, dass das Verhalten eine positive Reaktion im sozialen Umfeld – insbesondere bei wichtigen Bezugspersonen – auslösen wird (Fishbein & Ajzen, 1975, S. 216-302). Visualisiert sind die Zusammenhänge Abbildung 6 zu entnehmen.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 6: Theory of Reasoned Action
(Darstellung in Anlehnung an Fishbein & Ajzen, 1975, S. 16)
2.2.3.2 Theory of Planned Behaviour (TPB)
Aufgrund des Kritikpunktes, dass die Möglichkeit besteht, dass eine Person trotz ihrer positiven Verhaltenseinstellung nicht in der Lage ist die Handlung auszuführen (Frey u. a., 1993), wurde die TRA im Jahr 1985 von Ajzen (1985, S. 29-35) angepasst. Die Theorie des geplanten Verhaltens, auch Theory of planned behaviour (TPB) genannt , bezieht aufgrund der Tatsache, dass manche Dinge nicht direkt von einer Person beeinflussbar sind, zusätzlich den Faktor der wahrgenommenen Verhaltenskontrolle (Perceived Behaviouralal Control) ein. Hierbei wird berücksichtigt inwieweit die Möglichkeiten und die Ressourcen verfügbar sind, um das geplante Verhalten auch tatsächlich ausführen zu können. Allgemein wird die Intention des Verhaltens also von der Zusammensetzung der Einstellung, der subjektiven Norm sowie der Verhaltenskontrolle beeinflusst. Außerdem wird angenommen, dass die drei Einflussfaktoren sich ebenfalls gegenseitig beeinflussen. Die Verhaltenskontrolle hat in dem Modell eine besondere Rolle, da sie sich nicht nur auf die Verhaltensabsicht auswirkt, sondern auch unmittelbare Auswirkungen auf das Verhalten hat. Wenn eine Person bspw. von Beginn an der Meinung ist, sie könne die Handlung nicht ausführen, wird auch keine entsprechende Intention gebildet, sodass dies wiederum einen direkten Einfluss auf das Verhalten hat (Ajzen, 1985, S. 12).
Anhand des Beispiels „Blutspenden“ soll das Modell im Folgenden einmal praxisbezogen dargestellt werden. Eine Person entdeckt ein Werbeplakat, welches dazu auffordert, Blutspenden zu gehen. Ob diese Person den Termin in zwei Tagen wahrnimmt oder nicht, hängt von verschiedenen Faktoren ab. Zum einen muss die Person auch tatsächlich die Absicht haben, Blutspenden zu wollen. Diese Handlungsabsichten werden jedoch nicht zwangsläufig in die Tat umgesetzt. Zunächst muss eine positive Einstellung gegenüber dem Thema Blutspenden gege-ben sein. Des Weiteren hängt die Intention davon ab, ob Familie und Freunde der Person denken, sie solle zur Blutspende gehen oder nicht. Wenn diese beiden Faktoren positiv ausfallen, würde nach der Theorie des überlegten Handelns die Absicht entstehen Blutspenden zu gehen. In der TPB wird jedoch zusätzlich der Faktor der Verhaltenskontrolle berücksichtigt. Weiß eine Person bspw., dass sie den Termin zeitlich nicht realisieren kann, wird sie den Plan wieder verwerfen (direkter Einfluss auf das Verhalten). Eine weitere Möglichkeit ist, dass die Person an dem Tag der Blutspende erkrankt ist und die Handlung trotz Intention nicht ausführen kann (Gollwitzer & Schmitt, 2006, S. 9 ff.). Abbildung 7 zeigt das angepasste Modell in visualisierter Form.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 7: Theory of Planned Behaviour
(Darstellung in Anlehnung an Ajzen, 1985, S. 33)
2.2.3.3 Technology Acceptance Model (TAM)
Ebenfalls auf der TRA basierend wurde das Technology Acceptance Model (TAM) von Davis im Jahr 1985 entwickelt und von Davis, Bagozzi und Warshaw (1989) veröffentlicht. Das TAM gehört zu einem der am häufigsten angewandten Modelle (Lin & Chang, 2011, S. 425). So bestätigen die Metaanalysen von Legris, Ingham und Collerette (2003), King und He (2006) sowie Ma und Liu (2004) einheitlich die Stabilität der im TAM aufgestellten Beziehungen. Der Grundgedanke von Davis u. a. (1989, S. 985) war es, ein Modell zu entwickeln, das zum einen Determinanten der Akzeptanz und der Nutzung von Computern erklärt und zum anderen auf wesentliche Faktoren reduziert sowie theoretisch begründet ist.
Wie in Abbildung 8 zu sehen ist, wird auch in diesem Modell die Annahme getroffen, dass die tatsächliche Nutzung (Actual System Use) von der Nutzungsabsicht ( Behavioural Intention to Use) abhängt. Wie auch beim TRA Modell wird die Nutzungsabsicht von der Einstellung zur Nutzung ( Attitude Toward Using) beeinflusst. In das TAM neu aufgenommen wurden die Determinanten wahrgenommener Nutzen (Perceived Usefulness) und wahrgenommene Benutzerfreundlichkeit (Perceived Ease of Use). Ersteres hat direkte Auswirkungen auf die Nutzungseinstellung wie auch die Nutzungsabsicht und beschreibt das persönliche Empfinden, dass die Arbeitsleistung durch das Anwenden einer speziellen Technologie verbessert wird. Grund für den direkten Einfluss auf die Nutzungsabsicht ist, dass das Steigern der Leistung zu belohnenden Reaktionen führen kann. Letzteres, die wahrgenommene Benutzerfreundlichkeit, definiert den Aufwand der benötigt wird, um die Nutzung der neuen Technologie zu erlernen. Diese hat einen direkten Effekt auf die Einstellung zur Nutzung und auf den wahrgenommenen Nutzen. Durch eine große wahrgenommene Benutzerfreundlichkeit kann eine Leistungssteigerung herbeigeführt werden, weil es einer Person möglich wird, Aufwand zu sparen und so mehr Arbeit mit gleichem Aufwand zu erledigen. Des Weiteren werden externe Variablen, welche einen Effekt auf den wahrgenommenen Nutzen und die wahrgenommene Benutzerfreundlichkeit haben, zwar ebenfalls aufgenommen, jedoch nicht näher definiert.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 8: Technology Acceptance Model
(Darstellung in Anlehnung an Davis u. a., 1989, S. 985)
In den darauffolgenden Jahren wurde das Modell zweimal um verschiedene Einflussfaktoren ergänzt und spezifiziert. So entstand im Jahr 2000 das TAM 2, entwickelt von Venkatesh und Davis (2000). Größter Unterschied im Vergleich zum TAM ist, dass die externen Variablen, die vorher nur erwähnt wurden, genauer definiert werden (Venkatesh & Davis, 2000, S. 187-193; siehe Abbildung 16, Anhang I). Außerdem ist die Nutzungsabsicht fortan nicht mehr von der Einstellung zur Nutzung, sondern direkt von den Determinanten wahrgenommener Nutzen und wahrgenommene Leichtigkeit abhängig. Nach einer erneuten Überarbeitung von Venkatesh und Bala (2008) entstand schließlich das TAM 3. Ein Überblick über die integrierten Konstrukte und deren Beziehungen ist in Abbildung 9 dargestellt.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 9: Technology Acceptance Model 3
(Darstellung in Anlehnung an Venkatesh & Bala, 2008, S. 280)
Durch das TAM 2 wurden Prädikatoren in das Modell aufgenommen, die auf die wahrgenommene Nützlichkeit einwirken. Grundsätzlich wurden diese in die Kategorien sozialer Einfluss und kognitive Prozesse unterteilt. Die erste Kategorie besteht aus den Faktoren subjektive Norm (Subjective Norm), Image ( Image) und Freiwilligkeit (Voluntariness). Zugehörig zu der zweiten Kategorie sind die Faktoren Job-Relevanz (Job Relevance), Output-Qualität (Output Quality) sowie Beweisbarkeit der Ergebnisse (Result Demonstrability). Außerdem wurde der Einflussfaktor Erfahrung (Experience) einbezogen (Venkatesh & Davis, 2000, S. 188).
Im Zuge der zweiten Überarbeitung wurden im TAM 3 schließlich sechs weitere Einflussfaktoren, welche einen Effekt auf die wahrgenommene Benutzerfreundlichkeit haben, hinzugefügt: Selbstwirksamkeit (Selfefficacy), Wahrnehmung externer Kontrolle (Perceptions of External Control), Computerangst (Computer Anxiety), Computer-Verspieltheit (Computer Playfulness), wahrge-nommenes Vergnügen (Perceived Enjoyment) und objektive Benutzerfreundlichkeit (Objective Usability). In Tabelle 2 werden alle im Modell enthaltenen Determinanten ausführlich definiert, um ein genaues Verständnis zu erhalten.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 2: Definitionen Determinanten TAM 3
2.2.3.4 Unified Theory of Acceptance and Technology (UTAUT)
Da im Laufe der Jahre verschiedene Technologieakzeptanzmodelle mit unterschiedlichen Determinanten entwickelt wurden, haben es sich Venkatesh, Morris, Davis und Davis (2003) zum Ziel gesetzt, ein einheitliches, empirisch bestätigtes Modell zu entwickeln, dass die wichtigsten Erkenntnisse der adäquatesten Modelle berücksichtigt. Somit entstand durch die Integration folgender Modelle die Unified Theory of Acceptance and Technology (UTAUT):
- Theory of Reasoned Action (TRA): Fishbein und Ajzen (1975)
- Technology Acceptance Model (TAM): Davis u. a., (1989)
- Motivational Model (MM): Davis, Bagozzi und Warshaw (1992)
- Theory of Planned Behaviour (TPB): Ajzen (1985)
- Combined TAM and TPB (C-TAM-TPB): Taylor und Todd (1995)
- Model of PC Utilization (MPCU): Thompson, Higgins und Howell (1991)
- Innovation Diffusion Theory (IDT): Moore und Benbasat (1991)
- Social Cognitive Theory (SCT): Compeau und Higgins (1995)
Wie bereits bei zuvor dargestellten Modellen wird auch bei der UTAUT angenommen, dass das Nutzungsverhalten (Use Behaviour) von der Nutzungsabsicht (Behavioural Intention) abhängt. Die Nutzungsabsicht wird wiederum von den Determinanten Leistungserwartung (Performance Expectancy), Aufwandserwartung (Effort Expectancy) und sozialer Einfluss (Social Influence) beeinflusst. Zudem hat der Prädikator erleichternde Bedingungen (Facilitating Conditions) einen direkten Einfluss auf das Nutzungsverhalten. Neben den Effekten der Prädikatoren, welche auf die Verhaltensabsicht und das Nutzungsverhalten wirken, haben vier Moderatorvariablen, namentlich das Geschlecht (Gender), das Alter ( Age), die Erfahrung (Experience) und die Freiwilligkeit der Nutzung (Voluntariness) einen Einfluss auf die Prädikatoren (siehe Abbildung 17, Anhang I). Wie auch das TAM wurde die UTAUT überarbeitet, sodass Venkatesh, Thong und Xu (2012) die UTAUT 2 publizierten (siehe Abbildung 10).
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 10: Unified Theory of Acceptance and Technology 2
(Darstellung in Anlehnung an Venkatesh, u. a. 2012, S. 160)
Hierbei wurden drei weitere Prädikatoren, die hedonistische Motivation (Hedonic Motivation), der Preis-Wert (Price Value) und die Gewohnheit (Habit) mit aufgenommen. Nicht mehr in dem Modell enthalten ist nunmehr die Freiwilligkeit der Nutzung (Voluntariness). Die genaue Bedeutung der einzelnen Variablen kann Tabelle 3 entnommen werden.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 3: Definitionen Determinanten UTAUT 2
2.2.3.5 Diskussion Akzeptanzmodelle
Beginnend mit den Ursprüngen der Akzeptanzforschung und den entwickelten Modellen TRA und TPB kann festgestellt werden, dass diese über einen langen Zeitraum vielseitig angewandt wurden. So dienen die Modelle in zahlreichen Studien als Grundlage der Konsumenten-verhaltensforschung, mit dem Ziel, das Verhalten von Kunden vorauszusehen und zu lenken. Beispiele sind die Analyse von Reaktionen auf Werbemaßnahmen oder auch die Erforschung des Kaufverhaltens von Konsumenten (Königstorfer & Gröppel-Klein, 2008, S. 19; Sheppard, Hartwick & Warshaw, 1988, S. 338). Die Stärke dieser beiden Theorien liegt darin, dass sie eine Reihe von einzelnen Theorien über die Beziehung von Einstellung, Absicht und Verhalten vereint. Zudem sind die Modelle im Hinblick auf die Definitionen, die Operationalisierungen sowie die kausalen Zusammenhänge zwischen den Variablen im Vergleich zu vielen anderen Theorien sehr ausführlich dargestellt (Davis, 1985, S. 21 f.). Insbesondere durch die Erweiterung der TRA um das Konstrukt der wahrgenommenen Verhaltenskontrolle kann die TPB ein umfangreiches Spektrum an Verhaltensweisen erklären, da auch externe Faktoren einbezogen werden. Dennoch heben Kritiker hervor, dass sowohl die TRA als auch die TPB nicht suffizient seien, weil wichtige Einflussfaktoren keine Berücksichtigung finden (Kohnke, 2015, S. 113 f.). So hat auch Ajzen (1991, S. 199) angemerkt, dass die TBP für zusätzliche Einflussfaktoren offen ist: “The theory of planned behaviour is, in principle, open to the inclusion of additional predictors if it can be shown that they capture a significant proportion of the variance in intention or behaviour after the theory’s current variables have been taken into account”. Entsprechend haben einige Wissenschaftler weitere Variablen mit dem Ziel der Verbesserung der Varianzaufklärung in der Intention als auch im Verhalten in das Modell integriert.
So hat sich das TAM angesichts der hohen Zuverlässigkeit und Gültigkeit der Skalen sowie der Generalisierbarkeit auf vielfältige andere Technologien als eines der bekanntesten Modelle in der Informationssystemforschung etabliert (Königstorfer & Gröppel-Klein, 2008). Lin, Shih und Sher (2007, S. 642) kritisieren jedoch, dass die ursprüngliche Theorie lediglich auf das Technologie-Übernahmeverhalten von Mitarbeitern in der Arbeitsumgebung eingeht und die private Nutzung von Konsumenten vernachlässigt. Mit den Erweiterungen des TAM zu den Modellen TAM 2 und TAM 3 wurden weitere Konstrukte ergänzt und das Modell spezifiziert. Agudo-Peregrina, Hernández-García und Pascual-Miguel (2014, S. 313) bemängeln allerdings, dass die zusätz-lichen Konstrukte und somit eine gesteigerte Komplexität nicht zu einer besseren Erklärung der Akzeptanz und der Nutzung führen. Mit der Einführung der UTAUT fand eine erneute Rückbesinnung auf die Vorteile eines einfacheren Modells mit weniger Variablen statt. Dennoch wurde die UTAUT 2 wieder um eine Vielzahl von Prädikatoren und Moderatoren ergänzt. Tabelle 14 (Anhang I) gibt einen Überblick über die in Kapitel 2.2.3 diskutierten Modelle und deren Konstrukte.
2.3 Aktueller Forschungsstand und Forschungsfrage
Der aktuelle Forschungsstand in Bezug auf das Thema Akzeptanz von Mobile Marketing zeigt, dass bereits verschiedene Modelle zur Akzeptanzmessung entwickelt wurden. Ein Überblick, welche Prädikatoren von Relevanz waren und wie die Untersuchungen durchgeführt wurden, kann Tabelle 15 (Anhang II) entnommen werden.
Um bei der Suche möglichst zielführende Ergebnisse zu erhalten, wurde der Suchstring („theory of technology acceptance“ OR „theory of planned behaviour“ OR „adoption” OR „theory of reasoned action” OR „acceptance model” OR „acceptance” OR „UTAUT” OR „TAM” OR „TRA”” OR „TPB”) AND („mobile marketing” OR „mobile advertising” OR „smartwatch advertising” OR „wearable”) festgelegt. Bei einigen Datenbanken wurde lediglich der vereinfachte Suchbegriff „Acceptance Mobile Marketing“ oder „Acceptance Mobile Marketing Wearables“ eingegeben, sodass die maxi-male Zeichenvorgabe nicht überschritten wurde.
Dabei konnten am 18.05.2018 bei den Datenbanken ScienceDirect (845), EBSCOhost (30), Emerald Management (1720), Econbiz (804), Google Scholar (1310), Swinburne University of Technology Library Search (2176) und FH Münster Findex (15318) Treffer erzielt werden. Im nächsten Schritt wurde die Auswahl mithilfe weiterer Kriterien reduziert, sodass am Ende nur die für den Zweck der vorliegenden Arbeit relevanten Veröffentlichungen betrachtet wurden. So sollte es sich um eine empirisch getestete, quantitative Studie handeln, die das Thema Mobile Marketing in Bezugnahme auf die Technologie-Akzeptanz der Probanden testet.
Bei der Literaturrecherche sind neben den in der Tabelle 15 (Anhang II) dargestellten Ergebnissen weitere Studien veröffentlicht worden, die sich auf spezielle Marketing-Maßnahmen beziehen. So haben bspw. Ryu und Murdock (2013) mithilfe des TAM und der Uses-and-Gratification-Theorie die Intention von Konsumenten bezüglich der Nutzung von QR-Codes untersucht. Da sich die vorliegende Arbeit jedoch mit keiner konkreten Mobile-Marketing-Maßnahme beschäftigt, sondern auf das allgemeine Thema Mobile Marketing eingeht, finden die Kriterien der genannten Veröffentlichungen keine nähere Betrachtung. Grundsätzlich kann festgestellt werden, dass sich keine der Untersuchungen auf die Akzeptanz von Mobile Marketing auf einem bestimmten mobilen Endgerät bezieht.
Die Nutzung von Wearables als Medium für Mobile-Marketing-Maßnahmen steht noch in den Anfängen und nur wenige Unternehmen haben sich an diesen Trend gewagt. Die Nutzung von Wearables als innovatives Marketinginstrument bietet jedoch großes Potenzial für Unternehmen, stellt in mancherlei Hinsicht allerdings auch ein Risiko dar (siehe Kapitel 2.1.3.3). Da die Akzeptanz als elementar für die spätere Nutzung einer technologischen Innovation gesehen werden kann, soll diese untersucht werden. So ist es Ziel dieser Arbeit, akzeptanzfördernde und akzeptanzschwächende Faktoren in Bezug auf Mobile Marketing auf Wearables zu analysieren. Die Forschungsfrage wird wie folgt zusammengefasst: Welche Kriterien beeinflussen die kon-sumentenseitige Akzeptanz von Mobile Marketing auf Wearables?
3 Methodik
Da ein Überblick über die relevanten theoretischen Erkenntnisse gegeben und die Forschungsfrage herausgearbeitet wurde, kann mit der der Beschreibung der Methode der Struktur-gleichungsmodellierung und der Darstellung der Ergebnisse fortgefahren werden.
3.1 Strukturgleichungsmodellierung
Die Entwicklung von Modellen nimmt besonders im wissenschaftlichen Bereich eine zentrale Bedeutung ein, da sie „zur Erklärung und Prognose der unterschiedlichsten Sachverhalte in der Wirklichkeit“ dienen (Weiber & Mühlhaus, 2014, S. 3). In den Sozialwissenschaften ist es jedoch oftmals der Fall, dass Zusammenhänge zwischen nicht beobachtbaren Variablen untersucht werden sollen. Mithilfe von Strukturgleichungsmodellen wird es möglich, kausale Zusammenhänge zwischen Variablen, die direkt beobachtbar (manifest) und nicht direkt beobachtbar (latent) sind, empirisch zu untersuchen (Backhaus, Erichson & Weiber, 2015, S. 67; Werner, Schermelleh-Engel, Gerhard & Gäde, 2016, S. 1 ff.).
Hierzu müssen die latenten Variablen, auch hypothetische Konstrukte genannt, durch messbare Variablen, auch Indikatoren genannt, operationalisiert werden (bspw. für Intelligenz: Intelligenz-quotient, Anzahl Sprachen, Abiturabschlussnote). Mittels der Indikatoren wird es möglich, die nicht beobachtbaren latenten Variablen empirisch zu repräsentieren. Grundsätzlich stellen Strukturgleichungsmodelle eine „Kombination aus Faktorenanalysen und Regressions-bzw. Pfadanalysen“ dar (Werner u. a., 2016, S. 949). Regressions- bzw. Pfadanalysen bilden die Beziehungen zwischen den Konstrukten und die Faktorenanalysen die Beziehung zwischen den Indikatoren und den Konstrukten (Werner u. a., 2016, S. 949).
Da es das Ziel der vorliegenden Arbeit ist, ein Akzeptanzmodell zu entwickeln, welches beeinflussende Faktoren der Akzeptanz von Mobile Marketing auf Wearables analysiert, erscheint die Untersuchung mittels eines Strukturgleichungsmodells am sinnvollsten. Döring und Bortz (2016, S. 946) betonen in diesem Zusammenhang noch einmal, dass mit einfachen statistischen Methoden wie der Regressionsanalyse zwar die Möglichkeit besteht, den Zusammenhang oder die Beeinflussung zwischen bestimmten Variablen herauszufinden, es jedoch nicht möglich ist zu testen ob, „aufgestellte Theorien die Beziehungen zwischen vielen Variablen insgesamt richtig beschreiben.“
Bevor eine genaue Erläuterung des Aufbaus eines Strukturgleichungsmodells erfolgt, müssen vorab einige Begrifflichkeiten erklärt werden. Bei kausalen Zusammenhängen oder auch Ursache-Wirkungs-Beziehungen wird grundsätzlich eine unabhängige Variable (Ursache) von einer oder mehreren abhängigen Variablen (Wirkung) beeinflusst (Weiber & Mühlhaus, 2014, S. 4). Dabei werden die unabhängigen latenten Variablen als exogen und die abhängigen latenten Variablen als endogen bezeichnet (Backhaus u. a., 2015, S. 68). Der Aufbau eines Strukturgleichungsmodells besteht grundlegend aus zwei Elementen: Zum einen dem eigentlichen Strukturmodell und zum anderen dem oder den Messmodell/en (siehe Abbildung 11). Das Strukturmodell beinhaltet die aus der Theorie stammenden Zusammenhänge zwischen den latenten Variablen. Die latenten Variablen werden schließlich durch die Messmodelle mittels der Indikatorvariablen operationalisiert. Ein Messmodell bezeichnet allgemein die Anweisung, „wie latenten Variablen beobachtbare Sachverhalte zugeordnet werden können und wie diese zu messen sind“ (Backhaus u. a., 2015, S. 75). Dabei besteht die Möglichkeit, entweder ein einziges Messmodell oder – wie es beispielhaft in Abbildung 11 dargestellt ist – separate Messmodelle zu verwenden (Werner u. a., 2016, S. 950). Im vorliegenden Beispiel wird das Kaufverhalten von der Einstellung beeinflusst. Da diese beiden Größen nicht direkt beobachtbar, also latent sind, müssen sie mithilfe von Indikatoren operationalisiert werden. Dies wird auf der einen Seite durch das Messmodell der latent endogenen Variablen realisiert, sodass das Kaufverhalten durch den direkt beobachtbaren Indikator Zahl der Käufe operationalisiert werden soll. Auf der anderen Seite wird die latent exogene Variable Einstellung ebenfalls „durch zwei verschiedene Einstellungs-Messmodelle erfasst ..., die metrische Einstellungswerte liefern“ (Backhaus u. a., 2015, S. 68).
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 11: Beispiel Aufbau Strukturgleichungsmodell
(Darstellung in Anlehnung an Backhaus u. a., 2015, S. 68)
Für den Ablauf der Strukturgleichungsanalyse wird sich an dem von Backhaus u. a. (2015, S. 80) erarbeiteten Ansatz orientiert, der um weitere Schritte nach Fuchs (2011, S. 10 ff.), Döring und Bortz (2016, S. 182) sowie Weiber und Mühlhaus (2014, S. 86) ergänzt wird.
Im ersten Schritt erfolgt die Hypothesenbildung. Grundsätzlich dient das Strukturgleichungsmodell dem Zweck, ein Hypothesensystem zu erstellen und zu überprüfen, „ob die theoretisch aufgestellten Beziehungen mit dem empirisch gewonnen Datenmaterial übereinstimmen“ (Backhaus u. a., 2015, S. 67). Demzufolge müssen im ersten Schritt auf Grundlage von theoretischen Überlegungen Variablen erörtert und schließlich in einem Hypothesensystem zusammengefasst werden. Neben der Erörterung der Variablen ist es außerdem wichtig festzulegen, wie die Beziehung aus theoretischer bzw. sachlogischer Perspektive zwischen den Variablen ist (Backhaus u. a., 2015, S. 80).
Darauffolgend wird ein Pfaddiagramm erstellt und die Modellstruktur spezifiziert. Aufgrund oftmals komplexer Ursache-Wirkungs-Zusammenhänge der Hypothesensysteme ist es ratsam, die Beziehungen mithilfe eines Pfaddiagramms grafisch darzustellen. Programmpakete wie bspw. LISREL oder IBM SPSS Amos, bieten die Möglichkeit, die Modellstruktur mittels der Zeichnung eines Pfaddiagramms abzubilden. Demzufolge ist es nicht mehr erforderlich, die Beziehungszusammenhänge zuvor in einem mathematischen Gleichungssystem darzustellen (Backhaus u. a., 2015, S. 80).
Die Festlegung eines passenden Forschungsdesigns nimmt nach Döring und Bortz (2016, S. 182) eine zentrale Rolle im Verlauf der Gewinnung wissenschaftlicher Ergebnisse ein und sollte im nächsten Schritt folgen. So soll hierbei ein auf das Forschungsziel abgestimmtes Untersuchungs-design bestimmt werden.
Ist der Schritt der Formulierung der theoretischen Konstrukte innerhalb eines Beziehungsgeflechts sowie die Bestimmung des Untersuchungsdesigns erfolgt, müssen nun geeignete, beobachtbare Indikatoren zur Operationalisierung gefunden werden (Weiber & Mühlhaus, 2014, S. 103), sodass darauffolgend mit der Erhebung des Datenmaterials begonnen werden kann (Fuchs, 2011, S. 11).
Darauffolgend wird die Modellstruktur identifiziert. Bevor mit der Parameterschätzung begonnen werden kann, ist es notwendig zu prüfen, ob das aufgestellte Gleichungssystem auch lösbar ist. Hierbei wird überprüft, ob die empirisch bereitgestellten Daten genügen, „um die unbekannten Parameter schätzen zu können“ (Backhaus u. a., 2015, S. 80).
Anschließend folgt die Schätzung der einzelnen Modell-Parameter. Nach Fuchs (2011, S. 10 f.) sollte dazu vorher eine passende Methode ausgewählt werden, da diese bei der Prüfung des Untersuchungsziels eine tragende Rolle spielt. Grundsätzlich kann zwischen dem varianz- und kovarianzbasierten Ansatz differenziert werden.
Nach der Schätzung der Modell-Parameter werden die Schätzergebnisse schließlich im vorletzten Schritt beurteilt. Dabei steht im Vordergrund wie gut die Modellstruktur den empirischen Daten entspricht, was mittels verschiedener Gütekriterien geprüft werden kann (Backhaus u. a., 2015, S. 80).
Im Falle einer nicht akzeptablen oder moderaten „Anpassung der modelltheoretischen Korrelationsmatrix an die tatsächliche Datenstruktur“ besteht die Möglichkeit der Modifikation der Modellstruktur (Fuchs, 2011, S. 12). Dies kann bspw. die Eliminierung alter oder die Aufnahme neuer Parameter bedeuten. Allgemein besteht das Ziel darin, die Anpassungsgüte zu erhöhen (Fuchs, 2011, S. 12).
3.2 Hypothesenbildung, Modellstruktur, Pfaddiagramm
Zur Erstellung eines Strukturgleichungsmodells ist es im ersten Schritt erforderlich, Hypothesen auf Grundlage intensiver und sachlogischer Überlegungen aufzustellen (Backhaus u. a., 2015, S. 81; Weiber & Mühlhaus, 2014, S. 3). Dabei sollen Informationen herausgefiltert werden, die sowohl die „Richtung und Stärke der Beziehungen, als auch die Zahl möglicher latenter Variablen und Indikatoren“ zeigen (Backhaus u. a., 2015, S. 82). Auf Grundlage der formulierten Hypothesen werden diese schließlich im nächsten Schritt in Form eines Pfaddiagramms grafisch dargestellt. (Backhaus u. a., 2015, S. 82). So sollen die erarbeiteten theoretischen Erkenntnisse der allgemeinen Akzeptanzforschung, der Akzeptanzmodelle, welche sich direkt auf Mobile Marketing beziehen, als auch der Kriterien, die speziell auf Wearables anwendbar sind, dazu dienen, ein passendes Akzeptanzmodell mit Berücksichtigung des Forschungsziels zu entwickeln.
Ziel ist es, ein Modell zu entwickeln, das mit einer minimalen Anzahl an Variablen zuverlässig die Akzeptanz von Mobile Marketing auf Wearables misst. Wie Agudo-Peregrina u. a. (2014, S. 313) beispielhaft bestätigen, erzielen komplexe Modelle mit einer Vielzahl an Variablen nicht zwangsläufig bessere Ergebnisse bei der Akzeptanzmessung als Modelle mit einer geringeren Anzahl an Variablen. Aufgrund dessen soll im Folgenden diskutiert werden, welche Variablen eine zentrale Bedeutung für das Modell haben und welche Variablen nicht relevant sind.
Wie Tabelle 14 (Anhang I) zu entnehmen ist, herrscht hinsichtlich des Kernkonstrukts Nutzungsabsicht in der Akzeptanzforschung Einigkeit, sodass dieses den ersten Baustein des Modells bilden soll. Die Variable wird in allen der in Kapitel 2.2.3 diskutierten Theorien berücksichtigt und als maßgeblich für die Prognose der Akzeptanz erachtet. Konform in den aktuelleren Modellen TAM2, TAM3, UTAUT und UTAUT 2 sind ebenfalls die Prädikatoren, die auf die Nutzungsabsicht einwirken. Im TAM 2 und TAM 3 konnte ein signifikanter Einfluss der Variablen wahrgenommener Nutzen und wahrgenommene Benutzerfreundlichkeit auf die Nutzungsabsicht bestätigt werden (Venkatesh & Bala, 2008, S. 290; Venkatesh & Davis, 2000, S. 195). Ebenfalls in der UTAUT und der UTAUT2 wurden die Prädikatoren unter den Begrifflichkeiten Aufwandserwartung (wahrgenommene Benutzerfreundlichkeit) und Leistungs-erwartung (wahrgenommener Nutzen) aufgenommen und ein Einfluss auf die Nutzungsabsicht bestätigt (Venkatesh u. a., 2003, S. 461; Venkatesh u. a., 2012, S. 170). Auch die Ergebnisse der Literaturrecherche bezüglich der Akzeptanz von Mobile Marketing belegen, dass diese beiden Variablen häufig verwendet wurden und somit eine zentrale Rolle bei der Vorhersage der Nutzungsabsicht spielen. Folglich werden die Prädikatoren wahrgenommene Benutzer-freundlichkeit und wahrgenommener Nutzen aufgrund der Übereinstimmung in den früheren Modellen unverändert übernommen und sollen durch folgende Hypothesen geprüft werden:
H1: Ein hoher wahrgenommener Nutzen hat einen positiven Einfluss auf die Nutzungsabsicht.
H2: Eine hohe wahrgenommene Benutzerfreundlichkeit hat einen positiven Einfluss auf die Nutzungsabsicht.
Der wahrgenommene Nutzen hat eine positive Wirkung auf die Nutzungsabsicht. Personen, die das Gefühl haben, ihre Leistungsfähigkeit durch die Technologie steigern zu können, entwickeln auch eine positive Nutzungsabsicht, ungeachtet dessen, ob sie generell positive oder negative Gefühle gegenüber der Nutzung haben. Das ist damit zu begründen, dass eine Leistungssteigerung zu Belohnungen führen kann (Davis u. a., 1989, S. 986). Wenn eine Person bspw. einen Gutschein über das Wearable-Gerät erhält (siehe Kapitel 2.1), wird vermutet, dass sie das Gefühl hat, einen Vorteil daraus ziehen zu können. Somit wird angenommen, dass der wahrgenommene Nutzen von Mobile Marketing auf Wearables einen positiven Einfluss auf die Nutzungsabsicht hat.
Ebenso wird vermutet, dass eine hohe wahrgenommene Benutzerfreundlichkeit einen positiven Einfluss auf die Nutzungsabsicht hat. Muss eine Person viel Aufwand für die Nutzung der Technologie betreiben, bleibt weniger Zeit, um die für das Erreichen des Ziels relevanten Handlungen auszuführen. Andersherum kann mit einer hohen Benutzerfreundlichkeit einer Technologie die Nutzungsabsicht positiv beeinflusst werden, weil eine Leistungssteigerung mit weniger Aufwand erreicht werden kann (Venkatesh & Davis, 2000, S. 192). Übertragen auf die vorliegende Thematik wird die Annahme getroffen, dass, wenn die Mobile-Marketing-Maßnahme auf dem Wearable-Gerät verständlich und einfach durchzuführen ist, ein positiver Effekt auf die Nutzungsabsicht entsteht.
Des Weiteren konnte in den Studien zum TAM 2 und TAM 3 ein signifikanter Einfluss der wahrgenommenen Benutzerfreundlichkeit auf den wahrgenommenen Nutzen festgestellt werden, was dadurch bedingt ist, dass der wahrgenommene Aufwand nicht größer sein sollte als der erwartete Nutzen (Venkatesh & Bala, 2008, S. 285; Venkatesh & Davis, 2000, S. 196 f.). Wird die Nutzung der Technologie allerdings als einfach empfunden, hat dies auch einen positiven Effekt auf den erwarteten Nutzen, da eine Leistungssteigerung erreicht werden kann und Ziele besser realisierbar werden. Dementsprechend wird in Hypothese H3 angenommen, dass, wenn die Mobile-Marketing-Maßnahme auf dem Wearable-Gerät als benutzerfreundlich empfunden wird, auch ein positiver Effekt auf den erwarteten Nutzen resultiert.
H3: Eine hohe wahrgenommene Benutzerfreundlichkeit hat einen positiven Effekt auf den wahrgenommenen Nutzen.
Im Gegensatz zu den eben diskutierten Konstrukten der Modelle, gibt es bezüglich der externen Faktoren keine klare Übereinstimmung in der wissenschaftlichen Literatur. Hier wurden im Laufe der Jahre viele verschiedene, auf unterschiedliche Kontexte bezogene Variablen entwickelt und bestätigt. Angesichts dessen sollen nur für die Zielsetzung relevanten Variablen in das Modell integriert werden, da die Übernahme aller als nicht sinnvoll erscheint.
Erster Prädikator, der ebenfalls in das Modell aufgenommen werden soll, ist die subjektive Norm. Die subjektive Norm (TRA, TPB, TAM 2, TAM 3), in den UTAUT Modellen auch als sozialer Ein-fluss bezeichnet, wurde bis auf im TAM in allen Akzeptanzmodellen berücksichtigt. Bei Betrachtung der Akzeptanzmodelle für Mobile Marketing wurde der wahrgenommene soziale Nutzen von Bauer, Reichardt, Barnes und Neumann (2005, S. 183) gleichermaßen als relevant erachtet und in das entsprechende Modell integriert. Aus diesem Grund wird der soziale Einfluss für die Thematik der vorliegenden Arbeit als wichtig eingeschätzt, weshalb die Variable in das Modell aufgenommen wird. Bei der Frage, auf welcher Ebene der Prädikator berücksichtigt werden soll, stehen zwei Optionen zur Auswahl. In den beiden UTAUT- Modellen wird der soziale Einfluss als direkter Prädikator der Nutzungsabsicht gesehen, in den TAM -Versionen geht der Pfad hingegen über den wahrgenommenen Nutzen auf die Nutzungsabsicht. In dem Akzeptanzmodell für Mobile Marketing nimmt Bauer u. a. (2005, S. 186) ebenso einen Effekt des sozialen Einflusses auf den wahrgenommenen Nutzen an. Aufgrund dieser mehrfachen Bestätigung wird für das zu entwickelnde Modell die Annahme getroffen, dass der soziale Einfluss einen positiven Effekt auf den wahrgenommenen Nutzen hat (H4).
H4: Ein positiver sozialer Einfluss hat einen positiven Effekt auf den wahrgenommenen Nutzen.
Unter dem Begriff der subjektiven Norm oder auch des sozialen Einflusses wird verstanden, inwieweit eine Person glaubt, dass die Nutzung der Technologie positive oder negative Reaktionen in ihrem direkten sozialen Umfeld auslöst. Wenn dem Individuum wichtige Personen denken, dass die Technologie genutzt werden sollte, hat das einen positiven Effekt auf den wahrgenommenen Nutzen. Das ist damit zu begründen, dass der soziale Status und das Ansehen der Person gesteigert werden kann (Fishbein & Ajzen, 1975, S. 302). Dabei konnte im TAM 2 und TAM 3 festgestellt werden, dass der soziale Einfluss einen positiven Effekt auf den wahrgenommenen Nutzen hat (Venkatesh & Bala, 2008, S. 195; Venkatesh & Davis, 2000, S. 285). Es wird folglich die Annahme getroffen (H4), dass der wahrgenommene Nutzen von Mobile Marketing auf Wearables positiv beeinflusst wird, wenn eine Person denkt, dass das soziale Umfeld die Nutzung auch als positiv empfindet.
Ein weiterer wichtiger Prädikator ist das wahrgenommene Vergnügen. Die Variable wurde im TAM 3 wie auch im UTAUT 2 (unter der Bezeichnung hedonistische Motivation) integriert und beschreibt, inwiefern die Nutzung des Systems einer Person Freude bereitet und als angenehm empfunden wird. Auch in die Modelle zur Akzeptanzmessung von Mobile Marketing wurde der Prädikator unter den Begrifflichkeiten wahrgenommener Unterhaltungsnutzen und Unterhaltung integriert und als wichtig erachtet (Bauer u. a., 2005, S. 185; Tsang, Ho & Liang, 2004, S. 67), sodass es sinnvoll erscheint, diesen auch in das Modell zur Akzeptanzmessung von Mobile Marketing auf Wearables zu integrieren. Bezüglich der Pfadrichtung werden in den genannten Modellen unterschiedliche Ansätze gewählt. So konnte mittels des TAM 3 nachgewiesen werden, dass das wahrgenommene Vergnügen einen positiven Einfluss auf die wahrgenommene Benutzerfreundlichkeit hat (Venkatesh & Bala, 2008, S. 290). Für das zu entwickelnde Modell wird den Ergebnissen zum TAM 3 gefolgt, sodass die Annahme getroffen wird, dass das wahrgenommene Vergnügen einen positiven Einfluss auf die wahrgenommene Benutzerfreundlichkeit hat (H5).
H5: Ein hohes wahrgenommenes Vergnügen hat einen positiven Einfluss auf die wahrgenommene Benutzerfreundlichkeit.
Empfindet eine Person die Nutzung der Technologie als angenehm und hat Spaß daran, resultiert daraus auch ein positiver Einfluss auf die wahrgenommene Benutzerfreundlichkeit. Es wird also angenommen, dass, wenn eine Person die Mobile-Marketing-Maßnahme auf dem Wearable-Gerät als unterhaltsam wahrnimmt, sie diese auch als benutzerfreundlich auffasst (H5).
Ein ebenso relevanter Prädikator ist die Computer-Selbstwirksamkeit, die ihren Ursprung im TAM 3 hat (Venkatesh & Bala, 2008, S. 279). Gerade im Hinblick auf neuartige und innovative Endgeräte wie Wearables erscheint die Integration dieses Prädikators unter der aktualisierten Bezeichnung Wearable-Selbstwirksamkeit sinnvoll. Ursprüngliche Intention war es, empirisch zu ermitteln, zu welchem Grad eine Person denkt, dass sie die Fähigkeit hat, eine bestimmte Aufgabe mit dem Computer ausführen zu können (Compeau & Higgins, 1995, S. 191). Übertragen auf das Thema der vorliegenden Arbeit, handelt es sich entsprechend darum, inwieweit sich eine Person zutraut, Mobile-Marketing-Angebote auf dem Wearable-Gerät zu nutzen, weil davon ausgegangen wird, dass noch kein routinierter Umgang vorhanden ist.
H6: Eine hohe Wearable-Selbstwirksamkeit hat einen positiven Einfluss auf die wahrgenommene Benutzerfreundlichkeit.
Hierbei konnten die Autoren Venkatesh und Bala (2008, S. 286-290) einen signifikanten Einfluss der Computer-Selbstwirksamkeit auf die wahrgenommene Benutzerfreundlichkeit feststellen. In der UTAUT wurde die Selbstwirksamkeit ebenso getestet; hier jedoch als direkter Prädikator der Nutzungsabsicht. Letztlich wurde der Prädikator allerdings nicht in das finale Modell aufgenommen, da kein signifikanter Zusammenhang festgestellt werden konnte (Venkatesh u. a., 2003, S. 461). Aus diesem Grund wird die Annahme getroffen, dass die Wearable-Selbstwirksamkeit einen direkten Einfluss auf die wahrgenommene Benutzerfreundlichkeit hat (H6). Wenn die Anwendung der Mobile-Marketing-Maßnahme auf dem Wearable-Gerät als leicht eingeschätzt wird, dann wird der wahrgenommene Aufwand minimiert, sodass ein positiver Zusammenhang bezogen auf die wahrgenommene Benutzerfreundlichkeit entsteht .
Der aktuelle Forschungsstand bezüglich der Akzeptanz von Mobile Marketing zeigt, dass der Variable wahrgenommener Informationsnutzen (oder auch Kontext, Informationsgehalt) ein hoher Stellenwert eingeräumt wird (Bauer u. a., 2005, S. 185; Gao, Rohm, Sultan, Pagani, 2013, S. 2539 ; Merisavo, Kajalo, Karjaluoto, Virtanen, Salmenkivi, Raulas & Leppäniemi, 2007, S. 43; Sultan, Rohm & Gao, 2009, S. 312 ; Tsang u. a., 2004, S. 69). Dies deckt sich mit der von Zobel (2001, S. 51) ermittelten Charakteristik des interessensspezifischen Kontexts, bei dem die Präferenzen der Konsumenten berücksichtigt werden, um relevante und individualisierte Mobile-Marketing-Maßnahmen zu kreieren. Die Autoren Bauer u. a. (2005, S. 188) haben herausgefunden, dass mit einem gesteigerten wahrgenommenem Informationsnutzen auch der wahrgenommene Gesamtnutzen von Mobile Marketing steigt. Der Uses-and-Gratification Ansatz von Katz, Haas und Gurevitch (1973, S. 166) stützt des Weiteren die Annahme, dass der Informationsnutzen den allgemeinen Nutzen der Konsumenten positiv beeinflusst. Es wird davon ausgegangen, dass Konsumenten spezielle Inhalte und Medien filtern und nutzen, um ihre persönlichen Bedürfnisse zu erfüllen („needs related to strengthening information, knowledge, and understanding“; Katz u. a. 1973, S. 166). Ebenso unter dem Begriff des Kontexts wird die Berücksichtigung der von Zobel (2001, S. 51) aufgeführten Charakteristika zeitlicher und aktionsbezogener Kontext als eine der bedeutendsten Chancen für Mobile Marketing gesehen. Mithilfe der Lokalisierbarkeit wird es Unternehmen möglich, den genauen Standort der Konsumenten zu ermitteln und diesen für Marketing-Maßnahmen zu nutzen. Wie bereits in Kapitel 2.1.3.3 beschrieben, kann der Konsument nicht nur an jedem Ort kontaktiert werden, sondern dieser kann auch dazu genutzt werden, Angebote bezogen auf spezielle Aktivitäten (tanken) anzupassen oder ortsspezifische Aktionen (Veranstaltung) zu bewerben.
Übertragen auf das Akzeptanzmodell von auf Wearables betriebenem Mobile Marketing wird entsprechend die Annahme getroffen, dass, wenn eine empfangene Nachricht als gehaltvoll empfunden und der zeitliche, der interessenspezifische und der aktionsbezogene Kontext berücksichtigt wird, ein positiver Effekt auf den wahrgenommenen Nutzen entsteht (H7). Die Nachrichten sind personalisierter, da sie nicht willkürlich eingesetzt werden, sondern den Ort, die Aktivität und die Interessensvorlieben der Konsumenten einbeziehen.
H7: Die Berücksichtigung des Kontexts (zeitlich, aktionsbezogen, interessensspezifisch) hat einen positiven Einfluss auf den wahrgenommenen Nutzen.
Letzter Prädikator, der ebenfalls von großer Relevanz für das Modell ist, ist das wahrgenommene Risiko. In allen bereits durchgeführten Akzeptanzmessungen für Mobile Marketing wurde dieser Prädikator unter verschiedenen Begriffen (wahrgenommenes Risiko, Vertrauen, Glaubwürdigkeit, Risikoakzeptanz und Risikovermeidung) einbezogen (Bauer u. a., 2005, S. 186; Gao u. a., 2013, S. 2538 ; Merisavo u. a., 2007, S. 43; Sultan u. a., 2009, S. 311; Tsang u. a., 2004, S. 69). Des Weiteren hat sich in Kapitel 2.1.3.3 gezeigt, dass Konsumenten großen Wert auf einen sensiblen Umgang mit ihren persönlichen Daten legen. So wird diesem Prädikator eine wichtige Funktion zugeschrieben und soll auch in dem neu entwickelten Modell berücksichtigt werden.
H8: Eine hohe Risikoakzeptanz hat einen positiven Einfluss auf die Nutzungsabsicht.
In den meisten der herangezogenen Studien wirkte sich das wahrgenommene Risiko über eine zusätzliche Variable auf die Nutzungsabsicht aus; So hatte das wahrgenommene Risiko einen Einfluss auf die Einstellung zu Mobile Marketing und diese beeinflusste wiederum die Nutzungsabsicht (Bauer u. a., 2005, S. 186; Gao u. a., 2013, S. 2537; Tsang u. a., 2004, S. 67). Da der Variable Einstellung für das neu entwickelte Modell keine übergeordnete Rolle zugesprochen wird (siehe Erklärung im späteren Verlauf), wird angenommen, dass das wahrgenommene Risiko einen direkten Einfluss auf die Nutzungsabsicht von Mobile Marketing auf Wearables hat. Diese Annahme wird durch die Erkenntnisse von Bauer (1976, S. 208) gestützt, indem er sagt, dass das Verhalten der Konsumenten in einem hohen Maße von deren Risikowahrnehmung abhängt. Eine vollständige Transparenz ist oftmals nicht gegeben, wodurch es den Konsumenten nicht möglich ist, alle Konsequenzen abschätzen zu können. Nach Mitchell (1999, S. 163) ist es ihnen in einer solchen Situation eher wichtig das Risiko zu minimieren, als den Nutzen zu maximieren, wodurch erneut deutlich wird, dass das wahrgenommene Risiko einen direkten Einfluss auf das Verhalten eines Konsumenten hat. Darüber hinaus betont Sheth (1968, S. 176) in diesem Zusammenhang, dass gerade bei der Adoption eines neuen Produktes ein besonders hohes Risikoempfinden besteht, weil noch keinerlei Erfahrungen gemacht werden konnten. Da Mobile Marketing auf Wearables noch nicht im Alltag angekommen ist, werden die meisten Konsumenten noch keine Erfahrungen diesbezüglich gemacht haben können, wodurch die subjektive Risikowahrnehmung steigt und die Bereitschaft zur Nutzung der Angebote beeinflusst wird. Wenn Konsumenten hingegen über eine hohe Risikoakzeptanz verfügen, wird in der Hypothese 8 die Vermutung formuliert, dass die Nutzungsabsicht von Mobile Marketing auf Wearables steigt.
Wie bereits erwähnt ist die Aufnahme aller Variablen der diskutierten Modelle (siehe Tabelle 14, Anhang I) als nicht sinnvoll zu betrachten, da es nicht zielführend ist, ein Modell mit nicht themenrelevanten Variablen zu entwickeln. Im Folgenden wird daher eine kurze sachlogische Begründung gegeben, welche Variablen im Hinblick auf das Forschungsziel als nicht relevant eingestuft werden.
Die Variable Nutzung wird nicht in das Modell aufgenommen, weil eine Operationalisierung des Konstrukts zum jetzigen Zeitpunkt nicht möglich ist. Es wird angenommen, dass sich Mobile Marketing auf Wearables bei der Mehrheit von Konsumenten nicht im alltäglichen Gebrauch befindet, sodass hier keine Aussagen getroffen werden können.
Ebenso findet die Variable Einstellung keine Berücksichtigung. Als Prädikator der Nutzungsabsicht – wie in früheren Modellen (TRA, TPB, TAM) dargestellt wird – ist die Einstellung nicht detailliert beschrieben. Sie umfasst die Abwägung von Vor- und Nachteilen, sodass hier eine Ähnlichkeit mit den detaillierter formulierten Konstrukten wahrgenommene Benutzer-freundlichkeit und wahrgenommener Nutzen gefunden werden kann. Diese wurden in das finale Modell integriert, sodass die Einstellung nicht zusätzlich aufgenommen wird. Zudem bestätigen Venkatesh u. a. (2003, S. 455), dass das Konstrukt Einstellung in einigen Modellen keinen signifikanten Einfluss auf die Nutzungsabsicht hat; in den Fällen, in denen eine Signifikanz festgestellt wurde, waren jedoch keine Konstrukte integriert, welche sich auf die Leistungs- oder Aufwandserwartungen bezogen, sodass sie letztlich zu dem Schluss kamen, dass „any observed relationship between attitude and intention [is] spurious and result[s] from the omission of the other key predictors (specifically, performance and effort expectancies).“
Ein weiteres Konstrukt, welches als nicht relevant angesehen wird, ist die Freiwilligkeit der Nutzung. Grundsätzlich ist der Besitz eines Wearable-Geräts ebenso freiwillig, wie die Teilnahme an entsprechenden Mobile-Marketing-Maßnahmen. Das Konstrukt wurde in die Modelle TAM 2, TAM 3 und der UTAUT integriert, da von einer Arbeitsumgebung ausgegangen wurde, bei welcher eine freiwillige Nutzung nicht zwangsläufig gegeben ist.
Einhergehend mit dem Konstrukt Freiwilligkeit wird ebenso das Konstrukt Computerangst ausgeschlossen. Da die Nutzung von Mobile Marketing auf Wearables grundsätzlich freiwillig ist und die Person sich die Situation selber ausgesucht hat, wird davon ausgegangen, dass keinerlei Ängste gegenüber der Nutzung bestehen.
Auch der Prädikator Image wird nicht in das Modell integriert, weil es lediglich bedingt möglich ist, die Teilnahme an Mobile-Marketing-Maßnahmen nach außen zu kommunizieren. Entsprechend wird angenommen, dass nur eingeschränkt die Möglichkeit besteht, durch diese Innovation seinen Status im sozialen System zu steigern.
Die Technologie-Akzeptanzmodelle wurden hauptsächlich für die Arbeitsumgebung entwickelt und berücksichtigen nicht die private Nutzung einer technologischen Innovation. Demzufolge erscheint auch die Aufnahme folgender Konstrukte als nicht sinnvoll:
Das Konstrukt Job-Relevanz wird als solches nicht berücksichtigt, da es ausdrückt, zu welchem Grad das Zielsystem auf den Job anwendbar ist und die auszuführenden Aufgaben unterstützt. Somit wird nicht auf die private Nutzung abgezielt. Übertragen auf den vorliegenden Fall kann dennoch gesagt werden, dass die Job-Relevanz in Form des Konstrukts Kontext übertragbar ist. Hierbei wird untersucht, wie hoch der Grad der persönlichen Relevanz ist und wie sich dies auf den wahrgenommenen Nutzen auswirkt.
Ebenfalls findet das Konstrukt Objektive Benutzerfreundlichkeit keine Berücksichtigung, da dieses nur in Form eines Experiments bestimmbar wäre. Das Konstrukt wurde von Venkatesh und Bala (2008, S. 314) durch einen zeitlichen Vergleich gemessen, bei welchem Anfänger und Experten das System zur Bewältigung spezieller Aufgaben nutzten.
Da Mobile-Marketing-Maßnahmen auf Wearables für den Konsumenten grundsätzlich kostenlos sind, erscheint außerdem die Aufnahme des Konstrukts Preis-Wert, für dessen Feststellung ein Vergleich der monetären Kosten mit den wahrgenommenen Vorteilen der Nutzung stattfindet, als nicht sinnvoll.
Die Konstrukte Verhaltenskontrolle (TPB), erleichternde Bedingungen (UTAUT 1, UTAUT 2) sowie Wahrnehmung externer Kontrolle (TAM 3) sagen nach den in Kapitel 2.2.3 dargestellten Definitionen dasselbe aus. Es wird die Frage gestellt, ob ausreichende technische und organisatorische Ressourcen zur Verfügung stehen, welche die Nutzung des Systems unterstützen. Es wird davon ausgegangen, dass alle Vorkehrungen seitens der Unternehmen getroffen wurden und eine ausreichende Infrastruktur vorhanden ist. Der Endkonsument ist entsprechend nicht mehr involviert, sodass die Mobile-Marketing-Maßnahmen auf den Wearable-Geräten reibungslos genutzt werden können.
Das im TAM 2 und TAM 3 aufgenommene Konstrukt Output-Qualität untersucht, wie gut das genutzte System die gegebenen Aufgaben ausführen kann. Dies ist wie bei den vorherigen Konstrukten nicht direkt auf die vorliegende Situation übertragbar. Es wird davon ausgegangen, dass die Marketing-Maßnahmen auf den Wearable-Geräten die gewünschte Output-Qualität aufweisen.
Ebenso stark auf das Arbeitsumfeld bezogen ist das Konstrukt Beweisbarkeit der Ergebnisse, da hier getestet wird, ob die Ergebnisse eines Systems konkret, beobachtbar und vermittelbar sind. Für die Zielsetzung der Arbeit ist eine Übertragung nicht möglich, sodass auch dieses Konstrukt unberücksichtigt bleibt.
Als letzter Schritt erfolgt die Begutachtung der Moderatorvariablen. Es wurde sich aus Gründen der Komplexitätsreduktion dazu entschieden, keine Moderatoren mit in das Modell aufzunehmen. Ebenso wurden keine Nachweise in der Literatur von Akzeptanzmodellen für Mobile Marketing gefunden, dass diese relevant sind, weshalb die Konstrukte Geschlecht, Alter und Erfahrung (auch als Gewohnheit bezeichnet) nicht integriert werden. Bezüglich der letzten beiden Konstrukte ist zusätzlich zu sagen, dass zum jetzigen Zeitpunkt aufgrund der Neuartigkeit kaum Erfahrungswerte vorliegen.
Das vollständig entwickelte Modell kann Abbildung 12 entnommen werden. Die Visualisierung des Pfaddiagramms erfolgte gemäß den von Werner u. a. (2016, S. 949) sowie Backhaus u. a. (2015, S. 83) empfohlenen Konstruktionsregeln.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 12: Strukturgleichungsmodell Akzeptanz von Mobile Marketing auf Wearables
(eigene Darstellung)
3.3 Untersuchungsdesign
Die Wahl eines geeigneten Untersuchungsdesigns hat nach Döring und Bortz (2016, S. 182) einen starken Einfluss auf die spätere Aussagekraft der wissenschaftlichen Ergebnisse. Daher sollte in einem ersten Schritt entschieden werden, welcher wissenschaftstheoretische Ansatz für das Erreichen des Untersuchungsziels am geeignetsten ist. Grundsätzlich kann zwischen drei verschiedenen Forschungsmethoden differenziert werden. Mithilfe des qualitativen Ansatzes werden vornehmlich offene Fragestellungen beantwortet. Durch un- oder teilstrukturierte Datenerhebungsmethoden ist es Wissenschaftlern möglich, Kontexte zu erkennen und interpretativ auszuwerten (Myers, 2013, S. 5). Dem steht der quantitative Forschungsansatz gegenüber, der gewählt wird, wenn theoretisch aufgestellte Hypothesen mittels strukturierter Datenerhebungsmethoden getestet werden sollen. Statistische Analyseverfahren helfen anschließend, die numerisch gewonnenen Daten auszuwerten (Döring & Bortz, 2016, S. 184). Die letzte Möglichkeit ist die Kombination beider, der Mixed-Methods-Forschungsansatz; wird der Ansicht von Creswell (2014, S. 2) gefolgt, sollte bei diesem Ansatz darauf geachtet werden, dass die quantitativen und qualitativen Daten nicht einfach erhoben, sondern integriert und in Kombination analysiert werden. Bei der Anwendung von Strukturgleichungsmodellen handelt es sich um eine multivariate Analysemethode, sodass bei der vorliegenden Arbeit der quantitative Ansatz verfolgt wird.
Darüber hinaus müssen sich Wissenschaftler zusätzlich die Frage stellen, welchen Gegenstand die Studie untersucht. Während Theoriestudien lediglich den Forschungsstand auf Grundlage einer Literaturrecherche darstellen und Methodenstudien zum Ziel haben, Forschungsmethoden zu vergleichen und weiterzuentwickeln, dienen empirische Studien dazu, inhaltliche Forschungs-probleme zu lösen. Bei empirischen Studien besteht die Möglichkeit, die Daten primär, also selbst zu erheben oder sekundär mithilfe vorhandener Datensätze neu auszuwerten (Döring & Bortz, 2016, S. 186-192). Da für das entwickelte Strukturgleichungsmodell kein geeignetes Datenmaterial vorliegt, wurde sich für einen empirischen Ansatz mit primärer Datenerhebung entschieden.
3.4 Operationalisierung des Modells
Bevor mit der Datenerhebung begonnen werden kann, muss bei der Anwendung quantitativer Verfahren zunächst eine Operationalisierung der theoretischen Konstrukte erfolgen. Die Operationalisierung des theoretischen Konzepts bzw. der latenten Variablen erfolgt zum einen über die Festlegung geeigneter Indikatoren (beobachtbarer Variablen) und zum anderen über „die Festlegung der Messinstrumente, mittels derer den Ausprägungen der einzelnen Indikatoren jeweils entsprechende numerische Werte zugeordnet“ werden können (Döring & Bortz, 2016, S. 228).
Die Festlegung geeigneter Indikatoren sollte möglichst auf Grundlage einschlägiger Literatur erfolgen (Weiber & Mühlhaus, 2014, S. 105). Dieser Ansatz wurde ebenso für die Operationalisierung des vorliegenden Modells gewählt, sodass die meisten Indikatoren vorliegenden Studien entlehnt wurden (siehe Tabelle 4). Bei den Formulierungen wurden lediglich minimale Anpassungen vorgenommen, sodass die Fragen exakt auf das Thema Mobile Marketing auf Wearables abgestimmt sind.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 4: Operationalisierung des Modells
Zusätzlich muss zwischen einem formativen und einem reflektiven Messmodell unterschieden werden. Bei dem reflektiven Messmodell wird angenommen, dass das theoretische Konstrukt die Ursache und die Indikatoren die daraus resultierenden Wirkungen sind. Im Gegensatz dazu steht das formative Messmodell, bei welchem davon ausgegangen wird, dass die Indikatoren die Ursache für das theoretische Konstrukt sind. Zur besseren Verständlichkeit soll folgendes Beispiel herangezogen werden: Ein Land wird dann als globalisiert angesehen, wenn es u.a. steigende Handels-, Finanz- und Touristenströme aufweist. Es ist also nicht der Fall, dass, wenn ein Land globalisiert ist, entsprechend Touristenströme folgen. Die formativen Indikatoren „können einander formal und inhaltlich sehr unähnlich sein und müssen auch nicht miteinander korrelieren“ (Döring & Bortz, 2016, S. 230).
Da die Entscheidung zwischen den zwei Optionen Auswirkungen auf den weiteren Forschungsprozess hat (Eberl, 2004, S. 8), soll im Folgenden bestimmt werden, welches der Messmodelle Anwendung finden soll. In den Wirtschafts- und Sozialwissenschaften dominierte lange Zeit die Operationalisierung mittels reflektiver Messmodelle und der formative Ansatz wurde außer Acht gelassen (Christophersen & Grape, 2009, S. 104). In den vergangenen Jahren ist es dies-bezüglich in der wissenschaftlichen Literatur jedoch vermehrt zu Diskussionen gekommen. Jarvis, MacKenzie und Podsakoff (2003, S. 206 f.) sowie Eberl (2004, S. 23) legen in ihren Veröffentlich-ungen dar, dass die Operationalisierung in mehr als drei Viertel der publizierten Strukturgleichungsmodelle in wissenschaftlichen Artikeln irrtümlich reflektiv statt formativ erfolgte. Aufgrund dessen soll im Folgenden der von Jarvis u. a. (2003, S. 203) entwickelte Kriterienkatalog herangezogen werden, um zu bestimmen, ob ein formativer oder reflektiver Charakter des entwickelten hypothetischen Konstrukts vorliegt (siehe Tabelle 5).
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 5: Kriterienkatalog zur Wahl des geeigneten Messmodells
In Anlehnung an Jarvis u. a., 2003, S. 203
Bezugnehmend auf das entwickelte Strukturgleichungsmodell kann festgestellt werden, dass die meisten Kriterien auf die Verwendung eines reflektiven Messmodells hinweisen (blaue Umrandung). Götz und Liehr-Gobbers (2004, S. 718) betonen jedoch, dass das entscheidende Kriterium die kausale Richtung zwischen dem Konstrukt und den Indikatoren ist. Herrmann, Huber und Kressmann (2006) gehen sogar soweit, „dass es zur Entscheidung zwischen formativen und reflektiven Indikatoren genügt, die Frage nach der kausalen Richtung zwischen Indikator und Konstrukt ... zu beleuchten, weil daraus die übrigen Eigenschaften folgen“ (S. 47). Im vorliegenden Strukturgleichungsmodell werden die meisten Indikatoren kausal durch das Konstrukt verursacht. So wird z.B. das Konstrukt wahrgenommenes Vergnügen durch die Indikatoren Spaß (WV_1), Unterhaltsamkeit (WV_2) und angenehmes Empfinden (WV_3) widergespiegelt. Würde sich das Konstrukt ändern, würden sich auch die Indikatoren ändern. Die Wirkungsbeziehung geht also deutlich vom Konstrukt zu den Indikatoren, sodass die Annahme getroffen werden kann, dass ein reflektives Messmodell für den weiteren Forschungsprozess am geeignetsten ist.
Die letzte Entscheidung, die im Zuge der Operationalisierung getroffen werden muss, ist ob das Konstrukt über ein oder mehrere Items gemessen werden soll (Single- oder Multi-Item Messung). Bei reflektiven Konstruktmessungen hat sich in der Wissenschaft die Verwendung multipler Items weitestgehend durchgesetzt. So bieten Multi-Items unter anderem den Vorteil, dass die Genauigkeit der Messung steigt und Messfehler über das Indikatoren-Set ausgeglichen werden können. Bezüglich der Frage wie viele Items das Konstrukt am besten darstellen, können in der wissenschaftlichen Literatur mehrere Ansätze gefunden werden (Weiber & Mühlhaus, 2014, S. 112 ff.). Nach Bollen (1989, S. 288 ff.) sollten drei bis vier Items verwendet werden, wohingegen Churchill (1979, S. 69) zu der Verwendung von mindestens zehn Items rät. Für die Operationalisierung des entwickelten Modells wird dem Ansatz von Weiber und Mühlhaus (2014) gefolgt, die empfehlen „bei Mehr-Konstrukt-Modellen reflektive Konstrukte mindestens mit jeweils zwei Indikatoren zu messen“ (S. 113). So kann Tabelle 4 die genaue Anzahl der Indikatoren entnommen werden. Zusätzlich zeigt Abbildung 13 die Operationalisierung in visualisierter Form, welche mithilfe des Softwareprogramms SPSS Amos durchgeführt wurde. Das Pfaddiagramm mit den entsprechenden Parameterrestriktionen wurde anhand der Kriterien von Backhaus u. a. (2015, S. 100 ff.) gezeichnet.
[...]
[1] S. Glossar
-
-
-
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen.