Erfolgsfaktoren von Customer-Relationship-Management-Implementierung 9783835057050, 3835057057 [PDF]

Zitiervorschau

Goetz Greve Erfolgsfaktoren von Customer-Relationship-Management-Implementierungen

Betriebswirtschaftliche Aspekte lose gekoppelter Systeme und Electronic Business Herausgegeben von Prof. Dr. Dr. h.c. Sönke Albers, Prof. Dr. Birgit Friedl, Prof. Dr. Daniel Klapper, Prof. Dr. Achim Walter, Prof. Dr. Joachim Wolf, Institut für Betriebswirtschaftslehre, Christian-Albrechts-Universität zu Kiel Prof. Dr. Udo Konradt, Institut für Psychologie, Christian-Albrechts-Universität zu Kiel

In der Schriftenreihe werden Ergebnisse von Forschungsarbeiten veröffentlicht, die sich in herausragender Weise mit Fragen des Managements lose gekoppelter Systeme, virtueller Unternehmen und elektronischer Geschäftsprozesse beschäftigen. Die Reihe richtet sich an Leser in Wissenschaft und Praxis, die Anregungen für die eigene Arbeit und Problemlösungen suchen. Sie ist nicht auf Veröffentlichungen aus den Instituten der Herausgeber beschränkt.

Goetz Greve

Erfolgsfaktoren von Customer-RelationshipManagementImplementierungen

Mit einem Geleitwort von Prof. Dr. Dr. h.c. Sönke Albers

Deutscher Universitäts-Verlag

Bibliografische Information Der Deutschen Bibliothek Die Deutsche Bibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über abrufbar.

Dissertation Universität zu Kiel, 2006

. . 1. Au flage Dezember 1997 1. Auflage Mai 2006 Alle Rechte vorbehalten © Deutscher Universitäts-Verlag | GWV Fachverlage GmbH, Wiesbaden 2006 Lektorat: Ute Wrasmann / Britta Göhrisch-Radmacher Der Deutsche Universitäts-Verlag ist ein Unternehmen von Springer Science+Business Media. www.duv.de Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung außerhalb der engen Grenzen des Urheberrechtsgesetzes ist ohne Zustimmung des Verlags unzulässig und strafbar. Das gilt insbesondere für Vervielfältigungen, Übersetzungen, Mikroverfilmungen und die Einspeicherung und Verarbeitung in elektronischen Systemen. Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten wären und daher von jedermann benutzt werden dürften. Umschlaggestaltung: Regine Zimmer, Dipl.-Designerin, Frankfurt/Main Druck und Buchbinder: Rosch-Buch, Scheßlitz Gedruckt auf säurefreiem und chlorfrei gebleichtem Papier Printed in Germany ISBN-10 3-8350-0412-3 ISBN-13 978-3-8350-0412-2

Geleitwort Die Popularität von Customer-Relationship-Management (CRM)-Implementierungen ist in der Unternehmenspraxis ungebrochen. Unternehmen investieren branchenübergreifend Millionenbeträge in CRM. Nach anfänglichen euphorischen Schätzungen der Erfolgswirkungen von CRM finden sich vermehrt Hinweise, dass viele dieser kostenintensiven Investitionen in hochkomplexe Softwaresysteme und kundenorientierte Reorganisationsmaßnahmen nicht die prognostizierten Ziele erreichen. Aus Sicht der Unternehmenspraxis ist es deshalb von hoher Bedeutung zu wissen, von welchen Faktoren der Erfolg von Customer-Relationship-Management-Implementierungen abhängt. Dieser Frage geht Goetz Greve in der vorliegenden Arbeit nach. Nach der Herstellung eines einheitlichen Begriffsverständnisses von CRM gibt der Autor einen fundierten Überblick über die bisherigen Erfolgsfaktorenstudien zum CRM und deckt Forschungslücken auf. Zur Messung des Erfolgs im CRM greift Goetz Greve auf das Konzept des Kundenlebenszyklus zurück und entwirft einen differenzierten Messansatz über die unterschiedlichen Phasen des Kundenlebenszyklus. Darauf aufbauend werden auf Basis des Konzepts des Beziehungsmarketings und des ressourcenbasierten Ansatzes zentrale Erfolgsfaktoren identifiziert und Erfolgseinflüsse abgeleitet. Die Konzeptionalisierung wird mit Hilfe einer branchenübergreifenden Befragung von 90 Unternehmen im europäischen Raum empirisch überprüft. Der Autor stellt für jede Phase des Kundenlebenszyklus separate Modelle auf, um den Einfluss der Erfolgsfaktoren detailliert messen zu können und insbesondere Veränderungen zwischen den Phasen des Kundenlebenszyklus zu identifizieren. Methodisch zeichnet die Arbeit von Goetz Greve ein neues Verständnis der Erfolgsfaktorenforschung aus. So operationalisiert der Autor die Mehrzahl seiner Konstrukte formativ an Stelle des herkömmlichen reflektiven Vorgehens, um den Einfluss detaillierter Maßnahmen bestimmen zu können. Ziel ist es, die Einflussstärken einzelner Indikatoren und nicht mehr ausschließlich aggregierter Konstrukte zu analysieren, um konkrete Handlungsempfehlungen ableiten zu können. Ein dafür geeignetes Verfahren stellt der bislang noch nicht sehr weit verbreitete Partial-Least-Squares-Ansatz dar. Goetz Greve beschränkt sich hierbei nicht darauf, nur die Koeffizienten eines solchen Strukturgleichungsmodells darzustellen und zu interpretieren, sondern analysiert zu-

VI

Geleitwort

dem die Wirkungsstärken der einzelnen Indikatoren auf den Erfolg. Mit seiner Analyse und der Darstellung wendet Goetz Greve ein neues Paradigma an, das erst in wenigen anderen Studien angedeutet worden ist und insbesondere für die Unternehmenspraxis aufgrund der Ableitung von detaillierten Handlungsempfehlungen von Relevanz ist. Inhaltlich findet Goetz Greve heraus, dass entgegen den Ansichten vieler Softwarehersteller nicht die immer ausgefeilteren und detaillierteren Anwendungsmöglichkeiten der Software eine Rolle spielen, sondern dass man mit relativ einfachen Mitteln der Kundenansprache und Kundenanalyse bereits hohe Wirksamkeiten erzielt. So ist festzuhalten, dass insbesondere in den frühen Phasen des Kundenlebenszyklus eher abschlussorientiert denn kundenorientiert vorgegangen werden sollte. Dem Ausbau profitabler Kundenbeziehungen sollte Vorrang vor kostenintensiven Maßnahmen der Kundenbindung eingeräumt werden, da hier die größten Erfolgsbeiträge zu erwarten sind. Sämtliche Maßnahmen sind dabei durch einfache Verfahren der Kundenbewertung zu unterstützen, um möglichst profitable Kundenbeziehungen zu entwickeln. Dem wissenschaftlich interessierten Leser gibt Goetz Greve einen hervorragenden Überblick über die unterschiedlichen Erfolgswirkungen des CRM. Die Analyse der Wirkungsbeziehungen auf Indikatorebene liefert einen wichtigen methodischen Baustein für die Erfolgsfaktorenforschung. Die Arbeit von Goetz Greve ist jedoch nicht nur für die Wissenschaft von großem Interesse. Insbesondere Entscheidern aus der Unternehmenspraxis werden detaillierte Handlungsempfehlungen gegeben, wie CRM erfolgreich gestaltet werden sollte. Die vorliegende Arbeit bildet damit in besonderer Weise eine Synthese zwischen Theorie und praktischer Umsetzung. Ich würde mich deshalb sehr freuen, wenn diese Arbeit eine weite Verbreitung finden würde.

Prof. Dr. Dr. h.c. Sönke Albers

Vorwort Mit dieser Arbeit wird ein Themenfeld aufgegriffen, das in den letzten Jahren in Zusammenhang mit der Diskussion um Kundenorientierung und Kundenmanagement sowohl in der Unternehmenspraxis als auch in der Wissenschaft eine besondere Bedeutung erlangt hat: Customer Relationship Management. In der vorliegenden Arbeit werden auf der Grundlage einer empirischen Untersuchung die Erfolgsfaktoren von Customer-Relationship-Management-Implementierungen untersucht. Die Idee zu der vorliegenden Arbeit entstand während meiner Tätigkeit bei der Unternehmensberatung Accenture. Ohne die Hilfe von Thomas Gith und Andreas Hahn sowie der zahlreichen Firmenkontakte wäre diese Arbeit nicht möglich gewesen. Meinem akademischen Lehrer Herrn Prof. Dr. Dr. h.c. Sönke Albers danke ich für die hervorragende Betreuung meiner Arbeit. Herr Prof. Albers hat insbesondere meinen Ehrgeiz geweckt, mich mit quantitativen Forschungsmethoden im Marketing auseinander zu setzen. Ich konnte mir seiner Unterstützung bei inhaltlichen, konzeptionellen und methodischen Fragestellungen immer sicher sein. Hierfür gilt ihm mein ganz besonderer Dank. Herrn Prof. Dr. Achim Walter danke ich für das Zweitgutachten. Herrn Prof. Dr. Joachim Wolf danke ich für die Übernahme des Vorsitzes der Prüfungskommission. Die vorliegende Arbeit ist im Rahmen meiner Tätigkeit als wissenschaftlicher Mitarbeiter am Lehrstuhl für Innovation, Neue Medien und Marketing der ChristianAlbrechts-Universität zu Kiel entstanden. Meinen Kollegen am Lehrstuhl und des Graduiertenkollegs „Betriebswirtschaftliche Aspekte lose gekoppelter Systeme und Electronic Business“ der Deutschen Forschungsgemeinschaft danke ich für die wertvollen fachlichen Diskussionen und die schöne Zeit in Kiel. Schließlich danke ich meinen Eltern Margit und Wolfgang Greve, die mich auf allen meinen Wegen stets unterstützt und gefördert haben. Meiner Freundin Randi Lukat danke ich ganz herzlich für ihren fortwährenden Rückhalt und ihre unbedingte Unterstützung.

Goetz Greve

Inhaltsverzeichnis Abbildungsverzeichnis.............................................................................................XIII Tabellenverzeichnis................................................................................................... XV Symbolverzeichnis....................................................................................................XXI Abkürzungsverzeichnis ........................................................................................XXIII 1

2

Einleitung ............................................................................................................... 1 1.1

Ausgangssituation und Problemstellung......................................................... 1

1.2

Zielsetzung und Aufbau der Arbeit ................................................................ 5

Customer Relationship Management in der Betriebswirtschaftslehre ............ 9 2.1

Begriff und Merkmale des Customer Relationship Management .................. 9

2.1.1 Kundenorientierung als zentrales Prinzip im Marketing ............................ 9 2.1.2 Systematisierung verwandter Begriffe des CRM ..................................... 11 2.1.3 Definition des Begriffs Customer Relationship Management.................. 15 2.2 3

Konzept des Kundenlebenszyklus ................................................................ 20

Grundlagen der Untersuchung .......................................................................... 25 3.1

Konzept der Erfolgsfaktorenforschung......................................................... 25

3.2

Bestandsaufnahme der Erfolgsfaktorenforschung im CRM......................... 28

3.3

Theoretische Bezugspunkte von CRM ......................................................... 46

3.3.1 Zentrale forschungsprogrammatische Leitideen der Untersuchung ......... 46 3.3.2 Mögliche Theorieansätze zur Fundierung von CRM ............................... 49 3.3.2.1

Konzept des Beziehungsmarketings ................................................. 49

3.3.2.2

Ressourcenbasierter Ansatz .............................................................. 58

3.3.3 Theoretischer Bezugsrahmen der Untersuchung ...................................... 63 4

Konzeptionalisierung von CRM für die empirische Untersuchung ............... 65 4.1

Konzeptionalisierung des Erfolgs................................................................. 65

4.1.1 Anforderungen an die Erfolgsmessung im CRM ..................................... 67

X

Inhaltsverzeichnis

4.1.2 Komponenten des verwendeten Erfolgskonzeptes ................................... 70 4.1.2.1

Gesamterfolg und Teilerfolgsmaße .................................................. 71

4.1.2.2

Wirkungsbeziehungen des vorökonomischen Erfolgs...................... 73

4.1.3 Hypothesensystem im Überblick .............................................................. 76 4.2

Wirkungsbeziehungen zwischen Erfolgsfaktoren und Teilerfolgsmaßen .... 79

4.2.1 Kundenlebenszyklusphasen-bezogene CRM-Maßnahmen ...................... 79 4.2.1.1

Anbahnungsmanagement.................................................................. 79

4.2.1.2

Expansionsmanagement.................................................................... 84

4.2.1.3

Bindungsmanagement....................................................................... 87

4.2.2 Kundenbewertung ..................................................................................... 91 4.2.3 CRM-orientiertes Informationssystem ..................................................... 92 4.2.4 Nutzungsintensität des CRM-Systems ..................................................... 96 4.2.5 Organisatorische Anpassung..................................................................... 96 4.2.6 Kundenorientierung .................................................................................. 99 4.2.7 Topmanagement-Unterstützung.............................................................. 101 4.2.8 Kontrollvariable Heterogenität des Kundenstamms............................... 102 4.2.9 Kontrollvariable Branche........................................................................ 103 4.2.10 Hypothesensysteme im Überblick .......................................................... 103 5

Untersuchungsmethodik ................................................................................... 107 5.1

Datenerhebung und Datengrundlage .......................................................... 107

5.1.1 Methodik der Datenerhebung ................................................................. 107 5.1.2 Datenerhebung ........................................................................................ 112 5.1.3 Behandlung fehlender Werte .................................................................. 114 5.1.4 Beschreibung der Stichprobe .................................................................. 116 5.2

Methodische Grundlagen der Untersuchung .............................................. 122

5.2.1 PLS-Ansatz ............................................................................................. 124 5.2.2 Parameterschätzung und Modellbeurteilung .......................................... 130 5.2.3 Modellbeurteilung und Modellgüte ........................................................ 132 5.2.3.1

Gütebeurteilung des Strukturmodells ............................................. 132

Inhaltsverzeichnis

6

XI

5.2.3.2

Evaluierung reflektiver Messmodelle............................................. 135

5.2.3.3

Evaluierung formativer Messmodelle............................................. 141

Befunde der empirischen Untersuchung......................................................... 147 6.1

Latente Variablen des Erfolgsmodells........................................................ 147

6.1.1 Auswahl der Indikatoren......................................................................... 147 6.1.2 Spezifizierung der Faktorstruktur ........................................................... 149 6.1.3 Deskriptive Analyse der Erfolgsdimensionen des Kundenlebenszyklus 156 6.2

Indizes der Erfolgsfaktoren: Indexbildung und deskriptive Datenanalyse. 158

6.2.1 Indizes der phasenbezogenen CRM-Maßnahmen .................................. 158 6.2.1.1

Index „Anbahnungsmanagement“ .................................................. 158

6.2.1.2

Index „Expansionsmanagement“.................................................... 161

6.2.1.3

Index „Bindungsmanagement“ ....................................................... 164

6.2.2 Index „Kundenbewertung“ ..................................................................... 169 6.2.3 Index CRM-orientiertes Informationssystem ......................................... 171 6.2.4 Index Organisatorische Anpassung ........................................................ 176 6.2.5 Index Kontrollvariable „Heterogenität des Kundenstamms“ ................. 180 6.2.6 Kontrollvariable Branche........................................................................ 182 6.3

6.4

Darstellung der reflektiven Konstrukte ...................................................... 183 6.3.1.1

Auswahl der Indikatoren................................................................. 184

6.3.1.2

Deskriptive Analyse der Indikatoren .............................................. 188

Evaluation der Wirkungszusammenhänge und Modellbeurteilung............ 192

6.4.1 Befunde des Erfolgsmodells ................................................................... 192 6.4.2 Befunde in den Phasen des Kundenlebenszyklus................................... 199 6.4.2.1

Kundenlebenszyklusphase Anbahnung .......................................... 199

6.4.2.2

Kundenlebenszyklusphase Expansion ............................................ 214

6.4.2.3

Kundenlebenszyklusphase Bindung ............................................... 229

6.4.3 Fazit zu den Befunden ............................................................................ 242 7

Implikationen für das Management ................................................................ 253 7.1

Erfolgswirkungen in der Kundenlebenszyklusphase Anbahnung .............. 255

XII

Inhaltsverzeichnis

7.2

Erfolgswirkungen in der Kundenlebenszyklusphase Expansion................ 260

7.3

Erfolgswirkungen in der Kundenlebenszyklusphase Bindung ................... 265

8

Implikationen für die Forschung ..................................................................... 269

9

Zusammenfassung ............................................................................................. 273

10 Anhang................................................................................................................ 277 10.1

Fragebogen.................................................................................................. 277

10.2

Harman’s One-Factor Test.......................................................................... 288

10.3

Mittelwertunterschiede der Antwortenden ................................................. 291

10.4

Überprüfung der Reliabilität und Validität der Messkonzepte................... 294

10.5

Übersicht der Totaleffekte in den Phasen des Kundenlebenszyklus .......... 299

11 Literaturverzeichnis .......................................................................................... 301

Abbildungsverzeichnis Abbildung 1-1:

Aufbau der Untersuchung ................................................................ 7

Abbildung 2-1:

Abgrenzung von CRM zu verwandten Begriffen .......................... 14

Abbildung 2-2:

Phasen des Kundenlebenszyklus.................................................... 23

Abbildung 3-1:

Systematisierungsschema für die Erfolgsfaktorenforschung im CRM ............................................................................................... 30

Abbildung 3-2:

Systematisierung der Maßnahmen im Beziehungsmarketing ........ 57

Abbildung 3-3:

Theoretischer Bezugsrahmen ......................................................... 64

Abbildung 4-1:

Übersicht über Teilerfolgsgrößen und Gesamterfolg..................... 72

Abbildung 4-2:

Wirkungsbeziehungen des Erfolgsmodells .................................... 78

Abbildung 4-3:

Wirkungsmodell zur Erklärung des Expansionsmanagements .... 105

Abbildung 5-1:

Ablauf der Datenerhebung ........................................................... 114

Abbildung 5-2:

Verteilung der Stichprobe nach Ländern ..................................... 117

Abbildung 5-3:

Verteilung der Stichprobe nach Branchen ................................... 118

Abbildung 5-4:

Größenverteilung der Stichprobe nach Mitarbeitern.................... 119

Abbildung 5-5:

Funktion der Befragten im Unternehmen..................................... 120

Abbildung 5-6:

Verantwortung für CRM .............................................................. 121

Abbildung 5-7:

PLS-Modell mit reflektiven und formativen Indikatoren ............ 125

Abbildung 5-8:

Reflektives Messmodell mit drei Indikatoren .............................. 127

Abbildung 5-9:

Formatives Messmodell mit drei Indikatoren .............................. 129

Abbildung 5-10: Operationalisierung der Indizes mit formativen Indikatoren ....... 145 Abbildung 6-1:

Verteilung der Stichprobe nach der Ausprägung und der Umsetzung einer Kundenorientierung ......................................... 189

Abbildung 6-2:

Verteilung der Stichprobe nach der Nutzungsintensität............... 190

XIV

Abbildungsverzeichnis

Abbildung 6-3:

Befunde zu den Wirkungseffekten des Erfolgsmodells ............... 192

Abbildung 6-4:

Befunde zu den Wirkungseffekten der Kundenlebenszyklusphase Anbahnung........................................ 199

Abbildung 6-5:

Indexwerte und Totaleffekte der Phase Anbahnung .................... 212

Abbildung 6-6:

Befunde zu den Wirkungseffekten der Kundenlebenszyklusphase Expansion.......................................... 214

Abbildung 6-7:

Indexwerte und Totaleffekte der Phase Expansion ...................... 226

Abbildung 6-8:

Befunde zu den Wirkungseffekten der Kundenlebenszyklusphase Bindung............................................. 229

Abbildung 6-9:

Indexwerte und Totaleffekte der Phase Bindung ......................... 239

Abbildung 6-10: Indikatoren mit steigenden Totaleffekten .................................... 249 Abbildung 6-11: Indikatoren mit sinkenden Totaleffekten ..................................... 250 Abbildung 6-12: Abbildung mit differierenden Totaleffekten ................................ 252 Abbildung 7-1:

Darstellung der Benutzeroberfläche eines CRM-orientierten Informationssystems..................................................................... 257

Abbildung 7-2:

Erfolgswirkungen in der Kundenlebenszyklusphase Anbahnung ................................................................................... 259

Abbildung 7-3:

Darstellung von Cross-Selling-Maßnahmen in einer CRM-Software ............................................................................. 262

Abbildung 7-4:

Erfolgswirkungen in der Kundenlebenszyklusphase Expansion . 264

Abbildung 7-5:

Erfolgswirkungen in der Kundenlebenszyklusphase Bindung .... 267

Tabellenverzeichnis Tabelle 2-1:

Unterschiede zwischen transaktions- und beziehungsorientiertem Marketing............................................................................................. 12

Tabelle 2-2:

Übersicht ausgewählter Definitionen des Begriffs CRM .................... 16

Tabelle 3-1:

Ausgewählte Untersuchungen im Bereich CRM................................. 32

Tabelle 4-1:

Vermutete Wirkungsbeziehungen zu den direkten Wirkungseffekten auf den Gesamterfolg........................................................................... 77

Tabelle 4-2:

Vermutete Wirkungsbeziehungen zu den indirekten Wirkungsbeziehungen über Teilerfolgsmaße ...................................... 77

Tabelle 4-3:

Maßnahmen in der Kundenlebenszyklusphase Anbahnung ................ 83

Tabelle 4-4:

Maßnahmen in der Kundenlebenszyklusphase Expansion.................. 86

Tabelle 4-5:

Maßnahmen in der Kundenlebenszyklusphase Bindung..................... 90

Tabelle 4-6:

Hypothesensystem im Überblick ....................................................... 104

Tabelle 5-1:

Gütebeurteilung des Strukturmodells ................................................ 135

Tabelle 5-2:

Gütemaße reflektiver Messmodelle ................................................... 140

Tabelle 5-3:

Gütemaße formativer Messmodelle................................................... 144

Tabelle 6-1:

Korrelationsmatrix der Teilerfolgsindikatoren .................................. 150

Tabelle 6-2:

Zusammensetzung des Index „Gesamterfolg“................................... 151

Tabelle 6-3:

Zusammensetzung des Index „Anbahnungserfolg“........................... 152

Tabelle 6-4:

Gütemaße zur Beurteilung der Modellanpassung der Faktorenanalyse................................................................................................ 153

Tabelle 6-5:

Faktorladungsmatrix der reflektiven Teilerfolgsindikatoren............. 154

Tabelle 6-6:

Konstruktzusammensetzung und Gütekriterien der ersten Generation.......................................................................................... 155

XVI

Tabellenverzeichnis

Tabelle 6-7:

Deskriptive Statistiken zu den Erfolgsindikatoren des „Gesamterfolgs“................................................................................. 156

Tabelle 6-8:

Deskriptive Statistiken zu den Bewertungen der Erfolgsindikatoren des „Kundenlebenszyklus“ ............................................. 157

Tabelle 6-9:

Kollinearitätskriterien und Zusammensetzung des Index „Anbahnungsmanagement“ vor Prüfung auf Multikollinearität........ 158

Tabelle 6-10: Kollinearitätskriterien und Zusammensetzung des Index „Anbahnungsmanagement“ nach Prüfung auf Multikollinearität ..... 159 Tabelle 6-11: Deskriptive Statistiken zu den Bewertungen von Merkmalen des „Anbahnungsmanagements“.............................................................. 160 Tabelle 6-12: Kollinearitätskriterien und Zusammensetzung des Index „Expansionsmanagement“ vor Prüfung auf Multikollinearität ......... 162 Tabelle 6-13: Kollinearitätskriterien und Zusammensetzung des Index „Expansionsmanagement“ nach Prüfung auf Multikollinearität ....... 163 Tabelle 6-14: Deskriptive Statistiken zu den Bewertungen von Merkmalen des „Expansionsmanagements“ ............................................................... 164 Tabelle 6-15: Korrelationsmatrix des Index „Bindungsmanagement“ .................... 165 Tabelle 6-16: Kollinearitätskriterien und Zusammensetzung des Index „Bindungsmanagement“ vor Prüfung auf Multikollinearität ............ 166 Tabelle 6-17: Kollinearitätskriterien und Zusammensetzung des Index „Bindungsmanagement“ nach Prüfung auf Multikollinearität .......... 167 Tabelle 6-18: Deskriptive Statistiken zu den Bewertungen von Merkmalen des „Bindungsmanagements“................................................................... 168 Tabelle 6-19: Kollinearitätskriterien und Zusammensetzung des Index „Kundenbewertung“ vor Prüfung auf Multikollinearität................... 170 Tabelle 6-20: Deskriptive Statistiken zu den Bewertungen von Merkmalen der „Kundenbewertung“ .......................................................................... 171

Tabellenverzeichnis

XVII

Tabelle 6-21: Kollinearitätskriterien und Zusammensetzung des Index „CRMorientiertes Informationssystem“ vor Prüfung auf Multikollinearität172 Tabelle 6-22: Kollinearitätskriterien und Zusammensetzung des Index „CRMorientiertes Informationssystem“ nach Prüfung auf Multikollinearität ............................................................................... 174 Tabelle 6-23: Deskriptive Statistiken zu den Bewertungen von Merkmalen des „CRM-orientierten Informationssystems“......................................... 175 Tabelle 6-24: Kollinearitätskriterien und Zusammensetzung des Index „Organisatorische Anpassung“ vor Prüfung auf Multikollinearität .. 177 Tabelle 6-25: Kollinearitätskriterien und Zusammensetzung des Index „Organisatorische Anpassung“ nach Prüfung auf Multikollinearität 179 Tabelle 6-26: Deskriptive Statistiken zu den Bewertungen von Merkmalen der „Organisatorischen Anpassung“ ........................................................ 180 Tabelle 6-27: Kollinearitätskriterien und Zusammensetzung des Index „Heterogenität des Kundenstamms“ vor Prüfung auf Multikollinearität ............................................................................... 181 Tabelle 6-28: Deskriptive Statistiken zu den Bewertungen von Merkmalen der „Heterogenität des Kundenstamms“ .................................................. 182 Tabelle 6-29: Korrelationsmatrix der verhaltensbezogenen Merkmale................... 185 Tabelle 6-30: Varimax-rotierte Faktorladungsmatrix der reflektiven Indikatoren .. 186 Tabelle 6-31: Konstruktzusammensetzung und Gütekriterien der 1. Generation.... 187 Tabelle 6-32: Deskriptive Statistiken zu den Bewertungen von Merkmalen der reflektiven Indikatoren....................................................................... 188 Tabelle 6-33: Befunde des Messmodells ................................................................. 193 Tabelle 6-34: Befunde des Strukturmodells............................................................. 195 Tabelle 6-35: Ausprägungen der Effektgröße .......................................................... 196 Tabelle 6-36: Prognosegüte des Erfolgsmodells...................................................... 196

XVIII

Tabellenverzeichnis

Tabelle 6-37: Direkte, indirekte und totale Effekte der Teilerfolgsmaße auf den „Gesamterfolg“ .................................................................................. 197 Tabelle 6-38: Befunde des Messmodells ................................................................. 201 Tabelle 6-39: Befunde des Strukturmodells............................................................. 203 Tabelle 6-40: Ausprägungen der Effektgröße .......................................................... 204 Tabelle 6-41: Totaleffekte (T), Indexwerte und Elastizitäten der Indikatoren in der Kundenlebenszyklusphase Anbahnung ....................................... 207 Tabelle 6-42: Befunde des Messmodells ................................................................. 216 Tabelle 6-43: Befunde des Strukturmodells............................................................. 219 Tabelle 6-44: Ausprägungen der Effektgröße .......................................................... 219 Tabelle 6-45: Totaleffekte (T), Indexwerte und Elastizitäten der Indikatoren in der Kundenlebenszyklusphase Expansion ......................................... 222 Tabelle 6-46: Befunde des Messmodells ................................................................. 231 Tabelle 6-47: Befunde des Strukturmodells............................................................. 233 Tabelle 6-48: Ausprägungen der Effektgröße .......................................................... 234 Tabelle 6-49: Totaleffekte (T), Indexwerte und Elastizitäten der Indikatoren in der Kundenlebenszyklusphase Bindung ............................................ 235 Tabelle 6-50: Untersuchungsergebnisse zu den Wirkungseffekten auf den Gesamterfolg...................................................................................... 242 Tabelle 6-51: Untersuchungsergebnisse zu den direkten Einflüssen der Erfolgsfaktoren auf die einzelnen Teilerfolgsmaße........................... 243 Tabelle 6-52: Gegenüberstellung von Pfadkoeffizienten und Effektstärke in der Phase Anbahnung............................................................................... 244 Tabelle 6-53: Gegenüberstellung von Pfadkoeffizienten und Effektstärke in der Phase Expansion ................................................................................ 245

Tabellenverzeichnis

XIX

Tabelle 6-54: Gegenüberstellung von Pfadkoeffizienten und Effektstärke in der Phase Bindung ................................................................................... 246 Tabelle 6-55: Überblick über die Phasen des Kundenlebenszyklus ........................ 247 Tabelle A2-1 Ergebnisse des Harman’s One-Factor-Tests...................................... 288 Tabelle A3-1: Mittelwertunterschiede der Antwortenden ........................................ 291 Tabelle A4-1: KMO-Kriterium und Barlett-Test der reflektiven Teilerfolgsindikatoren........................................................................ 294 Tabelle A4-2: Anti-Image-Matrizen der reflektiven Teilerfolgsindikatoren............ 294 Tabelle A4-3: KMO-Kriterium und Barlett-Test der reflektiven Indikatoren.......... 295 Tabelle A4-4: Anti-Image-Matrizen der reflektiven Indikatoren ............................. 295 Tabelle A4-5: Korrelationen der unabhängigen und abhängigen Variablen ............ 296 Tabelle A5-1: Positive Totaleffekte der Indikatoren in den Kundenlebenszyklusphasen ............................................................... 299 Tabelle A5-2: Negative Totaleffekte der Indikatoren in den Kundenlebenszyklusphasen ............................................................... 300

Symbolverzeichnis ȟ

Vektor der latenten, exogenen Variablen

Ș

Vektor der latenten, endogenen Variablen

ȗ

Vektor der Residuen

İx, y

Vektoren x bzw. y der Residuen

Ǻ

Pfadkoeffizientenmatrix des Vektors der latenten, endogenen Variablen

ī

Pfadkoeffizientenmatrix des Vektors der latenten, exogenen Variablen

E

Erwartungswert

Cov

Kovarianz

H

Anzahl der Gleichungen im Strukturgleichungsmodell

ȁy,x

Matrix der Faktorladungen der Vektoren y bzw. x

ʌȘ,ȟ

Multipler Regressionskoeffizient von Ș und ȟ

įȘ,ȟ

Vektor der Residuen der multiplen Regression von Ș und ȟ

ȦȘ,ȟ

Gewichte des Indikators i einer latenten Variablen

Ȝi

Ladung des Indikators i einer latenten Variablen

J

Zahl der exogenen Variablen

K

Anzahl der Fälle

r

Korrelationskoeffizient

R²

Multiples Bestimmtheitsmaß der linearen Regression

R²korr

Korrigiertes Bestimmtheitsmaß

f²

Effektgröße

R²eingeschlossen Bestimmtheitsmaße der latenten, endogenen Variablen unter Einschluss einer bestimmten, über das Strukturmodell mit ihr in Beziehung stehenden latenten, exogenen Variablen

XXII

Symbolverzeichnis

R²ausgeschlossen Bestimmtheitsmaße der latenten, endogenen Variablen unter Ausschluss einer bestimmten, über das Strukturmodell mit ihr in Beziehung stehenden latenten, exogenen Variablen t

t-Wert

N

Anzahl der einem Faktor zugeordneten Indikatoren

ıi²

Varianz des Indikators i

Į

Cronbachs Alpha

Ȝmax

maximaler, in der Schätzung vorkommende Eigenwert

Ȝi

i-ter Eigenwert der Varianz-Kovarianz-Matrix der unstandardisierten Regressionskoeffizienten

Ȉ

Summe

%

Prozent

Abkürzungsverzeichnis Aufl.

Auflage

CRM

Customer Relationship Management

Elast.

Elastizität

et al.

et alii, et alia, et altera

FIMIX-PLS

Finite-Mixture-Partial-Least-Squares

Hrsg.

Herausgeber

H

Hypothese

IT

Informationstechnologie

Jg.

Jahrgang

KI

Konditionsindex

KMO

Kaiser-Meyer-Olkin

LISREL

Linear-Structural-Relationship

Med.

Median

MSA

Measure-of-Sampling-Adequacy

MW

Mittelwert

n.s.

nicht signifikant

OLS

Ordinary-Least-Squares

o.V.

ohne Verfasser

PIMS

Profit-Impact-of-Marketing-Strategies

PLS

Partial-Least-Squares

SEM

Structural-Equation-Model

Stab.

Standardabweichung

XXIV

Abkürzungsverzeichnis

T

Toleranz

W

Wirkungsbeziehung

1

Einleitung

1.1 Ausgangssituation und Problemstellung Unter dem Schlagwort Customer Relationship Management (CRM) hat das Management von Kundenbeziehungen in den letzten Jahren in Wissenschaft und Praxis verstärkt an Bedeutung gewonnen.1 Diese Aussage unterstreichen Meldungen über Unternehmen, die hohe Investitionen in die Implementierung von CRM getätigt haben. So investierten Unternehmen wie der Automobilbauer BMW oder der Kasinobetreiber Harrah’s Entertainment Beträge zwischen 20 und 30 Millionen Euro bzw. zwischen 75 und 100 Millionen Dollar in die Implementierung von CRM.2 Allein für den deutschen Markt der CRM-Implementierungen erwartet die Marktforschungsgesellschaft IDC für die Jahre 2005 bis 2009 ein Wachstum von durchschnittlich 4,7 Prozent bei einem Gesamtvolumen von 1,6 Mrd. Euro Ende 2005.3 Die hohen Investitionskosten werfen unweigerlich die Frage auf, ob CRM lediglich ein Schlagwort aus der Praxis ist, ob CRM ein neuartiges Management-Konzept darstellt, oder ob CRM eine Kombination aus bewährten Marketingprinzipien und dem Einsatz moderner Informations- und Kommunikationstechnologien ist. Denn die Grundidee, Kundenwünsche individuell zu erfüllen, anstatt sich lediglich auf den Verkauf von Produkten auf anonymen Märkten zu konzentrieren, ist weder in der Praxis noch in der Wissenschaft ein neuer Tatbestand.4 Allerdings herrschte lange Zeit ein transaktionsorientiertes Verständnis, welches Geschäftsbeziehungen lediglich als diskrete, voneinander unabhängige Aktionen auffasste, die eher am kurzfristigen Erfolg ausgerichtet sind. Durch die Absicht, profitable Geschäftsbeziehungen langfristig auszuschöpfen, ergab sich eine Verschiebung von der transaktionsorientierten Marketing-Perspektive zu einer beziehungsorientierten Sichtweise, welche unter dem Begriff Beziehungsmarketing bzw. Relationship Marketing die Etablierung und Pflege langfristiger Beziehungen zu erfolgversprechenden Kunden in den Mittelpunkt stellt.5 Ausgehend vom Business-to-Business-Geschäft, in dem seit je her langfristige Beziehungen zu Kunden

1

Vgl. Marketing Science Institute (2004), S. 10. Vgl. o.V. (2002), o.V. (2001). 3 Vgl. IDC (2005). 4 Vgl. Levitt (1960), S. 56, Berry (1995), S. 236. 5 Vgl. Dwyer, Schurr und Oh (1987), S. 12, Webster (1992), S. 1, Morgan und Hunt (1994), S. 21. 2

2

Einleitung

gepflegt werden, hat sich in den letzten Jahren die Notwendigkeit durchgesetzt, eine Beziehungsorientierung auch im Geschäft mit dem Endkunden, also dem Business-toConsumer-Geschäft, herzustellen, da diese Kunden aufgrund vielfach austauschbarer Produkte und Dienstleistungen über geringere Wechselbarrieren verfügen. Die Herausforderung, vor der Unternehmen im Business-to-Consumer-Geschäft stehen, ist allerdings eine andere als diejenige der Unternehmen, die im Business-to-BusinessGeschäft tätig sind: Die Einsicht, dass eine umfassende Befriedigung der Kundenwünsche auf individueller Ebene nur möglich ist, wenn das Unternehmen umfassende Informationen über den Kunden, seine Wünsche und sein Verhalten verfügt, hat Unternehmen die Bedeutung des Einsatzes moderner Informations- und Kommunikationstechnologien verdeutlicht. Dieser Sachverhalt wird dadurch verschärft, dass die Kundenstämme im Business-to-Consumer-Geschäft ein Vielfaches des Business-toBusiness-Geschäfts betragen können und bspw. bei Finanzdienstleistern oder Telekommunikationsunternehmen mehrere Millionen Kunden betragen können. Ein individueller Aufbau, Ausbau und die Pflege aller Kundenbeziehungen ist daher nur mit Hilfe moderner Informations- und Kommunikationstechnologien zu bewältigen, da die differenzierte Bearbeitung von Kunden nach ihren Bedürfnissen die Sammlung, Speicherung, Auswertung und Weitergabe von umfassenden Kundeninformationen an die kundennahen Abteilungen Marketing, Service und Vertrieb erfordert.6 CRM wird daher vielfach als Synonym für die informations- und kommunikationstechnologische Software-Lösung verwendet. CRM muss jedoch als Management-Konzept verstanden werden, welches unter Einsatz bekannter betriebswirtschaftlicher Konzepte und moderner Informationstechnologie eine Kundenbeziehungsstrategie entwickelt, die es Unternehmen ermöglicht, langfristig profitable Kundenbeziehungen zu allen Endkunden aufzubauen und zu erhalten. Entsprechend sind für den Aufbau und die Pflege dauerhafter Kundenbeziehungen die Kunden an ökonomischen Zielen zu messen und entsprechend ihrem Ertragspotenzial durch das Marketing-Mix-Instrumentarium differenziert zu behandeln.7 Daher liegt die eigentliche Herausforderung des CRM darin, das Konzept des Beziehungsmarketings unter Zuhilfenahme moderner Informationsund Kommunikationstechnologien und organisatorischer Anpassungen auf das Business-to-Consumer-Geschäft zu übertragen.

6 7

Vgl. Hippner und Wilde (2005), S. 465. Vgl. Krafft (2002), S. 3, Gupta und Lehmann (2005), S. 53ff.

Einleitung

3

Allerdings sind die Erfolge aus der Implementierung von CRM weitestgehend unklar, so dass die Marktforschungsgesellschaft Gartner Group in einer Studie für das Jahr 2005 prognostiziert, dass bis zu 75 Prozent aller CRM-Projekte keine messbaren Erfolge erbringen werden,8 da die Unternehmen vor Schwierigkeiten bei der Implementierung der informations- und kommunikationstechnologischen Lösungen oder bei der Akzeptanz der CRM-Systeme unter den Mitarbeitern stehen.9 Die Unternehmenspraxis berichtet seit längerem von nur unzureichenden oder gar negativen Wirkungen von CRM auf den Unternehmenserfolg. Beobachtungen im deutschen Markt im Jahr 2002 führten zu dem Ergebnis, dass 46,5 Prozent aller CRM-Implementierungen den Budget- und 60,5 Prozent den Zeitrahmen sprengten10 und lediglich zwischen zehn und zwanzig Prozent aller CRM-Implementierungen die Erwartungen erfüllen konnten.11 Fasst man die vorangegangenen Ausführungen zusammen, so kann festgestellt werden, dass aus Sicht der Praxis eine erfolgreiche Implementierung von CRM mit erheblichen Schwierigkeiten belegt ist. Die Gründe dafür liegen zum einen in der mangelnden einheitlichen Begriffsauffassung von CRM und den eingeschlossenen Dimensionen. Zum anderen scheinen die Erfolgswirkungen und Erfolgsbeiträge von CRM bislang nicht ausreichend gesichert zu sein.12 Der Gegensatz zwischen dem rasanten Wachstum von CRM-Implementierungen in Unternehmen und dem Ausbleiben von Erfolgswirkungen wirft die Frage auf, welche Erfolgsmaße für CRM anzulegen sind. Angesichts des großen Interesses der Unternehmenspraxis für CRM ist es umso verwunderlicher, dass die bisherige Forschung bis heute kaum gesicherte Erkenntnisse zu den Erfolgsfaktoren von CRM-Implementierungen vorweisen kann. Zwar finden sich zu diesem Thema zahlreiche praxisorientierte Berichte oder konzeptionelle Beiträge, es mangelt aber insbesondere an empirisch erforschten, wissenschaftlichen Erkenntnissen, welche unternehmensinternen und -externen Faktoren Einfluss auf den Erfolg von CRM ausüben und in welchem Zusammenhang dieser zum ökonomischen

8

Vgl. Gartner Group (2003), Almquist, Heaton und Hall (2002), S. 19 gehen von mehr als 41 Prozent fehlgeschlagener CRM-Projekte aus. 9 Vgl. Rigby, Reichheld und Schefter (2002), S. 6, o.V. (2001), S. 2, Gartner Group (2003). 10 Vgl. Frank et al. (2002), S. 49. 11 Vgl. Martin (2002), S. 51, Krafft (2002), S. 64 berichtet von mehr als 70 Prozent gescheiterter CRM-Maßnahmen. 12 Vgl. Botwinik et al. (2001), S. 6f.

4

Einleitung

Erfolg eines Unternehmens steht. Die Erfolgsfaktorenforschung zum CRM weist zwar erste Ansätze zu einer systematischen, empirischen Erforschung der Erfolgsfaktoren auf, dennoch sind in diesen Studien zum Teil inhaltliche und methodische Mängel zu erkennen. Aus inhaltlicher Sicht ist zu kritisieren, dass zahlreiche Studien lediglich Teilbereiche von CRM untersuchen und sich dabei bspw. auf die informations- und kommunikationstechnologische Umsetzung konzentrieren,13 anstatt bspw. auch relevante Marketingmaßnahmen oder organisatorische Anforderungen einzubeziehen. Eine umfassende Untersuchung aller Dimensionen von CRM unterbleibt. Ebenso wird in bisherigen empirischen Arbeiten der CRM-Erfolg nicht differenziert durch ökonomische und nicht-ökonomische Größen, sondern zumeist nur anhand verhaltensbezogener Größen wie der Kundezufriedenheit gemessen. Um allerdings konkrete Wirkungsbeziehungen zwischen Maßnahmen und dem Erfolg identifizieren zu können, muss der Erfolg differenziert anhand konkret beeinflussbarer Größen wie der Kundenbindungsrate oder dem Gesamtertrag pro Kunde gemessen werden. Aus methodischer Sicht kann konstatiert werden, dass die bisherigen Arbeiten ihre Ergebnisse nur auf Basis geringer Fallzahlen gründen und oftmals lediglich Fallstudien in bestimmten Branchen und Ländern durchführen.14 Dieses Vorgehen schränkt die Generalisierbarkeit der Befunde der bisherigen Studien stark ein. Insbesondere mangelt es jedoch an großzahligen empirischen Untersuchungen, die unter Anwendung moderner quantitativer Analyseverfahren den komplexen Wirkungszusammenhängen zwischen den Erfolgsfaktoren und den Erfolgsindikatoren Rechnung tragen. Kritisch zu hinterfragen ist ebenso die zumeist ausschließlich reflektive Operationalisierung der latenten Variablen der Modelle der bisherigen empirischen Arbeiten. Unter dem Gesichtspunkt der Ableitung von Handlungsempfehlungen für das Management erscheint vielfach eine formative Operationalisierung angebrachter.15 Als Fazit lässt sich festhalten, dass die Erkenntnisse aus der empirischen Erfolgsfaktorenforschung zum CRM bislang kaum ausreichen, um differenzierte Managementempfehlungen über die dem CRM zugrunde liegenden Erfolgszusammenhänge auszusprechen.

13

Vgl. Zahay und Griffin (2002), Jayachandran, Hewett und Kaufman (2004). Vgl. Croteau und Li (2003), Alt, Puschmann und Österle (2005). 15 Vgl. Albers und Hildebrandt (2006). 14

Einleitung

5

1.2 Zielsetzung und Aufbau der Arbeit Ausgehend von den zuvor beschriebenen inhaltlichen und methodischen Forschungslücken lässt sich die Zielsetzung dieser Arbeit anhand von drei Kernfragen verdeutlichen: Erstens ist ein einheitliches Begriffsverständnis von CRM nicht gegeben. Zweitens ist bislang unklar, wie der Erfolg im CRM differenziert über die gesamte Kundenbeziehung zu messen ist. Drittens ist bislang nur unzureichend bekannt, welche Faktoren sich als erfolgskritisch im CRM erweisen. Daraus ergeben sich drei zentrale Zielsetzungen dieser Arbeit. Während die ersten beiden Zielsetzungen die inhaltlichen Lücken schließen sollen, beseitigt die dritte Zielsetzung die methodischen Forschungslücken: Die erste Zielsetzung besteht in einer systematischen Aufarbeitung der konzeptionellen und empirischen Literatur zum CRM, um ein einheitliches Begriffsverständnis und eine Vorstellung über die Dimensionen von CRM zu erreichen. Die zweite Zielsetzung verfolgt die Konzeption eines Ansatzes, mit dem der Erfolg von CRM in Unternehmen über die gesamte Kundenbeziehung differenziert gemessen werden kann. Neben ökonomischen Größen wie bspw. Umsatz und Gewinn sollen insbesondere nicht-ökonomische Erfolgsgrößen wie bspw. Kundenzufriedenheit und Kundenloyalität einbezogen werden, welche den Erfolg von CRM in den einzelnen Phasen einer Kundenbeziehung widerspiegeln können. Die dritte Zielsetzung dieser Arbeit liegt in der Konzeption und empirischen Überprüfung von Modellen zur Erklärung der vorher abgeleiteten Erfolgsgrößen. Hierzu sollen spezifische CRM-Maßnahmen und Einflussgrößen auf Basis theoretischer Konzepte identifiziert und Hypothesen zu deren möglichen Erfolgswirkungen formuliert werden. Auf Basis einer großzahligen, internationalen empirischen Untersuchung werden die Hypothesen mit Hilfe des Partial-Least-Squares (PLS)-Ansatzes überprüft. Dieser multivariate Ansatz zur Analyse von Strukturgleichungsmodellen mit latenten Variablen ist in der Lage, die vermuteten Wirkungsbeziehungen zwischen Erfolgsfaktoren und Erfolgsindikatoren simultan statistisch zu schätzen. Insbesondere ermöglicht der PartialLeast-Squares-Ansatz die problemlose Verwendung formativer und reflektiver Indikatoren. Aufgrund der Ergebnisse der empirischen Untersuchung sollen Handlungsempfehlungen für das Management von Unternehmen entwickelt werden. Damit schließt diese Arbeit die aufgezeigten Forschungslücken und ist in der Lage, detaillierte Handlungsempfehlungen für das Management in Hinblick auf eine erfolgreiche Implementierung von CRM auszusprechen.

6

Einleitung

Entsprechend den vorgestellten Zielsetzungen der Arbeit gliedert sich der Aufbau der Arbeit in insgesamt sieben Hauptteile. Abbildung 1-1 zeigt eine graphische Übersicht des Aufbaus der Untersuchung. Im Anschluss an die Einleitung folgt in Abschnitt 2 die Entwicklung und Definition der grundlegenden Begriffe von CRM und dem Kundenlebenszyklus. Darauf aufbauend werden in Abschnitt 3 die Grundlagen der vorliegenden Arbeit erörtert, indem zunächst in das Konzept der Erfolgsfaktorenforschung eingeführt wird, um anschließend bereits bestehende Studien zum Thema CRM zu bewerten und darauf aufbauend relevante Erfolgsfaktoren zu identifizieren. Abschließend werden die CRM zugrunde liegenden Theorien dargestellt und für diese Arbeit in einem theoretischen Bezugsrahmen zusammengefasst. Abschnitt 4 widmet sich der Konzeptionalisierung des Erfolgs sowie der angenommenen Wirkungszusammenhänge zwischen den Erfolgsfaktoren und den Erfolgsmaßen. In Abschnitt 5 werden die methodischen Grundlagen der empirischen Untersuchung dargestellt. Die Operationalisierung der Erfolgsfaktoren und –maße sowie die Darstellung der Ergebnisse der empirischen Analyse erfolgt detailliert in Abschnitt 6. Die Arbeit schließt mit Implikationen für Management (Abschnitt 7) und Forschung (Abschnitt 8) und endet mit einer Zusammenfassung in Abschnitt 9.

Einleitung

7

Abbildung 1-1: Aufbau der Untersuchung Einleitung Ausgangssituation und Problemstellung

Zielsetzung und Aufbau der Arbeit

Customer Relationship Management in der Betrieswirtschaftslehre Begriff und Merkmale des CRM

Konzept des Kundenlebenszyklus

Grundlagen der Untersuchung Konzept der Erfolgsfaktorenforschung Bestandsaufnahme der Erfolgsfaktorenforschung im CRM

Theoretische Bezugspunkte von CRM

Theoretischer Bezugsrahmen der Untersuchung

Konzeptionalisierung von CRM für die empirische Untersuchung Konzeptionalisierung des Erfolgs

Wirkungsbeziehungen zwischen Erfolgsfaktoren und Teilerfolgsmaßen

Untersuchungsmethodik Datenerhebung und Datengrundlage

Methodische Grundlagen der Untersuchung

Befunde der empirischen Untersuchung Latente Variablen des Erfolgsmodells Indizes der Erfolgsfaktoren

Darstellung der reflektiven Konstrukte

Evaluation der Wirkungszusammenhänge und Modellbeurteilung

Zusammenfassung Implikationen für das Management

Implikationen für die Forschung

Evaluation der Wirkungszusammenhänge und Modellbeurteilung

2

Customer Relationship Management in der Betriebswirtschaftslehre

Die Entwicklung eines theoretischen Modells zur Erklärung des Wirkungszusammenhangs zwischen CRM und dem Erfolg von Unternehmen erfordert zunächst die Ableitung eines einheitlichen Begriffsverständnisses von CRM. Dazu wird zunächst der Begriff CRM von verwandten Begriffen abgegrenzt. Darauf aufbauend werden die in der Literatur verwendeten Definitionen von CRM anhand einer Systematisierung entlang von vier Dimensionen strukturiert, um anschließend zu einem einheitlichen Begriffsverständnis für diese Arbeit zu gelangen. Abschließend wird als weitere Grundlage der Untersuchung das Konzept des Kundenlebenszyklus im CRM vorgestellt. 2.1 Begriff und Merkmale des Customer Relationship Management 2.1.1 Kundenorientierung als zentrales Prinzip im Marketing Die Veränderung der wirtschaftlichen und wettbewerblichen Rahmenbedingungen der letzten Jahrzehnte erforderte eine Neuausrichtung der Marketingaktivitäten. Ausgehend von der Produktorientierung der fünfziger und sechziger Jahre, in denen ein Verkäufermarkt anhand von Massenprodukten befriedigt werden konnte, wandelte sich in den siebziger Jahren der Verkäufermarkt zu einem Käufermarkt, so dass Sättigungserscheinungen auftraten.16 Entsprechend folgten viele Unternehmen einer Marktorientierung, um die Bedürfnisse spezifischer Kundensegmente zu befriedigen. Im Zuge zunehmend austauschbarer Marketingaktivitäten und Leistungen der Unternehmen trat im Rahmen der Wettbewerbsorientierung der achtziger Jahre die Profilierung und Abgrenzung gegenüber der Konkurrenz in den Vordergrund. Die Kundenorientierung17 wird in zahlreichen wissenschaftlichen Beiträgen als aktuell letzte Stufe dieser historischen Entwicklung angesehen.18 Diese Entwicklung wird mit der Veränderung der wirtschaftlichen und wettbewerblichen Rahmenbedingungen der letzten Jahrzehnte begründet. Letztendlich ist die Kundenorientierung jedoch kein neues Konzept, sondern findet sich seit jeher in wirtschaftlichen Austauschbeziehungen wieder.19 In der

16

Vgl. Bruhn (2004), S. 35. In der Literatur wird der Begriff Kundennähe synonym verwendet. 18 Vgl. Bruhn (2003), S. 2ff., Webster (1992), S. 2, kritisch Bennet und Cooper (1979), S. 76ff. 19 Vgl. Lawson und Wooliscroft (2004), S. 322f., Shaw und Jones (2005), S. 273. 17

10

Customer Relationship Management in der Betriebswirtschaftslehre

Marketingliteratur der fünfziger Jahre hat die Kundenorientierung im Rahmen des sogenannten Marketing-Konzepts Bedeutung erlangt.20 Ab Ende der achtziger Jahre wurde die Kundenorientierung in der Wissenschaft als Determinante des Unternehmenserfolgs eingeführt, vor allem basierend auf der Untersuchung von Peters und Waterman (1982).21 Anhand unstrukturierter Interviews mit Managern von 43 besonders erfolgreich eingestuften Unternehmen stellen die Autoren fest, dass sich insbesondere die Kundennähe für den außergewöhnlichen Erfolg eines Unternehmens verantwortlich zeichnet. Wenn auch Peters und Waterman (1982) keine Definition von Kundennähe geben, so warten sie doch mit einer Fülle von Maßnahmen auf, die Kundennähe repräsentieren sollen.22 Das zentrale Ziel der Kundenorientierung ist die Sicherstellung profitabler, dauerhafter Kundenbeziehungen. Dieses Ziel wird anhand einer Orientierung an den individuellen Bedürfnissen der Kunden erreicht. Unter dem Begriff Kundenorientierung soll daher die umfassende, kontinuierliche Ermittlung und Analyse der individuellen Kundenerwartungen sowie deren interne und externe Umsetzung in unternehmerische Leistungen sowie Interaktionen im Rahmen eines Beziehungsmarketing-Konzeptes mit dem Ziel der Schaffung langfristig stabiler und profitabler Kundenbeziehungen verstanden werden.23 Der Grundgedanke der Kundenorientierung wurde zunächst insbesondere im Industriegüter- und Dienstleistungsmarketing umgesetzt und schließlich auf sämtliche Branchen ausgedehnt. Die Grundannahme, Kundenbeziehungen individuell zu steuern, ist eng mit dem Konzept des Beziehungsmarketings (Relationship Marketing) verknüpft. Daher wird im folgenden Abschnitt näher auf den Begriff des Beziehungsmarketings eingegangen.

20

Vgl. Kühn (1991), S. 97. Vgl. Peters und Waterman (1982). 22 Vgl. Albers und Eggert (1988), S. 6. 23 Vgl. Kühn (1991); 97ff., Bruhn (2003), S. 15. 21

Customer Relationship Management in der Betriebswirtschaftslehre

11

2.1.2 Systematisierung verwandter Begriffe des CRM Die Betrachtung von Beziehungen zu verschiedenen Marktteilnehmern steht seit jeher im Blickfeld der Marketingforschung.24 Im Zusammenhang mit den in Abschnitt 2.1.1 beschriebenen Entwicklungen wandelte sich in vielen Branchen das Marketingverständnis in den letzten beiden Jahrzehnten von einem transaktions- zu einem beziehungsorientierten Marketing.25 Während das transaktionsorientierte Marketing lediglich auf die Initiierung von Einzeltransaktionen mit häufig nicht näher konkretisierten Kunden zielt, steht im Mittelpunkt des beziehungsorientierten Marketing die langfristige kundenorientierte Gestaltung von Geschäftsbeziehungen, um profitable Kundenbeziehungen über den gesamten Kundenlebenszyklus abzuschöpfen.26 Damit zielt das beziehungsorientierte Marketing auf die Entwicklung und Verbesserung bestehender Kundenbeziehungen während der gesamten Lebenszeit einer Kundenbeziehung, anstatt den Schwerpunkt lediglich auf die Akquisition neuer Kunden zu legen.27 Entsprechend rückt die Steigerung des Anteils am Umsatzpotenzial des Kunden, die Kundenbindung und die Kundenrückgewinnung ebenfalls in den Fokus der Betrachtung. Die geforderte Kundenorientierung stellt jedoch keinen Selbstzweck dar, da sich auch im beziehungsorientierten Marketing die Marketingziele an ihrem Beitrag zu den Unternehmenszielen messen lassen müssen. Da nicht alle Kunden aufgrund ihrer individuellen Ressourcenausstattung und ihres Verhaltens über das gleiche Potenzial verfügen, einen Beitrag zur Zielerreichung eines Unternehmens zu leisten, erscheint es nicht sinnvoll, alle Kunden gleichermaßen zufrieden zu stellen und an das Unternehmen zu binden. Zentrales Ziel sollte die Gestaltung langfristiger Geschäftsbeziehungen zu als profitabel eingestuften Kunden sein, so dass der monetäre Rückfluss die in den Kunden getätigten Investitionen rechtfertigt. Im beziehungsorientierten Marketing wird der individuelle Kunde anhand kundenrelevanter ökonomischer Steuergrößen wie dem Kundenwert oder dem Kundendeckungsbeitrag bewertet, anstatt lediglich unternehmensbezogene ökonomische Steuerungsgrößen wie Gewinn oder Umsatz zu nutzen. Die bisherige zentrale Rolle der Kernleistung des Produktes bzw. der Dienstleis-

24

Vgl. Kotler (1972), S. 47f., Bagozzi (1975), S. 32. Vgl. Webster (1992), S. 5ff. 26 Vgl. Bruhn (2003), S. 15, Kühn (1991), S. 68. 27 Vgl. Payne und Rapp (1999), S. 5. 25

12

Customer Relationship Management in der Betriebswirtschaftslehre

tung wird zugunsten des Umfeldes der Leistung abgeschwächt, da die Kunden einen Mehrwert in Form von Beratung, Information oder Service erwarten.28 Die Kommunikation mit dem Kunden erfolgt anhand eines individualisierten Dialogs, in dem der Kunde als gleichwertiger Partner betrachtet wird. Ein schematischer Vergleich des transaktions- und beziehungsorientierten Marketings findet sich in Tabelle 2-1. Tabelle 2-1: Unterschiede zwischen transaktions- und beziehungsorientiertem Marketing

Ziel

Transaktionsorientiertes Marketing

Beziehungsorientiertes Marketing

Kundenakquisition

Kundenakquisition

Marktanteil

Anteil am Umsatzpotential des Kunden

Abschluss einer Transaktion

Kundenbindung Kundenrückgewinnung möglichst profitabler Kunden

Zeithorizont

kurzfristig

langfristig

Marktsicht

Fokus auf Neukundengewinnung und Einzelverkäufe

Fokus auf Pflege und Erhalt von profitablen Kundenbeziehungen

Transaktionssicht

Transaktions- und Informationssicht

Selbstselektion durch den Kunden

Bewusste Auswahl profitabler Kunden

Kundenverständnis

Anonymer Kunde

Gleichwertiger Partner

Bewertung

Bewertung des Segments

Bewertung des Kunden

Kommunikation

Einseitige Kommunikation

Individualisierter Dialog

Ökonomische Erfolgsund Steuerungsgrößen

Gewinn

Zusätzlich:

Deckungsbeitrag

Kundendeckungsbeitrag

Umsatz

Kundenlebenszeitwert

Kosten Marketingverständnis

funktional

funktionsübergreifend

Quelle: in Anlehnung an Coviello et al. (2002), S. 35, Hoekstra, Leeflang und Wittnik (1999), S. 57ff.

In der Literatur werden für ein beziehungsorientiertes Marketing unterschiedliche Begriffe wie Beziehungsmanagement, Beziehungsmarketing, Kundenbindungsmanagement oder Kundenbeziehungsmanagement verwendet, die häufig nicht eindeutig voneinander abgegrenzt werden. Als übergeordnetes Prinzip wird nach Diller (1995) unter Beziehungsmanagement „...die aktive und systematische Analyse, Selektion, Planung, Gestaltung und Kontrolle von Geschäftsbeziehungen im Sinne eines ganzheitlichen Konzeptes von Zielen, Leitbildern, Einzelaktivitäten und Systemen“ verstanden.29 Neben dem Fokus auf die Kundenbeziehungen werden ebenso sämtliche verti-

28 29

Vgl. Wolf (2002), S. 61. Vgl. Diller (1995), S. 442.

Customer Relationship Management in der Betriebswirtschaftslehre

13

kale, laterale als auch unternehmensinterne Beziehungen in die Betrachtung einbezogen.30 Unter dem Begriff Beziehungsmarketing wird ein strategisches Marketingkonzept verstanden, welches alle Marketing-Aktivitäten auf die Etablierung, Entwicklung und Pflege profitabler Austauschbeziehungen richtet.31 Im Gegensatz zum transaktionsorientierten Marketing steht nicht mehr die alleinige Gewinnung von Neukunden im Mittelpunkt, sondern die Entwicklung dauerhafter Kundenbeziehungen. Damit verlagert sich auch der Schwerpunkt der Marketingaktivitäten von der Vorkaufphase der Kundenakquisition hin zur Nachkaufphase und damit hin zu einer Schaffung bzw. Erhöhung des Nutzens beider Geschäftspartner im Rahmen eines fortwährenden Prozesses der Kundenbeziehung.32 Ziel aus Unternehmenssicht ist dabei die Erhöhung der Wechselbarrieren, um profitable Kunden dauerhaft an das Unternehmen zu binden. Entsprechend geht mit dieser Veränderung eine Neuausrichtung der MarketingAktivitäten an Stelle von einzelnen Parametern wie bspw. Produkt oder Preis zugunsten von Kundenbindungsmaßnahmen einher. Folglich erweitern die Kunden ihre Geschäftsbeziehung mit dem Unternehmen und reduzieren ihre Abwanderungswahrscheinlichkeit. Wenn auch beim Beziehungsmarketing häufig die Kundenseite im Vordergrund der Betrachtung steht, umfasst es auch die Austauschbeziehungen zu vertikalen Anspruchsgruppen wie bspw. Lieferanten.33 Das Customer Relationship Management hat sich direkt aus dem Beziehungsmarketing entwickelt. Im Gegensatz zum Beziehungsmarketing beschränkt sich das Kundenbeziehungsmanagement ausschließlich auf die Gestaltung der Beziehungen zum Kunden und zwar sowohl zu potentiellen Kunden, zu bestehenden Kunden als auch zu verlorenen Kunden. Das CRM setzt seinen Schwerpunkt in der Betrachtung von Geschäftsbeziehungen zu Endkunden. Damit liegt der Fokus auf dem Business-toConsumer-Geschäft und unterscheidet sich daher deutlich vom Fokus des Business-toBusiness-Geschäfts des Beziehungsmarketings. Das Business-to-Consumer-Geschäft ist gekennzeichnet durch eine großzahlige Kundenbasis, die mehrere Hunderttausend

30

Vgl. Diller und Kusterer (1988), S. 212, ähnlich Berry (1995), S. 241. Vgl. Berry (1983), S. 25, Morgan und Hunt (1994), S. 22, Bruhn (2001), S. 9. 32 Vgl. Parvatiyar und Sheth (2000), S. 9. 33 Vgl. Wehrli (1994), S. 193. 31

14

Customer Relationship Management in der Betriebswirtschaftslehre

oder Millionen Kunden umfassen kann.34 Die Bereitstellung und Kommunikation individueller Produkte und Dienstleistungen über die Vertriebskanäle des Unternehmens zu einer großzahligen Kundenbasis, wie es bspw. bei Online- oder Versandhändlern wie Amazon oder Otto der Fall ist, stellt das Unternehmen vor erhebliche organisatorische und technische Herausforderungen, was bei einer überschaubaren Kundenbasis im Business-to-Business-Geschäft des Beziehungsmarketings nicht der Fall ist. Das Kundenbindungsmanagement hingegen bezieht sich nach Homburg und Bruhn (2005) lediglich auf die Pflege bereits bestehender Kundenbeziehungen.35 Somit werden aus der Betrachtung die Gewinnung von Neukunden sowie die Rückgewinnung abgewanderter Kunden ausgeklammert. Abbildung 2-1 veranschaulicht die miteinander in Beziehung stehenden Begriffe des beziehungsorientierten Marketing. Abbildung 2-1: Abgrenzung von CRM zu verwandten Begriffen

Beziehungsmanagement Sonstige externe Beziehungen

Sonstige interne Beziehungen

Beziehungsmarketing Sonstige vertikale Beziehungen Customer Relationship Management Potenzielle Kunden

Aktuelle Kunden Kundenbindungsmanagement

Quelle: in Anlehnung an Hippner (2004), S. 18.

34 35

Vgl. Gummesson (2004), S. 137. Vgl. Homburg und Bruhn (2005), S. 8.

Verlorene Kunden

Customer Relationship Management in der Betriebswirtschaftslehre

15

2.1.3 Definition des Begriffs Customer Relationship Management Zur Frage, was unter CRM zu verstehen ist, existieren in der wissenschaftlichen Literatur unterschiedlichste Auffassungen, die sich von einer relativ engen Auslegung bis hin zu nahezu alle betrieblichen Funktionen umfassenden Definitionen von CRM erstrecken. Es ist festzustellen, dass in den einzelnen Definitionen zum Teil sehr unterschiedliche Aspekte des CRM aufgegriffen werden. Ausgehend von einer detaillierten Literaturrecherche in wissenschaftlichen Zeitschriften sowie Büchern und Management-Literatur können insgesamt vier unterschiedliche Dimensionen von CRM identifiziert werden. Zunächst lässt sich eine strategische Dimension extrahieren, die auf die Durchsetzung einer kundenorientierten Unternehmensstrategie und damit auf die konsequente Ausrichtung aller Unternehmensaktivitäten an den Bedürfnissen des Kunden gerichtet ist.36 Daneben beschreibt die prozessuale Dimension von CRM die systematische und langfristige Kundenbearbeitung durch unterschiedliche Aktivitäten und unterschiedliche Kundenkontaktkanäle über den gesamten Kundenlebenszyklus hinweg. Die prozessuale Dimension erstreckt sich auf die Ablauforganisation und damit auf alle kundenorientiert zu gestaltenden Abläufe im Unternehmen.37 Hinsichtlich der Kundenbearbeitung ist zu beachten, dass CRM die differenzierte Bearbeitung von Kunden in Abhängigkeit von ihrem individuellen Wert für das Unternehmen vornimmt. Die organisationale Dimension schließt wiederum die durch die Ausrichtung der Unternehmensaktivitäten an den Bedürfnissen des Kunden entstandenen organisationalen Veränderungen ein. Hierunter werden die aufbau- und ablauforganisatorischen Anpassungen der kundennahen Abteilungen, aber auch die Implementierung von Anreizsystemen verstanden. Die letzte Dimension des CRM ist die technologische Dimension. Hierunter wird die kontinuierliche und systematische Sammlung, Speicherung, Verarbeitung und Weitergabe von Markt- und Kundeninformationen mit Hilfe von Informations- und Kommunikationstechnologien verstanden. Allerdings ist die Technologie nur als Hilfsmittel zur Erfüllung der Aufgaben im CRM zu bewerten.38 Tabelle 2-2 liefert eine Übersicht über unterschiedliche CRM-Definitionen. Zur Entwicklung einer Arbeitsdefinition von CRM sind die in der

36

Vgl. Hippner (2004), S. 16, Dowling (2002), S. 97ff. Vgl. Sexauer (2002), S. 220. 38 Vgl. Ling und Yen (2001), S. 83, Hippner und Wilde (2002), S. 15. 37

16

Customer Relationship Management in der Betriebswirtschaftslehre

Literatur zitierten Definitionen miteinander zu vergleichen, um dadurch relevante Dimensionen von CRM zu identifizieren und gegebenenfalls in die Arbeitsdefinition aufzunehmen. Der rechte Teil der Tabelle ordnet den Definitionen die jeweils verwendeten Dimensionen zu. Tabelle 2-2: Übersicht ausgewählter Definitionen des Begriffs CRM Autor (Jahr)

Definition von Customer Relationship Management

Dimensionen Strategie

Galbreath (1998), "Activities an enterprise performs to identify, select, S. 14. acquire, develop, and retain increasingly loyal and profitable customers. CRM integrates sales, marketing and service functions through business process auto-

“CRM comprises the acquisition and deployment of knowledge about customers to enable a company to sell more of their product or service more efficiently.”

Bruhn (2002), S. 133.

„Das Konzept Customer Relationship Management umfasst sämtliche Maßnahmen der Analyse, Planung, Durchführung und Kontrolle, die der Initiierung, Stabilisierung, Intensivierung und Wiederaufnahme von Geschäftsbeziehungen zu den Anspruchsgruppen – insbesondere zu den Kunden – des Unternehmens mit dem Ziel des gegenseitigen Nutzens dienen.“

Q

Q

Q

valuable customers, to increase customer retention and the effectiveness of marketing initiatives.”

Reinartz und

„CRM, ..., is the strategic process of shaping the inter-

Chugh (2002), S. 207f.

actions between a company and its customers with the goal to maximize the lifetime value of customers for the company as well as to maximize satisfaction for the customer.”

Q

Q

Q

Q

Technologisch

Q

Q

Day und Van den „We define customer relationship management as a cross-functional process for achieving a continuing Bulte (2002), dialogue with customers, across all their contact and S. 5. access points, with personalized treatments of the most

Rigby, Reichheld „CRM aligns business processes with customer strateund Schefter gies to build customer loyalty and to increase profits (2002), S. 102. over time.”

Organisational

Q

mation, technology solutions and information resources to maximize each customer contact. CRM facilitates relationships among enterprises, their customers, business supplies and employees." Ling und Yen (2001), S. 82.

Prozess

Q

Customer Relationship Management in der Betriebswirtschaftslehre

17

Fortsetzung von Tabelle 2-2 Dimensionen Autor (Jahr)

Definition von Customer Relationship Management

Strategie

Hippner und Wilde (2002), S. 6.

“CRM ist eine kundenorientierte Unternehmensstrategie, die mit Hilfe moderner Informations- und Kommunikationstechnologien versucht, auf lange Sicht profitable Kundenbeziehungen durch ganzheitliche und individuelle Marketing-, Vertriebs- und Servicekonzepte aufzubauen und zu festigen.“

Q

Tan, Yen und Fang (2002), S. 78.

„Customer Relationship Management (CRM) is a business strategy to select and manage customers to optimize long-term value. CRM requires a customer centric business philosophy and culture to support effective marketing, sales, and service processes. CRM applications can enable effective Customer Relationship Management, provided that an enterprise has the right leadership strategy, and culture.”

Q

Wilson, Daniel und McDonald (2002), S. 198.

„ ..., we define CRM as processes and technologies that support the planning, execution and monitoring of coordinated customer, distributor and influencer interactions through all channels.”

Wolf (2002), S. 7.

„CRM ist ein ganzheitlicher strategischer Ansatz zur kundenorientierten Ausrichtung von Unternehmen mit den Zielen einer Verbesserung der Kundenbindung und einer Erhöhung der Kundenprofitabilität. Wesentliche Komponenten sind neben der Strategiedefinition im

Prozess

Organisational

Technologisch

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

CRM die daraus resultierende Ausgestaltung der Kundenbeziehungen, die Konzeption von Organisation/Prozessen und der Einsatz von ITSystemen/Technologie ein.“ Wright, Stone und Abbott (2002), S. 340.

“CRM is a concept that adds value to the meaning of customer orientation with the application of information technology (IT) to marketing through IT software,

Q

Q

e-commerce and other initiatives.” Zahay und Griffin (2002), S. 3.

„..., CRM refers to the process of segmenting customers and tailoring relevant marketing communications and product offerings to them to create value for the firm.”

Croteau und Li (2003), S. 21f.

„CRM is a concept that enables an organization to tailor specific products or services to each individual customer.”

Q

Q

Q

18

Customer Relationship Management in der Betriebswirtschaftslehre

Fortsetzung von Tabelle 2-2

Autor (Jahr)

Definition von Customer Relationship Management

Kim, Suh und

„CRM can be defined as managerial efforts to manage

Hwang (2003), S. 6.

business interactions with customers by combining business processes and technologies that seek to understand a company’s customers.”

Rawolle (2003), S. 119.

„…als die Gesamtheit aller organisatorischen und informationstechnischen Maßnahmen zur Planung,

Dimensionen Strategie

Prozess

Q

Q

Steuerung und Kontrolle der Kundenbeziehungen mit dem Ziel, einen unternehmerischen Erfolgsbeitrag zu leisten....“ Stefanou und Sarmaniotis (2003), S. 618.

“CRM can also be defined as the management approach that involves identifying, attracting, developing and maintaining successful customer relationships over time in order to increase retention of profitable customers”

Gummesson (2004), S. 137.

„CRM is the values and strategies of relationship marketing – with particular emphasis on customer relationships – turned into practical application.”

Schoder und Madeja (2004), S. 38.

„Customer Relationship Management (CRM) can be understood as a revolving process during which companies interact with their customers, thereby generate, aggregate, and analyze customer data, and employ the results for service and marketing activities.”

Q

Jayachandran et al. (2005), S. 3.

“Customer relationship management is a core organizational process that focuses on establishing, maintaining, and enhancing long-term associations with customers as advocated by relationship marketing theory.”

Q

„..., we define the CRM process at the customer-facing Reinartz, Krafft und Hoyer (2004), level as a systematic process to manage customer relationship initiation, maintenance, and termination S. 294f. across all customer contact points to maximize the value of the relationship portfolio”. Homburg und Sieben (2005), S. 437.

„...umfasst ein Customer Relationship Management die Planung, Durchführung, Kontrolle sowie Anpassung aller Unternehmensaktivitäten, die zu einer Erhöhung der Profitabilität der Kundenbeziehung und damit zu einer Optimierung des Kundenportfolios beitragen.“

Organisational

Technologisch

Q

Q

Q

Q

Q

Q

Q

Q

Q

Q

Customer Relationship Management in der Betriebswirtschaftslehre

19

Die Systematisierung der Tabelle 2-2 zeigt, dass eine große Begriffsvielfalt bzgl. CRM vorhanden ist. Es ist ersichtlich, dass einige Autoren lediglich einzelne Dimensionen von CRM in ihre Definition einschließen. Anhand der Systematisierung lässt sich ablesen, ob die Autoren ein ganzheitliches Verständnis von CRM haben oder Schwerpunkte auf einzelne Dimensionen setzen. Die Mehrzahl der Autoren fasst CRM zwar als ganzheitliches Konzept auf, jedoch berücksichtigt keine der bisherigen Definitionen alle Dimensionen von CRM. Ebenso greift keine Definition den Umstand auf, dass CRM insbesondere ein Konzept für das Business-to-Consumer-Geschäft ist und Beziehungen zu vielen Tausend oder gar Millionen von Endkunden individuell zu gestalten hat.39 Dieser Umstand deutet darauf hin, dass in den bisherigen Arbeiten zum CRM eine Forschungslücke besteht, da CRM nur unter Verwendung einzelner Dimensionen untersucht wird, eine Untersuchung unter Verwendung aller relevanten Dimensionen jedoch unterbleibt. Die vorliegende Arbeit soll diese Forschungslücke schließen. Daher ist unter der Berücksichtigung der Zielsetzung dieser Arbeit ein möglichst umfassendes Erklärungsmodell für den CRM-Erfolg zu liefern und somit eine möglichst weit gefasste CRM-Definition zu wählen: CRM ist eine endkundenorientierte Unternehmensstrategie zur Verbesserung der Kundenbindung und Kundenprofitabilität über den gesamten Kundenlebenszyklus. CRM basiert auf einem funktions- und abteilungsübergreifenden, kundenorientierten Prozess, welcher sowohl durch organisatorische als auch technologische Komponenten unterstützt wird und sämtliche Maßnahmen der Analyse, Planung, Durchführung und Kontrolle von Kundenbeziehungen umfasst.40 Bevor in den weiteren Ausführungen die bisherigen empirischen Untersuchungen zur Erfolgsfaktorenforschung im CRM dargestellt werden, wird zunächst als weitere Grundlage der Untersuchung das Konzept des Kundenlebenszyklus im CRM vorgestellt.

39 40

Vgl. Gummesson (2004), S. 137, Albers und Söhnchen (2005), S. 60f. In Anlehnung an die Definitionen aus Tabelle 2-2.

20

Customer Relationship Management in der Betriebswirtschaftslehre

2.2 Konzept des Kundenlebenszyklus Das ursprünglich in der Adoptions- und Diffusionsforschung entwickelte Konzept des Lebenszyklus wurde auf zahlreiche Untersuchungsgegenstände der Betriebswirtschaftlehre angewandt.41 Die Grundannahme des Konzepts orientiert sich an dem in der Natur beobachtbaren Prozess von Geburt, Wachsen, Reifen, Altern und Tod und eignet sich zur Schematisierung der Entwicklungsphasen eines Objektes.42 Über die Lebensdauer durchläuft das Untersuchungsobjekt verschiedene idealtypische Phasen, die durch spezifische Merkmale gekennzeichnet sind. In der Marketingforschung hat das Lebenszykluskonzept insbesondere im Produktlebenszyklus Anwendung gefunden,43 welcher anhand ökonomischer Größen wie Absatz oder Stückgewinn die Entwicklung eines Produktes im Zeitablauf darstellt.44 Für die jeweiligen Phasen werden produktspezifische, strategische und operative Handlungsempfehlungen abgeleitet. Dabei ist die Anzahl der identifizierten Phasen über die Vielzahl an Studien nicht einheitlich festgelegt.45 Durch den in Abschnitt 2.1.2 beschriebenen Übergang von einem transaktionsorientierten zu einem beziehungsorientierten Marketing wurde das Lebenszykluskonzept auf die Entwicklung von Kundenbeziehungen übertragen.46 CRM verfolgt eine Orientierung an gesamten Kundenbeziehungen, anstatt einzelne diskrete Transaktionen mit dem Kunden zu betrachten. Damit besteht die Annahme, dass Kundenbeziehungen als dynamische Ersatz- und Wiederkaufprozesse zwischen Anbieter und Nachfrager aufzufassen sind.47 Ersatz- und Wiederkaufprozesse oder wiederkehrende Bedarfe sind das Kennzeichen der meisten Märkte und sind letztendlich Bedingung für das CRM. Ist in einem Markt kein Ersatz- oder Wiederkaufverhalten beobachtbar, ist das CRM mit seinen Aktivitäten zur Herstellung von Kundenbindung überflüssig. Damit steht das Ersatz- und Wiederkaufverhalten in enger Beziehung zu dem Konstrukt der Geschäftsbeziehung, da Kaufentscheidungen innerhalb andauernder Geschäftsbeziehungen stattfinden. Unter Geschäftsbeziehung wird daher

41

Vgl. Lambkin und Day (1989), S. 6f., Tellis und Crawford (1981), S. 125, Fischer (2001), S. 1. Vgl. Zehbold (1996), S. 16-76 für einen Überblick über unterschiedliche Lebenszykluskonzepte. 43 Vgl. Patton (1959) für eine erste geschlossene Darstellung des Konzepts. 44 Vgl. Patton (1959), S. 11. 45 Vgl. bspw. Day (1981), S. 62ff. für vier Phasen. 46 Vgl. Stauss (2000). 47 Vgl. Bagozzi (1974), Bagozzi (1975). 42

Customer Relationship Management in der Betriebswirtschaftslehre

21

eine Folge von Transaktionen zwischen Anbieter und Nachfrager verstanden, die nicht zufällig ist.48 Diller und Kusterer (1988) sehen eine Geschäftsbeziehung bereits ab der ersten Transaktion als gegeben an.49 Diese Annahme entspricht der Sichtweise dieser Arbeit nur zum Teil, da im CRM bereits potenzielle Kunden, die noch keine Transaktion mit dem Unternehmen getätigt haben, in die Betrachtung einbezogen werden (vgl. Abschnitt 2.1.2). Dennoch liegt der Schwerpunkt von CRM auf der Gestaltung dauerhafter Geschäftsbeziehungen. Aus Ersatz- und Wiederkaufprozessen und dauerhaften Geschäftsbeziehungen erwächst für den Kunden die Möglichkeit, Erfahrungen mit einem Anbieter zu bewerten und für die folgenden Kaufentscheidungen zu berücksichtigen. Für den Anbieter bedeutet dies, systematische Maßnahmen einzusetzen, um die wiederkehrenden Kaufentscheidungen auf sich zu lenken,50 falls die Kundenbeziehung durch den Anbieter als langfristig erfolgsversprechend bewertet wird. In diesem Zusammenhang lassen sich verschiedene Beziehungsphasen unterscheiden, innerhalb derer die Kundenbeziehung differenziert gestaltet wird und die zu einem Kundenlebenszyklus zusammen gefasst werden können.51 Der Kundenlebenszyklus beschreibt einen idealtypischen glockenförmigen Verlauf einer Kundenbeziehung über die Zeit, der in verschiedenen Phasen (bspw. Anbahnung, Wachstum, Reife und Auflösung) einer Kundenbeziehung resultiert.52 Damit trägt der Kundenlebenszyklus dem Gedanken einer periodenübergreifenden Betrachtungsweise Rechnung und verlässt somit die transaktionsorientierte Sichtweise einer Geschäftsbeziehung. Für eine Darstellung des Kundenlebenszyklus wird die Abszisse durch die Dauer der Geschäftsbeziehung und die Ordinate durch die Beziehungsintensität bzw. -qualität53 repräsentiert. Demnach sind die Phasen anhand der Stärke bzw. Qualität der Beziehung zu unterscheiden. Diese Konstruktion hat zur Folge, dass die Bestimmung der Ordinate mit gewissen Schwierigkeiten behaftet ist, da die Intensität

48

Vgl. Plinke und Söllner (2005), S. 67. Vgl. Diller und Kusterer (1988), S. 211. 50 Vgl. Schütze (1992), S. 9. 51 Vgl. Ford (1980), Dwyer, Schurr und Oh (1987). 52 Vgl. Wackman, Salmon und Salmon (1986), S. 22, Dwyer, Schurr und Oh (1987), S. 15ff., Diller, Lücking und Prechtel (1992), S. 2, Bruhn (2001), S. 46. 53 Vgl. Bruhn (2001), S. 46, Müller (2004), S. 47ff. 49

22

Customer Relationship Management in der Betriebswirtschaftslehre

einer Kundenbeziehung anhand diverser Messgrößen wiedergegeben werden kann. Bruhn unterscheidet drei Arten von Indikatoren zur Kennzeichnung der Beziehungsintensität.54 Erstens können psychologische Indikatoren wie das Vertrauen oder die Loyalität eingesetzt werden, zweitens können verhaltensbezogene Indikatoren wie das Kaufverhalten oder das Kommunikationsverhalten eingesetzt werden. Drittens können ökonomische Indikatoren wie der Kundendeckungsbeitrag oder der Kundenwert als Messgrößen dienen. Im Rahmen der wissenschaftlichen Diskussion sind die Anzahl und Bezeichnung der Phasen des Kundenlebenszyklus nicht eindeutig definiert. Anzahl und Bezeichnung unterscheiden sich, je nachdem, welche Indikatoren der Beziehungsintensität bzw. -qualität verwendet werden.55 Die Vorstellung der Einteilung des Kundenlebenszyklus in idealtypische Phasen ist allerdings kritisch zu hinterfragen. So konnten Diller, Lücking und Prechtel in einer empirischen Untersuchung lediglich für 26 Prozent der Kundenbeziehungen sämtliche angenommenen idealtypischen Phasen nachweisen.56 Dennoch konstatieren Homburg und Schurr die Realitätsnähe der Konzeption von idealtypischen Phasen eines Kundenlebenszyklus.57 Fasst man die bisherigen Konzeptionen des Kundenlebenszyklus zusammen, so lassen sich drei Kernphasen identifizieren: Anbahnung, Expansion und Bindung.58 Die Phase Anbahnung beschreibt die Initiierung der Beziehung zwischen Anbieter und Nachfrager. Bei genauerer Betrachtung wird zu dieser Phase auch die Rückgewinnung bereits verlorener Kunden gezählt, da hier ähnliche Maßnahmen wie zur Kundenakquisition ergriffen werden. In der Phase Expansion kommt es bei positiver Beziehungsentwicklung zu einer Ausweitung der Kundenbeziehung durch bspw. die Ausschöpfung von Cross- und Up-Selling-Potenzialen und einer Steigerung des Gesamtertrages der Kundenbeziehung.59 In der Phase Bindung geht es darum, die Kundenbeziehung auf dem erreichten Niveau zu halten, wieder auf ein profitables Niveau zurückzufüh-

54

Vgl. Bruhn (2001), S. 46f. Vgl. Dubinsky und Ingram (1084), Dwyer, Schurr und Oh (1987), Stauss (2000), Bruhn (2001). 56 Vgl. Diller, Lücking und Prechtel (1992), S. 7ff. 57 Vgl. Homburg und Schurr (1998), S. 184. 58 Vgl. Wackman, Salmon und Salmon (1986), S. 22, Bruhn (2001), S. 48, Stauss (2000), S. 16, Reinartz, Krafft und Hoyer (2004), S. 294. 59 Vgl. Bruhn (2001), S. 48. 55

Customer Relationship Management in der Betriebswirtschaftslehre

23

ren oder aber unprofitable Kundenbeziehungen zu beenden.60 Abbildung 2-2 stellt den idealtypischen Verlauf eines Kundenlebenszyklus mit drei Phasen dar. Abbildung 2-2: Phasen des Kundenlebenszyklus

Qualität der Geschäftsbeziehung

Initiierung

Anbahnung

Entwicklung

Ausbau

Stabilität

Expansion

Beendigung

Zeit

Bindung

Quelle: in Anlehnung an Stauss (2000), S. 16, Bruhn (2001), S. 48.

Hinsichtlich der Existenz und der Dauer der Phasen ist kritisch anzumerken, dass ein Kunde nicht alle Phasen durchlaufen muss. So ist es denkbar, dass die Ausbauphase übersprungen wird. Außerdem ist die Dauer der Phasen nicht eindeutig festlegbar. So kann bei Konsumgütern die Anbahnungsphase sehr kurz ausfallen, während sie bei Gütern mit hohem Individualisierungsgrad und Komplexität (bspw. Dienstleistungen) entsprechend länger andauert.61 Auch ist es nachvollziehbar, dass Kunden Produkte, die eher am Anfang ihres Produktlebenszyklus stehen, verstärkt nachfragen. Die Kurve des Kundenlebenszyklus fällt also in der Akquisitions- und Expansionsphase steiler

60 61

Vgl. Reinartz, Krafft und Hoyer (2004), S. 294. Vgl. Bruhn (2001), S. 52.

24

Customer Relationship Management in der Betriebswirtschaftslehre

und kürzer aus als in der Bindungsphase. Ein Beispiel hierfür wären die OnlineAngebote der Musikbranche. Ebenso ist es denkbar, dass die Phase der Bindung bei Produkten oder Dienstleistungen mit weit fortgeschrittenem Produktlebenszyklus besonders lange anhält. Dieser Verlauf des Kundenlebenszyklus ist bspw. bei den Kunden der Mobilfunkanbieter zu beobachten. Für die empirische Untersuchung soll das Konzept des Kundenlebenszyklus Anwendung finden, da es geeignet erscheint, die Vielzahl an Maßnahmen und Faktoren im CRM anhand der Kundenlebenszyklusphasen zu systematisieren und eine differenzierte Erfolgsmessung für die einzelnen Phasen bereit zu stellen.

3

Grundlagen der Untersuchung

Im Vorfeld der Untersuchung werden die relevanten bisherigen Arbeiten, die sich speziell mit CRM auseinander setzen, strukturiert dargestellt. Die meisten Arbeiten folgen dabei dem Konzept der Erfolgsfaktorenforschung, um ihr Ziel zu erreichen, die Erfolgswirkungen und Erfolgsbeiträge von CRM zu analysieren. Das Konzept der Erfolgsfaktorenforschung erscheint aufgrund der Komplexität des für diese Arbeit zugrunde liegenden Untersuchungsobjekts CRM als geeignetes Instrument zur Beschreibung relevanter Einflussgrößen, der Erklärung der Intensität zwischen diesen Größen und dem Erfolg sowie der Vorhersage von Wirkungszusammenhängen. Auf die Darstellung des Konzepts der Erfolgsfaktorenforschung soll zunächst näher eingegangen werden, um darauf aufbauend ein Systematisierungsschema zu entwickeln, in das anschließend die relevanten bisherigen Erfolgsfaktorenstudien zum CRM eingeordnet werden. Anschließend werden ausgewählte Studien näher analysiert, um Stärken und Schwächen der bisherigen Forschung herauszustellen. Nach Erörterung der zentralen forschungsprogrammatischen Leitideen dieser Untersuchung werden darauf aufbauend das Konzept des Beziehungsmarketings und der ressourcenbasierte Ansatz zur theoretischen Fundierung von CRM dargestellt. Der Abschnitt schließt mit der Darstellung des theoretischen Bezugsrahmens dieser Untersuchung. 3.1 Konzept der Erfolgsfaktorenforschung Die Erfolgsfaktorenforschung ist als Teilbereich der Erfolgsforschung neben anderen Teilbereichen wie beispielweise der Insolvenz- und Krisenforschung anzusehen.62 In der Erfolgsfaktorenforschung wird grundsätzlich eine Abgrenzung der Forschungsziele in die Teilziele Beschreibung, Erklärung und Vorhersage vorgenommen.63 Das erste Teilziel, die Beschreibung, ist auf die Identifikation, die Darstellung und das einheitlichen Verständnis relevanter Konstrukte einer Theorie ausgerichtet. Die Erklärung ermittelt die Art und Intensität des Zusammenhangs zwischen den Einflussgrößen und dem Erfolg. Das dritte Teilziel stellt auf die Vorhersage von Sachverhalten auf der Basis der ermittelten Wirkungszusammenhänge ab. Gerade die Vorhersage bildet das

62 63

Vgl. Fritz (1990), S. 92. Vgl. Snow und Thomas (1994), S. 463ff.

26

Grundlagen der Untersuchung

Bindeglied zwischen wirtschaftswissenschaftlicher Forschung und unternehmerischer Praxis.64 Zur Bewertung des Einflusses dieser Einflussgrößen werden Erfolgsindikatoren eingesetzt, die den zu untersuchenden Erfolg operationalisieren. Hierfür steht eine Vielzahl von Indikatoren von ökonomischen Kennziffern wie Gewinn, Return on Investment, Umsatz- und Marktanteile bis hin zu nicht-ökonomischen Größen wie Kundenzufriedenheit oder Kundenbindung bereit.65 Erfolgsfaktoren können exogene oder endogene Einflussgrößen sein.66 Zu den exogenen Größen zählen umweltbezogene Größen, die durch das Unternehmen nur wenig oder gar nicht beeinflusst werden können. Zu den endogenen Größen zählen unternehmensbezogene Größen, die durch das Unternehmen direkt verändert werden können. Empirische Studien haben zeigen können, dass neben den „harten“ Erfolgsfaktoren der traditionellen Managementlehre wie bspw. der Organisationsstruktur auch „weiche“ Größen wie die Unternehmenskultur einen Einfluss ausüben können.67 Die Erfolgsfaktorenforschung wird durch das Konzept der strategischen bzw. kritischen Erfolgsfaktoren begründet, welches auf Daniel (1961) und Rockart (1979) zurückgeht.68 Die zentrale Annahme dieses Konzeptes ist, dass der Unternehmenserfolg trotz seiner Mehrdimensionalität und Multikausalität durch einige wenige als wesentlich erachteten Einflussgrößen erklärbar ist.69 Die Beschränkung auf einige wenige Erfolgsfaktoren trägt der Komplexitätsreduktion Rechnung. Prominentestes Beispiel der Erfolgsfaktorenforschung ist das PIMS-Projekt (ProfitImpact-of-Marketing-Strategies).70 Ziel des PIMS-Ansatzes ist die Identifikation von Faktoren, die den Unternehmenserfolg beeinflussen. Grundannahme ist, dass sich aus umfangreichen Daten erfolgreiche Verhaltenmuster herausfiltern lassen, die sich für eine Generalisierbarkeit eignen. Trotz der empirischen Fundierung wurden insbesondere die Unvollständigkeit der einbezogenen Faktoren, die unzureichend geklärten Kausalzusammenhänge, eine mangelnde theoretische Fundierung sowie Schwächen in

64

Vgl. Jenner (1999), S. 21f., Hildebrandt (1988), S. 92, Fritz (1990), S. 92, Haeneke (2002), S. 166. Vgl. Abschnitt 4.1 dieser Arbeit. 66 Vgl. Haeneke (2002), S. 166. 67 Vgl. Fritz (1990), S. 92. 68 Vgl. Daniel (1961), S. 111ff., Rockart (1979), S. 81ff. 69 Vgl. Leidecker und Bruno (1984), S. 24, Hoffmann (1986), S. 832f., Hildebrandt (2003), S. 204. 70 Vgl. Buzzell und Gale (1987). 65

Grundlagen der Untersuchung

27

der Datenauswertung bemängelt.71 In den vergangenen zwanzig Jahren wurden zahlreiche weitere Arbeiten durchgeführt, welche die Faktoren des Unternehmenserfolgs aus unterschiedlichen Perspektiven beleuchten. Dennoch ist die Erfolgsfaktorenforschung bis heute Gegenstand kritischer Auseinandersetzungen.72 So stellen Nicolai und Kieser (2002) das Vorgehen und die Ergebnisse der empirischen Erfolgsfaktorenforschung grundsätzlich in Frage und fordern, den Ansatz der Erfolgsfaktorenforschung gänzlich zu verwerfen.73 Zu den genannten Kritikpunkten gehören insbesondere methodische Schwächen wie der Key-Informant-Bias, der zu Verzerrungen führen kann, wenn lediglich eine Auskunftsperson (Key-Informant) Auskunft erteilt, der Common-Method Bias, der zu Messfehlern aufgrund der Erhebungsmethode führen kann, sowie die Beeinflussung der abhängigen Variablen durch nicht erhobene Variablen (Endogenität) oder die a priori nicht beobachteten Unterschiede bestimmter Subsamples einer Stichprobe (unbeobachtete Heterogenität). Zudem werden die mangelnde theoretische Fundierung sowie die widersprüchlichen Ergebnisse durchgeführter Untersuchungen kritisiert. Der Beitrag Nicolai und Kiesers (2002) stellt den Anfangspunkt einer Reihe kritischer Entgegnungen dar.74 Zusammenfassend kann konstatiert werden, dass die Erfolgsfaktorenforschung trotz bekannter methodischer Probleme zu einer Vielzahl übereinstimmender Ergebnisse kommt, und das trotz zum Teil extremer Unterschiede in der empirischen Basis, der Erhebungsmethode oder der Analysemethode. Insbesondere muss der Kritik Nicolai und Kiesers (2002) widersprochen werden, der Forscher produziere die gewünschten Ergebnisse selbst, da aufgrund der Untersuchungsmethodik Regeln zu beachten sind, welche die Prüfbarkeit der aufgestellten Hypothesen sowie die Reliabilität und Validität der eingesetzten Messinstrumente sicher stellen.75 Zudem erscheint die geforderte Trennung von betriebswirtschaftlicher Forschung und Unternehmenspraxis76 nicht nachvollziehbar, da gerade die Erfolgsfaktorenforschung dem Praktiker neue Blickwinkel auf reale Probleme der Unterneh-

71

Vgl. Fritz (1990), S. 93, Jenner (1999), S. 39ff. Vgl. March und Sutton (1997) sowie Haeneke (2002) für eine Systematisierung der Kritik an der Erfolgsfaktorenforschung. 73 Vgl. Nicolai und Kieser (2002), S. 583f. 74 Vgl. Bauer und Sauer (2004), Fritz (2004), Homburg und Krohmer (2004), Nicolai und Kieser (2004), Fritz (2004), Kieser (2005). 75 Vgl. Fritz (2004), S. 625. 76 Vgl. Nicolai und Kieser (2002), S. 592f. 72

28

Grundlagen der Untersuchung

menspraxis eröffnet.77 Im Rahmen dieser Arbeit wird die Auffassung vertreten, dass durch eine sorgfältige Spezifikation und theoretische Fundierung der Untersuchungsmodelle, einer methodisch fundierten Datenerhebung sowie dem Einsatz einer komplexen, dem Untersuchungsobjekt angemessenen Untersuchungsmethodik die aufgeführten Kritikpunkte minimiert werden können.78 Die vorliegende Arbeit hat daher zum Ziel, anhand des verwendeten Forschungsdesigns einen Erkenntnisforschritt in der empirischen Erfolgsfaktorenforschung zum CRM zu leisten und damit inhaltliche und methodische Lücken zu schließen. 3.2 Bestandsaufnahme der Erfolgsfaktorenforschung im CRM Bevor in Kapitel 4 eine eigene Konzeptionalisierung der Erfolgsfaktoren von CRM erarbeitet wird, soll zunächst eine Bestandsaufnahme bisheriger Studien zum CRM erfolgen, die Erfolgsfaktoren des CRM bereits identifiziert und analysiert haben. Grundsätzlich ist hierfür die Durchführung einer Meta-Analyse basierend auf den bisherigen Studien zur Erfolgsfaktorenforschung im CRM denkbar. Allerdings wird eine Strukturierung der Studien zur Erfolgsfaktorenforschung durch die fehlende einheitliche Untersuchungsebene der Studien erschwert. Fritz (1990) spricht in diesem Zusammenhang von Heterogenität der Studien hinsichtlich der verwendeten Analysemethoden, der empirischen Grundlagen und der identifizierten Erfolgsfaktoren.79 So wird eine Vielzahl unterschiedlicher statistischer Analysemethoden verwendet oder es werden Studien rein qualitativ durchgeführt, so dass viele empirische Studien lediglich explorativ geprägt sind und auf eine theoriegeleitete, großzahlige Hypothesenprüfung verzichten. 80 Auch variiert die empirische Basis der Studien erheblich. Die Operationalisierung des Erfolges wird teilweise auf Gesamtunternehmensebene vorgenommen, teilweise auf Geschäftsbereichsebene. Zudem schwankt je nach Untersuchung die Anzahl der identifizierten Erfolgsfaktoren.81 Um dennoch einen strukturierten Überblick über die Studien zur Erfolgsfaktorenforschung im CRM geben zu können, soll der Systematisierung von Grünig, Heckner und Zeus (1996) sowie Böing (2001) gefolgt

77

Vgl. Homburg und Krohmer (2004), S. 6f. Vgl. Homburg und Krohmer (2004), S. 630, Fritz (2004), S. 625. 79 Vgl. Fritz (1990), S. 103. 80 Vgl. Steinle, Kirschbaum und Kirschbaum (1996), S. 17. 81 Ebenda. 78

Grundlagen der Untersuchung

29

werden. Untersuchungen werden danach hinsichtlich ihrer Untersuchungsmethodik nach Art der Ermittlung, Art der Erhebung und Art des Untersuchungsansatzes klassifiziert.82 Hinsichtlich der Art der Ermittlung unterscheiden Grünig, Heckner und Zeus (1996) in eine direkte und eine indirekte Ermittlung. Die direkte Ermittlung nimmt mittels Expertenbefragung eine Identifikation der Erfolgsfaktoren vor, während die indirekte Ermittlung unter Anwendung statistischer Verfahren einen empirischen Zusammenhang zwischen Erfolgsfaktoren und Erfolgsindikatoren auf Signifikanz testet.83 Die indirekte Ermittlung lässt sich je nach Art der Erhebung in qualitative und quantitative Untersuchungen unterscheiden. Qualitative Studien stellen qualitative Aussagen besonders erfolgreicher Unternehmen in den Mittelpunkt, auf deren Basis sie Gemeinsamkeiten identifizieren und als Erfolgsfaktoren interpretieren.84 Sie haben deswegen lediglich explorativen Charakter. Quantitative Studien hingegen verwenden quantifizierte Unternehmensdaten, die durch standardisierte Erhebungsmethoden erfasst wurden, und überprüfen die angenommenen Wirkungszusammenhänge anhand statistischer Analysemethoden. Quantitative Studien lassen sich aufgrund der Art des Untersuchungsansatzes in explorative und konfirmatorische Untersuchungen unterscheiden. Quantitativ-explorative Studien versuchen, eine Kausalstruktur zu entdecken, indem sie aus einer Vielzahl von möglicherweise erfolgswirksamen Einflussgrößen diejenigen identifzieren, die den Erfolg signifikant beeinflussen.85 Quantitativkonfirmatorische Studien hingegen bauen auf theoretisch und empirisch untersuchten Wirkungszusammenhängen auf und testen mit Hilfe kausalanalytischer Verfahren theoretisch begründete Hypothesen über die Wirkung von Erfolgsfaktoren auf Erfolgsindikatoren auf ihre Falsifizierbarkeit.86 Es werden in der Regel weniger Erfolgsfakto-

82

Vgl. Grünig, Heckner und Zeus (1996), S. 6ff., ähnlich Böing (2001), S. 15. Haeneke (2002), S. 167f. 84 Vgl. Peters und Waterman (1982), kritisch dazu Frese (1985), Fritz (1990). 85 Prominentestes Beispiel einer quantitativ-explorativen Studie ist das PIMS-Programm (Profit Impact of Marketing Strategies). Vgl. hierzu Buzzell und Gale (1987). Für den deutschsprachigen Raum vgl. Patt (1988). 86 Vgl. Fritz (1995), S. 60. Eines der ersten Beispiele einer quantitativ-konfirmatorischen Studie im deutschsprachigen Raum stellt die Arbeit von Kube (1991) dar. 83

30

Grundlagen der Untersuchung

ren untersucht, dafür wird auf ein tiefgreifendes Verständnis der Wirkungszusammenhänge abgestellt.87 Abbildung 3-1: Systematisierungsschema für die Erfolgsfaktorenforschung im CRM Spezifität Strategische Geschäftseinheit

Unternehmensspezifisch

Branchenspezifisch

Branchenübergreifend

Direkte qualitativexplorative Methode

Massey, MontoyaWeiss und Holcom (2001), Narayan und Brem (2002), Wikström (2004)

Kim, Suh und Hwang (2003)

Wright, Stone und Abbott (2002), Campbell (2003), Bueren et al. (2004)

Colgate und Danaher (2000)

Zahay und Griffin (2002)

Reinartz und Chugh (2002),Wilson, Daniel und McDonald (2002), Alt, Puschmann und Österle (2005)

Croteau und Li (2003), Stefanou und Sarmaniotis (2003), Schoder und Madeja (2004)

Day und Van den Bulte (2002), Jayachandran et al. (2004), Reinartz, Krafft und Hoyer (2004), Müller (2004)

Indirekte qualitativexplorative Methode

Indirekte quantitativexplorative Methode

Indirekte Methode quantitativkonfirmatorische Methode

Zur weiteren Systematisierung wird entsprechend dem Vorgehen von Böing (2001) eine weitere Dimension Spezifität eingeführt und mit der Dimension der Untersuchungsmethodik kombiniert.88 Die Dimension der Spezifität beschreibt den Grad der Allgemeingültigkeit der Ergebnisse von Erfolgsfaktorenstudien.89 Branchenübergreifende Studien sind demnach durch eine geringe Spezifität gekennzeichnet, während sich Untersuchungen zu bestimmten strategischen Geschäftseinheiten durch eine hohe

87

Vgl. Haeneke (2002), S. 169. Vgl. Böing (2001), S. 19ff. 89 Vgl. Trommsdorff (1993), S. 14, Schröder (1994), S. 93. 88

Grundlagen der Untersuchung

31

Spezifität auszeichnen und entsprechend eine geringe Allgemeingültigkeit vorweisen, aber andererseits eine bessere Analyse spezifischer Erfolgsfaktoren ermöglichen. Die Bestandsaufnahme von vorliegenden Erfolgsfaktorenstudien zum CRM ist in Tabelle 3-1 dargestellt. Die aufgeführten Studien sind das Resultat einer detaillierten Literaturrecherche in wissenschaftlichen Zeitschriften wie dem Journal of Marketing Research, Journal of Marketing, Journal of the Academy of Marketing Science, Journal of Interactive Marketing oder Zeitschrift für Betriebswirtschaft . In der Tabelle sind insgesamt 22 Studien zum CRM aufgeführt, die sich explizit mit CRM befassen.90 Die Tabelle folgt der oben beschriebenen Systematisierung. Aus Abbildung 3-1 ist erkennbar, dass empirische Forschungsstudien im CRM sowohl explorativ als auch konfirmatorisch orientiert sind, wobei der Schwerpunkt deutlich auf den indirekten qualitativ-explorativen Methoden liegt. Interessant ist, dass sowohl die indirekten qualitativ-explorativen als auch die indirekten quantitativ-explorativen Methoden unterschiedliche Spezifität von branchenübergreifenden Studien über branchenspezifische Studien hin zu unternehmensspezifischen Studien vorweisen, wobei die Mehrzahl der Studien eine höhere Spezifität aufweist, so dass eine Allgemeingültigkeit der Ergebnisse nur begrenzt angenommen werden kann. Indirekte quantitativ-konfirmatorische Studien weisen eine niedrige Spezifität aus. Bei diesen Forschungsarbeiten muss jedoch kritisch angemerkt werden, dass der hohe Grad an Allgemeingültigkeit eine Übertragbarkeit der Ergebnisse auf spezifische Zusammenhänge nur begrenzt gewährleisten kann. Die meisten Studien sind branchenübergreifend angelegt und weisen damit eine geringe Spezifität auf. Hinsichtlich der verwendeten Untersuchungsmethodik verwenden die meisten der aufgeführten Studien eine indirekte qualitativ-explorative Methodik. Hingegen liegen lediglich fünf Studien vor, die eine indirekte quantitativkonfirmatorische Untersuchungsmethodik verwenden.

90

Für einen Überblick über angrenzende Studien des Relationship Marketings vgl. Müller (2004), S. 74ff.

Untersuchungs-

methodik

Untersuchungs-

gegenstand

Konzeptionell

Konzeptionell

Konzeptionell

CRM allgemein

CRM allgemein

CRM allgemein

Winer (2001)

Tan, Yen und Fang (2002)

Ocker und Mudambi (2003) -

-

-

-

Stichprobe

Reinartz und Chugh (2002)

Branchenübergreifend

Indirektqualitativexplorativ (Fallstudienanalyse) Fallstudien

N = 15

Indirekte qualitativ-explorative Untersuchungsmethodik

Konzeptionell

CRM allgemein

Ling und Yen (2001)

Konzeptionelle Untersuchungsmethodik

Autoren

Fallstudieninterpretation

Keine Erhebung von Daten

Keine Erhebung von Daten

Keine Erhebung von Daten

Keine Erhebung von Daten

Datenanalyse

Datengrundlage /

Kundenselektion, Kundenansprache, Kundenbindungsprogramme, Datenschutz Kundenzentrierte Strategie,

Bindungsrate, Kundenverkaufsrate, Bindungsmaße, Anteil am Kunden Erfolg nicht spezifiziert

Kundenzufriedenheit

Customer-Lifetime-Value,

Erfolg nicht spezifiziert

Datenanalyse,

Konversionsrate,

Change-Management

CRM-Infrastruktur (Kundenwissen, Mitarbeiter, Technologie),

Kundenzentrierte Geschäftsprozesse,

Organisationsstruktur,

CRM-Mission / Topmanagement-Unterstützung,

Soziale Ausrichtung

T h i h I f k Technologische Ausrichtung, Intellektuelle Ausrichtung,

Software Technologie,

Verbesserte oder überarbeitete Prozesse,

Mitarbeitereinsatz,

Kundeninteraktion Kundendatenbank,

-management,

Kampagnenplanung und

Datenanalyse,

Identifizierte Erfolgsfaktoren

Kundenakquisitionskosten,

Kundenprofitablilität

Verwendete Erfolgsgrößen

32 Grundlagen der Untersuchung

Tabelle 3-1: Ausgewählte Untersuchungen im Bereich CRM

Untersuchungsgegenstand

Untersuchungsmethodik

Unternehmensbezogen

Unternehmensbezogen

Branchenübergreifend

Branchenbezogen

Branchenbezogen

Massey, Montoya-Weiss und Holcom (2001)

Narayanan und Brem (2002)

Wilson, Daniel und McDonald (2002)

Wright, Stone und Abbott (2002)

Campbell (2003)

(Fallstudienanalyse)

Fallstudien (Finanzdienstleistungen)

N=5

Indirekt-qualitativexplorativ

Fallstudien (Telekommunikation)

N=3

(diverse Branchen)

Fallstudien

Fallstudieninterpretation

Fallstudieninterpretation

Kundenwissen-Kompetenz

Stabilere, höherwertigere Kundenbasis

Mitarbeiter-Anreiz- und -bewertungssysteme

Einbindung von Vorgesetzten,

Marketing-IT-Schnittstelle,

Data Mining Kundeninformationsprozess,

Datenmanagement,

Informationssammlung und – management,

Anreizsysteme,

Abteilungsübergreifende Zusammenarbeit,

Marktorientierung,

Schnelle Umsetzung

Einbeziehen der Nutzer von CRM, Flexibles CRM-Design,

Organisationsstruktur,

Genehmigungsverfahren,

Topmanagement Unterstützung,

Preispolitik,

Maßgeschneiderte Marketingkampagnen,

Rechnungsstellung

Kontraktimplementation,

Bestellung von Produkten und Dienstleistungen,

Problemlösung,

Informationssammlung und -nutzung,

Identifizierte Erfolgsfaktoren

N=5 Erfolg nicht spezifiziert

Customer-Lifetime-Value

Kundenprofitabilität,

Verbesserung der Kundenbeziehung

Verwendete Erfolgsgrößen

Serviceangebot Fallstudieninterpretation

Fallstudieninterpretation

Fallstudieninterpretation

Datengrundlage / Datenanalyse

(Finanzdienstleistungen)

Fallstudie

N=1

Fallstudie (Telekommunikation)

N=1

Stichprobe

Konzeptionell,

(Fallstudienanalyse)

Indirekt-qualitativexplorativ

(Fallstudienanalyse)

Indirekt-qualitativexplorativ

(Fallstudienanalyse)

Indirekt-qualitativexplorativ

(Fallstudienanalyse)

Indirekt-qualitativexplorativ

Indirekte qualitativ-explorative Untersuchungsmethodik

Autoren

Grundlagen der Untersuchung 33

Fortsetzung von Tabelle 3-1

Branchenübergreifend

Alt, Puschmann und Österle (2005)

Branchenbezogen (Finanzdienstleistungen)

Branchenübergreifend

Colgate und Danaher (2000)

Croteau und Li (2003)

theoretische Fundierung unterbleibt

Ableitung von Hypothesen,

Indirekt quantitativexplorativ,

theoretische Fundierung unterbleibt

Ableitung von Hypothesen,

Indirekt quantitativ-explorativ,

Indirekte quantitativ-explorative Untersuchungsmethodik

Indirekt-qualitativexplorativ (Fallstudienanalyse)

Fallstudie

Indirekt-qualitativexplorativ (Fallstudienanalyse)

Unternehmen

N = 57

Bankkunden

N = 384

(u.a. Bertelsmann, Consors)

N=6

(Tieto-X)

N=1

Konzeptionell

Unternehmensbezogen

Wikström (2004)

Stichprobe

Untersuchungsmethodik

Untersuchungsgegenstand

Autoren

Standardisierte schriftliche Befragung, Datenanalyse über Häufigkeitsverteilungen und Mittelwertvergleiche sowie mit PLS, lediglich reflektive Operationalisierung der Konstrukte

Standardisierte schriftliche Befragung, Datenanalyse über Mittelwertvergleich sowie multiple, stufenweise Regressionsanalyse

Fallstudieninterpretation

Fallstudieninterpretation

Datengrundlage / Datenanalyse

Externer Fokus (durch das Unternehmen wahrgenommene Kundenzufriedenheit bzgl. Produkte/Service, Nutzen, Angestellte)

Interner Fokus (Unternehmenszufriedenheit mit Kundenbindungsrate für Alt- und Neukunden, Kundenbindung, Marktanteil, Kundenwünsche, Lieferung)

Wahrscheinlichkeit der Bindung

Empfehlung,

Word-of-Mouth,

Kundenzufriedenheit,

Kundenprofitabilität

Erfolg nicht spezifiziert

Verwendete Erfolgsgrößen

Technologische Bereitschaft (indirekt)

WissensmanagementFähigkeiten,

Topmanagement-Unterstützung,

Beziehungsstrategie

Systemauswahl unter Marktführern

Kanalintegration,

Organisation nach Kundensegmenten,

Unterstützung durch Geschäftsleitung,

CRM -pplikation

Marketing Prozesse (Kundenakquisition, Kundenbeziehungswachstums-Prozess, Kundenbindung), Anreizsystem,

Kundenorientierte Strategie,

Identifizierte Erfolgsfaktoren

34 Grundlagen der Untersuchung

Fortsetzung von Tabelle 3-1

Unternehmensbezogen

Branchenübergreifend

Branchenübergreifend

Kim, Suh und Hwang (2003)

Stefanou und Sarmaniotis (2003)

Schoder und Madeja (2004)

theoretische Fundierung unterbleibt

Ableitung von Hypothesen,

Indirekt quantitativ-explorativ,

Indirekt quantitativ-explorativ

Konzeptionell,

N = 469

N = 169

Kunden

Indirekt quantitativ-explorativ

N = 52

Indirekt-qualitativexplorativ (Fallstudienanalyse)

Stichprobe

Konzeptionell

Untersuchungsmethodik

Day und Van den Bulte (2002)

Branchenübergreifend

quantitativkonfirmatorisch, Ableitung von Hypothesen, theoretische Fundierung: Ressourcenbasierter Ansatz

Indirekt N = 345

Indirekte quantitativ-konfirmatorische Untersuchungsmethodik

Untersuchungsgegenstand

Autoren

Standardisierter Fragebogen, Online-Frage-bogen, Datenanalyse über konfirmatorische Faktorenanalyse und multiple, stufenweise Regressionsanalysen (pro Erfolgsmaß eine Regressionsgleichung)

(Fehlspezifikation)

Standardisierte schriftliche Befragung, Datenanalyse mit LISREL, reflektive Operationalisierung

Häfigkeits- verteilungen und explorative Faktorenanalyse

Standardisierter Fragebogen, Datenanalyse über

Experteninterview, standardisierter Fragebogen an Kunden und Nutzungsdaten der Webseite. Datenanalyse über Häufigkeitsverteilungen

Datengrundlage / Datenanalyse

Wettbewerbsstrategie Vorteil gegenüber Wettbewerbern

Kundenbindung,

Kundenbezogene Fähigkeiten Profitabilität,

CRM-Kompetenz

-verarbeitung)

k l CRM-Fähigkeiten (Informationssammlung und

Sammlung von Kundeninformationen,

Wachstum,

gemessen anhand von verschiedenen Indikatoren (u. a. Verbesserung Marktanteil, Erträge, Kundenbindung, Kundenzufriedenheit)

CRM-Erfolg,

Kundenzufriedenheitsbefragungen, Marktforschung,

Kundenbewertung,

Kundenbeziehungen

Kundeninteraktion

Kundeninformation,

Identifizierte Erfolgsfaktoren

Kundenzufriedenheit,

Gewinn

Kosten pro Kunde,

Ertrag pro Kunde,

Kundenbindung,

Kundenakquisition,

Verwendete Erfolgsgrößen

Grundlagen der Untersuchung 35

Fortsetzung von Tabelle 3-1

Branchenübergreifend

Branchenübergreifend

Müller (2004)

Indirekt

branchenübergreifend

N = 211, Datensatz von Reinartz, Krafft und Hoyer (2004)

quantitativkonfirmatorisch, theoretische Fundierung: insb. Neobehavioristisches Paradigma

N = 211

N = 172

N = 206

Stichprobe

Indirekt

quantitativkonfirmatorisch, theoretische Fundierung: Beziehungsmarketing, Transaktionskostentheorie

Indirekt

quantitativkonfirmatorisch

Konzeptionell, Ableitung von Hypothesen,

quantitativkonfirmatorisch, Ableitung von Hypothesen, theoretische Fundierung: Ressourcenbasierter Ansatz

Indirekt

Untersuchungsmethodik

CRMInformationsprozess,

Reinartz, Krafft und Hoyer (2004)

Jayachandran et al. (2005)

CRMInformationsprozess,

Zahay und Griffin (2002)

branchenspezifisch

Untersuchungsgegenstand

Autoren

Standardisierte schriftliche Befragung, Datenanalyse mit PLS, formative und reflektive Operationalisierung der Konstrukte

formative und reflektive Operationalisierung der Konstrukte

Standardisierte schriftliche Befragung, Datenanalyse mit PLS und 3SLS,

Datenanalyse mit konfirmatorischer Faktorenanalyse und 3SLS, formative und reflektive Operationalisierung der Konstrukte

Standardisierter Fragebogen,

Standardisierter Fragebogen, Dantenanalyse über konfirmatorische faktorenanalyse und LISREL, lediglich reflektive Operationsisierung der Konstrukte

Datengrundlage / Datenanalyse

Markterfolg, Unternehmenserfolg

Gesamterfolg, Marktanteil, Wachstum, Profitabilität

Wahrgenommener Unternehmenserfolg:

Gesamtkapitalrendite

Objektiver Unternehmenserfolg:

Organisationaler Erfolg (Marktanteil, Geschäftserfolg)

Customer-RelationshipErfolg (Kundenzufriedenheit, Kundenbindung)

Wachstum

Kundenbasierter Erfolg,

Verwendete Erfolgsgrößen

Intensität der Vertriebskanäle

CRM-kompatible organisatorische Ausrichtung, Technologie, Kundenheterogenität,

Ausmaß der CRM-Implementierung,

Branche

Technologie,

Organisatorische Ausrichtung,

CRM-Beendigung,

CRM-Pflege,

CRM-Initiierung,

Wettbewerbsintensität

Umweltdynamik,

CRM-Technologie-Nutzung,

Kundenzentriertes Management System,

Customer-RelationshipOrientierung,

Relationale Informationsprozesse,

Kundeninformationssysteme

Kundenspezifische Anpassung,

Personalisierung,

Strategische Fähigkeit,

Identifizierte Erfolgsfaktoren

36 Grundlagen der Untersuchung

Fortsetzung von Tabelle 3-1

Grundlagen der Untersuchung

37

Die in Tabelle 3-1 aufgeführten Studien der Erfolgsfaktorenforschung zum CRM unterscheiden sich wesentlich hinsichtlich der inhaltlichen Ausrichtung und der verwendeten Untersuchungsmethodik. Die konzeptionellen Studien erarbeiten erste Anhaltspunkte für die Identifikation von Erfolgfaktoren im CRM. Aus inhaltlicher Sicht weisen die aufgeführten Beiträge den Mangel auf, dass sie zumeist nicht theoretisch fundiert sind. Oftmals werden lediglich Handlungsempfehlungen anhand von anekdotischen Fallbeispielen gegeben.91 Zusätzlich unterscheiden sich die Studien in der Verwendung der Erfolgsgrößen. Während Winer (2001) eine Reihe von monetären und nicht-monetären Erfolgsgrößen wie die Kundenakquisitionskosten oder die Bindungsrate anführt, verzichten die Studien von Tan, Yen und Fang (2002) und Ocker und Mudambi (2003) gänzlich auf Erfolgsmaße. Hinsichtlich der verwendeten Erfolgsfaktoren ist zwischen den Studien eine hohe Abweichung erkennbar. Zumeist liegt der Schwerpunkt der aufgeführten Studien im Bereich der Informations- und Kommunikationstechnologie.92 Zusammenfassend lässt sich festhalten, dass die konzeptionellen Studien zum CRM inhaltlich sehr stark voneinander abweichen und theoretisch nur schwach begründet werden. Dennoch bieten diese Studien eine Einführung in die Thematik des CRM und leisten einen ersten Beitrag zur Identifikation potenzieller Erfolgsfaktoren wie bspw. Kundenselektion,93 kundenzentrierte Strategie94 oder technologische Ausrichtung.95 Damit fungieren die konzeptionellen Studien als Ideengeber für weitere Forschungsvorhaben. Eine Überprüfung von Wirkungsbeziehungen zwischen Erfolgsfaktoren und Erfolgsindikatoren kann jedoch nur anhand der empirischen Erfolgsfaktorenforschung gelingen. In der empirischen Erfolgsfaktorenforschung nehmen die Studien mit einer indirekten qualitativ-explorativen Untersuchungsmethodik einen breiten Raum ein. Aus inhaltlicher Sicht ist festzustellen, dass die aufgeführten Studien eine Vielzahl unterschiedlicher Erfolgsfaktoren identifizieren und in Beziehung zu ebenfalls einer Vielzahl unterschiedlicher Erfolgsgrößen setzen. Die wenigsten Autoren stellen ihre Studien auf eine theoretische Basis. Eine Ausnahme bildet Wikström (2004), der seine

91

Vgl. Winer (2001), Tan, Yen und Fang (2002). Vgl. Ling und Yen (2001), Tan, Yen und Fang (2002). 93 Vgl. Winer (2001). 94 Vgl. Tan, Yen und Fang (2002). 95 Vgl. Ocker und Mudambi (2003). 92

38

Grundlagen der Untersuchung

Untersuchung durch das Konzept des Beziehungsmarketings begründet.96 Sämtliche Studien verwenden als Untersuchungsmethodik die Fallstudienanalyse. Zumeist werden ein bis fünf Fallstudien analysiert,97 um durch die tiefergehende Analyse einzelner Unternehmen spezifische Erkenntnisse über das Untersuchungsobjekt CRM gewinnen zu können. Die Mehrzahl der Studien konzentriert sich auf die Untersuchung von Fallstudien einer Branche, allerdings führen einige Studien branchenübergreifende Fallstudienanalysen durch.98 Hervorzuheben ist die Studie von Reinartz und Chugh (2002), die insgesamt 15 Fallbeispiele von Unternehmen, die CRM implementiert haben, in die Analyse einbeziehen. Reinartz und Chugh (2002) berücksichtigen die Erfolgsfaktoren CRM-Mission/Topmanagement-Unterstützung, Organisationsstruktur, kundenzentrierte Geschäftsprozesse, CRM-Infrastruktur (Kundenwissen, Mitarbeiter, Technologie) sowie Change-Management. Die Autoren stellen die Erfolgsfaktoren strukturiert dar und decken die mit der Implementierung derselben verbundenen Probleme auf. Insbesondere vermuten die Autoren, dass das Topmanagement bei der Implementierung eine wichtige Rolle spielt, um eine Restrukturierung der kundennahen Geschäftsprozesse zu erreichen. Für eine erfolgreiche Implementierung wirken die Organisationsstruktur, die Technologie und die Mitarbeiter unterstützend. Als Erfolgsgrößen verwenden die Autoren die Steigerung des Customer-Lifetime-Value sowie die Steigerung der Kundenzufriedenheit. Die Verwendung ökonomischer Kennziffern unterbleibt jedoch. Zusammenfassend kann konstatiert werden, dass die indirekten qualitativ-explorativen Studien anhand von Fallstudien versuchen, relevante Erfolgsfaktoren im CRM zu identifizieren. Im Gegensatz zu den konzeptionellen Arbeiten, die insbesondere Erfolgsfaktoren aus dem Bereich der Informations- und Kommunikationstechnologie erarbeiten, erstreckt sich das Spektrum der in den indirekt qualtitativ-explorativen Studien identifizierten Erfolgsfaktoren auf weitere Bereiche wie die Organisationsstruktur, Mitarbeiter und Topmanagement-Unterstützung oder den Einsatz von speziellen CRM-Maßnahmen. Die Untersuchungsmethodik der Fallstudienanalyse bietet zwar die

96

Vgl. Wikström (2004). Vgl. Massey, Montoya-Weiss und Holcom (2001), Narayanan und Brem (2002), Wright, Stone und Abbott (2002), Campbell (2003), Bueren et al. (2004), Wikström (2004), Alt, Puschmann und Österle (2005). 98 Vgl. Reinartz und Chugh (2002), Alt, Puschmann und Österle (2005), Wilson, Daniel und McDonald (2002). 97

Grundlagen der Untersuchung

39

Möglichkeit, explorativ Faktoren zu identifizieren, detaillierte Aussagen zu den Wirkungszusammenhängen können daraus allerdings nicht abgeleitet werden. Die Studien mit einer indirekten quantitativ-explorativen Untersuchungsmethodik setzen sich inhaltlich detailliert mit einer Vielzahl möglichen Erfolgsfaktoren auseinander. Einigen Untersuchungen liegt zwar eine Vielzahl von Hypothesen zu Grunde, allerdings bauen diese nur selten auf einer systematischen Herleitung auf.99 Daher liegt die Vermutung nahe, dass die Hypothesengenerierung eher auf Vermutungen als auf einem theoretischen Fundament beruht. Einer theoretischen Fundierung folgt die Studie von Stefanou und Sarmaniotis (2003) unter Anwendung des Konzepts des Beziehungsmarketings.100 Aus methodischer Sicht ist unter diesen Studien die Arbeit von Croteau und Li (2003) erwähnenswert, da hier zum ersten Mal anhand eines Strukturgleichungsmodells Wirkungszusammenhänge zwischen Erfolgsfaktoren und Erfolgsgrößen untersucht werden. Dafür identifizieren die Autoren auf Basis einer Literaturrecherche konzeptionell die Faktoren Topmanagement-Unterstützung, WissensmanagementFähigkeiten sowie die technologische Bereitschaft, die wiederum auf den CRM-Erfolg wirken. Dieser wird als mehrdimensionale latente Variable operationalisiert, welche mit Hilfe von mehreren Indikatoren gemessen wird. Dabei können latente Variablen auf zwei unterschiedliche Arten operationalisiert werden. Bei einer reflektiven Operationalisierung wird von der Prämisse ausgegangen, dass die latente Variable ihre Indikatoren verursacht. Hingegen unterstellt eine formative Operationalisierung, dass die Indikatoren die latente Variable verursachen.101 An dieser Studie ist kritisch anzumerken, dass die Autoren die Indikatoren ihres Modells lediglich reflektiv spezifizieren. Es ist davon auszugehen, dass bestimmte Konstrukte wie bspw. die Wissensmanagement-Fähigkeiten eher formativ hätten spezifiziert werden sollen, da die verwendeten Indikatoren unterschiedliche Aspekte der latenten Variablen abbilden und daher die zugrunde liegende latente Variable formieren. Es ist anzunehmen, dass hier möglicherweise eine Fehlspezifikation des Modells vorliegt.102 Positiv anzumerken ist aller-

99

Vgl. Colgate und Danaher (2000), Croteau und Li (2003), Schoder und Madeja (2004). Vgl. Stefanou und Sarmaniotis (2003). 101 Vgl. Abschnitt 5.2 dieser Arbeit für eine detaillierte Diskussion reflektiver und formativer Indikatoren. 102 Vgl. für die Problematik der Fehlspezifikation latenter Variablen Albers und Hildebrandt (2006). 100

40

Grundlagen der Untersuchung

dings, dass die Autoren den Erfolg differenziert messen. Neben einem internen Fokus, der unter anderem die Kundenbindung und den Marktanteil berücksichtigt, findet ein externer Fokus Verwendung, der die wahrgenommene Kundenzufriedenheit bzgl. der Produkte, dem Nutzen und den Angestellten abbildet. Hervorzuheben ist, dass neben den direkten Wirkungsbeziehungen zwischen Erfolgsfaktoren und Erfolgsgrößen auch indirekte Beziehungen zwischen den Erfolgsfaktoren Berücksichtigung finden. Die Stichprobengröße dieser Untersuchung bleibt mit N = 57 selbst für das verwendete Analyseverfahren PLS an der unteren Grenze, gemessen an der Regressionsgleichung mit der höchsten Komplexität.103 Die Studie von Schoder und Madeja (2004) wählt einen ähnlichen Forschungsansatz, indem die Autoren, basierend auf einer umfangreichen Stichprobe von N = 469, branchenübergreifend mit Hilfe eines standardisierten Fragebogens den CRM-Erfolg anhand verschiedener Indikatoren wie bspw. Verbesserung des Marktanteils, Kundenbindung und Kundenzufriedenheit abfragen. Schoder und Madeja (2004) wählen als Analyseverfahren den kovarianzbasierten LISREL-Ansatz. Wenn auch LISREL in der Lage ist, formative Indikatoren zu berücksichtigen,104 verwenden die Autoren jedoch wiederum nur reflektive Indikatoren. Dieses Vorgehen ist entsprechend der Studie von Croteau und Li (2003) bzgl. bestimmter latenter Variablen wie den CRM-Fähigkeiten oder der CRM-Kompetenz kritisch zu hinterfragen, da in diesen Fällen davon auszugehen ist, dass die Indikatoren unterschiedliche inhaltliche Facetten des Konstrukts abbilden. Die reflektive Spezifikation der latenten Variablen dieser Arbeit kann zu Schätzfehlern und damit zu Fehlschlüssen führen.105 Andere Studien beschränken ihre quantitative Analyse lediglich auf Mittelwertvergleiche,106 Häufigkeitsverteilungen107 oder explorative Faktorenanalysen108 und schöpfen damit nur unzureichend das Spektrum zeitgemäßer, moderner quantitativer Analyseverfahren aus. Zusammenfassend kann festgestellt werden, dass die Studien mit einer indirekten quantitativ-explorativen Untersuchungsmethodik zumeist branchenübergreifend an-

103

Vgl. für die Stichprobengröße in PLS Chin (1998), S. 311 sowie Abschnitt 5.2.2 dieser Arbeit. Vgl. Scholderer und Balderjahn (2005), S. 93. 105 Vgl. für die Problematik der Fehlspezifikation latenter Variablen Albers und Hildebrandt (2006). 106 Vgl. Colgate und Danaher (2000). 107 Vgl. Kim, Suh und Hwang (2003) 108 Vgl. Stefanou und Sarmaniotis (2003). 104

Grundlagen der Untersuchung

41

hand größerzahliger empirischer Untersuchungen und der Anwendung von einfachen deskriptiven Datenanalysen bis hin zu Strukturgleichungsmodellen Erfolgsfaktoren und Erfolgswirkungen analysieren. Auffällig ist, dass die Studien zumeist anhand einer Literaturrecherche oder Experteninterviews ähnliche Erfolgsfaktoren aus den Bereichen Kundenbewertung, Topmanagement-Unterstützung, Kundeninformation/Technologie und Kundeninteraktion identifizieren. Die indirekten quantitativ-explorativen Arbeiten sind daher durch ein Theoriedefizit gekennzeichnet. Zudem ist hervorzuheben, dass die aufgeführten Studien die Erfolgsfaktoren in unterschiedlichem Umfang untersuchen. So beschränken sich Kim, Suh und Wang (2003) auf die Erfolgsfaktoren Kundeninteraktion und Kundeninformation, während bspw. Croteau und Li (2003) in Verbindung mit Wissensmanagementfähigkeiten auch die TopmanagementUnterstützung und die technologische Bereitschaft untersuchen. Die Analyse aller Erfolgsfaktoren in einem Untersuchungsmodell unterbleibt dagegen, so dass in diesem Zusammenhang von einem unvollständigen Bild gesprochen werden muss. Die Messung des Erfolgs erfolgt in den aufgeführten Studien zumeist anhand von kundenbezogenen Erfolgsindikatoren wie Kundenzufriedenheit, Kundenbindungsrate oder Weiterempfehlungsverhalten. Ökonomische Größen wie der Ertrag pro Kunde werden nur vereinzelt eingesetzt.109 Eine differenzierte Erfolgsmessung anhand ökonomischer und nicht-ökonomischer Erfolgsindikatoren insbesondere über die Phasen des Kundenlebenszyklus bleibt in diesen Studien unberücksichtigt. In Hinblick auf die ausschließliche Verwendung reflektiver Indikatoren ist kritisch zu diskutieren, ob die verwendeten Modelle nicht einer Fehlspezifikation unterliegen, da insbesondere bei Konstrukten wie Kundenbewertung, Sammlung von Kundeninformationen oder CRM-Fähigkeiten davon auszugehen ist, dass diese Konstrukte aus unterschiedlichen Facetten bestehen und daher eher formativ zu spezifizieren sind. Es scheint daher angebracht, die möglicherweise fehlspezifizierten Erfolgsfaktoren einer erneuten Analyse unter Berücksichtigung einer formativen Operationalisierung zu unterziehen. Die bisherigen Untersuchungen mit einer indirekten quantitativ-explorativen Untersuchungsmethodik können damit eine umfassende, empirisch abgesicherte Konzeptionalisierung nicht liefern.

109

Vgl. Kim, Suh und Hwang (2003), Schoder und Madeja (2004).

42

Grundlagen der Untersuchung

Die Studien mit einer indirekten quantitativ-konfirmatorischen Untersuchungmethodik basieren aus inhaltlicher Sicht auf einer fundierten theoretischen Herleitung der Hypothesen zu den Wirkungsbeziehungen zwischen Erfolgsfaktoren und Erfolgsgrößen. Zumeist verwenden die Studien als theoretische Basis den ressourcenbasierten Ansatz.110 Die aufgeführten Studien verwenden als Erfolgsmaße oftmals subjektiv wahrgenommene Erfolgsgrößen wie Marktanteil, Wachstum oder Unternehmenserfolg. Jayachandran et al. (2004) konzentrieren sich auf eine differenziertere Messung und beziehen den CRM-Erfolg, basierend auf der Kundenzufriedenheit und der Kundenbindung, in ihre Analyse ein.111 Den Studien ist wiederum gemeinsam, dass sie eine Vielzahl unterschiedlicher Erfolgsfaktoren verwenden, die im Gegensatz zu den Untersuchungen mit einer quantitativ-explorativen Untersuchungsmethodik theoretisch hergeleitet werden. Unter den aufgeführten Untersuchungen sind die Arbeiten von Zahay und Griffin (2002) sowie von Reinartz, Krafft und Hoyer (2004) besonders hervorzuheben. Bei beiden Studien werden zuvor abgeleitete Hypothesen mit Hilfe eines kausalanalytischen Ansatzes zu Wirkungsbeziehungen zwischen Erfolgsfaktoren und Erfolgsmaßen überprüft. Zahay und Griffin (2002) gründen ihre Untersuchung auf dem ressourcenbasierten Ansatz und leiten insbesondere das Konstrukt der Kundeninformationssysteme ab, welches durch zahlreiche Indikatoren gemessen wird. Als Erfolgsmaß verwenden die Autoren zum einen den kundenbasierten Erfolg, bestehend aus Kundenbindung, Customer-Lifetime-Value (Kundenwert), Share-of-Wallet (Anteil am Kundenumsatzpotenzial) und Gesamtkapitalrendite sowie zum anderen das Geschäftswachstum, welches durch die Indikatoren Umsatzwachstum und Nettogewinn gemessen wird. Die Autoren weisen einen signifikant positiven Zusammenhang zwischen Kundeninformationssystemen und kundenbasiertem Erfolg nach. Die Untersuchung zeichnet sich durch eine umfassende Operationalisierung der Konstrukte und eine sorgfältige Evaluation der Ergebnisse mit Hilfe des kovarianzbasierten LISREL-Ansatzes aus. Kritisch anzumerken ist die ausschließlich reflektive Operationalisierung der Konstrukte. Beispielsweise führt durch diese Operationalisierung jede Veränderung eines Indikators der latenten Variablen „Kundeninformationssysteme“ zu einer Veränderung dieser

110 111

Vgl. Day und Van den Bulte (2002), Zahay und Griffin (2002). Vgl. Jayachandran et al. (2005).

Grundlagen der Untersuchung

43

latenten Variablen. Jedoch muss umgekehrt eine Veränderung der latenten Variablen nicht automatisch zu einer Veränderung bei jedem Indikator führen.112 Es liegt die Annahme nahe, dass formative Indikatoren hätten verwendet werden sollen, um eine Missspezifikation der Konstrukte zu vermeiden.113 Ein weiterer Kritikpunkt ist, dass die Studie durch die Konzentration der Analyse auf Kundeninformationssysteme nur einen Aspekt von CRM betrachtet und insbesondere die organisationalen Auswirkungen einer Implementierung von CRM vernachlässigt. Reinartz, Krafft und Hoyer (2004) hingegen operationalisieren CRM-Maßnahmen entlang des Kundenlebenszyklus mit Hilfe zahlreicher Indikatoren, die formativ abgebildet werden. Neben den CRM-Maßnahmen Initiierung, Pflege und Beendigung beziehen die Autoren weitere Erfolgsfaktoren wie organisatorische Ausrichtung und Technologie in ihre Untersuchung ein. Als Erfolgsmaß verwenden Reinartz, Krafft und Hoyer (2004) zum einen ein objektives ökonomisches Maß, die Gesamtkapitalrentabilität, zum anderen verwenden sie als weiteres Erfolgsmaß den wahrgenommenen Unternehmenserfolg relativ zu den Wettbewerbern. Dieses Erfolgsmaß wird durch die Indikatoren Gesamterfolg, Marktanteil, Wachstum und Profitabilität gemessen. Die Studie belegt sowohl für das objektive Erfolgsmaß als auch für das wahrgenommene Erfolgsmaß signifikant positive Wirkungszusammenhänge zwischen den Erfolgsfaktoren und den Erfolgsmaßen. Interessanterweise können die Autoren nur eine schwache moderierende Beziehung der CRM-Technologie feststellen. Die Analyse des postulierten Modells erfolgt unter Anwendung der Analyseverfahren Partial-Least-Squares (PLS) zur empirischen Überprüfung der latenten Variablen CRM-Prozess und ThreeStages-Least Squares (3SLS) zur Schätzung der Wirkungsbeziehungen auf den Erfolg. Die Studie zeichnet sich insbesondere durch die umfassende formative Operationalisierung von CRM aus. Dennoch muss als Kritik angeführt werden, dass es Reinartz, Krafft und Hoyer (2004) versäumen, neben dem monetären Erfolg, gemessen durch die Gesamtkapitalrendite, auch nicht-monetäre Erfolgsgrößen wie Kundenzufriedenheit114 oder Kundenbindung115 zu operationalisieren. Insbesondere finden Kennziffern und Größen, die den Erfolg der CRM-Konstrukte der Kundenlebenszyklusphasen mes-

112

Vgl. Diamantopoulos und Winklhofer (2001), S. 269f. und Abschnitt 5.2.1 dieser Arbeit. Vgl. Albers und Hildebrandt (2006), S. 11ff. 114 Vgl. Bueren et al. (2004), Colgate und Danaher (2000), Stefanou und Sarmaniotis (2003). 115 Vgl. Winer (2001), Croteau und Li (2003), Jayachandran et al. (2005). 113

44

Grundlagen der Untersuchung

sen, keine Verwendung. Dadurch bleibt es den Autoren verwehrt, detaillierte Handlungsempfehlungen für die einzelnen Kundenlebenszyklusphasen abzuleiten. Zusammenfassend kann in Bezug auf die Studien mit einer indirekten quantitativkonfirmatorischen Untersuchungsmethodik festgestellt werden, dass diese Studien zwar basierend auf einer theoretischen Fundierung, einer ausreichenden Stichprobengröße und geeigneter Analyseverfahren in der Lage sind, Wirkungszusammenhänge zwischen Erfolgsfaktoren und Erfolgsmaßen zu analysieren. Allerdings ist auch hier festzustellen, dass die Studien in Hinblick auf die verwendeten Erfolgsfaktoren erhebliche Unterschiede aufweisen. Keine Studie bezieht alle Erfolgsfaktoren in ihre Analyse ein. Auch messen die aufgeführten Studien den Erfolg zumeist nur anhand subjektiver erhobener monetärer Erfolgsgrößen. Die Verwendung nicht-monetärer kundenrelevanter Erfolgsgrößen unterbleibt. Dies hat zur Folge, dass insbesondere in Hinblick auf die Phasen des Kundenlebenszyklus keine differenzierten Erfolgsaussagen getroffen werden können. Ähnlich der Studien mit einer indirekten quantitativ-explorativen Untersuchungsmethodik weisen auch diese Studien vielfach die Schwäche auf, latente Variablen, die vielfach aus unterschiedlichen inhaltlichen Aspekten bestehen, reflektiv zu operationalisieren, anstatt eine formative Operationalisierung umzusetzen. Neben der Gefahr einer Fehlspezifikation können diese Studien zudem keine detaillierten Handlungsempfehlungen auf Indikatorebene geben, sondern können lediglich auf Konstruktebene Wirkungszusammenhänge beschreiben. Erfolgswirkungen konkreter Maßnahmen bleiben damit weiterhin unklar. Der Überblick über die Erfolgsfaktorenstudien zum CRM offenbart, dass sich dieser Forschungsbereich am Anfang des Forschungsprozesses befindet. Die Mehrzahl der veröffentlichten Studien ist konzeptioneller sowie indirekt qualitativ-explorativer Art. In diesen Studien werden zwar Erfolgsfaktoren identifiziert, oft jedoch anhand anekdotischer Fallstudien, so dass Aussagen zu den Wirkungsbeziehungen zwischen Erfolgsfaktoren und Erfolgsmaßen nicht getroffen werden können. Nur einen geringeren Teil machen die empirischen Studien aus. Dabei liegt der Schwerpunkt auf explorativen Untersuchungen, die oftmals einen Mangel an theoretischen Grundlagen aufweisen und zu sehr unterschiedlichen Ergebnissen hinsichtlich der identifizierten Erfolgsfaktoren und Operationalisierungen des Erfolgs kommen. Aus dem Bereich quantitativ-konfirmatorischer Arbeiten existieren nur wenige Arbeiten, die in der Lage sind,

Grundlagen der Untersuchung

45

CRM in seiner definitorischen Breite annähernd zu erfassen. Auch differenzieren diese Arbeiten den Erfolg nur unzureichend. Damit lässt sich konstatieren, dass die bisherigen Studien zu den Erfolgswirkungen von CRM eine inhaltliche und eine methodische Lücke offenbaren. Aus inhaltlicher Sicht ist die fehlende Berücksichtigung einer hinreichend großen Anzahl von Erfolgsfaktoren, die sämtliche Dimensionen von CRM erfassen, zu nennen. Aus methodischer Sicht mangelt es an indirekten quantitativ-konfirmatorischen Untersuchungen, die auf großzahligen empirischen Erhebungen basieren und entsprechend geeignete Analyseverfahren einsetzen. Die Modelle sollten nicht ausschließlich auf einer reflektiven Operationalisierung der latenten Variablen beruhen, sondern insbesondere für diejenigen Variablen, die Gestaltungsmöglichkeiten für das Management offenbaren (bspw. Technologie, Organisation, CRM-Maßnahmen), eine formative Operationalisierung vorsehen. Die formative Operationalisierung ermöglicht zudem, neben der Analyse der Wirkungsbeziehungen auf Konstruktebene zusätzlich auf Indikatorebene konkrete Gestaltungsempfehlungen für das Management geben zu können. Die identifizierten Erfolgsfaktoren sind in Hinblick auf Stärke und Prognosefähigkeit zu überprüfen. Der Erfolg von CRM sollte sowohl über monetäre als auch über nichtmonetäre Maße operationalisiert werden. Von besonderem Interesse erscheint eine Operationalisierung geeigneter Erfolgsmaße für die Phasen des Kundenlebenszyklus, um phasenspezifisch differenzierte Gestaltungsmöglichkeiten abzuleiten. Um das oben identifizierte Forschungsdefizit zu schließen, versucht diese Arbeit, die aufgestellten Aspekte durch Anwendung einer indirekt quantitativ-konfirmatorischen Untersuchungsmethodik zu berücksichtigen. Zur Umsetzung der Untersuchungsmethodik wird zunächst ein theoretischer Bezugsrahmen entwickelt, daraus werden relevante Erfolgsfaktoren abgeleitet sowie darauf aufbauend Hypothesen formuliert und diese schließlich einer statistischen Überprüfung unterzogen.

46

Grundlagen der Untersuchung

3.3 Theoretische Bezugspunkte von CRM In diesem Abschnitt werden die grundlegenden, CRM zugrunde liegenden Theorien vorgestellt und ihre Anwendbarkeit auf CRM geprüft. Im wesentlichen ergeben sich zwei zentrale theoretische Ansätze, die zur Erklärung der Dimensionen von CRM herangezogen werden können. Im einzelnen sind dies das Konzept des Beziehungsmarketings und der ressourcenbasierte Ansatz. Die Einführung zweier theoretischer Ansätze zur Erklärung von CRM ist auf die Tatsache zurückzuführen, dass die Marketingwissenschaft eine interdisziplinäre Wissenschaft darstellt, so dass sich Schnittstellen zu anderen Disziplinen wie bspw. dem strategischen Management ergeben. Im folgenden sollen nach einer Einführung in die forschungsprogrammatische Leitidee dieser Untersuchung die unterschiedlichen Ansätze kurz vorgestellt werden, um somit eine theoretische Grundlage für das Verständnis von CRM zu legen. Die theoretischen Ansätze zur Erklärung von CRM wurden dabei so ausgewählt, dass sie einen möglichst hohen Erklärungsbeitrag der Dimensionen von CRM zu leisten in der Lage sind. 3.3.1 Zentrale forschungsprogrammatische Leitideen der Untersuchung Grundsätzlich stellt sich bei der Bearbeitung des Forschungsanliegens dieser Arbeit die Frage der wissenschaftstheoretischen Ausrichtung. In der betriebswirtschaftlichen Literatur wird zur Erklärung betriebswirtschaftlicher Zusammenhänge methodologisch vielfach dem deduktiv-nomologischen Erklärungsmodell des kritischen Rationalismus gefolgt.116 Nach Popper (1973) besteht das Ziel der empirischen Wissenschaft in der Suche nach befriedigenden Erklärungen für jegliche Sachverhalte, die einer Erklärung bedürfen.117 Die Leitidee dieser aus dem naturwissenschaftlichen Umfeld kommenden Denkrichtung fordert, dass zunächst eine Beschreibung der Forschungssachverhalte zu erfolgen hat, um nachfolgend nomologische Hypothesen und Randbedingungen aufzustellen, aus denen sich schließlich Sätze ableiten lassen, die den zu erklärenden Sachverhalt beschreiben.118 Dieses Vorgehen impliziert jedoch die

116

Vgl. Fritz (1984), S. 77. Vgl. Popper (1973), S. 213. 118 Vgl. Popper (1973), S. 214. 117

Grundlagen der Untersuchung

47

ausschließliche Verwendung deterministischer Gesetzeshypothesen, was aber in den Wirtschafts- und Sozialwissenschaften kaum durchführbar ist, da aufgrund der Komplexität der Zusammenhänge, des Zusammenspiels einer Vielzahl von Faktoren und der Veränderlichkeit dieser im Zeitablauf lediglich Wahrscheinlichkeits- und Tendenzaussagen möglich sind.119 Durch das Fehlen allgemeingültiger Gesetzesaussagen in der betriebswirtschaftlichen Forschung wird das deduktiv-nomologische Erklärungsmodell in der Literatur kritisch betrachtet,120 so dass für diese Arbeit von einer Anwendung Abstand genommen wird. Vielmehr soll dem Vorgehen von Fritz (1984) gefolgt werden, der das Propensitäts-Modell der Erklärung für seine Untersuchung verwendet.121 Die Leitidee dieses Modells beruht auf Poppers Interpretation der Wahrscheinlichkeit. Eine Propensität ist danach eine „objektive probabilistische Verwirklichungstendenz“,122 die als Wahrscheinlichkeit zum Ausdruck kommt.123 Hypothesen können damit Erklärungen abgeben, die auf unvollständige Ursachen zurückgreifen, so dass damit eine Anwendung der Popperschen Leitidee auch auf betriebswirtschaftliche empirische Fragestellungen möglich erscheint.124 Zudem ermöglicht das PropensitätsModell die Berücksichtigung einer Multikausalität der Realität, die die meisten sozialwissenschaftlichen Phänomene auszeichnet.125 Auch trägt das Propensitäts-Modell der Tatsache Rechnung, dass häufig, wie auch im Falle dieser Untersuchung, nur Teilursachen bestimmter Sachverhalte erfasst werden können, da die hohe Komplexität eine vollständige Erfassung nur schwer zulässt und oftmals auch nicht erstrebenswert erscheint.126 Daher soll sich die vorliegende Arbeit an den Grundannahmen des Propensitäts-Modells orientieren und Erklärungsmodelle entwickeln, die Wirkungszusammenhänge zwischen Erfolgsfaktoren und Erfolgsindikatoren abbilden. Dennoch wird ein theoriegeleitetes Vorgehen gefordert, jedoch ist es hierfür erlaubt, ein und dieselben Phänomene mit unterschiedlichen Theorien zu erklären.127 Damit

119

Vgl. Schwemmer (1976), S. 61, Stegmüller (1969), S. 463, Kieser und Kubicek (1978), S. 24f. Vgl. Fritz (1992), S. 21, Stegmüller (1969), S. 83. 121 Vgl. Fritz (1984), S. 84ff. 122 Vgl. Popper und Eccles (1982), S. 48f. 123 Vgl. Popper (1989), S. 107 und 251f. 124 Vgl. Fritz (1992), S. 22. 125 Vgl. Kieser und Kubicek (1978), S. 35. 126 Vgl. Fritz (1984), S. 89. 127 Vgl. Stegmüller (1969), S. 85. 120

48

Grundlagen der Untersuchung

wird ein Spielraum für die Auswahl relevanter Theorien eröffnet, um die Multikausalität des Erfolgs zu berücksichtigen. Einzelne herangezogene Theorien dienen daher als Erklärung unterschiedlicher Einflussfaktoren auf den Erfolg.128 Dieses Vorgehen orientiert sich an dem von Feyerabend (1965) geprägten Ansatz des theoretischen Pluralismus,129 der erlaubt, ein und dasselbe Phänomen mit Hilfe verschiedener, unter Umständen sogar widersprechender Theorien zu erklären. Auch Popper (1979) postuliert, dass eine Konkurrenz vieler Theorien der Erklärung von Sachverhalten dienlich sein kann.130 Ebenso fordert Feyerabend (1965) dazu auf, konkurrierende Theorien zu entwerfen und im Wettbewerb miteinander anzuwenden, so dass danach eine Elimination falsifizierter oder unzureichend entwickelter Theorien ermöglicht wird. Dieser uneingeschränkten Anwendung möglichst vieler konkurrierender Theorieansätze muss insofern widersprochen werden, als dass letztlich nur Theorien verwendet werden sollten, die sich durch Leistungsfähigkeit oder Problemlösungskraft auszeichnen. Dem Ansatz des theoretischen Pluralismus wird im Rahmen dieser Arbeit durch die Betrachtung des Konzepts des Beziehungsmarketings und des ressourcenbasierten Ansatzes unter dem Aspekt ihrer Erklärungsleistung für das Forschungsobjekt CRM Rechnung getragen. Dabei wird im Gegensatz zur diskutierten Konkurrenz der Theorien eine komplementäre Verwendung von Theorien zur Lösung des Forschungsvorhabens dieser Arbeit postuliert,131 um entsprechend eine möglichst hohe theoretische Erklärungskraft zu erhalten. Das Konzept des Beziehungsmarketings dient dabei der Ableitung relevanter Maßnahmen im CRM. Der ressourcenbasierte Ansatz erklärt die Erfolgswirkungen aus der Kombination der aus dem Konzept des Beziehungsmarketings abgeleiteten Maßnahmen.

128

Vgl. Fritz (1995), S. 26. Vgl. Feyerabend (1965), S. 223f. 130 Vgl. Popper (1979), S. 109ff. 131 Vgl. Fritz (1995), S. 27. 129

Grundlagen der Untersuchung

49

3.3.2 Mögliche Theorieansätze zur Fundierung von CRM 3.3.2.1 Konzept des Beziehungsmarketings Das Konzept des Beziehungsmarketings liegt in der Kritik an einem transaktionsorientierten Marketing begründet, welches unter Anwendung der klassischen Marketinginstrumente der 4Ps (Price, Promotion, Produkt und Place) auf die Initiierung diskreter Transaktionen mit nicht näher konkretisierten Kunden auf anonymen Märkten abzielt.132 Im Gegensatz dazu berücksichtigt das Konzept des Beziehungsmarketings die gezielte Entwicklung, Steuerung und Pflege von dauerhaften, profitablen Kundenbeziehungen. In der Wissenschaft ist das Konzept der Entwicklung und Pflege dauerhafter Kundenbeziehungen auf die sogenannte nordische Schule skandinavischer Wissenschaftler zurückzuführen133 und erstmals unter dem Begriff Beziehungsmarketing durch Berry (1983) als „attracting, maintaining and (...) enhancing customer relationships“ definiert.134 Berry (1983) betont, dass die Neukundenakquisition nur ein erster Schritt im Marketing ist und der Ausbau und die Bindung von Kunden ebenfalls einzuschließen sind. Somit ist das Beziehungsmarketing auf die Gestaltung individueller Kundenbeziehungen gerichtet und durch eine längerfristige Perspektive gekennzeichnet,135 die im Gegensatz zum transaktionsorientierten Marketing über die Kundenakquisition hinaus geht und die Entwicklung und Bindung von profitablen Kunden in den Vordergrund stellt.136 Damit einher geht die Schaffung bzw. Erhöhung eines (ökonomischen) Nutzens für sowohl das Unternehmen als auch die Kunden.137 Entsprechend sind die Marketingaktivitäten nicht mehr auf einzelne Parameter, wie bspw. Produkt und Preis auszurichten, sondern auf die Beziehung zwischen Anbieter und Kunde als Ganzes zu konzentrieren. Zur Erklärung von Fragestellungen des Beziehungsmarketings lassen sich aus theoretischer Sicht die sozialpsychologischen Interaktionstheorien anführen,

132

Vgl. Jackson (1985), S. 2. Vgl. Grönroos (1980), Grönroos (1983), Gummesson (1987), für einen Überblick vgl. Grönroos (2000), S. 95ff. 134 Vgl. Berry (1983), S. 25, eine ähnliche Definition wählen Morgan und Hunt (1994), S. 22. 135 Vgl. Shani und Chalasani (1992), S. 34. 136 Vgl. Levitt (1983). 137 Vgl. Parvatiyar und Sheth (2000), S. 9., Diller (1995), S. 443ff. 133

50

Grundlagen der Untersuchung

welche auf die Entstehung und Gestaltung wechselseitigen Verhaltens in menschlichen Austauschbeziehungen abstellen.138 Auch wenn diese Theorie zur Erklärung von interpersonalen Beziehungen entwickelt wurde, kann diese auch zur Erklärung von Beziehungen zwischen Unternehmen und Kunden angewendet werden.139 Die sozialpsychologische Interaktionstheorie liefert Ansatzpunkte zur Erklärung, unter welchen Bedingungen Individuen eine dauerhafte Beziehung zu einem Anbieter aufrechterhalten. Wiederkaufprozesse zwischen Anbietern und Nachfragern lassen sich generell als soziale Interaktionen beschreiben und eignen sich daher auch für eine sozialpsychologische Fundierung. Eine der bekanntesten Varianten der sozialpsychologischen Interaktionstheorie ist die soziale Austauschtheorie von Thibaut und Kelley (1959), welche die Bindung des Kunden auf den Nutzen und die Kosten, die der Kunde in einer Geschäftsbeziehung empfindet, zurückführen.140 Die Theorie der sozialen Durchdringung141 dient ebenso wie die soziale Austauschtheorie der Erklärung des Entstehens und der Fortsetzung von Beziehungen.142 Diese Theorie lässt sich ebenso wie die sozialpsychologische Interaktionstheorie auf die Erklärung von Beziehungen zwischen Unternehmen und Kunden anwenden.143 Nach dieser Theorie vollzieht sich der Beziehungsaufbau der Partner im Laufe der Beziehung durch ein immer weiteres Entdecken der Persönlichkeit des Beziehungspartners. Die angeführten Theorien können einen Beitrag zur Erklärung von Beziehungen zwischen Anbieter und Kunden leisten. Für die vorliegende Untersuchung ist es jedoch von größerer Bedeutung, auf Basis des Konzepts des Beziehungsmarketings die inhaltlichen Aspekte in für das Unternehmen umsetzbare Handlungsoptionen zu übersetzen, um darauf aufbauend die Erfolgswirkungen dieser Handlungsoptionen zu analysieren. Im Folgenden soll daher auf Basis des Beziehungsmarketings ein Strukturierungsschema entwickeln werden, in das die unterschiedlichen CRM-Maßnahmen eingeordnet werden können.

138

Vgl. Bagozzi (1975), S. 33ff., Houston und Gassenheimer (1987), S. 4ff. Vgl. Bagozzi (1975), Bruhn (2001), S. 35. 140 Vgl. Thibaut und Kelley (1959). 141 Vgl. Altman und Taylor (1975). 142 Vgl. Georgi (2000) für eine Übertragung der sozialen Durchdringungstheorie auf Kundenbeziehungen. 143 Vgl. Bruhn (2001), S. 42. 139

Grundlagen der Untersuchung

51

Im Vergleich zum transaktionsorientierten Marketing sind auch beim Beziehungsmarketing die einzelnen Marketinginstrumente zu einem ganzheitlichen Marketing-Mix abzustimmen. Die verbreiteteste Klassifizierung von Maßnahmen folgt dem Marketing-Mix, der klassisch nach den 4Ps unterteilt wird. Allerdings eignet sich im Zuge des Beziehungsmarketings und der damit verbundenen Verschiebung von einer transaktionsorientierten Sichtweise hin zu einer beziehungsorientierten Sichtweise die Ausrichtung der Marketingmaßnahmen anhand der 4Ps nicht.144 So richtet sich der Einsatz der Marketing-Mix-Instrumente eher auf die Initiierung von Transaktionen mit nicht näher spezifizierten Kunden. Dieses Vorgehen erscheint jedoch in Anbetracht längerer Geschäftsbeziehungen mit genauer spezifizierten Kunden als weniger geeignet. Zudem ist anzumerken, dass eine Orientierung an den 4Ps zu einer Ausrichtung des Unternehmens auf den kurzfristigen (Verkaufs-) Erfolg und weniger auf den langfristigen Erfolg einer dauerhaften Geschäftsbeziehung abstellt.145 Aus der Problematik der Anwendung des Klassifizierungsschemas der 4Ps resultierend finden sich in der Literatur Ansätze einer alternativen Strukturierung von Prinzipien des Instrumenteneinsatzes, die den Aufbau, die Gestaltung und den Erhalt relationaler Geschäftsbeziehungen ermöglicht. Die Anzahl und Bezeichnung grundlegender Prinzipien differiert in den unterschiedlichen Systematisierungsansätzen. Dennoch lassen sich übereinstimmend für das Beziehungsmarketing folgende vier grundlegende Prinzipien identifizieren: Selektion, Individualisierung, Interaktion und Integration.146 Ausgangspunkt der Selektion ist die Annahme, dass der Wert einzelner Kundenbeziehungen eines Unternehmens nicht homogen verteilt ist.147 Daraus folgt, dass aus Unternehmenssicht eine Gestaltung von Kundenbeziehungen entsprechend der unterschiedlichen Profitabilität der Kunden erfolgen sollte, da nur eine Investition in langfristig profitable Kundenbeziehungen lohnenswert ist.148 Diese Zielsetzung deckt sich

144

Vgl. Grönroos (1994), S. 10. Vgl. Grönroos (1994), Gummesson (1994). 146 Vgl. Diller (1995), S. 443ff., Sheth und Parvatiyar (1995), S. 264f., Nevin (1995), S. 327, Peppers, Rogers und Dorf (1999), S. 152f., Bhattacharya und Bolton (2000), S. 329f. 147 Vgl. Mulhern (1999), S. 26, Niraj, Gupta und Narasimhan (2001), S. 14f. 148 Vgl. Zeithaml, Rust und Lemon (2001), S. 140, Blattberg und Deighton (1996), S. 140ff., Hansotia und Wang (1997), S. 8, Hoekstra und Huizingh (1998), S. 262. 145

52

Grundlagen der Untersuchung

mit dem Anspruch von CRM, Kundenbeziehungen in allen Phasen des Kundenlebenszyklus wertorientiert anhand der Profitabilität der Beziehung zu steuern und zu gestalten.149 Andernfalls besteht die Gefahr, dass das Unternehmen Ressourcen an wenig profitable Kunden vergeudet.150 Der Kundenwert ist dabei ein Maß für die ökonomische Gesamtbedeutung eines Kunden für das Unternehmen. Er stellt die Summe der Zielbeiträge eines Kunden über den Lebenszyklus für das Unternehmen dar und damit die zentrale Steuerungs- und Kontrollgröße für ein Unternehmen, welches CRM einsetzt.151 Die Gestaltung von Kundenbeziehungen anhand der Profitabilität impliziert, dass wertvollen Kunden besondere Leistungen oder Services angeboten werden, um ein Abwandern zur Konkurrenz zu verhindern.152 Die Individualisierung beinhaltet die spezifische Ausgestaltung der Austauschbeziehung zwischen Anbieter und Kunde. Sie ist als eine Extremform der differenzierten Marktbearbeitung zu verstehen, die in höchstem Maß an den spezifischen Anforderungen jedes einzelnen Kunden ausgerichtet ist. Die Individualisierung von Produkten und Dienstleistungen sowie der Kommunikation ist Objekt zahlreicher Untersuchungen.153 Alle Marketingaktivitäten sind an den individuellen Bedürfnissen und Wünschen individueller Kunden auszurichten. Damit erstreckt sich die Individualisierung sowohl auf die kundenindividuelle Kommunikation als auch auf die kundenindividuelle Leistungserstellung in Form einer maßgeschneiderten Ausgestaltung von Produkten und Dienstleistungen, welche die speziellen Bedürfnisse und Anforderungen der Kunden entsprechen.154 Die individuelle Kundenkommunikation ist durch eine direkte, individuelle Kundenansprache zu gestalten, welche sich unmittelbar auf konkrete Bedürfnisse und Merkmale des Kunden bezieht. Die individuelle Kundenansprache ist in der wissenschaftlichen Diskussion unter dem Konzept des One-to-One-Marketing bekannt geworden.155 Im Beziehungsmarketing gewinnt die Individualisierung der

149

Vgl. Pebels (2002), S. 259, Krafft und Albers (2000), S. 515, Rust, Lemon und Hogan (2002), S. 6. Vgl. O'Brien und Jones (1995). 151 Vgl. Cornelsen (2000), S. 38, Rudolf-Sipötz (2001), S. 23, Tewes (2003), S. 77, Albers und Greve (2005), S. 432. 152 Vgl. Berry und Gresham (1986), S. 45. 153 Vgl. Crosby, Evans und Cowles (1990), Dwyer, Schurr und Oh (1987), Jüttner und Wehrli (1994), Metcalf, Frear und Krishnan (1990), Perrien, Filiatrault und Ricard (1993), Weitz und Jap (1995). 154 Vgl. Albers (1989), S. 21. 155 Vgl. Peppers und Rogers (1993). 150

Grundlagen der Untersuchung

53

Kommunikation und der Leistungserstellung in Verbindung mit der Selektion an Bedeutung. So ist die individuelle Ausgestaltung anhand der zuvor berechneten Kundewerte entsprechend auszugestalten, um Kunden individuell entsprechend ihrem Potenzial zu begegnen und deren Bedürfnisse zu befriedigen. Die Grundlage einer erfolgreichen Individualisierung in Verbindung mit der Selektion bildet eine aussagekräftige, umfassende Datenbasis, welche durch die Speicherung soziodemographischer Kundenmerkmale, Kundenkontakt- und Kundenreaktionsdaten über den Kundenlebenszyklus aufgebaut wird.156 Das dritte Merkmal des Beziehungsmarketings stellt die kontinuierliche Interaktion zwischen Anbieter und Kunde dar. Die Interaktion ist eine notwendige Bedingung für die Existenz einer Beziehung. Die unternehmensseitigen Aktivitäten, mit dem Kunden in Kontakt zu treten und zu bleiben, sind in der Wissenschaft vielfach als zentraler Erfolgsfaktor des Beziehungsmarketings identifiziert worden.157 Zentrales Element der Interaktion ist dabei die individuelle Kommunikation zwischen Anbieter und Kunde über die entsprechenden Kundenkontaktkanäle.158 Neben der Kommunikation werden in der Literatur des Weiteren monetäre Anreize in Form von Preisnachlässen oder Produktbeigaben als Interaktionsparameter aufgeführt, um letztendlich Kundenloyalität herzustellen.159 Ziel ist es, durch den Einsatz von Anreizen Kunden langfristig an das Unternehmen zu binden.160 Als Beispiele seien die Bonusprogramme der Fluggesellschaften, Kundenclubkarten der Warenhäuser oder Rabattcoupons genannt. Allerdings wird der Einsatz von Anreizen, insbesondere Preisnachlässe, kontrovers in der Wissenschaft diskutiert, da Preisnachlässe einfach von der Konkurrenz imitiert werden können und bei den Kunden opportunistisches Verhalten hervorrufen können.161 Sharp und Sharp (1997) betonen in diesem Zusammenhang den langfristigen Charakter von Anreizen zur Erzielung von Kundenloyalität im Gegensatz zu kurzfristig orientierten Verkaufsförderaktionen.162 Wird die Interaktion zwischen Anbieter und Kunde wech-

156

Vgl. Blattberg und Deighton (1991), S. 12, Abbott, Stone und Buttle (2001), S. 297f. Vgl. Bendapudi und Berry (1997), Crosby, Evans und Cowles (1990), Stone, Woodcock und Wilson (1996), Weitz und Jap (1995). 158 Vgl. Bhattacharya und Bolton (2000), S. 330f. 159 Vgl. Berry (1995), Peterson (1995), Gwinner, Gremler und Bitner (1998). 160 Vgl. Bendapudi und Berry (1997), Sheth und Parvatiyar (1995). 161 Vgl. O'Brien und Jones (1995), Dowling und Uncles (1997). 162 Vgl. Sharp und Sharp (1997). 157

54

Grundlagen der Untersuchung

selseitig ausgestaltet, so dass Kunden Feedback geben können, so kann aus dieser Interaktion eine transaktionsübergreifende Integration des Kunden in den Marketingund Planungsprozeß erwachsen. In höchstem Maße ist diese Integration erreicht, wenn der Kunde in die gemeinsame Produktentwicklung über Anpassungen beim Produktdesign oder dem Produktions- und Distributionsprozeß einbezogen wird.163 Das Merkmal der Integration hat vor allem im Business-to-Business-Geschäft im Rahmen des Lead-User-Konzeptes Bedeutung erlangt.164 Im Rahmen des betrachteten Business-to-Consumer-Geschäfts des CRM ist dieses Merkmal als weniger bedeutend einzustufen und soll daher in der folgenden Untersuchung ausgeklammert werden. In Hinblick auf die Implementierung der Prinzipien des Beziehungsmarketings im Business-to-Consumer-Geschäfts des CRM leiten sich weitere Maßnahmen ab.165 Dazu gehört der Einsatz eines CRM-orientierten Informationssystems, die Herstellung beziehungsorientierter Organisationsstrukturen sowie die Umsetzung einer beziehungsorientierten Unternehmenskultur.166 Für eine erfolgreiche Implementierung der Prinzipien des Beziehungsmarketings im CRM muss eine informations- und kommunikationstechnologische Infrastruktur geschaffen werden, die in der Lage ist, sämtliche Daten über die aktuellen Kunden zu sammeln, zu speichern und zu verarbeiten.167 Erst durch die individuelle Verarbeitung und Analyse von Kundeninformationen kann die Kundenbeziehung individuell gestaltet werden und die Umsetzung der Prinzipien Selektion, Individualisierung und Interaktion für eine großzahlige Kundenbasis gelingen. Die Bereitstellung eines leistungsfähigen Informationssystems erfährt besondere Bedeutung hinsichtlich des Prinzips der Selektion. So bedarf es hochentwickelter Kundenbewertungsverfahren und zahlreicher Informationen, um Prognosen über die Profitabilität von Kunden abzugeben. Daneben muss ein Informationssystem in der Lage sein, relevante Informationen den jeweiligen kundennahen Organisationseinheiten wie bspw. Marketing, Service und Vertrieb bereitzustellen.168 Letztlich ermöglicht der Einsatz eines CRM-orientierten

163

Vgl. Sheth und Parvatiyar (1995), S. 265. Vgl. von Hippel (1986), Krieger (2005), S. 7f. 165 Vgl. Bruhn (2001), S. 179ff., Kale (2004), S. 44ff., Boulding et al. (2005), S. 158. 166 Vgl. Payne und Frow (2005), S. 157. 167 Vgl. Sisodia und Wolfe (2000), S. 526, Payne und Frow (2005), S. 173. 168 Vgl. Hoekstra, Leeflang und Wittnik (1999), S. 60. 164

Grundlagen der Untersuchung

55

Informationssystems die Übertragung der Prinzipien des Beziehungsmarketings auf das Business-to-Consumer-Geschäft mit einer Kundenbasis von vielen Hunderttausend Kunden.169 Die Implementierung eines CRM-orientierten Informationssystems soll die Umsetzung der Prinzipien des Beziehungsmarketings erreichen. Daher ist die Nutzung des Systems eine weitere Voraussetzung.170 Zudem finden sich Hinweise in der Literatur, dass neben der Investition in Informationstechnologie die Nutzung derselben einen positiven Einfluss auf den Unternehmenserfolg ausübt.171 Hinsichtlich der beziehungsorientierten Organisationsstruktur sind die Vorteile der traditionellen Organisationsformen wie der Produkt- oder Spartenorganisation bei einer Implementierung der Prinzipien Selektion, Individualisierung und Interaktion nicht mehr gegeben. Die Literatur fordert eine verstärkte Orientierung an den Kundenbeziehungen und die funktionsübergreifende Zusammenarbeit zwischen Marketing, Service und Vertrieb an Stelle einer Organisationsstruktur, welche die Effizienz der Produktion und Distribution verbessert.172 Die funktionsübergreifende Zusammenarbeit ist definiert als die Integration und Zusammenarbeit verschiedener funktionaler Organisationseinheiten mit dem Ziel, die Kommunikation, Koordination und Kooperation zwischen den Organisationseinheiten zu verbessern.173 Die Anpassung der Organisationsstruktur erfährt dabei hinsichtlich der Prinzipien Individualisierung und Interaktion besondere Bedeutung, da Schnittstellenkonflikte zwischen den kundennahen Abteilungen zu lösen sind und die kundenindividuelle Interaktion durch die verschiedenen Abteilungen zu gestalten ist. Eine weitere Dimension der beziehungsorientierten Organisationsstruktur ist die Bedeutung der Mitarbeiter im Umgang mit den Kunden. Neben Schulungsmaßnahmen zur Umsetzung der Prinzipien des Beziehungsmarketings und Bedienung der Informations- und Kommunikationstechnologie sollten ebenso geeignete Anreizmechanismen eingesetzt werden, um eine kundenorientierte Verhaltensweise sicherzustellen.174

169

Vgl. Sisodia und Wolfe (2000), S. 527f., Ryals und Payne (2001), S. 6ff., Roberts, Liu und Hazard (2005), S. 316. 170 Vgl. Rogers (2005), S. 262. 171 Vgl. Devaraj und Kohli (2003), S. 285. 172 Vgl. Hoekstra, Leeflang und Wittnik (1999), S. 58. Bruhn (2002), S. 138f., Ryals und Payne (2001), S. 18. 173 Vgl. Narver und Slater (1990), S. 22. 174 Vgl. Hoekstra, Leeflang und Wittnik (1999), S. 69.

56

Grundlagen der Untersuchung

Schließlich ist sicherzustellen, dass die weitreichenden Anpassungen zur Implementierung der Prinzipien des Beziehungsmarketings durch eine Unternehmenskultur der Kundenorientierung unterstützt werden, um langfristig Erfolg zu generieren. Unter Kundenorientierung wird die strategische Orientierung eines Unternehmens verstanden, die Wünsche und Bedürfnisse der Kunden mit der Bereitstellung entsprechender Produkte und Dienstleistungen zu befriedigen.175 Die Kundenorientierung stellt damit den Kunden und die Erfüllung seiner Wünsche in den Mittelpunkt des Unternehmens.176 Die Herstellung einer Kultur der Kundenorientierung ist geeignet, den Mitarbeitern die Ziele des Unternehmens zu vermitteln.177 Die Implementierung ist dabei durch das Topmanagement zu unterstützen. Es ist fraglich, ob CRM Erfolge aufweisen wird, wenn das Denken und Handeln des Topmanagements den postulierten Grundsätzen der Kundenorientierung widerspricht.178 Für die vorliegende Arbeit stellt das Konzept des Beziehungsmarketings den konzeptionellen Rahmen des CRM dar. Die Verschiebung der Ausrichtung eines Unternehmens von einer Transaktionsorientierung hin zu einer Beziehungsorientierung und der Einnahme einer längerfristigen, wertorientierten Perspektive von Kundenbeziehungen impliziert, dass die Prinzipien des Beziehungsmarketings in den einzelnen Phasen des Kundenlebenszyklus die jeweiligen Maßnahmen des Unternehmens determinieren.179 Unter Anwendung der drei relevanten Prinzipien Selektion, Individualisierung und Interaktion lassen sich für die Phasen des Kundenlebenszyklus basierend auf einer umfangreichen Literaturrecherche und Experteninterviews grundlegende CRM-Maßnahmen ableiten, die den Erfolg positiv beeinflussen. Die Umsetzung des Konzepts des Beziehungsmarketings erfordert jedoch weitere phasenunabhängige Maßnahmen, die implizit aus dem Konzept des Beziehungsmarketings ableitbar sind. Dazu gehören Maßnahmen der organisatorischen Anpassung der Verantwortlichkeiten, Zusammenarbeit der kundennahen Abteilungen oder der Mitarbeitermotivation zur Umsetzung der Maßnahmen des Beziehungsmarketings ebenso wie die Etablierung einer Kundenorientierung sowie die Unterstützung durch

175

Vgl. Desphandé, Farley und Webster (1993), S. 27. Vgl. Webster (1994), S. 24. 177 Vgl. Hoekstra, Leeflang und Wittnik (1999), S. 59f. 178 Vgl. Bruhn (2003), S. 304. 179 Vgl. Abschnitt 2.2 dieser Arbeit. 176

Grundlagen der Untersuchung

57

das Topmanagement. Da für das CRM von erheblich größeren Kundenzahlen auszugehen ist, sollte die Umsetzung der Prinzipien des Beziehungsmarketings durch ein CRM-orientiertes Informationssystem unterstützt werden, da andernfalls eine Selektion von vielen Hunderttausend oder Millionen Kundenbeziehungen und eine Interaktion mit den Kunden nicht realisierbar ist.180 Entsprechend treffend formulieren Boulding et al. (2005) die Proposition, dass CRM das Ergebnis einer beständigen Entwicklung und Integration von Marketingideen, neuer Technologien und Organisationsstrukturen ist.181 Abbildung 3-2: Systematisierung der Maßnahmen im Beziehungsmarketing Phasen des Kundenlebenszyklus Anbahnung

Expansion

Bindung

Prinzipien des Beziehungsmarketings Selektion/ Kundenbewertung

Individualisierung

Interaktion

Phasenunabhängige Maßnahmen CRM-orientiertes Informationssystem Nutzungsintensität

Organisatorische Anpassung Kundenorientierung

TopmanagementUnterstützung

Abbildung 3-2 stellt die Prinzipien des Beziehungsmarketings über den Kundenlebenszyklus sowie die phasenunabhängigen Maßnahmen schematisch dar. Die Prinzi-

180 181

Vgl. Rigby, Reichheld und Schefter (2002), S. 106. Vgl. Boulding et al. (2005), S. 156.

58

Grundlagen der Untersuchung

pien des Beziehungsmarketings wirken dabei über alle Phasen des Kundenlebenszyklus durch eine phasenspezifische Ausgestaltung. In Ergänzung dazu begleiten die phasenunabhängigen Maßnahmen wie das CRM-orientierte Informationssystem oder die organisatorische Anpassung die Umsetzung der Prinzipien des Beziehungsmarketings. 3.3.2.2 Ressourcenbasierter Ansatz Für die vorliegende Arbeit dient der ressourcenbasierte Ansatz zur Erklärung der vermuteten Erfolgswirkungen, die aus der Kombination der aus dem in Abschnitt 3.3.2.1 beschriebenen Konzept des Beziehungsmarketings abgeleiteten Maßnahmen resultieren. Der ressourcenbasierte Ansatz (Resource-Based-View)182 beschreibt eine Alternative zu dem in den achtziger Jahren des letzten Jahrhunderts entwickelten Structure-Conduct-Performance-Paradigma (Marktstruktur-Marktverhalten-MarktergebnisParadigma)183 der Industrial-Organization-Forschung der Strategischen Unternehmensführung.184 Die Industrial-Organization-Forschung vertritt eine unternehmensextern ausgerichtete Sichtweise, die den wirtschaftlichen Erfolg eines Unternehmens anhand der Marktpositionierung und der Branchenstruktur zu erklären versucht.185 Das Structure-Conduct-Performance-Paradigma konzentriert sich damit auf eine Analyse der Branchenstruktur und die damit verbundenen Chancen und Gefahren für ein Unternehmen. Damit neigt das Paradigma dazu, Unternehmen nicht genauer zu betrachten und diese sogar als homogen anzusehen.186 Der ressourcenbasierte Ansatz hingegen legt den Schwerpunkt der Betrachtung nicht mehr so sehr auf die Positionierung des Unternehmens in seiner ökonomischen Umwelt, sondern konzentriert sich auf die Analyse der internen Ressourcen des Unternehmens. Er postuliert, dass nicht allein die Marktstruktur den langfristigen Erfolg eines Unternehmens determiniert, sondern auch die Erarbeitung und Ausnutzung unternehmensspezifischer, einzigartiger Ressourcen. Im angelsächsischen Raum wurde bereits in den fünfziger Jahren des letzten Jahrhunderts eine Auseinandersetzung um Ressourcen und Fähigkeiten in Unterneh-

182

Vgl. Freiling (2001), S. 5. Die Begriffe „Resource Based View”, „Resource-based Perspective“ oder „Resource-based Theory” werden in der Literatur synonym verwendet. 183 Vgl. Rasche und Wolfrum (1994), S. 502. 184 Vgl. Peteraf (1993), Conner (1991). 185 Vgl. die grundlegenden Arbeiten von Mason (1939) und Bain (1956). 186 Vgl. Nelson (1991), S. 64ff., Spanos und Lioukas (2001), S. 908.

Grundlagen der Untersuchung

59

men geführt.187 Grundlegend für diesen Ansatz ist jedoch die Veröffentlichung von Wernerfelt (1984), gefolgt von einer großen Anzahl von Publikationen zum ressourcenbasierten Ansatz in den letzten Jahren.188 Die Grundannahmen des ressourcenbasierten Ansatzes bestehen in den Prämissen der Heterogenität und Immobilität der Ressourcenausstattung. Die Prämisse der Heterogenität der Ressourcenausstattung von Unternehmen189 setzt voraus, dass Unterschiede in der Ressourcenausstattung zwischen Unternehmen herrschen, da sich bestimmte Ressourcen aufgrund ihrer hohen Unternehmensspezifität nicht oder nur schwer auf konkurrierende Unternehmen transferieren lassen. Die Prämisse der Immobilität der Ressourcenausstattung beschreibt, dass die Ressoucen nicht oder nur schwer auf andere Unternehmen übertragen werden können, also langfristig dem besitzenden Unternehmen zur Verfügung stehen.190 Der ressourcenbasierte Ansatz sieht die Erzielung von dauerhaften Wettbewerbsvorteilen vornehmlich in der nachhaltig exklusiven Verfügung über knappe, wertvolle Ressourcen und deren Nutzung begründet.191 Aus dem Besitz und der Nutzung dieser Ressourcen sind Unternehmen in der Lage, wirtschaftlichen Erfolg zu generieren. Damit stellt der ressourcenbasierte Ansatz eine argumentative Verbindung zwischen den verfügbaren Ressourcen eines Unternehmens und dem damit einhergehenden Unternehmenserfolg her. Dazu muss der ressourcenbasierte Ansatz Aussagen zu intraorganisationalen Prozessen der Ressourcendisposition treffen.192 Entsprechend den verschiedenen Vertretern des ressourcenbasierten Ansatzes sind die verwendeten Definitionen von Ressourcen vielfältig und erstrecken sich von relativ engen Definitionen über Kernkompetenzen hin zum Einschluss aller Fähigkeiten eines Unternehmens. Bereits Penrose (1959) erläutert: „…a firm is more than an administra-

187

Vgl. Penrose (1959), S. 25 und 75. Vgl. bspw. Wernerfelt (1984), Barney (1991), Chatterjee und Wernerfelt (1991), Chi (1994), Collis (1991), Conner (1991), Day und Wensley (1988), Grant (1996), Hall (1992), zu KnyphausenAufseß (1993), Lado, Boyd und Wright (1992), Mahoney und Pandian (1992), Peteraf (1993), Rasche und Wolfrum (1994), Rumelt (1991), Srivastava, Fahey und Christensen (2001). 189 Vgl. Barney (1991), S. 99ff., Collis (1991), S. 2ff., Amit und Schoemaker (1993), S. 7ff., Dierickx und Cool (1989), S. 1505ff. 190 Vgl. Peteraf (1993), S.183f. 191 Vgl. Barney (1991), S. 99. 192 Vgl. Freiling (2001), S. 8. 188

60

Grundlagen der Untersuchung

tive unit; it is also a collection of productive resources…”.193 Penrose (1959) sieht den eigentlichen Grund der Unterschiedlichkeit von Unternehmen in der Unterschiedlichkeit der Leistungen, die von diesen Ressourcen erbracht werden. Prahalad und Hamel (1990) erweitern diese Definition zum Konzept der Kernkompetenzen, welches auch intangible Ressourcen umfasst: „...the collective learning of the organization, especially how to coordinate diverse production skills and integrate multiple streams of technology”.194 Barney (1991) verwendet den Begriff Ressource noch umfassender: „...Resources include all assets, capabilities, organizational processes, firm attributes, information, knowledge, etc. controlled by a firm that enable the firm to conceive of and implement strategies that improve its efficiency and effectiveness”.195 Ressourcen werden demnach als Fähigkeiten eines Unternehmens verstanden. Bei Wernerfelt (1984) heißt es daher knapp: „By a resource is meant anything which could be thought of as a strength or weakness of a given firm”.196 Folglich ist der Begriff Ressource sehr weit zu fassen, so dass grundsätzlich alle unternehmensinternen, materiellen und immateriellen Güter, Fähigkeiten und Prozesse als Ressourcen definiert werden können. Aus den einzigartigen Ressourcenpositionen eines Unternehmens im Markt können Wettbewerbsvorteile resultieren. Ein Wettbewerbsvorteil kann für ein Unternehmen nur dann entstehen, wenn das Unternehmen in Hinblick auf die Ressourcenausstattung heterogen gegenüber der Konkurrenz ist und wenn die Konkurrenz nicht in der Lage ist, die einzigartige Ressourcenposition zu imitieren.197 Durch die Abnutzung der zugrunde liegenden Ressourcen und der möglichen Imitierbarkeit durch die Konkurrenz unterliegen Wettbewerbsvorteile jedoch einer steten Aufzehrung.198 Die Nachhaltigkeit eines Wettbewerbsvorteils muss also vor dem Hintergrund der Nachahmung betrachtet werden. Die Erfüllung der Nachhaltigkeit erfordert die Möglichkeit der Nicht-Imitierbarkeit und Nicht-Substituierbarkeit der dem Wettbewerbsvorteil zugrunde liegenden Ressourcen. Unter dem Aspekt der Nachhaltigkeit eines Wettbewerbsvorteils ist der Grad der Nicht-Imitierbarkeit einer Ressource entscheidend. Ein

193

Vgl. Penrose (1959), S. 25. Vgl. Prahalad und Hamel (1990), S. 81. 195 Vgl. Barney (1991), S. 101. 196 Vgl. Wernerfelt (1984), S. 172. 197 Vgl. Barney (1991), S. 101. 198 Vgl. Grant (1991), S. 124f. 194

Grundlagen der Untersuchung

61

Wettbewerbsvorteil, der auf Ressourcen basiert, die leicht zu imitieren sind, wird nicht dauerhaft bestehen können. Ein Schutz vor Imitation kann auf unterschiedlichen Imitationsbarrieren beruhen.199 Barney (1991) unterscheidet diese in drei Barrieren: Vergangenheitsentwicklung einer Ressource, unklare Kausalbeziehungen zwischen Ressourcen sowie soziale Komplexität von Ressourcen.200 Die Vergangenheitsentwicklung von Ressourcen eines Unternehmens sind einzigartig, nicht reproduzierbar und daher auch nicht durch andere Unternehmen zu imitieren. Beispielsweise sind konkurrierende Unternehmen nicht in der Lage, sich das über Jahre akkumulierte Know-how eines Unternehmens anzueignen.201 Eher müssen diese Unternehmen die historische Entwicklung ebenfalls durchlaufen.202 Weiterhin bestimmen Kausalbeziehungen zwischen Ressourcen die Möglichkeiten und Grenzen der Imitierbarkeit. Da einzelne Ressourcen eines Unternehmens miteinander in Verbindung stehen und miteinander interagieren, können diese nicht voneinander isoliert betrachtet werden.203 Insbesondere unklare Kausalbeziehungen über das komplexe Zusammenspiel von materiellen und immateriellen Ressourcen können es konkurrierenden Unternehmen erschweren, den Ursache-Wirkungs-Zusammenhang dieser Ressourcen nachzuvollziehen.204 Die Soziale Komplexität ist stark mit den unklaren Kausalbeziehungen verwoben. Soziale Komplexität von Ressourcen besteht insbesondere dann, wenn immaterielle Ressourcen, vor allem personale, für den Wettbewerbsvorteil verantwortlich sind.205 Die Kombination von materiellen Ressourcen wie beispielsweise Produktionsverfahren mit immateriellen Ressourcen wie Fähigkeiten der Mitarbeiter oder organisationalen Prozessen kann aufgrund ihrer Komplexität und Interdependenz nur schwer zu imitieren sein. Ähnliches ist auf komplexe Kommunikationsstrukturen oder auf eine bestimmte Unternehmenskultur zurückzuführen.206 Neben der Gefahr der Imitierbarkeit unterliegen Wettbewerbsvorteile einer ständigen Gefahr der Aufzehrung durch die Möglichkeit der Substituierbarkeit. Grundsätzlich

199

Vgl. hierzu die Übersicht in Mahoney und Pandian (1992), S. 372. Vgl. Barney (1991), S. 107ff. 201 Vgl. Barney (1991), S. 108. 202 Vgl. Dierickx und Cool (1989), S. 1506. 203 Vgl. Barney (1991), S. 108ff., Dierickx und Cool (1989), S. 1508f. 204 Vgl. hierzu Lippman und Rumelt (1982) sowie Reed und DeFillippi (1990). 205 Vgl. Barney (1991), S. 110ff., Dierickx und Cool (1989), S. 1508. 206 Vgl. Prahalad und Hamel (1990), S. 82, Rasche und Wolfrum (1994), S. 504. 200

62

Grundlagen der Untersuchung

wird zwischen zwei Möglichkeiten der Substitution einer Ressource unterschieden: Zum einen kann das konkurrierende Unternehmen versuchen, über den Einsatz ähnlicher Ressourcen die gleichen Erfolge zu erzielen, andererseits kann das konkurrierende Unternehmen durch völlig unterschiedlich konfigurierte Ressourcen versuchen, eine ähnliche Wettbewerbsposition zu erzielen.207 Die letztere Möglichkeit stellt insbesondere vor dem Hintergrund des beschleunigten technologischen Wandels eine ernstzunehmende Alternative dar. Für die vorliegende Arbeit können aus dem ressourcenbasierten Ansatz folgende Erkenntnisse gewonnen werden: Da der ressourcenbasiert Ansatz die Erzielung dauerhafter Wettbewerbvorteile in der exklusiven Verfügung über knappe, wertvolle tangible und intangible Ressourcen begründet, wird für das Untersuchungsobjekt CRM angenommen, dass die einzigartige Ressourcenposition eines Unternehmens in der Kombination der aus dem Konzept des Beziehungsmarketings abgeleiteten lebenszyklusphasenspezifischen CRM-Maßnahmen sowie der unterstützenden Maßnahmen zur wertorientierten Entwicklung, Steuerung und Pflege von langfristig profitablen Kundenbeziehungen resultiert. Der ressourcenbasierte Ansatz unterscheidet Ressourcen in tangible und intangible Ressourcen. Bezogen auf CRM zählen zu den tangiblen Ressourcen die technologische Infrastruktur sowie die organisatorischen Maßnahmen zur Anpassung der Geschäftsprozesse an das CRM. Zu den intangiblen Ressourcen können die Kundenorientierung sowie die Topmanagement-Unterstützung gezählt werden. Da der Einsatz von Ressourcen nicht um seiner selbst Willen geschieht, sondern rational durch das Management gesteuert wird, ist anzunehmen, dass die Kombination tangibler und intangibler Ressourcen eines Unternehmens so vorgenommen wird, dass ein einzigartiges Ressourcenbündel entsteht, welches letztlich hilft, CRM erfolgreich zu implementieren und damit den Unternehmenserfolg positiv zu beeinflussen.

207

Vgl. Barney (1991), S. 111f., Dierickx und Cool (1989), S. 1509f.

Grundlagen der Untersuchung

63

3.3.3 Theoretischer Bezugsrahmen der Untersuchung Um die Vorstellungen über die komplexe Realität zu strukturieren, bietet sich ein theoretischer Bezugsrahmen an, welcher theoretische Begriffe und Zusammenhänge aus unterschiedlichen Forschungsdisziplinen verknüpft. Ziel ist es, den relevanten Problembereich aus der komplexen Realität zu extrahieren, um letztendlich Untersuchungshypothesen formulieren zu können.208 Die in den vorangegangen Abschnitten aufgeführten theoretischen Ansätze des Beziehungsmarketings und des ressourcenbasierten Ansatzes dienten zum einen dazu, relevante Kernelemente des Untersuchungsobjekts CRM zu konkretisieren und erste Hinweise bzgl. möglicher Wirkungen auf den Unternehmenserfolg zu erklären. Abbildung 3-3 zeigt den theoretischen Bezugsrahmen der Untersuchung. Dabei leistet das Konzept des Beziehungsmarketings einen Beitrag zur Ableitung von Maßnahmen im CRM über den Kundenlebenszyklus entsprechend der Prinzipien Selektion/Kundenbewertung, Individualisierung und Interaktion. Zur Umsetzung dieser Maßnahmen konnten die phasenunabhängigen Instrumente „Kundenbewertung“, „CRM-orientiertes Informationssystem“, „Nutzungsintensität“ des Systems, „Organisatorische Anpassung“, „Kundenorientierung“ und „Topmanagement-Unterstützung“ abgeleitet werden.209 Der ressourcenbasierte Ansatz liefert den Rahmen für die Kombination von tangiblen und intangiblen Ressourcen zur Erzielung dauerhafter Wettbewerbsvorteile und damit einer positiven Beeinflussung des Unternehmenserfolgs. Es ist hervorzuheben, dass die in dieser Arbeit einbezogenen und theoretisch hergeleiteten Erfolgsfaktoren in den in Abschnitt 3.2 diskutierten Arbeiten zwar in unterschiedlicher Kombination Berücksichtigung gefunden haben, eine fundierte theoretische Herleitung sowie die Berücksichtigung aller Erfolgsfaktoren in einer Untersuchung ist bisher jedoch noch nicht umgesetzt worden. Insbesondere leistet diese Arbeit einen Erklärungsbeitrag zu einer differenzierten Betrachtung der Erfolgwirkungen der Determinanten von CRM über die Phasen des Kundenlebenszyklus. Hinsichtlich der vermuteten Erfolgswirkungen lassen sich aus den herangezogenen theoretischen Ansätzen lediglich Tendenzaussagen ableiten.

208 209

Vgl. Fritz (1992), S. 75. Vgl. Abschnitt 3.3.2.1 dieser Arbeit.

64

Grundlagen der Untersuchung

Abbildung 3-3: Theoretischer Bezugsrahmen Theoretische Ansätze

Erfolgsfaktoren des CRM

Erfolg von CRM in den Phasen des Kundenlebenszyklus

CRM-Maßnahmen Selektion Individualisierung Interaktion Kundenbewertung

Konzept des Beziehungsmarketings

CRM-orientiertes Informationssystem

Anbahnung

Expansion Ressourcenbasierter Ansatz

Nutzungsintensität Organisatorische Anpassung

Bindung

Kundenorientierung TopmanagementUnterstützung

Die Wirkungen der einzelnen Erfolgsfaktoren über den Kundenlebenszyklus bleiben damit weitgehend ungeklärt. Ziel der weitergehenden Untersuchung ist es daher, ob sich in den einzelnen Phasen des Kundenlebenszyklus Unterschiede in den Wirkungen der Erfolgsfaktoren zeigen lassen und sich die einzelnen Erfolgsfaktoren hinsichtlich ihrer relativen Wirkungsstärke unterscheiden. Im folgenden Abschnitt sind daher Wirkungsvermutungen zu den Wirkungsbeziehungen zwischen den Teilerfolgsmaßen untereinander und Hypothesen zwischen den Erfolgsfaktoren und den einzelnen Teilerfolgsmaßen des Kundenlebenszyklus abzuleiten.

4

Konzeptionalisierung von CRM für die empirische Untersuchung

In diesem Abschnitt werden Erfolg und Determinanten des Erfolgs von CRM bestimmt und Vermutungen über die Wirkungszusammenhänge zwischen diesen aufgestellt. Dafür wird zunächst der Erfolg konzeptualisiert und ein differenziertes Konzept zur Messung des Erfolgs im CRM aufgestellt. Danach werden die vermuteten Wirkungsbeziehungen zwischen den identifizierten Erfolgsfaktoren und den Erfolgsindikatoren aufgestellt. 4.1 Konzeptionalisierung des Erfolgs Um im weiteren Verlauf der Arbeit Einflussfaktoren auf den Erfolg identifizieren und analysieren zu können, soll zunächst ein Verständnis für den Erfolg im CRM geschaffen werden. Grundsätzlich wird der Unternehmenserfolg im traditionellen betriebswirtschaftlichen Verständnis als Nettogröße zwischen Ertrag und Aufwand verstanden.210 Positive Größen werden als Gewinn beschrieben, negative als Verlust. Dennoch unterliegt die Messung des Erfolgs eines Unternehmens in der Literatur unterschiedlichen Messansätzen, die hinsichtlich ihrer Eignung kontrovers diskutiert werden. Insbesondere die Auswahl der Kriterien zur Erfolgsmessung und die Beurteilungsfähigkeit dieser durch die Unternehmen ist umstritten.211 Diese Kontroverse gründet auf dem Verständnis, dass Unternehmen neben der Gewinnmaximierung weitere nicht-monetäre Ziele anstreben, beispielweise eine hohe Qualität, eine langfristige Sicherstellung der Wettbewerbsfähigkeit oder die Bindung besonders profitabler Kunden.212 Die betriebswirtschaftliche Forschung erweiterte daher das enge Erfolgsverständnis um Ansätze, die neben ökonomischen Erfolgsgrößen auch vor- oder nicht-ökonomische Erfolggrößen berücksichtigen.213 Insbesondere in der kundenorientierten Forschung überwiegen Ansätze, die ausschließlich nicht-ökonomische Erfolgsgrößen verwenden, wie beispielsweise die umfangreichen Studien zur Untersuchung des Zusammenhangs zwi-

210

Vgl. Jacobs (1984), Sp. 1317. Vgl. Jenner (1999), S. 233. 212 Vgl. Fritz et al. (1985), S. 379ff., Fritz et al. (1988), S. 571ff., Fritz (1995), S. 217. 213 Vgl. Green, Barclay und Ryans (1995), S. 2f., Fritz (1995), S. 232, Jenner (1999), S. 238f. 211

66

Konzeptionalisierung von CRM für die empirische Untersuchung

schen Kundenzufriedenheit und Kundenbindung belegen.214 In der Literatur haben sich grundsätzlich drei Ansätze zur Evaluation des Unternehmenserfolgs etabliert. Der Zielansatz beschreibt den Erfolg eines Unternehmens als Erreichungsgrad der gesetzten Unternehmensziele.215 Trotz der hohen Verbreitung in der empirischen Forschung ist kritisch anzumerken, dass Unternehmen an der Erreichung subjektiv gesetzter Ziele gemessen werden, ohne zu hinterfragen, ob diese Ziele auch erreichungswürdig sind.216 Im Zusammenhang der subjektiven Zielsetzung durch die Unternehmen wird zudem in Frage gestellt, ob eine Vergleichbarkeit der Ziele zwischen Unternehmen gegeben ist. Ein interorganisationaler Vergleich erscheint damit erschwert. Weitere Kritikpunkte betreffen die mögliche Inkompatibilität von Zielen innerhalb eines Zielbündels sowie die Möglichkeit der Zieländerung im Zeitablauf. In Hinblick auf die Anspruchgruppen eines Unternehmens erscheint eine Beschränkung auf die unternehmensinterne Sicht ebenfalls als nicht ausreichend. Der Systemansatz erweitert die Perspektive des Zielansatzes um Beziehungen zwischen Unternehmen und Umwelt. Erfolg im Rahmen des Systemansatzes ist die Fähigkeit, sich langfristig knappe und wertvolle Ressourcen zu sichern, um langfristig das Überleben zu gewährleisten.217 Der Erfolg ist dabei ein abstraktes, mehrdimensionales Konstrukt, welches nicht direkt gemessen werden kann. So stellen Haedrich, Gussek und Tomczak (1990) die Verwendbarkeit des Systemansatzes für die empirische Forschung grundsätzlich in Frage.218 Der interessenpluralistische Ansatz berücksichtigt die Interessen aller internen und externen Koalitionen. Dabei ist ein Unternehmen um so erfolgreicher, je eher es die Ansprüche der Interessenvertreter erfüllt, von denen es lebensnotwendige Ressourcen benötigt und daher in einer Austauschbeziehung steht.219 Auch hier ist die Erfolgsgröße ein mehrdimensionales Konstrukt, welches neben monetären auch nicht-monetäre

214

Vgl. z.B. die Untersuchungen von Barki und Huff (1990), Homburg, Giering und Hentschel (1999), Fornell et al. (1996), Eggert (2002). 215 Vgl. Fritz (1995), S. 219, Jenner (1999), S. 238f. 216 Vgl. Olderog (2003), S. 62. 217 Vgl. Jenner (1999), S. 239. 218 Vgl. Haedrich, Gussek und Tomczak (1989), S. 13. 219 Vgl. Oesterle (1995), S. 989.

Konzeptionalisierung von CRM für die empirische Untersuchung

67

Größen zu berücksichtigen hat. Diese breite Auslegung von Erfolg resultiert in einer ähnlich komplexen Operationalisierung wie bei dem Systemansatz. Für die folgende Untersuchung scheiden Systemansatz und Zielansatz aufgrund der oben aufgeführten Kritik aus. Es soll daher der interessenpluralistische Ansatz Verwendung finden, da er Erfolg nicht als eindimensionale Größe, sondern als ein komplexes Konstrukt aus monetären und nicht-monetären Größen betrachtet. Zudem wird der interessenpluralistische Ansatz der Sichtweise gerecht, dass der Unternehmenserfolg an den Interessen der Interessenvertreter zu messen ist. 4.1.1 Anforderungen an die Erfolgsmessung im CRM Zur Auswahl geeigneter Erfolgsmaße im CRM wird eine Bewertung anhand folgender Systematisierungskriterien vorgenommen:220 ƒMessbereich (Objekt der Erfolgsmessung), ƒMessdimensionen (Perspektive der Erfolgsbeurteilung), ƒMesszeitpunkt (Moment der Messung), ƒReferenzgrößen der Messung (Vergleichsmaßstab der Erfolgsgröße), ƒMesssubjekt (wer beurteilt den Erfolg). Hinsichtlich der Festlegung des Messbereichs muss beachtet werden, dass die Erfolgsfaktoren einen möglichst großen Anteil der Varianz des gemessenen Erfolges erklären können, das Erfolgskonstrukt also dem Erkenntnisobjekt angepasst werden sollte. Für die Erfolgsmessung im CRM sind Erfolgskennziffern zu bestimmen, die eine Vergleichbarkeit zwischen unterschiedlichen Unternehmen zulassen und die relevanten in der Literatur identifizierten Ziele beachten. Es sollte jedoch darauf geachtet werden, das Erfolgskonstrukt nicht zu weit zu definieren, da dies die Gefahr birgt, dass der Einfluss nicht beobachteter Variablen zu Verzerrungen führen kann.221

220 221

Vgl. Hauschildt (1991), S. 466ff., ähnlich Cameron (1986), S. 542. Vgl. Jenner (1999), S. 234.

68

Konzeptionalisierung von CRM für die empirische Untersuchung

Hinsichtlich der Messdimensionen ist die Perspektive der Kapitaleigner und damit insbesondere finanzielle Erfolgsgrößen wie Gewinn, Return on Investment, Eigenkapitalrendite, Umsatz oder Cash Flow vorherrschend. Ein Grund mag die relativ einfache Erhebung derartiger Kennzahlen über das Rechnungswesen sein. Die alleinige Verwendung finanzieller Kennzahlen erscheint im Rahmen dieser Untersuchung nicht ausreichend, da gerade im CRM nicht-monetäre Größen wie Kundenbindung und Kundenzufriedenheit eine Rolle spielen. Ein Indiz für dieses Argument bietet die bisherige konstatierte Erfolglosigkeit von zahlreichen CRM-Implementierungen, denen ausschließlich monetäre Erfolgsgrößen wie z.B. der Return on Investment zugrunde gelegt wurden.222 Aus diesem Grunde erscheint es sinnvoll, sowohl monetäre als auch nicht-monetäre Erfolgsgrößen zu berücksichtigen. Der Messzeitpunkt ist einer grundsätzlichen Kritik unterworfen, da er in der Regel ex post nach der Einführung in das Unternehmen oder den Markt erfolgt und somit vergangenheitsorientiert ist.223 Für diese Untersuchung ist davon auszugehen, dass ein Erfolgsbeitrag von CRM erst mehrere Jahre nach der Einführung messbar ist.224 Dementsprechend würde eine Längsschnittuntersuchung über mehrere Perioden hinweg angebracht sein, welche aus forschungsökonomischen Gründen jedoch kaum sinnvoll durchführbar ist. Um die zu befragenden Unternehmen für diese Untersuchung bzgl. des Messzeitpunktes vergleichbar zu machen, wurden für die vorliegende Untersuchung lediglich Unternehmen ausgewählt, die einen Zeitraum von durchschnittlich einem Jahr seit Implementierung von CRM aufweisen. Damit ist dieser Zeitraum so gewählt, dass bereits erste Erfolge durch CRM zu erwarten sind. Neben der Messung des Erfolgs muss auch eine Bewertung anhand von Referenzgrößen erfolgen.225 Referenzgrößen können internen oder externen Ursprungs sein. Der in der Vergangenheit erzielte Erfolg als interne Referenzgröße scheidet bei CRM aufgrund der Neueinführung aus. Denkbar wäre eine Messung anhand des Umsatzes pro Kunden vor der Einführung von CRM. Da im Rahmen des Pretests jedoch eine Herausgabe dieser kritischen Unternehmensdaten durch die Unternehmen ablehnend beur-

222

Vgl. Almquist, Heaton und Hall (2002), S. 20. Vgl. Hauschildt (1991), S. 469. 224 Vgl. Müller (2004), S. 350. 225 Vgl. Hauschildt (1991), S. 469f. 223

Konzeptionalisierung von CRM für die empirische Untersuchung

69

teilt wurde, wird für diese Arbeit der in der Literatur vielfach verwendete Ansatz der Bewertung des Geschäftserfolgs relativ zu den größten Wettbewerbern eines Unternehmens Anwendung finden.226 Hinsichtlich des Messsubjektes wird zwischen subjektiven Einschätzungen und objektiven Indikatoren unterschieden. Objektive Indikatoren können aus unternehmensinternen Quellen stammen wie beispielweise ökonomische Daten aus dem Rechnungswesen oder Angaben aus dem Jahresabschluss. Subjektive Einschätzungen werden von Informanten aus dem befragten Unternehmen zumeist als persönliche Einschätzung gegeben.227 Für die Untersuchung des Erfolgs von CRM stehen im Unternehmen zumeist lediglich subjektive Einschätzungen von Informanten zur Verfügung. Zwar können aus dem Jahresabschluss objektive Indikatoren zum Gesamterfolg extrahiert werden, für das CRM bedeutsame Indikatoren wie Zufriedenheit oder Bindung von Kunden lassen sich auf diese Weise jedoch nicht gewinnen. In einem Vergleich objektiver und subjektiver Erfolgsgrößen betonen Ailawadi, Dant und Grewal (2004) den Einsatz von subjektiven Einschätzungen als Quelle von Erkenntnisbeiträgen.228 Auch erscheint die Abfrage subjektiver Einschätzungen für diese Untersuchung nicht problematisch, da eine Reihe von Untersuchungen empirisch nachweisen konnten, dass objektive und subjektive Maßzahlen signifikant miteinander korrelieren. Daraus lässt sich schließen, dass subjektive Einschätzungen eine hohe Validität aufweisen,229 zumal für diese Arbeit Personen identifiziert werden konnten, die bzgl. Ihrer Auskunftskompetenz ein besonders hohes Niveau aufweisen.230 Im Rahmen der Operationalisierung des Erfolgs von CRM muss über monetäre und nicht-monetäre Größen sichergestellt werden, dass alle Erfolgsgrößen der Kundenlebenszyklusphasen und des Gesamterfolgs erfasst werden. Der folgende Abschnitt setzt sich kritisch mit bisher eingesetzten Erfolgsmaßen auseinander und erarbeitet einen

226

Vgl. Desphandé, Farley und Webster (1993), Kohli und Jaworski (1990), Reinartz, Krafft und Hoyer (2004). 227 Vgl. Hauschildt (1991), S. 470f., Jenner (1999), S. 234f., Böing (2001), S. 46. 228 Vgl. Ailawadi, Dant und Grewal (2004), S. 95f. 229 Vgl. Venkatraman und Ramajuman (1986), Covin, Slevin und Schultz (1994), Hart und Banbury (1994), Dawes (1999), kritisch Ailawadi, Dant und Grewal (2004), S. 89f. 230 Vgl. Abschnitt 5.1.2.

70

Konzeptionalisierung von CRM für die empirische Untersuchung

neuen, differenzierten Ansatz, der insbesondere eine Erfolgsmessung der einzelnen Kundenlebenszyklusphasen anhand von Teilerfolgsgrößen vornimmt. 4.1.2 Komponenten des verwendeten Erfolgskonzeptes In empirischen Untersuchungen zu CRM ist es bislang unterblieben, ein differenziertes Erfolgsmodell zu entwickeln. Bisherige empirische Untersuchungen zur Erfolgswirkung von CRM berücksichtigen lediglich Messansätze, welche die Auswirkungen auf das Unternehmen als Ganzes berücksichtigen. Der Erfolg wird dabei zumeist anhand von globalen Größen des Unternehmenserfolgs, wie z.B. Marktanteil, Gewinn oder Wachstum, sehr indirekt erfasst.231 Diese Konzeptionalisierung berücksichtigt dabei aber lediglich eine Sichtweise, die einseitig auf Unternehmensinteressen ausgerichtet ist. Der interessenpluralistische Ansatz, auch Interaktions-, Stakeholder-, Koalitionsoder Sozialansatz genannt, berücksichtigt jedoch die unterschiedlichen Interessen der Stakeholder eines Unternehmens.232 Unter Stakeholdern werden die externen Koalitionen (z.B. Kunden, Lieferanten, Geldgeber, Gewerkschaften, Regierung) und die internen Koalitionen (z.B. Mitarbeiter, Manager) verstanden.233 Dementsprechend ist eine Erfolgsmessung neben der Ausrichtung an rein finanzwirtschaftlichen Kennzahlen unzureichend, da lediglich Teile der internen und externen Koalitionen eines Unternehmens Berücksichtigung finden. Im Kontext der Erfolgsmessung von CRM gilt es, diese Sichtweise um weitere Erfolgsdimensionen zu erweitern, die insbesondere der kundenorientierten Sichtweise gerecht werden.234 Aus diesem Grund scheint es für eine detaillierte Erfassung des CRM-Erfolgs zielführend, Erfolgsmaße zu definieren, die von den Komponenten einer CRM-Lösung wesentlich direkter beeinflusst werden als die finanzwirtschaftlichen Kennzahlen. Hierzu zählen z.B. die Kundenbindung, die Kundenzufriedenheit oder die Cross-/Up-Selling-Rate.235 Hinzu kommt, dass im Rah-

231

Vgl. hierzu die Studien von Day und Van den Bulte (2002), Reinartz, Krafft und Hoyer (2004). Croteau und Li (2003) berücksichtigen beispielweise eine interne und externe Perspektive des CRM-Erfolgs, Chen und Ching (2004) berücksichtigen eine Unternehmensperspektive und eine kundenorientierte Perspektive. 233 Vgl. Fritz (1995), S. 219. 234 Vgl. Auer (2004), S. 159, Reichheld und Sasser (1990), S. 111, Zeithaml, Berry und Parasuraman (1996), S. 32ff., Homburg und Bruhn (2005), S. 5ff. 235 Vgl. Moorman und Rust (1999), S. 196, Ramaswami, Bhargava und Srivasta (2004), S. 70, Gupta und Zeithaml (2005), S. 41ff. 232

Konzeptionalisierung von CRM für die empirische Untersuchung

71

men dieser Untersuchung eine detaillierte Erfolgsmessung auf Basis der jeweiligen Kundenlebenszyklusphase Anbahnung, Expansion und Bindung vorgenommen werden soll.236 Entsprechend lassen sich daher anhand der in Abschnitt 2.2 beschriebenen Phasen des Kundenlebenszyklus die drei Teilziele „Anbahnungserfolg“, „Expansionserfolg“ und „Bindungserfolg“ unterscheiden, die im folgenden Abschnitt näher konkretisiert werden. Schließlich stellt der „Gesamterfolg“ das klassische Finanzziel des Unternehmens dar. Es wird angenommen, dass dieser wesentlich durch die vorgelagerten Ziele der jeweiligen Kundenlebenszyklusphase beeinflusst wird. Im Rahmen dieser Untersuchung soll daher für die Erfolgsanalyse von CRM ein kausalanalytisches Strukturgleichungsmodell verwendet werden. Hierzu werden zunächst Wirkungsbeziehungen zwischen Teilerfolgsmaßen und dem Gesamterfolg aus der Literatur abgeleitet. In einem zweiten Schritt werden monetäre und nicht-monetäre Erfolgsindikatoren ausgewählt und operationalisiert. 4.1.2.1 Gesamterfolg und Teilerfolgsmaße Nach Hauschildt (1980) verfolgen Unternehmen im Wesentlichen vier Zieleigenschaften: Das Streben nach Gewinn, Marktanteil/Wachstum, Wahrung oder Erreichung eines technischen Leistungsprofils sowie Konsonanz mit Bezugsgruppen der Umwelt und den Interaktionspartnern innerhalb der Organisation.237 Aus diesem übergeordneten Erfolgsziel sind für das Untersuchungsobjekt CRM Unterziele abzuleiten, deren Erreichung für den Gesamterfolg eines Unternehmens ausschlaggebend sind. Fokus von CRM ist die Kundenperspektive. Diese beschreibt die strategischen Ziele und zugehörigen Leistungsmaße, die innerhalb der ausgewählten Markt- und Kundensegmente erreicht werden sollen. Kaplan und Norton identifizieren dabei folgende fünf generische Messgrößen, die nahezu für jedes Unternehmen sinnvoll verwendet werden können: Marktanteil, Neukundenakquisitionsrate, Kundenbindungsrate, Kundenzufriedenheitsgrad, Kundenprofitabilität.238 Hinter diesen generischen Zielgrö-

236

Vgl. Abschnitt 2.2. Vgl. Hauschildt (1980), Sp. 2424f. 238 Vgl. Kaplan und Norton (1996), S. 63ff., Kaplan und Norton (1996), S. 58ff., ähnlich Gupta und Zeithaml (2005), S. 50ff. 237

72

Konzeptionalisierung von CRM für die empirische Untersuchung

ßen der Kundenperspektive stehen unternehmensinterne und strategiespezifische Faktoren, die beim Kunden Wert schaffen und damit darüber entscheiden, ob neue Kunden gewonnen und bestehende Kunden gehalten werden können.239 Für die Konzeption des Erfolgsmodells sollen daher unter anderem Messgrößen als Unterziele den drei Kundenlebenszyklusphasen Anbahnung, Entwicklung und Bindung sowie dem Gesamterfolg zugeordnet werden. Abbildung 4-1 stellt die Messgrößen der Teilerfolgsziele der drei Phasen des Kundenlebenszyklus sowie die Messgrößen des Gesamterfolgs schematisch dar. Abbildung 4-1: Übersicht über Teilerfolgsgrößen und Gesamterfolg Verbesserung der Neukundenakquisition Anbahnungserfolg Verbesserung der Kundenrückgewinnung Gesamtergebnis Verbesserung der Kundenzufriedenheit Marktanteil Verbesserung Cross-/Up-Selling

Expansionserfolg

Gesamterfolg Wachstum

Verbesserung Gesamtertrag pro Kunde Profitabilität Verbesserung der Kundenbindung Bindungserfolg Senkung der Kundenabwanderung

Der Phase „Anbahnung“ werden die Teilerfolgsgrößen „Verbesserung der Kundenakquisition“ sowie „Verbesserung der Kundenrückgewinnung“ zugeordnet. Der Phase „Expansion“ werden die Teilerfolgsgrößen „Verbesserung der Kundenzufriedenheit“, „Verbesserung des Cross-/Up-Selling-Erfolgs“ und „Verbesserung des Gesamtertrags pro Kunden“ zugeordnet. Der Erfolg in der Phase Bindung wird schließlich anhand der

239

Vgl. Bischof (2002), S. 107.

Konzeptionalisierung von CRM für die empirische Untersuchung

73

Teilerfolgsgrößen „Verbesserung der Kundenbindung“ und „Senkung der Kundenabwanderungsrate“ gemessen. Wird die Zielhierarchie in einen kausalanalytischen Zusammenhang übertragen, so ist der „Gesamterfolg“ abhängig von den Ausprägungen der einzelnen erklärenden Teilerfolgsvariablen des Kundenlebenszyklus. Veränderungen in den Teilerfolgsmaßen der Kundenlebenszyklusphasen beeinflussen direkt den Gesamterfolg des Unternehmens. Aus der Analyse der direkten Wirkungsbeziehungen können differenzierte Aussagen abgeleitet werden, ob und in welchem Ausmaß die einzelnen Teilerfolgsmaße einen Beitrag zum „Gesamterfolg“ des Unternehmens leisten. 4.1.2.2 Wirkungsbeziehungen des vorökonomischen Erfolgs Die Teilerfolgsmaße wirken nicht nur direkt auf den Gesamterfolg, sondern bilden darüber hinaus eine indirekte Wirkungskette, innerhalb derer die Teilerfolgsmaße in Beziehung zueinander stehen. Für das Unternehmen ist es wichtig, über den gesamten Kundenlebenszyklus die Ziele der Teilerfolgskonstrukte möglichst gut zu erreichen. Da dies nicht um seiner selbst Willen geschieht, ist der Gesamterfolg die letztlich unabdingbare Erfolgsvariable. Im Folgenden soll der idealtypische Verlauf eines Kundenlebenszyklus Basis der Untersuchung sein.240 Die „Anbahnung“ stellt die erste Phase im Kundenlebenszyklus dar. Ziel des „Anbahnungsmanagements“ ist der Aufbau stabiler Geschäftsbeziehungen zu Neukunden und zurückgewonnenen Kunden. Die Phase „Anbahnung“ ist mit Akquisitions- oder Wiedergewinnungskosten verbunden, so dass die Kundenbeziehung in dieser Phase in der Regel noch nicht zu Gewinnen führt.241 Dennoch wird die Neukundeakquisition zur Absicherung der erreichten Marktposition und zum Erreichen von Wachstumszielen als notwendig angesehen.242 In der Literatur wird ebenfalls die Bedeutung des Kundenrückgewinnungsmanagements hervorgehoben.243 Der Verlust eines Kunden

240

Vgl. die Abbildung 2-2 aus Abschnitt 2.2 dieser Arbeit. Vgl. Gouthier (2004), S. 395. 242 Vgl. Haas (2003), S. 365. 243 Vgl. Bruhn und Michalski (2001), Homburg und Schäfer (1999), Homburg, Sieben und Stock (2004), Maxham (2001), Maxham und Netemeyer (2003), Schulz-Klingauf (2000), Stauss und Friege (1999), Stauss (2000). 241

74

Konzeptionalisierung von CRM für die empirische Untersuchung

hat besondere Bedeutung, da die Kosten einer Neukundenakquisition die der Kundenrückgewinnung durchschnittlich um das fünf- bis sechsfache übersteigen.244 Pfeifer (2005) weist in diesem Zusammenhang allerdings darauf hin, dass es entscheidend ist, ob es sich bei den betrachteten Kosten um durchschnittliche oder marginale Kosten handelt.245 Unter der Annahme durchschnittlicher Kosten kann die Akquisition profitabler Kunden daher dennoch optimal sein. Unter der Annahme marginaler Kosten ergeben sich die Handlungsoptionen, Akquisitionskosten zu senken, Bindungskosten zu erhöhen oder beide Optionen zu ergreifen. Zusätzlich wird angenommen, dass verlorene Kunden nach ihrer erfolgreichen Rückgewinnung eine ähnlich starke Loyalität wie bestehende Kunden entwickeln und damit einen positiven Einfluss auf den Unternehmenserfolg ausüben.246 Neben dem Wiedergewinnungsziel zur Vermeidung von entgangenen Gewinnen ist im Rückgewinnungsmanagement eine Möglichkeit zu sehen, negative Mund-zu-Mund-Propaganda durch abgewanderte Kunden zu vermeiden, um so negative Folgen für das Anbahnungsmanagement und den bestehenden Kundenstamm zu verhindern.247 Die bisherigen Ausführungen lassen vermuten, dass ein Unternehmen, dem es gelingt, Neukunden zu akquirieren oder abgewanderte Kunden zurückzugewinnen, damit den „Gesamterfolg“ positiv beeinflusst. Daneben übt der Erfolg in der Phase „Anbahnung“ eine indirekte Wirkungsbeziehung über die nachgelagerten Phasen „Expansion“ und „Bindung“ aus, da akquirierte oder zurückgewonnene Kunden weitere Produkte oder Dienstleistungen erwerben und damit an das Unternehmen gebunden werden können. Daher werden folgende direkte und indirekte Wirkungsbeziehungen formuliert: W1Erfolg: Je größer der Erfolg eines Unternehmens in der Kundenlebenszyklusphase „Anbahnung“ ist, desto größer ist der „Gesamterfolg“. W2Erfolg: Je größer der Erfolg des Unternehmens in der Phase „Anbahnung“ ist, desto mehr Kunden wird es weiterentwickeln und binden können, was wiederum den „Gesamterfolg“ direkt positiv beeinflusst.

244

Vgl. Hart, Heskett und Sasser (1990), S. 130f. Vgl. Pfeifer (2005). 246 Vgl. Sauerbrey (2000), Sauerbrey und Henning (2000), S. 4f. 247 Vgl. Büttgen (2003), S. 62f. 245

Konzeptionalisierung von CRM für die empirische Untersuchung

75

Die Kundenlebenszyklusphase „Expansion“ ist durch eine Ausdehnung und Vertiefung der Geschäftsbeziehung gekennzeichnet, was zugleich zu einer verstärkten Bindung führen kann. Mit der Intensivierung der Geschäftsbeziehung in der Expansionsphase steigen die Umsätze stark an, da der Kunde Folgekäufe tätigt oder den Nutzungsumfang auf andere Produkte des Unternehmens ausdehnt. Ausgehend von diesem Verständnis ist der Erfolg der Phase „Expansion“ zum einen durch Folgekäufe an einen Kunden gekennzeichnet. Besonders erfolgreiche Unternehmen werden dabei die geringere Preissensibilität bestehender Kunden nutzen und Up-Selling betreiben. Zum anderen ist der Erfolg durch den Umfang, zu dem ein Kunde zusätzliche Produkte aus dem Leistungsangebot des Unternehmens in Anspruch nimmt (Cross-Selling oder „Überkreuz-Verkauf“), gekennzeichnet.248 Insbesondere das Cross-Selling zielt auf die Ausschöpfung vorhandener Kundenpotenziale ab und wirkt sich deshalb bei erfolgreicher Durchführung auf den Unternehmenserfolg aus.249 Diese Durchdringung bestehender Geschäftsbeziehungen wird angesichts in einigen Branchen stagnierenden Marktwachstums als vielversprechende Wachstumsoption betrachtet250 und soll deshalb in der folgenden Untersuchung im Mittelpunkt der Erfolgsmessung der Kundenlebenszyklusphase „Expansion“ stehen. Neben der direkten Erfolgswirkung der Phase „Expansion“ auf den „Gesamterfolg“ wirkt die „Expansion“ auf die nachfolgende Kundenlebenszyklusphase „Bindung“, da davon auszugehen ist, dass die Bindung eines Kunden durch den Aufbau von Wechselbarrieren steigt, je mehr Produkte oder Dienstleistungen er nachfragt.251 In vielen Beiträgen wird argumentiert, dass Cross-Selling einer Ursache positiver Profitabilität ist und zur direkten Gewinnsteigerung beiträgt,252 wenn auch vereinzelt diese Position kritisch hinterfragt wird.253 Einen direkten signifikant positiven Zusammenhang zwischen Cross-Selling-Erfolg und Unternehmenserfolg identifiziert Hallowell (1996) und dieser soll entsprechend für die vorliegende Arbeit angenommen werden.254 Für die

248

Vgl. Homburg und Bruhn (2005), S. 9ff., Schäfer (2002), S. 59, Homburg und Schäfer (2002), S. 7. Vgl. Cornelsen (2000), S. 185, Homburg und Schäfer (2002), S. 7. 250 Vgl. Kamakura, Ramaswami und Srinivasan (1991), S. 329. 251 Vgl. Peter (1997), S. 232, Rudolf-Sipötz (2001), S. 103. 252 Vgl. Bruhn und Gregori (1999), S. 187, Matzler und Stahl (2000), S. 634f., Srivastava, Shervani und Fahey (1999), S. 174. 253 Vgl. Storbacka (1994), S. 161f. 254 Vgl. Hallowell (1996), S. 34. 249

76

Konzeptionalisierung von CRM für die empirische Untersuchung

vorliegende Arbeit werden folgende direkte und indirekte Wirkungsbeziehungen formuliert: W3Erfolg: Je größer der Erfolg eines Unternehmens in der Kundenlebenszyklusphase „Expansion“ ist, desto größer ist der „Gesamterfolg“. W4Erfolg: Je größer der Erfolg des Unternehmens in der Phase „Expansion“ ist, desto größer der Erfolg in der Phase „Bindung“, was wiederum den „Gesamterfolg“ direkt positiv beeinflusst. Grundlage der Kundenlebenszyklusphase „Bindung“ ist die Annahme, dass sich eine starke Kundenbindung positiv auf den ökonomischen Erfolg eines Unternehmens auswirkt. Die Begründung liegt in den vermiedenen Profitabilitätsverlusten, die mit einer Kundenabwanderung verbunden sind.255 In der Literatur ist vielfach empirische Evidenz für den Zusammenhang zwischen Kundenbindung und ökonomischem Erfolg sowie Kundezufriedenheit und ökonomischem Erfolg zu finden.256 Auch wird in zahlreichen Arbeiten der Zusammenhang zwischen Kundenzufriedenheit und Kundenbindung untersucht.257 Erfolgsindikatoren in diesem Zusammenhang sind daher die Kundenbindung und die Kundenabwanderungsrate. Für die vorliegende Arbeit wird daher folgender Wirkungszusammenhang formuliert: W5Erfolg: Je größer der Erfolg eines Unternehmens in der Kundenlebenszyklusphase „Bindung“ ist, desto größer ist der Gesamterfolg 4.1.3 Hypothesensystem im Überblick In Abschnitt 4.1.1 wurde deutlich, dass dem CRM ein pluralistisches Zielsystem zugrunde liegt, in dem sich der Erfolg neben ökonomischen Erfolgskennziffern auch aus nicht-finanziellen Erfolgsgrößen ableiten lässt. Das darauf aufbauende Erfolgsmodell bildet diesen Zusammenhang über direkte Wirkungseffekte ab, die in Tabelle 4-1 im Überblick dargestellt sind. So wird unterstellt, dass mit zunehmendem Erfolg in

255

Vgl. Hallowell (1996), S. 36, Reichheld (1993), S. 65ff., Reichheld und Sasser (1990), S. 106ff. Vgl. Hallowell (1996), Kamakura et al. (2002), Matzler und Stahl (2000), Peter (1997), Reinartz und Kumar (2000), Reinartz, Thomas und Kumar (2005), Rust und Zahorik (1993), Verhoef (2003). 257 Vgl. Giering (2000), Homburg, Giering und Hentschel (1999), Krafft (1999). 256

Konzeptionalisierung von CRM für die empirische Untersuchung

77

den Kundenlebenszyklusphasen „Anbahnung“, „Expansion“ und „Bindung“ jeweils ein höherer „Gesamterfolg“ einhergeht. Tabelle 4-1: Vermutete Wirkungsbeziehungen zu den direkten Wirkungseffekten auf den Gesamterfolg Hypothese

Erwartete Erfolgswirkung der Teilerfolgsmaße (Kundenlebenszyklusphasen)

Erwartete Erfolgswirkung auf den Gesamterfolg

W1Erfolg

Anbahnungserfolg

+

W3Erfolg

Expansionserfolg

+

W5Erfolg

Bindungserfolg

+

Es ist festgestellt worden, dass eine Kundenbeziehung einen idealtypischen Prozess durchläuft, innerhalb dessen das Unternehmen aus den Kundenbeziehungen Erträge generieren kann. Aus diesem Grund wird für das Erfolgsmodell angenommen, das mit Erfolg in der Phase Anbahnung die Chance, eine erfolgreiche Expansion zu betreiben, steigt. Daraus erwächst ein indirekter Wirkungseffekt des Konstrukts „Anbahnungserfolg“ über den „Expansionserfolg“ und über das „Bindungsmanagement“ auf den „Gesamterfolg“. Da mit entsprechendem „Expansionserfolg“ die Chancen steigen, die Kundenbindung erfolgreich zu betreiben, wird auch zwischen „Expansionserfolg“ und „Bindungserfolg“ ein indirekter Effekt auf den „Gesamterfolg“ erwartet. Eine Übersicht der indirekten Wirkungsbeziehungen liefert Tabelle 4-2: Tabelle 4-2: Vermutete Wirkungsbeziehungen zu den indirekten Wirkungsbeziehungen über Teilerfolgsmaße Hypothese

Indirekter Effekt über Teilerfolgsmaße

W2Erfolg

Positive Wirkung des Anbahnungserfolgs auf den Expansionserfolg, was wiederum einen positiven Effekt auf den Gesamterfolg ausübt.

W4Erfolg

Positive Wirkung des Expansionserfolgs auf den Bindungserfolg, was wiederum einen positiven Effekt auf den Gesamterfolg ausübt.

Die Gesamtheit der unterstellten Wirkungsbeziehungen zwischen den einzelnen Konstrukten des Erfolgsmodells zeigt Abbildung 4-2.

78

Konzeptionalisierung von CRM für die empirische Untersuchung

Abbildung 4-2: Wirkungsbeziehungen des Erfolgsmodells

Anbahnungserfolg

+

+

Expansionserfolg

+

Bindungserfolg

+

+

Gesamterfolg

In der folgenden empirischen Untersuchung ist zu analysieren, ob und in welchem Ausmaß die CRM-Erfolgsfaktoren einen Effekt auf die Phasen des Kundenlebenszyklus („Anbahnung“, „Expansion“ und „Bindung“) ausüben.

Konzeptionalisierung von CRM für die empirische Untersuchung

79

4.2 Wirkungsbeziehungen zwischen Erfolgsfaktoren und Teilerfolgsmaßen 4.2.1 Kundenlebenszyklusphasen-bezogene CRM-Maßnahmen Kern des CRM sind diejenigen Maßnahmen, die bereit gestellt werden, um die Ziele der jeweiligen Phasen des Kundenlebenszyklus zu erreichen. Im Folgenden werden die vermuteten Wirkungsbeziehungen zwischen den Erfolgsfaktoren der CRMMaßnahmen der Kundenlebenszyklusphasen und den Erfolgsmaßen aufgestellt. Für die Ableitung der Maßnahmen im CRM wird auf das Konzept des Beziehungsmarketings Bezug genommen und auf das in Abschnitt 3.3.2.1 eingeführte Strukturierungsschema zurückgegriffen. Anhand der drei für das CRM relevanten Prinzipien Selektion, Individualisierung und Interaktion lassen sich in den Phasen des Kundenlebenszyklus erfolgswirksame CRM-Maßnahmen ableiten. Über alle Phasen des Kundenlebenszyklus wirken zudem die Instrumente „Kundenbewertung“, „CRM-orientiertes Informationssystem“, „Nutzungsintensität“, „Organisatorische Anpassung“, „Kundenorientierung“ und „Topmanagement-Unterstützung“. Zur Varianzkontrolle werden zusätzlich die Kontrollvariablen „Heterogenität des Kundenstamms“ und Branche in die Konzeptionalisierung der Modelle einbezogen. 4.2.1.1 Anbahnungsmanagement Für die erste Phase des Kundenlebenszyklus stellt das Anbahnungsmanagement die Umsetzung der Prinzipien des Beziehungsmarketings aus Abschnitt 3.3.2.1 dar. Damit ist das Anbahnungsmanagement als Teilfunktion des CRM zu interpretieren.258 Im Mittelpunkt des Anbahnungsmanagements steht speziell die Gestaltung des Beziehungsaufbaus. Grundsätzlich ist dies auch im transaktionsorientierten Marketing der Fall, allerdings stellt die Umsetzung der Prinzipien des Beziehungsmarketings eine kundenindividuelle Ansprache mit zuvor hinsichtlich ihrer Profitabilität bewerteten Kunden sicher. Das Anbahnungsmanagement im CRM unterscheidet sich daher wesentlich von dem klassischen Akquisitionsmanagement eines transaktionsorientierten Unternehmens. In dieser Phase wird mit dem Kunden über die unterschiedlichen Vertriebskanäle in Kontakt getreten und entsprechende Produkte angeboten. Schwerpunkt

258

Vgl. Reinartz, Krafft und Hoyer (2004), S. 296ff., Greve und Albers (2005), S. 2.

80

Konzeptionalisierung von CRM für die empirische Untersuchung

des Anbahnungsmanagements ist die Gewinnung neuer oder die Rückgewinnung alter Kunden. Das Management der Kundenrückgewinnung wird als Teil des Neukundenmanagements begriffen, da es im Kundenlebenszyklus den (Wieder)-beginn einer Kundenbeziehung kennzeichnet, unabhängig von einem bereits durchlaufenen Kundenlebenszyklus.259 Kundenrückgewinnungsmaßnahmen sind denen des Neukundenmanagements ähnlich, aus Kostengesichtspunkten im Vergleich zur Neukundengewinnung jedoch lohnenswerter, da sie in der Regel niedriger ausfallen können.260 Die Instrumente des Anbahnungsmanagements werden entsprechend der drei für das CRM relevanten Prinzipien des Beziehungsmarketings strukturiert dargestellt. Selektion/Kundenbewertung Da die Kundenakquisition zum Teil erhebliche Kosten verursacht, erscheint es ökonomisch sinnvoll, im Vorfeld eine Kundenbewertung durchzuführen, um den Wert eines Kunden für das Unternehmen zu bestimmen und danach die Akquisitionsmaßnahmen entsprechend seines Potenzials zu gestalten.261 Erst durch die Bewertung von Neukunden können Aussagen über die zukünftige Profitabilität gemacht werden und damit eine Entscheidungsunterstützung bereithalten, welche Kunden letztlich zu akquirieren oder zurückzugewinnen sind.262 Klassische Beispiele für die Nichtbeachtung des Kundenwerts bei der Akquisition von Kunden finden sich im E-Commerce-Hype Anfang des 21. Jahrhunderts. Zu dieser Zeit investierten Online-Unternehmen wie bspw. CDNow oder AOL stark in die Akquisition neuer Kunden, ohne den Wert eines Kunden für das Unternehmen zu ermitteln.263 Letztlich überstiegen häufig die Akquisitionskosten den tatsächlichen Wert eines Kunden. Dieses Beispiel verdeutlich die Stellung einer hochentwickelten Kundenbewertung in der Kundenlebenszyklusphase Anbahnung. Die Kundenbewertung soll allerdings für die Phasen des Kundenlebenszyklus aus den Maßnahmen herausgelöst werden und als eigenständiges Konstrukt in die Modelle der Kundenlebenszyklusphasen eingehen.264

259

Thomas, Blattberg und Fox (2004), S. 32 sprechen in diesem Zusammen auch von der „Reakquisition“ von abgewanderten Kunden. 260 Vgl. Sauerbrey und Henning (2000), S. 7. 261 Vgl. Gupta und Lehmann (2005), S. 63. 262 Vgl. Mulhern (1999), S. 26, Wyner und O'Neill (1996), S. 44. 263 Vgl. Gupta und Lehmann (2005), S. 53ff. 264 Vgl. Abschnitt 4.2.10.

Konzeptionalisierung von CRM für die empirische Untersuchung

81

Individualisierung Da Kunden unterschiedliche Ansprüche an die Leistungen eines Unternehmens haben, sollten sie entsprechend ihrem Potenzial mit entsprechenden Produkten oder Dienstleistungen angesprochen werden.265 Dies kann in der Kundenlebenszyklusphase „Anbahnung“ durch individuelle Kommunikationsstrategien geschehen.266 Damit stehen diese Kommunikationsstrategien in direktem Kontrast zu den bisherigen anonymen Massenkommunikationsstrategien. Um zu gewährleisten, dass möglichst profitable Kunden akquiriert bzw. zurückgewonnen werden, müssen die Kommunikationsstrategien konsistent auf den Wert der Geschäftsbeziehung ausgerichtet werden.267 Zudem sind in der Phase der Anbahnung bereits die Leistungen zu individualisieren, d.h. den Kunden werden Produkte entsprechend ihrem Potenzial angeboten, so dass die spezifischen Bedürfnisse individueller Kunden befriedigt werden. Letztendlich ist es hierfür erforderlich, insgesamt ein individuelles Leistungsangebot bereitzustellen.268 Der Verkauf eines individualisierten Leistungsangebotes stellt ein Unternehmen bei wenigen Kunden im Business-to-Business-Geschäft vor geringe Schwierigkeiten, allerdings bereitet dieser Umstand im Geschäft mit vielen Endkunden Probleme, so dass ein bestimmtes Maß an Standardisierung hinsichtlich der Produkte aufrecht zu erhalten ist.269 Interaktion Neben den Aspekten der Individualisierung von Kommunikation, Distribution und Leistung sollte das Unternehmen in Interaktion mit den Kunden treten. Dazu gehört klassischer Weise der Kontakt über unterschiedliche Vertriebskanäle, um Kunden zu akquirieren.270 Unternehmen verfügen heutzutage über eine wachsende Anzahl an Vertriebskanälen zur Kundenakquisition.271 Gerade die Ansprache von Neukunden über unterschiedliche Vertriebskanäle gilt es im Rahmen des Neukundenmanagements zu berücksichtigen. Hierbei spielt die Ausrichtung der Vertriebskanäle auf die Präfe-

265

Vgl. Rust, Lemon und Zeithaml (2001), S. 121, Banasiewicz (2004), S. 25, Eichenberger und Oggenfuss (2002), S. 556f. 266 Vgl. Mohr und Nevin (1990). 267 Vgl. Bhattacharya und Bolton (2000), S. 345. 268 Vgl. Bruhn (2001), S. 154. 269 Vgl. Albers und Söhnchen (2005), S. 61. 270 Vgl. Ling und Yen (2001), S. 85. 271 Vgl. Payne und Frow (2004), S. 528.

82

Konzeptionalisierung von CRM für die empirische Untersuchung

renzen der zu akquirierenden Kunden eine zentrale Rolle.272 Durch ein entsprechendes Multi-Channel-Management kann gewährleistet werden, dass Produkte und Dienstleistungen den Kunden zur richtigen Zeit am richtigen Ort angeboten werden können.273 Bei einer großzahligen Kundenbasis ist die individuelle Kommunikation über kostengünstige Kommunikationskanäle wie bspw. Call-Center oder über das Internet möglich.274 Langfristige Kundenbeziehungen sind vielfach durch eine höhere Profitabilität gekennzeichnet als kurzfristig transaktionsorientierte Beziehungen. Dennoch werden kaum Versuche unternommen, verlorene profitable Kunden zurückzugewinnen.275 In der Literatur finden sich Hinweise, dass ein formalisiertes Kundenrückgewinnungsmanagement die Chancen erhöht, Kunden tatsächlich wieder für das Unternehmen zu gewinnen.276 Sauerbrey und Henning (2000) gehen davon aus, dass zurückgewonnene Kunden mindestens eine ebenso lange Bindungsdauer aufweisen wie die übrigen Kunden des Unternehmens.277 Es sollten daher festgelegte Prozeduren bereit gehalten werden, um mit verlorenen Kunden zu kommunizieren und diese letztlich zurückzugewinnen. Beispiele für ein formalisiertes Kundenrückgewinnungsmanagement sind zielgruppenorientierte Direktmarketingaktivitäten wie Gutscheine, Produktproben oder individuelle Sonderaktionen, die auf die Bedürfnisse des einzelnen Kunden zugeschnitten sind.278 Auf der anderen Seite sind in dieser ersten Phase des Kundenlebenszyklus bereits die Weichen zu stellen, die Akquisition möglichst profitabler Kunden zu betreiben. Beziehungen zu Kunden, die anhand der eingesetzten Kundenbewertungsverfahren als nicht profitabel oder nur wenig profitabel eingestuft wurden, sollten vermieden werden, um die knappen Mittel des Unternehmens optimal zu alloziieren.279 Tabelle 4-3 fasst die Maßnahmen in der Kundenlebenszyklusphase „Anbahnung“ nach dem Strukturierungsschema des Beziehungsmarketings zusammen.

272

Vgl. Payne und Frow (2004), S. 531, Alt, Puschmann und Österle (2005), S. 199f. Vgl. Weitz und Jap (2000), S. 209ff., Ling und Yen (2001), S. 85. 274 Vgl. Jost (2002), S. 94f. 275 Vgl. Homburg und Schäfer (1999), S. 3. 276 Vgl. Bruhn und Michalski (2001), Büttgen (2003), Homburg, Sieben und Stock (2004), Schöler (2004). 277 Sauerbrey und Henning (2000), S. 20. 278 Vgl. Müller (2004), S. 325. 279 Vgl. Krafft und Albers (2000), S. 534, Hansotia und Wang (1997), S. 8. 273

Konzeptionalisierung von CRM für die empirische Untersuchung

83

Tabelle 4-3: Maßnahmen in der Kundenlebenszyklusphase Anbahnung Merkmal

CRM-Maßnahme

Ausgewählte Untersuchungen

Selektion

Einsatz von Verfahren zur Kundenbewertung

Winer (2001), Alt, Puschmann und Österle (2005), Stefanou und Sarmaniotis (2003)

Individuelle Kommunikationsstrategien

Reinartz, Krafft und Hoyer (2004)

Leistungsangebot entsprechend dem Potenzial der Kunden

Reinartz und Chugh (2002), Narayanan und Brem (2002), Kim, Suh und Hwang (2003)

Beziehungsvermeidung zu unprofitablen Kunden

Müller (2004)

Multi-Channel-Management

Kim, Suh und Hwang (2003)

Systematisches Kundenrückgewinnungsmanagement

Reinartz, Krafft und Hoyer (2004)

Individualisierung

Interaktion

Alle aus dem Konzept des Beziehungsmarketing abgeleiteten Maßnahmen können im CRM nur dann eine Erfolgswirkung entwickeln, wenn die ursprünglich für das Business-to-Business-Geschäft entwickelten Maßnahmen auf die zumeist großzahlige Kundenbasis des Business-to-Consumer-Geschäfts übertragen werden können. Um die Maßnahmen der Selektion, Individualisierung und Interaktion umzusetzen, bedarf es daher technologischer und organisatorischer Anpassungen sowie einer Veränderung der Unternehmenskultur.280 In Abschnitt 3.3.2.2 wurde auf Basis des ressourcenbasierten Ansatzes angenommen, dass die Kombination tangibler und intangibler Ressourcen zu einem Wettbewerbsvorteil am Markt führen kann und daher ein positiver Einfluss auf den Unternehmenserfolg anzunehmen ist. Für die folgende empirische Untersuchung soll daher von einem positiven Einfluss des Anbahnungsmanagements auf den Erfolg der Kundenlebenszyklusphase „Anbahnung“ ausgegangen werden.281

280 281

Vgl. Ling und Yen (2001), S. 85f. sowie Abschnitt 3.3.2.1 dieser Arbeit. Vgl. Reinartz, Krafft und Hoyer (2004), S. 299ff. Die Autoren weisen einen positiven Erfolgsbeitrag der CRM-Maßnahmen auf den Erfolg nach.

84

Konzeptionalisierung von CRM für die empirische Untersuchung

4.2.1.2 Expansionsmanagement Ein Kunde, der Folgekäufe vornimmt, indem er beispielsweise dasselbe Produkt wiederholt nachfragt oder seinen Nutzungsumfang auf andere Produkte ausdehnt, befindet sich in der Phase der „Expansion“ der Kundenbeziehung.282 Aufgabenschwerpunkt dieser Phase ist die Weiterentwicklung der Kundenbeziehung sowie der Ausbau dieser durch Cross- und Up-Selling-Aktivitäten. Durch individuelle und bevorzugte Behandlung sollen Wechselbarrieren aufgebaut werden. Damit stellt das Expansionsmanagement die Umsetzung der Prinzipien des Beziehungsmarketings aus Abschnitt 3.3.2.1 für die Phase „Expansion“ des Kundenlebenszyklus dar. Hierzu sind entsprechende CRM-Maßnahmen aus den Prinzipien abzuleiten. Selektion/Kundenbewertung Neben den bereits in Abschnitt 4.2.1.1 beschriebenen Verfahren zur Bewertung von Kunden wird auch für diese Phase angenommen, dass Kunden laufend zu bewerten sind. Um diesem Punkt Rechnung zu tragen, muss in dieser Phase des Kundenlebenszyklus analysiert werden, ob Kunden Cross-/Up-Selling-Potenziale überhaupt bieten.283 Eine Investition in diese Aktivitäten würde gegenüber unprofitablen Kunden wenig erfolgsversprechend sein. Individualisierung Entsprechend der Phase Anbahnung werden auch in der Phase Expansion individualisierte Kommunikationsstrategien eingesetzt, um den Kunden entsprechend seinem Potenzial und seiner Bedürfnisse zu befriedigen. Den Kunden werden weiterhin Produkte und Dienstleistungen entsprechend ihrem Potenzial angeboten. Interaktion Für das Expansionsmanagement sind allerdings neben den Maßnahmen der Individualisierung weitere Maßnahmen einzubeziehen, um die Kundenbeziehung profitabler zu gestalten. Entsprechend der Phase „Anbahnung“ sind Kunden auch in dieser Phase durch ein entsprechendes Multi-Channel-Management über den von ihnen bevorzug-

282 283

Vgl. Stauss (2004), S. 351. Vgl. Jarrar und Neely (2002), S. 294.

Konzeptionalisierung von CRM für die empirische Untersuchung

85

ten Vertriebskanal zu kontaktieren.284 Zur Steigerung der Kundenzufriedenheit werden ein verbessertes Serviceangebot285 oder monetäre Anreize wie beispielsweise Preisnachlässe oder individuelle Konditionen zur Individualisierung der angebotenen Leistungen bereit gehalten.286 Allerdings kann die Einräumung monetärer Anreize den Gesamtertrag eines Kunden unter Umständen reduzieren. Als Beispiel seien in diesem Zusammenhang die Zugaben der Zeitschriftenverlage genannt, die dem Kunden Geschenke offerieren, welche zusammen mit den Akquisitionskosten die Erlöse aus den Abonnements in der ersten Periode oftmals überschreiten. Durch Cross- oder UpSelling werden dem Bestandskunden weitere Leistungen des Unternehmens angeboten, was wiederum einen Einfluss auf den Gesamtertrag eines Kunden hat.287 CrossSelling bezeichnet den Verkauf von zusätzlichen Produkten eines Unternehmens an einen Bestandskunden,288 während Up-Selling als wiederholter Verkauf des Erstkaufproduktes in einer höheren Menge oder einem höheren Preissegment verstanden wird.289 Das Cross-Selling weitet damit die Geschäftsbeziehung in andere Produktbereiche aus, das Up-Selling in höhere Mengen oder höherpreisige Segmente. Beide Maßnahmen wirken damit auf eine kundenbezogene Absatzausweitung und damit auf den Unternehmensumsatz.290 Kamakura et al. (2003) stellen fest, dass Cross-Selling eine geeignete Maßnahme ist, Wechselbarrieren aufzubauen und Kundenwünsche besser zu erforschen.291 Zudem ist davon auszugehen, dass Cross-Selling an Bestandskunden zu einer Reduzierung der Transaktions- und Informationskosten führen kann, da im Vergleich zum Anbahnungsmanagement bspw. sämtliche Kosten in Zusammenhang mit der Informationsbeschaffung über den potentiellen Austauschpartner und dessen Präferenzen wegfallen.292 Gerade für das Unternehmen bilden die bereits gesammelten Informationen über die Kundenbeziehung ein wertvolles Gut, um den Ausbau der Kundenbeziehung voranzutreiben. Cross-/Up-Selling nimmt direkt Einfluss

284

Vgl. von Rotz (2002), S. 488f. Vgl. Reichheld (1993), S. 67f., Winer (2001), S. 99, Zeithaml (2000), S. 71ff. 286 Vgl. Bruhn (2001), S. 156f. 287 Vgl. Homburg und Schäfer (2002), S. 8ff., Schäfer (2002), S. 59, Schumacher und Meyer (2003), S. 35. 288 Vgl. Diller (1998), S. 3, Homburg und Schäfer (2002), S. 8. 289 Vgl. Müller (2004), S. 254. 290 Vgl. Cornelsen (2000), S. 179. 291 Vgl. Kamakura et al. (2003), S. 46. 292 Vgl. Cornelsen (2000), S. 180. 285

86

Konzeptionalisierung von CRM für die empirische Untersuchung

auf die Gewinnsituation des Unternehmens. Die Gewinnsteigerung resultiert aus der Differenz zwischen Grenzerlösen und Grenzkosten des Cross-/Up-Selling. Unter der vereinfachten Annahme weitgehend fixer kundenspezifischer Betreuungs- und Abwicklungskosten besitzt das Cross-/Up-Selling einen starken Hebel, der auf steigenden Absatzmengen oder Umsätzen bei nur unterdurchschnittlich steigenden Transaktionsoder Produktionskosten beruht.293 Neben der monetären Wirkungsweise von Crossund Up-Selling-Maßnahmen sind auch nicht-monetäre Wirkungszusammenhänge einzubeziehen. So ist davon auszugehen, dass Cross-Selling zu einer Intensivierung der Interaktion der Kundenbeziehung und damit zu einer persönlichen Integration der Kunden und Unternehmen beiträgt,294 was wiederum auch zu Wettbewerbsbarrieren führen und damit den Markteintritt von Wettbewerbern verhindern kann. Ein erfolgreiches Beispiel für Cross- und Up-Selling stellt Disney dar. Zusätzlich zu dem Angebot an Vergnügungsparks bietet Disney den Kunden Übernachtungsmöglichkeiten und Restaurants an.295 Tabelle 4-4 fasst die Maßnahmen in der Kundenlebenszyklusphase „Expansion“ nach dem Strukturierungsschema des Beziehungsmarketings zusammen: Tabelle 4-4: Maßnahmen in der Kundenlebenszyklusphase Expansion Merkmal

Selektion

Individualisierung

Interaktion

CRM-Maßnahme

Ausgewählte Untersuchungen

Einsatz von Verfahren zur Kundenbewertung

Winer (2001), Alt, Puschmann und Österle (2005), Stefanou und Sarmaniotis (2003)

Identifikation Cross-/Up-SellingPotenziale

Jarrar und Neely (2002), Kamakura et al. (2003)

Individuelle Kommunikationsstrategien

Reinartz, Krafft und Hoyer (2004)

Leistungsangebot entsprechend dem Potenzial der Kunden

Reinartz und Chugh (2002), Narayanan und Brem (2002), Kim, Suh und Hwang (2003)

Verbessertes Serviceangebot

Reichheld (1993), Winer (2001), Zeithaml (2000)

Preispolitische Maßnahmen (Nachlass, individuelle Konditionen

Bruhn (2001), Zeithaml (2000), Zeithaml, Berry und Parasuraman (1996)

Promotions (Incentives)

Müller (2004)

Cross-Selling-Aktivitäten/

Buxel und Buckler (2003), Diller (1998), Homburg und Schäfer (2000), Homburg und Schäfer (2002), Schäfer (2002)

Up-Selling-Aktivitäten

293

Vgl. Cornelsen (2000), S. 181. Vgl. Cornelsen (2000), S. 182f. 295 Vgl. Gupta und Lehmann (2005), S. 65f. 294

Konzeptionalisierung von CRM für die empirische Untersuchung

87

Entsprechend den Ausführungen im vorangegangenen Abschnitt ist auch hier davon auszugehen, dass die CRM-Maßnahmen in der Phase „Expansion“ nur dann erfolgreich sein werden, wenn sie durch technologische, organisatorische und unternehmenskulturelle Veränderungen flankiert werden. In Abschnitt 3.3.2.2 wurde auf Basis des ressourcenbasierten Ansatzes angenommen, dass die Kombination tangibler und intangibler Ressourcen zu einem Wettbewerbsvorteil am Markt führen kann und daher ein positiver Einfluss auf den Unternehmenserfolg anzunehmen ist. Für die folgende empirische Untersuchung soll daher von einem positiven Einfluss des Expansionsmanagements auf den Erfolg der Lebenszyklusphase „Expansion“ ausgegangen werden.296 4.2.1.3 Bindungsmanagement Das Bindungsmanagement fasst die aus den Prinzipien des Beziehungsmarketings abgeleiteten CRM-Maßnahmen für die Kundenlebenszyklusphase Bindung zusammen. In der Kundenlebenszyklusphase „Bindung“ ist der Wendepunkt der Umsatzkurve eines Kunden bereits erreicht, d. h. der Kundenumsatz steigt nur noch mit sinkenden Wachstumsraten oder sinkt sogar. Das Absinken des Kundenumsatzes ist ein Indikator für die nachlassende Attraktivität eines Anbieters und kann zum Abbruch der Geschäftsbeziehung durch den Kunden führen. Aus diesem Grund werden für diese Phase Maßnahmen relevant, die neben der bereits in den vorhergehenden Phasen eingesetzten kundenwertorientierten Kommunikationsstrategie inaktive Kunden identifizieren, um mit geeigneten Kundenbindungsprogrammen die Kundenbeziehung zu verlängern und in den profitablen Bereich zurückzuführen. Empirische Studien belegen, dass langfristige Kundenbeziehungen profitabler sind als kurzfristige.297 Für den Fall, dass in dieser Phase unprofitable Kunden identifiziert werden, sollten Maßnahmen eingesetzt werden, die diese Kundenbeziehungen aktiv oder passiv beenden, da eine Fortführung dieser Kundenbeziehungen keinen oder sogar einen negativen Erfolgsbeitrag leisten.

296

Vgl. Reinartz, Krafft und Hoyer (2004), S. 299ff. Die Autoren weisen einen positiven Erfolgsbeitrag der CRM-Maßnahmen auf den Erfolg nach. 297 Vgl. Reichheld und Teal (1996), Reinartz und Kumar (2000).

88

Konzeptionalisierung von CRM für die empirische Untersuchung

Selektion/Kundenbewertung Zunächst gilt es, durch den Einsatz geeigneter Analysemethoden inaktive oder abwanderungsgefährdete Kunden zu identifizieren,298 um daraus geeignete Maßnahmen ableiten zu können. Grundsätzlich gilt auch für die Phase Bindung, dass Kunden zu bewerten sind, um festzustellen, ob Ausgaben in Bindungsmaßnahmen für den entsprechenden Kunden auch lohnend sind, da die Kosten der Kundenbindung mit zunehmender Kundenbindungsrate stark ansteigen.299 Wird ein Kunde als wenig oder unprofitabel bewertet, so sind daraus unter Umständen Konsequenzen zu ziehen. Wird ein Kunde als weiterhin ertragsstark eingestuft, so sind Maßnahmen zu ergreifen, diesen Kunden an das Unternehmen zu binden. Die in der Vergangenheit geforderte Kundenbindung von hundert Prozent ist demgegenüber als nicht erstrebenswert einzustufen.300 Individualisierung Auch in der Phase Bindung ist die individualisierte Kommunikationsstrategie aufrecht zu erhalten. Individuelle Maßnahmen im Bereich des Kundenbindungsmanagements erstrecken sich auf Kundenbindungsprogramme und Aktivierungsstrategien.301 Beispiele für Kundenbindungsprogramme sind klassischerweise Kundenkarten wie die Lufthansa Miles-and-More-Karte als Treuekarte oder die PaybackKundenkarte, welche aufgrund der zuvor erhobenen persönlichen Kundeninformationen ein segmentorientiertes Direktmarketing ermöglicht. Bezüglich des Einsatzes von Kundenbindungsprogrammen kommen wissenschaftliche Untersuchungen zu dem Schluss, dass die Kundenbindung durch diese Programme nur wenig gesteigert werden kann und daraus nicht notwendigerweise Wiederholungskäufe entstehen.302 Vielmehr ist davon auszugehen, dass aufgrund der hohen Wettbewerbintensität in einigen Märkten Kundenbindungsprogramme ein Differenzierungsmerkmal gegenüber Wettbewerbern für Unternehmen darstellen.303 Für diese Arbeit wird daher unterstellt, dass der

298

Vgl. Reinartz und Kumar (2000), S. 33. Vgl. Gupta und Lehmann (2005), S. 72f. 300 Vgl. Reichheld und Sasser (1990). 301 Vgl. Winer (2001), S. 99f., Reinartz und Kumar (2000), S. 33, Dowling und Uncles (1997), S. 71ff., Bolton, Kannan und Bramlett (2000), S. 95. 302 Vgl. Sharp und Sharp (1997), S. 283f. 303 Vgl. Sharp und Sharp (1997), S. 80f. 299

Konzeptionalisierung von CRM für die empirische Untersuchung

89

Einsatz von Kundenbindungsprogrammen und Aktivierungsstrategien ein geeigneter Indikator ist. Interaktion In zahlreichen Studien ist der Einfluss der Servicequalität auf die Kundenzufriedenheit und die Profitabilität untersucht worden.304 Die Untersuchung von Zeithaml (2000) belegt zudem den positiven Wirkungszusammenhang zwischen Servicequalität und Kundenbindung. Im Gegensatz dazu gilt es in dieser Phase, nicht profitable Kunden durch Serviceeinschränkungen zur Aufgabe der Kundenbeziehung passiv zu bewegen oder aber sogar aktiv diese Kundenbeziehung zu beenden. Ein Beispiel für die passive Beendigung bietet die First Chicago Bank, die Kunden, die den Geldautomaten mehr als viermal im Monat nutzen und weniger als 2.500 US$ Monatumsatz realisieren, drei US$ in Rechnung stellen.305 Die Beendigung von Kundenbeziehungen stellt somit den Schlusspunkt des Kundenlebenszyklus dar.306 Bereits 1971 betonen Kotler und Levy (1971) die selektive Beendigung von Beziehungen zu Kundengruppen, die sich als unprofitabel herausgestellt haben.307 Auch Reichheld (1993) fordert einen Verzicht auf Investitionen in Kundenbeziehungen, die langfristig nicht profitabel sind.308 In der Literatur existiert mittlerweile eine Fülle von konzeptionellen Beiträgen zu diesem Thema.309 Michalski (2004) argumentiert, dass eine Minderung der Angebotsqualität eines Unternehmens die Wahrscheinlichkeit erhöht, dass eine Kundenbeziehung durch den Kunden beendet wird.310 Tabelle 4-5 fasst die Maßnahmen in der Kundenlebenszyklusphase „Bindung“ nach dem Strukturierungsschema des Beziehungsmarketings zusammen.

304

Vgl. Zeithaml (2000), S. 68ff. Vgl. Rasmussen (1999), S. 28ff. 306 Vgl. Dwyer, Schurr und Oh (1987), S. 19f. 307 Vgl. Kotler und Levy (1971), S. 78. 308 Vgl. Reichheld (1993), S. 66. 309 Vgl. Halinen und Tähtinen (2002), Alajoutsijarvi, Moller und Tahtinen (2000), Stewart (1998), Hocutt (1998). 310 Vgl. Michalski (2004), S. 979. 305

90

Konzeptionalisierung von CRM für die empirische Untersuchung

Tabelle 4-5: Maßnahmen in der Kundenlebenszyklusphase Bindung Merkmal

CRM-Maßnahme

Ausgewählte Untersuchungen

Einsatz von Verfahren zur Kundenbewertung

Winer (2001), Alt, Puschmann und Österle (2005), Stefanou und Sarmaniotis (2003)

Selektion

Reinartz und Kumar (2000) Identifikation abwanderungsgefährdeter Kunden

Individualisierung

Interaktion

Individuelle Kommunikationsstrategien

Reinartz, Krafft und Hoyer (2004)

Leistungsangebot entsprechend dem Potenzial der Kunden

Reinartz und Chugh (2002), Narayanan und Brem (2002), Kim, Suh und Hwang (2003)

Festgelegtes Ansprache abwanderungsgefährdeter Kunden

Müller (2004)

Systematisches Bindungsmanagement

Winer (2001), Dowling und Uncles (1997)

Einsatz von Kundenbindungsprogrammen

Bolton, Kannan und Bramlett (2000), Sharp und Sharp (1997)

Keine Vertiefung von Beziehungen zu wenig oder nicht profitablen Kunden Aktives Beendigungsmanagement

Kotler und Levy (1971), Alajoutsijarvi, Moller und Tahtinen (2000), Halinen und Tähtinen (2002), Michalski (2004)

Passives Beendigungsmanagement

Entsprechend den Ausführungen in den vorangegangenen Abschnitten der Kundenlebenszyklusphasen „Anbahnung“ und „Expansion“ ist auch hier davon auszugehen, dass die CRM-Maßnahmen in der Phase „Bindung“ nur dann erfolgreich sein werden, wenn sie durch technologische, organisatorische und unternehmenskulturelle Veränderungen flankiert werden. In Abschnitt 3.3.2.2 wurde auf Basis des ressourcenbasierten Ansatzes angenommen, dass tangible Ressourcen zu einem Wettbewerbsvorteil am Markt führen kann und daher ein positiver Einfluss auf den Unternehmenserfolg anzunehmen ist. Für die folgende empirische Untersuchung soll daher von einem positiven Einfluss des Bindungsmanagements auf den Erfolg der Lebenszyklusphase „Bindung“ ausgegangen werden.311

311

Vgl. Reinartz, Krafft und Hoyer (2004), S. 299ff. Die Autoren weisen einen positiven Erfolgsbeitrag der CRM-Maßnahmen auf den Erfolg nach.

Konzeptionalisierung von CRM für die empirische Untersuchung

91

4.2.2 Kundenbewertung Wie bereits in den vorangegangen Abschnitten beschrieben, werden die Maßnahmen in den Phasen des Kundenlebenszyklus durch das Prinzip der Selektion von Kundenbeziehungen begleitet, um die knappen Budgets eines Unternehmens optimal zu verteilen. Ausgangspunkt der Kundenbewertung ist die Annahme, dass der Wert einzelner Kundenbeziehungen eines Unternehmens nicht homogen verteilt ist.312 Daraus folgt, dass aus Unternehmenssicht eine Gestaltung von Kundenbeziehungen entsprechend der unterschiedlichen Profitabilität der Kunden erfolgen sollte, da nur eine Investition in langfristig profitable Kundenbeziehungen lohnenswert ist.313 Diese Zielsetzung deckt sich mit dem Anspruch von CRM, Kundenbeziehungen in allen Phasen des Kundenlebenszyklus wertorientiert anhand der Profitabilität der Beziehung zu steuern und zu gestalten.314 Der Kundenwert ist dabei ein Maß für die ökonomische Gesamtbedeutung eines Kunden für das Unternehmen. Er stellt die Summe der Zielbeiträge eines Kunden für das Unternehmen dar und damit die zentrale Steuerungsund Kontrollgröße für ein Unternehmen, welches CRM einsetzt.315 In der Literatur werden unterschiedliche Ansätze zur Bestimmung des Kundenwerts diskutiert. Es lässt sich zum einen zwischen ein- und mehrdimensionalen Ansätzen unterscheiden, zum anderen wird in individuelle und kumulierte Bewertungsansätze unterschieden. Individuelle Ansätze bewerten einzelne Kunden separat, während kumulierte Ansätze alle Kunden eines Unternehmens gemeinsam bewerten. 316 Die unterschiedlichen Ansätze sind unterschiedlich geeignet, Kunden so zu bewerten, dass anhand der Bewertung eine wertorientierte Gestaltung von Kundenbeziehungen durchgeführt werden kann. Auf eine detaillierte Darstellung der Verfahren zur Ermittlung des Kundenwerts soll an dieser Stelle verzichtet werden, da dies Gegenstand zahlreicher Arbeiten gewesen ist.317

312

Vgl. Mulhern (1999), S. 26, Niraj, Gupta und Narasimhan (2001), S. 14f. Vgl. Zeithaml, Rust und Lemon (2001), S. 140, Blattberg und Deighton (1996), S. 140ff., Hansotia und Wang (1997), S. 8, Hoekstra und Huizingh (1998), S. 262. 314 Vgl. Pebels (2002), S. 259, Krafft und Albers (2000), S. 515, Rust, Lemon und Hogan (2002), S. 6. 315 Vgl. Cornelsen (2000), S. 38, Rudolf-Sipötz (2001), S. 23, Tewes (2003), S. 77, Albers und Greve (2005), S. 432. 316 Für einen Überblick vgl. Krafft und Albers (2000), 517ff., Rudolf-Sipötz (2001), S. 31ff. 317 Vgl. bspw. Cornelsen (2000), Rudolf-Sipötz (2001), Krafft (2002), Tewes (2003). 313

92

Konzeptionalisierung von CRM für die empirische Untersuchung

Da die Kundenbewertung das Prinzip der Selektion des Beziehungsmarketings umsetzt, soll für die vorliegende Untersuchung davon ausgegangen werden, das der Einsatz von Ansätzen zur Bewertung von Kunden einen positiven Einfluss auf die Erfolgsmaße der Kundenlebenszyklusphasen hat.318 4.2.3 CRM-orientiertes Informationssystem Neben der Anpassung der Organisationsstrukturen muss für eine erfolgreiche Implementierung von CRM gleichzeitig eine Schaffung oder Anpassung der technologischen Infrastruktur geleistet werden. Ausgehend von dem Prinzip der Selektion konnte gezeigt werden, dass in Hinblick auf die Bewältigung von Kundenbewertungen und Analyse von Kundenverhaltensdaten von vielen Hunderttausend Kundenbeziehungen im CRM ein leistungsfähiges CRM-orientiertes Informationssystem notwendig ist, um letztlich die Prinzipien der Selektion und Individualisierung im Business-toConsumer-Geschäft umsetzen zu können.319 Zudem haben bisherige Untersuchungen aus den Bereichen der Marktorientierung,320 Nutzung von Marktinformationen321 und Organizational-Learning322 wiederholt die Bedeutung des Informationsmanagements hervorgehoben. Erfolgreiches CRM hängt davon ab, wie gut ein Unternehmen Informationen über die Kunden sammeln, speichern, auswerten und weitergeben kann, um daraus entsprechende Handlungsoptionen für die Befriedigung der Kundenwünsche in allen Phasen des Kundenlebenszyklus zu generieren. Der Umgang mit Informationen kann aus einer prozessorientierten Perspektive betrachtet werden. Kernprozesse des Informationsmanagements sind dabei die Informationsakquisition, die Informationsspeicherung, die Informationsauswertung und die Informationsweitergabe. Die kontinuierliche Informationsakquisition nimmt im CRM einen hohen Stellenwert ein. Neben Kundenstammdaten gehören insbesondere soziodemographische und psychographische sowie Kundenverhaltensdaten dazu. Der

318

Vgl. Krafft (2002), S. 165f., Winer (2001), S. 95f., Stefanou und Sarmaniotis (2003), S. 626. Vgl. Hildebrand (1997), S. 227. 320 Vgl. Kohli und Jaworski (1990), Narver und Slater (1990). 321 Vgl. Menon und Varadarajan (1992), Moorman (1995). 322 Vgl. Sinkula (1994), Slater und Narver (1995). 319

Konzeptionalisierung von CRM für die empirische Untersuchung

93

Prozess der Informationsweiterleitung hat durch die Studie von Kohli und Jaworski (1990) Aufmerksamkeit erfahren.323 Verschiedene Autoren betonen, dass nur eine intelligente Nutzung der Informationen einen dauerhaften Wettbewerbsvorteil begründen kann.324 Eine entsprechende Nutzung ist möglich, wenn die Informationen ohne Probleme an die betroffenen Organisationsbereiche weiter gegeben werden können.325 Schließlich ergibt sich die Notwendigkeit der Informationsspeicherung aufgrund des zeitlichen Auseinanderfallens von Informationsakquisition und Informationsnachfrage. Gerade bei der Informationsweiterleitung und -speicherung spielt der Einsatz von Informationstechnologien eine entscheidende Rolle, da diese Prozesse in der Regel auf dem Einsatz leistungsfähiger Datenbanken, Informationssystemen und SoftwareAnwendungen beruhen. Seit Anfang der achtziger Jahre des vergangenen Jahrhunderts wurden zunehmend Investitionen in standardisierte Informationstechnologien getätigt. Zunächst wurden Systeme zur Unterstützung einzelner funktionaler Bereiche bzw. einzelner Maßnahmen des Marketing-Mix entwickelt und eingesetzt. Als Beispiele seien hier SalesforceAutomation-Systeme zur Vertriebsunterstützung oder Call-Center-Lösungen zur telefonischen Bearbeitung von Kundenanliegen genannt. Daraus resultierten vielfach Insellösungen in den Bereichen Marketing, Vertrieb und Service, die keine ganzheitliche Sicht der Kundendaten ermöglichte.326 Als Folge stehen den Bereichen inkonsistente, unvollständige, teilweise veraltete oder sogar falsche Kundeinformationen zur Verfügung.327 Für die Umsetzung von CRM ist die Herstellung einer konsistenten und aktuellen Kundendatenbasis über alle Teilsysteme die zentrale Herausforderung, um allen Abteilungen identische Kundeninformationen bereit stellen zu können.328 CRMSysteme zielen also auf eine Zusammenführung der Insellösungen ab, um die Anwendungen aus Marketing, Vertrieb und Service in einer einheitlichen, koordinierten Systemlandschaft zu vereinen. Die Konsequenz ist eine einheitliche Kundendatenbank,

323

Vgl. Kohli und Jaworski (1990). Vgl. Menon und Varadarajan (1992), S. 58f. 325 Vgl. Albers (1989), S. 120, Maltz und Kohli (1996), S. 48. 326 Vgl. Hippner und Wilde (2002), S. 12f. 327 Vgl. Hippner und Wilde (2004), S. 15. 324

328

Vgl. Rawolle (2003), S. 123., Gertz (2005), S. 4., Morgan, Anderson und Mittal (2005), S. 137.

94

Konzeptionalisierung von CRM für die empirische Untersuchung

auf die alle Unternehmensbereiche zugreifen, um eine ganzheitliche Sicht auf den Kunden zu gewährleisten und in einen stimmigen Dialog mit ihm zu treten.329 Der Einsatz von Informationstechnologien als Quelle von Wettbewerbsvorteilen wird in der Literatur kontrovers diskutiert. Auf Grundlage des ressourcenbasierten Ansatzes wird argumentiert, dass Investitionen in Informationstechnologien leicht von Wettbewerbern kopiert werden können und daher per se keinen dauerhaften Wettbewerbsvorteil darstellen können.330 Vielmehr kommt es darauf an, auf welche Art und Weise Unternehmen Fähigkeiten in Informationstechnologien ausbilden.331 Auch empirische Studien, die den Einfluss von Investitionen in Informationstechnologien auf das Produktivitätswachstum bzw. die Steigerung der Wettbewerbsfähigkeit eines Unternehmens untersucht haben, gelangen zu sehr heterogenen Ergebnissen.332 Die Mehrzahl der Studien berichtet allerdings von positiven Zusammenhängen zwischen Investitionen in Informationstechnologien und dem Unternehmenserfolg.333 Dennoch lassen sich auch Studien finden, die von nicht signifikanten oder sogar negativen Effekten sprechen und damit das sogenannte Produktivitätsparadoxon (Paradoxof-Productivity) beschreiben.334 Das Produktivitätsparadoxon beschreibt den nicht signifikanten oder sogar negativen Zusammenhang zwischen Investitionen in Informationstechnologien und der Produktivitätsverbesserung von Unternehmen.335 Die widersprüchlichen Ergebnisse lassen sich zum einen auf methodische Mängel wie bspw. unzureichende Messungen der Input- und Outputänderungen zurückführen,336 zum anderen wird vielfach die Diffusionstheorie angeführt, die hier zur Begründung von Wirkungsverzögerungen zwischen dem Einsatz von Informationstechnologien und der

329

Vgl. Copulsky und Wolf (1990), S. 18., Hirschowitz (2001), Hirschowitz (2001), S. 169, Ryals und Payne (2001), S. 7. 330 Vgl. Powell und Dent-Micallef (1997), S. 394ff. 331 Vgl. Clemons und Row (1991), S. 289f., Mata, Fuerst und Barney (1995), S. 501. 332 Für einen umfassenden Überblick vgl. Brynjolfsson und Yang (1996). 333 Vgl. Bharadwaj, Varadarajan und Fahy (1993), Barua, Kriebel und Mukhopadhyay (1995), Brynjolfsson und Hitt (1996), Mukhopadhyay, Rajiv und Srinivasan (1997), Dewan und Kraemer (1998), Brynjolfsson und Hitt (2000), Sircar, Turnbow und Borodloi (2000), Thatcher und Oliver (2001), Kudbya und Diwan (2002), Quan, Hu und Hart (2003), Tippins und Sohi (2003). 334 Vgl. Hitt und Brynjolfsson (1996), Brynjolfsson und Hitt (1998). 335 Vgl. Brynjolfsson (1993), S. 67. 336 Vgl. Brynjolfsson und Hitt (1996), S. 543f.

Konzeptionalisierung von CRM für die empirische Untersuchung

95

postulierten Wirkung herangezogen wird.337 Daher sind auf Unternehmensebene Produktivitätswirkungen erst nach der Diffusion der Informationstechnologie im Unternehmen und den damit notwendigen organisatorischen Anpassungen zu erwarten. Daneben hat die Untersuchung der Akzeptanz von Informationstechnologien in Unternehmen unter dem Stichwort Technology-Acceptance Bedeutung erfahren.338 Für die hier betrachteten CRM-Technologien unterstreichen zwei Studien den vielfach festgestellten positiven Zusammenhang: Zum einen identifiziert die Studie von Mithas, Krishnan und Fornell (2002) einen positiven Einfluss zwischen Informationstechnologie und Kundenzufriedenheit,339 zum anderen können Zahay und Griffin (2002) den positiven Einfluss von Kundeninformationssystemen auf den Unternehmenserfolg nachweisen.340 Eine weitere Studie von Srinivasan und Lilien (1999) belegt den positiven Wirkungszusammenhang zwischen Kundeninformationsmanagement und Kundenzufriedenheit,341 was wiederum einen positiven Einfluss auf den Unternehmenserfolg ausübt. Die Implementierung von CRM-orientierten Informationssystemen verursachen erhebliche Kosten. Schätzungen haben ergeben, dass 2008 mit CRM-Software weltweit 11,8 Mrd. US$ Umsatz generiert wird.342 Dieser Umstand verdeutlicht die Wichtigkeit, die richtigen Entscheidungen bzgl. der Implementierung von CRMorientierten Informationssystemen zu treffen, um letztendlich eine Amortisierung der Investitionen in die Informationstechnologien über die Steigerung des Unternehmenserfolgs durch deren Einsatz zur Unterstützung von CRM zu erreichen. Die Ausführungen dieses Abschnitts haben gezeigt, dass begründete Annahmen bestehen, die einen positiven Einfluss der Ausgestaltung eines CRM-orientierten Informationssystems auf den Kundenlebenszyklus rechtfertigen. Für die Untersuchung soll im Folgenden angenommen werden, dass die Ausgestaltung eines CRM-orientierten Informationssystems einen positiven Wirkungszusammenhang auf den Erfolg in allen Phasen des Kundenlebenszyklus ausübt.343

337

Vgl. Loch und Huberman (1999), S. 175. Vgl. Davis, Bagozzi und Warshaw (1989). Für eine Übertragung auf CRM vgl. Avlonitis und Panagopoulos (2005). 339 Vgl. Mithas, Krishnan und Fornell (2002). 340 Vgl. Zahay und Griffin (2002), Zahay und Griffin (2004). 341 Vgl. Srinivasan und Lilien (1999). 342 Vgl. van Bruggen und Wierenga (2005), S. 2. 343 Vgl. Palmatier und Gopalakrishna (2005), S. 54. 338

96

Konzeptionalisierung von CRM für die empirische Untersuchung

4.2.4 Nutzungsintensität des CRM-Systems Der Zusammenhang zwischen der Nutzungsintensität von Informationstechnologien in Unternehmen und dem Erfolg spielt seit langem eine zentrale Rolle. Zahlreiche Autoren haben die Bedingungen der IT-Nutzung untersucht.344 Andere untersuchen den Zusammenhang zwischen IT-Nutzung und Erfolg, gründen ihre Untersuchungen jedoch auf unterschiedliche Konzeptionalisierungen und resultieren daher in oftmals unterschiedlichen Ergebnissen.345 Hinsichtlich der Nutzungsintensität von CRMSystemen sollen positive Effekte auf die Erfolgsmaße unterstellt werden. Diese Hypothese lässt sich anhand der Untersuchungen von Devaraj und Kohli (2003) begründen. Die Autoren finden heraus, dass neben der Investition in Informationstechnologie die Nutzung derselben einen positiven Einfluss auf den Unternehmenserfolg ausübt.346 Für die weitere Konzeptionalisierung der Nutzungsintensität des CRM-Systems wird die Nutzungsintensität der Informationstechnologie als unabhängige Variable spezifiziert wird,347 da angenommen wird, dass eine höhere Nutzung des CRM-orientierten Informationssystems den Erfolg steigert. Die Nutzungsintensität wird anhand der Auslastung des Informationssystems gemessen.348 Für die Untersuchung soll im Folgenden angenommen werden, dass eine hohe Nutzungsintensität des CRM-orientierten Informationssystems einen positiven Wirkungszusammenhang auf den Erfolg in allen Phasen des Kundenlebenszyklus ausübt.349 4.2.5 Organisatorische Anpassung Mit der Implementierung von CRM und der damit verbundenen Verschiebung der Ausrichtung eines Unternehmens von einer Transaktionsorientierung zu einer Beziehungsorientierung leiten sich aus der Implementierung der Prinzipien des Bezie-

344

Vgl. für einen umfassenden Überblick Venkatesh et al. (2003). Vgl. DeLone und McLean (1992), DeLone und McLean (2003), Morgan, Anderson und Mittal (2005), S. 143f. 346 Vgl. Devaraj und Kohli (2003), S. 285. 347 Vgl. Devaraj und Kohli (2003), 276ff., ähnlich Kollmann (1998), S. 200. 348 Vgl. Devaraj und Kohli (2003), S. 278f. 349 Vgl. Palmatier und Gopalakrishna (2005), S. 66. 345

Konzeptionalisierung von CRM für die empirische Untersuchung

97

hungsmarketings organisatorische Anpassungen ab.350 Die Organisationsstruktur gibt dabei einen Ordnungsrahmen für die Durchführung der CRM-Maßnahmen in den Phasen des Kundenlebenszyklus vor. Es ist zu vermuten, dass eine Organisationsstruktur, die sich an den Prinzipen des Beziehungsmarketings orientiert, ein entsprechendes Umfeld für die Durchführung der CRM-Maßnahmen schafft. Die organisatorische Anpassung subsummiert alle Koordinationsmittel, die darauf abzielen, die Organisationsstruktur für die Anforderungen an ein CRM auszurichten, um auf Kundenwünsche schneller und besser eingehen zu können. Dafür ist es erforderlich, Kundenorientierung und das Wissen über den Kunden tiefer im Unternehmen zu verankern.351 Zu den Koordinationsmitteln zählen das Mitarbeitertraining, das Anreizsystem352 und die funktionalen Gestaltungsmöglichkeiten.353 Die funktionalen Gestaltungsmöglichkeiten zielen auf die Anpassung bzw. Umgestaltung der bisherigen Organisationsstruktur. Traditionelle Organisationsstrukturen wie die Sparten- oder Produktorganisation weisen Nachteile in Bezug auf die Umsetzung von CRM auf. Insbesondere stehen diese Organisationsstrukturen in Widerspruch zur notwendigen Flexibilität, auf Kundenwünsche entsprechend reaktionsschnell eingehen zu können.354 Die Anpassung kann anhand aufbau- oder ablauforganisatorischer Fragestellungen vorgenommen werden. Aufbauorganisatorisch scheint eine Verringerung der Hierarchieebenen durch die Bildung dezentraler, an Kundensegmenten orientierten Einheiten erforderlich, um Kommunikationsfluss und Lösungskompetenz für kundenseitige Probleme zu verbessern.355 Ablauforganisatorisch bestimmt die funktionsübergreifende Zusammenarbeit der kundenrelevanten Abteilungen Marketing, Service und Vertrieb den Veränderungsprozess.356 Die funktionsübergreifende Zusammenarbeit wird mit dem Ziel eingesetzt, die Kommunikation, Koordination und Kooperation zwischen den Organisationseinheiten zu verbessern.357 Damit wird die Erwartung ver-

350

Vgl. Abschnitt 3.3.2.1. Vgl. Kohli und Jaworski (1990), S. 3, Day (1994), S. 37. 352 Vgl. Babakus et al. (2003), S. 274ff. 353 Vgl. Day und Van den Bulte (2002), S. 8, Srivastava, Shervani und Fahey (1999), S. 169. 354 Vgl. Bruhn (2002), S. 138f., Greve (2003), S. 7ff. 355 Vgl. Bruhn (2003), S. 15. 356 Vgl. Shapiro (1988), S. 121f., Homburg, Jensen und Klarmann (2005), S. 21ff. 357 Vgl. Narver und Slater (1990), S. 22. 351

98

Konzeptionalisierung von CRM für die empirische Untersuchung

knüpft, dass Bereichsegoismen minimiert werden können,358 da nun nicht mehr die Ziele der einzelnen Organisationseinheit Maßstab sind, sondern die übergeordneten Ziele des Unternehmens, in diesem Fall die Umsetzung einer Kundenorientierung im Rahmen des CRM. Als Organisationsformen der funktionsübergreifenden Zusammenarbeit eignen sich daher Team- oder Matrixstrukturen.359 Der Zusammenhang zwischen organisatorischer Gestaltung und Erfolg ist in zahlreichen Studien untersucht worden.360 Es ist anzunehmen, dass die funktionalen Gestaltungsmöglichkeiten eine entscheidende Rolle einnehmen, die erfolgreiche Umsetzung der CRM-Maßnahmen im Unternehmen zu erreichen. Neben den funktionalen Gestaltungsmöglichkeiten spielen entsprechend ausgestaltete Anreizsysteme eine zentrale Rolle zur Herstellung einer Kundenorientierung.361 In diesem Zusammenhang unterstützt die Prinzipal-Agent-Theorie die Annahme, dass Anreizsysteme für Mitarbeiter eine Ausrichtung auf die Unternehmensziele erreichen, um den Unternehmenserfolg zu maximieren.362 Ein CRM-kompatibles Anreizsystem muss daher Maßnahmen bereitstellen, welche die Mitarbeiter motivieren, sich im Sinne des CRM möglichst kundenorientiert zu verhalten. Die hierbei betrachteten Anreize sind zum einen materielle Anreize wie bspw. Provisionen oder Geld- und Sachprämien, zum anderen werden immaterielle Anreize wie Lob oder Beförderung eingesetzt. Eine dritte Möglichkeit besteht in der Mitarbeiterbeurteilung anhand von kundebezogen Faktoren.363 Da die Implementierung von CRM durch den Einsatz und die Nutzung eines CRMorientierten Informationssystems zu unterstützen ist, ist Training der Mitarbeiter ein weiterer Aspekt der organisatorischen Anpassung.364 Eine Reihe von Untersuchungen belegt, dass die Umsetzung von Trainingsmaßnahmen für Mitarbeiter die Servicequali-

358

Vgl. Bruhn (2001), S. 186. Vgl. Peppers und Rogers (1993), S. 173ff. 360 Vgl. für eine Übersicht Lenz (1981). 361 Vgl. Webster (1988), S. 38. 362 Vgl. Holmström (1979), Albers und Krafft (1996), Cravens et al. (1993), Banker et al. (1996), John und Weitz (1989). 363 Vgl. Sharma und Sarel (1995), Sharma (1997). Ein ähnliches Vorgehen wählt Homburg (2000), S. 59ff., für eine detaillierte Betrachtung von CRM-Anreizsystemen vgl. Wolf (2002). 364 Vgl. Bruhn (2002), S. 137, Bruhn (2003), S. 16, Greve (2003), S. 9f. 359

Konzeptionalisierung von CRM für die empirische Untersuchung

99

tät beeinflussen.365 Eine empirische Untersuchung von Tsui et al. (1997) überprüft zudem den positiven Zusammenhang zwischen Mitarbeitertraining und Produktivität.366 Hinsichtlich der Umsetzung der organisatorischen Anpassungen ist kritisch anzumerken, dass diese mit erheblichen Kosten für das Unternehmen verbunden sein kann. Von entsprechender Bedeutung ist daher die Identifikation der entscheidenden Treiber des Erfolgs im CRM. Für die Untersuchung soll im Folgenden angenommen werden, dass Unternehmen, die in Hinblick auf die Implementierung von CRM ihre Organisationsstrukturen den Prinzipien des Beziehungsmarketings anpassen, erfolgreicher agieren als andere, da sie schneller auf Kundenwünsche eingehen können. 4.2.6 Kundenorientierung Die Kundenorientierung nimmt im CRM aufgrund der beschriebenen Veränderung der wirtschaftlichen und wettbewerblichen Rahmenbedingungen sowie der damit verbundenen Veränderung von einem transaktionsorientierten hin zu einem beziehungsorientierten Ansatz im Marketing eine zentrale Rolle ein.367 Die Kundenorientierung wird in der betriebswirtschaftlichen Literatur innerhalb der umfassenderen Marktorientierung als eine Dimension neben der Wettbewerbsorientierung und der funktionsübergreifenden Koordination betrachtet.368 Dabei ist die Marktorientierung eine Art der Unternehmenskultur, die Verhaltensweisen generiert, um den Kundennutzen und letztlich den Erfolg des Unternehmens zu steigern.369 Unter Kundenorientierung ist das Bestreben von Unternehmen zu verstehen, die Kaufmotive der Kunden zu identifizieren und zu verstehen und das eigene Leistungsprogramm an den Bedürfnissen der Kunden auszurichten mit dem Ziel, langfristig stabile und ökonomisch vorteilhafte Kundenbeziehungen zu schaffen.370

365

Vgl. Bettencourt und Gwinner (1996), Hart, Heskett und Sasser (1990). Vgl. Tsui et al. (1997). 367 Vgl. Abschnitt 2.1.1. 368 Vgl. Narver und Slater (1990), S. 34. 369 Vgl. Narver und Slater (1990), S. 21, Kohli und Jaworski (1990), Shapiro (1988), Webster (1988). 370 Vgl. Houston (1986), S. 81f., Day und Wensley (1988), S. 12. 366

100

Konzeptionalisierung von CRM für die empirische Untersuchung

Die Literatur hält eine bemerkenswerte Anzahl von Studien zu den Erfolgswirkungen einer Kunden- oder Marktorientierung bereit.371 Die meisten Untersuchungen stellen einen positiven Wirkungszusammenhang zwischen einer Kunden- und Marktorientierung und dem Unternehmenserfolg fest.372 Zumeist wird dabei der Unternehmenserfolg durch subjektive ökonomische Messgrößen erfasst. Narver und Slater (1990) stellen zudem einen positiven Zusammenhang zwischen der Kundenorientierung und der Kundenbindung fest. Allerdings sind die Studien mit Vorsicht zu betrachten, da die ausschließlich reflektive Spezifizierung der Konstrukte fraglich ist. Die Etablierung einer Kundenorientierung ist aus ressourcentheoretischer Sichtweise nur schwer durch Konkurrenzangebote imitierbar, da die einer Kundenorientierung inhärenten Werthaltungen und Handlungsregeln nur schwer für Außenstehende direkt beobachtbar sind.373 Dies gilt sowohl für Wettbewerber als auch für Kunden. Rigby, Reichheld und Schefter (2002) identifizieren die fehlende Kundenorientierung bzw. Strategie für den Umgang mit dem Kunden als einen entscheidenden Fehler bei der Implementierung von CRM.374 Zentrales Element der Kundenorientierung in Zusammenhang mit CRM ist die konsequente Ausrichtung aller Aktivitäten auf den Kunden.375 Die Herstellung einer Kundenorientierung im Unternehmen ist als intangible Ressource zu bewerten, die in Kombination mit den anderen tangiblen Ressourcen zu einer Verbesserung des Unternehmenserfolgs führen kann. Für die folgende empirische Untersuchung soll daher von einem positiven Wirkungszusammenhang zwischen der Kundenorientierung und dem CRM-Erfolg in allen Phasen des Kundenlebenszyklus ausgegangen werden.

371

Vgl. Desphandé, Farley und Webster (1993), Han, Kim und Srivastava (1998), Jaworski und Kohli (1993), Narver und Slater (1990), Slater und Narver (1994). 372 Vgl. Day und Van den Bulte (2002), S. 29, Homburg und Pflesser (2000), S. 457, Narver und Slater (1990), S. 21. 373 Vgl. zu Knyphausen-Aufseß (1993), S. 777. 374 Vgl. Rigby, Reichheld und Schefter (2002), S. 102f. 375 Vgl. Wilson, Daniel und McDonald (2002), S. 196.

Konzeptionalisierung von CRM für die empirische Untersuchung

101

4.2.7 Topmanagement-Unterstützung Das Topmanagement spielt eine zentrale Rolle in der Herstellung einer Unternehmenskultur und insbesondere einer Kundenorientierung zur Umsetzung und Durchsetzung von CRM.376 Es ist fraglich, ob CRM Erfolge aufweisen wird, wenn das Denken und Handeln des Topmanagements den postulierten Grundsätzen der Kundenorientierung widerspricht.377 In empirischen Untersuchungen wurde insbesondere in Zusammenhang mit den Forschungsarbeiten zur Markt- und Kundenorientierung der Zusammenhang zwischen der Topmanagement-Unterstützung und dem Unternehmenserfolg analysiert. Insbesondere die Untersuchungen von Jarworksi und Kohli (1993) identifizieren einen starken Einfluss der Einstellung des Topmanagements auf die Marktorientierung eines Unternehmens und damit auf den Unternehmenserfolg.378 Grover stellt fest, dass die Unterstützung durch das Topmanagement die Entwicklung einer kundenorientierten Kultur fördert.379 Nach herrschender Meinung ist daher davon auszugehen, dass eine Kundenorientierung ohne den Einfluss des Topmanagements nicht umsetzbar ist.380 Es wird angenommen, dass das Topmanagement in der Lage ist, die Grundsätze der Kundenorientierung zu formulieren und innerhalb des Unternehmens durch sein Führungsverhalten vorzuleben und durchzusetzen.381 Hinsichtlich des Untersuchungsobjektes dieser Arbeit wurde in Abschnitt 3.3.2.1 ausgehend von den Prinzipien des Beziehungsmarketings die Notwendigkeit einer unternehmenskulturellen Anpassung abgeleitet. Die Topmanagement-Unterstützung ist dabei in zahlreichen qualitativ-explorativen Studien als relevanter Erfolgsfaktor für die Implementierung von CRM eingestuft worden.382 Aus den quantitativ-explorativen Studien zum CRM weisen Croteau und Li (2003) zudem einen signifikant positiven

376

Vgl. Senge (1990), Krafft et al. (2002), S. 7. Vgl. Bruhn (2003), S. 304. 378 Vgl. Jaworski und Kohli (1993), S. 63. 379 Vgl. Grover (1993), S. 614f. 380 Vgl. Day (1994), Day (1999), Jaworski und Kohli (1993), Kohli und Jaworski (1990), Narver und Slater (1990), Slater und Narver (1995). 381 Vgl. Webster (1988), S. 37, Homburg und Stock (2001), S. 15., Reinecke und Sausen (2002), S. 4. 382 Vgl. Reinartz und Chugh (2002), Wilson, Daniel und McDonald (2002), Alt, Puschmann und Österle (2005). 377

102

Konzeptionalisierung von CRM für die empirische Untersuchung

Zusammenhang zwischen der Topmanagement-Unterstützung und dem CRM-Erfolg nach.383 Ebenso wie die Herstellung einer Kundenorientierung im Unternehmen ist die Topmanagement-Unterstützung als intangible Ressource zu bewerten, die in Kombination mit den anderen tangiblen Ressourcen zu einer Verbesserung des Unternehmenserfolgs führen kann. Für die folgende empirische Untersuchung soll daher von einem positiven Wirkungszusammenhang zwischen der Topmanagement-Unterstützung und dem CRM-Erfolg in allen Phasen des Kundenlebenszyklus ausgegangen werden. 4.2.8 Kontrollvariable Heterogenität des Kundenstamms Um den Anteil der Varianz des Unternehmenserfolgs isolieren zu können, der ausschließlich auf Unterschiede im Kundenstamm eines Unternehmens zurückzuführen ist, soll eine zusätzliche Kontrollvariable „Heterogenität des Kundenstamms“ aufgenommen werden. Der Grund dafür liegt in der zunehmenden Heterogenität der Kunden bezüglich soziodemographischer Faktoren oder Präferenzen. Dies resultiert in einer zunehmend schwierigeren Bildung von Kundengruppen, die in sich homogen und untereinander möglichst heterogen sind. Die Konsequenz ist eine nachlassende Effektivität der Marketing-Instrumente.384 Es wird angenommen, dass CRM die Probleme, die aufgrund zunehmender Kundenheterogenität entstanden sind, lösen kann.385 Insbesondere setzt CRM auf disaggregierter Kundenebene an. Sofern nur eine geringe Kundenheterogenität besteht, wird CRM im Vergleich zu herkömmlichen MarketingAktivitäten keinen signifikanten Erfolg erbringen. Daher wird angenommen, dass ein stärkeres Ausmaß an Kundenheterogenität den Erfolg der CRM-Maßnahmen in den Phasen des Kundenlebenszyklus verstärkt.386

383

Vgl. Croteau und Li (2003), S. 31f., Reinartz und Chugh (2002), S. 211, Wilson, Daniel und McDonald (2002), S. 205, Alt, Puschmann und Österle (2005), S. 198ff. 384 Vgl. Achrol und Stern (1988), S. 36f. 385 Vgl. Müller (2004), S. 176f. 386 Vgl. Hoekstra, Leeflang und Wittnik (1999), S. 53f.

Konzeptionalisierung von CRM für die empirische Untersuchung

103

4.2.9 Kontrollvariable Branche Um den Anteil der Varianz des Unternehmenserfolgs isolieren zu können, der ausschließlich auf Unterschiede in den Branchen zurückzuführen ist, wurde eine zusätzliche Kontrollvariable als Dummy-Variable in das Modell integriert. Als Arbeitshypothese wird zunächst angenommen, dass die Branche keinen Einfluss auf den CRM-Erfolg in den Phasen des Kundenlebenszyklus ausübt. 4.2.10 Hypothesensysteme im Überblick In den Abschnitten 4.2.1 bis 4.2.9 wurde gezeigt, welche vermutete Wirkung die einzelnen strategischen Erfolgsfaktoren und Kontrollvariablen in jeder der drei Phasen des Kundenlebenszyklus ausüben. Hierzu wurden für die Teilerfolgsgrößen “Anbahnungserfolg“, „Expansionserfolg“ und „Bindungserfolg“ jeweils neun Hypothesen abgeleitet, die in der Tabelle 4-6 zusammengefasst zu drei Hypothesensystemen aufgeführt sind. Alle Hypothesen sollen in der folgenden empirischen Überprüfung anhand einer simultanen Schätzung für jede Teilerfolgsgröße untersucht werden. Durch die isolierte Betrachtung jeder einzelnen Erfolgsphase ist zunächst die Gültigkeit der drei Hypothesensysteme der Teilerfolgsgrößen “Anbahnungserfolg“, „Expansionserfolg“ und „Bindungserfolg“ zu überprüfen. Schließlich ist festzustellen, ob und in welcher Stärke die identifizierten Determinanten eine Wirkungsbeziehung auf den jeweiligen Erfolg ausüben.

104

Konzeptionalisierung von CRM für die empirische Untersuchung

Tabelle 4-6: Hypothesensystem im Überblick Hypothese Erklärende Variable

Erwartete Erfolgswirkung

Anbahnungserfolg H1A

Anbahnungsmanagement

+

H2A

Kundenbewertung

+

H3A

CRM-orientiertes Informationssystem

+

H4A

Nutzungsintensität

+

H5A

Organisatorische Anpassung

+

H6A

Kundenorientierung

+

H7A

Topmanagement-Unterstützung

+

H8A

Kontrollvariable Heterogenität des Kundenstamms

+

H9A

Kontrollvariable Branche

keine

Expansionserfolg H1E

Expansionsmanagement

+

H2E

Kundenbewertung

+

H3E

CRM-orientiertes Informationssystem

+

H4E

Nutzungsintensität

+

H5E

Organisatorische Anpassung

+

H6E

Kundenorientierung

+

H7E

Topmanagement-Unterstützung

+

H8E

Kontrollvariable Heterogenität des Kundenstamms

+

H9E

Kontrollvariable Branche

keine

Bindungserfolg H1B

Bindungsmanagement

+

H2B

Kundenbewertung

+

H3B

CRM-orientiertes Informationssystem

+

H4B

Nutzungsintensität

+

H5B

Organisatorische Anpassung

+

H6B

Kundenorientierung

+

H7B

Topmanagement-Unterstützung

+

H8B

Kontrollvariable Heterogenität des Kundenstamms

+

H9B

Kontrollvariable Branche

keine

Da es für eine Überprüfung der dargestellten Hypothesen einer Verknüpfung der einzelnen Wirkungsbeziehungen zu einem Hypothesensystem bedarf, soll an dieser Stelle beispielhaft für die Phase „Expansion“ das der Untersuchung zugrunde liegende Modell in Abbildung 4-3 visualisiert werden. Aus Gründen der Darstellung wurde auf die Abbildung dieses Beziehungsgefüges für die anderen Kundenlebenszyklusphasen ver-

Konzeptionalisierung von CRM für die empirische Untersuchung

105

zichtet, da die Zusammensetzung der Erfolgsfaktoren über die Kundenlebenszyklusphasen mit Ausnahme der jeweiligen CRM-Maßnahmen nicht divergiert. Abbildung 4-3: Wirkungsmodell zur Erklärung des Expansionsmanagements

Informationssystem

Kundenbewertung

Expansionsmanagement

Anbahnungserfolg

Nutzungsintensität +

+

+

+

Organisator. Anpassung

Expansionserfolg

+

+ +

+

Kundenorientierung Topmgt.Unterstützung

Kontrollvariable Heterogenität

keine

KontrollVariable Branche

Bindungserfolg

Die isoliert zu überprüfenden Hypothesensysteme der Kundenlebenszyklusphasen sowie das Erfolgsmodell aus Abschnitt 4.1.2 enthalten noch keine Messkonzepte der einzelnen Konstrukte. Diese sind im weiteren Verlauf der Arbeit zu entwickeln (vgl. Abschnitt 6.2 und 6.3). Zunächst wird jedoch im folgenden Abschnitt erläutert, auf welche Weise das Datenmaterial zu erheben ist und welche Methode der Datenanalyse zu verwenden ist.

5

Untersuchungsmethodik

Dieses Kapitel knüpft an die in Kapitel 3 und 4 erfolgte Erarbeitung der Determinanten und vermuteten Wirkungsbeziehungen an. Ziel ist es, die theoretische Konzeptualisierung empirisch zu überprüfen. Dafür wird zunächst die Datenerhebung beschrieben und die einzusetzende Untersuchungsmethodik erläutert. 5.1 Datenerhebung und Datengrundlage 5.1.1 Methodik der Datenerhebung Ausgangspunkt jeder Datenerhebung ist die Festlegung der Untersuchungseinheit. Als Untersuchungseinheiten wurden Unternehmen gewählt, die CRM bereits implementiert haben. Die Zielsetzung dieser Arbeit besteht nicht in der Ableitung von Aussagen einer bestimmten Branche, vielmehr wird eine branchenübergreifende Untersuchung von Erfolgsfaktoren angestrebt, um allgemeine Aussagen ableiten zu können. Für die empirische Untersuchung galt es, bestimmte Branchen auszuwählen, die in Hinblick auf eine Implementierung von CRM bereits weit fortgeschritten waren. Vor diesem Hintergrund wurden vier Branchen ausgewählt, deren Unternehmen über eine ausreichend große Kundenbasis und über bereits weit entwickelte CRMImplementierungen verfügen: Finanzdienstleistungen, Energie und Chemie, Informations- und Kommunikationstechnologie sowie Handel und produzierendes Gewerbe. Dieses Vorgehen reduziert den Einfluss möglicher unbeobachteter Faktoren aus anderen nicht betrachteten Branchen und stellt damit eine relativ homogene Stichprobe sicher. Die Befragung konzentriert sich auf Business-to-Consumer-Märkte, da diese durch eine hohe Anzahl an Kunden sowie vielfältige Kundenkontaktmöglichkeiten gekennzeichnet sind. Im Gegensatz dazu sind Business-to-Business-Märkte durch die starke Beziehung der Außendienstmitarbeiter zu ihren Kunden gekennzeichnet. Durch die Kooperation mit der internationalen Unternehmensberatung Accenture ergab sich die Möglichkeit, die Daten im Rahmen einer europaweiten Datenerhebung auf CRMImplementierungsprojekten durchzuführen. Eine Datenerhebung bei Unternehmen, die durch eine Unternehmensberatung beraten wurden, kann unter Umständen zu Verzerrungen führen. Allerdings wird dieses Vorgehen in Hinblick auf die Möglichkeit, qualitativ hochwertige Daten von Unternehmen zu erhalten, die bereits CRM implementiert haben, als für diese Untersuchung vorteilhaft angesehen.

108

Untersuchungsmethodik

Um valide Daten über die Aktionsparameter von CRM-Implementierungen und deren Erfolgswirkung zu erheben, bietet sich die Befragung an, da diese Daten, die einen tiefen und umfassenden Einblick in die Organisationsstruktur der Unternehmen voraussetzen, nicht anhand von Sekundärquellen beobachtbar sind.387 Für die Befragung der Unternehmen wurde ein sogenanntes „Key-Informant-Design“ verwendet, welches in zahlreichen Erfolgsfaktorenstudien verwendet wird.388 Unter Key-Informant wird eine Person verstanden, die generalisierbare Aussagen zu bestimmten Sachverhalten geben kann.389 Dabei werden diese Informanten nicht im Sinne statistischer Repräsentativität ausgewählt, sondern zumeist unter der Annahme, dass diejenige Person zu dem zu untersuchenden Sachverhalt besonders gut Auskunft geben kann und auch will.390 Die Vorgehensweise des Key-Informant-Design ist allerdings umstritten, da häufig eine geringe Validität der Angaben von Key-Informants festzustellen ist,391 so dass ein systematischer Messfehler, der sogenannte Informant Bias,392 in den Befragungen festzustellen ist. Entsprechend finden sich in der Literatur Untersuchungen, die herausfinden, dass der Key-Informant-Bias einen signifikanten Anteil der Varianz eines Konstruktes erklärt.393 Andererseits hängt die Qualität der Angaben von Key-Informants von der Möglichkeit ab, geeignete Key-Informants zu identifizieren.394 Ernst (2003) betont explizit, dass die Auswahl geeigneter Informanten von der zu untersuchenden Fragestellung abhängig zu machen ist. Die Befragung eines Informanten wird dann umso zweckmäßiger sein, wenn es sich um die Bewertung von speziellen Sachverhalten im Unternehmen

387

Zur Methode der Befragung und den Formen der Durchführung vgl. Bortz und Döring (1995), S. 216ff. 388 Vgl. hierzu für den deutschsprachigen Raum die Arbeiten von Fritz (1995), Homburg (1995), Walter (1998). 389 Vgl. Bagozzi, Yi und Phillips (1991), S. 423, Ernst (2003), S. 1250. 390 Vgl. Kumar, Stern und Anderson (1993), S. 1634. 391 Vgl. Ernst (2003), für eine umfassende Kritik insbesondere Phillips (1981), Ailawadi, Dant und Grewal (2004). 392 Vgl. Campbell und Fiske (1959). 393 Vgl. Cote und Buckley (1987), Williams, Cote und Buckley (1989), Bagozzi und Yi (1991), Bollen und Paxton (1998), Podsakoff et al. (2003). 394 Vgl. Kumar, Stern und Anderson (1993), S. 1634.

Untersuchungsmethodik

109

handelt, was bei dem Untersuchungsobjekt dieser Arbeit anzunehmen ist.395 Es sei jedoch darauf hingewiesen, dass bei Key-Informants vielfach mit einem Messfehler zu rechnen ist, der auf Selbstdarstellungseffekte zurückzuführen ist, da der KeyInformant oftmals für das zu erfragende Sachgebiet die Verantwortung im Unternehmen trägt.396 Es wird jedoch angenommen, dass die Informationskompetenz geeigneter Key-Informants diesen Messfehler überwiegt. Im Rahmen dieser Arbeit ist offensichtlich ein Mitarbeiter des Unternehmens geeignet, der auf höherer Ebene mit der Einführung und Umsetzung von CRM betraut ist, da bei einer solchen Führungskraft das für die Beantwortung des Fragebogens erforderliche Wissen am ehesten vorhanden ist. Da eine CRM-Verantwortlichkeit zumeist in den unterschiedlichsten Bereichen angesiedelt ist (Topmanagement, Marketing, Vertrieb, IT), wurden im Rahmen dieser Arbeit die jeweiligen CRM-Verantwortlichen auf Unternehmensseite identifiziert und kontaktiert. Damit konnte sicher gestellt werden, dass genau diejenige Person des Unternehmens kontaktiert und befragt wurde, die über alle abgefragten Dimensionen von CRM kompetent Auskunft geben konnte. Es ist davon auszugehen, dass neben dem CRMVerantwortlichen keine weitere Person in der Lage ist, derart intensiv Auskunft zu CRM geben zu können, so dass daher sichergestellt ist, dass die befragten Informanten über die für sie notwendigen Informationen und Kompetenzen verfügten, um die abgefragten Sachverhalte beurteilen zu können.397 Insbesondere vor dem Hintergrund, dass viele Daten zum CRM-Erfolg nicht als objektive Größen in der Rechnungslegung eines Unternehmens abrufbar sind, erscheint das Key-Informant-Design für diese Untersuchung geeignet zu sein.398 Hinsichtlich der Gesamtheit der befragten Personen ist anzumerken, dass 60 Prozent der befragten Personen auch die Verantwortlichkeit für CRM aufweisen, so dass anzunehmen ist, dass mehrheitlich die Key-Informants befragt wurden. Eine Analyse der Mittelwertunterschiede zwischen den sieben unterschiedlichen Verantwortlichkeiten399 offenbart, dass lediglich 11,69 Prozent der Fragen signifikante Mittelwertunterschiede aufweisen, was darauf hinweist, dass auch befragte Personen, die nicht aus dem für CRM verantwortlichen Bereich stammen,

395

Vgl. Ernst (2001), S. 92f., Ernst (2003), S. 1268. Vgl. Hurrle und Kieser (2005), S. 589f. 397 Vgl. Ernst (2001), S. 89. 398 Vgl. Ailawadi, Dant und Grewal (2004), S. 95f. 399 Vgl. Abschnitt 5.1.4. 396

110

Untersuchungsmethodik

nicht signifikant anders antworten als diejenigen Personen, die aus dem für CRM verantwortlichen Bereich stammen.400 Neben der Key-Informant-Problematik finden sich zahlreiche Publikationen, die sich mit der Problematik des Common-Method-Bias auseinander setzen.401 Unter Common-Method-Bias wird derjenige Messfehler verstanden, der auf die Erhebungsmethode zurückgeht und nicht auf die Beziehungen zwischen den untersuchten Konstrukten.402 Cote und Buckley (1987) berichten, dass ca. ein Viertel der Varianz auf den Common-Method-Bias zurückgeführt werden kann.403 Allerdings variiert die Varianz entsprechend dem Untersuchungsobjekt. Für Untersuchungen aus dem Bereich Marketing gehen Cote und Buckeley (1987) von 15,8 Prozent Varianz aus. Die Ursachen für die Existenz eines Common-Method-Bias sind vielfältig. Einen detaillierten Überblick über mögliche Ursachen geben Podsakoff et al. (2003).404 Baumgartner und Steenkamp (2001) identifizieren sieben unterschiedliche Fehlertypen, die aus dem Antwortverhalten resultieren.405 Einen Spezialfall beschreibt der SingleSource-Bias, der den Fehler beschreibt, der entstehen kann, wenn die unabhängigen und abhängigen Variablen anhand eines Informanten beurteilt werden.406 Da für die vorliegende Untersuchung das oben beschriebene Key-Informant-Design eingesetzt werden soll, werden für die Erhebung der unabhängigen und abhängigen Variablen unterschiedliche Antwortformate verwendet (Likert-Skalen für die unabhängigen Variablen und metrische Skalen für die abhängigen Variablen), um den Single-SourceBias zu minimieren.407 Um sicher zu stellen, dass kein Single-Source-Bias vorliegt, wurde die Stichprobe Harman’s One-Factor-Test unterzogen.408 Hierbei werden alle

400

Vgl. Tabelle A3-1 in Anhang 10.3. Common-Method-Bias und Common-Method-Variance werden in der Literatur synonym verwendet. 402 Vgl. Campbell und Fiske (1959), Glick, Jenkins und Gupta (1986), Avolio, Yammarino und Bass (1991). 403 Vgl. Cote und Buckley (1987), S. 316. 404 Vgl. Podsakoff et al. (2003), S. 881ff. 405 Vgl. Baumgartner und Steenkamp (2001), S. 144f. 406 Vgl. Podsakoff und Organ (1986), S. 533, Avolio, Yammarino und Bass (1991), S. 572. 407 Vgl. Podsakoff et al. (2003), S. 887f. und S. 900 weisen vor dem Hintergrund der Verwendung formativer Messmodelle auf die Bedeutung eines sorgfältig ausgewählten Untersuchungsdesigns hin. 408 Vgl. Harman (1967), Podsakoff und Organ (1986), S. 536. 401

Untersuchungsmethodik

111

Variablen anhand einer explorativen Faktorenanalyse zu Faktoren verdichtet. Die Grundannahme des Tests besagt, dass Common-Method-Variance besteht, wenn lediglich ein Faktor extrahiert wird oder aber ein Faktor den Großteil der Kovarianz erklärt.409 Allerdings ist kritisch anzumerken, dass unklar bleibt, ab welcher Anzahl von Faktoren davon auszugehen ist, dass ein Common-Method-Bias vorliegt oder wie viel Varianz der erste Faktor erklären darf, ohne dass ein Common-Method-Bias vorliegt. Wenn auch dieser Test mit Problemen behaftet ist, so gibt er doch einen gewissen Anhaltspunkt für das mögliche Vorliegen eines Common-Method-Bias. Da insgesamt 21 Faktoren mit einem Eigenwert größer als eins extrahiert werden und der erste Faktor lediglich 19,03 Prozent der Varianz erklärt, ist davon auszugehen, dass der CommonMethod-Bias relativ gering ausfällt.410 Zusätzlich wurde in der Vorbereitung der empirischen Analyse festgestellt, dass für das Erfolgsmodell der Gesamterfolg nur zu einem geringen Teil durch die Erfolgsfaktoren erklärt werden konnte. Dieses Ergebnis liefert einen Hinweis darauf, dass der Single-Source-Bias als relativ gering einzustufen ist, da davon auszugehen ist, dass der Gesamterfolg eines Unternehmens von einer Vielzahl weiterer, nicht erhobener Faktoren abhängt. Für die Modelle der Phasen des Kundenlebenszyklus erklären die eingesetzten Kontrollvariablen einen Teil der Varianz der Teilerfolgsmaße, so dass auch in diesen Modellen davon ausgegangen werden kann, dass der Single-Source-Bias relativ gering ausfällt. Aus diesem Grund kann für die Analyse von weiteren Maßnahmen abgesehen werden. Um die Generalisierbarkeit der Ergebnisse über den nationalen Kontext hinaus zu erhöhen, wurde die Datenerhebung auf weitere europäische Länder ausgedehnt. In Hinblick auf die Durchführung einer internationalen Datenerhebung ergibt sich allerdings die Problematik, den entworfenen Fragebogen in zwei Sprachen (Deutsch und Englisch) zu verfassen. Dabei ist eine vollkommene inhaltliche Übereinstimmung von deutscher und englischer Fragebogenversion sicherzustellen. Um diese Übereinstimmung zu erreichen, wurde bei der Übersetzung die Translation-BacktranslationMethode eingesetzt.411 Bei dieser Methode übersetzt ein zweisprachiger Übersetzer den Fragebogen in die andere Sprache. Im Anschluss übersetzt wiederum ein anderer zweisprachiger Übersetzer die resultierende Version zurück. Nun werden beide Versi-

409

Vgl. Podsakoff et al. (2003), S. 889. Vgl. Tabelle A2-1 in Anhang 10.2 dieser Arbeit. 411 Vgl. Douglas und Craig (1983), S. 187f. 410

112

Untersuchungsmethodik

onen verglichen und auf Abweichungen, die aus sprachlichen oder kulturellen Differenzen resultieren können, untersucht. Im Falle von Abweichungen müssen die englischen Formulierungen entsprechend verändert werden, so dass die beiden Fragebogenversionen hinsichtlich ihrer inhaltlichen Bedeutung vollkommen äquivalent sind.412 Den Abschluss der Konzeption des Fragebogens bildete ein Pretest. Ziel des Pretests war es, die Eindeutigkeit und Verständlichkeit der Indikatoren zu überprüfen sowie die inhaltliche Relevanz der Indikatoren aus der Sicht der Praktiker sicher zu stellen.413 Es wurden insgesamt 12 Pretests durchgeführt,414 zu denen sich sowohl Verantwortliche aus den angesprochenen Unternehmen als auch CRM-Experten der Unternehmensberatung bereit erklärten. Aufgrund der geringen inhaltlichen Ergänzungen und sprachlichen Klarstellungen wurde entschieden, den Fragebogen in seiner überarbeiteten Form für die Datenerhebung zu verwenden. 5.1.2 Datenerhebung Grundlage der Datenerhebung war ein elfseitiger Fragebogen (vgl. Anhang 1). Auf dem Deckblatt des Fragebogens wurden die Kontaktdaten der beteiligten Forscher sowie die Zielsetzung der Untersuchung angegeben. Neben Hinweisen zur Bearbeitung des Fragebogens wurden den Befragten die Anonymisierung sowie die vertrauliche Behandlung der Daten zugesichert. Als Grundgesamtheit diente die Kundendatenbank der Unternehmensberatung Accenture. Durch dieses Vorgehen konnte sicher gestellt werden, dass lediglich Unternehmen befragt werden, die bereits CRM implementiert haben. Aus dieser Grundgesamtheit wurden 482 Unternehmen ausgewählt, die CRM implementiert haben. Als Ansprechpartner dienten die jeweiligen CRM-Verantwortlichen in den Unternehmen. Für die Datenerhebung wurden alle 482 Unternehmen, bei denen die Unternehmensberatung CRM-Implementierungen durchgeführt hat, angesprochen. Zunächst wurden alle ermittelten Projektpartner per E-mail kontaktiert und um Teilnahme an der Befra-

412

Vgl. Kiedaisch (1887), S. 57. Vgl. zur Relevanz von Pretests für Fragebögen Hunt, Sparkman und Wilcox (1982), Bolton (1993), sowie Rossiter (2002), S. 320 ff. 414 Als angemessene Fallzahl für Pretests nennt die Literatur zwölf bis 30 Personen. Vgl. Hunt, Sparkman und Wilcox (1982), S. 270. 413

Untersuchungsmethodik

113

gung ersucht. Daraufhin mussten 23 Unternehmen gestrichen werden, da deren generelle Firmenpolitik die Beantwortung von Fragebögen nicht unterstützt. Die Datenerhebung erfolgte von Juni 2003 bis September 2003 durch den Versand des Fragebogens per Post und per E-mail an die 459 verbliebenen Unternehmen. Der E-mail wurde ein persönlich adressiertes Schreiben beigefügt, in dem die Ziele der Befragung erläutert wurden. Als Anreiz zur Bearbeitung des Fragebogens wurde den teilnehmenden Unternehmen eine Auswertung der zentralen Ergebnisse zugesichert. Der Fragebogen wurde durch die Befragten per E-mail oder Fax retourniert. Um die Rücklaufquote zu erhöhen, wurde vier Wochen nach Fragebogenversand per E-mail und telefonisch nachgefasst und an die Befragung erinnert. In einigen Fällen wurde der Fragebogen erneut versandt. Häufig genannte Argumente für die unterbliebene Beantwortung des Fragebogens waren zumeist Zeitmangel oder eine erhebliche Belastung durch eine Vielzahl von wissenschaftlichen Fragebögen. Letztendlich wurden bis Ende September 2003 insgesamt 94 Fragebögen zurückgeschickt, was einer Rücklaufquote von 20,48 Prozent entspricht. In Anbetracht vergleichbarer Rücklaufquoten von Topmanagement-Befragungen, die bei 15 Prozent bis 20 Prozent liegen,415 kann die Rücklaufquote als sehr zufriedenstellend angesehen werden.416 Von den 94 ausgefüllten Fragebögen wurden vier Fragebögen aufgrund einer zu hohen Zahl nicht beantworteter Fragen ausgeschlossen. Es flossen somit letztlich 90 hinreichend ausgefüllte Fragebögen in die Datenauswertungen ein, was einer Quote an verwertbaren Rückläufen von 19,61 Prozent entspricht. Abbildung 5-1 fasst den Ablauf der Datenerhebung zusammen.

415 416

Vgl. Menon, Bharadwaj und Howell (1996), Menon et al. (1999), S. 28. Vgl. in diesem Zusammenhang die Aufstellung von Rücklaufquoten bei empirischen Fragebogenerhebungen bei Jobber und O'Reilly (1998), S. 97ff.

114

Untersuchungsmethodik

Abbildung 5-1: Ablauf der Datenerhebung Bis März 2003 Identifikation von insgesamt 482 Unternehmen im europäischen Wirtschaftsraum Erstellung eines 11-seitigen Fragebogens

März bis Mai 2003 Durchführung von 12 Pretests Prüfung der Fragebogenstruktur und Itemformulierungen

Juni bis September 2003 Versand des Fragebogens per Post und E-mail an 459 Unternehmen

August 2003 Nachfassaktion per E-mail und Telefon

September 2003 Rücklauf von 94 Fragebögen, davon 90 verwertbar (19,61 % verwertbarer Rücklauf)

5.1.3 Behandlung fehlender Werte Bei der Durchführung empirischer Untersuchungen treten häufig fehlende Werte (Missing-Values) auf. Die Gründe für ein Entstehen können vielfältig sein. Beispielsweise können Befragte beim Ausfüllen von Fragebögen Fragen übersehen oder sie wollen oder können bestimmte Fragen nicht beantworten. Craig und McCann (1978) berichten in diesem Zusammenhang von fehlenden Werten in einer Größenordnung zwischen drei und acht Prozent aller Items einer schriftliche Befragung (ItemNonresponse).417 Unvollständiges Datenmaterial kann jedoch ein Problem in der Anwendung zahlreicher Analyseverfahren wie beispielsweise der Regressions- und Faktorenanalyse darstellen, da diese Verfahren nicht mehr unmittelbar angewendet werden

417

Vgl. Craig und McCann (1978), S. 286.

Untersuchungsmethodik

115

können.418 Aus dieser Tatsache resultiert die Notwendigkeit, eine geeignete Vorgehensweise für die Behandlung dieser fehlenden Werte zu finden. Zur Behandlung fehlender Werte findet sich in der Literatur eine Vielzahl von Verfahren.419 Auch existiert eine Reihe empirischer Untersuchungen, die einen Methodenvergleich zwischen den unterschiedlichen Verfahren anstreben.420 Zusammenfassend zeigen diese Untersuchungen, dass eine optimale Methode zur Behandlung fehlender Werte nicht existiert. Generell unterscheidet die Literatur in Eliminierungsverfahren und Imputationsverfahren. Bei den Eliminierungsverfahren lassen sich zwei Verfahren unterscheiden. Zum einen werden sämtliche Fragebögen, bei denen fehlende Werte auftreten, aus der Datenanaylse eliminiert (Listwise-Deletion). Zum anderen wird lediglich die Variable eines Fragebogens, die fehlende Werte aufweist, von der Datenanalyse ausgeschlossen (Pairwise-Deletion). Eliminierungsverfahren haben zum Nachteil, dass bei einem hohen Anteil fehlender Werte der Stichprobenumfang erheblich reduziert wird.421 Das Problem der Reduktion des Stichprobenumfanges und des damit einhergehenden Informationsverlustes wird durch die Imputationsverfahren zu vermeiden versucht. Mit Hilfe dieser Verfahren werden fehlende Werte geschätzt und die Datenmatrix vervollständigt. Nicht-informative Imputationsverfahren greifen nicht auf im Datensatz bereits vorhandene Informationen zurück, sondern nutzen Lageparameter (Variablenmittelwert, Median, Modus)422 oder Expertenratings423 für die Imputation. Informative Imputationsverfahren hingegen nutzen Informationen aus dem vorhandenen Datensatz zur Imputation, beispielsweise durch Ersetzen des fehlenden Wertes

418

Vgl. Bankhofer und Praxmarer (1998), S. 109. Vgl. z.B. Malhotra (1987) und die dort angegebene Literatur sowie Schnell (1986), S. 50 ff. 420 Vgl. Schwab (1991), S. 8ff. für einen umfassenden Überblick zu Methoden der Behandlung fehlender Werte. 421 Vgl. Schwab (1991), S. 4. Eine Reduzierung des Stichprobenumfangs kann insofern problematisch sein, als dass unter Umständen eine sinnvolle Parameterschätzung des Modells nicht mehr durchzuführen ist. Vgl. Schnell (1986), S. 86. 422 Vgl. Little und Rubin (1987), S. 44. 423 Vgl. Schnell (1986), S. 96. 419

116

Untersuchungsmethodik

durch den Variablenwert eines ähnlichen vollständigen Falls424 oder durch das Ersetzen durch den Zellenmittelwert.425 Für die Behandlung der fehlenden Werte des in dieser Arbeit zugrunde liegenden Datensatzes wird eine Kombination aus Eliminierungs- und Imputationsverfahren angestrebt. Der vorliegende Datensatz ist dadurch gekennzeichnet, dass der Anteil unvollständiger Fälle bei 4,6 Prozent liegt, was im unteren Feld durchschnittlicher fehlender Werte empirischer Untersuchungen anzusiedeln ist.426 Um den Informationsverlust möglichst gering zu halten, wurden ausschließlich Fälle aus der Stichprobe entfernt, deren abhängige Variablen fehlende Werte aufweisen oder deren unabhängigen Variablen mehr als zehn Prozent fehlende Werte aufweisen (vier Fälle).427 Die verbleibenden fehlenden Werte unabhängiger Variablen wurden durch die Verwendung eines nicht-informativen Imputationsverfahrens unter Verwendung des Variablenmittelwertes ersetzt.428 Der abschließend vorliegende Datensatz weist keine fehlenden Werte mehr auf und umfasst insgesamt 90 Fälle. 5.1.4 Beschreibung der Stichprobe Die Stichprobe der 90 teilnehmenden Unternehmen setzt sich aus 59 Unternehmen aus Deutschland sowie weiteren 31 Unternehmen aus dem europäischen Ausland zusammen (siehe Abbildung 5-2).

424

Vgl. z.B. Little und Rubin (1987), S. 65f. Vgl. z.B. Bankhofer und Praxmarer (1998), S. 114. 426 Vgl. Ferber (1966), Craig und McCann (1978), S. 286 berichten von fehlenden Werten zwischen 2,9 und 8 Prozent. 427 Ein ähnliches Vorgehen wählt Böing (2001), S. 87. 428 Laut Lemieux und McAlister (2005), S. 57 liefert das Mittelwert-Imputationsverfahren gute Ergebnisse für die Schätzung von Modellkoeffizienten. 425

Untersuchungsmethodik

117

Abbildung 5-2: Verteilung der Stichprobe nach Ländern

Europäisches Ausland (N = 31) 34,44 % 65,56 %

Deutschland (N = 59)

N=90

Die Zusammensetzung der Stichprobe mit Unternehmen aus dem europäischen Ausland hat den Vorteil, dass die Generalisierbarkeit der Ergebnisse über den nationalen Kontext hinaus ausgedehnt werden kann. Für die Verteilung der Stichprobe nach Ländern des europäischen Auslands kommen die meisten Unternehmen der Stichprobe aus Italien (8), gefolgt von England (5), Skandinavien (5) und den Niederlanden (4). Drei Unternehmen der Stichprobe kommen aus Spanien sowie jeweils zwei aus der Schweiz und Frankreich. Die Schlusslichter bilden die Unternehmen aus Portugal und Slowenien mit je einem Teilnehmer. Betrachtet man die Branchenzugehörigkeit der in der Stichprobe vertretenen Unternehmen in Abbildung 5-3, so lässt sich eine relativ gleichmäßige Verteilung über die einzelnen Branchen feststellen.

118

Untersuchungsmethodik

Abbildung 5-3: Verteilung der Stichprobe nach Branchen

Energie und Chemie (N=11)

12,22 % Informations- und Kommunikationstechnologie (N=19)

32,22 %

Finanzdienstleistungen (N=29)

21,11 %

34,45 %

N=90

Handel und produzierendes Gewerbe (N=31)

Dabei sind die Unternehmen der Informations- und Kommunikationstechnologie mit 34,45 Prozent am stärksten vertreten, gefolgt von der Finanzdienstleistungsbranche mit 32,22 Prozent. Dahinter liegt der Handel und das produzierende Gewerbe mit 21,11 Prozent. Das Schlusslicht bildet die Energie und Chemie-Branche mit 12,22 Prozent. Vor dem Hintergrund der Entwicklung eines branchenübergreifenden Messinstruments zur Bestimmung der Wirkungszusammenhänge zwischen Determinanten von CRM und dem Erfolg ist diese relativ gleichmäßige Branchenverteilung vorteilhaft, da eine Verzerrung durch eine Überrepräsentation einer einzelnen Branche ausgeschlossen werden kann. Betrachtet man die Struktur der Stichprobe nach Mitarbeitergrößenklassen in Abbildung 5-4, so zeigt sich, dass es sich überwiegend um große Unternehmen handelt.

Untersuchungsmethodik

119

Abbildung 5-4: Größenverteilung der Stichprobe nach Mitarbeitern 100%

80%

48,27%

47,37%

51,61%

45,46%

60%

27,27%

40%

32,26%

44,83%

47,37%

20%

27,27% 0%

16,13%

6,90% Finanzdienstleistungen

5,26% Handel und produzierendes Gewerbe

Informations- und Kommunikationstechnologie

Energie und Chemie N = 90

Unter 1.000 Mitarbeiter

1.000 – 4.999 Mitarbeiter

Über 5.000 Mitarbeiter

Es dominieren über alle befragten Branchen Unternehmen mit einem Bestand von über 5.000 Mitarbeitern. Aber auch die mittelgroßen Unternehmen mit 1.000 bis 4.999 Mitarbeitern sind über die Branchen hinweg mit Anteilen von 27,27 Prozent (Energie und Chemie) bis 47,37 Prozent (Informations- und Kommunikationstechnologie) vertreten. Hingegen fällt mit über alle Branchen durchschnittlich 13,89 Prozent nur ein geringer Teil auf Unternehmen, deren Mitarbeiterbestand kleiner als 1.000 Mitarbeiter ist. Vor dem Hintergrund, dass CRM insbesondere für Unternehmen mit großen Kundenstämmen sinnvoll einsetzbar ist, kann die Unternehmensgröße ein Indikator für entsprechend große Kundenstämme und damit entsprechend sinnvollem und erfolgreichem Einsatz von CRM sein. Bei der Beurteilung der Stichprobe ist die Eignung der Ansprechpartner der kontaktierten Unternehmen von zentraler Bedeutung. Aufgrund der Fragestellung erschien es

120

Untersuchungsmethodik

besonders bedeutsam, Auskunftspersonen mit leitender Funktion im Unternehmen bzw. in der strategischen Geschäftseinheit zu befragen, die direkt für die CRMImplementierung verantwortlich sind und daher als einzige Informanten entsprechend kompetent zu CRM Auskunft geben konnten. Wie aus Abbildung 5-5 ersichtlich ist, konnte dieser Zielsetzung weitgehend entsprochen werden: Abbildung 5-5: Funktion der Befragten im Unternehmen 50%

40%

31,0% 30%

20%

17,3%

17,3% 14,9%

10%

8,0%

6,9%

4,6% 0%

Top Management

Marketing

Vertrieb

Service

IT

CRM

Andere

Knapp zwei Drittel der Antwortenden sind Führungskräfte aus dem Topmanagement (17,3 Prozent), dem Marketing (31,0 Prozent) und dem Vertrieb (14,9 Prozent). 17,3 Prozent der Antwortenden stammen direkt aus dem Bereich CRM. Dieser Umstand lässt den Schluss zu, dass Unternehmen CRM bereits als so bedeutend für den Unternehmenserfolg ansehen, dass dieser Bereich nicht mehr ausschließlich in den klassischen kundennahen Abteilungen angesiedelt ist, sondern bereits einen eigenständigen Bereich darstellt. Neben der Funktion der Befragten in den Unternehmen ist es weiterhin interessant, in welchen Bereichen die Verantwortung für CRM in den Unternehmen angesiedelt ist. Bei der Begutachtung von Abbildung 5-6 zeigt sich, dass nahezu 50 Prozent

Untersuchungsmethodik

121

(47,1 Prozent) aller Unternehmen die Verantwortung für CRM im Marketing angesiedelt haben, während 23 Prozent der Unternehmen diese direkt dem Topmanagement zuordnen und weitere 16,1 Prozent dem Vertrieb. Abbildung 5-6: Verantwortung für CRM 50%

47,1%

40%

30% 23,0% 20%

16,1%

10% 4,6%

4,6%

2,3% 0%

Top Management

Marketing

Vertrieb

Service

2,3%

IT

CRM

Andere

Interessanterweise liegt bei 4,6 Prozent aller Unternehmen die Verantwortung für CRM in der IT-Abteilung. Dieses Ergebnis verdeutlicht das vielfach vorliegende Missverständnis, CRM als reine informations- und kommunikationstechnologische Lösung anzusehen. Auch hier zeigt sich, dass 4,6 Prozent der Unternehmen bereits einen eigenen, für CRM verantwortlichen Bereich aufgebaut haben. Allerdings ist in der Mehrzahl der Unternehmen CRM weiterhin den kundennahen Abteilungen Marketing, Vertrieb oder Service zugeordnet.

122

Untersuchungsmethodik

5.2 Methodische Grundlagen der Untersuchung Da die aufgestellten Modelle mehrstufige Zusammenhänge zwischen mehreren latenten Variablen, welche mit Hilfe multipler Indikatoren gemessen werden, abbilden, empfiehlt sich zur empirischen Überprüfung des aufgestellten Hypothesensystems der Einsatz von Strukturgleichungsmodellen mit latenten Variablen. Unter latenten Variablen werden Größen verstanden, die nicht direkt beobachtbar sind und nur mit Hilfe von beobachtbaren Variablen, den Indikatoren, gemessen werden können.429 Strukturgleichungsmodelle mit latenten Variablen gewinnen seit den achtziger Jahren des vergangenen Jahrhunderts zunehmend an Bedeutung in der empirischen Marketingforschung,430 da sie in der Lage sind, komplexe Beziehungsstrukturen zwischen mehreren exogenen und endogenen Variablen zu schätzen.431 Eine grundlegende Eigenschaft von Strukturgleichungsmodellen ist die Unterscheidung in nicht beobachtete Variablen, den latenten Variablen oder Konstrukten, und den beobachteten Variablen, den Indikatoren. Ausgangspunkt eines Strukturgleichungsmodells ist ein Modell aus linearen Gleichungen, welches die hypothetischen Beziehungen zwischen den latenten Variablen untereinander als auch die hypothetischen Beziehungen zwischen den latenten Variablen und den zugehörigen Indikatoren beschreibt.432 Lineare Strukturgleichungsmodelle sind durch die Unterscheidung in Strukturmodell und Messmodell gekennzeichnet. Das Strukturmodell bildet die hypothetischen Beziehungen zwischen den latenten Variablen ab. Das Messmodell hingegen beschreibt die Beziehungen zwischen den latenten Variablen und ihren Indikatoren.433 Strukturgleichungsmodelle können als Kombination aus regressions- und faktoranalytischen Techniken interpretiert werden und mit Hilfe einer Reihe von komple-

429

In der vorliegenden Arbeit werden die Begriffe latente Variable und Konstrukt synonym verwendet. 430 Vgl. Bagozzi (1981), Fornell und Larcker (1981), Fornell und Bookstein (1987), Steenkamp und Baumgartner (2000), S. 195f. 431 Baumgartner und Homburg (1996), S. 140f. weisen in einer Meta-Analyse führender Marketingzeitschriften nach, dass die Verwendung von Strukturgleichungsmodellen im Betrachtungszeitraum (1977-1994) kontinuierlich gestiegen ist. 432 Vgl. Jöreskog und Sörbom (1982), S. 404. 433 Vgl. Homburg und Hildebrandt (1998), S. 16ff.

Untersuchungsmethodik

123

xen Verfahren geschätzt werden.434 Dabei zählt die Kovarianzstrukturanalyse zu den bekanntesten Analysemethoden zur Evaluation von Strukturgleichungsmodellen mit latenten Variablen.435 Die Anwendung dieses Verfahrens stellt verschiedene Voraussetzungen an die Daten und die Operationalisierung der latenten Variablen. So bedingt die Parameterschätzung über das Maximum-Likelihood-Prinzip die Annahme einer multivariaten Normalverteilung, um asymptotisch unverzerrte, konsistente und effiziente Schätzwerte zu erhalten. Diese Annahme wird jedoch häufig in der empirischen Forschung verletzt, da die erhobenen Daten in der Regel nicht einer Normalverteilung folgen.436 Die restriktive Verteilungsannahme setzt zudem einen großen Stichprobenumfang voraus,437 so dass die Anwendung der Kovarianzstrukturanalyse bei kleinen Stichproben zu teilweise erheblichen Fehlern führen kann oder überhaupt nicht mehr anwendbar ist.438 Aufgrund dieser Eigenschaft und des geringen Stichprobenumfangs ist die Kovarianzstrukturanalyse für diese Untersuchung nicht geeignet. In den letzten Jahren hat sich die Kritik an der Kovarianzstrukturanalyse insbesondere an der standardmäßig unterstellten Verwendung reflektiver Messmodelle in kovarianzbasierten Auswertungsprogrammen wie bspw. LISREL oder AMOS entzündet.439 Grundsätzlich können latente Variablen mit Hilfe eines reflektiven oder formativen Messmodells operationalisiert werden.440 Von einem reflektiven Messmodell spricht man, wenn die latente Variable die ihr zugeordneten Indikatoren verursacht. Innerhalb eines formativen Messmodells verursachen hingegen die Indikatoren die latente Variable.441 Im Hinblick auf die Ableitung konkreter Gestaltungsempfehlungen für das Management im Rahmen der Erfolgsfaktorenforschung erscheint es vielfach angebracht, die Indikatoren formativ zu spezifizieren. Andernfalls können konzeptionelle

434

Vgl. Homburg und Baumgartner (1995), S. 1098, Ringle (2004), S. 12. Vgl. Fassott (2005), S. 20. 436 Vgl. Hildebrandt und Görz (1999), S. 7. 437 Vgl. Sellin (1995), S. 263. Kovarianzstrukturanalysen benötigen aufgrund der Sensitivität der Ȥ²Statistik demnach einen Stichprobenumfang von mind. 100 bzw. 150. 438 Vgl. Bearden, Sharma und Teel (1982), S. 429f. 439 Vgl. Fassott und Eggert (2005), S. 32. 440 Vgl. Bollen und Lennox (1991), S. 305f., Homburg (1995), S. 64f., Homburg und Giering (1996), S. 6f. 441 Für eine ausführliche Diskussion reflektiver und formativer Messmodelle vgl. Fassott und Eggert (2005) und Götz und Liehr-Gobbers (2004). 435

124

Untersuchungsmethodik

Fehler und letztendlich falsche Aussagen entstehen.442 Formative Messmodelle können allerdings durch die Kovarianzstrukturanalyse nur umständlich abgebildet werden.443 Vor diesem Hintergrund wurde parallel zur Kovarianzstrukturanalyse der PartialLeast-Squares (PLS)-Ansatz entwickelt. Dieser varianzbasierte Ansatz vermeidet die restriktiven Verteilungsannahmen der Kovarianzstrukturanalyse und ermöglicht insbesondere die problemlose Einbindung formativer Messmodelle. Im Folgenden sollen die Grundzüge von PLS ausgeführt werden. 5.2.1 PLS-Ansatz Die Analyse von Strukturgleichungsmodellen mit Hilfe des PLS-Ansatzes geht auf den schwedischen Ökonometriker Herman Wold zurück.444 Im Gegensatz zur Kovarianzstrukturanalyse kommt PLS ohne restriktive Verteilungsannahmen aus.445 Die folgende grundlegende Darstellung des Verfahrens beschränkt sich auf das von Wold begründete PLS-Verfahren.446 Das PLS-Verfahren setzt sich formal aus zwei linearen Gleichungssystemen zusammen, dem Strukturmodell und dem Messmodell. Das Strukturmodell oder inneres Modell misst die theoretisch vermuteten Beziehungen zwischen den latenten Variablen, das Messmodell oder äußeres Modell die Beziehungen zwischen den latenten Variablen und ihren Indikatoren. Abbildung 5-7 stellt beispielhaft ein einfaches Strukturgleichungsmodell dar. Dabei werden die drei Konstrukte ȟ1, ȟ2 und Ș durch Ellipsen, die Indikatoren xi durch Rechtecke, die Messfehler İi der Indikatoren durch Kreise und die vermuteten Beziehungen über Pfeile dargestellt.

442

Ein ähnliches Vorgehen schlagen Albers und Hildebrandt (2006), S. 6 vor. Vgl. Gefen, Straub und Boudreau (2000), S. 23, Scholderer und Balderjahn (2005), S. 93. 444 Vgl. Wold (1980), Wold (1982), Wold (1982), Wold (1985). 445 Vgl. Lohmöller (1989), S. 28. 446 Vgl. Wold (1982). Zu den Erweiterungen vgl. Chin und Newsted (1999), S. 315. 443

Untersuchungsmethodik

125

Abbildung 5-7: PLS-Modell mit reflektiven und formativen Indikatoren

İx1

x1

Ȝ11 ȟ1

İx2

x2

ȗ1 Ȗ11

Ȝ21

Ȝ11 ȕ12

x1

İy1

y2

İy2

Ș1 Ȝ21

Ȧ12

y3

Ȗ12 ȟ2

x2

Ȧ22 įȗ2

Messmodell der latenten, exogenen Variablen x = ȁxȟ + İx ȟ = ʌȟx + į ȟ

Strukturmodell Ș = ǺȘ + īȟ + ȗ

Messmodell der latenten, endogenen Variablen y = ȁy Ș + İy Ș = ʌȘy + į Ș

Die Beziehungen zwischen den latenten Variablen werden formal durch ein System von linearen Strukturgleichungen modelliert, so dass das Strukturmodell formal folgende Form aufweist:447 Ș = ǺȘ + īȟ + ȗ ,

(1)

wobei Ș und ȟ die Vektoren der latenten, endogenen (abhängigen) und exogenen (unabhängigen) Variablen beschreiben und ȗ den Vektor der Residuen latenter, endogener Variablen umfasst. Die Parametermatrizen Ǻ und ī bilden die Beziehungen bzw. Pfadkoeffizienten im Strukturmodell ab. Die Elemente von Ǻ(ȕ) bilden dabei die vermuteten direkten Beziehungen zwischen den latenten, endogenen Variablen untereinander ab, während die Elemente von ī(Ȗ) die direkten Beziehungen zwischen latenten, exogenen und latenten, endogenen Variablen modellieren. Annahmegemäß besteht

447

Die folgenden Ausführungen orientieren sich an Wold (1982), S. 8f., Fornell und Bookstein (1987), S. 441ff. und Lohmöller (1989), S. 28.

126

Untersuchungsmethodik

keine lineare Beziehung zwischen den Residuen und den latenten, endogenen Variablen.448 Auf Basis der Prädiktorspezifikation449 gilt: E[ȗhŇȘh*, ȟh*] = 0 ,

(2)

Cov[ȗh, Șh*] = Cov [ȗh, ȟh*] = 0 .

(3)

Daraus folgt, dass jede latente Variable eine lineare Funktion ihrer jeweiligen Prädiktoren darstellt: E[ȘhŇȘh*, ȟh*] = ȕh Șh*+Ȗh ȟh*,

für alle h = 1, ...H.

(4)

H ist die Anzahl der Gleichungen im Strukturgleichungsmodell, Șh ist die h-te endogene latente Variable, Șh* und ȟh* sind die Spaltenvektoren der latenten, endogenen Prädiktorvariablen und exogenen latenten Variablen für Șh. ȕh und Ȗh sind die Zeilenvektoren der Koeffizienten.450 Das Messmodell oder äußere Modell beschreibt die Beziehung zwischen den latenten Variablen und deren Indikatorvariablen.451 Das Messmodell spezifiziert die Beziehung zwischen latenten, exogenen Variablen und ihren Indikatorvariablen als auch die Beziehung zwischen latenten, endogenen Variablen und ihren Indikatorvariablen. Jeder Indikator wird im Pfaddiagram (vgl. Abbildung 5-8) graphisch als Rechteck und die Beziehung zwischen ihm und der latenten Variablen als Pfeil dargestellt. Im PLSModell können Beziehungen zwischen latenten Variablen und ihren Indikatoren formativ oder reflektiv modelliert werden.452 In einem reflektiven Messmodell verursacht die latente Variable (Ș) ihre zugeordneten Indikatoren (x1,...,x3). Die Pfeilrichtung zwischen latenter Variablen und Indikatoren verläuft entsprechend von der Variable zu den Indikatoren (siehe Abbildung. 5-8).

448

Vgl. Fornell und Cha (1994), S. 58f. Unter Prädiktorspezifikation wird die Bestimmung konkreter Werte der latenten Variablen als bedingte Erwartungswerte aus den Indikatoren verstanden. Vgl. Herrmann, Huber und Kressmann (2004), S. 7. 450 Vgl. Fornell und Cha (1994), S. 58, Chin (1998), S. 312f. 451 Vgl. Steenkamp und Baumgartner (2000), S. 196. 452 Vgl. Bollen und Lennox (1991), S. 305, Fornell und Cha (1994), S. 59ff., Fassott und Eggert (2005), S. 32f. 449

Untersuchungsmethodik

127

Abbildung 5-8: Reflektives Messmodell mit drei Indikatoren

Ș

Ȗ1

Ȗ3

Ȗ2

x1

x2

x3

r12

r23

r13 į1

į2

į3

Quelle: Fassott und Eggert (2005), S. 37.

Bei einer Änderung des Wertes der latenten Variablen ändern sich alle ihre Indikatoren in die gleiche Richtung. Da die Indikatoren in einem reflektiven Messmodell grundsätzlich austauschbare Messungen der latenten Variablen darstellen, sollten sie hochgradig untereinander korreliert sein,453 um eine hohe interne Konsistenz aufzuweisen.454 Wenn die Indikatoren die latente Variable fehlerfrei messen würden, so würden sie untereinander einen Korrelationskoeffizienten r von eins aufweisen. Je höher jedoch der Messfehler įi eines Indikators xi ausfällt, desto geringer fällt dessen Korrelation mit den anderen zugehörigen Indikatoren aus.455 Als Beispiele für reflektive Messmodelle werden in der Literatur vor allem verhaltensbasierte Zusammenhänge wie „Einstellung“ oder „Persönlichkeit“ aufgeführt.456

453

Vgl. Bollen und Lennox (1991), S. 308. Zum Begriff „Interne Konsistenz“ vgl. Fornell und Larcker (1981), S. 45f. 455 Vgl. Diamantopoulos und Winklhofer (2001), S. 271, Chin (1998), S. 305f. 456 Vgl. Fornell und Bookstein (1987), S. 442, Diamantopoulos und Winklhofer (2001), S. 270. 454

128

Untersuchungsmethodik

Reflektive Messmodelle weisen allgemein folgende Form auf:457 y = ȁyȘ + İy ,

(5)

x = ȁxȟ + İx .

(6)

Dabei sind İx und İy die Messfehler der Vektoren x und y der zugeordneten Indikatorvariablen der latenten, endogen Variablen Ș bzw. der latenten, exogenen Variablen ȟ. ȁy und ȁx sind die Faktorladungsmatrizen. Entsprechend der Prädiktorspezifikation des Strukturmodell gilt auch hier: E[yŇȘ] = ȁyȘ ,

(7)

E[xŇȟ] = ȁxȟ .

(8)

Dies bedeutet wiederum, dass annahmegemäß die Residuen des Messmodells nicht mit den latenten Variablen und mit den Residuen des Strukturmodells korreliert sind. In einem formativen Messmodell verursachen die zugeordneten Indikatoren (x1, ..., x3) die latente Variable (Ș).458 Die Pfeilrichtung zwischen latenter Variablen und Indikatoren verläuft entsprechend von den Indikatoren zur latenten Variablen (siehe Abbildung 5-9). Indikatoren formativer Messmodelle messen nicht denselben Sachverhalt, sondern unterschiedliche inhaltliche Facetten der latenten Variable.459 Dementsprechend kann eine Änderung der latenten Variablen auf ausschließlich der Änderung eines einzelnen Indikators zurückgehen,460 was wiederum impliziert, dass die Indikatoren nicht beliebig austauschbar sind. Indikatoren formativer Messmodelle können untereinander korrelieren, aufgrund der unterschiedlichen inhaltlichen Facetten der Indikatoren müssen diese aber nicht hoch miteinander korrelieren. Die Beurteilung der Validität formativer Messmodelle erfolgt damit ausschließlich unter dem Gesichtspunkt der Inhaltsvalidität,461 die Konstruktvalidität spielt in diesem Fall daher

457

Vgl. Fornell und Cha (1994), S. 59, Chin (1998), S. 313. Vgl. Diamantopoulos (1999), Diamantopoulos und Winklhofer (2001), S. 269f. 459 Vgl. Vgl. Bollen und Lennox (1991), S. 308. 460 Vgl. Chin (1998), S. 9, Jarvis, MacKenzie und Podsakoff (2003), S. 203, Eggert und Fassott (2003), S. 3f. 461 Vgl. Rossiter (2002), S. 326ff., Diamantopoulos (2005), S. 6f. 458

Untersuchungsmethodik

129

eine untergeordnete Rolle.462 Wird eine latente Variable als Summe bestimmter Indikatoren definiert, so wird von Indexbildung gesprochen.463 Abbildung 5-9: Formatives Messmodell mit drei Indikatoren ȗ Ș

Ȗ2

Ȗ1

x1

Ȗ3

x2

r12

x3

r23

r13

Quelle: Fassott und Eggert (2005), S. 39.

Als Beispiel eines formativen Messmodells wird der Marketing-Mix angegeben,464 der durch die Bestandteile Produkt-, Preis-, Distributions- und Kommunikationspolitik gebildet wird.465 Formal wird das formative Messmodell wie folgt dargestellt:466 Ș = ʌȘy + įȘ ,

(9)

ȟ = ʌȟx + įȟ ,

(10)

462

Vgl. Diamantopoulos und Winklhofer (2001), S. 300. Für eine genaue Beschreibung der unterschiedlichen Formen der Validiät vgl. Abschnitt 5.2.3.2. 463 Vgl. Diamantopoulos und Winklhofer (2001), S. 269f., Rossiter (2002), S. 315. 464 Vgl. Fornell und Bookstein (1987), S. 292. Ein weiteres Beispiel geben Chin und Newsted (1999), S. 310 mit der Bildung des soziökonomischen Status. 465 Für eine ausführliche Diskussion der Verwendung formativer und reflektiver Indikatoren vgl. Dijkstra (1983). 466

Vgl. Fornell und Cha (1994), S. 60, Chin (1998), S. 314.

130

Untersuchungsmethodik

wobei Ș, ȟ sowie x und y entsprechend der Gleichungen 2 und 3 bezeichnet werden. Die Matrizen ʌȘy und ʌȟx umfassen die multiplen Regressionskoeffizienten. Sie geben die Gewichtung (Ȧ) der Indikatoren bei ihrer linearkombinatorischen Aggregation zu den latenten Variablen Ș und ȟ an.467 įȘ und įȟ stellen die Residuen der multiplen Regression dar. Diese sind jedoch annahmegemäß nicht korreliert mit den Indikatoren.468 Entsprechend lautete die Prädiktorspezifikation: E[yŇȘ] = ʌȘy ,

(11)

E[xŇȟ] = ʌȟx .

(12)

Zu den oben beschriebenen reflektiven oder formativen Spezifikationen des Messmodells werden zur Bestimmung von Individualwerten der latenten Variablen gewichtete Zusammenhänge benötigt. Dabei werden die latenten Variablen als gewichtete Summe ihrer Indikatoren wie folgt bestimmt:469 š

K = ȦȘy , š

[ = Ȧȟx .

(13) (14)

Im Falle reflektiver Wirkungszusammenhänge zwischen latenter Variable und den zugeordneten Indikatoren werden die Gewichte Ȧ aus den Faktorladungen bestimmt, im Falle formativer Zusammenhänge werden die multiplen Regressionskoeffizienten ʌ zwischen der latenten Variablen und den zugeordneten Indikatoren als Gewichte verwendet. 5.2.2 Parameterschätzung und Modellbeurteilung Die Schätzung der Parameter des PLS-Modells basiert auf dem Kleinst-QuadrateSchätzverfahren. PLS schätzt die Parameter, indem es iterativ die Varianzen der Residuen der Regressionsgleichungen sowohl des Strukturmodells als auch des Messmodells mit Hilfe eines kombinierten Ansatzes der Hauptkomponentenanalyse und der

467

Vgl. Götz und Liehr-Gobbers (2004), S. 7f. Vgl. Diamantopoulos und Winklhofer (2001), S. 271. 469 Vgl. Fornell und Cha (1994), S. 62, Chin (1998), S. 314, Cassel, Hackl und Westlund (1999), S. 438. 468

Untersuchungsmethodik

131

kanonischen Schätzung minimiert.470 PLS minimiert die Varianz der Residuen ȗ aller endogenen latenten Variablen des Strukturmodells sowie die Varianz der Residuen İ aller reflektiven Indikatoren und die Varianz der Residuen į aller formativen Indikatoren des Messmodells.471 Die Parameterschätzung kann in eine äußere Approximation und in eine innere Approximation unterschieden werden: In der äußeren Approximation werden zunächst als Startwerte die Gewichte der latenten Variablen willkürlich festgelegt, um damit die Individualwerte der latenten Variablen zu berechnen. Mit Hilfe des Messmodells wird nun in der inneren Approximation eine Näherungslösung für die latenten Variablen aus der gewichteten Summe der verbundenen latenten Variablen ermittelt. Auf Grundlage der Beziehungen zwischen den latenten Variablen im Strukturmodell werden die erhaltenen Gewichte verbessert. Die Gewichte können mit Hilfe von drei unterschiedlichen Gewichtungsschemata ermittelt werden: Das Centroid-, das Faktor- und das Pfadgewichtungsschema.472 Alle drei Methoden unterscheiden sich dabei nur geringfügig in den Ergebnissen.473 Die Ergebnisse der inneren Approximation werden als Ausgangswerte der latenten Variablen im nächsten Iterationsschritt für die äußere Approximation verwendet, um erneut Gewichte zu berechnen. Die Approximation wird solange durchgeführt, bis die ermittelten Werte der Gewichte konvergieren.474 Aufgrund der partiellen Schätzung der Wirkungszusammenhänge im Struktur- und Messmodell werden für die Parameterschätzung mit dem PLS-Verfahren weniger empirisch erhobene Fälle benötigt als mit der Kovarianzstrukturanalyse.475 Die Größe der verwendeten Stichprobe sollte sich dabei nach der Regressionsgleichung mit der höchsten Komplexität richten. Dies kann zum einen die latente Variable mit der höchsten Anzahl formativer Indikatoren (größte Gleichung des Messmodells) oder die höchste Anzahl unabhängiger Variablen, die auf eine endogene latente Variable weist (größte Gleichung des Strukturmodells), sein. Als „Faustregel“ hat sich eine zehnmal

470

Vgl. Hahn (2002), S. 103. Vgl. Wold (1966), Fornell und Cha (1994). 472 Vgl. Lohmöller (1989), S. 42, Fornell und Cha (1994), S. 65, Chin (1998), S. 309. 473 Vgl. Fornell und Cha (1994), S. 65f., Chin und Newsted (1999), S. 317ff. 474 Für eine ausführliche Beschreibung des PLS-Schätzalgorithmus vgl. Lohmöller (1989), S. 37ff. 475 Vgl. Chin und Newsted (1999), S. 314 und S. 326. 471

132

Untersuchungsmethodik

so hohe Fallzahl wie die Zahl der Prädiktoren in der größten Gleichung des Strukturmodells oder der größten Gleichung des Messmodels herauskristallisiert.476 5.2.3 Modellbeurteilung und Modellgüte Gegenüber kovarianzbasierten Verfahren lassen sich beim PLS-Verfahren keine inferenzstatistischen Tests zur Messung der Güte des Modells durchführen, da sich aufgrund fehlender empirischer Verteilungsannahmen die traditionellen, parametrisch ausgerichteten Techniken für Signifikanztests zur Modellbeurteilung für die PLSMethode nicht eignen. Aus diesem Grund existiert auch kein globales Gütemaß, wie beispielsweise der Goodness-of-Fit-Index der Kovarianzstrukturanalyse, welches sich zur Überprüfung des Modells insgesamt anwenden lässt. Zur Beurteilung der Modellgüte muss daher ein Kompendium verschiedener Gütemaße zur Anwendung kommen. In einem ersten Schritt wird zunächst die Beurteilung der Messergebnisse im Strukturmodell vorgenommen. Im Anschluss daran werden die reflektiven und formativen Messmodelle der latenten Variablen hinsichtlich ihrer Reliabilität und Validität untersucht.477 5.2.3.1 Gütebeurteilung des Strukturmodells Anders als bei den kovarianzbasierten Verfahren können mit dem PLS-Ansatz keine inferenzstatistischen Tests zur Beurteilung der Gesamtgüte des betrachteten Modells durchgeführt werden, was auf den wenig restriktiven Verteilungsannahmen gründet. Damit bildet zum einen das Bestimmtheitsmaß (R²) der endogenen Variablen aus den Regression des Strukturmodells und zum anderen die Beurteilung der Höhe und Signifikanz der Pfadkoeffizienten den Ausgangspunkt für die Gütebeurteilung.478 Das Bestimmtheitsmaß (R²) gibt dabei den Anteil der erklärten Varianz der latenten endogenen Variablen an. Das Bestimmtheitsmaß ist zwischen Null und Eins normiert und ist umso größer, je höher der Anteil der erklärten Varianz an der Gesamtvarianz ist.479 Da das Bestimmtheitsmaß (R²) durch die Zahl der Regressoren bei gegebener

476

Vgl. Chin (1998), S. 311. Vgl. Anderson und Gerbing (1982), S. 453, Herrmann, Huber und Kressmann (2004), S. 24. 478 Vgl. Ringle (2004), S. 13ff. 479 Vgl. Backhaus et al. (2003), S. 66. 477

Untersuchungsmethodik

133

Stichprobengröße in seiner Höhe beeinflusst wird,480 ist das korrigierte Bestimmtheitsmaß (R²korr) zu verwenden:481 R 2korr

R2 

J *(1  R 2 ) , K  J 1

(15)

wobei K die Anzahl der Fälle ist, J die Zahl der exogenen Variablen und K-J-1 die Zahl der Freiheitsgrade. Für die Beurteilung der Höhe des Bestimmtheitsmaßes (R²) liegen unterschiedliche Empfehlungen vor. Chin (1998) bezeichnet ein Bestimmtheitsmaß von 0,67 als „substanziell“, Werte in Höhe von 0,33 als „durchschnittlich“ und Werte von 0,19 als „schwach“.482 Neben der Beurteilung des Bestimmtheitsmaßes ist zu prüfen, ob eine bestimmte exogene Variable einen substanziellen Einfluss auf eine endogene latente Variable ausübt. Dazu wird die Effektgröße wie folgt berechnet: f² =

2 2 R eingeschlossen  R ausgeschlossen 2 1  R eingeschlossen

,

(16)

wobei R²eingeschlossen und R²ausgeschlossen die Bestimmtheitsmaße der latenten endogenen Variablen unter Einschluss bzw. Ausschluss einer bestimmten, über das Strukturmodell mit ihr in Beziehung stehenden latenten exogenen Variablen darstellen. Eine Effektgröße ab 0,02 ist als gering, ab 0,15 als mittel und ab einer Größenordnung von 0,35 als hoch zu bezeichnen.483 Die einzelnen Pfadkoeffizienten des Strukturmodells können wie standardisierte Beta-Koeffizienten interpretiert werden. Hinsichtlich ihrer Höhe wird in der Literatur eine Höhe von 0,1 gefordert.484 Ihre Reliabilität bezüglich der Parameterschätzungen wird anhand der t-Statistiken und der zugehörigen Signifikanzen überprüft, die mit Hilfe von Resampling-Methoden wie Bootstrapping oder Jackknifing gewonnen

480

Die Höhe des Bestimmtheitsmaßes kann selbst bei Aufnahme irrelevanter Regressoren nur ansteigen. 481 Vgl. Backhaus et al. (2003), S. 69. 482 Vgl. Chin (1998), S. 316f. 483 Vgl. Cohen (1988), S. 413, Chin (1998), S. 316f. 484 Vgl. Hulland (1999), S. 198.

134

Untersuchungsmethodik

werden können. Bei diesen Methoden wird allgemein aus der gesamten Stichprobe eine Reihe von Teilstichproben gebildet, für die dann jeweils die Modellparameter geschätzt werden. Über alle Teilstichproben lassen sich Erwartungswerte und Standardabweichungen eines jeden Modelparameters schätzen, wodurch entsprechende t-Statistiken bestimmt und damit die jeweiligen Signifikanzen berechnet werden können. Bootstrapping und Jackknifing unterscheiden sich vor allem darin, dass beim Bootstrapping die Teilstichprobe über eine bestimmte Anzahl zufällig ausgewählter Fälle geschätzt wird.485 Beim Jackknifing wird hingegen aus allen Fällen eine festgelegte Anzahl zu unterdrückender Fälle nach einem festen Schema festgelegt, um anschließend das Modell für jede Teilstichprobe zu schätzen. Damit ist das Jackknifing eine Annäherung des Bootstrapping und entsprechend leidet die Ergebnisqualität.486 Aus diesem Grund wird in den folgenden Ausführungen lediglich das BootstrappingVerfahren als Resampling-Methode zur Ermittlung der t-Statisiken verwendet. Die Prognoserelevanz des PLS-Modells, die Aussagen über die Allgemeingültigkeit der festgestellten Zusammenhänge macht, kann anhand einer Kreuzvalidierung überprüft werden. Dabei wird die Stichprobe in ein Schätzsample und ein Validierungssample geteilt und das PLS-Modell anhand des durch eine Zufallsauswahl gezogenen Schätzsamples erneut geschätzt. Anschließend werden die Schätzparameter mit tWerten kleiner eins eliminiert, da sie keinen Beitrag zur Prognose leisten.487 Nun werden mit den verbleibenden Parametern die Effekte des Validierungssamples prognostiziert. Die Prognosevalidität wird über die Korrelation zwischen den errechneten Werten der latenten endogenen Variablen des Schätzsamples und den beobachteten Werten dieser Variablen des Validierungssamples beurteilt. Dabei sollte der quadrierte Korrelationskoeffizient r² nicht wesentlich vom R²-Wert der latenten endogenen Variablen des Schätzsamples abweichen. Je geringer die Abweichung von R² und r², desto höher ist damit die Prognosekraft.488 Problematisch ist hierbei, dass bei geringer Fallzahl im Schätzsample die Effizienz der Schätzung leiden kann. Daher wird der Datensatz zu-

485

Vgl. Efron und Tibshirani (1993), Efron (1987), Efron (1990), Shao (1996). Vgl. Efron und Tibshirani (1993), S. 141ff., Chin (1998), S. 320. 487 Vgl. Hansen (1987), S. 523. 488 Vgl. Chin und Todd (1995), S. 238. 486

Untersuchungsmethodik

135

meist nicht im Verhältnis 50:50 aufgeteilt,489 sondern in einem Verhältnis, welches das Schätzsample stärker als das Validierungssample gewichtet.490 Tabelle 5-1 fasst die vorgestellten Gütemaße zusammen. Tabelle 5-1: Gütebeurteilung des Strukturmodells Gütemaß

Definition

Kritischer Wertebereich

Bestimmtheitsmaß R²

Anteil der erklärten Varianz der endogenen Variablen

Werte von 0,67 = „substanziell“, 0,33 = „durchschnittlich“, 0,19 = „schwach“.

Effektgröße

Substanzieller Einfluss der exogenen Variablen auf die endogenen Variablen

Werte von 0,02 = gering, 0,15 = mittel, 0,35 = hoch.

Höhe und Signifikanz der Pfadkoeffizienten

Stärke der Wirkungsbeziehung zwischen den Konstrukten

Pfadkoeffizient > 0,1 ,

Prognosegüte

Anpassung des Modells an die empirischen Daten

Kreuzvalidierung ,

Beurteilung der Reliabilität anhand der t-Statistik. Quadrierter Korrelationskoeffizient des Validierungssamples möglichst gleich R² der endogenen Variablen des Schätzsamples.

5.2.3.2 Evaluierung reflektiver Messmodelle In der empirischen Forschung ist die Verwendung reliabler und valider Messungen eine Grundvoraussetzung.491 Zur Bewertung der Güte des Messmodells werden Gütekriterien verwendet, die vor allem auf die Beurteilung der Validität (Gültigkeit) und der Reliabilität (Zuverlässigkeit) des Messmodells abzielen. Bei der Konstruktion eines reflektiven Messmodells werden einer latenten Variablen verschiedene Indikatoren zugewiesen, die ihrerseits eine fehlerbehaftete Messung dar-

489

Vgl. Cooil, Winer und Rados (1987), S. 271f., Steckel und VanHonacker (1993), S. 420 für einen empirischen Beweis der Suboptimalität einer 50:50-Aufteilung. 490 Green, Tull und Albaum (1988), S. 458f. gehen von einem Verhältnis von 66:33 bis 75:25 aus. 491 Vgl. Peter (1979), S. 6.

136

Untersuchungsmethodik

stellen. Der Messfehler kann in einen systematischen und in einen zufälligen Fehler aufgeteilt werden. In den zufälligen Messfehler gehen Faktoren ein, die die Messung der latenten Variablen zufällig beeinflussen, ein systematischer Messfehler tritt bei jeder Messung in gleicher Höhe wieder auf. Nimmt der zufällige Messfehler den Wert Null an, so wird eine Messung als vollständig reliabel bezeichnet. Nimmt auch der systematische Fehler den Wert Null an, so wird die Messung als vollständig valide bezeichnet.492 Die Reliabilität ist somit eine notwendige, jedoch keine hinreichende Bedingung für die Validität.493 In der Literatur werden verschiedene Gütekriterien zur Beurteilung reflektiver Messmodelle diskutiert. Grundsätzlich lassen sich im Zusammenhang mit reflektiven Messmodellen fünf Validitätsarten (Inhaltsvalidität, Indikatorreliabilität, Konstruktvalidität, Diskriminanzvalidität, Nomologische Validität) unterscheiden:494 Die Inhaltsvalidität bezeichnet den Grad, zu dem die Indikatoren eines Messmodells alle theoretisch bedeutsamen Aspekte und Facetten abbilden.495 Die Inhaltsvalidität wird häufig mit der Face-Validität, der logischen und fachlichen Beurteilung durch Experten, gleichgesetzt.496 Als Methode zur Beurteilung der Inhaltsvalidität eignet sich neben der vorangegangenen theoretischen Fundierung (vgl. Abschnitt 3.3.2) die explorative Faktorenanalyse,497 welche die einzelnen Indikatoren in Hinblick auf eine einfaktorielle Faktorstruktur überprüft. Die Indikatorreliabilität zeigt den Anteil der Varianz eines Indikators an, der durch die zugrunde liegende latente Variable erklärt werden kann. Damit entspricht die Indikatorreliabilität einem Bestimmtheitsmaß pro Indikator. Der Wertebereich erstreckt sich von Null bis Eins. Ladungen der latenten Variablen auf einen Indikator größer als 0,7 werden als akzeptabel bewertet, da damit die gemeinsame Varianz zwischen latenter Variablen und Indikator größer ist als die Varianz des Messfehlers.498 Grundsätz-

492

Vgl. Churchill (1979), S. 65, Peter (1979), S. 7, Churchill (1987), S. 382. Vgl. Peter (1979), S. 6. 494 Vgl. Jacoby (1978), Churchill (1979), Peter (1981), Bagozzi und Phillips (1982), Hildebrandt (1984), Peter und Churchill (1986), Bagozzi, Yi und Phillips (1991). 495 Vgl. Bohrnstedt (1970), S. 92, Churchill (1979). 496 Vgl. Hildebrandt (1984), S. 42. 497 Vgl. Bohrnstedt (1970), S. 92, Götz und Liehr-Gobbers (2004), S. 21. 498 Vgl. Carmines und Zeller (1998), S. 27. 493

Untersuchungsmethodik

137

lich sollten reflektive Indikatoren mit Ladungen geringer als 0,4 aus dem Messmodell eliminiert werden.499 Die Konstruktvalidität (oder Konvergenzvalidität) ist der Grad, zu dem die Indikatoren eines Messmodells der latenten Variablen zweifelsfrei zugeordnet werden können und zusätzlich zwischen den Indikatoren starke Assoziationen bestehen.500 Die Beurteilung der Güte erfolgt anhand der Internen Konsistenz. Nach Fornell und Larcker (1981) wird die interne Konsistenz in reflektiven Messmodellen wie folgt berechnet:501 2

§ · ¨ ¦ O ij ¸ i © ¹ Interne Konsistenz = , 2 § · var O  H  ij ¨ ¦ ij ¸ ¦ i © i ¹

(17)

wobei Ȝi die Ladung des Indikators i einer latenten Variablen, İi der Messfehler des Indikators i und j der Laufindex über alle reflektiven Messmodelle ist. Die Interne Konsistenz kann Werte zwischen Null und Eins annehmen. Als akzeptabel werden Werte größer 0,6 angesehen.502 Indikatoren, die eine geringere Korrelation mit den übrigen Indikatoren des Messmodells aufweisen, sollten eliminiert werden. Die Beurteilung der Diskriminanzvalidität erfolgt über die Stärke der Assoziationen zwischen Indikatoren, die unterschiedlichen latenten Variablen zugeordnet sind.503 Grundsätzlich sollten die Assoziationen schwächer sein als zwischen denjenigen Indikatoren, die dieselbe latente Variable messen.504 Die Beurteilung der Diskriminanzvalidität erfolgt über die Berechnung der durchschnittlich erfassten Varianz (AverageVariance-Extracted (AVE)):505

499

Vgl. Hulland (1999), S. 198. Vgl. Bagozzi und Phillips (1982), S. 468. 501 Vgl. Fornell und Larcker (1981), S. 45. 502 Vgl. Bagozzi und Yi (1988), S. 82. Im Gegensatz zur Gleichgewichtung beim Cronbachschen Alpha berücksichtigt die Interne Konsistenz die aktuelle Faktorladung der Indikatoren. 503 Vgl. Bagozzi und Phillips (1982), S. 469, Bagozzi (1981), S. 336. 504 Vgl. Bagozzi, Yi und Phillips (1991), S. 425, Hulland (1999), S. 199. 505 Vgl. Fornell und Larcker (1981), S. 45f. 500

138

Untersuchungsmethodik

¦O ¦ O  ¦ var  H 2 i

AVE

i

2 i

i

,

(18)

i

i

wobei Ȝi die Ladung des Indikators i einer latenten Variablen und İi der Messfehler des Indikators i ist. Auch hier liegen die Werte zwischen Null und Eins. Die durchschnittlich erfasste Varianz sollte dabei größer sein als jede quadrierte Korrelation der untersuchten latenten Variablen mit einer anderen latenten Variablen.506 Die durchschnittlich erfasste Varianz kann auch als Kriterium zur Beurteilung der Konstruktvalidität dienen.507 Dabei wird eine durchschnittlich erfasste Varianz von weniger als 0,5 als unzureichend bewertet, da damit der überwiegende Teil der Varianz auf den Fehlerterm entfällt.508 Nomologische Validität liegt vor, wenn sich die latente Variable in einen übergeordneten theoretischen Rahmen einbinden lässt und der von der Theorie postulierte Zusammenhang auch tatsächlich besteht.509 Zur Realibilitäts- und Validitätsprüfung reflektiver Messmodelle werden im Rahmen dieser Arbeit die Gütekriterien der ersten Generation510 verwendet.511 Darunter fallen die explorative Faktorenanalyse, das Cronbachsche Alpha und die Item-to-TotalKorrelation. Die explorative Faktorenanalyse untersucht eine Gruppe von Faktoren hinsichtlich der zugrunde liegenden Faktorenstruktur.512 Im Gegensatz zur konfirmatorischen Faktorenanalyse kommt die explorative Faktorenanalyse ohne Hypothesen über die Faktorenstruktur aus.513 Nach Durchführung der explorativen Faktorenanalyse sind die Indikatoren Faktoren zugeordnet worden und lassen so erste Aussagen über die Inhalts-, Konstrukt- und Diskriminanzvalidität zu. Das Beurteilungskriterium ist hierbei die

506

Vgl. Fornell und Larcker (1981), S. 46. Vgl. Fritz (1995), S. 134. 508 Vgl. Homburg und Giering (1996), S. 12. 509 Vgl. Ruekert und Churchill (1984), S. 226, Peter und Churchill (1986), S. 2. 510 Vgl. Homburg (1995), S. 72. 511 Ein ähnliches Vorgehen wählen Hinkel (2001), Becker (2004), Götz und Liehr-Gobbers (2004). 512 Das Verfahren der Faktorenanalyse erläutern z.B. Backhaus et al. (2003), S. 259ff. 513 Vgl. Peter (1997), S. 179. 507

Untersuchungsmethodik

139

Höhe der Faktorladungen. Ausreichende Konstrukt- und Diskriminanzvalidität liegt vor, wenn für jeden Indikatorsatz genau ein Faktor extrahiert wird und die zugehörigen Faktorladungen ausreichend hoch sind. Dies ist genau dann der Fall, wenn alle Indikatoren ausreichend hoch auf genau einen Faktor laden (Ȝ > 0,4) und auf alle anderen Faktoren deutlich niedriger laden.514 Zudem sollte der extrahierte Faktor mehr als 50 Prozent der Varianz der auf ihn ladenden Indikatoren erklären.515 Das Cronbachsche Alpha misst die Reliabilität einer Gruppe von Indikatoren, die einem Faktor zugeordnet werden.516 Das Cronbachsche Alpha ist ein Maß für die Interne Konsistenz eines Faktors und wird wie folgt berechnet: N § · Vi2 ¸ ¦ ¨ § N ·¨ i 1 D ¨ ¸ 1 2 ¸ , Vi ¸ © N 1 ¹ ¨ ¨ ¸ © ¹

(19)

wobei N die Anzahl der einem Faktor zugeordneten Indikatoren bezeichnet, ıi² für die Varianz des Indikators i steht. Der Wertebereich erstreckt sich von Null bis Eins. Hohe Werte deuten auf eine hohe Reliabilität der zugeordneten Indikatoren hin.517 In der Literatur ist jedoch umstritten, wie hoch das Cronbachsche Alpha sein sollte, um eine hinreichende Reliabilität aufzuweisen. Während einige Autoren Mindestwerte von teilweise deutlich unter 0,7 fordern,518 wird zumeist der von Nunally (1978) vorgeschlagene strengere Mindestwert von 0,7 angewendet.519 Die Item-to-Total-Korrelation berechnet die Korrelation zwischen einem Faktor und der Summe aller dem Faktor zugeordneten Indikatoren. Die Item-to-Total-Korrelation eignet sich als Kriterium zur Elimination von Indikatoren. Ergibt sich für das Cronbachsche Alpha ein zu niedriger Wert, so ist zunächst derjenige Indikator zu eliminie-

514

Vgl. Homburg (1995), S. 80f., Homburg und Giering (1996), S. 8. Vgl. Anhang 8.2 für einen Überblick über die Gütemaße zur Beurteilung der Modellanpassung der Faktorenanalyse. 516 Vgl. Churchill (1979), S. 68, Peter (1979), S. 8f., Gerbing und Anderson (1988), S. 190. 517 Vgl. Homburg und Giering (1996), S. 8. 518 Vgl. Jaworski und Kohli (1993), S. 65ff., Desphandé und Zaltman (1982), S. 20, Desphandé, Farley und Webster (1993), S. 30. 519 Vgl. Nunnally (1978), S. 245, Peterson (1994), S. 381f., Homburg (1995), S. 81, Homburg und Giering (1996), S. 8. 515

140

Untersuchungsmethodik

ren, der die geringste Item-to-Total-Korrelation aufweist.520 Da hohe Korrelationen wünschenswert sind, wird ein Mindestwert von 0,3 für die Item-to-Total-Korrelation gefordert.521 Tabelle 5-2 gibt eine Übersicht über die verwendeten Gütemaße für reflektive Messmodelle. Tabelle 5-2: Gütemaße reflektiver Messmodelle Güteart

Gütemaß

Bezug

Anspruchsniveau

Inhaltsvalidität

Einfaktorielle Faktorstruktur

Faktor

Explorative Faktorenanalyse zur Untersuchung der Dimensionen

Indikatorreliabilität

Erklärter Varianzanteil

Faktor

> 50%, d.h. Faktorladungen Ȝ > 0,7

Indikatorreliabilität

Faktorladungsstruktur

Faktor

Ȝ > 0,4, mit deutlich niedrigeren Querladungen

Konstruktvalidität

Cronbachs Alpha

Faktor

Į > 0,7, für erstmalig verwendete Skalen Į > 0,5

Konstruktvalidität

Interne Konsistenz

Messmodell > 0,6

Diskriminanzvalidität Durchschnittlich erfasste Varianz

Messmodell Durchschnittlich erfasste Varianz > quadrierte Korrelationen aller latenten Variablen

Reliabilität

Cronbachs Alpha

Faktor

Į > 0,7

Reliabilität

Item-to-total-Korrelation

Indikator

Möglichst hohe Korrelationen

Das in dieser Arbeit gewählte Vorgehen orientiert sich an den Gütekriterien der ersten Generation. Dabei kommt ein dreistufiges Verfahren zur Beurteilung reflektiver Messmodelle zum Einsatz. Zunächst wird eine explorative Faktorenanalyse unter Einbezug aller reflektiven Indikatoren durchgeführt, um erste Erkenntnisse über die zugrunde liegende Faktorstruktur erhalten zu können. In Untersuchungsschritt zwei wird wiederum für jeden einzelnen extrahierten Faktor eine Faktorenanalyse durchgeführt, um die Eindimensionalität der Faktoren zu überprüfen. Jeder Faktor hat mindestens 50 Prozent der Varianz seiner Indikatoren zu erklären. Die zugeordneten Indikatoren haben eine Faktorladung von mindestens 0,4 aufzuweisen. In einem dritten Schritt wird die Reliabilität mit Hilfe des Cronbachschen Alphas überprüft. Bei Werten kleiner 0,7 wird derjenige Faktor mit der geringsten Item-to-Total-Korrelation eliminiert.

520 521

Vgl. die Empfehlung von Churchill (1979), S. 65. Vgl. Kumar, Scheer und Steenkamp (1993), S. 12.

Untersuchungsmethodik

141

5.2.3.3 Evaluierung formativer Messmodelle Die Umkehr der Kausalrichtung formativer Messmodelle (die Indikatoren formen die latente Variable) impliziert, dass die Gütebeurteilung reflektiver Messmodelle nicht gleichermaßen auf formative Messmodelle übertragen werden darf.522 Die Indikatoren eines formativen Messmodells bilden auf Basis der konzeptionellen Überlegungen die unterschiedlichen inhaltlichen Dimensionen der latenten Variablen ab und sind daher im Gegensatz zu reflektiven Indikatoren nicht austauschbar. Zwar können die Indikatoren positiv korreliert sein, sie sollten jedoch nicht hoch miteinander korreliert sein. Eine Eliminierung einzelner Indikatoren würde zu einer Verfälschung des substanziellen Inhalts der latenten Variablen führen.523 Aus diesem Grund lassen sich die vorgestellten Verfahren zur Gütebeurteilung reflektiver Messmodelle nicht auf formative Messmodelle übertragen. Rossiter (2002) stellt daher die inhaltliche Relevanz in den Vordergrund.524 Zunächst ist auf Basis theoretischer Überlegungen die konzeptionelle Breite der zu operationalisierenden latenten Variablen zu erfassen.525 Dabei ist es entscheidend, alle inhaltlichen Dimensionen der latenten Variablen abzubilden, um eine inhaltliche Übereinstimmung zwischen der Definition und der Operationalisierung zu erreichen.526 Da formative Messmodelle auf der multiplen Regression basieren, hängt die Stabilität der Koeffizienten der Indikatoren von der Fallzahl und der Stärke der Korrelationen zwischen den Indikatoren der latenten Variablen ab. Mit zunehmender linearer Abhängigkeit (Multikollinearität) der Indikatoren untereinander werden die Standardfehler der Koeffizienten größer und damit die Parameterschätzungen unzuverlässiger.527 Dies kann insbesondere in einer hohen Anfälligkeit gegenüber Änderungen des Modells, falscher Vorzeichen der Koeffizienten sowie insignifikanter Koeffizienten

522

Vgl. Diamantopoulos (1999), S. 453f., Eggert und Fassott (2003), S. 6f. Vgl. Eggert und Fassott (2003), S. 5f., Götz und Liehr-Gobbers (2004), S. 24, Albers und Hildebrandt (2006), S. 8. 524 Vgl. Rossiter (2002), S. 326 und S. 332, Rossiter (2005), S. 24, Diamantopoulos (2005), S. 6f. 525 Vgl. Rossiter (2002), S. 315, Diamantopoulos und Winklhofer (2001), S. 271. 526 Vgl. Bollen und Lennox (1991), S. 308. 527 Vgl. Grewal, Cote und Baumgartner (2004), S. 520. 523

142

Untersuchungsmethodik

resultieren.528 Bei perfekter Multikollinearität ist die Regressionsanalyse rechnerisch nicht durchführbar. Um nun lineare Abhängigkeiten zwischen den Indikatoren einer latenten Variablen zu identifizieren, können unterschiedliche Verfahren zur Anwendung kommen. Zunächst kann in einem ersten Schritt die Analyse der Korrelationsmatrix der Indikatoren erste Hinweise auf Multikollinearität geben. Dabei beschreibt der Pearson’sche Korrelationskoeffizient die lineare Abhängigkeit zweier metrischer Variablen als Quotient aus der Kovarianz und den beiden multiplizierten Standardabweichungen.529 Der Wertebereich des Korrelationskoeffizienten erstreckt sich zwischen –1 und 1. Für ordinale Variablen misst der Spearman’sche Rangkorrelationskoeffizient als Verallgemeinerung des Pearson’schen Korrelationskoeffizienten, ob grundsätzlich ein Zusammenhang zwischen zwei Variablen besteht. Dieser besitzt ebenfalls einen Wertebereich zwischen –1 und 1. Ernsthafte Multikollinearität besteht bei Korrelationskoeffizienten nahe dem Extremwert von Eins.530 Faustregeln gehen allerdings bereits von erhöhter Gefahr bei Werten größer als 0,5 aus. Bei Werten um 0,3 und 0,1 handelt es sich um moderate bzw. niedrige Werte.531 Die Korrelationskoeffizienten messen nur paarweise Abhängigkeiten. Dies hat zur Folge, dass auch bei niedrigen Werten eine hohe Multikollinearität im Messmodell bestehen kann.532 Folglich werden in dieser Arbeit als weitere Maße zur Kollinearitätsdiagnose die Toleranz, der Variance Inflation Factor sowie der Konditionsindex angewandt. Die Toleranz wird wie folgt berechnet:533 Tj = 1-Rj² ,

(20)

wobei Rj² das Bestimmtheitsmaß für die Regression der unabhängigen Variablen auf die übrigen unabhängigen Variablen ist. Multikollinearität kann bei Werten < 0,1 ver-

528

Vgl. Farrar und Glauber (1967), S. 98, Wang (1996), S. 23, Grapentine (1997), S. 11f., Hill und Adkins (2003), S. 256f. 529 Vgl. Fahrmeier, Künstler und Pigeot (1999), S. 136. 530 Vgl. Farrar und Glauber (1967), S. 98, Backhaus et al. (2003), S. 89. 531 Vgl. Cohen (1992), S. 157. 532 Vgl. Backhaus et al. (2003), S. 90. 533 Vgl. Backhaus et al. (2003), S. 90.

Untersuchungsmethodik

143

mutet werden, bei Werten < 0,01 kann sicher davon ausgegangen werden, dass Multikollinearität vorliegt.534 Der Variance Inflation Factor (VIF) ist der Kehrwert der Toleranz. Entsprechend deuten hier hohe Werte auf Multikollinearität hin. Die Literatur nennt als Faustformel den Grenzwert von 10,0 für den VIF.535 Grundsätzlich sollte aber dieser Wert weit niedriger angesetzt werden (2,0), um Multikollinearität auszuschließen, da ein VIF von 10,0 einem multiplen Korrelationskoeffizienten von 0,9 entspricht. Formal ergibt sich folgende Gleichung:536 VIFj

1 . 1  R 2j

(21)

Beide Verfahren habe die gemeinsame Schwäche, dass unklar ist, ab wann mit ernsthafter Multikollinearität zu rechnen ist. Aus diesem Grund wird zusätzlich der Konditionsindex zur Kollinearitätsdiagnose herangezogen: KI

O max , Oi

(22)

wobei Ȝmax der maximale in der Schätzung vorkommende Eigenwert und Ȝi der i-te Eigenwert der Varianz-Kovarianz-Matrix der unstandardisierten Regressionskoeffizienten zwischen den Indikatoren und der latenten Variablen ist. Je größer der Konditionsindex ist, desto stärker ist die auftretende Multikollinearität. Werte zwischen 10 und 30 deuten auf mäßige, Werte über 30 auf starke Multikollinearität hin.537 In Ergänzung wird eine Varianzzerlegung vorgenommen, bei der zu überprüfen ist, welche Varianzanteile der einzelnen Regressionskoeffizienten der Indikatoren durch die Konditionsindizes erklärt werden.538 Bei einer hohen Erklärung mehrerer Regressionskoeffizienten durch einen Eigenwert liegt ein Anzeichen für eine hohe Abhängigkeit des Indikators vor und damit kann auf das Vorliegen von Multikollinearität geschlossen

534

Vgl. Morrow-Howell (1994), S. 249, Fickel (2001), S. 41. Vgl. Chatterjee und Price (1977), S. 182, Kennedy (1998), S. 90. 536 Vgl. Belsley, Kuh und Welsch (1980), S. 93. 537 Vgl. Belsley, Kuh und Welsch (1980), S. 105. 538 Vgl. Hair et al. (1998), S. 220f. 535

144

Untersuchungsmethodik

werden.539 Tabelle 5-3 gibt eine Übersicht über die verwendeten Gütemaße für formative Messmodelle. Tabelle 5-3: Gütemaße formativer Messmodelle Gütemaß

Bezug

Korrelationskoeffizient (R²)

Indikator (paarweise)

Kritischer Wertebereich Hohe Korrelationen > 0,5

Toleranz (T)

Indikator

Multikollinearität vermutet bei < 0,1

Variance Inflation Factor (VIF)

Indikator

Konditionsindex (KI)

Index

Multikollinearität besteht bei < 0,01 Multikollinearität vermutet bei • 2,0 Mäßige Multikollinearität bei 10 – 30 Starke Multikollinearität bei > 30

Die Eliminierung von betroffenen Indikatoren wird jedoch nicht angestrebt, da der verbundene Informationsverlust eine grundlegende Veränderung des Bedeutungsinhaltes eines Index zur Folge haben kann.540 Vielmehr werden alle betroffenen Indikatoren über Mittelwertbildung zu einer Variablen zusammengefasst, die ihrerseits im Index vertreten ist. Für die Operationalisierung von latenten Variablen mit formativen Indikatoren soll ein dreistufiges Vorgehen angewendet werden. Zunächst wird in einem ersten Schritt der Inhalt des Index eingegrenzt und die einzelnen Komponenten werden näher spezifiziert. Dieser Schritt wurde bereits im Rahmen der theoretischen Fundierung und der Ableitung von Hypothesen in den Abschnitten 3.3 und 4 durchgeführt. In einem weiteren Schritt werden Indikatoren aus den theoretischen Überlegungen heraus gebildet, die den jeweiligen Index formieren. Im dritten Schritt werden die formativen Indikatoren eines jeden Index auf Multikollinearität überprüft und bei Vorliegen von Multikollinearität durch Bündelung der betroffenen Indikatoren behandelt. Die beiden letzteren Schritte werden in Abschnitt 6 dieser Arbeit ausgeführt. Abbildung 5-10 zeigt die Vorgehensweise im Rahmen dieser Arbeit im Überblick:

539 540

Vgl. Krafft, Götz und Liehr-Gobbers (2005), S. 80. Vgl. Bollen und Lennox (1991), S. 305 ff., Rossiter (2002), S. 315.

Untersuchungsmethodik

Abbildung 5-10: Operationalisierung der Indizes mit formativen Indikatoren

Spezifikation des Inhalts der Indizes aufgrund der theoretischen Fundierung

Bildung von Indikatoren unter Berücksichtigung aller inhaltlich relevanten Aspekte

Indexbezogene Prüfung auf Multikollinearität und ggf. Anpassung der Indizes

145

6

Befunde der empirischen Untersuchung

6.1 Latente Variablen des Erfolgsmodells 6.1.1 Auswahl der Indikatoren Entsprechend den Ausführungen in Abschnitt 4.1.2 dieser Arbeit setzt sich das Erfolgsmodell aus unmittelbaren und mittelbaren Teilerfolgsgrößen zusammen. Die unmittelbaren Teilerfolgsgrößen werden im Erfolgsmodell den Kundenlebenszyklusphasen zugeordnet. Die mittelbaren Teilerfolgsgrößen determinieren schließlich den Gesamterfolg des Unternehmens. Zunächst ließe sich der Erfolg von CRM anhand des Kundenumsatzes oder des Kundendeckungsbeitrags erfassen. Dieses Vorgehen ist insoweit zu kritisieren, als dass diese Größen maßgeblich auch durch Faktoren beeinflusst und überlagert werden, die außerhalb der Kundenbeziehung liegen (z.B. Konjunktursituation, Kostenstrukturen oder Entwicklungen in der Produktionstechnik).541 Der mittel- und langfristige Erfolg des Unternehmens wird darüber hinaus auch davon abhängen, ob es gelingt, die Kunden zu entwickeln und an das Unternehmen zu binden. Hinzu kommt, dass der Umsatz kein exakter Indikator für die phasenbezogenen differenzierten Kundenbedürfnisse, -erwartungen und -verhaltensweisen darstellt. Diller (2001) fordert daher den Einsatz von Maßstäben der Kundenbindung, beispielweise die Kundendurchdringungsrate, die Wiederkaufrate oder die Kundenzufriedenheit.542 Bruhn (2001) fordert des Weiteren die Verwendung verhaltensbezogener Kriterien wie die Kauffrequenz, das Integrationsverhalten oder das Kommunikationsverhaltens.543 Diese Arbeit folgt weitestgehend den Forderungen von Diller (2001) und Bruhn (2001) und misst den Erfolg der drei Kundenlebenszyklusphasen „Anbahnung“, „Expansion“ sowie „Bindung“ anhand von sieben Teilerfolgsindikatoren, welche die Verbesserung in Prozent seit Einführung von CRM abfragen. Die Messung des Erfolgs der Phase „Anbahnung“ wird über zwei Indikatoren „Verbesserung der Neukundenakquisition“ und „Verbesserung der Kundenrückgewinnung“ vorgenommen, welche die latente Variable „Anbahnungserfolg“ formativ bilden, da beide Indi-

541

Vgl. Diller (2001), S. 865. Vgl. für eine ähnliche Konzeption Gupta und Zeithaml (2005), S. 50ff. 543 Vgl. Bruhn (2001), S. 46. 542

148

Befunde der empirischen Untersuchung

katoren unterschiedliche Facetten des „Anbahnungserfolgs“ messen, die nicht notwendigerweise gleichgerichtet sein müssen. Der Erfolg der Phase „Expansion“ wird durch drei Indikatoren „Verbesserung der Kundenzufriedenheit“, „Verbesserung Cross-/UpSelling“ und „Verbesserung des Gesamtertrags pro Kunde“ reflektiv gemessen. Schließlich wird der Erfolg der Phase „Bindung“ über zwei Indikatoren „Verbesserung der Kundenbindung“ und „Senkung der Kundenabwanderungsrate“ reflektiv operationalisiert. Zur Messung des mittelbaren Gesamterfolgs eines Unternehmens soll auf bereits etablierte Messgrößen zurückgegriffen werden. In der Literatur wird zwischen subjektiven und objektiven Messgrößen unterschieden. Objektive Messgrößen werden zumeist aus Geschäftsberichten extrahiert, während subjektive Messgrößen auf dem Urteil von Key-Informants beruhen. Der Gesamterfolg wird subjektiv durch die vier Indikatoren „Gesamtergebnis“, “Marktanteil“, „Wachstum“ und „Profitabilität“ auf einer fünfstufigen Antwortskala gemessen. Dabei ist der Erfolg anhand eines Vergleichs mit den Wettbewerbern auf einer fünfpoligen Skala mit den Skalenpolen „1 = viel schlechter und 5 = viel besser“ einzuschätzen. Diese Operationalisierung orientiert sich an dem Vorgehen von Desphandé, Farley und Webster (1993) sowie Jaworksi und Kohli (1993).544 Im Zusammenhang mit der Untersuchung des Wirkungszusammenhangs zwischen CRM und dem Unternehmenserfolg wählen Reinartz, Krafft und Hoyer (2004) eine identische Operationalisierung.545 Allerdings wird für diese Arbeit die latente Variable „Gesamterfolg“ anhand formativer Indikatoren operationalisiert, da die gewählten Indikatoren unterschiedliche Facetten des Gesamterfolgs messen, die nicht notwendigerweise bei einer Änderung der latenten Variablen „Gesamterfolg“ alle in die gleiche Richtung sich ändern müssen.546 Die Operationalisierung des Erfolgs von CRM-Implementierungen erfolgt damit über insgesamt elf Erfolgsindikatoren.

544

Vgl. Desphandé, Farley und Webster (1993), S. 29, Jaworski und Kohli (1993), S. 60. Vgl. Reinartz, Krafft und Hoyer (2004), S. 299, ähnlich Rust et al. (2004), S. 79. 546 Vgl. für die Erläuterung formativer Messmodelle Abschnitt 5.2.1 dieser Arbeit. 545

Befunde der empirischen Untersuchung

149

6.1.2 Spezifizierung der Faktorstruktur Die identifizierten Erfolgsindikatoren sollen entsprechend den Kundenlebenszyklusphasen zu grundlegenden Erfolgsdimensionen zusammengefasst werden. Aus Tabelle 6-1 ist ersichtlich, dass diejenigen Erfolgsindikatoren, die inhaltlich eng miteinander zusammenhängen und reflektiv spezifiziert wurden, hohe wechselseitige Abhängigkeiten aufweisen. Dies gilt insbesondere für die Kriterien „Verbesserung der Kundenbindung“ und „Senkung der Kundenabwanderungsrate“ (0,694), „Verbesserung der Kundenzufriedenheit“ und „Verbesserung Cross-/Up-Selling“ (0,614) sowie „Verbesserung Cross- /Up-Selling“ und „Verbesserung des Gesamtertrags pro Kunde“ (0,548). Interessanterweise weist das Erfolgsmaß „Gesamtergebnis“ nur sehr geringe Korrelationen zu den ersten sieben Erfolgsmaßen auf. Dieses Ergebnis verdeutlich die Wichtigkeit, den CRM-Erfolg eben nicht über allein monetäre Erfolgsmaße zu messen, sondern vielmehr nicht-monetäre, kundenbezogene Erfolgsmaße anzuwenden. Geringe Korrelationen zwischen den Indikatoren „Gesamtergebnis“, „Marktanteil“, „Wachstum“ und „Profitabilität“ bestätigen die angestrebte Bildung der latenten Variablen „Gesamterfolg“ unter Verwendung formativer Indikatoren.547 Eine statistische Überprüfung dieser Indizes anhand des Cronbachschen Alpha kann im Gegensatz zu den Erfolgskonstrukten mit reflektiven Indikatoren unterbleiben.548 Die im Rahmen der Indexbildung durchgeführte Überprüfung der Toleranz, des VIF und des Konditionsindex deuten nicht auf das Vorliegen von Multikollinearität hin.

547 548

Ein identisches Vorgehen wählen Reinartz, Krafft und Hoyer (2004), S. 299. Vgl. Abschnitt 5.2.3 dieser Arbeit.

1,000

0,457**

0,739**

0,623**

0,449**

0,427**

0,379**

0,141

0,145

0,008

0,024

Verbesserung der Neukundenakquisition

Verbesserung der Kundenrückgewinnung

Verbesserung der Kundenzufriedenheit

Verbesserung Cross- /Up-Selling

Verbesserung des Gesamtertrags pro Kunde

Verbesserung der Kundenbindung

Senkung der Kunden- abwanderungsrate

Gesamtergebnis

Marktanteil

Wachstum

Profitabilität

1.

2.

3.

4.

5.

6.

7.

8.

9.

10.

11.

-0,206

0,098

-0,057

0,002

0,377**

0,327**

0,320**

0,493**

0,418**

1,000

2.

0,043

0,054

0,201

0,150

0,419**

0,520**

0,410**

0,614**

1,000

3.

** Die Korrelation ist signifikant auf dem Niveau von 0,01. * Die Korrelation ist signifikant auf dem Niveau von 0,05.

1.

Erfolgsmaß

0,018

0,211**

0,322**

0,131

0,494**

0,557**

0,548**

1,000

4.

-0,025

0,053

0,154

0,046

0,387**

0,467**

1,000

5.

-0,099

0,166

0,149

-0,019

0,694**

1,000

6.

-0,293**

0,028

-0,032

-0,130

1,000

7.

0,555**

0,280**

0,319**

1,000

8.

0,224*

0,226*

1,000

9.

0,315**

1,000

10.

1,000

11.

150 Befunde der empirischen Untersuchung

Tabelle 6-1: Korrelationsmatrix der Teilerfolgsindikatoren

Befunde der empirischen Untersuchung

151

Tabelle 6-2 stellt die Zusammensetzung des Index „Gesamterfolg“ übersichtlich dar. Dafür wird zunächst in der linken oberen Tabellenhälfte die Korrelationsmatrix vor Prüfung auf Multikollinearität dargestellt. Tabelle 6-2: Zusammensetzung des Index „Gesamterfolg“ Index „Gesamterfolg“ Korrelationen vor Prüfung auf Multikollinearität Indikator

1.

2.

3.

4.

1.

1,000

2.

0,555**

1,000

3.

0,319**

0,224*

1,000

4.

0,280**

0,315**

0,226*

Korrelationen nach Prüfung auf Multikollinearität Indikator

1.

2.

1.

1,000

2.

0,310**

1,000

3.

0,322**

0,226*

3.

1,000

1,000

** Die Korrelation ist signifikant auf dem Niveau von 0,01. * Die Korrelation ist signifikant auf dem Niveau von 0,05. Zusammensetzung des Index Vor Prüfung auf Multikollinearität Indikatoren

Nach Prüfung auf Multikollinearität

T

VIF

1. Gesamtergebnis

0,646

1,548

2. Profitabilität

0,664

1,507

Indikatoren 1. Gesamterfolg

T

VIF

0,980

1,195

3. Marktanteil

0,877

1,140

2. Marktanteil

0,886

1,128

4. Wachstum

0,687

1,153

3. Wachstum

0,879

1,138

Konditionsindex: 11,345

Konditionsindex: 9,001

Hohe Werte des Korrelationskoeffizienten zwischen den Variablen „Gesamtergebnis“ und „Profitabilität“ deuten auf das Vorliegen linearer Abhängigkeiten hin. Daher werden die beiden Variablen unter Bildung eines Mittelwerts zu der Variablen „Gesamterfolg“ zusammengefasst. In der rechten oberen Tabellenhälfte sind die Korrelationen der verbleibenden drei Indikatoren nach Prüfung auf Multikollinearität dargestellt. Die untere Tabellenhälfte zeigt die Zusammensetzung des Index auf. In der linken unteren Tabellenhälfte sind die Bezeichnungen der Indikatoren sowie die weiteren Multikollinearitätskriterien Toleranz und VIF sowie der Konditionsindex vor Prüfung auf Multikollinearität dargestellt. Die Korrelationen zwischen den Variablen befinden sich auf einem moderaten Niveau. Rechts sind entsprechend die Indikatoren und Multikollinearitätskriterien nach Prüfung auf Multikollinearität aufgeführt. Wenn auch die Toleranzen der Indikatoren ausreichend hohe Werte (> 0,1) und umgekehrt die VIFs geringe Werte aufweisen und auch der Konditionsindex im vertretbaren Bereich (< 10) liegt,

152

Befunde der empirischen Untersuchung

so wird im Rahmen dieser Arbeit jedoch die Auffassung vertreten, dass alle vier Multikollinearitätkriterien erfüllt sein müssen. Als Ergebnis der Zusammenfassung der Variablen „Gesamtergebnis“ und „Profitabilität“ zum „Gesamterfolg“ steigen die Werte der Toleranz, während die Werte des VIF und des Konditionsindex sinken. Ähnlich verhält es sich mit den Erfolgsmaßen „Verbesserung der Neukundenakquisition“ und „Verbesserung der Kundenrückgewinnung“, die zur latenten Variablen „Anbahnungserfolg“ geformt werden. Damit kann der „Anbahnungserfolg“ als Effekt des Ausmaßes an Neukundengewinnung und Kundenrückgewinnung angesehen werden. Tabelle 6-3: Zusammensetzung des Index „Anbahnungserfolg“ Index „Anbahnungserfolg“ Korrelationen Indikator

1.

1.

1,000

2.

0,457**

2. 1,000

** Die Korrelation ist signifikant auf dem Niveau von 0,01. Zusammensetzung des Index T

VIF

1. Verbesserung der Neukundenakquisition

0,791

1,264

2. Verbesserung der Kundenrückgewinnung

0,791

1,264

Indikatoren

Konditionsindex: 3,083

Für die übrigen fünf erhobenen Teilerfolgsmaße bestätigen die hohen bivariaten Korrelationen die Annahme, dass es sich hierbei um reflektive Indikatoren handelt. Diese Annahme erscheint plausibel, da eine Veränderung des ihnen jeweils zugrunde liegenden Phänomens eine Änderung aller Indikatoren dieses Erfolgsmaßes in die gleiche Richtung hervorrufen wird.549 Für das Teilerfolgsmaß „Bindungserfolg“ erscheint es beispielsweise plausibel, das ein verminderter „Bindungserfolg“ mit einem Rückgang der Kundenbindung und einem Ansteigen der Kundenabwanderungsrate verbunden ist. Für das Teilerfolgsmaß „Expansionserfolg“ sollte sich ein geringerer „Expansionserfolg“ in einer sinkenden Kundenzufriedenheit, sinkendem Cross-/Up-Selling-Erfolg und einem sinkenden Gesamtertrag pro Kunden äußern.

549

Vgl. Chin (1998), S. 331.

Befunde der empirischen Untersuchung

153

Zur Bestätigung der vermuteten Struktur der Kundenlebenszyklusphasen werden die verbleibenden fünf reflektiven Teilerfolgsindikatoren einer explorativen Faktorenanalyse unterzogen und anhand der in Tabelle 6-4 dargestellten Gütemaße überprüft. Tabelle 6-4: Gütemaße zur Beurteilung der Modellanpassung der Faktorenanalyse Gütemaße zur Beurteilung der Modellanpassung Gütemaß

Bezug

Barlett-Test

Datenmaterial Signifikanz ” 0,05

Anspruchniveau

Anti-Image-Kovarianzmatrix

Datenmaterial Max. 25 % der nicht-diagonalen Elemente ҕ 0,09Ň

Kaiser-Meyer-Olkin (KMO)-Kriterium

Datenmaterial KMO-Kriterium • 0,5

Measure-of-Sampling-Adequacy (MSA) Datenmaterial Alle MSA-Werte • 0,5 Erklärter Varianzanteil

Faktor

• 50 %

Höhe der Eigenwerte (Kaiser-Kriterium) Faktor

•1

Faktorladungsstruktur

Faktor

Faktorladungen • 0,4 mit deutlich niedrigeren Querladungen

Kommunalität

Indikator

• 0,5

Cronbachs Alpha

Faktor

Į > 0,7

Item-to-Total-Korrelation

Indikator

Möglichst hohe Korrelationen

Zunächst ist das vorliegende Datenmaterial hinsichtlich der Eignung zu überprüfen. Als Kriterien können der Barlett-Test, die Anti-Image-Kovarianzmatrix sowie der Kaiser-Meyer-Olkin-Test dienen.550 Der Barlett-Test überprüft die Hypothese, ob die Stichprobe aus einer Grundgesamtheit stammt, die unkorrelierte Variablen enthält. Das Signifikanzniveau des Barlett-Tests (0,00) unterschreitet die kritische Irrtumswahrscheinlichkeit von 0,05 deutlich. Der Anteil der Nicht-Diagonal-Elemente der AntiImage-Kovarianzmatrix, die ungleich null (d.h. > 0,09) sind, sollten 25 Prozent nicht überschreiten.551 Keines der Nicht-Diagonal-Elemente überschreitet den kritischen Wert von Ň0,09Ň, was auf eine für faktoranalytische Auswertungen geeignete Korrelationsmatrix schließen lässt. Der Kaiser-Meyer-Olkin-Test ermittelt die Höhe der Korrelationen zwischen den Variablen mit den Faktoren. Zum einen wird eine Prüfgröße für die gesamte Korrelationsmatrix ermittelt (KMO-Kriterium), zum anderen

550 551

Vgl. Backhaus et al. (2003), S. 274ff. Vgl. Dziuban und Shirkey (1974).

154

Befunde der empirischen Untersuchung

werden Prüfgrößen für sämtliche Variablen (Measure-of-Sampling-Adequacy (MSA)Kriterium) berechnet. Die Wert für das KMO-Kriterium überschreitet die Mindestanforderungen (> 0,5) mit 0,797 erheblich. Auch alle MSA-Werte überschreiten den geforderten Wert von 0,5 deutlich und können nach Kaiser und Rice (1974) als „ziemlich gut“ bzw. „verdienstvoll“ angesehen werden.552 Alle Kriterien werden damit durch das verwendete Datenmaterial erfüllt.553 Im Rahmen der Faktorextraktion werden zwei Faktoren extrahiert, die insgesamt 75,28 Prozent der Gesamtvarianz erklären. Alle Kommunalitäten übersteigen den kritischen Wert von 0,5 deutlich. Dieses Ergebnis bestätigt die Konzeptionalisierung der Kundenlebenszyklusphasen. Eine Übersicht über die Faktorladungsstruktur gibt die Tabelle 6-5: Tabelle 6-5: Faktorladungsmatrix der reflektiven Teilerfolgsindikatoren Faktor

Teilerfolgsindikatoren

1

2

0,737

0,312

Verbesserung Cross-/Up-Selling

0,795

0,352

Verbesserung Gesamtertrag pro Kunde

0,799

0,168

Verbesserung der Kundenbindung

0,393

0,817

Senkung der Kundenabwanderungsrate

0,218

0,912

40,29 %

34,99 %

Expansionserfolg Verbesserung der Kundenzufriedenheit

Bindungserfolg

Faktorladungen (nach Varimax-Rotation)

Erklärte Varianz (Ȉ = 75,28 %)

Der erste Faktor kann als Dimension „Expansionserfolg“ interpretiert werden und weist mit 40,29 Prozent erklärter Varianz den höchsten Erklärungsbeitrag. Er beinhaltet die Indikatoren „Verbesserung der Kundenzufriedenheit“, „Verbesserung Cross-/ Up-Selling“ und „Verbesserung des Gesamtertrags pro Kunde“. Alle Indikatoren weisen eine ähnlich hohe Faktorladung auf und repräsentieren damit den Faktor in gleichem Maße. Der zweite Faktor soll als Dimension „Bindungserfolg“ interpretiert werden. Hinter dieser Dimension, die 34,99 Prozent der Varianz erklärt, stehen die Teilerfolgsmaße

552 553

Vgl. Kaiser und Rice (1974), S. 111ff. Vgl. die Tabellen A2-1 und A2-2 im Anhang 10.2 dieser Arbeit.

Befunde der empirischen Untersuchung

155

„Verbesserung der Kundenbindung“ und „Senkung der Kundenabwanderungsrate“. Auch hier laden die Indikatoren in ähnlicher Höhe auf den zugrunde liegenden Faktor. Im Rahmen dieser Arbeit werden zur Überprüfung der internen Konsistenz in einem zweiten Schritt für jeden Faktor die Gütekriterien der ersten Generation berechnet.554 Dieses Vorgehen folgt damit den Ausführungen bisheriger Arbeiten zur Schätzung von Strukturgleichungsmodellen mittels PLS.555 Dabei zeigt sich auch hier, dass sowohl der Faktor „Expansionserfolg“ mit 68,41 Prozent erklärter Varianz als auch der Faktor „Bindungserfolg“ mit 84,72 Prozent erklärter Varianz deutlich mehr als 50 Prozent der zugehörigen Indikatoren erklären. Auch die Faktorladungen liegen deutlich über dem kritischen Wert von 0,4. Das Konstrukt „Bindungserfolg“ weist für das Cronbachsche Alpha mit 0,795 den höchsten Wert auf. Alle Teilerfolgsindikatoren erfüllen den Mindestwert von 0,7, so dass kein Indikator eliminiert werden muss. Die Item-to-total-Korrelationen der Indikatoren übersteigen den Mindestwert von 0,3 deutlich. Die Werte können der folgenden Tabelle 66 entnommen werden: Tabelle 6-6: Konstruktzusammensetzung und Gütekriterien der ersten Generation Konstrukt

Teilerfolgsindikatoren

Faktorladung

Item-to-TotalKorrelation

Expansionserfolg

Verbesserung der Kundenzufriedenheit

0,818

0,823

Cronbachs Alpha: 0,769

Verbesserung Cross-/Up-Selling

0,882

0,879

0,778

0,776

Erklärte Varianz: 68,41% Verbesserung Gesamtertrag pro Kunde Bindungserfolg

Verbesserung der Kundenbindung

0,920

0,945

Cronbachs Alpha: 0,795

Senkung der Kundenabwanderungsrate

0,920

0,892

Erklärte Varianz: 84,72%

In das Erfolgsmodell gehen damit insgesamt vier Teilerfolgsdimensionen ein. Zum einen handelt es sich um die zwei Konstrukte „Expansionserfolg“ und „Bindungserfolg“, die durch reflektive Indikatoren repräsentiert werden. Zum anderen werden die Konstrukte „Anbahnungserfolg“ und „Gesamterfolg“ durch formative Indikatoren gebildet.

554 555

Vgl. Homburg und Giering (1996). Vgl. bspw. Hinkel (2001), Becker (2004), Thies (2005), Götz und Liehr-Gobbers (2004).

156

Befunde der empirischen Untersuchung

6.1.3 Deskriptive Analyse der Erfolgsdimensionen des Kundenlebenszyklus Der „Gesamterfolg“ des Unternehmens wird durch die aus Tabelle 6-7 ersichtlichen Teilerfolgsindikatoren gemessen und anhand einer subjektiven Einschätzung im Vergleich zu den Wettbewerbern vorgenommen. Tabelle 6-7: Deskriptive Statistiken zu den Erfolgsindikatoren des „Gesamterfolgs“ Erfolgsdimensionen Erfolgsmerkmale

MW

Med.

Stab.

Gesamterfolg

Gesamtergebnis

3,57

4,00

0,74

Rang 2

Marktanteil

3,59

4,00

1,05

1

Wachstum

3,47

3,0

0,82

3

Profitabilität

3,33

3,0

0,83

4

Kodierung der Skalenpole: 1 = viel schlechter, 5 = viel besser

Aus Tabelle 6-7 ist ersichtlich, dass die Teilerfolgsindikatoren „Marktanteil“ und „Gesamtergebnis“ höher bewertet werden als „Wachstum“ und „Profitabilität“ im Vergleich mit anderen Wettbewerbern. Augenscheinlich sehen sich die befragten Unternehmen im Vergleich zu ihren Wettbewerbern mit Mittelwerten zwischen 3,33 und 3,59 als sehr ähnlich an, was auf den hohen Wettbewerbsdruck schließen lässt. Damit verbunden ist die Schwierigkeit einer Differenzierung in gesättigten Märkten zur Verbesserung des eigenen Gesamterfolgs. Zusammenfassend kann festgehalten werden, dass sich die befragten Unternehmen als relativ nur geringfügig erfolgreicher ansehen als ihre direkten Konkurrenten. Die den vorökonomischen Faktoren des Erfolgsmodells zugrunde liegenden Indikatoren stellen Verbesserungen in Prozent seit Einführung von CRM dar. Die deskriptiven Statistiken der einzelnen Teilerfolgsindikatoren sind in Tabelle 6-8 dargestellt. Insgesamt werden durch die Einführung von CRM in den kundenrelevanten Erfolgsdimensionen durchschnittliche Verbesserungen zwischen 12,12 Prozent (Kundenrückgewinnung) und 24,86 Prozent (Kundenbindung) erzielt. Auffällig ist, dass die Kundenbindung und die Kundenzufriedenheit mit den höchsten Verbesserungen durch den Einsatz von CRM bewertet wurden. Dieses Ergebnis scheint jedoch nicht verwunder-

Befunde der empirischen Untersuchung

157

lich, da diese beiden Ziele ja zu den Kernzielen von CRM gehören.556 Allerdings kommen frühere Studien zu höheren Ergebnissen.557 Dies kann daran liegen, dass zum Zeitpunkt der Datenerhebung (Juni bis September 2003) die erste Euphorie bzgl. der Einführung von CRM vorüber war und realistische Einschätzungen der Erfolgswirkungen von CRM vorlagen. Zudem nimmt interessanterweise die Verbesserung des Gesamtergebnisses pro Kunde einen niedrigeren Rang ein, was einen ersten Hinweis auf eine mögliche Schwäche von bisherigen CRM-Implementierungen liefert. Tabelle 6-8: Deskriptive Statistiken zu den Bewertungen der Erfolgsindikatoren des „Kundenlebenszyklus“ Erfolgsdimensionen Erfolgsmerkmale

MW

Med.

Stab.

Akquisitionserfolg

Verbesserung der Neukundenakquisition

18,67

15,00

17,47

4

Verbesserung der Kundenrückgewinnung

12,17

10,00

15,20

7

Verbesserung der Kundenzufriedenheit

20,12

20,00

15,38

2

Verbesserung Cross-/Up-Selling

19,02

19,00

15,80

3

Expansionserfolg

Bindungserfolg

Rang

Verbesserung des Gesamtergebnis pro Kunde

11,82

10,00

14,18

6

Verbesserung der Kundenbindung

24,86

20,00

21,58

1

Senkung der Kundenabwanderungsrate

13,86

10,00

15,64

5

Angaben in Prozent Verbesserung seit Einführung von CRM

In Hinblick auf die unterschiedlichen Branchen weisen die Branchen Handel und produzierendes Gewerbe, Informations- und Kommunikationstechnologie sowie Energie und Chemie in den Erfolgsmaßen nur geringe Mittelwertunterschiede auf. Auffällig ist, dass die Branche Finanzdienstleistungen über alle Erfolgsmaße mit Ausnahme der Verbesserung der Kundenbindung und Senkung der Kundenabwanderungsrate besser abschneidet als die anderen betrachteten Branchen. Dieses Ergebnis ist jedoch wenig überraschend, da die Branche Finanzdienstleistungen in besonderem Maße in der Lage sein sollte, aufgrund der umfangreich vorhandenen Kundeninformationen und der Ausgestaltung ihrer Produkte CRM erfolgreicher zu betreiben als andere Branchen.

556 557

Vgl. Frank et al. (2002), S. 43. Eggert (2001), S. 89, Rigby, Reichheld und Schefter (2002).

158

Befunde der empirischen Untersuchung

6.2 Indizes der Erfolgsfaktoren: Indexbildung und deskriptive Datenanalyse 6.2.1 Indizes der phasenbezogenen CRM-Maßnahmen 6.2.1.1 Index „Anbahnungsmanagement“ Die Messung der latenten Variablen „Anbahnungsmanagement“ zielt auf den Einsatz von CRM-Maßnahmen ab, die versuchen, den Erfolg in der Phase „Anbahnung“ zu beeinflussen. Tabelle 6-9: Kollinearitätskriterien und Zusammensetzung des Index „Anbahnungsmanagement“ vor Prüfung auf Multikollinearität Index „Anbahnungsmanagement“ Korrelationen vor Prüfung auf Multikollinearität Ind.

1.

2.

1.

1,000

2.

0,548** 1,000

3.

4.

5.

3.

0,551** 0,554** 1,000

4.

0,592** 0,486** 0,443**

5.

0,340** 0,183

0,315**

0,172

6.

0,160

0,114

0,313**

0,210* 0,029

7.

0,222*

0,186

0,062

6.

7.

1,000

-0,062

1,000 0,203

1,000 0,234*

1,000

** Die Korrelation ist signifikant auf dem Niveau von 0,01. * Die Korrelation ist signifikant auf dem Niveau von 0,05. Zusammensetzung des Index vor Prüfung auf Multikollinearität Indikatoren

T

VIF

1. Kundengruppen unterschiedlichen Potenzials begegnen wir mit unterschiedlichen Kommunikationsstrategien.

0,458

2,186

2. Kundengruppen werden entsprechend ihrer Vertriebskanalpräferenz kontaktiert.

0,551

1,813

3. Kunden und potenziellen Kunden werden unterschiedliche Produkte entsprechend ihrem Potenzial an-geboten.

0,513

1,948

4. Unsere Produkte/Dienstleistungen sind auf Kunden mit unterschiedlichen Kundenwerten zugeschnitten.

0,541

1,847

5. Wir vermeiden Beziehungen mit potenziellen Kunden, die wenig profitabel oder unprofitabel sind.

0,821

1,218

6. Wir nutzen unterschiedliche Vertriebskanäle (Vertrieb, Telefon, Internet,...), um Kunden zu akquirieren.

0,796

1,256

7. Wir haben eine festgelegte Prozedur, um mit verlorenen Kunden zu kommunizieren.

0,767

1,303

Konditionsindex: 18,010

Befunde der empirischen Untersuchung

159

Da in Hinblick auf die Literatur kaum etablierte Skalen Anwendung finden konnten, wurde die Operationalisierung des Index „Anbahnungsmanagement“ formativ anhand der Prinzipien des Beziehungsmarketings vorgenommen.558 Tabelle 6-9 zeigt die erhobenen Indikatoren im Überblick. Alle Indikatoren wurden auf einer fünfstufigen Skala von „1 = überhaupt nicht zutreffend“ über „3 = unentschieden“ bis „5 = voll und ganz zutreffend“ erhoben. Da die einzelnen CRM-Maßnahmen unabhängig voneinander durch die Unternehmen einsetzbar sind, werden die verwendeten Indikatoren formativ spezifiziert. Die Prüfung des Index auf Multikollinearität offenbart jedoch zum Teil hohe bivariate Abhängigkeiten zwischen den Indikatoren eins bis vier. Dementsprechend weisen auch die Werte der Toleranzen und VIF höhere Werte auf. Auch der Konditionsindex aller Indikatoren deutet mit einem Wert von 18,010 auf schwache bis mäßige Multikollinearität hin. Daher sollen diejenigen Variablen, die hohe Korrelationen (> 0,5) aufweisen über Mittelwertbildung zu einer Variablen „Kundenwertorientierte Kommunikationsstrategie“ zusammengefasst werden. Tabelle 6-10: Kollinearitätskriterien und Zusammensetzung des Index „Anbahnungsmanagement“ nach Prüfung auf Multikollinearität Index „Anbahnungsmanagement“ Korrelationen nach Prüfung auf Multikollinearität Ind.

1.

2.

3.

1.

1,000

2.

0,310** 1,000

3.

0,243*

0,029

1,000

4.

0,129

0,203

0,234*

4.

1,000

** Die Korrelation ist signifikant auf dem Niveau von 0,01. * Die Korrelation ist signifikant auf dem Niveau von 0,05. Zusammensetzung des Index nach Prüfung auf Multikollinearität Indikatoren 1. Kundenwertorientierte Kommunikationsstrategie

T

VIF

0,849

1,178

2. Wir vermeiden Beziehungen mit potenziellen Kunden, die wenig profitabel oder unprofitabel sind.

0,869

1,150

3. Wir nutzen unterschiedliche Vertriebskanäle (Vertrieb, Telefon, Internet,...), um Kunden zu akquirieren.

0,892

1,121

4. Wir haben eine festgelegte Prozedur, um mit verlorenen Kunden zu kommunizieren.

0,907

1,103

Konditionsindex: 13,173

558

Vgl. Abschnitt 4.2.1.1 dieser Arbeit.

160

Befunde der empirischen Untersuchung

Die Betrachtung der Kollinearitätskriterien nach Zusammenfassung der betroffenen ersten vier Indikatoren zum Index „Kundenwertorientierte Kommunikationsstrategie“ (fett dargestellt) in Tabelle 6-10 zeigt nur noch schwache bivariate Abhängigkeiten, akzeptable Toleranzen und VIFs sowie einen Rückgang des Konditionsindex auf 13,173, so dass nun allenfalls noch von schwacher Multikollinearität gesprochen werden kann. Aus Tabelle 6-11 ist anhand der deskriptiven Befunde deutlich erkennbar, dass die Ansprache der Kunden über unterschiedliche Vertriebskanäle den höchsten Rangplatz einnimmt, gefolgt von der Kundenwertorientierten Kommunikationsstrategie. Tabelle 6-11: Deskriptive Statistiken zu den Bewertungen von Merkmalen des „Anbahnungsmanagements“ Bezeichnung der Indikatoren des Index „Anbahnungsmanagement“

MW

Med.

Stab.

1. Kundengruppen unterschiedlichen Potenzials begegnen wir mit unterschiedlichen Kommunikationsstrategien.*

Rang

3,68

4,00

1,225

2. Kundengruppen werden entsprechend ihrer Vertriebskanalpräferenz kontaktiert.*

3,40

4,00

1,331

3. Kunden und potenziellen Kunden werden unterschiedliche Produkte entsprechend ihrem Potenzial angeboten.*

3,81

4,00

1,141

4. Unsere Produkte/Dienstleistungen sind auf Kunden mit unterschiedlichen Kundenwerten zugeschnitten.*

3,31

3,50

1,231

5. Wir vermeiden Beziehungen mit potenziellen Kunden, die wenig profitabel oder unprofitabel sind.

2,93

3,00

1,216

3

6. Wir nutzen unterschiedliche Vertriebskanäle (Vertrieb, Telefon, Internet,...), um Kunden zu akquirieren.

4,20

4,00

1,019

1

7. Wir haben eine festgelegte Prozedur, um mit verlorenen Kunden zu kommunizieren.

2,33

2,00

1,227

4

2

Kodierung der Skalenpole: 1 = überhaupt nicht zutreffend, 5 = voll und ganz zutreffend * Item im Index über Bildung eines Mittelwertes zusammengefasst

Dennoch offenbart ein Blick auf die zum Index „Kundenwertorientierte Kommunikationsstrategie“ zusammengefassten Indikatoren (in Tabelle 6-11 kursiv dargestellt), dass ein kundengruppenrelevantes Produktangebot sowie die kundengruppengerechte Ansprache in den befragten Unternehmen umgesetzt sind. Auf der anderen Seite scheint ein wirklich kundenwertorientiertes Management, welches Beziehungen zu unprofitablen Kunden im Vorfeld vermeidet, eher nicht implementiert zu sein. Auch ein formalisiertes Kundenrückgewinnungsmanagement erhält mit einer Ausprägung des Mittelwerts von 2,33 nur geringe Zustimmungswerte. Vergleicht man die Mittelwerte der einzelnen Branchen, so weist die Branche Informations- und Kommunikati-

Befunde der empirischen Untersuchung

161

onstechnologie eine leicht positivere Bewertung auf. Dieses Ergebnis ist auf gesättigten Märkten mit hoher Wettbewerbsintensität um so verwunderlicher, da zu erwarten ist, dass sich bei steigender Markttransparenz die Kundenmigration eher noch verstärken wird.559 6.2.1.2 Index „Expansionsmanagement“ Auch für die Kundenlebenszyklusphase „Expansion“ werden CRM-spezifische Maßnahmen identifiziert, welche die Teilerfolgsdimensionen beeinflussen.560 Da für diese latente Variable bislang in der Literatur ebenfalls keine Messvariablen zu entnehmen sind, sollen diese im Rahmen dieser Arbeit auf Grundlage des Literaturstudiums sowie Expertengesprächen definiert werden. Alle Indikatoren wurden auf einer fünfstufigen Skala von „1 = überhaupt nicht zutreffend“ über „3 = unentschieden“ bis „5 = voll und ganz zutreffend“ erhoben. Da die einzelnen CRM-Maßnahmen unabhängig voneinander durch die Unternehmen einsetzbar sind, sind die verwendeten Indikatoren formativ ausgeprägt. Eine Übersicht über die verwendeten Indikatoren bietet Tabelle 6-12. Die Prüfung des Index „Expansionsmanagement“ auf Multikollinearität offenbart jedoch zum Teil hohe bivariate Abhängigkeiten zwischen den Indikatoren 1, 2, 3 sowie 4, 5, 6 und 7, 8, 9, 10. Dementsprechend weisen auch die Werte der Toleranzen und VIFs höhere Werte auf. Auch der Konditionsindex aller Indikatoren deutet mit einem Wert von 20,976 auf schwache bis mäßige Multikollinearität hin. Entsprechend dem bisherigen Vorgehen werden auch hier diejenigen Variablen, die hohe Korrelationen (> 0,5) aufweisen, über Mittelwertbildung zu den Variablen „Kundenwertorientierte Kommunikationsstrategie“, „Servicemanagement“ sowie „Durchführung von Cross-/Up-Selling-Maßnahmen“ zusammengefasst (in Tabelle 6-13 fett dargestellt).

559 560

Vgl. Sauerbrey und Henning (2000), S. 4. Vgl. Abschnitt 4.2.1.2.

162

Befunde der empirischen Untersuchung

Tabelle 6-12: Kollinearitätskriterien und Zusammensetzung des Index „Expansionsmanagement“ vor Prüfung auf Multikollinearität Index „Expansionsmanagement“ Korrelationen vor Prüfung auf Multikollinearität Ind.

1.

2.

3.

4.

5.

6.

7.

8.

8.

1.

1,000

2.

0,548** 1,000

3.

0,551** 0,554** 1,000

4.

0,207

0,230*

0,155

1,000

5.

0,149

0,049

0,037

0,451** 1,000

6.

0,413** 0,225*

0,316**

7.

0,260*

0,146

-0,125

0,022

0,045

1,000

8.

0,358** 0,242*

0,202

-0,038

0,020

0,056

0,865** 1,000

9.

0,462** 0,259*

0,207

0,284** 0,375** 0,513** 0,464** 0,525** 1,000

0,261*

0,264*

0,114

10. 0,461** 0,249*

10.

0,498** 0,432** 1,000

0,212*

0,401** 0,425** 0,501** 0,773** 1,000

** Die Korrelation ist signifikant auf dem Niveau von 0,01. * Die Korrelation ist signifikant auf dem Niveau von 0,05. Zusammensetzung des Index vor Prüfung auf Multikollinearität Indikatoren

T

VIF

1. Kundengruppen unterschiedlichen Potenzials begegnen wir mit unterschiedlichen Kommunikationsstrategien.

0,486

2,057

2. Kundengruppen werden entsprechend ihrer Vertriebskanalpräferenz kontaktiert.

0,567

1,762

3. Kunden und potenziellen Kunden werden unterschiedliche Produkte entsprechend ihrem Potenzial an-geboten.

0,572

1,748

4. Wir arbeiten mit monetären Anreizen (Preisnachlass, individuelle Konditionen), um unsere ertragsstarken Kunden zu Zusatzkäufen zu veranlassen.

0,615

1,626

5. Wir arbeiten mit nicht-monetären Anreizen (Geschenke, Incentives), um unsere ertragsstarken Kunden zu Zusatzkäufen zu veranlassen.

0,672

1,488

6. Wir bieten unseren ertragsstarken Kunden ein verbessertes Serviceangebot.

0,497

2,013

7. Wir errechnen Produktaffinitäten und Reaktionswahrscheinlichkeiten unserer Kundengruppen zur Unterstützung von Cross-/Up-Selling.

0,231

4,321

8. Wir prognostizieren die Kaufwahrscheinlichkeiten und das Transaktionspotenzial unserer Kundengruppen zur Unterstützung von Cross-/Up-Selling.

0,203

4,915

9. Wir haben einen formalen Ansatz, ertragsstarke Kunden zu Käufen außerhalb ihres bisherigen Sortiments zu bewegen (Cross-Sellling).

0,281

3,565

10. Wir haben einen formalen Ansatz, ertragsstarke Kunden zu zusätzlichen Käufen innerhalb ihres bisherigen Sortiments zu bewegen (Up-Selling).

0,365

2,743

Konditionsindex: 20,976

Die Betrachtung der Kollinearitätskriterien nach Prüfung auf Multikollinearität in Tabelle 6-13 zeigen, dass nunmehr die Werte in einem akzeptablen Bereich liegen. Allenfalls für den Konditionsindex kann mit einem Wert von 10,695 schwache Multikollinearität festgestellt werden.

Befunde der empirischen Untersuchung

163

Tabelle 6-13: Kollinearitätskriterien und Zusammensetzung des Index „Expansionsmanagement“ nach Prüfung auf Multikollinearität Index „Expansionsmanagement“ Korrelationen vor Prüfung auf Multikollinearität Ind.

1.

2.

3.

1.

1,000

2.

0,292** 1,000

3.

0,380** 0,238** 1,000

** Die Korrelation ist signifikant auf dem Niveau von 0,01. * Die Korrelation ist signifikant auf dem Niveau von 0,05. Zusammensetzung des Index vor Prüfung auf Multikollinearität Indikatoren

T

VIF

1. Kundenwertorientierte Kommunikationsstrategie

0,813

1,231

2. Servicemanagement

0,896

1,116

3. Durchführung von Cross-/Up-Selling-Maßnahmen

0,838

1,194

Konditionsindex: 10,695

Die Analyse der deskriptiven Statistiken in Tabelle 6-14 zeigt, dass für die Indikatoren der kundenwertorientierten Kommunikationsstrategie sowie für die Indikatoren des Servicemanagement mit Mittelwertausprägungen von 3,29 bis 3,68 vergleichsweise hohe Ausprägungen vorliegen.561 Die höchsten Bewertungen erhalten das kundenwertorientierte Produktangebot mit einem Mittelwert von 3,81 gefolgt von der Begegnung von Kundengruppen unterschiedlichen Potenzials mit unterschiedlichen Kommunikationsstrategien mit einem Mittelwert von 3,68 sowie die Einräumung von Preisnachlässen oder individuellen Konditionen mit einem Mittelwert von 3,63. Im Gegensatz dazu sind Cross- und Up-Selling-Aktivitäten mit Mittelwertausprägungen von 2,84 und 3,04 vergleichsweise niedrig von den Befragten bewertet worden. Dies legt den Schluss nahe, dass zumeist noch über vielfach monetäre Anreize wie Preisnachlässe oder aber ein verbessertes Serviceangebot eine Steigerung der Kundenprofitabilität erreicht werden soll. Hier deutet sich aus Profitabilitätsgesichtspunkten eine Schwäche an, da diese Maßnahmen zum einen die Gewinnmarge senken und zum anderen die Kosten der Kundenbearbeitung steigern können.

561

Zusammengefasste Indikatoren sind kursiv dargestellt.

164

Befunde der empirischen Untersuchung

Tabelle 6-14: Deskriptive Statistiken zu den Bewertungen von Merkmalen des „Expansionsmanagements“ Bezeichnung der Indikatoren des Index „Expansionsmanagements“

MW

Med.

Stab.

1. Kundengruppen unterschiedlichen Potenzials begegnen wir mit unterschiedlichen Kommunikationsstrategien.*

3,68

4,00

1,225

2. Kundengruppen werden entsprechend ihrer Vertriebskanalpräferenz kontaktiert.*

3,40

4,00

1,331

3. Kunden und potenziellen Kunden werden unterschiedliche Produkte entsprechend ihrem Potenzial angeboten.*

3,81

4,00

1,141

4. Wir arbeiten mit monetären Anreizen (Preisnachlass, individuelle Konditionen), um unsere ertragsstarken Kunden zu Zusatzkäufen zu veranlassen.*

3,63

4,00

1,258

5. Wir arbeiten mit nicht-monetären Anreizen (Geschenke, Incentives), um unsere ertragsstarken Kunden zu Zusatzkäufen zu veranlassen.*

3,29

4,00

1,318

6. Wir bieten unseren ertragsstarken Kunden ein verbessertes Serviceangebot.*

3,60

4,00

1,252

7. Wir errechnen Produktaffinitäten und Reaktionswahrscheinlichkeiten unserer Kundengruppen zur Unterstützung von Cross-/Up-Selling.

2,52

2,00

1,343

8. Wir prognostizieren die Kaufwahrscheinlichkeiten und das Transaktionspotenzial unserer Kundengruppen zur Unterstützung von Cross-/Up-Selling.

2,50

2,00

1,292

9. Wir haben einen formalen Ansatz, ertragsstarke Kunden zu Käufen außerhalb ihres bisherigen Sortiments zu bewegen (Cross-Sellling).*

2,84

3,00

1,160

10. Wir haben einen formalen Ansatz, ertragsstarke Kunden zu zusätzlichen Käufen innerhalb ihres bisherigen Sortiments zu bewegen (Up-Selling).*

3,04

3,00

1,198

Rang

1

2

3

Kodierung der Skalenpole: 1 = überhaupt nicht zutreffend, 5 = voll und ganz zutreffend * Item im Index über Bildung eines Mittelwertes zusammengefasst

6.2.1.3 Index „Bindungsmanagement“ Wie in Abschnitt 4.2.1.3 beschrieben, stehen in der Kundenlebenszyklusphase „Bindungsmanagement“ CRM-Maßnahmen im Mittelpunkt, die Kundenbeziehungen verlängern und in den profitablen Bereich zurückführen. Alle Indikatoren wurden auf einer fünfstufigen Skala von „1 = überhaupt nicht zutreffend“ über „3 = unentschieden“ bis „5 = voll und ganz zutreffend“ erhoben. Da die einzelnen CRM-Maßnahmen unabhängig voneinander durch die Unternehmen einsetzbar sind, sind die verwendeten Indikatoren formativ ausgeprägt. Eine Übersicht über die verwendeten Indikatoren bietet Tabelle 6-15.

1,000

0,740**

0,641**

0,504**

0,389**

0,323**

0,195

0,261*

0,117

0,268*

0,297**

0,304**

0,246*

0,104

-0,037

1.

2.

3.

4.

5.

6.

7.

8.

9.

10.

11.

12.

13.

14.

15.

0,080

0,168

0,238*

0,444**

0,428**

0,315**

0,118

0,351**

0,308**

0,371**

0,468**

0,432**

0,617**

1,000

2.

0,012

0,118

0,260*

0,472**

0,340**

0,346**

-0,007

0,143

0,058

0,194

0,225*

0,468**

1,000

3.

0,031

0,078

0,201

0,280*

0,253*

0,162

0,174

0,061

0,193

0,220*

0,313**

1,000

4.

0,251*

0,369**

0,206

0,385**

0,227*

0,222*

0,380**

0,592**

0,551**

0,548**

1,000

5.

** Die Korrelation ist signifikant auf dem Niveau von 0,01. * Die Korrelation ist signifikant auf dem Niveau von 0,05.

1.

Ind.

Index „Bindungsmanagement“

0,136

0,150

0,003

0,331

0,121

0,186

0,360**

0,486**

0,554**

1,000

6.

0,061

0,261*

0,107

0,305**

0,169

0,062

0,273**

0,443**

1,000

7.

1,000 0,157 0,255* 0,117 - 0,098 0,007 -0,021

-0,62 0,071 0,236* 0,212* 0,315** 0,119

9.

0,322**

1,000

8.

-0,078

0,156

0,061

0,287**

0,556**

1,000

10.

Korrelationen vor Prüfung auf Multikollinearität

1,000 0,192 0,146 0,075

0,194 0,185 -0,009

12.

0,276**

1,000

11.

0,324**

0,373**

1,000

13.

0,247*

1,000

14.

1,000

15.

Befunde der empirischen Untersuchung 165

Tabelle 6-15: Korrelationsmatrix des Index „Bindungsmanagement“

166

Befunde der empirischen Untersuchung

Die Betrachtung der Korrelationsmatrix der Indikatoren in Tabelle 6-15 zeigt auch hier teilweise hohe bivariate Abhängigkeiten. Dementsprechend weisen auch die Werte der Toleranzen und VIFs in Tabelle 6-16 höhere Werte auf. Mit einem Wert von 26,436 weist der Konditionsindex aller Indikatoren auf mäßige Multikollinearität hin. Entsprechend dem bisherigen Vorgehen werden auch hier diejenigen Variablen, die hohe Korrelationen (> 0,5) aufweisen, über Mittelwertbildung zu den Variablen „Analyse des Kundenverhaltens“, „Kundenwertorientierte Kommunikationsstrategie“ sowie „Einsatz einer Kundenbindungsstrategie“ zusammengefasst (in Tabelle 6-17 fett dargestellt). Tabelle 6-16: Kollinearitätskriterien und Zusammensetzung des Index „Bindungsmanagement“ vor Prüfung auf Multikollinearität Zusammensetzung des Index „Bindungsmanagement“ vor Prüfung auf Multikollinearität Indikatoren

T

VIF

1. Wir kontrollieren regelmäßig Kundenabwanderungen.

0,335

2,982

2. Wir identifizieren regelmäßig inaktive Kunden.

0,321

3,118

3. Wir errechnen die Abwanderungswahrscheinlichkeit und Kundenzufriedenheit unserer inaktiven Kunden.

0,411

2,430

4. Wir kontrollieren die Reaktionen auf unsere Kundenbindungs- und Marketingkampagnen.

0,623

1,604

5. Kundengruppen unterschiedlichen Potenzials begegnen wir mit unterschiedlichen Kommunikationsstrategien.

0,371

2,695

6. Kundengruppen werden entsprechend ihrer Vertriebskanalpräferenz kontaktiert.

0,495

2,022

7. Kunden und potenziellen Kunden werden unterschiedliche Produkte entsprechend ihrem Potenzial angeboten.

0,539

1,856

8. Unsere Produkte/Dienstleistungen sind auf Kunden mit unterschiedlichen Kundenwerten zugeschnitten.

0,466

2,148 1,482

9. Unsere Kundeninteraktion ist über die unterschiedlichen Vertriebskanäle konsistent gestaltet.

0,675

10. Wir haben eine festgelegte Prozedur, um mit verlorenen Kunden zu kommunizieren.

0,553

1,809

11. Wir nutzen einen systematischen Ansatz, Beziehungen zu inaktiven Kunden zu intensivieren.

0,546

1,831

12. Wir setzen lifecycle-basierte Kundenbindungsprogramme ein, um profitable Kunden dauerhaft zu halten.

0,630

1,586

13. Bestehende Beziehungen zu wenig profitablen oder unprofitablen Kunden werden nicht vertieft.

0,669

1,494

14. Wir haben einen formalisierten Prozess, Beziehungen mit unprofitablen Kunden aktiv zu beenden (z.B. Serviceeinschränkungen).

0,702

1,425

15. Unprofitable Kundenbeziehungen werden von uns passiv beendet.

0,746

1,341

Konditionsindex: 26,436

Die Betrachtung der Kollinearitätskriterien nach Zusammenfassung der betroffenen Indikatoren in Tabelle 6-17 zeigt, dass alle Kriterien in einem akzeptablen Bereich liegen. Lediglich für den Konditionsindex liegt mit einem Wert von 14,153 schwache Multikollinearität vor, die aber jedoch vor dem Hintergrund eines weiteren Informati-

Befunde der empirischen Untersuchung

167

onsverlustes bei Zusammenfassung weiterer Indikatoren oder dem Streichen von Indikatoren in Kauf genommen werden soll. Tabelle 6-17: Kollinearitätskriterien und Zusammensetzung des Index „Bindungsmanagement“ nach Prüfung auf Multikollinearität Index „Bindungsmanagement“ Korrelationen nach Prüfung auf Multikollinearität In d.

1.

1.

1,000

2.

0,387**

3.

-0,122

2.

3.

4.

5.

6.

7.

8.

1,000 -0,417**

4.

0,412**

0,174

5.

-0,454**

6.

0,287**

0,161

7.

0,142

0,337**

8.

0,025

0,178

-0,391**

1,000 -0,230* 0,117

1,000 -0,320**

1,000

0,098

0,139

-0,192

-0,007

0,192

-0,146

1,000 0,373**

1,000

0,021

-0,052

-0,75

0,324**

0,247*

1,000

** Die Korrelation ist signifikant auf dem Niveau von 0,01. * Die Korrelation ist signifikant auf dem Niveau von 0,05. Zusammensetzung des Index nach Prüfung auf Multikollinearität Indikatoren 1. Analyse des Kundenverhaltens

T

VIF

0,626

1,597

2. Kundenwertorientierte Kommunikationsstrategie

0,566

1,768

3. Unsere Kundeninteraktion ist über die unterschiedlichen Vertriebskanäle konsistent

0,742

1,348

4. Einsatz einer Kundebindungsstrategie

0,734

1,362

5. Wir setzen lifecycle-basierte Kundenbindungsprogramme ein, um profitable Kunden

0,712

1,405

6. Bestehende Beziehungen zu wenig profitablen oder unprofitablen Kunden werden nicht vertieft.

0,728

1,374

7. Wir haben einen formalisierten Prozess, Beziehungen mit unprofitablen Kunden aktiv zu beenden (z.B. Serviceeinschränkungen).

0,734

1,363

8. Unprofitable Kundenbeziehungen werden von uns passiv beendet.

0,845

1,184

gestaltet.

dauerhaft zu halten.

Konditionsindex: 14,153

Ein Blick auf die deskriptiven Statistiken in Tabelle 6-18 zeigt Unterschiede in den Bewertungen der einzelnen CRM-Maßnahmen auf.562

562

Zusammengefasste Indikatoren sind kursiv dargestellt.

168

Befunde der empirischen Untersuchung

Tabelle 6-18: Deskriptive Statistiken zu den Bewertungen von Merkmalen des „Bindungsmanagements“ MW

Med.

Stab.

1. Wir kontrollieren regelmäßig Kundenabwanderungen.*

Bezeichnung der Indikatoren des Index „Bindungsmanagement“

3,26

4,00

1,378

Rang

2. Wir identifizieren regelmäßig inaktive Kunden.*

3,32

4,00

1,262

3. Wir errechnen die Abwanderungswahrscheinlichkeit und Kundenzufriedenheit unserer inaktiven Kunden.*

2,32

2,00

1,279

4. Wir kontrollieren die Reaktionen auf unsere Kundenbindungs- und Marketingkampagnen.*

3,43

4,00

1,246

5. Kundengruppen unterschiedlichen Potenzials begegnen wir mit unterschiedlichen Kommunikationsstrategien.*

3,68

4,00

1,225

6. Kundengruppen werden entsprechend ihrer Vertriebskanalpräferenz kontaktiert.*

3,40

4,00

1,331

7. Kunden und potenziellen Kunden werden unterschiedliche Produkte entsprechend ihrem Potenzial angeboten.*

3,81

4,00

1,141

8. Unsere Produkte/Dienstleistungen sind auf Kunden mit unterschiedlichen Kundenwerten zugeschnitten.*

3,31

3,50

1,231

9. Unsere Kundeninteraktion ist über die unterschiedlichen Vertriebskanäle konsistent gestaltet.

3,38

4,00

1,205

10. Wir haben eine festgelegte Prozedur, um mit verlorenen Kunden zu kommunizieren.*

2,33

2,00

1,227

11. Wir nutzen einen systematischen Ansatz, Beziehungen zu inaktiven Kunden zu intensivieren.*

2,43

2,00

1,071

12. Wir setzen lifecycle-basierte Kundenbindungsprogramme ein, um profitable Kunden dauerhaft zu halten.

2,50

2,00

1,274

6

13. Bestehende Beziehungen zu wenig profitablen oder unprofitablen Kunden werden nicht vertieft.

3,27

3,00

1,058

3

14. Wir haben einen formalisierten Prozess, Beziehungen mit unprofitablen Kunden aktiv zu beenden (z.B. Serviceeinschränkungen).

2,03

2,00

1,116

8

15. Unprofitable Kundenbeziehungen werden von uns passiv beendet.

2,67

3,00

1,180

5

4

1

2

7

Kodierung der Skalenpole: 1 = überhaupt nicht zutreffend, 5 = voll und ganz zutreffend * Item im Index über Bildung eines Mittelwertes zusammengefasst

Auffällig ist hierbei, dass zwar inaktive Kunden mit einer Mittelwertausprägung von 3,32 identifiziert werden und auch Kundenabwanderungen mit einer Mittelwertausprägung von 3,26 kontrolliert werden, die Unternehmen diesen Erkenntnissen jedoch kaum mit festgelegten Prozeduren (2,33), systematischen Ansätzen (2,43) oder Kundebindungsprogrammen (2,50) begegnen, um Kunden weiterhin an das Unternehmen zu binden. Mit einer Mittelwertausprägung von 3,27 stimmen die befragten Unternehmen nur leicht der Aussage zu, dass Beziehungen zu wenig oder nicht profitablen Kunden nicht vertieft werden. Allerdings resultieren aus dieser Bewertung keine ho-

Befunde der empirischen Untersuchung

169

hen Ausprägungen der Werte des aktiven oder passiven Beendigungsmanagements. Zusammenfassend lässt sich konstatieren, dass die befragten Unternehmen hinsichtlich der CRM-Maßnahmen in der Phase „Bindungsmanagement“ ein recht unsystematisches Vorgehen beobachten lassen, welches scheinbar ein wertorientiertes Kundenbindungsmanagement vernachlässigt. Diese Ergebnisse geben einen ersten Hinweis auf die Ergebnisse des Erfolgsmodells in Abschnitt 6.4.1. 6.2.2 Index „Kundenbewertung“ In den Hypothese H2A, H2E und H2B (vgl. Abschnitt 4.2.10) wurde der Einfluss der Kundenbewertung auf die Teilerfolgsdimensionen des Kundenlebenszyklusphasen thematisiert. Es wurde angenommen, dass der positive Einfluss auf den Grad der Komplexität der eingesetzten Bewertungsverfahren zurückzuführen ist. Da bislang keine Messvariablen der Literatur zu entnehmen sind, werden diese im Rahmen der vorliegenden Arbeit formativ definiert. Da in der Literatur unterschiedliche Ansätze zur Bestimmung von Kundenwerten diskutiert werden und in der Praxis unterschiedliche Verfahren angewendet werden, soll die Messung der Bewertung von Kunden auf Basis der in Abschnitt 4.2.2 aufgeführten Ansätze durchgeführt werden. Die aufgeführten Ansätze finden sich dabei sowohl in Wissenschaft als auch im Praxiseinsatz wieder und sind mit zunehmendem Komplexitätsgrad zumeist auch zunehmend geeigneter, detaillierte Bewertungen über den Kunden zu erhalten. Aus diesem Grund wird der Index „Kundenbewertung“ anhand von sechs Indikatoren erhoben, die sowohl die Kundensegmentierung im Allgemeinen als auch ein- und mehrdimensionale Verfahren sowie den Customer-Lifetime-Value berücksichtigen. Alle zuvor genannten Indikatoren wurden auf einer fünfstufigen Skala von „1 = überhaupt nicht zutreffend“ über „3 = unentschieden“ bis „5 = voll und ganz zutreffend“ abgefragt. Die Betrachtung der Korrelationsmatrix in Tabelle 6-19 zeigt wiederum hohe Korrelationen zwischen sämtlichen Indikatoren des Index „Kundenbewertung“. Die Toleranzen weisen ausreichend hohe Werte (> 0,1) auf, umgekehrt fallen die Werte des VIFs gering aus, der Konditionsindex aller Indikatoren deutet mit einem Wert von 14,150 auf das Vorliegen mäßiger Kollinearität hin. Aus diesem Grund werden alle Indikato-

170

Befunde der empirischen Untersuchung

ren über die Bildung eines Mittelwerts zu einer Variablen „Kundenbewertung“ zusammengefasst. Tabelle 6-19: Kollinearitätskriterien und Zusammensetzung des Index „Kundenbewertung“ vor Prüfung auf Multikollinearität Index „Kundenbewertung“ Korrelationen vor Prüfung auf Multikollinearität Ind.

1.

2.

1.

1,000

2.

0,373** 1,000

3.

4.

5.

3.

0,537** 0,450** 1,000

4.

0,404** 0,450** 0,653** 1,000

5.

0,503** 0,359** 0,465** 0,495** 1,000

6.

0,413** 0,255*

6.

0,473** 0,479** 0,576** 1,000

** Die Korrelation ist signifikant auf dem Niveau von 0,01. * Die Korrelation ist signifikant auf dem Niveau von 0,05. Zusammensetzung des Index vor Prüfung auf Multikollinearität Indikatoren

T

VIF

1. Wir nutzen eindimensionale monetäre Kundenbewertungsmodelle (ABC-Analysen, Kundenerfolgsrechnungen).

0,615

1,625

2. Wir nutzen eindimensionale nicht-monetäre Kundenbewertungsmodelle (Kundenzufriedenheitsanalysen, Kaufhäufigkeitsanalysen).

0,726

1,378

3. Wir nutzen mehrdimensionale Kundenbewertungsmodelle (Scoringmodelle, Portfolioanalyse, Kundenwertmodell).

0,461

2,169

4. Wir kalkulieren den Customer-Lifetime-Value (Kundenwert) unserer Kunden und Interessenten.

0,494

2,023

5. Wir verfügen über ein formalisiertes System zur Kundensegmentierung (verhaltens- und wertbasiert).

0,544

1,837

6. Wir nutzen ein formalisiertes System zur Identifikation von potentiellen Kunden.

0,595

1,681

Konditionsindex: 14,150

Die deskriptiven Statistiken der Indikatoren des Index „Kundenbewertung“ sind in Tabelle 6-20 aufgeführt. Es ist deutlich erkennbar, dass einfache Verfahren der Kundenbewertung eher eingesetzt werden als weiter entwickelte.563 Insbesondere ein Blick auf den Indikator „Wir kalkulieren den Customer-Lifetime-Value (Kundenwert)“ zeigt, dass dieses als Grundlage von CRM angesehene Verfahren der Kundenbewertung die geringste Ausprägung des Mittelwerts aufweist.564

563 564

Zusammengefasste Indikatoren sind kursiv dargestellt. Helm (2004), S. 83 kommt zu einem vergleichbaren Ergebnis.

Befunde der empirischen Untersuchung

171

Tabelle 6-20: Deskriptive Statistiken zu den Bewertungen von Merkmalen der „Kundenbewertung“ Bezeichnung der Indikatoren des Index „Kundenbewertung“

MW

Med.

Stab.

1. Wir nutzen eindimensionale monetäre Kundenbewertungsmodelle (ABC-Analysen, Kundenerfolgsrechnungen).*

3,29

3,5

1,283

2. Wir nutzen eindimensionale nicht-monetäre Kundenbewertungsmodelle (Kundenzufriedenheitsanalysen, Kaufhäufigkeitsanalysen).*

3,46

4,00

1,247

3. Wir nutzen mehrdimensionale Kundenbewertungsmodelle (Scoringmodelle, Portfolioanalyse, Kundenwertmodell).*

2,88

2,31

3,08

4. Wir kalkulieren den Customer-Lifetime-Value (Kundenwert) unserer Kunden und Interessenten.*

2,31

2,00

1,167

5. Wir verfügen über ein formalisiertes System zur Kundensegmentierung (verhaltens- und wertbasiert).*

3,08

3,00

1,376

6. Wir nutzen ein formalisiertes System zur Identifikation von potentiellen Kunden.*

2,76

3,00

1,343

Rang

1

Kodierung der Skalenpole: 1 = überhaupt nicht zutreffend, 5 = voll und ganz zutreffend * Item im Index über Bildung eines Mittelwertes zusammengefasst

6.2.3 Index CRM-orientiertes Informationssystem In den Hypothese H3A, H3E und H3B (vgl. Abschnitt 4.2.10) wurde der Einfluss eines CRM-orientierten Informationssystems auf die Teilerfolgsmaße des Kundenlebenszyklus ausgeführt. Es wurde unterstellt, dass die technologische Ausgestaltung des Informationssystems auf alle Phasen des Kundenlebenszyklus einen positiven Einfluss hat. Da bislang zu diesem Sachverhalt nur sehr vereinzelt auf Messvariablen aus der Literatur zurückgegriffen werden kann, werden diese im Rahmen der vorliegenden Arbeit erstmalig formativ definiert. Als Voraussetzung für ein erfolgreiches CRM wird die gemeinsame Nutzung von Informationen durch die kundennahen Bereiche Marketing, Service und Vertrieb angesehen.565 Auch wird die Überführung der Kundendaten aus meistens dezentral organisierten, verschiedenen operativen Systemen in eine einheitliche zentrale Datenbank gefordert, um den Zugriff und den Informationsaustausch zu erleichtern.566

565

566

Vgl. Jayachandran et al. (2005), S. 15ff., Zahay und Griffin (2002), S. 12ff., Zahay und Griffin (2004), S. 185, Zirke und Wiersgalla (2002), S. 378. Vgl. Schulze (2002), S. 244, Hippner, Merzenich und Wilde (2004), S. 243, Hippner, Leber und Wilde (2004), S. 155f.

172

Befunde der empirischen Untersuchung

Tabelle 6-21: Kollinearitätskriterien und Zusammensetzung des Index „CRM-orientiertes Informationssystem“ vor Prüfung auf Multikollinearität Index „CRM-orientiertes Informationssystem“ Korrelationen vor Prüfung auf Multikollinearität Ind.

1.

2.

1.

1,000

2.

0,459** 1,000

3.

4.

3.

0,393** 0,351** 1,000

4.

0,414** 0,455** 0,479** 1,000

5.

6.

7.

8.

5.

0,375** 0,418** 0,347** 0,361** 1,000

6.

0,116

0,309** 0,091

0,054

0,172

7.

0,079

0,247*

0,190

0,244*

0,579** 1,000

8.

0,427** 0,299** 0,335** 0,237*

0,223*

0,283** 0,272** 1,000

9.

0,453** 0,424** 0,261*

0,178

0,270*

0,121

0,249*

8.

10.

11.

12.

1,000

0,263*

0,592*

1,000

10. 0,352** 0,498** 0,329** 0,296** 0,423** 0,333** 0,421** 0,550** 0,622** 1,000 11. 0,258

0,410** 0,219*

0,109

12. 0,367** 0,450** 0,425** 0,269*

0,217*

0,118

0,371** 0,010

0,096

0,305** 0,252*

0,270*

0,391** 0,272** 0,284** 0,349** 1,000

0,210*

1,000

** Die Korrelation ist signifikant auf dem Niveau von 0,01. * Die Korrelation ist signifikant auf dem Niveau von 0,05. Zusammensetzung des Index vor Prüfung auf Multikollinearität Indikatoren

T

VIF

1. Wir sind in der Lage, in Echtzeit Kundeninformationen quer über alle Vertriebskanäle (Telefon, Vertrieb, Internet,...) zu sammeln.

0,584

1,712

2. Wir haben einen geschlossenen Informationskreislauf (closed-loop-architecture) zwischen Informationsakquisition, -weitergabe, -analyse und -nutzung.

0,412

2,430

3. Wir verfügen über eine einheitliche Kundendatenbank, die unterschiedlichste Informationsquellen integriert.

0,625

1,600

4. Unser CRM-System aktualisiert regelmäßig automatisch die Datenbestände.

0,599

1,670

5. Unser Unternehmen hat schriftlich fixierte Prozesse zur kontinuierlichen Sammlung von Kundendaten.

0,606

1,651

6. Unsere Mitarbeiter speichern zentral soziodemographische Daten (Alter, Familienstand, Beruf, Einkommen) von Kunden und Interessenten.

0,520

1,922

7. Unsere Mitarbeiter speichern zentral psychographische Daten (Lebensstil, Interessen) von Kunden und Interessenten.

0,504

1,985

8. Unsere Mitarbeiter speichern zentral Kaufhistorien (Zeitpunkt, Produkt, Anzahl).

0,485

2,063

9. Unsere Mitarbeiter speichern zentral Kontakthistorien (wer wurde wann und wie kontaktiert).

0,459

2,179

10. Unsere Mitarbeiter speichern Reaktionsdaten (Reaktionszeitpunkt, Kaufzeitpunkt, Beschwerden) zentral.

0,412

2,425

11. Es werden regelmäßig externe statistische und analytische Forschungsinformationen (Markt, Branchenstruktur, -trends) automatisch in die operativen Systeme eingestellt.

0,753

1,328

12. Wichtige Kundendaten sind Marketing, Vertrieb und Service gleichermaßen zugänglich.

0,535

1,871

Konditionsindex: 21,545

Befunde der empirischen Untersuchung

173

Hinsichtlich der Informationsakquisition werden Kundendaten aus den unterschiedlichsten Quellen gesammelt und zentral gespeichert. Zu den erhobenen Daten gehören Stammdaten, Kaufhistorien, Aktionsdaten und Reaktionsdaten der Kunden.567 Ein weiterer in der Literatur genannter Aspekt ist die Sammlung und Verarbeitung der Kundeninformationen über alle Vertriebskanäle in Echtzeit.568 Zuletzt finden sich Hinweise in der Literatur, dass zunehmend externe Informationen aus Datenbanken von Marktforschungsinstituten in die Informationssysteme einfließen.569 Die oben aufgeführten Aspekte wurden über 12 Indikatoren erhoben (vgl. Tabelle 6-21). Alle erhobenen Items wurden auf einer fünfstufigen Skala von „1 = überhaupt nicht zutreffend“ über „3 = unentschieden“ bis „5 = voll und ganz zutreffend“ abgefragt. Informationssammlung, -speicherung und -weitergabe werden als formative Indikatoren spezifiziert, um letztendlich Gestaltungsmöglichkeiten in Hinblick auf die Ausgestaltung des CRM-orientierten Informationssystems identifizieren zu können. Entsprechend stellen sich bei der Betrachtung der Korrelationsmatrix die Informationssammlung, -speicherung und -weitergabe als weitgehend unabhängig voneinander heraus und formieren daher den Index „CRM-orientiertes Informationssystem“. Die Überprüfung der Korrelationskoeffizienten zeigt überwiegend niedrige bis moderate Werte. Allerdings korrelieren der Indikator „Unsere Mitarbeiter speichern zentral soziodemographische Daten“ hoch mit dem Indikator „Unsere Mitarbeiter speichern zentral psychographische Daten“ (0,579). Auch die Indikatoren „Unsere Mitarbeiter speichern zentral Kaufhistorien“, „Unsere Mitarbeiter speichern zentral Kontakthistorien“ und „Unsere Mitarbeiter speichern Reaktionsdaten“ korrelieren hoch miteinander, wie aus Tabelle 6-22 ersichtlich ist. Ein möglicher Grund für die hohen Korrelationen kann die Verwendung ähnlicher Softwarepakete sein, die derartige Funktionen in hohem Maße parallel einsetzen.

567

Vgl. Hippner und Wilde (2002), S. 15, Jayachandran et al. (2005), S. 15ff. Vgl. Jayachandran, Hewett und Kaufman (2004), S. 222ff., Massey, Montoya-Weiss und Holcom (2001), S. 156, Reinartz, Krafft und Hoyer (2004), S. 304. 569 Vgl. Hippner und Wilde (2002), S. 226f., Hippner, Leber und Wilde (2004), S. 160ff., Schumacher und Meyer (2003), S. 207, Ryals und Payne (2001), S. 7. 568

174

Befunde der empirischen Untersuchung

Aufgrund der hohen Korrelationen werden die betroffenen Variablen durch die Bildung von Mittelwerten zu den Größen „Speicherung von Kundenkontaktdaten“ und „Speicherung von Kundenreaktionsdaten“ zusammengefasst. Diese sind in Tabelle 6-22 fett dargestellt. Die erneute Prüfung der Korrelationskoeffizienten ergab durchgehend niedrige bis moderate Werte. Die kritische Grenze von 0,5 wurde nicht überschritten. Der Konditionsindex sinkt auf einen Wert von 15,286. Tabelle 6-22: Kollinearitätskriterien und Zusammensetzung des Index „CRM-orientiertes Informationssystem“ nach Prüfung auf Multikollinearität Index „CRM-orientiertes Informationssystem“ Korrelationen nach Prüfung auf Multikollinearität Ind.

1.

2.

3.

4.

5.

6.

7.

8.

9.

1.

1,000

2.

0,459**

3.

0,393**

0,351**

1,000

4.

0,414**

0,455**

0,479**

1,000

5.

0,375**

0,418**

0,347**

0,361**

1,000

6.

0,112

0,316**

0,118

0,130

0,230*

1,000

7.

0,483**

0,472**

0,364**

0,305**

0,321**

0,403**

8.

0,258*

0,410**

0,219*

0,109

0,217*

0,121

0,303**

1,000

9.

0,367**

0,450**

0,425**

0,269*

0,371**

0,143

0,375**

0,349**

1,000

1,000 1,000

** Die Korrelation ist signifikant auf dem Niveau von 0,01. * Die Korrelation ist signifikant auf dem Niveau von 0,05. Zusammensetzung des Index nach Prüfung auf Multikollinearität Indikatoren

T

VIF

1. Wir sind in der Lage, in Echtzeit Kundeninformationen quer über alle Vertriebskanäle (Telefon, Vertrieb, Internet,...) zu sammeln.

0,619

1,616

2. Wir haben einen geschlossenen Informationskreislauf (closed-loop-architecture) zwischen Informationsakquisition, -weitergabe, -analyse und -nutzung.

0,487

2,053

3. Wir verfügen über eine einheitliche Kundendatenbank, die unterschiedlichste Informationsquellen integriert.

0,641

1,560

4. Unser CRM-System aktualisiert regelmäßig automatisch die Datenbestände.

0,636

1,573

5. Unser Unternehmen hat schriftlich fixierte Prozesse zur kontinuierlichen Sammlung von Kundendaten.

0,670

1,493

6. Speicherung von Kundenkontaktdaten

0,786

1,272

7. Speicherung von Kundenreaktionsdaten

0,579

1,727

8. Es werden regelmäßig externe statistische und analytische Forschungsinformationen (Markt, Branchenstruktur, -trends) automatisch in die operativen Systeme eingestellt.

0,772

1,295

9. Wichtige Kundendaten sind Marketing, Vertrieb und Service gleichermaßen zugänglich.

0,665

1,503

Konditionsindex: 15,286

Befunde der empirischen Untersuchung

175

Die deskriptive Analyse in Tabelle 6-23 zeigt, dass insbesondere die Verfügbarkeit von Kundendaten in Marketing, Vertrieb und Service den höchsten Rangplatz einnimmt, gefolgt von der Sammlung von Kundendaten und der Existenz einer einheitlichen Kundendatenbank.570 Tabelle 6-23: Deskriptive Statistiken zu den Bewertungen von Merkmalen des „CRM-orientierten Informationssystems“ Bezeichnung der Indikatoren des Index „CRM-orientiertes Informationssystem“

MW

Med.

Stab.

Rang

1. Wir sind in der Lage, in Echtzeit Kundeninformationen quer über alle Vertriebskanäle (Telefon, Vertrieb, Internet,...) zu sammeln.

2,62

3,00

1,223

6

2. Wir haben einen geschlossenen Informationskreislauf (closed-looparchitecture) zwischen Informationsakquisition, -weitergabe, -analyse und -nutzung.

2,62

3,00

1,223

7

3. Wir verfügen über eine einheitliche Kundendatenbank, die unterschiedlichste Informationsquellen integriert.

3,01

3,00

1,294

4

4. Unser CRM-System aktualisiert regelmäßig automatisch die Datenbestände.

2,96

3,00

1,543

5

5. Unser Unternehmen hat schriftlich fixierte Prozesse zur kontinuierlichen Sammlung von Kundendaten.

3,14

3,00

1,223

3

6. Unsere Mitarbeiter speichern zentral soziodemographische Daten (Alter, Familienstand, Beruf, Einkommen) von Kunden und Interessenten.*

2,54

2,00

1,383

7. Unsere Mitarbeiter speichern zentral psychographische Daten (Lebensstil, Interessen) von Kunden und Interessenten.*

1,97

2,00

1,146

8. Unsere Mitarbeiter speichern zentral Kaufhistorien (Zeitpunkt, Produkt, Anzahl).*

3,20

4,00

1,501

9. Unsere Mitarbeiter speichern zentral Kontakthistorien (wer wurde wann und wie kontaktiert).*

3,48

4,00

1,283

10. Unsere Mitarbeiter speichern Reaktionsdaten (Reaktionszeitpunkt, Kaufzeitpunkt, Beschwerden) zentral.*

2,93

3,00

1,322

11. Es werden regelmäßig externe statistische und analytische Forschungsinformationen (Markt, Branchenstruktur, -trends) automatisch in die operativen Systeme eingestellt.

2,07

2,00

1,149

9

12. Wichtige Kundendaten sind Marketing, Vertrieb und Service gleichermaßen zugänglich.

3,54

4,00

1,113

1

8

2

Kodierung der Skalenpole: 1 = überhaupt nicht zutreffend, 5 = voll und ganz zutreffend * Item im Index über Bildung eines Mittelwertes zusammengefasst

Damit scheint sich der vielfach geforderte Aspekt der Datenhaltung und Datenintegration zu bestätigen. Der nachgeordnete 3. Rangplatz für die einheitliche Kundendaten-

570

Zusammengefasste Indikatoren sind kursiv dargestellt.

176

Befunde der empirischen Untersuchung

bank steht in Einklang mit einer empirischen Untersuchung von Sexauer und Wellner (2004), die ermittelt haben, dass 50,7% der Unternehmen, die ein Database-MarketingSystem einsetzen, dieses mit keiner anderen CRM-Komponente integriert haben. Lediglich 35 Prozent der Unternehmen haben das Database Marketing-System mit anderen Komponenten integriert.571 Auffallend ist, dass das Einstellen externer Informationen eher als nicht zutreffend bewertet wird. 6.2.4 Index Organisatorische Anpassung Für die Operationalisierung der einzelnen Facetten der organisatorischen Anpassung von CRM-Systemen wurde, basierend auf der Literatur, für diesen Index eine eigene Messskala entwickelt. Diese bildet die in Abschnitt 4.2.5 aufgeführten Aspekte funktionale Gestaltungsmöglichkeiten, Anreizsysteme und Training der Mitarbeiter formativ ab. Tabelle 6-24 gibt einen Überblick über die verwendeten Indikatoren. Bei der Messung der funktionalen Gestaltungsmöglichkeiten interessieren insbesondere aufbau- und ablauforganisatorische Aspekte. So wird in der Literatur aufbauorganisatorisch die Bildung dezentraler, an Kundensegmenten orientierter Organisationseinheiten gefordert, um den Kommunikationsfluss und die Lösungskompetenz für kundenseitige Probleme zu verbessern.572 Ablauforganisatorisch wird die übergreifende Zusammenarbeit der kundenrelevanten Abteilungen Marketing, Service und Vertrieb als erfolgsdeterminierend eingestuft.573 Die aufgeführten Aspekte wurden über drei Indikatoren erhoben (vgl. Tabelle 6-24, Indikatoren 1-3). Die Operationalisierung des Einsatzes von Anreizen zur Motivation der Mitarbeiter bilden einerseits monetäre Anreize wie beispielsweise Gehaltssteigerungen, andererseits nicht-monetäre Anreize wie beispielsweise Lob oder Beförderung.574 Ein weiterer einzubeziehender Aspekt betrifft die Mitarbeiterbeurteilung anhand von kundenbeziehungsrelevanten Indikatoren wie beispielsweise Abwanderungsrate, Beziehungsdauer

571

Vgl. Sexauer und Wellner (2004), S. 485f. Vgl. Bruhn (2003), S. 15. 573 Vgl. Shapiro (1988), S. 121f., Homburg, Jensen und Klarmann (2005), S. 21ff. 574 Vgl. Wolf (2002), S. 323. 572

Befunde der empirischen Untersuchung

177

oder Kundenzufriedenheit.575 Die Aspekte zu Anreizsystemen wurden anhand von drei Indikatoren gemessen. (vgl. Tabelle 6-24, Indikatoren 4-6). Tabelle 6-24: Kollinearitätskriterien und Zusammensetzung des Index „Organisatorische Anpassung“ vor Prüfung auf Multikollinearität Index „Organisatorische Anpassung“ Korrelationen vor Prüfung auf Multikollinearität Ind.

1.

2.

3.

4.

5.

6.

7.

8.

1.

1,000

2.

0,435** 1,000

3.

0,321** 0,433** 1,000

4.

0,153

0,015

0,104

1,000

5.

0,230*

0,164

0,213*

0,688** 1,000

6.

0,336** 0,348** 0,322** 0,307** 0,417** 1,000

7.

0,185

8.

0,347** 0,287** 0,370** 0,295** 0,356** 0,362** 0,616** 1,000

9.

0,366** 0,354** 0,341** 0,331** 0,479** 0,245*

0,286** 0,283** 0,203

10. 0,355** 0,427** 0,403** 0,187

0,272** 0,169

8.

10.

1,000 0,580** 0,591** 1,000

0,349** 0,324** 0,462** 0,441** 0,733** 1,000

** Die Korrelation ist signifikant auf dem Niveau von 0,01. * Die Korrelation ist signifikant auf dem Niveau von 0,05. Zusammensetzung des Index vor Prüfung auf Multikollinearität Indikatoren

T

VIF

1. Wir verfügen über eine Organisationsstruktur, die sich an den Kundensegmenten orientiert (z.B. Kundensegmente als Profit Center).

0,705

1,418

2. Wir haben die Verantwortungs- und Kompetenzbereiche reorganisiert, um sicher zu stellen, dass unsere Mitarbeiter die Kunden auf einer individuellen Basis beraten können.

0,634

1,577

3. Wir haben einen Prozess definiert, der Teamwork, Vertrauen und Kooperation zwischen den einzelnen kundennahen Funktionen (Marketing, Vertrieb, Service) fördert.

0,708

1,412

4. Mitarbeiter, die Kundendaten akquirieren und CRM-Analyserergebnisse nutzen, werden durch materielle Auszeichnungen/Anreize (z.B. Gehaltsanstieg) belohnt.

0,505

1,982

5. Mitarbeiter, die Kundendaten akquirieren und CRM-Analyserergebnisse nutzen, werden durch immaterielle Auszeichnungen/Anreize (z.B. Lob, Beförderung) belohnt.

0,424

2,359

6. Die Mitarbeiterbeurteilung basiert auf kundenbeziehungsrelevanten Indikatoren (Abwanderungsrate, Beziehungsdauer, Kundenzufriedenheit,...).

0,651

1,536

7. Die Mitarbeiter haben intensives Training zur Nutzung der CRM-Funktionalitäten erhalten.

0,525

1,904

8. Die Mitarbeiter in den relevanten Abteilungen (Marketing, Service, Vertrieb) wissen, CRM für ihre tägliche Arbeit zu nutzen.

0,466

2,144

9. Es wird laufend in die Entwicklung der CRM-Fähigkeiten der Mitarbeiter investiert.

0,308

3,251

10. Die Entwicklung von CRM-Fähigkeiten hat eine hohe Priorität im Trainingsplan der Mitarbeiter.

0,403

2,480

Konditionsindex: 20,717

575

Vgl. Jayachandran et al. (2005), S. 35, Kohli und Jaworski (1990), S. 11f., Webster (1988), S. 38.

178

Befunde der empirischen Untersuchung

Das Training der Mitarbeiter wird als ein zentrales Element der Personalführung zur Entwicklung markt- bzw. kundenorientierten Verhaltens verstanden.576 Da nicht auf Erfahrungen aus der Literatur zurückgegriffen werden konnte, wurde dieser Aspekt über vier Indikatoren erhoben, die geeignete Schulungsmaßnahmen der Mitarbeiter hinsichtlich des Umgangs mit CRM abbilden sollen (vgl. Tabelle 6-24, Indikatoren 710). Alle erhobenen Items wurden auf einer fünfstufigen Skala von „1 = überhaupt nicht zutreffend“ über „3 = unentschieden“ bis „5 = voll und ganz zutreffend“ abgefragt. Die Überprüfung des Index „Organisatorische Anpassung“ auf Multikollinearität in Tabelle 6-24 deckt zum Teil stärkere bivariate Abhängigkeiten zwischen den Indikatoren zu den Anreizen sowie zwischen den Indikatoren zum Training der Mitarbeiter auf. Auch die Analyse der Toleranzen und VIFs zeigt niedrige (< 0,8) bzw. hohe Werte (> 1,4). Der Konditionsindex fällt mit einem Wert knapp über 20 hoch aus, so dass für diesen Index Multikollinearität nicht ausgeschlossen werden kann. Daher werden die Indikatoren 4 und 5 sowie die Indikatoren 7, 8, 9 und 10 über Mittelwertbildung zu den Variablen „Einsatz von Anreizen“ und „Einsatz von Schulungsmaßnahmen“ zusammengefasst (in Tabelle 6-25 fett dargestellt). Einen Überblick über die Indexzusammensetzung nach Prüfung auf Multikollinearität gibt Tabelle 6-25.

576

Vgl. Albers und Eggert (1988), S. 15, Mohr-Jackson (1991), S. 462, Ruekert (1992), S. 231.

Befunde der empirischen Untersuchung

179

Tabelle 6-25: Kollinearitätskriterien und Zusammensetzung des Index „Organisatorische Anpassung“ nach Prüfung auf Multikollinearität Index „Organisatorische Anpassung“ Korrelationen nach Prüfung auf Multikollinearität Ind.

1.

2.

3.

4.

5.

1.

1,000

2.

0,435**

3.

0,321**

0,433**

1,000

4.

0,336**

0,348**

0,322**

1,000

5.

0,211*

0,103

0,177

0,398**

1,000

6.

0,379**

0,412**

0,423**

0,331**

0,412**

6.

1,000

1,000

** Die Korrelation ist signifikant auf dem Niveau von 0,01. * Die Korrelation ist signifikant auf dem Niveau von 0,05. Zusammensetzung des Index nach Prüfung auf Multikollinearität Indikatoren

T

VIF

1. Wir verfügen über eine Organisationsstruktur, die sich an den Kundensegmenten orientiert (z.B. Kundensegmente als Profit Center).

0,748

1,336

2. Wir haben die Verantwortungs- und Kompetenzbereiche reorganisiert, um sicher zu stellen, dass unsere Mitarbeiter die Kunden auf einer individuellen Basis beraten können.

0,669

1,495

3. Wir haben einen Prozess definiert, der Teamwork, Vertrauen und Kooperation zwischen den einzelnen kundennahen Funktionen (Marketing, Vertrieb, Service) fördert.

0,732

1,366

4. Einsatz von Anreizen

0,514

1,945

5. Die Mitarbeiterbeurteilung basiert auf kundenbeziehungsrelevanten Indikatoren (Abwanderungsrate, Beziehungsdauer, Kundenzufriedenheit,...).

0,464

2,155

6. Einsatz von Schulungsmaßnahmen

0,622

1,607

Konditionsindex: 13,836

Die deskriptive Analyse der erhobenen Indikatoren in Tabelle 6-26 zeigt, dass nach Einschätzung der Unternehmen in erster Linie die funktionalen Gestaltungsmöglichkeiten bei der Umsetzung von CRM Anwendung finden.577 Überraschend niedrig ist dagegen die vergleichsweise geringe Umsetzung, welche die Befragten bezüglich der Anreize berichten. Die zugehörigen Mittelwertausprägungen gehören zu den geringsten dieses Index. Es ist aber auch erkennbar, dass das Training der Mitarbeiter vergleichsweise hohe Bewertungen erhalten hat, was wiederum verdeutlicht, dass die Unternehmen ihre Mitarbeiter als einen zentralen Faktor bei der Implementierung von CRM begreifen.

577

Zusammengefasste Indikatoren sind kursiv dargestellt.

180

Befunde der empirischen Untersuchung

Tabelle 6-26: Deskriptive Statistiken zu den Bewertungen von Merkmalen der „Organisatorischen Anpassung“ Bezeichnung der Indikatoren des Index „Organisatorische Anpassung“

MW

Med.

Stab.

Rang

1. Wir verfügen über eine Organisationsstruktur, die sich an den Kundensegmenten orientiert (z.B. Kundensegmente als Profit Center)

3,37

4,00

1,410

3

2. Wir haben die Verantwortungs- und Kompetenzbereiche reorganisiert, um sicher zu stellen, dass unsere Mitarbeiter die Kunden auf einer individuellen Basis beraten können.

3,49

4,00

1,041

1

3. Wir haben einen Prozess definiert, der Teamwork, Vertrauen und Kooperation zwischen den einzelnen kundennahen Funktionen (Marketing, Vertrieb, Service) fördert.

3,47

3,00

1,008

2

4. Mitarbeiter, die Kundendaten akquirieren und CRM-Analyserergebnisse nutzen, werden durch materielle Auszeichnungen/Anreize (z.B. Gehaltsanstieg) belohnt.*

1,83

2,00

0,963

5. Mitarbeiter, die Kundendaten akquirieren und CRM-Analyserergebnisse nutzen, werden durch immaterielle Auszeichnungen/Anreize (z.B. Lob, Beförderung) belohnt.*

2,19

2,00

1,101

6. Die Mitarbeiterbeurteilung basiert auf kundenbeziehungsrelevanten Indikatoren (Abwanderungsrate, Beziehungsdauer, Kundenzufriedenheit,...).

2,40

2,00

1,252

7. Die Mitarbeiter haben intensives Training zur Nutzung der CRM-Funktionalitäten erhalten.*

3,38

3,00

1,86

8. Die Mitarbeiter in den relevanten Abteilungen (Marketing, Service, Vertrieb) wissen, CRM für ihre tägliche Arbeit zu nutzen.*

3,43

4,00

1,050

9. Es wird laufend in die Entwicklung der CRM-Fähigkeiten der Mitarbeiter investiert.*

3,20

3,00

1,163

10. Die Entwicklung von CRM-Fähigkeiten hat eine hohe Priorität im Trainingsplan der Mitarbeiter.*

2,99

3,00

1,176

6

5

4

Kodierung der Skalenpole: 1 = überhaupt nicht zutreffend, 5 = voll und ganz zutreffend * Item im Index über Bildung eines Mittelwertes zusammengefasst

6.2.5 Index Kontrollvariable „Heterogenität des Kundenstamms“ Die Feststellung, dass nicht jede Kundenbeziehung den gleichen wertmäßigen Beitrag liefert,578 führt dazu, dass im CRM die Behandlung der Kunden entsprechend ihrem Wert für das Unternehmen ausgestaltet wird. Wie bereits in Abschnitt 4.2.8 dargelegt, wird angenommen, dass die Anwendung von CRM umso erfolgreicher sein wird, je heterogener der Kundenstamm des Unternehmens ist. Bei der Operationalisierung wurde auf die Skala von Achrol und Stern (1988) zurückgegriffen, die Heterogenität unter individuellen Kunden auf einer siebenstufigen Likertskala mit den Skalenpolen „sehr verschieden“ bis „sehr gleich“ messen.579 Für die vorliegende Untersuchung

578 579

Vgl. Mulhern (1999), Niraj, Gupta und Narasimhan (2001). Vgl. Achrol und Stern (1988), S. 47f.

Befunde der empirischen Untersuchung

181

wird eine fünfstufige Skala angewendet, deren Skalenpole mit „1 = sehr verschieden“ bis „5 = sehr gleich“ versehen sind. Für die vorliegende Untersuchung wird angenommen, dass die Indikatoren das Konstrukt „Heterogenität des Kundenstamms“ formieren. Dieser Sachverhalt erscheint nicht ungewöhnlich, da eine Änderung der Höhe des Konstruktes nicht notwendigerweise eine Änderung der Werte aller Indikatoren in dieselbe Richtung verursachen. Vielmehr ist es möglich, dass die Änderung des Konstruktes auf die Änderung des Wertes eines einzigen Indikators zurückzuführen ist. Aus diesem Grund wird von der ursprünglich reflektiven Operationalisierung durch Achrol und Stern (1988) abgewichen und eine formative Operationalisierung angestrebt. Die Betrachtung der Korrelationsmatrix in Tabelle 6-27 zeigt entsprechend geringe bis moderate Korrelationen zwischen den Indikatoren. Die Betrachtung der Korrelationstabelle in Tabelle 6-27 offenbart keinerlei hohe bivariate Abhängigkeiten (> 0,5) zwischen den Indikatoren. Auch die Toleranzen, VIFs sowie der Konditionsindex liegen in einem akzeptablen Bereich, so dass keine Notwendigkeit besteht, die Struktur der Indikatoren zu verändern. Tabelle 6-27: Kollinearitätskriterien und Zusammensetzung des Index „Heterogenität des Kundenstamms“ vor Prüfung auf Multikollinearität Index „Heterogenität des Kundenstamms“ Korrelationen vor Prüfung auf Multikollinearität Ind.

1.

2.

3.

4.

1.

1,000

2.

0,218*

3.

0,403** 0,395** 1,000

4.

0,164

0,151

0,187

5.

0,162

0,205

0,356** 0,335*

5.

1,000 1,000 1,000

** Die Korrelation ist signifikant auf dem Niveau von 0,01. * Die Korrelation ist signifikant auf dem Niveau von 0,05. Zusammensetzung des Index vor Prüfung auf Multikollinearität Indikatoren

T

VIF

1. Soziodemographische Faktoren

0,826

1,211

2. Produktpräferenzen

0,832

1,206

3. Preis-/Leistungserwartungen

0,679

1,472

4. Loyalität

0,871

1,148

5. Serviceanforderungen

0,796

1,256

Konditionsindex: 10,452

182

Befunde der empirischen Untersuchung

Wie die deskriptive Analyse in Tabelle 6-28 zeigt, werden die Kunden von den Befragten insbesondere hinsichtlich ihrer Preis- und Leistungserwartungen als eher verschieden eingeschätzt, gefolgt von der Loyalität und den Serviceanforderungen. Interessanterweise werden die Kunden hinsichtlich ihrer soziodemographischen Merkmale als eher gleich eingeschätzt. Tabelle 6-28: Deskriptive Statistiken zu den Bewertungen von Merkmalen der „Heterogenität des Kundenstamms“ Bezeichnung der Indikatoren des Index „Heterogenität des Kunden-

MW

Med.

Stab.

Rang

1. Soziodemographische Faktoren

2,11

2,00

1,146

5

2. Produktpräferenzen

2,58

2,00

1,091

4

3. Preis-/Leistungserwartungen

2,93

3,00

1,159

1

4. Loyalität

2,79

3,00

1,022

2

5. Serviceanforderungen

2,67

3,00

1,171

3

stamms“

Kodierung der Skalenpole: 1 = sehr gleich, 5 = sehr verschieden

Diese Einschätzungen stützen die Annahme, dass die „Heterogenität des Kundenstamms“ einen Einfluss auf den Erfolg haben könnte. Insbesondere die hohen Rangplätze bei den Preis- und Leistungserwartungen sowie bei der Loyalität konstatieren eine Heterogenität, auf die CRM durch den Einsatz geeigneter Maßnahmen reagieren kann. 6.2.6 Kontrollvariable Branche Zur Kontrolle der Varianz über die unterschiedlichen Branchen der Stichprobe wird eine Dummy-Variable eingeführt. Aufgrund der Stichprobe von n = 90 ist es jedoch nur möglich, eine Branche als Dummy-Variable zu berücksichtigen.580 Im weiteren Verlauf der Untersuchung wird deshalb lediglich die Branche „Finanzdienstleistungen“ als Dummy-Variable in die Modelle der Kundenlebenszyklusphasen aufgenommen. Vorhergehende Analysen habe zudem gezeigt, dass lediglich diese Branche einen signifikanten Zusammenhang zum Erfolg in den einzelnen Phasen des Kundenlebenszyklus aufweist. Die anderen Branchen „Handel und produzierendes Gewerbe“, In-

580

Vgl. Chin (1998), S. 311. Danach sollte die Stichprobe mindestens zehnmal die Summe der unabhängigen latenten Variablen, welche die abhängige latente Variable beeinflussen, ausmachen.

Befunde der empirischen Untersuchung

183

formations- und Kommunikationstechnologie“ sowie „Energie und Chemie“ weisen keinen signifikanten Einfluss auf. Entsprechend nimmt die Dummy-Variable den Wert Eins an, wenn Unternehmen i der Branche „Finanzdienstleistungen“ angehört, Null, wenn dies nicht der Fall ist.

6.3 Darstellung der reflektiven Konstrukte In den Abschnitten 4.2.4, 4.2.6 und 4.2.7 wurde der Zusammenhang zwischen der „Nutzungsintensität“ des CRM-Systems, der „Kundenorientierung“ sowie der „Topmanagement-Unterstützung“ und dem Unternehmenserfolg ausgeführt. Da diese Konstrukte in der Literatur zum größten Teil bereits vielfach empirisch belegt wurden, soll im Rahmen dieser Arbeit für die Operationalisierung auf etablierte Skalen zurückgegriffen werden, die allerdings an den Sachverhalt CRM anzupassen sind. Die Literatur hält eine bemerkenswerte Anzahl von Studien zu den Erfolgswirkungen einer Kundenorientierung oder Marktorientierung bereit.581 Für diese Arbeit wird unter der Kundenorientierung eine Form der Ausrichtung verstanden, wie sie Narver und Slater (1990) postulieren.582 Das Konstrukt „Kundenorientierung“ wird durch drei Indikatoren operationalisiert, die sich an der ursprünglichen Skala von Narver und Slater (1990) zur Operationalisierung des Ausmaßes an „Kundenorientierung“ orientieren, jedoch entsprechend dem CRM-Kontext angepasst wurden. Des Weiteren spielt die Unterstützung durch das Topmanagement bei der Umsetzung neuer Technologien oder Prozessen eine zentrale Rolle. So wird der Einfluss des Topmanagement bei der Umsetzung einer Markt- bzw. Kundenorientierung583 sowie bei der Adoption neuer Technologien584 hervorgehoben. Empirische Untersuchungen belegen eindeutig den positiven Effekt einer „Topmanagement-Unterstützung“ bei der Adoption von Innovationen in Unternehmen.585 Croteau und Li (2000) stellen in diesem Zusammenhang einen signifikant positiven Einfluss zwischen der „Topmanage-

581

Vgl. Desphandé, Farley und Webster (1993), Han, Kim und Srivastava (1998), Jaworski und Kohli (1993), Narver und Slater (1990), Slater und Narver (1994). 582 Vgl. Narver und Slater (1990), S. 34. 583 Vgl. Kohli und Jaworski (1990), S. 7f., Webster (1988), S. 37. 584 Vgl. Ginsberg und Venkatraman (1992), für eine detaillierte Übersicht Jarvenpaa und Ives (1991). 585 Vgl. Baldridge und Burnham (1975), DeLone (1988), Grover (1993), Zmud (1984).

184

Befunde der empirischen Untersuchung

ment-Unterstützung“ und dem CRM-Erfolg fest.586 Im Rahmen dieser Arbeit wird bei der Operationalisierung der latenten Variablen auf bewährte Skalen von Jaworski und Kohli (1993) sowie auf Rai und Bajwa (1997) zurückgegriffen und hinsichtlich des CRM-Kontexts leicht modifiziert.587 In der Literatur zur Nutzung technologischer Innovationen in Unternehmen wird immer wieder auf die Wichtigkeit des Zusammenhangs zwischen der „Nutzungsintensität“ einer Innovation und dem Erfolg hingewiesen. Im Rahmen dieser Arbeit wird angenommen, dass insbesondere die Nutzung des eingesetzten CRM-orientierten Informationssystems von herausragender Bedeutung ist.588 So kommt Hildebrandt zu dem Schluss, dass ein starker Zusammenhang zwischen der „Nutzungsintensität“ einer Kundendatenbank und dem Relationship Management besteht. Allein die tatsächliche Nutzung ist dabei die entscheidende Determinante.589 Die Messung des Konstrukts „Nutzungsintensität“ wird anhand von zwei Indikatoren „Auslastung der CRMAnwendungskomponenten“ und „Unterstützung der kundenbezogenen Aktivitäten durch CRM-Anwendungskomponenten“ vorgenommen. Mit dieser Operationalisierung wird damit der Vorgehensweise von Devaraj und Kohli (2003) gefolgt, welche die Nutzung von Informationstechnologien anhand der Auslastung des Informationssystems messen.590 6.3.1.1 Auswahl der Indikatoren Die im vorherigen Abschnitt beschriebenen Indikatoren sind hinsichtlich der unterstellten Faktorstruktur auf ihre Reliabilität zu überprüfen. Die Analyse der Korrelationen zwischen den Indikatoren in Tabelle 6-29 zeigt hohe signifikante bivariate Korrelationen zwischen den Indikatoren der jeweiligen Konstrukte, was auf die angenommene reflektive Operationalisierung hindeutet.

586

Vgl. Croteau und Li (2003), S. 31, ähnlich Massey, Montoya-Weiss und Holcom (2001), S. 168. Vgl. Jaworski und Kohli (1993), S. 66f., Rai und Bajwa (1997), S. 953f. 588 Vgl. Morgan, Anderson und Mittal (2005). 589 Vgl. Hildebrand (1997), S. 241. 590 Vgl. Devaraj und Kohli (2003), S. 279. 587

0,161

0,235*

0,516**

0,457**

0,475**

0,250* 0,315**

Topmanagement betont eine hohe Kundenorientierung

Topmanagement motiviert Mitarbeiter hinsichtlich CRM

Topmanagement ist in die Implementierung von CRM eingebunden

Topmanagement kommuniziert CRM intern und extern

Auslastung der CRMAnwendungskomponenten

4.

5.

6.

7.

8.

** Die Korrelation ist signifikant auf dem Niveau von 0,01. * Die Korrelation ist signifikant auf dem Niveau von 0,05.

Unterstützung der kundenbezogenen Aktivitäten durch CRMAnwendungskomponenten

0,370**

Kenntnis der Kundenbedürfnisse

3.

9.

0,071

0,443**

Erfüllung Kundenwünsche

2.

0,273**

0,141

0,356**

0,177

0,464**

1,000

1,000

CRM-Strategie

1.

2.

1.

Indikator

0,194

0,243*

0,313**

0,203

0,319**

0,063

1,000

3.

0,205

0,191

0,579**

0,308**

0,565**

1,000

4.

0,370** 0,345**

0,351**

0,569**

1,000

6.

0,342**

0,837**

0,659**

1,000

5.

0,394**

0,395**

1,000

7.

0,714**

1,000

8.

1,000

9.

Befunde der empirischen Untersuchung 185

Tabelle 6-29: Korrelationsmatrix der verhaltensbezogenen Merkmale

186

Befunde der empirischen Untersuchung

Die insgesamt hohen bivariaten Abhängigkeiten und die inhaltliche Nähe der Indikatoren lassen den Schluss zu, dass es sich, wie angenommen, bei der „TopmanagementUnterstützung“, der „Kundenorientierung“ und der „Nutzungsintensität“ um Konstrukte mit reflektiven Indikatoren handelt. Analog zum Erfolgsmodell werden die neun reflektiven Indikatoren (vgl. Tabelle 630) zur Überprüfung der postulierten Faktorstruktur einer explorativen Faktorenanalyse unterzogen. Auch hier zeigen die Gütekriterien die Eignung des Datenmaterials für die Durchführung einer explorativen Faktorenanalyse. Das Signifikanzniveau des Barlett-Tests (0,00) unterschreitet die kritische Irrtumswahrscheinlichkeit von 0,05 deutlich, kein Wert der Nicht-Diagnonal-Elemente der Anti-Image-Kovarianzmatrix liegt über dem kritischen Wert von 0,09. Auch das KMO-Kriterium wird mit einem Wert von 0,790 deutlich überschritten und alle MSA-Werte mit Ausnahme des Indikators „Nutzungsintensität“ (0,684) liegen deutlich oberhalb von 0,7.591 Tabelle 6-30: Varimax-rotierte Faktorladungsmatrix der reflektiven Indikatoren Faktor TopmanagementUnterstützung

Kundenorientierung

Nutzungsintensität

Teilerfolgsindikatoren

1

2

3

Topmanagement betont eine hohe Kundenorientierung

0,789

-0,025

- 0,017

Topmanagement motiviert Mitarbeiter hinsichtlich CRM

0,847

0,314

0,185

Topmanagement ist in die Implementierung von CRM eingebunden

0,697

0,141

0,318

Topmanagement kommuniziert CRM intern und extern

0,848

0,238

0,257

CRM-Strategie

0,411

0,610

0,187

Erfüllung Kundenwünsche

0,140

0,834

- 0,058

Kenntnis der Kundenbedürfnisse

0,034

0,799

0,185

Auslastung der CRM-Anwendungskomponenten

0,181

0,074

0,903

Unterstützung der kundenbezogenen Aktivitäten durch CRM-Anwendungskomponenten Erklärte Varianz (Ȉ = 72,89 %)

591

Faktorladungen (nach VarimaxRotation)

Vgl. die Tabellen A2-3 und A2-4 im Anhang 10.2 dieser Arbeit.

0,187

0,125

0,875

31,13 %

21,15 %

20,61 %

Befunde der empirischen Untersuchung

187

Nach Durchführung der Faktorenanalyse zeigt die Varimax-rotierte Faktorextraktion unter Verwendung der Hauptkomponentenmethode eine dreifaktorielle Lösung, die insgesamt 72,89 Prozent der Gesamtvarianz erklärt. Aus Tabelle 6-30 ist ersichtlich, dass der Faktor „Topmanagement-Unterstützung“ 31,13 Prozent, der Faktor „Kundenorientierung“ 21,15 Prozent und der Faktor „Nutzungsintensität“ 20,61 Prozent der Gesamtvarianz erklären. Zur Überprüfung der internen Konsistenz der drei Faktoren wurden wiederum für jeden Faktor die Werte der Gütekriterien der ersten Generation berechnet (vgl. Abschnitt 6.1.2). Die Ergebnisse sind in Tabelle 6-31 aufgeführt. Tabelle 6-31: Konstruktzusammensetzung und Gütekriterien der 1. Generation Teilerfolgsindikatoren

Faktorladung

Item-to-TotalKorrelation

TopmanagementUnterstützung

Topmanagement betont eine hohe Kundenorientierung

0,709

0,714

Cronbachs Alpha: 0,688

Topmanagement motiviert Mitarbeiter hinsichtlich CRM

0,924

0,918

Topmanagement ist in die Implementierung von CRM eingebunden

0,785

0,795

Topmanagement kommuniziert CRM intern und extern

0,928

0,921

Kundenorientierung

CRM-Strategie

0,762

0,774

Cronbachs Alpha: 0,860

Erfüllung Kundenwünsche

0,818

0,797

0,776

0,785

0,926

0,915

0,926

0,935

Konstrukt

Erklärte Varianz: 70,85 %

Erklärte Varianz: 61,75% Kenntnis der Kundenbedürfnisse Nutzungsintensität Cronbachs Alpha: 0,829

Auslastung der CRMAnwendungskomponenten

Erklärte Varianz: 85,68% Unterstützung der kundenbezogenen Aktivitäten durch CRM-Anwendungskomponenten

Hinsichtlich des Cronbachs Alpha weist das Konstrukt „Kundenorientierung“ mit 0,860 den höchsten Wert auf, gefolgt von dem Konstrukt „Nutzungsintensität“ mit 0,829. Lediglich das Konstrukt „Topmanagement-Unterstützung“ bleibt mit 0,688 geringfügig unter dem von Nunally (1978) geforderten Mindestwert von 0,7,592 weshalb von einer Modifikation des Konstrukts „Topmanagement-Unterstützung“ abgesehen werden soll, zumal auch die Item-to-Total-Korrelationen durchgehend hohe Werte

592

Vgl. Nunnally (1978), S. 245.

188

Befunde der empirischen Untersuchung

aufweisen. Die kritische Grenze von 50 Prozent zu erklärender Varianz wird von allen Konstrukten deutlich überschritten. Die Operationalisierung der Konstrukte „Topmanagement-Unterstützung“, „Kundenorientierung“ und „Nutzungsintensität“ mit reflektiven Indikatoren bestätigt die im Rahmen der Hypothesengenerierung gebildeten Dimensionen. 6.3.1.2 Deskriptive Analyse der Indikatoren Im Rahmen der Konzeptualisierung wurde bereits diskutiert, wie die „Kundenorientierung“, die „Topmanagement-Unterstützung“ und die „Nutzungsintensität“ des CRMSystems eine Wirkung auf die Teilerfolgsgrößen der Kundenlebenszyklusphasen ausüben. Aus Tabelle 6-32 ist ersichtlich, dass bezüglich der „TopmanagementUnterstützung“ und der „Kundenorientierung“ durchgehend hohe Bewertungen festzustellen sind. Tabelle 6-32: Deskriptive Statistiken zu den Bewertungen von Merkmalen der reflektiven Indikatoren Konstrukte TopmanagementUnterstützung

MW

Med.

Stab.

Rang

Topmanagement betont eine hohe Kundenorientierung

Bezeichnung der Indikatoren

3,99

4,00

1,00

1

Topmanagement motiviert Mitarbeiter hinsichtlich CRM

3,44

4,00

1,14

2

Topmanagement ist in die Implementierung von CRM eingebunden

3,36

4,00

1,15

3

Topmanagement kommuniziert CRM intern und extern

3,22

3,00

1,13

4

Kundenorientierung CRM-Strategie

3,86

4,00

1,05

3

Erfüllung Kundenwünsche

4,22

4,00

0,97

1

Kenntnis der Kundenbedürfnisse

3,94

4,00

1,05

2

Kodierung der Skalenpole: 1 = überhaupt nicht zutreffend, 5 = voll und ganz zutreffend Nutzungsintensität

Auslastung der CRMAnwendungskomponenten

52,18

50,00

22,20

2

Unterstützung der kundenbezogenen Aktivitäten durch CRM-Anwendungskomponenten

54,26

53,10

25,34

1

Offene Frage, Antwort in Prozent

Befunde der empirischen Untersuchung

189

Den Mittelwerten nach zu urteilen, erhalten diejenigen Indikatoren, die eine hohe „Kundenorientierung“ widerspiegeln (hohe Kundenorientierung 3,00, Erfüllung Kundenwünsche 4,22), die höchsten Einstufungen seitens der Unternehmen. Diesen Sachverhalt zeigt auch die Verteilung der Stichprobe in Abbildung 6-1. Abbildung 6-1: Verteilung der Stichprobe nach der Ausprägung und der Umsetzung einer Kundenorientierung

60%

42,2% 43,3%

Anteil in Prozent

40% 34,5%

28,9%

20%

15,6% 13,3%

8,9%

7,8%

3,3%

2,2% 0% 1

2

3

4

5

Skalenbewertung Betonung einer hohen Kundenorientierung

Einsatz einer CRM-Strategie

Interessanterweise steht die angegebene „Nutzungsintensität“ des „CRM-orientierten Informationssystems“ in Widerspruch zu den dargelegten Ergebnissen. Bezüglich des Indikators „Unterstützung der kundenbezogenen Aktivitäten durch CRMAnwendungskomponenten“ liegt die Ausprägung des Mittelwertes lediglich bei 54,26 Prozent und auch die Verteilung der Stichprobe zeigt eine eher geringere „Nutzungsintensität“ an, was darauf hindeutet, dass „Kundenorientierung“ als strategische Ausrichtung zwar postuliert wird, diese jedoch von den befragten Unternehmen nur zu einem

190

Befunde der empirischen Untersuchung

geringen Teil unter Zuhilfenahme des eingesetzten CRM-orientierten Informationssystems gelebt wird. Abbildung 6-2: Verteilung der Stichprobe nach der Nutzungsintensität 60%

Anteil in Prozent

40% 31,10% 27,80%

20% 15,60%

15,50% 10,00%

0% ” 20 %

0 % ” 20 %

40 % ” 60 %

60 % ” 80 %

80 % ” 100 %

Nutzungsintensität

Zusammenfassend ist festzuhalten, dass durch die Unternehmen durchgehend der Einsatz einer „Kundenorientierung“ betont wird. Dazu kommuniziert das Topmanagement diese Strategie sowohl intern als auch extern. Im Widerspruch dazu steht allerdings eine weitgehend niedrige „Nutzungsintensität“ des CRM-orientierten Informationssystems zur Unterstützung der kundenbezogenen Aktivitäten, was einerseits ein Indiz für die bisherige Unsicherheit im Umgang mit CRM in den Unternehmen sein kann. Andererseits liegt die Vermutung nahe, dass die relativ geringen Zustimmungswerte der Indikatoren zur „Topmanagement-Unterstützung“ darauf hindeuten, dass das Topmanagement Defizite in der Kommunikation hat und deshalb möglicherweise CRM in den Unternehmen bisher relativ wenig genutzt wird. Dieses Ergebnis steht in Widerspruch zu den betrachteten Fallstudien von Unternehmen wie Bertelsmann, Consors

Befunde der empirischen Untersuchung

191

oder Swisscom der Studie von Alt, Puschmann und Österle (2005),593 welche ebenfalls die Unterstützung durch die Geschäftsleitung als Erfolgsfaktor in ihren Fallstudien identifizieren. Möglicherweise steht die Absicht der Unterstützung durch das Topmanagement und die Realität in einem Widerspruch bei der Einführung von CRM. Im Folgenden werden die Konstrukte mit formativen Indikatoren, welche die Teilerfolgsmaße der Kundenlebenszyklusphasen determinieren, operationalisiert.

593

Vgl. Alt, Puschmann und Österle (2005), S. 200.

192

Befunde der empirischen Untersuchung

6.4 Evaluation der Wirkungszusammenhänge und Modellbeurteilung 6.4.1 Befunde des Erfolgsmodells Die Schätzung des Erfolgsmodells erfolgt anhand des in Abschnitt 5.2.1 dargestellten Verfahrens unter Anwendung der Software PLSGraph 3.0.594 Die Schätzung basiert auf 90 Fällen. Abbildung 6-3 zeigt die Befunde des Erfolgmodells im Überblick. Abbildung 6-3: Befunde zu den Wirkungseffekten des Erfolgsmodells

Anbahnungserfolg

+ 0,737***

Expansionserfolg

+ 0,610***

Bindungserfolg

R²korr = 0,522 - 0,286 **

+ 0,670***

R²korr = 0,342 - 0,187**

Gesamterfolg

R²korr = 0,143 Signifikanzniveau: *** p < 0,01, ** p > 0,05 Konstrukte mit einem reflektiven Messmodell sind kursiv dargestellt.

In die Analyse wurde die Aufnahme einer Kontrollvariable „Unternehmensgröße“ einbezogen, um den Anteil der Varianz isolieren zu können, der ausschließlich auf Unter-

594

Vgl. Chin (2001).

Befunde der empirischen Untersuchung

193

schiede in der Unternehmensgröße zurückzuführen ist. Da die Kontrollvariable nahezu keinen Effekt zeigte, wurde sie in das hier berichtete Modell nicht aufgenommen. Aus Tabelle 6-33 sind die Ladungskoeffizienten, die Gewichte sowie deren jeweilige t-Werte und Signifikanzen des Messmodells ersichtlich. Tabelle 6-33: Befunde des Messmodells Erfolgsdimensionen und Erfolgsmerkmale

Ladungen/ Gewichte*

Mittelwerte der Subsamples

Standardfehler

t-Statistik

Signifikanz

0,086*

0,268

0,187

0,458

0,648

Gesamterfolg (formativ) Gesamtergebnis Marktanteil

0,985*

0,891

0,138

7,121

0,000

Wachstum

-0,060*

-0,284

0,209

-0,288

0,774

Verbesserung der Neukundenakquisition

0,930*

0,894

0,114

8,124

0,000

Verbesserung der Kundenrückgewinnung

0,205*

0,279

0,181

1,131

0,261

Verbesserung der Kundenzufriedenheit

0,834

0,830

0,046

18,324

0,000

Verbesserung Cross-/UpSelling

0,897

0,901

0,024

36,875

0,000

Verbesserung des Gesamtertrags pro Kunde

0,680

0,696

0,138

4,913

0,000

Verbesserung der Kundenbindung

0,936

0,922

0,042

22,559

0,000

Senkung der Abwanderungsrate

0,846

0,852

0,036

23,565

0,000

Anbahnungserfolg (formativ)

Expansionserfolg (reflektiv)

Bindungserfolg (reflektiv)

* Gewichte der formativen Indikatoren

Die bisherigen Befunde belegen den hohen Stellenwert eines erfolgreichen „Anbahnungs- und Expansionsmanagements“ und zeigen die Schwierigkeiten des „Bindungsmanagements“ für den „Gesamterfolg“ auf. Das zentrale Ergebnis des Erfolgsmodells ist, dass im Rahmen von CRM lediglich der „Anbahnungserfolg“ und der

194

Befunde der empirischen Untersuchung

„Expansionserfolg“ einen positiven Einfluss auf den „Gesamterfolg“ ausüben.595 Der zugehörige Pfadkoeffizient von 0,670 zwischen „Expansionserfolg“ und „Gesamterfolg“ ist der Höchste im Erfolgsmodell. So erscheint auf den ersten Blick plausibel, dass Neukunden lediglich über ein erfolgreiches „Expansionsmanagement“ dem Unternehmen Erträge erbringen. Auch besteht ein starker Zusammenhang zwischen „Expansions- und Bindungserfolg“. Allerdings gelingt es nicht, aus dem reinen „Bindungserfolg“ einen positiven Effekt auf den „Gesamterfolg“ des Unternehmens zu generieren. Dies lässt den Schluss zu, dass ein Großteil der CRM-Maßnahmen im Rahmen der Kundenbindung nicht zu vermehrten Erträgen führen. Eine wesentliche Schwäche von CRM ist somit in der Generierung von Umsätzen in der Phase der Kundenbindung zu sehen. Dem Unternehmen gelingt zwar eine verbesserte Kundenbindung, doch es gelingt diesem nicht, daraus Verbesserungen auf den „Gesamterfolg“ zu erzielen. Vielmehr muss die Frage gestellt werden, welche Kosten mit den eingesetzten Kundenbindungsmaßnahmen verbunden sind. Zur Beurteilung der Modellgüte werden zunächst die R²-Werte des Strukturmodells betrachtet. Aus Tabelle 6-34 ist ersichtlich, dass die drei Teilerfolgsmaße der Kundenlebenszyklusphasen mit einem Wert des korrigierten R² von 0,143 einen akzeptablen Streuungsanteil der latenten, endogenen Variablen „Gesamterfolg“ erklären. Die moderate Höhe des R² ist erklärbar durch die vielen anderen Einflüsse auf den „Gesamterfolg“, die in dieser Untersuchung nicht einbezogen wurden. Auch legt der geringe Wert die Vermutung nahe, dass in dieser Untersuchung mit keinem ernsthaften Common-Method-Bias zu rechnen ist.596 Die Beurteilung von Mess- und Strukturmodell erfolgt weiter anhand der Höhe der Pfadkoeffizienten, der Gewichte und Ladungen sowie der Höhe der durch das Bootstrapping-Verfahren erzeugten t-Werte. Die unten stehende Tabelle 6-34 bildet die Höhe der Pfadkoeffizienten und deren t-Werte und Signifikanzen für das Strukturmodell ab. Alle Werte der Pfadkoeffizienten des Strukturmodells übersteigen den geforderten Wert von 0,1.

595

Die indirekte Wirkungsbeziehung des „Anbahnungserfolgs“ über den „Expansionserfolg“ führt zu einem positiven Totaleffekt auf den „Gesamterfolg“. 596 Vgl. Abschnitt 5.1.1.

Befunde der empirischen Untersuchung

195

Tabelle 6-34: Befunde des Strukturmodells Wirkungsbeziehung

Vermuteter Einfluss

Pfadkoeffizient

Standardfehler

t-Statistik

Signifikanz (einseitig)

+

-0,286

0,169

-1,700

0,046

+

0,670

0,164

4,076

0,000

+

-0,187

0,111

-1,690

0,047

+

0,737

0,090

8,209

0,000

+

0,610

0,153

4,000

0,000

Direkte Effekte Anbahnungserfolg Æ Gesamterfolg Expansionserfolg Æ Gesamterfolg Bindungserfolg Æ Gesamterfolg Indirekte Effekte Anbahnungserfolg Æ Expansionserfolg Expansionserfolg Æ Bindungserfolg Modellgüte R² Gesamterfolg

0,181

R²korr Gesamterfolg

0,143

R² Expansionserfolg

0,543

R²korr Expansionserfolg

0,522

R² Bindungserfolg

0,372

R²korr Bindungserfolg

0,342

Im Messmodell übersteigt das Merkmal „Marktanteil“ des Index „Gesamterfolg“ den kritischen Wert von 0,1 erheblich, hingegen bleiben die Merkmale „Gesamtergebnis“ und „Wachstum“ unter diesem. Die Merkmale des Index „Anbahnungserfolg“ übersteigen den kritischen Wert von 0,1 ebenfalls erheblich. Alle Ladungen mit Ausnahme des Merkmals „Verbesserung des Gesamtertrags pro Kunde“ übersteigen den Wert von 0,7. Des Weiteren sind bis auf die Indikatoren „Gesamtergebnis“ und „Marktanteil“ die t-Werte aller Indikatoren größer als Eins, was bedeutet, dass alle Indikatoren zur Erklärung ihrer latenten Variablen beitragen. Entsprechend liegen nahezu vollständig hohe signifikante Beziehungen zwischen Indikatoren und latenten Variablen auf dem Niveau von 0,000 vor. Im Strukturmodell weisen lediglich die Wirkungsbeziehungen zwischen den Erfolgsgrößen der Kundenlebenszyklusphasen untereinander sowie zwischen der Erfolgsgröße „Expansionserfolg“ und „Gesamterfolg“ signifikante Wirkungseffekte auf dem 1-Prozent-Niveau auf. Dennoch sind alle t-Werte größer als Eins. Zur Bestimmung des substanziellen Einflusses der einzelnen Teilerfolgsgrößen auf den „Gesamterfolg“ wurden für alle latenten Variablen die Effektgrößen berechnet (vgl. Tabelle 6-35). Während sich für den „Bindungserfolg“ mit

196

Befunde der empirischen Untersuchung

einem Wert von 0,012 praktisch kein Einfluss herausstellt, weisen der „Anbahnungserfolg“ (0,049) sowie der „Expansionserfolg“ (0,156) geringe bzw. mittlere Effektgrößen auf. Zwischen den Teilerfolgsmaßen weisen alle Maße hohe Effekte auf. Tabelle 6-35: Ausprägungen der Effektgröße Latente, exogene Variable Anbahnungserfolg

Effektgröße ƒ²

Substanzieller Einfluss

Gesamterfolg

0,049

gering

Expansionserfolg

1,188

hoch

Gesamterfolg

0,156

mittel

Bindungserfolg

0,600

hoch

Gesamterfolg

0,012

keiner

Latente, endogene Variable

Expansionserfolg Bindungserfolg

Für eine Verallgemeinerung der Ergebnisse ist des Weiteren die Prognosegüte des Erfolgsmodells zu überprüfen.597 Hierzu wurde der Datensatz zwischen Schätz- und Validierungssample im Verhältnis 66:33 zufällig aufgeteilt. Aus Tabelle 6-36 ist ersichtlich, dass das Erfolgsmodell eine respektable Prognosegüte aufweist. Mit Ausnahme der latenten Variable „Expansionserfolg“ decken sich alle Werte der quadrierten Korrelationskoeffizienten weitgehend mit den R²-Werten des Schätzsamples. Tabelle 6-36: Prognosegüte des Erfolgsmodells Latente Variable

Korrelation zwischen errechnetem und beobachteten Wert (R²)

Quadrierter Korrelationskoeffizient

R²-Wert des Schätzsamples

Gesamterfolg

0,410

0,168

0,233

Expansionserfolg

0,831

0,691

0,413

Bindungserfolg

0,757

0,573

0,433

Hinsichtlich der inhaltlichen Interpretation verdeutlicht ein Blick auf die direkten Wirkungsbeziehungen in Tabelle 6-37, dass lediglich der Erfolg der Kundenlebenszyklusphase „Expansion“ mit einem Pfadkoeffizienten von 0,670 einen signifikanten positiven Beitrag zum „Gesamterfolg“ eines Unternehmens leistet. Die Teilerfolgsmaße

597

Zur Prognosegüte vergleiche die Ausführungen in Abschnitt 5.2.3.1.

Befunde der empirischen Untersuchung

197

„Anbahnungserfolg“ und „Bindungserfolg“ weisen sogar einen negativen, schwach signifikanten Einfluss auf den „Gesamterfolg“ auf, was die Frage aufwirft, zu welchen Kosten Kunden akquiriert bzw. gebunden werden.598 Dieses Ergebnis verdeutlich die Schwierigkeiten, über den gesamten Kundenlebenszyklus erfolgreich CRM zu betreiben. Zur weiteren inhaltlichen Interpretation sind neben diesen direkten Effekten auch die indirekten kausalen Effekte einzubeziehen. Tabelle 6-37: Direkte, indirekte und totale Effekte der Teilerfolgsmaße auf den „Gesamterfolg“ Pfad

Direkter Effekt

Anbahnungserfolg Æ Gesamterfolg

-0,286

Anbahnungserfolg Æ Expansionserfolg Æ Gesamterfolg

t-Statistik

Signifikanz (einseitig)

-0,084

0,124

0,560

0,289

0,556

3,146

0,001

-0,187

1,642

0,052

0,670

Expansionserfolg Æ Bindungserfolg Æ Gesamterfolg Bindungserfolg Æ Gesamterfolg

Totaleffekt

0,494

Anbahnungserfolg Æ Expansionserfolg Æ Bindungserfolg Æ Gesamterfolg Expansionserfolg Æ Gesamterfolg

Indirekter Effekt

-0,114 -0,187

Tabelle 6-37 stellt die direkten, indirekten und totalen Effekte der Teilerfolgsmaße auf den „Gesamterfolg“ dar. Da die verwendete Software PLSGraph 3.0 t-Werte lediglich für die direkten und indirekten Effekte ausweist, erfolgte die Berechnung der t-Werte der Totaleffekte mit Hilfe einer Simulation, in der anhand einer Zufallszahlenziehung (n = 1000) Mittelwert und Standardabweichung der Stichprobe variiert werden.599 Dort ist erkennbar, dass der „Anbahnungserfolg“ aus der Saldierung der direkten und indirekten Effekte in einen positiven, wenn auch nicht signifikanten Totaleffekt auf den „Gesamterfolg“ resultiert. Dies ist auf die relativ starke indirekte Wirkung des „Anbahnungserfolgs“ über den „Expansionserfolg“ zurück zu führen. Auch der „Expansionserfolg“ weist einen positiven, signifikanten Totaleffekt auf, was ebenso aus der Saldierung der direkten und indirekten Effekte auf den „Gesamterfolg“ resultiert. Die Befunde des Erfolgsmodells liefern einen substanziellen Erklärungsbeitrag und sind

598 599

Vgl. Gupta und Lehmann (2005), S. 53ff. Vgl. Ang (1998), S. 221ff.

198

Befunde der empirischen Untersuchung

für die Prognose geeignet. Die verwendeten Teilerfolgsmaße wirken allerdings nur zum Teil entsprechend den zuvor postulierten Hypothesen. Dieser Umstand kann auf die unterschiedliche Verwendung der Skalen zur Erfassung des Erfolgs im CRM zurückgeführt werden. So stellen die Teilerfolgsmaße in den Phasen des Kundenlebenszyklus Maße dar, welche die Verbesserung seit Einführung von CRM angeben, während der „Gesamterfolg“ auf einer 5-stufigen Likert-Skala die Erfolgsposition im Vergleich zum Wettbewerb misst. Die Veränderung der Erfolgsposition im Vergleich zum Wettbewerb ist jedoch eher langfristiger Natur, so dass die positiven Wirkungszusammenhänge der Teilerfolgsmaße „Anbahnungserfolg“ und „Expansionserfolg“ auf den „Gesamterfolg“ darauf zurückgeführt werden können, dass Unternehmen, die in diesen ersten beiden Phasen des Kundenlebenszyklus ohnehin erfolgreich sind, auch ohne CRM bereits einen hohen „Gesamterfolg“ aufweisen. Hingegen kann der negative Wirkungszusammenhang des Teilerfolgsmaßes „Bindungserfolg“ auf den „Gesamterfolg“ darauf zurückgeführt werden, dass Unternehmen, die in der Beurteilung des „Gesamterfolgs“ eher schlecht abschneiden, insbesondere ihre CRM-Implementierung in diesem Bereich konzentriert haben. Die empirische Überprüfung der in Abschnitt 4.2 unterstellten Wirkungszusammenhänge zwischen den Erfolgsfaktoren und den drei Teilerfolgsdimensionen erfolgt separat voneinander, was zu einer Ableitung von drei Wirkungsmodellen führt. Die Aufteilung in ein Erfolgsmodell und drei Wirkungsmodelle für die Phasen des Kundenlebenszyklus erfolgt im Wesentlichen aus statistischen Gründen: Zum einen würden gleiche Sets von Erfolgsfaktoren, die alle auf sequentiell angeordnete Erfolgskonstrukte laufen, erhebliche Probleme der Multikollinearität verursachen. Dieser Umstand wäre bspw. der Fall in der Kundenlebenszyklusphase „Expansion“. Der „Expansionserfolg“ würde zum einen durch die Erfolgsfaktoren erklärt, zum anderen würden entsprechend den indirekten Wirkungsbeziehungen zwischen den Erfolgsmaßen wiederum dieselben Erfolgsfaktoren zur Erklärung der Erfolgsmaße in den anderen Phasen des Kundenlebenszyklus herangezogen werden. Eine stabile Schätzung des Modell ist dadurch nicht zu gewährleisten, so dass letztendlich Unterschiede hinsichtlich der Wirkung einzelner Erfolgsfaktoren innerhalb der einzelnen Phasen nicht mehr zu identifizieren sind. Die Schätzung der Wirkungsmodelle der Phasen des Kundenlebenszyklus wurde wiederum mit PLSGraph 3.0, basierend auf 90 Fällen, durchgeführt.

Befunde der empirischen Untersuchung

199

6.4.2 Befunde in den Phasen des Kundenlebenszyklus 6.4.2.1 Kundenlebenszyklusphase Anbahnung Bei der Betrachtung der Pfadkoeffizienten in Abbildung 6-4 ist zu erkennen, dass sechs der neun Hypothesen zu den direkten Wirkungsbeziehungen zwischen den Erfolgsfaktoren und dem „Anbahnungserfolg“ bestätigt werden. Abbildung 6-4: Befunde zu den Wirkungseffekten der Kundenlebenszyklusphase Anbahnung

Informationssystem

Kundenbewertung

Anbahnungsmanagement

Nutzungsintensität + 0, 164 n.s. + 0, 305*** Organisator. Anpassung

+ 0,233*** + 0,264***

Anbahnungserfolg

+ 0,199**

- 0,216**

R²korr = 0,352

+ 0, 025 n.s. + 0,211**

Kundenorientierung Topmgt.Unterstützung

Kontrollvariable Heterogenität

+ 0,272***

Kontrollvariable Branche

Signifikanzniveau: *** p < 0,01, ** p < 0,05, n.s. = nicht signifikant Konstrukte mit einem reflektiven Messmodell sind kursiv dargestellt.

Bis auf die „Kundenorientierung“ weisen alle Pfadkoeffizienten hypothesenkonforme Vorzeichen auf. Dabei wird der „Anbahnungserfolg“, gemessen an der Höhe der Pfadkoeffizienten, am stärksten durch die „Nutzungsintensität“ (0,305), gefolgt vom „An-

200

Befunde der empirischen Untersuchung

bahnungsmanagement“ (0,264) und der „Kundenbewertung“ (0,233) erklärt. Aber auch die „Heterogenität des Kundenstamms“ (0,211) sowie die „Organisatorische Anpassung“ (0,199) fallen in ihrer Wirkung nur geringfügig schwächer aus. Im Gegensatz dazu fällt die Wirkung der „Topmanagement-Unterstützung“ (0,025) deutlich schwächer aus und die „Kundenorientierung“ beschreibt interessanterweise einen negativen Wirkungszusammenhang (-0,216). Dieses Ergebnis scheint vor dem Hintergrund der betrachteten Phase „Anbahnung“ insofern plausibel, als dass in dieser Phase die Kundengewinnung im Vordergrund steht, CRM-typische Verhaltensweisen jedoch erst in späteren Kundenlebenszyklusphasen an Bedeutung gewinnen. Die Kontrollvariable „Branche Finanzdienstleistungen“ zeigt einen signifikanten Einfluss auf den „Anbahnungserfolg“ (0,272). Demnach sind Unternehmen aus der Branche Finanzdienstleistungen erfolgreicher als Unternehmen anderer Branchen, was auf Faktoren zurückzuführen ist, die für das Untersuchungsobjekt dieser Arbeit nicht erfasst wurden. Für die Kundenlebenszyklusphase „Anbahnung“ sind in Tabelle 6-38 die Ladungskoeffizienten, die Gewichte sowie deren jeweilige t-Werte und Signifikanzen des Messmodells dargestellt.600 Die Betrachtung des Index „Anbahnungsmanagement“ zeigt, dass alle Indikatoren einen Beitrag zur Erklärung der latenten Variablen leisten. Allerdings erhält das formale Kundenrückgewinnungsmanagement die höchste Gewichtung, gefolgt von annähernd gleich hohen Gewichten der drei anderen Indikatoren des Index „Anbahnungsmanagement“. Die Gewichtung der Vermeidung von Beziehungen zu unprofitablen Kunden fällt mit 0,419 relativ niedrig aus. Möglicherweise ist dies darauf zurückzuführen, dass in der Phase „Anbahnung“ immer noch die traditionelle akquisitionsorientierte Sichtweise die kundenwertorientierte Sichtweise dominiert. Hinsichtlich der „Organisatorischen Anpassung“ bestätigt sich die hohe Bedeutung der abteilungsübergreifenden Kooperation zwischen Marketing, Service und Vertrieb sowie der Einsatz von monetären und nicht-monetären Anreizen. Bei der Betrachtung der Indikatoren des Index „CRM-orientiertes Informationssystem“ fällt auf, dass die „Speicherung von Kundenkontaktdaten“ sowie die „Datensammlung über alle Vertriebskanäle“ die höchsten Gewichtungen erhalten. Dies lässt sich auf die Bedeutung der Informationssammlung und -speicherung in der ersten Phase des Kundenlebenszyklus zurückführen. Auf der anderen Seite zeigen die Indikatoren „geschlosse-

600

Vgl. auch Tabelle A3-1 im Anhang dieser Arbeit für die Korrelationen der unabhängigen und abhängigen Variablen.

Befunde der empirischen Untersuchung

201

ner Informationskreislauf“ (-0,560) sowie „Speicherung von Kundenreaktionsdaten“ negative Gewichte (-0,367). Tabelle 6-38: Befunde des Messmodells Ladungen/ Gewichte*

Mittelwerte der Subsamples

Standardfehler

t-Statistik

Signifikanz (einseitig)

Verbesserung der Neukundenakquisition

0,948*

0,794

0,283

3,357

0,001

Verbesserung der Kundenrückgewinnung

0,104*

0,388

0,301

0,344

0,366

Erfolgsdimensionen und Erfolgsmerkmale Anbahnungserfolg (formativ)

Anbahnungsmanagement (formativ) Kundenwertorientierte Kommunikationsstrategie

0,486*

0,416

0,248

1,959

0,027

Beziehungsvermeidung mit unprofitablen Kunden

0,419*

0,383

0,241

1,737

0,043

Multi-Channel-Management

0,411*

0,421

0,278

1,478

0,072

Formales Kundenrückgewinnungsmanagement

0,923*

0,674

0,275

3,352

0,001

1,000*

1,000

0,000

0,000

0,500

Kundenbewertung (formativ) Kundenbewertung

CRM-orientiertes Informationssystem (formativ) Datensammlung über Vertriebskanäle

0,521*

0,379

0,223

2,333

0,011

Geschlossener Informationskreislauf

-0,560*

-0,386

0,285

-1,967

0,026

Einheitliche Kundendatenbank

0,123*

0,255

0,193

0,636

0,263

Aktualisierung der Daten

0,201*

0,319

0,238

0,846

0,200

Kontinuierliche Sammlung von Kundendaten

0,212*

0,229

0,177

1,198

0,117

Speicherung von Kundenkontaktdaten

0,702*

0,518

0,255

2,748

0,004

Speicherung von Kundenreaktionsdaten

-0,367*

-0,376

0,240

-1,529

0,065

Externe Informationsquellen

0,005*

0,306

0,209

0,023

0,491

Datenzugriff durch Marketing, Service und Vertrieb

0,470*

0,375

0,256

1,837

0,035

Auslastung der CRMAnwendungskomponenten

0,878

0,834

0,164

5,352

0,000

Unterstützung durch CRMKomponenten

0,962

0,920

0,132

7,275

0,000

Nutzungsintensität (reflektiv)

202

Befunde der empirischen Untersuchung

Fortsetzung von Tabelle 6-38 Erfolgsdimensionen und Erfolgsmerkmale

Ladungen/ Gewichte*

Mittelwerte der Subsamples

Standardfehler

t-Statistik

Signifikanz (einseitig)

Organisatorische Anpassung (formativ) Kundensegmentorientierte Organisationsstruktur

0,242*

0,276

0,202

1,196

0,118

Reorganisation der Verantwortungs- und Kompetenzbereiche

0,395*

0,480

0,304

1,298

0,099

Kooperation zwischen Marketing, Vertrieb, Service

0,842*

0,649

0,270

3,115

0,001

Einsatz von Anreizen

0,755*

0,627

0,253

2,980

0,002

Mitarbeiterbeurteilung auf Basis von kundenbeziehungsrelevanten Indikatoren

-0,134*

-0,284

0,197

-0,682

0,249

Einsatz von Schulungsmaßnahmen

-0,101*

-0,236

0,176

-0,572

0,284

Kundenorientierung (reflektiv) CRM-Strategie

0,796

0,690

0,243

3,269

0,001

Erfüllung Kundenwünsche

0,536

0,664

0,221

2,426

0,009

Kenntnis der Kundenbedürfnisse

0,857

0,667

0,240

3,573

0,000

Topmanagement-Unterstützung (reflektiv) Betonung einer hohen Kundenorientierung

0,666

0,679

0,227

2,936

0,002

Mitarbeitermotivation

0,885

0,782

0,199

4,448

0,000

Topmanagement in Implementierung eingebunden

0,836

0,682

0,220

3,798

0,000

Kommunikation von CRM

0,934

0,803

0,202

4,616

0,000

0,001

Kontrollvariable Heterogenität des Kundenstamms (formativ) Soziodemographische Faktoren

0,782*

0,554

0,239

3,278

Produktpräferenzen

-0,006*

-0,238

0,168

-0,034

0,486

Preis-/Leistungserwartungen

0,151*

0,209

0,152

0,994

0,161

Loyalität

-0,074*

-0,303

0,219

-0,340

0,367

Serviceanforderungen

-0,482*

-0,427

0,207

-2,334

0,011

1,000

0,000

0,000

0,500

Kontrollvariable Branche (formativ) Branche Finanzdienst1,000* leistungen * Gewichte der formativen Indikatoren

Befunde der empirischen Untersuchung

203

In Verbindung mit den geringen Gewichten der Indikatoren „einheitliche Kundendatenbank“ und „externe Informationsquellen“ deuten dieses Ergebnis darauf hin, dass in dieser Phase auf komplexe und kostenintensive technologische Komponenten verzichtet werden kann. Das Messmodell zeigt, dass die positive Wirkung der latenten Variablen „Heterogenität des Kundenstamms“ vor allem auf die soziodemographischen Faktoren zurückzuführen ist. Die Gewichte lassen den Schluss zu, dass Unternehmen mit ihren CRM-Maßnahmen um so erfolgreicher sind, je unterschiedlicher die Kunden bzgl. ihrer soziodemographischen Merkmale und Preis-Leistungserwartungen und je homogener sie bzgl. ihrer Serviceanforderungen sind. Tabelle 6-39: Befunde des Strukturmodells Wirkungsbeziehung Anbahnungsmanagement Æ Anbahnungserfolg Kundenbewertung Æ Anbahnungserfolg CRM-orientiertes Informationssystem Æ Anbahnungserfolg Nutzungsintensität Æ Anbahnungserfolg Organisatorische Anpassung Æ Anbahnungserfolg Kundenorientierung Æ Anbahnungserfolg Topmanagement-Unterstützung Æ Anbahnungserfolg Kontrollvariable Heterogenität des Kundenstamms Æ Anbahnungserfolg Kontrollvariable Branche Æ Anbahnungserfolg

Vermuteter PfadEinfluss koeffizient

Standardfehler

t-Statistik

Signifikanz (einseitig)

+

0,264

0,106

2,489

0,007

+

0,233

0,092

2,546

0,006

+

0,164

0,119

1,340

0,092

+

0,305

0,108

2,821

0,003

+

0,199

0,109

1,831

0,035

+

-0,216

0,095

-2,286

0,012

+

0,025

0,084

0,299

0,383

+

0,211

0,093

2,278

0,013

+

0,272

0,100

2,710

0,004

Modellgüte R² Anbahnungserfolg

0,417

R²korr Anbahnungserfolg

0,352

Die Evaluation der Modellgüte ergibt, dass sich mit einem Wert für das Bestimmtheitsmaß R² von 0,417 bzw. einem Wert für das korrigierte R² von 0,352 ein befriedigender Anteil an der Gesamtstreuung der latenten, endogenen Variablen „Anbahnungserfolg“ erklären lässt. Bei der Betrachtung des Strukturmodells in Tabelle 6-39

204

Befunde der empirischen Untersuchung

ist erkennbar, dass alle Erfolgsfaktoren einen Pfadkoeffizienten von weit über 0,1 aufweisen und auch alle Strukturpfade mit Ausnahme der Beziehung zwischen „Topmanagement-Unterstützung“ und „Anbahnungserfolg“ zur Erklärung des „Anbahnungserfolgs“ mit t-Werten größer Eins beitragen. Der Einfluss der Erfolgsfaktoren mit Ausnahme der „Topmanagement-Unterstützung“ erweist sich als signifikant auf dem Niveau von 0,05. Die Schätzergebnisse des Strukturmodels sind aus Tabelle 6-39 ersichtlich. Alle reflektiven Indikatoren der drei Konstrukte „Topmanagement-Unterstützung“, „Kundenorientierung“ und „Nutzungsintensität“ überschreiten mit ihren Faktorladungen den Wert von 0,7 deutlich mit Ausnahme des Merkmals „Betonung einer hohen Kundenorientierung“ und „Erfüllung Kundenwünsche“. Von den 27 formativen Indikatoren des Messmodells unterschreiten lediglich fünf den kritischen Wert von 0,1. Auch die meisten t-Werte der verwendeten Indikatoren sind größer als Eins. Der überwiegende Teil der Indikatoren leistet für die Indizes „CRM-orientiertes Informationssystem“, „Organisatorische Gestaltung“ und „Anbahnungsmanagement“ mit tWerten größer als Eins einen Erklärungsbeitrag. Die Wirkung der latenten Variablen „Heterogenität des Kundenstamms“ lässt sich jedoch nur auf zwei Indikatoren zurückführen. Aus der Berechnung der Effektgrößen in Tabelle 6-40 bestätigt sich für die Wirkungsgrößen zumeist ein geringer, substanzieller Einfluss. Tabelle 6-40: Ausprägungen der Effektgröße Latente, exogene Variable

Effektgröße ƒ²

Substanzieller Einfluss

Anbahnungsmanagement

0,113

gering

Kundenbewertung

0,070

gering

CRM-orientiertes Informationssystem

0,045

gering

Nutzungsintensität

0,086

gering

Organisatorische Anpassung

0,058

gering

Kundenorientierung

-0,043

gering

Topmanagement-Unterstützung

0,002

keiner

Kontrollvariable Heterogenität des Kundenstamms

0,060

gering

Kontrollvariable Branche

0,106

gering

Befunde der empirischen Untersuchung

205

Auch für dieses Modell ist die Prognosegüte zu überprüfen.601 Die durchgeführte Kreuzvalidierung erbrachte einen Korrelationskoeffizienten zwischen den errechneten und beobachteten Werten der latenten, endogenen Variablen „Anbahnungserfolg“ von 0,558. Der quadrierte Korrelationskoeffizient beträgt 0,311 und weicht damit vom R²Wert des Schätzsamples von 0,405 nur geringfügig ab, so dass auch die Prognosegüte des Modells sichergestellt ist. Neben der Betrachtung der Signifikanzen der Gewichte und Ladungen der Indikatoren des Messmodells erscheint es für die Ableitung von Handlungsempfehlungen hilfreicher, die tatsächliche Wirkungsstärke der Indikatoren auf den „Anbahnungserfolg“ zu analysieren. Tabelle 6-41 stellt dafür die Indikatoren nach der Höhe ihrer Totaleffekte auf den „Anbahnungserfolg“ dar. Die Berechnung der t-Werte der Totaleffekte erfolgt entsprechend dem Vorgehen aus Abschnitt 6.4.1. Die Totaleffekte für die Indikatoren der latenten Variablen mit einem formativen Messmodell errechnen sich durch die Multiplikation der Gewichte der jeweiligen Indikatoren mit dem zugehörigen Pfadkoeffizienten der latenten Variablen. Der Totaleffekt einer latenten Variablen mit einem reflektiven Messmodell wird durch Multiplikation des Mittelwertes der Ladungen der reflektiven Indikatoren mit dem zugehörigen Pfadkoeffizient der latenten Variablen errechnet. Zusätzlich sind in der Tabelle die Indexwerte der Indikatoren sowie die (Quasi-)Elastizitäten aufgeführt. Die Indexwerte werden durch Multiplikation der Mittelwerte der Indikatoren mit ihren Gewichten bzw. Ladungen gebildet. Mit dem Einsatz von bestimmten CRM-Maßnahmen verbinden Unternehmen das Ziel, positive Veränderungen der Teilerfolgsmaße zu erreichen. Als Maß für die Reagibilität der eingesetzten Maßnahmen auf die Teilerfolgsmaße lässt sich eine QuasiElastizität errechnen, die definiert ist als relative Veränderung der Teilerfolgsmaße in Bezug auf den einzelnen Indikator. Sie wird berechnet durch Multiplikation des Mittelwertes des Indikators mit dem zugehörigen Totaleffekt und anschließender Division durch den Mittelwert des Teilerfolgsmaßes.602 Diese Quasi-Elastizität unterliegt allerdings gewissen restriktiven Annahmen. So sind die unabhängigen Variablen bis auf die „Nutzungsintensität“ intervallskaliert und eigentlich nicht für die Berechnung von

601 602

Vgl. Abschnitt 5.2.3.1 dieser Arbeit. Vgl. Albers und Clement (2004), S. 14.

206

Befunde der empirischen Untersuchung

Elastizitäten geeignet.603 Zusätzlich muss das vor Einführung von CRM erreichte Niveau der Teilerfolgsmaße als Ausgangspunkt betrachtet werden und entsprechend Null gesetzt werden. Die in Tabelle 6-38 aufgeführten Quasi-Elastizitäten sind daher mit einer gewissen Vorsicht zu interpretieren. Dennoch ermöglichen sie, ein Gefühl für die Erfolgswirkungen der eingesetzten CRM-Maßnahmen zu entwickeln.

603

Baker, Hardyck und Petrinovich (1966) gehen allerdings anhand der Ergebnisse einer Simulationsstudie mit einer systematisch verzerrten Intervallskala von der Unbedenklichkeit der Anwendung aus.

Befunde der empirischen Untersuchung

207

Tabelle 6-41: Totaleffekte (T), Indexwerte und Elastizitäten der Indikatoren in der Kundenlebenszyklusphase Anbahnung T

Ind.

Bezeichnung

Totaleffekt

t-Wert

Indexwert

Elastizität.

0,048

Positive Totaleffekte

T > 0,05

N

Nutzungsintensität

0,281

2,591

0,490

A4

Formales Kundenrückgewinnungsmanagement

0,244

1,992

0,439

0,037

KB

Kundenbewertung

0,233

2,277

0,592

0,045

O3

Kooperation zwischen Marketing, Vertrieb, Service

0,168

1,635

0,584

0,038

H1

Soziodemographische Faktoren

0,165

1,817

0,330

0,023

O4

Einsatz von Anreizen

0,150

1,542

0,304

0,020

A1

Kundenwertorientierte Kommunikationsstrategie

0,128

1,446

0,299

0,029

I6

Speicherung von Kundenkontaktdaten

0,115

1,222

0,317

0,017

0,05

A2

Beziehungsvermeidung mit unprofitablen Kunden

0,111

1,405

0,297

0,021

”T”

A3

Multi-Channel-Management

0,109

1,267

0,278

0,024

0,15

I1

Datensammlung über Vertriebskanäle

0,085

1,122

0,273

0,014

O2

Reorganisation der Verantwortungs- und Kompetenzbereiche

0,079

1,011

0,276

I9

Datenzugriff durch Marketing, Service und Vertrieb

0,077

1,010

0,333

0,018

O1

Kundensegmentorientierte Organisationsstruktur

0,048

0,891

0,163

0,010

I5

Kontinuierliche Sammlung von Kundendaten

0,035

0,781

0,133

0,007

I4

Aktualisierung der Daten

0,033

0,629

0,119

0,006 0,006

0,03 ”T” 0,05

T < 0,03

0,018

H3

Preis-/Leistungserwartungen

0,032

0,881

0,088

TM

Topmanagement-Unterstützung

0,021

0,084

0,576

0,005

I3

Einheitliche Kundendatenbank

0,020

0,505

0,074

0,004

I8

Externe Informationsquellen

0,001

0,020

0,002

0,000

-0,000

Negative Totaleffekte

T > -0,03

H2

Produktpräferenzen

-0,001

-0,034

-0,003

H4

Loyalität

-0,016

-0,308

-0,041

-0,003

O6

Einsatz von Schulungsmaßnahmen

-0,020

-0,511

-0,066

-0,004

O5

Mitarbeiterbeurteilung auf Basis von kundenbeziehungsrelevanten Indikatoren

-0,027

-0,551

-0,064

-0,004

-0,15

I7

Speicherung von Kundenreaktionsdaten

-0,060

-0,891

-0,235

-0,012

”T”

I2

Geschlossener Informationskreislauf

-0,092

-1,089

-0,293

-0,016

-0,05

H5

Serviceanforderungen

-0,102

-1,552

-0,257

-0,018

T < -0,15

KO

Kundenorientierung

-0,158

-1,832

0,581

-0,041

Der „Anbahnungserfolg“ wird maßgeblich beeinflusst durch die Indikatoren der Konstrukte „Nutzungsintensität“, „Anbahnungsmanagement“, „Kundenbewertung“, „Organisatorischer Anpassung“ und „CRM-orientiertes Informationssystem“. Die Kontrollvariable „Heterogenität des Kundenstamms“ hat ebenfalls einen starken Einfluss auf den „Anbahnungserfolg“.

208

Befunde der empirischen Untersuchung

Der Indikator „soziodemographische Faktoren“ der Kontrollvariablen „Heterogenität des Kundenstamms“ zeigt mit einem Totaleffekt von 0,165, dass Unternehmen um so erfolgreicher in der Phase „Anbahnung“ sind, je unterschiedlicher der Kundenstamm bzgl. der soziodemographischen Faktoren ist. Mit Werten zwischen 0,032 (Preis-/ Leistungserwartungen) und -0,102 (Serviceanforderungen) zeigen die anderen Indikatoren nahezu keinerlei Wirkung, was damit erklärt werden kann, dass die befragten Unternehmen ihren Kundenstamm lediglich anhand der soziodemographischen Merkmale unterscheiden und sich über die „Heterogenität des Kundenstamms“ bzgl. der anderen Merkmale kaum bewusst sind. Entsprechend sind die anderen Indikatoren für eine Charakterisierung der „Heterogenität des Kundenstamms“ in dieser Phase des Kundenlebenszyklus von nahezu keiner Bedeutung. Die Unterscheidung der Kunden nach soziodemographischen Merkmalen spiegelt sich auch in den Verfahren zur Kundenbewertung wider. Die deskriptive Analyse des Index „Kundenbewertung“ aus Abschnitt 6.2.2 hat gezeigt, dass überwiegend eindimensionale nicht-monetäre Kundenbewertungsmodelle wie bspw. Scoring-Modelle oder Portfolioanalysen und eindimensionale monetäre Kundenbewertungsmodelle wie bspw. ABC-Analysen eingesetzt werden. Diese Modelle verwenden überwiegend die soziodemographischen Merkmale, nach denen die Unternehmen ihren Kundenstamm unterscheiden. Hinsichtlich der „Kundenbewertung“ zeigt sich hier, dass einfache Verfahren der Bewertung mit einem Totaleffekt von 0,233 einen starken Wirkungszusammenhang auf den Erfolg ausüben. Dieses Ergebnis zeigt, dass trotz der in der Literatur vielfach geforderten komplexen Ausgestaltung von Kundenbewertungsverfahren604 auch relativ einfache Verfahren einen starken Wirkungszusammenhang auf den Erfolg ausüben können und liefert einen ersten Hinweis darauf, dass CRM nicht notwendigerweise mit dem Einsatz hoch komplexer Verfahren und umfangreicher Informationstechnologie in Verbindung zu setzen ist. Sämtliche Indikatoren des „Anbahnungsmanagements“ zeigen mit Totaleffekten über 0,1 einen starken Einfluss auf den „Anbahnungserfolg“. Auffällig ist allerdings, dass das „formale Kundenrückgewinnungsmanagement“, gefolgt von der „kundenwertorientierten Kommunikationsstrategie“ sowie der „Beziehungsvermeidung mit unprofitablen Kunden“ den stärksten Totaleffekt aufweist. Dieses Ergebnis verdeutlicht die

604

Vgl. bspw. Cornelsen (2000), Rudolf-Sipötz (2001), Tewes (2003).

Befunde der empirischen Untersuchung

209

Bedeutung der Rückgewinnung verlorener Kunden, da diese eine ähnlich starke Loyalität entwickeln wie bestehende, gebundene Kunden.605 Seitens der „Organisatorischen Anpassung“ ist mit einem Totaleffekt von 0,168 die „Kooperation zwischen Marketing, Vertrieb und Service“ stark erfolgsbeeinflussend.606 Dieses Ergebnis leuchtet ein vor dem Hintergrund, die kundenbezogenen Prozesse zwischen den Abteilungen bereits in der Phase der „Anbahnung“ zu optimieren, um Kunden in dieser frühen Phase von dem Leistungsangebot des Unternehmens zu überzeugen.607 Ebenfalls einen starken Totaleffekt zeigt der „Einsatz von Anreizen“ (monetäre und nicht-monetäre) zur Steuerung der Mitarbeiter. Die „Mitarbeiterbeurteilung auf Basis von kundenbeziehungsrelevanten Indikatoren“ spielt dagegen mit einem Totaleffekt von -0,027 nahezu keine Rolle. Dieses Ergebnis wird durch vorangegangene Studien zu Beurteilungssystemen anhand von entweder monetären Anreizen oder beziehungsrelevanten Indikatoren gestützt.608 Außendienstmitarbeiter, die anhand beziehungsrelevanter Indikatoren beurteilt werden, zeigen eine höhere Serviceorientierung als diejenigen, die anhand der Abschlüsse entlohnt werden. In der Phase „Anbahnung“ ist es zunächst jedoch wichtig, profitable Kunden auch tatsächlich zu akquirieren, der Einsatz von monetären Anreizen hat daher deutlich Vorrang vor dem Einsatz einer Mitarbeiterbeurteilung anhand von kundenbeziehungsrelevanten Indikatoren. Dies lässt den Schluss zu, dass in dieser Phase das klassische „Hard Selling“ das „Soft Selling“ überwiegt. Der „Einsatz von Schulungsmaßnahmen“ zur erfolgreichen Durchführung von CRM spielt mit einem relativ schwachen Totaleffekt von -0,020 eine geringe Bedeutung, was damit erklärbar ist, dass die Nutzung und die Ausgestaltung des „CRM-orientierten Informationssystems“ nicht sehr komplex ist. Entsprechend ist hinsichtlich der Indikatoren des „CRMorientierten Informationssystems“ zu beobachten, dass die Mehrzahl der Indikatoren mit Totaleffekten zwischen 0,05 und 0,15 eher schwach ausgeprägt ist. Hochkomplexe Bestandteile des Informationssystems wie bspw. der Einsatz einer „einheitlichen Kundendatenbank“ (0,020), die Herstellung eines „geschlossenen Informationskreislaufs“ (-0,092), die „Aktualisierung von Daten“ (0,033) oder die „Nutzung externer Informationsquellen“ (0,001) zeigen nur sehr geringe positive oder negative Totaleffekte. Den-

605

Vgl. Sauerbrey und Henning (2000), S. 4f. Vgl. in diesem Zusammenhang auch die Studie von van Bruggen und Wierenga (2005), S. 33. 607 Vgl. Kennedy, Goolsby und Arnould (2003), S. 78. 608 Vgl. Sharma und Sarel (1995), S. 26ff., Sharma (1997), S. 68. 606

210

Befunde der empirischen Untersuchung

noch ist zu beobachten, dass die „Speicherung von Kundenkontaktdaten“ (0,115) sowie die „Datensammlung über die Vertriebskanäle“ (0,085) in dieser Phase wichtig sind, um bereits zu Beginn der Kundenbeziehung Informationen über den Kunden zu sammeln. Damit zeigt sich für diese Phase des Kundenlebenszyklus, dass das „CRMorientierte Informationssystem“ zwei grundlegende Funktionalitäten zu erfüllen hat: Die Sammlung sowie die Speicherung von Kundenkontaktdaten über die Vertriebskanäle. Einfache Funktionalitäten haben demnach einen relativ starken Totaleffekt auf den Erfolg, komplexe Funktionalitäten zeigen nahezu keinen Effekt. Ein höheres Maß an Technologie muss nicht notwendigerweise zu den gewünschten positiven Effekten auf den Unternehmenserfolg führen.609 Es gilt vielmehr, die richtigen Funktionalitäten umzusetzen. Trotz der hohen Totaleffekte relativ einfacher Funktionalitäten des „CRM-orientierten Informationssystems“ ist der Totaleffekt der „Nutzungsintensität“ des „CRM-orientierten Informationssystems“ (0,281) hoch, was trotz der vorherigen Ausführungen die Notwendigkeit des Einsatzes dieser Informationstechnologie belegt. Die relativ einfache Umsetzung von Funktionalitäten des „CRM-orientierten Informationssystems“ erklärt auch den mit 0,021 nahezu nicht vorhandenen Totaleffekt der „Topmanagement-Unterstützung“. Es ist anzunehmen, dass die Unterstützung des Topmanagements vor allen Dingen bei hochkomplexen Implementierungen, welche ein entsprechend hohes Engagement der Mitarbeiter voraussetzen, wichtig wird.610 Entsprechend wird die oftmals in Studien festgestellte Wichtigkeit einer „Topmanagement-Unterstützung“ in dieser Untersuchung für die erste Phase des Kundenlebenszyklus nicht bestätigt.611 Für die „Kundenorientierung“ kann sogar ein negativer Totaleffekt festgestellt werden. Eine zu starke „Kundenorientierung“ mag möglicherweise in der Phase „Anbahnung“ kontraproduktiv wirken, da es zunächst einmal wichtig ist, profitable Kunden zu akquirieren bzw. zurückzugewinnen, so dass in dieser Phase das klassische „Hard Selling“ über die Vertriebskanäle erfolgsbeeinflussender als ein kundenorientiertes „Soft Selling“ ist. Das Ergebnis dieser Analyse spiegelt wider, dass die Ziele der Phase „Anbahnung“ zunächst durch die klassischen Kommunikationsinstrumente und Vertriebskanäle zu erreichen sind und eine „Kundenorientierung“ davor

609

Vgl. Reinartz, Krafft und Hoyer (2004), S. 302. Vgl. Reinartz und Chugh (2002), S. 211, Homburg und Stock (2001), S. 15. 611 Vgl. Croteau und Li (2003), van Bruggen und Wierenga (2005). 610

Befunde der empirischen Untersuchung

211

in den Hintergrund tritt bzw. sich sogar negativ auf die Kundenakquisition und -rückgewinnung auswirken kann. Zur Veranschaulichung der Totaleffekte und Indexwerte aus Tabelle 6-41 sind in Abbildung 6-5 die Totaleffekte auf der Abszisse und die Indexwerte auf der Ordinate abgebildet. Zusätzlich sind die entsprechenden Mittelwerte über alle Indikatoren abgetragen, so dass leicht zu erkennen ist, welche Indikatoren einen starken Totaleffekt auf den Erfolg ausüben und in welcher Höhe sie in der Stichprobe umgesetzt sind.612 Daraus lassen Handlungsempfehlungen ableiten. Im rechten oberen Quadranten befinden sich diejenigen Indikatoren, die einen starken Totaleffekt aufweisen und deren Indexwerte bereits überdurchschnittlich hoch ausgeprägt sind. Diese Indikatoren stellen die Treiber des Erfolgs dar. Zu diesen Indikatoren zählen die „Kundenbewertung“, „Nutzungsintensität“ sowie die bereits näher erläuterten Indikatoren des „Anbahnungsmanagements“ und des „CRM-orientierten Informationssystems“. Die Indikatoren im rechten unteren Quadranten sind diejenigen Indikatoren, die zwar einen starken Totaleffekt aufweisen, jedoch unterdurchschnittlich ausgeprägt sind. Entsprechend sollten Unternehmen die Implementierung dieser Indikatoren vorantreiben. In dieser Phase befinden sich in diesem Quadranten keine Indikatoren. Umgekehrt ist die Implementierung von Indikatoren mit einem unterdurchschnittlichen Totaleffekt und einem unterdurchschnittlichen Indexwert (linker unterer Quadrant) zu reduzieren. Insbesondere gilt dies für Indikatoren, die einen negativen Wert aufweisen. Für die Indikatoren im linken oberen Quadranten, die aufgrund eines überdurchschnittlichen Indexwertes bereits relativ umfangreich umgesetzt sind, gilt es, den Status Quo zu halten, jedoch die Implementierung nicht weiter voranzutreiben, da diese Indikatoren unterdurchschnittliche Totaleffekte aufweisen. Möglicherweise sollte eine Reduzierung vorgenommen werden. Dies gilt in dieser Phase insbesondere für die „Kundenorientierung“, welche einen negativen Totaleffekt aufweist, jedoch über einen hohen Indexwert verfügt, sowie für die „Topmanagement-Unterstützung“, welche ebenfalls einen hohen Indexwert aufweist, jedoch in dieser Phase über einen Totaleffekt nahe Null verfügt.

612

Vgl. Martensen und Grönholdt (2003), S. 143f.

-0,20

-0,15

KO

H5

-0,10

I2

I7

-0,05

-0,40

-0,20

0,00 O5 O6

H4

I3 H2 I8

0,20

0,40

0,60

0,80

Indexwert

1,00

I4

O2 O1

0,05

I5 H3

TM

O4

0,15

I6 A2 A1 A3 I1

0,10

I9

Mittelwert

H1

O3

0,20

0,25

A4

KB

Totaleffekt

0,35

Mittelwert

0,30

N

212 Befunde der empirischen Untersuchung

Abbildung 6-5: Indexwerte und Totaleffekte der Phase Anbahnung

Befunde der empirischen Untersuchung

213

Für die Kundenlebenszyklusphase „Anbahnung“ kann festgehalten werden, dass die Schätzergebnisse des Erfolgsmodells der ersten Kundenlebenszyklusphase einen akzeptablen Erklärungsbeitrag leisten. Zudem wirken die meisten Erfolgsfaktoren hypothesenkonform. Hinsichtlich der Ausgestaltung von CRM hat sich gezeigt, dass in der ersten Phase des Kundenlebenszyklus die klassischen Maßnahmen des Akquisitionsmanagements weiterhin ihre Wirkung entfalten. Dabei werden diese Maßnahmen durch einfache monetäre und nicht-monetäre Kundenbewertungsverfahren unterstützt, um in dieser Phase bereits Beziehungen zu unprofitablen Kunden zu vermeiden. Wurde in der Konzeptionalisierung bisher von einer möglichst komplexen Ausgestaltung des CRMorientierten Informationssystems ausgegangen, so zeigt die empirische Überprüfung, dass einfache Funktionalitäten wie Datensammlung und Speicherung einen stärkeren Wirkungszusammenhang auf den Erfolg ausüben als komplexe Funktionalitäten. Folglich zeigt auch die „Topmanagement-Unterstützung“ nahezu keine Wirkung. Die CRM-Maßnahmen sind durch eine Kooperation der kundennahen Abteilungen Marketing, Service und Vertrieb zu unterstützen. Hinsichtlich des Einsatzes von Anreizsystemen sind monetäre und nicht-monetäre Anreize zu setzen, welche die Akquisitionsbemühungen unterstützen. In der folgenden Kundenlebenszyklusphase „Expansion“ ist zu analysieren, welche Faktoren erfolgsbestimmend sind.

214

Befunde der empirischen Untersuchung

6.4.2.2 Kundenlebenszyklusphase Expansion Aus der Betrachtung der Pfadkoeffizienten in Abbildung 6-6 ist erkennbar, dass sechs der neun Hypothesen zu den direkten Wirkungsbeziehungen zwischen den Erfolgsfaktoren und dem „Expansionserfolg“ bestätigt werden. Abbildung 6-6: Befunde zu den Wirkungseffekten der Kundenlebenszyklusphase Expansion

Informationssystem

Kundenbewertung

Nutzungsintensität + 0,151 n.s.

Expansionsmanagement

+ 0,341*** . + 0,222***

+ 0,256*** Organisator. Anpassung

Expansionserfolg

+ 0,179** .

+ 0, 113 n.s.

R²korr = 0,334

+ 0, 033 n.s.

+ 0,348*** + 0,200**

Kundenorientierung Topmgt.Unterstützung

Kontrollvariable Heterogenität

Kontrollvariable Branche

Signifikanzniveau: *** p < 0,01, ** p < 0,05, n.s. = nicht signifikant Konstrukte mit einem reflektiven Messmodell sind kursiv dargestellt.

Alle Pfadkoeffizienten des Modells weisen hypothesenkonforme Vorzeichen auf. Der stärkste Wirkungszusammenhang, gemessen an der Höhe der Pfadkoeffizienten, besteht zwischen der „Heterogenität des Kundenstamms“ (0,348), gefolgt von der „Kundenbewertung“ (0,341), „Nutzungsintensität“ (0,256) und dem „Expansionsmanagement“ (0,222). Schwächere, aber dennoch signifikante Wirkungszusammenhänge be-

Befunde der empirischen Untersuchung

215

schreiben die Kontrollvariable „Branche Finanzdienstleistungen“ (0,200) und die latente Variable „Organisatorische Anpassung“ (0,179). Damit zeigt die Branche Finanzdienstleistungen auch in dieser Phase des Kundenlebenszyklus einen signifikant höheren Einfluss als die anderen betrachteten Branchen. Demnach sind Unternehmen aus der Branche Finanzdienstleistungen erfolgreicher in der Phase „Expansion“ als Unternehmen anderer Branchen, was auf Faktoren zurückzuführen ist, die für das Untersuchungsobjekt dieser Arbeit nicht erfasst wurden. Für die Erfolgsfaktoren „Kundenorientierung“, „Topmanagement-Unterstützung“ sowie das „CRM-orientierte Informationssystem“ können keine signifikanten Wirkungszusammenhänge zum „Expansionserfolg“ berichtet werden. Dieses Ergebnis verwundert vor dem Hintergrund der vielfach berichteten Wichtigkeit der „Kundenorientierung“ und „Top-Management-Unterstützung“ und steht in Widerspruch zu bisherigen Untersuchungen zu den Erfolgswirkungen von CRM.613 Für die Modellschätzung der Kundenlebenszyklusphase „Expansion“ sind in Tabelle 6-42 die Ladungskoeffizienten, die Gewichte sowie deren jeweiligen t-Werte und Signifikanzen des Messmodells dargestellt.614 Die Betrachtung des Messmodells zeigt, dass der positive Wirkungszusammenhang der latenten Variablen „Expansionsmanagement“ auf den Indikator „Durchführung von Cross- und Up-Selling-Maßnahmen“ zurückzuführen ist, was die Ergebnisse bisheriger empirischer Forschung untermauert.615 Hingegen weist der Indikator „Servicemanagement“ mit -0,408 ein negatives Gewicht auf. Dieses Ergebnis erscheint vor dem Hintergrund plausibel, dass hinter diesem Index die Einräumung monetärer Anreize wie bspw. Preisnachlässe (vgl. Abschnitt 6.2.1.2) stehen, von denen anzunehmen ist, dass diese wiederum einen negativen Einfluss auf den Erfolgsindikator „Gesamtertrag pro Kunde“ ausüben. Interessanterweise zeigt die Durchführung einer „kundenwertorientierten Kommunikationsstrategie“ in dieser Phase kein signifikantes Gewicht. Die Betrachtung des Messmodells der latenten Variablen „Organisatorische Anpassung“ in Tabelle 6-42 zeigt, dass die Indikatoren „Kooperation zwischen Marketing,

613

Vgl. Reinartz und Chugh (2002), Wilson, Daniel und McDonald (2002), Alt, Puschmann und Österle (2005), Croteau und Li (2003), Schoder und Madeja (2004). 614 Vgl. auch Tabelle A3-1 im Anhang dieser Arbeit für die Korrelationen der unabhängigen und abhängigen Variablen. 615 Vgl. die Ausführungen in Abschnitt 4.2.1.2 und 6.2.1.2 dieser Arbeit.

216

Befunde der empirischen Untersuchung

Service und Vertrieb (0,499), „kundensegmentorientierte Organisationsstruktur“ (0,523), „Reorganisation der Verantwortungs- und Kompetenzbereiche“ (0,535) sowie „Kooperation zwischen Marketing, Service und Vertrieb“ (0,499) hohe Gewichte aufweisen. Tabelle 6-42: Befunde des Messmodells Ladungen/ Gewichte*

Mittelwerte der Subsamples

Standardfehler

t-Statistik

Signifikanz (einseitig)

Verbesserung der Kundenzufriedenheit

0,820

0,822

0,061

13,545

0,000

Verbesserung Cross-/UpSelling

0,901

0,888

0,045

20,009

0,000

Verbesserung des Gesamtertrags pro Kunde

0,751

0,780

0,121

6,215

0,000

Erfolgsdimensionen und Erfolgsmerkmale Expansionserfolg (reflektiv)

Expansionsmanagement (formativ) Kundenwertorientierte Kommunikationsstrategie

-0,212*

-0,521

0,311

-0,682

0,249

Servicemanagement

-0,408*

-0,587

0,304

-1,341

0,092

Durchführung von Cross-/ Up-Selling-Maßnahmen

1,055*

0,599

0,323

3,268

0,001

1,000*

1,000

0,000

0,000

0,500

Kundenbewertung (formativ) Kundenbewertung

CRM-orientiertes Informationssystem (formativ) Datensammlung über Vertriebskanäle

0,771*

0,518

0,252

3,055

0,002

Geschlossener Informationskreislauf

-0,282*

-0,336

0,247

-1,141

0,129

Einheitliche Kundendatenbank

0,202*

0,284

0,199

1,016

0,156

Aktualisierung der Daten

0,390*

0,415

0,272

1,433

0,078

Kontinuierliche Sammlung von Kundendaten

0,045*

0,228

0,172

0,260

0,398

Speicherung von Kundenkontaktdaten

0,510*

0,409

0,204

2,499

0,007

Speicherung von Kundenreaktionsdaten

0,570*

0,448

0,283

2,015

0,024

Externe Informationsquellen

-0,227*

-0,256

0,177

-1,283

0,102

Datenzugriff durch Marketing, Service und Vertrieb

0,116*

0,332

0,242

0,479

0,317

Befunde der empirischen Untersuchung

217

Fortsetzung von Tabelle 6-42 Ladungen/ Gewichte*

Mittelwerte der Subsamples

Standardfehler

t-Statistik

Signifikanz (einseitig)

Auslastung der CRMAnwendungskomponenten

0,864

0,830

0,112

7,722

0,000

Unterstützung durch CRMKomponenten

0,969

0,967

0,039

25,147

0,000

Erfolgsdimensionen und Erfolgsmerkmale Nutzungsintensität (reflektiv)

Organisatorische Anpassung (formativ) Kundensegmentorientierte Organisationsstruktur

0,523*

0,380

0,236

2,212

0,015

Reorganisation der Verantwortungs- und Kompetenzbereiche

0,565*

0,474

0,283

1,996

0,025

Kooperation zwischen Marketing, Vertrieb, Service

0,499*

0,526

0,316

1,577

0,059

Einsatz von Anreizen

0,347*

0,393

0,287

1,210

0,115

Die Mitarbeiterbeurteilung basiert auf kundenbeziehungsrelevanten Indikatoren

-0,632*

-0,432

0,289

-2,189

0,016

Einsatz von Schulungsmaßnahmen

0,298*

0,386

0,264

1,132

0,130

Kundenorientierung (reflektiv) CRM-Strategie

0,524

0,574

0,261

2,005

0,024

Erfüllung Kundenwünsche

0,882

0,635

0,282

3,132

0,001

Kenntnis der Kundenbedürfnisse

0,049

0,593

0,280

0,175

0,431

Topmanagement-Unterstützung (reflektiv) Betonung einer hohen Kundenorientierung

0,157

0,663

0,256

0,612

0,271

Mitarbeitermotivation

0,735

0,742

0,226

3,245

0,001

Topmanagement in Implementierung eingebunden

0,921

0,649

0,263

3,499

0,000

Kommunikation von CRM

0,784

0,742

0,236

3,320

0,001

0,152

6,189

0,000 0,394

Kontrollvariable Heterogenität des Kundenstamms (formativ) Soziodemographische Faktoren

0,942*

0,845

Produktpräferenzen

0,045*

0,229

0,165

0,271

Preis-/Leistungserwartungen

-0,220*

-0,272

0,195

-1,125

0,132

Loyalität

0,392*

0,391

0,209

1,881

0,032

Serviceanforderungen

-0,088*

-0,227

0,182

-0,485

0,314

1,000

0,000

0,000

0,500

Kontrollvariable Branche (formativ) Branche Finanzdienst1,000* leistungen * Gewichte der formativen Indikatoren

218

Befunde der empirischen Untersuchung

Monetäre und nicht-monetäre Anreize für die Mitarbeiter spielen in dieser Phase eine untergeordnete Rolle, ebenso wenig der „Einsatz von Schulungsmaßnahmen“. Die latente Variable „CRM-orientiertes Informationssystem“ weist eine Reihe signifikanter Gewichte auf. Das höchste Gewicht weist der Indikator „Datensammlung über Vertriebskanäle“ auf, gefolgt von der Speicherung von Kundenreaktions- und Kundenkontaktdaten, was die Wichtigkeit der Sammlung und Speicherung von Kundendaten verdeutlicht. Daneben stellen die Indikatoren „Aktualisierung der Daten“ und „Einheitliche Kundendatenbank“ signifikante Gewichte dar. Interessanterweise weist der Indikator „geschlossener Informationskreislauf“ kein signifikantes Gewicht auf. Die „Heterogenität des Kundenstamms“ wird auch in dieser Kundenlebenszyklusphase durch die „soziodemographischen Faktoren“ dominiert, interessanterweise gefolgt von den Unterschieden in der „Loyalität“ der Kunden. Die vermuteten Unterschiede in den „Preis- und Leistungserwartungen“ sowie den „Serviceanforderungen“ zeigen keine signifikanten Gewichte. Die Schätzergebnisse des Strukturmodells mit Pfadkoeffizienten zwischen den Erfolgsfaktoren und der latenten, endogenen Variablen „Expansionserfolg“, die t-Werte und Signifikanzen sind wiederum aus Tabelle 6-43 ersichtlich. Auch für diese Kundenlebenszyklusphase ergibt die Evaluation der Modellgüte, dass sich mit einem Wert für das Bestimmtheitsmaß R² von 0,401 bzw. einem Wert für das korrigierte R² von 0,334 ein zufrieden stellender Anteil an der Gesamtstreuung der latenten endogenen Variablen „Expansionserfolg“ erklären lässt. Ein Blick auf das Messmodell in Tabelle 6-42 offenbart, dass von den 24 formativen Indikatoren lediglich zwei den Mindestwert der Gewichte von 0,1 unterschreiten. Zudem tragen die meisten Indikatoren zur Erklärung des jeweiligen Index bei. Sieben der acht Pfadkoeffizienten der Erfolgsfaktoren weisen einen Wert größer als 0,1 auf. Die Wirkungszusammenhänge zwischen den Erfolgsdeterminanten „Nutzungsintensität“, „CRMorientiertes Informationssystem“ sowie „Expansionsmanagement“ und „Expansionserfolg“ sind signifikant auf dem 0,05-Niveau, die Wirkungszusammenhänge zwischen den Erfolgsdeterminanten „Heterogenität des Kundenstamms“ und „Kundenbewertung“ und „Expansionserfolg“ sogar auf dem Niveau von einem Prozent.

Befunde der empirischen Untersuchung

219

Tabelle 6-43: Befunde des Strukturmodells Wirkungsbeziehung Expansionsmanagement Æ Expansionserfolg Kundenbewertung Æ Expansionserfolg CRM-orientiertes Informationssystem Æ Expansionserfolg Nutzungsintensität Æ Expansionserfolg Organisatorische Anpassung Æ Expansionserfolg Kundenorientierung Æ Expansionserfolg Topmanagement-Unterstützung Æ Expansionserfolg Kontrollvariable Heterogenität des Kundenstamms Æ Expansionserfolg Kontrollvariable Branche Æ Expansionserfolg

Vermuteter PfadEinfluss koeffizient

Standardfehler

t-Statistik

Signifikanz (einseitig)

+

0,222

0,094

2,357

0,010

+

0,341

0,106

3,227

0,001

+

0,151

0,092

1,638

0,053

+

0,256

0,081

3,147

0,001

+

0,179

0,101

1,773

0,040

+

0,113

0,087

1,300

0,099

+

0,033

0,063

0,523

0,301

+

0,348

0,081

4,305

0,000

+

0,200

0,084

2,392

0,010

R²korr Expansionserfolg

0,334

Modellgüte R² Expansionserfolg

0,401

Die Berechnung der Effektgrößen in Tabelle 6-44 bestätigen für diese Erfolgsfaktoren einen geringen bis mittleren Einfluss. Tabelle 6-44: Ausprägungen der Effektgröße Latente, exogene Variable

Effektgröße ƒ²

Substanzieller Einfluss

Expansionsmanagement

0,047

gering

Kundenbewertung

0,117

gering

CRM-orientiertes Informationssystem

0,028

gering

Nutzungsintensität

0,083

gering

Organisatorische Anpassung

0,032

gering

Kundenorientierung

0,018

keiner

Topmanagement-Unterstützung

0,002

keiner

Kontrollvariable Heterogenität des Kundenstamms

0,170

mittel

Kontrollvariable Branche

0,052

gering

220

Befunde der empirischen Untersuchung

Auch für dieses Modell ist die Prognosegüte zu überprüfen.616 Die durchgeführte Kreuzvalidierung erbrachte einen Korrelationskoeffizienten zwischen den errechneten und beobachteten Werten der latenten, endogenen Variablen „Expansionserfolg“ von 0,550. Der quadrierte Korrelationskoeffizient beträgt damit 0,303 und weicht damit vom R²-Wert des Schätzsamples von 0,469 mäßig ab, so dass die Prognosegüte des Modells sichergestellt ist. Neben der Betrachtung der Signifikanzen der Gewichte und Ladungen der Indikatoren des Messmodells erscheint es für die Ableitung von Handlungsempfehlungen auch für diese Phase hilfreicher, die tatsächliche Wirkungsstärke der Indikatoren auf den „Expansionserfolg“ zu analysieren. Tabelle 6-45 stellt dafür die Indikatoren nach der Höhe ihrer Totaleffekte auf den „Expansionserfolg“ dar. Die Berechnung der Totaleffekte, T-Werte, Indexwerte und Elastizitäten erfolgt entsprechend dem Vorgehen in Abschnitt 6.4.2.1. Auch der „Expansionserfolg“ wird maßgeblich beeinflusst durch die Indikatoren der Konstrukte „Nutzungsintensität“, „Expansionsmanagement“, „Kundenbewertung“, „Organisatorischer Anpassung“ und „CRM-orientiertes Informationssystem“. Hinsichtlich der Kontrollvariablen „Heterogenität des Kundestamms“ zeigen die starken Totaleffekte der Indikatoren „soziodemographische Faktoren“ (0,328) und „Loyalität“ (0,136), dass die eingesetzten CRM-Maßnahmen um so erfolgreicher in der Phase „Expansion“ sind, je unterschiedlicher der Kundenstamm bzgl. der „soziodemographischen Faktoren“ und der „Loyalität“ ist. Damit zeigt in dieser Phase der Indikator „Loyalität“ einen deutlich stärkeren Totaleffekt als in der vorangegangenen Kundenlebenszyklusphase „Anbahnung“. Cross- und Up-Selling-Aktivitäten zur Steigerung des Gesamtertrags pro Kunde scheinen somit ein geeignetes Mittel zum erfolgreichen Umgang mit Kunden zu sein, die sich hinsichtlich ihrer „Loyalität“ unterscheiden. Die anderen Indikatoren des Index zeigen weiterhin nahezu keine Effekte auf den Erfolg, was wiederum damit erklärt werden kann, dass die befragten Unternehmen bzgl. der anderen Merkmale der „Heterogenität des Kundenstamms“ möglicherweise keine Unterscheidung vornehmen.

616

Vgl. Abschnitt 5.2.3.1 dieser Arbeit.

Befunde der empirischen Untersuchung

221

Wie in der vorangegangen Phase weist auch die Unterscheidung des Kundenstamms nach soziodemographischen Merkmalen auf die Verwendung einfacher eindimensionaler Verfahren der Kundenbewertung hin.617

617

Vgl. auch die deskriptiven Statistiken zu den Bewertungen von Merkmalen des Index „Kundenbewertung“ aus Abschnitt 6.2.2.

222

Befunde der empirischen Untersuchung

Tabelle 6-45: Totaleffekte (T), Indexwerte und Elastizitäten der Indikatoren in der Kundenlebenszyklusphase Expansion T

Ind.

Bezeichnung

Totaleffekt

t-Wert

Indexwert

Elastizität

Positive Totaleffekte

T > 0,05

KB

Kundenbewertung

0,341

3,332

0,592

0,059

H1

Soziodemographische Faktoren

0,328

3,527

0,398

0,041 0,037

N

Nutzungsintensität

0,235

3,134

0,488

E3

Durchführung von Cross-/Up-Selling-Maßnahmen

0,234

1,994

0,713

0,038

H4

Loyalität

0,136

1,678

0,219

0,022

I1

Datensammlung über Vertriebskanäle

0,116

1,406

0,404

0,018

O2

Reorganisation der Verantwortungs- und Kompetenzbereiche

0,101

1,294

0,394

0,021

0,05

O1

Kundensegmentorientierte Organisationsstruktur

0,094

1,303

0,353

0,019

”T”

O3

Kooperation zwischen Marketing, Vertrieb, Service

0,089

1,161

0,346

0,018

0,15

I7

Speicherung von Kundenreaktionsdaten

0,086

1,279

0,365

0,016

I6

Speicherung von Kundenkontaktdaten

0,077

1,356

0,231

0,010

O4

Einsatz von Anreizen

0,062

0,924

0,139

0,007

I4

Aktualisierung der Daten

0,059

1,006

0,231

0,010

KO

Kundenorientierung

0,055

0,953

0,389

0,013

O6

Einsatz von Schulungsmaßnahmen

0,053

0,901

0,194

0,010

0,031

0,810

0,122

0,005 0,005

0,03 ”T” 0,05

I3 TM

T < 0,03

Einheitliche Kundendatenbank Topmanagement-Unterstützung

0,024

0,496

0,455

I9

Datenzugriff durch Marketing, Service und Vertrieb

0,018

0,405

0,082

0,004

H2

Produktpräferenzen

0,016

0,276

0,023

0,002

I5

Kontinuierliche Sammlung von Kundendaten

0,007

0,214

0,028

0,001

Negative Totaleffekte -0,05 ”T” -0,03

H5

Serviceanforderungen

-0,031

-0,454

-0,047

-0,005

I8

Externe Informationsquellen

-0,034

-0,930

-0,094

-0,004

I2

Geschlossener Informationskreislauf

-0,043

-0,882

-0,148

-0,007

E1

Kundenwertorientierte Kommunikationsstrategie

-0,047

-0,589

-0,131

-0,010 -0,013

-0,15

H3

Preis-/Leistungserwartungen

-0,077

-1,065

-0,129

”T”

E2

Servicemanagement

-0,091

-1,150

-0,290

-0,015

-0,05

O5

Mitarbeiterbeurteilung auf Basis von kundenbeziehungsrelevanten Indikatoren

-0,113

-1,302

-0,303

-0,016

Für die Kundenlebenszyklusphase „Expansion“ ist anzumerken, dass ein Kunde für ein Unternehmen um so wertvoller ist, je höher sein Cross-Selling-Potenzial und damit seine bisher nicht realisierten Umsatz- und Gewinnchancen sind.618 Da auch in dieser

618

Vgl. Cornelsen (2000), S. 18f.

Befunde der empirischen Untersuchung

223

Phase die „Kundenbewertung“ mit einem Totaleffekt von 0,341 einen starken Wirkungszusammenhang zum Erfolg aufweist, bestätigt dies wiederum den Schluss, dass bereits der Einsatz einfacher Kundenbewertungsverfahren zu Erfolgen führt und dass die Verwendung hoch komplexer Kundenwertmodelle nicht notwendig ist. Dieses Ergebnis steht im Gegensatz zu den Erkenntnissen von Müller (2004), der ein umfangreich ausgestaltetes System fordert.619 Für das „Expansionsmanagement“ zeigt der Indikator „Durchführung von Cross-/UpSelling-Maßnahmen“ mit 0,234 den stärksten Totaleffekt, während die Indikatoren „kundenwertorientierte Kommunikationsstrategie“ (-0,047) und „Servicemanagement“ (-0,091) geringe negative Totaleffekte beschreiben. Für das „Servicemanagement“, welches die Einräumung monetärer Anreize wie Rabatte oder individuelle Konditionen bzw. die Bereitstellung von Geschenken beinhaltet, ist dieses Ergebnis plausibel, da dieses Vorgehen den „Gesamtertrag pro Kunden“ schmälern wird. So wird bspw. in der Mobilfunkbranche vielfach ein kostenloses Handy bei Neuabschluss eines Vertrages ausgegeben. Folglich ist plausibel, dass die „Durchführung von Cross- und UpSelling-Maßnahmen“ den stärksten Wirkungszusammenhang zum „Expansionserfolg“ beschreibt, da diese Maßnahmen den „Gesamtertrag pro Kunden“ direkt steigern können. Insbesondere in der Finanzdienstleistungsbranche werden Cross- und Up-SellingMaßnahmen erfolgreich durchgeführt.620 Die Indikatoren des Index „CRM-orientiertes Informationssystem“ gewinnen in dieser Phase an Bedeutung. Neben der weiteren „Datensammlung über die Vertriebskanäle“ (0,116) und der „Speicherung von Kundenkontaktdaten“ (0,077) zeigen die „Speicherung von Kundenreaktionsdaten“ (0,086) und die „Aktualisierung von Daten“ (0,059) mittlere Totaleffekte auf den „Expansionserfolg“. Vor dem Hintergrund durchzuführender Cross- und Up-Selling-Maßnahmen sind diese Zusatzfunktionalitäten plausibel, da nur durch die Speicherung von Kontakt- und Reaktionsdaten sowie einer möglichst aktuellen Datenhaltung gewährleistet werden kann, dass dem Kunden keine Produkte doppelt angeboten werden oder er Produkte angeboten bekommt, die er nicht benötigt oder ablehnt. Das „CRM-orientierte Informationssystem“ muss also in dieser Phase des Kundenlebenszyklus differenzierter ausgestaltet sein als in der vorangegangenen

619 620

Vgl. Müller (2004), S. 308f. Vgl. Heck (2002), S. 588.

224

Befunde der empirischen Untersuchung

Phase, was wiederum den nun leicht positiven Totaleffekt des Indikators „Einsatz von Schulungsmaßnahmen“ erklärt. Weiterhin nahezu ohne Bedeutung bleiben die Indikatoren „geschlossener Informationskreislauf“ (-0,043) und „externe Informationsquellen“ (-0,034) und „einheitliche Kundendatenbank“ (0,033). Daher gilt auch in dieser Phase, dass das „CRM-orientierte Informationssystem“ durch relativ einfache, grundlegende Funktionalitäten das „Expansionsmanagement“ unterstützt. Dieses Ergebnis stützt die Beobachtung von Reinartz und Chugh (2002), dass vielfach eine Unmenge nutzloser Funktionalitäten implementiert wird.621 Trotz der relativ einfachen Ausgestaltung des CRM-orientierten Informationssystems deutet der hohe Totaleffekt von 0,235 der „Nutzungsintensität“ darauf hin, dass die grundlegenden Funktionalitäten der für das „Expansionsmanagement“ intensiv genutzt werden. Die Indikatoren des Konstrukts „Organisatorische Anpassung“ gewinnen in dieser Phase an Gewicht, so dass nun neben dem bereits in der Phase „Anbahnung“ enthaltenen Indikator „Kooperation zwischen Marketing, Vertrieb und Service“ (0,089) die Indikatoren „Reorganisation der Kompetenz- und Verantwortungsbereiche“ (0,101), die „kundensegmentorientierte Organisationsstruktur“ (0,094) sowie der „Einsatz von Schulungsmaßnahmen“ (0,054) relativ starke Totaleffekte auf den „Expansionserfolg“ zeigen. Dieses Ergebnis zeigt die Bedeutung einer Bearbeitung der Kunden nach Kundensegmenten im Gegensatz zu einer Sparten- oder Produktorganisation auf, da für ein erfolgreiches „Expansionsmanagement“ Kundengruppen ihrem Potenzial entsprechende Produkte angeboten werden sollten. Letztlich fördert die Bildung dezentraler, an kundensegmenten orientierten Einheiten den Kommunikationsfluss und die Lösungskompetenz für kundeseitige Probleme oder Beschwerden.622 Die funktionsübergreifende Zusammenarbeit von Marketing, Service und Vertrieb ist zudem geeignet, die Kommunikations, Koordination und Kooperation zwischen den kundennahen Abteilungen zu verbessern und Bereichsegoismen zu verringern, was wiederum geeignet ist, den Erfolg in dieser Phase des Kundenlebenszyklus positiv zu beeinflussen.623 Hinsichtlich der Indikatoren „Einsatz von Anreizen“ (0,062) und „Mitarbeiterbeurteilung auf Basis von kundenbeziehungsrelevanten Indikatoren“ (-0,113) zeigen sich ähnliche Ausprägungen des Totaleffekts wie bei der vorangegangenen Phase „Anbahnung“, da

621

Vgl. Reinartz und Chugh (2002), S. 216. Vgl. Bruhn (2003), S. 15. 623 Vgl. Narver und Slater (1990), S. 22. 622

Befunde der empirischen Untersuchung

225

auch diese Phase insbesondere durch eine Steigerung der Geschäftstätigkeit durch den Einsatz von Cross- und Up-Selling-Aktivitäten mit dem Kunden gekennzeichnet ist. Eine Beurteilung anhand von kundenbeziehungsrelevanten Indikatoren scheint diesem Ziel zunächst entgegen zu stehen. Es kann festgehalten werden, dass auch in dieser Phase mit Hilfe von monetären und nicht-moneären Anreizen versucht wird, die Mitarbeiter hinsichtlich der Steigerung des „Gesamtertrags pro Kunden“ möglichst abschlussorientiert zu steuern. Hingegen lässt sich in dieser Phase eine Motivation der Mitarbeiter, möglichst kundenorientiert zu handeln, kaum beobachten, so dass auch in dieser Phase von einer überwiegend abschlussorientierten Handlungsweise gesprochen werden muss. Entsprechend zeigt die „Kundenorientierung“ im Gegensatz zur vorangegangenen Lebenszyklusphase mit einem Totaleffekt von 0,055 nun zwar einen positiven Wirkungszusammenhang zum „Expansionserfolg“, dies ist jedoch vor allen Dingen darauf zurückzuführen, dass letztlich in der Phase „Expansion“ dem Kunden Produkte und Dienstleistungen angeboten werden müssen, welche die Bedürfnisse des Kunden befriedigen. Schäfer (2002) stellt entsprechend die Erfolgswirkung einer kundenorientierten Unternehmenskultur zur Erschließung von Cross-Selling-Potenzialen fest.624 Weiterhin nahezu unbedeutend bleibt die „Topmanagement-Unterstützung“ (0,024), was wiederum mit der Implementierung relativ einfacher Funktionalitäten des CRMorientierten Informationssystems erklärt werden kann. So gilt für diese Untersuchung der Umkehrschluss vergleichbarer Untersuchungen: Solange in Zusammenhang mit dem „CRM-orientierten Informationssystem“ keine hohen Anforderungen oder Schwierigkeiten verbunden sind, ist eine umfangreiche „TopmanagementUnterstützung“ entbehrlich.625 Zur Veranschaulichung der Totaleffekte und Indexwerte sind wiederum in Abbildung 6-7 die Totaleffekte auf der Abszisse und die Indexwerte auf der Ordinate abgebildet.626

624

Vgl. Schäfer (2002), S. 171. Vgl. Croteau und Li (2003), S. 31, Reinartz und Chugh (2002), S. 211. 626 Vgl. Abbildung 6-5 aus Abschnitt 6.4.2.1. 625

-0,15

O5

E2

H3

-0,10

E1

-0,05

I5

-0,40

I2 -0,20

I8

H5 0,00

H2

0,05

I3

O6

0,20 I9

KO

TM

O4

I4

I6

0,10

O I7 2 O3 O1

Mittelwert

0,40

0,60

0,80

Indexwert

1,00

H4

I1

0,15

0,20

E3

0,25

N

0,35 Totaleffekt

0,30

Mittelwert

H1

KB

226 Befunde der empirischen Untersuchung

Abbildung 6-7: Indexwerte und Totaleffekte der Phase Expansion

Befunde der empirischen Untersuchung

227

Im rechten oberen Quadranten befinden sich diejenigen Indikatoren, die einen starken Totaleffekt aufweisen und deren Indexwerte bereits überdurchschnittlich hoch ausgeprägt sind. Diese Indikatoren stellen die Treiber des Erfolgs dar. Im Vergleich zur vorangegangenen Phase „Anbahnung“ finden sich auch hier die „Kundenbewertung“ und „Nutzungsintensität“ wieder. Hinsichtlich des „Expansionsmanagements“ zeigt der Indikator „Durchführung von Cross-/ Up-Selling-Maßnahmen“ einen hohen Totaleffekt und Indexwert. Im Gegensatz dazu sollten das „Servicemanagement“ und die „kundenwertorientierte Kommunikationsstrategie“, die sich im linken unteren Quadranten im negativen Bereich befinden, nicht weiter ausgebaut werden, da sie einen negativen Wirkungszusammenhang zum „Expansionserfolg“ aufzeigen. Zu den weiterhin starken Treibern des „Expansionserfolgs“ zählen die bereits erläuterten Indikatoren der „Organisatorischen Anpassung“ sowie die grundlegenden Funktionalitäten des „CRM-orientierten Informationssystems“. Im rechten unteren Quadranten befindet sich der Indikator „Einsatz von Anreizen“. Der Umstand eines relativ starken Totaleffekts auf den „Expansionserfolg“ bei unterdurchschnittlichem Indexwert deutet darauf hin, dass Unternehmen sich bei der Implementierung von CRM verstärkt auf diesen Indikator konzentrieren sollten und den Einsatz von monetären und nicht-monetären Anreizen für die Mitarbeiter zur Steigerung des „Expansionserfolges“ intensivieren sollten. Insbesondere die Indikatoren im linken oberen Quadranten, die hohe Indexwerte aufweisen („Topmanagement-Unterstützung“, „Kundenorientierung“) sind ob ihrer geringen Totaleffekte nicht weiter zu intensivieren. Für die verbleibenden Indikatoren im linken unteren Quadranten gilt es, eine Reduzierung vorzunehmen, da diese Indikatoren einen negativen Wirkungszusammenhang auf den „Expansionserfolg“ ausüben. Hier finden sich die bereits beschriebenen negativ wirkenden Maßnahmen des „Expansionsmanagement“ sowie Funktionalitäten des „CRM-orientierten Informationssystem“, welche eine hohe Komplexität der Implementierung vermuten lassen (bspw. ein geschlossener Informationskreislauf oder das Einbeziehen externer Informationsquellen). Für die Kundenlebenszyklusphase „Anbahnung“ kann festgehalten werden, dass die Schätzergebnisse des Erfolgsmodells der ersten Kundenlebenszyklusphase einen ak-

228

Befunde der empirischen Untersuchung

zeptablen Erklärungsbeitrag leisten. Zudem wirken die meisten Erfolgsfaktoren hypothesenkonform. Hinsichtlich der Ausgestaltung der phasenspezifischen CRM-Maßnahmen hat sich gezeigt, dass in der zweiten Phase des Kundenlebenszyklus lediglich die „Durchführung von Cross- und Up-Selling-Maßnahmen“ eine positive Wirkung entfaltet, was auf das Ziel der „Steigerung des Gesamtertrags pro Kunden“ hindeutet. Wiederum werden die Maßnahmen durch einfache monetäre und nicht-monetäre Kundenbewertungsverfahren unterstützt, um Cross- und Up-Selling-Potenziale zu identifizieren. Wurde in der Konzeptionalisierung bisher von einer möglichst komplexen Ausgestaltung des „CRM-orientierten Informationssystems“ ausgegangen, so zeigt auch in dieser Phase die empirische Überprüfung, dass einfache Funktionalitäten wie Datensammlung und Speicherung einen stärken Wirkungszusammenhang auf den Erfolg ausüben. Entsprechend zeigt die „Topmanagement-Unterstützung“ nahezu keine Wirkung, da hinsichtlich einer Motivation der Mitarbeiter kaum Bedarf zu konstatieren ist. Die CRMMaßnahmen sind durch eine Kooperation der kundennahen Abteilungen Marketing, Service und Vertrieb, der Reorganisation von Verantwortungs- und Kompetenzbereich sowie der Implementierung einer kundensegmentorientierten Organisationsstruktur zu unterstützen, was nun auf eine insgesamt kundenorientiertere Unternehmenskultur hindeutet. Daher zeigt in dieser Phase die „Kundenorientierung“ einen positiven Wirkungszusammenhang auf den „Expansionserfolg“, wenngleich auch weiterhin eine starke Abschlussorientierung durch den Einsatz der Cross- und Up-SellingMaßnahmen überwiegt. Dementsprechend sind diese Maßnahmen durch den Einsatz monetärer und nicht-monetärer Anreize zu unterstützen. Die zunächst angenommene Mitarbeiterbeurteilung auf Basis von kundenbeziehungsrelevanten Indikatoren ist in dieser Phase daher nicht geeignet, die Mitarbeiter hinsichtlich der Cross- und UpSelling-Maßnahmen zu steuern. In der folgenden, letzten Kundenlebenszyklusphase „Bindung“ ist wiederum zu analysieren, welche Faktoren erfolgsbestimmend sind.

Befunde der empirischen Untersuchung

229

6.4.2.3 Kundenlebenszyklusphase Bindung Aus der Betrachtung der Pfadkoeffizienten in Abbildung 6-8 ist erkennbar, dass alle zehn Hypothesen zu den direkten Wirkungsbeziehungen zwischen den Erfolgsfaktoren und dem „Bindungserfolg“ bestätigt werden. Abbildung 6-8: Befunde zu den Wirkungseffekten der Kundenlebenszyklusphase Bindung

Informationssystem

Kundenbewertung

Bindungsmanagement

Nutzungsintensität + 0,276***

+ 0,183** + 0,340***

+ 0,218*** Organisator. Anpassung

Bindungserfolg

+ 0,221**

+ 0,194** + 0,184*** Kundenorientierung Topmgt.Unterstützung

Kontrollvariable Heterogenität

R²korr = 0,321 + 0,233*** - 0,001 n.s.

Kontrollvariable Branche

Signifikanzniveau: *** p < 0,01, ** p < 0,05, n.s. = nicht signifikant Konstrukte mit einem reflektiven Messmodell sind kursiv dargestellt.

Alle Pfadkoeffizienten des Modells weisen hypothesenkonforme Vorzeichen auf. Der stärkste Wirkungszusammenhang, gemessen an der Höhe der Pfadkoeffizienten, besteht zwischen den latenten Variablen „Bindungsmanagement“ (0,340) und „Bindungserfolg“, gefolgt von „CRM-orientierten Informationssystem“ (0,276) und „Heterogenität des Kundenstamms“ (0,233). Mittlere Ausprägungen der Höhe der Pfadkoef-

230

Befunde der empirischen Untersuchung

fizienten zeigen die „Organisatorische Anpassung“ (0,221), die „Nutzungsintensität“ (0,218) sowie die „Kundenbewertung“ (0,183). Interessanterweise zeigen die Erfolgsfaktoren „Kundenorientierung“ und „Topmanagement-Unterstützung“ im Gegensatz zu den vorangehenden Phasen des Kundenlebenszyklus nun signifikant positive Wirkungszusammenhänge. Dagegen zeigt die Kontrollvariable „Branche Finanzdienstleistungen“ in dieser Phase mit einem Pfadkoeffizienten von -0,001 keinen Wirkungszusammenhang mehr, so dass hier keinerlei Unterschiede in den Branchen bzgl. möglicherweise nicht erhobener, erfolgsbeeinflussender Merkmale erkennbar sind. Für die letzte Phase des Kundenlebenszyklus sind in Tabelle 6-46 die Ladungskoeffizienten, die Gewichte sowie deren jeweilige t-Werte und Signifikanzen des Messmodells dargestellt.627 Die Betrachtung des Messmodells zeigt, dass die positiven Wirkungszusammenhänge der latenten Variablen „Bindungsmanagement“ lediglich auf zwei Indikatoren zurückzuführen sind. So zeigt der Indikator „Analyse des Kundenverhaltens“ mit 0,957 ein hohes Gewicht, ebenso wie das „Aktive Beendigungsmanagement“ mit 0,483. Alle anderen Indikatoren zeigen in diesem Modell keine signifikanten Gewichte. Dieses Ergebnis scheint zumindest für den „Einsatz von Kundenbindungsprogrammen“ plausibel, da sich in der Literatur auch Hinweise finden, dass Kundenbindungsprogramme die Kundenbindung kaum beeinflussen.628 Im Gegensatz zu den anderen betrachteten Phasen zeigt die latente Variable „CRM-orientiertes Informationssystem“ in dieser Phase einen signifikant positiven Wirkungszusammenhang auf den „Bindungserfolg“. Dieser Zusammenhang ist auf die Indikatoren “Datensammlung über Vertriebskanäle“, „Aktualisierung der Daten“ sowie „Speicherung von Kundenkontaktdaten“ und „Speicherung von Kundenreaktionsdaten“ zurückzuführen und verdeutlicht einmal mehr die Forderung nach einem umfangreichen Datenmanagement. Die „Heterogenität des Kundenstamms“ ist auf die Indikatoren „soziodemographische Faktoren“ und „Loyalität“ zurückzuführen. Auch dieses Ergebnis erscheint vor dem Hintergrund plausibel, dass mit kundespezifischen Bindungsmaßnahmen differenziert auf die Unterschiede der Kunden hinsichtlich ihrer Loyalität eingegangen werden kann.

627

Vgl. auch Tabelle A3-1 im Anhang dieser Arbeit für die Korrelationen der unabhängigen und abhängigen Variablen. 628 Vgl. hierzu die Ausführungen in Abschnitt 6.3.1.3.

Befunde der empirischen Untersuchung

231

Tabelle 6-46: Befunde des Messmodells Ladungen/ Gewichte*

Mittelwerte der Subsamples

Standardfehler

t-Statistik

Signifikanz (einseitig)

Verbesserung der Kundenbindung

0,934

0,930

0,022

43,311

0,000

Senkung der Abwanderungsrate

0,905

0,903

0,055

16,442

0,000

Analyse des Kundenverhaltens

0,957*

0,440

0,226

2,133

0,018

Kundenwertorientierte Kommunikationsstrategie

-0,129*

-0,255

0,189

-0,680

0,249

Konsistente Kundeninteraktion über Vertriebskanäle

0,086*

0,218

0,159

0,539

0,296

Einsatz einer Kundenbindungsstrategie

0,093*

0,245

0,179

0,522

0,302

Einsatz Kundenbindungsprogramme

0,177*

0,233

0,163

1,088

0,140

Beziehungen zu unprofitablen Kunden werden nicht vertieft

-0,197*

-0,342

0,237

-0,833

0,204

Aktives Beendigungsmanagement

0,483*

0,440

0,226

2,133

0,018

Passives Beendigungsmanagement

-0,173*

-0,223

0,155

-1,120

0,133

1,000*

1,000

0,000

0,000

0,5000

Erfolgsdimensionen und Erfolgsmerkmale Bindungserfolg (reflektiv)

Bindungsmanagement (formativ)

Kundenbewertung (formativ) Kundenbewertung

CRM-orientiertes Informationssystem (formativ) Datensammlung über Vertriebskanäle

0,767*

0,614

0,250

3,067

0,001

Geschlossener Informationskreislauf

0,004*

0,223

0,178

0,020

0,492

Einheitliche Kundendatenbank

0,263*

0,268

0,190

1,384

0,085

Aktualisierung der Daten

0,467*

0,414

0,237

1,970

0,026

Kontinuierliche Sammlung von Kundendaten

-0,232*

-0,264

0,175

-1,324

0,095

Speicherung von Kundenkontaktdaten

0,258*

0,295

0,195

1,324

0,095

Speicherung von Kundenreaktionsdaten

0,734*

0,566

0,254

2,887

0,002

Externe Informationsquellen

-0,249*

-0,258

0,171

-1,458

0,074

Datenzugriff durch Marketing, Service und Vertrieb

-0,130*

-0,268

0,183

-0,712

0,239

232

Befunde der empirischen Untersuchung

Fortsetzung von Tabelle 6-46 Ladungen/ Gewichte*

Mittelwerte der Subsamples

Standardfehler

t-Statistik

Signifikanz (einseitig)

Auslastung der CRMAnwendungskomponenten

0,890

0,878

0,068

13,138

0,000

Unterstützung durch CRMKomponenten

0,955

0,952

0,036

26,602

0,000

Erfolgsdimensionen und Erfolgsmerkmale Nutzungsintensität (reflektiv)

Organisatorische Anpassung (formativ) Kundensegmentorientierte Organisationsstruktur

0,029*

0,262

0,199

0,147

0,442

Reorganisation der Verantwortungs- und Kompetenzbereiche

0,725*

0,503

0,287

2,529

0,007

Kooperation zwischen Marketing, Vertrieb, Service

0,452*

0,444

0,270

1,671

0,049

Einsatz von Anreizen

0,221*

0,379

0,275

0,804

0,212

Die Mitarbeiterbeurteilung auf Basis von kundenbeziehungsrelevanten Indikatoren

0,132*

0,417

0,267

0,495

0,311

Einsatz von Schulungsmaßnahmen

0,445*

0,393

0,259

1,654

0,051

Kundenorientierung (formativ) CRM-Strategie

0,809

0,647

0,272

2,979

0,002

Erfüllung Kundenwünsche

0,698

0,607

0,258

2,709

0,004

Kenntnis der Kundenbedürfnisse

0,037

0,533

0,275

0,136

0,446

Topmanagement-Unterstützung (reflektiv) Betonung einer hohen Kundenorientierung

0,613

0,638

0,207

2,962

0,002

Mitarbeitermotivation

0,890

0,803

0,191

4,664

0,000

Topmanagement in Implementierung eingebunden

0,851

0,741

0,193

4,416

0,000

Kommunikation von CRM

0,939

0,832

0,193

4,854

0,000

0,241

3,087

0,001

Kontrollvariable Heterogenität des Kundenstamms (formativ) Soziodemographische Faktoren

0,744*

0,560

Produktpräferenzen

-0,359*

-0,366

0,249

-1,444

0,076

Preis-/Leistungserwartungen

-0,064*

-0,362

0,249

-0,258

0,399

Loyalität

0,652*

0,495

0,234

2,784

0,003

Serviceanforderungen

-0,138*

-0,347

0,271

-0,507

0,307

1,000

0,000

0,000

0,5000

Kontrollvariable Branche (formativ) Branche Finanzdienst1,000* leistungen * Gewichte der formativen Indikatoren

Befunde der empirischen Untersuchung

233

Für die latente Variable „Organisatorische Anpassung“ zeigen die Indikatoren „Reorganisation der Verantwortungs- und Kompetenzbereiche“ sowie die „Kooperation zwischen Marketing, Service und Vertrieb“ wie in den vorangehenden Phasen hohe Gewichte. In dieser Phase zeigt der „Einsatz von Schulungsmaßnahmen“ ebenfalls mit 0,445 ein hohes Gewicht, was die Wichtigkeit der Mitarbeiterschulung bzgl. CRM verdeutlicht und auf die erhöhte Komplexität des „CRM-orientierten Informationssystems“ in dieser Phase des Kundenlebenszyklus zurückgeführt werden kann. Keine signifikanten Gewichte können für die Anreize oder die Mitarbeiterbeurteilung berichtet werden. Interessanterweise zeigt die Mitarbeiterbeurteilung nun im Gegensatz zu den vorangegangenen Phasen des Kundenlebenszyklus ein positives Gewicht. Tabelle 6-47: Befunde des Strukturmodells Wirkungsbeziehung Bindungsmanagement Æ Bindungserfolg Kundenbewertung Æ Bindungserfolg CRM-orientiertes Informationssystem Æ Bindungserfolg Nutzungsintensität Æ Bindungserfolg Organisatorische Anpassung Æ Bindungserfolg Kundenorientierung Æ Bindungserfolg Topmanagement-Unterstützung Æ Bindungserfolg Kontrollvariable Heterogenität des Kundenstamms Æ Bindungserfolg Kontrollvariable Branche Æ Bindungserfolg

Vermuteter PfadEinfluss koeffizient

Standardfehler

t-Statistik

Signifikanz (einseitig)

+

0,340

0,086

3,960

0,000

+

0,183

0,077

2,390

0,010

+

0,276

0,091

3,044

0,002

+

0,218

0,075

2,926

0,002

+

0,221

0,097

2,273

0,013

+

0,194

0,086

2,250

0,014

+

0,184

0,072

2,567

0,006

+

0,233

0,092

2,525

0,007

+

-0,001

0,072

-0,014

0,494

Modellgüte R² Bindungserfolg

0,389

R²korr Bindungserfolg

0,321

In Tabelle 6-47 finden sich die Pfadkoeffizienten der Wirkungsbeziehungen zwischen den Erfolgsfaktoren und der latenten endogenen Variablen „Bindungserfolg“ sowie die zugehörigen t-Werte und Signifikanzen. Die Evaluation der Modellgüte für die Kun-

234

Befunde der empirischen Untersuchung

denlebenszyklusphase „Bindung“ zeigt, dass sich mit einem Wert für das Bestimmtheitsmaß R² von 0,389 bzw. einem Wert für das korrigierte R² von 0,321 ein akzeptabler Anteil an der Gesamtstreuung der latenten, endogenen Variablen „Bindungserfolg“ erklären lässt. Auch in dieser Phase des Kundenlebenszyklus zeigt die Berechnung der Effektgrößen in Tabelle 6-48 für diese Erfolgsfaktoren einen geringen bis mittleren Einfluss auf den „Bindungserfolg“. Tabelle 6-48: Ausprägungen der Effektgröße Latente, exogene Variable

Effektgröße ƒ²

Substanzieller Einfluss

Bindungsmanagement

0,149

gering

Kundenbewertung

0,039

gering

CRM-orientiertes Informationssystem

0,106

gering

Nutzungsintensität

0,057

gering

Organisatorische Anpassung

0,049

gering

Kundenorientierung

0,044

gering

Topmanagement-Unterstützung

0,029

gering

Kontrollvariable Heterogenität des Kundenstamms

0,079

gering

Kontrollvariable Branche

0,000

keiner

Ebenfalls für dieses Modell ist die Prognosegüte zu überprüfen.629 Die durchgeführte Kreuzvalidierung erbrachte einen Korrelationskoeffizienten zwischen den errechneten und beobachteten Werten der latenten endogenen Variablen „Bindungserfolg“ von 0,576. Der quadrierte Korrelationskoeffizient beträgt damit 0,332 und weicht damit vom R²-Wert des Schätzsamples von 0,470 nur geringfügig ab, so dass auch die Prognosegüte des Modells sichergestellt ist. Neben der Betrachtung der Signifikanzen der Gewichte und Ladungen der Indikatoren des Messmodells erscheint es für die Ableitung von Handlungsempfehlungen auch für diese Phase hilfreicher, die tatsächliche Wirkungsstärke der Indikatoren auf den „Expansionserfolg“ zu analysieren. Tabelle 6-49 stellt dafür die Indikatoren nach der Höhe ihrer Totaleffekte auf den „Expansionserfolg“ dar. Die Berechnung der Totaleffekte, T-Werte, Indexwerte und Elastizitäten erfolgt entsprechend dem Vorgehen in Abschnitt 6.4.2.1.

629

Vgl. Abschnitt 5.2.3.1 dieser Arbeit.

Befunde der empirischen Untersuchung

235

Tabelle 6-49: Totaleffekte (T), Indexwerte und Elastizitäten der Indikatoren in der Kundenlebenszyklusphase Bindung T

Ind.

Bezeichnung

Totaleffekt

t-Wert

Indexwert

Elastizität

Positive Totaleffekte

T > 0,05

B1

Analyse des Kundenverhaltens

0,325

2,840

0,590

0,052

I1

Datensammlung über Vertriebskanäle

0,212

2,089

0,402

0,029

I7

Speicherung von Kundenreaktionsdaten

0,203

2,171

0,470

0,034

N

Nutzungsintensität

0,200

2,956

0,491

0,027

KB

Kundenbewertung

0,183

2,462

0,592

0,028

H1

Soziodemographische Faktoren

0,173

1,898

0,314

0,019

B7

Aktives Beendigungsmanagement

0,164

1,931

0,196

0,017

O2

Reorganisation der Verantwortungs- und Kompetenzbereiche

0,160

1,683

0,506

0,029

H4

Loyalität

0,152

1,848

0,364

0,022

TM

Topmanagement-Unterstützung

0,151

2,160

0,577

0,027 0,020

I4

Aktualisierung der Daten

0,129

1,607

0,276

O3

Kooperation zwischen Marketing, Vertrieb, Service

0,100

1,350

0,314

0,018

0,05

KO

Kundenorientierung

0,100

1,367

0,412

0,021

”T”

O6

Einsatz von Schulungsmaßnahmen

0,098

1,346

0,289

0,016

Ň0,15Ň

I3

Einheitliche Kundendatenbank

0,073

1,263

0,158

0,011

0,03 ”T” 0,05

T < 0,03

I6

Speicherung von Kundenkontaktdaten

0,071

1,204

0,117

0,008

B5

Einsatz Kundenbindungsprogramme

0,060

0,987

0,089

0,008

O4

Einsatz von Anreizen

0,049

0,707

0,089

0,005

B4

Einsatz einer Kundebindungsstrategie

0,032

0,496

0,044

0,004

B3

Konsistente Kundeninteraktion über Vertriebskanäle

0,029

0,533

0,058

0,005

O5

Mitarbeiterbeurteilung auf Basis von kundenbeziehungsrelevanten Indikatoren

0,029

0,429

0,063

0,004

O1

Kundensegmentorientierte Organisationsstruktur

0,006

0,128

0,020

0,001

I2

Geschlossener Informationskreislauf

0,001

0,022

0,002

0,000

Negative Totaleffekte T > -0,03

H3

Preis-/Leistungserwartungen

-0,015

-0,238

-0,038

-0,002

-0,05

H5

Serviceanforderungen

-0,032

-0,467

-0,074

-0,004

”T”

I9

Datenzugriff durch Marketing, Service und Vertrieb

-0,036

-0,658

-0,092

-0,007

-0,03

B2

Kundenwertorientierte Kommunikationsstrategie

-0,044

-0,682

-0,092

-0,008

B8

Passives Beendigungsmanagement

-0,059

-1,038

-0,092

-0,008

-0,15

I5

Kontinuierliche Sammlung von Kundendaten

-0,064

-1,137

-0,146

-0,010

”T”

B6

Beziehungen zu unprofitablen Kunden werden nicht vertieft

-0,067

-0,826

-0,129

-0,011

-0,05

I8

Externe Informationsquellen

-0,069

-1,263

-0,103

-0,007

H2

Produktpräferenzen

-0,084

-1,244

-0,185

-0,011

236

Befunde der empirischen Untersuchung

Ebenso wie in den vorangegangen Phasen des Kundenlebenszyklus wird auch der „Bindungserfolg“ maßgeblich beeinflusst durch die Indikatoren der Konstrukte „Nutzungsintensität“, „Bindungsmanagement“, „Kundenbewertung“ „Organisatorische Anpassung“ und „CRM-orientiertes Informationssystem“. Unverändert stark bleibt der Indikator „Soziodemographische Faktoren“ der Kontrollvariablen „Heterogenität des Kundenstamms“ (0,173). Mit einem Totaleffekt von 0,152 weist entsprechend der Kundenlebenszyklusphase „Bindung“ die „Loyalität“ einen Einfluss auf. So zeigt das Ergebnis, dass der Einsatz der CRM-Maßnahmen um so erfolgreicher sein wird, je unterschiedlicher die Kunden hinsichtlich ihrer Loyalität sind. Folglich müssten die Unternehmen anhand geeigneter Maßnahmen im „Bindungsmanagement“ auf diese unterschiedlichen Loyalitätsmuster der Kunden eingehen. Dieses zeigt sich in der Tat anhand der Totaleffekte der Indikatoren des „Bindungsmanagements“, „Analyse des Kundenverhaltens“ (0,325), „Einsatz von Kundenbindungsprogrammen“ (0,060) sowie „Einsatz einer Kundenbindungsstrategie“ (0,032). Allerdings konnten wissenschaftliche Untersuchungen zeigen, dass die Kundenbindung durch den Einsatz von Kundenbindungsprogrammen nur wenig gesteigert werden kann.630 Das Ergebnis der Analyse dieser Kundenlebenszyklusphase scheint damit aufgrund der relativ schwachen Bedeutung dieser CRM-Maßnahmen für den „Bindungserfolg“ diese Befunde zu bestätigen. Allerdings weisen Helm und Ludl (2005) für das Beispiel einer Kundenkarte einen positiven Effekt auf die Kundenbindung nach.631 Dieser Effekt wird allerdings vielfach durch finanzielle Anreize in Form von Preisnachlässen erkauft. Dieser Umstand kann eine Erklärung für den negativen Wirkungszusammenhang auf den „Gesamterfolg“ darstellen,632 zumal für die Phase „Expansion“ gezeigt werden konnte, dass Preisnachlässe einen negativen Einfluss auf den „Expansionserfolg“ ausüben. Interessanterweise zeigt die „kundenwertorientierte Kommunikationsstrategie“ mit -0,044 einen eher negativen Totaleffekt auf den „Bindungserfolg“. Damit tritt eine kundenindividuelle Ansprache über die Vertriebskanäle in dieser Phase vor dem „Einsatz von Kundenbindungsprogrammen“ wie bspw. Klubkarten oder Geschenke in den Hintergrund.

630

Vgl. Sharp und Sharp (1997), S. 283f. Vgl. Helm und Ludl (2005), S. 1158f. 632 Vgl. Abschnitt 6.4.1 dieser Arbeit. 631

Befunde der empirischen Untersuchung

237

Wiederum von hoher Bedeutung ist die „Kundenbewertung“ mit einem Totaleffekt von 0,183. Sofern die Bewertung eines Kunden einen negativen Wert ergibt und damit die Profitabilität eines Kunden nicht mehr gewährleistet ist, sollten Beziehungen zu unprofitablen Kunden nicht weiter vertieft werden. Interessanterweise zeigt dieser Indikator einen schwachen negativen Totaleffekt (-0,067). Hingegen zeigt der Indikator „Aktives Beendigungsmanagement“, dass Unternehmen, die ein gezieltes Beendigungsmanagement betreiben, erfolgreicher sind,633 da sie unprofitable Kundenbeziehungen gezielt nicht weiter fortführen. Ein „passives Beendigungsmanagement“ zeigt mit einem Totaleffekt von -0,059 eine schwach negative Wirkung auf den „Bindungserfolg“. Neben dem „Bindungsmanagement“ gewinnt in dieser Phase die Ausgestaltung des „CRM-orientierten Informationssystems“ weiter an Bedeutung. So weisen die Indikatoren „Datensammlung über Vertriebskanäle“, „Speicherung von Kundenreaktionsdaten“, „Aktualisierung der Daten“, „einheitliche Kundendatenbank“ und die „Speicherung von Kundenkontaktdaten“ durchweg mittlere bis hohe Totaleffekte auf. In Zusammenhang mit dem Indikator „Analyse des Kundenverhaltens“ (0,325) des „Anbahnungsmanagements“ und der „Nutzungsintensität“ (0,200) wird deutlich, dass für die Durchführung des „Bindungsmanagements“ ein umfangreich ausgestaltetes „CRMorientiertes Informationssystem“, welches auch tatsächlich genutzt wird, erfolgsbeeinflussend ist. Interessant ist in diesem Zusammenhang, dass der „Datenzugriff durch Marketing, Service und Vertrieb“ mit -0,036 einen negativen Totaleffekt aufweist. Dieser Umstand legt den Schluss nahe, dass im Rahmen des „Bindungsmanagements“ nicht jede dieser kundennahen Abteilungen Zugriff auf die Kundendaten benötigt, sondern lediglich diejenige Abteilung, bei der das „Bindungsmanagement“ organisatorisch zugeordnet ist und die letztlich mit dem Kunden in Kontakt tritt. Hinsichtlich der „Organisatorischen Anpassung“ ist bemerkenswert, dass neben den bereits aus den vorangegangenen Phasen positiv wirkenden Indikatoren nun die „Mitarbeiterbeurteilung anhand von kundenbeziehungsrelevanten Indikatoren“ mit 0,029 einen positiven Totaleffekt auf den „Bindungserfolg“ aufweist. Dieses Ergebnis ist vor dem Hintergrund plausibel, dass eine verstärkte „Kundenorientierung“ der Mitarbeiter

633

Vgl. Kotler und Levy (1971), S. 78, Michalski (2004), S. 979.

238

Befunde der empirischen Untersuchung

die Kundenzufriedenheit steigern und die Kundenbindung erhöhen kann.634 Entsprechend hat sich mit einem Totaleffekt von 0,100 die Bedeutung der „Kundenorientierung“ für den „Bindungserfolg“ im Vergleich zur vorangegangenen Phase „Expansion“ nahezu verdoppelt. Ebenfalls an Bedeutung gewonnen hat der „Einsatz von Schulungsmaßnahmen“ (0,098), was auf die zunehmende Komplexität des CRMorientierten Informationssystems zurückgeführt werden kann. Die Reorganisation der Verantwortungs- und Kompetenzbereich zeigt mit 0,160 wiederum einen höheren Totaleffekt als in der Kundenlebenszyklusphase „Expansion“, was mit der verstärkten „Kundenorientierung“ in dieser Phase erklärt werden kann, so dass nun beziehungsorientierte Organisationsstrukturen erfolgsbeeinflussend werden. Hinsichtlich der Reorganisation sind Maßnahmen der funktionsübergreifenden Zusammenarbeit hilfreich, um Schnittstellenkonflike zwischen kundennahen Abteilungen bei der Befriedigung der Kundenwünsche zu lösen. Beispiele für eine funktionsübergreifende Zusammenarbeit sind informelle Kommunikationsformen, der Austausch von Mitarbeitern oder räumliche Zusammenlegungen.635 Aufgrund der umfassenderen Veränderungen in den Bereichen „CRM-orientiertes Informationssystem“ und „Organisatorische Anpassung“ ist die weiter gestiegene Bedeutung der „Topmanagement-Unterstützung“, die mit einem Totaleffekt von 0,151 in dieser Phase einen starken positiven Wirkungszusammenhang beschreibt, verständlich und steht in Einklang mit bisherigen Studien aus dem Bereich CRM steht.636 Es scheint sich in dieser Phase zu bestätigen, dass die Implementierung eines Kundenbindungsmanagement neben den organisatorischen und technischen Anpassungen insbesondere durch intangible Ressourcen wie „Kundenorientierung“ und „Topmanagement-Unterstützung“ zu begleiten ist, um die Bindung tiefer in der Organisation zu verankern. Zur Veranschaulichung der Totaleffekte und Indexwerte sind wiederum in Abbildung 6-9 die Totaleffekte auf der Abszisse und die Indexwerte auf der Ordinate abgebildet.637

634

Vgl. für eine Übersicht von Studien zur Kundenzufriedenheit und Kundenbindung Homburg, Becker und Hentschel (2005), S. 105ff. 635 Vgl. Bruhn (2001), S. 185. 636 Vgl. bspw. Croteau und Li (2003). 637 Vgl. Abbildung 6-5 und Abbildung 6-7 aus den Abschnitten 6.4.2.1 und 6.4.2.2 dieser Arbeit.

-0,15

-0,40

B5

I3 I6

O3

0,10

O6

KO

Mittelwert

0,05

O5 O4 O1 B3 B4

H3 -0,10 I B5 B3 H5 0,00 8 B2 B6 I5 H2 -0,20

I2

0,20

0,40

0,60

0,80

Indexwert

1,00

0,15

I4

TM

H4

B7

I7

0,20

H1

O2 N

KB

I1

0,25

0,35 Totaleffekt

0,30

Mittelwert

B1

Befunde der empirischen Untersuchung 239

Abbildung 6-9: Indexwerte und Totaleffekte der Phase Bindung

240

Befunde der empirischen Untersuchung

Im oberen rechten Quadranten befinden sich diejenigen Indikatoren, die einen starken Totaleffekt aufweisen und deren Indexwerte bereits überdurchschnittlich hoch ausgeprägt sind. Diese Indikatoren stellen die Treiber des Erfolgs dar. Im Vergleich zur vorangegangenen Phase „Expansion“ finden sich auch hier die „Kundenbewertung“ und „Nutzungsintensität“ wieder. Wie in den vorangegangenen Ausführungen gezeigt werden konnte, finden sich nun auch die „Kundenorientierung“ und die „Topmanagement-Unterstützung“ mit überdurchschnittlichen Totaleffekten und Indexwerten hier wieder. Bezüglich der Indikatoren des „Bindungsmanagements“ zeigt die „Analyse des Kundenverhaltens“ in dieser Phase den höchsten Totaleffekt und verdeutlicht damit die Bedeutung, für eine erfolgreiche Kundenbindung möglichst detailliert Informationen über die Kunden zu untersuchen. Entsprechend hoch zeigen daher die Indikatoren „Datensammlung über die Vertriebskanäle“ und „Speicherung von Kundenreaktionsdaten“ des CRM-orientierten Informationssystems einen Wirkungszusammenhang auf den „Bindungserfolg“, da die Sammlung und Speicherung von Kundenreaktionsdaten gerade die Basis für die Analysen des Kundenverhaltens legt. Wie bereits dargestellt, sind die Reorganisationsmaßnahmen sowie der „Einsatz von Schulungsmaßnahmen“ ebenfalls durch starke Totaleffekt gekennzeichnet. Im rechten unteren Quadranten befinden sich zwei Indikatoren des „CRM-orientierten Informationssystems“, die unterdurchschnittliche Indexwerte aufweisen und demnach im Rahmen einer Implementierung von CRM verstärkt beachtet werden sollen. Dazu gehören der Einsatz einer einheitlichen Kundendatenbank sowie die weitergehende Speicherung von Kundenkontaktdaten. Interessanterweise finden sich in dieser Phase des Kundenlebenszyklus keine Indikatoren im linken oberen Quadranten. Somit sind keine Indikatoren überdurchschnittlich stark ausgeprägt, obwohl dort nur unterdurchschnittliche Totaleffekte zu finden wären. Hingegen sind im linken unteren Quadranten eine Reihe von Indikatoren zu finden, die nicht weiter intensiviert werden sollten, da sie einen unterdurchschnittlich positiven oder sogar einen negativen Totaleffekt auf den „Bindungserfolg“ beschreiben. Zu diesen Indikatoren gehört der „Einsatz von Kundenbindungsprogrammen“ bzw. der „Einsatz einer Kundenbindungsstrategie“.

Befunde der empirischen Untersuchung

241

Das Erfolgsmodell der letzten Phase des Kundenlebenszyklus wird durch die Schätzergebnisse ebenfalls akzeptabel erklärt. Wie in den vorangegangenen Phasen wirken auch hier die meisten Erfolgsfaktoren hypothesenkonform. Hinsichtlich der Ausgestaltung von CRM hat sich gezeigt, dass in der dritten Phase des Kundenlebenszyklus insgesamt eine CRM-Implementierung mit erhöhter Komplexität erfolgreich ist. So zeigen die Maßnahmen des „Bindungsmanagements“ insbesondere, dass Analysen im Kundenverhalten erfolgsbeeinflussend sind. Entsprechend sind die Kundenbewertungsverfahren und die Funktionalitäten des „CRM-orientierten Informationssystems“ auf die gestiegenen Anforderungen auszuweiten. Einher mit den Anforderungen in der Kundenlebenszyklusphase „Bindung“ gehen umfangreiche organisatorische Anpassungen, wobei wiederum die „Reorganisation der Verantwortungs- und Kompetenzbereiche“ erfolgsbeeinflussend ist. Die gestiegene Bedeutung der „Topmanagement-Unterstützung“ trägt den Veränderungen in den Funktionalitäten des „CRMorientierten Informationssystems“ und der „Organisatorischen Anpassung“ Rechnung. Das Ziel dieser Phase, Kunden an das Unternehmen zu binden, wird durch die gestiegene „Kundenorientierung“ dokumentiert. Damit bestätigt auch diese Phase größtenteils die angenommene Konzeptionalisierung anhand der Prinzipien des Beziehungsmarketings sowie des Einsatzes phasenunabhängiger unterstützender Maßnahmen.

242

Befunde der empirischen Untersuchung

6.4.3 Fazit zu den Befunden Zunächst wurden mit Hilfe des PLS-Ansatzes die Wirkungsbeziehungen zwischen den Teilerfolgsdimensionen des Kundenlebenszyklus und dem „Gesamterfolg“ untersucht. Bis auf den Wirkungszusammenhang zwischen „Bindungserfolg“ und „Gesamterfolg“ konnten die angenommenen Wirkungszusammenhänge bestätigt werden. Tabelle 6-50 stellt die Befunde übersichtlich dar: Tabelle 6-50: Untersuchungsergebnisse zu den Wirkungseffekten auf den Gesamterfolg Wirkungsbeziehung

Erklärende Variable

W1Erfolg

Anbahnungserfolg

Gesamterfolg

W2Erfolg

Anbahnungserfolg

Expansionserfolg

W3Erfolg

Expansionserfolg

Gesamterfolg

W4Erfolg

Expansionserfolg

W5Erfolg

Bindungserfolg

Erwartete Erfolgswirkung

Totaleffekt

Bestätigung

+

0,124

n.s.

+

0,737

3

+

0,556

3

Bindungserfolg

+

0,610

3

Gesamterfolg

+

-0,187

-

Erklärte Variable

Der negative Zusammenhang zwischen dem „Bindungserfolg“ und dem „Gesamterfolg“ kann darauf zurückgeführt werden, dass die Veränderung der Erfolgsposition des „Gesamterfolgs“ im Vergleich zum Wettbewerb eher langfristiger Natur ist, so dass bzgl. des Wirkungszusammenhangs zwischen dem „Bindungserfolg“ und dem „Gesamterfolg“ davon auszugehen ist, dass Unternehmen, die in der Beurteilung ihres „Gesamterfolgs“ im Vergleich zu ihren Wettbewerbern eher schlecht abschneiden, den Schwerpunkt ihrer CRM-Implementierung in diesem Bereich konzentriert haben.638 Nach der Analyse des Erfolgsmodells wurden die Wirkungszusammenhänge zwischen den identifizierten Erfolgsfaktoren und den phasenabhängigen Teilerfolgsgrößen unabhängig voneinander analysiert. Alle Modelle weisen eine zufriedenstellende Güte auf und sind zudem prognosefähig. Auch wird der Großteil der hypothetischen Wirkungsbeziehungen zwischen den Erfolgsfaktoren und den jeweiligen Teilerfolgsgrößen des Kundenlebenszyklus bestätigt. Die Phase „Anbahnung“ wird durch die analy-

638

Vgl. Abschnitt 6.4.1.

Befunde der empirischen Untersuchung

243

sierten Erfolgsfaktoren mit einem korrigierten Bestimmtheitsmaß von 0,352 am höchsten erklärt („Expansionserfolg“ 0,334, „Bindungserfolg“ 0,321). Tabelle 6-51: Untersuchungsergebnisse zu den direkten Einflüssen der Erfolgsfaktoren auf die einzelnen Teilerfolgsmaße Hypothese Erklärende Variable

Erwartete Erfolgswirkung

Pfadkoeffizient

Bestätigung

3

Anbahnungserfolg H1A

Anbahnungsmanagement

+

0,246

H2A

Kundenbewertung

+

0,233

3

H3A

CRM-orientiertes Informationssystem

+

0,164

n.s.

H4A

Nutzungsintensität

+

0,305

3

H5A

Organisatorische Anpassung

+

0,199

3

H6A

Kundenorientierung

+

-0,216

-

H7A

Topmanagement-Unterstützung

+

0,025

n.s.

+

0,211

3

keine

0,272

-

Expansionsmanagement

+

0,222

3

H2E

Kundenbewertung

+

0,341

3

H3E

CRM-orientiertes Informationssystem

+

0,151

n.s.

H4E

Nutzungsintensität

+

0,256

3

H5E

Organisatorische Anpassung

+

0,179

3

H6E

Kundenorientierung

+

0,113

n.s.

H7E

Topmanagement-Unterstützung

+

0,033

n.s.

H8E

Kontrollvariable Heterogenität des Kundenstamms

+

0,348

3

H9E

Kontrollvariable Branche

keine

0,200

-

H8A

Kontrollvariable Heterogenität des Kundenstamms

H9A

Kontrollvariable Branche

Expansionserfolg H1E

Bindungserfolg H1B

Bindungsmanagement

+

0,340

3

H2B

Kundenbewertung

+

0,183

3

H3B

CRM-orientiertes Informationssystem

+

0,276

3

H4B

Nutzungsintensität

+

0,218

3

H5B

Organisatorische Anpassung

+

0,221

3

H6B

Kundenorientierung

+

0,194

3

H7B

Topmanagement-Unterstützung

+

0,184

3

+

0,233

3

keine

-0,001

3

H8B

Kontrollvariable Heterogenität des Kundenstamms

H9B

Kontrollvariable Branche

244

Befunde der empirischen Untersuchung

Tabelle 6-51 gibt eine Übersicht über die in Abschnitt 4.2 aufgestellten Hypothesen und deren Bestätigung. Die Mehrzahl der aufgestellten Hypothesen wird danach bestätigt. Bis auf die „Kundenorientierung“ in der Phase „Anbahnung“ weisen alle bestätigten Hypothesen das erwartete Vorzeichen auf. Auffällig ist jedoch, dass die Hypothese zum „CRM-orientierten Informationssystem“ erst in der letzten Phase des Kundenlebenszyklus bestätigt wird. Aussagekräftiger als die reine Beurteilung der Hypothesenbestätigung ist die Analyse der Stärke der Wirkungszusammenhänge von Erfolgsfaktoren und Erfolgsmaßen in den einzelnen Phasen des Kundenlebenszyklus. Um eine Rangfolge der Stärke der Wirkungszusammenhänge zwischen Erfolgsfaktoren und Erfolgsmaß in den einzelnen Phasen des Kundenlebenszyklus aufstellen zu können, ist neben der Betrachtung der Stärke der Pfadkoeffizienten auch eine Betrachtung der jeweiligen Effektgrößen vorzunehmen. Setzt man nun die Stärke der Pfadkoeffizienten mit der Effektgröße in Beziehung, so ist aus den Tabellen 6-52, 6-53 und 6-54 ersichtlich, ob ein Erfolgsfaktor mit einem bspw. hohen Pfadkoeffizienten auch einen substanziellen Einfluss auf die latente endogene Variable ausübt. Tabelle 6-52: Gegenüberstellung von Pfadkoeffizienten und Effektstärke in der Phase Anbahnung Pfadkoeffizient Effektgröße

< 0,1

0,1 – 0,2 Organisatorische Anpassung

> 0,2 Nutzungsintensität Anbahnungsmanagement Kontrollvariable Branche

> 0,05

Kundenbewertung Kontrollvariable Heterogenität des Kundenstamms CRM-orientiertes Informationssystem

0,02 – 0,05

Kundenorientierung < 0,02

TopmanagementUnterstützung

Um eine feinere Unterteilung der Effektgrößen zu erhalten, wird von der Einteilung von Cohen (1992) für die mittleren und hohen Effektgrößen abgewichen und es wer-

Befunde der empirischen Untersuchung

245

den Klassen von < 0,02, 0,02 – 0,05 und > 0,05 gebildet.639 Ebenso wurden Klassen von Pfadkoeffizienten unterschiedlicher Stärke gebildet, wobei die in der Literatur genannte Mindestgröße von 0,1 als kleinste Klasse aufgenommen wurde.640 Wie für die Phase „Anbahnung“ zu erkennen ist, gibt es eine Reihe von Faktoren, die sowohl einen hohen Pfadkoeffizienten größer als 0,2 und eine relativ hohe Effektgröße größer 0,05 aufweisen. Zu diesen Faktoren gehören die „Nutzungsintensität“ des CRM-Systems, das „Anbahnungsmanagement“, die „Kundenbewertung“ sowie die „Heterogenität des Kundenstamms“. Auch die Kontrollvariable für die Branche Finanzdienstleistungen zeigt eine hohe Wirkungsstärke. Mittlere Wirkungsstärken weisen die Faktoren „CRM-orientiertes Informationssystem“ und die „Organisatorische Anpassung“ auf. Keine signifikanten Effekte bestehen für die Konstrukte „Topmanagement-Unterstützung“ und „Kundenorientierung“. Wirft man nun einen Blick auf die Tabelle 6-53, welche die Gegenüberstellung der Pfadkoeffizienten und Effektgrößen für die Phase „Expansion“ zeigt, so lässt sich erkennen, dass im Vergleich zur vorhergehenden Phase eine Veränderung in den Stärken der Wirkungszusammenhänge der unterschiedlichen Faktoren stattgefunden hat. Tabelle 6-53: Gegenüberstellung von Pfadkoeffizienten und Effektstärke in der Phase Expansion Pfadkoeffizient Effektgröße

< 0,1

0,1 – 0,2 Kontrollvariable Branche

> 0,05

> 0,2 Kontrollvariable Heterogenität des Kundenstamms Kundenbewertung Nutzungsintensität

Organisatorische Anpassung 0,02 – 0,05

< 0,02

Expansionsmanagement

CRM-orientiertes Informationssystem TopmanagementUnterstützung

Kundenorientierung

Auffällig ist, dass neben der weiterhin hohen Wirkungsstärke der „Nutzungsintensität“, der „Heterogenität des Kundenstamms“ und der „Kundenbewertung“ ebenfalls

639 640

Vgl. Cohen (1992), S. 157. Vgl. übereinstimmend Lohmöller (1989), S. 60, Seltin und Keeves (1994), S. 4356.

246

Befunde der empirischen Untersuchung

die phasenspezifische CRM-Maßnahme „Expansionsmanagement“ einen hohen Pfadkoeffizienten aufweist, allerdings verbunden mit einer geringeren Effektgröße. Im mittleren Bereich der Wirkungsstärke finden sich wie schon in der Phase „Anbahnung“ die Faktoren „Organisatorische Anpassung“ und „CRM-orientiertes Informationssystem“. Ebenso hat die „Kundenorientierung“ an Stärke gewonnen, allerdings mit einer niedrigeren Effektstärke als auf der Hauptdiagonalen. Dazu übt weiterhin die Kontrollvariable für die Branche Finanzdienstleistungen einen nunmehr mittleren Einfluss aus. Weiterhin ohne Bedeutung bleibt der Faktor „TopmanagementUnterstützung“. Für die Phase „Bindung“ in Tabelle 6-54 ist zu beobachten, dass nunmehr die Kontrollvariable für die Branche Finanzdienstleistungen keinen Einfluss mehr auf den Erfolg ausübt. Dafür haben allerdings die „Kundenorientierung“ und die „Topmanagement-Unterstützung“ erheblich an Wirkungsstärke gewonnen und liegen somit auf der Hauptdiagonalen im mittleren Bereich der Wirkungsstärke. Auffällig für diese Phase ist ebenso, dass das „CRM-orientierte Informationssystem“ und die „Organisatorische Anpassung“ hohe Wirkungsstärken aufweisen, neben den bisher schon starken Erfolgsfaktoren „Heterogenität des Kundenstamms“ und „Nutzungsintensität“. Tabelle 6-54: Gegenüberstellung von Pfadkoeffizienten und Effektstärke in der Phase Bindung Pfadkoeffizient Effektgröße

< 0,1

0,1 – 0,2

> 0,2 Bindungsmanagement CRM-orientiertes Informationssystem Organisatorische Anpassung

> 0,05

Kontrollvariable Heterogenität des Kundenstamms Nutzungsintensität Kundenorientierung TopmanagementUnterstützung

0,02 – 0,05

Kundenbewertung < 0,02

Kontrollvariable Branche

Ebenso wie in den vorhergehenden Phasen zeigt auch die phasenspezifische CRMMaßnahme in dieser Phase eine hohe Wirkungsstärke, sowohl in der Höhe des Pfad-

Befunde der empirischen Untersuchung

247

koeffizienten als auch in der Höhe der Effektgröße. Für einen besseren Vergleich der einzelnen Phasen des Kundenlebenszyklus zeigt Tabelle 6-55 zusammenfassend einen Überblick, welche Erfolgsfaktoren in den einzelnen Phasen einen Einfluss ausüben. Tabelle 6-55: Überblick über die Phasen des Kundenlebenszyklus Rangfolge der Wirkungsstärke

Phasen des Kundenlebenszyklus Anbahnung

Expansion

Bindung

1

Nutzungsintensität

Kontrollvariable Heterogenität Bindungsmanagement des Kundenstamms

2

Anbahnungsmanagement

Kundenbewertung

CRM-orientiertes Informationssystem

3

Kontrollvariable Branche

Nutzungsintensität

Organisatorische Anpassung

4

Kundenbewertung

Expansionsmanagement

Kontrollvariable Heterogenität des Kundenstamms

5

Kontrollvariable Heterogenität Kontrollvariable Branche des Kundenstamms

6

Organisatorische Anpassung

Organisatorische Anpassung

Kundenorientierung

7

CRM-orientiertes Informationssystem

CRM-orientiertes Informationssystem

TopmanagementUnterstützung

8

Nutzungsintensität

Kundenbewertung

Effektgröße > 0,02; Pfadkoeffizient > 0,1

Die Erfolgsfaktoren sind nach ihrer Wirkungsstärke (Effektgröße und Höhe des Pfadkoeffizienten) geordnet. Deutlich erkennbar ist hier, dass über den gesamten Lebenszyklus die phasenbezogenen CRM-Maßnahmen „Anbahnungsmanagement, „Expansionsmanagement“ und „Bindungsmanagement“ sowie die „Nutzungsintensität“, „Kundenbewertung“ und die „Heterogenität des Kundenstamms“ einen hohen Wirkungszusammenhang aufweisen. Auffällig ist, dass sowohl die „Organisatorische Anpassung“ als auch das „CRM-orientierte Informationssystem“ in den ersten beiden Phasen des Kundenlebenszyklus nur einen schwachen Wirkungszusammenhang aufweisen, hingegen in der letzten Phase „Bindung“ in ihrer Bedeutung stark ansteigen. Ein ähnliches Verhalten zeigen die Konstrukte „Kundenorientierung“ und „TopmanagementUnterstützung“, welche ebenfalls erst in der letzten Phase des Lebenszyklus signifikant werden. Zusammenfassend kann konstatiert werden, dass sich die Umsetzung von CRMMaßnahmen entsprechend den Prinzipien des Beziehungsmarketings in Verbindung

248

Befunde der empirischen Untersuchung

mit der Implementierung unterstützender Maßnahmen in allen Phasen des Kundenlebenszyklus als erfolgswirksam herausgestellt hat. Für die Ableitung von Handlungsempfehlungen bzgl. der Implementierung von CRM ist die Betrachtung der Wirkungsbeziehungen auf Indikatorebene wichtiger als die Analyse der Erfolgswirkungen von CRM auf Konstruktebene, um positive und negative Wirkungszusammenhänge konkreter Maßnahmen zu identifizieren. Zur Identifikation der Veränderungen der Determinanten des Erfolgs in den Phasen des Kundenlebenszyklus sind in den Abbildungen 6-10, 6-11 und 6-12 steigende, fallende und in ihrer Wirkung über die Phasen unterschiedlich wirkende Indikatoren über die drei Phasen des Kundenlebenszyklus getrennt dargestellt. Der Übersichtlichkeit halber wurden lediglich diejenigen Indikatoren aufgeführt, die in wenigstens einer Phase einen Totaleffekt mit einem t-Wert größer eins aufweisen und die in allen drei Phasen des Kundenlebenszyklus eine Wirkung auf den jeweiligen Teilerfolg ausüben.641 Die Totaleffekte der Indikatoren der phasenspezifischen CRM-Maßnahmen „Anbahnungsmanagement“, „Expansionsmanagement“ und „Bindungsmanagement“ sind daher nicht dargestellt.642 Eine Aufführung der Totaleffekte aller Indikatoren über alle Phasen des Kundenlebenszyklus findet sich in den Tabellen A5-1 und A5-2 in Anhang 10.5 dieser Arbeit. Hinsichtlich der steigenden Totaleffekte im Ablauf der Phasen des Kundenlebenszyklus ist zum einen erkennbar, dass insbesondere Indikatoren des „CRM-orientierten Informationssystems“ an Bedeutung gewinnen, so dass im Ablauf des Kundenlebenszyklus zusätzliche Funktionalitäten benötigt werden. Dennoch kann konstatiert werden, dass die Funktionalitäten des „CRM-orientierte Informationssystem“ über den Kundenlebenszyklus insgesamt relativ einfach ausgestaltet sind. Entsprechend der zunehmenden Funktionalitäten sind Schulungsmaßnahmen erforderlich, um die Mitarbeiter mit den Funktionalitäten vertraut zu machen, so dass hier ebenfalls ein steigender Totaleffekt beobachtet werden kann. Gleiches gilt für die „Kundenorientierung“ und die „Topmanagement-Unterstützung“, die insbesondere in der letzten Phase des Kundenlebenszyklus an Einflussstärke auf den „Bindungserfolg“ gewinnen. Verbunden

641 642

Vgl. Tabelle 6-41, 6-45 und 6-49 in den Abschnitten 6.4.2.1, 6.4.2.2 und 6.4.2.3 dieser Arbeit. Vgl. für eine ausführliche Diskussion dieser Indikatoren den Abschnitt 6.4.2 dieser Arbeit.

Befunde der empirischen Untersuchung

249

mit der zunehmenden „Kundenorientierung“ im Ablauf des Kundenlebenszyklus steigt die Stärke des Wirkungszusammenhangs zu den Teilerfolgsmaßen in den Phasen des Kundenlebenszyklus ebenfalls an. Abbildung 6-10 stellt die Veränderungen der Totaleffekte über die Phasen des Kundenlebenszyklus graphisch dar. Abbildung 6-10: Indikatoren mit steigenden Totaleffekten Anbahnung

Expansion

Bindung

0,35 0,25

Totaleffekt

0,15 0,05

-0,05

-0,15

I1 O2 I4 TM H4 O6 I7 I2 H5 KO

-0,25

I1 O2 I4 TM H4 O6 I7 I2 H5 KO

Datensammlung über Vertriebskanäle Reorganisation der Verantwortungs- und Kompetenzbereiche Aktualisierung der Daten Topmanagement-Unterstützung Loyalität Einsatz von Schulungsmaßnahmen Speicherung von Kundenreaktionsdaten Geschlossener Informationskreislauf Serviceanforderungen Kundenorientierung

Hinsichtlich der Indikatoren mit fallenden Totaleffekten über die Phasen des Kundenlebenszyklus lässt sich feststellen, dass der Wirkungszusammenhang des „Einsatzes von Anreizen“ zur Steuerung der Mitarbeiter und den Teilerfolgsmaßen der Phasen des Kundenlebenszyklus kontinuierlich sinkt. Es konnte gezeigt werden, dass die Ab-

250

Befunde der empirischen Untersuchung

schlussorientierung der ersten beiden Phasen des Kundenlebenszyklus zugunsten einer verstärkten „Kundenorientierung“ in der letzten Phase des Kundenlebenszyklus aufgegeben wird, so dass der Einsatz monetärer und nicht-monetärer Anreize zugunsten einer Mitarbeiterbeurteilung auf Basis kundenbeziehungsrelevanter Indikatoren reduziert wird. Abbildung 6-11: Indikatoren mit sinkenden Totaleffekten Anbahnung

Expansion

Bindung

0,35 N

0,25

Totaleffekt

0,15 0,05

O3 O4 I6 I5 I8

-0,05

-0,15 -0,25

N O3 O4 I6 I5 I8

Nutzungsintensität Kooperation zwischen Marketing, Service und Vertrieb Einsatz von Anreizen Speicherung von Kundenkontaktdaten Kontinuierliche Sammlung von Kundendaten Externe Informationsquellen

Das „CRM-orientierte Informationssystem“ verzeichnet über die Phasen des Kundenlebenszyklus eine Veränderung von der Sammlung von Kundenkontaktdaten hin zu eine zunehmenden Speicherung von Kundenreaktionsdaten, was vor dem Hintergrund auszuwertender Verhaltensdaten von Kunden in Hinblick auf die „Durchführung von Cross- und Up-Selling-Maßnahmen“ in der Phase „Expansion“ und der Durchführung

Befunde der empirischen Untersuchung

251

von Maßnahmen der Kundenbindung in der Phase „Bindung“ nicht verwunderlich ist. Die „Nutzungsintensität“ des „CRM-orientierten Informationssystem verzeichnet leicht sinkende Totaleffekte, allerdings auf einem hohen Niveau. Abbildung 6-11 stellt die Veränderungen der Totaleffekte über die Phasen des Kundenlebenszyklus graphisch dar. Die „Kundenbewertung“ zeigt über die Phasen des Kundenlebenszyklus ein uneinheitliches Bild. So weist die „Kundenbewertung“ durchweg hohe Totaleffekte auf und stützt damit die Wichtigkeit dieses zentralen Prinzips des Beziehungsmarketings.643 Allerdings erreicht es seinen höchsten Totaleffekt in der Phase „Expansion“, was auf die Wichtigkeit der „Kundenbewertung“ in Hinblick auf die Identifikation von Crossund Up-Selling-Potenzialen in dieser Phase zurückzuführen ist.644 Einen vergleichbaren Verlauf zeigt die Bewertung der „Heterogenität des Kundenstamms“ anhand soziodemographischer Daten. Diese zeigt ebenfalls ihren höchsten Totaleffekt in der Phase „Expansion“, was ebenfalls durch den Einsatz der Kundenbewertungsverfahren erklärbar ist. Die deskriptiven Statistiken des Index „Kundenbewertung“ haben gezeigt, dass zumeist einfache Verfahren der Kundenbewertung zum Einsatz kommen, die hauptsächlich soziodemographischen Merkmale einbeziehen.645 Die „Mitarbeiterbeurteilung auf Basis von kundenbeziehungsrelevanten Indikatoren“ zeigt zunächst einen sinkenden Totaleffekt, um in der letzten Phase des Kundenlebenszyklus stark anzusteigen, was mit einer stärkeren Abschlussorientierung zur „Steigerung des Gesamtertrags pro Kunden“ in der Phase „Expansion“ und einer zunehmenden „Kundenorientierung“ zur Steigerung der Kundenbindung in der Phase „Bindung“ zu erklären ist. Abbildung 6-12 stellt die Veränderungen der Totaleffekte über die Phasen des Kundenlebenszyklus graphisch dar.

643

Vgl. Abschnitt 3.3.2.1 dieser Arbeit. Vgl. Schäfer (2002), S. 159. 645 Vgl. Abschnitt 6.2.2 dieser Arbeit. 644

252

Befunde der empirischen Untersuchung

Abbildung 6-12: Abbildung mit differierenden Totaleffekten Anbahnung

Expansion

Bindung

0,35 0,25

Totaleffekt

0,15 0,05

-0,05

KB H1

H3 H2 O5

-0,15 -0,25

KB H1 H3 H2 O5

Kundenbewertung Soziodemographische Faktoren Preis-/Leistungserwartungen Produktpräferenzen Mitarbeiterbeurteilung auf Basis von kundenbeziehungsrelevanten Indikatoren

7

Implikationen für das Management

Grundlegendes Ziel der Erfolgsfaktorenforschung und auch dieser Arbeit ist es, Determinanten zu identifizieren, die den Erfolg eines Unternehmens beeinflussen. Neben der rein wissenschaftlichen Durchdringung des Zusammenhangs zwischen Erfolgsfaktoren und CRM-Erfolg sollen aber auch Implikationen für das Management aus den Ergebnissen der vorliegenden Untersuchung abgeleitet werden. In diesem Zusammenhang ist die Unterscheidung zwischen instrumenteller und konzeptioneller Nutzung der Untersuchungsergebnisse relevant.646 Eine instrumentelle Nutzung der empirischen Erfolgsfaktorenforschung liegt vor, wenn die Erkenntnisse einer Untersuchung direkt von Managern zur Lösung von Managementproblemen verwendet werden können. Eine konzeptionelle Nutzung liegt vor, wenn die Erkenntnisse einer Untersuchung dazu geeignet sind, reale Phänomene für Manager besser verständlich zu machen. Eine instrumentelle Nutzung der Ergebnisse erscheint vor dem Hintergrund der Untersuchung relativ allgemeiner Phänomene und der hohen Spezifität bestimmter Managementprobleme aus der Praxis fragwürdig.647 Insofern ist der Nutzen aus den empirischen Untersuchungsergebnissen für die Praxis eher konzeptioneller Art.648 Die Managementrelevanz resultiert dabei aus der Fokussierung von Indikatoren und deren Wirkungszusammenhang auf den Erfolg, statt auf Konstruktebene relativ allgemein über Wirkungszusammenhänge zu argumentieren. Aus diesem Grunde wurden mehrere latente Variablen formativ spezifiziert, um detailliert diejenigen Indikatoren zu identifizieren, welche die latente Variable maßgeblich formieren. Damit erfüllt diese Arbeit eine oftmals vorgetragene Forderung an die Erfolgsfaktorenforschung, eine konzeptionelle Nutzung der Ergebnisse für die Praxis zu ermöglichen. Dennoch sei darauf hingewiesen, dass die Implikationen grundsätzlich nur für die vier in dieser Arbeit betrachteten Branchen gelten. Die deskriptive Analyse der Teilerfolgsmaße in Abschnitt 6.1.3 hat gezeigt, dass die Verbesserungen durch die Einführung von CRM durchschnittlich 17,22 Prozent betragen. Die Berechnung von Quasi-Elastitzitäten in Abschnitt 6.4.2 offenbart zudem, dass bereits geringe Steigerungen bei der Umsetzung einzelner CRM-Maßnahmen zu Ver-

646

Vgl. Menon und Varadarajan (1992), S. 55f. Vgl. Nicolai und Kieser (2002), S. 589ff. 648 Vgl. Homburg und Krohmer (2004), S. 629. 647

254

Implikationen für das Management

besserungen in den Teilerfolgsmaßen führen können. Für die Implementierung von CRM sind diese Informationen eine Entscheidungshilfe, ob und zu welchen Kosten bestimmte Maßnahmen einzuführen sind. Entscheidend für die Realisierung von Erfolg im CRM sind daher die Umsetzung derjenigen Indikatoren, die den stärksten Wirkungszusammenhang zum Erfolg aufweisen. Unternehmen sollten daher eine Abwägung zwischen den Stärken der Erfolgswirkung bestimmter Maßnahmen und den voraussichtlichen Kosten einer Implementierung vornehmen. Die Ergebnisse dieser Arbeit zeigen, dass die differenzierte Durchführung von CRMMaßnahmen entlang der Phasen des Kundenlebenszyklus einen Wirkungszusammenhang auf den Erfolg ausübt. Dabei zeigt sich, dass über die Phasen hinweg zentrale Indikatoren des Beziehungsmarketings erfolgsbestimmend sind. Diese Indikatoren sind dabei nicht unbedingt durch eine besonders hohe Komplexität gekennzeichnet, sondern belegen, dass Maßnahmen, die in Praxis und Wissenschaft als erfolgreich eingestuft wurden, auch im CRM Erfolg entfalten können. Allerdings impliziert die Übertragung der Prinzipien des Beziehungsmarketings (vgl. Abschnitt 3.3.2.1) erstens, dass eine technische Infrastruktur vorzuhalten und zu nutzen ist, die es ermöglicht, die individuellen CRM-Maßnahmen auf einen Kundenstamm mit mehreren Hunderttausend Kunden zu übertragen. Zweitens ist es notwendig, über den gesamten Kundenlebenszyklus hochentwickelte Verfahren der Kundenbewertung einzusetzen, um in jeder Phase des Kundenlebenszyklus die Kunden individuell nach ihrer Profitabilität für das jeweilige Unternehmen befriedigen zu können. Letztlich sind mit der Einführung von CRM-Maßnahmen auf individueller Kundenebene für einen großzahligen Kundenstamm organisatorische Anpassungen der Gestalt vorzunehmen, dass die Mitarbeiter der kundennahen Abteilungen qualifiziert sind, ein „CRM-orientiertes Informationssystem“ zu nutzen, Informationen auszutauschen und den Kunden entsprechend seiner Kundenlebenszyklusphase individuell zu beraten. Die Umsetzung der Prinzipien des Beziehungsmarketings sind mit voranschreitender Kundenlebenszyklusphase zunehmend durch die Herstellung einer „Kundenorientierung“ und die Unterstützung durch das Topmanagement zu begleiten. In den folgenden Abschnitten werden entsprechend der Phasen des Kundenlebenszyklus detailliert Handlungsempfehlungen gegeben, welche Maßnahmen einen positiven Einfluss auf den Erfolg haben und welche nicht.

Implikationen für das Management

255

7.1 Erfolgswirkungen in der Kundenlebenszyklusphase Anbahnung In der Kundenlebenszyklusphase „Anbahnung“ sollte eine kundenwertorientierte Kommunikationsstrategie angewendet werden, welche individuell Produkte und Dienstleistungen anbietet. Als Beispiel kann der Computerhersteller Dell dienen, der auf seiner Homepage die individuelle Zusammenstellung von Computern ermöglicht und damit Kunden direkt und individuell anspricht. Des Weiteren ist der Kunde über ein Multi-Channel-Management individuell über den präferierten Vertriebskanal zu kontaktieren. In dieser Phase sollte ebenfalls über ein formalisiertes Kundenrückgewinnungsmanagement versucht werden, profitable, verlorene Kunden zurückzugewinnen. Wichtig erscheint hierbei, dass anhand von Datenanalysen im bisherigen Kundenstamm versucht wird, Prognosen hinsichtlich der Profitabilität zukünftiger Kunden abzugeben, um eine Beziehung zu unprofitablen Kunden bereits in dieser Phase des Kundenlebenszyklus zu vermeiden. Alle aufgezeigten Maßnahmen implizieren, dass bereits in der Phase der „Anbahnung“ Verfahren der Kundenbewertung einzusetzen sind, um in der ersten Phase des Kundenlebenszyklus sicher stellen zu können, dass möglichst nur Beziehungen zu voraussichtlich profitablen Kunden eingegangen werden und Beziehungen zu voraussichtlich unprofitablen Kunden vermieden werden. Es hat sich gezeigt, dass Unternehmen in der Mehrzahl bisher einfache Verfahren der Kundenbewertung einsetzen. Lediglich die Branche der Finanzdienstleister setzt mit Abstand die komplexeren Verfahren zur Bewertung von Kunden wie mehrdimensionale Kundenbewertungsmodelle oder den Customer-Lifetime-Value ein, während die übrigen Branchen auf eindimensionale monetäre und nicht-monetäre Bewertungsverfahren wie ABC-Analysen oder Kundenzufriedenheitsanalysen vertrauen. Die empirische Überprüfung hat gezeigt, dass bereits der Einsatz einfacher Kundenwertmodelle einen signifikant positiven Einfluss auf den CRM-Erfolg in sämtlichen Phasen des Kundenlebenszyklus ausübt. Informationstechnologisch sind diese Maßnahmen durch Funktionen des „CRMorientierten Informationssystems“ zu flankieren, welche die Speicherung von Kundenkontaktdaten in einer einheitlichen Kundendatenbank erlauben, auf die durch Marketing, Vertrieb und Service zugegriffen werden kann. Ein Beispiel für die Implementierung einer einheitlichen Sicht auf Kundenhistorien, Angebote und Aufträge durch

256

Implikationen für das Management

Marketing und Vertrieb bietet die RWE Solutions AG.649 Ebenso hat der Informationsund Kommunikationsdienstleister Unisys eine einheitliche Kundendatenbasis geschaffen.650 Die Sammlung der Kundenkontaktdaten sollte über alle Vertriebskanäle kontinuierlich im Akquisitionsprozess erfolgen können und möglichst aktuell gehalten werden. Im Gegensatz dazu ist in dieser Phase ein geschlossener Informationskreislauf nicht erforderlich, ebenso die Speicherung von Kundenreaktionsdaten. Die Analyse der Erfolgswirkungen des „CRM-orientierten Informationssystems“ hat gezeigt, dass die reine Implementierung lediglich in der letzten Phase des Kundenlebenszyklus einen signifikanten Erfolgsbeitrag leistet. So sollte hinsichtlich des Einsatzes des „CRMorientierten Informationssystems“ das Augenmerk auch auf die „Nutzungsintensität“ gelenkt werden. Die empirische Untersuchung konnte über alle Phasen des Kundenlebenszyklus einen hohen Wirkungszusammenhang zwischen der Nutzung des eingesetzten CRM-Systems und dem jeweiligen CRM-Erfolg nachweisen. Unternehmen sollten daher insbesondere auch die Implementierung geeigneter Anreizstrukturen zur Nutzung der CRM-Systeme sicherstellen.651 Damit konnte gezeigt werden, dass die Implementierung eines „CRM-orientierten Informationssystems“ nur in Verbindung mit dessen Nutzung durch die Mitarbeiter des Unternehmens erfolgswirksam wird. Der Markt der CRM-orientierten Informationssysteme wächst weiterhin. Zu den Marktführern gehören Siebel, SAP, Oracle Peoplesoft und Epiphany. Neben den lizensierten Software-Paketen, die in enger Abstimmung mit dem Unternehmen vor Ort installiert und den Anforderungen des Unternehmens angepasst werden, werden in letzter Zeit verstärkt Online-Lösungen (sogenannte „gehostete“ Software) angeboten. Diese Software wird dem Unternehmen über Standardschnittstellen online zur Verfügung gestellt. Die größten Wettbewerber in diesem Markt sind saleforce.com und Siebel on Demand.652 Abbildung 7-1 zeigt beispielhaft die CRM-Benutzeroberfläche des Software-Herstellers Siebel in Hinblick auf die Entlohnung der Vertriebsmitarbeiter, welche die fixen und variablen Gehaltsbestandteile grafisch nach Region, Lohngruppe und Organisationseinheit aufführt.

649

Vgl. SAP (2005). Vgl. Alt, Puschmann und Österle (2005), S. 195. 651 Vgl. für eine ausführliche Diskussion von CRM-Anreizsystemen Wolf (2002). 652 Vgl. o.V. (2005), www.salesforce.com, www.siebelondemand.com. 650

Implikationen für das Management

257

Abbildung 7-1: Darstellung der Benutzeroberfläche eines CRM-orientierten Informationssystems

Quelle: www.siebel.com.

Bezüglich der „Organisatorischen Anpassung“ sollten Unternehmen in dieser Phase eine Kooperation zwischen Marketing, Service und Vertrieb fördern und die Verantwortungs- und Kompetenzbereiche entsprechend einer kundensegmentorientierten Organisationsstruktur reorganisieren, um den Kunden auf einer individuellen Basis Produkte und Dienstleistungen anbieten zu können. In Ergänzung dazu sind die Mitarbeiter anhand von monetären Anreizen zu steuern, um die Akquisition und Rückgewinnung von profitablen Kunden zu erreichen. Im Gegensatz dazu hat sich eine Mitarbeiterbeurteilung auf Basis von kundenbeziehungsrelevanten Indikatoren wie bspw. der Kundenzufriedenheit als negativ herausgestellt, da in dieser Phase die Initiierung oder Wiedereröffnung einer Geschäftsbeziehung zu dem Kunden und damit eine Abschlussorientierung im Vordergrund steht. Ebenso sind CRM-relevante Schulungsmaßnahmen in dieser Phase von negativer Bedeutung, da die Kundenlebenszyklusphase „Anbahnung“ stark auf die klassischen Instrumente des Akquisitionsmanagements abstellt und die Anforderungen an die Nutzung des „CRM-orientierten Informationssystems“ aufgrund der relativ einfachen Komplexität nicht hoch erscheinen. Diesen

258

Implikationen für das Management

Umstand verdeutlicht auch der nahezu nicht nachweisbaren Zusammenhang zwischen der „Topmanagement-Unterstützung“ und dem „Anbahnungserfolg“. Die Entscheidung, ob eine Geschäftsbeziehung eingegangen wird, wird vom Kunden aber anhand der Produkt- und Leistungsmerkmale gefällt und nicht anhand „weicher“ Faktoren. Dementsprechend übt die „Kundenorientierung“ in dieser Phase eine negative Wirkung aus. Es scheint also das klassische „Hard Selling“ in dieser Phase des Kundenlebenszyklus zu überwiegen. Hinsichtlich der „Heterogenität des Kundenstamms“ ist anzumerken, dass die eingesetzten CRM-Maßnahmen um so besser wirken, je unterschiedlicher die Kunden hinsichtlich ihrer soziodemographischen Faktoren und ihrer Preis- und Leistungserwartungen sind. Die Wirkung der eingesetzten Maßnahmen ist um so schlechter, je unterschiedlicher die Kunden hinsichtlich ihrer Serviceanforderungen und Loyalität auftreten. Abbildung 7-2 führt die positiven und negativen Erfolgswirkungen der Indikatoren in der Kundenlebenszyklusphase „Anbahnung“ anhand ihrer Totaleffekte auf den „Anbahnungserfolg“ auf. Indikatoren mit einem hohen positiven Totaleffekt üben einen starken Erfolgseinfluss aus, Indikatoren mit einem negativen Totaleffekt üben dementsprechend einen negativen Einfluss auf den „Anbahnungserfolg“ aus.

Implikationen für das Management

259

Abbildung 7-2: Erfolgswirkungen in der Kundenlebenszyklusphase Anbahnung

Nutzungsintensität Kundenrückgewinnung Kundenbewertung Kooperation Soziodemograph. Faktoren Einsatz von Anreizen Kommunikationsstrategie Kundenkontaktdaten Beziehungsvermeidung Multi-Channel-Mgt. Datensammlung Reorganisation Datenzugriff Organisationsstruktur Sammlung von Kundendaten Aktualisierung der Daten Preis-/Leistungserwartungen Topmgt.-Unterstützung Kundendatenbank Externe Informationsquellen Produktpräferenzen Loyalität Schulungsmaßnahmen Mitarbeiterbeurteilung Kundenreaktionsdaten Informationskreislauf Serviceanforderungen Kundenorientierung -0,200 -0,2

-0,100 -0,1

0,000 0

0,100 0,1 Totaleffekt

0,200 0,2

0,300 0,3

0,400 0,4

260

Implikationen für das Management

7.2 Erfolgswirkungen in der Kundenlebenszyklusphase Expansion Die Kundenlebenszyklusphase „Expansion“ ist durch die Entwicklung des Kunden gekennzeichnet, die zu einer Steigerung des Gesamtertrags pro Kunde führen sollte und den Anteil des Unternehmens am Umsatzpotenzial des Kunden erhöht. Erfolgreiche Instrumente zur Intensivierung der Kundenbeziehung sind in dieser Phase Crossund Up-Selling-Maßnahmen. Entsprechend sollte das Unternehmen eine gewisse Programmbreite aus Produkten und Leistungen bereitstellen, welche oftmals als Kompetenzsignal durch den Kunden gedeutet wird und die Attraktivität steigert.653 Die Cross- und Up-Selling-Maßnahmen sind durch die weitergehende Kundenbewertung und durch die Berechnung von Produktaffinitäten, Reaktions- und Kaufwahrscheinlichkeiten vorzubereiten. Übereinstimmend mit diesen Erkenntnissen hat bspw. die schweizerische Telefongesellschaft Swisscom ein Konzept zur Kundensegmentierung auf der Basis von Kundenwertberechnungen eingesetzt.654 Dabei wird die Kundenbearbeitung anhand der errechneten Kundenwerte und Kundenbedürfnisse durchgeführt. Besonders interessant ist hierbei, dass die Swisscom bereits für unterschiedliche Phasen des Kundenlebenszyklus unterschiedliche CRM-Maßnahmen (bspw. Cross-/Up-Selling-Maßnahmen) bereit hält. Ein anderes Beispiel für ein erfolgreiches Cross-Selling durch CRM ist die britische Hypothekenbank Woolwich.655 Eine negative Wirkungsbeziehung auf den Erfolg zeigt die Einräumung monetärer Anreize (bspw. Preisnachlässe, Geschenke). Interessanterweise finden sich für die Einräumung von monetären und auch nicht-monetären Anreizen in der Unternehmenspraxis zahlreiche Beispiele, so das oftmals immer noch kostenlose Handy bei Abschluss eines Mobilfunkvertrages oder die Gewährung unterschiedlichster Geschenke bei Abschluss eines Zeitschriftenabonnements. Unternehmen sollten daher sorgfältig prüfen, ob die Einräumung dieser Anreize tatsächlich zu einer Steigerung des Gesamtertrags pro Kunde führt oder ob durch den Kunden lediglich Mitnahmeeffekte realisiert werden.

653

Vgl. Schäfer (2002), S. 124. Vgl. Alt, Puschmann und Österle (2005), S. 194f. 655 Vgl. Jarrar und Neely (2002), S. 284. 654

Implikationen für das Management

261

Da in dieser Phase insbesondere Kundenreaktionsdaten auszuwerten sind, um Crossund Up-Selling-Potenziale zu identifizieren, ist das „CRM-orientierte Informationssystem“ entsprechend auszugestalten. So sind über sämtliche Vertriebskanäle kontinuierlich Kundenkontaktdaten und Kundenreaktionsdaten zu sammeln und zu speichern, um diese mit Hilfe hochentwickelter Analyseverfahren auszuwerten. Der DiscountBroker Cortal Consors ist bspw. nach Einführung eines zentralen Data Warehouses in der Lage, Analysen anhand von 30 Millionen Transaktionen durchzuführen, um Kundenreaktionsdaten auszuwerten.656 In dieser Phase sind die Daten in einer einheitlichen Kundendatenbank abzuspeichern, so dass Marketing, Service und Vertrieb auf die Daten zugreifen können. Die Nutzung externer Informationsquellen zur Anreicherung der Daten zeigt dagegen einen negativen Wirkungszusammenhang, was mit den oftmals erheblichen Kosten der Einbindung von Informationen externer Marktforschungsinstitute zusammenhängen kann. Als Beispiel eines CRM-orientierten Informationssystems sei auf die Kundenübersichtseite einer CRM-Software des Software-Entwicklers Epiphany verwiesen. Abbildung 7-3 zeigt ein Kundendatenblatt. Das System schlägt Cross- und Up-SellingMaßnahmen vor, die der Kundenberater dem Kunden in Verkaufsgesprächen anbieten kann, um in dieser Phase des Kundenlebenszyklus den Cross-/Up-Selling Erfolg zu steigern.

656

Vgl. Alt, Puschmann und Österle (2005), S. 194.

262

Implikationen für das Management

Abbildung 7-3: Darstellung von Cross-Selling-Maßnahmen in einer CRM-Software

Quelle: www.epiphany.com

Bezüglich der „Organisatorischen Anpassung“ sind kaum Unterschiede zu der vorangegangenen Phase des Kundenlebenszyklus feststellbar. Im Mittelpunkt steht weiterhin die Integrations- und Prozessorientierung zur Vermeidung interner Schnittstellenkonflikte. Zu den relevanten Einflussgrößen zählen daher im Rahmen der Aufbauorganisation die „Reorganisation der Verantwortungs- und Kompetenzbereiche“ sowie die „Kooperation zwischen Marketing, Vertrieb und Service“. Beispiele für eine erfolgreiche organisatorische Anpassung sind der amerikanische Elektronik-Hersteller „Square D“, der erfolgreich Verantwortungsbereiche entlang der Kundensegmente reorganisiert hat und zusätzlich das Entlohnungssystem auf die Kundenakquisitionsrate und den Kundendeckungsbeitrag umgestellt hat, also entsprechende monetäre Anreize setzt, um profitable Kunden zu gewinnen.657 Weiterhin einen negativen Einfluss übt die „Mitarbeiterbeurteilung anhand kundenbeziehungsrelevanter Indikatoren“ aus, da in dieser Phase wiederum das Cross- und Up-Selling zur Erhöhung des Anteil des Unternehmens am Umsatzpotenzial des Kunden im Vordergrund steht. Die Nutzung

657

Vgl. Rigby, Reichheld und Schefter (2002), S. 8.

Implikationen für das Management

263

des komplexer ausgestalteten „CRM-orientierten Informationssystems“ ist in dieser Phase durch Schulungsmaßnahmen zu begleiten. In dieser Phase des Kundenlebenszyklus, in welcher der Kunde entwickelt wird, ist eine „Kundenorientierung“ im Unternehmen hilfreich, da in dieser Phase die Kundenzufriedenheit gesteigert werden soll, damit der Kunde bereit ist, weitere Produkte oder andere Produkte des Unternehmens zu kaufen. Entsprechend wichtiger wird daher auch die „Topmanagement-Unterstützung“, die sicherstellt, dass die Mitarbeiter auf die „Kundenorientierung“ hingewiesen und motiviert werden, die „Kundenorientierung“ zu leben. Die Maßnahmen in dieser Phase des Kundenlebenszyklus sind um so erfolgreicher, je unterschiedlicher die Kunden hinsichtlich ihrer soziodemographischen Faktoren, ihrer Loyalität und ihrer Produktpräferenzen sind. Weniger erfolgreich werden die Maßnahmen sein, wenn sich die Kunden stark in ihren Serviceanforderungen oder Preis- und Leistungserwartungen unterscheiden. Tabelle 7-4 führt die positiven und negativen Erfolgswirkungen der Indikatoren in der Kundenlebenszyklusphase „Expansion“ auf.

264

Implikationen für das Management

Abbildung 7-4: Erfolgswirkungen in der Kundenlebenszyklusphase Expansion

Kundenbewertung Soziodemograph. Faktoren Nutzungsintensität Cross-/Up-Selling Loyalität Datensammlung Reorganisation Organisationsstruktur Kooperation Kundenreaktionsdaten Kundenkontaktdaten Einsatz von Anreizen Aktualisierung der Daten Kundenorientierung Schulungsmaßnahmen Kundendatenbank Topmgt.-Unterstützung Datenzugriff Produktpräferenzen Sammlung von Kundendaten Serviceanforderungen Externe Informationsquellen Informationskreislauf Kommunikationsstrategie Preis-/Leistungserwartungen Servicemanagement Mitarbeiterbeurteilung -0,200 -0,200

-0,100 -0,100

0,000 0,000

0,100 0,100 Totaleffekt

0,200 0,200

0,300 0,300

0,400 0,400

Implikationen für das Management

265

7.3 Erfolgswirkungen in der Kundenlebenszyklusphase Bindung In der letzten Phase des Kundenlebenszyklus sind wenig oder nicht profitable Kunden zu identifizieren, um diese entweder mit Hilfe von Kundenbindungsmaßnahmen an das Unternehmen zu binden und zu Mehrgeschäft zu veranlassen oder aber die Kundenbeziehung zu beenden, wenn die Kundenwertprognosen keine profitable Kundenbeziehung vorhersagen. Einen dementsprechend hohen Erfolgsbeitrag stellt daher die Analyse des Kundenverhaltens in dieser Phase des Kundenlebenszyklus dar. Falls die „Kundenbewertung“ zu einer negativen Einschätzung der Profitabilität eines Kunden führt, sollte die Kundenbeziehung durch entsprechende De-Marketing-Aktivitäten beendet werden. Beispiele sind Serviceeinschränkungen oder das Erheben von zusätzlichen Gebühren. Ebenfalls denkbar ist die Beendigung über eine Anpassung der Distributionsaktivitäten, bspw. durch Filialschließungen oder die selektive Einschränkung bestimmter Vertriebskanäle. Allerdings ist bei der Durchführung eines aktiven Beendigungsmanagement die Gefahr einer negativen Mund-zu-Mund-Werbung nicht zu unterschätzen.658 Als klassische Maßnahme der Bindung profitabler Kunden dienen Kundenbindungsprogramme. Aus der Praxis wird dementsprechend von der Umsetzung von Kampagnenmanagementwerkzeugen berichtet, wie sie bspw. die Direct Group der Bertelsmann AG auf Basis einer Softwarelösung einsetzt.659 Beispiele für Kundenbindungsprorgamme sind klassische Loyalitätsprogramme wie sie von der Lufthansa (Miles and More) oder der Bahn (Bahn comfort) verwendet werden. Aufgrund der höheren Anforderungen an die Verfahren zur Analyse des Kundenverhaltens ist das „CRM-orientierte Informationssystem“ an die besonderen Anforderungen durch die Implementierung zusätzlicher Funktionalitäten anzupassen. Zusätzlich ist in dieser Phase zu beachten, dass ein geschlossener Informationskreislauf zwischen der Informationssammlung, -weitergabe, -analyse und -nutzung von Bedeutung ist, um sicher stellen zu können, dass in dieser Phase des Kundenlebenszyklus alle Informationen zur Analyse des bisherigen Kundenverhaltens vorhanden ist. Weiterhin wichtig bleibt die „Datensammlung über die Vertriebskanäle“ und die „Speicherung

658 659

Vgl. Reichheld (2003), S. 48. Vgl. Alt, Puschmann und Österle (2005), S. 193.

266

Implikationen für das Management

der Kundenreaktionsdaten“ in einer einheitlichen Kundendatenbank. Dagegen ist der „Datenzugriff durch Marketing, Service und Vertrieb“ von untergeordneter Bedeutung. Daher sollten in dieser Phase des Kundenlebenszyklus eine eindeutige Zuordnung der organisatorischen Zuständigkeit und Verantwortlichkeit der Bindungsmaßnahmen zu einer kundennahen Abteilung getroffen werden, die ihrerseits die notwendigen Maßnahmen einleiten kann. Um die relevanten Bindungsmaßnahmen umzusetzen, bedarf es hinsichtlich der „Organisatorischen Anpassung“ weiterhin der Kooperation zwischen Marketing, Service und Vertrieb. Es sind die Mitarbeiter hinsichtlich der Bindungsmaßnahmen und den erweiterten Funktionalitäten des „CRM-orientierten Informationssystems“ zu schulen, um eine intensive Nutzung des die Bindungsmaßnahmen unterstützenden Systems zu gewährleisten. Der bisherige Einsatz von monetären Anreizen wird nun durch die „Beurteilung der Mitarbeiter anhand von kundenbeziehungsrelevanten Indikatoren“ ergänzt. Dieses Vorgehen gewährleistet ein hohes Maß an „Kundenorientierung“, was wiederum einen Zielbeitrag zur Bindung profitabler Kunden leistet. Das in den vorangegangenen Phasen dominierende „Hard Selling“ wird demnach durch ein „Soft Selling“ abgelöst. Daher beeinflusst die Verankerung einer hohen „Kundenorientierung“ der Mitarbeiter, welche die Wünsche und Bedürfnisse der Kunden berücksichtigt, in dieser Phase des Kundenlebenszyklus den „Bindungserfolg“. Die erweiterten Funktionalitäten des „CRM-orientierten Informationssystems“ sowie die „Organisatorischen Anpassungen“ sind in dieser Phase durch das Topmanagement zu unterstützen, um die Mitarbeiter von der Vorteilhaftigkeit der notwendigen Maßnahmen zu überzeugen und die Kundenorientierung in der Unternehmenskultur zu verankern. Hinsichtlich der „Heterogenität des Kundenstamms“ ist zu bedenken, dass die einzusetzenden Maßnahmen um so erfolgreicher sind, je mehr sich die Kunden hinsichtlich ihrer Loyalität und soziodemographischen Merkmalen unterscheiden. Unterscheiden sich die Kunden stark hinsichtlich ihrer Produktpräferenzen, Serviceanforderungen oder Preis-/Leistungserwartungen, so erschwert dieser Umstand das „Bindungsmanagement“ in dieser Phase des Kundenlebenszyklus. Tabelle 7-5 führt die positiven und negativen Erfolgswirkungen der latenten Variablen in der Phase „Bindung“ auf.

Implikationen für das Management

267

Abbildung 7-5: Erfolgswirkungen in der Kundenlebenszyklusphase Bindung

Analyse Kundenverhalten Datensammlung Kundenreaktionsdaten Nutzungsintensität Kundenbewertung Soziodemograph. Faktoren Aktives Beendigungsmgt. Reorganisation Loyalität Topmgt.-Unterstützung Aktualisierung der Daten Kooperation Kundenorientierung Schulungsmaßnahmen Kundendatenbank Kundenkontaktdaten Kundenbindungsprogramm Einsatz von Anreizen Kundenbindungsstrategie Kundeninteraktion Mitarbeiterbeurteilung Organisationsstruktur Informationskreislauf Preis-/Leistungserwartungen Serviceanforderungen Datenzugriff Kommunikationsstrategie Passives Beendigungsmgt. Sammlung von Kundendaten Keine Beziehungen zu unprofitablen Kunden Externe Informationsquellen Produktpräferenzen -0,200 -0,200

-0,100 -0,100

0,000 0,000

0,100 0,100 Totaleffekt

0,200 0,200

0,300 0,300

0,400 0,400

8

Implikationen für die Forschung

Im Rahmen der vorliegenden Untersuchung wurden die Erfolgswirkungen von CRM möglichst umfassend untersucht. Dennoch unterliegen die hier gewonnenen Erkenntnisse gewissen Restriktionen. In zukünftigen Untersuchungen sollten nachfolgend dargestellte inhaltliche und methodische Verbesserungen einbezogen werden. Aus inhaltlicher Sicht hat diese Arbeit eine theoretisch fundierte und empirisch validierte Konzeptionalisierung von CRM auf der Basis der Prinzipien des Beziehungsmarketings erarbeitet und damit einen Beitrag zum Stand der Forschung geleistet. Anhand der Modellierung von CRM entlang der drei Phasen des Kundenlebenszyklus konnte auf Basis einer theoretischen Konzeptionalisierung, bestehender Forschungserkenntnisse und Expertengesprächen ein Modell erarbeitet werden, welches die Erfolgsmessung entlang des Kundenlebenszyklus mit kundenbeziehungsrelevanten Teilerfolgsmaßen vornimmt. Da für die Messung in der Regel noch keine etablierten Skalen zur Verfügung standen oder davon auszugehen ist, dass viele bereits verwendete Skalen aufgrund ihrer ausschließlich reflektiven Operationalisierung fehlspezifiziert sind, wurden für eine Vielzahl latenter Variablen erstmalig gültige Messinstrumente entwickelt. Vor dem Hintergrund einer möglichen Wiederverwendung ist die Etablierung gültiger Skalen daher besonders interessant. Hinsichtlich der inhaltlichen Implikationen für zukünftige Forschungsarbeiten liegt eine Restriktion in der Schwierigkeit, möglichst umfassend relevante CRMMaßnahmen in das Modell einzubeziehen. Anhand einer umfangreichen Literaturrecherche sowie mehrerer explorativer Experteninterviews wurden die derzeit relevanten CRM-Maßnahmen versucht, möglichst umfassend zu identifizieren. Dennoch ist anzunehmen, dass im Laufe der Zeit neue CRM-Maßnahmen entwickelt und eingesetzt werden.660 Da gezeigt werden konnte, dass die phasenspezifische Durchführung von CRM-Maßnahmen einen starken Wirkungszusammenhang auf den Erfolg ausübt, wäre es für weitere Forschungsarbeiten wünschenswert, die einzelnen Phasen mit ihren Aktivitäten in zukünftigen Untersuchungen zu überprüfen. Des Weiteren basiert diese Untersuchung auf einer branchenübergreifenden Stichprobe in Deutschland sowie anderen europäischen Ländern. Wie aus der empirischen Analy-

660

Vgl. Boulding et al. (2005), S. 163.

270

Implikationen für die Forschung

se ersichtlich, zeigt die Branche Finanzdienstleistungen in den ersten beiden Phasen des Kundenlebenszyklus bessere Ergebnisse als die anderen untersuchten Branchen und liefert damit einen Hinweis auf Unterschiede zwischen den untersuchten Branchen. Daher wäre es wünschenswert, wenn Replikationsstudien in bestimmten Branchen durchgeführt würden, um die erhaltenen Ergebnisse branchenspezifisch zu validieren oder aber das Modell an die spezifischen Branchencharakteristika anzupassen. Auch wäre es wünschenswert, in Replikationsstudien ebenfalls eine internationale Perspektive der Untersuchung anzustreben, um möglicherweise Unterschiede in einzelnen Ländern oder Regionen bzgl. der Umsetzung von CRM zu analysieren. Die vorliegende Arbeit betrachtet ein dynamisches Phänomen in einer Momentaufnahme. Dieses Vorgehen ist aus forschungsökonomischer Sicht vertretbar und bereits in vielfachen Untersuchungen, bspw. im Rahmen der Forschungsarbeiten zur Marktorientierung oder Dienstleistungsqualität, angewendet worden. Dennoch ist es denkbar, dass sich die Wirkungszusammenhänge im Zeitablauf verändern. Eine Längsschnittuntersuchung wäre daher für zukünftige Untersuchungen wünschenswert. Eine weitere Beschränkung liegt in der Messkonzeption des Erfolgsmodells. Die hier verwendeten Größen sind subjektiver Natur. Für weitere Forschungsarbeiten wäre es interessant, neben diesen subjektiven Erfolgsgrößen auch objektive Erfolgsgrößen einzubeziehen. Dabei ist es wichtig, neben den Unternehmensdaten gleichzeitig auch Kundendaten zu gewinnen, um diese entsprechend abzugleichen und in die Analyse einzubeziehen.661 Aus den Ergebnissen der empirischen Untersuchung können weiterhin wesentliche methodische Implikationen abgeleitet werden. Da die Zielsetzung der Erfolgsfaktorenforschung unter anderem darin besteht, Handlungsempfehlungen darüber abzugeben, welche Treiber den Erfolg eines Unternehmens determinieren,662 sollten die exogenen Indikatoren formativ spezifiziert werden. Vielfach ist in bisherigen Studien zur Erfolgsfaktorenforschung durch die Verwendung reflektiver Skalen möglicherweise eine Fehlspezifikation der Modelle erfolgt, was zu einer Änderung der Bedeutungsinhalte von Konstrukten und stark abweichenden Parameterwerten zwischen

661 662

Vgl. Gupta und Zeithaml (2005). Vgl. Abschnitt 3.1 dieser Arbeit.

Implikationen für die Forschung

271

den Konstrukten führen kann.663 Albers und Hildebrandt (2006) zeigen, dass es entscheidend ist, wie bestimmte Indikatoren in der finalen Auswertung Berücksichtigung finden. Wird unter Verwendung formativer Indikatoren fälschlicherweise nach dem Cronbachs-Alpha-LISREL-Paradigma vorgegangen, so werden möglicherweise intern nicht konsistente Indikatoren eliminiert, was schließlich eine Änderung der Bedeutungsinhalte der Konstrukte zur Folge haben kann. Die bisher vielfach zu beobachtende Konzentration auf die Signifikanz bestimmter Zusammenhänge zwischen Erfolgsfaktor und abhängiger Variable ist zugunsten einer Diskussion auf Indikatorebene aufzugeben, da die Indikatoren die tatsächlichen Treiber des Unternehmenserfolgs darstellen. Die Zusammenfassung inhaltlich zusammengehöriger Indikatoren zu einem Konstrukt mag geeignet erscheinen, auf aggregierter Ebene zu Aussagen über die generellen Wirkungsbeziehungen zu gelangen. Die Analyse formativer Messmodelle sollte auf Indikatorebene erfolgen, um die relative Wichtigkeit der relevanten Treiber zu identifizieren. Da die formativen Indikatoren unterschiedliche inhaltliche Facetten abbilden, sind sie anhand einer detaillierten Literaturrecherche und Experteninterviews abzuleiten.664 Dabei stellt aus methodischer Sicht insbesondere die Problematik mangelnder Konstruktvalidierung ein Problem dar. Formative Indikatoren messen inhaltlich unterschiedliche Facetten eines Konstruktes. Sind die Indikatoren interkorreliert, so kann das Problem der Multikollinearität bestehen. Allerdings sollten einzelne Indikatoren nicht eliminiert werden, sondern zu einem Index zusammengefasst werden, da andernfalls eine Änderung des Bedeutungsinhaltes des betroffenen Konstruktes eintreten kann. Die Beurteilung formativer Messmodelle sollte daher mit großer Sorgfalt erfolgen, um methodische Fehler zu vermeiden. Grundsätzlich hat sich das für kleine Stichproben unter unbekannten Verteilungsannahmen geeignete Analyseverfahren PLS als methodisch adäquat erwiesen. Dabei liefert die vorliegende Arbeit dem Wissenschaftler einen Leitfaden, mit dessen Hilfe formative und reflektive Messmodelle operationalisiert und anhand des PLS-Ansatzes empirisch überprüft werden können. Die Software PLSGraph bietet zudem eine gut visualisierbare Möglichkeit der Modellschätzung. Mittlerweile stehen für zukünftige

663 664

Vgl. Albers und Hildebrandt (2006), S. 27f. Vgl. Rossiter (2002).

272

Implikationen für die Forschung

Forschungsvorhaben auch weitere Softwareanwendungen wie bspw. SmartPLS665 oder SPAD666 zur Verfügung. Für zukünftige Forschungsvorhaben wäre eine Replikation dieser Untersuchung bspw. mit einer höheren Stichprobe wünschenswert, um die Validität der Ergebnisse zu überprüfen. Aufgrund der geringen Stichprobengröße wurde in dieser Untersuchung auf eine segmentspezifische Analyse zur Aufdeckung unbeobachteter Heterogenität verzichtet. Zukünftige Forschungsarbeiten sollten hierbei zur Segmentierung von mehrstufigen Regressionsmodellen in latenten Klassen als Instrument beispielsweise das Programm FIMIX-PLS (Finite-Mixture-Partial-Least-Squares) oder alternative Lösungen verwenden, um unbeobachtete Heterogenität zu berücksichtigen.667 Zuletzt sei darauf hingewiesen, dass die Annahme eines linearen Zusammenhangs zwischen Erfolgsfaktoren und Erfolgsindikatoren eigentlich unrealistisch ist. Es ist daher wünschenswert, dass in Zukunft Analyseverfahren anwendbar sind, welche die Berücksichtigung nicht-linearer Zusammenhänge in Strukturgleichungsmodellen ermöglichen.668

665

Vgl. www.smartpls.de. Vgl. www.decisa.com. 667 Für eine Anwendung von FIMIX-PLS vgl. die Arbeiten von Hahn et al. (2002) und Becker (2004). 668 Vgl. Albers und Hildebrandt (2006), S. 31f. 666

9

Zusammenfassung

Ausgangspunkt der Untersuchung war die Feststellung, dass CRM-Implementierungen in Unternehmen bisher nicht die gewünschten Erfolge erbringen und unklar ist, welche Faktoren den Erfolg von CRM determinieren. Die erste Zielsetzung dieser Arbeit bestand in einer systematischen Aufbereitung der Literatur zur Schaffung eines einheitlichen Begriffsverständnisses von CRM. Es konnte gezeigt werden, dass in der Literatur sehr heterogene Begriffsauffassungen von CRM bestehen. Die Ausführungen des Abschnitts 2 haben die unterschiedlichen Begriffsverständnisse zu systematisieren versucht und ein einheitliches Begriffsverständnis von CRM für diese Arbeit geschaffen. Die zweite Zielsetzung verfolgte die Konzeption eines Ansatzes, mit dem der Erfolg von CRM in Unternehmen über die gesamte Kundenbeziehung differenziert gemessen werden kann. Basierend auf dem Konzept des Beziehungsmarketings und dem ressourcenbasierten Ansatz konnte unter Anwendung des Konzepts des Kundenlebenszyklus je ein Modell zur Erklärung der Erfolgswirkungen von CRM für jede Kundenlebenszyklusphase abgeleitet werden. Sämtliche abhängigen Variablen der Modelle der Phasen des Kundenlebenszyklus wurden zudem in einem Erfolgsmodell hinsichtlich ihres Beitrags zum ökonomischen Erfolg eines Unternehmens in einem Modell untersucht. Die dritte Zielsetzung dieser Arbeit lag in der Konzeption und empirischen Überprüfung von Modellen zur Erklärung der vorher auf Basis des Konzepts des Beziehungsmarketings abgeleiteten Erfolgsfaktoren. Hierzu wurden spezifische CRM-Maßnahmen und Einflussgrößen identifiziert und Hypothesen zu deren möglichen Erfolgswirkungen formuliert. Die Verfolgung der Ziele führt zunächst aus inhaltlicher Hinsicht zu der Erkenntnis, dass auf Basis der empirischen Analyseergebnisse eindeutig nachgewiesen werden konnte, dass CRM einen Einfluss auf den Erfolg von Unternehmen über den gesamten Kundenlebenszyklus ausübt. Dieses Ergebnis wird durch frühere empirische Untersuchungen gestützt.669 Im Rahmen der Konzeptionalisierung der Determinanten des CRM-Erfolgs (vgl. Abschnitt 4.2) wurden sieben mögliche Erfolgsfaktoren identifiziert. Wie im Rahmen der empirischen Analyse gezeigt werden konnte, zeigen die Erfolgsfaktoren über die Phasen des Kundenlebenszyklus unterschiedlich starke Wir-

669

Vgl. Croteau und Li (2003), Reinartz, Krafft und Hoyer (2004).

274

Zusammenfassung

kungszusammenhänge. Dabei gibt es Gruppen von Faktoren, die in jeder Phase einen hohen Wirkungszusammenhang beschreiben. Die phasenspezifischen CRMMaßnahmen zeigen bspw. in jeder Phase einen hohen Wirkungszusammenhang zum Erfolg. Hinsichtlich der Ausgestaltung von CRM konnte gezeigt werden, dass grundlegende Marketing-Instrumente auch weiterhin Erfolgswirkungen zeigen, wenn sie entsprechend den Prinzipien des Beziehungsmarketings auf individueller Kundenebene ansetzen. Zur erfolgreichen Durchführung von CRM ist eine Kundenbewertung und Analyse des Kundenverhaltens mittels hochentwickelter Verfahren notwendig, um profitable Kunden von unprofitablen unterscheiden zu können und Verkaufschancen zu identifizieren. Der Einsatz von Kundenbewertungsverfahren steht in engem Zusammenhang mit der Ausgestaltung des CRM-orientierten Informationssystems. Es konnte gezeigt werden, dass auch hier grundlegende Funktionalitäten die Arbeit in den Phasen des Kundenlebenszyklus unterstützen. Technisch sehr schwer umsetzbare Funktonalitäten wie die Herstellung eines geschlossenen Informationskreislaufs oder das Einbeziehen externer Informationsquellen sind jedoch nicht erforderlich. Die Untersuchung der „Nutzungsintensität“ des CRM-orientierten Informationssystems hat zudem aufgezeigt, dass eine höhere Nutzung über den gesamten Kundenlebenszyklus mit einem höheren Erfolg verbunden ist. Die Veränderungen im Kundenmanagement sind durch Maßnahmen der organisatorischen Anpassung zu unterstützen. Es zeigt sich, dass eine Kooperation zwischen den kundennahen Abteilungen erfolgreich ist, ebenso wie eine kundensegmentorientierte Organisationsstruktur. Hinsichtlich des Einsatzes von Anreizen konnte gezeigt werden, dass monetäre Anreize weiterhin in den frühen Phasen des Kundenlebenszyklus den größten Erfolgsbeitrag leisten, in der Phase der Kundenbindung jedoch die Mitarbeiterbeurteilung anhand kundenbeziehungsrelevanter Indikatoren an Bedeutung gewinnt. Damit lässt sich die Kernaussage der empirischen Analyse wie folgt formulieren: Eine relativ einfache Implementierung von zentralen Prinzipien des Beziehungsmarketings Verbindung mit einem elementaren, CRM-orientierten Informationssystem und grundlegenden organisatorischen Anpassungen führt zu messbaren Erfolgen im CRM. In theoretischer Hinsicht leistet diese Arbeit einen Beitrag zur theoretischen Fundierung von CRM auf Basis des Konzepts des Beziehungsmarketings und des ressourcenbasierten Ansatzes. Das Konzept des Beziehungsmarketings dient dabei der Ablei-

Zusammenfassung

275

tung relevanter CRM-Maßnahmen in den Phasen des Kundenlebenszyklus sowie unterstützender Maßnahmen über den gesamten Kundenlebenszyklus („CRM-orientiertes Informationssystem“, „Nutzungsintensität“, „Organisatorische Anpassung“, „Kundenorientierung“, „Topmanagement-Unterstützung“). Der ressourcenbasierte Ansatz begründet die angenommenen Wirkungsbeziehungen der abgeleiteten Erfolgsfaktoren auf den CRM-Erfolg durch die Annahme der Kombination tangibler und intangibler Ressourcen. Die Kombination aus theoretischem, konzeptionellen und empirischem Vorgehen ist bei den meisten bisherigen Untersuchungen unterblieben (vgl. Abschnitt 3.2). Die Ableitung von CRM-Maßnahmen und unterstützender Instrumente anhand der Prinzipien des Beziehungsmarketings hat sich als zweckmäßig erwiesen. Auch in methodischer Hinsicht leistet diese Arbeit einen Forschungsbeitrag. In den bisherigen Studien zur Erfolgsfaktorenforschung von CRM wurde fast ausnahmslos auf einfache regressionsanalytische Verfahren oder aber kovarianzbasierte Ansätze wie dem LISREL-Ansatz zurückgegriffen (vgl. Abschnitt 3.2). In diesen Arbeiten wurden die Erfolgsfaktoren zumeist reflektiv operationalisiert, so dass vielfach von einer Fehlspezifikation auszugehen ist. Aufgrund der Zielsetzung dieser Untersuchung, relevante Erfolgsdeterminanten zu identifizieren und auf Basis der festgestellten Wirkungszusammenhänge Gestaltungsempfehlungen für das Management zu geben, wurden die meisten latenten Variablen formativ spezifiziert und lediglich Variablen, die Einstellungen abfragen, reflektiv operationalisiert. Zur Analyse der Modelle wurde das in der empirischen betriebswirtschaftlichen Forschung bisher nur wenig verwendete Analyseverfahren PLS verwendet. PLS ist insbesondere für kleine Stichproben geeignet und ermöglicht die problemlose Modellierung formativer Messmodelle. Mit Hilfe von PLS konnten auf Indikatorebene die relevanten Treiber des Erfolgs in den jeweiligen Phasen des Kundenlebenszyklus identifiziert werden. Damit ist es möglich, neben der Betrachtung der Wirkungszusammenhänge auf Konstruktebene, konkrete Gestaltungsempfehlungen hinsichtlich einzelner Maßnahmen zu geben. Die Empfehlungen an das Management können dabei genauer und detaillierter formuliert werden als es in bisherigen Studien der Fall war. Da sich die Forschung zum CRM noch in einem frühen Stadium befindet, sind zukünftigen Forschungsbemühungen unter Berücksichtigung oben genannter Verbesserungsansätze wünschenswert. .

10 Anhang 10.1 Fragebogen

278

Anhang

Anhang

279

280

Anhang

Anhang

281

282

Anhang

Anhang

283

284

Anhang

Anhang

285

286

Anhang

Anhang

287

288

Anhang

10.2 Harman’s One-Factor Test Tabelle A2-1 Ergebnisse des Harman’s One-Factor-Tests Summen von quadrierten Faktorladungen für Extraktion

Anfängliche Eigenwerte Faktor

Gesamt

% der Varianz

Kumulierte %

Gesamt

% der Varianz

Kumulierte %

1

14,656

19,033

19,033

14,656

19,033

19,033

2

5,418

7,036

26,070

5,418

7,036

26,070

3

4,575

5,942

32,011

4,575

5,942

32,011

4

3,693

4,797

36,808

3,693

4,797

36,808

5

3,387

4,399

41,207

3,387

4,399

41,207

6

2,970

3,858

45,064

2,970

3,858

45,064

7

2,838

3,686

48,750

2,838

3,686

48,750

8

2,605

3,384

52,133

2,605

3,384

52,133

9

2,301

2,988

55,121

2,301

2,988

55,121

10

2,120

2,754

57,875

2,120

2,754

57,875

11

2,008

2,608

60,483

2,008

2,608

60,483

12

1,826

2,372

62,855

1,826

2,372

62,855

13

1,659

2,155

65,009

1,659

2,155

65,009

14

1,558

2,024

67,033

1,558

2,024

67,033

15

1,508

1,959

68,992

1,508

1,959

68,992

16

1,360

1,766

70,759

1,360

1,766

70,759

17

1,257

1,633

72,391

1,257

1,633

72,391

18

1,250

1,623

74,015

1,250

1,623

74,015

19

1,197

1,554

75,569

1,197

1,554

75,569

20

1,106

1,436

77,005

1,106

1,436

77,005

21

1,028

1,335

78,340

1,028

1,335

78,340

22

0,989

1,284

79,624

23

0,924

1,200

80,825

24

0,910

1,182

82,006

25

0,832

1,080

83,086

26

0,816

1,059

84,146

27

0,784

1,018

85,164

28

0,753

0,978

86,142

29

0,721

0,937

87,079

30

0,659

0,855

87,934

31

0,621

0,807

88,741

32

0,573

0,745

89,485

33

0,537

0,697

90,182

Anhang

289

Fortsetzung von Tabelle A2-1 Summen von quadrierten Faktorladungen für Extraktion

Anfängliche Eigenwerte Faktor

Gesamt

% der Varianz

Kumulierte %

34

0,528

0,686

90,868

35

0,487

0,632

91,500

36

0,456

0,592

92,093

37

0,429

0,558

92,650

38

0,412

0,536

93,186

39

0,395

0,512

93,698

40

0,369

0,480

94,178

41

0,355

0,461

94,639

42

0,315

0,410

95,049

43

0,294

0,382

95,430

44

0,276

0,358

95,789

45

0,266

0,346

96,134

46

0,257

0,334

96,468

47

0,247

0,321

96,789

48

0,207

0,268

97,057

49

0,202

0,262

97,320

50

0,195

0,253

97,573

51

0,173

0,225

97,798

52

0,166

0,216

98,014

53

0,162

0,210

98,224

54

0,153

0,198

98,422

55

0,139

0,180

98,602

56

0,126

0,164

98,766

57

0,120

0,156

98,922

58

0,104

0,135

99,057

59

0,095

0,123

99,180

60

0,089

0,115

99,295

61

0,085

0,111

99,406

62

0,071

0,092

99,498

63

0,063

0,082

99,580

64

0,054

0,070

99,650

65

0,050

0,065

99,715

66

0,041

0,054

99,769

67

0,034

0,045

99,814

68

0,031

0,040

99,853

69

0,025

0,033

99,886

Gesamt

% der Varianz

Kumulierte %

290

Anhang

Fortsetzung von Tabelle A2-1 Summen von quadrierten Faktorladungen für Extraktion

Anfängliche Eigenwerte Faktor

Gesamt

% der Varianz

Kumulierte %

70

0,021

0,027

99,913

71

0,017

0,022

99,935

72

0,014

0,018

99,953

73

0,010

0,013

99,966

74

0,009

0,012

99,978

75

0,007

0,010

99,988

76

0,007

0,009

99,997

77

0,003

0,003

100,000

Gesamt

% der Varianz

Kumulierte %

Anhang

291

10.3 Mittelwertunterschiede der Antwortenden Tabelle A3-1: Mittelwertunterschiede der Antwortenden Antwortender Indikator

1

Levene-Test

ANOVA/BrownForsythe

2

3

4

5

6

7

Stab.

F

Sign.

F

Sign.

Anbahnungserfolg 1

0,19

0,19

0,16

0,11

0,18

0,19

0,24

0,040

0,940

0,471

0,298

0,936

25

0,16

0,08

0,10

0,08

0,14

0,11

0,29

0,073

4,031

0,001

1,512

0,225

Expansionserfolg 1

0,23

0,19

0,15

0,10

0,21

0,17

0,26

0,053

2,097

0,062

0,761

0,603

2

0,19

0,21

0,15

0,18

0,20

0,20

0,29

0,045

1,191

0,319

0,719

0,636

3

0,19

0,10

0,09

0,07

0,12

0,11

0,12

0,038

2,471

0,030

0,868

0,528

Bindungserfolg 1

0,27

0,27

0,13

0,18

0,14

0,30

0,41

0,102

3,215

0,007

2,130

0,088

2

0,15

0,15

0,09

0,12

0,04

0,12

0,34

0,096

5,692

0,000

2,548

0,086

Gesamterfolg 1

3,53

3,67

3,50

3,00

3,57

3,64

3,57

0,227

1,491

0,192

0,505

0,803

2

4,00

3,44

3,36

3,75

3,71

3,86

3,00

0,343

3,229

0,007

1,126

0,373

3

3,67

3,48

3,64

3,00

3,00

3,21

3,86

0,341

1,880

0,094

1,387

0,230

4

3,60

3,37

3,14

2,75

3,43

3,00

3,86

0,374

1,131

0,352

1,661

0,141

Anbahnungsmanagement 1

3,67

3,07

3,50

3,50

4,00

3,53

3,00

0,343

2,491

0,029

0,958

0,466

2

3,73

3,61

3,71

4,00

3,86

4,07

4,29

0,237

0,944

0,468

0,757

0,606

3

3,50

3,11

3,04

4,00

3,57

3,53

3,14

0,342

1,841

0,101

0,508

0,801

4

3,20

2,89

2,93

2,75

2,57

2,87

3,14

0,216

1,623

0,151

0,653

0,688

5

4,00

4,46

3,50

4,25

4,00

4,40

4,71

0,397

0,996

0,433

0,272

0,949

6

2,87

2,43

1,86

1,50

2,00

2,33

2,57

0,465

3,523

0,004

1,724

0,152

7

3,67

3,07

3,50

3,50

4,00

3,53

3,00

0,343

0,663

0,680

1,317

0,259

Expansionsmanagement 1

3,67

3,07

3,50

3,50

4,00

3,53

3,00

0,343

2,491

0,029

0,958

0,466

2

3,73

3,61

3,71

4,00

3,86

4,07

4,29

0,237

0,944

0,468

0,757

0,606

3

3,50

3,11

3,04

4,00

3,57

3,53

3,14

0,342

1,841

0,101

0,508

0,801

4

3,87

3,46

4,00

3,75

4,14

3,40

3,00

0,396

2,145

0,057

0,943

0,469

5

3,67

3,11

2,86

2,50

3,86

3,73

3,00

0,512

2,848

0,014

1,301

0,290

6

3,93

3,50

3,43

4,00

3,71

3,27

4,00

0,299

0,701

0,649

0,608

0,723

7

2,73

2,50

2,36

1,25

2,29

3,00

2,43

0,549

2,099

0,062

1,060

0,394

8

2,60

2,43

2,21

1,25

2,43

3,20

2,43

0,582

1,161

0,335

1,567

0,167

9

3,13

2,75

2,50

2,00

3,00

3,20

2,86

0,417

1,303

0,265

1,001

0,431

10

3,40

2,96

2,64

2,50

3,14

3,27

3,14

0,329

1,592

0,160

0,729

0,628

292

Anhang

Fortsetzung von Tabelle A2-2 Antwortender Indikator

1

Levene-Test

ANOVA/BrownForsythe

2

3

4

5

6

7

Stab.

F

Sign.

F

Sign.

Bindungsmanagement 1

3,33

3,39

2,64

3,50

2,71

3,67

3,29

0,390

0,838

0,544

0,935

0,475

2

3,47

3,39

3,14

3,00

2,43

3,93

2,86

0,483

0,858

0,529

1,520

0,182

3

2,53

2,32

1,79

2,25

2,14

2,60

2,57

0,291

0,919

0,486

0,650

0,690

4

3,27

3,54

3,07

3,00

3,43

3,80

3,57

0,286

1,079

0,381

0,568

0,755

5

3,67

3,07

3,50

3,50

4,00

3,53

3,00

0,343

2,491

0,029

0,958

0,466

6

3,73

3,61

3,71

4,00

3,86

4,07

4,29

0,237

0,944

0,468

0,757

0,606

7

3,50

3,11

3,04

4,00

3,57

3,53

3,14

0,342

1,841

0,101

0,508

0,801

8

3,87

3,46

4,00

3,75

4,14

3,40

3,00

0,396

2,145

0,057

0,943

0,469

9

3,67

3,29

2,86

3,50

3,14

4,07

2,86

0,441

1,398

0,225

1,783

0,113

10

3,67

3,07

3,50

3,50

4,00

3,53

3,00

0,343

0,663

0,680

1,317

0,259

11

3,00

2,50

2,07

1,25

2,00

2,67

2,29

0,562

1,427

0,214

2,319

0,040**

12

2,47

2,64

2,29

2,50

1,71

2,93

2,29

0,377

2,113

0,060

0,885

0,510

13

3,20

3,25

3,50

3,75

3,00

3,20

3,14

0,251

1,041

0,405

0,348

0,909

14

2,53

1,75

1,93

2,25

1,86

1,80

2,86

0,423

1,243

0,293

1,698

0,132

15

2,80

2,64

3,21

2,25

2,71

2,40

2,14

0,366

1,233

0,298

0,977

0,446

Kundenbewertung 1

3,07

3,43

3,21

2,50

3,14

3,33

3,86

0,410

0,466

0,832

0,621

0,713

2

3,13

3,39

3,43

3,50

3,71

3,53

4,00

0,271

3,198

0,007

0,511

0,797

3

2,73

2,75

2,93

2,00

2,57

3,27

3,57

0,504

0,305

0,933

0,831

0,549

4

2,33

2,14

2,00

1,75

1,86

2,93

3,00

0,501

2,998

0,011

2,319

0,044**

5

2,67

3,07

3,00

2,25

3,71

3,47

3,14

0,485

0,820

0,558

0,919

0,486

6

3,00

2,36

2,71

1,50

3,00

3,40

3,00

0,621

2,414

0,034

1,919

0,098

CRM-orientiertes Informationssystem 1

2,73

2,39

2,43

2,50

2,86

2,73

3,29

0,310

1,219

0,305

0,641

0,697

2

3,47

2,21

2,43

2,75

2,57

2,73

2,57

0,394

1,851

0,099

1,912

0,088

3

2,80

2,82

2,93

2,75

3,00

3,80

2,86

0,365

1,247

0,291

1,162

0,335

4

3,40

2,82

2,86

3,00

2,86

3,07

2,57

0,257

1,492

0,191

0,327

0,921

5

3,73

2,82

3,14

2,50

3,29

3,40

2,86

0,413

0,896

0,502

1,306

0,264

6

2,87

2,50

1,79

1,50

2,86

3,00

2,86

0,598

1,404

0,223

1,687

0,134

7

2,27

1,82

2,00

1,00

2,14

2,07

2,00

0,420

1,352

0,244

0,758

0,605

8

2,93

3,14

3,21

2,50

3,29

3,67

3,29

0,360

0,223

0,968

0,463

0,834

9

3,47

3,25

3,36

4,00

3,57

3,87

3,43

0,274

1,085

0,378

0,499

0,808

10

3,20

2,68

2,79

3,00

2,43

3,47

3,00

0,343

1,440

0,209

0,878

0,515

11

2,33

1,71

2,21

1,50

2,29

2,33

2,14

0,332

1,847

0,100

0,953

0,463

12

3,73

3,11

3,71

3,00

4,00

3,87

3,71

0,382

0,592

0,736

1,484

0,194

Anhang

293

Fortsetzung von Tabelle A2-2 Antwortender Indikator

1

2

Levene-Test

ANOVA/BrownForsythe

3

4

5

6

7

Stab.

F

Sign.

F

Sign.

Organisatorische Anpassung 1

3,67

3,64

3,14

1,75

4,00

2,80

3,57

0,759

0,554

0,765

2,022

0,072

2

3,53

3,21

3,64

3,50

3,86

3,60

3,57

0,192

2,291

0,043

0,519

0,789

3

4,00

3,21

3,29

3,75

3,43

3,53

3,43

0,273

1,616

0,153

1,146

0,343

4

2,67

1,68

1,57

1,00

1,86

1,73

1,86

0,493

3,607

0,003

3,070

0,009**

5

3,13

2,00

2,07

1,00

1,71

2,00

2,71

0,686

4,189

0,001

4,020

0,001**

6

2,73

2,36

2,00

1,75

2,14

2,73

2,57

0,380

0,991

0,437

0,839

0,543

7

3,67

2,89

3,43

3,75

3,29

3,87

3,43

0,328

0,535

0,781

1,479

0,195

8

3,60

3,29

3,07

3,75

3,57

3,53

3,86

0,268

0,347

0,910

0,712

0,641

9

3,47

2,96

3,07

3,25

3,43

3,27

3,43

0,192

1,125

0,355

0,434

0,854

10

3,20

2,71

2,79

3,25

3,14

3,20

3,29

0,232

0,317

0,927

0,596

0,733

Heterogenität des Kundenstamms 1

2,27

2,39

2,36

2,00

1,43

1,27

2,71

0,533

3,207

0,007

2,578

0,041*

2

2,20

2,86

3,07

4,00

2,00

2,00

2,29

0,733

1,211

0,309

4,001

0,001**

3

2,73

2,82

3,64

4,00

3,00

2,27

3,14

0,580

1,717

0,127

2,704

0,019*

4

2,80

2,86

2,79

2,75

3,00

2,73

2,43

0,173

0,656

0,685

0,212

0,972

5

2,80

2,68

2,93

2,75

3,00

2,20

2,43

0,282

0,521

0,791

0,678

0,668

Topmanagement-Unterstützung 1

4,53

3,86

3,79

3,50

3,71

4,07

4,14

0,338

1,007

0,426

1,227

0,301

2

4,07

2,96

3,07

3,50

3,71

3,60

4,14

0,450

1,477

0,196

2,621

0,022*

3

3,80

2,96

3,07

2,75

3,71

3,60

4,00

0,479

0,601

0,729

1,972

0,079

4

3,87

2,71

3,07

3,00

3,43

3,47

3,57

0,393

0,819

0,558

2,272

0,044*

CRM-Orientierung 1

3,87

3,71

3,36

3,75

4,14

4,27

4,29

0,340

0,837

0,545

1,325

0,255

2

4,13

4,14

4,00

3,75

4,43

4,53

4,57

0,302

1,002

0,430

0,784

0,585

3

4,07

3,75

3,93

3,25

3,57

4,47

4,14

0,400

1,162

0,335

1,313

0,261

Nutzungsintensität 1

61,53

47,69

45,74

58,75

43,93

60,13

50,50

7,360

0,454

0,840

1,416

0,218

2

61,13

51,55

45,70

75,00

48,30

60,13

49,06

10,308

0,940

0,471

1,215

0,307

** Signifikanzniveau p < 0,01. * Signifikanzniveau p < 0,05. Kodierung: 1

General Management

2

Marketing

3

Vertrieb

4

Service

5

IT

6

CRM

7

Sonstiges

294

Anhang

10.4 Überprüfung der Reliabilität und Validität der Messkonzepte Tabelle A4-1: KMO-Kriterium und Barlett-Test der reflektiven Teilerfolgsindikatoren Test

Wert

KMO-Kriterium

0,797

Barlett-Test Approx. Ȥ²

175,421

Df

10

Sig.

0,000

Tabelle A4-2: Anti-Image-Matrizen der reflektiven Teilerfolgsindikatoren Erfolg 1

Erfolg 2

Erfolg 3

Erfolg 4

Erfolg 5

Anti-Image Kovarianz-Matrix Erfolg 1

0,576

Erfolg 2

-0,213

0,475

Erfolg 3

-0,032

-0,184

0,659

Erfolg 4

-0,101

-0,061

-0,085

0,425

Erfolg 5

-0,007

-0,066

-0,017

-0,254

0,501

Anti-Image-Korrelations-Matrix Erfolg 1

0,825a

Erfolg 2

-0,407

0,799a

Erfolg 3

-0,051

-0,328

0,859a

Erfolg 4

-0,204

-0,135

-0,161

0,767a

Erfolg 5

-0,013

-0,135

-0,030

-0,551

Erfolg 1

Verbesserung der Kundenzufriedenheit

Erfolg 2

Verbesserung Cross-/Up-Selling

Erfolg 3

Verbesserung Gesamtertrag pro Kunde

Erfolg 4

Verbesserung der Kundenbindung

Erfolg 5

Senkung der Kundenabwanderungsrate

a

Measure-of-Sampling-Adequacy (MSA-Kriterium)

0,765a

Anhang

295

Tabelle A4-3: KMO-Kriterium und Barlett-Test der reflektiven Indikatoren Test

Wert

KMO-Kriterium

0,790

Barlett-Test Approx. Ȥ²

366,502

Df

36

Sig.

0,000

Tabelle A4-4: Anti-Image-Matrizen der reflektiven Indikatoren T1

T2

T3

T4

K1

K2

K3

N1

N2

Anti-Image Kovarianz-Matrix T1

0,600

T2

-0,089

0,243

T3

0,089

-0,095

0,470

T4

-0,112

-0,135

-0,084

0,245

K1

0,026

-0,044

-0,105

-0,015

0,597

K2

-0,028

-0,072

0,083

0,027

-0,173

0,646

K3

0,112

-0,014

0,035

-0,052

-0,078

-0,240

0,689

N1

-0,003

0,002

-0,047

-0,020

0,022

0,075

-0,097

0,451

N2

0,002

0,004

-0,002

-0,023

-0,059

-0,051

0,046

-0,300

0,431

Anti-Image-Korrelations-Matrix T1

0,820a

T2

-0,232

0,818a

T3

0,167

-0,280

0,859a

T4

-0,292

-0,554

-0,248

0,818a

K1

0,043

-0,116

-0,198

-0,039

0,885a

K2

-0,045

-0,181

0,150

0,068

-0,279

0,701a

K3

0,174

-0,035

0,062

-0,127

-0,122

-0,359

0,749a

N1

-0,005

0,006

-0,101

-0,060

0,043

0,139

-0,174

0,684a

N2

0,004

0,011

-0,004

-0,069

-0,113

-0,094

0,082

-0,659

T1

Topmanagement betont eine hohe Kundenorientierung

T2

Topmanagement motiviert Mitarbeiter hinsichtlich CRM

T3

Topmanagement ist in die Implementierung von CRM eingebunden

T4

Topmanagement kommuniziert CRM intern und extern

K1

CRM-Strategie

K2

Erfüllung Kundenwünsche

K3

Kenntnis der Kundenbedürfnisse

N1

Auslastung der CRM-Anwendungskomponenten

N2

Unterstützung der kundenbezogenen Aktivitäten durch CRM-Anwendungskomponenten

a

Measure-of-Sampling-Adequacy (MSA-Kriterium)

0,704a

0,020 0,020 0,207

Beziehungsvermeidung mit unprofitablen Kunden

Multi-Channel-Management

Formales Kundenrückgewinnungsmanagement

0,066 0,045 0,026

-0,075 -0,003 -0,082

CRM-Strategie

Erfüllung Kundenwünsche

Kenntnis der Kundenbedürfnisse

-0,001

-0,020

-0,132

0,062 -0,095

-0,062

-0,020

Passives Beendigungsmanagement

0,096

-0,057

0,050

0,135

0,074 0,207*

0,023

0,133

-0,153

0,020

Einsatz Kundenbindungsprogramme Beziehungen zu unprofitablen Kunden werden nicht vertieft Aktives Beendigungsmanagement

0,021

0,195

0,119

0,049 0,073

Einsatz einer Kundenbindungsstrategie

0,097

0,150 -0,061

Konsistente Kundeninteraktion über Vertriebskanäle

Kundenorientierung

0,343**

0,160 -0,012

Senkung Abwanderungsrate

Bindungserfolg Verbesserung Kundenbindung

Kundenwertorientierte Kommunikationsstrategie

-0,050

0,109

0,069

-0,049

Verbesserung Gesamtertrag pro Kunde

Analyse des Kundenverhaltens

0,054

-0,079

0,155

Durchführung von Cross-/Up-Selling-Maßnahmen

0,046

-0,043

Bindungsmanagement

-0,013

0,056 -0,053

Verbesserung Cross-/UpSelling

Expansionserfolg

Servicemanagement

0,177

0,046

0,059

0,013

Verbesserung Kundenzufriedenheit

Kundenwertorientierte Kommunikationsstrategie

Expansionsmanagement

0,104

Kundenwertorientierte Kommunikationsstrategie

Anbahnungsmanagement

Indikator

Verbesserung Kundenrückgewinnung

Anbahnungserfolg Verbesserung Neukundenakquisition

296 Anhang

Tabelle A4-5: Korrelationen der unabhängigen und abhängigen Variablen

0,035

0,040

0,080

Kommunikation von CRM

-0,016 -0,026 0,109

0,143 0,008 0,102

0,202 0,028 0,012

Kooperation zwischen Marketing, Vertrieb, Service

Einsatz von Anreizen

Mitarbeiterbeurteilung auf Basis von kundenbeziehungsrelevanten Indikatoren

Einsatz von Schulungsmaßnahmen

0,181 0,054 0,144 0,119 0,131 0,050 -0,030 0,010 0,036

0,141 0,143 0,089 0,017 0,158 0,281** 0,051 0,213* 0,111

0,152 0,041 0,128 0,121 0,121 0,150 0,072 0,020 0,159

Datensammlung über Vertriebskanäle

Geschlossener Informationskreislauf

Einheitliche Kundendatenbank

Aktualisierung der Daten

Kontinuierliche Sammlung von Kundendaten

Speicherung von Kundenkontaktdaten

Speicherung von Kundenreaktionsdaten

Externe Informationsquellen

Datenzugriff durch Marketing, Service und Vertrieb

CRM-orientiertes Informationssystem

0,153 -0,021

0,255 -0,017

0,017 -0,195

0,074

Reorganisation der Verantwortungs- und Kompetenzbereiche

Kundensegmentorientierte Organisationsstruktur

0,198

0,071

0,038

0,072

Topmanagement in Implementierung eingebunden

0,050

-0,023

0,007

0,028

Organisatorische Anpassung

-0,141

-0,175

0,061

Mitarbeitermotivation

Verbesserung Kundenzufriedenheit

Betonung einer hohen Kundenorientierung

Topmanagement-Unterstützung

Indikator

Verbesserung Kundenrückgewinnung

Anbahnungserfolg Verbesserung Neukundenakquisition

0,259*

0,097

0,065

-0,102

-0,016

0,016

-0,040

0,013

-0,047 0,118

-0,013

0,228*

0,009

0,049

0,187

0,109

0,077

0,260*

0,136

0,050

0,045

0,037

0,149

0,097

0,103

0,103

0,023

-0,022

-0,026

-0,111

-0,149

0,017

0,036

0,176

0,140

0,009

0,127

0,162

0,149

0,143

0,025

0,189

0,100

0,142

0,110

0,068

0,082

Senkung Abwanderungsrate

Bindungserfolg Verbesserung Kundenbindung

0,056

0,156

0,043

0,142

0,073

0,113 0,108

0,118

0,177

0,040

-0,016

0,089

-0,057

-0,027 -0,025

0,118

-0,018

-0,023

0,024

0,029

0,036

0,044

Verbesserung Gesamtertrag pro Kunde

-0,131

0,119

0,106

0,076

0,075

0,038

0,022

Verbesserung Cross-/UpSelling

Expansionserfolg

Anhang 297

Fortsetzung von Tabelle A4-5

** Die Korrelation ist signifikant auf dem Niveau von 0,01. * Die Korrelation ist signifikant auf dem Niveau von 0,05.

Branche Finanzdienstleistungen

Kontrollvariable Branche 0,301**

-0,137

Serviceanforderungen

0,159

-0,007

-0,112

0,003

0,043 -0,009

Loyalität

0,001

Preis-/Leistungserwartungen

0,120 -0,028

0,210*

Produktpräferenzen

0,053

0,074

-0,048

Verbesserung Kundenrückgewinnung

Soziodemographische Faktoren

Kontrollvariable Heterogenität des Kundenstamms

Kundenbewertung

0,015

0,258*

Kundenbewertung

0,157

Unterstützung der kundenbezogenen Aktivitäten durch CRM-Komponenten

Verbesserung Neukundenakquisition

Auslastung der CRM-Anwendungskomponenten

Nutzungsintensität

Indikator

Anbahnungserfolg

0,059 0,061 -0,086

0,055 0,169 0,110

0,274**

0,109

0,283**

0,314**

0,324**

0,027

0,270*

0,104

Verbesserung Cross-/UpSelling

0,098

0,045

0,289**

0,144

Verbesserung Kundenzufriedenheit

Expansionserfolg

0,236*

0,090

0,249*

0,109

-0,032

0,229*

0,007

0,250*

0,155

Verbesserung Gesamtertrag pro Kunde

0,162

0,057

0,173

0,063

-0,047

0,191

-0,027

0,302**

0,238*

Verbesserung Kundenbindung

0,197

-0,003

0,135

0,018

-0,025

0,148

-0,129

0,287**

0,153

Senkung Abwanderungsrate

Bindungserfolg

298 Anhang

Fortsetzung von Tabelle A4-5

Anhang

299

10.5 Übersicht der Totaleffekte in den Phasen des Kundenlebenszyklus Tabelle A5-1: Positive Totaleffekte der Indikatoren in den Kundenlebenszyklusphasen Phasen des Kundenlebenszyklus Anbahnung

Effekt

Bindung

Effekt

Nutzungsintensität

0,281

Kundenbewertung

0,341

Analyse des Kundenverhaltens

0,325

Branche Finanzdienstleistungen

0,272

Soziodemographische Faktoren

0,328

Datensammlung über Vertriebskanäle

0,212

Formales Kundenrückgewinnungsmanagement

0,244

Nutzungsintensität

0,235

Nutzungsintensität

0,203

Kundenbewertung

0,233

Durchführung von Cross-/UpSelling-Maßnahmen

0,234

Speicherung von Kundenreaktionsdaten

0,200

Kooperation zwischen Marketing, Vertrieb, Service

0,168

Branche Finanzdienstleistungen

0,200

Kundenbewertung

0,183

Soziodemographische Faktoren

0,165

Loyalität

0,136

Soziodemographische Faktoren

0,173

Einsatz von Anreizen

0,150

Datensammlung über Vertriebskanäle

0,116

Aktives Beendigungsmanagement

0,164

Kundenwertorientierte Kommunikationsstrategie

0,128

Reorganisation der Verantwortungs- und Kompetenzbereiche

0,101

Reorganisation der Verantwortungs- und Kompetenzbereiche

0,160

Speicherung von Kundenkontaktdaten

0,115

Kundensegmentorientierte Organisationsstruktur

0,094

Loyalität

0,152

Beziehungsvermeidung mit unprofitablen Kunden

0,111

Kooperation zwischen Marketing, Vertrieb, Service

0,089

TopmanagementUnterstützung

0,151

Multi-Channel-Management

0,109

Speicherung von Kundenreaktionsdaten

0,086

Aktualisierung der Daten

0,129

Datensammlung über Vertriebskanäle

0,085

Speicherung von Kundenkontaktdaten

0,077

Kooperation zwischen Marketing, Vertrieb, Service

0,100

Reorganisation der Verantwortungs- und Kompetenzbereiche

0,079

Einsatz von Anreizen

0,062

Kundenorientierung

0,100

Datenzugriff durch Marketing, Service und Vertrieb

0,077

Aktualisierung der Daten

0,059

Einsatz von Schulungsmaßnahmen

0,098

Kundenorientierung

0,055

Kundenorientierung

0,055

Einheitliche Kundendatenbank

0,073

Kundensegmentorientierte Organisationsstruktur

0,048

Einsatz von Schulungsmaßnahmen

0,053

Speicherung von Kundenkontaktdaten

0,071

Kontinuierliche Sammlung von Kundenkontaktdaten

0,035

Einheitliche Kundendatenbank

0,031

Einsatz Kundenbindungsprogramme

0,060

Aktualisierung der Daten

0,033

TopmanagementUnterstützung

0,024

Einsatz von Anreizen

0,049

Preis-/Leistungserwartungen

0,032

Datenzugriff durch Marketing, Service und Vertrieb

0,018

Einsatz einer Kundenbindungsstrategie

0,032

TopmanagementUnterstützung

0,021

Produktpräferenzen

0,016

Konsistente Interaktion über Vertriebskanäle

0,029

Einheitliche bank

0,020

Kontinuierliche von Kundendaten

0,007

Mitarbeiterbeurteilung auf Basis von Kundenbeziehungsrelevanten Indikatoren

0,029

Kundensegmentorientierte Organisationsstruktur

0,006

Geschlossener Informationskreislauf

0,001

Kundendaten-

Externe Informationsquellen

Effekt

0,001

Expansion

Sammlung

300

Anhang

Tabelle A5-2: Negative Totaleffekte der Indikatoren in den Kundenlebenszyklusphasen Phasen des Kundenlebenszyklus Anbahnung

Effekt

Expansion

Effekt

Bindung

Effekt

Kundenorientierung

-0,158

Mitarbeiterbeurteilung auf Basis von kundenbeziehungsrelevanten Indikatoren

-0,113

Produktpräferenzen

0,084

Serviceanforderungen

-0,102

Servicemanagement

-0,091

Externe Informationsquellen

-0,069

Geschlossener Informationskreislauf

-0,092

Preis-/Leistungserwartungen

-0,077

Beziehungen zu unprofitablen Kunden werden nicht vertieft

-0,067

Speicherung von Kundenreaktionsdaten

-0,060

Kundenwertorientierte Kommunikationsstrategie

-0,047

Kontinuierliche Sammlung von Kundendaten

-0,064

Mitarbeiterbeurteilung auf Basis von kundenbeziehungsrelevanten Indikatoren

-0,027

Geschlossener Informationskreislauf

-0,043

Passives Beendigungsmanagement

-0,059

Einsatz von Schulungsmaßnahmen

-0,020

Externe Informationsquellen

-0,034 Kundenwertorientierte Kommunikationsstrategie

-0,044

Produktpräferenzen

-0,001

Serviceanforderungen

-0,031

Datenzugriff durch Marketing, Service, Vertrieb

-0,036

Serviceanforderungen

-0,032

Preis-/Leistungserwartungen

-0,015

Branche Finanzdienstleistungen

-0,001

11 Literaturverzeichnis Abbott, J., Stone, M., Buttle, F. (2001): Integrating Customer Data Into Customer Relationship Management Strategy: An Emipirical Study, in: Journal of Database Marketing, 8, 4, S. 289-300. Achrol, S., Stern, L. W. (1988): Environmental Determinants of Decision-Making Uncertainty in Marketing Channels, in: Journal of Marketing Research, 25, 1, S. 36-50. Ailawadi, K. L., Dant, R. P., Grewal, D. (2004): The Difference Between Perceptual and Objective Performance Measures: An Empirical Analysis, Cambridge. Alajoutsijarvi, K., Moller, K., Tahtinen, J. (2000): Beautiful Exit: How to Leave Your Business Partner, in: European Journal of Marketing, 34, 11/12, S. 12701284. Albers, S. (1989): Entscheidungshilfen für den persönlichen Verkauf, Berlin. Albers, S. (1989): Kundennähe als Erfolgsfaktor, in: Albers, S., Herrmann, H., Kahle, E., Kruschwitz, L., Perlitz, M. (Hrsg.): Elemente erfolgreicher Unternehmenspolitik in mittelständischen Unternehmen: Unternehmenskultur, Kundennähe, QuasiEigenkapital: Ergebnis des Lüneburger Mittelstands-Symposiums 1989, Stuttgart, S. 101-122. Albers, S., Clement, M. (2004): Success Factors of E-Business Companies, eingereicht bei: International Journal of Electronic Commerce Research. Albers, S., Eggert, K. (1988): Kundennähe - Strategie oder Schlagwort?, in: Marketing - Zeitschrift für Forschung und Praxis, 10, 1, S. 5-16. Albers, S., Greve, G. (2005): Kundenwertprognose, in: Mertens, P., Rässler, S. (Hrsg.): Prognoserechnung, 6. Aufl., Heidelberg, S. 431-438. Albers, S., Hildebrandt, L. (2006): Methodische Probleme bei der Erfolgsfaktorenforschung - Messfehler, formative versus reflektive Indikatoren und die Wahl des Strukturgleichungs-Modells, erscheint in: Zeitschrift für betriebswirtschaftliche Forschung. Albers, S., Krafft, M. (1996): Zur relativen Aussagekraft und Eignung von Ansätzen der Neuen Institutionenlehre für die Absatzformwahl sowie die Entlohnung von Verkaufsaußendienstmitarbeitern, in: Zeitschrift für Betriebswirtschaft, 66, 11, S. 1383-1407. Albers, S., Söhnchen, F. (2005): Akquisitionsmanagement im industriellen Projektgeschäft, in: Zeitschrift für Betriebswirtschaft, Special Issue 2, S. 59-80. Almquist, E., Heaton, C., Hall, N. (2002): Making CRM Make Money, in: Marketing Management, 11, 3, S. 16-21.

302

Literaturverzeichnis

Alt, R., Puschmann, T., Österle, H. (2005): Erfolgsfaktoren im Customer Relationship Management, in: Zeitschrift für Betriebswirtschaft, 75, 2, S. 185-208. Altman, I., Taylor, D. A. (1975): Social Penetration. The Development of Interpersonal Relationships, New York et al. Amit, R., Schoemaker, P. J. H. (1993): Strategic Assets And Organizational Rent, in: Strategic Management Journal, 14, 1, S. 33-46. Anderson, E. W., Gerbing, D. W. (1982): Some Methods for Respecifying Measurement Models to Obtain Unidimensional Construct Measurement, in: Journal of Marketing Research, 19, 4, S. 453-460. Ang, R. E. (1998): Use of the Jackknife Statistic to Evaluate Result Replicability, in: The Journal of General Psychology, 125, 3, S. 218-228. Auer, C. (2004): Performance Measurement für das Customer Relationship Management: Controlling des IKT-basiertten Kundenbeziehungsmanagements, Wiesbaden. Avlonitis, G. J., Panagopoulos, N. G. (2005): Antecedents and Consequences of CRM Technology Acceptance in The Sales Force, in: Industrial Marketing Management, 34, 4, S. 355-368. Avolio, B. J., Yammarino, F. J., Bass, B. M. (1991): Identifying Common Methods Variance With Data Collected From A Single Source: An Unresolved Sticky Issue, in: Journal of Management, 17, 3, S. 571-587. Babakus, E., Yava, U., Karatepe, O. M., Avci, T. (2003): The Effect of Management Commitment to Service Quality on Employees' Affective and Performance Outcomes, in: Journal of the Academy of Marketing Science, 31, 3, S. 272-286. Backhaus, K., Erichson, B., Plinke, W., Weiber, R. H. (2003): Multivariate Analysemethoden: Eine anwendungsorientierte Einführug, 10. Aufl., Berlin et al. Bagozzi, R. P. (1974): Marketing as an Organized Behavioral System of Exchange, in: Journal of Marketing, 38, 4, S. 77-81. Bagozzi, R. P. (1975): Marketing as Exchange, in: Journal of Marketing, 39, 4, S. 3239. Bagozzi, R. P. (1981): Evaluating Structural Equation Models With Unobservable Variables and Measurement Error: A Comment, in: Journal of Marketing Research, 18, 3, S. 375-381. Bagozzi, R. P. (1981): An Examination of Validity of Two Model of Attitude, in: Multivariate Behavioral Research, 16, 3, S. 323-359. Bagozzi, R. P., Phillips, L. W. (1982): Representing and Testing Organizational Theories: A Holistic Construal, in: Administrative Science Quarterly, 27, 3, S. 459489.

Literaturverzeichnis

303

Bagozzi, R. P., Yi, Y. (1988): On the Evaluation of Structural Equation Models, in: Academy of Marketing Science, 16, 1, S. 74-94. Bagozzi, R. P., Yi, Y. (1991): Multitrait-Multimethod Matrices in Consumer Research, in: Journal of Consumer Research, 17, 4, S. 426-439. Bagozzi, R. P., Yi, Y., Phillips, L. W. (1991): Assessing Construct Validity in Organizational Research, in: Administrative Science Quarterly, 36, 3, S. 421-458. Bain, J. S. (1956): Barriers to New Competition: Their Character and Consequences in Manufacturing Industries, Cambridge. Baker, B. O., Hardyck, C. D., Petrinovich, L. F. (1966): Weak Measurement vs. Strong Statistics: An Empirical Critique of S. S. Stevens Proscriptions of Statistics, in: Educational and Psychological Measurement, 26, S. 291-309. Baldridge, J. V., Burnham, R. A. (1975): Organizational Innovation: Individual, Organizational and Environmental Impacts, in: Administrative Science Quarterly, 20, 2, S. 165-176. Banasiewicz, A. (2004): Acquiring High Value, Retainable Customers, in: Journal of Database Marketing & Customer Strategy Management, 12, 1, S. 21-31. Banker, R. D., Lee, S.-Y., Potter, G., Srinivasan, D. (1996): Contextual Analysis of Performance Impacts of Outcome-based Incentive Compensation, in: Academy of Management Journal, 39, 4, S. 920-948. Bankhofer, U., Praxmarer, S. (1998): Zur Behandlung fehlender Daten in der Marktforschungspraxis, in: Marketing - Zeitschrift für Forschung und Praxis, 20, 2, S. 109-114. Barki, H., Huff, S. L. (1990): Implementing Decision Support Systems: Correlates of User Satisfaction and System Usage, in: INFOR, 28, 2, S. 89-101. Barney, J. (1991): Firm Resources and Sustained Competitive Advantage, in: Journal of Management, 17, 1, S. 99-120. Barua, A., Kriebel, C. H., Mukhopadhyay, T. (1995): Information Technologies and Business Value: An Analytic and Empirical Investigation, in: Information Systems Research, 6, 1, S. 3-23. Bauer, H. H., Sauer, N. E. (2004): Die Erfolgsfaktorenforschung als schwarzes Loch?, in: Die Betriebswirtschaft, 64, 4, S. 621-623. Baumgartner, H., Homburg, C. (1996): Applications of Structural Equation Modeling in Marketing and Consumer Research: A Review, in: International Journal of Research in Marketing, 13, 2, S. 139-161.

304

Literaturverzeichnis

Baumgartner, H., Steenkamp, J.-B. E. M. (2001): Response Styles in Marketing Research: A Cros-National Investigation, in: Journal of Marketing Research, 38, 2, S. 143-156. Bearden, W. O., Sharma, S., Teel, J. E. (1982): Sample Size Effects on Chi Square and Other Statistics Used in Evaluating Causal Models, in: Journal of Marketing Research, 19, 4, S. 425-430. Becker, J. U. (2004): File Sharing in Peer-to-Peer-Netzwerken, Wiesbaden. Belsley, D. A., Kuh, E., Welsch, R. E. (1980): Regression Diagnostics: Identifying Influential Data and Sources of Collinearity, New York et al. Bendapudi, N., Berry, L. L. (1997): Customers' Motivation for Maintaining Relationships With Service Providers, in: Journal of Retailing, 73, 1, S. 15-37. Bennet, R. C., Cooper, R. G. (1979): Beyond the Marketing Concept, in: Business Horizons, 22, 3, S. 76-83. Berry, L. L. (1983): Relationship Marketing, in: Berry, L. L., Shostack, G. L., Upah, G. D. (Hrsg.): Emerging Perspectives on Service Marketing, Chicago, S. 25-38. Berry, L. L. (1995): Relationship Marketing of Services. Growing Interest, Emerging Perspectives, in: Journal of the Academy of Marketing Science, 23, 4, S. 236-245. Berry, L. L., Gresham, L. G. (1986): Relationship Retailing: Transforming Customers into Clients, in: Business Horizons, 29, 6, S. 43-47. Bettencourt, L. A., Gwinner, K. (1996): Customization of the Service Experience: The Role of the Frontline Employee, in: International Journal of Service Industry Management, 7, 2, S. 3-20. Bharadwaj, S. G., Varadarajan, P. R., Fahy, J. (1993): Sustainable Competitive Advantage in Service Industries: A Conceptual Model and Research Propositions, in: Journal of Marketing, 57, 4, S. 83-99. Bhattacharya, C. B., Bolton, R. N. (2000): Relationship Marketing in Mass Markets, in: Sheth, J. N., Parvatiyar, A. (Hrsg.): Handbook of Relationship Marketing, Thousand Oaks et al., S. 327-354. Bischof, J. (2002): Die Balanced Scorecard als Instrument einer moderen ControllingKonzeption: Beurteilung und Gestaltungsempfehlungen auf der Basis des Stakeholder-Ansatzes, Wiesbaden. Blattberg, R. C., Deighton, J. (1991): Interactive Marketing: Exploiting the Age of Adressability, in: Sloan Management Review, 33, 1, S. 5-14. Blattberg, R. C., Deighton, J. (1996): Manage Marketing by the Customer Equity Test, in: Havard Business Review, 74, 4, S. 136-144.

Literaturverzeichnis

305

Bohrnstedt, G. W. (1970): Reliability and Validity Assessment in Attitude Measurement, in: Summers, G. F. (Hrsg.): Attitude Measurement, Chicago, S. 80-99. Böing, C. (2001): Erfolgsfaktoren im Business-to-Consumer-E-Commerce, Wiesbaden. Bollen, K. A., Lennox, R. (1991): Conventional Wisdom on Measurement: A Structural Equation Perspective, in: Psychological Bulletin, 110, 2, S. 305-314. Bollen, K. A., Paxton, P. (1998): Detection and Determinants of Bias in Subjective Measures, in: American Sociological Review, 63, 3, S. 465-478. Bolton, R. N. (1993): Pretesting Questionnaires: Content Analyses of Respondents' Concurrent Verbal Protocols, in: Marketing Science, 12, 3, S. 280-303. Bolton, R. N., Kannan, P. K., Bramlett, M. D. (2000): Implications of Loyalty Program Membership and Service Experiences for Customer Retention and Value, in: Journal of the Academy of Marketing Science, 28, 1, S. 95-108. Bortz, J., Döring, N. (1995): Forschungsmethoden und Evaluation für Sozialwissenschaftler, 2. Aufl., Berlin et al. Botwinik, S. L., Camron, B., Jastrezembski, E., Schneider, E. (2001): Organizing to Get CRM Right, Cambridge. Boulding, W., Staelin, R., Ehret, M., Johnston, W. J. (2005): A Customer Relationship Management Roadmap: What Is Known, Potential Pitfalls, and Where to Go, in: Journal of Marketing, 69, 4, S. 155-166. Bruhn, M. (2001): Relationship Marketing: Das Management von Kundenbeziehungen, München. Bruhn, M. (2002): Customer-Relationship-Management - die personellen und organisatorischen Anforderungen, in: Zeitschrift Führung und Organisation (ZFO), 71, 3, S. 132-140. Bruhn, M. (2003): Implementierung einer kundenorientierten Unternehmensführung: Ansatzpunkte einer Integrierten Kundenorientierung, in: Zeitschrift für Organisation, 72, 1, S. 13-19. Bruhn, M. (2003): Kundenorientierung: Bausteine eines exzellenten Unternehmens, München. Bruhn, M. (2004): Das Konzept der kundenorientierten Unternehmensführung, in: Hinterhuber, H. H., Matzler, K. (Hrsg.): Kundenorientierte Unternehmensführung. Kundenorientierung - Kundenzufriedenheit - Kundenbindung, 4. Aufl., Wiesbaden, S. 33-65.

306

Literaturverzeichnis

Bruhn, M., Gregori, D. (1999): Kosten und Nutzen des Qualitätsmanagements - Ansatzpunkte einer Wirtschaftlichkeitsanalyse des Qualitätsmanagements, in: Die Unternehmung, 53, 3, S. 177-191. Bruhn, M., Michalski, S. (2001): Rückgewinnungsmanagement - eine explorative Studie zum Stand des Rückgewinnnungsmanagements bei Banken und Versicherungen, in: Die Unternehmung, 55, 2, S. 111-125. Brynjolfsson, E. (1993): The Productivity Paradox of Information Technology, in: Communications of the ACM, 36, 12, S. 67-77. Brynjolfsson, E., Hitt, L. M. (1996): Paradox Lost? Firm-level Evidence on the Returns to Information Systems Spending, in: Management Science, 42, 4, S. 541558. Brynjolfsson, E., Hitt, L. M. (1998): Beyond the Productivity Paradox, in: Communications of the ACM, 41, 8, S. 49-55. Brynjolfsson, E., Hitt, L. M. (2000): Beyond Computation: Information Technology, Organizational Transformation and Business Performance, in: Journal of Economic Perspectives, 14, 4, S. 23-48. Brynjolfsson, E., Yang, S. (1996): Information Technology and Productivity: A Review of the Literature, in: Advances in Computers, 43, S. 179-214. Bueren, A., Schierholz, R., Kolbe, L., Brenner, W. (2004): Customer Knowledge Management - Improving Performance of Customer Relationship Management with Knowledge Management, Proceedings of the 37th Hawaii International Conference on System Sciences, Hawaii. Büttgen, M. (2003): Recovery Management - systematische Kundenrückgewinnung und Abwanderungsprävention zur Sicherung des Unternehmenserfolges, in: Die Betriebswirtschaft, 63, 1, S. 60-76. Buxel, H., Buckler, F. (2003): Cross-Selling als zentraler Bestandteil des Kundenentwicklungsmanagements von Finanzdienstleistern, in: Wiedmann, K.-P., Klee, A., Buxel, H., Buckler, F. H. (Hrsg.): Ertragsorientiertes Zielkundenmanagement für Finanzdienstleister, Wiesbaden, S. 241-265. Buzzell, R. D., Gale, B. T. (1987): The PIMS Principles: Linking Strategy to Performance, New York. Cameron, K. S. (1986): Effectiveness as Paradox: Consensus and Conflict in Conceptions of Organizational Effectiveness, in: Management Science, 32, 5, S. 539-553. Campbell, A. J. (2003): Creating Customer Knowledge Competence: Managing Customer Relationship Management Programs Strategically, in: Industrial Marketing Management, 32, 5, S. 375-383.

Literaturverzeichnis

307

Campbell, D. T., Fiske, D. W. (1959): Convergent and Discriminant Validation by the Multitrait Multimethod Matrix, in: Psychological Bulletin, 56, 2, S. 81-105. Carmines, E. G., Zeller, R. A. (1998): Reliability and Validity Assessment, 10. Aufl., Beverly Hills. Cassel, C., Hackl, P., Westlund, A. H. (1999): Robustness of Partial Least-Squares Method for Estimating Latent Variable Quality Structures, in: Journal of Applied Statistics, 26, 4, S. 435-446. Chatterjee, S., Price, B. (1977): Regression Analysis by Example, New York et al. Chatterjee, S., Wernerfelt, B. (1991): The Link Between Resources and Type of Diversification: Theory and Evidence, in: Strategic Management Journal, 12, 1, S. 3348. Chen, J.-S., Ching, R. K. H. (2004): An Empirical Study of the Relationship of IT Intensity and Organizational Absorptive Capacity on CRM Performance, in: Journal of Global Information Management, 12, 1, S. 1-17. Chi, T. (1994): Trading in Strategic Resources: Necessary Conditions, Transaction Cost Problems, and Choice of Exchange Structure, in: Strategic Management Journal, 15, 4, S. 271-290. Chin, W. W. (1998): Issues and Opinion on Structural Equation Modeling, in: Management Information Systems Quarterly, 22, 1, S. 7-16. Chin, W. W. (1998): The Partial Least Squares Approach to Structural Equation Modeling, in: Marcoulides, G. A. (Hrsg.): Modern Methods for Business Research, London, S. 295-336. Chin, W. W. (2001): PLS-Graph User Guide, Houston. Chin, W. W., Newsted, P. R. (1999): Structural Equation Modeling Analysis with Small Samples Using Partial Least Squares, in: Hoyle, R. H. (Hrsg.): Statistical Analysis for Small Sample Research, London et al., S. 307-341. Chin, W. W., Todd, P. A. (1995): On the Use, Usefulness, and Ease of Use of Structural Equation Modeling in MIS Research: A Note of Caution, in: MIS Quarterly, 19, 2, S. 237-246. Churchill, G. A. (1979): A Paradigm for Developing Better Measures of Marketing Constructs, in: Journal of Marketing Research, 16, 1, S. 64-73. Churchill, G. A. (1987): Marketing Research: Methodological Foundations, 4. Aufl., Chicago et al. Clemons, E. K., Row, M. K. (1991): Sustaining IT Advantage: The Role of Structural Differences, in: MIS Quarterly, 15, 3, S. 275-292.

308

Literaturverzeichnis

Cohen, J. (1988): Statistical Power Analysis for Behavioural Sciences, 2. Aufl., Hillsdale. Cohen, J. (1992): A Power Primer, in: Psychological Bulletin, 112, 1, S. 155-159. Colgate, M. R., Danaher, P. J. (2000): Implementing a Customer Relationship Strategy: The Asymmetric Impact of Poor Versus Excellent Execution, in: Journal of the Academy of Marketing Science, 28, 3, S. 375-387. Collis, D. J. (1991): A Resource-Based Analysis of Global Competition: The Case of The Bearings Industry, in: Strategic Management Journal, 12, 1, S. 49-68. Conner, K., R. (1991): A Historical Comparison of Resource-Based Theory and Five Schools of Thought Within Industrial Organization Economics: Do We Have a New Theory of the Firm?, in: Journal of Management, 17, 1, S. 121-154. Cooil, B., Winer, R. S., Rados, D. L. (1987): Cross-Validation for Prediction, in: Journal of Marketing Research, 24, 3, S. 271-279. Copulsky, J. R., Wolf, M. J. (1990): Relationship Marketing: Positioning for the Future, in: The Journal of Business Strategy, 11, 4, S. 16-20. Cornelsen, J. (2000): Kundenwertanalysen im Beziehungsmarketing. Theoretische Grundlegung und Ergebnisse einer empirischen Studie im Automobilbereich, Nürnberg. Cote, J., Buckley, M. R. (1987): Estimating Trait, Method, and Error Variance: Generalizing Across 70 Construct Validation Studies, in: Journal of Marketing Research, 24, 3, S. 315-318. Coviello, N. E., Brodie, R. J., Danaher, P. J., Johnston, W. J. (2002): How Firms Relate to Their Markets: An Empirical Examination of Contemporary Marketing Practices, in: Journal of Marketing, 66, 3, S. 33-46. Covin, J. G., Slevin, D. P., Schultz, R. L. (1994): Implementing Strategic Missions: Effective Strategic, Structural and Tactical Choices, in: Journal of Management Studies, 31, 4, S. 481-503. Craig, C. S., McCann, J. M. (1978): Item Nonresponse in Mail Surveys: Extent and Correlates, in: Journal of Marketing Research, 15, 2, S. 285-289. Cravens, D. W., Ingram, T. N., LaForge, R. W., Young, C. E. (1993): Behaviourbased and Outcome-based Salesforce Control Systems, in: Journal of Marketing, 57, 4, S. 47-59. Crosby, L. A., Evans, K. R., Cowles, D. (1990): Relationship Quality in Service Selling: An Interpersonal Influence Perspective, in: Journal of Marketing, 54, 3, S. 6881.

Literaturverzeichnis

309

Croteau, A.-M., Li, P. (2003): Critical Success Factors of CRM Technological Initiatives, in: Canadian Journal of Administrative Sciences, 20, 1, S. 21-34. Daniel, G. B. (1961): Management Information Crisis, in: Harvard Business Review, 39, 5, S. 111-121. Davis, F. D., Bagozzi, R. P., Warshaw, P. R. (1989): User Acceptance of Computer Technology: A Comparison of Two Theoretical Models, in: Management Science, 35, 8, S. 982-1003. Dawes, J. (1999): The Relationship between Subjective and Objective Company Performance Measures in Market Orientation Research: Further Empirical Evidence, in: Marketing Bulletin, 10, S. 65-75. Day, G. S. (1981): The Product Life Cycle: Analysis and Applications Issues, in: Journal of Marketing, 45, 4, S. 60-67. Day, G. S. (1994): The Capabilities of Market-Driven Organizations, in: Journal of Marketing, 58, 4, S. 37-52. Day, G. S. (1999): Creating a Market-Driven Organization, in: Sloan Management Review, 41, 1, S. 11-22. Day, G. S., Van den Bulte, C. (2002): Superiority in Customer Relationship Management: Consequences for Competitive Advantage and Performance, Cambridge. Day, G. S., Wensley, R. (1988): Assessing Advantage: A Framework for Diagnosing Competitive Superiority, in: Journal of Marketing, 52, 2, S. 1-20. DeLone, W. H. (1988): Determinants of Success for Computer Usage in Small Business, in: MIS Quarterly, 12, 1, S. 51-61. DeLone, W. H., McLean, E. R. (1992): Information Systems Success: The Quest for the Dependent Variable, in: Information Systems Research, 3, 1, S. 60-95. DeLone, W. H., McLean, E. R. (2003): The DeLone and McLean Model of Information Systems Success: A Ten-Year Update, in: Journal of Management Information Systems, 19, 4, S. 9-30. Desphandé, R., Farley, J. U., Webster, F. E. J. (1993): Corporate Culture, Customer Orientation, and Innovativeness in Japanese Firms: A Quadrad Analysis, in: Journal of Marketing, 57, 1, S. 23-37. Desphandé, R., Zaltman, G. (1982): Factors Affecting the Use of Market Research Information: A Path Analysis, in: Journal of Marketing Research, 19, 1, S. 14-31. Devaraj, S., Kohli, R. (2003): Performance Impacts of Information Technology: Is Actual Usage the Missing Link?, in: Management Science, 49, 3, S. 273-289.

310

Literaturverzeichnis

Dewan, S., Kraemer, K. L. (1998): International Dimensions of the Productivity Paradox, in: Communications of the ACM, 41, 8, S. 56-62. Diamantopoulos, A. (1999): Export Performance Measurement: Reflective Versus Formative Indicators, in: International Marketing Review, 16, 6, S. 444-457. Diamantopoulos, A. (2005): The C-OAR-SE Procedure For Scale Development in Marketing: A Comment, in: International Journal of Research in Marketing, 22, 1, S. 1-9. Diamantopoulos, A., Winklhofer, H. M. (2001): Index Construction with Formative Indicators: An Alternative to Scale Development, in: Journal of Marketing Research, 38, 2, S. 269-277. Dierickx, I., Cool, K. (1989): Asset Stock Accumulation and Sustainability of Competitive Advantage, in: Management Science, 35, 12, S. 1504-1511. Dijkstra, T. (1983): Some Comments on Maximum Likelihood and Partial Least Squares Methods, in: Journal of Econometrics, 22, 1/2, S. 67-90. Diller, H. (1995): Beziehungs-Marketing, in: WiSt, 9, S. 442-447. Diller, H. (1998): Cross-Selling als Instrument des Beziehungsmarketing, unveröffentlichtes Arbeitspapier des Lehrstuhls für Marketing, Nürnberg. Diller, H. (2001): Kundenlebenszyklus, in: Diller, H. (Hrsg.): Vahlens Großes Marketinglexikon, 2. Aufl., München, S. 865-866. Diller, H., Kusterer, M. (1988): Beziehungsmanagement: Theoretische Grundlagen und explorative Befunde, in: Marketing - Zeitschrift für Forschung und Praxis, 9, 3, S. 211-220. Diller, H., Lücking, J., Prechtel, P. (1992): Gibt es Kundenlebenszyklen im Investitionsgütergeschäft?, Arbeitspapier Nr. 12 des Lehrstuhls für Marketing, Universität Erlangen-Nürnberg, Nürnberg. Douglas, S. P., Craig, C. S. (1983): International Marketing Research, Englewood Cliffs. Dowling, G. (2002): Customer Relationship Management: In B2C Markets, Often Less is More, in: California Management Review, 44, 3, S. 87-104. Dowling, G. R., Uncles, M. (1997): Do Customer Loyalty Programs Really Work?, in: Sloan Management Review, 38, 4, S. 71-82. Dubinsky, A. J., Ingram, T. N. (1084): A Portfolio Approach to Account Profitability, in: Industrial Marketing Management, 13, 1, S. 33-41. Dwyer, R. F., Schurr, P. H., Oh, S. (1987): Developing Buyer-Seller Relationships, in: Journal of Marketing, 51, 2, S. 11-27.

Literaturverzeichnis

311

Dziuban, C. D., Shirkey, E. C. (1974): When is a Correlation Matrix Appropriate for Factor Analysis? Some Decision Rules, in: Psychological Bulletin, 81, 6, S. 358361. Efron, B. (1987): Better Bootstrap Confidence Intervals, in: Journal of the American Statistical Association, 82, 397, S. 171-185. Efron, B. (1990): More Efficient Bootstrap Computations, in: Journal of the American Statistical Association, 85, 409, S. 79-89. Efron, B., Tibshirani, R. J. (1993): An Introduction to the Bootstrap, New York et al. Eggert, A. (2001): Konzeptionelle Grundlagen des elektronischen Kundenbeziehungsmanagements, in: Eggert, A., Fassott, G. (Hrsg.): eCRM - Electronic Customer Relationship Management: Management der Kundenbeziehungen im InternetZeitalter, Stuttgart, S. 87-106. Eggert, A. (2002): Der Einfluss elektronischer Medien auf Geschäftsbeziehungen: Eine empirische Studie am Beispiel des Electronic Banking, in: Marketing - Zeitschrift für Forschung und Praxis, 22, 2, S. 119-130. Eggert, A., Fassott, G. (2003): Zur Verwendung formativer und reflektiver Indikatoren in Strukturgleichungsmodellen, Kaiserslauterer Schriftenreihe Marketing Nr. 20, Universität Kaiserslautern, Kaiserslautern. Eichenberger, H., Oggenfuss, C. (2002): Die Kunden-Interaktion im CRMGesamtkontext - Beispiel Finanzdienstleistungsindustrie, in: Schögel, M., Schmidt, I. (Hrsg.): E-CRM - mit Informationstechnologien Kundenpotenziale nutzen, Düsseldorf, S. 539-562. Ernst, H. (2001): Erfolgsfaktoren neuer Produkte: Grundlagen für eine valide empirische Forschung, Wiesbaden. Ernst, H. (2003): Ursachen eines Informant Bias und dessen Auswirkung auf die Validität empirischer betriebswirtschaftlicher Forschung, in: Zeitschrift für Betriebswirtschaft, 73, 12, S. 1249-1275. Fahrmeier, L., Künstler, R., Pigeot, I. (1999): Statistik: Der Weg zur Datenanalyse, 2. Aufl., Berlin et al. Farrar, D. E., Glauber, R. R. (1967): Multicollinearity in Regression Analysis: The Problem Revisited, in: Review of Econometrics and Statistics, 49, 1, S. 92-107. Fassott, G. (2005): Die PLS-Pfadmodellierung: Entwicklungsrichtungen, Möglichkeiten, Grenzen, in: Bliemel, F., Eggert, A., Fassott, G., Henseler, J. H. (Hrsg.): Handbuch PLS-Pfadmodellierung. Mehtode, Anwendung, Praxisbeispiele, Stuttgart, S. 19-29.

312

Literaturverzeichnis

Fassott, G., Eggert, A. (2005): Zur Verwendung formativer und reflektiver Indikatoren in Strukturgleichungsmodellen: Bestandsaufnahme und Anwendungsempfehlungen, in: Bliemel, F., Eggert, A., Fassott, G., Henseler, J. (Hrsg.): Handbuch PLS-Pfadmodellierung. Methode, Anwendung, Praxisbeispiele, Stuttgart, S. 31-47. Ferber, R. (1966): Item Non-Response in a Consumer Survey, in: Public Opinion Quarterly, 30, 3, S. 399-415. Feyerabend, P. K. (1965): Problems of Empiricism, in: Colodny, R. G. H. (Hrsg.): Beyond the Edge of Certainty, Englewood Cliffs, S. 145-260. Fickel, N. (2001): Sequenzialregression: Eine neodeskriptive Lösung des Multikollinearitätsproblems mittels stufenweise bereinigter und synchronisierter Variablen, Berlin. Fischer, M. (2001): Produktlebenszyklus und Wettbewerbsdynamik: Grundlagen für die ökonomische Bewertung von Markteintrittstrategien, Wiesbaden. Ford, D. (1980): The Development of Buyer-Seller Relationships in Industrial Markets, in: European Journal of Marketing, 13, 5/6, S. 339-353. Fornell, C., Bookstein, F. L. (1987): Two Structural Equation Models : LISREL and PLS Applied to Consumer Exit-Voice Theory, in: Journal of Marketing Research, 19, 4, S. 440-452. Fornell, C., Cha, J. (1994): Partial Least Squares, in: Bagozzi, R. P. (Hrsg.): Advanced Methods of Marketing Research, Oxford, S. 52-78. Fornell, C., Johnson, M. D., Anderson, E. W., Cha, J., Bryant, B. E. (1996): The American Customer Satisfaction Index: Nature, Purpose, and Findings, in: Journal of Marketing, 60, 4, S. 7-18. Fornell, C., Larcker, D. F. (1981): Evaluating Structural Equation Models with Unobservable Variables and Measurement Error, in: Journal of Marketing Research, 18, 1, S. 39-50. Frank, U., Frielitz, C., Hippner, H., Martin, S. (2002): Anwenderbefragung: Durchführung und Kostenstruktur von CRM-Projekten, in: Wilde, K. D., Hippner, H. (Hrsg.): CRM 2002. So binden Sie Ihre Kunden, Düsseldorf, S. 43-50. Freiling, J. (2001): Resource-based view und ökonomische Theorie: Grundlagen und Positionierung des Ressourcenansatzes, Wiesbaden. Frese, E. (1985): Exzellente Unternehmen - Konfuse Theorien. Kritisches zur Studie von Peters und Waterman, in: Die Betriebswirtschaft, 45, 5, S. 604-606. Fritz, W. (1984): Warentest und Konsumgüter-Marketing: Forschungskonzeption und Ergebnisse der empirischen Untersuchung, Wiesbaden.

Literaturverzeichnis

313

Fritz, W. (1990): Marketing - ein Schlüsselfaktor des Unternehmenserfolges?, in: Marketing - Zeitschrift für Forschung und Praxis, 12, 2, S. 91-110. Fritz, W. (1992): Marktorientierte Unternehmensführung und Unternehmenserfolg: Grundlagen und Ergebnisse einer empirischen Untersuchung, Stuttgart. Fritz, W. (1995): Marketing-Management und Unternehmenserfolg: Grundlagen und Ergebnisse einer empirischen Untersuchung, 2. Aufl., Stuttgart. Fritz, W. (2004): Die Erfolgsfaktorenforschung - ein Misserfolg?, in: Die Betriebswirtschaft, 64, 5, S. 623-625. Fritz, W. (2004): Über Tautologien, gesicherte Erkenntnisse und ein problematisches Wissenschaftsverständnis: Eine Antwort auf die Kritik von Alexander Nicolai und Alfred Kieser, Arbeitspapier der Technische Universität Braunschweig, Braunschweig. Fritz, W., Förster, F., Raffé, H., Silberer, G. (1985): Unternehmensziele in Industrie und Handel, in: Die Betriebswirtschaft, 45, 4, S. 375-394. Fritz, W., Förster, F., Wiedmann, K.-P., Raffé, H. (1988): Unternehmensziele und strategische Unternehmensführung, in: Die Betriebswirtschaft, 48, 5, S. 567-586. Galbreath, J. (1998): Relationship Management Environments, in: Credit World, 87, 2, S. 14-21. Gartner Group (2003): CRM Success Lies in Strategy and Implementation, Not Software, Gartner Group, URL: , Abfragedatum: 21.06.2005. Gartner Group (2003): Gartner Says Through 2005, 75 Percent of CRM Projects That Do Not Deliver Measurable ROI Will Have Failed Because of Poor Business Executive Decisions., URL: , Abfragedatum: 15.08.2003. Gefen, D., Straub, D., Boudreau, M.-C. (2000): Structural Equation Modeling and Regression: Guidlines for Research Practice, in: Communications of the AIS, 4, 7, S. 1-80. Georgi, D. (2000): Entwicklung von Kundenbeziehungen. Theoretische Analyse und empirische Analysen unter dynamischen Gesichtspunkten, Wiesbaden. Gerbing, D. W., Anderson, J. C. (1988): An Updated Paradigm for Scale Development Incorporating Unidimensionality and its Assessment, in: Journal of Marketing Research, 25, 2, S. 186-192. Gertz, S. (2005): Datenzusammenführung im CRM, in: Loseblattsammlung und Online-Dienst www.verkauf-aktuell.de, 21. Folgelieferung, April, S. 1-27.

314

Literaturverzeichnis

Giering, A. (2000): Der Zusammenhang zwischen Kundenzufriedenheit und Kundenloyalität: Eine Untersuchung moderierender Effekte, Wiesbaden. Ginsberg, A., Venkatraman, N. (1992): Investing in New Information Technology: The Role of Competitive Posture and Issue Diagnosis, in: Strategic Management Journal, 13, 1, S. 37-53. Glick, W. H., Jenkins, G. D., Gupta, N. (1986): Method Variance Substance: How Strong Are Underlying Relationships Between Job Characteristics And Attitudinal Outcomes?, in: Academy of Management Journal, 29, 3, S. 441-464. Götz, O., Liehr-Gobbers, K. (2004): Analyse von Strukturgleichungsmodellen mit Hilfe der Partial-LeastSquare (PLS)-Methode, in: Die Betriebswirtschaft, 64, 6, S. 714-738. Gouthier, M. H. J. (2004): Neukundenmanagement, in: Hippner, H., Wilde, K. D. (Hrsg.): Grundlagen des CRM: Konzepte und Gestaltung, Wiesbaden, S. 393-426. Grant, R. M. (1991): The Resource-Based Theory of Competitve Advantage: Implications for Strategy Formulation, in: California Management Review, 33, 3, S. 114-135. Grant, R. M. (1996): Toward A Knowledge-Based Theory Of The Firm, in: Strategic Management Journal, 17, Winter Special Issue, S. 109-122. Grapentine, T. (1997): Managing Multicollinearity, in: Marketing Research, 9, 1, S. 10-21. Green, D. H., Barclay, D. W., Ryans, A. B. (1995): Entry Strategy and Long-Term Performance: Conceptualization and Empirical Examination, in: Journal of Marketing, 59, 4, S. 1-16. Green, P. E., Tull, D. S., Albaum, G. (1988): Research for Marketing Decisions, 5. Aufl., Englewood-Cliffs et al. Greve, G. (2003): Probleme und Lösungsmöglichkeiten bei der Implementierung von CRM-Systemen in der Finanzdienstleistungsbranche, in: Loseblattsammlung und Online-Dienst www.verkauf-aktuell.de, 13. Folgelieferung, April, S. 1-15. Greve, G., Albers, S. (2005): Customer Relationship Management and the Customer Lifecycle: Measurement and Performance Outcomes, Proceedings of the 34th EMAC Conference, Mailand. Grewal, R., Cote, J. A., Baumgartner, H. (2004): Multicollinearity and Measurement Error in Structural Equation Models: Implications for Theory Testing, in: Marketing Science, 23, 4, S. 519-529. Grönroos, C. (1980): Designing a Long Range Marketing Strategy for Services, in: Long Range Planning, 13, 2, S. 36-42.

Literaturverzeichnis

315

Grönroos, C. (1983): Strategic Management and Marketing in the Service Sector, Cambridge. Grönroos, C. (1994): From Marketing Mix to Relationship Marketing: Towards a Paradigm Shift in Marketing, in: Management Decision, 32, 2, S. 4-20. Grönroos, C. (2000): Relationship Marketing: The Nordic School Perspective, in: Sheth, J. N., Parvatiyar, A. (Hrsg.): Handbook of Relationship Marketing, Thousand Oaks, S. 95-117. Grover, V. (1993): An Empirically Derived Model for the Adoption of Customerbased Interorganizational Systems, in: Decision Sciences, 24, 3, S. 603-640. Grünig, R., Heckner, F., Zeus, A. (1996): Methoden zur Identifikation strategischer Erfolgsfaktoren, in: Die Unternehmung, 50, 1, S. 3-12. Gummesson, E. (1987): The New Marketing: Developing Long-Term Interactive Relationships, in: Long Range Planning, 20, 4, S. 10-20. Gummesson, E. (1994): Making Relationship Marketing Operational, in: International Journal of Service Industry Management, 5, 5, S. 5-20. Gummesson, E. (2004): Return on Relationships (ROR): The Value of Relationship Marketing and CRM in Business-To-Business Contexts, in: Journal of Business & Industrial Marketing, 19, 2, S. 136-148. Gupta, S., Lehmann, D. R. (2005): Managing Customers as Investments. The Strategic Value of Customers in the Long Run, Upper Saddle River. Gupta, S., Zeithaml, V. A. (2005): Customer Metrics: The Past, the Present, and the Future in Academia and Practice, Cambridge. Gwinner, K. P., Gremler, D. D., Bitner, M. J. (1998): Relational Benefits in Services Industries: The Customer's Perspective, in: Journal of the Academy of Marketing Science, 26, 2, S. 101-114. Haas, A. (2003): Interessenmanagement, in: Hippner, H., Wilde, K. D. (Hrsg.): Grundlagen des CRM - Konzpte und Gestaltung, Wiesbaden, S. 363-391. Haedrich, G., Gussek, F., Tomczak, T. (1989): Differenzierte Marktbearbeitung und Markterfolg im Reiseveranstaltermarkt der Bunderepublik Deutschland, in: Marketing - Zeitschrift für Forschung und Praxis, 11, 1, S. 11-18. Haeneke, H. (2002): Methodenorientierte Systematisierung der Kritik an der Erfolgsfaktorenforschung, in: Zeitschrift für Betriebswirtschaft, 72, 2, S. 165-183. Hahn, C. (2002): Segmentspezifische Kundenzufriedenheitsanalyse: Neue Ansätze zur Segmentierung von Märkten, Wiesbaden.

316

Literaturverzeichnis

Hahn, C., Johnson, M. D., Herrmann, A., Huber, F. (2002): Capturing Customer Heterogeneity Using a Finite Mixture PLS Approach, in: Schmalenbach Business Review, 54, 3, S. 243-269. Hair, J. F., Anderson, R. E., Tatham, R. L., Black, W. C. (1998): Multivariate Data Analysis, 5. Aufl., Englewood Cliffs. Halinen, A., Tähtinen, J. (2002): A Process Theory of Relationship Ending, in: International Journal of Service Industry Management, 13, 2, S. 163-180. Hall, R. (1992): The Strategic Analysis of Intangible Resources, in: Strategic Management Journal, 13, 2, S. 135-144. Hallowell, R. (1996): The Relationships of Customer Satisfaction, Customer Loyalty and Profitability: An Empirical Study, in: International Journal of Service Industry Management, 7, 4, S. 27-42. Han, J. K., Kim, N., Srivastava, R. K. (1998): Market Orientation and Organizational Performance: Is Innovation a Missing Link?, in: Journal of Marketing, 62, 4, S. 30-45. Hansen, G. (1987): Multikollinearität und Prognosefehler, in: Jahrbuch für Nationalökonomie und Statistik, 203, 5-6, S. 517-531. Hansotia, B., Wang, P. (1997): Analytical Challenges in Customer Acquisition, in: Journal of Direct Marketing, 11, 2, S. 7-19. Harman, H. H. (1967): Modern Factor Analysis, Chicago. Hart, C. W. L., Heskett, J. L., Sasser, E. W. J. (1990): The Profitable Art of Service Recovery, in: Harvard Business Review, 68, 4, S. 148-156. Hart, S., Banbury, C. (1994): How Strategy-Making Process Can Make A Difference, in: Strategic Management Journal, 15, 4, S. 251-270. Hauschildt, J. (1980): Zielsysteme, in: Grochla, E. (Hrsg.): Enzyklopädie der Betriebswirtschaftslehre. Bd. 2: Handwörterbuch der Organisation, 2. Aufl., Stuttgart, Sp. 2419-2430. Hauschildt, J. (1991): Zur Messung des Innovationserfolgs, in: Zeitschrift für Betriebswirtschaft, 61, 4, S. 451-476. Heck, K. (2002): Kundenbeziehungsmanagement der DAB bank AG, in: Schögel, M., Schmidt, I. (Hrsg.): E-CRM - mit Informationstechnologien Kundenpotenziale nutzen, Düsseldorf, S. 563-595. Helm, R., Ludl, M. (2005): Kundenkarten und ihre Wirkung als Kundenbindungsinstrument, in: Zeitschrift für Betriebswirtschaft, 75, 12, S. 1131-1163.

Literaturverzeichnis

317

Helm, S. (2004): Customer Valuation as a Driver of Relationship Dissolution, in: Journal of Relationship Marketing, 3, 4, S. 77-91. Herrmann, A., Huber, F., Kressmann, F. (2004): Partial Least Squares - Ein Leitfaden zur Spezifikation, Schätzung und Beurteilung varianzbasierter Strukturgleichungsmodelle, Arbeitspapier des Lehrstuhls für BWL und Marketing I, Universität Mainz, Mainz. Hildebrand, V. (1997): Individualisierung als strategische Option der Marktbearbeitung - Determinanten und Erfolgswirkungen kundenindividueller Marketingkonzepte, Wiesbaden. Hildebrandt, L. (1984): Kausalanalytische Validierung in der Marketingforschung, in: Marketing - Zeitschrift für Forschung und Praxis, 6, 1, S. 41-51. Hildebrandt, L. (1988): Store Image and the Prediction of Performance, in: Journal of Business Research, 17, 1, S. 91-100. Hildebrandt, L. (2003): Die Erfolgsfaktorenforschung - Entwicklungslinien aus Sicht des Marketing, in: Reese, M., Söllner, A., Utzig, B. P. (Hrsg.): Relationship Marketing: Standortbestimmung und Perspektiven, Berlin et al., S. 201-224. Hildebrandt, L., Görz, N. (1999): Zum Stand der Kausalanalyse mit Strukturgleichungsmodellen - Methodische Trends und Software-Entwicklungen, Arbeitspapier an der Humboldt-Universität zu Berlin, Berlin. Hill, R. C., Adkins, L. C. (2003): Collinearity, in: Baltagi, B. H. (Hrsg.): A Companion to Theoretical Econometrics, Malden et al., S. 257-278. Hinkel, K. (2001): Erfolgsfaktoren von Frühphasenfinanzierungen durch Wagniskapitalgesellschaften, Wiesbaden. Hippner, H. (2004): CRM - Grundlagen, Ziele und Konzepte, in: Hippner, H., Wilde, K. D. (Hrsg.): Grundlagen des CRM: Konzepte und Gestaltung, Wiesbaden, S. 1341. Hippner, H., Leber, M., Wilde, K. D. (2004): Kundeninformationen als Basis des CRM, in: Hippner, H., Wilde, K. D. (Hrsg.): IT-Systeme im CRM: Aufbau und Potenziale, Wiesbaden, S. 151-182. Hippner, H., Merzenich, M., Wilde, K. D. (2004): Data Mining - Grundlagen und Einsatzpotenziale im CRM, in: Hippner, H., Wilde, K. D. (Hrsg.): IT-Systeme im CRM: Aufbau und Potenziale, Wiesbaden, S. 241-268. Hippner, H., Wilde, K. D. (2002): CRM - Ein Überblick, in: Helmke, S., Uebel, M., Dangelmaier, W. (Hrsg.): Effektives Customer Relationship Management: Instrumente, Einführungskonzepte, Organisation, 2. Aufl., Wiesbaden, S. 3-37.

318

Literaturverzeichnis

Hippner, H., Wilde, K. D. (2002): Data Mining im CRM, in: Helmke, S., Uebel, M., Dangelmaier, W. (Hrsg.): Effektives Customer Relationship Management: Instrumente, Einführungskonzepte, Organisation, 2. Aufl., Wiesbaden, S. 211-231. Hippner, H., Wilde, K. D. (2004): IT-Systeme im CRM, Wiesbaden. Hippner, H., Wilde, K. D. (2005): Informationstechnische Grundlagen der Kundenbindung, in: Bruhn, M., Homburg, C. (Hrsg.): Handbuch Kundenbindungsmanagement. Strategien und Instrumente für ein erfolgreiches CRM, 5. Aufl., Wiesbaden, S. 463-499. Hirschowitz, A. (2001): Closing the CRM Loop: The 21st Century Marketer's Challenge: Transforming Customer Insight into Customer Value, in: Journal of Targeting, Measurement and Analysis for Marketing, 10, 2, S. 168-178. Hitt, L. M., Brynjolfsson, E. (1996): Productivity, Business Profitability, and Consumer Surplus: Three Different Measures of Information Technology Value, in: MIS Quarterly, 20, 2, S. 121-142. Hocutt, M. A. (1998): Relationship Dissolution Model: Antecedents of Relationship Commitment and the Likelihood of Dissolving a Relationship, in: International Journal of Service Industry Management, 9, 2, S. 189-200. Hoekstra, J. C., Huizingh, E. K. R. E. (1998): The Lifetime Value Concept in Customer-Based Marketing, in: Journal of Market-Focused Management, 3, 3-4, S. 257-274. Hoekstra, J. C., Leeflang, P. S. H., Wittnik, D. R. (1999): The Customer Concept: The Basis for a New Marketing Paradigm, in: Journal of Market-Focused Management, 4, 1, S. 43-76. Hoffmann, F. (1986): Kritische Erfolgsfaktoren - Erfahrungen in großen und mittelständischen Unternehmen, in: Zeitschrift für betriebwirtschaftliche Forschung, 38, 10, S. 831-843. Holmström, B. (1979): Moral Hazard and Observability, in: Bell Journal of Economics, 10, 1, S. 74-91. Homburg, C. (1995): Kundennähe von Industriegüterunternehmen: Konzeption - Erfolgsauswirkungen - Determinanten, Wiesbaden. Homburg, C., Baumgartner, H. (1995): Die Kausalanalyse als Instrument der Marketingforschung, in: Zeitschrift für Betriebswirtschaft, 65, 10, S. 1091-1108. Homburg, C., Becker, A., Hentschel, F. (2005): Der Zusammenhang zwischen Kundenzufriedenheit und Kundenbindung, in: Bruhn, M., Homburg, C. (Hrsg.): Handbuch Kundenbindungsmanagement. Strategien und Instrumente für ein erfolgreiches CRM, 5. Aufl., Wiesbaden, S. 93-123.

Literaturverzeichnis

319

Homburg, C., Bruhn, M. (2005): Kundenbindungsmanagement - Eine Einführung in die theoretischen und praktischen Problemstellungen, in: Homburg, C., Bruhn, M. (Hrsg.): Handbuch Kundenbindungsmanagement, 5. Aufl., Wiesbaden, S. 3-37. Homburg, C., Giering, A. (1996): Konzeptualisierung und Operationalisierung komplexer Konstrukte: Ein Leitfaden für die Marketingforschung, in: Marketing - Zeitschrift für Forschung und Praxis, 18, 1, S. 5-24. Homburg, C., Giering, A., Hentschel, F. (1999): Der Zusammenhang zwischen Kundenzufriedenheit und Kundenbindung, in: Die Betriebswirtschaft, 59, 2, S. 173-195. Homburg, C., Hildebrandt, L. (1998): Die Kausalanalyse: Bestandsaufnahme, Entwicklungsrichtungen, Problemfelder, in: Hildebrandt, L., Homburg, C. (Hrsg.): Die Kausalanalyse, S. 16-43. Homburg, C., Jensen, O., Klarmann, M. (2005): Die Zusammenarbeit zwischen Marketing und Vertrieb - eine vernachlässigte Schnittstelle, Management Arbeitspapiere Nr. M86, Institut für Marktorientierte Unternehmensführung (IMU), Mannheim. Homburg, C., Jensen, Ove (2000): Kundenorientierte Vergütungssysteme: Voraussetzungen, Verbreitung, Determinanten, in: Zeitschrift für Betriebswirtschaft, 70, 1, S. 55-74. Homburg, C., Krohmer, H. (2004): Die Fliegenpatsche als Instrument des wissenschaftlichen Dialogs, in: Die Betriebswirtschaft, 64, 5, S. 626-631. Homburg, C., Pflesser, C. (2000): A Multiple-Layer Model of Market-Oriented Organizational Culture: Measurement Issues and Performance Outcomes, in: Journal of Marketing Research, 37, 4, S. 449-462. Homburg, C., Schäfer, H. (1999): Customer Recovery: Profitabilität durch systematische Rückgewinnung von Kunden, Management Know-how Papier Nr. M39, Institut für Marktorientierte Unternehmensführung (IMU), Universität Mannheim, Mannheim. Homburg, C., Schäfer, H. (2000): Cross-Selling: Aus der Kundenbeziehung mehr herausholen, in: Harvard Business Manager, 22, 6, S. 35-44. Homburg, C., Schäfer, H. (2002): Die Erschließung von Kundenpotenzialen durch Cross-Selling: Konzeptionelle Grundlagen und empirische Ergebnisse, in: Marketing - Zeitschrift für Forschung und Praxis, 24, 1, S. 7-26. Homburg, C., Schurr, P. H. (1998): Kundenwert als Instrument der wertorientierten Unternehmensführung, in: Bruhn, M., Lusti, M., Müller, W. R., Schierenbeck, H., Studer, M. (Hrsg.): Perspektiven und Handlungsfelder für die Wertsteigerung von Unternehmen, Wiesbaden, S. 169-189.

320

Literaturverzeichnis

Homburg, C., Sieben, F. G. (2005): Customer Relationship Management (CRM) Strategische Ausrichtung statt IT-getriebenem Aktivismus, in: Bruhn, M., Homburg, C. (Hrsg.): Handbuch Kundenbindungsmanagement: Strategien und Instrumente für ein erfolgreiches CRM, 5. Aufl., Wiesbaden, S. 435-462. Homburg, C., Sieben, F. G., Stock, R. (2004): Einflussgrößen des Kundenrückgewinnungserfolgs: Theoretische Betrachtung und empirische Befunde im Dienstleistungsbereich, in: Marketing - Zeitschrift für Forschung und Praxis, 26, 1, S. 25-41. Homburg, C., Stock, R. (2001): Kundenorientiertes Führungsverhalten, in: Zeitschrift Führung und Organisation, 70, 1, S. 13-19. Houston, F. S. (1986): The Marketing Concept: What It Is and What It Is Not, in: Journal of Marketing, 50, 2, S. 81-87. Houston, F. S., Gassenheimer, J. B. (1987): Marketing and Exchange, in: Journal of Marketing, 51, 4, S. 3-18. Hulland, J. (1999): Use of Partial Least Squares (PLS) In Strategic Management Research: A Review of Four Recent Studies, in: Strategic Management Journal, 20, 2, S. 195-204. Hunt, S. D., Sparkman, R. D. J., Wilcox, J. B. (1982): The Pretest in Survey Research: Issues and Preliminary Findings, in: Journal of Marketing Research, 19, 2, S. 269-273. Hurrle, B., Kieser, A. (2005): Sind Key Informants verlässliche Datenlieferanten?, in: Die Betriebswirtschaft, 65, 6, S. 584-602. IDC (2005): Der Markt für CRM-Services in Deutschland 2005, Frankfurt. Jackson, B. B. (1985): Winning and Keeping Industrial Customers: The Dynamics of Customer Relationships, Lexington. Jacobs, O. H. (1984): Erfolgsrechnung und Erfolgsanalyse, in: Grochla, E., Wittmann, W. (Hrsg.): Handwörterbuch der Betriebswirtschaft, 4.Aufl., Stuttgart, Sp. 1317-1328. Jacoby, J. (1978): Consumer Research: How Valid and Useful are All Our Consumer Behaviour Research Findings? A State of the Art Review, in: Journal of Marketing, 42, 2, S. 87-96. Jarrar, Y. F., Neely, A. (2002): Cross-Selling in the Financial Sector: Customer Profitability is Key, in: Journal of Targeting, Measurement and Analysis for Marketing, 10, 3, S. 282-296. Jarvenpaa, S. L., Ives, B. (1991): Executive Involvement and Participation in the Management of Information Technology, in: MIS Quarterly, 15, 2, S. 205-227.

Literaturverzeichnis

321

Jarvis, C. B., MacKenzie, S. B., Podsakoff, P. M. (2003): A Critical Review of Construct Indicators and Measurement Model Misspecification in Marketing and Consumer Research, in: Journal of Consumer Research, 30, 2, S. 199-218. Jaworski, B. J., Kohli, A. K. (1993): Market Orientation: Antecedents and Consequences, in: Journal of Marketing, 57, 3, S. 53-70. Jayachandran, S., Hewett, K., Kaufman, P. (2004): Customer Response Capability in a Sense-and-Respond Era: The Role of Customer Knowledge Process, in: Journal of the Academy of Marketing Science, 32, 3, S. 219-233. Jayachandran, S., Sharma, S., Kaufman, P., Raman, P. (2005): The Role of Relational Information Processes and Technology Use in Customer Relationship Management, in: Journal of Marketing, 69, 4, S. 177-192. Jenner, T. (1999): Determinanten des Unternehmenserfolges, Stuttgart. Jobber, D., O'Reilly, D. (1998): Industrial Mail Surveys: A Methodological Update, in: Industrial Marketing Management, 27, 2, S. 95-107. John, G., Weitz, B. (1989): Salesforce Compensation: An Empirical Investigation of Factors Related to Use of Salary Versus Incentive Compensation, in: Journal of Marketing Research, 26, 1, S. 1-14. Jöreskog, K. G., Sörbom, D. (1982): Recent Developments in Structural Equation Modeling, in: Journal of Marketing Research, 19, 4, S. 404-416. Jost, A. (2002): Erweiterte Vertriebssteuerung im Rahmen moderner CRM-Systeme, in: Albers, S. H. (Hrsg.): Verkaufsaußendienst: Organisation - Planung - Kontrolle, Düsseldorf, S. 87-110. Jüttner, U., Wehrli, H. P. (1994): Relationship Marketing from a Value System Perspective, in: International Journal of Service Industry Management, 5, 5, S. 54-73. Kaiser, H. F., Rice, J. (1974): Little Jiffy, Mark IV, in: Educational and Psychological Measurement, 34, 1, S. 111-117. Kale, S. H. (2004): CRM Failure and the Seven Deadly Sins, in: Marketing Management, 13, 5, S. 42-46. Kamakura, W. A., Mittal, V., de Rosa, F., Mazzon, J. A. (2002): Assessing the Service-Proft Chain, in: Marketing Science, 21, 3, S. 294-317. Kamakura, W. A., Ramaswami, S. N., Srinivasan, R. K. (1991): Applying Latent Trait Analysis in the Evaluation of Prospects from Cross-Selling in Financial Services, in: International Journal of Research in Marketing, 8, 4, S. 329-349. Kamakura, W. A., Wedel, M., de Rosa, F., Mazzon, J. A. (2003): Cross-Selling Through Database Marketing: A Mixed Data Factor Analyzer for Data Augmenta-

322

Literaturverzeichnis

tion and Prediction, in: International Journal of Research in Marketing, 20, 1, S. 45-65. Kaplan, R., Norton, D. (1996): The Balanced Scorecard - Translating Strategy into Action, Boston. Kaplan, R., Norton, D. (1996): Linking the Balanced Scorecard to Strategy, in: California Management Review, 39, 1, S. 53-79. Kennedy, K. N., Goolsby, J. R., Arnould, E. J. (2003): Implementing a Customer Orientation: Extension of Theory and Application, in: Journal of Marketing, 67, 4, S. 67-81. Kennedy, P. (1998): A Guide to Econometrics, 4. Aufl., Cambridge et al. Kiedaisch, I. (1887): Internationale Kunden-Lieferanten-Beziehungen: Determinanten - Steuerungsmechanismen - Beziehungsqualität, Wiesbaden. Kieser, A. (2005): Haltet die beiden Diebe, meine Messer stecken in ihren Rücken!, URL: , Abfragedatum: 15.04.2005. Kieser, A., Kubicek, H. (1978): Organisationstheorien. Kritische Analysen neuer sozial wissenschaftlicher Ansätze, Band 1, Stuttgart. Kim, J., Suh, E., Hwang, H. (2003): A Model for Evaluating the Effectiveness of CRM Using the Balanced Scorecard, in: Journal of Interactive Marketing, 17, 2, S. 5-19. Kohli, A. K., Jaworski, B. J. (1990): Market Orientation: The Construct, Research Propositions, and Managerial Implications, in: Journal of Marketing, 54, 2, S. 1-18. Kollmann, T. (1998): Akzeptanz innovativer Nutzungsgüter- und Systeme, Wiesbaden. Kotler, P. (1972): A Generic Concept of Marketing, in: Journal of Marketing, 36, 2, S. 46-54. Kotler, P., Levy, S. J. (1971): Demarketing, Yes, Demarketing, in: Harvard Business Review, 49, 6, S. 74-80. Krafft, M. (1999): Der Kunde im Fokus: Kundennähe, Kundenzufriedenheit, Kundenbinung - und Kundenwert?, in: Die Betriebswirtschaft, 59, 4, S. 511-530. Krafft, M. (2002): Kundenbindung und Kundenwert, Heidelberg. Krafft, M. (2002): Operatives Kundenmanagement: Systeme, Methoden und Technologien, in: Gieske, R., Krafft, M., Martin, W., Schwetz, W., Winkelmann, P. (Hrsg.): Jahrsgutachten 2003 des CRM-Expertenrats, Würzburg, S. 64-69.

Literaturverzeichnis

323

Krafft, M., Albers, S. (2000): Ansätze zur Segmentierung von Kunden - Wie geeignet sind herkömmliche Konzepte?, in: Zeitschrift für betriebswirtschaftliche Forschung, 52, 4, S. 515-536. Krafft, M., Götz, O., Liehr-Gobbers, K. (2005): Die Validierung von Strukturgleichungsmodellen mit Hilfe des Partial-Least-Squares (PLS)-Ansatzes, in: Bliemel, F., Eggert, A., Fassott, G., Henseler, J. (Hrsg.): Handbuch PLS-Pfadmodellierung. Methode, Anwendung, Praxisbeispiele, Stuttgart, S. 71-86. Krafft, M., Hoyer, W., Reinartz, W., Müller, H. (2002): Einsatz von Customer Relationship Management (CRM)-Systemen. Eine internationale Studie, Zentrum für Marktorientierte Unternehmensführung (ZMU), Wissenschaftliche Hochschule für Unternehmensführung (WHU), Vallendar. Krieger, K. (2005): Customer Relationship Management und Innovationserfolg. Eine theoretisch-konzeptionelle Fundierung und empirische Analyse, Wiesbaden. Kube, C. (1991): Erfolgsfaktoren in Filialsystemen: Diagnose und Umsetzung im strategischen Controlling, Wiesbaden. Kudbya, S., Diwan, R. (2002): Research Report: Increasing Resturns to Information Technology, in: Information Systems Research, 13, 1, S. 104-111. Kühn, R. (1991): Methodische Überlegungen zum Umgang mit der Kundenorientierung im Marketing-Management, in: Marketing - Zeitschrift für Forschung und Praxis, 12, 2, S. 97-108. Kumar, N., Scheer, L. K., Steenkamp, J.-B. E. M. (1993): Powerful Suppliers, Vulnerable Resellers, and the Effects of Supplier Fairness: A Cross-National Study, Arbeitspapier, Insitute for the Study of Business Markets, Pennsylvania State University. Kumar, N., Stern, L. W., Anderson, E. W. (1993): Conducting Interorganizational Research Using Key Informants, in: Academy of Management Journal, 36, 6, S. 1633-1651. Lado, A. A., Boyd, N. G., Wright, P. (1992): A Competency-Based Model of Sustainable Competitive Advantage: Toward a Conceptual Integration, in: Journal of Management, 18, 1, S. 77-91. Lambkin, M., Day, G. S. (1989): Evolutionary Processes in Competitive Markets: Beyond the Product Life Cycle, in: Journal of Marketing, 53, 3, S. 4-20. Lawson, R., Wooliscroft, B. (2004): Human Nature And The Marketing Concept, in: Marketing Theory, 4, 4, S. 311-326. Leidecker, J. K., Bruno, A. V. (1984): Identifying and Using Critical Success Factors, in: Long Range Planning, 17, 1, S. 23-32.

324

Literaturverzeichnis

Lemieux, J., McAlister, L. (2005): Handling Missing Values in Marketing Data: A Comparison of Techniques, Cambridge. Lenz, R. T. (1981): 'Determinants' of Organizational Performance: an Interdisciplinary Review, in: Strategic Management Journal, 2, 2, S. 131-154. Levitt, T. (1960): Marketing Myopia, in: Harvard Business Review, 38, 4, S. 45-60. Levitt, T. (1983): After the Sale is Over, in: Harvard Business Review, 61, 5, S. 8793. Ling, R., Yen, D. C. (2001): Customer Relationship Management: An Analysis Framework and Implementation Strategies, in: Journal of Computer Information Systems, 41, 3, S. 82-98. Lippman, S. A., Rumelt, R. P. (1982): Uncertain Imitability: An Analysis of Interfirm Differences in Efficiency Under Competition, in: Bell Journal of Economics, 13, 2, S. 418-438. Little, R. J. A., Rubin, D. B. (1987): Statistical Analysis with Missing Data, New York et al. Loch, C. H., Huberman, B. A. (1999): A Punctuated-Equilibrium Model of Technology Diffusion, in: Management Science, 45, 2, S. 160-177. Lohmöller, J.-B. (1989): Latent Variable Path Modeling with Partial Least Squares, New York. Mahoney, J. T., Pandian, J. R. (1992): The Resource-Based View within the Conversation of Strategic Management, in: Strategic Management Journal, 13, 5, S. 363-380. Malhotra, N. K. (1987): Analyzing Marketing Research Data with Incomplete Information on the Dependent Variable, in: Journal of Marketing Research, 24, 1, S. 7484. Maltz, E., Kohli, A. K. (1996): Market Intelligence Dissemination Across Functional Boundaries, in: Journal of Marketing Research, 33, 1, S. 47-61. March, J. G., Sutton, R. I. (1997): Organizational Performance as a Dependent Variable, in: Organization Science, 8, 6, S. 698-706. Marketing Science Institute (2004): Research Priorities. A Guide to MSI Research Programs and Procedures, Cambridge. Martensen, A., Grönholdt, L. (2003): Improving Library Users' Perceived Quality, Satisfaction and Loyalty: An Integrated Measurement and Management System, in: The Journal of Academic Librarianship, 29, 3, S. 140-147.

Literaturverzeichnis

325

Martin, W. (2002): eInterview mit Dr. Wolfgang Martin, in: Wilde, K. D., Hippner, H. (Hrsg.): CRM 2002. So binden Sie Ihre Kunden, Düsseldorf, S. 51-53. Mason, E. S. (1939): Price and Production Policies of Large-Scale Enterprises, in: American Economic Review, 29, 1, S. 61-74. Massey, A. P., Montoya-Weiss, M. M., Holcom, K. (2001): Re-Engineering the Customer Relationship: Leveraging Customer Knowledge Assets at IBM, in: Decision Support Systems, 32, 2, S. 155-170. Mata, F., J., Fuerst, W. L., Barney, J. B. (1995): Information Technology and Sustained Competitive Advantage: A Resource-Based Analysis, in: MIS Quarterly, 19, 4, S. 487-505. Matzler, K., Stahl, H. K. (2000): Kundenzufriedenheit und Unternehmenswertsteigerung, in: Die Betriebswirtschaft, 60, 5, S. 626-641. Maxham, J. (2001): Service Recovery's Influence on Customer Satisfaction, Positive Word-of-Mouth, and Purchase Intentions, in: Journal of Business Research, 54, 1, S. 11-24. Maxham, J., Netemeyer, R. (2003): Firms Reap What They Sow: The Effects of Shared Values and Perceived Organizational Justice on Customers' Evaluations of Complaint Handling, in: Journal of Marketing, 67, 1, S. 46-62. Menon, A., Bharadwaj, S. G., Adidam, P. T., Edison, S. W. (1999): Antecedents and Consequences of Marketing Strategy Making: A Model and a Test, in: Journal of Marketing, 63, 2, S. 18-40. Menon, A., Bharadwaj, S. G., Howell, R. D. (1996): The Quality and Effectiveness of Marketing Strategy: Effect of Functional and Dysfunctional Conflict in Intraorganizational Relationships, in: Journal of the Academy of Marketing Science, 24, 4, S. 299-313. Menon, A., Varadarajan, P. R. (1992): A Model of Marketing Knowledge Use Within Firms, in: Journal of Marketing, 56, 4, S. 53-71. Metcalf, L. E., Frear, C. R., Krishnan, R. (1990): Buyer-Seller Relationships: An Application of the IMP Interaction Model, in: European Journal of Marketing, 26, 2, S. 27-46. Michalski, S. (2004): Types of Customer Relationship Ending Processes, in: Journal of Marketing Management, 20, 9/10, S. 977-999. Mithas, S., Krishnan, M. S., Fornell, C. (2002): Effect of IT Investments on Customer Satisfaction: An Empirical Analsis, Michigan Business School, University of Michigan, Ann Arbor.

326

Literaturverzeichnis

Mohr, J., Nevin, J. R. (1990): Communication Strategies in Marketing Channels: A Theoretical Perspective, in: Journal of Marketing, 54, 4, S. 36-51. Mohr-Jackson (1991): Broadening the Market Orientation: An Added Focus on Internal Customers, in: Human Resource Management, 30, 4, S. 455-467. Moorman, C. (1995): Organizational Market Information Processes: Cultural Antecedents and New Product Outcomes, in: Journal of Marketing Research, 32, 3, S. 318-335. Moorman, C., Rust, R. T. (1999): The Role of Marketing, in: Journal of Marketing, 63, Special Issue, S. 180-197. Morgan, N. A., Anderson, E. W., Mittal, V. (2005): Understanding Firms' Customer Satisfaction Information Usage, in: Journal of Marketing, 69, 3, S. 131-151. Morgan, R. M., Hunt, S. D. (1994): The Commitment-Trust Theory of Relationship Marketing, in: Journal of Marketing, 58, 3, S. 20-38. Morrow-Howell, N. (1994): The M Word: Multicollinearity in Multiple Regression, in: Social Work Research, 18, 4, S. 247-251. Mukhopadhyay, T., Rajiv, S., Srinivasan, K. (1997): Information Technology Impact on Process Output and Quality, in: Management Science, 43, 12, S. 16451659. Mulhern, F. J. (1999): Customer Profitability Analysis: Measurement, Concentration, and Research Directions, in: Journal of Interactive Marketing, 13, 1, S. 25-40. Müller, H. D. (2004): Einsatz von Customer Relationship Management-Systemen: Bestimmungsgrößen, Ausprägungen und Erfolgsfaktoren, Wiesbaden. Narayanan, V. G., Brem, L. (2002): Customer Profitability and Customer Relationship Management at RBC Financial Group, in: Journal of Interactive Marketing, 16, 3, S. 76-98. Narver, J. C., Slater, S. F. (1990): The Effect of a Market Orientation on Business Profitability, in: Journal of Marketing, 54, 4, S. 20-35. Nelson, R. R. (1991): Why Do Firms Differ, and How Does It Matter?, in: Strategic Management Journal, 12, 8 (Winter Special Issue), S. 61-74. Nevin, J. R. (1995): Relationship Marketing and Distribution Channels: Exploring Fundamental Issues, in: Journal of the Academy of Marketing Science, 23, 4, S. 327-334. Nicolai, A., Kieser, A. (2002): Trotz eklatanter Erfolglosigkeit: Die Erfolgsfaktorenforschung weiter auf Erfolgskurs, in: Die Betriebswirtschaft, 62, 6, S. 579-596.

Literaturverzeichnis

327

Nicolai, A., Kieser, A. (2004): Von Konsensgenerierungsmaschinen, Nebelkerzen und "the Operation called "Verstehen"", in: Die Betriebswirtschaft, 64, 5, S. 631-635. Niraj, R., Gupta, M., Narasimhan, C. (2001): Customer Profitability in a Supply Chain, in: Journal of Marketing, 65, 3, S. 1-16. Nunnally, J. (1978): Psychometric Theory, 2. Aufl., New York et al. o.V. (2001): CRM's Realities Don't Match Hype, URL: , Abfragedatum: 01.08.2002. o.V. (2001): How to Turnaround your Stalled CRM Implementation, URL: , Abfragedatum: 03.06.2003. o.V. (2002): CRM Fallstudie. Bares Geld wert, in: Wirtschaftswoche, Nr. 40, S. 128129. o.V. (2005): Siebel und Salesforce.com erweitern Hosting-Angebote, URL: , Abfragedatum: 07.08.2005. O'Brien, L., Jones, C. (1995): Do Rewards Really Create Loyalty?, in: Harvard Business Review, 73, 3, S. 75-82. Ocker, R. J., Mudambi, S. (2003): Assessing the Readiness of Firms for CRM: A Literature Review and Research Model, Proceeding of the 36th Hawaii International Conference on System Sciences, Hawaii. Oesterle, M.-J. (1995): Probleme und Methoden der Joint Venture-Erfolgsbewertung, in: Zeitschrift für Betriebswirtschaft, 65, 9, S. 987-1004. Olderog, T. (2003): Faktoren des Markterfolges im Online-Handel, Wiesbaden. Palmatier, R. W., Gopalakrishna, S. (2005): Determining the Payoff from Relationship Marketing Programs, Cambridge. Parvatiyar, A., Sheth, J. N. (2000): The Domain and Conceptual Foundations of Relationship Marketing, in: Sheth, J. N., Parvatiyar, A. (Hrsg.): Handbook of Relationship Marketing, Thousand Oaks et al., S. 3-38. Patt, P.-J. (1988): Strategische Erfolgsfaktoren im Einzelhandel: Eine empirische Analyse am Beispiel des Bekleidungseinzelhandels, Frankfurt am Main et al. Patton, A. (1959): Stretch Your Product's Earning Years, Top Management's Stake in the Product Life Cycle, in: Management Review, 49, 6, S. 9-14; 67-79. Payne, A., Frow, P. (2004): The Role of Multichannel Integration in Customer Relationship Management, in: Industrial Marketing Management, 33, 6, S. 527-538.

328

Literaturverzeichnis

Payne, A., Frow, P. (2005): A Strategic Framework for Customer Relationship Management, in: Journal of Marketing, 69, 4, S. 167-176. Payne, A., Rapp, R. (1999): Relationship Marketing: Ein ganzheitliches Verständnis von Marketing, in: Payne, A., Rapp, R. (Hrsg.): Handbuch Relationship Marketing: Konzeption und erfolgreiche Umsetzung, München, S. 3-16. Pebels, W. (2002): Darstellung und Bedeutung des Kundenlebenszeitwerts im Business-to-Business-Marketing, in: Helmke, S., Uebel, M., Dangelmaier, W. (Hrsg.): Effektives Customer Relationship Management: Instrumente - Einführungskonzepte - Organisation, 2. Aufl., Wiesbaden, S. 257-292. Penrose, E. T. (1959): The Theory of the Growth of the Firm, New York. Peppers, D., Rogers, M. (1993): The One-to-One-Future. Building Business Relationships One Customer at a Time, London. Peppers, D., Rogers, M., Dorf, B. (1999): Is Your Company Ready For One-to-One Marketing?, in: Harvard Business Review, 77, 1, S. 151-160. Perrien, J., Filiatrault, P., Ricard, L. (1993): The Implementation of Relationship Marketing in Commercial Banking, in: Industrial Marketing Management, 22, 2, S. 141-148. Peter, J. P. (1979): Reliability: A Review of Psychometric Basics and Recent Marketing Practices, in: Journal of Marketing Research, 16, 1, S. 6-17. Peter, J. P. (1981): Construct Validity: A Review of Basic Issues and Marketing Practices, in: Journal of Marketing Research, 18, 2, S. 133-145. Peter, J. P., Churchill, G. A. (1986): Relationship Among Research Design Choices and Psychometric Properties of Rating Scales: A Meta-Analysis, in: Journal of Marketing Research, 23, 1, S. 1-10. Peter, S. I. (1997): Kundenbindung als Marketingziel: Identifikation und Analyse zentraler Determinanten, Wiesbaden. Peteraf, M. A. (1993): The Cornerstones of Competitve Advantage: A ResourceBased View, in: Strategic Management Journal, 14, 3, S. 179-191. Peters, T. J., Waterman, R. H. (1982): In Search of Excellence: Lessons from America's Best-Run Companies, New York. Peterson, R. A. (1994): A Meta-Analysis of Cronbach's Coefficient Alpha, in: Journal of Consumer Research, 21, 2, S. 381-391. Peterson, R. A. (1995): Relationship Marketing and the Consumer, in: Journal of the Academy of Marketing Science, 23, 4, S. 278-281.

Literaturverzeichnis

329

Pfeifer, P. E. (2005): The Optimal Ratio of Acquisition and Retention Costs, in: Journal of Targeting, Measurement and Analysis for Marketing, 13, 2, S. 179-188. Phillips, L. W. (1981): Assessing Measurement Error in Key Informant Reports: A Methodological Note on Organizational Analysis in Marketing, in: Journal of Marketing Research, 18, 4, S. 395-415. Plinke, W., Söllner, A. (2005): Kundenbindung und Abhängigkeitsbeziehungen, in: Bruhn, M., Homburg, C. (Hrsg.): Handbuch Kundenbindungsmanagement. Strategien und Instrumente für ein erfolgreiches CRM, 5. Aufl., Wiesbaden, S. 67-91. Podsakoff, N. P., Organ, D. W. (1986): Self-Reports in Organizational Research: Problems and Prospects, in: Journal of Management, 12, 5, S. 531-544. Podsakoff, P. M., MacKenzie, S. B., Lee, J.-Y., Podsakoff, N. P. (2003): Common Method Biases in Behavioural Research: A Critical Review of the Literature and Recommended Remedies, in: Journal of Applied Psychology, 88, 5, S. 879-903. Popper, K. R. (1973): Objektive Erkenntnis: Ein evolutionärer Entwurf, Hamburg. Popper, K. R. (1979): Ausgangspunkte. Meine intellektuelle Entwicklung, 2. Aufl., Hamburg. Popper, K. R. (1989): Logik der Forschung, 9. Aufl., Tübingen. Popper, K. R., Eccles, J. C. (1982): Das Ich und sein Gehirn, München. Powell, T. C., Dent-Micallef, A. (1997): Information Technology as Competitive Advantage: The Role of Human, Business, And Information Technology, in: Strategic Management Journal, 18, 5, S. 375-405. Prahalad, C. K., Hamel, G. (1990): The Core Competence of the Corporation, in: Harvard Business Review, 68, 3, S. 79-91. Quan, J. J., Hu, Q., Hart, P. J. (2003): Information Technology Investments and Firms' Performance - A Duopoly Perspective, in: Journal of Management Information Systems, 20, 3, S. 121-158. Rai, A., Bajwa, D. S. (1997): An Empirical Investigation into Factors Relating to the Adoption of Executive Information Systems: An Analysis of EIS for Collaboration and Decision Support, in: Decision Sciences, 28, 4, S. 939-974. Ramaswami, S. N., Bhargava, M., Srivasta, R. (2004): Market-Based Assets and Capabilities, Business Processes, and Financial Performance, Cambridge. Rasche, C., Wolfrum, B. (1994): Ressourcenorientierte Unternehmensführung, in: Die Betriebswirtschaft, 54, 4, S. 501-517. Rasmussen, E. (1999): Wanted: Profitable Customers, in: Sales & Marketing Management, 151, 5, S. 28-34.

330

Literaturverzeichnis

Rawolle, J. (2003): ZP-Stichwort: Customer Relationship Management, in: Zeitschrift für Planung, 14, 1, S. 119-125. Reed, R., DeFillippi, R. J. (1990): Causal Ambiguity, Barriers to Imitation, and Sustainable Competitive Advantage, in: Academy of Management Review, 15, 1, S. 88-102. Reichheld, F. F. (1993): Loyalty-Based Management, in: Harvard Business Review, 71, 2, S. 64-73. Reichheld, F. F. (2003): The One Number You Need to Grow, in: Harvard Business Manager, 81, 12, S. 46-54. Reichheld, F. F., Sasser, E. W. J. (1990): Zero Defections: Quality Comes to Services, in: Harvard Business Review, 68, 5, S. 105-111. Reichheld, F. F., Teal, T. (1996): The Loyality Effect, Boston. Reinartz, W., Krafft, M., Hoyer, W. (2004): The Customer Relationship Management Process: Its Measurement and Impact on Performance, in: Journal of Marketing Research, 41, 3, S. 293-305. Reinartz, W., Thomas, J. S., Kumar, V. (2005): Balancing Acquisition and Retention Resources to Maximize Customer Profitability, in: Journal of Marketing, 69, 1, S. 63-79. Reinartz, W. J., Chugh, P. (2002): Learning from Experience: Making CRM a Success at Last, in: International Journal of Call Centre Management, 4, 3, S. 207-219. Reinartz, W. J., Kumar, V. (2000): On the Profitability of Long-Life Customers in a Noncontractual Setting: An Empirical Investigation and Implications for Marketing, in: Journal of Marketing, 64, 4, S. 17-35. Reinecke, S., Sausen, K. (2002): CRM als Chance für das Marketing, in: Thexis, 19, 1, S. 2-5. Rigby, D. K., Reichheld, F. F., Schefter, P. (2002): Avoid the four Perils of CRM, in: Harvard Business Review, 80, 2, S. 101-109. Ringle, C. M. (2004): Gütemaße des Partial Least Square-Ansatzes zur Bestimmung von Kausalmodellen, Arbeitspapier Nr. 16, Institut für Industriebetriebslehre und Organisation, Universität Hamburg, Hamburg. Ringle, C. M. (2004): Messung von Kausalmodellen. Ein Methodenvergleich, Arbeitspapier Nr. 14, Institut für Industriebetriebslehre und Organisation, Universität Hamburg, Hamburg. Roberts, M. L., Liu, R. R., Hazard, K. (2005): Strategy, Technology and Organizational Alignment: Key Components of CRM Success, in: Journal of Database Marketing & Customer Strategy Management, 12, 4, S. 315-326.

Literaturverzeichnis

331

Rockart, J. F. (1979): Chief Executives Define Their Own Data Needs, in: Harvard Business Review, 57, 2, S. 81-93. Rogers, M. (2005): Customer Strategy: Observations from the Trenches, in: Journal of Marketing, 69, 4, S. 262-263. Rossiter, J. R. (2002): The C-OAR-SE Procedure for Scale Development in Marketing, in: International Journal of Research in Marketing, 19, 3, S. 305-335. Rossiter, J. R. (2005): Reminder: A Horse is a Horse, in: International Journal of Research in Marketing, 22, 1, S. 23-25. Rudolf-Sipötz, E. (2001): Kundenwert: Konzeption - Determinanten - Management, St. Gallen. Ruekert, R. W. (1992): Developing a Market Orientation: An Organizational Strategy Perspective, in: International Journal of Research in Marketing, 9, 3, S. 225-245. Ruekert, R. W., Churchill, G. A. (1984): Reliability and Validity of Alternative Measures of Channel Member Satisfaction, in: Journal of Marketing Research, 21, 2, S. 226-233. Rumelt, R. P. (1991): How Much Does Industry Matter?, in: Strategic Management Journal, 12, 3, S. 167-185. Rust, R. T., Ambler, T., Carpenter, G. S., Kumar, V., Srivasta, R. K. (2004): Measuring Marketing Productivity: Current Knowledge and Future Directions, in: Journal of Marketing, 68, 4, S. 76-89. Rust, R. T., Lemon, K. N., Hogan, J. E. (2002): Customer Equity Management: Charting New Directions for the Future of Marketing, in: Journal of Service Research, 5, 1, S. 4-12. Rust, R. T., Lemon, K. N., Zeithaml, V. A. (2001): The Customer Pyramid: Creating and Serving Profitable Customers, in: California Management Review, 43, 4, S. 118-142. Rust, R. T., Zahorik, A. J. (1993): Customer Satisfaction, Customer Retention, and Market Share, in: Journal of Retailing, 69, 2, S. 193-215. Ryals, L., Payne, A. (2001): Customer Relationship Management in Financial Services: Towards Information-Enabled Relationship Marketing, in: Journal of Strategic Marketing, 9, 1, S. 3-27. SAP (2005): RWE Solutions AG: Harmonisierung von Vertrieb und Marketing mit mySAPCRM, URL: , Abfragedatum: 08.08.2005. Sauerbrey, C. (2000): Studie zum Customer Recovery Management von Dienstleistern, Arbeitspapier 45/00 des FB Wirtschaft, Fachhochschule Hannover, Hannover.

332

Literaturverzeichnis

Sauerbrey, C., Henning, R. (2000): Kunden-Rückgewinnung. Erfolgreiches Management für Dienstleister, München. Schäfer, H. (2002): Die Erschließung von Kundenpotentialen durch Cross-Selling: Erfolgsfaktoren für ein produktübergreifendes Beziehungsmanagement, Wiesbaden. Schnell, R. (1986): Missing-Data-Probleme in der empirischen Sozialforschung, Bochum. Schoder, D., Madeja, N. (2004): Is Customer Relationship Management A Success Factor In Electromic Commerce?, in: Journal of Electronic Commerce Research, 5, 1, S. 38-53. Scholderer, J., Balderjahn, I. (2005): PLS versus LISREL: Ein Methodenvergleich, in: Bliemel, F., Eggert, A., Fassott, G., Henseler, J. (Hrsg.): Handbuch PLSPfadmodellierung. Methode, Anwendung, Praxisbeispiele, Stuttgart, S. 87-98. Schöler, A. (2004): Rückgewinnungsmanagement, in: Hippner, H., Wilde, K. D. (Hrsg.): Grundlagen des CRM: Konzepte und Gestaltung, Wiesbaden, S. 517-543. Schröder, H. (1994): Erfolgsfaktorenforschung im Handel: Stand der Forschung und kritische Würdigung der Ergebnisse, in: Marketing - Zeitschrift für Forschung und Praxis, 16, 2, S. 89-105. Schulze, T. (2002): Erfolgsorientiertes Customer Relationship Management (CRM) auf der Basis von Business Intelligence (BI)-Lösungen, in: Helmke, S., Uebel, M., Dangelmaier, W. (Hrsg.): Effektives Customer Relationship Management: Instrumente, Einführungskonzepte, Organisation, 2. Aufl., Wiesbaden, S. 233-255. Schulz-Klingauf, C. (2000): Rückgewinnung und Reaktivierung von Bausparkassenkunden, in: Sauerbrey, C., Henning, R. (Hrsg.): Kundenrückgewinnung: Erfolgreiches Management für Dienstleister, München, S. 105-110. Schumacher, J., Meyer, M. (2003): Customer Relationship Management strukturiert dargestellt: Prozesse, Systeme, Technologien, Berlin et al. Schütze, R. (1992): Kundenzufriedenheit: After-Sales-Marketing auf industriellen Märkten, Wiesbaden. Schwab, G. (1991): Fehlende Werte in der angewandten Statistik, Wiesbaden. Schwemmer, O. (1976): Theorie der rationalen Erklärung. Zu den methodologischen Grundlagen der Kulturwissenschaften, München. Sellin, N. (1995): Partial Least Squares Modeling in Research on Educational Achievement, in: Bos, W., Lehmann, R. H. (Hrsg.): Reflections on Educational Achievement. Papers in Honour of T. Neville Postlethwaite, Hamburg, S. 256-267.

Literaturverzeichnis

333

Seltin, N., Keeves, J. P. (1994): Path Analysis with Latent Variables, in: Husen, T. (Hrsg.): The International Encyclopedia of Education, Oxford, S. 4352-4359. Senge, P. M. (1990): The Leader's New Work: Building Learning Organizations, in: Sloan Management Review, 32, 1, S. 7-23. Sexauer, H. J. (2002): Entwicklungslinien des Customer Relationship Management (CRM), in: WiSt, 31, 4, S. 218-222. Sexauer, H. J., Wellner, M. (2004): Kundenbeziehungs-Management mit DatabaseMarketing-Systemen, in: Hippner, H., Wilde, K. D. (Hrsg.): IT-Systeme im CRM: Aufbau und Potenziale, Wiesbaden, S. 473-489. Shani, D., Chalasani, S. (1992): Exploiting Niches Using Relationship Marketing, in: Journal of Consumer Marketing, 9, 3, S. 33-42. Shao, J. (1996): Bootstrap Model Selection, in: Journal of the American Statistical Association, 91, 434, S. 655-665. Shapiro, B. P. (1988): What the Hell is 'Market-Oriented'?, in: Harvard Business Review, 66, 6, S. 119-125. Sharma, A. (1997): Customer Satisfaction-Based Incentive Systems: Some Managerial and Salesperson Considerations, in: Journal of Personal Selling & Sales Management, 17, 2, S. 61-70. Sharma, A., Sarel, D. (1995): The Impact of Customer Satisfaction Based Incentive Systems on Salespeople's Customer Service Responses: An Empirical Study, in: Journal of Personal Selling & Sales Management, 15, 3, S. 17-29. Sharp, B., Sharp, A. (1997): Loyalty Programs and Their Impact on Repeat-Purchase Loyalty Patterns, in: International Journal of Research in Marketing, 14, 5, S. 473486. Shaw, E. H., Jones, D. G. B. (2005): A History of Schools of Marketing Thought, in: Marketing Theory, 5, 3, S. 239-281. Sheth, J. N., Parvatiyar, A. (1995): Relationship Marketing in Consumer Markets: Antecedents and Consequences, in: Journal of the Academy of Marketing Science, 23, 4, S. 255-271. Sinkula, J. M. (1994): Marketing Information Processing and Organizational Learning, in: Journal of Marketing, 58, 1, S. 35-45. Sircar, S., Turnbow, J. L., Borodloi, B. (2000): A Framework for Assessing the Relationship Between Information Technology Investments and Firm Performance, in: Journal of Management Information Systems, 16, 4, S. 69-97.

334

Literaturverzeichnis

Sisodia, R. S., Wolfe, D. B. (2000): Information Technology: Its Role in Building, Maintaining, and Enhancing Relationships, in: Sheth, J. N., Parvatiyar, A. (Hrsg.): Handbook of Relationship Marketing, Thousand Oaks et al., S. 525-563. Slater, S. F., Narver, J. C. (1994): Market Orientation, Customer Value, and Superior Performance, in: Business Horizons, 37, 2, S. 22-29. Slater, S. F., Narver, J. C. (1995): Market Orientation and the Learning Organization, in: Journal of Marketing, 59, 3, S. 63-74. Snow, C. C., Thomas, J. B. (1994): Field Research Methods in Strategic Management: Contributions to Theory Building and Testing, in: Journal of Management Studies, 31, 4, S. 457-480. Spanos, Y. E., Lioukas, S. (2001): An Examination Into Causal Logic of Rent Generation: Contrasting Porter's Competitive Strategy Framework and The ResourceBased Perspective, in: Strategic Management Journal, 22, 10, S. 907-934. Srinivasan, R., Lilien, G. (1999): Leveraging Customer Information for Competitive Advantage, ISBM Report 17-1999, Smeal College of Business, Pennsylvania State University, University Park. Srivastava, R. K., Fahey, L., Christensen, H. K. (2001): The Resource-Based View and Marketing: The Role of Market-Based Assets in Gaining Competitive Advantage, in: Journal of Management, 27, 6, S. 777-802. Srivastava, R. K., Shervani, T. A., Fahey, L. (1999): Marketing, Business Processes, and Shareholder Value: An Organizational Embedded View of Marketing Activities and the Discipline of Marketing, in: Journal of Marketing, 63, Special Issue 4, S. 168-179. Stauss, B. (2000): Perspektivenwandel. Vom Produkt-Lebenszyklus zum Kundenbeziehungs-Lebenszyklus, in: Thexis, 17, 2, S. 15-18. Stauss, B. (2000): Rückgewinnungsmanagement (Regain Management), in: Das Wirtschaftsstudium, 29, 10, S. 579-582. Stauss, B. (2004): Grundlagen und Phasen der Kundenbeziehung: Der Kundenbeziehungs-Lebenszyklus, in: Hippner, H., Wilde, K. D. (Hrsg.): Grundlagen des CRM. Konzepte und Gestaltung, Wiesbaden, S. 339-360. Stauss, B., Friege, C. (1999): Regaining Service Customers, in: Journal of Service Research, 1, 4, S. 347-361. Steckel, J. H., VanHonacker, W. R. (1993): Cross-Validating Regression Models in Marketing Research, in: Marketing Science, 12, 4, S. 415-427.

Literaturverzeichnis

335

Steenkamp, J.-B. E. M., Baumgartner, H. (2000): On The Use of Structural Equation Models for Marketing Modeling, in: International Journal of Research in Marketing, 17, 2-3, S. 195-202. Stefanou, C. J., Sarmaniotis, C. (2003): CRM and Customer-Centric Knowledge Management: An Empirical Research, in: Business Process Management, 9, 5, S. 617-634. Stegmüller, W. (1969): Probleme und Resultate der Wissenschaftstheorie und analytischen Philosophie. Band. 1: Wissenschaftliche Erklärung und Begründung, Berlin et al. Steinle, C., Kirschbaum, J., Kirschbaum, V. (1996): Erfolgreich überlegen: Erfolgsfaktoren und ihre Gestaltung in der Praxis, Frankfurt am Main. Stewart, K. (1998): The Customer Exit Process - A Review And Research Agenda, in: Journal of Marketing Management, 14, 3-4, S. 235-250. Stone, M., Woodcock, N., Wilson, M. (1996): Managing the Chance from Marketing Planning to Customer Relationship Management, in: Long Range Planning, 29, 5, S. 675-683. Storbacka, K. (1994): The Nature of Customer Relationship Profitability: Analysis of Relationships and Customer Bases in Retail Banking, Helsinki. Tan, X., Yen, D. C., Fang, X. (2002): Internet Integrated Customer Relationship Management: A Key Success Factor for Companies in the E-Commerce Era, in: Journal of Computer Information Systems, 42, 3, S. 77-86. Tellis, G. J., Crawford, M. (1981): An Evolutionary Approach to Product Growth Theory, in: Journal of Marketing, 45, 4, S. 125-132. Tewes, M. (2003): Der Kundenwert im Marketing. Theoretische Hintergründe und Umsetzungsmöglichkeiten einer wert- und marktorientierten Unternehmensführung, Wiesbaden. Thatcher, M. E., Oliver, J. R. (2001): The Impact of Technology Investments on a Firm's Production Efficiency, Product Quality, and Productivity, in: Journal of Management Information Systems, 18, 2, S. 17-45. Thibaut, J. W., Kelley, H. H. (1959): The Social Psychology of Groups, New York et al. Thies, S. (2005): Content-Interaktionsbeziehungen im Internet. Ausgestaltung und Erfolg, Wiesbaden. Thomas, J. S., Blattberg, R. C., Fox, E. J. (2004): Recapturing Lost Customers, in: Journal of Marketing Research, 41, 1, S. 31-45.

336

Literaturverzeichnis

Tippins, M. J., Sohi, R. S. (2003): IT Competency and Firm Performacne: Is Organizational Learning a Missing Link?, in: Strategic Management Journal, 24, 8, S. 745-761. Trommsdorff, V. (1993): Erfolgsfaktorenforschung über Produktinnovationen, in: Meyer-Krahmer, F. (Hrsg.): Innovationsökonomie und Technologiepolitik: Forschungsansätze und politische Konsequenzen, Heidelberg, S. 135-149. Tsui, A. S., Pearce, J. L., Porter, L. W., Tripoli, A. M. (1997): Alternative Approaches To The Employee-Organization Relationship: Does Investment in Employees Pay Off?, in: Academy of Management Journal, 40, 5, S. 1089-1121. van Bruggen, G. H., Wierenga, B. (2005): When are CRM Systems Successful? The Perspective of the User and of the Organization, Rotterdam. Venkatesh, V., Morris, M. G., Davis, G. B., Davis, F. D. (2003): User Acceptance of Information Technology: Toward a Unified View, in: MIS Quarterly, 27, 3, S. 425-478. Venkatraman, N., Ramajuman, V. (1986): Measurement of Business Performance in Strategy Research, in: Academy of Management Review, 11, 4, S. 801-814. Verhoef, P. C. (2003): Understanding the Effect of Customer Relationship Management Efforts on Customer Retention and Customer Share Development, in: Journal of Marketing, 67, 4, S. 30-45. von Hippel, E. (1986): Lead Users: A Source of Novel Product Concepts, in: Management Science, 32, 7, S. 791-805. von Rotz, B. (2002): Kundenzufriedenheit - den Kunden über den effektivsten Kanal ansprechen, in: Schögel, M., Schmidt, I. (Hrsg.): E-CRM - mit Informationstechnologien Kundenpotenziale nutzen, Düsseldorf, S. 477-490. Wackman, D. B., Salmon, C. T., Salmon, C. C. (1986): Developing an Advertising Agency-Client Relationship, in: Journal of Advertising Research, 26, 6, S. 21-28. Walter, A. (1998): Der Beziehungspromotor: Ein personaler Gestaltungsansatz für ein erfolgreiches Relationship Marketing, Wiesbaden. Wang, G. C. S. (1996): How to Handle Multicollinearity in Regression Modeling, in: Journal of Business Forecasting Methods & Systems, 15, 1, S. 23-27. Webster, F. E. J. (1988): The Rediscovery of the Marketing Concept, in: Business Horizons, 31, 3, S. 29-39. Webster, F. E. J. (1992): The Changing Role of Marketing in the Corporation, in: Journal of Marketing, 56, 4, S. 1-17. Webster, F. E. J. (1994): Defining the New Marketing Concept; Forget About Being Market-Driven, in: Marketing Management, 2, 4, S. 22-31.

Literaturverzeichnis

337

Wehrli, H. P. (1994): Beziehungsmarketing - Ein Konzept, in: Der Markt, 33, 4, S. 191-199. Weitz, B., Jap, S. D. (1995): Relationship Marketing and Distribution Channels, in: Journal of the Academy of Marketing Science, 23, 4, S. 305-320. Weitz, B., Jap, S. D. (2000): Relationship Marketing and Distribution Channels, in: Sheth, J. N., Parvatiyar, A. (Hrsg.): Handbook of Relationship Marketing, Thousand Oaks et al., S. 209-244. Wernerfelt, B. (1984): A Resource-based View of the Firm, in: Strategic Management Journal, 5, 2, S. 171-180. Wikström, C.-E. (2004): A Case Study of Emergent and Intentional Organizational Change: Some Implications for Customer Relationship Management Success, Proceedings of the 37th Hawaii International Conference on System Sciences, Hawaii. Williams, L. J., Cote, J. A., Buckley, M. R. (1989): Lack of Method Variance in Self-Reported Affect and Perceptions at Work: Reality or Artifact?, in: Journal of Applied Psychology, 74, 3, S. 462-468. Wilson, H., Daniel, E., McDonald, M. (2002): Factors for Success in Customer Relationship Management (CRM) Systems, in: Journal of Marketing Management, 18, 1/2, S. 193-219. Winer, R. S. (2001): A Framework for Customer Relationship Management, in: California Management Review, 43, 4, S. 89-105. Wold, H. (1966): Nonlinear Estimation by Iterative Least Squares Procedures, in: David, F. N. (Hrsg.): Festschrift for J. Neyman: Research Papers in Statistics, London, S. 411-444. Wold, H. (1980): Model Construction and Evaluation when Theoretical Knowledge is Scare: Theory and Application of Partial Least Squares, in: Kmenta, J., Ramsey, J. B. (Hrsg.): Evaluation of Econometric Models, New York, S. 47-74. Wold, H. (1982): Soft Modeling: The Basic Design and Some Extensions, in: Jöreskog, K. G., Wold, H. (Hrsg.): Systems Under Indirect Observation: Causality, Structure, Prediction, Part II, Amsterdam, S. 1-54. Wold, H. (1982): Systems Under Indirect Observation Using PLS, in: Fornell, C. (Hrsg.): A Second Generation of Multivariate Analysis, New York, S. 325-347. Wold, H. (1985): Partial Least Squares, in: Kotz, S., Johnson, N. L. (Hrsg.): Encyclopedia of Statistical Sciences, New York, S. 581-591. Wolf, E. E. (2002): Konzeption eines CRM-Anreizsystems: Konzeption eines Anreizsystems zur Unterstützung einer erfolgreichen Implementierung von Customer Relationship Management, München.

338

Literaturverzeichnis

Wright, L. T., Stone, M., Abbott, J. (2002): The CRM Imperative - Practice vs. Theory in The Telecommunication Industry, in: Journal of Database Marketing, 9, 4, S. 334-349. Wyner, G. A., O'Neill, H. W. (1996): Customer Valuation: Linking Behaviour and Economics, in: Marketing Research, 8, 3, S. 44-46. Zahay, D., Griffin, A. (2002): Are Customer Information Systems Worth it? Results from B2B Services, Cambridge. Zahay, D., Griffin, A. (2004): Customer Learning Processes, Strategy Selection, and Performance in Business-to-Business Service Firms, in: Decision Sciences, 35, 2, S. 169-203. Zehbold, C. (1996): Lebenszykluskostenrechnung, Wiesbaden. Zeithaml, V. A. (2000): Service Quality, Profitability, and the Economic Worth of Customers: What We Know and What We Need to Learn, in: Journal of the Academy of Marketing Science, 28, 1, S. 67-85. Zeithaml, V. A., Berry, L. L., Parasuraman, A. (1996): The Behavioural Consequences of Service Quality, in: Journal of Marketing, 60, 2, S. 31-46. Zeithaml, V. A., Rust, R. T., Lemon, K. N. (2001): The Customer Pyramid: Creating and Serving Profitable Customers, in: California Management Review, 43, 4, S. 118-142. Zirke, J., Wiersgalla, A. (2002): Informationsprozesse im Kundenmanagement, in: Helmke, S., Uebel, M., Dangelmaier, W. (Hrsg.): Effektives Customer Relationship Management: Instrumente, Einführungskonzepte, Organisation, 2. Aufl., Wiesbaden, S. 373-389. Zmud, R. W. (1984): An Examination of 'Push-Pull' Theory Applied to Process Innovation in Knowledge Work, in: Management Science, 30, 6, S. 727-738. zu Knyphausen-Aufseß, D. (1993): Why are Firms different?, in: Die Betriebswirtschaft, 53, 6, S. 771-792.

Lebenslauf Berufserfahrung Seit 10 / 2004

Christian-Albrechts-Universität zu Kiel Wissenschaftlicher Mitarbeiter am Lehrstuhl für Innovation, Neue Medien und Marketing, Prof. Dr. Dr. h. c. Sönke Albers

02 / 2001 - 09 / 2004

Accenture GmbH, Kronberg Unternehmensberater

Hochschulausbildung 06 / 2002 – 09 / 2004

Christian-Albrechts-Universität zu Kiel Freier Doktorand am Lehrstuhl für Innovation, Neue Medien und Marketing, Prof. Dr. Dr. h. c. Sönke Albers

10 / 1995 – 01 / 2001

Christian-Albrechts-Universität zu Kiel Studium der Betriebswirtschaftslehre Schwerpunkte: Marketing, Organisation, Wirtschaftsrecht Abschluss: Diplom-Kaufmann

Wehrdienst 10 / 1994 – 09 / 1995

7. Schnellbootgeschwader der Marine, Kiel Grundwehrdienst

Berufsausbildung 07 / 1992 – 07 / 1994

HSH Nordbank, Kiel Ausbildung zum Bankkaufmann

Schulbildung 05 / 1992

Herder-Gymnasium, Rendsburg Allgemeine Hochschulreife