Was wäre wenn? Mit Simulatoren kann die Wirkung von Treibern auf KPIs ermittelt werden


Die Kantar Analytics Practice hat einen Simulator entwickelt, der Treiberanalysen noch mehr Leben verleiht. Statt wie gewohnt „nur“ den Impact potentieller Treiber auf eine Zielgröße wie etwa „kündigt vs. kündigt nicht“ zu quantifizieren, können wir jetzt konkreter werden.

Das neue Werkzeug gestattet die Angabe von Sensitivitäten eines jeden Treibers für die Zielgröße. Unter Sensitivität verstehen wir hierbei den prozentual zu erwartenden Zuwachs in der Zielgröße (z.B. Kündiger), wenn sich ein Treiber (z.B. Freizeitausgleich) um einen definierten Betrag verschlechtert. Derartige Aussagen sind natürlich sehr viel wertvoller, da sie die Definition von konkreten Handlungszielen erlaubt, um einen gewünschten Effekt zu erwirtschaften (z.B. Reduktion der Kündigerrate um 5%).

Ein Beispiel: Mittels Treiberanalysen können wir errechnen, wie stark sich das wahrgenommene Image einer Wodkamarke auf die Kaufabsicht auswirkt. Als Markenverantwortliche_r interessieren Sie sich dafür, welche Imagedimensionen Ihre Kommunikation am ehesten stärken sollte, um eine Verbesserung der Abverkäufe zu erreichen. Soll eher eine Verbesserung bzw. Verschlechterung von Attributen wie „best for party“ oder „premium bottle“ angestrebt werden? In unserem Beispiel weist „Best for party“ beispielsweise eine Sensitivität von 3.36% auf. Das bedeutet: Sollten Sie es schaffen durch geeignete Marketingmaßnahmen die Wahrnehmung dieser Eigenschaft um 10% zu verbessern, dann dürfen Sie damit rechnen, dass sich die Kaufintention für Wodka um eben diese 3.36% erhöht. Wodka steigt dann in der Käufergunst.

  • Die möglichen Simulationen sind dabei in zweifacher Hinsicht realistisch:Zum einen sind natürlich nicht beliebige Input-Zahlen als Szenario simulierbar. So sind Targets für die Attribute nur im Rahmen der vorgefundenen empirischen Beobachtungen wählbar (Simulationsrestriktionen). Etwa sind derzeit „32.1%“ der Studienteilnehmer der Meinung, dass Wodka eine Marke ist, die „best for party“ ist. Entsprechend kann hier jetzt keine Simulation durchgeführt werden, die ein unrealistisches Targets von 80% setzt. Zulässig sind Werte +/- einer Standardabweichung um den aktuellen Beobachtungswert.
  • Zum anderen ist die Simulation realistischer, weil sie nicht nur den unabhängigen Einfluß des manipulierten Treibers auf die Zielgröße errechnet, sondern auch den Einfluß, den diese Manipulation auf alle anderen Treiber hat. Methodisch wird das als „forward propagation“ bezeichnet. Der Einfuß pflanzt sich auf die Zielgröße also auch über alle anderen Treiber fort. Die Manipulation propagiert im gesamten Interdependenznetzwerk der Prädiktoren. Das ist eine sehr wichtige Eigenschaft des Simulators, da wir ja „eigentlich“ wissen, dass die Treiber untereinander in einer komplexen Abhängigkeitsstruktur stehen, diese aber bei der Impact-Betrachtung bislang außer Acht lassen. Den Einfluß, der von der Manipulation eines einzelnen Treibers auf alle anderen Treiber ausgeht, ist im Simulator direkt in Echtzeit sichtbar. Die Zuwächse/Abnahmen aller anderen Prädiktoren im Netz werden in der letzten Spalte der Simulationstabelle ausgegeben.

Die Propagation Funktion des Simulators erschließt dabei quasi „nebenbei“ weitere Insights, indem die Abhängigkeitsstruktur der Prädiktoren untereinander sichtbar wird. Diese machen wir natürlich auch im Simulator direkt vollständig transparent in Form einer anwählbaren Sensitivitätstabelle.

Die Sensitivitätstabelle ist dabei ganz einfach zu lesen als Einfluß einer Zeilenvariable auf eine Spaltenvariable, wobei der prozentuale Zuwachs der Spaltenvariable ausgewiesen wird, wenn die Zeilenvariable um einen festen Betrag zunimmt (hier: 10%). Beispielsweise ist hier ablesbar, dass „high quality brand“ (Spalte 1) um 3.25% wächst, wenn die Wahrnehmung der Wodkamarken als „international brands“ um 10% zunehmen würde. Internationalität ist also ein Haupttrigger für die Qualitätswahrnehmung. Entsprechend viele weitere Erkenntnisse lassen sich aus dieser Tabelle destillieren. Übrigens können wir diese Struktur auch in Form eines Netzwerkdiagramms zur Verfügung stellen. Hier ein Beispiel eines solchen Netzwerks der Treiber gefiltert auf Sensitivitäten >= 2%.

Zusammenfassung der Funktionsmerkmale

  • Simulation über Schieberegler oder wahlweise über direkte Eingabe von Szenario-Inputwerten
  • alle Simulationen werden in Echtzeit ausgeführt (kein Notwendigkeit einen „GO“ Button zu betätigen)
  • Restriktionen: Simulationen nur gestattet im Rahmen einer Standardabweichung der momentanen Ausgangslage der Prädiktoren (p * (1-p)).
  • Unterstützung der Simulation durch Visualisierung der Attribut-Sensitivitäten für die finale Zielgröße
  • über die durchgeführten Simulationsschritte wird ein Protokoll geführt, um Analysen transparent weitergeben zu können und die Nachvollziehbarkeit zu garantieren
  • das Protokoll kann zusammen mit dem Simulationsergebnis als ASCII TXT Datei abgespeichert werden (da Tab-delimited direkt formatiert in andere Programme zu übernehmen)
  • Sensitivitätstabelle der Prädiktoren inkl. Heat-Map um wichtige wechselseitige Impacts direkt erkennen zu können
  • Sensitivitätsplot: zeigt den Zuwachs im Zielkritierium bei simulierter Veränderung eines auswählbaren Prädiktors als dynamische Graphik
  • Möglichkeit, einen Network Analysis Plot der Prädiktoren auszugeben, um die Treiberstruktur noch besser zu verstehen

Die Kantar Analytics Practice erstellt diese Custom-Made Simulatoren im Rahmen von Kundenprojekten, die über klassische Treiberanalysen hinausgehen wollen. Sprechen Sie uns hierzu gerne an.

Kontakt: Markus.Eberl@kantar.com


Zurück zur Übersicht

15. September 2018

Analytics Practice

Analytics Everyday, Analytics Practice, Multivariate Verfahren

weitere Artikel der Analytics Practice