Sie sind auf Seite 1von 15

Qualittsaspekte internetgesttzter Gewinnung von Kundendaten

Hans Robert Hansen, Horst Treiblmaier Zusammenfassung Das Internet ermglicht Unternehmen die einfache und kostengnstige Gewinnung von Kundendaten, wobei die Qualitt dieser Daten hufig unklar ist. Die wesentlichen Einflussfaktoren auf die Bereitschaft zur Weitergabe korrekter Daten sind fr die Kunden neben dem Vertrauen in das Unternehmen und das Internet, die bewusst wahrgenommenen Vor- und Nachteile aus individualisierter Kommunikation. Stichworte Datenqualitt, Individualisierung, Kundenbeziehungsmanagement

Quality Issues of Internet-based Gathering of Customer Data Summary The Internet enables companies to easily and cost-efficiently gather customer data. However, the quality of these data often remains unclear. The major influencing factors on the customers' willingness to provide correct data are, in addition to trust in the company and the Internet, the perceived benefits and drawbacks of individualized communication. Keywords Data Quality, Individualization, Customer Relationship Management

1. Einfhrung Im letzten Jahrzehnt vernderte das Internet grundlegend die Beziehung zwischen Unternehmen und ihren Kunden. Dabei sind es nicht nur die Fhigkeiten auf elektronischem Weg Transaktionen abzuwickeln, sondern auch die erweiterten Mglichkeiten der Kommunikation, die wesentlich zur Neugestaltung der Rollen der Marktteilnehmer beigetragen haben. Das Internet erlaubt sowohl den synchronen als auch den asynchronen Kontakt von Kunden mit den Unternehmen und dadurch, vielfach als Nebenprodukt, die Gewinnung zahlreicher kundenbezogener Daten. Von besonderem Interesse sind dabei psychografische Kundenmerkmale, wie etwa Einstellungen, Interessen und Werte. Diese knnen in weiterer Folge dazu verwendet werden, individualisierte Angebote zu erstellen und somit die Kunden zielgerichtet anzusprechen. Die wesentlichen Grundlagen des so genannten One-to-One-Marketing entstanden bereits in den frhen 1990er Jahren [1] und fanden vor allem im Relationship verstanden Marketing wird [2], dabei wobei ihre als nur theoretische praktische durch eine Fundierung. dieser entsprechende Kundenbeziehungsmanagement Marketingkonzepte Umsetzung

informationstechnische Untersttzung in Massenmrkten ein sinnvoller Einsatz mglich ist. Gerade weil das Wissen ber die Kunden nunmehr automatisiert aus Datenbanken generiert wird, wird deutlich, dass der Erfolg jeder Individualisierungsmanahme letztendlich von der Qualitt der zur Verfgung stehenden Daten abhngt. Der vorliegende Beitrag untersucht die derzeitige Situation der internetbasierten Datenerhebung, wobei vorwiegend auf bewusst eingegebene Daten fokussiert wird. Dabei wird anhand empirischer Untersuchungen sowohl auf die derzeitige Situation der Datenerhebung auf Unternehmensseite wie auch auf die Einstellung der Kunden hinsichtlich der Datenweitergabe eingegangen. 2. Problembereiche der internetgesttzten Datenerhebung Um einen Ausgangspunkt fr weitergehende Analysen zu haben, erscheint es zunchst zielfhrend, verschiedene Dimensionen der Datenerhebung zu betrachten. Abbildung 1 differenziert zwischen dem Bewusstsein der Datenerhebung (explizit vs. implizit), der Wahlmglichkeit (freiwillig vs. unfreiwillig) und der Art der Datenerhebung (online vs. offline). Die Unterscheidung zwischen explizit und implizit betrifft das Erleben der Datenerhebungssituation durch den Datengeber. In vielen Erhebungssituationen der klassischen Marktforschung wird eine Erhebung explizit erfolgen, wohingegen eine Online2

Datengewinnung auch implizit leicht mglich ist, wie etwa bei der Auswertung von Logfiles oder Clickstream-Analysen. Das Ausma der Wahlmglichkeit (freiwillig vs. unfreiwillig) bezieht sich in diesem Zusammenhang auf die Menge der zur Verfgung stehenden Sanktionsmglichkeiten auf Seiten des Datenempfngers. In Ausnahmefllen (z.B. OnlineEingabe einer Steuererklrung) existieren rechtliche Sanktionsmglichkeiten bei Eingabe falscher Daten. Im Geschftsverkehr kann hingegen von den Kunden die Angabe korrekter Daten nur in den wenigsten Fllen erzwungen werden. Dennoch sollen hier auch jene Dateneingaben als unfreiwillig verstanden werden, die fr ein Zustandekommen einer Transaktion zwingend notwendig sind, wie beispielsweise die korrekte Eingabe einer Wohnadresse fr die Zustellung einer Lieferung. Die Sanktionsmglichkeit besteht in diesem konkreten Fall aus der Nicht-Zustellung.

Abbildung 1: Dimensionen der Datenerhebung

Den Dimensionen Freiwillig, Explizit und Online des in Abbildung 1 skizzierten Wrfels soll in weiterer Folge das Hauptaugenmerk gewidmet sein. Auf diese Art knnen eben jene Daten gewonnen werden, die fr Individualisierungsmanahmen besonders geeignet erscheinen und die sich meist einer direkten Qualittskontrolle durch die Unternehmen entziehen. 3. Dimensionen der Datenqualitt Ausgehend von der Art der Datengewinnung ist es in einem nchsten Schritt notwendig zu klren, welche Dimensionen der Datenqualitt besonders von bewussten Falscheingaben betroffen sind. Tabelle 1 zeigt eine Einteilung verschiedener Qualittsattribute in vier grundlegende Kategorien (Intrinsische, Kontextabhngige, Begriffliche und Zugangs3

Datenqualitt). Anhand dieser Strukturierung wird deutlich, dass sich der Begriff der Datenqualitt wesentlich vielschichtiger darstellt als bei der hufig blichen Reduktion auf die Genauigkeit (Accuracy).

Kategorie Attribut Intrinsische DatenGlaubwrdigkeit qualitt (Intrinsic Data (Believability) Quality) Genauigkeit (Accuracy) Objektivitt (Objectivity) Reputation (Reputation) Zurechenbarkeit (Traceability) Mehrwert (Value-added)

Definition Das Ausma, in dem Daten als wahr, real und glaubhaft angenommen werden Das Ausma, in dem Daten als korrekt und zuverlssig fr konkrete Aufgaben angesehen werden Das Ausma, in dem Daten als unvoreingenommen und unparteiisch angesehen werden Das Ausma, in dem Daten vertraut wird, bzw. deren Quelle oder Inhalt als vertrauenswrdig gelten Das Ausma, in dem Daten direkt einer bestimmten Quelle zugeordnet werden knnen Das Ausma, in dem Daten Nutzen stiften und durch ihren Gebrauch Vorteile schaffen

Kontextabhngige Datenqualitt (Contextual Data Quality)

Relevanz (Relevancy)

Begriffliche Datenqualitt (Representational Data Quality)

Das Ausma, in dem Daten fr konkrete Aufgaben anwendbar und hilfreich sind Aktualitt (Timeliness) Das Ausma, in dem das Alter der Daten fr bestimmte Aufgaben angemessen ist Vollstndigkeit Das Ausma, in dem Daten eine entsprechende Breite und (Completeness) Tiefe und einen entsprechenden Umfang fr bestimmte Aufgaben aufweisen Angemessene Menge Das Ausma, in dem die Quantitt der Daten den Aufgaben (Appropriate amount of data) entspricht Interpretierbarkeit Das Ausma, in dem die Daten in einer verstehbaren (Interpretability) Sprache vorliegen und verwendete Maeinheiten bzw. Definitionen verstndlich sind Verstndlichkeit (Ease of understanding) Konstanz in der Reprsentation (Representational consistency) bersichtlichkeit (Concise representation) Das Ausma, in dem Daten ohne Doppeldeutigkeiten vorliegen und einfach begriffen werden knnen Das Ausma, in dem Daten stndig in demselben Format reprsentiert werden und mit frheren Daten kompatibel sind Das Ausma, in dem Daten kompakt reprsentiert werden (z.B. kurze und prgnante, jedoch komplette Darstellungsform) Das Ausma, in dem Daten zur Verfgung stehen bzw. schnell und einfach erhalten werden knnen

Zugangs-Datenqualitt (Accessibility Data Quality)

Erreichbarkeit (Accesibility)

Zugangssicherheit (Access security)

Das Ausma, in dem der Zugang zu Daten eingeschrnkt und kontrolliert werden kann

Tabelle 1: Kategorien und Attribute der Datenqualitt (vgl. [3], eigene bersetzung)

Eine systematische Analyse dieser Kriterien zeigt, dass lediglich implizit gewonnene Daten oder das Erstellen eines Kundenprofils auf Basis der bisher gettigten Einkufe nicht ausreichend sind, um Kunden gezielt ansprechen zu knnen. In beiden Fllen ist das Kriterium der ausreichenden Zurechenbarkeit der Daten zu einer bestimmten Person nicht gegeben, da nicht exakt feststellbar ist, ob jene Person, die einen Einkauf ttigt, mit dem 4

tatschlichen Nutzer des Produkts oder der Dienstleistung bereinstimmt [4]. Um dieser Problematik zu begegnen, ermglicht es beispielsweise Amazon seinen Kunden, Artikel als Geschenke verpacken zu lassen und somit, gleichsam als Nebeneffekt, einen Hinweis zu geben, dass es sich bei Kufer und Verwender um verschiedene Personen handelt. Ein weiteres Attribut der Datenqualitt, das zumindest als kritisch angesehen werden muss, ist die angemessene Menge der Daten, die notwendig ist, um ein hinreichendes Kundenprofil zu erstellen. Verfgt ein Unternehmen lediglich ber Verkaufsdaten als Ausgangspunkt fr ein psychografisches Profil, so bleiben all jene Kundeninteressen unbercksichtigt, die noch nicht durch entsprechende Kufe abgedeckt sind. Als letztes Beispiel fr die Qualittsproblematik soll noch auf das Fehlen eines geeigneten Erfolgskriteriums (Relevanz) hingewiesen werden. Nur in wenigen Fllen verfgen Unternehmen ber ein ausreichendes Feedback ihrer Kunden hinsichtlich der gekauften Produkte. Eine Ausnahme stellen hier all jene Unternehmen dar, welche (meist internetbasiert) die Meinung ihrer Kunden zu gekauften Produkten abfragen und dementsprechend ihre Kundenprofile modifizieren. Diese wenigen Beispiele zeigen bereits deutlich, dass die Erstellung eines umfassenden und reichhaltigen Kundenprofils aus historischen Verkaufsdaten, ergnzt durch implizit gewonnene Daten und angereichert mit Information aus vergleichbaren Kundenprofilen (gemeinschaftliches Filtern), nicht dazu ausreicht, gezielt individualisierte Kaufvorschlge anzubieten. 4. Instrumente der Online-Datengewinnung In einem folgenden Schritt soll nun untersucht werden, in welchem Ausma die Datengewinnung auf Websites sterreichischer Unternehmen erfolgt. Die Erhebung wurde im Frhjahr 2004 durchgefhrt, wobei als Grundgesamtheit all jene sterreichischen Einzelhandelsunternehmen dienten, die mehr als 26 Mitarbeiter beschftigen. Davon wurden all jene Unternehmen ausgesondert, die sich eine Website teilen (z.B. im Fall von Konzernen), sodass jeder Webauftritt nur einmal gezhlt wurde. Die Fokussierung auf Einzelhandelsunternehmen kann dadurch begrndet werden, dass gerade in diesem Bereich mit einer Vielzahl von Kundenkontakten zu rechnen ist und eine individualisierte Ansprache lediglich ber vorhandene Kundenprofile zu erzielen ist. Das vorliegende sterreichische Sample zeichnet sich ferner durch zwei vorteilhafte Merkmale aus. Zum einen erhht eine breite Streuung der untersuchten Unternehmen hinsichtlich Branche und Unternehmensgre die Generalisierbarkeit der Ergebnisse auf verschiedene Unternehmenstypen. Zudem dient 5

sterreich vielen Unternehmen als Testmarkt fr (Kontinental-)Westeuropa, was auf ein vergleichsweise reprsentatives Kundenverhalten sterreichischer Verbraucher schlieen lsst [5]. Etwas mehr als die Hlfte aller Unternehmen (526) nutzt die Website zur

Kundendatengewinnung, indem sie mindestens eines der in Abbildung 2 dargestellten Instrumente einsetzen. Mit 46,81% (426) werden bevorzugt Kontaktformulare zur Datengewinnung verwendet, gefolgt von Eingabemglichkeiten im Zuge eines Einkaufs in Online-Shops (17,25%), Registrierung bei Newsletters (15,05%), Foren (5,71%), Gewinnspielen (4,29%) und Communities (3,74%).
50% 45% 40% 35% 30% 25% 20% 15% 10% 5% 0%

46,81%

15,05%

17,25%

4,29%

3,74%

5,71%

Abbildung 2: Instrumente Kontaktformular New sletter

der Online-Datengewinnung Community (n = 910) Shop Gew innspiel

Forum

Im Vergleich zu den in sterreich erhobenen Daten sollen nun die Ergebnisse einer im Mrz 1999 im Auftrag der US Federal Trade Commission (FTC) durchgefhrten Erhebung, beschrieben werden. Dabei wurden 361 Websites (eine Zufallsauswahl der Top 7.500 Webadressen, gemessen nach der Anzahl der Besuche) eingehend untersucht. Insgesamt 335 Sites (92,8%) sammelten persnliche Daten wie E-Mail-Adresse (90,9%), Name (81,2%), Wohnadresse (62,9%), Telefonnummer (52,4%) und Kreditkartennummer (39,1%). Demgegenber stehen 205 Sites (56,8%), die demografische Information wie Alter (30,7%), Geschlecht (25,2%) und Ausbildung (10,2%) abfragten. Persnliche Interessen und Prferenzen wurden immerhin noch auf 76 Sites (21,1%) erhoben [6]. Aufgrund der unterschiedlichen Erhebungszeitpunkte und abweichenden Grundgesamtheiten (bei den 6

sterreichischen Unternehmen handelt es sich fast ausschlielich um Klein- und Mittelbetriebe) soll hier auf einen direkten Vergleich der beiden Studien verzichtet und lediglich abschlieend festgehalten werden, dass das World Wide Web von sehr vielen Unternehmen unterschiedlichster Grenordnungen und Branchen zur Gewinnung von Kundendaten eingesetzt wird. 5. Determinanten der Datenweitergabe Anschlieend an die Darstellung der Notwendigkeit vollstndiger Kundenprofile und den derzeitigen Stand auf Unternehmensseite soll in diesem Abschnitt auf die Rolle der Kunden als Datengeber eingegangen werden. Wie in der Einfhrung bereits beschrieben, soll hierbei das Augenmerk auf freiwillig und explizit (bewusst) gegebene Daten gelegt werden. Um die wesentlichen Determinanten der Datenweitergabe zu ermitteln, wurde mit Untersttzung von Aon sterreich eine Online-Befragung durchgefhrt, wobei mittels eines Pop-Ups auf den Fragebogen der Wirtschaftuniversitt Wien verlinkt wurde (Aon gehrt zur Telekom Austria, dem mit 3,9 Mrd. Euro Umsatz und rund 13.800 MitarbeiterInnen grten Telekommunikationsunternehmen sterreichs). In Summe konnten aus der im Mai und Juni 2004 durchgefhrten Studie 405 Datenstze verwendet werden. Die Datenerhebung erfolgte durch den Einsatz von Schiebereglern, die ein Antwortspektrum von 1 bis 100 ermglichen. Um die Vernderungen in der Bereitschaft zur Datenweitergabe bersichtlich darzustellen, werden in Abbildung 3 die Unterschiede der Mediane in vier verschiedenen Szenarien abgebildet. Als bestimmende Determinanten wurden das Vertrauen in das Unternehmen und das Internet ausgewhlt. Die Respondenten wurden danach befragt, mit welcher Wahrscheinlichkeit sie verschiedene Datenarten (Name, Wohnadresse, Hobbies, Kreditkartennummer) an ein Unternehmen weitergeben, das sie aus guten persnlichen Erfahrungen kennen (bzw. nicht kennen) und zu dem eine technisch sichere Verbindung besteht (bzw. keine technisch sichere Verbindung besteht). Durch Kombination der beiden Einflussfaktoren Unternehmen und Internet gelangt man zu den in Abbildung 3 gezeigten Szenarien. Der Median wurde aufgrund fehlender Normalverteilungen dem arithmetischen Mittel vorgezogen. Der Wert 1 entspricht dabei einer sehr hohen Ablehnung der Weitergabe (Sehr unwahrscheinlich) und der Wert 100 einer sehr hohen Zustimmung (Sehr wahrscheinlich). Betrachtet man den Fall des Vorherrschens von guten persnlichen Erfahrungen und einer technisch sicheren Verbindung, so zeigt sich eine vergleichsweise hohe Bereitschaft zur Datenweitergabe, vor allem was den Namen (88) und die Wohnadresse (81) betrifft. Hinsichtlich der Hobbies ist die Bereitschaft teilweise vorhanden (54), wohingegen bei der Kreditkartennummer von vornherein Skepsis vorherrscht (19). Wie zu 7

erwarten ist, nehmen die Mediane ab, wenn das Unternehmen unbekannt ist und/oder die Datenbertragung als unsicher empfunden wird. Betrachtet man die nderung der Werte zwischen V01 und V02, die dem Wegfall einer technisch sicheren Verbindung entspricht, so zeigen sich Reduktionen der Mediane von 18 fr die Hobbies beziehungsweise die Kreditkartennummer, 21 fr den Namen und 34 fr die Wohnadresse. Die Bereitschaft zur Weitergabe der Kreditkartennummer reduziert sich von einem Ausgangswert von 19 auf 1 und zeigt deutlich die uerst geringe Bereitschaft, sensible Daten ber unsichere Verbindungen zu schicken. Die Strecke zwischen V01 und V03 zeigt den Unterschied zwischen einem Unternehmen, das aus guten persnlichen Beziehungen bekannt ist, und einem unbekannten Unternehmen. Vergleicht man die nderungen der Mediane, so fllt auf, dass die Bereitschaft zur Datenweitergabe hinsichtlich des Namens, der Wohnadresse und der Hobbies strker abnimmt als im Fall des Wechsels von einer technisch sicheren zu einer technisch unsicheren Verbindung. Lediglich der Median der Kreditkartennummer nimmt mit einem Wert von 18 exakt genau gleich stark ab wie im vorhergehenden Fall. Die Strecken zwischen V02 und V04 beziehungsweise V03 und V04 zeigen die Auswirkungen, wenn jeweils das verbliebene Vertrauensmerkmal (bekanntes Unternehmen oder sichere Verbindung) wegfllt. In beiden Szenarien nehmen die Mediane erneut deutlich ab, wobei die Reduktion beim Namen, der Wohnadresse und den Hobbies im Falle eines unbekannten Unternehmens (V02-V04) hher ausfallen muss als bei Wegfall einer technisch sicheren Verbindung, da die Teilstrecke V01-V02 diesbezglich geringere nderungen aufzuweisen hat. Die Weitergabebereitschaft der Kreditkartennummer bleibt in beiden Fllen auf dem minimalen Wert von 1.

Abbildung 3: Einfluss des Unternehmens und der technischen Verbindung auf die Bereitschaft zur Datenweitergabe (n = 405) (Hansen et al. 2005)

Die Verbindung zwischen V01 und V04 zeigt zusammengefasst die Vernderung der Weitergabebereitschaft, falls beide Vertrauenskriterien (Unternehmen und sichere Verbindung) wegfallen. Der Median des Namens sinkt von 88 auf 4, jener der Wohnadresse von 81 auf 1. Die Bereitschaft, Information zu Hobbies weiterzugeben, reduziert sich von 54 auf 1 und die Kreditkartennummer von einem ohnehin niedrigen Ausgangswert von 19 auf 1. Damit werden mit dem Vertrauen in das Unternehmen und das Internet zwei wesentliche Determinanten der Datenweitergabe deutlich aufgezeigt. Einen wesentlichen Einfluss auf die Bereitschaft, persnliche Daten preiszugeben, besitzen auch die von den Nutzern wahrgenommenen Vor- und Nachteile, die ihnen durch eine individualisierte Kommunikation entstehen. Abbildung 4 zeigt das Antwortverhalten zu vier verschiedenen Bereichen, in denen Individualisierung Vorteile fr den Konsumenten bringt. In allen Fllen wurden (ebenso wie bei den Nachteilen) die Einstellungen wiederum auf einer Skala von 1 bis 100 erhoben und aufgrund der besseren Lesbarkeit in fnf Gruppen dargestellt, die mit den Bezeichnungen "Trifft nicht zu" (Werte von 1-20), "Trifft eher nicht 9

zu" (21-40), "Neutral" (41-60), "Trifft eher zu" (61-80) und "Trifft zu" (81-100) versehen wurden. Die Einstellung der Nutzer hinsichtlich der Hilfe bei Kaufentscheidungen ist vergleichsweise uneinheitlich. Whrend 31% der Respondenten eine solche Untersttzung verneinen (12% eher verneinen), halten immerhin 19% eine solche fr zutreffend (22% fr eher zutreffend). Etwas hilfreicher werden Individualisierungsmanahmen im Zusammenhang mit der Reduktion von kommunikativen Manahmen gesehen. Eine solche kann dadurch begrndet werden, dass Unternehmen aufgrund besserer Kundenprofile in der Lage sind, gezielt zu werben, und somit Personen mit nicht entsprechenden Profilen von Werbemanahmen ausnehmen. Auch in diesem Fall ist allerdings die Meinung der Nutzer gespalten. Whrend 26% eine Reduktion der kommunikativen Manahmen fr zutreffend halten (22% fr eher zutreffend), stehen dem 19% gegenber, welche diese Manahme fr nicht zutreffend halten (14% fr eher nicht zutreffend). Die grte Zustimmung findet das Argument, dass Individualisierung Zeit sparen hilft, wie beispielsweise auf Websites, auf denen Daten nur einmalig eingegeben werden mssen oder durch das Wegfallen von langwierigen Suchprozeduren bei Kaufentscheidungen. Nahezu die Hlfte aller Befragungsteilnehmer (49%) halten diesen Vorteil fr zutreffend und weitere 21% fr eher zutreffend. Dennoch zeigen sich auch hier insgesamt 21% der Respondenten skeptisch (15% mit "Trifft nicht zu" und "6% mit "Trifft eher nicht zu"). Als letzter Vorteil wurde der Zugriff auf interessante Inhalte abgefragt, die durch eine individualisierte Zusammenstellung aus der Summe aller theoretisch mglichen Inhalte generiert werden und somit Vorteile der "Reduzierten Kommunikation" und der "Zeitersparnis" einschlieen. In diesem Fall empfinden 39% der Befragungsteilnehmer diesen Vorteil als hinreichenden Anreiz fr eine korrekte Eingabe persnlicher Daten (weitere 24% stimmen eher zu).

10

60%
49%

50%

40%
31%

39%

30%
22% 22% 19% 15% 14% 12% 14% 9% 6% 15% 9% 19% 14% 21%

24% 19%

26%

20%

10%

0%

Trifft nicht zu

Trifft eher nicht zu

Neutral

Trifft eher zu

Trifft zu

Hilfe bei Kaufentscheidungen Reduzierte Kommunikation Abbildung 4: Vorteile individualisierter Kommunikation aus Kundensicht Zeitersparnis Zugriff auf interessante Inhalte

Den beschriebenen Vorteilen, die durch Individualisierungsmanahmen entstehen (knnen), stehen auch zahlreiche mgliche Nachteile gegenber. Abbildung 5 zeigt einige Beispiele solcher Manahmen. Auffallend dabei ist, dass die Grenze zwischen Vor- und Nachteilen zeitweise flieend verluft, wie dies bei gezielten Werbezusendungen der Fall ist. Wie bereits gezeigt, kann eine Reduktion der Werbemanahmen als Vorteil von Individualisierungsmanahmen angesehen werden. Jedoch ist auch das Gegenteil mglich: eine Zunahme unerwnschter Werbung aufgrund der Tatsache, dass der Konsument in zahlreichen Datenbanken vorkommt und somit von vielen unterschiedlichen Unternehmen Zusendungen erhlt. Diese Problematik wird von 40% der Befragungsteilnehmer als sehr zutreffend empfunden und weitere 23% stimmen dieser Aussage eher zu. Auch eine Verschlechterung der Servicequalitt, die aus einer zunehmenden Automatisierung der kundenbezogenen Prozesse resultiert, wird von der Mehrheit der Befragten kritisiert (43% mit "Trifft zu" und 22% mit "Trifft eher zu"). Die meiste Zustimmung erhielt die Frage nach der permanenten Sammlung von Daten als Nachteil individualisierter Kommunikation. Immerhin 56% der Teilnehmer stimmen dieser Aussage zu und weitere 22% halten sie fr eher zutreffend. Auch der Verlust ber die Kontrolle persnlicher Daten wird von mehr als der Hlfte der Befragten (38% mit "Trifft zu" und 25% mit "Trifft eher zu") als Nachteil von Individualisierungsmanahmen angesehen.

11

60%

56%

50%
40% 43% 38%

40%

30%
23% 22%

27% 25%

20%
13% 13% 11% 9% 5% 8% 4% 12% 14% 13% 8%

17%

10%

0%

Trifft nicht zu

Trifft eher nicht zu

Neutral

Trifft eher zu

Trifft zu

Zunahme der unerwnschten W erbung Verschlechterung der Servicequalitt Abbildung 5: Nachteile individualisierter Kommunikation aus Kundensicht Permanente Sammlung von Daten Verlust der Kontrolle ber die Daten

Wie aus Abbildung 4 und Abbildung 5 ersichtlich, werden sowohl Vor- wie auch Nachteile, die sich aus individualisierter Kommunikation und den damit notwendigen Aktivitten zur Sammlung persnlicher Daten ergeben, von den Konsumenten bewusst wahrgenommen. Bemerkenswert dabei ist, dass in vielen Fllen Nachteile bewusst in Kauf genommen werden mssen (z.B. permanente Sammlung von Daten), um entsprechende Vorteile zu schaffen. 6. Fazit In diesem letzten Abschnitt sollen noch einmal die wesentlichen Kernaussagen dieses Beitrags verdichtet und mit entsprechenden Schlussfolgerungen versehen werden: Manahmen zur individuellen Kundenansprache haben im Rahmen des

Kundenbeziehungsmanagements in den vergangenen Jahren groe Bedeutung erlangt. Jede Art von gezielter Kundenansprache setzt dabei das Vorhandensein qualitativ hochwertiger Datenbestnde voraus. Dabei ist es notwendig, verschiedene Qualittsdimensionen zu beachten und die Problematik unterschiedlicher Datenerhebungsverfahren hinsichtlich dieser Kriterien zu kennen.

12

Das vorteilhafteste Verfahren zur Gewinnung psychografischer Kundendaten stellt eine explizite und freiwillige Erhebung dar. Allerdings ist, vor allem wenn diese Daten ber das Internet abgefragt werden, eine umfassende Qualittskontrolle nur schwer mglich.

Es werden verschiedene Mglichkeiten zur Online-Gewinnung expliziter Daten genutzt. Die gebruchlichsten Erhebungsformen sind Kontaktformulare, Newsletter, Datengewinnung im Rahmen des Einkaufs in Online-Shops, Gewinnspiele, Communities und Foren.

Zwei wesentliche Determinanten fr eine Weitergabe korrekter Daten auf Kundenseite sind das Vertrauen in das Unternehmen und das Internet. Doch auch wenn diese beiden Grundvoraussetzungen erfllt sind, differenzieren Internetnutzer genau zwischen verschiedenen Datenarten. Datenarten wie Name und Wohnadresse, die eine persnliche Kontaktaufnahme von Seiten des Unternehmens erlauben, werden als vergleichsweise wenig riskant angesehen, wohingegen die Kreditkartennummer nur uerst zgernd weitergegeben psychografisches Merkmal) uneinheitlich angesehen. wird. Die Hobbies (als Beispiel fr ein hinsichtlich ihres "Schadenspotenzials" werden

Sowohl die Vor- wie auch die Nachteile von Individualisierungsmanahmen werden von den Nutzern wahrgenommen. Die breiten Streuungen im Antwortverhalten lassen auch hier darauf schlieen, dass unterschiedliche Nutzergruppen mit stark divergierenden Einstellungen existieren. Es liegt an den Unternehmen, den Konsumenten das Vertrauen in die zweckgeme Datenverwendung zu vermitteln beziehungsweise jene Kundengruppen von Individualisierungsmanahmen auszunehmen, welche groe Datenschutzbedenken hegen.

Geht es um die Qualitt existierender Datenbestnde, ist auf Seiten der Unternehmen Vorsicht geboten. Sind es bei implizit (z.B. Logfiles) und unfreiwillig (z.B. Einkauf) erhobenen Daten Probleme mit der Relevanz, der angemessenen Menge und der Zurechenbarkeit, so sind es bei explizit und freiwillig erhobenen Daten vor allem die Attribute der intrinsischen Datenqualitt (Glaubwrdigkeit, Genauigkeit, Objektivitt, Reputation, Zurechenbarkeit) und der begrifflichen Datenqualitt (Interpretierbarkeit, Verstndlichkeit, Konstanz in der Reprsentation, bersichtlichkeit), die Probleme

13

bereiten knnen. Zudem kommt, dass die Mglichkeiten zur Qualittskontrolle in all diesen Fllen in der Regel stark eingeschrnkt sind. 7. Danksagung Die Autoren bedanken sich bei Sonja Brachowicz und Michael Swoboda von Aon sterreich fr die Untersttzung bei der Durchfhrung der Online-Kundenbefragung sowie bei Alexander Leier fr die Hilfe bei der Durchfhrung der Website-Analyse. Die Firma Herold.at hat unentgeltlich die Herold-Marketing-CD Business zur Verfgung gestellt. Literaturverzeichnis [1] Peppers, D.; Rogers, M.: The One to One Future: Building Relationships One Customer at a Time. New York: Currency Doubleday. 1993. [2] Gummesson, E.: Total Relationship Marketing. Oxford: Butterworth Heinemann. 2002. [3] Wang, R. Y.; Strong, D. M.: Beyond Accuracy: What Data Quality means to Data Consumers. In: Journal of Management Information Systems, 1996, 12(4): 5-33. [4] Hansen, H. R.; Neumann, G.: Wirtschaftsinformatik 1: Grundlagen und Anwendungen, 9. Aufl., 2005, insb. Abschnitt 5.4.3: 712-715. [5] Strebinger, A.: Imagefeedback- und Imagetransfereffekte der Produktpalette einer Marke. In: Die Unternehmung 58 3/4, 2004, S. 279-300. [6] Culnan, M. J.: Georgetown Internet Privacy Policy Survey: Report to the Federal Trade Commission; http://www.msb.edu/faculty/culnanm/GIPPS/mmrpt.PDF. [Abrufdatum 12.02.2005].

14

Autoreninformation Univ.Prof. Dr. Dr. h.c. Hans Robert Hansen Inhaber des Lehrstuhls fr BWL und Wirtschaftsinformatik Wirtschaftsuniversitt Wien Augasse 2-6 1090 Wien Tel.: +43-1-31336-6000 Fax: +43-1-31336-746 E-Mail: Hansen@wu-wien.ac.at Internetadresse: http://wwwi.wu-wien.ac.at/~hansen/ Dr. Horst Treiblmaier Universittsassistent an der Abteilung fr BWL und Wirtschaftsinformatik Wirtschaftsuniversitt Wien Augasse 2-6 1090 Wien Tel.: +43-1-31336-4784 Fax: +43-1-31336-746 E-Mail: Horst.Treiblmaier@wu-wien.ac.at Internetadresse: http://wwwi.wu-wien.ac.at/~treiblmaier/ Hansen, H.R., and Treiblmaier, H. "Qualittsaspekte Internetgesttzter Gewinnung Von Kundendaten," Information Management & Consulting (20) 2005, pp 38-44.

15