Weiterempfehlungen im Tourismus (eBook)

Eine Analyse einflussreicher Empfehlungsgeber touristischer Destinationen

Chris Horbel (Autor)

eBook Download: PDF

2008
XXI, 176 Seiten
Betriebswirtschaftlicher Verlag Gabler
978-3-8349-8141-7 (ISBN)

Infos

Chris Horbel analysiert die Determinanten der Abgabe von Weiterempfehlungen im Tourismus und stellt Faktoren des Einflusses von Weiterempfehlungen auf Kaufentscheidungen dar.

Dr. Chris Horbel ist wissenschaftliche Mitarbeiterin bei Prof. Dr. Herbert Woratschek am Lehrstuhl für Dienstleistungsmanagement der Universität Bayreuth.

Inhalt

Geleitwort 6
Vorwort 8
Inhaltsverzeichnis 10
Abbildungsverzeichnis 13
Tabellenverzeichnis 15
Anhangverzeichnis 19
Abkürzungsverzeichnis 20
A Einleitung 21
1 Problemstellung 21
2 Gang der Untersuchung 23
B Theoretische Grundlagen 25
1 Ökonomische Konsequenzen der Weiterempfehlung und Ableitung der Forschungsfragen 25
1.1 Service-Profit Chain 25
1.2 Die Rolle von Weiterempfehlungen in der Service-Profit Chain für das Management von Destinationen 29
1.3 Opinion Leader und Weiterempfehlungen 34
1.4 Ableitung der Forschungsfragen 41
2 Determinanten der Kaufrelevanz von Weiterempfehlungen 45
2.1 Status Quo der Literatur 45
2.2 Expertentum 47
2.3 Ähnlichkeit mit dem Empfehlungsempfänger 49
2.4 Bindungsstärke 51
2.5 Reputation 53
2.6 Ableitung des Untersuchungsmodells 54
3 Determinanten der Abgabe von Weiterempfehlungen 55
3.1 Status quo der Literatur 55
3.2 Kundenzufriedenheit 57
3.3 Variety-Seeking Behavior 62
3.4 Wahrgenommene Konkurrenzattraktivität 68
3.5 Involvement 70
3.6 Ableitung des Untersuchungsmodells 73
C Empirische Untersuchungen zu bedeutsamen Kommunikatoren von Weiterempfehlungen im Tourismus 76
1 Konzeption der empirischen Untersuchung im Überblick 76
2 Vorstudie 78
2.1 Grundlegendes Vorgehen 78
2.2 Datenerhebung und Stichprobe 79
2.3 Datenauswertung 83
2.4 Ergebnisse der Befragungen der Touristen 86
2.5 Ergebnisse der Befragungen der Experten 91
2.6 Diskussion 94
3 Untersuchungsdesign der Hauptstudie 97
3.1 Grundlegendes Vorgehen 97
3.2 Operationalisierung der relevanten Konstrukte 99
3.3 Datenerhebung und Stichprobe 110
3.4 Datenaufbereitung 113
4 Einfluss von Eigenschaften des Empfehlungsgebers auf die Kaufrelevanz der Weiterempfehlung 115
4.1 Clusteranalyse zur Ermittlung verschiedener Typen von Empfehlungsempfängern 115
4.2 Empirischer Test des allgemeinen Kausalmodells 128
4.3 Empirischer Test des Kausalmodells für Ähnlichkeitsjünger 138
4.4 Empirischer Test des Kausalmodells für Bindungsjünger 145
4.5 Empirischer Test des Kausalmodells für Expertenjünger 152
5 Determinanten der Abgabe von Weiterempfehlungen im Tourismus 160
5.1 Ergebnisse der Modellschätzung 160
5.2 Gütebeurteilung der reflektiven Messmodelle 162
5.3 Gütebeurteilung des Strukturmodells 164
D Schlussbetrachtung 167
1 Diskussion der Ergebnisse 167
1.1 Bedeutung der Determinanten der Kaufrelevanz der Weiterempfehlung 167
1.2 Bedeutung der Determinanten der Abgabe von Weiterempfehlungen 169
2 Fazit 171
Anhang 175
Anhang 1: Faktorenanalyse Zufriedenheitsmerkmale 175
Anhang 2: Reiseprofil der Cluster (X²-Tests) 176
Anhang 3: Reiseprofil der Cluster (ANOVA) 176
Anhang 4: Vergleich der Gesamtzufriedenheit der Cluster (ANOVA) 176
Anhang 5: Kreuzladungsmatrix der manifesten Variablen im Kausalmodell für den Einfluss von Eigenschaften des Empfehlungsgebers auf die Kaufrelevanz der Weiterempfehlung 177
Anhang 6: Kreuzladungsmatrix der manifesten Variablen im modifizierten Kausalmodell für den Einfluss von Eigenschaften des Empfehlungsgebers auf die Kaufrelevanz der Weiterempfehlung für die Gruppe der Ähnlichkeitsjünger 177
Anhang 7: Kreuzladungsmatrix der manifesten Variablen im modifizierten Kausalmodell für den Einfluss von Eigenschaften des Empfehlungsgebers auf die Kaufrelevanz der Weiterempfehlung für die Gruppe der Bindungsjünger 178
Anhang 8: Kreuzladungsmatrix der manifesten Variablen im modifizierten Kausalmodell für den Einfluss von Eigenschaften des Empfehlungsgebers auf die Kaufrelevanz der Weiterempfehlung für die Gruppe der Expertenjünger 178
Anhang 9: Kreuzladungsmatrix der manifesten Variablen im Kausalmodell für die Abgabe von Weiterempfehlungen im Tourismus 179
Literaturverzeichnis 181

Textauszug

3.4 Datenaufbereitung (S. 93-94)

Die mittels der standardisierten Interviews erhobenen Daten wurden anschließend manuell durch die Interviewer erfasst. Hierzu wurde eine Microsoft-Excel-Datenmaske verwendet. Die Daten wurden anschließend in einer Datei zusammengeführt und in SPSS 14.0 importiert. Vor der eigentlichen Analyse erfolgte eine Überprüfung der Rohdatenmatrix auf Fehler in der Kodierung. Hierfür wurde bei 398 Fragebögen (14,4% der Fälle) die Eingabe vollständig überprüft. Insgesamt wurden im Rahmen dieser Prüfung 424 Kodierungsfehler ermittelt (dies entspricht 0,9% der insgesamt kontrollierten Datenpunkte) und die Eingaben entsprechend korrigiert. Ferner wurde die Rohdatenmatrix auf Kodierungsfehler in der Form von Variablenwerten, die außerhalb der vorgegebenen Kodierungsmöglichkeiten lagen, überprüft. Hierzu wurden die Häufigkeitsverteilungen jeder Variablen betrachtet. Angesichts der wenigen bei der Datenprüfung festgestellten Kodierungsfehler kann davon ausgegangen werden, dass im gesamten Datensatz kaum falsch kodierte Werte vorliegen.

Im Rahmen empirischer Untersuchungen treten häufig fehlende Werte (Missing Values) im Datensatz auf. Diese können beispielsweise dadurch entstehen, dass Probanden ein Interview abbrechen beziehungsweise eine oder mehrere Fragen nicht oder nicht vollständig beantworten (können). Im Rahmen der in dieser Untersuchung angewendeten Analyseverfahren, insbesondere der Cluster- und der Kausalanalyse kann dies ein zentrales Problem darstellen. Es ist daher erforderlich, ein geeignetes Verfahren zur Handhabung der fehlenden Werte zu finden. 456 Grundsätzlich lassen sich zwei Strategien zur Behandlung fehlender Werte differenzieren. Einerseits können fehlende Werte als solche erhalten bleiben und die Datenauswertung mit einer unvollständigen Datenmatrix fortgesetzt werden.457 Diese so genannten Eliminierungsverfahren sind sehr einfach in der Handhabung und überdies meist in gängige Statistiksoftwarepakete integriert.

Dieser Vorteil wird jedoch durch eine Verringerung des Stichprobenumfangs und den damit einhergehenden Informationsverlust erkauft, was im ungünstigsten Fall dazu führen kann, dass eine sinnvolle Schätzung der Modellparameter nicht mehr möglich ist.458 Eine andere Möglichkeit stellt die Vervollständigung des Datenmaterials durch geeignete Schätzwerte für die fehlenden Werte dar.459 Derartige Imputationsverfahren weisen vor allem den Vorteil auf, dass eine Reduzierung des Stichprobenumfangs und damit ein erheblicher Informationsverlust vermieden werden.460 Je nach Wahl des Imputationsverfahrens kann es allerdings zur Varianzreduktion oder zur Verzerrung der Schätzer kommen.461 Aufgrund der genannten Vor- und Nachteile beider Verfahren wurde in der vorliegenden Untersuchung eine Kombination aus Eliminierungs- und Imputationsverfahren vorgenommen. Hierbei ist nach der Datenbasis für die beiden untersuchten Kausalmodelle zu unterscheiden, da diese mit unterschiedlichen Fragebögen erhoben wurden.

In das Kausalmodell für den Einfluss von Eigenschaften des Empfehlungsgebers auf die Kaufrelevanz der Weiterempfehlung fließen insgesamt 17 manifeste Variablen ein. Von den insgesamt 1.541 Probanden, die zu diesem Themenbereich befragt wurden, weisen 1.249 Datensätze fehlende Werte auf, das heißt lediglich 292 Probanden haben alle Fragen vollständig beantwortet. Bei einer genaueren Überprüfung der Zusammensetzung dieser außerordentlich hohen Anzahl an Datensätzen mit fehlenden Werten fällt auf, dass der überwiegende Teil (N=1.105) dadurch zustande kommt, dass die Probanden eine der beiden Filterfragen „Haben Sie für Ihr letztes Urlaubsziel eine Empfehlung bekommen?" beziehungsweise „Können Sie den für Sie wichtigsten Empfehlungsgeber näher beschreiben?" mit „nein" beantwortet haben, und ihnen folglich die Fragen bezüglich der Person des von ihnen in Anspruch genommenen Empfehlungsgebers nicht gestellt wurden. Daher treten bei diesen Probanden 15 und mehr fehlende Werte auf.

Diese Fälle mit systematisch auftretenden fehlenden Werten wurden eliminiert. Bei den übrigen 436 Datensätzen sind lediglich einzelne fehlende Werte zu verzeichnen. Hier wurden die Missing Values durch die Variablenmittelwerte ersetzt, da dieses Verfahren sowohl durch das Softwarepaket SPSS 14.0 als auch durch das zur Durchführung der Strukturgleichungsanalyse eingesetzte Softwareprogramm SmartPLS 2.0 von RINGLE ET AL. (2005) unterstützt wurde.

Produkt-Details

• Erscheint lt. Verlag: 10.12.2008
• Reihe/Serie: Fokus Dienstleistungsmarketing
• Reihe/Serie: Fokus Dienstleistungsmarketing
• Vorwort: Prof. Dr. Herbert Woratschek
• Zusatzinfo: XXI, 176 S.
• Verlagsort: Wiesbaden
• Sprache: deutsch
• Themenwelt: Wirtschaft ► Betriebswirtschaft / Management ► Marketing / Vertrieb
• Themenwelt: Wirtschaft ► Betriebswirtschaft / Management ► Unternehmensführung / Management
• Schlagworte: Destination • Kaufentscheidung • Opinion Leader • Reisebranche • Strukturgleichungsmodell • Tourismus • Variety-Seeking Behavior
• ISBN-10: 3-8349-8141-9 / 3834981419
• ISBN-13: 978-3-8349-8141-7 / 9783834981417