• deutsch
  • english

Sales Modelling im Performance-Bereich, Teil 2

Im zweiten Teil unserer kleine Serie zum Sales Modelling (der erste Beitrag ist hier zu finden) geht es um die Regressionsanalyse, das Herzstück des Sales Modelling. Da das Sales Modelling methodisch auf der Regressionsanalyse, welche die Wirkungszusammenhänge zwischen den Werbeaktivitäten und Abverkäufen ermittelt, basiert, ist sie bei dessen Durchführung unumgänglich.

Die Regressionsanalyse selbst ist eines der am häufigsten verwendeten multivariaten Analyseverfahren. Die Methodik untersucht die Abhängigkeit zwischen einer abhängigen Variable und einer oder mehrerer unabhängiger Variablen. Mit Hilfe der Regressionsanalyse können Zusammenhänge aufgedeckt werden, die mit dem bloßen Auge nicht zu erkennen sind. Zudem können auf Basis dieser Analysemethodik für die zukünftige Entwicklung Prognosen abgeleitet werden. Die Regressionsanalyse findet in den Wirtschaftswissenschaften vielfältige Anwendung, so wird sie beispielsweise zur Beantwortung folgender Fragestellungen eingesetzt:

  • Schätzung der Abhängigkeit der Absatzmenge eines Produktes von Einstellungen bestimmter Zielgruppen
  • Schätzung der Abhängigkeit der Absatzmenge eines Produktes vom Preisniveau
  • Schätzung der Abhängigkeit der Absatzmenge eines Produktes von Werbebudget, Preis und Außendiensttätigkeiten

Die Regressionsanalyse ist deshalb besonders vorteilhaft, weil eine einzige abhängige Variable ins Verhältnis zu einer oder mehrerer unabhängiger Variablen gleichzeitig gestellt werden kann. Somit kann eine ganzheitliche Erklärung abgegeben und der Verlauf der abhängigen Variablen besser erklärt werden, als wenn man die einzelnen Abhängigkeiten für sich untersuchen würde.

Zur Abschätzung des Abverkaufs im Rahmen des Sales Modelling wird auf eine lineare Regressionsanalyse zurückgegriffen. Die lineare Regressionsanalyse unterstellt zwischen der abhängigen Variable, welche metrisch-skaliert ist, und einer oder mehrerer unabhängiger Variablen einen linearen Zusammenhang, wobei die Regressionsfunktion wie folgt aussieht:

Regressionsfunktion Sales Modelling

Regressionsfunktion Sales Modelling

Um eine Regressionsanalyse durchzuführen, müssen die Werte der abhängigen Variable Yi sowie der unabhängigen Variablen Xk,i vorliegen. Ohne diese Werte könnte keine Regressionsanalyse durchgeführt werden. Alle anderen Werte, wie die Konstante der Regressionsfunktion b0, die Regressionskoeffizienten bk (k∈K) und die Residuen ei (i∈I), werden im Rahmen der Regressionsanalyse geschätzt.

Für die Schätzung der Regressionsfunktion wird auf komplexe mathematische Algorithmen zurückgegriffen. Hinter diesen Methodiken stehen enorme Rechenaufwände. Daher greift man in der Regel auf leistungsstarke Statistikprogramme zurück, um den funktionalen Zusammenhang schätzen zu können.

Liegen die Daten vor, können sie in die Programme eingelesen und analysiert werden. Aus dem Ergebnis der Regressionsanalyse können anschließend die Zusammenhänge abgeleitet und interpretiert werden. Die Herausforderung bei der Regressionsanalyse liegt jedoch nicht in der Schätzung der Funktion (welche vom Programm automatisch durchgeführt wird) und der Interpretation der Ergebnisse, sondern in der ganzen Vorarbeit. Darunter fallen:

  • die Aufstellung von Hypothesen zu den funktionalen Zusammenhängen
  • die Auswahl einer Schätzungsmethodik in Abhängigkeit der aufgestellten Hypothesen
  • die Datenerhebung
  • die Datenaufbereitung: Daten so bearbeiten, dass sie in der ausgewählten Untersuchung Verwendung finden können

Für diese Tätigkeiten ist ein enormer Zeitaufwand einzuplanen. Sind diese Tätigkeiten aber sorgfältig durchdacht und durchgeführt, kann die Regressionsfunktion unproblematisch geschätzt und anschließend interpretiert werden. Auf Basis der Interpretationen können Handlungsempfehlungen formuliert werden, die auf festen mathematischen Fakten beruhen, welche mit dem bloßen Auge nicht identifiziert und abgeleitet werden könnten.

Der dritte Teil unserer Serie zum Sales Modelling wird sich mit einem konkreten Fall beschäftigen, wobei die Regressionsanalyse praktische Anwendung finden wird. Auf Basis eines konkreten Cases wird das Ergebnis eines Sales Modelling diskutiert und dessen Vorteile gegenüber herkömmlichen Methoden deutlich dargestellt. Der Beitrag wird hierfür auf die Schätzung der Funktion, auf die Interpretation der Ergebnisse und auf die Ableitung von Handlungsempfehlungen eingehen.



1 Kommentar

  1. […] sich durch die ersten beiden stark theoretischen Texte zum Thema Sales-Modelling (Teil 1 und Teil 2) gearbeitet hat, wird in diesem Blog-Beitrag mit einem Beispiel aus der Praxis belohnt. Wir haben […]


Schreibe einen Kommentar





Erforderliche Felder sind mit (*) markiert.