Empirische Forschung – Vor- und Nachteile

Es gibt drei Gruppen von Unternehmen. Mithilfe der empirischen Forschung, kannst Du herausfinden, zu welcher dieser Gruppen Dein Business gehört.
Die erste Gruppe kämpft täglich um ihre Existenz, da sie im falschen Markt agiert und schlecht umsetzt. Die zweite Gruppe besteht aus Unternehmen, die zwar auf dem richtigen Markt sind, aber schlecht umsetzen, sprich täglich mit der Komplexität ihrer Aufgaben kämpfen. Weiterhin gibt es die dritte Gruppe, die nicht kämpft, da sie ihren Erfolg kreiert: Sie hat ihren eigenen Markt und setzt perfekt um.[1] Wie merkt man, dass man sich auf dem falschen Markt befindet oder die Bedürfnisse der Kunden nicht verstanden hat?

Bestehende Unternehmen müssen sich heute zahlreichen umweltbezogenen Herausforderungen stellen. Zu diesen Herausforderungen gehören die Adaptierung an verändernde Wettbewerbssituationen, den technischen Fortschritt und den «Wertewandel».[2] Fortlaufend muss die Effizienz erhalten werden, indem die Markt- und Kundenorientierung optimiert wird. Zwangsläufig ist dies ohne die nötige Agilität kaum möglich.[3]

Ist es heute noch sinnvoll klassische “EMPIRISCHE” Marktforschung zu betreiben und hunderte oder gar tausende von potenziellen Kunden anzurufen, um sie zu fragen, was sie mögen? Wer hat denn dazu noch die nötigen Ressourcen? Oder gibt es kostengünstigere Alternativen?

Etwas Theorie zur empirischen Forschung

Beim Problem-Solution-Fit (PSF) geht es darum, die Werthypothese zu verifizieren. Es soll gezeigt werden, dass die innovative Methode der Erhebung der Daten durch die Verwendung von Google und sozialen Netzwerken zu Zwecken der Marktforschung und Produkteentwicklung zur Evaluation einer unternehmerischen Chance geeignet sind. Durch die Grenzen der Methode “Befragung” wird bewusst weitgehend auf diese verzichtet.

Beim Product-Market-Fit (PMF) wird die Wachstumshypothese bestätigt. Die Aufwände werden analysiert und die Frage beantwortet, ob die Methoden geeignet sind, um eine Geschäftsidee zu skalieren.

Diese Hypothesen sollen durch empirische Forschung, sprich durch Reproduzierbarkeit der Resultate, belegt werden.

Evaluation des Problem-Solution-Fit (PSF)

Durch die systematische Datenerhebung bzw. durch systematisches Gewinnen von Informationen, welche entweder durch Experimente, Beobachtung oder Befragung im Labor oder direkt im Feld durchgeführt wird, d.h. die Untersuchung eines Phänomens bzw. Problems in seinem jeweiligen Kontext, wird der Ökonomie die Möglichkeit geboten, Hypothesen oder Modelle empirisch zu evaluieren.

Evaluation des Product-Market-Fit (PMF)

Bei den benutzerorientierten bzw. empirischen Methoden der Usability-Evaluation werden künftige bzw. reale Benutzer mit dem Produkt konfrontiert und während der Interaktion mit diesem Produkt beobachtet.[3] Die Beobachtung der Nutzer ermöglicht Rückschlüsse über die Stärken und Schwächen der untersuchten Produkte.[5]

Das Kennzeichen empirischer Forschung ist ihre Reproduzierbarkeit. Oder einfach gesagt: Wenn man bereits mehrere Eier zu Boden fallen gelassen hat, und jedes zu Bruch ging, kann man nach dieser Beobachtung davon ausgehen, dass jedes weitere Ei auch zerbrechen wird. Man kann somit das Experiment wiederholen und dasselbe Resultat erhalten. Somit hat man empirisch belegt, dass rohe Eier, wenn man sie aus einer gewissen Höhe fallen lässt, zerbrechen.

Empirische Methoden setzt man bei der Forschung ein, wenn man von durch Wahrnehmung gewonnene Erfahrungen und feststellbare Phänomene ausgeht und diese systematisch erfasst und auswertet. Es geht entweder um objektive Gegebenheiten, subjektive Meinungen oder individuelle Verhaltensweisen. Die Daten werden durch Befragung, Beobachtung oder Inhaltsanalyse erhoben. Eine weitere wichtige Unterteilteilung ist, quantitative (statistisch repräsentierbare, «harte» Daten) und qualitative (nicht standardisierte Daten) Methoden zu unterscheiden.

Die Grenzen der Befragung in der Empirischen Forschung

Die in der empirischen Forschung übliche Erhebung von Zusammenhängen und Daten durch Befragungen leisten hier im Zusammenhang mit dem Untersuchungsgegenstand eine geringe Hilfestellung. Die Untersuchung und Prognose einer sozialen Wirklichkeit würde durch eine Befragung der Betroffenen unzureichend unabhängig erhoben.

Im Gegensatz zur Befragung, bei welcher Auskunft und tatsächliches Verhalten nicht übereinstimmen können, da sie durch Effekte wie sozialer Erwünschtheit, der Diskrepanz zwischen Einstellung und Verhalten, instabilen Auffassungen von Sachverhalten, Ja-sage-Tendenzen und der Tendenz zur Mitte kaum ein langfristiges Abbild der sozialen Wirklichkeit bieten können, ist die digitale Verhaltensanalyse von der Komplexität zu Inkonsistenzen und irrationalem Verhalten befreit.

Erhebungen in der Empirischen Forschung

Zur Evaluation des Problem-Solution-Fit wird Sekundärforschung betrieben: Es werden Daten zu Trends und Interessen, sowie der bestehende Wettbewerb in der Weiterbildungsbranche durch die Verwendung von Informationsquellen (Google, Facebook, Tracking) gewonnen. Die Datenaufbereitung dient einerseits zum Designen neuer Produkte, sowie andererseits zu deren Vermarktung. Mögliche Quellen sind:

  • Trends.google.com
  • Google Ads Suchvolumen
  • Facebook Ads Suchvolumen
  • Häufigkeit von verwendeten Hashtags
  • Likes und Shares auf Social Media
  • Google Analytics
  • A/B-Testing
  • Heatmaps
  • usw.

Mit all diesen Informationen kann man sein Angebot fortlaufend verbessern. Die Komplexität der Informationen ist jedoch weitaus höher als bei einer Ja/Nein-Umfrage – und kann daher die Wahrnehmung des Menschen übersteigen. Daher werden heute schon künstliche Intelligenzen entwickelt, die Produkte anhand solcher Daten verbessern können. Wer aus den gewonnen Informationen Rückschlüsse ziehen und seine Produkte ohne AI verbessern will, der sollte sich an einen erfahrenen SEO-Spezialisten wenden – denn der machen seit Jahren genau das.

Quellen:

[1]        Baldegger, Management: Strategie – Struktur – Kultur, 2017, aus Bleicher, 1999.
[2]        Baldegger, Firm Growth and Innovation, 2017.
[3]        Schweibenz/Thissen, 2003.
[4]        Heuer, 2003.

Schreibe einen Kommentar