Online Special Software

Das Warum hinter dem Was finden

Die Frage nach dem Warum bleibt offen
© Pixabay.com
Die Frage nach dem Warum bleibt offen
Zum Alltagsgeschäft des Marktforschers gehört das Untersuchen von Kausalitäten und vor allem das Verstehen von Sachverhalten. Im Zeitalter von Big Data und automatisierter Datenerhebung kommt die Frage nach dem Warum häufig zu kurz. Alexander Stech vom Spiegel Institut Mannheim stellt daher ein Tool vor, das die Qualität automatisiert erhobener Daten durch die Ad-hoc-Abfrage subjektiver Nutzer-Eindrücke erhöht.

Marktforscher finden sich häufig in einem Datendschungel wieder. Im Zeitalter von Big Data und im Kontext teilautomatisierter Datenerhebung werden oftmals Daten schlicht aus einem einzigen Grund erfasst: Weil man es eben kann. Auch im Automobilbereich werden zahlreiche Daten dokumentiert und analysiert, primär mit dem Ziel, das Nutzererlebnis zu optimieren. Oftmals nimmt der Nutzer selbst das Erfassen der Daten gar nicht wahr. Mithilfe der Messdaten – beispielsweise zur gefahrenen Geschwindigkeit oder dem Füllstand des Tanks – sollen Erkenntnisse darüber gewonnen werden, wie der typische Autofahrer sein Fahrzeug nutzt. Vom aktuellen Neigungswinkel der Pedalerie über das Öffnen und Schließen von Fenstern bis hin zum automatischen Eingreifen von Fahrerassistenzsystemen. Kurz gesagt: Alles was in irgendeiner Form elektronisch in einem Auto bedient wird, kann auch gemessen werden. Auf Basis der gewonnenen Messdaten lassen sich – oftmals unbewusste – Nutzungsgewohnheiten identifizieren und somit wichtige Erkenntnisse für die Entwicklung und die Ausgestaltung von Fahrzeugfunktionen gewinnen.



Die Frage nach dem Warum bleibt offen

Was in diesem Kontext allerdings häufig zu kurz kommt, ist das – je nach Fragestellung durchaus entscheidende – Warum. Die kausale Komponente sowie das emotionale Erleben des Nutzers rücken viel zu häufig in den Hintergrund, obwohl sie eine zentrale Rolle beim Verstehen der Messdaten spielen. Die Daten zeigen beispielsweise, dass auf einem bestimmten Streckenabschnitt zu einer gewissen Tageszeit überdurchschnittlich häufig stark abgebremst wurde. Wodurch ist diese Häufung bedingt? Gibt es dort Wildwechsel? Ist die Straße schwer einsehbar und gleichzeitig die Richtgeschwindigkeit zu hoch angesetzt? Oder ist vielleicht eine Schule in der Nähe und damit auch viele Passanten?

Alexander Stech
Alexander Stech
Spiegel Institut Mannheim
ist Project Manager International Market Research beim Spiegel Institut Mannheim.
Teilweise lassen sich diese Fragen durch entsprechende Recherchen im Nachhinein beantworten. Eine eher traditionelle Vorgehensweise ist: Man fragt nach, um die objektiven Messdaten durch subjektive Befragungsdaten anzureichern und zu einem tieferen Verständnis zu gelangen. Möglich wäre das Führen eines Fahrtenbuches – offline oder online – oder die Durchführung eines kurzen Interviews, ob online, per Telefon oder sogar persönlich. Oft wird auch eine Kombination dieser Methoden eingesetzt.

Diese Form der Erhebung hat jedoch Schwachstellen: Das relevante Ereignis, etwa das wiederholte Öffnen eines Fensters oder ein scharfer Abbremsvorgang, liegt häufig in der Vergangenheit. Während seltener auftretende saliente Ereignisse, wie etwa eine Gefahrenbremsung, verhältnismäßig gut erinnert werden, werden banalere Tätigkeiten, wie das Öffnen und Schließen von Fenstern oder das Aktivieren und Deaktivieren des Tempomats, schnell vergessen. Insbesondere bei der nachträglichen Evaluation von alltäglichen Bedienhandlungen kann die Qualität der Daten daher eher gering ausfallen.

Schneller und präziser durch den Datendschungel

Um diesen unerwünschten Effekt zu minimieren, haben wir einen institutseigenen, technischen Lösungsansatz entwickelt, bei dem unsere Befragungssoftware direkt mit dem Fahrzeug gekoppelt wird. Mit dem sogenannten Realtime Experience Capturing, kurz REC-Modul, sind wir in der Lage, die subjektiven Eindrücke und Begründungen unmittelbar nach einem relevanten Ereignis zu erheben. Ein im Fahrzeug installiertes Tablet nutzt im Vorfeld definierte Signale – wie beispielsweise das Erreichen einer bestimmten Geschwindigkeit, kräftiges Treten des Bremspedals oder Öffnen eines Fensters – als Trigger, um Befragungsinhalte in Echtzeit im Fahrzeug zu erheben. Führt also ein Teilnehmer einen starken Bremsvorgang durch, wird er direkt im Anschluss an das Ereignis von dem System gefragt, welche Situation zu diesem Ereignis geführt hat. Die spezifische Rückfrage zu der jeweiligen Situation wird von der Software vorgelesen und das Feedback mittels Spracheingabe dokumentiert. Das unmittelbare Feedback des Nutzers spielt eine zentrale Rolle beim Verstehen von Daten. Mit dieser Methode können wir nicht nur besser zwischen verschiedenen Ereignissen differenzieren, sondern diese auch in den realen Kontext einbetten. Interpretationen und daraus resultierende Handlungsempfehlungen basieren auf objektiven Messdaten, denen durch die Erhebung von subjektiven Befragungsdaten in Echtzeit die notwendige Substanz verliehen wird. Der Input des Nutzers erhält dadurch den notwendigen Stellenwert im Kontext einer menschzentrierten Entwicklung und fungiert somit als zuverlässiger Wegweiser in dem Datendschungel.

Erschienen in planung&analyse 5/2017




Ich habe die Datenschutzbestimmungen zur Kenntnis genommen und akzeptiere diese.
stats