Sandra Militello

Auszug aus

Gender Commerce – Eine empirische Untersuchung der geschlechtsspezifischen Unterschiede im Online

Kauf- und Nachkaufverhalten

Stand: November 2016

Inhaltsverzeichnis II

Inhaltsverzeichnis Abstract ............................................................................................... III  

Abkürzungsverzeichnis ........................................................................... V  

1   Ableitung und Übersicht der Hypothesen ........................................... 6  1.1   Informationssuche ......................................................................... 6  1.2   Vertrauen und wahrgenommenes Risiko ........................................... 7  1.3   Werbung und Anreize ..................................................................... 8  1.4   Nutzung mobiler Endgeräte ........................................................... 10  1.5   Risiko und Produktinformationen ................................................... 10  1.6   Rabatte und Versandkosten .......................................................... 11  1.7   Impulskaufneigung und Produktkategorie ....................................... 12  1.8   Zahlungsart ................................................................................ 13  1.9   Übersicht der Hypothesen ............................................................. 14  

2   Beschreibung des empirischen Vorgehens ....................................... 17  

3   Analyse und Auswertung .................................................................. 22  3.1   Überprüfung der Hypothesen zum Kaufverhalten ............................. 22  

3.1.1   Hypothesentests zu Informationssuche ................................. 22  3.1.2   Hypothesentests zu Vertrauen und wahrgenommenem Risiko .. 28  3.1.3   Hypothesentests zu Werbung und Anreize ............................. 32  3.1.4   Hypothesentests zur Nutzung mobiler Endgeräte .................... 35  

3.2   Überprüfung der Hypothesen zum Nachkaufverhalten ....................... 38  3.2.1   Hypothesentests zu Risiko und Produktinformationen .............. 38  3.2.2   Hypothesentests zu Impulskaufneigung und Produktkategorie .. 39  3.2.3   Hypothesentests zu Zahlungsarten ....................................... 40  

4   Schlussbetrachtung .......................................................................... 43  4.1   Zusammenfassung der Ergebnisse ................................................. 43  4.2   Ausblick und Implikationen für Forschung und Praxis ........................ 46  

4.2.1   Implikationen für die Forschung ........................................... 46  4.2.2   Implikationen für die Praxis ................................................. 47  

Literaturverzeichnis .............................................................................. 50  

Abstract III

Abstract In der Forschung wurde die Existenz der sogenannten „Gender Gap“ im Kaufver-

halten immer wieder diskutiert. Einige Untersuchungen sprechen sich dafür, an-

dere dagegen aus (Bimber, 2000, S. 868; Kampmann, Keller, Knippelmeyer &

Wagner, 2013; Van Slyke, Belanger & Hightower, 2005). Heuristisch betrachtet,

wird Männern und Frauen ein unterschiedliches Einkaufsverhalten zugeschrieben.

„Men Buy, Women Shop“ beschreibt dabei das divergierende Verhaltensmuster,

nach dem Männer schnell und zielgerichtet nach Informationen suchen, wohin-

gegen Frauen ein zeitlich intensiveres und komplexeres Kaufverhalten aufweisen

(Barletta, 2006, S. 118; Verde Group, 2012). Männer scheinen technikaffiner zu

sein, Frauen kommunikativer (Bengler & Senner, 2016, S. 34; Röser & Peil,

2010, S. 499). In der Werbung bevorzugen Männer klare Botschaften, wohinge-

gen Frauen mehr nach Inspiration streben und besser non-verbale Botschaften

interpretieren können (Kirouac & Dore, 1983). Dies spiegelt sich auch darin wie-

der wider, dass Frauen E-Mails häufiger nutzen und mehr damit interagieren

(Van Aswegen, 2015). Sie weisen beim Online-Kauf eine stärkere intrinsische

Motivation, aber auch ein höheres, wahrgenommenes Risiko und höhere Beden-

ken beim Thema Datenschutz auf (Bae & Lee, 2011, S. 202). Männer werden

hingegen vor allem von utilitaristischen Bedürfnissen geleitet. Sie streben eine

schnelle Befriedigung von Nutzenaspekten an (El Hedhli, Zourrig & Chebat,

2016). Frauen neigen mehr zu Impulskäufen, was zu verstärkten Nachkaufdisso-

nanzen und somit zu einer höheren Retouren-Wahrscheinlichkeit führt (Coley &

Burgess, 2003, S. 293; Stern, 1962, S. 60; Wood, 1998, S. 312; Dittmar,

Beattie & Friese, 1996, S. 195).

Es scheint also Unterschiede zu geben. Ein Großteil der Untersuchungen bezieht

sich jedoch auf subjektiv wahrgenommene Komponenten wie Vertrauen und be-

rücksichtigt keine realsituativen Nutzer- oder Transaktionsdaten. Des Weiteren

wird meist nur das Kauf- oder das Nachkaufverhalten betrachtet, nicht aber ein

Entscheidungsmodell über die gesamte Verhaltenssituation gebildet. Generell

herrscht eine starke Uneinigkeit darüber, ob und welche Einflussfaktoren Auswir-

kungen auf das Kauf- und Nachkaufverhalten online haben. Dabei werden viele

Aspekte aus dem „offline“ Kaufverhalten abgeleitet, ein abbildendes Modell für

die Entscheidungsstruktur von Online Käufern wurde jedoch bisher noch nicht

abgeleitet. Diese Forschungslücken sollen in dieser Arbeit adressiert werden.

Im Folgenden soll daher anhand eines Vergleichs des Nutzerverhalten über vier

nationale und internationale Onlineshops verschiedener Branchen hinweg unter-

sucht werden, an welchen Stellen Online-Kauf- und Nachkaufverhalten von Män-

nern und Frauen abweicht und welche Einflussfaktoren darauf wirken.

Abstract IV

Zur Untersuchung der Fragestellung „Gibt es Unterscheide im Kauf- und Nach-

kaufverhalten von Männern und Frauen?“ werden im Laufe dieser Arbeit jeweils

vier Bereiche des Online-Kauverhaltens sowie des Online-Nachkaufverhaltens

betrachtet, in denen Abweichungen aus der Literatur bereits abgeleitet werden

konnten. Dazu gehören die (1) Suche nach Produktinformationen; (2) das wahr-

genommene Risiko und die Einschätzung vertrauensbildender Maßnahmen; die

Reaktion auf (3) Werbung und Anreize und die (4) Nutzung mobiler Endgeräte.

Im Bereich Nachkaufverhalten werden weiterhin der Einfluss von (5) risikoredu-

zierenden Maßnahmen, die Auswirkung von (6) Rabatten und Versandkostenbe-

freiung sowie die Komponenten (7) Produktkategorie und (8) Zahlungsarten un-

tersucht. Hierzu werden Hypothesen aus der Literatur abgeleitet, um die Unter-

schiede zwischen den Geschlechtern herauszuarbeiten.

In der Literatur konnten geschlechtsspezifische Unterschiede bisher vor allem auf

Basis von Befragungen ermittelt werden. Die subjektiven Eindrücke der Proban-

den geben zwar Hinweise darauf, welche Wahrnehmungsunterschiede im Kauf-

und Nachkaufverhalten zwischen Männern und Frauen vorliegen, sie erfassen

aber nicht die echte geschlechtsspezifische Reaktion. Ziel dieser Arbeit ist es

daher, anhand eines Datensatzes von über 24.000 Bestellungen und der Erhe-

bung weiterer Daten mir einer Gesamtzahl von über 178.000 Sitzungen nachzu-

weisen, ob in den klassifizierten Bereichen des Kauf- und Nachkaufverhalten tat-

sächlich Unterschiede zwischen den Geschlechtern vorliegen und wie diese von

den aus der Literatur abgeleiteten Wahrnehmungsunterschieden abweichen.

Vorab wird zusätzlich ein Entscheidungsmodell aufgestellt werden, welches die

abhängigen Variablen im Kauf- und Nachkaufverhalten berücksichtigt.

Abkürzungsverzeichnis V

Abkürzungsverzeichnis AV: Abhängige Variable

CR: Conversion Rate

BW: Höhe des Bestellwerts

BR: Bounce Rate

E-Commerce: Electronic Commerce

GA: Google Analytics

PC: Personal Computer

RQ: Retourenquote

UV: Unabhängige Variable

6

1 Ableitung und Übersicht der Hypothesen In der Literatur herrscht Uneinigkeit über den Einfluss demografischer Merkmale

im E-Commerce. Einige Studien konnten keine Unterschiede zwischen Männern

und Frauen nachweisen (Ulbrich, Christensen & Stankus, 2011). Hernández,

Jiménez & Martín (2011) untersuchten den Einfluss von Lerneffekten und fanden

heraus, dass erfahrene Online Shopper sich in Ihrem Verhalten unabhängig von

demographischen Einflussvariablen nicht unterscheiden. Kolsaker & Payne

(2002) untersuchten zusätzlich, ob „Vertrauen“ im E-Commerce geschlechter-

spezifisch variiert. Es konnten ebenfalls keine Unterschiede festgestellt werden.

Andere Studien belegen jedoch signifikante Geschlechterunterschiede. Männer

weisen demnach ein lineares und stufenweises Einkaufsverhalten auf, wohinge-

gen sich Frauen durch ein zirkuläres, komplexeres und zeitlich intensiveres Ein-

kaufsverhalten auszeichnen. Sie suchen stärker nach vergleichenden Inhalten,

wohingegen Männer vor allem schnell relevante Informationen erhalten wollen

(Laroche, Saad, Cleveland & Browne, 2000, S. 509 f.; Barletta, 2006, S. 40).

„Men are buyers, women are shoppers“ beschreibt dieses Verhaltensmuster

(Barletta, 2006, S. 118). Dies spiegelt sich auch in einem höheren Involvement

im Einkaufsprozess von Frauen wieder (Fischer & Arnold, 1990). Merklisten und

Warenkorbspeicherung besitzen daher eine höhere Relevanz für Frauen als für

Männer.

1.1 Informationssuche Frauen betreiben eine ausdauerndere Informationssuche als Männer und schei-

nen ein affektiv und kognitiv impulsiveres Kaufverhalten an den Tag zu legen,

welches außerdem höher frequentiert ist (Meyers-Levy, 1988; Okoroafo, Koh &

Gammoh, 2010, S. 4). Dabei stellen eine positive Kaufemotion und -stimmung

wichtige Einflussfaktoren dar (Coley & Burgess, 2003, S. 293). Männer greifen

eher auf heuristisch basierte Methoden zur Entscheidungsfindung zurück und

gehen dabei selektiver bei der Informationsverarbeitung vor (Laroche et al.,

2000, S. 503). In Deutschland recherchieren Männer generell häufiger im Inter-

net und nutzen mehr Informationsquellen vor einem Kauf (Arns & Hampe, 2013,

S. 32). Sie recherchieren fast doppelt so viele Themen wie Frauen pro Woche. In

einer Untersuchung von Schmidt & Wolff (2015, S. 70) konnte wiederum nach-

gewiesen werden, dass Männer zwar mehr Seiten pro Minute, Frauen diese aber

länger betrachteten. Dies deutet ebenso darauf hin, dass Frauen zeitintensiver

Angebote vergleichen. In einer Untersuchung von Ulbrich et al. (2011, S. 191)

bewerteten Männer das Vorhandensein vollständiger Produktinformationen wich-

7

tiger als Frauen. Es ist daher zu untersuchen, ob Männern mehr kaufen als Frau-

en, wenn detailliertere Produktinformationen vorliegen.

Es ergeben sich folgende Hypothesen:

H1: Die Absprungrate männlicher Besucher liegt höher als die weiblicher.

H2: Männliche Besucher nutzen die Suchfunktion beim Einkauf häufiger

als weibliche.

H3: Die durchschnittliche Sitzungsdauer weiblicher Besucher nach Nut-

zung der Suchfunktion ist höher als die männlicher.

H4: Die durchschnittliche Anzahl von Seiten pro Sitzung weiblicher Besu-

cher nach Nutzung der Suchfunktion ist höher als die männlicher.

H5: Die Nutzung der Suchfunktion hat einen positiven Einfluss auf die Hö-

he des Bestellwerts sowohl bei weiblichen als auch männlichen Käufern.

H6: Die Bereitstellung detaillierter Produktinformationen auf der Produkt-

detailseite hat einen höheren, positiven Einfluss auf die Anzahl der erwor-

benen Artikel von männlichen als von weiblichen Käufern.

1.2 Vertrauen und wahrgenommenes Risiko Insgesamt stellt sich „Risiko“ bei Frauen also als eine wichtige Einflussvariable

dar. Frauen weisen ein höheres, wahrgenommenes Risiko beim Online-Kauf auf

als Männer und haben höhere Bedenken beim Thema Datenschutz. Ein höheres

wahrgenommenes Risiko hat wiederum einen negativen Einfluss auf die Kaufbe-

reitschaft (Garbarino & Strahilevitz, 2004, S. 771; Bae & Lee, 2011, S. 202). Das

Risiko eines Onlinekaufs kann durch verschiedene Faktoren beeinflusst werden.

Garbarino & Strahilevitz (2004) fanden heraus, dass die Empfehlung eines

Freundes sowohl zu einer stärkeren Reduzierung des wahrgenommenen Risikos

als auch zu einer stärker wachsenden Kaufbereitschaft bei Frauen und Männern

führt. Aber auch Empfehlungen von unbekannten Nutzern beeinflussen das

wahrgenommene Risiko maßgeblich (Bae & Lee, 2011). Vertrauensbildende

Maßnahmen werden dabei vor allem von Frauen geschätzt. Sie achten beim On-

line Einkauf häufiger auf Gütesiegel, Bewertungen anderer Käufer und auf ange-

botene Zahlungsverfahren1 (Eckstein, Klees & Stüber, 2012, S. 4f.).

Vertrauen kann durch interne und externe Aspekte beeinflusst werden: interne

umfassen (1) die eigene Neigung zu vertrauen und (2) die Wahrnehmung der

1 Es ist anzumerken, dass die Studie von Billsafe, Trusted Shops und PayPal gefördert wurde, sodass

8

Qualität des Onlineshops. Externe Aspekte umfassen (3) das Vertrauen von an-

deren bzw. die Reputation des Verkäufers und (4) das Vertrauen durch dritte

Institutionen bspw. durch Platzierung eines Trusted Shops Siegels2 (Yoon &

Occena, 2015, S. 356; Jones & Leonard, 2008; McKnight, Choudhury & Kacmar,

2002).

Daraus leiten sich folgende Hypothesen ab:

H7: Die prominente Darstellung vertrauensfördernder Elemente wie Sie-

gel hat einen positiven Einfluss auf die Kaufwahrscheinlichkeit weiblicher

und männlicher Besucher.

H8: Die prominente Darstellung vertrauensfördernder Elemente wie Sie-

gel hat einen höheren positiven Einfluss auf die Kaufwahrscheinlichkeit

von weiblichen als von männlichen Besuchern.

H9: Das Vorhandensein positiver Produktbewertungen anderer Kunden

hat einen positiven Einfluss auf die Kaufwahrscheinlichkeit weiblicher und

männlicher Besucher.

H10: Das Vorhandensein positiver Produktbewertungen anderer Kunden

hat einen höheren positiven Einfluss auf die Kaufwahrscheinlichkeit von

weiblichen als von männlichen Besuchern.

1.3 Werbung und Anreize Es gibt eine Reihe an Untersuchungen, die motivationale Einflüsse auf das Ein-

kaufsverhalten on- und offline messen (Jackson, Stoel & Brantley, 2011). Dabei

spielen besonders utilitaristische (nutzenbezogene) sowie hedonistische (ver-

gnügungsbezogene) Motive eine Rolle (El Hedhli, Chebat, & Sirgy, 2013). Beide

Motive können Zufriedenheit erzeugen (Babin, Darden & Griffin, 1994; Babin,

Gonzales & Watts, 2007). Während Frauen intrinsisch motiviert sind einzukaufen

und dabei vor allem den emotionalen Charakter erfahren wollen, wollen Männer

schnell und gezielt Produkte erwerben, um ein konkretes Bedürfnis zu erfüllen.

Dabei zeigt sich, dass Frauen ein höheres Maß an hedonistischen Werten beim

Einkauf aufweisen. Männer hingegen werden vor allem vom Nutzenaspekt gelei-

tet (El Hedhli et al., 2016).

Sowohl der gewählte Online Marketing Kanal als auch die Botschaft an den Ad-

ressaten sollten daher geschlechtsspezifisch daher unterschiedlich ausgestaltet

2 Weitere Informationen des Trusted Shops Siegels finden sich unter http://www.trustedshops.de.

9

sein. Kirouac & Dore (1983) fanden heraus, dass Frauen non-verbale Botschaf-

ten besser erfassen als Männer. Daher ist davon auszugehen, dass Männer von

reinen Brand Display Kampagnen weniger angesprochen werden. In einer Studie

von Wolin & Korgaonkar (2003) stellte sich wiederum heraus, dass Männer mit

Online Display Werbung mehr positive Gefühle verbinden als Frauen. Frauen

empfanden sie als störend und zu aufdringlich im Vergleich zu Werbung in Zeit-

schriften. Werbekanäle wie Email Marketing werden stärker als Inspirationsquelle

genutzt und stellen sich selten als reiner Abverkaufs-Kanal dar. E-Mail Marketing

zeichnet sich häufig durch einen starken Brand Fokus und damit verbundenem

inspirativen Charakter aus. Einige Studien konnten aufzeigen, dass Frauen E-

Mails häufiger nutzen, diese öfter weiterleiten und häufiger darauf antworten als

Männer (Van Aswegen, 2015). Männer reagieren hingegen positiv auf bezahlte

Suchergebnisse (Van Aswegen, 2015). SEA und SEO Kampagnen bieten die Mög-

lichkeiten, schnell klare Botschaften zu vermitteln und begegnen dem Bedürfnis

von Männern daher besser. Es wird davon ausgegangen, dass Frauen inspirie-

rende und kommunikative Werbekanäle bevorzugen, wohingegen Männer Kanäle

präferieren, die schnell zum Ziel führen.

Es gibt unterschiedliche Erkenntnisse zur Suche und Nutzung von Rabattcodes.

In einer Untersuchung des Bundesverbands Informationswirtschaft, Telekommu-

nikation und neue Medien e. V. 2013 nahmen Männer und Frauen zu gleichen

Teilen an Rabatt-Aktionen teil. Ein Unterschied war nur im Alter festzustellen

(Arns & Hampe, 2013, S. 12). Andere Untersuchungen zeigen hingegen, dass

weibliche Konsumenten Rabattcodes stärker suchen und nutzen, außerdem emp-

finden sie einen größeren Nutzen bei der Nutzung von Rabattcode Diensten (Ha

& Im, 2014; Okoroafo et al., 2010, S. 4). Insgesamt scheint die Nutzung von

und Suche nach Rabatten auch intrapersonell zu differieren. So setzen Männer

beim Einkauf zwar weniger Rabattcodes und Coupons ein, partizipieren jedoch

mehr an Loyalitätsprogrammen als Frauen (Harmon & Hill, 2003, S. 166). Auf-

grund des intensiveren Informationssuchverhalten wird davon ausgegangen,

dass Frauen mehr und länger nach Gutscheincodes suchen.

Es ergibt sich folgende Hypothese:

H11: Anteilig nutzen mehr weibliche Besucher die Zugriffskanäle E-Mail

Marketing und Social Media als männliche.

H12: Anteilig nutzen mehr männliche Besucher die Zugriffskanäle Organic

Search und Paid Search als weibliche Benutzer.

H13: Bestellungen, die von weiblichen Käufern getätigt wurden, enthalten

häufiger einen Gutscheincode als die von männlichen Käufern.

10

1.4 Nutzung mobiler Endgeräte Die Nutzungsfrequenz des Internets mobil unterscheidet sich bei Männern und

Frauen in Deutschland deutlich. 2015 waren 53% der mobilen Internetnutzer

männlich und 47% weiblich (Statista (Digital Market Outlook), 2016). 2013 war

der Unterschied sogar noch größer. Diese Gender Gap entsteht hauptsächlich in

den Altersgruppen 25-44 Jahren (10% Differenz) und 45 Jahre und mehr (12%

Differenz). Bei jüngeren Zielgruppen kann keine Differenz mehr festgestellt wer-

den (Gieß, 2014). Auch die Nutzung von Apps ist bei Männern stärker ausge-

prägt (36% der Männer und 18% der Frauen gaben an, Apps zu nutzen). 68%

der Männer und nur 53% der Frauen gaben an, schon einmal einen Einkauf über

ein Tablet getätigt zu haben (Arns & Hampe, 2013, S. 28). Die bestätigt das

heuristische Geschlechterbild, nach welchem Männer technikaffiner und Frauen

kommunikativer sind. Diverse Studien bestätigen dies (Bengler & Senner, 2016,

S. 34; Röser & Peil, 2010, S. 499).

Es herrscht Uneinigkeit über die Unterschiede der geschlechtsspezifischen Präfe-

renzen und Anreize im Mobile Commerce. Yee & Chong (2013) konnten keine

Differenzen feststellen. Generell gibt es unterschiedliche Motivationen, mobile

Endgeräte zu nutzen. Wohingegen Männer mehr von mobiler Technologie begeis-

tert sind, fühlen sich Frauen mehr angezogen von der Möglichkeit, Netzwerke zu

knüpfen (Okazaki & Mendez, 2013).

Darauf aufbauend ergeben sich folgende Hypothesen:

H14: Anteilig nutzen mehr männliche als weibliche Besucher mobile End-

geräte.

H15: In den Altersklassen 18-34 Jahren unterscheidet sich der prozentua-

le Anteil der Besucher über mobile Endgeräte nicht zwischen weiblichen

und männlichen Besuchern.

H16: Die Nutzung mobiler Endgeräte hat einen höheren negativen Ein-

fluss auf die Höhe des Bestellwerts von weiblichen als von männlichen

Käufern.

1.5 Risiko und Produktinformationen Es wurde bereits darauf hingewiesen, dass Frauen online ein höheres Risikoemp-

finden aufweisen als Männer (Van Slyke et al., 2002; Garbarino & Strahilevitz,

2004; Bae & Lee, 2011, S. 202; Rogers & Harris, 2003). Es liegt daher nahe,

dass es bei Frauen aufgrund einer erhöhten Unsicherheit häufiger zu Nachkauf-

dissonanzen kommt, welche wiederum einen negativen Einfluss auf die RQ ha-

ben.

11

Nachkaufdissonanzen können durch verschiedene Maßnahmen beeinflusst wer-

den. Gerade in der Face-to-Face Verkaufspsychologie können auftretende Disso-

nanzen durch positive Bestärkung des Käufers (bspw. Gratulieren zu einer guten

Entscheidung) abgemildert werden. Im E-Commerce gibt es hierzu diverse An-

satzpunkte in der Theorie und Praxis zur Beeinflussung der Nachkaufdissonanzen

und damit der RQ. Walsh & Möhring (2013) bieten einen ersten Ansatz zur Sys-

tematisierung von Retouren-Management-Methoden. Sie unterscheiden hierbei

zwischen präventivem und reaktivem Retouren-Management. In dieser Arbeit

wird nur auf präventive Maßnahmen eingegangen. Reaktive Maßnahmen umfas-

sen bspw. die Ermittlung und Abstrafung unprofitabler oder missbräuchlicher

Kunden.

Das Risiko des Online Kaufs kann durch bessere Produktinformationen gemildert

werden, dazu zählen ausführliche Produktbeschreibungen und Produktdarstellun-

gen (Walsh & Möhring, 2014, S. 70). Eine Umfrage der EHI Retail Institute zeigt,

dass 83% der Händler eine detaillierte Produktbeschreibung als wichtigste Maß-

nahme zur Senkung der RQ ansehen. Als weitere wichtige Maßnahmen werden

Kontaktmöglichkeiten, Schnelligkeit bei Versand, Sicherheit der Verpackung,

Adressprüfung, Darstellung realer Kundenbewertungen sowie das Versenden

einer Bestellbestätigungsemail nach dem Kauf. Das Beilegen kleiner Geschenke

(11%) sowie ein Hinweis auf negative Umwelteinflüsse (2%) wurden nur von

weniger Händlern als relevante Maßnahme bewertet (Bergmann, 2015, S. 65;

Statista (Digital Market Outlook), 2015b).

Daraus leitet sich die folgende Hypothese ab:

H17: Detaillierte Produktbeschreibungen haben sowohl bei weiblichen als

auch bei männlichen Käufern einen negativen Einfluss auf die RQ.

1.6 Rabatte und Versandkosten In einer Untersuchung von AZ Direct gaben 56% der Befragten als Grund, um

auf eine Retoure zu verzichten, Rabatte auf den Kaufpreis ebenso wie selbst ge-

tragene Versandkosten an. Gutscheine für den nächsten Einkauf sowie Gutschrif-

ten im Rahmen von Loyalty Programmen wurden ebenfalls als Anreiz angegeben

(Rösch, 2016). Es gibt aktuell nur wenige Untersuchungen, inwieweit sich das

Retouren-Verhalten sowie das gezielte Verhalten hinsichtlich der Suche nach und

Nutzung von Rabatten von Männern und Frauen unterscheidet. In einer Studie

von AZ Direct konnten fünf Typen an Retournierern festgestellt werden. Zur

Gruppe der Heavy-Retournierer gehören zu zwei Dritteln Frauen. „Anspruchsvolle

Heavy-Retournierer bestellen meist mehrere Artikel in unterschiedlichen Größen

12

zur Auswahl (...)“ und weisen eine Empfänglichkeit für Rabatte auf den Kaufpreis

als Anreiz zur Retourenvermeidung auf (AZ Direct GmbH, 2016, S. 3).

Es ist also davon auszugehen, dass sowohl Rabatte als auch Gutscheincodes zu

einer niedrigeren Retouren-Wahrscheinlichkeit führen. Unter einem Rabatt kann

im weitesten Sinne auch die „Versandkostenfreiheit“ verstanden werden.

Es ergeben sich folgende Hypothesen:

H18: Versandkosten haben sowohl bei weiblichen als auch bei männlichen

Käufern einen negativen Einfluss auf die RQ.

H19: Rabatte haben sowohl bei weiblichen als auch bei männlichen

Käufern einen negativen Einfluss auf die RQ.

H20: Gutscheincodes haben sowohl bei weiblichen als auch bei

männlichen Käufern einen negativen Einfluss auf die RQ.

H21: Versandkosten haben einen stärkeren negativen Einfluss auf die

RQ von weiblichen als von männlichen Käufern.

H22: Rabatte haben einen stärkeren negativen Einfluss auf die RQ von

weiblichen als von männlichen Käufern.

H23: Gutscheincodes haben einen stärkeren negativen Einfluss auf die

RQ von weiblichen als von männlichen Käufern.

1.7 Impulskaufneigung und Produktkategorie Die Höhe einer Retoure variiert stark in Abhängigkeit des Landes und der Pro-

duktkategorie. Gerade im Bereich Bekleidung sind höhere RQ zu finden (Pur et

al., 2013, S. 3; Litchfield, 2016). Möhring, Walsh, Schmidt & Ulrich (2015,

S.262) konnten nachweisen, dass Frauen im Modebereich eine höhere RQ auf-

weisen als Männer. Ein Modeartikel wurde demnach zu 13,6% häufiger von

Frauen als von Männern retourniert. Eine Aussage über generelle Unterschiede

der RQ zwischen den Geschlechtern wurde nicht getroffen.

Frauen neigen mehr zu Impulskäufen als Männer (Coley & Burgess, 2003, S.

293; Stern, 1962, S. 60; Wood, 1998, S. 312; Dittmar et al., 1996, S. 195).

„Impulsive Kaufentscheidungen oder sog. Impulskäufe lassen sich als rasche,

spontane und unüberlegte Käufe charakterisieren.“ (Nibbrig, 1994, S. 19). Wenig

durchdachte Impulskäufe verursachen wiederum stärkere Nachkaufdissonanzen,

da sich der Käufer nicht intensiv mit dem Produkt auseinandergesetzt hat, son-

dern einem spontanen Reiz gefolgt ist. Das Verhalten wird später mehr bereut

als ein durchdachter Kauf (Nagel, 2002, S. 42; Baun, 2003, S. 41). Daher wird

13

angenommen, dass die RQ von Frauen generell höher liegen. In einer Untersu-

chung von Ulbrich et al. (2011, S.193) konnte außerdem ermittelt werden, dass

Retouren-Labels von Frauen als wichtiger erachtet werden als von Männern. Dies

lässt darauf schließen, dass sie Retouren bereits vor dem Kauf stärker berück-

sichtigen.

Auf die einzelnen Produktkategorien heruntergebrochen zeigt sich, dass dieses

Verhalten in Abhängigkeit zu bestimmten Produktkategorien steht. Frauen wei-

sen vor allem im Bereich Mode eine höhere Impulsneigung auf, wohingegen

Männer verstärkt im Bereich Elektronik spontaner kaufen (Coley & Burgess,

2003, S. 293). Dieses Verhalten wird auch von einigen Untersuchungen unter-

stützt, die belegen, dass Frauen im Bereich Mode ein höheres Involvement auf-

weisen (O’Cass, 2004). Involvement beeinflusst wiederum die Kaufentscheidun-

gen und das Auftreten von Spontankäufen (O’Cass, 2004; Bakewell, Mitchell &

Rothwell, 2006; Han, Morgan, Kotsiopulos & Kang-Park, 1991; Rook & Fisher,

1995). In den Bereichen „Haushalt und Lebensmittel“ werden Frauen basierend

auf der Heuristik der „Hausfrau“, die für den Einkauf zuständig ist, klassischer-

weise als die stärkere Zielgruppe wahrgenommen. Harmon & Hill (2003) weisen

jedoch darauf hin, dass auch Männer eine immer stärker werdende Rolle in die-

sen Bereichen einnehmen. Es ist daher zu untersuchen, welche Unterschiede sich

für das Retouren-Verhalten auf Basis der Produktkategorien ergeben.

Folgende Hypothesen werden aufgestellt:

H24: Weibliche Käufer weisen generell höhere RQ auf als männliche.

H25: Weibliche Käufer weisen im Bereich Bekleidung höhere RQ auf als

männliche.

1.8 Zahlungsart Ob eine Retoure stattfinden wird, legen Käufer zum Teil bereits vor Erhalt der

Ware fest. „4 von 10 Kunden kalkulieren bereits beim Kauf die Rücksendung der

Ware bewusst mit ein.“ (Pur et al., 2013, S. 6). Gerade im Bereich Bekleidung

erwerben Käufer einen Artikel häufig in mehr als einer Größe, um sicherzustel-

len, dass eine der Größen passt (IFH, 2013, S. 2). Somit ist eine Retoure bei

Bestellen mehrerer Größen sehr wahrscheinlich. 40% der befragten Händler ga-

ben dies als möglichen Retourengrund an (Pur et al., 2013, S. 6).

Dabei besteht ein direkter Zusammenhang zwischen der Auswahl der Zahlungs-

art „Kauf auf Rechnung“ und der RQ (IFH, 2013, S. 15). In einem Tiefeninter-

view von Asdecker (2014, S. 219) gab der befragte Geschäftsführer eines Lo-

gistikdienstleisters an, dass die internationalen Unterschiede zwischen den RQ

14

darauf zurück zu führen seien, dass in Deutschland häufig die Zahlungsmethode

„Kauf auf Rechnung“ angeboten wird. Frauen nutzen die Zahlungsart „Kauf auf

Rechnung“ häufiger (36%) als Männer (20%) (Creditreform Boniversum GmbH,

2013; Arns & Hampe, 2013, S. 24). Jedoch kann eine simple Beschränkung der

Zahlungsarten nicht als einzige Maßnahme gesehen werden, da für 37% der Be-

fragten die Einschränkung der Zahlungsmöglichkeiten ein Grund sei, um auf eine

Rücksendung zu verzichten (Rösch, 2016).

Bezogen auf die Zahlungsarten ergeben sich daher folgende Hypothesen:

H26: Weibliche Käufer nutzen die Zahlungsart „Kauf auf Rechnung“

häufiger als männliche.

H27: Das Verwenden der Zahlungsart „Kauf auf Rechnung“ hat sowohl bei

weiblichen als auch bei männlichen Käufern einen positiven Einfluss auf

die RQ.

1.9 Übersicht der Hypothesen Folgende Hypothesen wurden aufgestellt:

Tabelle 1 Übersicht der Hypothesen

Kaufverhalten

Informationssuche

H1: Die Absprungrate männlicher Besucher liegt höher als die weiblicher.

H2: Männliche Besucher nutzen die Suchfunktion beim Einkauf häufiger als

weibliche.

H3: Die durchschnittliche Sitzungsdauer weiblicher Besucher nach Nutzung der

Suchfunktion ist höher als die männlicher.

H4: Die durchschnittliche Anzahl von Seiten pro Sitzung weiblicher Besucher

nach Nutzung der Suchfunktion ist höher als die männlicher.

H5: Die Nutzung der Suchfunktion hat einen positiven Einfluss auf die Höhe des

Bestellwerts sowohl bei weiblichen als auch männlichen Käufern.

H6: Die Bereitstellung detaillierter Produktinformationen auf der Produktdetail-

seite hat einen höheren, positiven Einfluss auf die Anzahl der erworbenen Artikel

von männlichen als von weiblichen Käufern.

15

Risiko und Vertrauen

H7: Die prominente Darstellung vertrauensfördernder Elemente wie Siegel hat

einen positiven Einfluss auf die Kaufwahrscheinlichkeit weiblicher und männli-

cher Besucher.

H8: Die prominente Darstellung vertrauensfördernder Elemente wie Siegel hat

einen höheren positiven Einfluss auf die Kaufwahrscheinlichkeit von weiblichen

als von männlichen Besuchern.

H9: Das Vorhandensein positiver Produktbewertungen anderer Kunden hat ei-

nen positiven Einfluss auf die Kaufwahrscheinlichkeit weiblicher und männlicher

Besucher.

H10: Das Vorhandensein positiver Produktbewertungen anderer Kunden hat

einen höheren positiven Einfluss auf die Kaufwahrscheinlichkeit von weiblichen

als von männlichen Besuchern.

Werbung und Anreize

H11: Anteilig nutzen mehr weibliche Besucher die Zugriffskanäle E-Mail Marke-

ting und Social Media als männliche.

H12: Anteilig nutzen mehr männliche Besucher die Zugriffskanäle Organic Se-

arch und Paid Search als weibliche Benutzer.

H13: Bestellungen, die von weiblichen Käufern getätigt wurden, enthalten häu-

figer einen Gutscheincode als die von männlichen Käufern.

Nutzung mobiler Endgeräte

H14: Anteilig nutzen mehr männliche als weibliche Besucher mobile Endgeräte.

H15: In den Altersklassen 18-34 Jahren unterscheidet sich der prozentuale An-

teil der Besucher über mobile Endgeräte nicht zwischen weiblichen und männli-

chen Besuchern.

H16: Die Nutzung mobiler Endgeräte hat einen höheren negativen Einfluss auf

die Höhe des Bestellwerts von weiblichen als von männlichen Käufern.

Nachkaufverhalten

Risiko und Produktinformationen

16

H17: Detaillierte Produktbeschreibungen haben sowohl bei weiblichen als auch

bei männlichen Käufern einen negativen Einfluss auf die RQ.

Rabatte und Versandkosten

H18: Versandkosten haben sowohl bei weiblichen als auch bei männlichen Käu-

fern einen negativen Einfluss auf die RQ.

H19: Rabatte haben sowohl bei weiblichen als auch bei männlichen Käufern ei-

nen negativen Einfluss auf die RQ.

H20: Gutscheincodes haben sowohl bei weiblichen als auch bei männlichen Käu-

fern einen negativen Einfluss auf die RQ.

H21: Versandkosten haben einen stärkeren negativen Einfluss auf die RQ von

weiblichen als von männlichen Käufern.

H22: Rabatte haben einen stärkeren negativen Einfluss auf die RQ von weibli-

chen als von männlichen Käufern.

H23: Gutscheincodes haben einen stärkeren negativen Einfluss auf die RQ von

weiblichen als von männlichen Käufern.

Impulskaufneigung und Produktkategorie

H24: Weibliche Käufer weisen generell höhere RQ auf als männliche.

H25: Weibliche Käufer weisen im Bereich Bekleidung höhere RQ auf als männli-

che.

Zahlungsart

H26: Weibliche Käufer nutzen die Zahlungsart „Kauf auf Rechnung“ häufiger als männliche.

H27: Das Verwenden der Zahlungsart „Kauf auf Rechnung“ hat sowohl bei weib-

lichen als auch bei männlichen Käufern einen positiven Einfluss auf die RQ.

17

2 Beschreibung des empirischen Vorgehens Zur Überprüfung der Hypothesen wurde jeweils ein Datensatz auf Bestellebene

der verschiedenen Onlineshops exportiert und mit Informationen aus Google

Analytics (GA) angereichert. Des Weiteren wurden Retouren-Informationen für

einen Onlineshop aus einem Datawarehouse System extrahiert. Die Daten wur-

den anhand der Transaktionsnummern zusammengefügt. Außerdem wurden wei-

tere aggregierte Berichte zum Kaufverhalten aus GA3 genutzt. Ein Single Source

Ansatz war aufgrund jeweils fehlender Daten nicht möglich. Der vorliegende Da-

tensatz besteht aus 24.138 Bestellungen von vier Onlineshops in einem Zeitraum

von über einem Jahr. Es wurden unveränderte Daten aus einer realen Kaufsitua-

tion verwendet, womit es sich um eine quantitative Erhebung im Sinne der Se-

kundärforschung handelt.

Innerhalb der aggregierten Berichte wurde das Geschlecht durch GA bestimmt.

GA bezieht die Segmentierung wiederum aus diversen Drittanbieter-Quellen wie

dem Drittanbieter-DoubleClick-Cookie, der Android-Werbe-ID und dem iOS Iden-

tifier for Advertisers (IDFA) (google.com, 2016d). Die Daten wurden durch die

Export Funktion bei GA exportiert. Da GA bei einigen Berichten keine demografi-

sche Segmentierung aus Datenschutzgründen zulässt, wurden Bestellungen teil-

weise mit Onlineshop Daten angereichert. Dazu wurde ein partieller Datenbank

Export mit mysql genutzt. Neben den gemischten Datensets wurde für einige

Hypothesen nur Berichte aus GA verwendet, welche wiederum das Verhalten in

aggregierter Form messen z.B. die allgemeine CR pro Shop nach weiblichen und

männlichen Besuchern getrennt. Generell bezieht sich die Definition des Ge-

schlechts auf das biologische, nicht auf das soziale Geschlecht (Schmidt & Wolff,

2015, S. 66).

Zur Auswertung in SPSS wurden Daten teilweise dummy-kodiert.

Die Parameter der Regressionsanalysen und der vermutete Einfluss auf abhängi-

gen Variablen des Kaufverhaltens (BW) und des Nachkaufverhaltens (RQ) wird in

der folgenden Tabelle beschrieben. „x“ wird als Platzhalter für die Ausprägung

genutzt.

3 Siehe https://analytics.google.com

18

Tabelle 2 Übersicht der Regressionsparameter

Variable Beschreibung Ausprägungen/Typ BW RQ

Versand Versandkosten in Euro metrisch (0-4,95) x

Site_Search

_Status

Gibt an, ob die Suche

verwendet wurde.

nominal (0;1) x

Gutscheinwert In Euro metrisch x

Gutschein_

verwendet

Gibt an, ob ein Gutschein

verwendet wurde.

nominal (0;1) x

Gutscheintyp_x Art des Gutscheins nominal (absolut; pro-

zentual)

x

Menge_Sale Anzahl rabattierter Artikel metrisch x

Menge_Sale_

in_Prozent

Anteil rabattierter Artikel

an allen Artikel der Be-

stellung (gibt Rabattaffi-

nität des Kunden an).

metrisch x

Zahlungsarten_x Weichen je Onlineshop

voneinander ab.

nominal (Rechnung;

Vorauskasse; Kredit-

karte; PayPal, Sofort-

überweisung, Last-

schrift, Nachnahme,

Sonstige)

x

Geräte-

kategorie_x

Verwendetes Gerät pro

Sitzung

nominal (desktop;

mobil; tablet)

x

19

Es wird davon ausgegangen, dass es neben den abgeleiteten Einflussvariablen

noch weitere einflussnehmende Variablen gibt. Der Einfluss folgender Parameter

wird daher zusätzlich experimentell untersucht:

Tabelle 3 Experimentelle Regressionsparameter

Variable Beschreibung Ausprägun-

gen/Typ

Medium_x Letzter Kanal, über den der Onlineshop

betreten wurde.

Organic: natürliche Suchergebnisse bei

Keyword Eingabe.

CPC: bezahlte Suchergebnisse

Referral: Weiterleitung durch andere

Seite z.B. Banner.

E-Mail: Newsletter Marketing

nominal (organic;

cpc; email; refer-

ral)

Nutzertyp Wiederkehrende (0) oder neue (1) Be-

sucher.

nominal (0;1)

Land Gibt an, ob sich der Besucher in

Deutschland (1) befand, sonst (0).

nominal (0;1)

Sitzungen_bis_

zur_Transaktion

Anzahl der gemessenen Sitzungen bis

zu einer Transaktion (via Cookie).

metrisch

Alter In Jahren. Wurde aus angegebenem

Geburtsdatum ermittelt. Ausreißer

wurden durch den Mittelwert ersetzt.

metrisch

Für die Untersuchung werden folgende abhängige Variablen betrachtet:

„Die E-Commerce-Conversion-Rate ist der Prozentsatz der Besuche, die zu einer

E-Commerce-Transaktion führen.“ (google.com, 2016c). Sie kann für den On-

lineshop j, wie folgt, ermittelt werden:

𝐶𝑅! =𝐴𝑛𝑧𝑎ℎ𝑙  𝑑𝑒𝑟  𝐵𝑒𝑠𝑢𝑐ℎ𝑒  𝑚𝑖𝑡  𝑒𝑖𝑛𝑒𝑟  𝐵𝑒𝑠𝑡𝑒𝑙𝑙𝑢𝑛𝑔!

𝐴𝑛𝑧𝑎ℎ𝑙  𝑎𝑙𝑙𝑒𝑟  𝐵𝑒𝑠𝑢𝑐ℎ𝑒!

20

Die Kaufwahrscheinlichkeit gemessen anhand der CR kann pro Shop in Abhän-

gigkeit diverser Variablen ermitteln werden. Es ergeben sich daher generell zwei

Konversions-Raten (Conversion Rate) pro Shop (CR männlicher und weiblicher

Besucher).

Des Weiteren wird die Höhe des Bestellwerts (BW) berücksichtigt. Dieser be-

rechnet sich als Summenprodukt aller Artikel a mit dem Kaufpreis inkl. Steuern

und Positionsrabatten zzgl. Versandkosten abzgl. Kopfrabatten für jeden Kunden

k im Onlineshop j und stellt sich, wie folgt, dar:

𝐵𝑊!" =   (𝐴𝑟𝑡𝑖𝑘𝑒𝑙! ∗ 𝐾𝑎𝑢𝑓𝑝𝑟𝑒𝑖𝑠!

!

!!!

) + 𝑉𝑒𝑟𝑠𝑎𝑛𝑑𝑘𝑜𝑠𝑡𝑒𝑛 − 𝐾𝑜𝑝𝑓𝑟𝑎𝑏𝑎𝑡𝑡

2014 lag der durchschnittliche Warenkorbwert bei 100,60 Euro (Statista (Digital

Market Outlook), 2014). Dabei liegt die Gewinnmarge bei 48% der befragten

Onlineshop Betreiber zwischen 26% und 50% des Warenkorbwertes. Bei ange-

nommenen Prozesskosten von 15,18 Euro pro Versendung (Walsh & Möhring,

2014, S. 69) kann die gesamte Marge bereits nach der zweiten Sendung aufge-

braucht sein. Die Erhöhung des Warenkorbwertes ist daher ein beliebtes Mittel

zur Fixkostendegression und zur Nutzung von Skaleneffekten (Große Holtforth,

2015). Es stellt sich daher die Frage, wie der Warenkorb erhöht werden kann

und ob es einen Unterschied der darauf wirkenden Einflussvariablen zwischen

Männern und Frauen gibt. Aufgrund der komplexen Einflüsse auf diese abhängige

Variable wird ein multivariates Regressionsmodell aufgestellt, welches die Ein-

flussfaktoren näher beleuchten soll. Es wird davon ausgegangen, dass Anreize

durch Couponcodes oder Risikoverschiebungen durch Zahlungsarten einen Ein-

fluss auf die Kaufentscheidung bzw. auf die Bestellwerthöhe haben (H26-H27).

Neben dem Kaufverhalten vor und während des Kaufs ist auch das Verhalten

nach dem Kauf ein wichtiges Indiz für die Zufriedenheit des Kunden und ein

starker Einflussfaktor auf den tatsächlichen Gewinn des Verkaufs. Dieses kann

durch die RQ gemessen werden. Für die RQ gibt es kein einheitliches Messver-

fahren. Diverse Ansätze wie eine binäre Zuordnung (Retoure vorhanden, Retoure

nicht vorhanden), die reine Berücksichtigung einer Vollretoure oder auch Teilre-

toure, die Ermittlung der RQ in Abhängigkeit des Umsatzes oder in Abhängigkeit

der Artikelmenge sind möglich und können zu stark abweichenden Ergebnissen

führen. Im Folgenden wird die RQ eines Kunden k für einen Onlineshop j auf Ba-

sis der zurückgesendeten Artikel ermittelt, diese wird von Asdecker (2016) emp-

fohlen.

Sie wird, wie folgt, gemessen:

21

𝑅𝑄!" =𝐴𝑛𝑧𝑎ℎ𝑙  𝑟𝑒𝑡𝑜𝑢𝑟𝑛𝑖𝑒𝑟𝑡𝑒𝑟  𝐴𝑟𝑡𝑖𝑘𝑒𝑙  𝑖𝑛  𝑒𝑖𝑛𝑒𝑟  𝐵𝑒𝑠𝑡𝑒𝑙𝑙𝑢𝑛𝑔!"𝐴𝑛𝑧𝑎ℎ𝑙  𝑎𝑙𝑙𝑒𝑟  𝑏𝑒𝑠𝑡𝑒𝑙𝑙𝑡𝑒𝑛  𝐴𝑟𝑡𝑖𝑘𝑒𝑙  𝑖𝑛  𝑒𝑖𝑛𝑒𝑟  𝐵𝑒𝑠𝑡𝑒𝑙𝑙𝑢𝑛𝑔!"

Diese Messmethodik hat den Vorteil, dass sie auch über verschiedene Branchen

zu einem vergleichbaren und genauen Ergebnis führt, da sowohl Voll- als auch

Teilretouren berücksichtigt werden. Bei einer umsatzbasierten Berechnung würde

der Einfluss teurerer oder günstigerer Artikel das Ergebnis verfälschen. Eine Ent-

scheidung auf Basis einer binären RQ (Retoure vorhanden, Retoure nicht vor-

handen) würde zu kurz greifen, da z.B. im Bekleidungsbereich häufig Artikel in

mehreren Größen bestellt werden und eine Retoure daher nicht unbedingt mit

Unzufriedenheit gleichzusetzen ist. Es wird davon ausgegangen, dass verschie-

dene Einflussfaktoren auf die RQ wirken. Hierzu wird ein lineares Regressions-

modell zur Überprüfung aufgestellt. Dabei werden besonders die Höhe der Ver-

sandkosten, die Verwendung und Art eines Gutscheins und die verwendete Zah-

lungsart betrachtet (H18-H23).

22

3 Analyse und Auswertung

3.1 Überprüfung der Hypothesen zum Kaufverhal-ten

3.1.1 Hypothesentests zu Informationssuche Im Bereich Informationssuche wurden zunächst die Variablen der Suche auf

Normalverteilung anhand des Kolmogorow-Smirnow-Tests (Backhaus, 2008, S.

177) überprüft. Dabei konnte nachgewiesen werden, dass die Verteilungen der

Sitzungen, der durchschnittlichen Sitzungsdauer, der Seiten/Sitzung und der

Absprungrate normalverteilt sind zu einem Signifikanzniveau von 5%.

Die Hypothese H1 lautet: „Die Absprungrate männlicher Besucher liegt höher als

die weiblicher.“. Die Ausprägungen der Variable „Absprungrate“ sind numerisch

und normalverteilt bei ungepaarten Stichproben. Zur Überprüfung von H1 wird

daher aufgrund der kleinen Stichprobengröße bei zwei ungepaarten Gruppen auf

einen T-Test zurückgegriffen. Es soll der Unterschied zwischen beiden Geschlech-

tern ermittelt werden. Die Gruppenvariable ist somit das Geschlecht.

Betrachtet man zunächst die generellen Absprungraten, lassen sich keine offen-

sichtlichen Abweichungen zwischen Männern und Frauen feststellen. Beide Mit-

telwerte liegen in einem ähnlichen Bereich. Männer weisen eine durchschnittliche

Absprungrate von 31,37%; Frauen eine durchschnittliche Absprungrate von

31,20%. Männer und Frauen scheinen sich demnach im Mittel gleich zu verhal-

ten. Zur Überprüfung des Zufallsfehler bei nicht angenommener Varianzgleich-

heit (siehe Signifikanz des F-Tests im Levene-Test der Varianzgleichheit) werden

die Ergebnisse des T-Tests betrachtet. Der Signifikanzwert bei zweiseitiger Be-

trachtung liegt mit 0,791 über einem Signifikanzniveau von 0,05. Damit wird die

Nullhypothese, welche besagt, dass der Mittelwert zwischen Männern und Frauen

nicht signifikant unterschiedlich ist, abgelehnt. Die aktuelle Mittelwertsdifferenz

von -0,16 liegt zu 95-prozentiger Wahrscheinlichkeit in einem Bereich zwischen -

1,38 und 1,05. D.h., dass der Mittelwert für Männer über dem Mittelwert für

Frauen und vice versa aufgrund mangelnder Signifikanz liegen kann.

23

Abbildung 1 Ergebnisse des T-Tests zu H1: generelle Absprungraten

Eine erweiterte Untersuchung hinsichtlich der Absprungraten nach Nutzung der

Suchfunktion (Abbildung 2) zeigt hingegen, dass hier die Mittelwerte zum einen

deutlich niedriger liegen als die generellen Absprungraten und dass diese sich

zwischen und Männern und Frauen unterschieden (generelle Absprungraten lie-

gen bei über 30%, Absprungraten nach Nutzung der Suche unter 10%).

Abbildung 2 Ergebnisse des T-Tests zu H1: Absprungraten nach Nutzung der Suche

Männliche Besucher haben demnach nach Nutzung der Suche eine ca. 0,86%

niedrigere Absprungrate als weibliche. Basierend auf den Ergebnissen des Leve-

24

ne-Tests der Varianzgleichheit bei einem Signifikanzniveau von 5% kann Vari-

anzgleichheit angenommen werden (0,071>0,05). Es wird daher die erste Zeile

betrachtet. Der Mittelwertsunterschied ist signifikant zu einem Signifikanzniveau

von 5%. Bezogen auf den aktuellen Mittelwert von 0,865% schwankt dieser zwi-

schen 0,093 und 1,64. Der Mittelwert von Frauen ist also nach Nutzung der Su-

che immer größer als der von Männern. Vor Nutzung gibt es keine Unterschiede.

Hypothese H1 wird daher abgelehnt.

Zur Überprüfung von Hypothese H2 „Männliche Besucher nutzen die Suchfunkti-

on beim Einkauf häufiger als weibliche Besucher.“ werden zunächst die Mittel-

werte der Parameter der Suchfunktion verglichen und im Anschluss die Vertei-

lung anhand des Chi-Quadrat-Tests überprüft.

Die Variable Site_Search_Status ist dichotom. Die Ausprägung „1“ gibt an, dass

die Suche genutzt wurde. Die Gegenüberstellung der Ergebnisse innerhalb einer

Kreuztabelle wurde via SPSS erstellt. Über alle untersuchten Onlineshops hinweg

nutzen 19,28% der Männer und 21,07% der Frauen die Suchfunktion, bevor sie

einen Kauf tätigten (Abbildung 5). Anteilig nutzen weibliche Käufer die Suche

demnach mehr als männliche Käufer.

25

Abbildung 3 Ergebnisse des Chi-Quadrat-Tests zu H2

Da die Stichprobe ein n von über 60 besitzt, wird der Chi-Quadrat-Test nach

Pearson zur Interpretation verwendet. Die Stichproben sind unverbunden, die

Variablen Site_Search_Status und Geschlecht sind nominale Variablen. In Abbil-

dung 3 erkennt man, dass der Pearson-Chi-Quadrat Wert bei einem Freiheits-

grad 8,025 beträgt zu einer zweiseitigen asymptotischen Signifikanz von 0,5%

(p-Wert). Dieser ist damit hochsignifikant. Die erwartete Mindestanzahl von

1078,36 wurde nicht verletzt (die Bedingung wird ab 20% verletzt).

Es gibt also einen signifikanten Unterschied zwischen der Nutzungshäufigkeit der

Suche von Männern und Frauen. Jedoch liegt dieser genau gegenteilig zur Hypo-

these H2. Mehr Frauen (ca. 21% der Frauen) als Männer (ca. 19% der Männer)

nutzen die Suche.

Hypothese H2 ist daher abzulehnen.

Im Folgenden sollen die Hypothesen H3: „Die durchschnittliche Sitzungsdauer

weiblicher Besucher nach Nutzung der Suchfunktion ist höher als die männli-

cher.“ sowie H4: „Die durchschnittliche Anzahl von Seiten pro Sitzung weiblicher

Besucher nach Nutzung der Suchfunktion ist höher als die männlicher.“ unter-

sucht werden. Es wird nur ein Onlineshop im Bereich Bekleidung analysiert. Die

Hypothesen werden anhand eines T-Tests überprüft.

26

Abbildung 4 Ergebnisse des T-Tests zu H3 und H4

Wie Abbildung 4 zu entnehmen ist, weichen die Mittelwerte der Seiten/Sitzung

sowie der Durchschnittlichen Sitzungsdauer (in Sekunden) zwischen beiden Ge-

schlechtern leicht voneinander ab. Die Standardabweichungen liegen mit ca. 4

Seiten/Sitzung sowohl bei männlichen als auch weiblichen Besuchern relativ

hoch. Diese Unterschiede entstehen durch Abweichungen der Seiten/Sitzung

zwischen den Onlineshops. Es ist weiterhin zu bemerken, dass die Ausprägung

der durchschnittlichen Sitzungsdauern sehr stark um den Mittelwert schwankt.  

Die Ergebnisse des Levene-Tests der Varianzgleichheit zeigen, dass die Voraus-

setzung gleicher Varianzen bei beiden Untersuchungen erfüllt ist (Levene Signifi-

kanzwert ist größer als 0,05). Für die Variable Seiten/Sitzung liegt der zweiseiti-

ge Signifikanzwert bei 0,052 und für Variable Durchschnittl. Sitzungsdauer bei

0,035 bei jeweils 764 Freiheitsgraden. Für die Durchschnittl. Sitzungsdauer sind

die Mittelwerte also signifikant unterschieden, für die Seiten/Sitzung nicht.

H3 kann bestätigt werden. Männer weisen dabei eine durchschnittliche Sitzungs-

dauer von 406 Sekunden auf, Frauen nur 385 Sekunden. Zu 95 prozentiger Si-

cherheit im aktuellen Mittel beträgt die Differenz zwischen 1 und 40 Seiten.

H4 kann daher nicht bestätigt werden. Es gibt keinen signifikanten Unterschied

zwischen den besuchten Seiten pro Sitzung zwischen Männern und Frauen.

H5 wird anhand des Regressionsmodells überprüft.

27

Am 29.01.2015 wurde durch einen Onlineshop eine Erweiterung der Produktin-

formationen veröffentlicht. Dies umfasste vor allem die Einführung von 360 Grad

Ansichten der Produkte sowie zusätzliche Bilder und Tragebeispiele. Zur Über-

prüfung von Hypothese H6 wird untersucht, ob die Besucher bei Anzeige detail-

lierter Produktinformationen mehr kaufen. Dies wird anhand der Anzahl an ge-

kauften Artikeln überprüft. Dabei wird der Zeitraum vom 01.01.-28.01.2015 mit

dem Zeitraum vom 30.01.-26.02.2015 verglichen.

Zunächst wurden die Daten auf Normalverteilung überprüft. Die Prüfung auf

Normalverteilung kann Anhang 1.3 entnommen werden. Im Anschluss wurden

die Mittelwerte der abhängigen Variable anhand zweier T-Tests vor und nach der

Einführung verglichen.

Der Levene-Tests der Varianzgleichheit (Abbildung 5) zeigt, dass Varianzgleich-

heit nicht angenommen werden kann (Signifikanz des F-Werts liegt unter 0,05).

Dies erkennt man auch gut an der großen Differenz der Standardabweichungen

von Männern und Frauen.

Abbildung 5 Ergebnisse des T-Tests zu H6 vor Einführung erweiterter Produktinformationen

Vor Einführung detaillierter Produktinformationen liegt der p-Wert der zweiseiti-

gen Signifikanz bei 0,000. Das Ergebnis kann daher gegen den Zufall abgesichert

werden. Frauen kaufen demnach mehr Artikel als Männer ein (1,429 zu 1,261).

Nach Einführung (Abbildung 6) nähern sich die Mittelwerte stärker an. Frauen

kaufen zwar immer noch mehr als Männer (1,382 Artikel zu 1,349 Artikel), die

Differenz ist jedoch deutlich geringer.

28

Abbildung 6 Ergebnisse des T-Tests zu H6 nach Einführung erweiterter Produktinformationen

Betrachtet man Abbildung 8, so zeigt der Levene-Test, dass Varianzgleichheit

angenommen werden muss (Signifikanz des F-Werts liegt über 0,05). Nach Ein-

führung liegt der p-Wert der zweiseitigen Signifikanz bei 0,681. Die Irrtums-

wahrscheinlichkeit liegt also bei ca. 68,1% und das Ergebnis kann nicht gegen

den Zufall abgesichert werden.

Es ist zu erkennen, dass Männer nach Einführung der detaillierteren Produktbe-

schreibungen mehr kaufen, wobei auf Basis der Unter- und Obergrenzen die Dif-

ferenz relativ klein ausfallen kann. Dies bestätigt den Verdacht, dass Männer

mehr Wert auf detaillierte Informationen legen. Frauen kaufen wiederum weni-

ger. Hypothese H6 kann daher tendenziell bestätigt werden. Weitere Untersu-

chungen werden empfohlen.

3.1.2 Hypothesentests zu Vertrauen und wahrgenomme-nem Risiko

Im Bereich Vertrauen und wahrgenommenes Risiko wird untersucht, welchen

Einfluss vertrauensfördernde Elemente und Kundenbewertungen auf die Kauf-

wahrscheinlichkeit besitzen. Die Kaufwahrscheinlichkeit wird durch die CR opera-

tionalisiert.

Wie bereits erläutert, weisen weibliche Besucher ein höheres wahrgenommenes

Risiko beim Online Kauf auf. Daher wird erwartet, dass der positive Einfluss von

vertrauensfördernden Elementen und Reviews auf die CR von Frauen stärker

ausfällt. Zur Überprüfung der Hypothesen H7-H10 kann kein branchenübergrei-

fender Vergleich verwendet werden, da die CR der einzelnen Shops generell

stark voneinander abweichen. Daher wird ein Mittelwertsvergleich auf Basis his-

torischer Daten vor und nach Einführung vertrauensbildender Maßnahmen

29

durchgeführt. Zunächst wurde eine Überprüfung auf Normalverteilung vorge-

nommen. Man erkennt anhand der grafischen Darstellung der Ausprägungen,

dass 0 als Ausreißer identifiziert werden kann. Die CR nimmt immer dann 0 an,

wenn es an dem Tag keinen Verkauf gab. Aufgrund der kleinen Stichprobe wird

das Ergebnis daher jeweils verzerrt. Eine CR von Null wird daher als Ausreißer

eliminiert.

Zur Vertrauensförderung nutzt der Onlineshop das Siegel eines Fremdanbieters

(Trusted Shops) mit hohem Wiedererkennungswert4 und stellt dieses an diversen

Stellen im Onlineshop im sichtbaren Bereich dar. Das Siegel wurde am 17. März

2015 eingeführt. Daher wird der identische Zeitraum vor und nach dem 17. März

verglichen. Dazu wurde ein geschlechtsspezifisches, tagesbasiertes Datenset der

CR aus GA exportiert. Wie Abbildung 9 zu entnehmen ist, liegt die durchschnittli-

che CR von Frauen vor der Einführung des Siegels bei 1,45%, die der Männer bei

1,92%. Nach Einführung (Abbildung 10) liegt sie bei 2,04% bei Frauen und bei

2,34% bei Männern. Bei Frauen stieg die CR also um Durchschnitt um einen

Wert von 0,59% und bei Männern um 0,42%. Der Anstieg von Frauen nach Ein-

führung des Siegels ist daher höher.

Abbildung 7 Ergebnisse des T-Tests zu H7-H8 vor Einführung eines Siegels

4 TrustedShops bezeichnet sich selbst als den europäischen Marktführer mit hohem Wiedererken-

nungswert. Diese Gültigkeit dieser Aussage wurde bisher nicht von unabhängigen Instituten be-legt. Jedoch wird TrustedShops von 25.000 Onlineshops eingesetzt wie z.B. Zalando. Daher ist davon auszugehen, dass der Recognition Wert hoch ist. Dies sollte in einer unabhängigen Studie überprüft werden.

30

Der Levene-Tests der Varianzgleichheit zeigt, dass Varianzgleichheit angenom-

men werden muss (Signifikanz des F-Werts liegt über 0,05). Vor Einführung des

Siegels liegt der p-Wert der zweiseitigen Signifikanz bei 0,051 (Abbildung 9). Die

Irrtumswahrscheinlichkeit liegt daher bei ca. 5,1% über einem Signifikanzniveau

von 5%. Das Ergebnis kann also nicht gegen den Zufall abgesichert werden.

Abbildung 8 Ergebnisse des T-Tests zu H7-H8 nach Einführung eines Siegels

Nach Einführung des Siegels beträgt der F-Wert 5,131. Die Nullhypothese glei-

cher Varianzen kann daher abgelehnt werden. Der p-Wert der zweiseitigen Signi-

fikanz liegt bei 0,103 und ist damit größer als 0,05. Es besteht eine Irrtums-

wahrscheinlichkeit von 10,3%. Der Mittelwertsunterschied von ca. -0,295% ist

nicht signifikant. Aufgrund der kleinen Stichproben werden die Ergebnisse aller-

dings als Tendenzen in die Analyse einbezogen. Diese sind weiteren Forschungs-

arbeiten zu überprüfen. Vergleicht man die Ergebnisse der Analysen, so kann bei

beiden Geschlechtern ein Anstieg gemessen werden nach Einführung des Sie-

gels. H7 kann daher tendenziell bestätigt werden. Die Differenz der CR nach Ein-

führung liegt bei Frauen höher, der Einfluss des Siegels kann daher als stärker

bei Frauen betrachtet werden. H8 kann ebenfalls tendenziell bestätigt werden.

Die Hypothesen H9 und H10 beziehen sich auf den Einfluss von Produktbewer-

tungen auf die CR. Der Onlineshop zeigt seit dem 14.03.2016 Online Bewertun-

gen (Reviews) an, zuvor konnten Kunden bereits Bewertungen angeben, welche

jedoch nicht sichtbar waren. Nicht-positive Kommentare/Bewertungen von Käu-

fern werden nicht aktiviert und sind daher für den Endkunden nicht sichtbar.

Nicht jeder Artikel wurde zwangsläufig von einem Käufer bewertet. Daher kann

nicht bei jedem Besuch davon ausgegangen werden, dass Kunden die Bewertung

gesehen haben. Des Weiteren kann nicht ermittelt werden, ob Käufer eine Be-

31

wertung bewusst wahrgenommen haben. Daher kann es hier zu Verzerrungen in

der Bewertung des Einflusses von Reviews auf die CR kommen. Verglichen wer-

den die Mittelwerte der geschlechterbasierten CR im gleichen Zeitraum (36 Tage)

vor und nach Sichtbarschalten der Bewertungen am 14.03.2016. Zunächst wur-

de eine Überprüfung auf Normalverteilung vorgenommen.

Vor Anzeige der Produktbewertungen liegt die durchschnittliche CR von Frauen

bei 2,87%, die von Männern bei 5,67%. Nach Anzeige der Bewertungen liegt die

durchschnittliche CR von Frauen bei 4,6%, die von Männern bei 9,5%. Beide CR

sind daher stark angestiegen, wobei die CR von Frauen um einen Wert von ca.

0,74% und die der Männer um 3,84% anstieg.

Abbildung 9 Ergebnisse des T-Tests zu H9-H10 vor Anzeige der Produktbewertungen

Basierend auf dem Levene-Test der Varianzgleichheit (Abbildung 9 und 10) muss

bei beiden T-Tests Varianzgleichheit angenommen werden bei einem Signifi-

kanzniveau von 5%.

Betrachtet man die Ergebnisse vor Liveschalten der Produktbewertungen zeigt

sich, dass bei zweiseitiger Überprüfung der Mittelwertsunterschied zwischen

Männern und Frauen nicht signifikant ist. Man erkennt, dass die Streuung zwi-

schen der Ober- und Untergrenze von -4,35% und 0,73% schwankt bezogen auf

die Mittelwertsdifferenz von -1,81%.

32

Abbildung 10 Ergebnisse des T-Tests zu H9-H10 nach Anzeige der Produktbewertungen

Nach Liveschalten der Produktbewertungen (Abbildung 10) ergibt sich eine Mit-

telwertsdifferenz von -4,91% mit Ober- und Untergrenzen in einem negativen

Bereich, die CR von Männern liegt also zu 95 prozentiger Wahrscheinlichkeit im-

mer über der CR von Frauen.

Aufgrund der eingeschränkten Signifikanz des ersten Modells lässt sich nur eine

Tendenz ablesen. Angesichts der kleinen Stichprobe werden die Ergebnisse zur

Interpretation dennoch genutzt. Auf Basis der vorliegenden Ergebnisse kann H9

bestätigt werden. Die Anzeige von Produktbewertungen hat einen positiven Ein-

fluss auf die Kaufwahrscheinlichkeit bei beiden Geschlechtern. Der Effekt ist bei

Männern jedoch stärker ausgeprägt. H10 muss daher abgelehnt werden.

Einschränkend für die Hypothesen H7-H10 ist zu berücksichtigen, dass viele Ein-

flüsse auf die CR wirken und Scheinkorrelationen somit nicht ausgeschlossen

werden können. Weitere Untersuchungen sind zu empfehlen.

3.1.3 Hypothesentests zu Werbung und Anreize Zur Überprüfung der Hypothesen H11 und H12 im Bereich Werbung und Anreize

wurde zunächst ein Datenset aus GA in aggregierter Form exportiert und in ein-

zelne Sitzungen gesplittet. Zur besseren Übersicht wurde via SPSS eine Kreuzta-

bellen Darstellung mit prozentualen Anteilen erstellt. Dabei wurden die dichoto-

me Variable Geschlecht sowie die polytome Variable Kanal in einer eine 2x6 Mat-

rix gegenübergestellt. Im Anschluss wurde ein Chi-Quadrat-Test zur statistischen

Absicherung angewendet. Die Ergebnisse sind Abbildung 11 zu entnehmen.

33

Abbildung 11 Ergebnisse des Chi-Quadrat-Tests zu H11 und H12

Der prozentuale Vergleich zeigt, dass die am stärksten genutzten Kanäle sowohl

weiblicher als auch männlicher Besucher Organic Search gefolgt von Direct sind.

Man erkennt weiterhin, dass die Nutzung der Kanäle Social und E-Mail bei weibli-

chen Besuchern niedriger ausfällt als bei männlichen. Insgesamt sind die Unter-

schiede jedoch marginal. Das Ergebnis ist statistisch signifikant. Hypothese H11

muss also abgelehnt werden.

Weiterhin kann man der Kreuztabelle entnehmen, dass anteilig mehr weibliche

als männliche Besucher über Organic Search und Paid Search zugriffen. Das Er-

gebnis ist statistisch signifikant. Hypothese H12 ist daher ebenfalls abzulehnen.

Es ist festzuhalten, dass mit einem hochsignifikanten Ergebnis die Zugriffskanäle

genau entgegengesetzt der ursprünglichen Erwartung genutzt wurden. Insge-

samt sind die Unterschiede jedoch marginal.

Zur Überprüfung der Hypothese H13 wurde zusätzlich zu den aus den Shop Da-

tenbanken exportierten Informationen noch die Variable Gutschein_verwendet

gebildet und binär kodiert. Es liegt eine 2x2 Matrix vor, daher wurde ein Fisher-

Exact Test in Kombination mit einem Chi-Quadrat-Test durchgeführt.

34

Abbildung 12 Ergebnisse des Chi-Quadrat-Tests zu H13

Betrachtet man zunächst die geschlechtsspezifische Verteilung der Variablen

(Abbildung 12), so ist zu entnehmen, dass 12,3% der männlichen Käufer und

15,8% der weiblichen Käufer einen Gutscheincode in einer Bestellung nutzen.

Der Pearson-Chi-Quadrat-Test weist einen Wert von 38,9 auf (korrigierter Wert

liegt bei 38,63) bei einem Freiheitsgrad, wobei die Bedingung der zu erwarteten

Anzahl von fünf oder mehr nicht verletzt wurde. Der zweiseitige Hypothesentest

ist hoch signifikant. Weiterhin ergibt der Fisher-Exact Test eine hohe einseitige

und zweiseitige Signifikanz. Die Ergebnisse können daher als valide und gegen

den Zufall abgesichert betrachtet werden. Mehr Frauen als Männer nutzen in

Bestellungen einen Gutscheincode. Hypothese H13 kann somit bestätigt werden.

35

3.1.4 Hypothesentests zur Nutzung mobiler Endgeräte Im Bereich der Nutzung mobiler Endgeräte wurde zunächst untersucht, wie das

Nutzungsverhältnis von Desktop, Tablet und mobilen Endgeräten ausgeprägt ist.

Die eingangs formulierte Hypothese H14 stützte sich auf der Annahme, dass

Männer technikaffiner als Frauen sind und daher mehr über mobile Endgeräte

online gehen als Frauen. H14 lautete „Anteilig nutzen mehr männliche als weib-

liche Besucher mobile Endgeräte.“. Weiterhin wurde angenommen, dass inner-

halb jüngerer Zielgruppen (18-34 Jahre) diese Verhaltensunterschiede kaum

noch vorhanden sind und sich die Nutzungshäufigkeiten nicht mehr zwischen

Männern und Frauen unterscheiden (Hypothese H15). Zur Überprüfung der Hy-

pothesen wurde ein Kreuztabellen Vergleich über drei Onlineshops hinweg vor-

genommen und diese über die Mediatorvariable Alter in SPSS geschichtet. Es

handelt sich hierbei um eine kategoriale Variable mit sechs Unterteilungen. Da-

bei wurden die aggregierten Daten für SPSS aufbereitet und in einzelne Sitzun-

gen aufgespalten. Es ergeben sich 131.652 Sitzungen. Zur Überprüfung der Aus-

sagekraft der Ergebnisse wurde ein Chi-Quadrat-Test angewendet.

Der Position „Gesamtsumme“ der Kreuztabelle (Abbildung 13) ist zu entnehmen,

dass nur 61,1% der Frauen, aber 72,6% der Männer einen Desktop PC verwen-

den. Die Nutzung von Tablets (Frauen: 24,5%, Männer: 17,5%) und insbesonde-

re mobiler Endgeräte (Frauen: 14,4%, Männer: 9,9%) zeigt deutlich, dass nicht

wie eingangs angenommen männliche Besucher aufgrund ihrer Technikaffinität

stärker mobile Geräte nutzen. Die Ergebnisse sind hochsignifikant basierend auf

der Überprüfung mittels Chi-Quadrat-Test und können daher zur Interpretation

herangezogen werden. Hypothese H14 kann falsifiziert werden, das Verhalten

stellt sich genau entgegengesetzt dar als eingangs vermutet.

Betrachtet man das Nutzungsverhalten auf Basis des Alters, so zeigt sich für die

Altersklasse 18-24 Jahren, dass ausschließlich Nutzer der Gerätekategorie Mobile

gemessen werden konnten. Der Anteil dieser Nutzergruppe ist insgesamt sehr

klein und beträgt nur ca. 0,3% aller Sitzungen. Daher ist die Aussagekraft dieser

Nutzergruppe relativ gering. Es muss daher in Betracht gezogen werden, dass

ein Messfehler durch GA vorliegt. Innerhalb der Altersklasse 25-34 Jahren konn-

ten keine Sitzungen der Gerätekategorie „Tablet“ gemessen werden. Man er-

kennt jedoch, in der Altersklasse 25-34 Jahren einen deutlichen Unterschied der

Gerätekategorien zwischen Männern und Frauen. Mehr Männer als Frauen nutzen

demnach den Desktop PC im Vergleich zum mobilen Endgerät (63% der Frauen

und 70,5% der Männer). Gerade bei den älteren Klassen zeigt sich, dass durch-

gehend ca. 10% mehr Männer als Frauen den Desktop PC nutzen. Das Ergebnis

ist konsistent für alle betrachteten Altersklassen.

36

Abbildung 13 Kreuztabellierung zu H14 und H15

37

Abbildung 14 Ergebnisse des Chi-Quadrat-Tests zu H14 und H15

Die Ergebnisse sind hochsignifikant basierend auf der Überprüfung mittels Chi-

Quadrat-Test nach Pearson. In keiner der überprüften Schichten wird die erwar-

tete Mindestanzahl von weniger als fünf unterschritten. Für die Schicht 18-24

Jahre konnte keine Überprüfung stattfinden, da die Gerätekategorie nur eine

Ausprägung annahm. Außer in der Schicht 45-54 Jahren handelt es sich stets um

eine 2x2-Tabelle, sodass der Exakte Test nach Fisher sowie eine Kontinuitätskor-

rektur Anwendung finden. Nach allen Kriterien sind die Ergebnisse hochsignifi-

kant und können daher zur Interpretation herangezogen werden. Männer nutzen

den Desktop PC über verschiedene Altersklassen hinweg mehr als Frauen bzw.

Frauen nutzen mehr mobile Endgeräte als Männer. Hypothese H15 kann teilwei-

38

se abgelehnt werden für die Schicht 25-34 Jahren. Das Nutzungsverhalten un-

terscheidet sich demnach auch in den jüngeren Altersklassen. Für die Schicht

18-24 Jahren kann keine Aussage getroffen werden.

Hypothese H16 wird innerhalb der Überprüfung eines Gesamtmodells zur Höhe

des Bestellwertes überprüft.

Die multivariate Analyse der Einflussfaktoren auf das Kaufverhalten wird im

Rahmen dieses Auszugs nicht detailliert dargestellt.

3.2 Überprüfung der Hypothesen zum Nachkauf-verhalten

3.2.1 Hypothesentests zu Risiko und Produktinformationen Zur Überprüfung von Hypothese H6 wurde bereits auf den Einfluss detaillierter

Produktinformationen auf die erworbene Artikelmenge eingegangen. Zur Über-

prüfung von H17 soll der Einfluss auf die RQ gemessen werden. Dabei wird das

gleiche Modell über den Zeitraum vor Einführung (01.01.-28.01.2015) sowie da-

nach (30.01.-26.02.2015) angewendet. Es wird erwartet, dass detaillierte Pro-

duktinformationen zu einer Senkung der RQ bei beiden Geschlechtern führen.

Wie Abbildung 15 zu entnehmen ist, liegt vor Einführung die RQ von Frauen mit

6,11% im Mittel stark über der RQ von Männern (3,67%).

Abbildung 15 Ergebnisse des T-Tests zu H17 vor Einführung detaillierter Produktinformationen

Nach Einführung steigen die RQ bei beiden Geschlechtern an. Bei Frauen steigt

der Mittelwert um 0,429 und bei Männern um 0,917 an. Aufgrund der hohen

Standardabweichungen bei beiden T-Tests liegt die beidseitige Signifikanz jedoch

stark über dem definierten Signifikanzniveau von 0,05. Ein Zufallsfehler kann

daher nicht hinreichend ausgeschlossen werden. Anhand der zwischen negativen

39

und positiven Werten schwankenden Ober- und Untergrenzen erkennt man, dass

ein positiver oder negativer Effekt nicht eindeutig nachgewiesen werden kann.

Hypothese H17 kann daher tendenziell abgelehnt werden.

Abbildung 16 Ergebnisse des T-Tests zu H17 nach Einführung detaillierter Produktinformationen

H18-H23 des Bereichs „Rabatte und Versandkosten“ werden innerhalb des Re-

gressionsmodells überprüft.

3.2.2 Hypothesentests zu Impulskaufneigung und Pro-duktkategorie

Im Folgenden sollen die Hypothesen H24 und H25 untersucht werden. Es wurde

davon ausgegangen, dass Frauen generell und insbesondere im Bekleidungsbe-

reich höhere RQ aufweisen. Zur Überprüfung wurde jeweils ein T-Test über die

RQ für jeden Onlineshop sowie ein T-Test über alle aggregiert angewendet.

Auf Basis der Ergebnisse des Levene-Tests der Varianzgleichheit wird bei allen T-

Tests keine Varianzgleichheit angenommen. Die Ergebnisse sind bis auf einen

Onlineshop zu einem einseitigen Signifikanzniveau von 5% signifikant und kön-

nen daher als valide angesehen werden.

40

Abbildung 17 Ergebnisse des T-Tests zu H24 und H25 für die allgemeine RQ

Der Vergleich der RQ der einzelnen Onlineshops wird im Auszug dieser Arbeit

nicht dargestellt. Es werden lediglich die Ergebnisse erörtert.

Kumuliert liegt der Mittelwert der RQ männlicher Käufer über der RQ weiblicher

(Abbildung 17). Dies ist auf einen Onlineshop für proteinreiche Lebensmittel zu-

rück zu führen, bei dem die RQ von Männern als Ausreißer viermal über der

weiblicher lag. Da die Ergebnisse für diesen Onlineshop jedoch statistisch nicht

signifikant sind, wurden nur die Ergebnisse der anderen Onlineshops berücksich-

tigt und nicht in aggregierter, sondern in separierter Form betrachtet. Weibliche

Käufer weisen demnach bei allen untersuchten Onlineshops signifikant höhere

RQ auf; ca. doppelt so hoch in den Bereichen Haushalt sowie Accessoires und ca.

eineinhalb mal so hoch im Bereich Bekleidung. Hier wiesen Frauen eine RQ in

Höhe von ca. 30% zu 20% auf.

Hypothese H24: „Weibliche Käufer weisen generell höhere RQ auf als männli-

che.“ kann daher bestätigt werden.

Hypothese H25: „Weibliche Käufer weisen im Bereich Bekleidung höhere RQ auf

als männliche.“ kann ebenfalls bestätigt werden.

3.2.3 Hypothesentests zu Zahlungsarten Die Untersuchung der Hypothese H26: „Weibliche Käufer nutzen die Zahlungsart

„Kauf auf Rechnung“ häufiger als männliche.“ unterliegt einigen Einschränkun-

41

gen. Nicht alle der untersuchten Onlineshops bieten die Zahlungsart „Kauf auf

Rechnung“ an. In Abbildung 18 ist die geschlechtsspezifische Verteilung der ge-

nutzten Zahlungsarten dargestellt.

Abbildung 18 Verwendete Zahlungsarten in Abhängigkeit des Geschlechts

Zur Überprüfung wird ein Chi-Quadrat-Test angewendet. Die Ergebnisse sind

Abbildung 19 zu entnehmen. Die Ergebnisse der Kreuztabelle zeigen, dass

61,9% der männlichen und 75,5% der weiblichen Käufer die Zahlungsart „Kauf

auf Rechnung“ verwendeten. Die Ergebnisse des Pearson-Chi-Quadrat-Tests mit

einem Wert von über 261 bei 5 Freiheitsgraden zeigen, dass das Ergebnis bei

zweiseitiger Überprüfung hochsignifikant ist. Ebenso wurde das Kriterium auf

eine erwartete Anzahl von fünf oder mehr nicht verletzt. Die Ergebnisse können

gegen den Zufall abgesichert werden.

Hypothese H26 kann bestätigt werden.

42

Abbildung 19 Ergebnisse des Chi-Quadrat-Tests zu H26

Weiterhin ist zu entnehmen, dass die Zahlungsart PayPal bei Männern im Ver-

gleich zu Frauen besonders häufig genutzt wurde (18,3% zu 8,5%). Möglicher-

weise entspricht die Zahlungsart PayPal dem besonders bei Männern vorhande-

nen Wunsch eines schnellen, unkomplizierten Abschlusses. Dies wäre in weiteren

Untersuchungen zu ermitteln.

H27 wird im Zuge eines multivariaten Modells untersucht.

Die Ergebnisse der Analyse der Einflussfaktoren auf die RQ im Rahmen eines

Regressionsmodells werden im Folgenden nicht im Detail dargestellt.

43

4 Schlussbetrachtung

4.1 Zusammenfassung der Ergebnisse In der vorliegenden Arbeit wurde untersucht, ob es Unterschiede zwischen den

Geschlechtern im Kauf- und Nachkaufverhalten im E-Commerce gibt. Es wurde

dabei ein Set an 27 Hypothesen formuliert, die aus verschiedenen Annahmen

und Studien aus der Literatur abgeleitet wurden und anhand eines Datensatzes

mit 24.000 Bestellungen und über 178.000 Sitzungen überprüft. In Kapitel 2

wurde die Gender Gap beschrieben und diskutiert, welche Lücken bisher in der

Literatur nachgewiesen werden konnten. Die Ergebnisse unterscheiden sich

stark. Jedoch basieren die meisten Untersuchungen auf der subjektiven Wahr-

nehmung anhand von Befragungen und betrachten nur einen Teil des Verhal-

tens. In dieser Arbeit wurden daher sowohl das Kauf- als auch das Nachkaufver-

halten anhand realer Daten untersucht. Deutliche geschlechtsspezifische Unter-

schiede konnten u.a. in den Bereichen „Anreize“, „Mobile Nutzung“ und generell

im Bereich „Retouren“ identifiziert werden.

In Tabelle 34 ist eine Übersicht der verwendeten Verfahren und Hypothesen dar-

gestellt. AV bezeichnet dabei die abhängige, UV die unabhängige Variable. Es

konnten einige signifikante Einflussfaktoren auf das Kaufverhalten identifiziert

werden, wohingegen die RQ durch Maßnahmen im Onlineshop generell nur be-

dingt beeinflusst werden kann. Einige Unterschiede zwischen Männern und Frau-

en treten entgegengesetzt zu Annahmen aus dem aktuellen Stand der Forschung

auf.

Tabelle 4 Übersicht der Hypothesenergebnisse

Hypothese, AV/UV Modell Ergebnis Unterschied vor-

handen

H1: Absprungrate T-Test ABGELEHNT JA (nach Nutzung

der Suche Männer

0,8% niedriger)

H2: Nutzung der Suche Chi-Quadrat ABGELEHNT JA (2% mehr

Frauen)

H3: Durchschnittl. Sit-

zungsdauer

T-Test ANGENOMMEN JA (Männer 21

Sekunden länger)

44

H4: Seiten/Sitzung T-Test ABGELEHNT NEIN

H5: UV: Nutzung der

Suche; AV: BW

Regression

BW

ABGELEHNT Nicht eindeutig

H6: UV: Produktdetails;

AV: Anzahl der Artikel

T-Test ANGENOMMEN JA (bei Männern

Einfluss stärker)

H7: UV: Siegel; AV: CR T-Test ANGENOMMEN

(Tendenz)

NEIN (steigt bei

beiden)

H8: UV: Siegel; AV: CR T-Test ANGENOMMEN

(Tendenz)

JA (bei Frauen

mehr)

H9: UV: Kundenbewer-

tung; AV: CR

T-Test ANGENOMMEN NEIN (steigt bei

beiden)

H10: UV: Kundenbe-

wertung; AV: CR

T-Test ABGELEHNT JA (bei Männern

mehr)

H11: E-Mail Marketing,

Social Media

Chi-Quadrat ABGELEHNT NEIN (Verteilung

ähnlich)

H12: Organic Search;

Paid Search

Chi-Quadrat ABGELEHNT NEIN (Verteilung

ähnlich)

H13: Gutscheincodes Chi-Quadrat ANGENOMMEN JA (15,8% der

Frauen, 12,3% der

Männer)

H14: Mobile Endgeräte Chi-Quadrat ABGELEHNT JA (mehr Frauen)

H15: Mobile Endgeräte

18-34 Jahre

Chi-Quadrat ABGELEHNT JA (in allen Alters-

klassen mehr

Frauen)

H16: UV: Mobile Ende-

räte; AV: BW

Regression

BW

ABGELEHNT

(Tendenz)

JA (entgegen der

Annahme)

H17: UV: Produktde-

tails; AV: RQ

T-Test ABGELEHNT

(Tendenz)

Nicht eindeutig

45

H18-H23: UV: Rabatte,

Gutscheine, Versand-

kosten; AV: RQ

Regression

RQ

Nicht eindeutig Nicht eindeutig

H24: RQ T-Test ANGENOMMEN JA (Frauen höher)

H25: RQ Bekleidung T-Test ANGENOMMEN JA (Frauen höher)

H26: Rechnung Chi-Quadrat ANGENOMMEN JA (Frauen mehr,

Männer mehr

PayPal)

H27: UV: Zahlungsart;

AV: RQ

Regression

RQ

Nicht eindeutig Nicht eindeutig

So zeigt sich, dass Frauen häufiger die Suche nutzen, dann aber höhere Ab-

sprungraten aufweisen als Männer. Die durchschnittliche Sitzungsdauer liegt

nach Nutzung der Suche um 21 Sekunden länger als die von Männern. Dies

deckt sich mit einer Untersuchung von Schmidt & Wolff (2015, S. 70).

Vertrauensförderne Elemente weisen bei beiden Geschlechtern einen positiven

Einfluss auf die CR auf. Die Einführung von Siegeln besitzt jedoch bei Frauen

einen stärkeren Einfluss. Produktbewertungen anderer Kunden führten wiederum

zu einem größeren Anstieg der CR von Männern. Detailliertere

Produktbeschreibungen führen bei Männern weiterhin zu einem höheren Anstieg

der CR.

Entgegengesetzt zur ursprünglichen Annahme nutzten signifikant mehr weibliche

Besucher mobile Endgeräte sowohl in älteren als auch in jüngeren Altersklassen.

Wenn mobile Endgeräte genutzt wurde, hat dies wiederum keinen höheren nega-

tiven Einfluss auf die Höhe des Bestellwerts als bei Männern. Dieses Ergebnis

widerspricht der bisher in der Literatur angenommenen höheren Aversion und

Risikoverbundenheit von Frauen mit Mobile Commerce. Frauen sind auf Basis der

vorliegenden Untersuchung mobil die aktivere Zielgruppe. Ein Einfluss auf das

Nachkaufverhalten konnte nicht ermittelt werden.

Bestellungen, die von weiblichen Käufern getätigt wurden, enthalten signifikant

häufiger einen Gutscheincode. Dies deutet darauf hin, dass Frauen empfängli-

cher für Rabatte sind bzw. gezielter danach suchen.

46

Bei der Nutzung von Marketingkanälen konnten keine relevanten Unterschiede

zwischen Männern und Frauen festgestellt werden. Weiterhin besuchten beide

Geschlechter ähnlich viele Seiten pro Sitzung.

Im Bereich des Nachkaufverhaltens bzw. der Retouren-Vermeidung ist zu be-

merken, dass Frauen im Bekleidungssegment generell höhere RQ aufweisen als

Männer und generell häufiger die Zahlungsart „Kauf auf Rechnung“ wählen. Ein

Zusammenhang zwischen „Kauf auf Rechnung“ und einer höheren RQ konnte

jedoch nicht nachgewiesen werden. Lediglich in einem Onlineshop kann für Män-

ner ein negativer Zusammenhang der beiden Variablen festgestellt werden.

Je mehr rabattierte Produkte eine Bestellung enthält, desto niedriger ist außer-

dem die RQ bei Frauen im Bereich Mode. Weiterhin konnte ermittelt werden,

dass die Höhe der Versandkosten im Modebereich für Frauen einen negativen

Einfluss besitzt. Variablen im Bereich „Gutscheincodes“ weisen unterschiedliche

Wirkungen auf. Dies wäre näher zu untersuchen.

Auf Basis der Ergebnisse dieser Arbeit sind also Unterschiede zwischen Männern

und Frauen zu erkennen. Es gibt eine Gender Gap. Diese stellen sich jedoch teil-

weise genau entgegengesetzt zum aktuellen Stand der Forschung auf, daher

müssen einige ursprüngliche Theorien zu geschlechtsspezifischem Verhalten

überdacht werden. Der Einfluss von Kundenbewertungen als vertrauensfördern-

des Element ist bei Männern z.B. stärker ausgeprägt. Am deutlichsten wird dies

aber im mobilen Nutzungsverhalten. Hier scheint es eine starke Gender Gap ge-

nau entgegengesetzt zum aktuellen Stand der Forschung zu geben. Männer be-

vorzugen demnach den Desktop PC und kaufen mobil weniger. Frauen sind mo-

bilaffiner.

4.2 Ausblick und Implikationen für Forschung und Praxis

4.2.1 Implikationen für die Forschung Der aktuelle Stand der Forschung geht davon aus, dass Frauen gerade im Mobile

Commerce stärker risikoavers sind als Männer. Nur in jüngeren Altersklassen

wird angenommen, dass sich das Verhalten angleicht. Dies muss überdacht wer-

den. Anhand der vorliegenden Untersuchung konnte dargestellt werden, dass

Frauen über alle Altersklassen hinweg nicht nur mehr mobile Endgeräte nutzen

als Männer, sondern außerdem höhere Umsätze darüber generieren. Bei Män-

nern ist genau das Gegenteil der Fall. Eine tiefergreifende Analyse des ge-

schlechtsspezifischen mobilen Nutzungsverhaltens auch international ist daher

ein wichtiger Ausblick für die Forschung.

47

Weiterhin ist zu erkennen, dass Männer nach Einführung der detaillierteren Pro-

duktbeschreibungen mehr kaufen. Dies stützt die Vermutung, dass Männer mehr

Wert auf detaillierte Informationen legen. Frauen kauften in dieser Untersuchung

wiederum weniger. Dies wäre zu untersuchen. Zusätzlich konnte ein positiver

Zusammenhang zwischen der Einführung eines vertrauensfördernden Siegels

und der CR ermittelt werden. Dieser ist aufgrund einer relativ kleinen Stichprobe

jedoch nur als Tendenz in die Ergebnisse eingeflossen. Eine tiefere Untersuchung

unter Einbeziehung weiterer demografischer und sozioökonomischer Merkmale

wäre hier anzustreben.

Weiterhin konnte eine Tendenz festgestellt werden, dass Männer weniger kaufen,

wenn sie durch den Kanal E-Mail Marketing zum Onlineshop gelangten. Es wäre

daher zu untersuchen, ob die in Newslettern beworbenen Artikel von Männern

mehr gekauft werden als von Frauen.

Generell steckt die Erforschung der Einflüsse auf die RQ noch in den Kinderschu-

hen und es besteht ein großer Forschungsbedarf. Der Einfluss v.a. von weichen,

aber auch harten Produktmerkmalen auf die RQ wurde in dieser Arbeit kaum

berücksichtigt. Diese Forschungslücke bleibt offen. Zur Reduzierung der RQ

konnten in dieser Arbeit leichte Einflüsse gemessen werden. Rabatte in Form von

Produktreduzierungen, Gutscheincodes und Versandkosten scheinen geringe,

aber nicht eindeutige Einflüsse zu haben. Zwischen Rabatten in jeglicher Form

wie z.B. der Höhe eines Gutscheincodes und der RQ im Modebereich konnte bei

Frauen ein negativer Zusammenhang ermittelt werden. Es wäre näher zu über-

prüfen, ob und welche Formen von Rabatten einen Einfluss auf die RQ besitzen.

Generell steht die Forschung im Bereich geschlechtsbasiertes Retouren-

Management bzw. der Beeinflussung des Nachkaufverhaltens noch am Anfang.

Hier besteht ein großer Bedarf der weiteren Analyse.

4.2.2 Implikationen für die Praxis Für die Praxis ergeben sich spannende Erkenntnisse. Die Zielgruppe Frauen sollte

stärker in den Fokus Zielsetzung des Mobile Commerce gelangen. Hier liegen

Umsatzpotenziale brach, die man ausschöpfen kann. Gerade eine Kombination

von vertrauensbildenden Maßnahmen und mobiloptimierten Ansichten trifft die

Verhaltensstrukturen von Frauen besser. Außerdem sollte der Zugang zu Gut-

scheincodes und rabattierten Artikeln verbessert werden. Häufig müssen Kunden

48

auf Gutscheinportalen nach Rabattcodes suchen. Einige Händler wie z.B. H&M5

zeigen diese aber bereits auf der Startseite des Onlineshops an. Die Anzahl ra-

battierte Produkte hat wiederum einen senkenden Einfluss auf die RQ.

Männer hingegen bevorzugen häufiger den Desktop PC. Mobile Endgeräte haben

eher einen negativen Effekt auf die Höhe des Bestellwertes. Betreiber müssen

ihre Onlineshops daher sowohl für mobile Endgeräte als auch Desktop PCs opti-

mieren. Nach dem aktuellen Stand der Forschung ist die Meinung vorherrschend,

dass die Onlineshop-Erfahrung mobil und auf Desktop PCs konsistent sein muss.

Ein fließender, unmerkbarer Übergang der beiden Versionen wird angestrebt

(vgl. fluency theory von Zeng, Gao & Wu, 2014). Mobile Templates und respon-

sive Designs sind bereits weiter verbreitet, jedoch werden diese selten zielgrup-

penbasiert optimiert eingesetzt.

Basierend auf den Ergebnissen dieser Arbeit müssen Onlineshop Betreiber zu-

künftig besonderen Wert darauf legen, die Produkt- und Bestellinformationen für

Männer zielgerichteter auszugestalten. Neben dem positiven Einfluss von 360

Grad Ansichten auf die Anzahl der bestellten Artikel, hatten auch Bewertungen

anderer Kunden einen positiven Einfluss auf die CR bei Männern. Diese werden

zwar als vertrauensförderndes Element klassifiziert, bieten aber weiterhin rele-

vante und schnell verfügbare Informationen. Daher kann die Einführung als loh-

nend für Onlinehändler betrachtet werden, die vor allem eine männliche Ziel-

gruppe ansprechen.

Des Weiteren enthalten Bestellungen von Frauen signifikant mehr Gutschein-

codes. Die präsente Darstellung von Gutscheincodes kann also als hilfreiches

Anreizmittel gewählt werden, um Frauen zu incentivieren. Der Einsatz führt au-

ßerdem tendenziell zu einer niedrigeren RQ von Frauen. Es ist jedoch zu beach-

ten, dass eine undurchdachte Couponing-Strategie zu hohen Kosten führen kann

(BVDW, 2013). Daher ist es von großer Wichtigkeit, dass der Einsatz von Gut-

scheincodes im Rahmen der Preispolitik bereits Berücksichtigung findet, um so

eine gewinnoptimierte Adressierung der weiblichen Zielgruppe zu erreichen, oh-

ne eine langfristig zu hohe Sensibilisierung zu schaffen.

Basierend auf der vorangegangenen Untersuchung lassen sich einige spannende

Impulse für Forschung und Praxis ableiten, die dahingehend näher analysiert

werden sollten. Frauen und Männer verhalten sich hinsichtlich der Verwendung

von Gutscheinen, der Auswahl von Zahlungsarten, der mobilen Nutzung, der

5 Siehe http://www.hm.com/de

49

Reaktion auf vertrauensfördernde Elemente und der Höhe der RQ unterschied-

lich. Eine Gender Gap kann somit in verschiedenen Bereichen des Kauf- und

Nachkaufverhaltens bestätigt werden. Diese liegt jedoch insbesondere im mobi-

len Nutzungsverhalten gerade entgegengesetzt zu Annahmen der aktuellen For-

schung.

50

Literaturverzeichnis AGOF e.V. (2013). Arbeitsgemeinschaft Onlineforschung e.V. internet facts

2013-07. Abgerufen am 27.06.2016 von www.agof.de: https://www.agof.de/download/Downloads_Internet_Facts/Downloads_Internet_Facts_2013/Downloads_Internet_Facts_2013-07/07-2013_AGOF%20internet%20facts%202013-07.pdf?ea2b25

ARD/ZDF (10.2015). ARD/ZDF-Onlinestudie - Internetnutzer in Deutschland 1997 bis 2015. Abgerufen am 16.06.2016 von http://www.ard-zdf-onlinestudie.de/index.php?id=533

Asdecker, B. (2014). Logistik und Supply Chain Management Band 10. Herausgegeben von Professor Dr. Eric Sucky, Otto-Friedrich-Universität Bamberg.

Asdecker, B. (2016). Beta-Retourenquote - Definition. Abgerufen am 30.06.2016 von http://www.retourenforschung.de/definition_beta-retourenquote.html

A.T. Kearney (2014). Statista.com - Intensive Internetnutzer nach Geschlecht weltweit* 2014. Abgerufen am 13.06.2016 von http://de.statista.com/statistik/daten/studie/374027/umfrage/intensive-internetnutzer-nach-geschlecht-weltweit/

AZ Direct GmbH (2016). Die Retourentypologie von AZ Direct – Fokus Bekleidung und Schuhe. Abgerufen am 26.08.2016 von http://www.az-direct.com/site/fileadmin/dokumente/Profildaten/Folder_AZ_Retourentypologie.pdf

Babin, B., Darden, W. & Griffin, M. (1994). Work and/or fun: measuring hedonic and utilitarian shopping value. Journal of Consumer Research, 20, S. 644–656.

Babin, B., Gonzales, C. & Watts, C. (2007). Does Santa have a great job? Gift shopping value and satisfaction. Psychology and Marketing, 24, S. 895–917.

Backhaus, K. E. (2008). Multivariate Analysemethoden - Eine anwendungsorientierte Einführung (12. Aufl.). Berlin: Springer-Lehrbuch.

Bae, S. & Lee, T. (2011). Gender differences in consumers’ perception of online consumer reviews. Electronic Commerce Research, 11, S. 201-214.

Bakewell, C., Mitchell, V. & Rothwell, M. (2006). UK Generation Y fashion consciousness. Journal of Fashion Marketing and Management, 10 (2), S. 169–180.

Bänsch, A. (2013). Verkaufspsychologie und Verkaufstechniken (9 Aufl.). Mu ̈nchen: Oldenbourg Wissenschaftsverlag.

Barletta, M. (2006). Marketing to Women: How to Understand, Reach, and Increase Your Share of the World's Largest Market Segment. New York: Kaplan Publishing.

Baun, D. (2003). Impulsives Kaufverhalten am Point of Sale. Wiesbaden: Springer Fachmedien Wiesbaden GmbH.

Bengler, K. & Senner, V. (2016). Ergonomie aktuell (Ausgabe 017) - Lehrstuhl für Ergonomie. Abgerufen am 10.08.2016 von http://www.lfe.mw.tum.de/wp-content/uploads/2012/11/Ergonomie_aktuell_2016.pdf

Bergmann, H. (2015). Versand- und Retourenmanagement im E-Commerce 2015. Köln: EHI Retail Institute e.V.

51

Bimber, B. (2000). Measuring the Gender Gap on the Internet. Social Science Quarterly, 81 (3), S. 868-876.

Arns, T. & Hampe, K. (2013). Bundesverband Informationswirtschaft, Telekommunikation und neue Medien e. V. Trends im E-Commerce Konsumverhalten beim Online-Shopping. Abgerufen am 07.07.2016 von https://www.bitkom.org/Publikationen/2013/Studien/Trends-im-ECommerce/BITKOM-E-Commerce-Studienbericht.pdf

BMJV (27.09.2013). Bundesministerium der Justiz und für Verbraucherschutz. Abgerufen am 12.09.2016 von http://www.bmjv.de: https://www.gesetze-im-internet.de/bgb/__355.html

Bovensiepen, G. (2014). Rückgabegebühr: Weniger Retouren, weniger Kunden?. Abgerufen am 29.07.2016 von www.pwc.de: http://www.pwc.de/de/handel-und-konsumguter/rueckgabegebuehr-weniger-retouren-weniger-kunden.html

BVDW (09.2013). Leitfaden Couponing - Herausforderungen und Potenziale von Gutscheinen im Affiliate Marketing. Abgerufen am 01.10.2016 von Bundesverband Digitale Wirtschaft (BVDW): http://www.bvdw.org/mybvdw/media/view?media=5116

Coley, A. & Burgess, B. (2003). Gender differences in cognitive and affective impulse buying. Journal of Fashion Marketing and Management: An International Journal, 7 (3), S. 282-295.

Creditreform Boniversum GmbH (07.03.2013). www.boniversum.de. Abgerufen am 25.07.2016 von Bevorzugte Bezahlmöglichkeiten im Interaktiven Handel: http://www.boniversum.de/studien-presse/presse/artikel/news/bevorzugte-bezahlmoeglichkeiten-im-interaktiven-handel/

ECC Köln (2013). Erfolgsfaktoren im E-Commerce – Deutschlands Top Online-Shops Vol. 3 Eine Zusammenfassung der Studie des ECC Köln in Zusammenarbeit mit Hermes. Köln: IFH Institut für Handelsforschung GmbH.

Eckstein, A., Klees, M. & Stüber, E. (2012). Vertrauensbildende Maßnahmen im E-Commerce auf dem Prüfstand - Zur Wirkung von Gütesiegeln, Zahlungsverfahren und Kundenbewertungen im Online-Handel (Bd. 30). Köln: IfH, E-Commerce-Center Handel.

El Hedhli, K., Chebat, J. & Sirgy, M. (2013). Shopping well-being at the mall: construct, antecedents, and consequences. Journal of Business Research, 66 (7), S. 856–863.

El Hedhli, K., Zourrig, H. & Chebat, J.-C. (2016). Shopping well-being: Is it just a matter of pleasure or doing the task? The role of shopper's gender and self-congruity. Journal of Retailing and Consumer Services, 31, S. 1–13.

Dittmar, H., Beattie, J. & Friese, S. (1996). Objects, decision considerations and self-image in men’s and women’s impulse purchases. Acta Psychologica 93 (1–3), 187–206.

Dittmar, H., Long, K. & Meek, R. (2004). Buying on the Internet: Gender differences in on-line and conventional buying motivation. Sex Roles, 50 (5–6), S. 423–444.

Döring, N. (2013). Zur Operationalisierung von Geschlecht im Fragebogen: Probleme und Lösungsansätze aus Sicht von Mess-, Umfrage-, Gender- und Queer-Theorie. GENDER Heft 2, S. 94–113.

52

Döring, N. & Bortz, J. (2016). Qualitätskriterien in der empirischen Sozialforschung. In N. Döring & J. Bortz, Forschungsmethoden und Evaluation in den Sozial- und Humanwissenschaften (5. Ausg., S. 81- 119). Berlin Heidelberg: Springer Verlag.

Fischer, A. & Arnold, S. J. (1990). More than a Labor of Love: Gender Roles and Christmas Gift Shopping. Journal of Consumer Research, 17, S. 333–345.

Garbarino, E. & Strahilevitz, M. (2004). Gender differences in the perceived risk of buying online and the effects of receiving a site recommendation. Journal of Business Research, 57, S. 768 - 775.

Gieß, A. (2014). Statista.com. Abgerufen am 27.06.2016 von https://de.statista.com/infografik/1989/nutzer-des-mobilen-internets-nach-alter-und-geschlecht/

google.com (2016a). Über demografische Merkmale und Interessen. Abgerufen am 01.08.2016 von google.com: https://support.google.com/analytics/answer/2799357?hl=de

google.com (2016b). Absprungrate Informationen zu Absprungraten und ihrer Verbesserung. Abgerufen am 27.06.2016 von https://support.google.com/analytics/answer/1009409?hl=de

google.com (2016c). E-Commerce-Daten analysieren. Abgerufen am 04.09.2016 von https://support.google.com/analytics/answer/6014873?hl=de

google.com (2016d). Demografische Merkmale und Interessen – Datenerfassung und Grenzwerte. Abgerufen am 25.05.2016 von https://support.google.com/analytics/answer/2954071?hl=de

Große Holtforth, D. (17.11.2015). Mehr Erfolg im E-commerce – den Warenkorb erhöhen. Abgerufen am 26.08.2016 von E-commerce Institut Köln: http://ecommerceinstitut.de/warenkorb-erhoehen/

Ha, Y. & Im, H. (2014). Determinants of mobile coupon service adoption: assessment of gender difference. International Journal of Retail & Distribution Management, 42 (5), S. 441 - 459.

Han, Y., Morgan, G., Kotsiopulos, A. & Kang-Park, J. (1991). Impulse buying behaviour of apparel purchasers. Clothing and Textiles Research Journal, 9 (3), S. 15–21.

Hasan, B. (2010). Exploring gender differences in online shopping attitude. Computers in Human Behavior, 26, S. 597–601.

Harmon, S. & Hill, J. (2003). Gender and Coupon Use. Journal of Product & Brand Management, 12 (3), S. 166-179.

Hernández, B., Jiménez, J. & Martín, M. (2011). Age, gender and income: do they really moderate online shopping behaviour? Online Information Review, 35 (1), S. 113 - 133.

Himme, A. (2007). Gütekriterien der Messung: Reliabilität, Validität und Generalisierbarkeit. In D. K. S. Albers, Methodik der empirischen Forschung (2. Ausg., S. 375-390). Wiesbaden: GWV Fachverlage GmbH.

Höpcke, K. & Freyer, J. (2015). Die Beeinflussung von Kaufentscheidungen – Effekte unterbewusster Manipulation der affektiven Einstellungskomponente. Abgerufen am 09.08.2016 von Journal of Business and Media Psychology, 1: http://journal-bmp.de/2013/12/die-beeinflussung-von-kaufentscheidungen-effekte-unterbewusster-manipulation-der-affektiven-einstellungskomponente/

53

IFH (2013). Der Retourenprozess aus Sicht der Konsumenten: Welche Rolle spielt das Zahlungsverfahren? Ein Whitepaper des E-Commerce-Center Köln (ECC Köln). Abgerufen am 25.07.2016 von IFH Institut für Handelsforschung GmbH: http://www.ifhkoeln.de/pressemitteilungen/details/online-shopper-sind-sich-sicher-zahlungsverfahren-beeinflussen-retourenprozess/

Initiative D21 e. V. (2014). D21 - Digital - Index 2014: Die Entwicklung der digitalen Gesellschaft in Deutschland. Berlin: TNS Infratest & Initiative D21 e. V.

Initiative D21 e.V. (2015). D21-Digital-Index 2015: Die Gesellschaft in der digitalen Transformation. Berlin: Initiative D21 e.V. & TNS Infratest.

Jackson, V., Stoel, L. & Brantley, A. (2011). Mall attributes and shopping value: Differences by gender and generational cohort. Journal of Retailing and Consumer Services, 18 (1), S. 1–9.

Jones, K. & Leonard, L. (2008). Trust in consumer-to-consumer electronic commerce. Information & Management, 45, S. 88–95.

Kampmann, B., Keller, B., Knippelmeyer, M. & Wagner, F. (2013). Die Frauen und das Netz - Angebote und Nutzung aus Genderperspektive. Wiesbaden: Gabler Verlag & Springer Fachmedien.

Kim, D., Lehto, X. & Morrison, A. (2007). Gender differences in online travel information search: Implications for marketing communications on the internet. Tourism Management, 28, S. 423–433.

Kirouac, G. & Dore, F. (1983). Perceptual and Motor Skills, 57 (1). Accuracy and latency of judgment of facial expressions of emotions, S. 683–686.

Kolsaker, A. & Payne, C. (2002). Engendering trust in e‐commerce: a study of gender‐based concerns. Marketing Intelligence & Planning, 20 (4), S. 206 - 214.

Krüger, J. & Weinhold, A. (07.2007). TNS Infratest. Abgerufen am 06.07.2016 von http://www.tns-infratest.com/presse/pdf/autorenbeitraege/TNS_Infratest_Krueger_Einkaufen_ohne_Quengelfrust.pdf

Kraft, H. & Weber, M. (2012). A Look at Gender Differences and Marketing Implications. International Journal of Business and Social Science, 3 (21), S. 247- 253.

Laroche, M., Saad, G., Cleveland, M. & Browne, E. (2000). Gender differences in information search strategies for a Christmas gift. Journal of Consumer Marketing, 17 (6), S. 500 - 522.

Litchfield, N. (2016). Germany Trade & Invest. Fact Sheet E-Commerce. Abgerufen am 09.08.2016 von https://www.gtai.de/GTAI/Navigation/DE/Invest/Industries/Digital-economy/e-commerce.html?view=renderPdf

McKnight, D., Choudhury, V. & Kacmar, C. (2002). Developing and validating trust measures for e-commerce: an integrative typology. Information Systems Research, 13, S. 334–359.

Meyers-Levy, J. (1988). Journal of Consumer Research, 14. Influence of sex roles on judgment, S. 522–530.

Möhring, M., Walsh, G., Schmidt, R. & Ulrich, C. (2015). Moderetouren im Deutschen Onlinehandel – Eine empirische Untersuchung. HMD Praxis der Wirtschaftsinformatik, 52 (2), S. 257–266.

54

Nagel, W. (2002). Ergebnisse Der Verbraucherforschung. Lörrach: Books on Demand GmbH.

Nibbrig, B. (1994). Käuferverhalten. in: Krol, Gerd-Jan (Hg.): Wirtschaftliche Grundbildung. Der Verbraucher in der Sozialen Marktwirtschaft, Heft 1 .

O’Cass, A. (2004). Fashion clothing consumption: antecedents and consequences of fashion clothing involvement. European Journal of Marketing, 38 (7), S. 869–882.

Okazaki, S. & Hirose, M. (2009). Does gender affect media choice in travel information search? On the use of mobile Internet. Tourism Management, 30 , 794–804.

Okazaki, S. & Mendez, F. (2013). Exploring convenience in mobile commerce: Moderating effects of gender. Journal Computers in Human Behavior, 29 (3), S. 1234-1242.

Okoroafo, S., Koh, A. & Gammoh, B. (2010). Gender differences in perceptions of the marketing stimuli of family owned businesses (FOBs). International Journal of Marketing Studies, 2 (1), S. 3-12.

Plassmann, A. (2016). Empirische Sozialforschung Eine Übersicht. Abgerufen am 12.07.2016 von https://www.uni-due.de/edit/lp/diagnostik/empirischesozialforschung.pdf

Pur, S., Stahl, E., Wittmann, M., Wittmann, G. & Weinfurter, S. (2013). Retourenmanagement im Online-Handel – Das Beste daraus machen Daten, Fakten und Status quo Eine empirische Erhebung im deutschen Online-Handel. Abgerufen am 09.08.2016 von http://www.ibi.de/files/Retourenmanagement-im-Online-Handel_-_Das-Beste-daraus-machen.pdf

Richard, M., Chebat, J., Yang, Z. & Laroche, M. (2007). Selective versus Comprehensive Processors: Gender Differences in Web Consumer Behavior. Advances in Consumer Research-NA Conference Proceedings, 34, S. 303-303.

Rogers, S. & Harris, M. (2003). Gender and e-commerce: An exploratory study. Journal of Advertising Research, 43 (3), S. 1-8.

Rook, D. & Fisher, R. (1995). Normative influences on impulse buying behaviour. Journal of Consumer Research, 22 (3), S. 305–313.

Rösch, B. (21.01.2016). Weniger Retouren durch Rabatte. Abgerufen am 09.08.2016 von http://www.textilwirtschaft.de/business/Weniger-Retouren-durch-Rabatte_100748.html

Röser, J. & Peil, C. (2010). Diffusion und Teilhabe durch Domestizierung. M&K Medien Kommunikationswissenschaft 58. Jahrgang 4/2010, S. 481-502.

Sánchez-Franco, M. J., Ramos, A. F. & Velicia, F. A. (2009). The Moderating Effect of Gender on Relationship Quality and Loyalty Toward Internet Service Providers. Information & Management, 46 (3), S. 196-202.

Schümann, S. & Horstmann, R. (06 2012). TNS Emnid - DigitalBarometer 1/2012: Mobiles Internet . Abgerufen am 09.08.2016 von http://www.wuv.de/content/download/241461/4705547/DigitalBarometer2012_TNS+Emnid.pdf

Schmidt, T. & Wolff, C. (2015). Genderspezifische Unterschiede im Informationsverhalten am Beispiel E-Commerce. Information. Wissenschaft & Praxis, S. 65–76.

55

Shulman, J., Coughlan, A. & Savaskan, R. (2010). Optimal reverse channel structure for consumer product returns. Marketing Science, 29 (6), S. 1071–1085.

Spade, P. & Panaccio, C. (25.06.2015). Stanford Encyclopedia of Philosophy. Abgerufen am 23.08.2016 von 4.1 Ockham's Razor: http://plato.stanford.edu/entries/ockham/#4.1

Statista (Digital Market Outlook) (2014). Auf welchen Betrag beläuft sich eine durchschnittliche Bestellung in Ihrem Online-Shop? Abgerufen am 26.08.2016 von de.statista.com: http://de.statista.com/statistik/daten/studie/4295/umfrage/durchschnittlicher-bestellwert-in-webshops/

Statista (Digital Market Outlook) (07.2015a). Statista.com - Anzahl der E-Commerce-Nutzer nach Alter und Geschlecht weltweit im Jahr 2015 (in Millionen). Abgerufen am 13.06.2016 von http://de.statista.com/statistik/daten/studie/485113/umfrage/e-commerce-nutzer-nach-alter-und-geschlecht-weltweit/

Statista (Digital Market Outlook) (09.2015b). Umfrage zu Maßnahmen von Online-Shops zur Senkung der Retourenquote 2015. Abgerufen am 29.07.2016 von de.statista.com: http://de.statista.com/statistik/daten/studie/4425/umfrage/moeglichkeiten-von-webshops-zur-senkung-der-retourenquote/

Statista (Digital Market Outlook) (2016). Statista.com - Anteil der mobilen Internetnutzer nach Geschlecht in Deutschland in ausgewählten Monaten von Juni 2015 bis Februar 2016. Abgerufen am 25.08.2016 von http://de.statista.com/statistik/daten/studie/170173/umfrage/nutzung-des-mobilen-internets-in-deutschland/

Statistisches Bundesamt (17.12.2014). Pressemitteilung Nr. 457 vom 17.12.2014: 63 % der Internetnutzer/-innen surfen auch mobil. Abgerufen am 09.08.2016 von https://www.destatis.de/DE/PresseService/Presse/Pressemitteilungen/2014/12/PD14_457_63931.html

Stern, H. (1962). The Significance of Impulse Buying Today. Journal of Marketing, 26 (2), S. 59–62.

Ulbrich, F., Christensen, T. & Stankus, L. (2011). Gender-specific on-line shopping preferences. Electronic Commerce Research, 11 (2), S. 181–199.

Universität Augsburg (2016). Merkblatt zur Anlage empirischer Untersuchungen. Abgerufen am 17.07.2016 von https://www.philso.uni-augsburg.de/lehrstuehle/schulpaed/verwaltung_downloads/studium/Merkblatt_Evaluation1.pdf

Van Aswegen, A. (29.10.2015). Women vs. Men – Gender Differences in Purchase Decision Making. Abgerufen am 27.06.2016 von http://www.guided-selling.org/women-vs-men-gender-differences-in-purchase-decision-making/

Van Slyke, C., Belanger, F. & Hightower, R. (2005). Understanding Gender-Based Differences in Consumer E-Commerce Adoption. Abgerufen am 18.06.2016 von SAIS 2005 Proceedings. Paper 5.: http://aisel.aisnet.org/sais2005/5

Van Slyke, C., Comunale, C. & Belanger, F. (2002). Gender differences in perceptions of Web-based shopping. Communications of the ACM, 45 (7), S. 82-86.

56

Verde Group (2012). He Buys, She Shops: A Study Of Gender Differences In The Retail Experience Executive Summary. Abgerufen am 06.07.2016 von Verde Group; Wharton School of Business (Jay H. Baker Retail Initiative): https://bakerretail.wharton.upenn.edu/wp-content/uploads/2015/04/He_Buys_She_Shops_fall_2007_exec_summary.pdf

Walsh, G. & Möhring, M. (2013). Präventives Retourenmanagement im eCommerce. HMD Praxis der Wirtschaftsinformatik October 2013, 50 (5), S. 66–75.

Walsh, G. & Möhring, M. (2014). Retourenvermeidung im E-Commerce — Kann Big Data helfen? Marketing Review St. Gallen, 31 (1), S. 68–78.

Wolin, L. & Korgaonkar, P. (2003). Web advertising: gender differences in beliefs, attitudes and behavior. Internet Research, 13 (5), S. 375 - 385.

Wood, M. (1998). Socio-economic status, delay of gratification, and impulse buying. Journal of Economic Psychology, 19 (3), S. 295–320.

Yee, A. & Chong, L. (2013). Mobile commerce usage activities: The roles of demographic and motivation variables. Technological Forecasting and Social Change, 80 (7), S. 1350–1359.

Yoon, H. & Occena, L. (2015). Influencing factors of trust in consumer-to-consumer electronic commerce with gender and age. International Journal of Information Management, 35, S. 352–363.

Zeng, Y., Gao, J. & Wu, C. (2014). Responsive Web Design and Its Use by an E-Commerce Website. Cross-Cultural Design Vol 8528 of the series Lecture Notes in Computer Science, S. 509-519 .