Masterarbeit im Studiengang Agrarwissenschaften

Agglomeration im Lebensmitteleinzelhandel. Eine Fallstudie

vorgelegt von Frauke Reiner Kiel, im März 2014

Erstgutachter: Prof. Dr. Jens-Peter Loy Zweitgutachter: Prof. Dr. Ulrich Orth

Institut für Agrarökonomie Agrar-und Ernährungswissenschaftliche Fakultät der Christian-Albrechts-Universität zu Kiel

Inhaltsverzeichnis Abbildungsverzeichnis ................................................................................................. III Tabellenverzeichnis ..................................................................................................... III Abkürzungsverzeichnis ................................................................................................. V 1 Einleitung .................................................................................................................. 1 2 Die Rahmenbedingungen des deutschen Lebensmitteleinzelhandels........................ 3 2.1 Die Struktur des deutschen Lebensmitteleinzelhandels ...................................... 3 2.1.1 Die Handelsformate ...................................................................................... 3 2.1.2 Der Wettbewerb im deutschen Lebensmitteleinzelhandel ............................. 5 2.1.2.1 Die Entwicklung des deutschen Lebensmitteleinzelhandels ................... 5 2.1.2.2 Intra- und Interformatwettbewerb ........................................................... 9 2.2 Konsumentenverhalten ..................................................................................... 11 2.2.1 Cherry-Picking ............................................................................................ 11 2.2.2 Multi-purpose und one-stop shopping ......................................................... 14 2.3 Anforderungen an Standorte des Lebensmitteleinzelhandels ............................ 15 2.3.1 Standortfaktoren als Bewertungsgrundlage von Einzelhandelsimmobilien .. 15 2.3.2 Bauplanerische und rechtliche Vorschriften ................................................ 19 3 Theoretische Ansätze zur Erklärung von Agglomeration.......................................... 22 3.1 Hotelling mit Differenzierung ............................................................................. 22 3.1.1 Modellbeschreibung ................................................................................... 22 3.1.2 Das Standortmodell .................................................................................... 25 3.1.3 Das Preismodell ......................................................................................... 26 3.1.4 Das Standort-Preis-Modell .......................................................................... 27 3.2 Räumlicher Wettbewerb .................................................................................... 27 3.2.1 Modellbeschreibung ................................................................................... 28 3.2.2 Before-entry Modell .................................................................................... 29 3.2.3 After-entry Modell ....................................................................................... 29 3.2.4 Ergebnisse der empirischen Analyse .......................................................... 32 4 Die Fallstudie........................................................................................................... 33 4.1 Ableitung von Hypothesen ................................................................................ 33 4.2 Daten ................................................................................................................ 41 4.3 Methoden .......................................................................................................... 42 4.3.1 Wilcoxon-Rangsummentest ........................................................................ 42 4.3.2 Regressionsanalyse ................................................................................... 43 4.3.3 Logistische Regressionsanalyse ................................................................. 46 4.4 Deskriptive Statistik ........................................................................................... 47 4.5 Ergebnisse ........................................................................................................ 48 I

4.5.1 Ergebnisse der Wilcoxon-Rangsummentests ............................................. 48 4.5.2 Ergebnisse der Regressionsanalysen ......................................................... 54 5 Schlussbetrachtung ................................................................................................. 60 Literaturverzeichnis .................................................................................................... 63 Anhang ....................................................................................................................... 68 A Abbildungen ............................................................................................................ 68 B Tabellen .................................................................................................................. 69

II

Abbildungsverzeichnis Abbildung 1: Entwicklung der Umsätze und Anzahl der Geschäftsstätten im gesamten deutschen Lebensmitteleinzelhandel 2004-2010 .......................................................... 6 Abbildung 2: Entwicklung der Umsätze und Anzahl der Geschäftsstätten einzelner Handelsformate des deutschen Lebensmitteleinzelhandels 2009-2010 ........................ 7 Abbildung 3: Lebensmittel-Umsätze der 15 größten Handelskonzerne im Jahr 2011 ... 8 Abbildung A.1: Verteilungsfunktionen der exogenen Variablen ................................... 68 Abbildung A.2: Residuals-vs.- Fitted-Plot des Warenkorbumfangs und des …………..… Warenkorbwertes ....................................................................................................... 68

Tabellenverzeichnis Tabelle 1: Übersicht harte Standortfaktoren von Einzelhandelsimmobilien ................. 16 Tabelle 2: Übersicht weiche Standortfaktoren von Einzelhandelsimmobilien .............. 18 Tabelle 3: Baugebietstypen unterteilt nach Art ihrer baulichen Nutzung ..................... 20 Tabelle 4: Vermutete Unterschiede zwischen den Kundengruppen ............................ 34 Tabelle 5: Vermuteter Einfluss der exogenen Variablen auf die Warenkorbgröße (Modell 1) ................................................................................................................... 37 Tabelle 6: Vermuteter Einfluss der exogenen Variablen auf den Warenkorbwert (Modell 2) ................................................................................................................................ 38 Tabelle 7: Vermuteter Einfluss der exogenen Variablen auf den mengenmäßigen Anteil an Sonderangeboten im Warenkorb (Modell 3) .......................................................... 41 Tabelle 8: Wilcoxon-Rangsummentest ....................................................................... 42 Tabelle 9: Standardmodell der linearen Einfachregression ......................................... 44 Tabelle 10: Mittelwerte und Signifikanzen nach Wilcoxon-Rangsummentest .............. 49 Tabelle 11: Anteile der Cherry Picker-Klassen............................................................ 49 Tabelle 12: Differenzen der mittleren Warenkorbumfänge .......................................... 50 Tabelle 13: Differenzen der mittleren Warenkorbwerte in Euro ................................... 51 Tabelle 14: Präferenzen von Kunden beim Einkauf von Lebensmitteln....................... 51 Tabelle 15: Soziodemografische Parameter der Kundengruppen ............................... 52 Tabelle 16: Ergebnisse der Mittelwertvergleiche von Parametern zur Geschäftstreue 53 Tabelle 17: Regressionsergebnis der Schätzung des Warenkorbumfanges und des Warenkorbwertes (Modell 1 und 2) ............................................................................. 56 Tabelle 18: Regressionsergebnis der Schätzung des mengenmäßigen Anteils an Sonderangeboten im Warenkorb (Modell 3) ............................................................... 58 Tabelle B.1: Korrelationsmatrix von Modell 1 .............................................................. 69 Tabelle B.2: Korrelationsmatrix von Modell 2 .............................................................. 69 Tabelle B.3: Korrelationsmatrix von Modell 3 .............................................................. 70 III

Tabelle B.4: Spezifikationstests der Modelle 1 und 2 .................................................. 70 Tabelle B.5: Klassifikationstabelle (Modell 3) .............................................................. 71 Tabelle B.6: Einkausgewohnheiten der Kundengruppen ............................................ 72

IV

Abkürzungsverzeichnis bspw.

beispielsweise

c.p.

ceteris paribus

d.h.

das heißt

etc.

et cetera

HH

Haushalte

i.d.R.

in der Regel

km

Kilometer

LEH

Lebensmitteleinzelhandel

Mio.

Million

Mrd.

Milliarde

NF

Nutzfläche

o.g.

oben genannt

qm

Quadratmeter

SB-Warenhaus

Selbstbedienungswarenhaus

Tsd.

Tausend

u.a.

unter anderem

u.ä.

und ähnliches

VF

Verkaufsfläche

vgl.

vergleiche

WK

Warenkorb

z.B.

zum Beispiel

V

1 Einleitung Häufig ist zu beobachten, dass Einzelhandelsgeschäfte an einem Standort gehäuft auftreten. Dieses Phänomen wird als Agglomeration bezeichnet (Fox, et al., 2007, p. 3). Auch Agglomerationen von Geschäften des Lebensmitteleinzelhandels sind vielerorts zu finden. Hierbei ist auffällig, dass diese Standortallianzen oft von Unternehmen verschiedenen Handelsformates, wie bspw. Discounter und traditionelle Lebensmitteleinzelhändler, eingegangen werden. Ein Grund für das Auftreten von Agglomerationen ist das Fehlen von Standortalternativen aufgrund gesetzlicher Rahmenbedingungen. Standortallianzen werden von den Unternehmen jedoch nicht selten auch freiwillig eingegangen. Der Versuch vieler Unternehmen sich möglichst nah bei den Konsumenten zu platzieren, führt häufig dazu, dass auch Konkurrenten nicht weit entfernt sind. Diverse Faktoren auf der Angebotsund Nachfrageseite schaffen Anreize für Unternehmen, sich an einem Standort anzuhäufen. Anbieter können durch konzentriertes Auftreten voneinander lernen. Suchkosten der Unternehmen für den optimalen Unternehmensstandort werden verringert. Firmen agglomerieren um Inputs, wie beispielsweise Arbeitskräfte, gebündelt einzusetzen und Ressourcen einzusparen, z.B. durch die gemeinsame Nutzung von Parkplätzen (Picone, et al., 2009, p. 463). Beim Bau neuer Geschäftsgebäude durch Lebensmitteleinzelhandelskonzerne wird mitunter die Ansiedlung weiterer Lebensmitteleinzelhändler „unter demselben Dach“ gleich mit eingeplant. Auf der Nachfrageseite agglomerieren Geschäfte aufgrund einer großen, auf eine bestimmte Region beschränkten Nachfrage und der Nähe zu Konsumenten, welche von dem Marketing und dem Ruf eines Konkurrenten angezogen werden. Such- und Fahrtkosten der Konsumenten werden durch die räumliche Nähe und dadurch kombinierte Einkaufstouren zu verschiedenen Geschäften verringert im Vergleich zu separaten Touren zu einzelnen Geschäften (Chung & Kalnins, 2001, p. 969; Ghosh, 1986). Die Auswahl und das Angebot kann in den beieinander liegenden Geschäften vom Konsumenten besser überblickt und beurteilt werden. Dadurch wird die Wahrscheinlichkeit, dass der Konsument eines der Geschäfte innerhalb des Clusters besucht und dort einkauft, erhöht im Vergleich zu Geschäften, die sich nicht in einem Cluster befinden (Chung & Kalnins, 2001, p. 969). Im Rahmen dieser Arbeit werden mögliche Ursachen von Geschäftsagglomerationen im deutschen LEH dargestellt. Hierzu werden zunächst die Rahmenbedingungen des deutschen LEHs erläutert. Dabei wird auf die Struktur des deutschen LEHs, das Verhalten der Konsumenten sowie die rechtlichen Anforderungen an Standorte für Le-

1

bensmitteleinzelhandelsgeschäfte eingegangen. Im dritten Teil dieser Arbeit werden zwei theoretische Ansätze zur Erklärung von Agglomerationen dargelegt. In einer empirischen Fallstudie werden im vierten Teil dieser Arbeit Hypothesen, die aus dem theoretischen Teil abgeleitet werden, vorgestellt und untersucht. Hierzu werden Bon- und Befragungsdaten von Kunden eines SB-Warenhauses ausgewertet. Von Interesse ist dabei, ob die Nähe zu einem Discounter das Einkaufsverhalten von Kunden eines Vollsortimenters beeinflusst und ob soziodemografische Unterschiede zwischen Kunden eines Vollsortimenters und Kunden, die neben dem Vollsortimenter einen Discounter besuchen, existieren. Anhand von Warenkorbgrößen und -werten sowie dem Anteil an Sonderangeboten im Warenkorb werden Rückschlüsse auf den Einfluss der Nachbarschaft eines Discounters auf die Profitabilität des Vollsortimenters gezogen. Im fünften Teil dieser Arbeit folgen eine Zusammenfassung und eine Diskussion der Ergebnisse.

2

2 Die Rahmenbedingungen des deutschen Lebensmitteleinzelhandels 2.1 Die Struktur des deutschen Lebensmitteleinzelhandels 2.1.1 Die Handelsformate Für die Versorgung mit Lebensmitteln steht dem Verbraucher eine große Auswahl an Geschäften zur Verfügung. Viele Geschäfte unterscheiden sich hinsichtlich der Betriebsform bzw. des Handelsformates voneinander. Die wesentlichen Unterschiede zwischen den Handelsformaten bestehen in dem geführten Sortiment, der Standortlage und der Preispolitik sowie der Absatzpolitik. Ein Merkmal der Absatzpolitik ist beispielsweise die Betriebsgröße, welche an der Verkaufsfläche gemessen werden kann (Müller-Hagedorn, 1998, p. 42). Die wesentlichen Formate im Lebensmitteleinzelhandel sind Discounter, Supermärkte, Verbrauchermärkte und SB-Warenhäuser. Drogeriemärkte führen ein begrenztes Sortiment an Lebensmitteln. Im Folgenden werden die Merkmale der verschiedenen Handelsformate beschrieben. Es ist zu berücksichtigen, dass keine einheitlichen Bestimmungskriterien für die Handelsformate existieren und dadurch Unterschiede bei der Zuordnung von Geschäften zu Handelsformaten auftreten können (Hoffmann, 2012, p. 15).

Discounter Zu dem Handelsformat Discounter zählen Geschäfte des LEHs, deren Absatzpolitik das Discountprinzip verfolgen. Das Sortiment von Discountern ist begrenzt und die Waren werden zu einem Niedrigpreis angeboten. Die Größe der Verkaufsfläche ist nicht festgelegt (The Nielsen Company, 2011, p. 10). Das Serviceangebot in Discountmärkten ist minimal und die Einrichtung eher funktionell gehalten. Beispielsweise werden die Wände schlicht gehalten und die Waren in Pappkartons in den Regalen angeboten. Die Preise für Waren in Discountern sind bis zu 60 Prozent günstiger als die Preise führender Herstellermarken und bis zu 40 Prozent günstiger als Handelsmarken traditioneller LEHs (Cleeren, et al., 2010, p. 456). Discounter werden in zwei Hauptrichtungen, nämlich in Hard- und Softdiscounter, unterteilt. Das Kernsortiment eines Hard-Discounters umfasst 500 bis 1.000 Artikel. Eigenmarken, deren Qualität i.d.R. vergleichbar mit der Qualität von Herstellermarken ist, machen den größten Teil des Angebots von Hard-Discountern aus (Cleeren, et al., 2010, p. 456; Pfeiffer, 2010). Maximal 30 Prozent Herstellermarken werden im Sortiment geführt. Das Sortiment von Soft-Discountern umfasst 2.000 bis 2.500 Artikel und der Schwerpunkt ist auf Herstellermarken gelegt. Bezüglich des Sortiments und der Preise ähneln Soft-Discounter eher Supermärkten als Hard-Discountern (Pfeiffer, 2010).

3

Supermärkte Supermärkten sind LEH-Geschäfte mit einem um Non-Food-Artikel erweiterten und im Vergleich zu Discountern eher breiten Sortiment, die über eine Verkaufsfläche zwischen 100 und 999 qm verfügen. Es werden große Supermärkte mit einer Verkaufsfläche zwischen 400 und 999 qm und kleine Supermärkte mit einer Verkaufsfläche zwischen 100 und 399 qm unterschieden (Henning & Schneider, 2013a; The Nielsen Company, 2011, p. 10). Aufgrund der Nähe zu Wohngebieten und Innenstädten sind Supermärkte für die kleinräumliche Nahversorgung geeignet (Otto, 2006). Größere Supermärkte verfügen häufig über Bedientheken für Brot und Backwaren, Wurst und Fleischwaren sowie Fisch und Käse und zeichnen sich durch hohe Service-Qualität aus (Henning & Schneider, 2013a; Otto, 2006).

Verbrauchermärkte Verbrauchermärkte sind Einzelhandelsgeschäfte ab einer Verkaufsfläche von 1.000 qm. Sie bieten ein breites und tiefes Sortiment an Lebensmitteln und NonfoodArtikeln sowie Genussmitteln in Selbstbedienung an, d.h. sie führen Artikel aus vielen verschiedenen Warengruppen und je Warengruppe führen sie viele verschiedene Artikel. Es werden große Verbrauchermärkte mit einer Verkaufsfläche von mindestens 2.500 qm, die ein breites warenhausähnliches Sortiment aufweisen, und kleine Verbrauchermärkte mit einer Verkaufsfläche von 1.000 bis 2.499 qm unterschieden (The Nielsen Company, 2011). Ähnlich wie Supermärkte verfügen auch Verbrauchermärkte häufig über Bedientheken für Fleisch, Käse und weitere frische Produkte. Das Sortiment enthält neben einer großen Auswahl an Herstellermarken, die teilweise in wöchentlichen Sonderangeboten zu äußerst niedrigen Preisen erhältlich sind, auch Niedrigpreisprodukte, deren Preise und Qualität den Handelsmarken der Discounter angepasst sind. In der Regel sind sowohl die Ladenausstattung als auch die Warenpräsentation in Verbrauchermärkten sehr einfach gehalten. Serviceleistungen, wie beispielsweise Kundenberatungen, werden nur beschränkt angeboten. Verbrauchermärkte werden meist in kostengünstigen Stadtrandlagen oder Industriegebieten angesiedelt, so dass die Geschäfte gut mit dem Auto erreichbar sind und die Mietkosten für das Unternehmen möglichst niedrig gehalten werden können (Henning & Schneider, 2013b; Hoffmann, 2012, p. 16).

SB-Warenhäuser Selbstbedienungswarenhäuser, auch SB-Warenhäuser genannt, sind Einzelhandelsgeschäfte, die eine Verkaufsfläche von mindestens 5.000 qm aufweisen. Diese Betriebsform des Einzelhandels verfügt über ein breites, warenhausähnliches Sortiment 4

und bietet neben Lebens- und Genussmittel auch Nichtlebensmittel in Selbstbedienung an (Henning & Schneider, 2013c; Nielsen, 2007, p. 73). SB-Warenhäuser befinden sich meist in eingeschossigen und einfach ausgestatteten Gebäuden, die sich aufgrund des großen Platzbedarfs in verkehrstechnisch gut erreichbaren Stadtrandlagen befinden und mit ausreichend Parkplätzen ausgestattet sind. Auf Serviceleistungen wird in SB-Warenhäusern größtenteils verzichtet. Stattdessen wird das Angebot durch angegliederte Tankstellen, Blumen-, Zeitschriften- oder Tabakläden oder Cafés erweitert. Stark beworbene Sonderangebote oder Aktionen, wie z.B. Kinderfeste, werden genutzt, um die Attraktivität der SB-Warenhäuser zu steigern (Henning & Schneider, 2013c).

Drogeriemärkte Drogeriemärkte sind Einzelhandelsgeschäfte, die ein breites und tiefes Sortiment an Gesundheits- und Körperpflegemitteln, mittelfristigen Verbrauchsgütern (Wasch-, Putz- und Reinigungsmittel), Luxusgütern (Parfum, Geschenkartikel) aber auch in begrenztem Umfang Lebensmittel in Selbstbedienung führen. Drogeriemärkte werden ausschließlich als Filialbetriebe geführt und sind in Innenstädten oder Wohngebieten zu finden (Hoffmann, 2012, p. 16; The Nielsen Company, 2011, p. 10).

Verbrauchermärkte hatten im Jahr 2010 mit 37,8 Prozent den größten Marktanteil im Lebensmittelbereich. Bei den Discountern Aldi, Lidl und Norma wird 29,5 Prozent aller Lebensmittel verkauft. Der Marktanteil der restlichen Discounter und Supermärkte liegt bei 14,6 Prozent bzw. 16,3 Prozent im Lebensmittelsegment. Drogeriemärkte spielen im Lebensmittelsegment mit einem Marktanteil von 1,8 Prozent eine kleine Rolle. Im Nearfood-Bereich halten Drogeriemärkte mit 41,4 Prozent den größten Marktanteil. Es folgen Verbrauchermärkte mit einem Marktanteil von 26,6 Prozent und Aldi-Lidl-Norma mit 18,4 Prozent. Der restliche Anteil ist mit 6,9 Prozent und 6,7 Prozent recht gleich verteilt auf die übrigen Discounter und Supermärkte (The Nielsen Company, 2011, p. 22). 2.1.2 Der Wettbewerb im deutschen Lebensmitteleinzelhandel 2.1.2.1 Die Entwicklung des deutschen Lebensmitteleinzelhandels In den vergangenen Jahren ist der Umsatz im Lebensmitteleinzelhandel und in Drogeriemärkten in Deutschland von anfänglich 140,030 Mrd. Euro im Jahr 2004 auf 155,885 Mrd. Euro im Jahr 2010 gestiegen. Die Entwicklung der Geschäftsanzahl ist trotz steigender Umsätze im LEH jedoch rückläufig. Betrug die Anzahl der Geschäfte des LEHs und der Drogeriemärkte im Jahr 2004 noch 52.325, waren es im Jahr 2010 5

nur noch 46.425 Geschäfte (siehe Abbildung 1). Dies entspricht einer Schließung von knapp 1.000 Geschäften pro Jahr in dem Zeitraum 2004 bis 2010. Abbildung 1: Entwicklung der Umsätze und Anzahl der Geschäftsstätten im gesamten deutschen 1 Lebensmitteleinzelhandel 2004-2010

53000

160000 155000

51000 50000

150000

49000 48000

145000

47000 140000

46000 45000

Jahresumsatz

Anzahl der Geschätfe

52000

135000

44000 43000

130000 2004

2005

2006

2007

Anzahl Geschäfte

2008

2009

2010

Jahresumsatz in Mio €

1

: Lebensmitteleinzelhandel >100m², inklusive Drogeriemärkte

Quelle: eigene Darstellung, nach Nielsen, 2011

Dieser Trend gilt nicht für alle Handelsformate gleichermaßen. Verbrauchermärkte und Discounter konnten in dem o.g. Zeitraum sowohl die Anzahl ihrer Geschäfte als auch ihren Umsatz steigern. Im Unterschied dazu mussten insbesondere kleine Supermärkte und Drogeriemärkte langfristig Geschäfte schließen (vgl. Abbildung 2) (The Nielsen Company, 2011, p. 13ff.). Diese Schließungen können nicht allein mit der Eröffnung weiterer Geschäfte preisaggressiver Handelsformate des Lebensmitteleinzelhandels (Discounter und Verbrauchermärkte) begründet werden. Auch die Aufnahme von Lebensmitteln in das Sortiment von Geschäften anderer Handelsbranchen kann dazu beitragen. Beispielsweise sind in nahezu jedem Baumarkt Süßwaren erhältlich und viele Getränkeabholmärkte führen Nearfood-Artikel in ihrem Sortiment.

6

Abbildung 2: Entwicklung der Umsätze und Anzahl der Geschäftsstätten einzelner Handelsforma1 te des deutschen Lebensmitteleinzelhandels 2009-2010²

-10% -8% -6% -4% -2%

0%

2%

4%

6%

Verbrauchermärkte groß (≥ 2500m²) Verbrauchermärkte klein (1000-2499m²) Discounter Supermärkte groß (400-999 m²) Supermärkte klein (100-399m²) Drogeriemärkte Total

Anzahl Geschäfte Veränderung 2010-2011

Umsatz Veränderung 2009-2010

1

2

: Lebensmittelgeschäfte >100m² und Drogeriemärkte; : Anzahl der Geschäftsstätten am

01.01. 2010 bzw. 2011 Quelle: eigene Darstellung, nach Nielsen, 2011

Wie aus Abbildung 2 abzuleiten ist, scheint der Umsatzgewinn bei Verbrauchermärkten und Discountern hauptsächlich auf eine gestiegene Zahl an Verkaufsstellen zurückzuführen zu sein. Verbrauchermärkte konnten im Jahr 2010 Umsatzgewinne in Höhe von 3,4 Prozent verbuchen. Da im selben Jahr die Anzahl der Geschäfte um 3,5 Prozent gestiegen ist, konnten die Verbrauchermärkte bei flächenbereinigter Betrachtung keinen Umsatzzuwachs erzielen. Discounter konnten im Jahr 2010 eine Umsatzsteigerung von 0,7 Prozent realisieren. Aber im gleichen Zeitraum hat sich die Anzahl der Verkaufsstellen um 1,5 Prozent erhöht, so dass auch Discounter flächenbereinigt keine höheren Umsätze erzielen konnten. Drogeriemärkten und großen Supermärkten gelang eine Umsatzsteigerung bei gleichzeitiger Reduzierung der Geschäftsstätten. Drogeriemärkten gelang jedoch bei einer Reduzierung ihrer Filialen um 8,3 Prozent eine Umsatzsteigerung von 1,4 Prozent. Folglich ist auch der durchschnittliche Umsatz pro Drogeriemarkt-Filiale vom Jahr 2009 zum Jahr 2010 gestiegen (Nielsen, 2007, p. 7; The Nielsen Company, 2011, p. 14). Im deutschen Lebensmitteleinzelhandel ist seitens der Anbieter eine starke Konzentration erkennbar. 164,626 Mrd. Euro und damit 97,1 Prozent des gesamten Lebensmittelumsatzes in Deutschland werden von den dreißig größten Firmen des Lebensmittelhandels erwirtschaftet. Der Umsatz an Lebensmitteln der fünf größten Handels7

gruppen, das sind die Edeka-, Rewe-, Schwarz-, Aldi- und Metrogruppe, beträgt 122,221 Mrd. Euro und entspricht 72,11 Prozent des Gesamtumsatzes an Lebensmitteln. Mit einem Jahresumsatz an Lebensmitteln von 41,977 Mrd. Euro ist die EdekaGruppe das größte Food-Unternehmen und erzielt damit knapp ein Viertel des Gesamtumsatzes an Lebensmitteln (TradeDimensions, 2012a). Die Umsätze der fünfzehn größten Handelsgruppen sind in Abbildung 2 dargestellt. Werden zusätzlich die Nonfood-Artikel berücksichtigt, beläuft sich der Umsatz der dreißig größten Handelsunternehmen auf 231,219 Mrd. Euro und somit auf 97,36 Prozent des Gesamtumsatzes. Werden die Unternehmen den Umsätzen nach geordnet, ist eine Veränderung in der Rangliste auffällig. Unter Berücksichtigung der Nichtlebensmittel nimmt die MetroGruppe hinter der Edeka- und der Rewe-Gruppe und vor der Schwarz- und AldiGruppe den dritten Platz ein, während bei Vernachlässigung der Nonfood-Artikel die Metro-Gruppe hinter den genannten Handelsgruppen den fünften Platz einnimmt (TradeDimensions, 2012b). Die Metro-Gruppe führt verschiedene Vertriebsmarken unter einem Dach. Zu diesen Vertriebsmarken zählen beispielsweise die SBWarenhäuser Real, die neben Lebensmitteln auch Nonfood-Artikel in ihrem Sortiment führen, und die Elektrohandelsketten Saturn und Media Markt, die ausschließlich Produkte des Nonfood-Bereiches anbieten. Die Ausrichtung letztgenannter Vertriebsmarken der Metro-Gruppe auf den Nonfood-Bereich erklärt, wie der hohe Umsatz an Nonfood- Artikeln der Metro-Gruppe zustande kommt (Metro Group, 2011). Diese fünf führenden Handelsgruppen erwirtschafteten im Jahr 2011 zusammen 165,985 Mrd. Euro und somit 71,79 Prozent des Gesamtumsatzes im Lebensmittelhandel in Deutschland (TradeDimensions, 2012b). Abbildung 3: Lebensmittel-Umsätze der 15 größten Handelskonzerne im Jahr 2011

Edeka-Gruppe Rewe-Gruppe Schwarz-Gruppe Aldi-Gruppe Metro-Gruppe Lekkerland dm Schlecker Rossmann Bartels-Langness-Gruppe Transgourmet-Gruppe (D) Globus Norma Tengelmann-Gruppe Bünting

41.977 25.379 23.236 20.254 11.375 7.920 4.037 3.680 Lebensmittelumsätze in 3.460 Mio. Euro (brutto) 2.642 2.567 2.400 2.253 2.063 1.720

Quelle: Eigene Darstellung, nach TradeDimensions, 2012a

8

2.1.2.2 Intra- und Interformatwettbewerb Ein starker Wettbewerb herrscht im Lebensmitteleinzelhandel nicht nur innerhalb der Handelsformate, sondern auch zwischen den verschiedenen Handelsformaten. Der Begriff Intraformatwettbewerb beschreibt den Wettbewerb, der innerhalb einer Gruppe eines kooperierenden Systems ausgetragen wird, da innerhalb der Handelsformate das Angebot in den verschiedenen Geschäften (z.B. Discounter oder Supermärkte) vergleichbar ist (Cleeren, et al., 2010, p. 458). Der Substitutionseffekt1 im LEH ist eine Ursache für die starke Konkurrenz zwischen Geschäften eines Handelsformates (Fox, et al., 2004, p. S51). Der Intraformatwettbewerb zwischen Geschäften, die dem Supermarkt-Format angehören, ist stärker als der Wettbewerb zwischen Geschäften des Discount-Formates. Aufgrund einer zunehmenden Sättigung des Marktes wird der Kampf um den größten Marktanteil immer intensiver. Mit großen und regelmäßigen Werbekampanien und durch Alleinstellungsmerkmale, wie einem außergewöhnlichen Service und gut sortierten Waren, versuchen Supermärkte die Aufmerksamkeit der Konsumenten auf sich zu lenken und sich den größten Ausgabenanteil der Verbraucher zu sichern. Bei Discountern wird der Intraformatwettbewerb weniger über ihre Absatzpolitik als über eine aggressive Preispolitik betrieben (Cleeren, et al., 2010, p. 458ff.). Der Wettbewerb, der zwischen Geschäften eines Handelsformates ausgetragen wird, ist intensiver als der Wettbewerb zwischen den Geschäften, die verschiedenen Handelsformaten zugeordnet werden. Eine mögliche Ursache ist, dass die Wahl des Einkaufsortes bzw. Geschäftes ein zweistufiger Prozess ist. Zuerst entscheidet der Konsument in welchem Handelsformat er seine Einkäufe tätigen möchte. Erst im zweiten entscheidenden Schritt wählt der Konsument ein konkretes Geschäft des zuvor gewählten Handelsformates. In diesem zweiten Schritt der Geschäftswahl ist die räumliche Dimension, d.h. die Entfernung des Geschäftes zum Konsumenten, von Relevanz (Gonzáles-Benito, et al., 2005, p. 69). Der Wettbewerb zwischen Geschäften aus unterschiedlichen Handelsformaten wird Interformatwettbewerb genannt (vgl. Cleeren et al., 2010). Insbesondere Discounter und traditionelle Lebensmitteleinzelhändler stehen in einem Interformatwettbewerb (Tietz, 1994, p. 4).Obwohl die verschiedenen Handelsformate den Verbrauchern auf unterschiedliche Art Nutzen bringen, konkurrieren Geschäfte verschiedenen Formates um die Verbraucher, die Produkte der in beiden Formaten angebotenen Produktkategorien nachfragen (Cleeren, et al., 2010, p. 458). Hierbei ist eine zunehmen1

Der Substitutionseffekt beschreibt die Reaktion eines Haushaltes auf eine Preisänderung für ein Gut. Im Fall einer Preissenkung bewirkt der Substitutionseffekt eine Erhöhung der Nachfrage nach dem relativ billiger gewordenen Gut zulasten der relativ teureren Güter (Piekenbrock, 2013).

9

de Annäherung der Handelsformate zu erkennen: Viele traditionelle Lebensmitteleinzelhändler verwenden nicht nur regelmäßige und besonders günstige Sonderangebote um Konsumenten von Discountern abzuwerben (Rajiv, et al., 2002), sondern bieten eine Produktlinie zu Niedrigpreisen an (die sogenannte Discountrange). Im Gegenzug setzen Discounter auf die vermehrte Aufnahme von Herstellermarken in ihr Sortiment, um auch markentreue Konsumenten anzusprechen und damit ihre Wettbewerbsfähigkeit gegenüber den traditionellen Handelsformaten weiter zu stärken. Das Ziel dieser Sortimentserweiterung besteht insbesondere in der Akquise neuer Konsumenten (Deleersnyder & Koll, 2012, p. 1155ff.)2. Wie stark die Geschäfte der verschiedenen Handelsformate untereinander konkurrieren, ist abhängig vom Grad der Diversifizierung der Produkte, die diese Geschäfte anbieten. Je stärker Firmen ihre Produkte differenzieren, desto geringer ist der Preiswettbewerb zwischen diesen Firmen (Bester, 1998, p. 828; Deleersnyder & Koll, 2012, p. 285). Geschäfte, die substitutive Güter verkaufen, unterliegen einem stärkeren Preiswettbewerb als Geschäfte, die komplementäre Güter verkaufen. Je weniger sich die Sortimente der benachbarten Geschäfte überschneiden, desto weniger stehen diese Geschäfte in Konkurrenz (Zhu, et al., 2011). Anbieter können sich von den Konkurrenten durch ihre Formate differenzieren, in dem sie verschiedene Produktkategorien anbieten oder eine andere Preisstrategie wählen (Datta & Sudhir, 2008). Differenzierte Geschäfte mit sich ergänzenden Produktangeboten können sich gegenseitig einen Vorteil verschaffen. Für einen Supermarkt ist es bspw. besser, wenn ein neuer Discounter in direkter Nachbarschaft öffnet, als wenn dieser sich alternativ in direkter Nachbarschaft zu einem konkurrierenden Supermarkt ansiedelt (Zhu, et al., 2011). Supermärkte verfügen über breite und tiefe Sortimente, während Discounter schmale und flache Sortimente aufweisen, d.h., sie führen wenige verschiedene Warengruppen mit jeweils nur wenigen Artikeln pro Warengruppe in ihrem Sortiment. Diese zwei Handelsformate können sich gegenseitig Vorteile verschaffen, da sie komplementäre Güter anbieten. Kunden können im Discounter günstig ihre Grundbedürfnisse decken und kaufen besondere Artikel, die nicht beim Discounter erhältlich sind, im benachbarten Supermarkt. Die räumliche Nähe zwischen dem Discounter und dem Supermarkt kann somit „anziehend“ auf Kunden wirken, da Kunden die Möglichkeit zum multi-purpose shopping gegeben wird (siehe Kapitel 2.2.2).

2

Die Konsumenten, die bereits bei dem Discounter die Handelsmarken nachfragen, sollen möglichst nicht ihre Gewohnheiten (Handelsmarken zu kaufen) ändern. Neue Konsumenten erhöhen den Umsatz. Konsumenten, die lediglich innerhalb eines Geschäftes von einer Handelsmarke zu einer Herstellermarke wechseln, tragen nicht zu einer Umsatzsteigerung des Geschäftes bei (Deleersnyder & Koll, 2012, p. 1155ff.).

10

2.2 Konsumentenverhalten Das Einkaufsverhalten wird definiert durch die durchschnittliche Warenkorbgröße und die Anzahl der Einkäufe und ist eine wichtige Determinante bei der Wahl des Geschäftes, vorausgesetzt es stehen Geschäfte mit verschiedenen Preisformaten zur Wahl (Bell & Lattin, 1998, p. 66). Nach Bell und Lattin (1998) kann das Einkaufsverhalten eines Haushaltes mit den drei Variablen erwartete Warenkorbgröße pro Einkaufstour, Kauffrequenz und gesamte Einkaufsmenge (über alle Einkaufstouren) beschrieben werden. Diese Variablen sind stark miteinander korreliert. Haushalte mit vergleichsweise großen zu erwartenden Warenkörben weisen eine geringere Kauffrequenz auf. Zwei Arten von Konsumenten werden unterschieden: Large basket shopper kaufen Produkte aus vielen verschiedenen Produktkategorien und erledigen dadurch einen relativ großen Teil ihres Einkaufs während einer Einkaufstour. Sie achten darauf, dass die durchschnittlichen Preise des Sortimentes niedrig sind, da sie gelegentliche günstige Angebote häufig nicht wahrnehmen können. Aus diesem Grund werden Discounter von large basket shoppern bevorzugt. Small basket shopper können einen Nutzen aus kurzfristigen Sonderangeboten ziehen, auch wenn die durchschnittlichen Warenkorbpreise höher sind. Sie tätigen zahlreiche und weniger umfangreichere Einkäufe und kaufen Produkte, wenn diese im Sonderangebot erhältlich sind oder verschieben ansonsten deren Einkauf. Das Einkaufsverhalten der Konsumenten bestimmt also, in welchem Maße die Konsumenten von Preisvarianzen profitieren können. Konsumenten mit einem kleineren erwarteten Warenkorb reagieren weniger sensitiv auf Veränderungen des Gesamtwarenkorbpreises. Sie sind relativ inelastisch in Bezug auf den Preis des gesamten Warenkorbes bei der Wahl eines Geschäftes. Large basket shopper hingegen sind relativ elastisch bezüglich der Warenkorbpreisveränderungen. Das Einkaufsverhalten beeinflusst die Präferenz für ein Geschäft. Large basket shopper bevorzugen es, beim Discounter einzukaufen, da Discounter niedrige durchschnittliche Warenkorbpreise haben. Small basket shopper hingegen präferieren Einkäufe bei traditionellen Lebensmitteleinzelhändlern.

Mit zunehmender Warenkorbgröße pro Einkaufstour

steigt die Präferenz für Einkäufe beim Discounter. Haushalte, die des Öfteren Einkaufstouren vornehmen, bevorzugen Einkäufe bei traditionellen Lebensmitteleinzelhändlern. Die Wahl des Geschäftes ist in großem Maße abhängig von der erwarteten Attraktivität des Warenkorbes (Bell & Lattin, 1998). 2.2.1 Cherry-Picking Cherry-picking beschreibt das Verhalten von Konsumenten, welche sehr anspruchsvoll bei der Wahl von Produkten und Dienstleistungen sowie dem Einkaufsort und den 11

Preisen sind. Cherry-picker wählen das Beste und lassen den Rest zurück. Konsumenten können cherry-picken während einer Einkaufstour zu lediglich einem Geschäft (single-store visit oder one-stop shopping) oder beim Besuch mehrerer Geschäfte. Bei einem single-store visit kann cherry-picking als die Wahl der dicksten und schönsten Kirschen aus einem Korb von Kirschen verstanden werden (Fox & Hoch, 2005, p. 46). Cherry-picker haben niedrige Opportunitätskosten und Reise- und Suchkosten und sind daher bereit, sich genauer über Angebote zu informieren. Sie besuchen ein Geschäft mehr als einmal, um angekündigte Angebote wahrnehmen zu können und sind bereit mehrere Geschäfte anzufahren, um in diesen Geschäften Produkte zu günstigen Preisen einkaufen zu können (Lal & Rao, 1997; Popkowski Leszczyc, et al., 2004, p. 88). Wird cherry-picking zwischen verschiedenen Geschäften betrieben, werden beispielsweise in den Geschäften ausschließlich reduzierte Waren und besondere Angebote gekauft oder cherry-picker kaufen im Supermarkt die Produkte, die zu diesem Zeitpunkt im Sonderangebot sind, und andere Produkte, die im Supermarkt zu dem Zeitpunkt nicht im Sonderangebot erhältlich sind, im Discountmarkt (Levy & Weitz, 2004; Popkowski Leszczyc, et al., 2004, p. 88). Durch das cherry-picken können Konsumenten ihre Ausgaben deutlich reduzieren. Im Durchschnitt zahlt ein cherry-picker für seinen Warenkorb 5% weniger als ein nicht cherrypicker. Außerdem sind die Warenkörbe der cherry-picker durchschnittlich 67% größer als die Warenkörbe der nicht cherry-picker. Folglich treffen die eingesparten Ausgaben von 5% auf einen deutlich größeren Warenkorb zu. Die durch das cherry-picken reduzierten Ausgaben können die Opportunitätskosten des zusätzlichen Geschäftsbesuches übersteigen und stiften daher einen wirtschaftlichen Nutzen für die meisten cherry-pickenden Haushalte. Die Kosten eines Einkaufes steigen proportional zu den Opportunitätskosten (Fox & Hoch, 2005, p. 47f.) Fox und Hoch (2005) haben das Verhalten und spezifische Charakteristika von cherry-pickern, die die Opportunitätskosten beeinflussen könnten, untersucht. Eine Einkaufstour klassifizieren Fox und Hoch als cherry-picking tour, wenn Konsumenten zwei oder mehr Lebensmitteleinzelhändler an einem Tag aufsuchen. Sie stellten fest, dass zwei Gruppen besonders zum cherry-picken neigen. Dies sind zum einen Haushalte mit älteren Personen und Haushalte mit vielen Personen. Des Weiteren zeigten sie, dass die Wahrscheinlichkeit zum cherry-picken für Haushalte geringer ist, wenn es eine erwachsene erwerbstätige Frau in der Familie gibt. Befindet sich in einem Haushalt keine erwerbstätige erwachsene Frau ist die Wahrscheinlichkeit zum cherry-picken ungefähr 16% höher. Senioren (> 65 Jahre) sind seltener berufstätig und verbringen mehr Zeit mit dem Einkaufen. Die Anwesenheit eines Senioren in einem Haushalt erhöht die Wahrscheinlichkeit eines Haushaltes zum cherry-picken um 15%. Besitzt ein Haushalt ein 12

Eigenheim, verfügt dieser Haushalt über größere Möglichkeiten Vorräte zu lagern. Daraus lässt sich schließen, dass Familien mit Eigenheimen größere Mengen an reduzierten Waren auf Vorrat kaufen können. Der Besitz eines Heimes erhöht die Wahrscheinlichkeit zum cherry-picken um ca. 43%. Es wird angenommen, dass wohlhabende Haushalte höhere Opportunitätskosten haben und weniger preissensitiv sind. Das Einkommen hat daher einen negativen Einfluss auf die Wahrscheinlichkeit zum cherry-picken. Größere Haushalte sind preissensitiver, da sie größere Mengen an Lebensmitteln einkaufen und einen größeren Anteil ihres Einkommens für Lebensmittel ausgeben. Es existiert eine positive Beziehung zwischen der Wahrscheinlichkeit zum cherry-picken und der Familiengröße. Eine zusätzliche Person in einem Haushalt erhöht die Wahrscheinlichkeit zum cherry-picken um ca. 4%. Die Entfernung zum Lebensmitteleinzelhändler und die damit verbundene Anfahrtszeit sowie die Entfernung des nächsten zum zweitnächsten Anbieter wirken sich auf die Wahrscheinlichkeit zum cherry-picken aus. Jeder zusätzliche Kilometer zwischen den Lebensmitteleinzelhändlern verringert die Wahrscheinlichkeit zum cherry-picken um ca. 4%. Zusätzlich haben Fox und Hoch (2005) das Einkaufsverhalten bei cherry-picking- und single-store- Einkaufstouren untersucht. Sie konnten zeigen, dass signifikante Unterschiede in der eingekauften Menge bestehen. Konsumenten kaufen wert- als auch mengenmäßig über zwei Drittel mehr, wenn sie mehrere und nicht nur ein Geschäfte während einer Einkaufstour aufsuchen. Je erfahrener Konsumenten im cherry-picken sind, desto größer sind die Unterschiede zwischen den Einkaufsmengen von cherrypickern und single-store-shoppern. Weitere Unterschiede zwischen cherry-pickern und single-store shoppern zeigten Fox et. al. (2005) bezüglich der Anteile an reduzierten Waren und beworbenen Produkten an der Einkaufsmenge. Konsumenten, die zwei oder mehr Geschäfte aufsuchen, haben die Möglichkeit mehrere günstige Angebote wahrzunehmen und kaufen 25% mehr Artikel, die zu reduzierten Preisen angeboten werden. Desweiteren kaufen cherry-picker ein Drittel mehr Produkte, für die geworben wird. Möglicherweise lesen cherry-picker regelmäßig Handzettel verschiedener Anbieter und werden durch besonders attraktive Angebote zum cherry-picken motiviert. Haushalte ziehen durch das cherry-picken einen Nutzen aus den vermehrten Gelegenheiten zum Einsparen von Ausgaben (Fox & Hoch, 2005). Auch Talukdar et. al. (2010) haben sich mit dem Verhalten von cherry-pickern befasst. Dabei konzentrierten sie sich auf extreme cherry-picker. Talukdar et. al. bezeichnen Konsumenten als extreme cherry-picker, wenn sie bei einer Einkaufstour dem Anbieter einen negativen Profit generieren, in dem sie ausschließlich loss lea-

13

ders3 und stark reduzierte Artikel kaufen. Die Anzahl der extreme cherry-picker steigt mit zunehmender Haushaltsgröße, mit steigender Anzahl an Senioren (60 Jahre und älter) in einem Haushalt und einem höheren Anteil an verheirateten Personen in dem Einzugsbereich eines Geschäftes. Das Einkommen sowie das Vorhandensein eines Eigenheimes haben hingegen keinen signifikanten Einfluss auf das Verhalten von cherry-pickern. Eine zunehmende Anzahl konkurrierender Anbieter innerhalb des Absatzgebietes wirken sich negativ auf den Anteil der extreme cherry-picker aus. 2.2.2 Multi-purpose und one-stop shopping Beim multi-purpose shopping verbindet der Konsument Einkäufe in verschiedenen Geschäften während einer Einkaufstour und kauft Waren verschiedener Produktkategorien in oft größeren Mengen auf Vorrat. Auf diese Weise kann der Konsument sowohl Zeit und Wege beim Einkaufen einsparen als auch die Anzahl der gesamten Einkaufstouren reduzieren. Dies hat eine Senkung der Kosten pro Einkauf zur Folge (Bester, 1998, p. 839; Popkowski Leszczyc, et al., 2004, p. 85). Der Konsument profitiert beim multi-purpose shopping von positiven Skalenerträgen bezüglich der Suchund Einkaufskosten. Je geringer die Entfernung zwischen den Geschäften, die ein multi-purpose shopper aufsucht, ist, desto größer sind die Kosteneinsparungen für den Konsumenten. Dies ist auch darauf zurückzuführen, dass Qualitäts- und Preisvergleiche zwischen verschiedenen Geschäften für den Konsumenten vereinfacht werden und daraus eine Reduktion der Suchkosten für die Konsumenten resultiert (Bester, 1998, p. 839). Multi-purpose shopper sind häufig bereit, weitere Anfahrtstrecken zu Geschäftsagglomerationen in Kauf zu nehmen, um dort den Erwerb verschiedener Güter und die Inanspruchnahme weiterer Dienstleistungen kombinieren zu können. Kauft der Konsument Waren auf Vorrat, muss dieser berücksichtigen, dass ihm dadurch Lagerkosten entstehen. Mit zunehmender Lagerhaltung steigen die Lagerkosten. Anderseits führen verringerte Einkaufsmengen und damit verbundene geringere Lagerhaltungskosten zu steigenden Transportkosten. Um die optimale Anzahl an Einkaufstouren herausfinden zu können, muss ein rational denkender Konsument abwägen zwischen den Lagerhaltungs- und Transaktionskosten. Da die Transaktionskosten abhängig sind von der Entfernung des Konsumenten zum Einkaufsort, wird auch die optimale Anzahl an Einkaufstouren von dieser Entfernung beeinflusst4 (Ghosh, 1986, p. 81f.). Für Geschäfte verschiedenen Formates und mit unterschiedlichen Produktkategorien entsteht ein Anreiz an einem Standort zu agglome3

loss leaders (Lockartikel) werden zu einem geringeren Preis als dem Einstandspreis verkauft und dienen der Gewinnung (Anlockung) von Kunden. Die Umsatzverluste, die durch den Verkauf der loss leaders generiert werden, werden durch eine Preisanpassung anderer Produkte kompensiert (Talukdar, et al., 2010). 4 Transaktionskosten setzen sich zusammen aus Transport- und Suchkosten.

14

rieren, mit dem Ziel, die Distanzen zwischen den Geschäften und die damit für die Konsumenten verbundenen Transportkosten gering zu halten (Bester, 1998, p. 839). In Kapitel 2.1.2.1 wurde gezeigt, dass die Anzahl der kleinen und großen Verbrauchermärkte in Deutschland in den letzten Jahren gestiegen ist. Verbrauchermärkte bieten Konsumenten die Möglichkeit zum multi-purpose und one-stop shopping zugleich. D.h. der Konsument kann in Verbrauchermärkten sämtliche Produkte verschiedenster Produktkategorien einkaufen ohne dafür ein weiteres Geschäft aufsuchen zu müssen. Diese Möglichkeit zum multi-purpose und one-stop shopping ist durch das Angebot eines sehr tiefen und breiten Warensortimentes, wie es in Verbrauchermärkten zu finden ist, gegeben (Popkowski Leszczyc, et al., 2004, p. 96f.). Die multi-purpose Theorie von Ghosh (1986) besagt, dass Agglomerationen verschiedener Einzelhandelsgeschäfte zu einer Verdopplung der Profite der Geschäfte führen. Geringere Transaktionskosten (z.B. Zeit und Transportkosten) bei Einkäufen führen zu Einsparungen auf Seiten der Konsumenten. Diese Einsparungen werden bei weiteren Einkäufen wieder ausgegeben und dadurch kommen die Profitsteigerungen der Einzelhändler zustande. Bei single-purpose shopping trips werden größere Mengen einer Produktkategorie (bspw. Lebensmittel) während einer Einkaufstour eingekauft. Häufige Einkaufstouren werden beim single-purpose shopping durch wenige umfangreichere Einkaufstouren ersetzt, wodurch die gesamten Reisekosten über die Zeit reduziert werden. Singlepurpose shopper tätigen ihre Einkäufe in Geschäften, die sich aus Sicht des Konsumenten in einer günstigen Lage befinden. Die Nähe zu weiteren Geschäften oder Dienstleistungsunternehmen spielt bei der Geschäftswahl von single-purpose shoppern eine untergeordnete Rolle (Popkowski Leszczyc, et al., 2004, p. 85ff.). 2.3 Anforderungen an Standorte des Lebensmitteleinzelhandels 2.3.1 Standortfaktoren als Bewertungsgrundlage von Einzelhandelsimmobilien Bevor ein Einzelhandelsunternehmen sich dazu entschließt, an einem Standort eine Filiale zu öffnen, muss genau untersucht werden, ob die Wahl des Standortes richtig ist oder ob ein anderer Standort nicht möglicherweise besser für die Errichtung einer Filiale geeignet ist. Für die Bestimmung der Attraktivität und damit der Eignung eines Standortes werden sogenannte Standortfaktoren herangezogen. Standortfaktoren sind mit dem Standort verbundene Kennzahlen, die alle bedeutsamen raumökonomischen Rahmenbedingungen zusammenfassen, und den Wert sowie die nutzungsspezifische Lagequalität einer Einzelhandelsimmobilie widerspiegeln (Overfeld & Jahn, 2009, p. 424). Bei Standortanalysen werden verschiedenste Standortfaktoren bestimmt und untersucht und die Relevanz dieser Standortfaktoren überprüft, da nicht 15

alle Standortfaktoren an jedem Standort relevant sind. Abschließend werden die Standortfaktoren bewertet und gewichtet. Die Gewichtung geht aus dem zukünftigen Zweck der Immobilie, d.h. dem Anspruch an die künftige Nutzung und den Käufer, hervor. Die Bewertung der relevanten Standortfaktoren als auch die Gewichtung des Faktors müssen für jedes Projekt und jede Immobilie individuell vorgenommen werden (Overfeld & Jahn, 2009, p. 424ff.; Sauter, 2005, p. 19). Standortfaktoren lassen sich in harte und weiche Faktoren einteilen. Harte Standortfaktoren, auch physische Faktoren genannt, sind eindeutig quantifizier- und messbar. Sie fließen direkt in die Bewertung ein. Der Ist-Zustand eines Gebietes wird durch die harten Standortfaktoren beschrieben. Entwicklungen des Gebietes fließen in die harten Standortfaktoren ein, da sämtliche Veränderungen in der Zukunft, die den Standort positiv oder negativ beeinflussen können, berücksichtigt werden. Bei der Standortanalyse der harten Faktoren werden umliegende Standorte sowie die Koordination der Logistik und der Zentrale für mehrere Filialen berücksichtigt (Müller-Hagedorn, 2005, p. 131f.; Overfeld & Jahn, 2009, p. 424ff.). Die Standortpolitiken sämtlicher Lebensmitteldiscounter, Super- und Verbrauchermärkte in der Umgebung und die in der Zukunft zu erwartenden Veränderungen dieser Lebensmitteleinzelhändler werden in Augenschein genommen. Für Lebensmitteldiscounter stellen nicht nur Filialen desselben Formates eine Konkurrenz dar. Auch Filialen eines anderen Formates, d.h. Super- und Verbrauchermärkte, konkurrieren mit Lebensmitteldiscountern und vice versa (Heinritz, et al., 2003, p. 85; Müller-Hagedorn, 2005, p. 138). Der Städtebau und der Verkehr sind infrastrukturelle Faktoren, welche die Geschäftspolitik von Einzelhandelsunternehmen beeinflussen (Sauter, 2005). Einzelhandelsunternehmen bevorzugen ein einheitliches Erscheinungsbild ihrer Filialen. Örtliche Gegebenheiten können Grund dafür sein, dass dieser Wunsch nach einem einheitlichen Erscheinungsbild der Filialen nicht erfüllt werden kann (Müller-Hagedorn, 2005, p. 132). Harte Standortfaktoren können nach Overfeld und Jahn (2009) in folgende Gruppen unterteilt werden: Tabelle 1: Übersicht harte Standortfaktoren von Einzelhandelsimmobilien

Harte Standortfaktoren Infrastruktur

Bestandteile  Verkehrsnetz: motorisierter Individualverkehr (MIV) und öffentlicher Personalnahverkehr (ÖPNV)  Erreichbarkeit  Stellplatzsituation  Passantenfrequenz  Telekommunikationsnetz  Dienstleistungsangebot  Pendlerbewegungen 16

Markt

Wirtschaftliche Indikatoren

Geografie

Produktionsfaktoren

Auflagen und Verfahren Abgaben und Incentives

 Kaufkraftbindung am Ort (gegebenenfalls Kaufkraftabfluss)  Kommunales Einzelhandelskonzept  Geografische Ausdehnung des Einzugsgebietes  Preisniveau (Grundstückspreise, kommunale Abgaben, Energiepreise usw.)  Bruttoinlandsprodukt (BIP), Bruttosozialprodukt (BSP)  Leitzins, Inflation, Wechselkurse, Währungsstabilität usw.  Arbeitsmarktbedingungen, regionale Arbeitslosenquote  Räumliche Funktion des Ortes  Lageklassifizierung des Einzelhandels  Grund und Boden  Geografische Lage, Landesfläche  Orientierung des Gebäudes auf dem Grundstück/Erweiterungsmöglichkeiten  Ökologische Situation, Luftreinheit, Bodenbeschaffenheit, Wasserqualität  Fachkräfteverfügbarkeit  Vorleistungsvolumen  Lieferantendichte, Nähe zu Lieferanten  Energie- und Wasserversorgung  Dienstleistungsangebot  Gewerbeeinschränkungen, Grunderwerbseinschränkungen  Umweltschutzauflagen, technische Auflagen  Konzessionen, Dauer von Genehmigungsverfahren  Steuern, Subventionen, Förderungsmöglichkeiten, regionale Abgaben, Abschreibungsrichtlinien  Umweltabgaben  Zwangsbeteiligungen

Quelle: Overfeld & Jahn, 2009, p. 425f.

Weiche Standortfaktoren weisen einen qualitativen Charakter auf und lassen sich nicht quantifizieren. Sie beinhalten sozialökonomische bzw. psychologische Faktoren und sind häufig subjektiven Ursprungs. Bei jeder Standortanalyse müssen neben den harten Faktoren auch die weichen Faktoren betrachtet werden, da die Analyse bei Vernachlässigung der harten oder der weichen Faktoren unvollständig und das Ergebnis unter Umständen nicht korrekt ist. Beispielsweise kann ein Standort bei reiner Betrachtung der harten Faktoren für die Errichtung einer Einzelhandelsfiliale geeignet sein, obwohl der Standort unter Berücksichtigung der weichen Faktoren als vollkommen ungeeignet eingestuft wird. Demografische Faktoren, wie der Bevölkerungsbestand und die -verteilung sowie die Bevölkerungs- und Sozialstruktur, zählen zu den weichen Standortfaktoren. Hierbei werden die Lebens- und Konsumgewohnheiten und die Mentalität der Gesellschaft werden berücksichtigt (Overfeld & Jahn, 2009, p. 427f.). 17

Weiche Standortfaktoren lassen sich nach Overfeld und Jahn (2009) in folgende Gruppen teilen: Tabelle 2: Übersicht weiche Standortfaktoren von Einzelhandelsimmobilien

Weiche Standortfaktoren Qualität

Demografie

Wirtschaftliche Indikatoren Gesellschaftlich

Politisch

Bestandteile  Image des Standortes und der Stadt  Umfeldcharakter  Werbewirksamkeit des Standortes  Lebens- und Wohnqualität  Kultur- und Freizeitangebot  Ambiente, Aufenthaltsqualität  Sauberkeit  Bevölkerungsstruktur und -entwicklung  Sozialstruktur und Ausländeranteil  Gesundheitssituation  Einkommensniveau der Bevölkerung  Kaufkraftentwicklung der letzten Jahre  Bildungsniveau  Sozialstruktur  Migrationstrend  Mentalität  Genehmigungspraxis der Verwaltung  Politische Struktur  Wirtschaftsklima

Quelle: Overfeld & Jahn, 2009, p. 427f.

Mit Hilfe der wirtschaftlichen Faktoren, wie den Einkommensverhältnissen, der Einkommensverwendung und dem Marktpotential, kann eine Umsatzprognose für einen neuen Standort durchgeführt werden (Sauter, 2005, p. 19). Im Vergleich zu weichen Standortfaktoren lassen sich harte Standortfaktoren leichter erheben und miteinander vergleichen, da bei der Erhebung weicher Faktoren subjektive Eindrücke häufig unbeabsichtigt mit einfließen. Das Image eines Standortes lässt sich beispielsweise nicht isoliert von dem Eindruck des Betrachters erfassen. Folglich ist die Bewertung des Images eines Standortes abhängig von dem Betrachter, welcher die Bewertung durchführt. Weiche Standortfaktoren lassen sich weniger stark von außen beeinflussen und sind somit stabiler als harte Faktoren. Das Image eines Standortes ist nur über einen langen Zeitraum veränderbar und in der Regel ist diese Veränderung nur mit größtem Aufwand möglich. Befindet sich hingegen eine Bushaltestelle an einem störenden Platz, lässt sich diese relativ schnell und einfach an einen anderen Platz verlegen. Die weichen Faktoren werden heute bei der Erhebung der Faktoren stärker gewichtet als die harten Faktoren. Somit haben die weichen Faktoren bei der Bewertung eines Standortes gegenüber den harten Faktoren an Bedeutung gewonnen. Des Weiteren muss bei der Wahl der Standortfaktoren be18

rücksichtigt werden, um welchen Typ von Einzelhandelsimmobilie es sich handelt, da die Ansprüche an die unterschiedlichen Einzelhandelsimmobilientypen verschieden sind. Einzelhandelsimmobilien werden in Center-Typen und in Stand-Alone-Märkte unterschieden. Zu den Center-Typen gehören Shopping-Center, Fachmarktzentren und Einkaufspassagen. Typische Stand-Alone-Märkte sind Waren- und Kaufhäuser, Verbraucher-, Super- und Discountmärkte. Beispielsweise sprechen Supermärkte und Discountmärkte verschiedene Zielgruppen an. Folglich müssen die Faktoren auf den Typ der Einzelhandelsimmobilie angepasst werden (Overfeld & Jahn, 2009, p. 427ff.). Bei der Suche nach einem Standort für eine Supermarkt- oder Discounterfiliale müssen verschiedene Anforderungen erfüllt werden. Gesucht werden Immobilien mit einer Grundfläche von 3.000 bis 10.000 Quadratmetern (qm). Die Verkaufsflächen5, welche ebenerdig sein sollte, liegt bei Discountern zwischen ca. 600 qm bis 1.200 qm. Zuzüglich der Nebenflächen6:ergibt sich daraus eine Nutzfläche bei Discountern von ca. 800 qm bis 1.400 qm NF. Supermärkte benötigen eine Verkaufsfläche von ca. 800 qm bis 2.000 qm und eine Nutzfläche von ca. 1.000 qm bis 2.400 qm. Bevorzugt werden Verkaufsflächen, die rechteckig und niveaugleich sind. Die gesamte Nutzfläche ist im Idealfall frei von Stützen. Lager- und Nebenräume werden in der Regel seitlich der Verkaufsflächen oder nahe betreuungsintensiven Profilwarengruppen angeordnet. Ein geeigneter Standort verfügt über ca. 60 bis 140 objekteigene Stellplätze vor oder neben dem Objekt (Uttke, 2009, p. 98ff.). Ein potentielles Absatzgebiet umfasst ca. 10.000 Einwohner von denen ca. 4.000 bis 5.000 Einwohner im Kerngebiet erwartet werden. Jährlich muss eine Filiale des Discounterformates brutto 2 bis 4 Millionen Euro erwirtschaften, um langfristig bestehen zu können. Da viele Standorte diese Kriterien nicht vollständig erfüllen können, sind konkurrierende Unternehmen aufgrund der Knappheit von Standortmöglichkeiten häufig nicht in der Lage, einer räumlichen Nachbarschaft zu entgehen (Uttke, 2009, p. 98ff.). 2.3.2 Bauplanerische und rechtliche Vorschriften Neben den Anforderungen, die Lebensmitteleinzelhändler an potentielle Standorte für ihre Filialen stellen, müssen bei der Planung der Errichtung eines Einzelhandelsgeschäftes die Vorschriften des Baugesetzbuches (BauGB) und der Baunutzungsverordnung (BauNVO) berücksichtigt werden. Das Baugesetzbuch und die Baunut5

Verkaufsfläche (VF): Fläche, die dem Verkauf dient, einschließlich Gängen, Treppen, Standflächen für Errichtungsgegenstände, Schaufenstern und Freiflächen, soweit diese dem Kunden zugänglich sind (Ifh, 2006). 6 Nutzfläche (NF): der Teil der Nettogrundfläche, der der eigentlichen Nutzung (Kaufen, Verteilen und Lagern im Einzelhandel) dient (Schulte, 2005, p. 156).

19

zungsverordnung bestimmen mögliche Inhalte des Bebauungs- und Flächennutzungsplanes. Der Bebauungsplan und der Flächennutzungsplan sind Bauleitpläne, die die bauliche als auch weitere Nutzung der Grundstücke einer Gemeinde unter Berücksichtigung des Baugesetzbuches vorbereiten und leiten. Der Flächennutzungsplan ist ein vorbereitender Bauleitplan, in dem die aus der städtebaulichen Entwicklung hervorgehende Art der Bodennutzung für das gesamte Gemeindegebiet, die Ausstattung eines Gemeindegebietes mit bspw. Anlagen und Einrichtungen zur Versorgung mit Gütern und Dienstleistungen, Grün- und Wasserflächen und landwirtschaftlichen Flächen dargestellt werden. Die für die Bebauung vorgesehenen Flächen können im Flächennutzungsplan nach der allgemeinen Art ihrer baulichen Nutzung als Wohnbauflächen, gemischte Bauflächen, gewerbliche Bauflächen und Sonderbauflächen dargestellt werden. In dem Bebauungsplan bzw. verbindlichen Bauleitplan ist die rechtsverbindliche städtebauliche Ordnung festgesetzt. Er wird aus dem Flächennutzungsplan entwickelt. Der Bebauungsplan beinhaltet bspw. die aus städtebaulichen Gründen festgesetzte Art und das Maß der baulichen Nutzung, die Bauweise und die Stellung baulicher Anlagen und die Flächen für Nebenanlagen, wie Spiel-, Freizeit- und Erholungsflächen und Flächen für Stellplätze und Garagen etc. . Bebaute sowie unbebaute Grundstücke können zur Erschließung oder Neugestaltung von Gebieten durch Umlegung so neu geordnet werden, dass nach Lage, Form und Größe für die bauliche oder sonstige Nutzung zweckmäßig gestaltete Grundstücke entstehen (Baugesetzbuch, 2013). Eine Übersicht über die allgemeine und die besondere Art der baulichen Nutzung ist in Tabelle 3 dargestellt. Tabelle 3: Baugebietstypen unterteilt nach Art ihrer baulichen Nutzung

Allgemeine Art der baulichen Nutzung (Darstellung im Flächennutzungsplan

Besondere Art der baulichen Nutzung (Festsetzung im Bebauungsplan)

Wohnbauflächen (W)

Kleinsiedlunggebiete (WS)

WS dienen vorwiegend der Unterbringung von Kleinsiedlungen einschließlich Wohngebäuden sowie den Einrichtungen zur Versorgung des Gebiets.

Reine Wohngebiete (WR)

WR dienen ausschließlich dem Wohnen. Ergänzende Nutzungen sind nur ausnahmsweise zulässig.

Zweck und Bedeutung

20

Allgemeine Wohngebiete (WA)

Gemischte Bauflächen (M)

Gewerbliche Bauflächen (G)

Sonderbauflächen (S)

WA dienen vorwiegend dem Wohnen einschließlich der Einrichtungen zur Versorgung des Gebiets wie Läden, Gaststätten, Handwerksbetriebe, soziale Einrichtungen usw. Andere Nutzungen sind nur ausnahmsweise zulässig, wenn sie sich mit dem Wohnen vereinbaren lassen.

Besondere Wohngebiete (WB)

Als WB werden in erster Linie Altbaugebiete mit vielfältigen Nutzungen festgesetzt, die aber vorwiegend dem Wohnen dienen sollen.

Dorfgebiete MD

MD dienen vorrangig der Unterbringung land- und forstwirtschaftlicher Betriebe.

Mischgebiete (MI)

MI dienen dem Wohnen und der Unterbringung von Gewerbebetrieben und anderen Einrichtungen, die das Wohnen nicht wesentlich stören.

Kerngebiete (MK)

MK dienen vorwiegend der Unterbringung von Handelsbetrieben sowie den zentralen Einrichtungen des städtischen Lebens. In der Regel handelt es sich dabei um Stadt- und Stadtteilzentren.

Gewerbegebiete (GE)

GE dienen vorwiegend der Unterbringung von nicht erheblich störenden Gewerbebetrieben.

Industriegebiete (GI)

GI dienen ausschließlich der Unterbringung von Gewerbebetrieben, die in anderen Baugebieten wegen ihres Störpotentials unzulässig sind.

Sondergebiete, die der Erholung dienen (SO)

Hierbei handelt es sich vorrangig um Wochenend- und Ferienhausgebiete sowie Campingplatzgebiete.

Sonstige Sondergebiete (SO)

Hierunter sind Gebiete zu verstehen, in denen bestimmte Nutzungen dominieren und die sich von allen anderen Gebietstypen unterscheiden, z.B. Einkaufszentren, Hochschulgebiete, Klinikgebiete, usw.

Quelle: Baunutzungsverordnung, 1990; Stadt Gelsenkirchen, 2013

In Wohnbauflächen sind Einrichtungen zur Versorgung des Gebietes und zur Deckung des täglichen Bedarfs, wie bspw. Läden sowie Schank- und Speisewirtschaften zulässig. Kerngebiete dienen u.a. der Unterbringung von Handelsbetrieben. Folglich ist in diesen Gebieten die Errichtung von Einzelhandelsbetrieben zulässig. Einkaufs21

zentren und großflächige Einzelhandels- und Handelsbetriebe, die sich nach Art, Lage oder Umfang auf die Verwirklichung der Ziele der Raumordnung und Landesplanung oder auf die städtebauliche Entwicklung auswirken, sind, außer in Kerngebieten, nur in festgesetzten Sondergebieten zulässig. Solche Auswirkungen sind bspw. negative Auswirkungen auf das Orts- und Landschaftsbild oder schädliche Umwelteinwirkungen. Von diesen Auswirkungen ist insbesondere auszugehen, wenn die Geschoßfläche 1.200 qm überschreitet (Baunutzungsverordnung, 1990). Die Errichtung eines Einzelhandelsgeschäftes innerhalb eines Wohngebietes ist nur zulässig, wenn dies in dem Flächennutzungs- und Bebauungsplan zulässig ist. Der festgeschriebene Nutzen eines Grundstückes kann geändert werden. Dazu müssen Anträge zur Nutzungsänderung gestellt und bewilligt werden (Baugesetzbuch, 2013).

3 Theoretische Ansätze zur Erklärung von Agglomeration 3.1 Hotelling mit Differenzierung Die wohl bekannteste mikroökonomische Erklärung von Geschäftsagglomerationen ist Hotelling‘s Gesetz (vgl. Hotelling, 1929). Laut Hotelling‘s Gesetz versuchen zwei profitmaximierende und im Wettbewerb miteinander stehende Anbieter ihre Produkte möglichst ähnlich zu gestalten. Hotelling‘s Gesetz wird auch als das „Prinzip der minimalen Unterscheidung“' bezeichnet. Betreffen diese Unterschiede den Standort, besteht eine minimale Differenzierung darin, dass beide Anbieter sich gemeinsam in der Mitte des Markes ansiedeln und somit eine räumliche Agglomeration von Anbietern entsteht. Verschiedene Autoren haben gezeigt, dass Hotelling‘s Gesetz dann keine Gültigkeit besitzt, wenn nicht nur zwei, sondern drei Anbieter innerhalb eines Marktes das gleiche Produkt anbieten. Der dritte Anbieter würde sich außerhalb der anderen zwei Anbieter ansiedeln und dadurch Instabilität hervorrufen (Lerner & Singer, 1937). De Palma et al. (1985) hingegen zeigen, dass das „Prinzip der minimalen (räumlichen) Differenzierung“ auch bei nur zwei Anbietern zutrifft, wenn sowohl Konsumenten als auch Produkte in weiteren Merkmalen ausreichend heterogen sind. Genauer gesagt, berücksichtigen sie, dass jeder Anbieter und seine Produkte/ Leistungen Alleinstellungsmerkmale aufweist, Konsumenten Präferenzen für diese Anbieter bzw. deren Produkte/Leistungen haben und Anbieter nicht von vornherein Unterschiede in den Geschmäckern der Konsumenten bestimmen können. 3.1.1 Modellbeschreibung Es wird ein Raum X mit dem Intervall [0, l] mit

definiert. In jedem Abschnitt des

Intervalls X entsteht Nachfrage nach einer Einheit eines gegebenen Produktes. Es existieren zwei Anbieter. Anbieter i ist platziert an Standort x1 und Firma j ist platziert 22

an Standort x2. Es gilt x1 ≤ x2. Das Intervall ist in die Sub-Intervalle [0; x1‘], [x1; x2] und [x2; l], welche die Regionen 1, 2 und 3 darstellen, unterteilt. Es wird angenommen, dass die Produktionskosten Null betragen. Jedes Produkt wird zu einem gegebenen Preis p von den Anbietern verkauft. Der (indirekte) Nutzen eines Konsumenten an Ort x, der bei Anbieter i einkauft, ist vi[x] = a – p – c |x – xi|. a stellt den Wert des Produktes und c die Transportkosten dar. Anders als bei Hotelling wird angenommen, dass die Produkte heterogen sind. Folglich variieren auch die Werte eines jeden Produktes. Jeder Anbieter verfügt über spezifische Eigenschaften, die ihre Produkte von anderen Produkten abheben und jeder Konsument bewertet diese Eigenschaften unterschiedlich. Somit sind auch die Konsumenten, anders als bei Hotelling, heterogen. Jeder Konsument verfügt über ein spezifisches Set an Produktbewertungen, die nicht im Voraus erfassbar sind. Anbieter können daher nicht mit Sicherheit das Verhalten eines bestimmten Konsumenten vorhersagen. Der Nutzen eines Konsumenten am Ort x, der bei Anbieter i einkauft, kann über folgende Wahrscheinlichkeitsverteilung bestimmt werden: ui[x] = vi[x] + μ ϵi. ϵi ist eine standardnormalverteilte Zufallsvariable. μ ist eine positive Konstante, die den Heterogenitätsgrad der Konsumenten widerspiegelt. Um das Fehlen der Rationalität bei der Kaufentscheidung der Konsumenten und nichtvorhandene Informationen zu Geschmäckern und Vorlieben der Konsumenten berücksichtigen zu können, wird der Nutzen eines Konsumenten als Zufallsvariable modelliert. Die Variationen in den Bewertungen können durch die Wahl einer angemessenen Verteilung von ϵi aufgefangen werden. Anbieter können dadurch das aggregierte Verhalten aller Konsumenten voraussagen. Diese Information ist für Anbieter wichtig, um die passende Firmenpolitik zu wählen. Unter der Annahme, dass Konsumenten ihren Nutzen maximieren, ist die Wahrscheinlichkeit Pi[x], dass ein Konsument an Ort x ein Produkt von Anbieter i kauft, wie folgt definiert: Pr (ui[x] ≥ uj[x]; i ≠ j). Im weiteren Verlauf wird sich auf Anbieter i konzentriert. Die Wahrscheinlichkeit, dass ein Konsument aus den Regionen 1, 2 oder 3 bei Anbieter i einkauft, ist folgende:

,

( )

))

,

mit δ ≡ |x1 – x2|, der Distanz zwischen Anbieter i und j, H ≡ exp (- cδ / μ) und K ≡ exp (cδ / μ). Die Wahrscheinlichkeit, dass bei Anbieter i gekauft wird, ist in den Regionen 1 und 2 konstant und monoton in Region 3. Zusätzlich ist Pi3 = 1 – Pi1 = Pj1. Der Wendepunkt 23

von Pi2 ist bei ̅ =x1+ δ/ 2. Wenn x1 < x < x1 + δ/ 2, dann ist Pi2 strikt konkav und wenn x1 + δ/ 2 < x < x2, dann strikt konvex. Befinden sich die Anbieter i und j gleichweit von ̅ entfernt, sind die Wahrscheinlichkeiten, dass bei Anbieter i oder bei Anbieter j gekauft wird, identisch, da die Konsumenten symmetrisch verteilt entlang des Intervalls [0; l] und folglich die Entfernungen beider Anbieter zu den Konsumenten identisch sind. Die Beständigkeit der Kaufwahrscheinlichkeiten in den Regionen 1 und 3 ist eine direkte Konsequenz aus der Annahme, dass Transportkosten linear mit der Distanz ansteigen und der Nutzen sich umgekehrt linear zu den Transportkosten verhält. Die räumliche Struktur von Pi ist konsistent mit der These der intervening opportunities7. Intervening opportunities treffen für Anbieter i in den Regionen 1 und 3 zu. Die Kaufwahrscheinlichkeiten in Region 2 sind abhängig von der Distanz der zwei konkurrierenden Anbieter, da keine intervening opportunities in Region 3 vorhanden sind. Aufgrund der Symmetrie (s.o.) kann unterstellt werden, dass Pi = ½ und ist somit der Mittelpunkt zwischen x1 und x2, der hier auch den Wendepunkt ̅ darstellt. Der Wendepunkt definiert den Dominanzbereich für die zwei Anbieter, d.h. die Bereiche, in denen die Wahrscheinlichkeit bei einem Anbieter einzukaufen, bei einem Anbieter höher ist als bei dem anderen. Wenn μ gegen Null geht, d.h. dass die Geschmäcker der Konsumenten sehr ähnlich sind, werden sämtliche Kosten einschließlich der Transportkosten im Vergleich zu der Produktdifferenzierung eine immer wichtigere Determinante des Nutzens. Genau gegenteilig verhält es sich, wenn μ ins Unendliche steigt: die Kosten spielen eine sehr geringe Rolle für den Nutzen der Konsumenten, während differenzierte Produktcharakteristika einen sehr hohen Stellenwert einnehmen. Es wird fortan angenommen, dass P = 1. Mit Zuhilfenahme der Annahmen, dass in jedem Abschnitt des Intervalls X Nachfrage nach einer Einheit eines gegebenen Produktes entsteht, die Produktionskosten Null betragen und jedes Produkt zu einem gegebenen Preis p von den Anbietern verkauft wird, sowie den Einkaufswahrscheinlichkeiten in den Regionen 1 bis 3, kann der Profit des Anbieters i wie folgt dargestellt werden:

∫

[ ]

∫

[ ]

∫

[ ]

7

Stouffers law of intervening opportunities besagt, dass die Wahrscheinlichkeit in einem Geschäft einzukaufen höher ist, wenn jemand notwendigerweise an diesem Geschäft vorbeikommt, bevor diese Person an einem anderen Geschäft vorbeikommt. Die Wahrscheinlichkeit, dass eine Person in einem Geschäft einkauft, ist gering, wenn diese Person bereits an einem anderen Geschäft vorbeigegangen ist (Stouffer, 1940).

24

i

ist eine kontinuierliche Funktion von x1, solange μ > 0. Das bedeutet, das Vorhan-

densein von Heterogenität in den Konsumentengeschmäckern beseitigt Diskontinuitäten in der Profitfunktion. Verfügen Konsumenten über homogene Geschmäcker, ziehen Konsumenten einen Anbieter dem anderen vor und es entstehen Diskontinuitäten in den Profiten der zwei Anbieter. In diesem Fall wird Anbieter i durch ein steigendes μ begünstigt. Dies trifft zu, solange Anbieter j näher am Zentrum lokalisiert ist, weil die Profiteinbußen von Anbieter i in Region 1 aufgrund steigendem μ durch Zugewinne aus Region 3 überkompensiert werden. Steigt μ ins unermessliche, erreicht der Profit von Anbieter i l/2. Da Profite nur in den Regionen mit intervening opportuni-

ties (Region 1 und 3) generiert werden, sinkt vening opportunities mehr vorhanden, ist

i

=

j

i

mit geringem δ. Sind keine inter-

= l/2.

Der best location reply (BLR) für Anbieter i im Vergleich zu Anbieter j wird berücksichtigt, d.h. der Ort, an dem der Profit des Anbieters i maximiert wird, wenn sich Anbieter j an Ort x2 befindet. Es wird angenommen, dass x2 ≥ l/2. Wenn μ Null ist, existiert kein BLR. Dies trifft zu, wenn Anbieter i versucht, sich möglichst nah an Anbieter j anzusiedeln, um viel vom Markt abgreifen zu können. Doch für alle x1 < x2 gibt es einen Ort dazwischen, an dem Anbieter i einen höheren Profit erwirtschaften kann. Andererseits existiert für jedes positive μ ein BLR, der sich stark von x2 unterscheidet. Geht μ gegen Null, befinden sich der BLR des Anbieters i und der Standort des Anbieters j an ungefähr demselben Ort. Geht μ gegen Unendlich befindet sich der BLR des Anbieters i bei l/2, unabhängig vom Standort des Anbieters j. 3.1.2 Das Standortmodell Im Folgenden haben De Palma et.al. (1985) untersucht, unter welchen Umständen eine Agglomeration von n nicht-kooperierenden Anbietern auftritt, wenn die Anbieter nur über ihren Standort entscheiden können. In diesem Fall werden die Preise aller Anbieter als gegeben angenommen. Die Preise aller Anbieter sind gleich. x1, x2,…,xn sind die Standorte der Firmen 1,2,…,n. Ein Nash location equilibrium (NLE) ist ein nTupel (x1*,…,xn*) mit

i

[x1*,…,xi*,…,xn*] ≥

i

[x1*,…,xi*,…,xn*] für alle xi [0, l ] und i =

1,…,n. x* stellt den BLR da. Ein agglomerated Nash location equilibrium (ANLE) ist ein NLE mit x1*= … = xn*. Berücksichtig wird, dass ein Anbieter (z.B. Anbieter i) sich an Ort x1 und alle weiteren Firmen an Ort x2 ansiedeln kann. Es liegt keine Symmetrie mehr vor, wie sie zuvor beschrieben wurde, da n > 2 ist und somit die Standorte x1 und x2 nicht länger gleich attraktiv sind. Der Wendepunkt ̅ von P12 bewegt sich mit zunehmendem n entlang der Linie P1 = ½ in Richtung x1. So lange ein Wendepunkt existiert, gibt es zwei Dominanzbereiche. Ist n ≥ 1 + exp(cδ/μ), wird 25

P12 strikt konvex über der Region 2 und es gibt für Anbieter 1 keinen Dominanzbereich. Das heißt, die Einkaufswahrscheinlichkeit an Standort x1 ist in allen Bereichen geringer als die von Standort x2. Eine zunehmende Heterogenität hat den gleichen Einfluss auf den Wendepunkt wie eine steigende Anzahl an Firmen. De Palma et al. (1985) konnten zeigen, dass ein ANLE nur in der Mitte (im Zentrum) bestehen kann, wenn μ begrenzt ist, indem sie bewiesen, dass in einer in der Peripherie liegende Agglomeration von n Firmen eine Firma profitiert, wenn sie etwas näher in Richtung Zentrum rückt, angenommen die Standorte der anderen Firmen sind fix. Des Weiteren konnten sie beweisen, dass kein ANLE existiert, wenn n > 2 und μ < cl (1 – 2 /n) / 2, da der Profit einer Firma steigt, wenn sie sich in der zentralen Agglomeration ansiedelt. Entscheidet sich eine Firma dazu eine Agglomeration zu verlassen und sich außerhalb am Standort x < l/2 anzusiedeln, wird die Entfernung zu den Konsumenten, die sich im Intervall [0, x+ δ/2] befinden, geringer. Angenommen alle Geschmäcker sind homogen, bindet diese Firma nahezu alle Konsumenten innerhalb des Intervalls [0, x+ δ/2[, aber keine im Intervall ]x+ δ/2, l]. Diese Firma ist in der Lage durch die Entfernung zur Agglomeration zu profitieren. Sind die Geschmäcker heterogen, werden weniger Konsumenten aus dem ersten Intervall, aber dafür mehr aus dem zweiten Intervall, diese Firma aufsuchen. Bei μ < cl (1 – 2 /n) / 2 ist der Zugewinn im Intervall [0, x+ δ/2[ größer als der Verlust in Intervall ]x+ δ/2, l]. Die Firma hat einen Nutzen vom Ausscheiden aus dem Cluster. Ist μ ≥ cl (1 - 2/ n), tritt das Gegenteil ein und die zentrale Agglomeration stellt das Equilibrium dar. Der Grund dafür ist, dass die Wahl der Konsumenten stärker von ihrem Geschmack und Vorlieben als von objektiven Eigenschaften der Firma abhängig ist. In diesem Fall ist es für alle Firmen das Beste, in der Mitte zu agglomerieren. Es ist nicht bekannt, ob weitere gleichgewichtige Situationen vorhanden sind. Dennoch ist es sicher, dass die zentrale Agglomeration die einzige mögliche Gleichgewichtssituation ist, vorausgesetzt μ ist groß genug und endlich. Dies kann dadurch erklärt werden, dass die Nachfrage bei einer Firma elastisch und abhängig von dem Standort dieser Firma als auch von den Standorten der Wettbewerber ist. Mit zunehmendem μ nimmt der relative Einfluss der Wettbewerber auf die Nachfrage ab, bis die Nachfrage vollkommen beeinflusst wird von dem Standpunkt der Firma alleine. An diesem Punkt wird das Zentrum zunehmend attraktiver für sämtliche Wettbewerber. Jede Firma in der Peripherie wandert zwangsläufig in Richtung des Zentrums. 3.1.3 Das Preismodell In dem Preismodell werden die Standorte aller n Firmen an einem gemeinsamen Ort als gegeben angenommen, der Preis ist variabel und wird von den Firmen gewählt. p i 26

stellt den Preis der Firma i dar. Da pi eine Entscheidungsvariable ist, wird in dem Preismodell angenommen, dass die Produktionskosten eines Produktes Null betragen und jedes Produkt zu einem Preis von pi, der von der Firma festgelegt wird, verkauft wird. Daher ist vi[x] = a – pi – c |xi - x|. Profitveränderungen können leicht berücksichtigt werden. Der Profit ist konstant bezüglich des Preises. Ein Nash price equilibrium (NPE) ist ein n-Tupel (p1*,…, pn*), so dass

[

]

[

] für alle pi ≥ 0 und i = 1, …, n.

De Palma et al. (1985) bewiesen, dass pi* = … = pn* = p* = μ n/ (n – 1) das einzige NPE für eine Agglomeration von n Firmen ist, da es in einem NPE keinen geringeren und keinen höheren Preis als μ n/ (n – 1) geben kann. 3.1.4 Das Standort-Preis-Modell In dem Standort-Preis-Modell werden die Ergebnisse aus den vorherigen Modellen kombiniert und erweitert. Der Standort und der Preis stellen die Entscheidungsvariablen dar. In diesem Fall ist ein Nash equilibrium (NE) ein n-Tupel ((x1*, p1*),…, (x2*, pn*)), so dass xi

[

)

)

)]

[

)

)

)] für alle

[0, l ], pi ≥ 0 und i = 1,…,n. Ein agglomerated Nash equilibrium (ANE) ist ein NE

mit x1* = … = x2*. Dass, wenn μ endlich ist, ein ANE nur im Zentrum bestehen kann, wurde bewiesen, da in jeder Agglomeration in der Peripherie von n Firmen mit festen Preisen von p* eine Firma profitiert, wenn sie ein wenig näher ans Zentrum rückt, angenommen der Standort aller übrigen Firmen ist gegeben. Auch in dem Standort-Preis-Modell gilt, dass es kein ANE gibt, wenn n > 2 und μ < cl (1 - 2/ n)/ 2 ist, und dass eine zentrale Agglomeration von n Firmen mit p1* = … = pn* = μ n/ (n - 1) ein NE ist, wenn μ ≥ cl ist. Die Agglomeration von Firmen hat nicht eine unbegrenzte Senkung der Profite selbiger Firmen zur Folge. Starker Wettbewerb ruft in Geschäftsagglomerationen eine Verminderung des Gleichgewichtpreises hervor. Die Vorteile eines größeren Marktanteiles im Zentrum können diese Preissenkung jedoch überkompensieren. Dies ist immer der Fall, wenn μ größer ist als cl. De Palma et.al. (1985) beweisen, dass Hotellings Prinzip der minimalen Differenzierung unter den erwähnten Annahmen weiterhin zutreffend ist. 3.2 Räumlicher Wettbewerb In ihrem Paper „Local competition, entry, and agglomeration“ haben Zhu, Singh und Dukes (2011) den Wettbewerb zwischen zwei räumlich differenzierten Einzelhändlern bei Markteintritt eines Discounters untersucht. Zhu et. al. legen besonderen Augen27

merk auf die Preissetzungsstrategien der bestehenden Anbieter und auf die Rolle der Lage des Discounters. 3.2.1 Modellbeschreibung Die Anbieter A und B befinden sich jeweils an den Enden einer Linie, auf der die Konsumenten gleichmäßig zwischen den Anbietern verteilt sind. A und B führen beide die Produkte 1 und 2 in ihrem Sortiment. Der Anbieter C ist ein Discounter, der in den Markt eindringt und sich neben Anbieter A ansiedelt. Anbieter C bietet die Produkte 2 und 3 an. Es besteht eine teilweise Überlappung der Sortimente der Anbieter A und B und dem Discounter C. Alle Anbieter führen Produkt 2 in ihrem Sortiment. Die bestehenden Anbieter und der Discounter unterscheiden sich hinsichtlich des Produktes 3. Jeder Konsument fragt jeweils höchstens eine Einheit der Produkte 1, 2 und 3 nach. Die Konsumenten werden nach ihren Einkaufsgewohnheiten und ihrem Interesse an Produkt 3 in zwei Segmente unterteilt. Mit α werden die convenience shopper, d.h. Konsumenten, für die beim Einkaufen Bequemlichkeit von hohem Stellenwert ist, bezeichnet. Die übrigen Konsumenten sind value buyer, für die der Preis das einzige Entscheidungskriterium beim Kauf eines Produktes darstellt. Produkt 3 wird nur von den Big Basket Konsumenten nachgefragt. Die übrigen Konsumenten des Segmentes, die Small Basket Konsumenten, haben keinen Nutzen von Produkt 3 und fragen dieses nicht nach. Während alle Konsumenten die Produkte 1 und 2 nachfragen, wird Produkt 3 nur von den Big Basket Konsumenten nachgefragt. Mit dieser Annahme ist es möglich, die unterschiedlichen Einkaufshäufigkeiten in dem Modell zu berücksichtigen. Beispielsweise werden Lebensmittel mehrmals pro Woche gekauft, andere Verbrauchsgüter hingegen nur in wöchentlichen Abständen. Konsumenten unterscheiden sich auch hinsichtlich ihrer Einkaufs- und Transportkosten. Convenience shoppern entstehen Kosten durch den Einkauf. Diese sind zu unterscheiden in Transportkosten, die linear mit der Entfernung zum Anbieter steigen, und fixe Kosten, welche die Opportunitätskosten darstellen. Value shopper hingegen haben keine Transport- und Opportunitätskosten. Das heißt, value shopper verhalten sich wie cherry picker (vgl. Kapitel 2.2.1). Mit diesen Annahmen wird zuerst ein „before entry game“ durchlaufen, indem die zwei Anbieter A und B ohne den Discounter C konkurrieren. Anschließend konkurrieren die Anbieter A und B in einem „after entry game“, in dem Discounter C in den Markt eingetreten ist und sich neben Anbieter A angesiedelt hat. Der Fokus liegt in beiden Modellen auf den gewählten Preisstrategien der Anbieter A und B, welche gleichzeitig ihre Preise setzen. Aus diesen Preisen kreiert jeder Konsument einen eigenen Einkaufsplan, in dem er festlegt, bei welchem Anbieter er welche Produkte kauft. Die Gleichgewichtssituationen beider Spiele werden abschließend miteinander 28

verglichen, um den Einfluss des Markteintritts des Discounters auf die zuvor bestehenden Anbieter zu untersuchen. 3.2.2 Before-entry Modell In dem before-entry Modell, welches als Benchmark für das after-entry Modell verwendet wird, konkurrieren die zwei Anbieter A und B ohne die Anwesenheit des Discounters. Es existiert keine gleichgewichtige Situation, in der ein Anbieter alle value shopper mit den Produkten 1 und 2 versorgt. Außerdem kann ebenfalls kein Gleichgewicht vorhanden sein, wenn ein Anbieter keinen value shopper bedient. In dem before-entry Modell können zwei reversed pricing Gleichgewichtssituationen eintreten, in denen der Wettbewerb zwischen den zwei Anbietern durch abgestimmte Preise vermindert wird. In beiden Gleichgewichtssituationen setzt ein Anbieter den Preis eines Produktes sehr niedrig und den Preis des anderen Produktes sehr hoch. Der zweite Anbieter setzt seine Preise genau umgekehrt dazu. Durch diese reversed pricing Strategie werden value shopper dazu gebracht, beide Anbieter aufzusuchen, welche auf diese Weise ihre gesamten Einkommensmöglichkeiten ausschöpfen können. Der Marktanteil an den convenience shoppern beträgt ½ für beide Anbieter in der Gleichgewichtssituation. Convenience shopper betrachten bei ihrer Geschäftswahl ausschließlich den Preis des Produktbündels, welcher in dieser Situation für beide Anbieter identisch ist. Gleichzeitig verkauft jeder Anbieter eine Produktkategorie vollständig an das value shopper Segment. Dementsprechend sprechen beide Anbieter dieselben Konsumentenprofile an. 3.2.3 After-entry Modell In dem after-entry Modell wird die Gleichgewichtssituation nach dem Eintritt des Discounters in den Markt untersucht. Drei Anbieter befinden sich auf dem Markt. Der Discounter ist neben Anbieter A lokalisiert. Es wird angenommen, dass der Preis von Produkt 2 bei Anbieter C, dem Discounter, günstiger ist als bei den Anbietern A und B. Alle Big Basket Konsumenten kaufen Produkt 3, da sie durch den Kauf bzw. Konsum von Produkt 3 einen Nettonutzen erhalten. Ein Big Basket Konsument ist interessiert an Produkt 3 und sucht folglich Anbieter C auf und kauft dort Produkt 3. Gleichzeitig kauft er ebenfalls Produkt 2 bei Anbieter C. Um Produkt 1 kaufen zu können, muss dieser Konsument lediglich ein weiteres Geschäft aufsuchen. Daher wird angenommen, dass in einer Gleichgewichtssituation Big Basket convenience shopper bei nicht mehr als zwei Anbietern einkaufen. Ein Small Basket convenience shopper wird bei nicht mehr als einem Anbieter einkaufen, da die zusätzlichen Transport- und 29

Einkaufskosten, die durch die zusätzliche Fahrt zu einem weiteren Anbieter entstehen, sämtliche Preiseinsparungen übersteigen würden. Alle value shopper erwerben Produkt 2 im Discounter, bei dem Produkt 2 am günstigsten angeboten wird. Aus diesem Grund werden die Anbieter A und B nach Markteintritt von Anbieter C nicht länger die Strategie des reversed pricing verfolgen (vgl. before-entry Modell). Die nächste Beobachtung betrifft den Preis nach Markteintritt des Discounters von Produkt 1. Da alle Konsumenten, insbesondere die Big Basket Konsumenten den Discounter aufsuchen, gibt es in der Umgebung des Anbieters 1 eine große Anzahl an convenience shoppern, die Produkt 1 kaufen möchten. Diese Konsumenten verfügen über eine sehr geringe Preiselastizität für Produkt 1, da ihnen zusätzliche Transportkosten entstehen, wenn sie bei Anbieter B einkaufen. Daraus entsteht ein Anreiz für Anbieter A, die Preise für Produkt 1 zu erhöhen und auf die Art Ausgaben von den Big Basket Konsumenten abzuschöpfen. In einem möglichen Gleichgewicht wird der Preis von Produkt 1 daher bei Anbieter A niemals geringer sein als bei Anbieter B. Des Weiteren wird angenommen, dass für convenience shopper die Kosten für den Besuch eines zusätzlichen Geschäftes so hoch sind, dass sie Produkt 2, welches sowohl Anbieter A als auch der Discounter führen, bei Anbieter A kaufen. Dadurch ist Anbieter A eine positive Nachfrage nach Produkt 2 gesichert, welcher versuchen wird, Produkt 2 langfristig in seinem Sortiment zu führen. Aufgrund der zuvor beschriebenen Preissetzungen der Anbieter A und B ist sicher, dass alle value shopper Produkt 1 bei Anbieter B kaufen werden. Da keines der Produkte bei Anbieter A am günstigsten ist, werden bei Anbieter A ausschließlich convenience shopper einkaufen. Ein Big Basket convenience shopper kauft die Produkte 2 und 3 beim Discounter. Die Entscheidung, ob dieser Konsument Produkt 1 bei Anbieter A oder B kauft, ist abhängig von der Entfernung dieses Konsumenten zu den beiden Anbietern sowie dem Preis von Produkt 1. Ist der Preis von Produkt 1 bei Anbieter B nicht signifikant geringer als bei Anbieter A, so dass die zusätzlichen Einkaufskosten nicht durch die Einsparungen kompensiert werden können, wird ein Big Basket convenience shopper Produkt 1 bei Anbieter A kaufen. Für Small Basket convenience shopper gelten im after-entry Modell die gleichen Entscheidungskriterien wie im before-entry Modell, da sie kein Interesse an Produkt 3 haben. Für sie ist der Preis des Produktbündels alleiniges Entscheidungskriterium. Da das value shopper Segment bezüglich des Produktes 1 sehr lukrativ ist, haben die Anbieter A und B einen Anreiz, die Preise des Konkurrenten zu unterbieten. Der niedrigste mögliche Preis entspricht den Grenzkosten. Diese gemeinsame Preissetzungsstrategie in Abhängigkeit der Grenzkosten trifft nicht im Gleichgewicht ein, zumal ein 30

Anbieter den Preis von Produkt 1 anheben und positive Einkommensveränderungen von den convenience shoppern erzielen würde. Festgehalten werden muss, dass alle Absatzmengen, ausgenommen die von Produkt 1 bei Anbieter A, weniger als 50 Prozent der Gesamtmenge betragen. Folgende Hypothesen lassen sich aufstellen: H1a:

Der Absatz von Produkt 1 bei Anbieter A steigt nach dem Markteintritt des Discounters.

H1b:

Bei Anbieter A sinkt der Absatz von Produkt 2 nach Eintritt des Discounters in den Markt.

H2a:

Der Absatz von Produkt 1 bei Anbieter B sinkt nach dem Eintritt des Discounters in den Markt.

H2b:

Nach dem Markteintritt des Discounters sinkt der Absatz von Produkt 2 bei Anbieter B.

Das Einkaufsverhalten der Konsumenten wird von dem Markteintritt des Discounters bzw. durch die Erweiterung des Angebots um Produkt 3 stark beeinflusst. Bei den Anbietern A und B sinken die Absatzmengen von Produkt 2. Lediglich Small Basket convenience shopper kaufen Produkt 2 bei diesen Anbietern. Anbieter A hat einen größeren Marktanteil an Produkt 2 als Anbieter B. Der Grund dafür sind die Externalitäten, die durch das neue Produkt 3 des Discounters hervorgerufen werden. Diese Agglomerationseffekte sind positiv für Anbieter A und negativ für Anbieter B. Konsumenten, die ursprünglich bei Anbieter B eingekauft haben, nach Eintritt des Discounters jedoch bei diesem Produkt 3 sowie Produkt 2 kaufen, werden Produkt 1 in der Regel bei Anbieter A kaufen, da sie schon eine weite Strecke zum Discounter zurückgelegt haben und Anbieter A sich neben dem Discounter befindet. Anbieter A wird einen Nutzen aus seiner besseren Lage ziehen, indem er die Preise und damit seine Einnahmen erhöht. Konsumenten, die bei Anbieter A einkaufen, sind convenience shopper und werden die Preiserhöhung akzeptieren. Anbieter B bindet das value buyer Segment an sich, solange er den Preis von Produkt 1 gering hält. Als Folge des Markteintrittes des Discounters kann Anbieter A das gesamte lukrativere convenience shopper Segment ansprechen. Von diesem sogenannten Segmentationseffekt, verbunden mit dem zuvor erwähnten Agglomerationseffekt, profitiert Anbieter A, dessen Profite die des Anbieters B übersteigen. Unter den bisherigen Annahmen ist festzustellen, dass ein traditioneller Lebensmitteleinzelhändler bei dem Eintritt eines großen Discounters in den Markt besser gestellt ist, sofern sich dieser bereits bestehende Anbieter in direkter Nähe zum Discounter befindet, als wenn ein bestehender Konkurrent in direkter Nachbarschaft des Discounters lokalisiert ist. Voraussetzung ist, dass die bestehenden Anbieter mindestens ein Produkt führen, welches bei dem Discounter nicht erhältlich ist. Durch die Nied31

rigpreisstrategie des Discounters werden mehr Konsumenten angezogen. Diese Konsumenten suchen ebenfalls den benachbarten Anbieter auf und die Nachfrage nach dem Produkt, welches der Discounter nicht anbietet, steigt. Es ist wichtig festzuhalten, dass die Profite der Anbieter in der after-entry Situation nicht bessergestellt sind im Vergleich zur before-entry Situation. Es wurde lediglich festgestellt, dass es für einen bestehenden Anbieter besser ist, direkt neben einem neuen Discounter platziert zu sein, als wenn der neue Discounter neben einem konkurrierenden Anbieter angesiedelt wird. 3.2.4 Ergebnisse der empirischen Analyse Zhu et al. überprüften die vier zuvor aufgestellten Hypothesen anhand von Daten über die Gesamtumsätze, Anzahl aller Einkäufe und Umsätze einzelner Abteilungen von zwei Supermärkten. Beide Supermärkte erhielten zur gleichen Zeit Konkurrenz durch einen neuen Discounter (vergleichbar mit Anbieter C). Ein Supermarkt (vergleichbar mit Anbieter A) befindet sich in direkter Nachbarschaft zum Discounter. Die Entfernung des zweiten Supermarktes (vergleichbar mit Anbieter B) zum neueröffneten Discounter beträgt 2,2 Meilen. Allgemeine Handelswaren und Lebensmittel sind in den Supermärkten als auch beim Discounter erhältlich. Verderbliche Lebensmittel, wie frische Erzeugnisse und Fleisch, führt der Discounter nicht in seinem Sortiment. Der Absatz aller Produktkategorien in Supermarkt B sinkt nach Markteintritt des Discounters. Supermarkt A erfährt Umsatzeinbußen in den Produktkategorien, die ebenfalls der Discounter führt. Die Umsätze der Produkte, die der Discounter nicht anbietet, steigen hingegen. Diese Umsatzsteigerungen sind vor allem bei verschiedenen Lebensmitteln deutlich. Der Markteintritt hat zudem einen Einfluss auf die Anzahl der Einkäufe und den Gesamtumsatz. Während bei Supermarkt B die Anzahl der Einkäufe um 11 Prozent und der Gesamtumsatz um 16 Prozent sinken, geht der Gesamtumsatz des Supermarktes A um lediglich 4 Prozent zurück und die Anzahl der Einkäufe in Supermarkt A ist nach Markteintritt des Discounters marginal gestiegen. Zhu et al. (2001) konnten durch weitere Analysen zeigen, dass die Absätze von Produkten aus dem Trockensortiment und Handelswaren, die ebenfalls bei dem Discounter erhältlich sind, bei allen bereits bestehenden Supermärkten sinken. Der Umsatz verschiedener Lebensmittel, wie Fleisch, Lebensmittelerzeugnisse und Delikatessen, die nicht vom Discounter angeboten werden, steigt in benachbarten Geschäften nach Markteintritt des Discounters. Ob ein Anbieter von den positiven Externalitäten der Nachfrage profitiert oder die Verluste durch den zusätzlichen Konkurrenten überwiegen, ist davon abhängig, wie stark sich die Produktangebote des bereits bestehenden Anbieters und des Neulings überschneiden. Je weniger sich die Angebote dieser zwei Anbieter überschneiden, desto 32

stärker überwiegt die positive Wirkung der erhöhten Nachfrage die negativen Effekte. Ist der Neuling ein Supercenter, hat ein Anbieter einen Vorteil, wenn die Entfernung zu dem Supercenter möglichst groß ist. In solchen Fällen können Lebensmitteleinzelhändler versuchen sich von dem Konkurrenten abzuheben, in dem sie beispielsweise Produkte aus biologischer Herstellung, Delikatessen oder ähnliche besondere Produkte anbieten und dadurch ein weniger preissensitives Konsumentensegment ansprechen (Zhu, et al., 2011).

4 Die Fallstudie 4.1 Ableitung von Hypothesen Den Einfluss von extremen cherry pickern auf die Profite von Lebensmitteleinzelhändlern haben Talukdar et.al. (2010) untersucht. Sie gehen davon aus, dass extreme cherry picker den Anbietern negative Profite generieren, indem sie ausschließlich Lockartikel kaufen, welche unter Einstandspreis angeboten werden (Talukdar, et al., 2010). Diese Methode des Anlockens von Kunden ist in Deutschland rechtswidrig. Unternehmen dürfen in Deutschland Waren oder gewerbliche Leistungen nicht unter Einstandspreis anbieten (Bundesgesetzblatt Teil I Nr.66, 2013). Es ist hingegen nicht untersagt, günstige Sonderangebote zu verkaufen, solange der Preis dieser Angebote dem Einstandspreis entspricht oder diesen übersteigt. Die Gewinnmargen bei Sonderangeboten sind für Anbieter deutlich geringer als die Gewinnmargen von Produkten, die zum regulären Verkaufspreis angeboten werden. Anbieter verzichten folglich auf Gewinne, wenn sie besonders günstige Angebote unterbreiten. Steigt der Warenkorbumfang bei gleichbleibendem Anteil an Sonderangeboten, nehmen auch die Umsatzeinbußen seitens der Anbieter zu. Fox und Hoch (2005) konnten nachweisen, dass cherry picker pro Warenkorb 5 % weniger ausgeben und der Umfang des gesamten Warenkorbes größer ist, wodurch cherry picker ihre Ausgaben deutlich reduzieren können. Zu berücksichtigen sind an dieser Stelle die verschiedenen Definitionen für cherry picker. Fox und Hoch (2005) bezeichneten Konsumenten als cherry picker, wenn diese während einer Einkaufstour mehr als einen Anbieter besuchen. In dieser Arbeit werden Konsumenten, die einen hohen Anteil an Sonderangeboten im Warenkorb haben, als cherry picker bezeichnet. Daher ist, anders als in dem Paper von Fox und Hoch (2005), zu vermuten, dass die Warenkörbe von cherry pickern geringere Umfänge und Werte aufweisen, da sie nur einzelne beworbene Angebote kaufen. Dies gilt auch, wenn cherry picker Sonderangebote auf Vorrat und damit größere Mengen der einzelnen Sonderangebote kaufen. Diese Annahme kann damit begründet werden, dass durch häufige Einkaufstouren und zusätzliche Einkäufe bei weiteren Anbietern die Warenkörbe der cherry picker jeweils kleiner und von geringe33

rem Wert sind. Die Gefahr, dass Konsumenten größtenteils oder ausschließlich Sonderangebote bei einem Anbieter kaufen und alle weiteren Einkäufe bei der Konkurrenz tätigen, ist groß, wenn sich zwei Anbieter in direkter Nachbarschaft befinden. Kurze Distanzen zwischen zwei Anbietern bedeuten geringe einkaufsbedingte Kosten (Opportunitätskosten) für Kunden, da sie sowohl Zeit als auch Strecke einsparen. Es ist zu vermuten, dass der Anteil an Sonderangeboten am Warenkorb größer und die Größe des gesamten Warenkorbes von Konsumenten, die während einer Einkaufstour zwei oder mehr Anbieter aufsuchen, kleiner ist im Vergleich zu Konsumenten, die lediglich bei einem Anbieter einkaufen. Zusätzlich lässt sich die Hypothese ableiten, dass die Warenkorbwerte von Kunden eines Anbieters höher sind als die Warenkorbwerte der Kunden, die bei zwei Anbietern einkaufen. Kunden, die bei mehreren Anbietern während einer Einkaufstour einkaufen, haben die Möglichkeit, besser auf Sonderangebote zu reagieren, im Vergleich zu Kunden, die nur einen Anbieter besuchen. Daher lässt sich die Hypothese aufstellen, dass unter den Konsumenten, die bei zwei Anbietern einkaufen, der Anteil der extremen cherry picker größer ist, als unter den Konsumenten, die lediglich bei einem Anbieter einkaufen. Eine Erklärung für das verstärkte Auftreten von Agglomerationen ist, dass Konsumenten das multi-purpose shopping erleichtert wird. Um Produkte, die bei verschiedenen Anbietern erhältlich sind, während einer Einkaufstour kaufen zu können, sind Kunden teilweise bereit, längere Anfahrtsstrecken in Kauf zu nehmen und suchen nicht den Anbieter in der Nachbarschaft auf. Die Einkaufskosten für Kunden, d.h. die Fahrtkosten und die aufgewendete Zeit, sind geringer, wenn während einer Einkaufstour an einem Standort mehrere Anbieter aufgesucht werden können (one-stop shopping). Anbieter können einen Nutzen aus der Agglomeration ziehen, da sich das Einzugsgebiet der Kunden vergrößert (Fox, et al., 2007, p. 7f.; Ghosh, 1986). Aus dieser Annahme kann die Hypothese abgeleitet werden, dass Besucher des SB-Warenhauses und des benachbarten Discounters längere Anfahrtswege zurücklegen als Besucher, die ausschließlich das SB-Warenhaus aufsuchen. Darüber hinaus lässt sich daraus schließen, dass es Kunden des SB-Warenhauses wichtiger ist, dass das Geschäft nah bzw. einfach zu erreichen ist. Es kann geschlussfolgert werden, dass es Kunden des SB-Warenhauses und Aldi wichtiger ist, dass sie mehrere Geschäfte nebeneinander vorfinden, während Kunden des SB-Warenhauses der Möglichkeit des onestop shoppings einen höheren Stellenwert beimessen. Tabelle 4: Vermutete Unterschiede zwischen den Kundengruppen

Besucher des SBWarenhaus + Aldi

Besucher des SBWarenhaus 34

Warenkorbgröße

-

+

Warenkorbwert Mengenmäßiger Anteil an Sonderangeboten im Warenkorb Neigung zum cherry picken Entfernung der Wohnorte der Kunden zum Einkaufsort Stellenwert von nahen Einkaufsmöglichkeiten Stellenwert des multi-purpose shopping

-

+

+

-

+

-

+

-

-

+

+

-

Stellenwert des one-stop shopping

-

+

Frauenanteil

+

-

Mittleres Alter

+

-

Mittlere Haushaltsgröße

+

-

Mittleres Pro-Kopf-Einkommen

-

+

Mittlere Wochenarbeitszeit

-

+

Einkaufshäufigkeit

-

+

Geschäftstreue Anzahl besuchter unterschiedlicher Geschäfte

-

+

+

-

Quelle: eigene Darstellung

Es ist anzunehmen, dass soziodemografische Unterschiede zwischen Kunden des SB-Warenhauses und Kunden des SB-Warenhauses und Aldi bestehen. Frauen tätigen den Großteil aller Einkäufe und verbringen mehr Zeit mit dem Lebensmitteleinkauf als Männer (Procher & Vance, 2013). Da der Besuch von zwei Geschäften mehr Zeit in Anspruch nimmt als der Besuch eines Geschäftes, ist zu vermuten, dass der Anteil an Frauen bei den Besuchern des SB-Warenhauses und Aldi größer ist als bei den Besuchern des SB-Warenhauses. Ältere Menschen im Pensionsalter gehen häufig einkaufen, da sie vermutlich viel Zeit haben, sich durch den Lebensmitteleinkauf beschäftigen und hoffen, bekannte Leute dabei zu treffen (Wagner, 2005, p. 166ff.). Die Hypothese, dass Kunden, die sowohl im SB-Warenhaus als auch bei Aldi einkaufen, im Mittel älter sind, als Kunden, die ausschließlich im SB-Warenhaus einkaufen, lässt sich aufstellen. Weiterhin ist zu erwarten, dass Personen aus größeren Haushalten und aus Haushalten mit geringerem Einkommen häufiger das SB-Warenhaus und Aldi aufsuchen als Personen aus kleineren Haushalten und Haushalten mit höherem Einkommen. Die niedrigeren durchschnittlichen Warenkorbpreise beim Discounter wirken vor allem anziehend auf Kunden, die preissensitiv sind. Haushalte mit vielen Personen sowie mit geringem Einkommen zählen zu dieser preissensitiven Kundengruppe (Bell & Lattin, 1998). Konsumenten steht unterschiedlich viel Zeit für Einkäufe zu Verfügung. Dies hängt u.a. mit der den Arbeitszeiten der Konsumenten zusam35

men. Konsumenten, die unter Zeitdruck stehen, betreiben weniger Store Switching (Weber, 2011, p. 238). Es ist anzunehmen, dass Kunden, die das SB-Warenhaus und Aldi besuchen, weniger Stunden pro Woche arbeiten, als Kunden, die ausschließlich im SB-Warenhaus einkaufen. Konsumenten, die häufiger einkaufen, bevorzugen traditionelle Lebensmitteleinzelhändler, da sie aufgrund der hohen Einkaufshäufigkeit von regelmäßig wechselnden Sonderangeboten profitieren können (Bell & Lattin, 1998, p. 66ff.). Daraus lässt sich die Hypothese, dass Kunden, die ausschließlich im SB-Warenhaus einkaufen, regelmäßigere Einkaufstouren vornehmen, als Kunden, die zusätzlich den Discounter besuchen, ableiten. Als Geschäftstreue wird die emotionale Verbundenheit einer Person mit einem Händler bezeichnet (Weber, 2011, p. 135). SB-Warenhäuser bieten einen besseren Service und ein größeres Sortiment als Aldi. Sie führen mehr Herstellermarken, wodurch markentreue Kunden sich bei der Geschäftswahl eher für das SB-Warenhaus entscheiden. Es ist anzunehmen, dass Kunden, die ausschließlich im SB-Warenhaus Einkäufe tätigen, eine höhere Geschäftstreue aufweisen, als Kunden, die zusätzlich bei Aldi einkaufen. Vermutlich hat dies zusätzlich einen Effekt auf die Anzahl unterschiedlicher besuchter Geschäfte. Es ist zu erwarten, dass Kunden des SB-Warenhauses weniger unterschiedliche Geschäfte besuchen, als Kunden des SB-Warenhauses und Aldi. Die abgeleiteten Hypothesen sind in Tabelle 4 dargestellt. Im Folgenden werden Hypothesen zur Entstehung unterschiedlicher Warenkorbgrößen abgeleitet. Befindet sich in direkter Nachbarschaft zum gewählten Anbieter ein weiterer Anbieter, wird Konsumenten die Möglichkeit zum multi-purpose shopping gegeben. Kaufen Kunden nicht bei einem, sondern bei zwei oder mehr Anbietern ein, hat dies zur Folge, dass sich die Warenkorbgröße verändert. Die Waren, die der Kunde kaufen möchte, werden nicht in einem Geschäft gekauft. Der gesamte Warenkorb wird auf die Anzahl der Geschäfte verteilt. Die Warenkörbe, die in den einzelnen Geschäften gekauft werden, weisen geringere Umfänge auf als der des gesamten Warenkorbes. Es kann geschlussfolgert werden, dass die Warenkörbe kleiner sind, wenn Kunden während einer Einkaufstour bei einem weiteren Anbieter einkaufen. Kunden mit kleinen Warenkörben decken während einer Einkaufstour nur einen kleinen Anteil ihres gesamten Bedarfs an Lebensmitteln. Häufigere Einkaufstouren sind notwendig, um die gesamte Nachfrage zu befriedigen. Durch diese Flexibilität sind Kunden in der Lage, einen Nutzen aus den ständig wechselnden Sonderangeboten zu ziehen (Bell & Lattin, 1998, p. 70). Es ist zu vermuten, dass Warenkorbgrößen von der Anzahl der Einkaufstouren beeinflusst werden. Insbesondere ist zu vermuten, dass die Einkaufshäufigkeit sich negativ auf die Warenkorbgröße auswirkt.

36

Tabelle 5: Vermuteter Einfluss der exogenen Variablen auf die Warenkorbgröße (Modell 1)

Endogene Variable

Exogene Variable Einkauf bei Aldi

Warenkorbgröße

Vermuteter Zusammenhang zwischen endogener und exogener Variable -

Kauffrequenz

-

Haushaltsgröße

+

Alter

-

Pro Kopf Einkommen

+

Entfernung

+

Geschlecht

+

Quelle: eigene Darstellung

Haushalte, in denen viele Personen leben, haben eine größere Nachfrage nach Lebensmitteln und Produkten des täglichen Bedarfs. Es ist anzunehmen, dass die Größe des Haushalts einen positiven Einfluss auf die Warenkorbgröße hat. SeniorenHaushalte oder Haushalte, in denen die Einkäufe von Senioren getätigt werden, haben mehr Zeit für den Lebensmitteleinkauf, vorausgesetzt die Senioren üben keinen Beruf aus (Fox & Hoch, 2005, p. 50). Es ist anzunehmen, dass ältere Kunden kleinere Warenkörbe nachfragen. Hohe Einkommen gehen nicht selten mit steigenden Opportunitätskosten beim Lebensmitteleinkauf einher. Die Opportunitätskosten beim Lebensmittelkauf können gering gehalten werden, wenn einerseits wenige umfangreichere Einkaufstouren unternommen werden und andererseits nur ein Anbieter aufgesucht wird. Auf diese Weise können Anfahrtswege und Zeit beim Einkaufen eingespart werden. Folglich ist zu vermuten, dass Kunden mit höheren Einkommen größere Warenkörbe kaufen. Einen Einfluss auf die Opportunitätskosten hat ebenfalls die Entfernung der besuchten Einkaufsstätte zum Wohnort der Kunden. Mit größerer Entfernung steigen die Opportunitätskosten aufgrund der längeren Anfahrtszeiten. Daher ist anzunehmen, dass Kunden, die weit entfernt vom besuchten Anbieter wohnen, Warenkörbe mit größeren Umfängen kaufen. Eine Studie von Procher und Vance (2013) hat ergeben, dass Frauen häufiger den Lebensmitteleinkauf erledigen als Männer. Dies ist auch der Fall, wenn beide Partner eine Vollzeitanstellung haben. Mit einer zunehmenden Anzahl an Kindern steigt die Anzahl und Dauer von Shoppingtouren für Frauen relativ stärker als für Männer (Procher & Vance, 2013, p. 14). Es kann die Hypothese, dass die Warenkorbgröße davon abhängig ist, ob eine Frau oder einen Mann den Einkauf erledigt, aufgestellt werden. Es ist anzunehmen, dass der Warenkorb größer ist, wenn eine Frau einkauft, als wenn ein Mann einkauft. Die in Modell 1 eingesetzten Variablen und der vermutete Einfluss der exogenen Variablen auf die Warenkorbgröße sind in Tabelle 5 dargestellt. 37

Weiterführend wird der Einfluss verschiedener Parameter auf den Wert der Warenkörbe diskutiert und daraus Hypothesen abgeleitet. Werden während einer Einkaufstour verschiedene Anbieter besucht, wird der gesamte Warenkorb auf mehr als einen Anbieter aufgeteilt. Folglich ist zu vermuten, dass die Warenkörbe von Kunden, die zwei oder mehr Anbieter während einer Einkaufstour aufsuchen, einen niedrigeren Wert aufweisen, als von Kunden, die in lediglich einem Geschäft einkaufen. Es ist anzunehmen, dass die Kauffrequenz den Warenkorbwert in ähnlicher Weise wie den Warenkorbumfang beeinflusst, d.h. dass bei zunehmender Kauffrequenz der Wert des Warenkorbes sinkt. Die in Mehrpersonenhaushalten erhöhte Nachfrage nach Gütern des täglichen Bedarfs wirkt sich nicht nur mengen- sondern auch wertmäßig auf den Warenkorb aus. Es wird angenommen, dass mit steigender Haushaltsgröße der Warenkorbwert zunimmt. Ein weiterer Zusammenhang besteht zwischen den Ausgaben für Lebensmittel und dem Einkommen. Mit steigendem Einkommen nehmen die Ausgaben für Lebensmittel absolut zu. Relativ betrachtet sinken jedoch die Ausgaben für Lebensmittel mit steigendem Einkommen (Engel, 1857). Da in dieser Arbeit absolute Werte betrachtet werden, kann die Hypothese aufgestellt werden, dass sich der Warenkorbwert mit steigendem Einkommen erhöht. Des Weiteren kann die Hypothese aufgestellt werden, dass Kunden, denen es beim Einkauf von Lebensmitteln besonders wichtig ist, dass sie immer günstig einkaufen können, geringere Warenkorbwerte aufweisen, als Kunden, für die der günstige Lebensmitteleinkauf einen geringeren Stellenwert einnimmt. Ebenso ist zu vermuten, dass Kunden, denen es besonders wichtig ist, dass sie alles, was sie einkaufen möchten, in einem Geschäft bekommen, höhere Warenkorbwerte aufweisen als Kunden, die bei mehreren Anbietern einkaufen. Diese Hypothese ist damit zu begründen, dass Kunden mehrerer Geschäfte die Wahl haben, welche Produkte sie bei welchem Anbieter kaufen und Produkte in dem Geschäft kaufen können, in dem sie am günstigsten sind. One-stop shopper kaufen in einem Geschäft und sind nicht in der Lage, flexibel auf Preisunterschiede in verschiedenen Geschäften zu reagieren. Käse- und Wurstwaren, Fleisch und andere frische Waren von der Bedientheke sind in den häufigsten Fällen teurer als eingeschweißte Ware aus dem Kühlregal. Es ist anzunehmen, dass Kunden, denen das Vorhandensein von Bedientheken in Geschäften des Lebensmitteleinzelhandels von großer Bedeutung ist, höhere Warenkorbwerte aufweisen. Der vermutete Einfluss der exogenen Variablen auf den Warenkorbwert ist in Tabelle 6 zusammengefasst. Tabelle 6: Vermuteter Einfluss der exogenen Variablen auf den Warenkorbwert (Modell 2)

Endogene Variable

Exogene Variable

Vermuteter Zusammenhang zwischen endogener und exogener Variable 38

Warenkorbwert

Einkauf bei Aldi

-

Kauffrequenz

-

Haushaltsgröße

+

Pro Kopf Einkommen Stellenwert von günstigen Lebensmitteln Stellenwert des one-stop shoppings

+

Stellenwert der Frischetheke

+

+

Quelle: eigene Darstellung

Abschließend werden Hypothesen über die Einflüsse diverser Variablen auf den mengenmäßigen Anteil an Sonderangeboten im Warenkorb aufgestellt. Es ist zu erwarten, dass der Anteil an Sonderangeboten im Warenkorb von Kunden, die während einer Einkaufstour im SB-Warenhaus und bei Aldi einkaufen, geringer ist als von Kunden, die den Discounter nicht besuchen. Der Grund dafür könnte sein, dass Kunden beider Anbieter ihren Grundbedarf im Discounter decken, da beim Discounter die Preise durchschnittlich geringer sind als im SB-Warenhaus und die günstigen Angebote, nicht im Rahmen von Aktionen für einen kurzen Zeitraum (wie bspw. in SBWarenhäusern), sondern dauerhaft angeboten werden. Diese Kunden besuchen das SB-Warenhaus möglicherweise nur, um Waren, die im Discounter nicht erhältlich sind, zu kaufen oder Bäckerei oder Postangebote wahrnehmen zu können (Jürgens, 2012). In früheren Studien wurde herausgefunden, dass die Wahrscheinlichkeit, dass Haushalte cherry-picken von der Anzahl der Personen, die in einem Haushalt leben, beeinflusst wird. Je mehr Personen in einem Haushalt leben, desto preissensitiver sind diese Haushalte und beim Einkauf von Lebensmitteln wird stärker auf die Preise geachtet (Hoch, et al., 1995). Da der Bedarf an Lebensmitteln höher ist und dementsprechend größere Mengen in großen Haushalten gekauft werden, beziehen sich Einsparungen beim Lebensmitteleinkauf, die durch den Kauf von Sonderangeboten erzielt werden, auf größere Mengen. Die Ausgaben für Lebensmittel lassen sich damit reduzieren (Fox & Hoch, 2005; Talukdar, et al., 2010). Es ist anzunehmen, dass der Anteil an Sonderangeboten in Warenkörben von Personen aus großen Haushalten höher ist, als der Sonderangebotsanteil in Warenkörben von Personen, die in Haushalten mit wenigen Personen leben. Des Weiteren konnten Fox und Hoch (2005) zeigen, dass Haushalte mit geringeren Einkommen stärker zum cherry-picken neigen, als Haushalte mit höheren Einkommen. Geringere Einkommen gehen mit geringeren Opportunitätskosten beim Einkauf einher. Such- und Transaktionskosten beim Lebensmitteleinkauf sind für Kunden mit geringerem Einkommen daher niedriger als für Kunden mit höherem Einkommen (Fox & Hoch, 2005). Zusätzlich sind 39

Personen mit geringem Einkommen preissensitiver als Kunden mit höherem Einkommen (Ailawadi, et al., 2001, p. 80). Eine negative Beziehung zwischen Einkommen und dem Anteil an Sonderangeboten im Warenkorb ist zu vermuten. Das Kaufverhalten von Haushalten wird stark von der Zeit, die diese Haushalte zum Lebensmitteleinkauf aufwenden, bestimmt. Steht Kunden viel Zeit für den Lebensmitteleinkauf zur Verfügung, sind diese eher bereit, tatsächlich auch mehr Zeit für den Lebensmitteleinkauf aufzuwenden, um bspw. Sonderangebote wahrnehmen zu können. Wird die wöchentliche Arbeitszeit erhöht, steht für den Lebensmitteleinkauf weniger Zeit zur Verfügung. Dementsprechend werden die Einkaufstouren möglichst kurz gehalten und weniger Zeit mit der Suche nach Sonderangeboten verbracht (Ailawadi, et al., 2001, p. 80; Blattberg, et al., 1978). Es ist zu vermuten, dass die Wochenarbeitszeit einen negativen Einfluss auf den Anteil an Sonderangeboten im Warenkorb ausübt. Sonderangebote werden oft in größeren Mengen und auf Vorrat gekauft. Dies ist vor allem bei Waren, die lagerfähig und nicht regelmäßig im Sonderangebot sind, der Fall. Die Hypothese, dass der Anteil an Sonderangeboten im Warenkorb mit zunehmendem Warenkorbumfang steigt, kann aufgestellt werden. Es ist anzunehmen, dass Kunden, für die attraktive Sonderangebote beim Einkauf von Lebensmitteln einen hohen Stellenwert annehmen, verstärkt Sonderangebote kaufen und folglich auch einen höheren Anteil an Sonderangeboten im Warenkorb aufweisen. Kunden, die frische Waren an der Bedientheke kaufen, schätzen an der Bedientheke den persönlichen Kontakt mit dem Verkaufspersonal, welches teilweise auch beratend beim Einkauf unterstützt. Ebenso sprechen Kunden, die sich für Waren an der Bedientheke entscheiden, den an der Bedientheke erhältlichen Waren einen Qualitätsvorteil im Vergleich zu Waren aus dem SB-Regal zu. Das Preisbewusstsein ist ein wichtiges Kriterium bei der Wahl zwischen Fleisch von der Bedientheke oder aus dem SBRegal. Je höher das Preisbewusstsein ist, desto stärker präferieren Kunden SBWaren (Spiller, et al., 2009). Da Kunden, für die das Angebot von frischen Waren an der Bedientheke einen hohen Stellenwert einnimmt, weniger preisbewusst sind, ist anzunehmen, dass sie einen geringeren Anteil an Sonderangeboten im Warenkorb aufweisen. Auf kommende Sonderangebote und weitere Aktionen wird häufig in Handzetteln und über anderen Medien vor Beginn der Aktion hingewiesen. Einige Kunden verschieben den Kauf von Produkten, wenn sie wissen, dass in näherer Zukunft diese Produkte günstiger zu erhalten sind. Es lässt sich die Hypothese ableiten, dass Kunden, die gerne Handzettel von Lebensmittelgeschäften lesen, einen höheren Anteil an Sonderangeboten in ihren Warenkörben aufweisen, als Kunden, die keine Handzettel lesen. Die vermuteten Einflüsse der zuvor erläuterten Merkmale auf den

40

mengenmäßigen Anteil an Sonderangeboten im Warenkorb sind in Tabelle 7 dargestellt. Tabelle 7: Vermuteter Einfluss der exogenen Variablen auf den mengenmäßigen Anteil an Sonderangeboten im Warenkorb (Modell 3)

Endogene Variable

Mengenmäßiger Anteil an Sonderangeboten im Warenkorb

Einkauf bei Aldi

Vermuteter Zusammenhang zwischen endogener und exogener Variable -

Haushaltsgröße

+

Pro Kopf Einkommen

-

Wochenarbeitszeit

-

Warenkorbumfang

+

Stellenwert von Sonderangeboten

+

Stellenwert der Frischetheke

-

„Ich lese gerne Handzettel“

+

Exogene Variable

Quelle: eigene Darstellung

4.2 Daten In der schleswig-holsteinischen Landeshauptstadt Kiel wurden Kunden eines Warenhausunternehmens

befragt.

In

Schleswig-Holstein,

Hamburg,

Mecklenburg-

Vorpommern, Brandenburg, Niedersachsen und Nordrhein-Westfalen sind 81 Filialen dieser SB-Warenhäuser verbreitet. Ihr Schwerpunkt liegt im Bereich Lebensmittel, Drogerie, Textilien und Hartwaren, wie z.B. Elektro, Haushaltswaren und Spielwaren. Im Sortiment eines SB-Warenhauses befinden sich ca. 40 Tsd. Artikel, von denen mehr als 900 Artikel zum Discountpreis angeboten werden.8 Sechs Filialen, die sich in den Kieler Ortsteilen Wik, Altenholz, Mettenhof, Dietrichsdorf, Neumeimersdorf und Russee befinden, wurden für die Kundenbefragungen ausgewählt. In drei der sechs Filialen befindet sich jeweils im selben Gebäudekomplex eine Filiale des Discounters Aldi. Diese Filialen sind in Wik, Dietrichsdorf und Neumeimersdorf. Im Rahmen der Kundenbefragungen, die in dem Zeitraum vom 22.Oktober 2012 bis zum 3.November 2012 jeweils von Montag bis Freitag stattfanden, wurden 517 Kunden, die einen Einkauf in dem SB-Warenhaus getätigt hatten, unter anderem zu ihren Einkaufsgewohnheiten befragt. Zusätzlich hat das Warenhausunternehmen sämtliche Bondaten der Filialen, in denen Befragungen durchgeführt wurden, innerhalb des Befragungszeitraums zur Verfügung gestellt. Die Bondaten konnten anhand der Bonnummern den Befragungsdaten zugeordnet und gematcht werden.

8

Die Quelle kann hier zum Schutz der Anonymitätswahrung des Händlers nicht angegeben werden.

41

4.3 Methoden 4.3.1 Wilcoxon-Rangsummentest Für die statistische Auswertung der Daten werden Mittelwertvergleiche durchgeführt. Es soll herausgefunden werden, ob die Nachbarschaft eines Discounters Einfluss auf traditionelle Lebensmitteleinzelhändler hat. Bei der Wahl eines geeigneten statistischen Tests muss die Verteilung der Daten berücksichtigt werden. t-Tests werden verwendet, wenn zwei normalverteilte unabhängige Stichproben miteinander verglichen werden. Da in die zugrundeliegenden Daten nicht normalverteilt sind, sondern größtenteils rechtsschiefe Verteilungen aufweisen (siehe Abbildungen A.1 im Anhang), wird alternativ auf einen nonparametrischen bzw. verteilungsfreien Test zurückgegriffen. Bei nonparametrischen Tests stehen nicht die Verteilung der Zufallsvariablen, sondern vielmehr generelle Charakteristika, wie z.B. der Median oder die Quantile, im Vordergrund. In dieser Arbeit wird der Wilcoxon-Rangsummentest, welcher ein nichtparametrischer Test ist, verwendet. Grundsätzlich wird beim Wilcoxon-Rangsummentest vorausgesetzt, dass die Verteilungsfunktionen der zwei Zufallsvariablen dieselbe Form besitzen, wobei eine Unterscheidung bezüglich des Lageparameters θ möglich ist (Büning & Trenkler, 1994, p. 130f.; Fahrmeir, et al., 2004, p. 459). Aus den Rängen aller Beobachtungen

,

bildet. Folglich erhält man

der gepoolten Stichprobe, wird die Teststatistik ge)

)

)

). Die Summe der zur X-

Stichprobe gehörenden Werte ergibt die Teststatistik. Treten Bindungen zwischen den X- und Y-Werten auf (Xi = Yj), werden Durchschnittsränge gebildet. Bestehen Bindungen innerhalb der X- oder Y-Werte, werden die entsprechenden Ränge zufällig vergeben. In der folgenden Tabelle sind die Annahmen, Hypothesen, die Teststatistik und der Ablehnungsbereich zusammengefasst: Tabelle 8: Wilcoxon-Rangsummentest

Annahmen:

und Hypothesen:

(a) H0: (b) H0: (c) H0:

unabhängige Wiederholungen von X, unabhängige Wiederholungen von X, , unabhängig, besitzen stetige Verteilungsfunktionen F bzw. G H1: H1: H1:

42

Teststatistik:

Bilde aus sämtlichen Beobachtungen Ränge ),…, ), ),…, bestimmt durch ∑

)

, die ). Die Teststatistik ist

∑

{

Ablehnungsbereich:

(a) TW >w1-α/2 (n.m) oder TW < wα/2 (n.m) (b) TW < wα (n.m) (c) TW > w1-α (n.m), wobei ̃ das ̃- Quantil der tabellierten Verteilung bezeichnet. Für große Stichproben (m oder n > 25) Approximation durch N (n(n+m+1) /2, nm(n+m+1) /12). Quelle: Fahrmeir, et al., 2004, p. 460

4.3.2 Regressionsanalyse Anhand von t-tests oder Wilcoxon-Rangsummentests wird der Einfluss einer unabhängigen (exogenen) Variablen auf eine abhängige (endogene) Variable untersucht. Um die Beziehung zwischen einer endogenen Variable und einer oder mehreren exogenen Variablen zu analysieren, werden Regressionsanalysen durchgeführt. Regressionsanalysen dienen der Beschreibung und Erklärung quantitativer Zusammenhänge sowie der Schätzung und Prognostizierung der Werte der endogenen Variablen. Sie sind anwendbar, wenn die endogene Variable sowie die exogene(n) Variable(n) metrische Skalen aufweisen und damit quantitative Variablen sind (Backhaus, et al., 2003, p. 46ff.; Fahrmeir, et al., 2004, p. 475). Primär werden Regressionsanalysen zur Untersuchung von Kausalbeziehungen (Ursache-Wirkungs-Beziehungen) eingesetzt. Der erste Schritt der Regressionsanalyse ist die Wahl eines Modells, welches die Ursache-Wirkungs-Beziehung möglichst vollständig enthält. Mittels eines Streudiagramms lässt sich feststellen, ob bspw. eine lineare Beziehung zwischen der endogenen und der(n) exogenen Variable(n) unterstellt werden kann. Um als nächsten Schritt die endogene Variable zu schätzen, wird eine Regressionsfunktion spezifiziert. Eine Funktion

) ist der einfachste Fall einer monokausalen Beziehung

zwischen einer endogenen Variablen (y) und einer exogenen Variablen (x). Zur Schätzung einer endogenen Variablen

wird folgende Regressionsfunktion spezifi-

ziert: ̂

̂

̂

43

Die aus dieser Funktion resultierende Gerade ist die Regressionsgerade. ̂ ist die Schätzung der endogenen Variablen te

misst den Wert von

für

(Backhaus, et al., 2003, p. 46ff.). Die Konstanund gibt den Schnittpunkt mit der Ordinate an.

ist der Steigungskoeffizient von . Für lineare Funktionen gilt, dass tung

entspricht.

gibt damit an, um wie viele Einheiten sich

der Ablei-

verändert, wenn

c.p. um eine Einheit steigt. Da exakte lineare Zusammenhänge zwischen zwei Größen nur selten vorkommen, können nur approximative Zusammenhänge dargestellt werden (Stocker, 2014c). Eine Störgröße ε wird in das Modell eingeführt, welche zufällige, nicht von

zu erklärende Abweichungen von der Regressionsgeraden erfasst.

Gründe für das Auftreten von Störgrößen können der Einfluss nicht berücksichtigter Variablen oder Fehler bei der Erhebung der Daten sein (Loy, et al., 2011, p. 53). Damit die Regressionsgleichung genau erfüllt ist, nimmt die Störgröße immer den dafür notwendigen Wert an (Stocker, 2014c). Durch Einsetzen der geschätzten Werte ̂ und ̂ und unter Berücksichtigung der Residuen9 entsteht folgende Regressionsgleichung: ̂

̂

Das Standartmodell der linearen Einfachregression wie folgt zusammengefasst werden: Tabelle 9: Standardmodell der linearen Einfachregression

̂

Es gilt

̂

Dabei sind : beobachtbare metrische Zufallsvariablen gegebene deterministische Werte oder Realisierungen einer metrischen Zufallsvariable X unbeobachtete Zufallsvariablen, die unabhängig und identisch verteilt ) ) sind mit und Die Regressionskoeffizienten ter, die aus den Daten )

,

und die Varianz sind unbekannte Paramezu schätzen sind.

Quelle: Fahrmeir, et al., 2004, p. 477

Das Ziel der einfachen Regressionsanalyse ist es, eine lineare Funktion zu finden, für die die nicht von

zu erklärenden Abweichungen von der Regressionsgeraden mög-

lichst gering sind. Die Parameter

und

sind so zu bestimmen, dass die Summe

der quadrierten Residuen minimal ist. Diese Methode wird als Kleinstquadrateschätzung bezeichnet. Aufgrund der Quadrierung der Abweichungen der geschätzten Wer9

̂ 44

te von den Beobachtungswerten werden größere Abweichungen stärker gewichtet. Negative und positive Abweichungen können sich zudem nicht kompensieren. Liegt keine monokausale Beziehung vor, wird die endogene Variable nicht von einer einzelnen sondern von einer Vielzahl verschiedener Größen beeinflusst. In diesen Fällen ist es sinnvoll, mehrere exogene Variablen in dem Modell zu berücksichtigen. Der Regressionsansatz solch einer multiplen Regression hat folgende Form: ̂ Wie zuvor bei einer einfachen Regressionsanalyse werden die Regressionskoeffizienten

bei einer multiplen Regressionsanalyse durch Minimierung

der mittleren quadratischen Abweichungen bestimmt. Auch in diesem Modell stellen die Regressionskoeffizienten den marginalen Effekt der Änderung einer exogenen Variablen auf die endogene Variable

dar (Backhaus, et al., 2003, p. 54ff.).

Nach der Schätzung der Regressionsfunktion folgt eine Überprüfung der Modellgüte, d.h. wie gut sie als Modell der Realität dient. Das Bestimmtheitsmaß (R²) misst die Güte der Anpassungsfähigkeit der Regressionsfunktion an die empirischen Daten (Backhaus, et al., 2003, p. 54ff.). Das R² kann alle Werte zwischen 0 und 1 annehmen. Je näher das R² bei 1 liegt, desto besser wird die Variabilität der endogenen Variable durch die Regression erklärt (Fahrmeir, et al., 2004, p. 498). Die F-Statistik gibt Auskunft darüber, ob das geschätzte Modell über die Stichprobe hinaus auch für die Grundgesamtheit Gültigkeit besitzt. Streuungskomponenten, sowie der Stichprobenumfang und die Zahl der exogenen Variablen gehen in die Berechnung der FStatistik ein. Der Standardfehler der Schätzung gibt an, welcher mittlere Fehler bei Verwendung der Regressionsfunktion zur Schätzung der endogenen Variablen gemacht wird und dient ebenso der Prüfung der Regressionsfunktion. Hat die globale Prüfung der Regressionsfunktion durch den F-Test ergeben, dass ein Zusammenhang in der Grundgesamtheit besteht, folgen einzelne Überprüfungen der Regressionskoeffizienten. Ein dafür geeignetes Prüfkriterium ist die t-Statistik. Der t-Wert einer exogenen Variablen lässt sich durch Division des Regressionskoeffizienten durch den Standardfehler berechnen. Weicht der t-Wert stark von 0 ab, ist die Nullhypothese zu verwerfen. Es ist zu folgern, dass in der Grundgesamtheit die exogene Variable endogene Variable

beeinflusst und der Regressionskoeffizient

die

ungleich Null ist

(Backhaus, et al., 2003, p. 68ff.). Da in dieser Arbeit ausschließlich anhand der tStatistik die Signifikanz des Einflusses der exogenen Variablen überprüft wurde, wird auf das Konfidenzintervall der Regressionskoeffizienten und den F-Test im Fall von einfachen Regressionen zur Prüfung der Regressionskoeffizienten nicht weiter eingegangen. Der letzte Schritt der Regressionsanalyse ist die Prüfung der Modellprämissen. Eine genaue Erklärung der Vorgehensweise zur Prüfung aller Modellprämis45

sen würde jedoch den Rahmen dieser Arbeit überschreiten, daher wird in Kapitel 4.5.2 nur kurz auf einige geprüfte Modellprämissen eingegangen. 4.3.3 Logistische Regressionsanalyse Bei der logistischen Regression wird über einen Regressionsansatz die Wahrscheinlichkeit des Eintretens bestimmter Ereignisse in Abhängigkeit verschiedener Einflussgrößen ermittelt. Die endogene Variable muss nicht wie in der Regressionsanalyse metrisches Skalenniveau aufweisen, sondern darf auch eine kategoriale Variable mit nominalem Skalenniveau darstellen. Die logistische Regression ist bei Variablen mit verschiedenen Skalenniveaus anzuwenden, d.h. als exogene Variablen können kategorial sowie metrisch skalierte Variablen verwendet werden. Werden mehr als zwei Kategorien betrachtet, wird eine Multinominal-logistische Regressionsanalyse durchgeführt. Im einfachsten Fall werden 0/1-Ereignisse oder Komplementärereignisse betrachtet, deren Eintrittswahrscheinlichkeiten sich zu 1 addieren. In diesen Fällen wird eine Binär-logistische Regressionsanalyse gerechnet. Bei 0/1-Ereignissen wird die Ausprägung

allgemein als „Ereignis y tritt nicht ein“ und

als „Ereignis

y tritt ein“ interpretiert. Unter Verwendung der logistischen Funktion berechnet der logistische Regressionsansatz die Wahrscheinlichkeit für das Eintreten eines Ereignisses

. Der Parameter

und die Regressionskoeffizienten

, die auch als

Logit-Koeffizienten bezeichnet werden, spiegeln die Einflussstärke der jeweils betrachteten exogenen Variablen

auf die Höhe der Eintrittswahrscheinlichkeit

) wider. Durch die logistische Funktion wird eine Wahrscheinlichkeitsbeziehung zwischen dem Ereignis

und den exogenen Variablen

hergestellt. Der

logistische Regressionsansatz ist wie folgt zu definieren10:

) mit

∑

Die z-Werte (Logits) sind eine nicht beobachtbare latente Variable, welche eine Verbindung zwischen der endogenen und den exogenen Variablen

herstellt. Die

Wahrscheinlichkeitsverteilung, die mit Hilfe der logistischen Funktion erzeugt wird, weist einen s-förmigen Verlauf auf. Dadurch nimmt die Wahrscheinlichkeit für das Ereignis

für unendliche kleine oder unendliche große z-Werte immer einen Wert

innerhalb des Intervalls [0,1] an. Die logistische Funktion ist immer symmetrisch um den Wendepunkt P(y=1) = 0,5. Die Modellparameter werden bei logistischen Regressionen üblicherweise mit der Maximum-Likelihood-Methode geschätzt. Die Parameter 10

des logistischen Regres-

Mit: e= 2,71828183 (Eulersche Zahl)

46

sionsmodells, welche die Einflussgewichte der exogenen Variablen widerspiegeln, sind dabei so zu bestimmen, dass die Wahrscheinlichkeit (Likelihood), die beobachteten Erhebungsdaten zu erhalten, maximiert wird. Die exogenen Variablen

nehmen nur indirekt über die Wahrscheinlichkeitsberech-

nung und durch die unterstellte logistische Funktion in einer nicht-linearen Form Einfluss auf die Bestimmung der Eintrittswahrscheinlichkeit des Ereignisses

. Folg-

lich sind weder die Regressionskoeffizienten untereinander vergleichbar, noch die Wirkung der exogenen Variablen über die gesamte Breite ihrer Ausprägungen konstant. Die Schätzungen der Parameter flussstärke der

auf die

können nicht als globales Maß für die Ein-

gewertet werden. Aufgrund des logistischen Funktions-

verlaufs ist aus den Regressionskoeffizienten lediglich die Richtung des Einflusses erkennbar. Bei steigenden

-Werten führen negative Regressionskoeffizienten zu

kleineren und positive Regressionskoeffizienten zu steigenden Wahrscheinlichkeiten des Ereignisses

(Backhaus, et al., 2003, p. 418ff.). Zur vereinfachten Interpreta-

tion der Regressionskoeffizienten werden durchschnittliche marginale Effekte berechnet, die am Mittelwert der exogenen Variablen gelten. Die durchschnittlichen marginalen Effekte am Mittelwert sind ähnlich wie Regressionskoeffizienten der linearen Regressionsanalyse zu interpretieren, jedoch gelten sie nur direkt am Mittelwert der exogenen Variablen (Stocker, 2014c). 4.4 Deskriptive Statistik Das mittlere Alter aller Befragten liegt bei 50 Jahren. Von den 517 Befragten sind 62 Prozent Frauen. Im Mittel gaben die Befragten an, überwiegend oder ausschließlich für den Einkauf der Dinge für den täglichen Bedarf verantwortlich zu sein und ca. 21 Stunden pro Woche zu arbeiten. Den Befragten steht im Mittel ein Nettoeinkommen von 2583 Euro pro Monat und Haushalt zur Verfügung. Daraus ergibt sich bei einer mittleren Haushaltsgröße von knapp 2,4 Personen inklusive 0,5 Kinder ein monatliches Nettoeinkommen von im Mittel 1240 Euro pro Person für die Haushalte aller befragten Konsumenten. Im Mittel befinden sich die aufgesuchten SB-Warenhäuser ca. 9,4 km von den Wohnorten der befragten Konsumenten entfernt. Innerhalb zwei Wochen gehen die befragten Konsumenten im Mittel 8 Mal einkaufen, wobei das SBWarenhaus mit im Mittel ca. 3,6 und Aldi mit 1,9 Einkäufen in zwei Wochen am häufigsten von den Konsumenten aufgesucht werden. Mehr als die Hälfte der Befragten nutzen den Postservice und die Bäckerei, welche sich in einem Gebäude mit den SBWarenhaus-Filialen befinden, sowie die Tankstelle, die sich direkt neben dem SBWarenhaus befindet.

47

Den Befragten ist beim Einkauf von Lebensmitteln sehr wichtig, dass das Geschäft nah bzw. gut zu erreichen ist, sie sich gut auskennen im Geschäft, so dass sie nicht lange nach den Produkten suchen müssen und frische Produkte, wie z.B. Fleisch, an der Theke erhältlich sind. Diese drei Kriterien erfüllen die SB-Warenhaus-Filialen nach Angaben der Befragten voll und ganz. Dass die Konsumenten alles, was sie benötigen, in einem Geschäft bekommen, sie immer günstig einkaufen können, es attraktive Angebote gibt und sie mehrere Geschäfte vorfinden, so dass sie die Dinge, die sie brauchen, in verschiedenen Geschäften einkaufen können, ist teilweise bis eher wichtig für die Befragten. Mit der Aussage, dass sie in dem SB-Warenhaus immer günstig einkaufen können, stimmen die Befragten im Mittel nur teilweise überein. 86 Prozent der Befragten bekommen den SB-Warenhaus-Handzettel nach Hause zugestellt. Ca. 8 Prozent der befragten Konsumenten geben an, Handzettelangebote seien der Grund für den Besuch des SB-Warenhauses. Im Mittel geben die Befragten an, sich nicht immer für das Geschäft, in dessen Handzettel die attraktivsten Angebote ausgeschrieben sind, zu entscheiden. Des Weiteren kaufen sie nicht immer die Marken, die sich zum Einkaufszeitpunkt im Sonderangebot befinden und sie verschieben den Kauf eines Artikels nicht, um ihn zu einem späteren Zeitpunkt im Sonderangebot zu kaufen. Der mittlere Warenkorb der befragten Kunden enthält 9 Artikel mit einem Wert von knapp 19 Euro. Der mengen- als auch wertmäßige Anteil an Handzettelangeboten im Warenkorb beläuft sich im Mittel auf 9 bzw. 10 Prozent. 4.5 Ergebnisse 4.5.1 Ergebnisse der Wilcoxon-Rangsummentests Anhand der erhobenen Daten wurde mittels eines Wilcoxon-Rangsummentests untersucht, ob sich die Anteile an Handzettelangeboten in Warenkörben von Kunden, die während einer Einkaufstour im SB-Warenhaus sowie im benachbarten Discounter Aldi einkaufen, von denen der Kunden, die ausschließlich im SB-Warenhaus einkaufen, unterscheiden. Es kann kein statistisch signifikanter Unterschied zwischen den mengen- als auch wertmäßigen Anteilen an Handzettelangeboten in den Warenkörben der zwei Kundengruppen festgestellt werden. Auch zwischen den mittleren Warenkorbumfängen der zwei Kundengruppen und den mittleren Warenkorbwerten der zwei Kundengruppen hat sich nach dem Wilcoxon-Rangsummentest mit α=0,1 kein signifikanter Unterschied herausgestellt. Die Ergebnisse sind in Tabelle 10 dargestellt.

48

Tabelle 10: Mittelwerte und Signifikanzen nach Wilcoxon-Rangsummentest

n Mittlerer mengenmäßiger Anteil Sonderangebote [%] Mittlerer wertmäßiger Anteil Sonderangebote [%] Mittlerer Warenkorbumfang [Stück] Mittlerer Warenkorbwert [Euro]

Besucher des SBWarenhaus + Aldi

Besucher des SBWarenhaus

Signifikanz nach WilcoxonDifferenz RangsummenTest

83

175

14,33

12,54

1,79

10,52

9,95

0,57

11,19

12,88

-1,69

20,74

22,85

-2,11

*: =0,1; **: =0,05; ***: =0,01 Quelle: eigene Berechnung auf Basis der Warenkorbdaten 2012

In dieser Arbeit werden Kunden, die einen hohen Anteil an Handzettelangeboten im Warenkorb aufweisen, als cherry picker bezeichnet. Die cherry picker werden zusätzlich nach der Größe des Anteils an Handzettelangeboten im Warenkorb in vier Klassen unterteilt: bei cherry pickern 50 (cp 50er) macht der Anteil der Angebote im Warenkorb 50 bis 74 % aus, bei cherry pickern 75 (cp 75er) liegt der Anteil bei mindestens drei Viertel und höchstens bei 99 % des Warenkorbes und extreme cherry picker (ecp) kaufen ausschließlich (100 %) Handzettelangebote. Die Warenkörbe der Kunden, deren Anteil an Handzettelangeboten im Warenkorb bei weniger als 50 % liegt, werden unter übrige Warenkörbe zusammengefasst. Tabelle 11: Anteile der Cherry Picker-Klassen

Besucher des SBWarenhaus + Aldi

Besucher des SBWarenhaus

n

83

175

Anteil an ecp [%]

0

0,57

0,57

0

1,71

1,71

9,64

6,29

3,35

90,36

91,43

1,07

Anteil an cp 75ern [%] Anteil an cp 50ern [%] Anteil an übrigen Warenkörben [%]

Differenz

Signifikanz nach WilcoxonRangsummentest

*: =0,1; **: =0,05; ***: =0,01 Quelle: eigene Berechnung auf Basis der Warenkorbdaten 2012

49

Unter den Kunden, die das SB-Warenhaus und Aldi besuchen, gibt es weder extreme cherry picker noch cp 75er. Von den Kunden des SB-Warenhauses sind 0,57 % extreme cherry picker und 1,71 % cp 50er. Von den Kunden beider Anbieter sind knapp 10 % cp 50er. Der Anteil an cp 50ern beträgt bei den Kunden des SB-Warenhauses 6,29 %. Der überwiegende Teil aller Kunden hat weniger als 50 % Sonderangebote in ihren Warenkörben. In beiden Kundengruppen liegt der Anteil der übrigen Warenkörbe bei rund 90 %. Die genauen Anteile der vier cherry picker-Gruppen sind in Tabelle 11 zusammengefasst. Die mittlere Warenkorbgröße von cp 75ern ist nach dem Wilcoxon-Rangsummentest bei α=0,01 signifikant größer als die mittlere Warenkorbgröße der cp 50er, der extremen cherry picker und der übrigen Warenkörbe. Der größte Unterschied besteht zwischen der Warenkorbgröße der cp 75er mit im Mittel 10,55 Artikeln und der Warenkorbgröße der extremen cherry picker mit 2,3 Artikeln. Dies entspricht einer Differenz von 8,25 Artikeln. Der Größenunterschied zwischen den Warenkörben der cp 75er und den cp 50ern sowie den übrigen Warenkörben ist deutlich geringer. Die Differenzen betragen im Mittel rund 2,4 bzw. 1,4 Artikel. Extreme cherry picker weisen die kleinsten Warenkörbe auf. Die mittleren Warenkörbe der cp 50er beinhalten rund 6 Artikel und die übrigen Warenkörbe rund 7 Artikel mehr als die mittleren ecp-Warenkörbe. Am geringsten unterscheiden sich die mittleren Warenkorbgrößen der cp 50er und die übrigen Warenkörbe (siehe Tabelle 12). Tabelle 12: Differenzen der mittleren Warenkorbumfänge

cp 50er

cp 75er

ecp

cp 50er

-

-2,36 ***

5,89***

Übrige Warenkörbe -0,95

cp 75er

2,36***

-

8,25 ***

1,41***

ecp

-5,89***

-8,25 ***

-

-6,84 ***

Übrige Warenkörbe

0,95

-1,41***

6,84 ***

-

*: =0,1; **: =0,05; ***: =0,0111 Quelle: eigene Berechnung auf Basis der Warenkorbdaten 2012

Wird der Wert des Warenkorbes betrachtet, sind ähnliche Tendenzen erkennbar. Ein statistisch signifikanter Unterschied besteht nach dem Wilcoxon-Rangsummentest bei einem Signifikanzniveau (α) von 1 % ebenfalls zwischen den mittleren Warenkorbwerten der betrachteten vier Kundengruppen. Die größte Differenz besteht zwischen den mittleren Warenkorbwerten der extremen cherry picker und den übrigen Warenkörben. Die übrigen Warenkörbe sind im Mittel knapp 10 Euro teurer als Warenkörbe extremer cherry picker. Der geringste Unter11

Signifikanzen nach dem Wilcoxon-Rangsummentest

50

schied in den mittleren Warenkorbwerten ist zwischen den cp 50ern und den cp 75ern erkennbar. In Tabelle 13 sind die mittleren Differenzen der Warenkorbwerte dargestellt. Tabelle 13: Differenzen der mittleren Warenkorbwerte in Euro

cp 50er

cp 75er

ecp

Übrige Warenkörbe

cp 50er

-

-0,61

5,51***

-4,37**

cp 75er

0,61

-

4,90***

-4,99

ecp

-5,89***

-4,90***

-

-9,88***

Übrige Warenkörbe

4,37**

4,99

9,88***

-

*: =0,1; **: =0,05; ***: =0,01

12

Quelle: eigene Berechnung auf Basis der Warenkorbdaten 2012

Die mittleren Entfernungen von den Wohnorten der Kunden zu den besuchten Einkaufsorten wurden zwischen den Besuchern des SB-Warenhauses und den Besuchern des SB-Warenhauses und Aldi verglichen. Die mittleren Entfernungen zwischen dem Wohn- und Einkaufsort der zwei Kundengruppen weisen keine signifikanten Unterschiede auf (siehe Tabelle 14). Beiden Kundengruppen ist es beim Einkauf von Lebensmitteln wichtig, dass das Geschäft nah bzw. gut zu erreichen ist. Kunden des SB-Warenhauses und Aldi ist es wichtiger, dass sie mehrere Geschäfte nebeneinander vorfinden, so dass sie in verschiedenen Geschäften einkaufen können, als Kunden, die ausschließlich im SB-Warenhaus einkaufen. Kunden des SBWarenhauses ist es im Vergleich zu Besuchern des SB-Warenhauses und Aldi hingegen wichtiger, dass sie alle Waren, die sie kaufen möchten, in einem Geschäft vorfinden. Tabelle 14: Präferenzen von Kunden beim Einkauf von Lebensmitteln

Mittlere Entfernung der Wohnorte der Kunden zum Einkaufsort [km] Stellenwert von nahen Einkaufsmöglichkeiten13

12

Besucher des SBWarenhaus + Aldi

Besucher des SBWarenhaus

(n)

(n)

5,18 (115)

11,47 (227)

-6,26

4,44 (117)

4,47 (228)

-0,04

Differenz

Signifikanz nach WilcoxonRangsummentest

Signifikanzen nach dem Wilcoxon-Rangsummentest

51

Stellenwert des multi4,09 13 purpose shoppings (117) Stellenwert des one3,45 13 stop shoppings (117) *: =0,1; **: =0,05; ***: =0,01

3,61 (228) 3,79 (227)

0,48

***

0,34

***

Quelle: eigene Berechnung auf Basis der Warenkorbdaten 2012

Der Frauenanteil der Kunden, die das SB-Warenhaus und Aldi besuchen, ist größer als der Frauenanteil der Kunden, die ausschließlich im SB-Warenhaus einkaufen. Im Mittel sind rund 69 % der Kunden, die bei beiden Anbietern einkaufen, weiblich. Von den Kunden, die ausschließlich im SB-Warenhaus einkaufen, sind rund 58 % Frauen. Nach dem Wilcoxon-Rangsummentest gibt es bei einem Signifikanzniveau von 1 % einen statistisch signifikanten Unterschied zwischen dem mittleren Alter der Kunden des SB-Warenhauses und dem mittleren Alter der Kunden des SB-Warenhauses und des Discounters Aldi. Das mittlere Alter der Kunden, die ausschließlich im SBWarenhaus einkaufen, beträgt knapp 49 Jahre. Damit sind sie im Mittel ca. 4 Jahre jünger als Kunden, die im SB-Warenhaus und bei Aldi einkaufen. Tabelle 15: Soziodemografische Parameter der Kundengruppen

Besucher Besucher des SBdes SBWarenhaus + Warenhaus Aldi

Differenz

Signifikanz nach WilcoxonRangsummentest

-10,90

** **

(n) 69,23 (117)

(n) 58,33 (228)

Mittleres Alter

52,77 (116)

48,57 (227)

-4,19

Mittlere Haushaltsgröße

2,44 (115)

2,41 (226)

-0,04

Mittleres Pro-KopfEinkommen [€]

1179,13 (105)

1271,74 (207)

92,61

Mittlere Wochenarbeitszeit [h]

18,37 (111)

23,06 (210)

6,18

Anteil an Frauen [%]

**

*: =0,1; **: =0,05; ***: =0,01 Quelle: eigene Berechnung auf Basis der Warenkorbdaten 2012

Im Mittel arbeiten Kunden, die beide Anbieter besuchen, 18,37 Stunden pro Woche. Kunden, die nur im SB-Warenhaus einkaufen, arbeiten im Mittel 6,18 Stunden pro Woche mehr als Besucher beider Anbieter. Es sind keine Unterschiede zwischen den zwei Kundengruppen hinsichtlich der Haushaltsgröße ersichtlich. In den Haushalten 13

Kunden wurden befragt, welche Bedeutung die genannten Aussagen für sie beim Einkauf haben. Die möglichen Antworten waren: 1= überhaupt nicht; 2=eher nicht wichtig; 3=teils-teils; 4= eher wichtig; 5= sehr wichtig

52

aller befragten Personen leben im Mittel 2,4 Personen. Auch die mittleren Nettoeinkommen, die den Haushalten der zwei Kundengruppen monatlich zur Verfügung stehen, weisen keine statistisch signifikanten Unterschiede nach dem WilcoxonRangsummentest (α=1 %) auf. Die Ergebnisse sind in Tabelle 15 zusammengefasst. Tabelle 16: Ergebnisse der Mittelwertvergleiche von Parametern zur Geschäftstreue

Besucher des SBWarenhaus + Aldi n

117 Einkaufshäufigkeit i.d. 7,98 vergangenen zwei Wochen Anzahl unterschiedlicher besuchter Geschäfte i.d. 3,24 vergangenen zwei Wochen Mittlere maximale Geschäftstreue zu einem 44,67 Geschäft [%] Anteil der Geschäftsbesuche im SB-Warenhaus 38,04 an allen Geschäftsbesuchen in den vergangenen zwei Wochen [%] *: =0,1; **: =0,05; ***: =0,01

Besucher des SBWarenhaus

Differenz

Signifikanz nach WilcoxonRangsummentest

228 8,29

0,32

2,88

0,42

***

56,45

-11,78

***

50,17

12,19

***

Quelle: eigene Berechnung auf Basis der Warenkorbdaten 2012

Kunden, die ausschließlich im SB-Warenhaus einkaufen, sowie Kunden, die im SBWarenhaus und bei Aldi einkaufen, weisen nach dem Wilcoxon-Rangsummentest (α=1 %) keine signifikanten Unterschiede in der Summe aller Besuche im Lebensmitteleinzelhandel in den vergangenen zwei Wochen14 auf (siehe Tabelle 16). Zwischen den zwei Kundengruppen sind jedoch Unterschiede in der Anzahl unterschiedlicher Geschäfte, die der Befragte in den vergangenen zwei Wochen besucht hat, vorhanden. Im Mittel haben Kunden des SB-Warenhauses und Aldi 3,24 verschiedene Geschäfte innerhalb von zwei Wochen besucht. Kunden des SB-Warenhauses haben im Mittel in zwei Wochen lediglich in 2,88 unterschiedlichen Geschäften eingekauft. Ebenfalls sind Unterschiede in der maximalen Geschäftstreue zwischen den Gruppen erkennbar. Die Geschäftstreue wird gemessen an dem Anteil der Geschäftsbesuche eines bestimmten Anbieters an allen Geschäftsbesuchen in den vergangenen zwei Wochen. Kunden des SB-Warenhauses weisen eine höhere Geschäftstreue auf, als Kunden, die im SB-Warenhaus und bei Aldi einkaufen. Die mittlere maximale Geschäftstreue von Kunden des SB-Warenhauses beträgt rund 56 %. Kunden des SB14

Diese Zeitangabe ist bezogen auf die zwei Wochen vor dem Befragungstag.

53

Warenhauses und Aldi weisen mit rund 45 % eine um rund 12 Prozentpunkte geringere mittlere maximale Geschäftstreue auf als Kunden des SB-Warenhauses. Zusätzlich ist bei Kunden des SB-Warenhauses und Aldi der Anteil der Geschäftsbesuche im SB-Warenhaus an allen Geschäftsbesuchen geringer als bei den Kunden, die ausschließlich im SB-Warenhaus eingekauft haben. Weitere Aussagen der befragten Kundengruppen über ihre Einkaufsgewohnheiten und Aspekte, die ihnen beim Lebensmitteleinkauf wichtig sind, sind in Tabelle B.6 im Anhang zusammengefasst dargestellt. 4.5.2 Ergebnisse der Regressionsanalysen In Modell 1 wurde anhand einer linearen Regression der Einfluss verschiedener exogener Variablen auf eine endogene Variable, welche in Modell 1 der Warenkorbumfang ist, untersucht. Der Breusch-Pagan-Test wurde durchgeführt, um das Modell auf Homoskedastizität zu prüfen. Homoskedastizität liegt vor, wenn die Varianz der Störgröße für alle Werte von X gleich ist. Ist dies nicht der Fall, liegt Heteroskedastizität vor (Kohler & Kreuter, 2008, p. 225). Bei Heteroskedastizität gilt, dass die geschätzten Koeffizienten erwartungstreu und konsistent sind, aber nicht effizient. Die geschätzten Standardfehler der Koeffizienten sind verzerrt. Da in diesem Modell die Homoskedastizitätsannahme verletzt wird, werden anstelle der verzerrten Schätzer für die Standardfehler robuste Standardfehler verwendet (Stocker, 2014b). Multikollinearität bedeutet, dass zwei oder mehrere exogene Variablen hoch untereinander korreliert sind. Der Einfluss einzelner Variablen lässt sich schwer isoliert betrachten, wodurch hohe Standardfehler entstehen. Anhand des Variance Inflation Factor

15

(VIF) kann auf Multikollinearität geschlossen werden (Stocker, 2014a). In

diesem Modell sind keine Hinweise auf Multikollinearitätsprobleme gegeben. Im Anhang sind die relevanten Spezifikationstests aufgeführt (siehe Anhang B.1 und B.4). Das Ergebnis der Regression ist in Tabelle 17 dargestellt. Signifikante Unterschiede bestehen bei einem Signifikanzniveau von 5 % zwischen den Warenkorbumfängen von Kunden des SB-Warenhauses und von Kunden des SB-Warenhauses und Aldi. Der Unterschied in den Warenkörben von Kunden, die ausschließlich im SBWarenhaus einkaufen, und den Kunden, die zusätzlich im Discounter einkaufen, stellt in diesem Modell den Agglomerationseffekt dar. Es fließen in die Betrachtung ausschließlich Warenkörbe von Kunden ein, die in einer Agglomeration eingekauft haben. Alle betrachteten Kunden haben SB-Warenhäuser aufgesucht, die in direkter Nachbarschaft den Discounter Aldi vorweisen. Einige Kunden haben den Discounter jedoch nicht besucht. Es ist festzustellen, dass Kunden, die während einer Einkaufs-

15

VIFh = 1/ (1 – Rh²). Rh² ist das Bestimmtheitsmaß einer Hilfsregression (Stocker, 2014a).

54

tour nicht nur im SB-Warenhaus sondern auch in der benachbarten Aldi-Filiale einkaufen, c.p. einen im Mittel um 2,8 Artikel geringeren Warenkorb aufweisen, als Kunden, die ausschließlich das SB-Warenhaus besuchen. Kunden, die ausschließlich das SB-Warenhaus besuchen, kaufen demnach größere Warenkörbe im SBWarenhaus als Kunden, die zwei benachbarte Anbieter besuchen. Ob ein Kunde bei einem oder mehreren Anbietern während einer Einkaufstour einkauft, ist nicht der einzige Grund, warum Unterschiede in den Warenkorbumfängen auftreten. Die Kauffrequenz weist einen statistisch signifikanten Einfluss auf den Warenkorbumfang auf. Steigt die Kauffrequenz, gemessen an der Anzahl der Geschäftsbesuche in den vergangenen zwei Wochen, um eine Einheit, verringert sich der Warenkorbumfang c.p. im Mittel um 0,539 Artikel. Ebenfalls einen signifikanten Einfluss hat die Haushaltsgröße auf den Warenkorbumfang. Steigt die Anzahl der Personen in einem Haushalt um eine Person, vergrößert sich der Warenkorbumfang c.p. im Mittel um 1,419 Artikel. Zusätzlich wird die Anzahl der Artikel in einem Warenkorb davon beeinflusst, ob eine Frau oder ein Mann den Einkauf tätigt. Die Warenkörbe von Frauen enthalten c.p. im Mittel 3,733 Artikel mehr als Warenkörbe von Männern. Die Entfernung vom besuchten SB-Warenhaus zum Wohnhaus des Kunden wirkt sich negativ auf den Warenkorbumfang aus. Pro zusätzlichem Kilometer verringert sich der Warenkorbumfang c.p. im Mittel um 0,011 Artikel. Das Alter des Kunden und das mittlere Pro Kopf Einkommen beeinflussen den Warenkorbumfang nicht signifikant. Nach der Schätzung der Regressionsfunktion folgt eine Überprüfung der Modellgüte, d.h. wie gut sie als Modell der Realität dient. Das Bestimmtheitsmaß (R²) misst die Güte der Anpassung der Regressionsfunktion an die empirischen Daten und wird als Anteil „erklärter Variation“ verstanden (Backhaus, et al., 2003, p. 54ff.; Kohler & Kreuter, 2008, p. 200). Es kann alle Werte zwischen 0 und 1 annehmen. Je näher das R² bei 1 liegt, desto besser wird die Variabilität der endogenen Variable durch die Regression erklärt (Fahrmeir, et al., 2004, p. 498). In Modell 1 beträgt das R² 0,1124. Somit werden 11,24 % der Variation des Warenkorbumfangs durch das Modell erklärt. Zur Überprüfung der Gesamtsignifikanz des Modells wird ein F-Test herangezogen. Die F-Statistik gibt Auskunft darüber, ob das geschätzte Modell über die Stichprobe hinaus auch für die Grundgesamtheit Gültigkeit besitzt. Streuungskomponenten, sowie der Stichprobenumfang und die Zahl der exogenen Variablen gehen in die Berechnung der F-Statistik ein. Da der P-Wert des F-Tests kleiner als 0,05 ist, kann die Nullhypothese, dass alle Regressionskoeffizienten gleich Null sind, verworfen werden. Das Modell ist gesamtsignifikant. Der Standardfehler der Schätzung (root mean square error, Root MSE) gibt an, welcher mittlere Fehler bei Verwendung der Re55

gressionsfunktion zur Schätzung der endogenen Variablen gemacht wird und dient ebenso der Prüfung der Regressionsfunktion (siehe Tabelle 17) (Backhaus, et al., 2003, p. 68ff.). Tabelle 17: Regressionsergebnis der Schätzung des Warenkorbumfanges und des Warenkorbwertes (Modell 1 und 2)

Abhängige Variable:

Modell 1

Modell 2

Warenkorbumfang

Warenkorbwert

233 4,07 0,000 0,1124 9,8695

232 6,59 0,000 0,1501 17,906

n F (7, 225), F (7, 224) Prob > F R² Root MSE

Koeffizient Einkauf bei Aldi Kauffrequenz Haushaltsgröße Alter Mittleres Pro Kopf Einkommen Entfernung vom besuchten SB-Warenhaus zum Wohnort

robuster robuster Koeffizient Standardfehler Standardfehler

-2,803 ** -0,539 *** 1,419 ** 0,033

1,354 0,539 1,419 0,033

-1,742 -1,119 *** 2,440 ***

2,528 0,296 0,933

0,001

0,001

0,004 **

0,002

-0,011 **

0,005

Geschlecht 3,733 *** 1,259 Stellenwert dauerhaft -2,630 ** 1,074 günstiger Produkte Stellenwert des one1,579 1,195 stop shoppings Stellenwert der Frische2,704 ** 0,891 theke Intercept 9,153 *** 3,306 12,766 * 7,671 *: signifikant bei α=0,1, **: signifikant bei α=0,05, ***: signifikant bei α=0,01 Quelle: eigene Berechnung auf Basis der Warenkorbdaten 2012

In Modell 2 (siehe Tabelle 17) stellt der Warenkorbwert die endogene Variable dar. Die Kauffrequenz hat, wie im vorigen Modell, einen signifikanten negativen Einfluss auf den Warenkorbwert. Eine Steigerung der Kauffrequenz um eine Einheit hat c.p. eine Verringerung des Warenkorbwertes von im Mittel 1,12 Euro zur Folge. Zudem weist die Haushaltsgröße einen statistisch signifikanten Einfluss auf den Warenkorbwert auf. Eine zusätzliche im Haushalt lebende Person erhöht c.p. den Warenkorbwert im Mittel um 2,44 Euro. Das mittlere Pro-Kopf-Einkommen eines Haushaltes, der Stellenwert von günstigen Lebensmitteln und der Stellenwert der Frischetheke haben bei einem Signifikanzniveau von 5 % einen signifikanten Einfluss auf den Warenkorbwert. Bei einer Steigerung des mittleren monatlichen Pro-Kopf-Einkommens von 56

100 Euro, steigt der Wert des Warenkorbes c.p. im Mittel um 40 Cent. Stimmen Kunden der Aussage, dass es ihnen beim Einkauf von Lebensmitteln besonders wichtig ist, dass sie immer günstig einkaufen können, stärker zu, verringert sich der mittlere Warenkorbwert c.p. um 2,63 Euro16. Einen positiven Einfluss hat der Stellenwert der Frischetheke auf den Warenkorbwert. Stimmen Kunden der Aussage, dass es ihnen beim Einkauf von Lebensmitteln besonders wichtig ist, dass sie frische Produkte (wie z.B. Fleisch) an der Theke kaufen können, stärker zu, erhöht sich der Warenkorbwert im Mittel und c.p. um 2,70 Euro. Ob es Kunden wichtig ist, dass sie alle Produkte, die sie kaufen möchten, in einem Geschäft erhalten, hat keinen signifikanten Einfluss auf den Warenkorbwert. Da auch dieses Modell die Homoskedastizitätsannahme verletzt, wurden robuste Schätzer verwendet. Multikollinearitäsprobleme sind nicht anzunehmen (siehe Tabelle B.2 und B.4 im Anhang). Auch Modell 2 ist gesamtsignifikant, da der P-Wert des F-Tests kleiner als 0,05 ist. 15 % der Variation der endogenen Variablen werden durch das Modell erklärt. In Modell 3 wird der Einfluss verschiedener exogener Variablen auf den mengenmäßigen Anteil an Sonderangeboten im Warenkorb (endogene Variable) untersucht. Der Anteil an Sonderangeboten im Warenkorb wird in Prozent angegeben und kann folglich die Werte Null bis Eins annehmen. Daher wird keine lineare, sondern eine logistische Regression angewendet. Der mengenmäßige Anteil an Sonderangeboten im Warenkorb wird nicht davon beeinflusst, ob ein Kunde während einer Einkaufstour ausschließlich im SB-Warenhaus einkauft oder zusätzlich den Discounter besucht. Der Sonderangebotsanteil im Warenkorb weist zwischen den zwei Kundengruppen keine signifikanten Unterschiede auf. Das mittlere Pro-Kopf-Einkommen weist zwar einen signifikanten Einfluss auf, der marginale Koeffizient beträgt jedoch Null. Die Wochenarbeitszeit wirkt sich negativ auf den Sonderangebotsanteil aus. Arbeiten die Kunden eine Stunde pro Woche zusätzlich, weisen die Warenkörbe einen um 0,5 % geringeren Anteil an Sonderangeboten als der mittlere Warenkorb auf. Mit zunehmendem Warenkorbumfang steigt der Sonderangebotsanteil im Warenkorb. Steigt der Warenkorbumfang um einen Artikel, nimmt der Sonderangebotsanteil im Warenkorb am Mittelwert um 3,7 % zu. Nimmt die Frischetheke für die Kunden einen um eine Einheit höheren Stellenwert ein, verringert sich der mengenmäßige Anteil an Sonderangeboten im Warenkorb gemessen am Mittelwert um 11,1 %. Stimmen die befragten Kunden der Aussage, dass sie gerne Handzettel lesen, stärker zu, steigt der Anteil an Sonderangeboten im Warenkorb gemessen am Mittelwert um 9,6 %. Die Haushaltsgröße sowie der Stellenwert von Sonderangeboten haben keinen statis16

Folgende Antwortmöglichkeiten standen den Befragten zur Verfügung: 1= „Ich stimme überhaupt nicht zu“; 2= „Ich stimme eher nicht zu“; 3= „Ich stimme teilweise zu“; 4= „Ich stimme eher zu“; 5= „Ich stimme voll und ganz zu“.

57

tisch signifikanten Einfluss auf den mengenmäßigen Anteil an Sonderangeboten im Warenkorb. Der Regressionsoutput und die marginalen Effekte am Mittelwert sind in Tabelle 18 zusammengefasst. Tabelle 18: Regressionsergebnis der Schätzung des mengenmäßigen Anteils an Sonderangeboten im Warenkorb (Modell 3)

Modell 3

n

Mengenmäßiger Anteil an Sonderangeboten im Warenkorb 205

LR chi²(8)

76,5

Prob > chi²

0,0000

Pseudo R²

0,2694

Abhängige Variable:

Logit-Koeffizient

Standardfehler

Marginaler Effekt

Einkauf bei Aldi 0,338 0,366 0,083 Haushaltsgröße 0,173 0,164 0,043 Mittleres Pro Kopf Ein0,001 ** 0,000 0,000 kommen Wochenarbeitszeit -0,019** 0,009 -0,005 Warenkorbumfang 0,149 *** 0,025 0,037 Stellenwert von Sonder0,118 0,160 0,029 angeboten Stellenwert der Frische-0,449*** 0,166 -0,111 theke Aussage: „Ich lese ger0,388 *** 0,133 0,096 ne Handzettel“ Intercept -2,685 ** 1,137229 *: signifikant bei α=0,1, **: signifikant bei α=0,05, ***: signifikant bei α=0,01 Quelle: eigene Berechnung auf Basis der Warenkorbdaten 2012

In Modell 3, für das eine logistische Regressionsanalyse durchgeführt wurde, kann die Hypothese, dass die exogenen Variablen keinen Erklärungsbeitrag leisten, abgelehnt werden, da die Wahrscheinlichkeit des Zutreffens dieser Hypothese Null beträgt. Es ist davon auszugehen, dass mindestens ein β-Koeffizient in der Grundgesamtheit nicht Null ist. Das Count R² (

) gibt den Anteil der insgesamt korrekt

vorhergesagten Beobachtungen an. Insgesamt wurden in Modell 3 78,05 % der Beobachtungen zutreffend klassifiziert.17 Mit der Kenntnis über die Verteilung der endogenen Variablen lässt sich ohne jegliches Wissen über die exogenen Variablen ein 17

= 0,7805 %. Der Klassifikationstabelle (siehe

Anhang B.5) ist zu entnehmen, dass ein hoher Wert für 103 Beobachtungen bestimmt wurde. In 82 Fällen war dies korrekt. Ein niedriger Wert wurde für 102 Beobachtungen bestimmt und in 78 Fällen wurden diese korrekt bestimmt. Insgesamt wurden somit 82+78=160 Beobachtungen korrekt vorhergesagt. Dies entspricht bei insgesamt 205 Beobachtungen einem Anteil von 78,05 % korrekt vorhergesagten Beobachtungen.

58

Teil der endogenen Variable korrekt klassifizieren. Um dies zu vermeiden, wird das sogenannte Adjusted Count R² (

) verwendet. Das

lässt sich aus

dem Vergleich der korrekten Klassifikationen anhand der Randverteilung und der korrekten Klassifikationen mit Kenntnis der exogenen Variablen berechnen.18 Das beträgt 55 %. Unter Kenntnis der exogenen Variablen verringern sich demnach die Fehler bei der Vorhersage um 55 % im Vergleich zur Vorhersage allein aufgrund der Randverteilung der endogenen Variable (Kohler & Kreuter, 2008, p. 279ff.).

18

)

= 0,5455. Die Werte entstammen der

Klassifikationstabelle B.5 im Anhang. n ist dabei die Anzahl des häufigsten Ergebnisses.

59

5 Schlussbetrachtung Anhand von gematchten Bon- und Befragungsdaten wurden das Einkaufsverhalten und soziodemografische Charakteristika zum einen von Kunden eines SBWarenhauses und zum anderen von Kunden eines SB-Warenhauses und dem Discounter Aldi, welche sich in direkter Nachbarschaft befinden, untersucht. Der Umfang der Warenkörbe wird davon beeinflusst, ob Konsumenten neben dem SB-Warenhaus auch den Discounter Aldi besuchen, wie häufig sie einkaufen, wie viele Personen in den Haushalten wohnen und ob die Person, die die Einkäufe tätigt, männlich oder weiblich ist. Die Wirkungsrichtungen dieser vier signifikanten Variablen unterstützen die zuvor aufgestellten Hypothesen. Kunden, die im SB-Warenhaus und bei Aldi einkaufen, weisen geringere Warenkorbumfänge auf als Kunden, die ausschließlich im SB-Warenhaus einkaufen. Supermärkte und Discounter stiften den Konsumenten auf verschiedene Weise Nutzen. Daher sprechen sie auch unterschiedliche Konsumentensegmente an. Eine vollständige Differenzierung der Sortimente ist nicht möglich. So entstehen Überlappungen der Sortimente zweier Anbieter, welche damit in einem Interformatwettbewerb stehen (Cleeren, et al., 2010, p. 458f.). Der Einkauf beim Discounter in einer Agglomeration hat in diesem Fall eine Schmälerung der Warenkörbe der Kunden im SB-Warenhaus zur Folge. Einige Kunden besuchen die Agglomeration jedoch primär, um im Discountmarkt einzukaufen. Diese Kunden kaufen im SB-Warenhaus möglicherweise nur Waren, die im Discounter nicht erhältlich sind. Wäre das SB-Warenhaus in diesem Fall ein Stand-AloneMarkt, würden diese Kunden das SB-Warenhaus nicht besuchen. Das SBWarenhaus profitiert somit in dieser Situation von der räumlichen Nähe zum Discounter. Eine Steigerung der Kauffrequenz führt zu einer Verteilung der gesamten nachgefragten Menge auf viele Warenkörbe. Die Umfänge der einzelnen Warenkörbe werden dadurch reduziert. Größere Haushalte weisen im Vergleich zu kleineren Haushalten umfangreichere Warenkörbe auf. Frauen kaufen größere Mengen als Männer. Die Entfernung des besuchten SB-Warenhauses zum Wohnort der Kunden beeinflusst den Warenkorbumfang, anders als erwartet, wenn auch nur gering, negativ. Möglicherweise befindet sich in einigen Fällen der Standort der Agglomeration nahe des Arbeitsplatzes der Kunden und ist daher für diese gut erreichbar. Für diese Kunden ist die Entfernung des Geschäftes zum Wohnort von untergeordneter Rolle. In Modell 2 wird der Warenkorbwert, anders als zuvor der Warenkorbumfang, nicht davon beeinflusst, ob die Kunden neben dem SB-Warenhaus auch den Discounter besuchen. Wie in Modell 1 gezeigt wurde, kaufen Kunden des SB-Warenhauses und Aldi im SB-Warenhaus Warenkörbe mit geringerem Umfang. Die Werte der Warenkörbe zwischen den Kunden des SB-Warenhauses und den Kunden beider Anbieter 60

unterscheiden sich jedoch nicht. Möglicherweise fragen Kunden beider Anbieter im SB-Warenhaus höherwertige Waren nach. Zu diesem Resultat kamen auch Zhu et al. (2011). Sie konnten nachweisen, dass nach Markteintritt eines Discounters im benachbarten Geschäft der Umsatz von verschiedenen Lebensmitteln, Fleisch und Delikatessen, die nicht beim Discounter erhältlich waren, gestiegen ist (Zhu, et al., 2011, p. 149). Alle signifikanten exogenen Variablen weisen den zuvor vermuteten Einfluss auf den Warenkorbwert auf. Die Kauffrequenz hat einen negativen Einfluss auf den Warenkorbwert. Kunden, die Wert auf dauerhaft günstige Lebensmittel legen, geben auch tatsächlich weniger Geld für Lebensmittel aus. Größere Haushalte und Kunden, für die die Frischetheke von hohem Stellenwert ist, kaufen Warenkörbe von höherem Wert. Das Pro-Kopf-Einkommen hat einen nur sehr geringen positiven Einfluss auf den Warenkorbwert. Die Gewinnmargen bei Sonderangeboten sind für traditionelle LEH sehr gering. Daher besteht für traditionelle LEH bei Standortallianzen mit Discountern die Gefahr, dass Konsumenten nur kurzfristige tiefpreisige Sonderangebote beim traditionellen LEH kaufen und alle weiteren Produkte im Discounter. In Modell 3 wurden keine Unterschiede zwischen den Sonderangebotsanteilen in Warenkörben von Kunden des SB-Warenhauses und Kunden des SB-Warenhauses und Aldi festgestellt. Kunden, die

bei beiden Anbietern einkaufen, sind demnach nicht unlukrativ für das SB-

Warenhaus. Das Gegenteil kann hier angenommen werden: Sie neigen dazu, hochwertige Produkte zu kaufen, die der Discounter eventuell nicht anbietet. Diese Aussage wird durch die Ergebnisse von Modell 2 und die Erkenntnis, dass unter den Kunden des Discounters und des SB-Warenhauses keine cherry picker, mit einem Anteil von über 75 % Sonderangeboten am Warenkorb, existieren, bestärkt. Die mengenmäßigen Anteile an Sonderangeboten in Warenkörben von Kunden des SBWarenhauses und Kunden beider Anbieter unterscheiden sich nicht voneinander. Kunden, die maximal 50 % Sonderangebote kaufen, geben pro Warenkorb mehr Geld aus als Kunden, deren Warenkörbe zu über 50 % aus Sonderangebote bestehen. Ca. 91 % aller Kunden kaufen weniger als 50 % Sonderangebote. Demzufolge haben die in dieser Fallstudie untersuchten SB-Warenhäuser, die sich in direkter Nachbarschaft zu Discountern befinden, nicht zu befürchten, dass sie, aufgrund von unprofitablen cherry pickern, hohe Umsatzeinbußen generieren. Sie profitieren von der Nähe zum Discounter, da multi-purpose shopper neben dem Discounter auch das SB-Warenhaus besuchen. Dass die Agglomeration eine Vergrößerung des Einzugsgebietes der Kunden bewirkt, kann in dieser Fallstudie jedoch nicht bestätigt werden. Traditionelle LEH und Discounter können von asymmetrischen Agglomerationseffekten betroffen sein. Während Discountmärkte von einer Agglomeration profitieren, 61

können traditionelle LEH aufgrund der Agglomeration Nachteile erhalten und vice versa (Fox, et al., 2007, p. 5). Da in dieser Arbeit ausschließlich Warenkörbe des SBWarenhauses untersucht wurden, können mögliche Agglomerationseffekte ausschließlich für die SB-Warenhäuser untersucht werden. Eine gleichzeitige Warenkorbanalyse von Kunden des Discounters würde zusätzlich Aufschluss über die Agglomerationseffekte des Discounters geben, welche ich dieser Studie aufgrund der Datengrundlage nicht berücksichtigt werden konnten. Ob der Absatz gewisser Produktkategorien durch das Vorhandensein eines konkurrierenden Anbieters in direkter Nachbarschaft beeinflusst wird, wie bspw. in der Studie von Zhu et al. (2005) gezeigt werden konnte, könnte durch eine weitere Analyse der Warengruppen in Warenkörben der zwei Kundengruppen herausgefunden werden. Warenkorbanalysen sind nur bedingt geeignet, um die Effekte einer Agglomeration zu untersuchen. Um die exakten Folgen einer Agglomeration analysieren zu können, wäre eine Analyse der Umsätze, Gewinne, Kundenbesuche etc., vor und nach Markteintritt des benachbarten Konkurrenten, aller von der Agglomeration betroffenen Anbieter, erforderlich.

62

Literaturverzeichnis Ailawadi, K. L., Neslin, S. A. & Gedenk, K., 2001. Pursuing the value-conscious consumer: Store brands versus national brand promotions. Journal of Marketing, Januar, 65(1), pp. 71-89. Backhaus, K., Erichson, B., Plinke, W. & Weiber, R., 2003. Multivariate Analysemethoden. Eine anwendungsorientierte Einführung. Berlin Heidelberg: SpringerVerlag. Baugesetzbuch, 2013. Baugesetzbuch (BauGB). Baunutzungsverordnung, 1990. Verordnung über die bauliche Nutzung der Grundstücke. Bell, D. R. & Lattin, J. M., 1998. Shopping Behavior and Consumer Preference for Store Price Format: Why "Large Basket" Shoppers Prefer EDLP. Marketing Science, 17(1), pp. 66-88. Bester, H., 1998. Quality uncertainty mitigates product differentiation. RAND Journal of Economics, 29(4), pp. 828-844. Blattberg, R., Buesing, T. & Sen, S., 1978. Identifying the Deal Prone Segment. Journal of Marketing Research, August, 15(3), pp. 369-377. Bundesgesetzblatt Teil I Nr.66, 2013. Gesetz zur Bekämpfung von Preismissbrauch im Bereich der Energieversorgung und des Lebensmittelhandels. Bonn: Bundesanzeiger Verlag. Büning, H. & Trenkler, G., 1994. Nichtparametrische statistische Methoden. Berlin; New York: de Gruyter. Chung, W. & Kalnins, A., 2001. Agglomeration effects and performance: a test of the Texas lodging industry. Strategic Management Journal, 22(10), pp. 968-988. Cleeren, K., Verboven, F., Dekimpe, M. G. & Gielens, K., 2010. Intra- and Interformat Competition Among Discounters and Supermarkets. Marketing Science, MaiJuni, 29(3), pp. 456-473. Datta, S. & Sudhir, K., 2008. Sleeping with the "Frenemy": The AgglomerationDifferentiation Tradeoff in Spatial Location Choice. Working Paper. De Palma, A., Ginsburgh, V., Papageorgiou, Y. Y. & Thisse, J.-F., 1985. The Principle of Minimum Differentiation Holds under Sufficient Heterogeneity. Econometrica, Juli, 53(4), pp. 767-781. Deleersnyder, B., Dekimpe, M. G., Steenkamp, J.-B. E. M. & Koll, O., 2007. Win-win strategies at discount stores. Journal of Retailing and Consumer Services, 14(9), pp. 309-318. Deleersnyder, B. & Koll, O., 2012. Destination discount: a sensible road for national brands?. European Journal of Marketing, 46(9), pp. 1150-1170. Eaton, C. & Lipsey, R., 1989. Product differentiation. In: R. Schmalensee & R. Willig, Hrsg. Handbook of Industrial Organization. Amsterdam: Elsevier, pp. 723-768. 63

Engel, E., 1857. Die Productions- und Consumtionsverhältnisse des Königreichs Sachsens. Zeitschrift des statistischen Bureaus des Königlich Sächsischen Ministerium des Inneren, Band 8 und 9. Fahrmeir, L., Künstler, R., Pigeot, I. & Tutz, G., 2004. Statistik. Springer-Verlag. Fischer, J. H. & Harrington, Jr., J. E., 1996. Product variety and firm agglomeration. RAND Journal of Economics, 27(2), pp. 281-309. Fox, E. J. & Hoch, S. J., 2005. Cherry-Picking. Journal of Marketing, Januar, Band 69, pp. 46-62. Fox, E. J., Montgomery, A. L. & Lodish, L. M., 2004. Consumer Shopping and Spending across Retail Formats. The Journal of Business, April, 77(S2), pp. S25-S60. Fox, E. J., Postrel, S. & McLaughlin, A., 2007. The Impact of Retail Location on Retailer Revenues: An Empirical Investigation, Dallas. Ghosh, A., 1986. The Value of a Mall and Other Insights from a Revised Central Place Model. Journal of Retailing, März, 62(1), pp. 79-97. Ghosh, A. & McLafferty, S. L., 1987. Location Strategies for Retail and Service Firms. Lexington: Lexington Books. Gonzáles-Benito, Ó., Muñoz-Gallego, P. A. & Kopalle, P. K., 2005. Asymmetric competition in retail store formats: Evaluating inter- and intra-format spatial effects. Journal of Retailing, 81(1), pp. 59-73. Heinritz, G., Klein, K. E. & Popp, M., 2003. Geografische Handelsforschung. Berlin: Borntraeger. Henning, A. & Schneider, W., 2013a. Gabler Wirtschaftslexikon. [Online] Available at: http://wirtschaftslexikon.gabler.de/Archiv/124957/supermarktv5.html [Zugriff am 08. August 2013]. Henning, A. & Schneider, W., 2013b. Gabler Wirtschaftslexikon. [Online] Available at: http://wirtschaftslexikon.gabler.de/Archiv/121166/verbrauchermarkt-v7.html [Zugriff am 08. August 2013]. Henning, A. & Schneider, W., 2013c. Gabler Wirtschaftslexikon. [Online] Available at: http://wirtschaftslexikon.gabler.de/Archiv/56446/selbstbedienungswarenhausv5.html [Zugriff am 08. August 2013]. Hoch, S. J., Kim, B., Montgomery, A. & Rossi, P., 1995. Determinants of store-level price elasticity. Journal of Marketing Research, 32(1), pp. 17-29. Hoffmann, A., 2012. Preiswettbewerb im deutschen Lebensmitteleinzelhandel: Empirische Analysen anhand von Scannerdaten. Kiel. 64

Hotelling, H., 1929. Stability in Competition. The Economic Journal, März, 39(153), pp. 41-57. Ifh (Institut für Handeslforschung), 2006. Katalog E-Definitionen zu Handel und Distribution. Köln. Jürgens, U., 2012. Discounter versus Supermarkt? Untersuchungen in SchleswigHolstein. Angewandte Geographie, Issue 36, pp. 11-16. Kohler, U. & Kreuter, F., 2008. Datenanalyse mit Stata. Allgemeine Konzepte der Datenanalyse und ihre praktische Anwendung. 3. Hrsg. München: Oldenbourg. Lal, R. & Rao, R. C., 1997. Supermarket Competition: The Case of Everyday Low Pricing. Marketing Science, 16(1), pp. 60-80. Lerner, A. P. & Singer, H. W., 1937. Some Notes on Duopoly and Spatial Competition. Journal of Political Economy, April, 45(2), pp. 145-186. Levy, M. & Weitz, B. A., 2004. Retailing Management. 5 Hrsg. New York: McGrawHill/Irwin. Loy, J.-P., Wocken, M. & Meeder, M., 2011. Verlesungsskript Quantitative Methoden der Marktanalyse, Kiel. Metro Group, 2011. Vertriebsmarken. Metro Group. [Online] Available at: www.metrogroup.de [Zugriff am 22. August 2012]. Müller-Hagedorn, L., 1998. Der Handel. Stuttgart: Kohlhammer. Müller-Hagedorn, L., 2005. Handelsmarketing. Stuttgart: Kohlhammer. Nielsen, A., 2007. Universen. [Online] Available at: http://www.creaone.com/fileadmin/pdf-files/Universen07.pdf [Zugriff am 08. August 2013]. Otto, F., 2006. Supermärkte, Verbrauchermärkte, SB-Warenhäuser. Erscheinungsformen und künftige Entwicklung. In: J. Zentes, Hrsg. Handbuch Handel –Strategien, Perspektiven, Internationaler Wettbewerb. Wiesbaden: Gabler, pp. 441-452. Overfeld, K. & Jahn, O., 2009. Standortfaktoren für das Rating von Einzelhandelsimmobilien. In: O. Everling, O. Jahn & E. Kammermeier, Hrsg. Rating von Einzelhandelsimmobilien. Qualität, Potentiale und Risiken sicher bewerten. Wiesbaden: Gabler, pp. 423-438. Pfeiffer, E., 2010. Lebensmitteldiscounter. [Online] Available at: http://stalys.de/data/ld03.htm [Zugriff am 08. August 2013]. Picone, G. A., Ridley, D. B. & Zandbergen, P. A., 2009. Distance decreases with differentiation: Strategic agglomeration by retailers. International Journal of Industrial Organization, Issue 27, pp. 463-473. 65

Piekenbrock, D., 2013. Gabler Wirtschaftslexikon. [Online] Available at: http://wirtschaftslexikon.gabler.de/Archiv/54259/substitutionseffekt-v4.html [Zugriff am 25. März 2014]. Popkowski Leszczyc, P. T., Sinha, A. & Saghal, A., 2004. The effect of multi-purpose shopping on pricing and location strategy for grocery stores. Journal of Retailing, Band 80, pp. 85-99. Procher, V. & Vance, C., 2013. Who Does the Shopping? - German Time-use Evidence, 1996-2009. Ruhr Economic Papers. Rajiv, S., Dutta, S. & Dhar, S. K., 2002. Asymmetric store positioning and promotional advertising strategies: Theory and evidence. Marketing Science, 21(1), pp. 7496. Sauter, M. M., 2005. Großflächige Einzelhandelsbetriebe: Ein Paradigma zwischen freier Standortwahl, staatlicher Reglementierung und zufriedenen Verbrauchern. Wiesbaden: Deutscher Universitäsverlag. Schulte, K.-W., 2005. Immobilienökonomie. Betriebswirtschaftliche Grundlagen. Köln. Spiller, A., Zühlsdorf, A. & Voss, J., 2009. agrifood.kompakt Fleischindustrie 03/09, Göttingen: Agrifood Consulting GmbH. Stadt Gelsenkirchen, 2013. Glossar: Festsetzungen in Bebauungsplan. [Online] Available at: www.stadtplanung.gelsenkirchen.de [Zugriff am 15. Januar 2014]. Stocker, H., 2014a. Kapitel 10: Multikollinearität. Methoden der Empirischen Wirtschaftsforschung. [Online] Available at: http://www.uibk.ac.at/econometrics/einf/kap08.pdf [Zugriff am 27. Februar 2014]. Stocker, H., 2014b. Kapitel 11: Heteroskedastizität. Methoden der Empirischen Wirtschaftsforschung. [Online] Available at: http://www.uibk.ac.at/econometrics/einf/11p.pdf [Zugriff am 27. Februar 2014]. Stocker, H., 2014c. Kapitel 2: Grundlagen der deskriptiven Regressionsanalyse. Methoden der Empirischen Wirtschaftsforschung. [Online] Available at: http://www.uibk.ac.at/econometrics/einf/kap02_ols.pdf [Zugriff am 28. Februar 2014]. Stouffer, S. A., 1940. Intervening Opportunities: A Theory of Relating Mobility and Distance. American Sociological Review, Dezember, Band 5, pp. 845-867. Talukdar, D., Gauri, D. K. & Grewal, D., 2010. An Empirical Analysis of the Extreme Cherry Picking Behavior of Consumers in the Frequently Purchased Goods Market. Journal of Retailing, Dezember, 86(4), pp. 336-354. The Nielsen Company, 2011. Handel Verbraucher Werbung. Deutschland 2011. [Online] 66

Available at: http://www.nielsen.com/content/dam/corporate/de/Deutsch/downloads/2011/Ni elsen-D2011-internet.pdf [Zugriff am 06. August 2013]. Tietz, B., 1994. Zukunftsaspekte der Handelssysteme. In: Handelsforschung: Jahrbuch der FfH Berlin. Köln: Institut für Marktforschung GmbH. TradeDimensions, 2012a. Die TOP 30 Food-Unternehmen des Lebensmittelhandels 2011, Frankfurt. TradeDimensions, 2012b. Die TOP 30 des Lebensmittelhandels 2011. UmsatzVeränderungen zum Vorjahr, Frankfurt. Uttke, A., 2009. Supermärkte und Lebensmitteldiscounter. Wege der städtebaulichen Qualifizierung. Dortmund: Verlag Dorothea Rohn. Van Heere, H. J., Gijsbrechts, E. & Pauwels, K., 2008. Winners and losers in a major price war. Journal of Marketing Research, Oktober, 45(5), pp. 499-518. Wagner, T., 2005. Consumer shopping motivation as a basis for retail differentiation. A cross-contextual and hierarchical investigation, Bamberg. Weber, M., 2011. Profilierungsstrategien als Reaktion aus sparende KonsumentenDer Einfluss einer Sparnotwendigkeit auf das Käuferverhalten, Gerlafingen. Zhu, T., Singh, V. & Dukes, A., 2011. Local competition, entry, and agglomeration. Quantitative Marketings and Economics, Juni, 9(2), pp. 129-154.

67

Anhang

30 10

20

Prozent

30 20 0

0

10

Prozent

40

40

50

A Abbildungen

50 100 Anzahl der Artikel im Warenkorb

150

0

100 200 300 Warenkorb-Wert in Euro

400

40

Prozent

.2

0

0

20

.1

Prozent

60

.3

80

0

0

20 40 60 80 Wertmäßiger Anteil an SA im WK [%]

100

0 20 40 60 80 Mengenmäßiger Anteil an SA im WK [%]

100

Abbildung A.1: Verteilungsfunktionen der exogenen Variablen

40 0

0

20

Residuals

40 20

-20

-20

Residuals

60

80

60

Quelle: Eigene Darstellung auf Basis der Warenkorbdaten 2012

0

10

20 Fitted values

30

40

0

5

10 Fitted values

15

20

Abbildung A.2: Residuals-vs.- Fitted-Plot des Warenkorbumfangs und des Warenkorbwertes

Quelle: eigene Darstellung auf Basis der Warenkorbdaten 2012 Legende:

Links: Residuals-vs.-Fitted-Plot des Warenkorbumfangs Rechts: Residuals-vs.-Fitted-Plot des Warenkorbwertes

68

B Tabellen Tabelle B.19: Korrelationsmatrix von Modell 1 Modell 1

WKUmfang

Einkauf bei Aldi

Kauffrequenz

HHGröße

Alter

Mittleres Pro Kopf Einkommen

Entfernung

Geschlecht

WK-Umfang

1,0000

Einkauf bei Aldi

-0,0999

1,0000

Kauffrequenz

-0,2246

-0,0081

1,0000

0,0837

0,0442

0,1228

1,0000

-0,0074

0,1196

0,0197

-0,3390

1,0000

0,0223

-0,0739

-0,0848

-0,4711

0,3711

1,0000

Entfernung

-0,0606

-0,0700

-0,0213

-0,0633 -0,1003

0,0131

1,0000

Geschlecht

0,1818

0,0765

-0,0852

-0,0280 -0,0346

-0,0175

-0,1228

1,0000

Stellenwert Mittleres dauerhaft Pro Kopf günstiger Einkommen Produkte

Stellenwert des onestop shoppings

Stellenwert der Frischetheke

HH-Größe Alter Mittleres Pro Kopf Einkommen

Quelle: eigene Berechnung auf Basis der Warenkorbdaten 2012

Tabelle B.20: Korrelationsmatrix von Modell 2

Modell 2

WK-Wert Einkauf bei Aldi

WKWert

Einkauf bei Aldi

KaufHHfrequenz Größe

1 -0,0786

1

Kauffrequenz -0,2515

-0,0087

1

0,0606

0,0408

0,1222

HH-Größe

1

Mittleres Pro Kopf Einkommen Stellenwert dauerhaft günstiger Produkte Stellenwert des one-stop shoppings

0,1182

-0,0685

-0,1732

0,1139

0,1206

0,0163

-0,1201

1

0,0529

-0,0739

0,0340

0,0384

-0,0387

0,3205

1

Stellenwert der Frischetheke

0,1653

-0,0685

0,0751

0,0228

0,1063

0,0020

0,0801

-0,0838 -0,4659

1

1

Quelle: eigene Berechnung auf Basis der Warenkorbdaten 2012

69

Tabelle B.3: Korrelationsmatrix von Modell 3 Mengenmäßiger Einkauf Anteil an bei Aldi SA im WK

Modell 3

Mengenmäßiger Anteil an SA im WK

"Ich StellenMittleres Wochen- lese wert der WKPro Kopf arbeits- gerne Frische- Umfang Einkommen zeit Handtheke zettel"

HHGröße

1

Einkauf bei Aldi

0,0421

1

HH-Größe

0,0588

0,0207

Mittleres Pro Kopf Einkommen

0,0493 -0,0680 -0,4569

1

Stellenwert der Frischetheke

-0,1824 -0,1024 -0,0007

0,1754

1

WK-Umfang Wochenarbeitszeit

Stellenwert von SA

1

0,1006 -0,0892

0,0719

0,0258

0,0692

1

-0,1355 -0,1140

0,1470

-0,0078

-0,0356

0,0248

1

"Ich lese gerne Handzettel"

0,1776

0,0486

0,0394

-0,1087

0,1086 -0,1147

-0,0245

Stellenwert von SA

0,1871

0,1399

0,0705

-0,1086

0,1187 -0,0437

-0,0582 0,4437

1 1

Quelle: eigene Berechnung auf Basis der Warenkorbdaten 2012

Tabelle B.4: Spezifikationstests der Modelle 1 und 2

Abhängige Variable:

Modell 1

Modell 2

Warenkorbumfang

Warenkorbwert

Breusch-Pagan-Test auf Heteroskedastizität chi²(1) Prob > chi²

Einkauf bei Aldi Kauffrequenz Haushaltsgröße Alter Mittleres Pro Kopf Einkommen Entfernung vom besuchten SB-Warenhaus zum Wohnort

16,25 25,41 0,000 0,000 Varianz-Inflations-Index zur Überprüfung von Multikollinearität VIF

1/VIF

VIF

1/VIF

1,04 1,03 1,37 1,27

0,958964 0,971163 0,728829 0,785825

1,03 1,04 1,3

0,966313 0,964309 0,767709

1,39

0,717939

1,32

0,755179

1,04

0,960348

70

Geschlecht Stellenwert dauerhaft günstiger Produkte Stellenwert des one-stop shoppings Stellenwert der Frischetheke Mean VIF

1,03

0,966897

1,17

1,17

0,853925

1,14

0,878168

1,03

0,966545

1,15

Quelle: eigene Berechnung auf Basis der Warenkorbdaten 2012

Tabelle B.5: Klassifikationstabelle (Modell 3)

True Classified

D

~D

Total

+ -

82 24

21 78

103 102

Total

106

99

205

Classified + if predicted Pr (D) >= .5 True D definded as m_anteil_hz1_wk ! = 0 Sensitivity Specificity Positive predictive value Negative predictive value

Pr ( +| D) Pr ( -| ~D) Pr ( D| +) Pr ( ~D| -)

77,36 % 78,79 % 79,61 % 76,47 %

False + rate for true ~D False - rate for true ~D False + rate for classified + False - rate for classified -

Pr ( +| ~D) Pr ( -| D) Pr ( ~D| +) Pr ( D| -)

21,21 % 22,64 % 20,39 % 23,53 %

Correctly classified

78,05 %

Quelle: eigene Berechnung auf Basis der Warenkorbdaten 2012

71

Tabelle B.6: Einkaufsgewohnheiten der Kundengruppen

Differenz

Signifikanz nach dem WilcoxonRangsummen-Test

3,05 (227)

0,31

**

„Ich schreibe immer eine 3,55 (116) Einkaufsliste“

2,70 (227)

0,85

***

„Wenn ich eine Liste habe, kaufe ich nichts, was nicht 2,23 (92) drauf steht“

2,38 (136)

-0,15

„Sonderangebote kaufe ich 3,02 (116) oft auch ungeplant“

2,88 (227)

0,14

„Ich kenne die Preise von 3,45 (116) Lebensmitteln sehr gut“

3,20 (227)

0,25

„Ich weiß, was die Lebensmittel in unterschiedlichen 2,88 (116) Geschäften kosten“

2,60 (225)

0,28

3,40 (227)

0,07

2,65 (227)

-0,08

2,32 (226)

0,19

„Ich probiere gerne ver3,17 (116) schiedene Marken aus“

3,18 (226)

0,01

„Ich kaufe die Marken, die 2,70 (116) im Sonderangebot sind“

2,44 (227)

0,26

**

„Ich warte auf Sonderange2,74 (116) bote“

2,38 (227)

0,36

**

2,93 (227)

0,39

**

2,00 (227)

0,33

*

Aussagen19

„Einkaufen macht Spaß“

Besucher des SBWarenhaus + Aldi

Besucher des SBWarenhaus

(n)

(n)

3,36 (116)

„Ich versuche Lebensmittel 3,47 (116) immer günstig zu kaufen“ „Ich bevorzuge Bioproduk2,57 (116) te“ „Ich bevorzuge Markenpro2,51 (116) dukte“

„Ich bevorrate mich mit 3,32 (116) Sonderangeboten“ „Ich gehe in das Geschäft mit den attraktivsten Son- 2,32 (114) derangeboten“ ***: =0,1; **: =0,05; *: =0,01

*

Quelle: eigene Berechnung auf Basis der Warenkorbdaten 2012

19

Die Befragten haben angegeben, wie stark sie den genannten Aussagen zustimmen. Die möglichen Antworten sind: 1= stimme überhaupt nicht zu; 2= stimme eher zu; 3= teils-teils; 4= stimme eher zu; 5= stimme voll und ganz zu.

72

Erklärung

Hiermit erkläre ich, dass ich die vorliegende Arbeit selbstständig und ohne fremde Hilfe angefertigt und keine anderen als die angegebenen Quellen und Hilfsmittel verwendet habe. Die eingereichte schriftliche Fassung der Arbeit entspricht der auf dem elektronischen Speichermedium. Weiterhin versichere ich, dass diese Arbeit noch nicht als Abschlussarbeit an anderer Stelle vorgelegen hat.

Kiel, den 31. März 2014

73