Erfolgsfaktoren einer E-Commerce-Website: Empirische Identifikation vertrauensfordernder Signale im Internet-Einzelhandel 3834923184, 9783834923189

Citation preview

Dennis Ahrholdt Erfolgsfaktoren einer E-Commerce-Website

GABLER RESEARCH Betriebswirtschaftliche Aspekte lose gekoppelter Systeme und Electronic Business Herausgegeben von Prof. Dr. Dr. h. c. Sönke Albers, Prof. Dr. Birgit Friedl, Prof. Dr. Mark Heitmann, Prof. Dr. Achim Walter, Prof. Dr. Joachim Wolf, Institut für Betriebswirtschaftslehre, Christian-Albrechts-Universität zu Kiel Prof. Dr. Udo Konradt, Institut für Psychologie, Christian-Albrechts-Universität zu Kiel

In der Schriftenreihe werden Ergebnisse von Forschungsarbeiten veröffentlicht, die sich in herausragender Weise mit Fragen des Managements lose gekoppelter Systeme, virtueller Unternehmen und elektronischer Geschäftsprozesse beschäftigen. Die Reihe richtet sich an Leser in Wissenschaft und Praxis, die Anregungen für die eigene Arbeit und Problemlösungen suchen. Sie ist nicht auf Veröffentlichungen aus den Instituten der Herausgeber beschränkt.

Dennis Ahrholdt

Erfolgsfaktoren einer E-Commerce-Website Empirische Identifikation vertrauensfördernder Signale im Internet-Einzelhandel Mit einem Geleitwort von Prof. Dr. Wolfgang Brüggemann

RESEARCH

Bibliograische Information der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliograie; detaillierte bibliograische Daten sind im Internet über abrufbar.

Dissertation Universität Hamburg, 2009

1. Aulage 2010 Alle Rechte vorbehalten © Gabler Verlag | Springer Fachmedien Wiesbaden GmbH 2010 Lektorat: Ute Wrasmann | Britta Göhrisch-Radmacher Gabler Verlag ist eine Marke von Springer Fachmedien. Springer Fachmedien ist Teil der Fachverlagsgruppe Springer Science+Business Media. www.gabler.de Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung außerhalb der engen Grenzen des Urheberrechtsgesetzes ist ohne Zustimmung des Verlags unzulässig und strafbar. Das gilt insbesondere für Vervielfältigungen, Übersetzungen, Mikroverilmungen und die Einspeicherung und Verarbeitung in elektronischen Systemen. Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten wären und daher von jedermann benutzt werden dürften. Umschlaggestaltung: KünkelLopka Medienentwicklung, Heidelberg Gedruckt auf säurefreiem und chlorfrei gebleichtem Papier Printed in Germany ISBN 978-3-8349-2318-9

V

Geleitwort Einkaufen per Mausklick – der Internethandel boomt. Solche und ähnliche Meldungen lassen sich regelmäßig in der aktuellen Tagespresse finden. In vielen Fällen wird davon berichtet, dass Steigerungen im Online-Handel Einbrüche im Katalog- oder Präsenzgeschäft sogar zu kompensieren vermögen. Dennoch sehen sich nicht nur kleinere und damit weniger bekannte Online-Einzelhändler immer noch der Problematik ausgesetzt, dass selbst bei ihnen akzeptabel erscheinenden Besucherzahlen in ihrer Internetpräsenz nur ein verhältnismäßig geringer Anteil dieser Besucher auch tatsächlich einen Kauf bei ihnen tätigt. Den Fragen, wie solche niedrigen so genannten Conversion-Rates einerseits zu erklären sind und wie diese ggf. verbessert werden können, widmet sich Dennis Ahrholdt in der vorliegenden Untersuchung. Dabei spielt die Ausbildung des Vertrauens als (vermutlich) essentielle Vorstufe der Kaufabsichtsausbildung im Online-Einzelhandel eine zentrale Rolle. Nun lässt sich diese Vertrauensbildung aber nur bestenfalls mittelbar beobachten, so dass für das Ziel, positive Einflüsse hierauf zu identifizieren, ein umfangreiches Theorie- und Methodengeflecht gebraucht und konsequent bereitgestellt wird. Dazu werden interdisziplinär unterschiedliche Theoriebereiche zusammengeführt und ein Wirkbeziehungsgeflecht mit der Zielgröße „überlegte vertrauensvolle Kaufabsicht“ entwickelt. Zur Quantifizierung der Wirkbeziehungen werden dabei die Strukturgleichungsmethodik und als Analysealgorithmus das Partial-Least Squares-Verfahren (PLS) benutzt. Ahrholdt deckt in der Theoriebildung umfassende Korrespondenzbeziehungen zwischen Einstellung und Vertrauen auf, die anschließend als Ansatzpunkt für die gelungene Integration des Vertrauens in die Theory of Planned Behavior (TPB) dienen. Die weitere inhaltliche Präzisierung und Spezifizierung des Vertrauensbegriffes erfolgt unter Beachtung der interdisziplinär uneinheitlichen Interpretationen über die Untersuchung der vertrauensbezogenen Einflussgrößen. Dabei werden die beiden Erscheinungsformen von Vertrauen (spontanes und überlegtes) betrachtet sowie das Vertrauen – in für den Untersuchungsgegenstand adäquater Weise – über die vertrauensrelevanten Erwartungen (Kompetenz, Integrität und Wohlwollende Intention) des Vertrauensgebers an den Vertrauensnehmer modelliert. Ferner wird eine Zwei-Komponenten-Struktur von Vertrauen in Form eines kognitiven Zustands als Aggregation der vertrauensrelevanten Erwartungen und einer (intendierten) interaktionalen Vertrauenshandlung des Vertrauensgebers herausgearbeitet. Die Einbettung dieser Größen in die TPB wird inhaltlich fundiert begründet vorgenommen. Mit Bezugnahme auf informationsökonomische Überlegungen und Erkenntnisse werden Signale der Einzelhandelswebsite als Einflussgrößen auf die oben erwähnten vertrauensrelevanten Erwartungen Kompetenz, Integrität und Wohlwollende Intention im Kontext der Erscheinungsform des überlegten Vertrauens identifiziert. Dabei wird aufgezeigt, dass Signale, nach denen der potentielle Käufer im Rahmen einer umfassenden Inspektion der Website zur Minderung des Informationsmangels sucht, als Informationssubstitute bezüglich der Qualität der Distanzhandelsdienstleistung fungieren können und damit das Potential besitzen, die Ausbildung der vertrauensrelevanten Erwartungen positiv zu beeinflussen. Ahrholdt liefert

VI mittels einer umfangreichen Literaturanalyse eine umfassende Übersicht potentieller Signale und zeigt hier sehr zutreffend widersprüchliche Ergebnisse hinsichtlich der Wirkung von Signalen auf. Ferner adaptiert er für den Online-Bereich eine Offline-Signaltypologisierung, die investitionstheoretische Aspekte einbezieht und integriert – auf Grundlage einer durchdachten kritischen Reflektion – die sich ergebenden Signalkonstrukte in das Wirkbeziehungsmodell. Zur Komplettierung des Wirkzusammenhangs findet eine Integration von 25 konkreten Signalen unter Verwendung der Ergebnisse einer Expertenbefragung statt. Das dann für die numerische Analyse zum Einsatz kommende Partial-Least-Squares- Verfahren wird methodisch sauber und didaktisch geschickt – inklusive eines kleinen, aber dafür sehr gut nachvollziehbaren numerischen Fallbeispiels mit synthetischen Daten – eingeführt. Die Symbiose aus geeigneter Methode und inhaltlichem Bezugsrahmen – und damit die Einlösung der Forschungsziele – gelingt im Rahmen der quantitativen Analyse des Wirkbeziehungsgeflechts zur Prognose der „überlegten vertrauensvollen Kaufabsicht“. Ein umfangreicher empirischer Datensatz, den Ahrholdt selbst mittels einer Online-Befragung generiert hat, stellt dabei die Grundlage der Analyse dar. Neben der Auswertung des Gesamtdatensatzes in einer Globaluntersuchung finden eine multiple Gruppenanalyse auf Basis der segmentierungsrelevanten Variablen „Bekanntheit des Online-Einzelhändlers“ und ferner eine Erweiterung des Grundmodells um ein „Image-Signal“ statt. Zudem wird auch der Einfluss des „Systemrisikos“ als Interaktionsvariable untersucht. Die sorgfältige und kritische Validierung der Ergebnisse zeigt eine sehr gute Eignung des inhaltlich theoretisierten Bezugsrahmens. Weitergehende Einblicke in die konsumentenseitige Signalpräferenzstruktur liefern eine Importance-Performance-Analysis sowie eine Gegenüberstellung der Signaltotaleffekte aus der PLS-Schätzung und der Signalwichtigkeitsbeurteilung aus einer direkten Signalpräferenzabfrage. Diese Ergebnisse sind sowohl aus der Perspektive des erzielten wissenschaftlichen Erkenntnisfortschritts bemerkenswert als auch für den Praktiker relevant, der sich einen – mindestens kurzfristigen – Wettbewerbsvorteil verschaffen möchte. Darüber hinaus identifiziert Ahrholdt zum Schluss seiner Arbeit weitere Aspekte und Forschungsfragen, die mit dem bereitgestellten Instrumentarium und den erhobenen Daten erfolgreich untersucht werden können und sollten. Insofern wünsche ich der Arbeit von Ahrholdt eine weite Verbreitung. Hamburg im Februar 2010

Prof. Dr. Wolfgang Brüggemann

VII

Danksagung 'as vorliegende Buch entstand während meiner Tätigkeit als Doktorand bei Prof. Dr. Wolfgang Brüggemann am Institut für Unternehmensforschung (Operations Research) der Universität Hamburg. Die Arbeit wurde im September 2009 als Dissertationsschrift angenommen und wäre nicht ohne die Begleitung, den Beistand und die Hilfe vieler Menschen möglich gewesen, bei denen ich mich an dieser Stelle herzlich bedanken möchte. Auf wissenschaftlicher Seite ist dies besonders mein Doktorvater Prof. Dr. Wolfgang Brüggemann, der mich von der ersten Idee für das Dissertationsprojekt an begleitet hat. Ich danke Dir, Wolfgang, herzlich für die wohlwollende, freundschaftliche Art, in der Du mir bspw. vollständigen thematischen Freiraum für das Forschungsvorhaben einräumtest, aber auch für die Förderung im Laufe seiner Entstehung durch die ständige Ansprechbarkeit, die sensible Motivation und vor allem die Schaffung einer vertrauensvollen und freundlichen Arbeitsatmosphäre. Das Gefühl, geschätzt zu werden und jegliche Arbeit gewürdigt zu wissen, war die Basis für den Spaß an der Arbeit am Institut – Danke! Prof. Dr. Michel Clement möchte ich ebenfalls sehr danken für die Zweitbegutachtung der Arbeit und die kompetenten Anregungen im Rahmen ihrer Entstehung, die zusammen mit seinem offenen, lebensbejahenden Auftreten inspirierend wirkten. Ein Dank gilt auch Herrn Prof. Dr. Henrik Sattler, der spontan bereit war, den Prüfungsausschussvorsitz zu übernehmen und außerdem durch die Betreuung meiner Diplomarbeit einen ersten Impuls gab, der mein Interesse an wissenschaftlicher Forschung weckte. Herrn PD Dr. Christian Ringle sei hier ebenso für die intensiv geführten (Smart)PLS-Diskussionen gedankt. Absolut nicht zu vergessen ist an dieser Stelle mein Kollegium um Dr. Mareike Bauer, Hanne Hasenkamp und Nils Kemme. Ihr drei ließt gemeinsam auf dem von Wolfgang bereiteten Feld Flachs und Kollegialität wachsen. Ein besonderes Dankeschön gilt meinen „UrKolleginnen“, die mich über Jahre in vielfältiger Weise unterstützt haben und mir in dieser Zeit zu freundschaftlichen Vertrauten geworden sind. Die Ergänzung mit Dir, Mareike, war einfach (und) klasse und dies nicht nur, weil „Mareike fragen“ meist schneller ging als „selbst suchen“; Hanne, Deine immer sanftmütige Unterstützung auch in der Endphase des Projektes nicht nur als „Rechtschreibfee“ sondern ebenso mit bereichernden Gesprächen abseits des Forschungsfeldes war einmalig. Ich habe sehr gern mit Euch gearbeitet, gehadert, gestritten, gelacht und gefeiert und werde die Zeit nie vergessen! Über das akademische Umfeld hinaus bin ich natürlich meinem Freundeskreis dankbar, für die authentische Neugier an meiner Arbeit sowie die freundschaftliche Ablenkung und viele positive Erlebnisse in so mancher geselliger Runde. Hervorzuheben sind an dieser Stelle Barbara Freund, für ihren Einsatz beim Korrekturlesen, und vor allem Wulf Stolle, für die vielen fachlichen Diskussionen, die häufig selbst nächtens auf Hinterbänken in Diskotheken oder Bars stattfanden.

VIII Der größte Dank gilt jedoch meiner gesamten Familie, die geduldig motivierend häufig nach dem Fortschritt des Buches fragte und auf deren Rückhalt ich mich immer verlassen konnte und kann. Dabei denke ich auch an meinen verstorbenen Großvater, von dem ich viel gelernt habe und an dessen edles Gemüt ich mich heute noch gern erinnere. Ein ganz großer Spezialdank geht an meine „kleine“ Schwester Frau Tierärztin und Dr. in spe Jennifer „Hansi“ Ahrholdt für das Engagement bei der aufwändigen orthographischen „Überarbeitung“ der Arbeit, insbesondere aber für ihre allgegenwärtige Zuverlässigkeit und Ansprechbarkeit sowie die Ablenkung in manch stressiger Phase, sei es durch Telefonate bzw. SMS oder gemeinsame Werder-Fußballreisen. Hansi, Du bist und bleibst meine tolle Lieblingsschwester! Den allergrößten Anteil an der Arbeit, der sich nur schwer in schwarzen Buchstaben auf weißem Papier ausdrücken lässt, haben meine Eltern Dorit und Claus Ahrholdt. Ohne ihre lebenslange Unterstützung, Förderung, Stärkung, Beruhigung, Toleranz, Gewährung von Freiheiten, ihr Verständnis und ihre Liebe wäre diese Arbeit nie entstanden. Liebe Mama, lieber Papa, ihr analysiert kein Vertrauen oder seine Bedeutung, sondern lebt es seit jeher bedingungslos und selbstlos vor – in tiefer Dankbarkeit widme ich euch dieses Buch! Hamburg im Februar 2010

Dr. Dennis Ahrholdt

IX

Inhaltsverzeichnis AbbildungsverzeichnisXIII Tabellenverzeichnis XV AbkürzungsverzeichnisXVII SymbolverzeichnisXIX Website-VerzeichnisXXIII 1.

Einleitung

1.1.

Problemstellung 1

1.2.

Abgrenzung von Untersuchungsgegenstand und -objekt

1.3.

Gang der Untersuchung zur Erreichung der Forschungsziele 2

2.

Methodik der Untersuchung5

2.1.

Die Empirie als Forschungsmethode5

2.2.

Quantitative Erfolgsfaktorenforschung unter Einsatz von Strukturgleichungsmodellen18 2.2.1. Grundlagen8 2.2.2. Wahl des Schätzalgorithmus (Partial-Least-Squares-Verfahren vs. Kovarianzstrukturanalyse)22

2.3. 3.

Zur Notwendigkeit einer empirischen Erfolgsfaktorenmessung mit PLS im ECommerce27 Theoretische Grundlagen und Determinanten des Kaufverhaltens im OnlineEinzelhandel31

3.1. Identifikation einer geeigneten Theorie zur Erklärung des Online-Kaufverhaltens 1 3.1.1. Übersicht möglicher Erklärungsansätze1 3.1.2. Einstellung als Prädiktor einer Verhaltensabsicht 3 3.1.3. Theory of Planned Behavior (Theorie des geplanten Verhaltens) 5 3.2. Barrieren für die Ausbildung einer Kaufabsicht im Online-Einzelhandel 9 3.2.1. Barrieren aus technischer Perspektive9 3.2.2. Barrieren aus ökonomischer und infrastruktureller Perspektive1 3.2.3. Barrieren aus soziologischer bzw. psychologischer Perspektive2 3.3. 4. 4.1.

Vertrauen als Einstellung und zentrale Antezedenz des Kaufverhaltens im OnlineEinzelhandel43 Explikation des Vertrauensbegriffs7 Konzeptionelle Grundlagen47

4.2. Einflussdimensionen und Einflussgrößen 1 4.2.1. Einflussgrößen des Vertrauensnehmers 1 4.2.1.1. Vertrauensrelevante Erwartungen im Kontext der Theory of Planned Behavior1 4.2.1.2. Wohlwollende Intention5 4.2.1.3. Integrität  6 4.2.2. Einflussgrößen des Vertrauensgebers7 4.2.3. Kontextspezifische Situation als Determinante des zur Anwendung kommenden Vertrauenskonzeptes59 4.2.4. Risiko als notwendige Voraussetzung für die Relevanz von Vertrauen 61

X 4.2.5. Zusammenfassende Identifikation der Website als Hauptdeterminante für den Vertrauenstransfer 64 4.3. Signale als Gestaltungsfaktoren vertrauensrelevanter Erwartungen6 4.3.1. Informationsökonomische Betrachtung6 4.3.2. Typologie von Signalen  68 4.3.2.1. Grundüberlegungen zur Funktionsweise von Signalen 8 4.3.2.2. Default-Independent Sale-Independent Signals   3 4.3.2.3. Default-Independent Sale-Contingent Signals  4 4.3.2.4. Default-Contingent Revenue-Risking Signals 5 4.3.2.5. Default-Contingent Cost-Risking Signals 6 4.3.3. Einsatz von Signalen im Online-Einzelhandel – eine Zusammenfassung empirischer Ergebnisse 7 4.3.4. Konkretisierung der typologiebasierten Signalkonstrukte für die empirische Untersuchung90 5. 5.1.

Das Partial-Least-Squares-Verfahren zur quantitativen Analyse von Strukturgleichungsmodellen105 Entstehungsgeschichte des Partial-Least-Squares-Ansatzes 05

5.2. Schätzung von Modellen mit mehreren latenten Variablen 06 5.2.1. Schätzalgorithmus06 5.2.2. Numerisches Fallbeispiel 112 5.2.3. Schätzung von Modellen mit Konstrukten höherer Ordnung 19 5.2.4. Segmentierungsmethoden  22 5.2.4.1. Schätzung von Modellen mit moderierenden Effekten 22 5.2.4.2. A priori-Segmentierungsmethoden23 5.2.4.3. A posteriori-Segmentierungsmethoden27 5.3. Validierung von PLS-Strukturgleichungsmodellen27 5.3.1. Gütebeurteilung als Gegenstand neuerer PLS-Forschung 27 5.3.2. Gütebeurteilung von Messmodellen 128 5.3.2.1. Gütebeurteilung reflektiver Messmodelle 28 5.3.2.2. Gütebeurteilung formativer Messmodelle 33 5.3.3. Gütebeurteilung von Strukturmodellen42 5.3.4. Gütebeurteilung der Segmentierungsansätze47 5.3.4.1. Statistische Ergebnisprüfung der multiplen Gruppenanalyse47 5.3.4.2. Kritische Diskussion der statistischen Ergebnisprüfung multipler Gruppenanalysen49 5.3.4.3. Statistische Ergebnisprüfung von Interaktionstermen50 5.3.5. Exkurs: Logik von Hypothesen- und Signifikanztests im Kontext der Gütebeurteilung von PLS-Pfadmodellen 51 5.3.5.1. (Fehl-)Implikationen aus der Untersuchung der Nullhypothese 51 5.3.5.2. Die Entscheidung für ein- oder zweiseitige Tests im PLS-Kontext 52 6.

Empirische Untersuchung zur signalbasierten Prognose der vertrauensvollen Kaufabsicht 55

6.1. Forschungsdesign155 6.1.1. Erhebungsmethode 55 6.1.2. Zur Messkonzeption der latenten Konstrukte und der moderierenden Variablen57 6.1.2.1. Operationalisierung der reflektiv gemessenen Konstrukte 57 6.1.2.2. Operationalisierung der formativ gemessenen Signalkonstrukte 60 6.1.2.3. Segmentierungsrelevante Variable 163 6.1.3. Durchführung der empirischen Erhebung63 6.1.3.1. Untersuchungsobjekte und Bedarfsszenario 63 6.1.3.2. Pilot-Test165 6.1.3.3. Datenerhebung, Datengrundlage und Datenqualitätskorrektur 65

XI 6.2. Empirische Ergebnisse zum Globalmodell67 6.2.1. Erstes Ergebnis der PLS-Modellschätzung67 6.2.2. Gütebeurteilung der reflektiven Messmodelle 69 6.2.3. Gütebeurteilung der formativen Messmodelle 74 6.2.4. Gütebeurteilung des Strukturmodells79 6.2.5. Zusammenfassende Gütebeurteilung des Gesamtmodells 83 6.2.6. Diskussion und Interpretation der Ergebnisse des Globalmodells86 6.3. Empirische Ergebnisse der multiplen Gruppenanalyse99 6.3.1. Gütebeurteilung des Segments „Bekannte Marktführer“ 99 6.3.2. Gütebeurteilung des Segments „Unbekannte Kleine und Mittlere Unternehmen“ 203 6.3.3. Statistischer Ergebnisvergleich der Segmentmodelle  07 6.3.4. Ergebnisdiskussion und -interpretation der multiplen Gruppenanalyse 16 6.3.5. Modellerweiterung „Bekannte Marktführer“ um ein Image-Signal 29 6.3.5.1. Modellergebnisse 29 6.3.5.2. Interpretation der Ergebnisse 31 6.4.

Empirische Ergebnisse zur Interaktionsvariable „Systemrisiko” 34

6.5.

Direkte Signalpräferenz vs. PLS-Ergebnisse37

7.

Kritische Würdigung41

Anhang 51 Literaturverzeichnis291

XIII

Abbildungsverzeichnis Abbildung 1: Online-Informations- und Transaktionsverhalten deutscher Internetnutzer nach Produktkategorien (100 % entsprechen allen Internetnutzern in Deutschland) ................................................................................................... 2 Abbildung 2: Begriffseingrenzung E-Business und E-Commerce ........................................ 7 Abbildung 3: Einordnung des Begriffs „Online-Einzelhandel“............................................... 9 Abbildung 4: Kaufstrategien von Konsumenten im Online-Einzelhandel............................ 10 Abbildung 5: Betriebswirtschaftliche Forschungsmethoden ............................................... 16 Abbildung 6: Pfaddiagramm für ein Beispiel eines Strukturgleichungsmodells mit drei latenten Konstrukten und je zwei Indikatorvariablen ..................................... 20 Abbildung 7: Bestimmung der latenten Variable „Anspannung eines Fußballfans“ als Beispiel für formative und reflektive Messmodelle......................................... 20 Abbildung 8: Modellentwicklung (1. Schritt)........................................................................ 34 Abbildung 9: Theory of Planned Behavior nach Ajzen (1985) ............................................ 35 Abbildung 10: Modellentwicklung (2. Schritt)........................................................................ 38 Abbildung 11: Modellentwicklung (3. Schritt)........................................................................ 49 Abbildung 12: Modellentwicklung (4. Schritt)........................................................................ 53 Abbildung 13: Wirkbeziehungen von Vertrauen und Risiko auf die Kaufabsicht bisheriger Untersuchungen. ........................................................................................... 63 Abbildung 14: Modellentwicklung (5. Schritt)........................................................................ 93 Abbildung 15: Lineares Kommunikationsmodell................................................................... 93 Abbildung 16: Default-Independent Sale-Independent Signals der empirischen Untersuchung ................................................................................................ 97 Abbildung 17: Default-Independent Sale-Contingent Signals der empirischen Untersuchung ................................................................................................ 99 Abbildung 18: Default-Contingent Revenue-Risking Signals der empirischen Untersuchung ...............................................................................................100 Abbildung 19: Default-Contingent Cost-Risking Signals der empirischen Untersuchung ....101 Abbildung 20: Modellentwicklung (6. und abschließender Schritt) ......................................103 Abbildung 21: Pfaddiagramm zur Detailerläuterung des PLS-Verfahrens...........................106 Abbildung 22: Schematische Darstellung des PLS-Verfahrens...........................................108 Abbildung 23: Lösung bei der „leicht abgewandelten Form“ der zweiten Phase .................118 Abbildung 24: Modell mit Konstrukten höherer Ordnung.....................................................119 Abbildung 25: Konstrukte zweiter Ordnung – vier Grundtypen............................................120 Abbildung 26: Das Grundprinzip moderierender Effekte .....................................................122 Abbildung 27: Schematische Darstellung eines Moderatoreffekts auf Einzelbeziehungsebene ...............................................................................124

XIV Abbildung 28: Implementierung von Interaktionstermen in PLS..........................................125 Abbildung 29: Gütemaße für reflektive Messmodelle ..........................................................133 Abbildung 30: Mediatorenmodell.........................................................................................145 Abbildung 31: 2-Mediatorenmodell......................................................................................146 Abbildung 32: Haushaltseinkommen und höchster bisher erreichter Bildungsabschluss . der Befragungsteilnehmer ............................................................................166 Abbildung 33: Bekanntheit der Online-Einzelhändler ..........................................................167 Abbildung 34: Globalmodell vor Bereinigung – Modellergebnisse [N=770] .........................168 Abbildung 35: Globalmodell nach Bereinigung – Modellergebnisse [N=770] ......................185 Abbildung 36: Totaleffekte formativer Indikatoren auf Kaufabsicht im Globalmodell ...........190 Abbildung 37: Signifikante Totaleffekte formativer Indikatoren auf Kaufabsicht im Globalmodell ................................................................................................191 Abbildung 38: Priority-Map der Importance-Performance-Analysis .....................................193 Abbildung 39: Importance-Performance Matrix ...................................................................195 Abbildung 40: Prioritätsmatrix der formativen Signalindikatoren des Globalmodells ...........196 Abbildung 41: Bekannte Marktführer – Modellergebnisse [N=247] .....................................200 Abbildung 42: Unbekannte KMU – Modellergebnisse [N=501] ...........................................204 Abbildung 43: Segmentvergleichende Übersicht der Totaleffekte formativer Indikatoren . auf Kaufabsicht.............................................................................................222 Abbildung 44: Segmentvergleichende Übersicht signifikanter Totaleffekte der formativen Indikatoren auf Kaufabsicht ..........................................................................224 Abbildung 45: Prioritätsmatrix der formativen Signalindikatoren des Segments Unbekannte KMU .........................................................................................225 Abbildung 46: Prioritätsmatrix der formativen Signalindikatoren des Segments Bekannte Marktführer ...................................................................................................227 Abbildung 47: Bekannte Marktführer mit Image – Modellergebnisse [N=247].....................230 Abbildung 48: Übersicht der Totaleffekte formativer Indikatoren auf Kaufabsicht – Segment Bekannte Marktführer mit Image ...................................................233 Abbildung 49: Modellschätzungen (Ausschnitt) mit Systemrisiko als Moderatorvariable ....235 Abbildung 50: Direkte Signalpräferenz vs. PLS-Ergebnisse im Marktführersegment ..........239 Abbildung 51: Direkte Signalpräferenz vs. PLS-Ergebnisse im KMU-Segment ..................240

XV

Tabellenverzeichnis Tabelle 1:

E-Business zwischen unterschiedlichen Wirtschaftssubjekten........................... 8

Tabelle 2:

Charakteristika von Signalen............................................................................ 72

Tabelle 3:

Forschungsbeiträge zu Erfolgsfaktoren im Online-Einzelhandel und deren methodisches Instrumentarium ........................................................................ 79

Tabelle 4:

Default-Independent Sale-Independent Signals im Online-Einzelhandel ......... 86

Tabelle 5:

Default-Independent Sale-Contingent Signals im Online-Einzelhandel............ 87

Tabelle 6:

Default-Contingent Revenue-Risking Signals im Online-Einzelhandel............. 88

Tabelle 7:

Default-Contingent Cost-Risking Signals im Online-Einzelhandel.................... 89

Tabelle 8:

Wichtigkeit von Signalen für den Erfolg von Online-Einzelhändlern auf Basis von Expertenurteilen ....................................................................................... 96

Tabelle 9:

Rohdaten zur PLS-Erläuterung .......................................................................112

Tabelle 10: Standardisierte Rohdaten zur PLS-Erläuterung ..............................................113 Tabelle 11: Konstruktwertschätzungen aus der Initialisierung ...........................................113 Tabelle 12: Korrelationsmatrix der latenten Konstruktschätzungen aus der Initialisierung ...................................................................................................114 Tabelle 13: Konstruktwertschätzungen aus der inneren Approximation.............................114 Tabelle 14: Konstruktwertschätzungen aus der äußeren Approximation ...........................115 Tabelle 15: Korrelationsmatrix der latenten Konstruktschätzungen aus der äußeren Approximation .................................................................................................116 Tabelle 16: Konstruktwertschätzungen (zweite Iteration) aus der inneren Approximation .116 Tabelle 17: Konstruktwertschätzungen (zweite Iteration) aus der äußeren ............................ Approximation .................................................................................................117 Tabelle 18: Überprüfung des Konvergenzkriteriums ..........................................................117 Tabelle 19: Operationalisierungsfragen der Konstrukte Kompetenz, Wohlwollende Intention, Integrität und Vertrauen ...................................................................158 Tabelle 20: Operationalisierungsfragen der Konstrukte Subjektive Norm und Wahrgenommene Verhaltenskontrolle ............................................................159 Tabelle 21: Operationalisierungsfragen des Konstrukts Kaufabsicht .................................159 Tabelle 22: psa- und csv-Index der formativen Signalkonstrukte .........................................160 Tabelle 23: Operationalisierungsfragen der Signalkonstrukte............................................162 Tabelle 24: Gütebeurteilung der reflektiven Messmodelle – Globalmodell [N=770] ...........169 Tabelle 25: Gütebeurteilung der reflektiven Messmodelle nach Ausschluss von WV_3 – Globalmodell [N=770]......................................................................................171 Tabelle 26: Konstruktkorrelationen zur Überprüfung des Fornell-Larcker-Kriteriums – Globalmodell [N=770]......................................................................................172

XVI Tabelle 27: Kreuzladungsmatrix – Globalmodell [N=770] ..................................................173 Tabelle 28: Gütebeurteilung der formativen Messmodelle (Gewichte und deren Signifikanz) – Globalmodell [N=770] ...............................................................174 Tabelle 29: Gütebeurteilung der formativen Messmodelle (Korrelationsmatrix formativer Indikatoren) [N=770]........................................................................................175 Tabelle 30: Fortsetzung Gütebeurteilung der formativen Messmodelle (Korrelationsmatrix formativer Indikatoren) [N=770] ........................................176 Tabelle 31: Gütebeurteilung der formativen Messmodelle (Toleranz, VIF und KI) [N=770]............................................................................................................177 Tabelle 32: Gütebeurteilung der formativen Messmodelle (Varianzzerlegung des Konstrukts „Belief Altering Potential of DI SI-Signals” [N=770]........................178 Tabelle 33: Gütebeurteilung der formativen Messmodelle (Konstruktkorrelationen) [N=770]............................................................................................................179 Tabelle 34: Gütebeurteilung der Strukturmodellzusammenhänge (R² und Q²) [N=770].....179 Tabelle 35: Gütebeurteilung der Strukturmodellzusammenhänge auf erster Ebene (Gewichte, Signifikanzen, f²) [N=770] ..............................................................180 Tabelle 36: Gütebeurteilung der Strukturmodellzusammenhänge auf Ebene der Zielkonstrukte (Gewichte, Signifikanzen, f²) [N=770].......................................181 Tabelle 37: Segmentvergleichende Übersicht des Einflusses der Vertrauensfacetten ......210 Tabelle 38: Segmentvergleichende Übersicht des Einflusses von Vertrauen, Subjektiver Norm und Wahrgenommener Verhaltenskontrolle........................210 Tabelle 39: Segmentvergleichende Übersicht der Totaleffekte der Signalkonstrukte auf Kaufabsicht .....................................................................................................211 Tabelle 40: Segmentvergleichende Übersicht der Gewichte der . Signalkonstruktindikatoren ..............................................................................213 Tabelle 41: Totaleffekte der formativen Indikatoren auf Kaufabsicht .................................215 Tabelle 42: Bestimmtheitsmaße der Moderatorenmodelle mit Systemrisiko und Effektstärken f² ................................................................................................236 Tabelle 43: Strukturmodellforschungshypothesen – Ergebnisübersicht.............................242 Tabelle 44: Messmodellforschungshypothesen – Ergebnisübersicht.................................243

XVII

Abkürzungsverzeichnis 3D allg.

Dreidimensional allgemeine

Aufl. B2C bspw.

Auflage Business-to-Consumer beispielsweise

bzgl. bzw. ca. d. h. DC CR DC RR diesbzgl. DI SC DI SI DEV DSL e. V. F FIMIX franz. ggf. Hrsg. i. d. R. i. e. S.

bezüglich beziehungsweise circa das heißt Default-Contingent Cost-Risking Default-Contingent Revenue-Risking diesbezüglich Default-Independent Sale-Contingent Default-Independent Sale-Independent durchschnittlich erfasste Varianz Digital Subscriber Line eingetragener Verein Forschungshypothese Finite-Mixture Französisch gegebenfalls Herausgeber in der Regel im engeren Sinn

i. S. i. w. S. IK

im Sinn im weiteren Sinn Interne Konsistenz

inkl. IPA ISDN KBit KI KMU KR MBit MIMIC

inklusiv Importance-Performance-Analysis Integrated Services Digital Network Kilobit Konditionsindex kleine und mittlere Unternehmen Konstruktreliabilität Megabit Multiple Effect Indicators for Multiple Causes

Mio. Mrd. MS

Million(en) Milliarde(n) Microsoft

n.s. NACE

nicht signifikant Nomenclature générale des activités économiques (franz.)

XVIII NILES

Nonlinear Iterative Least Squares

NIPALS Niv. NV o. V. OE OECD P

Nonlinear-Iterative-Partial-Least-Squares Niveau Normalverteilung ohne Verfasser Online-Einzelhändler Organisation for Economic Co-operation and Development Pfad

persönl. PLS Q-Q

persönlich Partial-Least-Squares (-Verfahren) Quantil-Quantil

S. Sek. SSL sog. Std. TE TPB TRA unpersönl.

Seite Sekunde Secure Sockets Layer-Netzwerkprotokoll so genannt(e) Stunden Totaleffekt Theory of Planned Behavior Theory of Reasoned Action unpersönlich

URL usw. vgl.

Uniform Resource Locator und so weiter vergleiche

vs. WWW z. B. z. T.

versus World Wide Web zum Beispiel zum Teil

XIX

Symbolverzeichnis A a B b bi bjk bkh c

Einstellung (Attitude) (TPB) Pfadkoeffizienten (Interaktionstermansatz) Verhalten (Actual Behavior) (TPB) Pfadkoeffizienten (Interaktionstermansatz) Erwartung (Belief) (TPB) Regressionskoeffizient im Strukturmodell (PLS-Algorithmus) Regressionskoeffizient im Messmodell (PLS-Algorithmus) Pfadkoeffizienten (Interaktionstermansatz)

csv cbi D d E ei

Maß der inhaltlichen Relevanz formativer Indikatoren Kontrollerwartungen (Control Beliefs) (TPB) Auslassungsabstand (Blindfolding) Durchlauf (Blindfolding) Quadratsumme der Prognosefehler (Stone-Geisser-Kriterium) Bewertung (Evaluation) (TPB)

f² fk GoF I

Effektstärke Skalar zur Standardisierung (PLS-Algorithmus) Goodness-of-Fit-Index Verhaltensintention (Behavioral Intention) (TPB)

I_i i IK K K* k K_i KA_i Korr

Messmodellfrage i für das Konstrukt Integrität Variable Interne Konsistenz Anzahl der latenten Variablen Eigenvektoren der Kreuzproduktmatrix (Konditionsindex) Variable Messmodellfrage i für das Konstrukt Kompetenz Messmodellfrage i für das Konstrukt Kaufabsicht Korrelation

j h Hk

Variable (Indikator-)Variable Anzahl der Indikatoren für die k-te latente Variable

m mh mi

Fallzahl im ersten Segment (multiple Gruppenanalyse) Indikatorvariable h der Moderatorvariable (Interaktionstermansatz) Motivation zur Erfüllung (Motivation to comply) (TPB)

mVAF N n

modifizierte Variance Accounted For Anzahl der Fälle in den unterschiedlichen Datensätzen Fallzahl (multiple Gruppenanalyse)

no nA

Anzahl der Experten, die den Indikator am häufigsten „falsch“ zuordnen (csvIndex) Anzahl der „beliefs“ (TPB)

nSN nPBC

Anzahl der „normative beliefs“ (TPB) Anzahl der „control beliefs“ (TPB)

XX nc

Anzahl der Experten, die eine „richtige“ Zuordnung vornehmen (psa-Index)

Ncsv Npsa nbi O

Grundgesamtheit der Experten (csv-Index) Grundgesamtheit der Experten (psa-Index) Normative Erwartungen (Normative Beliefs) (TPB) Mittelwerte der nicht fehlend angenommenen Indikatoren (Stone-Geisser-

pi psa

Kriterium) Wahrgenommene Macht (Perceived Power) (TPB) Maß der Eindeutigkeit der Zuordnung formativer Indikatoren

pix

Modellparameter in Segment i (multiple Gruppenanalyse)

P(  k )

Menge der Vorgänger der latenten Variablen k

PBC q Q²

Wahrgenommene Verhaltenskontrolle (Perceived Behavioral Control) (TPB) Anzahl an Eigenvektoren (Konditionsindex) Stone-Geisser-Kriterium

q²

Veränderung des Stone-Geisser-Kriteriums auf Basis des Ausschlusses von latenten Variablen Stone-Geisser-Kriterium unter Ausschluss einer latenten Variablen (Effektstärke) Stone-Geisser-Kriterium unter Einbezug aller Variablen im Struktumodell Iterationszähler (PLS-Algorithmus)

Q²excluded Q²included r R² R²excluded R²included

Bestimmtheitsmaß Bestimmtheitsmaß unter Ausschluss einer latenten Variablen (Effektstärke) Bestimmtheitsmaß unter Einbezug aller Variablen im Struktumodell Effektstärke)

S(  k )

Menge der Nachfolger der latenten Variablen k

sign SN SN_i US-$

Vorzeichen der Korrelation latenter Variablen (PLS-Algorithmus) Subjektive Norm (Subjective Norm) (TPB) Messmodellfrage i für das Konstrukt Subjektive Norm US-Dollar

V

Anzahl der endogenen latenten Variablen (GoF)

k

Skalar zur Standardisierung (PLS-Algorithmus)

V_i

Messmodellfrage i für das Konstrukt Vertrauen

VAF var VIF w1, w2, w3 W_i WV_i xkh X € kj

Variance Accounted For Varianz Varianzinflationsfaktor Gewichtungsparameter zur Bildung der Verhaltensintention (TPB) Messmodellfrage i für das Konstrukt Wohlwollende Intention Messmodellfrage i für das Konstrukt Wahrgenommene Verhaltenskontrolle Indikatorvariable h der latenten Variablen k Rohdatenmatrix (Konditionsindex) Euro Pfadkoeffizient im Strukturmodell zwischen den latenten Variablen k und j

XXI kh

Messfehler der Indikatorvariablen h aus dem Messmodell der reflektiven

k kh

latenten exogenen Variablen k Messfehlers der Indikatorvariablen k (IK / DEV) Messfehler der Indikatorvariablen h aus dem Messmodell der reflektiven latenten endogenen Variablen k

k k k k E

Konzeptioneller Messfehler aus Messmodell der formativen latenten Variablen k Konzeptioneller Messfehler aus dem Strukturmodell der latenten Variablen k

E(max) kh

Konzeptioneller Messfehler aus dem Strukturmodell der latenten Variablen k latente Variable k Eigenwert (Konditionsindex) größter vorkommender Eigenwert (Konditionsindex) Indikatorladung der Indikatorvariablen h der latenten Variablen k Mittelwert

k

latente Variable k

ˆ k0

äußere Konstruktwertschätzung (standardisiert) der latenten Variablen k aus der Initialisierung (PLS-Algorithmus)

* ˆ k0

äußere Konstruktwertschätzung (unstandardisiert) der latenten Variablen k aus der Initialisierung (PLS-Algorithmus)

ˆ 1kb

innere Konstruktwertschätzung (standardisiert) der latenten Variablen k (PLS-

* ˆ 1kb

innere Konstruktwertschätzung (unstandardisiert) der latenten Variablen k

Algorithmus) (PLS-Algorithmus) ˆ k2b

äußere Konstruktwertschätzung (standardisiert) der latenten Variablen k (PLSAlgorithmus)

* ˆ k2b

äußere Konstruktwertschätzung (unstandardisiert) der latenten Variablen k

kh

(PLS-Algorithmus) Indikatorgewicht der Indikatorvariablen h der latenten Variablen k

1kja

inneres Gewicht zwischen den latenten Variablen k und j (PLS-Algorithmus)

Standardabweichung

0 ˆ kh 

Initialisierungsgewicht (PLS-Algorithmus)

2a ˆ kh 

äußeres Gewicht (PLS-Algorithmus)

XXIII

Website-Verzeichnis www.amazon.de www.besucherzaehler.org www.counter-up.de www.e-bug.de www.e-shop24.de www.ebay.de www.google.de www.guenstiger.de www.ips-tools.de www.otto.de www.pixmania.de www.pixxbay.de www.safer-shopping.de www.smartstore.com www.truste.org www.trustedshops.de www.verisign.de

1

1. Einleitung 1.1. Problemstellung Die Umsätze des Online-Einzelhandels1 im „Business-to-Consumer“-Bereich (B2C-Bereich) sind im Jahr 2008 in Deutschland um 10 % auf rund 18 Mrd. € gestiegen, in den USA um 8 % auf rund 98 Mrd. €2 (Hesse et al., 2009; o. V., 2007; o. V., 2008d; o. V., 2009d). Mittlerweile bestellt fast jeder zweite erwachsene deutsche Internetnutzer Waren im Internet (Schneller, 2008). Bereits Ende 2010 werden im Vergleich zum Beginn des Jahres 2009 26 % mehr Menschen (insgesamt ca. 1,7 Mrd.) Zugang zum Internet und seinen virtuellen Marktplätzen haben (o. V., 2008b). Auch daher sind z. B. für Deutschland im Jahr 2013 Umsätze von rund 27 Mrd. € prognostiziert, für die USA von rund 150 Mrd. € (Hesse et al., 2009; o. V., 2007; o. V., 2008d; o. V., 2009d). Dies entspricht jährlichen Wachstumsraten von rund 9 %. Diese Zahlen verdeutlichen das nach wie vor hohe Wachstumspotential des Online-Einzelhandels innerhalb der nächsten Jahre und seine betriebswirtschaftliche Relevanz. „E-Commerce – ein gigantischer Markt“ tituliert daher auch Heinemann (2009, S. 9). Aus Sicht des Konsumenten liegen die Hauptvorteile des Einkaufens im Internet in der Bequemlichkeit und der Ubiquität. Die Internettechnologie versetzt den Konsumenten komfortabel in die Lage, Zeit, Ort, Art und Umfang des Konsums zu kontrollieren (Shapiro und Varian, 1999, S. 6). Ein einfacher, unmittelbarer Zugriff auf ein sehr breites und tiefes Artikelsortiment wird orts- und zeitunabhängig möglich (Albers, 2000; Brynjolfsson et al., 2003) und führt zu einer Verschiebung der Marktmacht in Richtung des Konsumenten (Ansari et al., 2008; van Baal, 2006).3 Trotz dieser offensichtlichen Vorteile für den Konsumenten und der beeindruckenden Zahlen hinterfragt Simon schon (2003, S. 3) die Entwicklung: „… don’t believe the numbers on the Net Economy and the Internet. Instead, try to understand what’s really going on.” Nach wie vor bleibt ein erhebliches Potential im Online-Einzelhandel unausgeschöpft, wie z. B. auch an der deutlichen Verfehlung zurückliegender Umsatzprognosen auszumachen ist (vgl. o. V. (2006c) oder o. V. (2006a)). So beträgt 2008 der am gesamten Einzelhandelsumsatz gemessene Umsatzanteil in den USA nur knapp 7 %, in Deutschland lediglich 3,5 % (o. V., 2007; o. V., 2008d). Obwohl mittlerweile 29,5 Mio. Deutsche schon einmal ein Produkt über das Internet erworben haben, sind nur 20 % von ihnen als überzeugte „Online-Shopper“ zu bezeichnen. Diese Gruppe liefert aber mit rund 35 % den größten Anteil am OnlineEinzelhandelsumsatz (o. V., 2009c; Schneller, 2008).4 Ferner nutzen nur etwa 40% der Deutschen, die sich im Internet über ein Produkt informieren, das Medium gleichzeitig auch

1

Online-Einzelhandel ist der elektronische Handel über das Internet, bei dem Anbahnung, Abschluss und Abrechnung elektronisch unter Verwendung von Datennetzen erfolgen, während die Distribution physisch stattfindet. Neben digital distribuierten Gütern sind zudem die Bereiche Reise und Automobile von der Betrachtung ausgeschlossen (vgl. Abschnitt 1.2.). 2 Die Umrechnung von US-$ auf € erfolgt im Verhältnis 1,35:1. 3 Eine umfassende Übersicht der Konsumentenvorteile findet sich in Yadav und Varadarajan (2005). 4 Andere Nutzergruppen sind bspw. „Infoseeker“ oder „Selektivnutzer“.

2 zum Kauf desselben (vgl. Abbildung 1). Es herrscht eine Art „… mental categorization of the Internet as a search channel rather than a shopping channel“ (Verhoef et al., 2007, S. 144). 60

Online-Kauf [%]

50

Online-Informationssuche [%]

40

30

20

10

nt rit

Ei

Te l

Fl u

gun d

Ba

hn tic ke

ts Bü ch er ts ka rt ek M us en om ikm C un D ik s at M D io öb ig C ita nsp om el ro le pu F o du te kt to r-H M e ar ode app dw ar od a ar e r S te e Fi b lm ch zw G e uh es au . -Z e un fD ub dh VD eh ei ör ts G s, pr e V od b id uk rau eo ch s Sp t e, tw M or ed ag ta i r ka en t ik C om el m e ,S pu po nte te rtg r-S e of Sp rät tw e ar ie l e oh war en H ne ei m Sp w ie er le ke rb ed C om TV arf pu -G te er N reu äte un w d ag Vi D en de VD os -P M pi la el us ye e ik r u Pa u. rfu n Fi l m d - R ms e e co al H s au r sh Do der wn Kö alts lo gr rp ad o er pf ßge le ge rät e pr H au odu kt st e ie rb ed ar Ko f sm e M ie t ik W tw as ag ch en - o Ge tr de r P änk e ut N zm ah i ru ng tt el sm itt el

0

Abbildung 1: Online-Informations- und Transaktionsverhalten deutscher Internetnutzer nach Produktkategorien (100 % entsprechen allen Internetnutzern in Deutschland) Datengrundlage: Arbeitsgemeinschaft Online-Forschung e.V. (AGOF) (2008; 2009)

Die Online-Recherche dient somit zum Großteil lediglich der Vorbereitung eines Kaufes im stationären Handel (Forman et al., 2009; Forsythe et al., 2006; Khakimdjanova und Park, 2005; Moe und Fader, 2004; Schröder und Zaharia, 2006; Venkatesh und Agarwal, 2006). Auch deswegen sind die sog. „Conversion-Rates“, das Verhältnis von Besuchern der Website eines Online-Einzelhändlers zu Käufern bei diesem Anbieter, entsprechend gering. Bei renommierteren Anbietern liegen sie in Deutschland im Durchschnitt nur bei knapp 4 % (Groß, 2008a; Holzwarth et al., 2006; Moe und Fader, 2004), bei kleineren und unbekannten Interneteinzelhändlern im Durchschnitt bei 1 %. Die Werte für die USA sind nur unwesentlich höher (Groß, 2008a; Moe, 2003). Die Problematik der geringen Conversion-Rates wird noch deutlicher, vergegenwärtigt man sich, dass die meisten der online getätigten Verkäufe anders als im stationären Handel aus zielgerichtetem Suchverhalten resultieren und keine Impulskäufe (Trommsdorff, 2004, S. 319 ff.) darstellen (Forsythe et al., 2006; Schröder und Zaharia, 2006; Weathers und Makienko, 2006; Wolfinbarger und Gilly, 2001). Konsumenten gehen beim Einkauf im Internet zum Großteil also nicht exploratorisch vor, sondern suchen konkret nach eng spezifizierten Produkten. Derartige Suchgüter (Nelson, 1970) machen etwa 85 % des Umsatzes der über das Internet vertriebenen physischen Güter aus (Bartel et al., 2008; Novomind, 2006b, S. 9, 14; van Baal, 2006). Ein Beleg für das zielgerichtete Suchverhalten ist das Faktum, dass ein Großteil der Besuche auf Online-Einzelhandels-Websites durch (Preis)-Suchmaschinen (z. B. www.guenstiger.de oder www.google.de) generiert wird (Brynjolfsson et al., 2004; Schneller,

3 2008; Smith, 2002). Die Tatsache, dass die Conversion-Rates trotz des zielgerichteten Suchverhaltens derart gering sind, deutet auf Barrieren für den Online-Einzelhandel hin. Diese liegen jedoch – trotz z. T. vorherrschender technischer Barrieren (vgl. Abschnitt 3.2.1.) – nicht in der Adaption des Mediums Internet an sich, wie obige Ausführungen zum Informationsverhalten zeigen, sondern in seiner Adaption als Einkaufskanal. Gleichzeitig ergibt sich ein deutlicher Hinweis auf nicht genutzte Potentiale im elektronischen Handel. Der OnlineEinzelhandel befindet sich daher auch nach Meinung von Ksheri und Williamson (2008), die sich auf den Beitrag von Rogers (1962) zur „Diffusion of Innovations“ beziehen, selbst in den OECD-Ländern noch in einer frühen Diffusionsphase. Der Großteil der Internetnutzer hegt demnach Ressentiments gegen Online-Einzelhändler bzw. den Online-Einzelhandel an sich (Litan, 2006), aus deren Folge eine steigende Anzahl insolventer Online-Einzelhändler beobachtet werden kann (Aiken und Boush, 2006; Groß, 2008a; Kollmann und Herr, 2005; Ksheri und Williamson, 2008). Quellen verschiedener Ressentiments sind nicht preisliche Argumente – bspw. wählt der Großteil der Nutzer von Preissuchmaschinen nicht den OnlineEinzelhändler mit dem günstigsten Preis (Johnson et al., 2004; Su, 2007) –, sondern die Besonderheiten des Distanzkaufs in Verbindung mit den Eigenschaften des Systems Internet. Der Handel ist eine Dienstleistung und damit Erfahrungsgut, dessen Qualität erst nach der Ausführung beurteilt werden kann (Nelson, 1970). Mehr noch gilt das für den Internetdistanzhandel bzw. -kauf physischer Güter, bei dem der Ressourcenaustausch (Preisgabe von persönlichen Informationen und finanzielle Transaktion einerseits, Warenlieferung andererseits) weitgehend asynchron abläuft (Einwiller et al., 2005; Schlosser et al., 2006). Auch das Durchsetzen von Verträgen, die den Verkaufsprozess glaubwürdiger gestalten könnten, ist mit Unsicherheiten behaftet und häufig kostspielig, da Internethandel oftmals in unterschiedlichen oder unklaren Rechtsräumen stattfindet (Ludwig, 2005, S. 41 f.). Zudem fehlt im Gegensatz zu einem Kauf im stationären Handel die physische Inspizierbarkeit des Produkts (Peck und Childers, 2003) und die persönliche – möglicherweise vertrauensbildende – Kommunikation mit einem Verkaufsmitarbeiter (Aiken und Boush, 2006; Laroche et al., 2005). Beim Online-Handel ist die Interaktion unpersönlich, sie findet einzig und allein mit der graphischen Benutzeroberfläche, der Website eines Anbieters, statt. Vor allem aufgrund eines häufig geringen kundenseitigen Verständnisses der Technologie im Allgemeinen sind ebenso die Sicherheit der Übermittlung sensibler finanzieller Daten für die Transaktion i. d. R. erst weit nach der Ausführung einer Transaktion zu beurteilen. Dies gilt auch für den integren Umgang mit persönlichen Daten durch den Online-Einzelhändler (Fritz, 2004, S. 112 f.). Aggregiert betrachtet besteht beim potentiellen Konsumenten a priori ein Informationsdefizit über die Qualität der Produkte und Dienstleistungen eines Online-Einzelhändlers. Dieser Informationsmangel manifestiert sich häufig in mangelndem Vertrauen beim Konsumenten (Arbeitsgemeinschaft Online-Forschung e. V. (AGOF), 2007; Biswas und Biswas, 2004; Forsythe et al., 2006; Meziane und Kasiran, 2008; Pavlou et al., 2007; Schlosser et al., 2006). Daraus folgt oftmals, wie auch an den geringen Conversion-Rates auszumachen ist, dass eine Transaktion unterbleibt oder abgebrochen wird. So verzichten bspw. vier von fünf Deut-

4 schen auf einen Kauf, wenn ein Online-Shop nur die Lieferung per Vorkasse anbietet (Stahl et al., 2008, S. 24). Vor allem junge, kleine und mittlere Online-Einzelhandelsunternehmen sind der „Liability of Newness“ (Kollmann und Herr, 2005, S. 120) ausgesetzt, da es ihnen ob fehlender Marktstellung an Bekanntheit, Legitimation und Vertrautheit fehlt. Da die Mehrheit der Bevölkerung (sogar) in den OECD-Ländern bisher nicht regelmäßig im Internet einkauft (Ksheri und Williamson, 2008), ist es wahrscheinlich, dass auch schon relativ bekannte Unternehmen aus subjektiver Sicht eines Nichtkäufers aufgrund fehlender bzw. geringer Sozialisationszeit eine vergleichbare Bürde tragen (Kollmann und Herr, 2005, S. 120; Müller, 2006, S. 54). Trotz des eingangs dokumentierten beeindruckenden Wachstums gibt es somit noch erhebliche (Vertrauens-)Probleme im Online-Einzelhandel, die einer schnellen Diffusion im Wege stehen (Benbasat et al., 2008; Forman et al., 2009). Anstatt jedoch die Vertrauensprobleme als Bürde zu erachten, sollten die Chancen erkannt werden, die daraus erwachsen. Gelänge es einem Online-Einzelhändler, den Vertrauensausbildungsprozess positiv zu beeinflussen, könnte er rein hypothetisch 74 % der deutschen Verbraucher als Konsumenten gewinnen, weil für diese das Vertrauen den wichtigsten Einflussfaktor für die Interaktion mit einem Online-Einzelhändler darstellt (o. V., 2008c). Hingegen deklarieren nur 17 % den Preis und 8 % die Benutzerfreundlichkeit als Hauptdeterminante (o. V., 2008c). Bereits vor fünf Jahren stellen Pavlou und Gefen (2004, S. 40) fest: „Trust is the foundation of e-commerce.” Insgesamt stehen Online-Einzelhändler demnach der Herausforderung gegenüber, mit Hilfe der einzigen Interaktionsfläche zwischen Käufer und Verkäufer – der Website – Vertrauen beim potentiellen Konsumenten zu schaffen (Forsythe et al., 2006; Schlosser et al., 2006). Demzufolge spielt die Gestaltung der Website eine kritische Rolle, und es ist von besonderem Interesse, Faktoren zu identifizieren, die den a priori vorhandenen Informationsmangel beim potentiellen Konsumenten mindern und damit vertrauensfördernd und erfolgsteigernd wirken (Bauer et al., 2007; Chiang und Nunez, 2007; Danaher et al., 2006; Meziane und Kasiran, 2008; Sismeiro und Bucklin, 2004; Song und Zahedi, 2005; Verhoef et al., 2007; Wolfinbarger und Gilly, 2001). Zeithaml et al. (2002, S. 369) machen bei der Gestaltung allerdings eine „design gap“ im Vergleich mit den Anforderungen der Konsumenten aus. Trotz der betriebswirtschaftlichen Relevanz des Online-Einzelhandels, der offensichtlich zentralen Rolle von Vertrauen und der Wichtigkeit der Websitegestaltung gibt es bislang kaum empirische Hinweise darauf, wie und wodurch Vertrauen bei potentiellen Kunden konkret gebildet bzw. aufgebaut wird.5 Es existiert zwar eine Vielzahl von Forschungsbeiträgen im Online-Kontext, die mit empirischen Daten Ursache-Wirkungs-Zusammenhänge untersuchen, bemerkenswerterweise liegt aber dort das originäre Interesse weit überwiegend nicht darin, konkrete „Stellschrauben“ zu identifizierten, die in der Beeinflussungssphäre eines On5

Diesen Sachverhalt stellen Li et al. (2009) aktuell auch für „Internet Auction Features“ fest.

5 line-Einzelhändlers liegen und erfolgsteigernd im Sinne der Erhöhung der Conversion-Rate wirken. Meist steht das ganzheitliche Testen von Hypothesensystemen von – mehr oder minder relevanten – nicht beobachtbaren Größen im Vordergrund (vgl. Abschnitt 4.3.3.). Zudem wird die soziopsychologische Perspektive des Konsumenten bei der Erfolgsfaktorenforschung im Online-Kontext vielfach vernachlässigt (Haenecke, 2002). Ursächlich hierfür könnte neben fehlendem Interesse auch ein bewusst oder unbewusst unpassend eingesetztes methodisches Instrumentarium sein (vgl. Abschnitte 2.2.2. und 4.3.3.). Ein übergreifender, der Realität gerecht werdender Wirkzusammenhang zwischen einer Vielzahl von möglichen und beeinflussbaren Einflussindikatoren und deren Bedeutung für das Vertrauen im elektronischen Handel – also ein multidisziplinärer Ansatz, der Konsumenten- und Firmensicht zusammenführt – ist zum Zeitpunkt des Abfassens der vorliegenden Arbeit nicht bekannt. Speziell ist dieser Zusammenhang aufgrund des aufgezeigten Suchverhaltens von Interesse, wenn es darum geht, die Quellen für das Vertrauen in ein OnlineUnternehmen vor der ersten Transaktion zu identifizieren. Dies ist bezeichnend, denn gelänge eine Wirkbeurteilung einzelner Indikatoren auf das Kaufverhalten – d. h. in Ansätzen eine Umsatzprognose –, könnten Online-Einzelhändler ihre Website entsprechend optimal gestalten, um das derzeit ungenutzte Potential zu nutzen. So machen auch Gefen et al. (2008, S. 281) in ihrer Research Agenda des Special Issue „Trust in Online Environments“ des Journal of Management Information Systems für zukünftige Forschung nach wie vor einen derartigen Forschungsbedarf aus multidisziplinärem Blickwinkel aus: „Therefore, one research agenda that we suggest is that of developing a theory or a set of theories that identify the IT artifact[s] [e.g., recommendation agent] … that have the potential to increase trust in e-commerce, and further indicate how these … can be integrated into technology adoption models, such as the TPB [Theory of Planned Behavior].”6 Genau hier liegt der Fokus dieser Arbeit. Das Ziel ist die Identifikation der durch den OnlineEinzelhändler nach außen hin kommunizier- bzw. signalisierbaren Indikatoren, die eine Vertrauensausbildung positiv beeinflussen können, und die Quantifizierung ihrer Beiträge zur Steigerung der Kaufabsicht über eine Integration in die renommierte Theory of Planned Behavior (Ajzen 1985, 1991), in der es um die Prognose des (Kauf-)Verhaltens von Individuen geht. Dabei stehen solche Indikatoren im Vordergrund, die vor der eigentlichen Kaufdurchführung und im Rahmen eines Online-Einzelhändlererstkontaktes potentieller Konsumenten mit Kaufintention eines konkreten Produktes wahrgenommen werden können und vertrauensfördernd wirken, weil im Rahmen des dargestellten Such- und Kaufverhaltens im Internet das Konzept des Erstvertrauens dominiert und dessen positive Beeinflussung zur Überwindung der „Liability of Newness“ monetäres Potential bietet. Im Rahmen der vorliegenden Arbeit werden mit Bezugnahme auf die Informationsökonomie (Akerlof, 1970; Marschak, 1954; Spence, 1973; Spence, 1974; Stiglitz, 1974; Wittmann, 1959) sog. Signale (z. B. Gütesiegel) als Informationssubstitute und vertrauensfördernde In6

Dieser Forschungsbedarf wurde hier unabhängig und vor der Publikation von Gefen et al. (2008) identifiziert.

6 strumente identifiziert und symbiotisch über eine Explikation des Vertrauensbegriffs mit Erkenntnissen aus der Vertrauensliteratur zusammengeführt und in die Theory of Planned Behavior integriert. Durch die Untersuchung der Vertrauensattribution im Online-Kontext über unterschiedliche Dimensionen, die in der Literatur häufig übersehen wird, jedoch eine weitere Schlüsselrolle für das Verständnis spielt, wie Besucher einer Online-Einzelhandels-Website zu Käufern „konvertiert“ werden können (Schlosser et al., 2006), wird auch einem weiteren Forschungsdesiderat von Gefen et al. (2008, S. 276) nachgekommen: „… it is also important to examine the dimensionality of trust … Trust in online environments is based on beliefs in the trustworthiness of a trustee, which is composed of three distinct dimensions – integrity, ability, and benevolence.” Das entwickelte Wirkbeziehungsgeflecht wird zur Prognose der Zielgröße „Vertrauensvolle Kaufabsicht“ und mit dem Ziel der Effizienzbeurteilung vertrauensfördernder Signale – insbesondere zur Ableitung von Managementimplikationen – quantitativ analysiert. Dazu wird der Wirkzusammenhang auf der Strukturgleichungsmethodik basierend modelliert. Eine Überprüfung wird mittels des Partial-Least-Squares-Verfahrens, das als besonders geeignet identifiziert wird (vgl. Abschnitt 2.2.2.), anhand empirischer Daten vorgenommen. Eine Konkretisierung des Untersuchungsgegenstandes und des Untersuchungsobjektes findet im nachfolgenden Abschnitt statt.

1.2. Abgrenzung von Untersuchungsgegenstand und -objekt Zu Begriffen rund um das Themenfeld E-Business, wie E-Commerce, E-Tailing oder Internethandel existiert in Wissenschaft und Praxis nach wie vor noch kein einheitliches Begriffsverständnis (Gittenberger et al., 2007, S. 22; Güttler und Heinzl, 2003). Für den weiteren Verlauf der Arbeit ist jedoch die Abgrenzung des Begriffes „Online-Einzelhandel“ vonnöten. Dazu bedarf es zunächst der Erläuterung bzw. Abgrenzung der Begriffe E-Business und E-Commerce. Unter dem Begriff E-Business, definiert als „... die Unterstützung von Geschäftsprozessen und Beziehungen zu Geschäftspartnern, Mitarbeitern und Kunden eines Unternehmens durch elektronische Medien“ (Schubert et al., 2003, S. 14), sollen hier die Teilbereiche E-Commerce, E-Procurement und interaktives E-Government subsumiert werden (vgl. Abbildung 2).

7

E-Government E-Business E-Procurement

E-Commerce

Interaktives E-Government

E-Policy Abbildung 2: Begriffseingrenzung E-Business und E-Commerce

E-Commerce umfasst alle Transaktionen (Anbahnung, Abschluss und Abrechnung) unterschiedlicher Marktbereiche und unterschiedlicher Transaktionspartner über das Internet.7 Im Fall digitaler Produkte kann die Distribution ebenfalls über das Internet erfolgen. Das E-Procurement bezeichnet das elektronische Beschaffungswesen und ist unternehmensprozessorientiert. Zusammengefasst werden unter E-Procurement alle Arten von Informationstechniksystemen verstanden, die jegliche Form der durch das Internet unterstützten Beschaffung abbilden. Organisiert wird E-Procurement im Rahmen des Supply Chain Managements (Gittenberger et al., 2007, S. 22; Güttler und Heinzl, 2003; Müller, 2006, S. 19 ff.; Schubert et al., 2003, S. 13 ff.). In die Betrachtung des Electronic Business nach Abbildung 2 ist der Staat, der aufgrund seiner immanenten Stellung gewisse Besonderheiten aufweist, in einem interaktiven Funktionsverständnis (Interaktives E-Government) mit einbezogen (Müller, 2006, S. 24). Er agiert selbst als ein Marktteilnehmer (bzw. nach der vorigen Definition von Schubert et al. (2003) als Unternehmen), der Dienstleistungen über das Internet offeriert. Als Anbieter veröffentlicht er z. B. Zwangsversteigerungstermine. Demgegenüber fungiert er als Nachfrager, sofern Bürger die Steuerabwicklung oder die Wohnsitzanmeldung über das Internet durchführen. Über die Interpretation als Marktteilnehmer hinaus agiert der Staat allerdings auch in einer übergeordneten Rolle (E-Policy bzw. E-Government), indem er Rahmenbedingungen für den effektiven Einsatz des Internets dadurch gestaltet, dass er z. B. die nötigen rechtlichen Rahmenbedingungen vorgibt und/oder die infrastrukturelle Verfügbarkeit des Internets fördert. Unterscheidet man bei den Akteuren des E-Business demnach Staat bzw. Government, Consumer und Business und kategorisiert die einzelnen Handlungsbereiche nach Anbieter und Nachfrager der Leistung, so ergibt sich eine Matrix mit neun Transaktions- bzw. Marktbereichen (vgl. Tabelle 1).

7

Unter Internet wird hier wie allgemein üblich ein globales Netzwerk verstanden, in dem mittels Datenleitungen Computer sowie lokale Netze verbunden sind, um Daten miteinander austauschen zu können (vgl. Abschnitt 3.2.1.).

8

Nachfrager der Leistung

Business Government

Anbieter der Leistung

Consumer

Consumer

Business

Consumer-to-Consumer

Consumer-to-Business z. B. Internetkleinanzeigen z. B. Jobbörsen oder Online-Auktionen

Government

Consumer-to-Government z. B. Steuerabwicklung wie Einkommensteuer

Business-to-Consumer z. B. Kundenbestellung eines physischen Produktes bei einem Online-Einzelhändler

Business-to-Business z. B. Beschaffungsmaßnah- Business-to-Government men eines Unternehmens z. B. Steuerabwicklung wie auf einem virtuellen Markt- Körperschaftssteuer

Government-to-Consumer z. B. Abwicklung von Unterstützungsleistungen des Staates

Government-to-Business Government-to-Government z. B. Beschaffungsmaßz. B. Transaktionen zwischen nahmen öffentlicher Instiöffentlichen Institutionen tutionen

platz

Tabelle 1: E-Business zwischen unterschiedlichen Wirtschaftssubjekten Quelle: In Anlehnung an Herrmans (1999, S. 23).

Diese Arbeit zielt auf den Online-Einzelhandel physischer Güter – d. h., nur Anbahnung, Abschluss und Abrechnung erfolgen elektronisch unter Verwendung von Datennetzen, die Distribution findet hingegen physisch statt – als Teilsegment des B2C E-Commerce ab (vgl. Abbildung 3 und Tabelle 1). „B2C-E-Commerce ist … als die Gesamtheit aller Transaktionen zu verstehen, die mittels Computer-zu-Computer-Kommunikation zwischen anbietenden Einzelwirtschaften … und letzten Nachfragern des Konsumbereichs stattfinden“ (Bassen und Popovi, 2004, S. 838).8 Obwohl hier die Handelsfunktion im Vordergrund steht, wie der Begriff „Commerce“ implizit vorgibt (Bassen und Popovi, 2004), beinhaltet eine weiter gefasste Definition auch OnlineKundentransaktionen, die sich auf Bank- und Versicherungsgeschäfte, Reiseunternehmen und -vermittler sowie allgemeine Dienstleistungen (z. B. Online-Anwaltsberatung (McKnight et al., 2002)) beziehen (Gittenberger et al., 2007, S. 21 ff.; Zentes und Swobada, 2000). Das Angebot derartiger Dienstleistungen sowie der Verkauf von Kraftfahrzeugen zählen in einem formaleren Verständnis allerdings nicht zu den Wirtschaftstätigkeiten des Einzelhandels und sind somit nicht Gegenstand der vorliegenden Arbeit (vgl. Abbildung 3). Diese Abgrenzung resultiert auf der auf europäischer Ebene gültigen NACE (franz.: Nomenclature générale des activités économiques)-Systematik der Wirtschaftszweige der europäischen Gemeinschaft (Gittenberger et al., 2007, S. 24; Kettner et al., 2007). 8

Neben Computern können auch andere Geräte wie Mobiltelefon, Personal Digital Assitant oder hybride Formen als Kommunikationsmedium vor allem auf der Nachfragerseite fungieren. Dieses Feld ist allerdings wegen der derzeit vergleichsweise begrenzten Darstellungsmöglichkeiten (Vance et al., 2008) nicht Gegenstand dieser Arbeit.

9

B2C E-Commerce

Formen des B2C E-Commerce

Betriebsform

Online-Einzelhandel

Reiner Online-Einzelhandel

Online-Kfz-Wirtschaft

Stationärer Einzelhandel

Ladengeschäft

Online-Dienstleistungen z.B. Banken, Versicherungen, Reisen, Beratung

Versandhandel

Katalogversand

Vertriebskanäle

Online-Shop

Produkte

Online-Shop

Online-Shop

vornehmlich Shopping Goods (~Suchgüter) physisch | digital

M E T A P R O D U K T

Abbildung 3: Einordnung des Begriffs „Online-Einzelhandel“9

Unternehmen, die im Online-Einzelhandel tätig sind, lassen sich hinsichtlich ihrer Betriebsform unterscheiden (vgl. Abbildung 3). Neben reinen Internethändlern gibt es stationäre Einzelhändler und Versandhandelsunternehmen, die ihren ursprünglichen Vertriebskanal um das Medium Internet erweitert haben. Nichtsdestotrotz ist die Klassifizierung nach Abbildung 3 nur idealtypisch zu verstehen. Denkbar sind sowohl hybride Formen des B2C-ECommerce (z. B. kann ein Online-Einzelhändler für Computerzubehör auch beratende Dienstleistungen online anbieten), als auch hybride Betriebsformen (z. B. verfolgt der Otto-Konzern als ehemals reiner Versandhändler mittlerweile eine Multichannelstrategie und vertreibt Produkte zusätzlich über einen Online-Shop, wie auch über stationäre „Otto-Shops“ (o.V., 2009)). Das Untersuchungsobjekt im weiteren Sinn (i. w. S.) dieser Arbeit sind die aus Abbildung 3 zu entnehmenden Online-Shops, die physische Produkte unterschiedlicher Art anbieten.10 Vergleichsweise wenig werden in Online-Shops häufig gekaufte Produkte des täglichen Bedarfs, sog. Convenience Goods (fast ausnahmslos geringpreisig und physischer Art, wie z. B. Lebensmittel oder Drogerieartikel), die i. d. R. mit geringem kognitiven Aufwand ohne längerfristige vorausgehende Planung gekauft werden, angeboten (Gittenberger et al., 2007, S. 79 f.; Kotler und Bliemel, 2005, S. 720 f.). Sie eignen sich derzeit kaum für den Interneteinzelhandel. Aus Sicht des Kunden ist dies z. B. der Fall, weil die Produkte nicht sofort „im Vorbei9

Es handelt sich um eine Erweiterung der Darstellung von Gittenberger et al. (2007, S. 1). Die Konkretisierung des Untersuchungsobjekts erfolgt in Abschnitt 6.1.

10

10 gehen“ verfügbar sind. Aus Sicht des Händlers ist dies der Fall, weil der Internetvertrieb dem stationären Handel in Preiskonkurrenz wegen des hohen Versandkostenanteils am Gesamtpreis unterlegen ist (Peterson et al., 1997). Ebenso wenig geeignet ist der Vertrieb sog. Speciality Goods. Dies sind sehr hochpreisige Güter mit einem besonders eigenständigen Charakter bzw. einer prestigeträchtigen Markenpersönlichkeit, die nur sehr selten erworben werden (z. B. hochwertige Luxusuhren) und über die ein bestimmter Lebensstil demonstriert werden soll (Sattler und Völckner, 2007, S. 60 ff.). Das persönliche Gespräch mit kompetenten Mitarbeitern in angenehmer Atmosphäre spielt bei derartigen Gütern meist eine wichtige Rolle (Gittenberger et al., 2007, S. 79 f.; Kotler und Bliemel, 2005, S. 720 f.; Peterson et al., 1997). Hauptsächlich (zu ca. 85 %) werden über Online-Shops derzeit sog. Shopping Goods vertrieben (bspw. Unterhaltungselektronik oder Sportartikel, vgl. Abbildung 1), die im Preissegment zwischen Convenience und Speciality Goods liegen (Bartel et al., 2008; Novomind, 2006b, S. 9, 14; van Baal, 2006). Bei Shopping Goods findet vor dem Kauf ein Such-, Vergleichs- und Auswahlprozess durch den Konsumenten statt (Kotler und Bliemel, 2005, S. 720 f.). Bezogen auf die Klassifizierung von Moe (2003), die vier verschiedene Typen von Kaufstrategien im Online-Handel identifiziert, die sich aus zwei Dimensionen mit je zwei Ausprägungen unterscheiden – dem Suchverhalten (direkt versus exploratorisch) und dem zeitlichen (Bedarfs-)Horizont (sofort versus zukünftig) –, zielt die vorliegende Untersuchung auf das Kaufverhalten ab, das das direkte Suchverhalten beinhaltet (vgl. die Ausführungen in Abschnitt 1.1.), wobei von der Dimension Zeit abstrahiert wird (vgl. Abbildung 4)11. Der Konsument hat demnach einen konkret spezifizierten Bedarf und das Suchverhalten ist fokussiert auf ein spezifisches Produkt oder zumindest eng spezifizierte Produktmerkmale – sog. Suchgüter (Moe, 2003; Nelson, 1970). Zeitlicher Bedarfshorizont sofort zukünftig

direktes Suchverhalten

exploratorisches Suchverhalten

Abbildung 4: Kaufstrategien von Konsumenten im Online-Einzelhandel Quelle: In Anlehnung an Moe (2003).

11 Die von der Autorin vorgenommene Dichotomisierung der Ausprägungen in den Dimensionen sollte nur idealtypisch verstanden werden, da in der Realität die jeweiligen Ausprägungen eher auf einem Kontinuum auftreten. Nichtsdestotrotz erscheinen die Dimensionen an sich durchaus sinnvoll.

11 Im Verständnis der Kaufverhaltensforschung geht insbesondere dem sog. extensiven Kaufentscheidungsprozess eine derartige umfangreiche, direkte Informationssuche voraus, die mit einer überlegten Informationsverarbeitung und einer starken kognitiven Involvierung einhergeht. Überdies ist der Prozess durch eine genaue konsumentenseitige Kenntnis des Entscheidungsgegenstandes charakterisiert (Kroeber-Riel und Weinberg, 2009, S. 210 ff.; Trommsdorff, 2004, S. 152 ff.). Untersuchungen im Rahmen der Kaufverhaltensforschung zeigen, dass die relative Wichtigkeit einzelner Faktoren zur Ausbildung einer Kaufabsicht systematisch variiert. Neben der vorgestellten Kaufstrategie und demographischen bzw. Persönlichkeitsmerkmalen ist die relative Wichtigkeit auch von der konkreten Produktkategorie abhängig (Belk et al., 1989; Peterson et al., 1997). In der vorliegenden Arbeit wird auf die Produktkategorien physischer Suchgüter fokussiert, für die internetspezifische Informationsquellen häufig in die Kaufentscheidung mit einbezogen werden, deren Kauf derzeit aber primär offline stattfindet (vgl. Abbildung 1, Abschnitt 1.1.) (bspw. Consumer Electronics, PC-Soft- und Hardware, Sportartikel oder Möbel), denn gerade auf diesen Märkten könnten sich innerhalb der nächsten Jahre deutliche Anpassungsreaktionen im Nachfrageverhalten in Richtung des OnlineEinzelhandels einstellen (Heinemann, 2009; Novomind, 2006a, S. 12; Schneller, 2008; van Baal, 2006), gelänge es die Ressentiments des Kunden zu überwinden. Konkret liegt der Fokus dieser Arbeit auf dem Teilmarkt „Consumer Electronics“. In Kapitel 6 wird dazu ein Bedarfsszenario hinsichtlich des Kaufs einer speziellen Digitalkamera skizziert. Trotz der vorherrschenden Meinung, die vornehmlich im Internet vertriebenen Produkte seien Suchgüter, ist eine detaillierte Betrachtung notwendig, da der Kauf eines physischen Suchguts über das Internet Besonderheiten aufweist. Zwar handelt es sich bei dem hier betrachteten physischen Produkt um ein Suchgut, für dessen originären Produktnutzen nahezu kein Differenzierungspotential besteht (Peterson et al., 1997), die verbundene Distanzhandelsdienstleistung, bei der der Ressourcenaustausch (Preisgabe von persönlichen Informationen und finanzielle Transaktion einerseits, Warenlieferung und Nachkaufservice andererseits) weitgehend asynchron abläuft, stellt aber ein Erfahrungsgut dar, dessen Qualität erst weit nach der Ausführung beurteilt werden kann (Einwiller et al., 2005; Nelson, 1970; Schlosser et al., 2006). Eine kundenseitige a priori vorhandene Unsicherheit bzw. mangelhafte Informationen (sog. Informationsasymmetrie (Akerlof, 1970; Spence, 1973; Spence, 1974; Stiglitz, 1974)) in Bezug auf die Qualität kennzeichnet demnach ein Erfahrungsgut (Nelson, 1970) und damit die Distanzhandelsdienstleistung. Zusammengefasst ist der „Kauf eines physischen Suchguts über das Internet bei einem Online-Einzelhändler“ daher als ein Erfahrungsgut zu verstehen. Dies gilt vor allem für Erstkäufe bei Online-Einzelhändlern, in deren Vorwege der Konsument noch keine Erfahrung bzgl. der Leistungsqualität des Online-Einzelhändlers besitzt. Ergebnisse einer aktuellen Untersuchung belegen empirisch eine Nichtunterscheidbarkeit von Such- und Erfahrungsgütern im Online-Handel (Huang et al., 2009).

12 Der „Erstkauf eines physischen Suchguts über das Internet bei einem Online-Einzelhändler“ wird daher im weiteren Verlauf der Arbeit als Metaprodukt (vgl. Abbildung 3) und Erfahrungsgut aufgefasst und stellt zugleich den eigentlichen Untersuchungsgegenstand der vorliegenden Arbeit dar. In die Qualitätsbeurteilung des Metaproduktes, die auf Basis vollständiger Information erst weit nach dem Kauf vorgenommen werden kann, fließen demnach neben den originären Eigenschaften des physischen Produkts zusätzlich auch Dienstleistungen um das Produkt und den Kunden herum ein, d. h. Anbahnung, Abschluss, Bezahlvorgang, Lieferung, Nachkaufservice sowie Datensicherheit und -schutz. Brynjolfsson (2004) spricht bei einem online erworbenen Gut von einem Produktbündel, das erworben wird. Dieses Metaprodukt lässt sich im Vergleich zum physischen Produkt differenzieren, um z. B. ein Preis-Premium zu realisieren, wie bereits vereinzelt im Online-Einzelhandel nachgewiesen werden kann (Pan et al., 2002; Zhiping et al., 2006): „The premium that Amazon was able to command … suggests that it had succeeded in … differentiating its product”; „… differentiation [means] such as offering reviews, recommendations, loyality programs, and other amenities“ (Clay et al., 2002, S. 366). Der Metaproduktcharakter mit seinen Erfahrungsguteigenschaften verstärkt bzw. unterstreicht die kognitive Involvierung (potentieller) Konsumenten bei Internettransaktionen. Erkenntnisse aus der Kaufverhaltensforschung zeigen aber, dass Erfahrungsgüter durch Informationsaufnahme des Konsumenten Quasi-Suchgutcharakter erhalten können (Salim und Touzani, 2008; Trommsdorff, 2004, S. 319 ff.). Überträgt man diese Erkenntnis auf den Untersuchungsgegenstand, bedeutet dies, dass hinsichtlich der Metaproduktqualität Unsicherheit beim Konsumenten vermindert bzw. Vertrauen geschaffen werden kann. Durch die Übermittlung „der richtigen Informationen“ über die einzige Interaktionsfläche zwischen Käufer und Verkäufer – der Website – könnte es Online-Einzelhändlern gelingen, die a priori vorhandene Unsicherheit bzw. den Informationsmangel beim Konsumenten hinsichtlich der Metaproduktqualität zu reduzieren und sein Vertrauen zu gewinnen . Die Identifikation gestalterischer Maßnahmen als Informationssubstitute (sog. Signale), die beim Konsumenten Vertrauen in die gute Metaproduktqualität hervorrufen, ist somit primäres Forschungsziel der vorliegenden Arbeit, deren Untersuchungsgang nachfolgend vorgestellt wird.

1.3. Gang der Untersuchung zur Erreichung der Forschungsziele Im Mittelpunkt dieser Arbeit steht die Frage, ob und wie sich die Vertrauens- und damit Kaufabsichtsausbildung in Bezug auf den „Erstkauf eines physischen Suchguts über das Internet bei einem Online-Einzelhändler“ positiv durch gestalterische Maßnahmen als Informationssubstitute beeinflussen lässt. Daraus leiten sich folgende (Sub-)Forschungsziele ab: ƒ Explikation des Vertrauensbegriffs,

13

ƒ

Aufarbeitung des Schrifttums und qualitative Zusammenführung sowie Typologisierung vertrauensfördernder bzw. kaufabsichtserhöhender Signale, die in der direkten Beeinflussungssphäre des Online-Einzelhändlers liegen, bei gleichzeitiger Aufdeckung von Schwächen einiger bestehender Untersuchungen hinsichtlich des Aussagegehalts aufgrund inadäquater Methodik, theoretisch fundierte Entwicklung eines umfassenden multidisziplinären Wirkmodells

ƒ

auf Basis einer geeigneten Analysemethode, die eine Verarbeitung nicht direkt messbarer Größe möglich macht, methodisch adäquate empirische Prüfung des Wirkmodells zur Erklärung des

ƒ

(Erst-)Kaufverhaltens und eine Ableitung von Empfehlungen für Online-Einzelhändler.

ƒ

Mit den obigen Zielen ist implizit auch ein methodisches Ziel verbunden, vor dem Hintergrund von Anwendungsdefiziten bei Strukturgleichungsmodellen (Fassott, 2007), die auch im Online-Kontext festzustellen sind. Hier gilt das Augenmerk dem PLS-Ansatz, der erst in den letzten Jahren in der betriebswirtschaftlichen Literatur eine Renaissance erfährt (Fassott, 2005). Als methodische Forschungsziele sind die ƒ detaillierte Erläuterung (und Vorstellung der Eignung) des PLS-Ansatzes inklusive eiƒ

nes Zahlenbeispiels und die Zusammenstellung geeigneter Gütemaße unter Beachtung der Problematik der Anwendung bzw. der Interpretation der Ergebnisse

zu konkretisieren. Diese Forschungsziele werden mit folgender Vorgehensweise umgesetzt. Ausgehend von den dargestellten inhaltlichen Erkenntniszielen und den entsprechenden Forschungsfragen der vorliegenden Arbeit wird in Kapitel 2 mit Hilfe methodologisch-theoretischer Überlegungen eine konzeptionell-methodische Grundlage der weiteren Argumentation gelegt. Dabei werden auf die Strukturgleichungsmethodik auch in Bezug auf die Erfolgsfaktorenforschung eingegangen und kurz die Auswahl des eingesetzten Verfahrens (PLS) begründet. Den theoretischen Grundlagen zur Erklärung des Kaufverhaltens im Online-Einzelhandel ist Kapitel 3 gewidmet. Dazu werden kurz mögliche verhaltenswissenschaftliche Erklärungsansätze aufgezeigt und die Bevorteilung der klassischen Einstellungsansätze, speziell die der Theory of Planned Behavior (Ajzen 1985, 1991), herausgearbeitet. Nach Darlegung von Diffusionsbarrieren des Online-Einzelhandels und der Identifikation von Vertrauen als zentraler Größe zur Ausbildung einer Kaufabsicht werden Übereinstimmungen zwischen dem Einstellungs- und dem Vertrauenskonzept dargelegt, um die Implementierung des Vertrauens in den Zusammenhang der Theory of Planned Behavior zu legitimieren. Die Explikation des Vertrauensbegriffs schließt sich in Kapitel 4 an. Dabei wird auf die Ausführungen aus Kapitel 3 Bezug genommen und Vertrauen ausführlich begrifflich und inhaltlich präzisiert und spezifiziert. Dazu findet die Betrachtung der vertrauensbezogenen Ein-

14 flussgrößen statt. Eine Einbettung der für den Untersuchungskontext adäquaten Erscheinungsform von Vertrauen in Verbindung mit den vertrauensrelevanten Erwartungen (Kompetenz, Integrität und Wohlwollende Intention12) als Einflussgrößen des Vertrauensnehmers in die Theory of Planned Behavior wird vorgenommen. Mit Bezug auf informationsökonomische Überlegungen und Erkenntnisse werden Signale zur Verminderung von Informationsasymmetrien („Asymmetric information is at the heart of situations involving trust“ (Lee et al., 2005, S. 607)) als Gestaltungsfaktoren vertrauensrelevanter Erwartungen untersucht. Mittels einer umfangreichen Literaturanalyse werden eine umfassende Übersicht potentieller Signale gegeben, widersprüchliche Ergebnisse aufgezeigt und eine Offline-Signaltypologisierung, die investitions- und finanzierungspolitische Gesichtspunkte mit ins Kalkül zieht, für Signale im Online-Einzelhandel adaptiert. Zur Komplettierung des Wirkbeziehungsmodells findet eine Integration von Signalen auf Basis von Expertenurteilen statt. Die inhaltliche Konzeptionalisierung des Modells zur Erklärung des vertrauensbezogenen Verhaltens (bzw. der vertrauensbezogenen Verhaltensintention) findet im vierten Kapitel den Abschluss. Im fünften Kapitel wird eine methodische Fokussierung auf das Partial-Least-SquaresVerfahren vorgenommen, da es vor allem in der deutschsprachigen Literatur im Vergleich zu kovarianzbasierten Strukturgleichungsmodellen weniger Beachtung findet (Fassott, 2007, S. 9). Dazu erfolgen eine Zusammenstellung geeigneter Maße und Kriterien zur Gütebeurteilung sowie eine kritische Diskussion der Sinnhaftigkeit statistischer Prüfungen unter Einbeziehung des bisherigen Vorgehens in der Forschungspraxis. Die Zusammenführung der methodischen Argumentationslinie aus Kapitel 2 und 5 mit der inhaltlichen aus Kapitel 3 und 4 erfolgt in Kapitel 6, der PLS-Analyse des entwickelten Wirkbeziehungsmodells auf Basis empirischer Daten aus einer Primärerhebung. Es erfolgt eine Globalbetrachtung sowie eine segmentspezifische Analyse, Interpretation und Implikationsableitung. Das Kapitel schließt mit einer Gegenüberstellung der Ergebnisse aus einer direkten Präferenzabfrage und der PLS-Ergebnisse. Alle zentralen Untersuchungsergebnisse der vorliegenden Arbeit sind im siebten Kapitel zusammengefasst und werden vor dem Hintergrund ihres Erkenntnisbeitrages und möglicher Anknüpfungspunkte für weitere Forschung diskutiert.

12

Der Begriff Wohlwollende Intention wird im Folgenden als Eigenname betrachtet.

15

2. Methodik der Untersuchung 2.1. Die Empirie als Forschungsmethode Um die aufgezeigten inhaltlichen Erkenntnisziele zu erreichen, muss eine Methode gewählt werden, die in jeder Phase des Forschungsvorhabens ein nach Sache und Ziel planmäßiges Vorgehen sichert (Irion, 2007, S. 37). Irion (2007, S. 37) schlussfolgert: „Die wissenschaftliche Methode ist somit der Theorie vorgelagert…“, weil die Methode ein auf eine bestimmte Vorgehensweise zur Gewinnung wissenschaftlicher Erkenntnisse gerichtetes „Regelsystem“ und damit die Art und Weise des Vorgehens darstellt, um die Lösung bestimmter Problemstellungen bzw. die Erreichung bestimmter Ergebnisse zu gewährleisten. Die Vorlagerung der Methode wird aber nach dem dieser Arbeit zugrunde liegenden Verständnis nicht in der oben dargelegten „Extremform“ interpretiert. Die Theorie richtet sich demnach nicht nach der Methode, sondern zur Erreichung des Erkenntnisziels ist eine Symbiose aus geeigneter Methode und theoretischem Bezugsrahmen essentiell. Zentraler und ursächlicher Bestandteil einer Forschungsarbeit ist demnach stets das angestrebte Erkenntnisziel, zu dessen Erreichung Methode und Theorie grundsätzlich „Hand in Hand“ wandeln. Sehr wohl ist aber die Vorlagerung eines detaillierten Verständnisses des analytisch- methodischen Instrumentariums notwendig, um die geeignete Einbettung einer Theorie sicherzustellen. Im Idealfall sollte der „… Modelleur zum Meister der Methodik [werden]!“ (Diller, 2006, S. 614). Von daher wird auch in diesem Kapitel die Auswahl der Methode fundiert begründet, bevor die Erarbeitung einer Theorie und die Modellbildung erfolgen, um die inhaltlichen Ziele zu erreichen. En détail wird die ausgewählte Methode, die Schätzung von Strukturgleichungsmodellen mittels PLS, in Kapitel 5 dargestellt. Vor dem Hintergrund von Anwendungsdefiziten bei Strukturgleichungsmodellen (Diller, 2006; Fassott, 2007, S. 9) werden allerdings mit der vorliegenden Arbeit neben der zentralen inhaltlichen Zielsetzung wie der Identifikation erfolgsteigernder Signale peripher auch methodische Forschungsziele verfolgt. Bevor auf diese Thematik eingegangen wird, bedarf es zunächst der Erläuterung, wie es zu der Entscheidung der Nutzung eines Strukturgleichungsmodells und des Partial-Least-Squares-Verfahrens für die Verarbeitung der empirischen Daten kommt. Nach Homburg (2007) dominieren vier übergeordnete Methoden bzw. Ansätze die betriebswirtschaftliche Forschung (vgl. Abbildung 5): Empirie, Morphologie, Reine Theorie und Modellierung.

16

Betriebswirtschaftliche Forschungsmethoden

Schlussfolgerung auf Grundlage logischer Überlegung

Schlussfolgerung auf Grundlage von Erfahrung

Empirie Systematische, theoriegestützte Analyse realer Gegebenheiten im betriebswirtschaftlichen Kontext anhand externer Daten

Morphologie

Reine Theorie

Modellierung

Begriffsbildung und Klassifizierung der Gegebenheiten in einem betriebswirtschaftlichen Aktionsfeld

Entwicklung eines konsistenten theoretischen Aussagengerüsts und deduktive Analyse einzelner betriebswirtschaftlicher Probleme

Entwicklung und Verwendung mathematischer Modelle zur Ermittlung von (optimalen) Lösungen für betriebswirtschaftliche Probleme

Abbildung 5: Betriebswirtschaftliche Forschungsmethoden Quelle: In Anlehnung an Homburg (2007).

Als empirische Forschung – die zentraler Bestandteil dieser Arbeit ist – werden Forschungsprojekte bezeichnet, die zur Bearbeitung ihrer Forschungsziele externe Daten sammeln, aufbereiten und auswerten. Erfahrungswissen stellt demnach die Grundlage für die Aussagenfindung dar. Die weiteren drei übergeordneten Methoden betriebswirtschaftlicher Forschung lassen sich zwar grundsätzlich von der Empirie abgrenzen, ein gewisser Einfluss empirischer betriebswirtschaftlicher Forschung bzw. eine Interdependenzbeziehung kann jedoch nicht in Abrede gestellt werden (Homburg, 2007). Im Rahmen der Morphologie bzw. Phänomenologie (auch Formenlehre (Dülfer, 1962, S. 17)) wird ebenfalls, wie in der empirischen Forschung, Erfahrungswissen genutzt, mit dem Ziel der Ausbildung von Begriffen und der Klassifizierung von Phänomenen in einem Forschungsgebiet. Das verwendete Erfahrungswissen resultiert dabei vielfach aus empirischer Forschung. Der Unterschied zwischen Morphologie und Empirie ist, dass sich empirische Forschung durch intersubjektive Transparenz ihrer Forschungsbemühungen auszeichnet (Kubicek, 1975, S. 33 f.), indem der Prozess der Erkenntnisgewinnung transparent thematisiert wird und so durch andere Wissenschaftler anhand objektiver Maßstäbe nachvollzogen werden kann (Dülfer, 1962; Homburg, 2007). Die betriebswirtschaftliche Forschungsmethode, die als Reine Theorie beschrieben wird, zieht zwar häufig empirische Phänomene als Startpunkt theoretischer Überlegungen heran, trifft dann aber Aussagen allein auf Basis logischer Überlegungen vor dem Hintergrund klar abgegrenzter Prämissen. Weder Prämissen noch Aussagen werden auf Gültigkeit in der Realität untersucht (Homburg, 2007).

17 In Arbeiten der betriebswirtschaftlichen Modellierung, d. h. der mathematisch formalisierten Modellbildung – vielfach verknüpft mit der formalen Herleitung einer optimalen Ressourcenallokation auf unterschiedliche Handlungsoptionen –, werden häufig empirische Daten verwendet bzw. bilden empirische Fragestellungen die Grundlage der Entwicklung von (Optimierungs-)modellen (Homburg, 2007). Trotz einer Abgrenzung ist „… empirische betriebswirtschaftliche Forschung … keine Gegenposition zu einer – wie auch immer bestimmten – theoretischen Forschung“ (Hausschildt, 2003, S. 23). „Es ist vielmehr davon auszugehen, dass gerade von dem Spannungsfeld [der vier Forschungsmethoden] interessante Impulse für die betriebswirtschaftliche Forschung ausgehen können“ (Homburg, 2007, S. 30). Dieses Spannungsfeld ist auch Impulsgeber für die vorliegende Arbeit und für die Zusammenführung inhaltlicher und methodischer Ziele, wie im weiteren Verlauf dieses Kapitels aufgezeigt wird. Ein Teil des von Homburg (2007, S. 30) identifizierten „Spannungsfeldes“, das „Prinzip der problemgeleiteten Theoriegewinnung“ im Hinblick auf die theoretische Fundierung empirischer Forschung, wird als eines von drei wissenschaftstheoretischen Grundprinzipien empirischer Forschung anerkannt. Gerade um die Gefahr eines „Dilettantismus“ (Schneider, 2001, S. 262) empirischer Forschung zu kompensieren, ist es erforderlich, über eine theoretisch-konzeptionelle Argumentation und Pilot-Tests die inhaltliche Validität empirischer Forschung sicherzustellen. Das jeweilige Forschungsziel ist dabei der Ausgangspunkt, um aus einer Vielzahl existierender Theorien diejenige auszuwählen und ggf. zu erweitern, die – ergänzt um entsprechende empirische Befunde – einen Beitrag zur Klärung der Forschungsfragestellung leisten kann. Als weitere zwei wissenschaftstheoretische Grundlagen sind das „Prinzip des wissenschaftlichen Realismus“ im Hinblick auf die Frage nach der Denkunabhängigkeit der Wirklichkeit und das „Prinzip des sozialwissenschaftlichen Naturalismus“ hinsichtlich der Frage nach der Möglichkeit der Entdeckung von absoluten betriebswirtschaftlichen Gesetzmäßigkeiten zu nennen. Ersteres postuliert, dass die Wirklichkeit von unserem Denken unabhängig ist. Dies bedeutet, dass der historisch-soziale Kontext der Forschung zwar entscheidend das Wissen der Welt beeinflusst, aber Wissenschaftler die Wirklichkeit nicht aus ihrer subjektiven Perspektive, sondern objektiv wahrnehmen. Ob diesem Verständnis Folge geleistet werden kann, wird vielfach kontrovers diskutiert (vgl. Homburg, 2007 und die dort angegebenen Literatur). Das Prinzip des sozialwissenschaftlichen Naturalismus beschäftigt sich mit der Frage, inwieweit das Prinzip der Kausalität, d. h. die Existenz und Entdeckung kausaler Gesetzmäßigkeiten in betriebswirtschaftlichen empirischen Forschungsarbeiten, statthaft ist. Anders als in den Naturwissenschaften muss die Interpretation weniger absolut erfolgen. Von empirischer betriebswirtschaftlicher Forschung können keine deterministischen Kausalaussagen erwartet werden. Aussagen sind immer nur „stochastischer Natur“ (Witte, 1981, S. 19) und liefern

18 damit nur Hinweise auf ein mögliche Kausalität (Ormerod, 2009; Popper, 1935).13 Eine kritische Diskussion dieser Thematik erfolgte im deutschsprachigen Raum vor allem im Themenfeld der empirischen Erfolgsfaktorenforschung mit der Initiierung durch den Artikel von Nicolai und Kieser (2002). Gleichzeitig wird der empirischen Forschung nach Erfolgsfaktoren häufig eine unzureichende theoretische Fundierung (vgl. die allgemeine Dilettantismusaussage von Schneider (2001 S. 262)) entgegengehalten, die die Kausalproblematik noch verstärkt (Haenecke, 2002). Eine differenzierte Betrachtung der „Methoden der empirischen Erfolgsfaktorenforschung“ und der Aussagekraft ihrer Ergebnisse ist hier erforderlich, da die empirische Identifikation von „Erfolgsfaktoren im weiteren Sinn“ Kernbestandteil der vorliegenden Arbeit ist.

2.2. Quantitative Erfolgsfaktorenforschung unter Einsatz von Strukturgleichungsmodellen 2.2.1. Grundlagen Die betriebswirtschaftliche Erfolgsfaktorenforschung entstammt der Praxis aus dem Jahr 1961 aus einer Überlegung des McKinsey-Beraters und späteren Geschäftsführers D.R. Daniel heraus, Managementinformationssysteme mit Erfolgsfaktoren als Komponenten einzurichten. Die Idee der Erfolgsfaktorenforschung hielt schnell Einzug in alle Bereiche der betriebswirtschaftlichen Forschung und hat heute einen besonders hohen Stellenwert im Strategischen Management, der Organisationstheorie, der Marketingwissenschaft, der Operations Management Forschung und dem Operations Research (Nicolai und Kieser, 2002; Shah und Meyer Goldstein, 2006). Im Allgemeinen wird im Rahmen der Erfolgsfaktorenforschung nach Gesetzmäßigkeiten und Einflussgrößen gesucht, die in der Beeinflussungssphäre des Unternehmens liegen und den Unternehmenserfolg steigern. Dabei geht es nur selten um die Beziehungsanalyse zwischen einzelnen Maßnahmen, sondern um die Modellierung auf einem höheren Abstraktionsniveau und die Analyse eines komplexen Beziehungsgeflechtes (Albers und Hildebrandt, 2006). Die Ableitung empirischer Erfolgsfaktoren kann direkt über Expertenbefragungen oder indirekt mittels gedanklicher Analyse oder statistischer Verfahren auf Basis einer Datengrundlage erfolgen, deren Generierung nicht auf die direkte Identifikation der Ursachen des Erfolgs abzielt. Je nach Art der Erhebung werden die indirekten Verfahren weiter in qualitative und quantitative Untersuchungen klassifiziert. Bei ersteren werden qualitativ gewonnene Aussagen bzw. Erkenntnisse in den Mittelpunkt der Betrachtung gerückt – hervorzuheben ist eine Verwandtschaft zur Morphologie. In quantitativen Studien werden hingegen Daten in Bezug auf das Unternehmen gewonnen und mit Hilfe mathematischer Analysemethoden ausgewertet (Haenecke, 2002).

13 Verwiesen sei an dieser Stelle bereits auf Abschnitt 5.3.5.: „Exkurs: Logik von Hypothesen- und Signifikanztests im Kontext der Gütebeurteilung von PLS-Pfadmodellen.“

19 Haenecke (2002) zeigt in einer zusammenfassenden Methodenbewertung unter Aufnahme einer Vielzahl von Kritikpunkten bzgl. empirischer Erfolgsfaktorenforschung, dass die quantitativen Ansätze hinsichtlich des Potentials zur validen Aufdeckung von erfolgsfördernden Faktoren am besten abschneiden. Dazu bedarf es aber der Reflektion des Kritikpunktes der Vernachlässigung essentieller Perspektiven und damit einhergehend der Berücksichtigung inadäquater Erfolgsmaße. So werden bspw. zur Ermittlung von Erfolgsfaktoren häufig „nur“ Mitarbeiter- oder Managerbefragungen durchgeführt, die essentielle Perspektive des Kunden aber vernachlässigt (Haenecke, 2002). Dies gilt insbesondere auch für den vorliegenden Untersuchungsgegenstand (vgl. Abschnitt 1.2.), wie schon Keeney (1999, S. 534) feststellt: „The best way to find out what customers value is to ask them.” Mit der Vernachlässigung der Kundenperspektive geht einher, dass häufig nur die „harten“ Erfolgsindikatoren wie Gewinn, Rentabilität oder Umsatz betrachtet werden. Vermehrt und aktuell wird die Einbeziehung weicher, nicht direkt beobachtbarer Größen (auch latente Konstrukte genannt (Jöreskog und Sörbom, 1982)) wie z. B. Vertrauen in quantitative (Erfolgsfaktoren-)Untersuchungen sowie interdisziplinäre Sichtweisen gefordert (Diller, 2006; Geoffrion und Krishnan, 2003; Haenecke, 2002; Olsen und Olson, 2003; Srnka, 2007). Zur quantitativen Beziehungsanalyse zwischen nicht direkt beobachtbaren (latenten) Konstrukten (vgl. Abbildung 6) kommen nur Analysemethoden in Betracht, die eine Verarbeitung derartiger hypothetischer Größen möglich machen. Dieser Anforderung genügen Strukturgleichungsmodelle, die die Überprüfung eines auf theoretischen und sachlogischen Überlegungen beruhenden Hypothesensystems ermöglichen (Diller, 2006; Homburg und Klarmann, 2006). Zur empirisch quantitativen Analyse komplexer Wirkungszusammenhänge (z. B. zur Erforschung von Erfolgsfaktoren) entwickeln sich Strukturgleichungsmodelle gerade in den Wirtschafts- und Sozialwissenschaften zu einem Quasistandard (Bliemel et al., 2005; Chintagunta et al., 2006). Bei der Analyse von Strukturgleichungsmodellen (auch Kausalanalyse genannt) werden die nicht direkt messbaren Variablen (auch hypothetische Konstrukte oder latente Variable genannt), deren Bedeutungsinhalt abstrakt ist, über mehrere messbare Variable (auch Indikatorvariable oder manifeste Variable genannt) im Rahmen des sog. Messmodells operationalisiert (Herrmann et al., 2006; Jöreskog und Sörbom, 1982). Die verschiedenen Messmodelle bzw. genauer die verschiedenen latenten Variablen werden in inhaltliche Beziehung gesetzt und so wird ein sog. Strukturmodell entwickelt. Das entwickelte Wirkbeziehungsgeflecht lässt sich bei vorhandenen Daten quantitativ schätzen und inhaltlich interpretieren (Esch et al., 2009, S. 138 ff.). Zur Visualisierung eines solchen Strukturgleichungsmodells und seiner postulierten Zusammenhänge zwischen latenten Variablen untereinander sowie ihren jeweiligen Indikatoren dient das sog. Pfaddiagramm (Backhaus et al., 2006, S. 340). In Abbildung 6 ist ein solches Pfaddiagramm für ein Beispiel mit drei latenten Variablen dargestellt.

20



1

11

1

x11

y11

11

y12

12

1 12

x12 

2

Messmodell der exogenen latenten Variablen (reflektiv)

y21

2

Strukturmodell



y22

2

Messmodelle der endogenen latenten Variablen 1 (reflektiv) und  2 (formativ)

Abbildung 6: Pfaddiagramm für ein Beispiel eines Strukturgleichungsmodells mit drei latenten Konstrukten und je zwei Indikatorvariablen14

Analog zur Varianzanalyse lassen sich die verwendeten latenten Variablen auch als endogene (abhängige) Variable und exogene (unabhängige) Variable klassifizieren (Backhaus et al., 2006, S. 340). Endogene latente Variable werden durch andere latente Variable im Modell erklärt. In dem in Abbildung 6 dargestellten Beispiel sind 1 und 2 endogene latente Variable. Exogene latente Variable – wie etwa 1 in dem in dem in Abbildung 6 dargestellten Beispiel – werden dagegen nicht durch andere latente Variable im Modell erklärt. Strukturgleichungsmodelle basieren auf einem Hypothesensystem, welches auf Basis von Theorien und sachlogischen Überlegungen durch den Anwender generiert wird. Es beinhaltet sowohl (Mess-)Hypothesen zur Erklärung latenter Variablen durch Indikatorvariable als auch (Kausal-)Hypothesen bzgl. der Wirkungszusammenhänge latenter Variablen untereinander. Indikatorvariable können reflektiv spezifiziert werden, d. h. die Ausprägung einer latenten Variablen widerspiegeln, oder formativ auf ihre Ausprägung einwirken. In den in Abbildung 6 und Abbildung 7 dargestellten Beispielen sind sowohl reflektive als auch formative Indikatoren ersichtlich.

Alkoholkonsum Prestigeträchtigkeit des Spiels Ökonomische Relevanz

Anspannung eines Werder Bremen-Fans beim Besuch eines Fußballspiels seiner Lieblingsmannschaft

Blutdruck Puls Schweißproduktion

Abbildung 7: Bestimmung der latenten Variable „Anspannung eines Fußballfans“ als Beispiel für formative und reflektive Messmodelle15

Im reflektiven Fall bestimmt die latente Variable als verursachende Variable die Beobachtungswerte der Indikatorvariablen, die als (fehlerbehaftete) austauschbare Messungen der 14 15

Die Abbildung ist eine Erweiterung von Backhaus (2006, S. 355). In der Abbildung sind Fehlerterme nicht dargestellt.

21 latenten Variablen aufgefasst werden (faktoranalytisches Weltbild). Ändert sich somit die Ausprägung der latenten Variablen in einem reflektiven Messmodell, so verändern sich simultan auch die Werte ihrer Indikatoren, wobei aufgrund von Fehlern in den durchgeführten Messungen im reflektiven Fall die Korrelation zwischen Konstrukt und Indikator kleiner als eins sein kann und i. d. R. auch ist (Backhaus et al., 2006, S. 351 ff.; Blalock, 1964, S. 163 f.; Churchill, 1979).16 Im Beispiel aus Abbildung 6 stellen kh und kh derartige Messfehler für die reflektiven Indikatoren der latenten Variablen 1 und 2 dar. Im formativen Fall stellen die Indikatorvariablen verschiedene Ursachen für die latente Größe dar, die somit als lineare Funktion ihrer Indikatorvariablen aufgefasst wird (Weltbild multipler Regression). Eine Veränderung der latenten Variablen kann demnach schon auf eine Veränderung eines einzelnen Indikators zurückgeführt werden. Bei formativer Spezifizierung weicht der Wert der latenten Variablen vom wahren Wert ab, wenn die Indikatoren des Messmodells nicht alle Facetten zu messen vermögen (Blalock, 1964, S. 163 f.; Churchill, 1979). Solche Abweichungen werden über einen Fehlerterm erfasst. Im Beispiel aus Abbildung 6 ist  ein solcher Fehlerterm für die formativ gemessene latente Variable 2. Die vollständige Erklärung endogener durch exogene Variable in einem Strukturmodell ist in realen Anwendungen wahrscheinlich nicht gegeben, so dass eine Restvarianz, die auf nicht im Modell berücksichtigte Aspekte zurückzuführen ist, nicht erklärt werden kann (Herrmann et al., 2006; Lohmöller, 1989, S. 15 ff.). Dies wird im Beispiel aus Abbildung 6 durch die Fehlerterme  gemessen. 2

i

Wie auch aus der derzeitigen wissenschaftlichen Diskussion zu entnehmen ist, „konkurrieren“ bei der quantitativen Analyse von Strukturgleichungsmodellen zwei Verfahren bzw. Schätzalgorithmen: Die Kovarianzstrukturanalyse – auch Kovarianz erklärende Kausalanalyse genannt – von Jöreskog (1970; 1973; 1967), die die Anwendungen dominiert, sowie der von Wold (1966b) begründete Partial-Least-Squares (PLS)-Ansatz – auch Varianz erklärende Kausalanalyse genannt –, der derzeit eine Renaissance erfährt (Fassott, 2005). Die Ansätze haben unterschiedliche Modellcharakteristika bzw. -philosophien und daraus abgeleitet unterschiedliche statistische Eigenschaften. Aufgrund der unterschiedlichen Charakteristika und Philosophien ist es daher nicht unbedingt angebracht, von einer Konkurrenz der beiden Verfahren zu sprechen. Vielmehr geht es um die adäquate und korrekte Anwendung, abhängig vom jeweiligen Forschungsanliegen und den Anwendungsrahmenbedingungen (Albers und Hildebrandt, 2006; Herrmann et al., 2006; Scholderer und Balderjahn, 2006). Das PLS-Verfahren, das detailliert in Kapitel 5 beschrieben wird, beruht ausschließlich auf dem Regressionsprinzip, in dem die Fallwerte der latenten Variablen in einem iterativen Prozess als standardisierte Linearkombinationen ihrer Indikatorvariablen blockweise lokal geschätzt werden. Die Zusammenhänge im Strukturmodell werden allein auf dieser Basis bestimmt. Ziel ist die bestmögliche Reproduktion der empirisch gewonnenen Indikatorwerte, 16 Der Messfehler kann in einen zufälligen und einen systematischen Anteil aufgespalten werden. Falls der zufällige Messfehler den Wert null annimmt, wird eine Messung als vollständig reliabel bezeichnet. Wenn dazu der systematische Fehler den Wert null annimmt, wird eine Messung als vollständig valide bezeichnet.

22 d. h. Rohdaten bzw. die maximale Varianzaufklärung in den abhängigen Variablen durch die Minimierung der oben beschriebenen Fehlerterme. PLS wird daher z. T. auch als Varianzstrukturanalyse bezeichnet (Herrmann et al., 2006; Lohmöller, 1989, S. 27 ff.; Scholderer und Balderjahn, 2005). Ausgangspunkt der Kovarianzstrukturanalyse bildet nicht wie bei PLS die empirisch erhobene Rohdatenmatrix der Indikatorvariablen, sondern die daraus bestimmte Kovarianz- bzw. Korrelationsmatrix. Ausgehend davon werden simultan sowohl die Beziehungen in den jeweiligen Messmodellen und dadurch auch die Validität der zugeordneten Indikatoren als auch die Beziehungen im Strukturmodell bestimmt. Die Modellparameter werden mit dem Ziel geschätzt, die empirische Kovarianzmatrix der Indikatoren bestmöglich zu reproduzieren. Die latenten Variablen bleiben auch bzgl. der Parameterschätzung latent und müssen zu keinem Zeitpunkt Werte annehmen (Jöreskog, 1970; Jöreskog, 1967), anders als bei PLS, wo die Fallwerte iterativ immer als Linearkombination der zugeordneten Indikatoren berechnet werden. Die Kovarianzstrukturanalyse überprüft ein gegebenes Hypothesensystem simultan in seiner Gesamtheit und liefert so erwartungstreue Schätzer für die Modellparameter. Sind die Daten normalverteilt, lassen sich anhand von Aussagen zur Signifikanz Rückschlüsse auf die Grundgesamtheit treffen (Backhaus et al., 2006, S. 341 f.; Esch et al., 2009, S. 141; Herrmann et al., 2006; Scholderer und Balderjahn, 2006).

2.2.2. Wahl des Schätzalgorithmus (Partial-Least-Squares-Verfahren vs. Kovarianzstrukturanalyse) Die Anwendungsunterschiede von PLS und Kovarianzstrukturanalyse zur quantitativen Analyse von Strukturgleichungsmodellen sollen kurz anhand von vier Kriterien dargestellt werden. Eine derartige Betrachtung ist essentiell, da die inhaltlich fundierte Methodenwahl ein elementarer Bestandteil für die Schätzung von Strukturgleichungsmodellen ist, um verfahrensspezifische Implikationen für praktische Anwendungsfälle zu berücksichtigen und methodische Fehler zu vermeiden (Fassott, 2007, S. 123 f.; Podsakoff et al., 2003; Ringle, 2004b, S. 35). Die Kriterien 1. das Ziel des Algorithmus bzw. die Vorhersageeigenschaft, 2. die Berücksichtigung formativer Konstruktoperationalisierungen, 3. die Berücksichtigung moderierender Effekte und 4. die Anforderungen an die Daten und Modellgröße werden in der gegenwärtigen Diskussion häufig zum Anlass genommen, um methodische Fehler verschiedener Untersuchungen und die inadäquate Anwendung eines Verfahrens im Kontext des eigentlichen Forschungsanliegens aufzuzeigen. Weitere Unterschiede zwischen den Verfahren werden an dieser Stelle nicht näher beleuchtet. Verwiesen sei auch für eine weitergehende Darstellung der hier betrachteten Kriterien auf die einschlägige Literatur (Chin, 1995; Dijkstra, 1983; Fassott, 2007, S. 123 ff.; Herrmann

23 et al., 2006; Ringle, 2004b; Scholderer und Balderjahn, 2005; Scholderer und Balderjahn, 2006). 1. Vorhersageeigenschaft: Die Kovarianzstrukturanalyse wird im Standardfall als konfirmatorisches Verfahren eingesetzt, welches zur Überprüfung substanzwissenschaftlich fundierter Strukturgleichungsmodelle, d. h. zum sog. Theorietest geeignet ist. Entsprechend erfolgt die Schätzung der Parameter auf Grundlage der zweiten empirischen Momente der Stichprobenvariablen, d. h. der Kovarianz- bzw. Korrelationsmatrizen und der bestmöglichen Replikation derselben durch das Modell. Daher kann die (Null-)Hypothese, dass die empirische und die modelltheoretisch geschätzte Kovarianzmatrix übereinstimmen, statistisch überprüft werden. Zudem wird durch die simultane Schätzung unter Nutzung der gesamten Korrelationsmatrix mehr gegebene Information genutzt als bei PLS. Dies führt zu erwartungstreuen Schätzparametern und anhand der Signifikanzaussagen bei Normalverteilung der Daten zu möglichen Rückschlüssen auf die Grundgesamtheit. Dadurch ist es möglich, eine Ablehnung oder Unterstützung des Strukturgleichungsmodells und der darin ausgedrückten Theorie zu erreichen. Man spricht von einem konfirmatorischen parameterorientierten Charakter (Albers und Hildebrandt, 2006; Fassott, 2007, S. 127 f.; Herrmann et al., 2006). Geht es demnach um die Untersuchung eines theoriebasierten Hypothesengefüges zwischen latenten Konstrukten, in dem alle Hypothesen und Konstrukte des Wirkungszusammenhanges simultan in seiner Gesamtheit und Signifikanzaussagen für eine Grundgesamtheit im Blickpunkt stehen, sollte die Kovarianzstrukturanalyse Anwendung finden (Chin und Newsted, 1999, S. 337 f.; Lohmöller, 1992).17 Bei PLS werden die Parameter unter den strukturellen Restriktionen des Strukturgleichungsmodells iterativ und blockweise (vgl. Abschnitt 5.2.) optimiert, so dass sie abschließend die beste Prädiktion leisten, d. h. die Rohdatenmatrix möglichst optimal reproduzieren. Man spricht von einem prognoseorientierten Charakter (Fassott, 2007, S. 127). Sofern das theoretische Modell und die Messung noch nicht etabliert sind, plädieren Chin und Newstedt (1999) für den Einsatz von PLS. Neben der Beurteilung auf der Ebene des gesamten Strukturmodells kann das Erkenntnisinteresse bzw. die Beurteilung eines Strukturgleichungsmodells insbesondere auf Einzelbeziehungen im Strukturmodell und im Messmodell gerichtet sein (Fassott, 2005). In diesem Fall ist PLS sehr gut geeignet, zum einen, weil die simultane Parameterorientierung im Rahmen der Kovarianzstrukturanalyse nur Aussagen über eine allgemeine positive oder negative Beziehung möglich macht, deren Stärke und statistische Signifikanz nur in Gegenüberstellung 17 Die aufgezeigten Vorteile der Kovarianzstrukturanalyse kommen gegenüber PLS in der Forschungspraxis aber möglicherweise nur eingeschränkt zum Tragen. Fassott (2007, S. 128 ff.) zeigt auf, dass die Überlegenheit bzw. Eignung der Kovarianzstrukturanalyse zum Theorietest angesichts der herrschenden Forschungspraxis kritisch zu beurteilen ist. Nur in den wenigsten Anwendungsfällen kann eine Kovarianzstrukturanalyse so gestaltet werden, dass der angestrebte Theorietest auch wirklich methodisch abgesichert ist. Auch Diller (2004) vertritt in seinem Beitrag „Das süße Gift der Kausalanalyse“ bzgl. der Anwendung der Kovarianzstrukturanalyse einen ähnlich kritischen Standpunkt.

24 zu anderen postulierten Beziehungen im Modell interpretiert werden kann. Aussagen über ihre „tatsächliche“ quantitative Größe sind damit nur eingeschränkt möglich, da Lageparameter, die für die Vorhersage notwendig sind, keinen Eingang finden (Albers und Hildebrandt, 2006, S. 14 f.). Zum anderen stellt PLS einen konservativeren Test der Einzelbeziehungen dar, weil PLS die Pfadkoeffizienten im Strukturmodell i. d. R. im Vergleich zur Kovarianzstrukturanalyse niedriger schätzt (Bagozzi und Yi, 1994; Fornell und Cha, 1994, S. 66 f.).18 Zusammengefasst bietet sich der varianzbasierte PLS-Ansatz an, wenn es um eine Problemstellung mit Entscheidungsrelevanz geht, wie z. B. im Rahmen der Erfolgsfaktorenforschung, bei der die Effektstärken einzelner latenter Konstrukte oder formativer Indikatoren auf die Veränderung und damit die Vorhersage der Zielvariablen im Blickpunkt stehen (Albers und Hildebrandt, 2006). 2. Formative Konstruktoperationalisierung: Der PLS-Schätzalgorithmus berücksichtigt explizit und problemlos die Einbindung formativ operationalisierter Konstrukte. Dies ist bei der Kovarianzstrukturanalyse, deren Messmodelle auf dem Prinzip der Faktorenanalyse basieren, nicht bzw. nur umständlich über die Modellierung einer Hilfskonstruktion im Strukturmodell möglich (Fassott, 2007, S. 126). Dabei gehen die formativen Indikatoren als latente Konstrukte in das Strukturmodell ein und formen das eigentlich betrachtete Konstrukt, welches für sich entweder indikatorlos ist (eine sog. Phantomvariable) oder durch reflektive Indikatoren abgebildet wird (ein sog. MIMIC-Modell (Multiple Effect Indicators for Multiple Causes-Modell)) (Fassott, 2005; Herrmann et al., 2006; Jöreskog und Goldberger, 1975). Durch diese Hilfskonstruktionen wird das Modell aber umfangreicher. Zur Sicherstellung der Identifizierbarkeit erfordern beide Konstruktionen aber darüber hinaus eine erhöhte Modellkomplexität, sowohl im Strukturmodell als auch in der Anzahl der zu erhebenden Indikatoren (Fassott, 2005; Küsters, 1987). Dies führt i. d. R. zu umfangreichen Fragebögen mit entsprechend negativen Auswirkungen auf das Antwortverhalten der Befragten (Drolet und Morrison, 2001). Eine weitere Möglichkeit der Verwendung formativer Indikatoren ist ihre Aggregation durch eine Berechnungsvorschrift zu einem Index im Vorfeld, womit allerdings der Einfluss eines einzelnen Indikators nicht mehr ermittelbar ist (Fassott, 2005). Gerade in der Erfolgsfaktorenforschung, aus der konkrete Handlungsempfehlungen für das Management abgeleitet werden sollen, ist der relative Einfluss eines jeden Indikators aber von besonderem Interesse (Albers und Hildebrandt, 2006). Das Messmodell stellt somit keine bloße Hilfsgröße dar, sondern ihm gilt nach Diller (2006, S. 614) eine eigenständige Beachtung: „Soweit betriebswirtschaftliche Modelle unmittelbar auf praktisch nützlichen Erkenntnisfortschritt zielen und nicht nur z. B. explorative (wissenschaftlich durchaus wertvolle!) Leistung erbringen wollen, sollte … den Einflussfaktoren der behandelten Konstrukte erheblich größere Aufmerksamkeit gewidmet werden als den oft recht banalen Folgewirkungen i. S. reflektiver Indikatoren.“ So18 Für weitergehende Erläuterungen zur konservativeren Schätzung der Strukturmodellparameter bei PLS sei auf Bagozzi und Yi (1994), Fornell und Cha (1994) sowie Chin und Newstedt (1999) verwiesen.

25 mit ist in der Erfolgsfaktorenforschung eine größtenteils formative Spezifizierung unabdingbar, da es angebracht ist, Größen in die Messmodelle zu implementieren, die unterschiedliche inhaltliche Facetten abbilden, welche im Einflussbereich des Unternehmens liegen. Gerade solche Ansatzpunkte für praktisches Handeln sollten durch betriebswirtschaftliche Forschung identifiziert werden. Im Kontext der Erfolgsfaktorenforschung ist der Einsatz reflektiver Messmodelle demnach beschränkt. Umso beachtenswerter ist es, dass in der betriebswirtschaftlichen Forschung nahezu ausschließlich reflektive Messmodelle verwendet werden (Fassott, 2006, S. 68). Dies wird vor allem durch die Anwendungsdominanz der Kovarianzstrukturanalyse begründet. Zusammenfassend beurteilt bietet sich der PLS-Ansatz zur Implementierung formativer Konstrukte an. Eberl (2006b, S. 96) konstatiert nach einer detaillierten Betrachtung, dass PLS in Fällen formativer Modellierung „konkurrenzlos“ ist. 3. Moderierende Effekte Sehr aktuell ist die Diskussion um Moderatoren (auch Moderator- oder Interaktionsvariable genannt) bzw. ihre Auswirkungen (moderierende Effekte oder Interaktionseffekte) (Ping, 2009). Neben einfachen Wirkbeziehungen im Strukturmodell (d. h., exogene Variable wirken unmittelbar und ohne weitere systematische Einflüsse auf die endogenen Variablen ein) existieren in der Realität auch komplexere Beziehungen (Henseler und Ringle, 2008). Ein Moderator nimmt demnach Einfluss auf die Stärke und unter Umständen auch auf die Richtung eines Zusammenhangs zwischen Variablen (Baron und Kenny, 1986). Als Beispiel könnte mit steigender Risikowahrnehmung die Bedeutung des Vertrauens für die Durchführung einer Online-Transaktion überproportional stark wachsen. Zunehmend besteht Interesse an solchen nichtlinearen Funktionsverläufen auch in etablierten und (vermeintlich) bekannten Zusammenhängen (Augustín und Singh, 2005). Die Analyse von Kausalmodellen zur Erklärung komplexer Sachverhalte ohne moderierende Effekte wird von vielen Autoren als nicht angemessen eingestuft (Agarwal und Malhotra, 2005; Henseler und Ringle, 2008; Huber et al., 2006; Jaccard und Wan, 1996, S. 24 ff.; Lee und Zhu, 2002; Moulder und Algina, 2002; Schumacker, 2002). In der Analyse nichtlinearer Zusammenhänge liegt demzufolge ein großes Potential für die Zukunft der empirischen Forschung in der Betriebswirtschaftslehre (Homburg, 2007). Die Schätzung von Interaktionseffekten mit der Kovarianzstrukturanalyse ist problematisch, da diese auf der Prämisse beruht, dass die Fehlerterme der Indikatorvariablen unkorreliert sind. Bei der Berücksichtigung moderierender Variablen mit dem Standardvorgehen (mit Hilfe des Interaktionstermansatzes (vgl. Abschnitt 5.2.4.2.)) ist dies nicht erfüllt. Ihre Indikatorvariablen teilen zwangsläufig einen Teil ihrer Varianz mit den Indikatorvariablen ihrer zugeordneten Ausgangsvariablen (Eberl, 2006b, S. 128).

26 Das PLS-Verfahren ist für die Modellierung moderierter Wirkzusammenhänge hingegen besonders geeignet (Eggert et al., 2005, S. 108), weil hierfür eine analoge Prämisse unkorrelierter Fehlerterme nicht gebraucht wird. 4. Anforderung an die Daten und die Modellgröße Im Hinblick auf die Anforderungen an das Datenmaterial sind die Folgen der Annahme der multivariaten Normalverteilung, die die Kovarianzstrukturanalyse im Gegensatz zu PLS voraussetzt, problematisch. Zum einen sind viele den Wirtschafts- und Sozialwissenschaften entspringende Variablen in ihren Populationen nicht – auch nicht approximativ – normalverteilt (Scholderer und Balderjahn, 2005). Zum anderen resultiert aus den erheblich größeren Stichprobenumfängen, die die Kovarianzstrukturanalyse im Vergleich zu PLS bei gleichem Strukturmodell erfordert, eine „exzessive Teststärke“ (Scholderer und Balderjahn, 2005, S. 91). Als Folge wird häufig die Verletzung der Verteilungsannahme bei expliziter Überprüfung derselben angezeigt (D'Agostino und Belanger, 1990). ie weniger restriktive Anforderung an die Daten spricht daher ebenfalls für den Einsatz von PLS. Dies gilt besonders für umfangreiche Modelle, z. B. durch die Aufnahme von mehrdimensionalen Konstrukten, Moderatoren und/oder vieler Indikatoren. Bei Verwendung der Kovarianzstrukturanalyse steigt mit zunehmender Modellgröße die Wahrscheinlichkeit, dass keine Konvergenz eintritt (Chin und Newsted, 1999). Darüber hinaus wird die Stabilität der Ergebnisse gefährdet (Homburg, 2007). Bei PLS sind dagegen in der Literatur bisher keine Konvergenzprobleme bekannt (Chin et al., 2003, S. 197). Aktuelle Entwicklungen deuten jedoch darauf hin, dass auch bei PLS spezielle Datenkonstellationen existieren könnten, die das Verfahren nicht konvergieren lassen (Ringle, 2008). Auf Basis bisheriger Forschungsarbeiten scheint diese Problematik im PLS-Kontext jedoch weniger Gewicht als bei Kovarianzstrukturanalysen zu haben. Eine weitergehende Untersuchung in der Zukunft ist aber angebracht. Zusammenfassend sprechen die Kriterien stark für den Einsatz von PLS: In der vorliegenden Arbeit handelt es sich in Teilen des nachfolgend entwickelten Modells um eine explorierende Untersuchung ohne vollständig etablierten theoretischen Rahmen. Das zu untersuchende Grundmodell ist darüber hinaus relativ umfangreich und an zentraler Stelle werden formativ operationalisierte Messmodelle zur Identifikation erfolgsteigernder Maßnahmen verwendet. Da ebenfalls die Untersuchung eines moderierenden Effektes per Interaktionstermansatz stattfindet (vgl. Abschnitt 6.4.), ist PLS besonders für die Analyse des im weiteren Verlauf entwickelten Modells dieser Arbeit geeignet. Diese Schlussfolgerung wird auch durch die Überlegungen von Albers und Hildebrandt (2006) unterstützt, die sich allgemein im Rahmen von Erfolgsfaktorenstudien, zu denen auch die vorliegende Arbeit im weiteren Sinn gezählt werden kann, für den Einsatz von PLS aussprechen, da zur Anwendung der Kovarianzstrukturanalyse im Rahmen der Erfolgsfaktorenforschung ein so enges Korsett benötig wird, dass viele Studien nur geringe Aussagekraft haben. Diller (2006) ist gleicher Meinung und warnt davor, dass die „… Methodik [der Kovarianzstrukturanalyse] zum Meister des Modelleurs [wird]“.

27 Die unkritische Reflektion der vier vorgestellten Kriterien – vor allem die Problematik formativer Konstruktoperationalisierungen – ist Ursache für die geringe bzw. mangelnde Aussagekraft einer Vielzahl von Erfolgsfaktorenstudien, die sich der Kovarianzstrukturanalyse bedienen. Dies gilt auch für den Bereich E-Commerce, wie im nachfolgenden Abschnitt 2.3. dargelegt wird.

2.3. Zur Notwendigkeit einer empirischen Erfolgsfaktorenmessung mit PLS im E-Commerce Die Problematik empirischer Untersuchungen, die die Kovarianzstrukturanalyse zur Schätzung der Parameter von Strukturgleichungsmodellen verwenden, fußt auf zwei Aspekten. Zum einen ist ein erheblicher Anteil der publizierten Messmodelle fehlspezifiziert: Indikatoren, die das latente Konstrukt formen, werden häufig fälschlicherweise als reflektiv angenommen. Damit wird die Kausaltät umgekehrt (Fassott, 2006; Jarvis et al., 2003).19 Zum anderen findet vielfach in unangebrachter Weise die Bereinigung formativer Messmodelle nach dem (für reflektive Messmodelle) traditionellen Kriterium der internen Konsistenz statt. Dabei werden Indikatoren, die eine geringe Korrelation mit den übrigen Indikatoren des Messmodells aufweisen, eliminiert. Verfährt man in gleicher Weise bei formativen Indikatoren, ist häufig die Elimination essentieller Erfolgsindikatoren und somit die Vernachlässigung wichtiger Facetten des Konstrukts die Folge (vgl. die Beispiele im weiteren Verlauf dieses Abschnitts) (Albers und Hildebrandt, 2006; Fassott, 2006). Darüber hinaus verändert jegliche Elimination von Indikatoren den am Anfang einer Studie festgelegten Bedeutungsinhalt des latenten Konstrukts, so dass dieses nur noch teilweise über das am Ende entwickelte Messmodell erfasst wird (Hildebrandt und Temme, 2006). Eine Verallgemeinerung der Ergebnisse über die jeweilige Studie hinaus ist häufig kaum möglich (Albers, 2009). Des Weiteren führt auch eine Skalenbereinigung formativer Indikatoren, die fälschlicherweise als reflektiv angenommen werden, zu einer verzerrten Parameterschätzung im Strukturmodell (Albers und Hildebrandt, 2006; Eggert und Fassott, 2003, S. 11). Wie einleitend dargestellt ist die Verwendung von tatsächlich formativen Indikatoren als reflektive Indikatoren im Rahmen empirischer Forschung schon per se methodisch diskussionswürdig, da man eventuell mit einem „unpassenden Modell“ (Albers und Hildebrandt, 2006, S. 13) arbeitet. Im Folgenden werden einige Kovarianzstrukturanalysen aus dem Bereich E-Commerce diskutiert, deren Messmodelle diskussionswürdig spezifiziert sind und/oder bei denen eine inadäquate Purifikation der Messmodelle und damit eine Eliminaton wichtiger Indikatoren stattfindet.

19 Baggozzi und Edward (1998) weisen jedoch darauf hin, dass Aussagen hinsichtlich einer „Fehlspezifizierung“ nicht naiv übernommen werden sollten, da eine eindeutige Zuordnung von Indikatoren zu einer der beiden Messphilosophien anhand von Kausalitätskriterien z. T. schwierig ist.

28 Wolfinbarger und Gilly (2003) entwickeln das Messinstrument „eTailQ“ zur Bestimmung der Qualität eines Online-Einzelhändlers. Fragwürdig ist hierbei die mehrstufige strikte Bereinigung der reflektiven Messmodelle nach Maßgabe der internen Konsistenz von ursprünglich 82 auf 14 Indikatoren. Einige wichtige (formative) Facetten, wie z. B. allgemeines Vertrauen in die Website, die andere Studien als essentiell identifizieren (Doney und Cannon, 1997; Pavlou und Gefen, 2004; Schlosser et al., 2006), werden dabei entfernt. Darüber hinaus ist die Spezifikation der 14 übrig gebliebenen Indikatoren mit ihren zugeordneten vier Konstrukten z. T. diskussionswürdig. So stellen bspw. die Indikatoren Informationsgehalt, Personalisierungsmöglichkeit, Sortimentsgröße und -tiefe sowie Einfachheit des Transaktionsabschlusses vielmehr verschiedene ursächliche Facetten des latenten Konstrukts Websitedesign dar. Die Autoren verwenden hierbei jedoch ein reflektives Messmodell. Die gleichen Kritikpunkte sind analog auch bei der Arbeit von Yakov et al. (2005) anzubringen. Die Autoren untersuchen den Einfluss der Charakteristika von Websites und Konsumenten auf Vertrauen und Verhaltensabsicht und eliminieren 83 der ursprünglich 122 Indikatoren reflektiver Messmodelle. Von diesen waren darüber hinaus ca. 40 % formativer Natur, was von den Autoren nicht beachtet wird. Wichtige Facetten wie die Kontaktmöglichkeit mit einem Verkaufsmitarbeiter werden eliminiert. Zudem ist wieder die reflektive Spezifizierung z. T. fragwürdig. So wird bspw. das latente Konstrukt Bestellabwicklung reflektiv durch die Indikatoren Lieferungsoptionen, Rücknahmebedingungen und Bestellbestätigung per E-Mail operationalisiert. Wang et al. (2004) untersuchen die Signalwirkung verschiedener Konstrukte auf die Bereitschaft eines Konsumenten, persönliche Informationen auf der Website preiszugeben und die Seite zu „bookmarken“. Ein reflektiv erfasstes Konstrukt ist dabei diskussionswürdig, da die Kausalität eher für eine formative Spezifizierung spricht. Das Konstrukt Rückgaberichtlinien wird durch die Indikatorvariablen Geld-zurück-Garantie und einer allgemeinen Garantie für die angebotenen Produkte eher geformt als reflektiert. Auch die Arbeit von Kim et al. (2002) weist ähnliche Kritikpunkte auf. Die Autoren untersuchen die Auswirkungen auf Konsumentenzufriedenheit und -loyalität durch die latenten Konstrukte Stabilität der Website, die Verbraucherfreundlichkeit des Gesamtangebotes und das Vergnügen beim Nutzen der Website. Sie eliminieren 42 z. T. in anderen Studien als relevant identifizierte Indikatoren, wie z. B. unterschiedliche Liefermethoden oder die Kontaktaufnahmemöglichkeit mit dem Online-Einzelhändler. Die Untersuchung wird mit 18 reflektiven Indikatoren durchgeführt, die aber zum Großteil formativer Natur sind. Jeweils zwei Indikatoren je exogenem Konstrukt wurden über eine Faktorenanalyse aus verschiedenartigen Variablen gewonnen. Die beiden Indikatoren repräsentieren damit offensichtlich unterschiedliche Inhaltsdimensionen. Eine formative Konstruktion wäre hier eher angebracht.

29 Vergleichbarer Diskussionbedarf bzgl. etwaiger vereinzelter Fehlspezifikation und/oder (zu) strikter Messmodellbereinigung ist auch bei den Arbeiten von Song und Zahedi (2005), McKinney et al. (2002), Dinev und Hart (2005/06), Chen et al. (2004), Fassnacht und Koese (2006) sowie Loicano et al. (2007) gegeben. Insgesamt erwächst durch die aufgezeigten Probleme sowie die Dominanz der Kovarianzstrukturanalyse mit ihren methodeninhärenten Schwierigkeiten im Rahmen der Erfolgsfaktorenanalyse abseits des in Abschnitt 1 aufgezeigten betriebswirtschaftlichen monetären Interesses und des inhaltlichen Untersuchungsziels auch der Bedarf, eine methodisch einwandfreie Untersuchung hinsichtlich der Identifikation kaufabsichtsfördernder Faktoren im Online-Einzelhandel zur Steigerung der Conversion-Rates durchzuführen. PLS soll aufgrund der dargestellten Vorteile in diesem Kontext angewendet werden. Bisher existieren nur wenige Arbeiten in diesem Kontext, in denen PLS zur Anwendung kommt (vgl. Abschnitt 4.3.3.). Formative, also ursächliche Messmodellindikatoren für exogene, d. h. unabhängige Konstrukte kommen aber bemerkenswerterweise nicht zum Einsatz. Unterstrichen wird dadurch das periphere Interesse der Beiträge an der Identifikation von erfolgsteigernden „Stellschrauben“. Das inhaltliche Ziel dieser Arbeit, die Identifikation erfolgsteigernder Stellschrauben, wird damit durch das methodische Ziel des Einsatzes eines bisher vergleichsweise wenig beachteten, aber ausgezeichnet geeigneten mathematischen Analysealgorithmus zur Umgehung bisheriger Defizite bei der Anwendung von Strukturgleichungsmodellen flankiert – empirisches inhaltliches Forschungsziel und methodisches Ziel „befruchten“ sich quasi gegenseitig. Die notwendige theoretische Fundierung zur inhaltlichen Zielerreichung der Erklärung bzw. Prognose des Kaufverhaltens erfolgt in Kapitel 3 und Kapitel 4. Sie erstreckt sich über zwei Kapitel, weil separate Theoriebereiche für die Beantwortung der zentralen Forschungsfrage(n) verwendet werden, die sukzessive zu einem allgemeinen Bezugsrahmen zusammengeführt werden. Begleitend werden ein Strukturmodell für die empirische Analyse entwickelt und Forschungshypothesen aufgestellt.

31

3. Theoretische Grundlagen und Determinanten des Kaufverhaltens im Online-Einzelhandel 3.1. Identifikation einer geeigneten Theorie zur Erklärung des Online-Kaufverhaltens 3.1.1. Übersicht möglicher Erklärungsansätze Es existieren verschieden theoretische Ansätze, die zur Erklärung des Kaufverhaltens im Internet dienlich sein können. Dies sind die Theorie zur Diffusion of Innovations (Rogers, 1962), die Social Cognitive Theory (Bandura, 1986; Compeau und Higgins, 1995), die FlowTheorie (Hoffman und Novak, 1996), die Expectancy Disconfirmation Theory (Oliver, 1980), Motivational Models (für einen Überblick sei auf Vallerand (1997) verwiesen) oder klassische Einstellungsmodelle wie die Theory of Reasoned Action (Fishbein und Ajzen, 1975) und die Theory of Planned Behavior (Ajzen 1985, 1991). Auch Erweiterungen bzw. Modifikationen der klassischen Einstellungsmodelle wie das Technology Acceptance Model (Davis, 1989) oder das Model of Attitude-Behavior Relations (Thompson et al., 1991; Triandis, 1977) könnten für den vorliegenden Untersuchungsgegenstand verwendet werden. Aus mehrerlei Gründen, die nachfolgend dargestellt werden, ist das Einstellungsmodell Theory of Planned Behavior (TPB) die Grundlage dieser Arbeit. Aus forschungskonzeptioneller Sicht vergleichsweise wenig geeignet sind die Expectancy Disconfirmation Theory, die Flow-Theorie, Motivational Models, die Theorie zur Diffusion of Innovations wie auch das Technology Acceptance Model. Die Expectancy Disconfirmation Theory beschäftigt sich im Standardfall mit langfristiger Kundenbindung, die nicht im Zentrum des Interesses dieser Arbeit steht (vgl. Abschnitt 1.2.). Dieser Ansatz soll hier daher nicht weiter betrachtet werden. Die Flow-Theorie wie auch Motivational Models zielen eher auf einen emotionalen Aspekt (das Vergnügen) an der Ausübung einer Aktivität ab. Ob der in Abschnitt 1.2. vorgenommenen Abgrenzung scheint die Flow-Theorie daher wenig geeignet, das im Fokus der Arbeit stehende Kaufverhalten zu erklären (vgl. auch Ramseier von Trub, 2004; Vallerand, 1997; Zeithaml et al., 2002). Da davon ausgegangen werden kann, dass neben metaproduktspezifischen Faktoren (vgl. Abschnitt 1.2.) auch soziale Kontextfaktoren zur Erklärung des Kaufverhaltens relevant sind, erscheinen die Theorie zur Diffusion of Innovations und das Technology Acceptance Model (eine Spezifizierung der Theory of Reasoned Action (TRA)) zur Prognose der Nutzung von innovativen Technologien weniger geeignet. Beide Theorien sind eher produkt(nutzen)fokussiert (Fassott, 2007, S. 42 ff.; Papies und Clement, 2007). Neben den obigen qualitativen forschungskonzeptionellen Überlegungen prononcieren quantitative Ergebnisse eine sehr gute Eignung der klassischen Einstellungsmodelle auch im Vergleich zu deren Erweiterungen. In Bezug auf die Erklärung der Betriebsstättenwahl (Stationärer Handel vs. Online-Handel) wies sich die TPB im Vergleich zu alternativen Modellen

32 als überlegen aus (Dach, 2002). Die Überlegenheit ergibt sich auch in einem Vergleich mit dem Technology Acceptance Model zur Erklärung von Online-Kaufverhalten (Lin, 2007). Venkatesh et al. (2003) belegen ebenfalls in einem Vergleich von acht der vorstehend genannten Theorien zur Adaption von Informationstechnologie am Arbeitsplatz die gute Eignung der TPB bei freiwilligen Befragungen. Fassot (2007, S. 40 ff.) zeigt, dass erste Studien, die die TRA oder TPB als Basis für die Erklärung von Kaufverhalten im Internet verwenden, überaus tauglich sind.20 Um die Ergebnisse von Fassot (2007, S. 40 ff.) zu stützen, sei neben der dort angegebenen Literatur auch auf weitere Studien des Bereiches B2C ECommerce, die auch die Eignung der TRA bzw. TPB (allerdings z. T. ebenfalls modifiziert) belegen können, verwiesen: Bhattacherjee (2002), Kang et al. (2006), Liao et al. (2007), Lim et al. (2006), McKnight und Chervany (2002), McKnight et al. (2002), Pavlou (2003), Pavlou und Fygenson (2006), Pavlou und Gefen (2004), Schlosser et al. (2006). Zusammengefasst führen die vorstehend dargelegten Gründe dafür, die TPB in ihrer Grundversion ohne Modifikationen als theoretische Basis für diese Arbeit zu verwenden.21 Eine Ursache für die Vorzugsstellung der klassischen Theorien TRA bzw. TPB könnte die Betonung der Komponente Einstellung sein, die nachfolgend näher erläutert wird. Selbst Theorien, die nicht direkte Nachfahren der TRA bzw. TPB sind, beinhalten eine – meist dominante – einstellungsbezogene Komponente, weil die Einstellung im Allgemeinen eine herausragende Rolle bei der Erklärung menschlicher Verhaltensweisen spielt (Kroeber-Riel und Weinberg, 2009, S. 210 ff.). Im Model of Attitude-Behavior Relations hat, wie der Name schon sagt, die Einstellung über zwei ihrer Komponenten (die kognitive und die affektive) mittels der Konstrukte „Expectancy Value“ und „Affect Toward the Behavior“ einen zentralen Einfluss auf die Intention (Boyd und Wandersman, 1991; Triandis, 1977). m Technology Acceptance Model ist die „Attitude Toward Using“ eine von zwei Determinanten der „Behavioral Intention to Use“ (Davis, 1989; Davis et al., 1989). ie Social Cognitive Theory postuliert, dass Einstellungen vor allem auch durch die Umwelt erlernt bzw. imitiert werden und eine Rolle bei der Interaktion von Verhalten, Persönlichkeitsmerkmalen und Umwelt spielen (Bandura, 1986; Compeau und Higgins, 1995). In den beiden ersten Phasen der Diffusion of Innovation nach Rogers (1962) entfalten die Charakteristika einer Innovation und die Eigenschaften der potentiellen Adoptierer eine einstellungsrelevante Wirkung. Die Bedeutung der Einstellung zur Innovation wird daher als bedeutender Teilaspekt bei der Adaption von Innovationen deutlich (Fassott, 2007, S. 28). Aufgrund der Bedeutung der Einstellung bzw. der klassischen Einstellungsmodelle – Venkatesh et al. (2003, S. 428) bezeichnen die TRA und die TPB als „… the most fundamental and influential theories of human behaviour“ – wird zunächst der Begriff der Einstellung im fol20 Allerdings wird das Grundmodell in den Studien meist derart verändert (durch Aufnahme oder Weglassen von Variablen), dass die Studienergebnisse nur bedingt miteinander verglichen werden können. 21 Im Vorgriff auf die im weiteren Verlauf der Arbeit vorgenommene Herausarbeitung von Korrespondenzbeziehungen der TPB-Kernelemente (und deren Wirkzusammenhänge) mit den zentralen Untersuchungsgrößen der Arbeit ist ebenfalls die gute Eignung der TPB für die vorliegenden inhaltlichen Untersuchungsziele festzuhalten.

33 genden Abschnitt erläutert. In Abschnitt 3.1.3. findet eine Detailbetrachtung der TPB statt, weil sie theoretische Grundlage des zu entwickelnden Strukturmodells ist.

3.1.2. Einstellung als Prädiktor einer Verhaltensabsicht Eagly und Chaiken (1993, S. 1) verstehen Einstellung als „… a psychological tendency (or inner state) that is expressed by evaluating a particular entity with some degree of favour or disfavour”, wobei „… evaluating refers to all classes of evaluative responding…”. Einstellungen intervenieren demnach zwischen kontextspezifischen Stimuli und Reaktionen eines Individuums und sind immer auf ein bestimmtes Zielobjekt (particular entity) gerichtet (Fischer und Wiswede, 2002, S. 219 ff.). Das Zielobjekt kann entweder ein Gegenstand, eine Person, eine Organisation, ein System oder auch ein bestimmtes Verhalten sein. Obwohl in der Grundform zwischen Einstellung zu Objekten und Einstellung zu Verhalten unterschieden wird (Eagly und Chaiken, 1993, S. 4 f.), sind die meisten Verhaltensweisen durch einen dahinter stehenden Verursacher begründet (Ludwig, 2005, S. 43). Bspw. richtet sich die (vertrauensvolle) Einstellung zu der Handlung, sich einer Schönheitsoperation zu unterziehen, nicht auf (das Vertrauen in) die „gelungene Operation“, sondern auf die Kompetenz des Operateurs. Die Bewertung („evaluating“) des Zielobjektes, die sich anhand von drei Komponenten manifestieren kann, ist das Hauptmerkmal der Einstellung. Unterschieden wird eine kognitive Komponente, die sog. „beliefs“ (Erwartungen, Ansichten, Überzeugungen, Einschätzungen usw.) über das Zielobjekt beinhaltet, eine affektive Komponente, die Gefühle, Emotionen, Stimmungen und Reaktionen umfasst, sowie eine konative bzw. intentionale Komponente, die sich auf die dem Zielobjekt gegenüber intendierte Verhaltensweise bezieht (Eagly und Chaiken, 1993, S. 10 ff.; Ludwig, 2005, S. 44). Bei der konativen Komponente geht es somit um die Bereitschaft bzw. Intention, sich gegenüber dem betrachteten Zielobjekt in einer bestimmten Art und Weise zu verhalten (Kroeber-Riel und Weinberg, 2009, S. 210 ff.). Es gibt unterschiedliche Auffassungen hinsichtlich der relativen Bedeutung der einzelnen Komponenten und ihrer Kausalstruktur. Eine Vielzahl von Autoren fasst z. B. die konative Komponente als unabhängige Größe in Form einer Handlungsintention abseits der Einstellung auf (Fishbein, 1967; Laberenz, 1988, S. 38 ff.; Trommsdorff, 2004, S. 158 ff.). Auch in der TRA (Fishbein und Ajzen, 1975) und der TPB (Ajzen 1985, 1991) findet die konative Komponente als Intention in Form einer unabhängige Größe Eingang ins Modell, wie im nachfolgenden Abschnitt verdeutlicht wird. Die eigentliche Entstehung einer Einstellung kann mit unterschiedlich großem Aufwand verbunden sein (Eagly und Chaiken, 1993, S. 270 f.). Es sind zwei idealtypische Formen zu unterscheiden. So kann mittels eines vereinfachten Prozesses, bei dem Erfahrung oder Intuition „verwendet werden“, die Einstellung ohne große Informationsverarbeitungsaktivität gebildet werden. Dementgegen existiert auch ein überlegt abgewogener(LQVWHOOXQJVDXVELOGXQJV prozess, bei dem mittels einer hohen kognitiven Beteiligung intensiv und systematisch nach Information gesucht wird (Ludwig, 2005, S. 45 f.).

34 Zusammengefasst dienen Einstellungen zur Vereinfachung der Verhaltensausführung und sind damit besonders verhaltensprägend. Zugleich sind sie zugänglich für Messung und Beeinflussung. Einstellungen sind allerdings nicht direkt messbar. Sie sind latente Konstrukte und können nur anhand beobachtbarer Ergebnisse bzw. Symptome abgeleitet werden (Fischer und Wiswede, 2002, S. 219 ff.; Kroeber-Riel und Weinberg, 2009, S. 210 ff.). Im Rahmen der Prognose von Kaufverhalten geht die Einstellungstheorie davon aus, dass die Wahrscheinlichkeit eines Kaufs mit zunehmender positiver Einstellung gegenüber dem Zielobjekt steigt (Ajzen, 1985; Fishbein und Ajzen, 1975). Einen Hinweis darauf geben auch Six und Eckes (1996), die in einer Zusammenführung von Metaanalysen empirischer Studien durchgehend einen starken Zusammenhang zwischen Einstellung und Verhalten belegen können. Sie schlussfolgern: „… Einstellung bleibt der wichtigste, wenn auch nicht der alleinige Prädiktor für Verhalten“ (Six und Eckes, 1996, S. 8). Speziell gilt diese Schlussfolgerung, wenn der Konsument stark kognitiv involviert ist, es sich also um eine überlegt abgewogene Einstellungsausbildung handelt (Kroeber-Riel und Weinberg, 2009, S. 210 ff.), wie es insbesondere bei extensiven Kaufentscheidungsprozessen der Fall ist (vgl. Abschnitt 1.2.) (Trommsdorff, 2004, S. 152 ff.). Aufgrund der beschriebenen Bedeutung der Einstellung nimmt die (vertrauensvolle) Einstellung (vgl. Abschnitt 3.3.)22 eine zentrale Rolle zur Erklärung des Kaufverhaltens in der vorliegenden Untersuchung ein. Dies wird schematisch in Abbildung 8 dargestellt.

Einstellung

+

(Beabsichtigtes) Kaufverhalten

+: Einfluss positiv Abbildung 8: Modellentwicklung (1. Schritt)23

Weitere Variable werden in den nachstehend dargestellten klassischen und zugleich populärsten (Fassott, 2007, S. 36) Einstellungsmodellen TRA und TPB berücksichtigt (Ajzen 1985, 1991). Beide Einstellungsmodelle zielen auf den überlegten EinstellungsVerhaltensprozess ab und sind daher neben der bereits dargestellten guten Anwendbarkeit

22 In Abschnitt 3.3. findet eine Synthese aus Einstellungs- und Vertrauensforschung statt, indem eine Übereinstimmung zwischen Einstellungs- und Vertrauenskonzept herausgearbeitet wird. 23 Unter beabsichtigtem Kaufverhalten soll im vorliegenden Untersuchungskontext die Bereitschaft eines potentiellen Konsumenten verstanden werden, das in Abschnitt 1.2. abgegrenzte Metaprodukt zu erwerben.

35 für die Erklärung extensiver Kaufentscheidungsprozesse bzgl. des Metaprodukts (vgl. Abschnitt 1.2.) sehr geeignet (Fishbein und Ajzen, 1975, S. 371 f.; Ludwig, 2005, S. 66 ff.).24

3.1.3. Theory of Planned Behavior (Theorie des geplanten Verhaltens) Die TPB (vgl. – auch im Folgenden – Ajzen, 1985, 1991) ist eine Erweiterung der TRA (vgl. auch im Folgenden Fishbein und Ajzen, 1975). Abbildung 9 illustriert die Wirkzusammenhänge der TPB, die im Folgenden näher erläutert werden.

Normative Beliefs (nbi) & Motivation to comply (mi)

Theory of Reasoned Action Subjective Norm (SN) W2

Beliefs (bi) & Evaluations (ei)

Attitude (A)

Control Beliefs (cbi) & Perceived Power of cbi (pi)

Perceived Behavioral Control (PBC)

W1

Behavioral Intention (I)

Actual Behavior (B)

W3

Abbildung 9: Theory of Planned Behavior nach Ajzen (1985) Quelle: in Anlehnung an Fassott, 2007, S. 36.

Die TRA wie auch die TPB werden genutzt, wenn es um die Prognose von Handlungen geht, über deren Ausführung oder Unterlassung eine Person nachdenkt. Betont wird die kausale Beziehung zwischen „beliefs“ (Erwartungen, Ansichten, Überzeugungen, Einschätzungen), „attitude“ (Einstellung gegenüber der Verhaltensabsicht), „intention“ (Verhaltensabsicht) und „behavior“ (tatsächliches Verhalten). Als zentrale und direkte Antezedenz des Verhaltens (B) spielt die Intention (I), ein Verhalten zu realisieren, als separate konative Komponente (vgl. die Erläuterungen des vorigen Abschnitts) die wichtigste Rolle. Die Intention wirkt als sog. mediierende Variable (vgl. auch Abschnitt 5.3.3., Abbildung 30) zwischen allen anderen Variablen des Modells und dem tatsächlichen Verhalten. Es wird demzufolge eine konzeptionelle Unterscheidung von beabsichtigtem und tatsächlichem Verhalten vorgenommen und eine Kausalitätsbeziehung zwischen diesen beiden Größen postuliert. Dabei wird davon ausgegangen, dass eine Verhaltensintention, auch zu einem entsprechenden Verhalten führt (B ~ I, vgl. Formel 4) (Ludwig, 2005, S. 68)

24 Spontane Einstellungs-Verhaltensansätze werden hier nicht weiter betrachtet, weil sie für den vorliegenden Untersuchungsgegenstand ungeeignet sind (Fishbein und Ajzen, 1975, S. 371 f.; Ludwig, 2005, S. 66 ff.).

36 Die Verhaltensabsicht wiederum ist durch drei Variable determiniert: Die Einstellung (A) gegenüber dem Verhalten (bzw. dem Zielobjekt) erfasst, wie die Ausübung eines bestimmten Verhaltens von der Person bewertet wird (z. B. positiv oder negativ); die „Subjektive Norm“ (SN) verdeutlicht, was wichtige Referenzpersonen von dem Individuum bezüglich des in Frage stehenden Verhaltens erwarten und die „Wahrgenommene Verhaltenskontrolle“ (PBC), um die die TRA zur TPB erweitert wird, erfasst das Ausmaß der Kontrolle eines Individuums über die Realisierung einer Handlungsentscheidung.25 Grundlage der Ausbildung der Einstellung ist das Wert-Erwartungsmodell (vgl. Formel 1) von Fishbein (1963). Dieses bezieht sich ursprünglich auf die Einstellung zu einem Objekt (Ludwig, 2005, S. 102). Die individuell über ei bewerteten bzw. gewichteten „beliefs“ (bi) über das Objekt formen die vornehmlich kognitiv ausgebildete Einstellung A zu einem Objekt Formel 1 nA

A=

෤b

i

• ei ,

i=1

mit nA als Anzahl der für die Einstellungsausbildung relevanten „beliefs“. Im Rahmen der TPB wird die Einstellung in einem allgemeinen Verständnis zielobjektorientiert (vgl. 3.1.2.) durch die individuell gewichteten „beliefs“ hinsichtlich der wahrscheinlichen Verhaltenskonsequenzen gebildet. Die „beliefs“ geben die Einschätzung einer Person wieder, inwieweit ein Verhalten zu einem bestimmten Ergebnis führt.26 Obwohl ein Individuum viele „beliefs” in Bezug auf ein konkretes Verhalten haben kann, sind im Moment der Verhaltensausbildung meist nur einige davon (i. d. R. die wichtigsten) kognitiv zugänglich. Die subjektive Erwartung eines jeden Ergebnisses wird mit der jeweiligen individuellen Bewertung des Ergebnisses multipliziert und so zu einem Gesamtwert addiert, der der Einstellung entspricht. Je besser die Resultate eines Verhaltens bewertet werden, desto besser ist auch die persönliche Einstellung gegenüber diesem Verhalten. Die obigen Erläuterungen zeigen erneut die Verquickung der Einstellung zu einem Objekt und die Einstellung zu einem Zielobjekt (im Rahmen der TPB i. d. R. ein Verhalten). Fishbein und Ajzen (1975, S. 307) selbst gehen im Rahmen der TRA davon aus, dass Einstellung zu Objekten indirekt in die Einstellungsausbildung zum Verhalten mit eingehen. Es existieren daher Untersuchungen, die die Einstellung auch im Kontext der TPB objekt- bzw. produktbezogen interpretieren, wie z. B. von Papies und Clement (2007), Pavlou (2006) oder East (1992). In der Subjektiven Norm bilden sich der soziale Kontext der avisierten Handlung und der durch die Person empfundene soziale Druck ab. Dieser ist durch wichtige Referenzpersonen oder –gruppen im Umfeld begründet. Das Ausmaß des empfundenen sozialen Drucks manifestiert sich über die „normative beliefs“ (nbi) der Person, die ausdrücken, inwieweit das als 25 Die Begriffe „Subjektive Norm“ und „Wahrgenommene Verhaltenskontrolle“ werden im weiteren Verlauf als Eigennamen verwendet. 26 Die Ergebnisse bzw. Erwartungen werden häufig in qualitativen Vorstudien ermittelt (Fassott, 2007, S. 38).

37 wichtig eingestufte soziale Umfeld die Ausführung des Verhaltens begrüßen oder ablehnen würde. Verhaltenswirksam werden die „normative beliefs“ allerdings in Abhängigkeit von der Motivation (mi), sich gemäß der vermuteten Wünsche der jeweiligen Bezugspersonen zu verhalten (vgl. Formel 2) (Fassott, 2007, S. 36). Ist jeweils hohe Motivation gegeben, wird eine Person die Verhaltensintention umso eher realisieren, je mehr sie davon ausgeht, dass andere, deren Urteil ihr wichtig ist, dieses Verhalten gutheißen. Zusammengefasst ergibt sich Formel 2 nSN

SN =

෤ nb

i

• mi ,

i=1

mit nSN als Anzahl der für die Ausbildung der Subjektiven Norm relevanten „normative beliefs“. Die wahrgenommene Verhaltenskontrolle wird durch bewertete „control beliefs“ (cbi) hinsichtlich der Kontrollmöglichkeiten und Fähigkeiten einer Person determiniert. Vereinfachende oder erschwerende Faktoren können sowohl in der Person selbst begründet sein, z. B. in Form bestimmter Kompetenzen, als auch extern bedingt sein, z. B. im Sinne fehlender finanzieller, zeitlicher oder technischer Ressourcen oder sonstiger externer Hindernisse (z. B. der Abhängigkeit der Handlungsdurchführung von Dritten). Die Person verknüpft dann ihre Erwartungen bzgl. verhaltensrelevanter Hindernisse bzw. Erleichterungen mit dem wahrgenommenen Ausmaß, mit dem die Hindernisse bzw. Erleichterungen tatsächlich greifen (vgl. Formel 3) (Fassott, 2007, S. 38 f.). Ajzen (2002 (überarbeitet 2006)) spricht in diesem Zusammenhang von der „ perceived power“ (pi). Je weniger sich eine Person in der Lage sieht, ein bestimmtes Verhalten aufgrund mangelnder Fähigkeiten, Ressourcen oder externer Hindernisse zu vollziehen, desto geringer wird die Intention sein, dieses Verhalten auszuführen. Es ergibt sich Formel 3 nPBC

PBC =

෤ cb

i

• pi ,

i=1

mit nPBC als Anzahl der für die Ausbildung der Wahrgenommenen Verhaltenskontrolle relevanten „control beliefs“. Der direkte Zusammenhang zwischen wahrgenommener Verhaltenskontrolle (PBC) und Verhalten (vgl. die gestrichelte Linie in Abbildung 9, sog. „actual behavioral control“ (Ajzen, 2002 (überarbeitet 2006))) kommt nur zum Tragen, wenn die wahrgenommene Verhaltenskontrolle sehr gering ist. In diesem Fall ist die Verhaltensabsicht weniger gut geeignet, das tatsächliche Verhalten zu prognostizieren, weil die Fähigkeit des Individuums, eine Verhaltensabsicht in ein tatsächliches Verhalten zu konvertieren, (stark) vermindert ist (Manstead und van Eekelen, 1998). In diesem Fall wird das Verhalten neben der Verhaltensintention auch über die „actual behavioral control“ bestimmt. Meistens liegt jedoch ein „sufficient level of behavioral control“ (Ajzen, 2002 (überarbeitet 2006)) vor, so dass die direkte Beziehung vernachlässigt werden kann (Ajzen, 1989). ie TRA, die die Wahrgenommene Verhaltenskontrolle nicht beinhaltet, kann als Sonderfall der TPB interpretiert werden, bei dem die Kontrolle

38 über das Verhalten maximal ist. I. d. R. können durch die Berücksichtigung der wahrgenommenen Verhaltenskontrolle die Intention und das Verhalten aber deutlich besser prognostiziert werden (Madden et al., 1992). Formal zusammengefasst ergibt das Modell der TPB (mit wi als Gewichtungsparamter)27 Formel 4

B ~ I = A • w 1 + SN • w 2 + PBC • w 3 , daraus folgt : nSN

nA

B ~I=(

෤b i=1

i

• ei ) • w 1 + (

෤ nb

nPBC i

• mi ) • w 2 + (

i=1

෤ cb

i

• pi ) • w 3 .

i=1

Das Modell von Fishbein und Ajzen bestimmt somit in erster Linie die Verhaltensintention und nicht das wirkliche Verhalten. Allerdings wird unterstellt, dass eine Verhaltensintention, die als Plan verstanden wird, ein Verhalten auszuführen, im Allgemeinen auch zu einem entsprechenden Verhalten führt (Ludwig, 2005, S. 68). Dieser Zusammenhang wird in Formel 4 durch die Darstellung B ~ I llustriert. Beim Einsatz der TPB zur Erklärung von Kaufverhalten liefern viele empirische Untersuchungen Hinweise, dass das Konstrukt Kaufabsicht sehr geeignet ist, um zuverlässig und valide reales Kaufverhalten zu prognostizieren. Häufig wird daher – auch aus Praktikabilitätsgründen – in empirischen Untersuchungen die Kaufintention als die zu erklärende Zielvariable modelliert (vgl. Pavlou et al., 2007). Dieser Sachverhalt wird auch hier ausgenutzt, wie aus Abbildung 10 ersichtlich wird, da eine Längsschnitt- oder Paneluntersuchung zur Ermittlung des tatsächlichen Verhaltens nicht umsetzbar ist.

Subjektive Norm

+

Einstellung

+

Kaufabsicht

+

Reales Kaufverhalten

+ Wahrgenommene Verhaltenskontrolle

+: Einfluss positiv Abbildung 10: Modellentwicklung (2. Schritt)

27

Der Sonderfall des Direkteinflusses der Wahrgenommenen Verhaltenskontrolle wird nicht berücksichtigt.

39 Nachdem die bisherigen Ausführungen die Verwendung der TPB als Basis für die Erreichung des inhaltlichen Forschungsziels identifizieren, bedarf es im weiteren Verlauf des Ausbaus bzw. der Anpassung des Grundmodells, um den inhaltlichen Forschungszielen nachzukommen. Dazu ist zunächst zu konkretisieren, welche Barrieren es sind, die einen OnlineshopBesucher hindern, einen Kaufvorgang auszulösen, und ob bzw. in welcher Form sich diese Barrieren im Modell der TPB wieder finden bzw. integrieren lassen.

3.2. Barrieren für die Ausbildung einer Kaufabsicht im Online-Einzelhandel 3.2.1. Barrieren aus technischer Perspektive Das Internet als globales Netzwerk, in dem mittels Datenleitungen Computer sowie lokale Netze verbunden sind, um Daten miteinander austauschen zu können, funktioniert nach dem Client-Server-Prinzip. Nach diesem Prinzip läuft auf dem Server ein Programm, das bestimmte Dienste und Inhalte anbietet. Der Server bearbeitet die von anderen Rechnern des Netzes, den Clients, gestellten Anfragen und übermittelt ihnen die gewünschte Information. Die Darstellung der Inhalte erfolgt durch die Clients, damit der Server schnell wieder für andere Anfragen zur Verfügung steht (Fink et al., 2005, S. 38 ff.; Fritz, 2004, S. 38 ff.).28 Voraussetzung für den Einkauf im Internet ist demnach zunächst ein Zugang zum Netzwerk. Relevant für die vorliegende Untersuchung ist dabei die Versorgung privater Haushalte mit Internetanschlüssen, da der Einkauf physischer Güter bzw. die Ausbildung einer Kaufabsicht fast ausschließlich im privaten Bereich stattfindet.29 Im Jahr 2008 verfügten 75 % der privaten Haushalte über einen Online-Anschluss. 2002 waren es nur 46 % (o. V., 2009a). Die prinzipielle technische Voraussetzung des Zugangs zum Internet ist demnach stetig gestiegen und mittlerweile größtenteils gegeben. Dennoch besitzen nach wie vor 25 % der Haushalte keinen privaten Internetanschluss – das entspricht immerhin ca. 16,2 Mio. Personen ab 14 Jahren (Arbeitsgemeinschaft Online-Forschung e. V. (AGOF), 2008, S. 5; o. V., 2009a). Neben dem Vorhandensein der Zugangsmöglichkeit bedarf es auch einer ausreichenden Übertragungsgeschwindigkeit, sowohl „auf der letzten Meile“, d. h. bezogen auf den Hausanschlusses beim Nutzer, als auch bzgl. der Bandbreite des vom Online-Einzelhändler genutzten Internetdienstleisters. Ohne ein Mindestmaß an Geschwindigkeit ist die Nutzung des Internets insbesondere auch als Transaktionsmedium unkomfortabel und der Nutzer wird nicht in die Lage versetzt, bequem und unmittelbar die Vorteile des Internet als Transaktionsmedium zu nutzen (vgl. Abschnitt 1.1.).

28 Das „World Wide Web“ (WWW), oft fälschlicherweise mit dem Internet gleichgesetzt, ist ein Dienst des Internets in Form einer Multimedia-Benutzeroberfläche aus einer Kombination von Text, Bild, Animation, Musik und Sprache (Fritz, 2004, S. 38 ff.). Trotz der technischen Unterscheidung werden die Begriffe in dieser Arbeit synonym verwendet. 29 Die nachfolgenden Ausführungen beziehen sich auf Deutschland, da aus der Befragung vornehmlich Antworten von Personen aus Deutschland vorliegen.

40 Bei der Geschwindigkeit der Datenübertragung interessiert die Zahl der Bits, die pro Zeiteinheit versendet oder empfangen werden können.30 Die meisten der heutigen Internetzugänge in Deutschland basieren auf dem Telefonnetz. Mittlerweile nutzen 69 % der angeschlossenen Haushalte in Deutschland die Breitbandverbindungstechnik DSL (Digital Subscriber Line) (Übertragungsgeschwindigkeit31 ab 1024 KBit/Sek. bis 16000 KBit/Sek.). 26 % nutzen etwa zu gleichen Anteilen ISDN (Integrated Services Digital Network) (Übertragungsgeschwindigkeit bis 128 KBit/Sek.) oder ein analoges Modem (Übertragungsgeschwindigkeit bis 58 KBit/Sek.) (Arbeitsgemeinschaft Online-Forschung e. V. (AGOF), 2009).32 Trotz der relativ hohen Verbreitung von Breitbandanschlüssen wird die grundsätzliche Geschwindigkeitsproblematik nie vollständig obsolet werden, da mit steigenden Übertragungsgeschwindigkeiten gleichzeitig auch der Datenumfang von Softwareapplikationen einhergeht (Müller, 2006, S. 36). Als Beispiel seien „Rich-Media-Tools“ wie großformatige 3DDarstellungen oder Produktvideoclips angeführt (Groß, 2008b). Prognosen besagen, dass bereits in wenigen Jahren die in Deutschland vorherrschenden Kupferleitungen an ihre Kapazitätsgrenzen hinsichtlich der Geschwindigkeit stoßen und zu einem Wettbewerbsnachteil führen werden (Wendel, 2009). Gegenwärtig kann aber davon ausgegangen werden, dass die Haushalte mit DSL-Breitbandzugang das Internet komfortabel auch als Transaktionsmedium nutzen können. Für 26 % der Haushalte mit Internetanschluss (ca. 12,7 Mio. Personen) gilt dies allerdings nicht (Arbeitsgemeinschaft Online-Forschung e. V. (AGOF), 2009). Allein die vollständige Darstellung einer herkömmlichen Startseite eines Online-Einzelhändlers benötigt einen Datentransfer von ca. 400 KByte. Ein ISDN-Verbindung benötigt dafür mindestens 25 Sek., eine Verbindung mit Analogmodem mindestens 57 Sek. Insgesamt ist trotz der großen Fortschritte bei der Internetversorgung in Deutschland festzustellen, dass immerhin rund 29 Mio. Personen ab 14 Jahren das Internet als Transaktionsmedium nicht geeignet nutzen können. Es sind also nach wie vor technische Barrieren in Bezug auf die (komfortable) Nutzung vorhanden. Diese etwaige Problematik wird in der empirischen Untersuchung z. T. durch das Konstrukt Wahrgenommene Verhaltenskontrolle abgebildet, in der sich auch die vorhandenen bzw. nicht vorhandenen Ressourcen zur Nutzung des Internet widerspiegeln.33 Ob die Datenübertragungskapazität des Internetdienstleisters den uneingeschränkten Aufruf der Internetseite des Online-Einzelhändlers limitiert, ist nicht einfach zu beurteilen. Die in 30 Ein Bit ist die elementare Einheit der Informationstheorie. Acht Bit entsprechen einem Byte und ermöglichen es, einen ASCII-Buchstaben zu übertragen (Reimers, 2002). 31 Es sind die Downloadgeschwindigkeiten angegeben. 32 Ca. 5 % der Haushalte nutzen Verbindungstechniken, die nicht auf dem Telefonnetz basieren, wie Stromnetz, TV-Kabelanschluss, Satellit, Richtfunk oder Mobil bei Übertragungsraten zwischen 9,6 KBit/Sek. und 155MBit/Sek. 33 Die Wahrgenommene Verhaltenskontrolle bildet im Rahmen der Empirie die technischen Barrieren möglicherweise nur verzerrt ab, da technischen Barrieren zu Darstellungsproblemen der Umfrage führen können (vgl. Abschnitt 6.1.1.).

41 Deutschland maximal vorhandene serverseitige Bandbreite beträgt auf langfristige Sicht ca. 40 GBit/Sek. (Schumann et al., 2001, S. 77).34 Griffen nur 20480 der rund 27,1 Mio. deutschen Breitbandnutzer (Arbeitsgemeinschaft Online-Forschung e. V. (AGOF), 2008) – das entspricht rund 0,076 % – gleichzeitig auf Inhalte eines Anbieters zu, wäre die Übertragungskapazität eines Servers ausgelastet (bei einer angenommenen durchschnittlichen Empfangsgeschwindigkeit von 2 MBit/Sek. pro Nutzer). Es käme zu einer verzögerten Datenbereitstellung. Der gleichzeitige Zugriff dieser Anzahl von Personen erscheint gerade bei kleineren Online-Einzelhändlern allerdings eher unwahrscheinlich. Demgegenüber gilt es im Einzelfall zu betrachten, mit welcher serverseitigen Bandbreite Internetdienstleister im konkreten Fall operieren. Im Jahr 2008 traten bspw. erhebliche Serverprobleme bei einem der marktbeherrschenden Online-Einzelhändler in Deutschland auf (Anonymus, 2008). In der empirischen Untersuchung wird daher auch eine Komponente implementiert, die Ladezeiten beinhaltet (vgl. Signal „Technische Qualität“ in der empirischen Untersuchung).

3.2.2. Barrieren aus ökonomischer und infrastruktureller Perspektive Eine weitere Barriere der stärkeren Nutzung des Online-Einzelhandels könnte die in Deutschland vergleichsweise stark ausgeprägte Handels- und Versorgungsdichte sein. Z. B. ist der Bedarf an Einkaufsmöglichkeiten neben dem herkömmlichen stationären Handel in anderen nordeuropäischen Ländern oder den USA stärker ausgeprägt, da vergleichsweise weit größere Entfernungen zum nächsten Handelsgeschäft zurückzulegen sind (Forman et al., 2009; Müller, 2006, S. 36). Die Hauptvorteile des Einkaufens im Internet wie Ubiquität und Bequemlichkeit könnten durch den schnellen Besuch des „Ladens um die Ecke“ auch vor dem Hintergrund des Falls des Ladenschlussgesetzes in Deutschland weniger stark ins Gewicht fallen. Dieser Sachverhalt wird für eine regionale Betrachtung der USA in einer empirischen Untersuchung bestätigt (Forman et al., 2009). In vielen Untersuchungen wird daher bei der Betrachtung von Online-Interaktionen der Fokus vor allem auf die Nützlichkeit des Online-Einkaufs gelegt (Chiang und Nunez, 2007; Davis, 1989; Gefen et al., 2003; Liao und Wong, 2008; Palmer, 2002; Venkatesh und Agarwal, 2006; Venkatesh und Ramesh, 2006). In der vorliegenden Untersuchung ist dies nicht der Fall, weil in Bezug auf den vorliegenden Untersuchungsgegenstand von einer zentralen Rolle des Vertrauens ausgegangen wird (vgl. Abschnitt 3.3.). Ein weiterer Hemmnisfaktor für den Online-Einzelhandel aus ökonomischer Sicht könnten höhere Preise im Vergleich zum stationären Handel sein. Dieser Preisunterschied entspricht allerdings nicht den realen Gegebenheiten (Johnson et al., 2004, S. 306). Ein Großteil des Online-Traffic auf Internetseiten von Online-Einzelhändlern wird durch Preissuchmaschinen generiert, die transaktionskostensenkend und markttransparenzsteigernd für den Konsumenten wirken. Kosten für die zeitabhängige Internetnutzung und den Versand kompensieren die Preisvorteile des originären Produktes meist nicht (Brynjolfsson et al., 2004, S. 26; Hesse et al., 2009; Iyer und Pazgal, 2003; o. V., 2006b; Smith, 2002). Geht man also von einem rationalen Konsumenten aus, sollten preisliche Gründe dem Internet als Transaktionsmedium 34

1 GBit = 1024 MBit

42 nicht im Wege stehen, sondern eher förderlich sein. Neben dieser rationalzahlungswirksamen Betrachtung ist es aber angebracht, auch nichtmonetäre Transaktionskosten mit ins Kalkül zu ziehen (Devaraj et al., 2002; Frambach et al., 2007). Ein höher wahrgenommenes Risiko und mangelndes Vertrauen in den jeweiligen Online-Einzelhändler oder die Systemarchitektur an sich könnten durchaus als zusätzliche „nichtzahlungswirksame“ Kosten im Sinne der Transaktionskostentheorie aufgefasst werden. Die Produktpreisvorteile beim Kauf über das Internet könnten dadurch kompensiert werden. Diese eher soziound psychologisch bedingten „nichtzahlungswirksamen“ Kosten leiten über zum nächsten Abschnitt.

3.2.3. Barrieren aus soziologischer bzw. psychologischer Perspektive Nutzungspotentiale von Medien im Allgemeinen und dem Internet als Transaktionsmedium im Speziellen lassen sich nicht allein aus ihrer Verfügbarmachung und/oder ihrer technologischen Struktur ableiten. Es handelt sich hierbei nur um zwei Determinanten zur Prognose des Nutzungsverhaltens in einem komplexen Geflecht zwischen Angebot, zeitlichen Rahmenbedingungen, Bedürfnissen, Motiven und Erwartungen von Konsumenten (Müller, 2006, S. 38). So kann das Motiv der Solidarisierung mit dem „Laden um die Ecke“, z. B. aufgrund von guter persönlicher Beratung, eine Barriere für den Online-Handel darstellen. Dieser eher soziologische Aspekt kann im Rahmen der TPB in Ansätzen über die Subjektive Norm und ihre Komponenten abgebildet werden, die wiedergeben, inwieweit das soziale Umfeld einen Kauf über das Internet begrüßt und wie hoch die Motivation beim potentiellen Konsumenten ist, sich gemäß den vermuteten Wünschen des Umfelds zu verhalten. Vor allem determinieren aber auch psychologische Aspekte bzw. die Einstellung (vgl. Abschnitt 3.1.2. und 3.1.3.) das Kaufverhalten im Internet. Derzeit ist festzustellen, dass ein erhebliches Potential im Online-Einzelhandel unausgeschöpft bleibt (Meziane und Kasiran, 2008), weil viele Konsumenten – trotz guter technischer Verfügbarkeit – keine favorable Einstellung zum Einkauf im Internet haben. Quellen verschiedener Ressentiments sind die Besonderheiten des Distanzkaufs in Verbindung mit den Eigenschaften des Systems Internet: Faktoren wie der Erfahrungsgutcharakter von Handelsdienstleistungen bei zusätzlich asynchronem Ressourcenaustausch, die fehlende physische Inspizierbarkeit, die unpersönliche Interaktion mit einer Website, der unklare Rechtsraum sowie geringes Verständnis der Technologie führen zusammen häufig zu einem mangelnden Vertrauen beim Konsumenten. Die Folge ist oftmals, dass eine Transaktion unterbleibt oder abgebrochen wird (vgl. Abschnitt 1.1.). Zwei Drittel der Deutschen, die im Internet einkaufen, haben schon einmal von einem Kauf abgesehen, weil ihnen der besuchte Shop nicht seriös genug erschien (Novomind und INTERNET WORLD Business, 2007). Vier von fünf Deutschen brechen den Kauf ab, wenn ein Online-Shop nur die Lieferung per Vorkasse anbietet (Stahl et al., 2008, S. 24). Diese Ausführungen unterstreichen den bereits in Abschnitt 1.2. dargelegten Erfahrungsgutcharakter des Metaprodukts („Erstkauf eines physischen Suchguts über das Internet bei einem Online-Einzelhändler“). Ein potentieller Käufer hat demnach

43 einen mangelhaften Informationstand zur Qualitätsbeurteilung des Metaproduktes im Vorwege einer Transaktion. Man spricht von einer sog. Informationsasymmetrie, d. h. einem unterschiedlichen Informationsstand von Käufer und Verkäufer (Akerlof, 1970; Spence, 1973; Spence, 1974; Stiglitz, 1974). Online-Einzelhändler stehen demnach stets der Barriere bzw. Herausforderung gegenüber, mit Hilfe der Website – als einziger Interaktionsfläche zwischen Käufer und Verkäufer – den potentiellen Käufer mit den für ihn relevanten Informationen zu versorgen, um bei ihm Vertrauen in Bezug auf die gute Qualität das Metaprodukts aufzubauen.

3.3. Vertrauen als Einstellung und zentrale Antezedenz des Kaufverhaltens im Online-Einzelhandel Vertrauen spielt in vielen Bereichen geschäftlichen und sozialen Handelns eine zentrale Rolle, wie schon der klassische Ökonom John Stuart Mill zu Beginn des 19. Jahrhundert konstatiert: „The advantage to mankind of being able to trust one another, penetrates into every crevice and cranny of human life: the economical is perhaps the smallest part of it, yet even this is incalculable” (Mill, 1848, S. 131). Speziell gilt dies für die Interaktionen in OnlineUmgebungen. Die essentielle Rolle von Vertrauen in Gegenwart asymmetrischer Information und daraus abgeleiteter konsumentenseitiger Unsicherheit wird auch in vielen Arbeiten im Online-Kontext identifiziert, wie nachstehende Zitate unterstreichen: „The trust factor opens up or closes down the pace and nature of electronic commerce growth.” (Keen et al., 1999); „Price does not rule the web; trust does.” (Reichheld und Schefter, 2000, S. 107); „Firms… stand to lose most if they fail to access consumer trust…” (Bhattacherjee, 2002, S. 236); „Lack of trust is identified as one of the greatest barriers inhibiting internet transactions.” (Kim et al., 2004); „Interpersonal trust of e-vendors by consumers is critical for establishing transactional behaviour.” (McKnight und Chervany, 2002, S. 46); „Failing to overcome the initial trust barriers, all other efforts of online retailers will be in vain” (Wang et al., 2004, S. 54); „… trust… [is] absolutely critical for on-line commerce“ (Mahmood et al., 2004); „The importance of trust in e-commerce cannot be overestimated” (Lee und Turban, 2001, S. 77). Mit steigender Bedeutung des Internets im Allgemeinen und des Online-Einzelhandels im Speziellen nehmen sich zahlreiche Forscher verstärkt der Frage an, wie Kundenvertrauen in diesem Kontext geschaffen werden kann (vgl. Aiken und Boush, 2006; Einwiller et al., 2005; Hampton-Sosa und Koufaris, 2005; Hassanein und Head, 2005/06; Jarvenpaa et al., 2000; Kim et al., 2004; Lee und Turban, 2001; Mahmood et al., 2004; Malhotra et al., 2004; McKnight et al., 2002; Pavlou, 2003; Pavlou und Gefen, 2004; Suh und Han, 2003; Torkzadeh und Dhillon, 2002; Wang et al., 2004; Yakov et al., 2005; Yoon, 2002). Trotz dieser Viel-

44 zahl von Arbeiten werden nach wie vor Forschungsarbeiten eingefordert, die ein tiefer gehendes Verständnis von Vertrauen im Online-Kontext fördern (Benbasat et al., 2008). Gefen et al. (2008, S. 277) rufen in ihrer „Research Agenda“ des Special Issue „Trust in Online Environments“ des Journal of Management Information Systems explizit zum detaillierten Einbezug von Vertrauen in den Kontext der TPB auf. Obgleich die Bedutung von Vertrauen bzgl. des Untersuchungsgegenstandes sehr starkt ist, ist zu bedenken, dass Vertrauen voraussichtlich nur eine – wenn auch zentrale – mehrerer möglicher Erklärungen für das Transaktionsverhalten mit Online-Einzelhändlern ist. Denkbar ist auch der Einfluss von Vertrauen in Bezug auf das System Internet und seiner Bestandteile losgelöst von der Betrachtung eines speziellen Online-Einzelhändlers. Weiterhin ist eine Interaktion mit einem Online-Einzelhändler ausschließlich wegen der beschriebenen Nützlichkeit bzw. (Preis-)Vorteile des Einkaufens im Internet, der Bequemlichkeit und des ubiquitären Zugriffs auf ein sehr breites und tiefes Artikelsortiment denkbar (vgl. Abschnitt 3.2.2.). Dieser Interaktionsgrund rivalisiert in gewisser Weise mit der Hypothese, dass Vertrauen Auswirkungen auf beabsichtigtes Kaufverhalten hat: Ein Käufer, der bspw. keine individuelle Nutzenstiftung durch die „Hauptvorteile“ erfährt, mag nur aus diesem Grund nicht mit einem Online-Einzelhändler interagieren, ungeachtet der Frage, ob er diesem vertraut oder nicht. Eine aktuelle Studie zeigt allerdings, dass für 74 % der deutschen Verbraucher das Vertrauen der wichtigste Einflussfaktor für die Interaktion mit einem Online-Einzelhändler ist, wohingegen 17 % den Preis und 8 % die Benutzerfreundlichkeit als Hauptdeterminante deklarieren (o. V., 2008c). Über die bisherigen Ausführungen hinaus rechtfertigen diese Daten für die vorliegende Arbeit die Annahme eines zentralen Einflusses des Vertrauens in den OnlineEinzelhändler auf das beabsichtigte Kaufverhalten. Um die Implementierung des Vertrauens als Einstellung in die TPB zu legitimieren, ist es aber vorab erforderlich, kurz eine Übereinstimmung zwischen dem Einstellungskonzept (vgl. für die folgenden Erläuterungen auch Abschnitt 3.1.2.) und dem Konzept des Vertrauens herauszuarbeiten. Dafür wird der Begriff „Vertrauen“ zunächst in einem allgemeinen Verständnis verwendet. Eine Explikation findet im nachfolgenden Kapitel statt. Die Nutzung des Vertrauensbegriffs im Verständnis des Alltagskontexts zur Verbindungsherstellung mit dem Einstellungsbegriff verhindert den Erkenntnisgewinn nicht (trotz späterer Explikation des Vertrauensbegriffs), da sich im umgangssprachlichen Verständnis von Vertrauen implizit das Fundament für die weitere begriffliche Ausgestaltung im vierten Kapitel manifestiert (Stegmüller, 1972, S. 15 f.). Vertrauen richtet sich wie die Einstellung immer auf ein Zielobjekt. Im engeren Sinn (i. e. S.) ist das Objekt (der Vertrauensnehmer) eine Person, eine Organisation oder ein System, jedoch nicht das Verhalten, da dieses nicht ohne ein Objekt i. e. S. als Verursacher begründet ist (Ludwig, 2005, S. 43). Vertrauen richtet sich demnach auf Risiken und Erwartungen, die von dem Vertrauensnehmer beeinflussbar sind (Rippberger, 2003, S. 59).

45 Hinsichtlich der Entstehung von Vertrauen lassen sich zwei idealtypische Prozesse unterscheiden (vgl. auch 4.2.3.). Zu Beginn einer Interaktionsbeziehung, die von Vertrauen determiniert ist (z. B. „Buyer-Seller-Relationships“ (Doney und Cannon, 1997)), wird die Beziehung vor allem durch „Calculus-based Trust“ (Rousseau et al., 1998) geprägt. Dieses überlegte Vertrauen hinsichtlich der erwarteten Vertrauenskonsequenzen (vgl. auch Abschnitt 4.2.1.) beruht auf rationalen ökonomischen Überlegungen (Deutsch, 1962; Rousseau et al., 1998). Demgegenüber kann Vertrauen auch spontan aufgrund von Erfahrung oder Intuition ausgebildet werden, sog. „Relational Trust“ (Rousseau et al., 1998)). Die Informationsverarbeitung im jeweiligen idealtypischen Vertrauensausbildungsprozess gleicht dabei derjenigen der Einstellung (Ludwig, 2005, S. 46). Identisch zur Einstellung handelt es sich auch beim Vertrauen um ein latentes, nur an seinen Ergebnissen beobachtbares Konstrukt. Sein Hauptmerkmal ist die Vertrauenswürdigkeitsbeurteilung des Vertrauensnehmers und die Bewertung anhand von drei Komponenten, deren Einfluss situationsbezogen variiert (Ludwig, 2005, S. 44 f.): Es gibt eine kognitive Komponente, die Erwartungen („beliefs“) bzgl. des Vertrauensnehmers beinhaltet, eine affektive, die positive Gefühle umfasst und eine konative bzw. intentionale, in der sich „a willingness to be vulnerable“ (Mayer et al., 1995, S. 726) des Vertrauensgebers gegenüber dem Vertrauensnehmer ausdrückt. Insgesamt vermittelt Vertrauen Verhaltenssicherheit ähnlich, wie die Einstellung eine Vereinfachung der Verhaltensausführung sicherstellt (Ludwig, 2005, S. 46 f.). Luhmann (1968, S. 6) sieht Vertrauen als „… wirksamere Form der Reduktion von Komplexität“. Ohne ein gewisses Mindestmaß an Vertrauen in die Stabilität und Qualität der sozialen und geschäftlichen Umwelt fänden keine Transaktionsbeziehungen statt. Bleicher (1995) geht sogar davon aus, dass der Mensch nicht existieren könnte, besäße er nicht die Fähigkeit zu vertrauen. Die offensichtlich große Korrespondenz zwischen dem Einstellungs- und Vertrauenskonstrukt deutet darauf hin, dass Vertrauen als Einstellung aufgefasst werden kann, um es in die TPB zu integrieren. Zur Unterstützung dieser These findet eine weitere Explikation des Vertrauensbegriffs im nachfolgenden Kapitel statt.

47

4. Explikation des Vertrauensbegriffs 4.1. Konzeptionelle Grundlagen Faktoren wie der Erfahrungsgutcharakter von Handelsdienstleistungen bei zusätzlich asynchronem Ressourcenaustausch, die mangelnde physische Inspizierbarkeit, die unpersönliche Interaktion mit einer Website, der unklare Rechtsraum sowie geringes Verständnis der Technologie – subsumiert ein mangelhafter Informationsstand beim Käufer – führen beim Konsumenten häufig zu fehlendem Vertrauen in die Qualität des Metaproduktes (vgl. Abschnitt 3.2. und 3.3.). Zugleich wird damit aber auch die Bedeutung von Vertrauen in Gegenwart asymmetrischer Informationsverteilung akzentuiert und macht es zu einem essentiellen Faktor im Online-Einzelhandel. Dies ist auch die einhellige Meinung der Wissenschaftsgemeinde, die sich bereits mit einer Vielzahl von Arbeiten dem Thema widmet (vgl. Abschnitt 3.3.). Um die inhaltliche Diskussion der zentralen Determinante „Vertrauen“ bei der vorliegenden Untersuchung im Kontext der TPB führen zu können, ist es notwendig, das allgemeine Begriffsverständnis über die in Abschnitt 3.3. aufgezeigten Korrespondenzbeziehungen zum Einstellungskonstrukt hinausgehend zu präzisieren und inhaltlich adäquat zu erfassen. Es existiert eine Vielzahl wissenschaftlicher Vertrauensdefinitionen aus der Psychologie, Soziologie und Ökonomie (Ajzen, 1989; Irion, 2007, S. 116 ff. und die dort angegebenen Literatur). Das Verständnis von Vertrauen ist dabei sowohl wissenschaftsdisziplinübergreifend als auch intradisziplinär uneinheitlich. In diesem Zusammenhang spricht Shapiro (1987, S. 625) von einem „confusing potpourri“. Vertrauen wird als Erwartung, Einstellung, Intention oder auch Verhalten interpretiert (vgl. Bhattacherjee, 2002; Mayer et al., 1995; McKnight et al., 2002 und die dort angegebene Literatur). Mayer et al. (1995), McKnight (2002), McKnight et al. (2002) oder Irion (2007, S. 116 ff.) unternehmen daher den Versuch, gemeinsame Elemente aus allen Definitionen und Interpretationen herauszuarbeiten, um ein interdisziplinär gültiges Verständnis von Vertrauen zu schaffen. Nach ihren Ergebnissen ist Vertrauen immer situations- und kontextbezogen, so dass der situative und soziale Bezugsrahmen in die Begriffsausgestaltung einbezogen werden muss (vgl. auch Lewicki und Bunker, 1995). Vertraut man bspw. einem Unternehmen, welches seine Leistungen bzw. Produkte im stationären Handel anbietet, heißt das nicht, dass das Vertrauen in das Unternehmen übertragbar ist, sollte es Leistungen bzw. Produkte über das Internet vertreiben (Schlosser et al., 2006). Hinsichtlich der Situationsspezifität lässt sich für die vorliegende Arbeit die Transaktionsbeziehung im Sinne des in Abschnitt 1.2. herausgearbeiteten Untersuchungsgegenstandes präzisieren. Es geht also um eine Form des sog. überlegten Erstvertrauens (vgl. Abschnitt 4.2.3.). Über alle Wissenschaftsdisziplinen hinweg betrachtet, lassen sich zwei „Komponenten“ von Vertrauen ausmachen. Vertrauen konstituiert sich durch einen intrapersonellen und einen interpersonellen Zustand. Es wird zwischen einem subjektiven Vertrauenszustand, der sich beim Vertrauensgeber aus den erwarteten Verhaltenskonsequenzen ausbildet, und einer (in-

48 tendierten) interaktionalen Vertrauenshandlung zwischen einem Vertrauensgeber und einem Vertrauensnehmer unterschieden. Mayer et al. (1995), McKnight (2002) und McKnight et al. (2002) sprechen von „Trusting Beliefs“ und „Trusting Intention“, Gefen (2008, S. 277) von „trustworthiness“ und „trusting intentions“.Demnach beschreiben erst beide Komponenten zusammen das Prinzip Vertrauen adäquat: „… trusting beliefs and trusting intentions must be present for trust to exist“ (Schlosser et al., 2006, S. 134). Auch bei der hier vorliegenden Arbeit wird dieses Verständnis zugrunde gelegt. Es wird unterschieden zwischen dem psychologischen Vertrauenszustand „psychological state“ (Rousseau et al., 1998, S. 124), d. h. einem „cognitive aspect“ (Schlosser et al., 2006, S. 134) und einem „behavioral aspect“ (Schlosser et al., 2006, S. 134) der verhaltensbezogenen Intention „(trusting) intention[s] to transact“ (Gefen et al., 2008, S. 277). Häufig erfolgt keine Separation der beiden Komponenten. Dies könnte ein Grund dafür sein, dass das Verständnis von Vertrauen in der Literatur uneinheitlich ist (vgl. Bhattacherjee, 2002; Mayer et al., 1995; McKnight et al., 2002 und die dort angegebene Literatur). Vom sprachlichen Verständnis her und vor allem in Anbetracht der Ausführungen zu Vertrauen und Einstellung mit dem Ziel der Implementierung in die TPB bietet es sich an, den psychologischen Vertrauenszustand als Einstellung („Vertrauenseinstellung“) und die verhaltensbezogene Komponente als resultierende Intention („vertrauensvolle Intention“) aufzufassen. In ähnlicher Weise argumentieren McKnight et al. (2002, S. 336), die die Eignung beider Komponenten zur Implementierung in die TRA in der beschriebenen Form unterstützen. Aus Gründen der (methodischen) Vereinfachung („applying this more parsimonious version of the TRA“) entfernen sie allerdings das Konstrukt Einstellung aus dem TRA-Grundmodell und modellieren eine direkte Beziehung unterschiedlicher „Trusting Beliefs“ auf die „Trusting Intention“.35 Gefen et al. (2008, S. 277) machen die Untersuchung von Vertrauen im Zusammenhang mit der TPB daher als Forschungsdesiderat aus: „This distinction between beliefs and behavioural intentions is highlighted in the much cited theory of planned behavior (TPB).” In der vorliegenden Arbeit wird sich daher des für den Untersuchungsgegenstand gut geeigneten Grundmodells der TPB bedient und die (Vertrauens-)Einstellung als zentrale Komponente im Modell belassen (vgl. Abschnitt 3.1.). So wird sowohl der TPB als auch der Zwei-Komponentenstruktur von Vertrauen Rechnung getragen. Aus rein sprachlicher Sicht wird der Begriff Vertrauen im weiteren Verlauf der Arbeit im Kontext der TPB für die Vertrauenseinstellung benutzt, die sich aus verhaltensbezogenen positiven Konsequenzerwartungen zusammensetzt (vgl. Abbildung 11). Diese Nomenklatur entspricht der von Bhattacherjee (2002, S. 214): „Hence, trust is viewed here as aggregation of beliefs.“ Die vertrauensvolle Intention wiederum ist wie oben dargestellt der kognitiven Vertrauenseinstellungsausbildung nachgelagert und wird im Folgenden in Anbetracht des Unter-

35 McKnight et al. (2002) beziehen sich auf das reduzierte TRA-Modell von Davis et al. (1989). Eine detaillierte Erläuterung, warum die „methodische Vereinfachung“ notwendig ist, wird nicht gegeben. Ursache könnte das „enge Korsett“ der Kovarianzstrukturanalyse sein (vgl. Abschnitt 2.2.2.), die die Autoren nutzen.

49 suchungsgegenstandes auch als (vertrauensvolle) Kaufabsicht bzw. beabsichtigtes (vertrauensvolles) Kaufverhalten bezeichnet (vgl. Abbildung 11). Als weiteres gemeinsames Element interdisziplinärer Vertrauensinterpretationen identifiziert Irion (2007, S. 116 ff.) eine zukunftsbezogene Betrachtung. Die Ausbildung einer Vertrauenseinstellung und einer vertrauensvollen Intention ist im Sinne einer zukunftsbezogenen Handlungs- und Verhaltensbetrachtung geprägt. Die zukunftbezogene Betrachtung umfasst subjektive Handlungserwartungen bzw. verhaltensbezogene Konsequenzerwartungen. Die Vertrauenseinstellung konstituiert sich demnach hinsichtlich der erwarteten Verhaltenskonsequenzen. Grundsätzlich verknüpfen dabei alle begrifflichen und definitorischen Verständnisse Vertrauen mit einer „Nicht-Schadens-Zufügens-Erwartung“ (Irion, 2007, S. 127) bzw. – anders formuliert – mit positiven Verhaltenskonsequenzerwartungen.36 Zusammengefasst wird Vertrauen hier als positive Einstellung zu einem Zielobjekt (Vertrauensnehmer) verstanden, die eine Erwartung positiver Verhaltenskonsequenzen beinhaltet und die Bereitschaft fördert, sich in ein vertrauensvolles Verhalten zu begeben, das eine Vulnerabilität des Vertrauensgebers beinhaltet. Die bisherigen Erläuterungen zum OnlineEinzelhandel zeigen die Wichtigkeit von Vertrauen. Potentielle Käufer (die Vertrauensgeber) werden bei mangelndem Vertrauen nur mit geringer Wahrscheinlichkeit eine Transaktion mit dem Online-Einzelhändler (dem Vertrauensnehmer) durchführen. Schlüssig scheint insofern die zentrale Rolle von Vertrauen und dessen positive Wirkung auf die (vertrauensvolle) Kaufabsichtsausbildung hinsichtlich des Erwerbs des Metaproduktes (vgl. Abschnitt 1.2.). Aus den Ausführungen aus Abschnitt 3.3. und 4.1. ergibt sich zusammengefasst der dritte Schritt der Modellentwicklung, der durch Abbildung 11 illustriert wird.

Subjektive Norm

+

Vertrauenseinstellung

+

(Vertrauensvolle) Kaufabsicht

+

Reales Kaufverhalten

+ Wahrgenommene Verhaltenskontrolle

+: Einfluss positiv Abbildung 11: Modellentwicklung (3. Schritt) 36 Dementsprechend würde ein Konstrukt Misstrauen grundsätzlich mit negativen Verhaltenskonsequenzerwartungen verknüpft werden.

50 In Verbindung mit den Erläuterungen zur TPB ergeben sich hieraus Forschungshypothesen 1 bis 4: Forschungshypothese 1

Die Vertrauenseinstellung wirkt signifikant positiv auf die Ausbildung einer vertrauensvollen Kaufabsicht; Forschungshypothese 2

Die Subjektive Norm wirkt signifikant positiv auf die Ausbildung einer vertrauensvollen Kaufabsicht; Forschungshypothese 3

Die Wahrgenommene Verhaltenskontrolle wirkt signifikant positiv auf die Ausbildung einer vertrauensvollen Kaufabsicht. Im Zusammenhang mit der zentralen Rolle von Vertrauen für den vorliegendenden Untersuchungsgegenstand und den Ergebnissen aus einem Überblicksartikel von Venkatesh et al. (2003), die einen im Vergleich zur Einstellung (sehr) geringen Einfluss der Subjektiven Norm und der Wahrgenommenen Verhaltenskontrolle bei der freiwilligen Teilnahme an Befragungen feststellen, ergibt sich Forschungshypothese 4

Die Vertrauenseinstellung hat einen höheren Einfluss auf die Ausbildung einer vertrauensvollen Kaufabsicht im Vergleich zu den anderen Konstrukten der TPB (Subjektive Norm und Wahrgenommene Verhaltenskontrolle). Nach der grundsätzlichen Konzeptionalisierung von Vertrauenseinstellung (hier Vertrauen) und vertrauensvoller Intention (hier (vertrauensvolle) Kaufabsicht) ist es notwendig, im Rahmen der weiteren Argumentation die Einflussgrößen auf das der Untersuchung zugrunde liegende Vertrauensverständnis im Kontext der TPB in den Betrachtungsmittelpunkt zu rücken. Im Gegensatz zur bisherigen Argumentation, die Vertrauen primär als unabhängige Variable auffasst, stellt die Vertrauenseinstellung in der vorliegenden Arbeit eine abhängige Variable dar. Diese wird folglich durch unterschiedliche Einflussgrößen bestimmt, die nachstehend näher erläutert und abschließend – vor dem Hintergrund des Untersuchungsgegenstandes – in den Kontext der TPB integriert werden. Wie auch den Ausführungen dieses Abschnitts zu entnehmen ist, lassen sich die Einflussgrößen auf die Vertrauenseinstellung in drei Bereiche gruppieren: Die vertrauensnehmende Partei, die vertrauensgebende Partei und die kontextspezifische Situation. Diese Bereiche werden im folgenden Abschnitt näher erläutert.

51

4.2. Einflussdimensionen und Einflussgrößen 4.2.1. Einflussgrößen des Vertrauensnehmers 4.2.1.1. Vertrauensrelevante Erwartungen im Kontext der Theory of Planned Behavior Mit steigender Bedeutung des Internets und des Online-Einzelhandels wird verstärkt die Frage untersucht, wie Kundenvertrauen in diesem Kontext geschaffen werden kann. Die Betrachtung erfolgt dabei primär in Bezug auf die „vertrauensnehmende Partei“, da die kontextspezifische Situation und die vertrauensgebende Partei nahezu keine Möglichkeit zur einfachen Einflussnahme bieten. In diesen Untersuchungen wird Vertrauen jedoch fast ausschließlich als eindimensionales Konstrukt verwendet, das sich nicht aus unterschiedlichen Dimensionen oder als Aggregation aus unterschiedlichen Erwartungen im Sinne der TPB bildet (Gefen et al., 2008). Dies ist verwunderlich, denn schon einer der Ausgangspunkte der Erforschung von Vertrauensbildung, ein Überblickartikel von Giffin (1967), definiert Vertrauen als mehrdimensionales Konstrukt. Giffin (1967) untersucht vertrauensrelevante Eigenschaften eines Kommunikators und deren Auswirkungen auf das Vertrauen in einem Kommunikationsprozess. Er identifiziert sechs Dimensionen, Sachverständnis (expertness), Wohlwollende Intention (benevolence), Zuverlässigkeit (reliability), dynamisches Kommunikationsverhalten (dynamism), allgemein guter Ruf (majority opinions) sowie Attraktivität (personal attraction) auf Basis von Forschungsergebnissen zur Kommunikatorglaubwürdigkeit. Es gilt an dieser Stelle, die enge Bedeutungsverwandtheit von Vertrauen und Glaubwürdigkeit zu beachten. Vertrauen und Glaubwürdigkeit haben einen großen Überschneidungsbereich, wobei Vertrauen als das etwas weiter gefasste Konstrukt interpretiert wird (Ludwig, 2005, S. 116). Vertrauen kann alle Elemente einer Interaktion betreffen und ist kognitiv wie auch affektiv geprägt (vgl. die dargestellte Zwei-Komponentenstruktur in Abschnitt 4.1.), wohingegen sich Glaubwürdigkeit ausschließlich auf kommunikative Inhalte bezieht und vornehmlich kognitiver Natur ist (Wiswede, 2000, S. 77). Es besteht daher eine sehr starke Bedeutungsverwandtheit von Glaubwürdigkeit und der kognitiven Vertrauenskomponente („trusting beliefs“ bzw. „trustworthiness“). Da auch von einer Mehrdimensionalität von Vertrauen in Online-Umgebungen ausgegangen werden kann (Gefen et al., 2008), konzeptionalisiert sich das in dieser Arbeit verwendete Vertrauenskonstrukt – im Gegensatz zu den meisten bisherigen Untersuchungen – über drei unterschiedliche Dimensionen respektive Verhaltenserwartungen. Basis für die Dimensionierung ist ein Beitrag von Mayer et al. (1995).37 Mayer et al. (1995) entwickeln ein Modell zum Vertrauen (bzw. zur Vertrauenseinstellung) in ein Unternehmen, indem sie symbiotisch vielschichtige Forschungsergebnisse hinsichtlich der Einflussfaktoren auf Vertrauen aus den Bereichen Wirtschaftswissenschaften, Psychologie und Philosophie zu einem „Integrative Model of Organizational Trust“ zusammenführen. Den Autoren zufolge wird das Konstrukt „Organizational Trust“ durch die drei Haupteinfluss37

Müthl und Högl (2007, S. 106) sprechen vom „most prominent approach to trustworthiness-related values“.

52 dimensionen Kompetenz (Ability), Wohlwollende Intention (Benevolence) und Integrität (Integrity) bestimmt (Mayer et al., 1995).38 McKnight et al. (2002) können in einer weiterführenden Literaturübersicht und einer Metaanalyse über 65 Vertrauensdefinitionen die Dimensionen bestätigen. Sie schlagen daher schon im Jahr 2002 auch für den Online-Einzelhandel eine derartige Dimensionierung vor. Die Umsetzung in der Wissenschaftsgemeinde ist aber nach wie vor spärlich: „… important distinctions related to trust … have been largely overlooked in the literature but are key to understanding how online firms can best convert visitors to buyers“ (Schlosser et al., 2006, S. 133); “… it is also important to examine the dimensionality of trust… in the context of online environments. Trust in online environments is based on beliefs in the trustworthiness of a trustee, which is composed of three distinct dimensions – integrity, ability, and benevolence.” (Gefen et al., 2008, S. 276). Im Kontext der hier vorliegenden Untersuchung des Vertrauens in einen OnlineEinzelhändler ist das Konstrukt „Organizational Trust“ mit den drei Einflussdimensionen eine adäquate Grundlage. Gestützt wird dies durch die Erkenntnis, dass sich die Konzeptionalisierung in vielen Untersuchungen über unterschiedlichste wissenschaftliche Bereiche als valide erweist und auch für den Online-Handel vorgeschlagen wird (McKnight et al., 2002; Schoorman et al., 2007). Die obigen Ausführungen rechtfertigen daher eine derartige Konzeptionalisierung, die in dieser Arbeit dem nachstehend entwickelten Konstrukt (überlegte, signalbasierte Erstvertrauenseinstellung (vgl. Abschnitt 4.3.4.)) als Fundament dient. Mittels Extrapolation aus der TPB können die drei Dimensionen des Vertrauens – Integrität, Wohlwollende Intention und Kompetenz (vgl. Abschnitte 4.2.1.1.1. - 4.2.1.3.) als Erwartungen (bi) hinsichtlich der Verhaltenskonsequenz in Bezug auf das Zielobjekt interpretiert werden, die die Vertrauenseinstellung (A) determinieren (vgl. Formel 1, Abschnitt 3.1.3.). So bezeichnen Mayer et al. (1995, S. 719) die drei Dimensionen selbst als „belief(s)“, ohne im Kontext der TPB zu argumentieren. Auch andere Studien verstehen die Vertrauensdimensionen sprachlich als „beliefs“, wie die Übersicht von McKnight und Chervany (2002) zeigt. Das Zielobjekt in der Urform der TPB stellt zwar auf ein Verhalten ab, dieses ist jedoch fast immer durch einen dahinter stehenden Verursacher begründet (vgl. Abschnitt 3.1.3.). Dieses „Verursacherprinzip“ gilt vor allem für das Vertrauen (Rippberger, 2003, S. 59) (vgl. Abschnitt 3.3.). Ein Konsument vertraut nicht dem Kauf des Metaproduktes über das Internet, sondern dem Online-Einzelhändler oder dem System Internet. Hier wird davon ausgegangen, dass vor allem das Vertrauen in den Online-Einzelhändler die zentrale Rolle spielt. Diese starke Verquickung von (Vertrauens-)Einstellung zu einem Objekt und Einstellung zum Verhalten sowie eine Vielzahl von produktbezogenen Einstellungsinterpretationen (vgl. Abschnitt 3.1.3.) im Kontext der TPB führen dazu, den Online-Einzelhändler als Zielobjekt hinsichtlich der erwarteten Verhaltenskonsequenzen zu interpretieren. 38

Alle drei Dimensionen gehen auf die Glaubwürdigkeitsforschung zurück (Ludwig, 2005, S. 132).

53 Obwohl ein Individuum viele vertrauensrelevante Erwartungen in Bezug auf das Zielobjekt Online-Einzelhändler haben kann, sind im Moment der Verhaltensausbildung meist nur die bedeutsamsten kognitiv zugänglich (Ajzen, 1991). Nach van der Pligt und Eiser (1984) sind dies drei bis fünf Erwartungen. Die Verwendung der drei genannten Dimensionen von Mayer et al. (1995) bieten sich daher hier hervorragend an, um sie als Konstrukte und wichtigste vertrauensrelevante Erwartungen in die empirische Untersuchung aufzunehmen:39 Zum einen, weil die drei Dimensionen eine Aggregation aus 32 unterschiedlichen „trusting beliefs“ in Bezug auf eine Unternehmung darstellen (Mayer et al., 1995), zum anderen, weil bei der Implementierung von „nur“ drei vertrauensrelevanten Erwartungen die Umsetzung in einer empirischen Untersuchung erleichtert wird.40 Die Vertrauenseinstellung ergibt sich demnach durch die individuell gewichteten (ei) (vgl. Formel 1, Abschnitt 3.1.3.) vertrauensrelevanten Erwartungen Kompetenz, Wohlwollende Intention und Integrität. Da die drei Verhaltenskonsequenzerwartungen positiver Natur sind – so wie alle definitorischen Verständnisse von Vertrauen grundsätzlich mit positiven Verhaltenskonsequenzerwartungen verknüpft sind (vgl. Abschnitt 3.3.) – ergibt sich Forschungshypothese 5 (vgl. auch Abbildung 12): Forschungshypothese 5

Die vertrauensrelevanten Erwartungen Kompetenz, Wohlwollende Intention und Integrität haben einen signifikant positiven Einfluss auf die Ausbildung der Vertrauenseinstellung.

Kompetenz

Subjektive Norm

+

Wohlwollende Intention

+

+

Vertrauenseinstellung

+ Integrität

+

Kaufabsicht

+ Wahrgenommene Verhaltenskontrolle

+: Einfluss positiv Abbildung 12: Modellentwicklung (4. Schritt)41

Alle drei vorgestellten Einflussdimensionen sind durch die übergeordnete Beziehung zu dem Vertrauenskonstrukt zwar verwandt, sie unterscheiden sich jedoch in ihrer Bedeutung. So 39 Die Modellierung von verhaltensrelevanten Erwartungen im Allgemeinen als Konstrukte in Strukturgleichungsmodellen ist legitim, wie verschiedene Anwendungen der TPB zeigen. Für weiterführende Erläuterungen siehe Fassot (2007, S. 26 ff.). 40 Mayer et al. (1995) machen durch ihre Studie eine eigentlich hier erforderliche qualitative Vorstudie hinsichtlich der Ermittlung der vertrauensrelevanten Erwartungen obsolet. 41 Im Vergleich zu den vorigen Abbildungen zur Modellentwicklung wird das reale Kaufverhalten entfernt, weil eine Längsschnitt- oder Paneluntersuchung zur Ermittlung des tatsächlichen Verhaltens im Rahmen eines angemessenen Aufwandes hier nicht umsetzbar ist.

54 kann man durchaus von der Integrität eines Online-Einzelhändlers überzeugt sein, ihm aber gleichzeitig die Kompetenz absprechen. Mit welchem relativen Einfluss die drei Dimensionen das Konstrukt Vertrauen bilden, ist idiosynkratisch, d. h. kontext- und situationsspezifisch (Mayer und Davis, 1999). Forschungsarbeiten im Kontext des Online-Handels, die ein nicht experimentelles Design verwenden, liegen zum Zeitpunkt des Abfassens dieser Arbeit nicht vor. Erkenntnisse zum Einfluss der drei Dimensionen im Online-Handel liegen lediglich aus einer experimentellen Untersuchung vor, die Kompetenz als Hauptdeterminante identifiziert (Schlosser et al., 2006). Aus dieser Untersuchung erwächst aber keine ausreichende Legitimation, Forschungshypothesen zur Bedeutung der vertrauensrelevanten Erwartungen aufzustellen, weil Schlosser et al. (2006) nur drei Elemente einer Website in einem experimentellen Design untersuchen. Bei der nachfolgenden näheren Betrachtung der drei vertrauensrelevanten Erwartungen werden vereinzelte empirische Ergebnisse aus dem „Offline-Bereich“ dargestellt. 4.2.1.1.1. Kompetenz Die Vertrauensforschung beschäftigt sich seit ca. 50 Jahren mit der wahrgenommenen Kompetenz (Ability) als Vertrauensdimension (Deutsch, 1960; Deutsch, 1958). Synonym findet sich in der anglophonen Literatur häufig auch „Competence“ oder „Expertness“.42 Mayer et al. (1995) subsumieren die unterschiedlichen Interpretationen, die sich zum Großteil nur in Nuancen unterscheiden, unter dem Begriff „Ability“ und definieren: „Ability is that group of skills, competencies, and characteristics that enable a party to have influence within some specific domain.” (Mayer et al., 1995, S. 717). Ability bezieht sich demzufolge auf die Wahrnehmung des Vertrauensgebers hinsichtlich der Kompetenz, Kenntnisse und Fähigkeiten des Vertrauensnehmers in Bezug auf ein von ihm erwartetes Verhalten. So ist das Verständnis von Kompetenz aus soziologischer Sicht mit der Erwartung einer technisch einwandfreien Rollenausführung verbunden (Barber, 1983, S. 14; Kahle, 1999, S. 46 ff.), in der Vertrauensliteratur zu Käufer-Verkäufer Beziehungen mit der wahrgenommenen Qualifikation zur Problemlösung (Ludwig, 2005, S. 139). Die Leistungsfähigkeit eines Vertrauensnehmers bzw. ihre Wahrnehmung durch einen Vertrauensgeber bezieht sich, wie aus der Definition von Mayer et al. (1995) zu entnehmen ist, immer nur auf ein eng eingegrenztes Arbeitsgebiet – hier das Angebot eines qualitativ hochwertigen Metaproduktes. Die wahrgenommene Leistungsfähigkeit basiert dabei auf zwei miteinander in Beziehung stehenden Einschätzungen (Bhattacherjee, 2002): Ist der Online-Einzelhändler für sich betrachtet fachkundig genug, um die von ihm erwartete Leistung zu erbringen und/oder hat der Online-Einzelhändler Zugang zu den benötigten Ressourcen, um die Leistung zu erbringen?

42 Umfangreiche Literaturübersichten finden sich in Mayer et al. (1995), Ludwig (2005) oder McKnight et al. (2002).

55 Neuere Begriffsverständnisse subsumieren unter Kompetenz nicht nur rein funktionale Aspekte, sondern auch nichtfunktionale (Irion, 2007, S. 166). Als Beispiel sei die Diskussion zur Emotionalen Intelligenz im Rahmen von Transaktionsbeziehungen angeführt, d. h. die „emotionale“ Kompetenz im Umgang mit (potentiellen) Kunden (Ivcevic et al., 2007; Mayer et al., 2004). Potentielle Käufer, so die vorherrschende Meinung, sind in der Lage die Leistungsfähigkeit eines Online-Einzelhändlers im Vorwege einer Transaktion einschätzen zu können (Bhattacherjee, 2002; Ludwig, 2005, S. 139). Schoorman et al. (2007, S. 346) gehen ganz allgemein davon aus, die Wahrnehmung von Kompetenz werde sich „… relatively quickly in the course of the relationship“ bilden. Zur Beurteilung verwenden potentielle Konsumenten „Schlüsselreize“ (Ludwig, 2005, S. 139) bzw. „Signals“ (Bhattacherjee, 2002, S. 217), die durch umfassende Inspektion des Transaktionspartners – hier des Online-Einzelhändlers – über einen kognitiv aufwendigen Prozess identifiziert werden (Bhattacherjee, 2002; Huang et al., 2009; Ludwig, 2005, S. 139). Die in dieser Arbeit angestrebte Verknüpfung von signaltheoretischen Überlegungen (vgl. Abschnitt 4.3.) mit Erkenntnissen aus der Vertrauensliteratur und eine Integration in den Kontext der TPB erscheint daher ein adäquates Vorgehen für den vorliegenden Untersuchungsgegenstand, um Einflussgrößen auf die Vertrauensdimensionen zu identifizieren.

4.2.1.2. Wohlwollende Intention Die positive Grundeinstellung des Vertrauensnehmers gegenüber dem Vertrauensgeber und das Verfolgen wohlwollender Ziele vor, während und nach einer Interaktion kennzeichnet die Dimension Wohlwollende Intention (Benevolence) (Giffin, 1967; Mayer et al., 1995): „Benevolence is the extent to which a trustee is believed to want to do good to the trustor, aside from an egocentric profit motive.” (Mayer et al., 1995, S. 718). Dabei kann die Wohlwollende Intention nicht nur auf interpersoneller Ebene stattfinden, sondern auch im Verhältnis von Unternehmen zu Individuen (Lee et al., 2005). Unternehmen könnten sich bspw. mittels der Verschreibung einer umweltfreundlichen Politik gesellschaftsübergreifend als philanthropisch auszeichnen. In der Kommunikations- bzw. Glaubwürdigkeitsforschung gilt die Intention eines Kommunikators umso wohlwollender, je weniger eigene Interessensgebundenheit er in der Kommunikation vermittelt und je weniger er versucht, den Kommunikationsempfänger zu einer Handlung zu überreden (Giffin, 1967; Hovland et al., 1953, S. 22 ff.). Im Standardfall eines wirtschaftlichen Interaktionsprozesses wird der Vertrauensnehmer jedoch vornehmlich eher von eigenem monetären Interesse getrieben sein (Schoorman et al., 2007) als von altruistischen oder philanthropischen Motiven. Dies könnte bedeuten, dass die Wohlwollende Intention vergleichsweise gering auf die Ausbildung der Vertrauenseinstellung einwirkt. Demgegenüber existieren in der jüngeren Literatur auch andere Auffassungen (vgl. auch Klink, 2008). Ein verantwortungsbewusstes und kooperatives Verhalten schließt demnach nicht zwingend eine nutzenmaximierende Disposition und somit individuelle, eigeninte-

56 ressierte Motive aus. Negiert wird lediglich ein opportunistisches Verhalten (Irion, 2007, S. 168). „Die Betriebswirtschaftslehre ruht auf ethischen Fundamenten“, konstatiert Albach (2007, S. 199). Die Wohlwollende Intention des Vertrauensnehmers könnte damit durchaus einen Einfluss auf den Interaktionsprozess haben.43 Verschiedene Untersuchungen offenbaren bspw., dass Unternehmen nach wiederholtem Verzicht auf unfaire Praktiken wohlwollende Motive vom Kunden zugeschrieben werden (Kumar et al., 1995). Hat das Unternehmen bereits uneigennütziges Verhalten bewiesen, z. B. durch kulante Produktgarantien, so steigt die Wahrscheinlichkeit, dass die Kunden es als wohlwollend wahrnehmen (Ludwig, 2005, S. 133 f.). Auch Mayer et al. (1995) teilen diese Einschätzung und generalisieren: „The effect of perceived benevolence on trust will increase over time as the relationship between parties develops.” (Mayer et al., 1995, S. 722). Die Wahrnehmung Wohlwollender Intention erfolgt nach dieser Interpretation im Rahmen betriebswirtschaftlicher Interaktion, im Gegensatz zu der Interpretation aus der Kommunikations- und Glaubwürdigkeitsforschung vornehmlich erfahrungsbasiert. Beide Interpretationen könnten aber für diesen Untersuchungskontext relevant sein und zur kundenseitigen Wahrnehmung einer Wohlwollenden Intention führen. So könnte die Erfahrungsbasierung auch auf einem interpersonellen Erfahrungsaustausch über uneigennütziges Verhalten des Vertrauensnehmers fußen. Als Mechanismen bzw. Signale könnten bspw. Foren oder Gästebücher oder die Veröffentlichung von Produkttestberichten durch Konsumenten fungieren. Die nicht erfahrungsbasierte Interpretation ließe den Schluss zu, dass bspw. die sachlich neutrale Informationsübermittlung oder die Kommunikation kulanter Produktgarantien durch den Vertrauensnehmer die Wahrnehmung einer Wohlwollenden Intention beim Vertrauensgeber fördert. In diesem Zusammenhang ist jedoch festzuhalten, dass es immer um die Wahrnehmung eines Unternehmens als wohlwollend geht. So kann die besonders „detailverliebte“ farbliche Gestaltung eines Online-Shops möglicherweise wohlwollend wirken, egal ob monetäres Eigeninteresse, altruistische Motive oder die Passion eines Programmierers Ursache für die Gestaltung sind. Schlosser et al. (2006) finden allerdings in ihrem Experiment heraus, dass das Design eines Online-Shop keinen Einfluss auf die Wahrnehmung der Wohlwollenden Intention, sondern nur auf die Kompetenzwahrnehmung hat. Insgesamt ist weiterer Forschungsbedarf gegeben, wie die Ausführungen in diesem Abschnitt deutlich machen.

4.2.1.3. Integrität Ein Vertrauensgeber wird einen Vertrauensnehmer als integer wahrnehmen, sofern dieser nach moralischen und ethischen Prinzipien handelt, die kongruent zu den Vorstellungen des Vertrauensgebers sind:

43 Für eine weitergehende Betrachtung vgl. auch das Special Issue 03/2008 der Zeitschrift für Betriebswirtschaft (ZfB) „Corporate Social Responsibility“ sowie das Sonderheft 58/08 von Schmalenbachs Zeitschrift für betriebswirtschaftliche Forschung (zfbf): „Unternehmensethik und Corporate Social Responsibility – Herausforderungen an die Betriebswirtschaftslehre.“

57 “…integrity and trust involves the trustor’s perception that the trustee adheres to a set of principles that the trustor finds acceptable” (Mayer et al., 1995, S. 719). Integrität umfasst dem Vertrauensnehmer zugesprochene Eigenschaften wie Aufrichtigkeit, Diskretion, Zuverlässigkeit und Ehrlichkeit (Irion, 2007, S. 167). Ebenso wie Benevolence stellt Integrität eine ethische Komponente des Vertrauenskonstrukts dar. Während Benevolence allerdings auf Altruismus basiert, ist Integrität mit dem Bezug auf Ehrlichkeit und das Einhalten von Verpflichtungen von Utilitarismus geprägt (McKnight et al., 2002). Ein Vertrauensnehmer gilt sowohl in der Kommunikations- bzw. Glaubwürdigkeitsforschung als auch in der Vertrauensforschung als ehrlich, wenn er alle Informationen wahrheitsgemäß ohne Lügen oder Täuschungen und vollständig ohne Verheimlichungen übermittelt (Ludwig, 2005, S. 140). Es wird davon ausgegangen, dass Besucher des Online-Shops eines OnlineEinzelhändlers neben seiner Kompetenz auch seine Integrität beurteilen können. Dazu ist jedoch eine hohe Motivation zur überlegter Informationsverarbeitung nötig, da es einer detaillierten Inspektion der Seiten bedarf, um Ehrlichkeitssignale zu identifizieren (Ludwig, 2005, S. 141). Die hohe Motivation ist bei dem vorliegenden Untersuchungsgegenstand (vgl. Abschnitt 1.2.) gegeben. Trotz der prinzipiellen Wahrnehmbarkeit der einzelnen Dimensionen kann in etlichen Studien abseits des E-Commerce keine ausreichend hohe Diskriminanz zwischen den Konstrukten Integrität und Wohlwollender Intention festgestellt werden. Dabei handelt es sich jedoch vornehmlich um experimentelle Untersuchungen (Schoorman et al., 2007). Schoormann et al. (2007) schlussfolgern, dass die Beziehungsdauer nicht ausreichend war und sich erst in ihrem weiteren Verlauf eine separierte Wahrnehmung der beiden Konstrukte einstellt. Integrität ebenso wie Kompetenz trage bereits in einer frühen Phase zur Vertrauensbildung bei. Hingegen entwickelt sich die Wahrnehmung Wohlwollender Intention, wie schon beschrieben, erfahrungsbasiert. Insgesamt sehen Schoormann et al. (2007) weiteren Forschungsbedarf. Eine Erklärung, die Schormann et al. (2007) nicht liefern, ist möglicherweise die Nutzung einer zu geringen Anzahl von Experimentalvariablen, die für eine separierte Wahrnehmung von Wohlwollender Intention und Integrität nicht ausreichend ist. Die Umgehung dieser Problematik mit Hilfe eines realen Untersuchungsdesigns und der Implementierung einer Vielzahl von Variablen könnte weitere Erkenntnisfortschritte bringen und wird hier verfolgt (vgl. Kapitel 6.).

4.2.2. Einflussgrößen des Vertrauensgebers Die Einflussdimension des Vertrauensgebers zielt auf das Vertrauen als individuelle und stabile Persönlichkeitsdisposition ab (Irion, 2007, S. 58). Diese Sichtweise ist nicht Forschungsschwerpunkt der vorliegenden Arbeit, für ein umfassendes Verständnis von Vertrauen in Transaktionsbeziehungen aber nicht unbedeutend. Die Betrachtungsperspektive entstammt vor allem der psychologischen Vertrauensforschung. Es wird das einzelne Individuum in den Mittelpunkt der Betrachtung gestellt und Vertrauen als eine stabile Persönlichkeitseigenschaft oder situationsabhängige Persönlichkeitsvariable verstanden. Jedes Individuum be-

58 sitzt demnach eine grundsätzliche Neigung zum Vertrauen und Misstrauen, die es innerhalb der ersten Lebensjahre entwickelt. Diese Neigung als allgemeine Haltung gegenüber anderen wird als Ur-Vertrauen bezeichnet (Erikson, 1953). Nach diesem Verständnis ist Vertrauen ein Gefühl des Selbstvertrauens und der Vertrauensbereitschaft gegenüber anderen (Erikson, 1953; Irion, 2007, S. 58 ff.). Rotter (1981) hingegen ist der Meinung, dass das Ur-Vertrauen sich nicht nur in den ersten Lebensjahren entwickelt, sondern stets Modifikationen unterliegt. Er vertritt die Auffassung, dass Individuen in Situationen, die Vertrauen erfordern, auf individuelle Erfahrungen zurückgreifen. Er beschreibt Vertrauen demnach entweder als spezifische Erwartungshaltung bezogen auf konkrete Erfahrungen oder als eine abstrahierte Erwartungshaltung eines Individuums auf Basis ähnlicher erlebter Begebenheiten. Somit stellt das Persönlichkeitsmerkmal Vertrauensbereitschaft eine gelernte Verhaltensweise dar, die je nach Ausprägung konkrete Verhaltensweisen unterschiedlich wahrscheinlich macht (Erikson, 1953; Irion, 2007, S. 58 ff.). Zusammengefasst lässt sich für die Vertrauensneigung des Vertrauensgebers festhalten, dass Ur-Vertrauen und Vertrauensbereitschaft zentrale Persönlichkeitsmerkmale sind, die sich vor allem vor dem Hintergrund individueller Erfahrung und individuellen Lernverhaltens (weiter-)entwickeln. Die Entwicklung ist von verschiedenen Faktoren abhängig, unter anderem Alter, sozialer Stellung, kulturell verankerten Normen oder Geschlecht (Hofstede, 1980; Irion, 2007 S. 158 ff.; Schlosser et al., 2006). Abstrahiert von den unterschiedlichen Interpretationen von Erikson (1953) und Rotter (1981) ist die individuell unterschiedliche Vertrauenserwartung als individuenspezifische Reaktion intrasubjektiver Interpretationsprozesse zu beschreiben (Irion, 2007, S. 158). Die Interpretationsprozesse basieren auf der Information, die das Individuum in der jeweiligen Situation wahr- bzw. aufnimmt (vgl. Abschnitt 4.3.). Individuen mit einer starken Vertrauensneigung interpretieren die Information positiver bzw. sind daraus abgeleitet bereitwilliger, sich in eine vertrauensbasierte Interaktion zu begeben (Irion, 2007 S. 159; Mayer et al., 1995; McKnight et al., 2002). Das gilt auch für Interaktionen mit Organisationen. Lorbeer (2003, S. 100) spricht dann von einer positiven „Prädisposition gegenüber Unternehmen“. Im idealtypischen Fall ergäbe sich für Personen, die identische und gleichermaßen wichtige vertrauensrelevante Informationen im Vorwege einer Interaktionsbeziehung aufnehmen, eine umso größere Wahrscheinlichkeit eine Interaktionshandlung vorzunehmen, je größer die individuelle Vertrauensneigung ist. Da die Vertrauensneigung keine Möglichkeit zur Einflussnahme für den im Zentrum dieser Arbeit stehenden Online-Einzelhändler bietet, wird dieser Faktor nur peripher über das Konstrukt Subjektive Norm und dessen Symptom Selbstvertrauen in die Untersuchung eingehen. Darüber hinaus ist davon auszugehen, dass der Einfluss des persönlichen Faktors Vertrauensneigung zwar gegeben ist, dieser aber im Verhältnis zu den interaktionalen Einflussgrö-

59 ßen aus 4.2.1. und 4.2.3. deutlich geringer ist (Deutsch, 1958), wie einige empirische Untersuchungen bestätigen (Colquitt et al., 2007; Danaher et al., 2006; McKnight et al., 2002; Moorman et al., 1993; Schlenker et al., 1973).

4.2.3. Kontextspezifische Situation als Determinante des zur Anwendung kommenden Vertrauenskonzeptes Wie bereits in 4.2.1. ausgeführt, variieren die dort vorgestellten drei Einflussgrößen (vertrauensrelevante Erwartungen) unabhängig voneinander je nach kontextspezifischer Situation. Determinierend ist dabei die Ausprägung und der Grad der Informationsasymmetrie (vgl. 3.2.3. und 4.3.1.) und in der Konsequenz das „situationsinhärente Ausmaß der Komplexität“ (Irion, 2007, S. 173). Die wahrgenommene Komplexität oder Schwierigkeit der Situation beschreibt somit als direkte Funktion die jeweils zugrunde liegende Vertrauenskonzeption (Deutsch, 1960; Deutsch, 1958). Das Vertrauenskonzept, das zur Anwendung kommt, wird demnach durch situationsspezifische Einflussgrößen determiniert. Dabei existieren zwei idealtypische Grundvarianten, spontanes Vertrauen und überlegtes Vertrauen. Beiden gemeinsam ist die Tatsache, dass die Vertrauensausbildung beim potentiellen Vertrauensgeber auf Basis einer informationellen Grundlage stattfindet (Rousseau et al., 1998). Informationsverarbeitungsunterschiede beim potentiellen Vertrauensgeber führen hingegen zur Unterscheidung der zwei Grundtypen (Ludwig, 2005, S. 50).44 Spontanes Vertrauen bezeichnet den Vertrauenstyp, der fast ausschließlich auf der Beziehungshistorie (Beziehungsdauer und Beziehungsintensität) und/oder Intuition basiert und häufig mit emotionaler Zuneigung zu dem Vertrauensnehmer einhergeht. „Die informationelle Plattform, von der aus der ’Sprung ins Vertrauen’ erfolgt“ (Ludwig, 2005, S. 54), ist demnach beim spontanen Vertrauen vor allem von vergangenen Erfahrungen geprägt. Man spricht auch von „knowleged-based trust“ (McKnight et al., 2002, S. 336) oder „Relational Trust“ (Rousseau et al., 1998, S. 399). Eine kognitiv aufwendige Informationsverarbeitung findet nicht statt (Blau, 1964, S. 1 ff.; Deutsch, 1973, S. 143 ff.; Lorenz, 1999; Ring und Van De Ven, 1994; Rousseau et al., 1998). Überlegtes Vertrauen ist demgegenüber nicht erfahrungsgestützt, sondern basiert auf einem rationalen (ökonomischen) Kalkül möglicher Vor- und Nachteile des beabsichtigten vertrauensvollen Verhaltens. Man spricht auch von „cognitive-based“ (McKnight et al., 2002, S. 336) bzw. „calculus-based trust“ (Rousseau et al., 1998, S. 400). Vereinzelt verwendet wird auch der Begriff „initial trust“ (Kim et al., 2004, S. 393), der sich allerdings eher auf den Zeitpunkt der Ausbildung des Vertrauens bezieht, wobei die Erstausbildung einer Vertrauenseinstellung i. d. R. mit dem Konzept des überlegten Vertrauens verbunden ist. Die Bildung des überlegten Vertrauens findet in einem umfangreichen Abwägungsprozess auf Basis aller erhältlichen Informationen über den Vertrauensnehmer durch den Vertrauensgeber statt. Dabei sucht der Vertrauensgeber bewusst nach vertrauensrelevanten Infor44

Die Unterscheidung ist idealtypisch zu verstehen, da in der Realität auch Zwischenformen vorkommen.

60 mationen über den Vertrauensnehmer, die ihm die Einschätzung der möglichen Verhaltenskonsequenzen und ihrer Eintrittswahrscheinlichkeiten möglich macht. Auf Basis dieser Information wird dann in einem überlegten Abwägungsprozess die Entscheidung getroffen, ob man vertraut oder nicht (McKnight et al., 1998; Rousseau et al., 1998). Demnach ist der komplette Vorgang der Bildung einer überlegten Vertrauenseinstellung insgesamt kognitiv aufwendig, so dass er nur für den Fall des bewussten, involvierten Verhaltens Anwendung findet. Insofern wird angenommen, dass der größte Teil des alltäglichen Verhaltens eher spontaner Natur ist, da es für ein Individuum dysfunktional wäre, sein Verhalten in jeder alltäglichen Situation neu zu überdenken (Ludwig, 2005, S. 60). Hingegen ist eine überlegte Vertrauenseinstellungsbildung insbesondere bei extensiven Kaufentscheidungsprozessen anzutreffen, bei denen eine direkte, umfangreiche Informationssuche und überlegte Informationsverarbeitung vorherrschen und überdies eine gute Kenntnis des Entscheidungsgegenstandes besteht (Trommsdorff, 2004, S. 152 ff.). Nahe liegend ist daher die Vermutung, dass ein derartiges überlegtes Vertrauen vor allem für den in Abschnitt 1.2. abgegrenzten Untersuchungsgegenstand relevant ist. Die vorliegende Untersuchung zielt auf das Vertrauen ab, welches der potentielle Vertrauensgeber beim ersten Besuch der Website des Online-Einzelhändlers ausbildet bzw. bei einem Besuch, bei dem keine Vertrauenseinstellung mehr vorliegt. I. d. R. ist dies der Erstbesuch mit der Intention das Metaprodukt zu erwerben. Neuere Untersuchungen zeigen jedoch, dass auch bei Wiederholungskäufen jedes Mal aufs Neue überlegte 9HUWUDXHQVHLQ schätzungen gebildet werden (Ludwig, 2005, S. 135 ff.). Die weiteren Ausführungen zum Vertrauen bzw. zur vertrauensvollen Kaufabsicht beziehen sich daher hier immer auf das Konzept des überlegten Erstvertrauens. Es bleibt die Frage zu beantworten, welche Informationen der potentielle Vertrauensgeber zur Bildung einer überlegten Erstvertrauenseinstellung – angewendet auf den der Arbeit zugrunde liegenden Untersuchungsgegenstand – heranzieht. Da weder Erfahrung in Bezug auf die Metaproduktqualität noch eine interpersonelle Beziehung vorliegt und die Interaktion einzig und allein mit der Website des Online-Einzelhändlers erfolgt, kann nur die Information des Internetauftritts herangezogen werden. Mittels der ersten umfassenden Inspektion der Seiten bilden die potentiellen Käufer anhand der dort identifizierten vertrauensbildenden Schlüsselreize bzw. Signale auf Basis des beschriebenen rationalen Kalküls und der erwarteten Verhaltenskonsequenzen (vgl. Abschnitt 4.2.1.) eine Vertrauenseinstellung (Lim et al., 2006; Ludwig, 2005, S. 102 f.; Wang et al., 2004). Weitere Ausführungen zum Wahrnehmungsprozess und dessen Beeinflussung durch Signale finden sich in Abschnitt 4.2.5. Zuvor ist allerdings noch die Variable „wahrgenommenes Risiko“ zu erläutern, weil die Funktion von Vertrauen eng mit der Wahrnehmung von Risiken verbunden ist.

61

4.2.4. Risiko als notwendige Voraussetzung für die Relevanz von Vertrauen Intendiertes Verhalten, das auf Vertrauen basiert, unterscheidet sich durch die Involvierung von Risiko zu anderen Verhaltensabsichten (Moorman et al., 1993). Ein gewisses Risiko ist demnach eine notwendige Voraussetzung für den Einsatz von Vertrauen bzw. dessen Wirksamkeit auf die Ausbildung eines Verhaltens. Eine Beziehung, die kein Risiko beinhaltet, bedarf keines Vertrauens, weil die Verletzlichkeit des Vertrauensgebers nicht gegeben ist (Mayer et al., 1995). Ring und Van de Ven (1994) teilen Risiken (im Offline-Kontext) in zwei Klassen vor dem Hintergrund des Ursprungs ein. Dabei können Risiken aus der direkten Beziehung mit dem Transaktionspartner entstehen oder extern begründet sein und nicht der vollständigen Kontrolle des Transaktionspartners unterliegen. Auch im Online-Einzelhandel ist eine derartige Dichotomisierung möglich. Die zuerst genannten Risiken resultieren aus der Möglichkeit des Online-Einzelhändlers, opportunistisches Verhalten an den Tag zu legen (z. B. Verkauf von persönlichen Daten), zweitere entspringen der „unpredictable nature of the Internet technology“ (Pavlou, 2003, S. 109), die der Online-Einzelhändler nicht kontrollieren kann (z. B. Datendiebstahl durch Dritte).45 Vertrauen, so die weitgehend einhellige Meinung, ist ein Instrument, welches der Überwindung von Risiken und der in diesen Situationen fehlenden Informationen dient. „[T]rust would lead to a risk taking in a relationship…“, konstatieren Schoormann et al. (2007, S. 346) im Rückblick auf ihren Beitrag „An Integrative Model of Organizational Trust” und die dort vorgenommene gleich lautende Postulierung aus dem Jahr 1995. Das vorige Zitat zeigt in seinem Sprachgebrauch die gleiche Separation eines kognitiven Vertrauens und einer vertrauensvollen Handlung, die auch in der vorliegenden Arbeit angewandt wird (vgl. Abschnitt 4.1.). Vertrauensvolles Handeln zeigt sich, indem Vertrauen in einer einseitigen, freiwilligen und riskanten Vorleistung des Vetrauensgebers an den Vertrauensnehmer offensichtlich wird (Beckert, 2002): „One does not need to risk anything in order to trust, however, one must take a risk in order to engage in a trusting action.” Mayer et al. (1995, S. 724).46 Risikoreich ist die Vorleistung, weil sie einseitig erfolgt und der Vertrauensnehmer das ihm geschenkte Vertrauen missbrauchen kann (Römer und Tscheulin, 2008). Vertrauensvolles Handeln beinhaltet deshalb immer auch eine Verletzlichkeit des Vertrauensgebers, die i. d. R. aus seinen unvollständigen Informationen resultiert. Die Art und das Ausmaß des Risikos ist dabei situations- und kontextbezogen (Mayer et al., 1995).

45 Auf die unterschiedlichen Dimensionen des Risikos nach Jacoby und Kaplan (1972) (Performance Risiko, Finanzielles Risiko, Convenience Risiko, Psychologisches Risiko und Soziales Risiko) sei hier nur der Vollständigkeit halber hingewiesen. Eine Detailbetrachtung findet im weiteren Verlauf der Arbeit nicht statt. 46 In dieser Arbeit wird die vertrauensvolle Kaufabsicht als Surrogat für das tatsächliche Kaufverhalten verstanden, da in einer Vielzahl von Untersuchungen der Absicht (Intention) aus der TPB auf unterschiedlichste tatsächliche Verhaltensweisen eine hohe Vorhersagevalidität attestiert werden konnte (vgl. Abschnitt 3.1.3.) (Ajzen, 2008).

62 Es sind jedoch auch Entscheidungssituationen denkbar, in denen der Vertrauensgeber nur unvollständige Informationen besitzt, ihm die Konsequenzen einer Handlung aber gleichgültig sind.47 Die Verletzlichkeit ist demnach nicht vorhanden und von einem vertrauensvollen Handeln kann daher nicht gesprochen werden. Sind dagegen alle für eine sichere Entscheidung notwendigen Informationen vorhanden, kann eine rational optimale Entscheidung getroffen werden. Es liegt eine Entscheidungssituation ohne Risiko vor, in der Vertrauen ebenfalls nicht relevant ist (Römer und Tscheulin, 2008). In der hier vorliegenden Untersuchung soll eine Risikokomponente implementiert werden, die abseits der überlegten Erstvertrauenseinstellung bzgl. des konkreten Vertrauensgebers – also des Online-Einzelhändlers – liegt.48 Dieses Risikoverständnis ist analog zu dem von Mayer et al. (1995, S. 725). Sie subsumieren in Bezug auf das Risiko zwei Ebenen, die das „risk taking in a relationship (RTR)“ determinieren: „… the relationship with the trustee (i.e., trust) and factors outside the relationship.” Es geht somit darum, Vertrauen in den konkreten Transaktionspartner vom externen Risiko zu trennen (vgl. auch Gefen, 2002; Pavlou und Gefen, 2004; Ring und Van De Ven, 1994): „…the perception of risk involves the trustor’s belief about likelihoods of gains and losses outside the considerations that involve the relationship with the particular trustee.” (Mayer et al., 1995, S. 726). Im vorliegenden Untersuchungskontext handelt es sich somit bei externen Risiken um solche, die nicht der beschriebenen Unsicherheit eines potentiellen Käufers bzgl. der Metaproduktqualität geschuldet sind und damit nicht in der Beeinflussungssphäre des OnlineEinzelhändlers liegen, sondern internetsystemimmanent sind. Ein potentieller Kunde könnte bspw. Sorge haben, Dritte könnten sich trotz SSL-Verschlüsselung und „sicherer“ Datenvorhaltung beim Online-Einzelhändler Zugang zu sensiblen Daten verschaffen. Ferner könnte er trotz des Angebots einer Sendungsverfolgungsoption Misstrauen in Zustelldienste im Allgemeinen haben und einen etwaigen Diebstahl der Ware befürchten. Insofern wird in der vorliegenden Untersuchung auch eine Risikovariable erhoben, die das vorstehend beschriebene wahrgenommene Risiko des Systems Internet abstrahiert vom konkreten OnlineEinzelhändler abbildet. Zu erwähnen ist, dass zwar nicht explizit, aber in der Subjektiven Norm aus der TPB „verhüllt“, auch eine soziale Risikokomponente mit in die Untersuchung einfließt: Die Subjektive Norm lässt Rückschlüsse auf das von einer Person empfundene soziale Risiko in Bezug auf die Konformität der Handlung mit der Einstellung wichtiger Referenzpersonen oder –gruppen zu. Je größer das wahrgenommenen Risiko, dass andere, deren Urteil wichtig ist, das Verhalten nicht befürworten, desto geringer ist die Wahrscheinlichkeit, dass die Verhaltensintention ausgebildet wird.

47 Als Beispiel könnte es dem Käufer eines Convenience Good (vgl. Abschnitt 1.2.), der im Auftrag einer („unwichtigen“) dritten Person handelt, gleichgültig sein, wie die dritte Person den Produktkauf beurteilt. 48 Mechanismen der Reduktion des Risikos bzgl. der Metaproduktqualität werden einleitend im nachfolgenden Abschnitt und detailliert in Abschnitt 4.3. behandelt.

63 Bei einer expliziten Aufnahme einer Risikokomponente in Kausaluntersuchungen existiert jedoch bisher keine eindeutige Antwort auf die Frage, mit welcher Wirkrichtung ein wahrgenommenes Risiko Einfluss auf die Verhaltensabsicht bzw. das Verhalten nimmt (vgl. Römer und Tscheulin, 2008 und die dort angegebene Literatur). Im Online-Einzelhandel liegen bisher nur empirische Ergebnisse vor, die den negativen Einfluss zwischen wahrgenommenem Risiko und einer Kaufabsicht im erweiterten OnlineKontext bestätigen können (Gefen, 2002; Jarvenpaa et al., 2000; Malhotra et al., 2004; Pavlou, 2003; Pavlou und Gefen, 2004). Bei diesen Untersuchungen wird Risiko aber immer als eigenes Konstrukt analog zur nachfolgenden Abbildung modelliert.

Vertrauen

+ Kaufabsicht

Wahrgenommenes Risiko

+: Einfluss positiv - : Einfluss negativ

Abbildung 13: Wirkbeziehungen von Vertrauen und Risiko auf die Kaufabsicht bisheriger Untersuchungen.

Eine derartige Implementierung bzw. Beziehung in Form eines partiell-mediierenden Effektes soll hier nicht verwendet werden: Zum einen soll die Implementierung eines externen Risikos erfolgen und das Vertrauen in einen Online-Einzelhändler untersucht werden. Es kann daher nicht davon ausgegangen werden, dass das Vertrauen in einen Online-Einzelhändler das wahrgenommene Risiko des Systems Internet vermindert. Zum anderen bildet eine Beziehung nach Abbildung 13 nicht die Interaktionsbeziehung ab, in der die Ausprägung der einen Variablen die Wirkungsweise der anderen beeinflusst (Rippberger, 2003), welche zwischen Risiko und Vertrauen vorliegt und über die im Allgemeinen Einigkeit in der Literatur zu Vertrauen herrscht: „Perceived risk moderates the relationship between trust and risk taking…” (Schoorman et al., 2007, S. 346). Empirische Überprüfungen der These stehen allerdings noch aus (Römer und Tscheulin, 2008). Das ist bemerkenswert, zeigen doch schon Mayer et al. (1995) diese Interaktionsbeziehung (auch Moderatoreffekt genannt) auf. Schoormann, Mayer und Davis (2007, S. 352) fordern in ihrem Ausblick weiterhin dazu auf, „the interplay” näher zu beleuchten. Neben einer etwaigen Unkenntnis könnte ein weiterer Grund für eine Missachtung des Interaktionseffekts auch hier die Dominanz von kovarianzbasierten Verfahren sein, die für die Modellierung und Schätzung von Interaktionseffekten weniger geeignet sind (vgl. Abschnitt 2.2.2.).

64 Die Untersuchung von Römer und Tscheulin (2008) hat daher Pioniercharakter. Die Autoren untersuchen in einem experimentellen Design die Interaktionsbeziehung von Risiko und Vertrauen im Zusammenhang der Auswahl von Ärzten durch Patienten. Allerdings untersuchen sie kein externes Risiko, sondern jenes, das direkt auf die Leistung des Arztes abzielt. Sie stellen eine vollständige negative Moderation der Beziehung zwischen Vertrauen und vertrauensvolles Handeln durch das wahrgenommene Risiko fest. Negativ bedeutet, dass mit steigender Risikowahrnehmung die Wahrscheinlichkeit für ein vertrauensvolles Handeln abnimmt, indem der Einfluss des Vertrauens sinkt. Vollständig bedeutet, dass kein direkter Effekt der Risikowahrnehmung auf die vertrauensvolle Handlung zu beobachten ist (vgl. Abschnitt 5.2.4.2.). Auch im vorliegenden Untersuchungszusammenhang ist von einem negativen Interaktionseffekt auszugehen. Je risikoreicher das System Internet wahrgenommen wird, desto geringer wird der Einfluss des Vertrauens in den Online-Einzelhändler auf die Kaufabsicht sein. Aus den vorstehenden Erläuterungen, der Forderung von Schoormann et al. (2007) und dem ersten Ergebnis zur Interaktionsbeziehung resultiert Forschungshypothese 6: Forschungshypothese 6

Das wahrgenommene Systemrisiko moderiert die Wirkbeziehung von Vertrauen auf vertrauensvolle Kaufabsicht (vollständig) negativ.

4.2.5. Zusammenfassende Identifikation der Website als Hauptdeterminante für den Vertrauenstransfer In den vorangegangenen Abschnitten sind die Einflussdimensionen und die verschiedenen Einflussgrößen in Bezug auf das dargelegte Verständnis von Vertrauen in einen OnlineEinzelhändler im Kontext der TPB dargelegt. Die interaktionsspezifischen Dimensionen stellen dabei die Haupteinflussgrößen dar. Dies sind die kontextspezifische Situation (vorliegend die Anwendung des „überlegten“ Vertrauenskonzeptes) und die Einflussgrößen, die der vertrauensnehmenden Partei zuzuschreiben sind. Diese Feststellung ist essentiell, würde doch eine rein personale Disposition eine weiterführende Diskussion von überlegtem Erstvertrauen vor dem Hintergrund der Identifikation von „Stellschrauben“ obsolet machen. Für Kompetenz, Integrität und Wohlwollende Intention als erwartete positive Verhaltenskonsequenzen wird ein direkter zentraler Einfluss auf die Vertrauenseinstellung in Bezug auf den Erwerb des Metaproduktes prognostiziert. Dem Appell von Schoorman et al. (2007, S. 352): „we see the greatest opportunities … for the relative importance of ability, benevolence, and integrity“ nachkommend, ist ein Ziel im weiteren Verlauf der Arbeit, mittels des PLS-Ansatzes die relative Bedeutung der einzelnen Dimensionen im Online-Einzelhandel zu belegen. Vor dem Hintergrund des angestrebten Untersuchungsziels ist von besonderem Interesse, wie die Vertrauensattribution über die erwarteten Verhaltenskonsequenzen aktiv von einem

65 Online-Einzelhändler beeinflusst werden kann. Aktuell sehen auch Gefen et al. (2008, S. 281) Forschungsbedarf in diesem Bereich: „Therefore, one research agenda that we suggest is that of developing a theory or a set of theories that identify the IT artifact[s] … that have the potential to increase trust in ecommerce, and further indicate how these … can be integrated into technology adoption models, such as the TPB.” Durch die Ausführungen zum hier vorliegend relevanten überlegten Vertrauen kann angewendet auf den Vertrauensaufbau im Untersuchungszusammenhang angenommen werden, dass die potentiellen Käufer zur Minderung ihres Informationsmangels im Rahmen einer umfassenden Untersuchung der Website des Online-Einzelhändlers die vertrauensrelevanten Elemente erkunden (Huang et al., 2009; Ludwig, 2005, S. 102 f.; McKnight et al., 2002). Mittels der identifizierten „Schlüsselreize“ bzw. „IT artifacts“ wird auf Basis des beschriebenen rationalen Kalküls hinsichtlich der erwarteten Verhaltenskonsequenzen (Kompetenz, Wohlwollende Intention und Integrität) eine Vertrauenseinstellung gebildet (Fazio und Zanna, 1981; Lim et al., 2006; Ludwig, 2005, S. 102 f.; Wang et al., 2004). Die Wahrnehmung der Website des Online-Einzelhändlers spielt damit eine zentrale Rolle für die Ausbildung einer Kaufabsicht im Online-Einzelhandel. Die Perzeption oder sinnliche Wahrnehmung definiert Kant (1781, S. 130 ff.) als bewusste Anschauung, die der Verstand mit Hilfe der Urteilskraft in eine subjektive Erkenntnis transformiert. Sofern Erfahrungen und Empfehlungen vorliegen, fließen diese zu einem Großteil mit in die Ausbildung einer subjektiven Erkenntnis ein (Kant, 1781, S. 130 ff.). Neuere betriebswirtschaftliche Untersuchungen zeigen jedoch, dass selbst der Einfluss einer guten Erfahrung mit einem Transaktionspartner für die Ausbildung einer überlegten Erkenntnis bzw. überlegten Vertrauenseinstellung gering sein kann (Ludwig, 2005, S. 135 ff.). Cazier et al. (2006) nehmen eine extreme Position ein und schlagen für das „E-Business“ vor, das bekannte Konzept der vier P’s (Product, Price, Promotion, Place) des absatzpolitischen Instrumentariums (McCarthy, 1960) anzupassen und dabei „Place“ durch „Perception“ zu substituieren. Diese Forderung geht womöglich etwas zu weit, umfasst die Komponente „Place“ doch das gesamte Spektrum der Distribution. Eine Ergänzung der vier P’s um die Perzeption als fünftes P erscheint für den Online-Kontext eher angebracht. Zusammenfassend spielen die Gestaltung der Website und deren kundenseitige Wahrnehmung bzw. Interpretation der aufgenommenen Informationen eine kritische Rolle für die Ausbildung einer vertrauensvollen Kaufabsicht (Chiang und Nunez, 2007; Danaher et al., 2006; Song und Zahedi, 2005; Sun, 2006; Verhoef et al., 2007). Dies gilt insbesondere für (nahezu) unbekannte Online-Einzelhändler, bei denen die Ausbildung einer Erstvertrauenseinstellung notwendig ist (McKnight et al., 2002). Allerdings ist es denkbar, dass auch schon für relativ bekannte Unternehmen aus subjektiver Sicht eines Nichtkäufers aufgrund fehlender bzw. geringer Sozialisationszeit eine Erstkaufvertrauenseinstellung notwendig ist (Kollmann und Herr, 2005, S. 120; Müller, 2006, S. 54). Es ist daher von besonderem Interesse, welche gestalterischen Maßnahmen bzw. Erfolgsfaktoren eine – nach Kant (1781, S. 130 ff.) – „positive Erkenntnis“ beim Besucher der Website zur Folge haben und erfolgsteigernd wirken. Das

66 Ziel der vorliegenden Arbeit ist demnach die gezielte Beeinflussung des vertrauensbezogenen Verhaltens (bzw. der vertrauensbezogenen Verhaltensintention), und zwar indirekt über eine positive Ausgestaltung der drei vorgestellten vertrauensrelevanten Konsequenzerwartungen. Dazu findet im folgenden Abschnitt 4.3. die Identifikation von Signalen zur Überwindung der Informationsasymmetrie, d. h. hier des mangelhaften Informationsstands des potentiellen Käufers, und damit als Instrumente zum Vertrauenstransfer statt. Dabei werden zunächst allgemein auf Überlegungen aus der Informationsökonomik zurückgegriffen sowie eine Typologie von Signalen vorgestellt und im Anschluss qualitativ Signale im OnlineEinzelhandel identifiziert.

4.3. Signale als Gestaltungsfaktoren vertrauensrelevanter Erwartungen 4.3.1. Informationsökonomische Betrachtung Eine Informationsasymmetrie, d. h. ein unterschiedlicher Informationsstand von Käufer und Verkäufer, spielt eine essentielle Rolle in vielen wirtschaftswissenschaftlichen Bereichen, bei denen es im weitesten Sinn um Markttransaktionen geht. Kern der Problematik ist immer die Unsicherheit der Transaktionspartner bei der Anbahnung von Transaktionen, die mit der ungleich verteilten Information einhergeht (Akerlof, 1970; Spence, 1973; Spence, 1974; Stiglitz, 1974). Speziell gilt diese Problematik für den Online-Einzelhandel, wie bereits dargelegt. Hier geht es darum, potentielle Kunden, die häufig geringe bzw. keine Erfahrung mit dem Medium und dem Anbieter haben und die Qualität des Metaproduktes nicht kennen, zur Durchführung eines Transaktionsprozesses zu bewegen. Dazu ist es notwendig, anbieterseitig Vertrauen beim Konsumenten zu schaffen, um den objektiv vorliegenden kundenseitigen Informationsmangel zu überwinden: „Asymmetric information is at the heart of situations involving trust“ (Lee et al., 2005, S. 607). Die Online-Einzelhändler wiederum besitzen nur unvollständige Informationen über die Bedürfnisse, Erwartungen, Lebenslagen und Restriktionen der Nachfrager. Diese asymmetrische Informationsverteilung kann durchaus dazu führen, dass eine Transaktion unterbleibt, wie bspw. durch die geringen Conversion-Rates und die Bestellabbrüche belegt wird (vgl. Abschnitt 1.1.). Selbst ein Marktversagen kann Folge einer asymmetrischen Informationsverteilung sein, wie Akerlof (1970) am Beispiel des Gebrauchtwagenmarktes verdeutlicht. Mit den Voraussetzungen, Konsequenzen und Lösungen dieser Informationsasymmetrien befasst sich die Informationsökonomik. Sie entsteht Ende der fünfziger Jahre des letzten Jahrtausends auf Grundlage der Arbeiten von Marschak (1954) und Wittmann (1959). Nach dieser Theorie nimmt die Information im ökonomischen Verhalten allgemein die zentrale Rolle ein, da durch sie Entscheidungen der Marktakteure wesentlich mitbestimmt werden (Müller, 2006, S. 54). Bspw. beruht die Ableitung der volkswirtschaftlichen ParetoOptimalitätsbedingungen für Wettbewerbsmärkte auf der – nicht realen – Annahme vollkommener Information aller Haushalte und Unternehmen (Varian, 2007). Dabei verfolgt die Informationsökonomie grundsätzlich das Ziel, Aussagen zur optimalen Gestaltung von Infor-

67 mationsübertragungsprozessen unter Kosten-Nutzen-Aspekten zu treffen. Das Informationsverhalten zur Reduzierung von Informationsmängeln wird in den zentralen Blickpunkt der Betrachtung gerückt, wobei sich diese Betrachtung sowohl auf markttheoretische als auch auf einzelwirtschaftliche Aspekte beziehen kann (Hopf, 1983, S. 21 ff.). In diesem Zusammenhang werden zwei Arten von Informationsmängeln unterschieden, die Unkenntnis und die Unsicherheit. Von Unkenntnis spricht man, wenn es Marktakteuren grundsätzlich möglich ist, den Informationsmangel zu beseitigen. Demgegenüber ist die Unsicherheit, die sich auf einen längeren Zeithorizont und die Erwartung zukünftiger Zustände bezieht, auch unter großem Aufwand nicht vollständig zu beseitigen. Beiden Arten ist jedoch gemein, dass der Informationsstand durch geeignete Maßnahmen verbessert werden kann (Laux, 2007, S. 22 f., S. 105 ff.; Müller, 2006, S. 54 f.). Der Kaufentscheidungsprozess aus informationsökonomischer Perspektive ist gekennzeichnet durch eine sog. Initialunsicherheit, die aus dem wahrgenommenen Informations- und Unsicherheitsproblem bei Austauschobjekten resultiert. Während der sog. Informationsentscheidung erfolgt die Auswahl einer geeigneten Strategie zur Unsicherheitsreduktion, um abschließend eine Handlungsentscheidung treffen zu können. Als Unsicherheitsreduktionsstrategie kommen zwei Formen in Frage, die direkte Informationssuche und das Heranziehen von Informationssubstituten (Weiber und Adler, 1995). Bei der direkten Informationssuche versucht der Nachfrager durch eine direkte Inaugenscheinnahme individuell relevanter Leistungseigenschaftsausprägungen, das potentielle Kaufobjekt zu beurteilen. Es wird somit auf die vor dem Kauf unmittelbar beurteilbaren Leistungseigenschaften abgezielt (Müller, 2006, S. 56). Bei Suchgütern stellt die direkte Informationssuche im Rahmen der Informationsökonomie die beste Unsicherheitsreduktionsstrategie dar, da die Nachfrager vor dem Kauf die Ausprägung von Sucheigenschaften mit Sicherheit bestimmen können (Spence, 1976). Bei Erfahrungsgütern wie dem Metaprodukt (vgl. Abschnitt 1.2.) kommen zur Verminderung der Informationsasymmetrien vor dem Kauf grundsätzlich nur das Heranziehen von leistungsbezogenen und leistungsübergreifenden Informationssubstituten in Frage. Bei der Informationssubstitution zieht der Nachfrager zur Beurteilung der vor dem Kauf nicht direkt beobachtbaren Leistungseigenschaften bestimmte „Indikatoren“ heran (Müller, 2006, S. 56). Voraussetzung für eine solche indirekte Beurteilung ist, dass die Indikatoren selbst vor dem Kauf beobachtbar sind und der Nachfrager über die Indikatoren die für seine Kaufentscheidung relevanten Leistungseigenschaften antizipieren kann (Huang et al., 2009; Weiber und Adler, 1995). Als Informationssubstitute zur Einschätzung nicht beobachtbarer Qualitätseinschätzung dienen die sog. Signale, die im nachfolgenden Abschnitt 4.3.2. konkretisiert werden (Akerlof, 1970; Spence, 1976; Spence, 1973; Spence, 1974). Die Informationssubstitute bzw. Signale bilden somit eine Heuristik, die eingesetzt wird, wenn eine direkte Informations-

68 suche nach Leistungseigenschaften für den potentiellen Käufer nicht möglich oder zu kostspielig ist. Als Ergebnis der Unsicherheitsreduktionsstrategie sieht sich der potentielle Käufer dem residuellen Informations- und Unsicherheitsproblem gegenüber. Sofern das Niveau der Unsicherheit akzeptabel ist, wird er sich für die Handlung (z. B. Kauf) entscheiden. Andernfalls wird er im Standardfall versuchen, durch den Einsatz zusätzlicher Maßnahmen die Unsicherheit weiter zu reduzieren (Müller, 2006, S. 56; Simon, 1959). Im Fall des Online-Einzelhandels und des abgegrenzten Untersuchungsobjektes kann davon ausgegangen werden, dass der Kunde als „zusätzliche Maßnahme“ keine weitere Inspektion der Internetseite eines Online-Einzelhändlers zur Informationsaggregation durchführt. Sollte die Initialunsicherheit durch die Anfangsuntersuchung der Website des OnlineEinzelhändlers nicht ausreichend reduziert worden sein, liegt es nahe, dass von einem Kauf abgesehen und zu einem Konkurrenzanbieter gewechselt wird, der nur einen „Mausklick entfernt“ liegt. Ziel sollte für einen Online-Einzelhändler somit sein, über Signale ein ausreichendes Informationsniveau beim potentiellen Kunden zu schaffen, auf dessen Basis sich eine positive Vertrauenseinstellung ausbilden lässt (San Martín und Camarero, 2005), die wiederum zentrale Voraussetzung der gewünschten Handlungsentscheidung – dem Kauf eines Produktes – darstellt.

4.3.2. Typologie von Signalen 4.3.2.1. Grundüberlegungen zur Funktionsweise von Signalen Signale sind im Verständnis des strategischen Managements allgemein Aktionen oder Ankündigungen eines Unternehmens, die seine Fähigkeiten und Intentionen vermitteln sollen: „A … signal is any action by a competitor that provides a direct or indirect indication of its intentions, motives, goals, or internal situation“ (Porter, 1980, S. 75). Signale sollten von Unternehmen daher in Gegenwart asymmetrischer Information zwingend eingesetzt werden, um die Unsicherheit potentieller Käufer bzgl. der nicht wahrnehmbaren Qualität angebotener Produkte zu vermindern (Alba et al., 1997; Güth und Kliemt, 2007; Schlosser et al., 2006): „Information asymmetry … implies that it [the firm] needs to send signals … so that the consumer can make inferences about the quality provided and about the firm’s intention.” (San Martín und Camarero, 2005, S. 79). In diesem Zusammenhang können zwei Fälle von asymmetrisch verteilten Informationen unterschieden werden. Im sog. „adverse selection“-Fall ist die nicht beobachtbare Qualität eines Leistungsanbieters gleich bleibend. Im sog. „moral-hazard“-Fall hingegen kann der Leistungsanbieter die Qualität von Transaktion zu Transaktion (opportunistisch) verändern. Wenn es um Markttransaktionen in einem Polypol geht, liegt der „adverse-selection“-Fall vor, da es einem Leistungsanbieter um die Etablierung einer langfristigen Marktpräsenz geht. Dies wird als der Standardfall angenommen. Sofern die diskontierten langfristigen Erträge höher sind als die kurzfristigen Vorteile des Nichteinhaltens von Verpflichtungen – davon

69 wird im Standardfall ausgegangen –, wird sich ein rationaler Anbieter an die Verpflichtung halten, eine gleich bleibend hohe Qualität der Leistung anzubieten (Alba et al., 1997; Güth und Kliemt, 2007, S. 32). Nur die Informationsasymmetrie des „adverse-selection“-Falls lässt sich durch Signale als Informationssurrogate vermindern, wie die nachführenden Ausführungen deutlich machen (Kirmani und Rao, 2000; Rao und Monroe, 1996). Entsprungen ist der Begriff „Signal(-theorie)“ im Kontext der im vorigen Kapitel erwähnten Informationsökonomie aus der Arbeit von Akerlof (1970). Die Grundüberlegung besteht darin, dass es für Unternehmen, die qualitativ hochwertige Produkte oder Dienstleistungen anbieten, ökonomisch sinnvoll ist, hohe Qualität über Signale zu vermitteln, im Gegensatz zu Unternehmen, die keine hochwertigen Produkte oder Dienstleistungen anbieten. Für diese lohnt es sich nicht, den für ein irreführendes Signal erforderlichen Aufwand aufzubringen (Perridon und Steiner, 2007, S. 515). Im Vergleich zu Anbietern hochwertiger Qualität können Anbieter minderwertiger Qualität den Aufwand nämlich nicht bzw. nur in weit geringerem Umfang amortisieren, weil die minderwertige Qualität von Käufern enttarnt werden kann. Ferner können Signale für Anbieter minderwertiger Qualität auch direkt höhere Kosten verursachen (z. B. durch eine Garantie), so dass Signale allgemein von Anbietern minderwertiger Qualität nicht eingesetzt werden.49 Für die zugrunde liegenden analytischen und spieltheoretischen Überlegungen sei auf Spence (1973), Cho und Krebs (1987), Nell (1999) oder Kirmani und Rao (2000) verwiesen. Zur Funktionsweise von Signalen sind neben dem „adverse selection“-Fall verschiedene Voraussetzungen in der Literatur zu finden (Kirmani und Rao, 2000; Lee et al., 2005; Müller, 2006; San Martín und Camarero, 2005; Tolle, 1994): ƒ Die Wahrscheinlichkeit, eine Täuschung zu entdecken, ist hoch, d. h., es muss nach dem Kauf die Qualität der Hauptleistungskomponenten beurteilt werden können. ƒ Die Wirksamkeit von Signalen ist von der kundenseitigen Möglichkeit abhängig, bei nicht ausreichender Leistungserfüllung Wohlfahrtspositionen des Anbieters zerstören zu können. Dem Konsumenten ist rational bewusst, dass das Unternehmen Investitionen tätigt bzw. zukünftige Erlöse gefährdet oder Kosten riskiert. ƒ Der Konsument setzt rational voraus, dass sich das Unternehmen ökonomisch rational verhält. Um die Signaltheorie auf den vorliegenden Untersuchungskontext anwenden zu können, müssen zuerst die obigen vier Voraussetzungen für den Untersuchungsgegenstand geprüft werden. ƒ

49 Es ist auch denkbar, dass Anbieter minderwertiger Qualiät zwar ein Signal im herkömmlichen Verständnis nutzen (z. B. eine Standardgarantie), jedoch mit geringerem Leistungsumfang. Das Signal im Sinne der Signaltheorie ist dann die Garantie mit umfassendem Leistungsspektrum und nicht die Standardgarantie.

70 Wie bereits dargelegt ist die Qualitätsbeurteilung des Metaproduktes nach dem Kauf möglich. Gerade im Hinblick auf Datenschutz (z. B. der Weiterverkauf von Daten für Werbungszwecke (Milne und Culnan, 2004)) und Nachkaufservice (z. B. Garantieversprechen) kann eine Qualitätsbeurteilung allerdings nicht unmittelbar nach Lieferung des physischen Produktes stattfinden – prinzipiell ist sie aber nach einiger Zeit möglich. Die Wahrscheinlichkeit eine Täuschung zu entdecken ist demnach sehr hoch. Sollte nach der Qualitätsbeurteilung das Metaprodukt den Ansprüchen des Käufers nicht genügen, stehen dem Käufer Sanktionsmöglichkeiten zur Verfügung. Zunächst einmal kann er von Wiederholungskäufen absehen oder auf juristischem Wege – trotz beschriebener Schwierigkeiten (vgl. Abschnitt 1.1.) – die geschuldeten Leistungskomponenten einfordern bzw. Schadenersatz geltend machen (bspw. für einen etwaigen missbräuchlichen Umgang mit Kundendaten). Darüber hinaus hat er die Möglichkeit, über Mund-zu-Mund-Propaganda (Word-of-Mouth, im Internet auch als Word-of-Mouse (Hennig-Thurau, 2005) bezeichnet) andere Konsumenten vom Kauf abzuhalten (Chevalier und Mayzlin, 2006; Hennig-Thurau und Walsh, 2003). Dies ist im Internet einfacher als in der Offline-Welt, da sich negative Unternehmensbeurteilungen weltweit mit „extrem großer Geschwindigkeit“ (Müller, 2006, S. 136) verbreiten können (Dix, 2006). Mechanismen sind bspw. E-Mails im Schneeballsystem oder Beiträge in Bewertungsforen und Communities (Ihde, 2008). Kritisch zu hinterfragen ist allgemein die Voraussetzung der Rationalität des Konsumenten. Einerseits wird unterstellt, er sei nicht in der Lage die Qualität des Metaproduktes vor einem Kauf zu beurteilen, andererseits wird davon ausgegangen, er könne Kosten und Konsequenzen von Signalen evaluieren bzw. antizipieren. An dieser Stelle ist es problematisch, eine Beurteilung dieser Voraussetzung auf Basis einer inhaltlichen Argumentation vorzunehmen. Bezug genommen werden kann nur auf die wenigen Untersuchungen im erweiterten OnlineKontext (Aiken und Boush, 2006; Biswas und Biswas, 2004; Wang et al., 2004; Yen und Ju, 2006) sowie auf einige Untersuchungen im Offline-Bereich (Akerlof, 1970; Dutta et al., 2007; Heil und Langvardt, 1994; Ippolito, 1990; Kelley, 1988; Milgrom und Roberts, 1986; Nell, 1999; Rotfeld und Rotzoll, 1976; San Martín und Camarero, 2005; Spence, 1973; Spence, 1974; Wiener, 1985), die die Funktion von Signalen als Qualitätsindikatoren bestätigen bzw. in Bezug auf statistische Signifikanz nicht widerlegen können. Diese Ergebnisse widerlegen die – der Grundannahme der Signaltheorie entgegenstehende – Vermutung von Ludwig (2005, S. 133), es sei sinnvoll, egoistische Motive zu verbergen, weil sie negative Auswirkungen auf die Kaufbereitschaft der Kunden haben. Prinzipiell sind die Voraussetzungen für die Anwendung der Signaltheorie auf den Untersuchungsgegenstand damit weitestgehend erfüllt. Es gilt daher, im empirischen Teil zu überprüfen, ob Signale im Online-Einzelhandel bzw. auf Websites von Online-Einzelhändlern existieren. Zur Vorbereitung findet dazu zunächst eine weitere Detailbetrachtung unterschiedlicher Signaltypen nach Kirmani und Rao (2000) statt. Diese entwickeln eine Typologie zur Klassifizierung von Signalen, die implizit auch investitionstheoretische Aspekte (zeitliche

71 Betrachtung des Entstehens von Aufwand) mit ins Kalkül zieht. Diese Aspekte können für (neue) klein- und mittelständische Unternehmen durchaus relevant werden, weswegen die Typologie für den vorliegenden Untersuchungsgegenstand sehr geeignet ist. Die nachfolgenden Ausführungen werden sich daher auf diese Typologie stützen.50 Kirmani und Rao (2000) unterscheiden zunächst zwei grundsätzliche Typen von Signalen, „Default-Independent Signals“ und „Default-Contingent Signals“. Erstere sind Signale, bei denen der Aufwand (Geld, Zeit und Arbeitseinsatz) für das Unternehmen entsteht, unabhängig davon, ob das Unternehmen seiner Behauptung, qualitativ hochwertige Leistungen bzw. Produkte anzubieten, gegenüber seinen (potentiellen) Kunden nachkommt oder nicht. Dieser Aufwand findet i. d. R. vor oder spätestens zum Zeitpunkt der Transaktion statt. Ein Beispiel ist Werbung. Es wird somit heute Geld investiert, mit der Zielsetzung, durch zukünftige Transaktionen monetäre Rückflüsse der Investition zu generieren. Potentiellen Käufern wird durch die Investition signalisiert, dass das Unternehmen sich an seine mittels des Signals kommunizierte Verpflichtung halten wird, um spätere monetäre Rückflüsse, z. B. durch wiederholte Transaktionen zufriedener Käufer, nicht zu gefährden. Porter spricht aus strategischer Sicht von „… earnest commitments to a course of action“ (Porter, 1980, S. 75). Hingegen tritt der (Haupt-)Aufwand bei „Default-Contigent Signals“ erst dann ein, wenn das Unternehmen seine Behauptung, qualitativ hochwertige Leistungen bzw. Produkte anzubieten, nicht einhalten kann. Diese Art von Aufwand tritt – sofern er überhaupt vorkommt – i. d. R. nach einer Transaktion auf. Vorweginvestitionen zur Kommunikation von Default-Contingent Signals sind demgegenüber gering. Ein Beispiel ist die Garantie in jeglicher Form, deren Kommunikation z. B. in textlicher Form auf der Internetseite nahezu kostenlos ist. Erst wenn sich herausstellt, dass die Leistung bzw. das Produkt nicht qualitativ hochwertig ist, entsteht ein Aufwand für das Unternehmen (im Fall der Garantie durch Reparatur oder Produktersatz) (Sobermann, 2003). Der Aufwand für den Anbieter korreliert demnach negativ mit der Qualität des von ihm angebotenen Produktes (Nell, 1999; Spence, 1973). Aus diesem Grund ist ein derartiges Signal dafür geeignet, glaubhaft die Qualität des Anbieters bzw. des Produktes zu kommunizieren und so die Unsicherheit beim Konsumenten zu reduzieren und sein Vertrauen in den Anbieter zu stärken. Vernachlässigt wird in diesem Verständnis allerdings die Möglichkeit, Garantien im Vorwege zu versichern. In diesem Fall entstünden die Kosten sofort und nicht erst nach dem Produktverkauf. Obwohl dies „den Wert“ der Garantie durch die Bonität des Versicherers steigen lassen könnte, wird vorliegend im Standardfall davon ausgegangen, dass Garantien nicht versichert werden. Eine weitere Unterteilung der beiden Hauptklassen findet über unterschiedliche Charakteristika statt, die aus Tabelle 2 entnommen werden können.

50 Eine Detailbetrachtung anderer existierender Typologien (Bhattacharya, 1980; Rao et al., 1999; Tewes, 2008, S. 108 ff.) findet ob der vergleichsweise geringeren Eignung hier nicht statt.

72 Default-Independent Signals Sale-Independent

Hauptkriterium

Sale-Contingent

Aufwand (Investition) für das Signal entsteht vor oder bei der Transaktion und unabhängig davon, ob das Unternehmen seiner Behauptung nachkommt, ein qualitativ hochwertiger Leistungsanbieter zu sein.

Default-Contingent Signals Revenue-Risking

Cost-Risking

Aufwand (entgangener Ertrag / direkte Kosten) für das Signal ist abhängig davon, ob das Unternehmen seiner Behauptung nachkommt, ein qualitativ hochwertiger Leistungsanbieter zu sein.

Minimierung des Aufwandsrisikos; der Amortisation der Investition in der ZuAufwande korreliert negativ mit der Qualikunft. Unternemenstät der Leistung. Antizipation dieser Unternehmenshaltung Antizipation dieser Unternehmenshaltung ziel führt zur Minderung der Unsicherheit beim führt zur Minderung der Unsicherheit Konsumenten. beim Konsumenten. Beispiel

Werbung

Rabattcoupons

Besucherzähler

Produktgarantien

Weitere Charakteristika Konkretisirung des Aufwands

Höhe des Aufwands Kundennutzen Möglichkeiten des Kundenmissbrauchs Wiederholungskäufe

Investition in origiInvestition ist öffentnärer Form ist nicht Zukünftiger Ertrag lich sichtbar und öffentlich sichtbar wird durch das Sigtransaktionsnal riskiert. und transaktionsabunabhängig. hängig.

Zukünftiger Aufwand wird durch das Signal riskiert.

annähernd fix

variabel

variabel

variabel

Kein individueller direkter Nutzen

Individueller direkter Nutzen

Kein individueller direkter Nutzen

Individueller direkter Nutzen

Sehr gering

Hoch

Sehr gering

Hoch

Wichtig

Wichtig

Wichtig

Weitest gehend irrelevant

Tabelle 2: Charakteristika von Signalen Quelle: In Anlehnung an Kirmani und Rao (2000).

Es ist insbesondere im Vorgriff der Anwendung dieser Typologie für Signale im OnlineEinzelhandelskontext festzuhalten, dass die jeweiligen Charakteristika (vgl. Tabelle 2) als idealtypische Ausprägungen zu verstehen sind. Dies zeigt auch eine Detailbetrachtung der von Krimani und Rao angeführten Signaltypenbeispiele (vgl. Abschnitte 4.3.2.2.-4.3.2.5.). Nichtsdestotrotz ist die Trennschärfe der Typologie im erweiterten Online-Kontext in experi-

73 mentellem Umfeld von zwei Untersuchungen jüngeren Datums bestätigt worden und wird für weitere Forschung eingefordert (Aiken und Boush, 2006; Yen und Ju, 2006). 51 Die kurze Einführung der Signaltypologie unterstreicht ihre gute Eignung für den vorliegenden Untersuchungszusammenhang aus investitions- und finanzierungstheoretischer Sicht, vor allem für neue Online-Einzelhändler mit begrenztem Zugang zu Kapital. Gelingt die Ermittlung der Wirkung einzelner Signale auf das Kaufverhalten – d. h. in Ansätzen eine Umsatzprognose –, kann die Typologie wichtige Ansätze für die finanziellen Voraussetzungen eines Online-Einzelhändlers liefern. Bspw. sind Default-Independent Signals „cash intensive“ (Kirmani und Rao, 2000). Sie erfordern Investitionen bereits zu einem relativ frühen Zeitpunkt der Geschäftstätigkeit. Demgegenüber fallen insbesondere bei Default-Contingent CostRisiking Signals die Aufwendungen bzw. Auszahlungen eher später an und bieten insofern Cashflow-Vorteile. Eine Erläuterung der weiteren Unterteilung der beiden Hauptklassen findet in den nachfolgenden Abschnitten 4.3.2.2.bis 4.3.2.5. statt.

4.3.2.2. Default-Independent Sale-Independent Signals Bei Default-Independent Sale-Independent Signals handelt es sich um Signale, bei denen der Aufwand für das Signal beim Unternehmen vor dem Transaktionszeitpunkt eintritt und somit vom Produktverkauf unabhängig ist. Werbung gehört zu dieser Unterklasse von Signalen. Nach der Interpretation von Kirmani und Rao erfüllt sie ebenfalls jenes diese Unterklasse charakterisierende Merkmal, dass der monetäre Aufwand fix ist und unabhängig davon entsteht, ob Produkte verkauft werden oder nicht. Diese Interpretation bedarf für das von Kirmani und Rao (2000) angeführte Beispiel Werbung eine genauere Betrachtung, da Werbeausgaben durchaus im Vorwege nicht fix sein können. Dies tritt z. B. ein, wenn eine variable Vergütung in Abhängigkeit der Werbeleistung zwischen dem Werbenden und dem Werber vereinbart wird. So sind im Rahmen von Bannerwerbung im Internet Abrechnungsmodelle möglich, bei denen der Werbende nur zahlt, wenn der Werbekontakt auch zu einer Reaktion des Rezipienten führt. Dies könnte bspw. ein Klick auf das Werbebanner oder eine Transaktion auf der Internetseite des Werbenden sein (Chickering und Heckerma, 2003; Manchanda et al., 2006). Insofern ist im Vorwege einer Werbekampagne der investierte Betrag nicht konkret zu spezifizieren. Sicherlich ist aber im Vorwege die Vereinbarung einer groben monetären Grenze möglich, nach deren Erreichen keine Werbeschaltung mehr erfolgt. Insofern lässt sich im weitesten Sinne von einer im Voraus annähernd fixen Investition für Default-Independent Sale-Independent Signals sprechen.

51 Allerdings werden in den beiden Arbeiten nur wenige Signale untersucht, die zum Großteil schon im OfflineKontext identifiziert und nach obigem Schema klassifiziert worden sind.

74 Ein weiteres Merkmal dieser Signalkategorie ist, dass (potentielle) Käufer der Produkte keinen individuellen direkten (monetären) Nutzen aus der vom Unternehmen getätigten Investition für Signale dieser Unterklasse ziehen (Kirmani und Rao, 2000). Möglicherweise profitieren sie indirekt, indem sie ein Produkt, das ihren persönlichen Nutzen erhöht, wegen dieser Signale kaufen. Eine direkte individuelle Besserstellung über das Signal erfolgt jedoch nicht. Ein weiteres Charakteristikum, das jedoch analog zu Kirmani und Rao (2000) nicht mit in Tabelle 2 aufgenommen ist, ist die Möglichkeit der Identifikation der Adressaten, auf die die Signale abzielen. Default-Independent Sale-Independent Signals sprechen eher eine breite Masse von Konsumenten an. Dabei handelt es sich zum einen um potentielle Käufer, zum anderen aber auch um Nichtkäufer, die weder am Produkt noch am Unternehmen interessiert sind. Eine Adressierung auf individueller Ebene ist mit Default-Independent SaleIndependent Signals nicht möglich. Im Umkehrschluss ist eine Identifikation der Rezipienten des Signals ebenfalls nicht erreichbar. Auch hier gibt es jedoch Einschränkungen im OnlineKontext. Mit Hilfe von sog. „Target-Advertising“ ist mittlerweile im Idealfall eine Adressierung auf individueller Ebene auf Basis des bisherigen Surfverhaltens möglich (Chickering und Heckerma, 2003). Andererseits ist eine vollständige Identifikation samt umfassender persönlicher Daten nicht zu erreichen. Abgeleitet aus den vorherigen Erläuterungen zu den Default-Independent Sale-Independent Signalen ergibt sich, dass die potentiellen Käufer keinen Missbrauch der vom Unternehmen verwendeten Signale betreiben können. Dieses Charakteristikum folgt aus der eher unpersönlichen Ansprache und der nicht möglichen direkten (monetären) Vorteilsnahme durch den Käufer.

4.3.2.3. Default-Independent Sale-Contingent Signals Im Fall der Default-Independent Sale-Contingent Signals entsteht der Aufwand für die Signale zum Zeitpunkt der Transaktion – wie bei allen Default-Indepentent Signals aber unabhängig davon, ob das Unternehmen seiner Behauptung, qualitativ hochwertige Leistungen bzw. Produkte anzubieten, gegenüber seinen (potentiellen) Kunden nachkommt oder nicht. Der Aufwand für das Signal ist direkt an den Produktverkauf gekoppelt und tritt unmittelbar ein. Wie auch bei den Default-Independent Sale-Independent Signals signalisiert das Unternehmen, eine Amortisation der heutigen Investitionen durch monetäre Rückflüsse in der Zukunft erreichen zu wollen. Ein Beispiel sind Rabattcoupons für einzelne Produkte oder allgemein für eine Transaktion bei einem Unternehmen. Der eingeräumte Rabatt stellt hier den Aufwand beim Unternehmen dar (Lu und Moorthy, 2007).52 Eine etwas differenzierte Betrachtung des Beispiels Rabattcoupon von Kirmani und Rao (2000) ist jedoch angebracht, da der Aufwand für einen etwaigen Druck und die Distribution 52 Abstrahierd wird hier von dem Fall, dass es sich um keinen „wahren“ Rabatt handelt, weil der (die) Produktpreis(e) im Vorwege der Rabattaktion erhöht wird (werden). Die vorausgesetzte Rationalität des Konsumenten im Rahmen der Signaltheorie (vgl. Abschnitt 4.3.2.1.) würde einen derartigen scheinbaren Rabatt auch nicht als Signal wirksam werden lassen.

75 von Rabattmarken, sofern diese in physischer Form vorliegen, im Vorwege und unabhängig von einer Transaktion anfallen (Heilmann et al., 2002). Im Online-Einzelhandel wird auch eine Implementierung einer elektronischen Anrechnungsmöglichkeit während des Bezahlvorganges einen gewissen monetären Aufwand erfordern, z. B. durch den Einsatz zusätzlicher Arbeitsstunden eines Programmierers. Im Allgemeinen kann aber davon ausgegangen werden, dass ein derartiger monetärer Aufwand im Vorwege wesentlich geringer ist als der, der in Summe durch die eigentlichen Preisnachlässe entsteht. Bzgl. der Rabattcoupons kann insofern der Argumentation von Kirmani und Rao (2000), der Aufwand ginge mit dem Zeitpunkt der Transaktion einher, grundsätzlich zugestimmt werden. Ferner ist die von Kirmani und Rao (2000) vorgenommene Postulierung, die Investition für Rabattmarken sei im Vorwege nicht sichtbar, kurz zu beleuchten. Bspw. könnten Personen, die Rabattmarken verteilen, durchaus wahrgenommen werden. Zielt das Unternehmen darauf ab, hat das Signal auch eine stark derivative Wirkung als Werbemaßnahme. Insofern ist davon auszugehen, dass die Autoren mit ihrer Aussage wohl eher auf die originäre Bedeutung der Signalwirkung des Rabattcoupons abzielen. Im Gegensatz zu den Default-Independent Sale-Independent Signals stiften die DefaultIndependent Sale-Contingent Signals einen individuellen direkten (monetären) Vorteil für die Käufer – im angeführten Beispiel durch einen Preisnachlass. In den Genuss des Vorteils kommt der Käufer jedoch erst, wenn er das Produkt wirklich kauft. Es bedarf also eines individuellen monetären Aufwandes des Käufers, bevor der hauptsächliche Aufwand für das Signal beim Unternehmen entsteht. Der Aufwand seitens des Unternehmens ist nicht wie bei Default-Independent Sale-Independent Signals im Vorhinein (annähernd) fix, sondern variabel. So ist im Fall ausgegebener Rabattcoupons – selbst bei etwaigen Erfahrungswerten – nicht genau planbar, wie viele bzw. in welcher Höhe in Summe die Coupons eingelöst werden. Wird ein Coupon eingelöst, kann der Käufer eindeutig samt sensitiver persönlicher Daten identifiziert werden. Als Folge des individuellen, direkten (monetären) Vorteils ergibt sich ein Missbrauchpotential durch Kunden, das die Autoren bei Default-Independent Sale-Contingent Signals als hoch einschätzen. Kunden könnten im Beispiel des Rabattcoupons eine Vielzahl rabattierter Produkten erwerben und diese weiterveräußern. Auch eine direkte Veräußerung der Coupons ist denkbar. Bspw. gibt es im Online-Auktionshaus eBay (www.eBay.de) mehrere Untersektionen „Gutscheine“, in denen nicht nur käuflich erworbene, sondern firmeneigene Gutscheine weiterveräußert werden.

4.3.2.4. Default-Contingent Revenue-Risking Signals Diese Unterklasse von Signalen wird durch die Annahme determiniert, dass höhere Erträge zukünftig nur dann generiert werden, wenn das Unternehmen schon heute derartige Signale einsetzt. Gleichzeitig beinhalten die Default-Contingent Revenue-Risking Signals implizit eine glaubhafte Verpflichtung des Unternehmens zu einer qualitativ hochwertigen Leistungserfüllung, um negative Konsequenzen (interpretiert als entgangene zukünftige Umsätze) zu vermeiden, sollte die Leistung von geringer Qualität sein. Derartige Signale „offer the firm's

76 future revenues as a hostage” (Kirmani und Rao, 2000, S. 68) – sie binden demnach zukünftige Umsätze an die Behauptung der Firma, qualitativ hochwertige Leistungen anzubieten. Der Aufwand für die Installation oder Kommunikation eines solchen Signals ist im Gegensatz zum entgangenen Umsatz gering. Ein eingängiges Beispiel im Bereich Online-Einzelhandel ist ein Besucherzähler, der die Anzahl von Besuchern der jeweiligen Seite (vielfach mit Zeitraumsbezug) anzeigt. Ein Besucherzähler ist nahezu kostenlos auf jeder Seite zu implementieren (vgl. www.besucherzaehler.org oder www.counter-up.de) und kann als Qualitätsindikator des Anbieters betrachtet werden. Hohe Besucherzahlen könnten dem Besucher als Hinweis für hohe Qualität des Anbieters dienen und die Wahrscheinlichkeit für einen Kauf steigern, d. h. zu höheren „zukünftigen“ Erträgen des Online-Einzelhändlers führen. Niedrige Besucherzahlen hingegen könnten als Hinweis für geringe Qualität des Anbieters fungieren und zukünftige Erträge gefährden. Unabhängig von den konkreten Besucherzahlen könnte die Installation eines Zählers positiv vom Konsumenten registriert werden, da sich das Unternehmen dem vorstehend beschriebenen Risiko aussetzt. Eine Reduktion der Unsicherheit bzw. ein vertrauensfördernder Effekt ist insgesamt denkbar. Ein potentieller Käufer zieht individuell keinen direkten Nutzen aus dieser Unterklasse von Signalen. Zum Zeitpunkt der Transaktion kann er nur darauf vertrauen, dass der Anbieter bzw. das Produkt eine entsprechende Qualität birgt. Eine vollständige Beurteilung ist erst später möglich. Sollte das „Metaprodukt“ die Erwartung des Käufers erfüllen, erfährt er indirekt einen Nutzen durch die Partizipation an den Qualitätsvorteilen des Produktes. Das Signal an sich liefert jedoch für einen Konsumenten keinen direkten originären Nutzen auf individueller Ebene. Durch den nicht vorhandenen direkten Nutzen ist auch ein Missbrauch der Default-Contingent Revenue-Risking Signals durch (potentielle) Käufer nicht möglich.

4.3.2.5. Default-Contingent Cost-Risking Signals Auch die Default-Contingent Cost-Risking Signals beinhalten implizit eine glaubhafte Verpflichtung des Unternehmens zu einer qualitativ hochwertigen Leistungserfüllung, um negative Konsequenzen zu vermeiden, sollte die Leistung geringe Qualität haben. DefaultContingent Cost-Risking Signals „… offer the firm's costs as a hostage” (Kirmani und Rao, 2000, S. 68 f.). Sie führen somit bei Nichteinhaltung der Behauptungen des Unternehmens zu direkten Kosten. Die Aufwendungen zur Kommunikation bzw. Implementierung von Default-Contingent Cost-Risking Signals sind im Gegensatz zu potentiellen zukünftigen Kosten sehr gering. Wie in Abschnitt 4.3.2.1. erwähnt ist eine Garantie jeglicher Art ein Beispiel für ein Default-Contingent Cost-Risking Signal. Nach Kirmani und Rao (2000) ist ein wesentlicher Unterschied zu den drei zuerst diskutierten Unterklassen die Irrelevanz von Wiederholungskäufen. Signale der anderen Unterklassen sind „self-enforcing“ (Kirmani und Rao, 2000, S. 72), d. h., sie setzen sich selbst durch. Aufgrund der „Machtposition“ des Kunden liegt es im ökonomischen Eigeninteresse des Unternehmens, dem durch die Signale kommunizierten Qualitätsversprechen nachzukommen, um

77 zukünftige Erträge und die Amortisation der Aufwendungen durch Wiederholungskäufe nicht zu gefährden. Ein Unternehmen wird sowohl bestrebt sein, eine Amortisation der Aufwendungen für Default-Indepent Signals wie Werbung und Rabattcoupons zu erreichen als auch zukünftige Erträge durch Default-Contingent Revenue-Risking Signals nicht zu gefährden, und demnach qualitativ hochwertige Leistungen anbieten. Wiederholungskäufe sind daher essentiell für die Wirksamkeit der Signale der drei anderen Unterklassen. Im Rahmen von Default-Contingent Cost-Risking Signals bedarf es allerdings eines „additional mechanism“ (Kirmani und Rao, 2000, S. 72), z. B. gesetzlicher Rahmenbedingungen, um ein derartiges Signal wirksam werden zu lassen, da es nicht im ökonomischen Eigeninteresse des Unternehmens liegt, – am Beispiel der Garantie – die Kosten für eine Reparatur aufzuwenden. Im Extremfall muss der Konsument sein Recht bspw. auf dem Rechtsweg durchsetzen können. An der Aussage von Kirmani und Rao (2000), die Default-Contingent Cost-Risking Signals seien nicht „self-enforcing“, ist Kritik angebracht, denn sofern (negative) Mund-zu-MundPropaganda eine wichtige Komponente im Marktumfeld des Unternehmens darstellt, wie es im Online-Einzelhandel der Fall ist (vgl. Abschnitt 4.3.1.), könnte das Nichteinhalten der Verpflichtung selbst bei nicht vorhandenen gesetzlichen Rahmenbedingungen zukünftige Umsätze gefährden. Eine Selbstverpflichtung könnte in diesem Marktumfeld dann im Eigeninteresse des Leistungsanbieters liegen. Fasst man allerdings die negative Mund-zu-MundPropaganda als „additional mechanism“ im Sinne der Autoren auf, kann ihrer Interpretation zugestimmt werden. Sofern gesetzliche Regularien bzw. „additional mechanisms“ existieren, profitiert der Konsument individuell und direkt (monetär) von den Signalen (Tang et al., 2008). Im Zeitraum der Produktgarantie kann der Käufer vom Unternehmen eine Reparatur oder einen Umtausch verlangen, sofern das Produkt einen Defekt aufweist. Das Beispiel Produktgarantie birgt für das Unternehmen aber die Gefahr, dass die Konsumenten sorgloser mit dem Produkt umgehen, als sie es tun würden, gäbe es keine Produktgarantie. Ebenso könnten Schäden aus inadäquatem Umgang mit dem Produkt, die im Normalfall nicht von einer Produktgarantie abgedeckt werden, als Garantiefall deklariert werden. Daher ist die Möglichkeit des „Missbrauchs“ am Beispiel der Produktgarantie durch den Kunden gegeben und stellt damit auch ein Merkmal von Default-Contingent Cost-Risking Signals dar. Abschließend zu erwähnen ist, dass bei einer Insolvenz des Unternehmens die Kosten für die Default-Contingent Cost-Risking Signals nicht mehr anfallen. Sieht der rationale Konsument die Gefahr einer Insolvenz – bspw. bei Unternehmen mit geringer Kaptialausstattung –, so könnte dies dazu führen, dass die Default-Contingent Cost-Risking Signals weniger wirkungsvoll sind.

4.3.3. Einsatz von Signalen im Online-Einzelhandel – eine Zusammenfassung empirischer Ergebnisse Wie bereits ausgeführt, stehen Online-Einzelhändler stets der Herausforderung gegenüber, mit Hilfe der Website den Informationsmangel beim Konsumenten zu mindern und seinen Vertrauensbildungsprozess positv zu beeinflussen. Die Installation von Signalen auf der Website als Informationssurrogate bzgl. der Leistungsqualität könnte dazu hilfreich sein.

78 Da das Ausmaß der Wirkung von Signalen stets „context sensitive“ (Aiken et al., 2004, S. 258) ist (vgl. auch Boulding und Kirmani, 1993; Dawar und Miklos, 1997), können Signale aus dem Offline-Bereich nicht unkritisch übernommen werden. Zudem gibt es Online eine Vielzahl von Elementen, die in der Offline-Welt i. d. R. nicht oder noch nicht zu beobachten sind, z. B. virtuelle Kaufberater (Avatare). Als Vorbereitung der empirischen Untersuchung zur Identifikation von Signalen in Kapitel 6 werden daher zunächst qualitativ Maßnahmen zusammengeführt, die potentiell Signalcharakter im informationsökonomischen Sinn haben könnten. Nichtsdestotrotz werden diese Maßnahmen im weiteren Verlauf bereits als „Signale“ bezeichnet. „The internet, as a relatively new signalling environment, involves myriad peripheral elements”, halten Aiken et al. (2004, S. 258) fest. Dennoch geht es hier vorwiegend nicht darum, im höchsten Detailgrad die Gestaltung und das Layout (z. B. Farbe oder Schriftart) zu beleuchten, da die Struktur wegen der Vielzahl von Shopsystemen zu unterschiedlich ist, als dass generalisierbare Aussagen getroffen werden könnten. Vielmehr sollen die wichtigsten Instrumente (Signale) identifiziert werden, die das kundenseitige Informationsdefizit mindern. Dabei sollte insbesondere das Potential der Signale zur positiven Beeinflussung der vertrauensrelevanten Erwartungen (vgl. Abschnitt 4.2.1.) und damit schlussendlich über das bisher entwickelte Modell ihr Einfluss auf die vertrauensvolle Kaufabsicht quantifiziert werden. Zur Identifikation derartiger Signale wird neben der Untersuchung von zahlreichen OnlineShops eine umfassende Literaturrecherche über die Jahre 2002 bis April 2008 in allen „A+“und „A“-Zeitschriften der VHB-JOURQUAL Teilrankings53 „Electronic Commerce“, „Dienstleistungsmanagement, Handelsmanagement“, „Logistik“, „Operations Research“, „Produktion“, „Marketing“, „Technologie- und Innovationsmanagement“, „Wirtschaftsinformatik & Informationsmanagement“ sowie „ABWL“ durchgeführt. Ferner sind alle „B“-Zeitschriften des Teilrankings „Electronic Commerce“ sowie einige weitere relevante Fachzeitschriften geprüft worden – insgesamt 54 an der Zahl. Alle Arbeiten des Kontexts Online-Einzelhandel, die mit empirischen Daten Ursache-Wirkungs-Zusammenhänge untersuchen, sind in die Übersicht einbezogen. Bemerkenswerterweise liegt das originäre Interesse der Autoren überwiegend nicht darin, konkrete Signale zu identifizierten, die in der Beeinflussungssphäre eines OnlineEinzelhändlers liegen und erfolgsteigernd wirken können. Insgesamt steht das Testen mehr oder minder komplexer Hypothesensysteme mehr oder minder relevanter „weicher“, nicht beobachtbarer Größen im Vordergrund. Insofern nutzen die Autoren unterschiedliche theoretische Grundkonzepte und operationalisieren bzw. konzeptionalisieren den Erfolg je nach Zielstellung der Arbeit über unterschiedliche Maße. Ebenso breit ist das Spektrum der zum Einsatz kommenden quantitativen Methoden (vgl. Tabelle 3). 24 Arbeiten basieren auf Strukturgleichungsmodellen. 18 davon werden mit der Kovarianzstrukturanalyse, sechs mit dem Partial-Least-Squares-Verfahren ausgewertet. In 23 Arbeiten kommt die Regressions-, in sieben Arbeiten die Varianz- oder Kovarianz- und in einer Arbeit die Faktorenanalyse zum Einsatz. 53

Stand 1.4.2008.

79

Strukturgleichungsmodelle Kovarianzstrukturanalyse

Partial-LeastSquaresVerfahren

(Chen et al., 2004)

(Kamis 2008)

(Cheung und Lee, 2006)

et

al.,

Regressionsanalyse

Varianz- bzw. Kovarianzanalyse

(Aiken und Boush, 2006)

(Biswas und was, 2004)

(Lim et al., 2006)

(Cao und 2004)

(Holzwarth 2006)

(Collier und Bienstock, 2006)

(Pavlou, 2003)

(Chevalier und Mayzlin, 2006)

(Pan und Zinkhan, 2006)

(Einwiller et al., 2005)

(Pavlou und Fygenson, 2006)

(Elliott und Speck, 2005/06)

(Park et al., 2007)

(Fassnacht und Koese, 2006)

(Venkatesh und Agarwal, 2006)

(Heim 2007)

(Schlosser 2006)

(Jarvenpaa et al., 2000)

(Venkatesh und Ramesh, 2006)

(Holzwarth 2006)

Zhao,

und

Field, et

al.,

(Kim et al., 2004)

(Kollmann und Herr, 2005)

(Kim et al., 2002)

(Koufaris, 2002)

(Loiacono et al., 2007)

(Koufaris und Hampton-Sosa, 2003)

(Malhotra et al., 2004)

(Lee et al., 2005)

(Palmer, 2002)

(Lee und Turban, 2001)

(Pavlou 2004)

und

Gefen,

et

et

Bis-

Faktoranalyse

(Torkzadeh und Dhillon, 2002)

al.,

al.,

(Sivaramakrishnan et al., 2007) (Yen und Ju, 2006)

(Lohse und Spiller, 1999)

(Song und Zahedi, 2005)

(Metzger, 2004)

(Suh und Han, 2003)

(Nikolaeva, 2007)

(Wang et al., 2007)

(Parasuraman al., 2005)

(Wang et al., 2004)

(Posselt und Gerstner, 2005)

(Wolfinbarger und Gilly, 2003)

(Ranganathan und Grandon, 2002)

(Yakov et al., 2005)

(Saeed 2002/03)

et

et

al.,

(Shim et al., 2002) (Srinivasan et al., 2002) (Weathers und Makienko, 2006) (Yang und Jun, 2002) (Yoon, 2002) Tabelle 3: Forschungsbeiträge zu Erfolgsfaktoren im Online-Einzelhandel und deren methodisches Instrumentarium

80 Auffallend ist, dass in keiner der strukturgleichungsmodellbasierten Arbeiten formative, d.h. ursächliche Messmodellindikatoren für exogene, d. h. unabhängige Konstrukte zum Einsatz kommen. Betont wird dadurch das periphere Interesse der Beiträge an der Identifikation von erfolgsteigernden „Stellschrauben“. Ursache könnte auch das bewusst oder unbewusst unpassend eingesetzte methodische Instrumentarium sein (vgl. Abschnitte 2.2. und 2.3.). Die indirekte und näherungsweise Messung latenter Konstrukte über reflektive Messmodelle, die dem faktoranalytischen Weltbild folgen, liefert aber dennoch Input für die vorliegende Bestandsaufnahme. Bei den Messmodellindikatoren handelt es sich zu einem großen Teil trotz reflektiver Messmodelle um konkrete Maßnahmen, die ein Online-Einzelhändler ergreifen kann. Beispiele sind die Implementierung unterschiedlicher Versandoptionen, die prominente Darlegung der Rücknahmebedingungen oder das Angebot einer Geld-zurück-Garantie (vgl. Abschnitt 2.3.). Fasst man die reflektiven Indikatoren, wie im Rahmen der Faktoranalyse postuliert, als austauschbare Messungen des latenten Konstrukts auf (Backhaus et al., 2006), ergeben sich zumindest indirekt Hinweise auf die Wirkrichtung der Indikatoren/Maßnahmen auf andere Konstrukte im Wirkbeziehungsgeflecht. Dieser Argumentation folgend finden sich in der Übersicht sowohl eine Faktoranalyse als auch Regressionsanalysen, in denen als unabhängige Variable Faktoren aus einer vorgeschalteten Faktoranalyse verwendet werden. Dieses Vorgehen zur Filterung von erfolgsfördernden Maßnahmen und die Aufnahme in Tabelle 4 bis Tabelle 7 ist nicht vollständig exakt. Bei Annahme reflektiver anstatt richtigerweise formativer Indikatoren erhält man nur Aussagen darüber, ob das gleichzeitige Verändern der Maßnahmen Auswirkungen auf andere Konstrukte im Wirkbeziehungsgeflecht hat – ob einzelne gestalterische Maßnahmen unabhängige Beiträge leisten, ist nicht eindeutig. Zudem besteht insgesamt die Gefahr, dass mit einem „unpassenden Modell“ (Albers und Hildebrandt, 2006, S. 13) gearbeitet wird (vgl. Abschnitte 2.2. und 2.3.). Dennoch werden auch Ergebnisse von Arbeiten, die vereinzelt mit möglicherweise unpassenden Messmodellen operieren (vgl. Chen et al., 2004; Dinev und Hart, 2005/06; Fassnacht und Koese, 2006; Kim et al., 2002; Loiacono et al., 2007; Song und Zahedi, 2005; Wang et al., 2004; Wolfinbarger und Gilly, 2003; Yakov et al., 2005), in die Übersicht aufgenommen und der Informationsverlust in Kauf genommen. Insgesamt können aus 55 Arbeiten unter Abstraktion vom konkreten theoretischen Grundkonzept und methodischen Instrumentarium 45 gestalterische Maßnahmen bzw. potentielle Signale identifiziert werden, zu denen empirische Ergebnisse vorliegen. Diese sind inklusive ihrer ermittelten Wirkrichtung auf die jeweiligen Erfolgsmaße aus Tabelle 4 bis Tabelle 7 zu entnehmen. Ferner sind dort 17 weitere Maßnahmen bzw. potentielle Signale aufgenommen, zu denen keine empirischen Untersuchungen vorliegen, die aber in einer Untersuchung von Online-Shops identifiziert werden konnten.54 Die potentiellen Signale bzw. Erfolgsfaktoren werden zunächst ohne weitere Erläuterungen nach der in Abschnitt 4.3.2. vorgestellten Typologie kategorisiert. Eine Detailbegründung der 54

Es handelt sich bei der Übersicht um eine Fortführung der Arbeit von Ahrholdt (2009).

81 Kategorisierung für die in der empirischen Untersuchung einbezogenen 24 Signale findet im nachfolgenden Abschnitt 4.3.4. statt. Der Zielgrößeneinfluss ist dabei wie folgt zu verstehen: „+“ positiver Einfluss (signifikant), „-“ negativer Einfluss (signifikant), „+o“ positiver Einfluss (nicht signifikant) und „-o“ negativer Einfluss (nicht signifikant)55. Sofern der Einfluss der Maßnahme auf die Zielgröße nur indirekt ist, sind die Einflusssymbole zusätzlich mit einem Stern (*) gekennzeichnet.56 Signal Werbung

Zielgrößeneinfluss -

finanzielles Risiko

- Transaktionsrisiko 57 -o Funktionsrisiko +o Kaufabsicht* + Wahrscheinlichkeit des Marktbestehens

Quelle (Biswas und Biswas, 2004) (Biswas und Biswas, 2004) (Biswas und Biswas, 2004) (Venkatesh und Ramesh, 2006) (Nikolaeva, 2007)

Anbieter-/ Markenbekanntheit,

+ Kaufwahrscheinlichkeit + Kaufabsicht

(Lee et al., 2005) (Pavlou, 2003)

Anbieter-/ Markenreputation

+ Kaufabsicht*

(Einwiller et al., 2005; Jarvenpaa et al., 2000; Yoon, 2002) (Yakov et al., 2005) (Yakov et al., 2005) (Einwiller et al., 2005; Jarvenpaa et al., 2000; Kim et al., 2004; Kollmann und Herr, 2005; Koufaris und Hampton-Sosa, 2003; Yoon, 2002) (Pavlou, 2003) (Jarvenpaa et al., 2000)

-o Kaufabsicht* -o Vertrauen + Vertrauen

- allg. Risikowahrnehmung - allg. Risikowahrnehmung* - finanzielles Risiko - Transaktionsrisiko - Funktionsrisiko +o Zufriedenheit

(Biswas und Biswas, 2004) (Biswas und Biswas, 2004) (Biswas und Biswas, 2004) (Yoon, 2002)

55 Das Signifikanzniveau ist in keiner Studie schlechter als 10 %. Die meisten Ergebnisse weisen jedoch Signifikanzniveaus von 5 % bzw. 1 % auf. 56 Dies ist der Fall bei Strukturgleichungsmodellen, bei denen die Maßnahme indirekt über weitere Konstrukte auf die Zielgröße wirkt, bei der Aggregation von Maßnahmenvariablen zu Indexwerten (Saeed et al. 2002/03, Collier und Bienstock 2006) sowie bei mehrstufigen Regressionsanalysen (Srinivasan et al. 2002, Yoon 2002). 57 „Performance Risk“.

82 Signal Hotline bzw. Live-Chat zur direkten persönlichen Kontaktaufnahme

Avatar (antromorpher Kaufberater)

Zielgrößeneinfluss +o Erfolg

+o Kaufabsicht* + Zufriedenheit* + Qualität + Servicequalität + Kaufabsicht

(Yang und Jun, 2002) (Shim et al., 2002)

-o Qualität der Retourenabwicklung -o Qualität des Kundenservice - Qualität des Bezahlvor58 gangs -o Qualität des Bezahlvor59 gangs

(Heim und Field, 2007)

+ Kaufabsicht* + Kaufabsicht

(Wang et al., 2007) (Holzwarth et al., 2006) (Sivaramakrishnan et al., 2007) (Holzwarth et al., 2006)

+ Schadensabwicklungsqualität

60

- Kaufabsicht + Zufriedenheit Offline-Existenz Suchfunktion

(Holzwarth et al., 2006) (Yen und Ju, 2006) (Yen und Ju, 2006)

+o Impulskäufe*

(Koufaris, 2002) (Srinivasan et al., 2002) (Kim et al., 2002)

Einkaufsspaß Loyalität Wiederkehrabsicht* Einstellung Erfolg Online-Absatz

+ Vertrauen +o Vertrauen +o Kaufabsicht* +o Online-Absatz + Absicht der Preisgabe persönlicher Information

59 60

(Heim und Field, 2007)

+ Einstellung

+ + + + -o -o

58

(Heim und Field, 2007) (Heim und Field, 2007)

+ Kaufabsicht - allg. Risikowahrnehmung + Wiederkaufabsicht* + Zufriedenheit*

Gütesiegel mit umfassendem Leistungsspektrum (z. B. TRUSTe)

Quelle (Saeed et al., 2002/03; Weathers und Makienko, 2006) (Collier und Bienstock, 2006) (Collier und Bienstock, 2006) (Collier und Bienstock, 2006) (Shim et al., 2002)

(Koufaris, 2002) (Srinivasan et al., 2002) (Koufaris, 2002) (Elliott und Speck, 2005/06) (Weathers und Makienko, 2006) (Ranganathan und Grandon, 2002) (Aiken und Boush, 2006; Cheung und Lee, 2006) (Lee und Turban, 2001; Wang et al., 2004; Yakov et al., 2005) (Yakov et al., 2005) (Ranganathan und Grandon, 2002) (Wang et al., 2004)

Das Signal ist: „Kundendienst ist nicht 24 Std. am Tag zu erreichen“. Das Signal ist: „Kundendienst ist 24 Std. am Tag zu erreichen“. Es sind ausreichend sonstige Informationen auf der Website verfügbar.

83 Signal Kontaktinformation bzw. -formular zur unpersönlichen Kontaktaufnahme

Zielgrößeneinfluss

(Posselt und Gerstner, 2005)

+ Kaufabsicht* +o Kaufabsicht*

(Song und Zahedi, 2005) (Schlosser et al., 2006) (Ranganathan und Grandon, 2002) (Heim und Field, 2007) (Posselt und Gerstner, 2005) (Kim et al., 2002) (Yang und Jun, 2002) (Shim et al., 2002; Wolfinbarger und Gilly, 2003) (Song und Zahedi, 2005)

-o Online-Absatz -o Qualität des Kundenservice + Zufriedenheit + Zufriedenheit* + Servicequalität + Qualität + Meinung bzgl. Service + Wohlwollende Intention + Integrität +o Vertrauen +o Kompetenz Frequently Asked Questions- bzw. Hilfesektion

+ Online-Absatz + Kaufabsicht* + Meinung bzgl. Kaufvorgang + Zufriedenheit +o Erfolg der Website +o Unternehmenserfolg +o Vertrauen +o Umsatz +o Einstellung

Großes Artikelsortiment

+ Wiederkaufabsicht + Wiederkaufabsicht* + Erfolg der Website - Erfolg + Qualität + Kaufabsicht* 62 - Kaufabsicht* -o Kaufabsicht -o Umsatz - Wiederkehrabsicht* + Vertrauen -o Vertrauen +o Risikowahrnehmung +o Zufriedenheit

Individuelle Accounts / Benutzer-Log-In

Quelle

+ Wiederkaufabsicht

(Schlosser et al., 2006) (Schlosser et al., 2006) (Kollmann und Herr, 2005) (Schlosser et al., 2006) (Ranganathan und Grandon, 2002) (Song und Zahedi, 2005; Yoon, 2002) (Song und Zahedi, 2005) (Yoon, 2002) 61 (Palmer, 2002) (Saeed et al., 2002/03) (Yoon, 2002) (Lohse und Spiller, 1999) (Elliott und Speck, 2005/06) (Posselt und Gerstner, 2005) (Srinivasan et al., 2002) (Palmer, 2002) (Weathers und Makienko, 2006) (Fassnacht und Koese, 2006) (Chen et al., 2004; Yoon, 2002) (Kamis et al., 2008) (Jarvenpaa et al., 2000) (Lohse und Spiller, 1999) (Kamis et al., 2008) (Yoon, 2002) (Jarvenpaa et al., 2000)

- Zufriedenheit + Loyalität

(Jarvenpaa et al., 2000) (Yoon, 2002) (Posselt und Gerstner, 2005) (Srinivasan et al., 2002)

+ Online-Absatz +o Unternehmenserfolg

(Ranganathan und Grandon, 2002) (Saeed et al., 2002/03)

61 Der Erfolg wird über die Variablen Wiederkehrwahrscheinlichkeit, Nutzungshäufigkeit, Zufriedenheit und Glaubwürdigkeit gemessen. 62 Eine Detailuntersuchung ergibt, dass die Auswirkung der Sortimentsgröße auf die Kaufabsicht einen umgekehrt U-förmigen Verlauf hat. Der optimale Wert der Sortimentgröße beträgt 54 Artikel.

84 Signal Maßnahmen zur Datensicherheit bei der Transaktion (sichtbar durch z. B. SSLVerschlüsselungs- oder Datenschutzgütesiegel wie Verisign)

Zielgrößeneinfluss + Vertrauen +o Vertrauen* +o Vertrauen + Kaufabsicht + Kaufabsicht* +o Kaufabsicht* -o Erfolg + Zufriedenheit + Zufriedenheit* + Wohlwollende Intention + Integrität +o Kompetenz + Qualität +o Qualität des Bezahlvorgangs +o Qualität des Datenschutzes

Rein textliche Information

+ Kaufabsicht*

über Transaktionssicherheit -o Erfolg + Vertrauen

- Risikowahrnehmung + Zufriedenheit + Zufriedenheit* + Prozessqualität

Quelle (Kollmann und Herr, 2005; Koufaris und Hampton-Sosa, 2003; Metzger, 2004; Yoon, 2002) (Suh und Han, 2003) (Yakov et al., 2005) (Yakov et al., 2005) (Yoon, 2002) (Schlosser et al., 2006; Suh und Han, 2003; Weathers und Makienko, 2006) (Weathers und Makienko, 2006) (Kim et al., 2002) (Ranganathan und Grandon, 2002) (Schlosser et al., 2006) (Schlosser et al., 2006) (Schlosser et al., 2006) (Fassnacht und Koese, 2006; Wolfinbarger und Gilly, 2003) (Heim und Field, 2007) (Heim und Field, 2007) (Collier und Bienstock, 2006; Song und Zahedi, 2005; Yoon, 2002) (Weathers und Makienko, 2006) (Cheung und Lee, 2006; Koufaris und HamptonSosa, 2003; Malhotra et al., 2004; Wang et al., 2004; Yoon, 2002) (Malhotra et al., 2004) (Yoon, 2002)

+ Meinung bzgl. Service + Einstellung

(Collier und Bienstock, 2006) (Collier und Bienstock, 2006) (Song und Zahedi, 2005) (Elliott und Speck, 2005/06)

Verschiedene Bestellmethoden (Online, Fax, Mail, Telefon)

+ Erfolg + Servicequalität

(Weathers und Makienko, 2006) (Yang und Jun, 2002)

Information über Managementkompetenz

+o Vertrauen

(Kollmann und Herr, 2005)

Produktvergleichsmöglichkeit

+ Vertrauen + Kaufabsicht* + Zufriedenheit* +o Kaufabsicht*

(Yakov et al., 2005) (Yakov et al., 2005) (Kim et al., 2002) (Chen et al., 2004)

Einsatz von Multimedia63

- Online-Absatz + Einstellung

(Ranganathan und Grandon, 2002) (Elliott und Speck, 2005/06)

63

Audio- und Videoeinsatz.

85 Signal

Zielgrößeneinfluss

Auftragsstatusanzeige bzw. Sendungsverfolgung

+ Kaufabsicht*

oo Zufriedenheit oo Wiederkaufabsicht

mesh, 2006) (Saeed et al., 2002/03) (Heim und Field, 2007) (Heim und Field, 2007) (Weathers und Makienko, 2006) (Heim und Field, 2007) (Kim et al., 2002) (Posselt und Gerstner, 2005) (Posselt und Gerstner, 2005)

+ Meinung bzgl. Service 65 + Lieferungsleistung

(Song und Zahedi, 2005) (Cao und Zhao, 2004)

+ -o + -o +

(Palmer, 2002) 66 (Parasuraman et al., 2005) (Fassnacht und Koese, 2006) (Parasuraman et al., 2005) (Collier und Bienstock, 2006) (Chen et al., 2004; Collier und Bienstock, 2006; Pavlou und Fygenson, 2006; Yakov et al., 2005;

+o Unternehmenserfolg - Qualität des Kundenservice -o Qualität des Liefervorgangs -o Erfolg -o Qualität des Bezahlvorgangs + Zufriedenheit* 64

(Technische) Qualität der Website (Stabilität, geringe Ladezeiten und fehlerfreie Darstellung)

Erfolg der Website wahrgenommener Wert Qualität Qualität Prozessqualität

+ Kaufabsicht*

3-Dimensionale-

Produkt-

darstellungen und/oder Produktfotovergrößerungs-

Quelle (Song und Zahedi, 2005; Venkatesh und Ra-

Yoon, 2002) (Yoon, 2002)

+ Zufriedenheit + Zufriedenheit* + Vertrauen +o Vertrauen +o Loyalität + Wiederverwendungsabsicht +o Wiederverwendungsabsicht

(Kim et al., 2004; Kollmann und Herr, 2005) (Parasuraman et al., 2005) 67 (Loiacono et al., 2007) (Loiacono et al., 2007)

+ Meinung bzgl. Kaufvorgang

(Song und Zahedi, 2005)

+ Kaufabsicht* + Kompetenz

(Schlosser et al., 2006; Song und Zahedi, 2005) (Schlosser et al., 2006)

+ Online-Absatz

(Ranganathan und Grandon, 2002)

-o Kaufabsicht* -o Vertrauen

(Lim et al., 2006) (Lim et al., 2006)

+ Zufriedenheit* -o Zufriedenheit 68 oo Wiederkaufabsicht + Kaufabsicht* +o Erfolg + Vertrauen + Meinung bzgl. Kaufvorgang

(Kim et al., 2002)

(Collier und Bienstock, 2006; Kim et al., 2002) (Yakov et al., 2005)

option Firmeninformationen

(„Wir

über uns") Verschiedene optionen

64

Versand-

(Posselt und Gerstner, 2005) (Posselt und Gerstner, 2005) (Song und Zahedi, 2005; Yakov et al., 2005) (Weathers und Makienko, 2006) (Yakov et al., 2005) (Song und Zahedi, 2005)

Der Regressionskoeffizient wird mit 0,00 angegeben. „Delivery Fulfillment“. In einer ersten Untersuchung gehen vier Dimensionen, die aus einer Summation der Bewertungen ihrer jeweiligen zugehörigen Indikatoren gebildet werden, als unabhängige Variable in die Regression ein. Diese Ergebnisse sind hier dargestellt. Der Vollständigkeit halber sei erwähnt, dass die Autoren wegen der z. T. überraschenden Ergebnisse eine zweite Untersuchung durchführen, in der eine Faktorenanalyse zur Verdichtung der insgesamt 22 Indikatoren auf die vier Faktoren vorgeschaltet wird. Die Faktorwerte gehen dann als unabhängige Variable in die Regression ein. Als Ergebnis stellt sich eine signifikante positive Wirkung aller Dimensionen auf alle abhängigen Variablen ein. 67 Es wurden verschiedene Datensätze genutzt. 68 Der Regressionskoeffizient wird mit 0,00 angegeben. 65 66

86 Signal

Zielgrößeneinfluss

Transparenter Bestellvorgang (Bestell fortschrittsund/oder Gesamtbestellwertanzeige inkl. aller Zusatzkosten)

Elektronische

Grußkarten-

Quelle

+ Zufriedenheit + Zufriedenheit* + Wiederkaufabsicht + Prozessqualität + Kaufabsicht* + Servicequalität* +o Unternehmenserfolg

(Posselt und Gerstner, 2005) (Collier und Bienstock, 2006; Kim et al., 2002) (Posselt und Gerstner, 2005) (Collier und Bienstock, 2006) (Collier und Bienstock, 2006) (Yang und Jun, 2002) (Saeed et al., 2002/03)

+ Meinung bzgl. Preis

(Song und Zahedi, 2005)

versendeoption

+ Kaufabsicht*

(Song und Zahedi, 2005)

Rein textliche Information über die Verpflichtung zum Datenschutz

+ Kaufabsicht* +o Kaufabsicht* + Kaufwahrscheinlichkeit

(Song und Zahedi, 2005; Yakov et al., 2005) (Schlosser et al., 2006; Suh und Han, 2003) (Lee et al., 2005)

+ Online-Absatz -o Erfolg

(Ranganathan und Grandon, 2002) (Weathers und Makienko, 2006)

+ wahrgenommener Wert + Vertrauen

(Parasuraman et al., 2005) (Kollmann und Herr, 2005; Metzger, 2004; Pan und Zinkhan, 2006; Yakov et al., 2005) (Cheung und Lee, 2006; Wang et al., 2004) (Suh und Han, 2003) (Song und Zahedi, 2005) (Wang et al., 2004)

+o Vertrauen +o Vertrauen* + Meinung bzgl. Service + Absicht der Preisgabe persönlicher Information + Zufriedenheit*

Customer und/oder ployee Testimonial

Em-

Sitemap

(Kim et al., 2002)

+ Wohlwollende Intention + Integrität

(Schlosser et al., 2006) (Schlosser et al., 2006)

+o Kompetenz +o Qualität +o Loyalität + Qualität des Bezahlvorgangs + Qualität des Datenschutz

(Schlosser et al., 2006) (Parasuraman et al., 2005) (Parasuraman et al., 2005) (Heim und Field, 2007) (Heim und Field, 2007)

+ Vertrauen + Kaufabsicht* +o Einstellung

(Lim et al., 2006) (Lim et al., 2006) (Elliott und Speck, 2005/06)

-o Online-Absatz

(Ranganathan und Grandon, 2002)

+ Prozessqualität + Kaufabsicht*

(Collier und Bienstock, 2006) (Collier und Bienstock, 2006)

+ Zufriedenheit*

(Collier und Bienstock, 2006)

Celebrity Testimonial

Keine Untersuchung

Keine Untersuchung

Online-Spiele

Keine Untersuchung

Keine Untersuchung

Keine Untersuchung

Keine Untersuchung

Look-in-Feature

(z. B. Be-

dienungsanleitungseinsicht) Shopname – URL

Keine Untersuchung

Keine Untersuchung

Sprachoptionen

Keine Untersuchung

Keine Untersuchung

RSS-Feed

Keine Untersuchung

Keine Untersuchung

(Bilder-)Tagging

Keine Untersuchung

Keine Untersuchung

Corporate Blog

Keine Untersuchung

Keine Untersuchung

Tabelle 4: Default-Independent Sale-Independent Signals im Online-Einzelhandel

87 Signal

Zielgrößeneinfluss

Quelle

Niedrige Einführungspreise / Sonderangebote

+ Meinung bzgl. Preis + Kaufabsicht* + Kaufwahrscheinlichkeit

(Song und Zahedi, 2005) (Song und Zahedi, 2005) (Lee et al., 2005)

(Internet-) Bonusprogramm, (z. B. PAYBACK)

+o Glaubwürdigkeit

(Yang und Jun, 2002)

Personalisierungsmöglichkeiten (z. B. Websitelayout, schenkverpackung, mensgravur)

+ Kaufabsicht*

(Kamis et al., 2008; Song und Zahedi, 2005)

+ Vertrauen + Meinung bzgl. Kaufvorgang + Qualität + Loyalität + Wiederkaufabsicht +o Unternehmenserfolg

(Koufaris und Hampton-Sosa, 2003) (Song und Zahedi, 2005)

GeNa-

-o Erfolg Lieferzeitpunkt bestimmbar

+ Zufriedenheit* + Ergebnisqualität -o Kaufabsicht* +o Qualität des Liefervorgangs

(Wolfinbarger und Gilly, 2003) (Srinivasan et al., 2002) (Srinivasan et al., 2002) (Saeed et al., 2002/03) (Weathers und Makienko, 2006) (Collier und Bienstock, 2006; Kim et al., 2002) (Collier und Bienstock, 2006) (Collier und Bienstock, 2006) (Heim und Field, 2007)

Rabattcoupons

Keine Untersuchung

Keine Untersuchung

Rabatt für Registrierung

Keine Untersuchung

Keine Untersuchung

Rabatt gig)

Keine Untersuchung

Keine Untersuchung

Währungs-

Keine Untersuchung

Keine Untersuchung

Produktzuga-

Keine Untersuchung

Keine Untersuchung

Internetbezahlsysteme (z. B.

Keine Untersuchung

Keine Untersuchung

(bestellwertabhän-

Kostenlose wechseloption Kostenlose ben PayPal)

Tabelle 5: Default-Independent Sale-Contingent Signals im Online-Einzelhandel

Signal

Zielgrößeneinfluss

Quelle

Veröffentlichung von Expertenbeurteilungen, unabhängigen Testberichten, Preisen und Awards

+ + + + -

Neuheiten-Sektion

+ Meinung bzgl. Preis + Kaufabsicht*

(Song und Zahedi, 2005) (Song und Zahedi, 2005)

Produktempfehlungen

+ + + + + +

(Ranganathan und Grandon, 2002) (Yakov et al., 2005)

Kaufabsicht Kaufabsicht* Vertrauen Bookmarking allg. Risikowahrnehmung

Online-Absatz Vertrauen Kaufabsicht* Meinung bzgl. Preis Loyalität Wiederkaufabsicht*

(Yen und Ju, 2006) (Song und Zahedi, 2005) (Wang et al., 2004) (Wang et al., 2004) (Yen und Ju, 2006)

(Song und Zahedi, 2005; Yakov et al., 2005) (Song und Zahedi, 2005) (Srinivasan et al., 2002) (Srinivasan et al., 2002)

88 Signal Chat-Room

Zielgrößeneinfluss + beobachtetes Kaufverhalten* - Kaufabsicht* - Vertrauen

Quelle (Venkatesh und Agarwal, 2006)

+o Einstellung

(Yakov et al., 2005) (Yakov et al., 2005) (Yang und Jun, 2002) (Venkatesh und Agarwal, 2006) (Kim et al., 2002) (Elliott und Speck, 2005/06)

Forum mit Kundenbewer-

+ Kaufabsicht

(Park et al., 2007)

tungen zu Produkten bzw. allgemein

+ Kaufabsicht*

(Pavlou und Gefen, 2004; Song und Zahedi, 2005; Venkatesh und Ramesh, 2006)

+ Wiederkaufabsicht* + Umsatz

(Srinivasan et al., 2002) (Chevalier und Mayzlin, 2006; Lohse und Spiller,

+ Servicequalität + Nutzungsverhalten + Zufriedenheit*

+ Servicequalität + Loyalität + Zufriedenheit* +o Erfolg der Website + Vertrauen -o Risiko

1999) (Yang und Jun, 2002) (Srinivasan et al., 2002)

+ beobachtetes Kaufverhalten*

(Kim et al., 2002) (Palmer, 2002) (Pavlou und Gefen, 2004) (Pavlou und Gefen, 2004) (Pavlou und Gefen, 2004)

Lagerbestandsanzeige

+ Zufriedenheit + Wiederkaufabsicht + Einstellung +o Qualität des Bezahlvorgangs 69 +o Qualität des Kundenservice 70 -o Qualität des Kundenservice

(Posselt und Gerstner, 2005) (Posselt und Gerstner, 2005) (Elliott und Speck, 2005/06) (Heim und Field, 2007) (Heim und Field, 2007) (Heim und Field, 2007)

Verkaufsranganzeige

+ Kaufabsicht*

(Song und Zahedi, 2005)

Links zu verwandten Web-

+ Meinung bzgl. Kaufvorgang

(Song und Zahedi, 2005)

sites bzw. Partnern

+ Kaufabsicht* + Einkaufsspaß

(Song und Zahedi, 2005) (Koufaris, 2002)

+ Wiederkehrabsicht* +o Impulskäufe*

(Koufaris, 2002) (Koufaris, 2002)

strategischen

Besucherzähler

Keine Untersuchung

Keine Untersuchung

Social Bookmarks

Keine Untersuchung

Keine Untersuchung

Newsletter

Keine Untersuchung

Keine Untersuchung

Tabelle 6: Default-Contingent Revenue-Risking Signals im Online-Einzelhandel

Signal

Zielgrößeneinfluss

Quelle

Garantien

+ Kaufabsicht*

(Song und Zahedi, 2005)

(Produktgarantien, Geldzurück-Garantie, Preisga71 rantie )

+ Kaufabsicht + Kaufwahrscheinlichkeit - allg. Risikowahrnehmung + Meinung bzgl. Service

(Yen und Ju, 2006) (Lee et al., 2005) (Yen und Ju, 2006) (Song und Zahedi, 2005)

+o Vertrauen

(Kollmann und Herr, 2005)

69

Das Signal ist „Online-Lagerbestandsabfrage“. Das Signal ist „Telefonische Lagerbestandsabfrage“. Der Anbieter garantiert den günstigsten Preis und zahlt ansonsten innerhalb eines bestimmten Zeitraums den Differenzbetrag. 70 71

89 Signal Rückgaberechte

Zielgrößeneinfluss + Kaufabsicht* + Wiederkaufabsicht* + Kundenbindung im Internet +o „Bookmarking“ der Seite +o Vertrauen + Vertrauen + Zufriedenheit + Zufriedenheit* + -o -o

Loyalität finanzielles Risiko Transaktionsrisiko Funktionsrisiko Qualität der Retourenabwick lung

Quelle (Yakov et al., 2005; Yoon, 2002) (Srinivasan et al., 2002) (Torkzadeh und Dhillon, 2002) (Wang et al., 2004) (Wang et al., 2004) (Yakov et al., 2005; Yoon, 2002) (Yoon, 2002) (Kim et al., 2002) (Srinivasan et al., 2002) (Biswas und Biswas, 2004) (Biswas und Biswas, 2004) (Biswas und Biswas, 2004) (Heim und Field, 2007)

Viele Zahlungsmethoden (darunter risikobehaftete für den Online-Einzelhändler, z. B. Lieferung auf Rechnung)

+ Meinung bzgl. Kaufvorgang

(Song und Zahedi, 2005)

+ Kaufabsicht*

(Collier und Bienstock, 2006; Song und Zahedi, 2005)

+o Erfolg + Zufriedenheit* + Online-Absatz + Prozessqualität

(Weathers und Makienko, 2006) (Collier und Bienstock, 2006; Kim et al., 2002) (Ranganathan und Grandon, 2002) (Collier und Bienstock, 2006)

Finanzierungsoption

+o Unternehmenserfolg

(Saeed et al., 2002/03)

Treuhandservices

+ Vertrauen -o Risiko + Kaufabsicht* + beobachtetes Kaufverhalten*

(Pavlou und Gefen, 2004) (Pavlou und Gefen, 2004) (Pavlou und Gefen, 2004) (Pavlou und Gefen, 2004)

+ Meinung bzgl. Kaufvorgang + Kaufabsicht*

(Song und Zahedi, 2005) (Song und Zahedi, 2005)

+o Vertrauen +o Erfolg der Website

(Kollmann und Herr, 2005) (Palmer, 2002)

Testangebote / Testperioden

Tabelle 7: Default-Contingent Cost-Risking Signals im Online-Einzelhandel

Hervorzuheben sind konträre, wenn auch z. T. nicht signifikante Ergebnisse bei den Signalen bzw. „Erfolgsfaktoren“ Hotline bzw. Live-Chat, Anbieter-/Markenbekanntheit, Großes Artikelsortiment, Suchfunktion, Kontaktinformationen bzw. Kontaktformular, Datensicherheitsinformation, Datensicherheitsmaßnahmen, Auftragsstatusanzeige bzw. Sendungsverfolgung, technische Qualität der Website, Avatar, Chat-Room, Firmeninformationen, verschiedene Versandoptionen, Verpflichtung zum Datenschutz, Sitemap, Personalisierungsmöglichkeiten, Lagerbestandsanzeige, Bestimmung des Lieferzeitpunkts und Rückgaberechte. Dies bedeutet, dass bei nahezu der Hälfte der identifizierten Signale bzw. Erfolgsfaktoren, die von mehreren Studien untersucht werden, keine eindeutigen Ergebnisse hinsichtlich der Wirkrichtung festgestellt werden können. Die konträren Ergebnisse könnten den beiden Besonderheiten der berücksichtigten Strukturgleichungsmodellarbeiten geschuldet sein: Zum einem dem „Kunstgriff“ der beschriebenen Interpretation von reflektiven Indikatoren als gestalterische Maßnahmen, die möglicherweise nicht exakt genug ist, zum anderen dem diskussionswürdigen Vorgehen der Elimination von

90 gering korrelierten Indikatoren mit einer einhergehenden Verzerrung der Schätzergebnisse. Andererseits liegen auch sich widersprechende Ergebnisse aus Arbeiten vor, die – soweit ersichtlich – methodisch und forschungskonzeptionell keinen Anlass zur Diskussion bieten. Zusammenfassend zeigt sich auch hier der Bedarf einer weitergehenden Beschäftigung mit dem Thema zur Veri- oder Falsifizierung der Wirkrichtung der gestalterischen Maßnahmen. Mehr noch gilt dies für die Effizienzbeurteilung und den relativen Einfluss der einzelnen Erfolgsfaktoren. Die Verwendung formativer Indikatoren – im Kontext von Strukturgleichungsmodellen – und die allgemeine Abkehr von der faktoranalytischen Herangehensweise ist daher notwendig. Die obigen Ergebnisse machen eine Vorhersage schwierig, welche Maßnahmen auf einer Website als Signale im informationsökonomischen Sinne verstanden werden können. Ob bestimmte Maßnahmen in der Realität überhaupt als Signale fungieren, bedarf einer genauen modelltheoretischen Analyse, wie Nell (1999) in seinem Beitrag zu Produktgarantien fordert. Dieser Forderung wird mit einer empirischen Untersuchung in Kapitel 6 nachgekommen. Zur Durchführung der Empirie sind zuvor allerdings eine Auswahl der zu untersuchenden Signale und eine Detailbetrachtung des Partial-Least-Squares-Verfahren zur Analyse des Strukturgleichungsmodells vonnöten.

4.3.4. Konkretisierung der typologiebasierten Signalkonstrukte für die empirische Untersuchung Bei der Implementierung von Konstrukten in Strukturgleichungsmodelle ist sorgfältig vorzugehen. Eine Prüfung, ob und in welcher Form die vier Signalklassen als Konstrukte interpretiert werden können, muss zunächst durchgeführt werden. Da der Basisartikel von Krimani und Rao (2000) noch relativ jung ist und auch Strukturgleichungsmodelle erst in den letzten Jahren starke Beachtung finden (Simon, 2008), ist bis dato keine Arbeit bekannt, die die Signaltypologie als Grundlage zur Bildung von Konstrukten verwendet. Dies ist bemerkenswert, da Aiken et al. (2004, S. 263) in einer qualitativen Pionierarbeit zu Signalen in der OnlineUmgebung im Rahmen der Vorstellung der Signaltypologie nach Kirmani und Rao (2000) indirekt dazu auffordern, die Signalklassen als Konstrukte in empirische Untersuchungen einzubeziehen: „constructs … [that] provide a foundation for empirical tests“. Eine Vielzahl vergleichbar abstrakter Konstrukte ist der Literatur zu entnehmen (z. B. „Preis“, „Kosten“ (Hansmann und Ringle, 2005), „Portal affiliation“ (Lim et al., 2006), „Perceived presence of service“, „Perceived presence of interpersonal sources“ (Song und Zahedi, 2005)72, „Perceived Effectiveness of Credit Card Gurantees” (Pavlou und Gefen, 2004), „Prompt Payment“ (Koh et al., 2004)).73

72

In Song und Zahedi (2005) sind weitere Beispiele zu finden. 73 Eine weitergehende Übersicht ähnlich „abstrakter“ Konstrukte im Forschungsfeld „Information Systems“ findet sich bei Petter et al. (2007).

91 Zusammenfassend sollte daher eine Ableitung von Konstrukten auf Basis der Signalklassen möglich sein. Die vier Signalklassenkonstrukte müssen jedoch über die grobe Interpretation von Aiken et al. (2004) hinaus detailliert im Bezugsrahmen der vorab dargestellten Theorie inhaltlich definiert werden. Dabei steht die kundenseitige (vertrauensbildende) Interpretation der Signale in einem asymmetrischen Informationsumfeld im Sinne der positiven Beeinflussung vertrauensrelevanter Erwartungen aus Abschnitt 4.2.1. im Vordergrund. Ähnlich ist die Interpretation von Aiken et al. (2004, S. 258): “Internet signals can be defined as any computer-mediated actions that firms take in order to project some aspect of their character (e.g., their competence, credibility, trustworthiness, etc.), their business practices (e.g., their reliability, efficiency, etc.), or their output (i.e., their products and services, level of quality, design characteristics, etc.).” Angewandt auf den Vertrauensaufbau im vorliegenden Untersuchungszusammenhang bedeutet dies, dass die potentiellen Konsumenten zunächst im Rahmen eines umfangreichen Inspektionsprozesses des Online-Shops die für sie vertrauensrelevanten Signale als Informationssubstitute heranziehen (vgl. Abschnitt 4.3.1.). Aiken et al. (2004, S. 253) sprechen von „trust transference“ über Signale. Die verschiedenen Signale (bzw. aggregiert die Signalklassen) besitzen dabei Potential, die Erwartungen hinsichtlich der drei Vertrauensdimensionen (Kompetenz, Wohlwollende Intention und Integrität) positiv zu beeinflussen. Der bisher verwendetet Vertrauensbegriff „überlegtes Erstvertrauen“ wird daher in seinem Verständnis zu „überlegtes, signalbasiertes Erstvertrauen“ erweitert. Den Konstrukten auf signaltheoretischer und signaltypologischer Basis werden hier wie von Song und Zahedi (2005, S. 1223)74 „belief-altering potentials“ zugesprochen. Die gewichteten Erwartungen ergeben dann die überlegte, signalbasierte, vertrauensvolle Einstellung hinsichtlich einer Transaktion als notwendige Voraussetzung für die Ausprägung einer (vertrauensvollen) Kaufabsicht. Zusammenfassend ergeben sich für die vorliegende Untersuchung daher vier signaltypologisch basierte Konstrukte mit folgender Interpretation:

ƒ

„Belief Altering Potential of Default-Independent Sale-Independent (DI SI) Signals” (im Folgenden auch DI SI Signale), „Belief Altering Potential of Default-Independent Sale-Contingent (DI SC) Signals”,

ƒ ƒ

(im Folgenden auch DI SC Signale), „Belief Altering Potential of Default-Contingent Revenue-Risking (DC RR) Signals”,

ƒ

74 Die Autoren klassifizieren Webdesign-Elemente auf anderer theoretischer Basis und führen im Gegensatz zur vorliegenden Arbeit eine experimentelle Untersuchung mit Hilfe der Kovarianzstrukturanalyse durch. Das Interesse der Autoren liegt nicht in der Identifikation des Potentials einzelner Webdesign-Elemente, sondern in der Überprüfung einer übergeordneten Theorie. Die Webdesign-Elemente gehen daher auch nicht als formative Indikatoren in die Untersuchung ein, sondern werden als reflektive Indikatoren operationalisiert. Die reflektive Operationalisierung ist diskussionswürdig, da es sich bei den Design-Elementen weitestgehend um Facetten handelt, die Konstrukte wie z. B. „Perceived presence of promotion“ eher formen als reflektiv widerspiegeln (vgl. die Ausführungen in Abschnitt 2.3.).

92 ƒ ƒ

(im Folgenden auch DC RR Signale) und „Belief Altering Potential of Default-Contingent Cost-Risking (DC CR) Signals”. (im Folgenden auch DC CR Signale).

Die Implementierung dieser vier Konstrukte in das zu untersuchende Strukturgleichungsmodell (vgl. Abbildung 14) bietet sich neben der besseren Handhabbarkeit einer Vielzahl von Indikatoren vor allem auch wegen des Einbezugs der zeitlichen Betrachtung der Aufwandsentstehung für die Signale im Rahmen der Typologie an, da wichtige Hinweise auf die erforderliche Kapitalausstattung (neuer) klein- und mittelständischer Online-Einzelhändler in den unterschiedlichen Phasen der Geschäftstätigkeit gegeben werden können. Darüber hinaus wird mit der Implementierung von „Signalkonstrukten“ in ein Modell, das eine soziopsychologische Betrachtung in Form der Erklärung einer vertrauensvollen Kaufabsicht beinhaltet, ein multi- bzw. interdisziplinärer Ansatz verfolgt. Bisher nähert sich der Großteil der Forschung zur Signalwirkung aus Firmensicht (vgl. San Martín und Camarero, 2005 und die dort angegebene Literatur), indem als endogene Konstrukte bzw. abhängige Variablen häufig Marktdaten (Umsatz, Gewinn, Dauer des Marktbestehens) fungieren. Ein Großteil der Autoren mit Forschungsbeiträgen zu (Transaktions-)Beziehungen nähert sich dieser Thematik aber vor allem aus Sicht des Konsumenten und der soziopsychologischen Perspektive – häufig mit einem Fokus auf Vertrauen (vgl. San Martín und Camarero, 2005 und die dort angegebene Literatur). Hier wird nun der Versuch unternommen, eine Integration beider Perspektiven in einen Bezugsrahmen vorzunehmen, indem das Potential von Signalen, die durch Unternehmen gesendet werden, zur positiven Beeinflussung konsumentenseitiger, vertrauensrelevanter Erwartungen untersucht wird. Damit wird auch der Anregung von Geoffrion und Krishnan (2003, S. 1277) nachgekommen, allgemeinen interdisziplinäre Betrachtungsweisen im EBusiness heranzuziehen: „Interdisciplinary dynamics can be very important, particularly when – as is the case with management science during this developmental phase of the digital economy – evolutionary opportunities are great.”75 Die Weiterentwicklung des Modells ist in Abbildung 14 dargestellt.

75

Eine identische Sichtweise vertreten auch Olsen und Olsen (2003).

93

Signal Signal

DI SI Signale

+

Signal Subjektive Norm

Kompetenz Signal Signal

+

DI SC Signale

+

Signal Wohlwollende Intention

+

Vertrauen

+

Kaufabsicht

Signal Signal

DC RR Signale

Integrität Signal Signal

+

+

Signal

Wahrgenommene Verhaltenskontrolle

DC CR Signale

+: Einfluss positiv

Signal 76

Abbildung 14: Modellentwicklung (5. Schritt)

Der integrative Ansatz wird der Sonderrolle des Signaling in der Kommunikationstheorie als „Konzept einer handlungsbasierten Informationsübermittlung“ (Tewes, 2008, S. 89) gerecht. Löst man sich vom bisherigen theoretischen Fundament und betrachtet das Modell aus kommunikationstheoretischer Perspektive, zeigt sich, dass das Modell viele Analogien zum wohl bekanntesten aller informationstechnisch orientierten Kommunikationsmodelle (Intemann, 2002, S. 51) – der „Mathematical Theory of Communication“ von Shannon und Weaver (1948a) und (1948b) (vgl. Abbildung 15) – aufweist. Ursprünglich ist dieses Modell auf die technische Übertragung von Daten orientiert. Auch wegen seiner Simplizität wird es schnell durch die Kommunikationsforschung adaptiert (vgl. Schramm, 1954). Insbesondere durch die stark gestiegene Technisierung der Alltagskommunikation erfährt es heutzutage wieder zunehmend Beachtung (Intemann, 2002, S. 51 ff.).

Sender

Nachricht

Signal Transmitter

Decoder

Nachricht

Empfänger

Störquelle

Nachrichtenziel Abbildung 15: Lineares Kommunikationsmodell Quelle: In Anlehnung an Shannon (1948b) und (1948a) sowie Schramm (1954).

76 Die Signalkonstrukte werden auch weiterhin aus Platzgründen vornehmlich nur abgekürzt beschriftet. Weiter ist für die Abbildung zu beachten, dass die endogenen Konstrukte ohne die jeweiligen Messmodelle dargestellt werden.

94 Im entwickelten Modell der vorliegenden Arbeit (vgl. Abbildung 14) sind viele Parallelen zu den Elementen des Kommunikationsmodells aus Abbildung 15 zu entnehmen. Der Online-Einzelhändler als Sender entscheidet über die zu übermittelnde Information bzw. die Nachricht, hier ein qualitativ hochwertiges Metaprodukt anzubieten mit dem Nachrichtenziel, Konsumenten zu einem Kaufvorgang zu bewegen. Damit diese Information in Form von audiovisuellen Signalen (z. B. Produktbildern oder Hintergrundmusik) den Konsumenten zugänglich gemacht werden kann, bedarf es zunächst einer Kodierung und Transmittierung der Information über das Internet bzw. WWW (vgl. Abschnitt 3.2.1.).77 Das Ergebnis aus der Transmission ist wieder die bzw. eine Nachricht, die als aus Signalen bestehende kodierte Information betrachtet wird (Tewes, 2008). Die Information wird vom Konsumenten wahrgenommen und mittels kognitiver Verarbeitungsprozesse dekodiert und in Form einer Nachricht interpretiert – hier mit Bezug auf vertrauensrelevante Konsequenzerwartungen als Antezedenzen der Ausbildung einer Kaufabsicht, dem originären Ziel des Senders. Ein zentraler Aspekt ist die mögliche Störung der Information während der Übertragung und damit die Divergenz zwischen gesendeter und empfangener Nachricht. Aus technischer Perspektive könnten sich bspw. Darstellungsprobleme seitens des empfangenden Computers ergeben. In der Kommunikationsforschung sind unter Störfaktoren allerdings auch jegliche psychologischen und soziologischen Einflussgrößen subsumiert (Schramm, 1954). Dies ist bspw. eine individuell unterschiedliche Wahrnehmung und Interpretation von Signalen. Auch „konkretere“ Einflussgrößen wie die Subjektive Norm und die Wahrgenommene Verhaltenskontrolle können derartige „Störgrößen“ darstellen. Ein Feedbackmechanismus ist im Modell der vorliegenden Arbeit nicht explizit implementiert. Durch die handlungsorientierte Maßzahl Kaufabsicht ist aber indirekt eine Erfolgskontrolle der Informationsund Nachrichtübermittlung möglich. Die Analogien zum Kommunikationsmodell unterstreichen die Eignung des Modells aus Abbildung 14. Aufgrund der Neuartigkeit und des stark explorativen Charakters erscheint es an dieser Stelle angebracht, Potential eines jeden der vier Signalkonstrukte bzgl. der positiven Beeinflussung einer jeden der drei vertrauensrelevanten Erwartungen zu vermuten und im Voraus keine Wirkbeziehungen auszuschließen. Dieses Vorgehen wird durch die (z. T. uneinheitlichen) Ergebnisse ähnlicher Untersuchungen unterstützt. San Martin und Camero (2005) untersuchen im Offline-Bereich den Einfluss von Signalen auf zwei Vertrauensdimensionen „capability“ und „emotional“. Ihre Daten stützen die These, dass das Signal Garantie Einfluss auf beide Vertrauensdimensionen nimmt. McKnight et al. (2002) liefern für eine Online-Rechtsberatung Hinweise, dass entgegen ihrer Vermutung eine „high-quality Website“ Einfluss auf die drei „Trusting Beliefs“ nimmt, die auch 77 Technisch betrachtet, handelt es sich bei der Kodierung um Muster im Elektronenfluss, die vom Server des Internetdienstleisters erzeugt und vom empfangenen Computer „entdeckt“ werden. Im weiteren Verständnis kann als Transmitter das Internet bzw. WWW verstanden werden.

95 hier verwendet werden. Allerdings subsumieren die Autoren unter dem Konstrukt die Signale Technische Qualität, Navigationsstrukturqualität und Kontaktaufnahmemöglichkeiten, die allesamt diskussionwürdig als reflektive Indikatoren operationalisiert werden. Eine formative Spezifizierung erscheint eher angebracht. Dagegen sprechen die Ergebnisse von Schlossers et al. (2006) dafür, dass „Web Site Investment“ nur die vertrauensrelevante Kompetenzerwartung beeinflusst. In ihrem experimentellen Design werden darunter allerdings auch mehrere Signale als gemeinsam veränderliche Experimentalvariable zusammengefasst (Produktpräsentation, Navigationselemente sowie Schrift und farbliche Gestaltung). Ergebnisse eines weiteren ebenfalls einzelaspektbezogenen Experimentaldesigns der Autorinnen sprechen dafür, dass „privacy/security statements” nur die Erwartung hinsichtlich der Integrität und der Wohlwollenden Intention beeinflussen, nicht jedoch die der Kompetenz. Im Vorwege der empirischen Untersuchung wird daher keine Beziehung der Signalkonstrukte auf die Vertrauensdimensionen eliminiert. Es ergibt sich Forschungshypothese 7 (vgl. auch Abbildung 14): Forschungshypothese 7

Alle Signalkonstrukte beeinflussen die konsumentenseitigen vertrauensrelevanten Erwartungen Kompetenz, Integrität und Wohlwollende Intention positiv. Um die Konstruktdimensionen der exogenen Signalkonstrukte klarer zu begrenzen und eine empirische Umsetzung mit einer adäquaten Anzahl von Indikatoren zu gewährleisten, werden 13 Experten hinsichtlich der Relevanz von Signalen für den Erfolg eines OnlineEinzelhändlers befragt.78 Bei den Experten handelt es sich um den „Leiter E-Commerce“ eines bekannten Deutschen Bekleidungsherstellers, den „WebApplication Developer“ eines der größten Online-Reisevermittler weltweit, eine Vertriebsmanagerin (Schwerpunkt hybrides Kaufverhalten) des größten Deutschen Multichannel-Retailers, den „Leiter Key Account“ eines der größten Internet-Shopping-Portale Deutschlands, zwei Geschäftsführer klein- bzw. mittelständischer Online-Einzel- bzw. Großhandelsunternehmen, drei DoktorandInnen mit Forschungsschwerpunkten im Online-Bereich, einen „Trendscout&Analyst“ einer OnlineTrendforschungsagentur sowie drei langjährige UnternehmensberaternInnen mit dem Hauptkompetenzfeld „Sales and E-Commerce“79. Die Experten geben dabei eine Beurteilung der Wichtigkeit der Signale aus Tabelle 4 bis Tabelle 7 auf einer Ratingskala von 1 bis 5 ab. 80 Die Summierung der Bewertungen ergibt den Wichtigkeitsrang eines jeden Signals (vgl. Tabelle 8). Ferner haben die Experten die Möglichkeit weitere Signale zu ergänzen.81

78 Verwiesen sei an dieser Stelle auf Abschnitt 5.3.2.2. zur Entwicklung und Gütebeurteilung formativer Konstrukte. 79 Eine Beraterin beschäftigt sich zum Zeitpunkt der Befragung mit der Entwicklung des Online-Shops für einen der größten deutschen Sportartikelhersteller. Aus Gründen der Vertraulichkeit muss hier auf die Benennung sämtlicher Unternehmen verzichtet werden. 80 Bei einigen wenigen Signalen findet eine Aggregation bzw. eine Anpassung der Formulierung abweichend zu Tabelle 4 bis Tabelle 7 statt. 81 „Bestellhistorie“, „Information über gesetzliche Rückgaberechte und Gewährleistungsansprüche“ sowie „Allgemeine Gestaltung (Layout, Schrift, Farbe)“ finden daher Eingang in Tabelle 8.

96

„Signal“ Transparenter Bestellvorgang Viele Zahlungsmethoden (vor allem risikobehaftete für Online-Einzelhändler, z. B. Lieferung auf Rechnung) Anbieterbekanntheit bzw. -reputation Technische Qualität der Website Hotline bzw. Live-Chat zur direkten persönlichen Kontaktaufnahme Auftragsstatusanzeige bzw. Sendungsverfolgung Suchfunktion Lieferzeitpunkt bestimmbar Werbung Shopname bzw. URL Sonderangebote / Niedrige Einführungspreise freiwillige Garantien, Rückgaberechte und Testperioden 3-Dimensionale-Produktdarstellungen und/oder Produktfotovergrößerungsoption Verpflichtung zum Datenschutz und sicherer Datenübertragung Kontaktinformationen zur unpersönlichen Kontaktaufnahme Information über gesetzliche Rückgaberechte und Gewährleistungsansprüche Lagerbestandsanzeige Rabatte aller Art Verschiedene Bestellmethoden (Online, Fax, Mail, Telefon) Großes Artikelsortiment Gütesiegel mit umfassendem Leistungsspektrum Finanzierungsoption Produktempfehlungen / Neuheiten Allgemeine Gestaltung (Layout, Schrift, Farbe) Forum mit Kundenbewertungen zu Produkten Forum Chat mit Kundenbewertungen über Online-Einzelhändler Veröffentlichung von Expertenbeurteilungen, unabhängigen Testberichten, Preisen und Awards Individuelle Accounts / Benutzer-Log-In Produktvergleichsmöglichkeit Frequently Asked Questions bzw. „Hilfe”-Bereich” Newsletter Personalisierungsmöglichkeiten (Internet-)Bonusprogramme, z. B. PAYBACK Sprachoptionen Firmeninformationen „Wir über uns" Sitemap Verkaufsranganzeige von Produkten Look-in-Feature Kostenlose Produktzugaben Links zu verwandten Websites bzw. strategischen Partnern Besucherzähler kostenlose Währungswechseloption Treuhandservices RSS-Feed(s) Einsatz von Multimedia Celebrity Testimonials Customer und/oder Employee Testimonial Soziale Lesezeichen (Social Bookmarks) (Bilder-)Tagging Information über Managementkompetenz Offline-Existenz Avatar (antromorpher Kaufberater) Bestell-Historie Corporate Blog Elektronische Grußkarten Online-Spiele im Shop des Online-Einzelhändlers

Wichtigkeitsrang 1 1 1 4 5 5 7 8 9 9 9 12 12 12 15 16 16 16 16 20 21 21 23 23 23 23 23 28 29 30 31 32 33 34 35 35 37 37 37 37 41 42 42 44 44 46 46 48 48 48 51 52 52 52 55 56

Tabelle 8: Wichtigkeit von Signalen für den Erfolg von Online-Einzelhändlern auf Basis von ExpertenurteiOHQ

97 Die Signale bis zum Wichtigkeitsrang 23 aus Tabelle 8 werden in die empirische Untersuchung einbezogen und konzeptionalisieren formativ die vier Signalkonstrukte. Nicht als formative Indikatoren aufgenommen werden die „Anbieterbekanntheit bzw. –reputation“82 sowie das Signal „Werbung“, weil ein groß angelegter Markenaufbau für die meisten OnlineEinzelhändler schlichtweg außerhalb des faktisch Machbaren ist und der vorliegende Untersuchungsgegenstand vor allem darauf ausgelegt ist, Implikationen für Anbieter abzuleiten, die dem Konsumenten noch nicht bekannt sind bzw. bei denen noch nicht gekauft wurde. Dabei handelt es sich eben i. d. R. um unbekannte kleine und mittelständische Unternehmen und/oder Start-Ups: „[They] typically have ‚reputationless’ brands and their advertising budgets are relatively small“ (DeKinder und Kohli, 2008, S. 84). „Werbung“ und „Anbieterbekanntheit bzw. –reputation“ stellen demnach typische Signale für etablierte und sehr bekannte Unternehmen dar (DeKinder und Kohli, 2008). Da aber nicht auszuschließen ist, dass Online-Einzelhändler, die untersucht werden, den Konsumenten trotz fehlender Metaprodukterfahrung zumindest vom Namen her bekannt sind, wird das Signal „Anbieterbekanntheit bzw. –reputation“ als Segmentierungsvariable verwendet (vgl. Abschnitt 6.3.). Insgesamt gehen demnach 24 Signale mit in die Untersuchung ein. Die nachstehenden vier Abbildungen zeigen die Zuordnung der jeweiligen Signale zu den Signalkonstrukten auf Basis theoretischer Überlegungen. Eine Überprüfung der Zuordnung erfolgt durch eine zweite Experteninterviewrunde deren Ergebnisse in Abschnitt 6.1.2.2. im Rahmen der Gütebeurteilung des formativen Messmodells vorgestellt werden.

Gütesiegel Auftragsstatusanzeige Verschiedene Bestellmethoden Große Produktfotos und/oder 3D Datenschutzqualität Persönliche Kontaktaufnahme Unpersönliche Kontaktaufnahme

Belief Altering Potential of Default-Independent Sale-Independent Signals

Bestellvorgang Allgemeine Gestaltung Großes Artikelsortiment Technische Qualität Suchfunktion Abbildung 16: Default-Independent Sale-Independent Signals der empirischen Untersuchung

Alle in Abbildung 16 aufgeführten DI SI Signale erfordern Investitionen, die zum einen unabhängig davon anfallen, ob das Unternehmen seiner Behauptung nachkommt, ein qualitativ hochwertiger Leistungsanbieter zu sein, zum anderen fallen sie ebenfalls unabhängig von einem Produktverkauf an und sind öffentlich sichtbar: Zum Aufbau einer Shoppräsenz (Be82 Den Kommentaren der Experten ist zu entnehmen, dass das Signal „Shopname bzw. URL“ redundant ist, weil eine Interpretation analog zur Anbieterbekanntheit erfolgt. Eine Aufnahme in die empirische Untersuchung findet daher ebenfalls nicht statt.

98 stellvorgang, Allgemeine Gestaltung, Technische Qualität) ist ein hoher Aufwand (Geld, Zeit und Arbeitseinsatz) erforderlich. Basis-Shop-Software kostet i. d. R. weit über 1000 € (vgl. z. B. www.smartstore.com). Die Kosten für professionelle, technisch hochwertige Shop-Software betragen 50.000 € (Krannich, 2008). Auch die Kosten für die Bereitstellung einer ausreichenden Bandbreite (vgl. 3.2.1.) sind insbesondere in späteren Geschäftsphasen nicht zu vernachlässigen, obwohl diese vielfach im Softwarepreis inkludiert sind. Die Weiterentwicklung der allgemeinen Gestaltung verursacht meist weitere Kosten. Dies gilt auch für Maßnahmen zur gesicherten Datenübertragung, z. B. SSL-Verschlüsselung bzw. Datenschutzgütesiegel (www.verisign.de, www.ips-tools.de) zur Vermittlung einer umfangreichen Datenschutzqualität, wie auch für Gütesiegel mit umfassendem Leistungsspektrum (bspw. externe Garantien) (www.trustedshops.de, www.TRUSTe.org, www.safershopping.de), die Lizenzgebührzahlungen erfordern. „Rich-Media-Tools“ wie 3DDarstellungen sind selbst in professioneller Shop-Software nicht enthalten und erfordern Zusatzaufwendungen (vgl. www.scene7.com), die pro Jahr etwa im fünfstelligen Bereich liegen (Armoneit, 2008). Für Produktfotos fallen darüber hinaus z. T. Lizenzgebühren an. Allein die Implementierung und Detailbeschreibung von Produkten inklusive medialer Darstellung (große Produktfotos und/oder 3D) sowie die Verschlagwortung zum Auffinden über die Suchfunktion bedarf eines umfangreichen Arbeitsaufwands. Auch „intelligente“ Suchfunktionen, die automatisch ähnliche Produkte anbieten, sollte ein Produkt nicht verfügbar sein, bzw. die unmittelbar eine Bestellanfrage an den Kundendienst verschicken, müssen häufig zusätzlich erworben werden. Insgesamt steigt der Aufwand in Abhängigkeit von der Größe des Artikelsortiments. Je größer das Artikelsortiment, desto größer ist das vorab benötigte Kapital für Wareneinsatz und Lagerfläche: „Large sellers have more resources invested in their business and hence are perceived by a trustor to have more to lose than smaller firms by acting in an untrustworthy way.” (Jarvenpaa et al., 2000, S. 48). Produktverkaufsunabhängige Vorabinvestitionen fallen ebenfalls für die Herstellung der Kontaktaufnahmemöglichkeit mit dem Online-Einzelhändler an, wie auch Aiken und Boush (2006) und Aiken et al. (2004) herausstellen. Sowohl für die unpersönliche als auch für die persönliche Kontaktaufnahme sind i. d. R. Mitarbeiter einzustellen und Investitionen in die Firmeninfrastruktur (Telefon- und/oder Internetzugang) erforderlich. Dies gilt auch, sofern Kunden die Möglichkeit gegeben werden soll, über verschiedene Wege (Telefon, Fax, E-Mail, online) Bestellungen abzugeben (Novomind, 2008). Die Sichtbarkeit ist möglicherweise nicht so deutlich wie beim Idealbeispiel Werbung, sie ist aber dennoch durch die Angabe von Telefon- und Faxnummern, ICQ- und/oder Skypedaten, Kontaktformularen wie auch „Kundendienst-Live-Chat-Fenstern“ gegeben. Bietet ein Online-Einzelhändler die Möglichkeit der Auftragsstatusanzeige, so sind dafür auch Investitionen im Vorwege der Transaktion vorzunehmen. Dies gilt allgemein für die In-

99 tegration einer derartigen Funktion in den Bearbeitungsablauf nach einer Bestellung, zudem sind zusätzliche Investitionen in die Shoparchitektur denkbar. Für alle vorstehend genannten Signale gilt, dass die Höhe des Aufwandes annähernd fix ist. Bei angemessener Planung ist im Vorwege ungefähr absehbar, wie hoch die Herstellungskosten einer geschäftsfähigen Shop-Präsenz sind, je nach Art und Umfang der Verwendung der jeweiligen Default-Independent Sale-Independent Signale. Ein individueller direkter (monetärer) Nutzen ist für die vorstehenden Singale überwiegend nicht gegeben, ebenso wenig wie die Möglichkeit des Kundenmissbrauchs. Die Möglichkeit, Mitarbeiter zu kontaktieren, könnte allerdings zumindest als partieller individueller Nutzen des „Metaproduktes“ verstanden werden. Andererseits gibt es keine Möglichkeit des Missbrauchs oder der individuellen monetären Vorteilsnahme durch die Kontaktierungsoption. Zusammenfassend sind daher die zwölf Signale auf Basis dieser theoretischen Überlegungen analog zu Abbildung 16 zu klassifizieren. Aus Abbildung 17 sind demgegenüber drei Signale ersichtlich, für die der Aufwand an eine Transaktion gekoppelt ist, allerdings ebenfalls unabhängig vom Einhalten der Behauptung des Online-Einzelhändlers, ein qualitativ hochwertiger Leistungsanbieter zu sein.

Rabatte Sonderangebote Lieferzeitpunkt bestimmbar

Belief Altering Potential of Default-Independent Sale-Contingent Signals

Abbildung 17: Default-Independent Sale-Contingent Signals der empirischen Untersuchung

Das Beispiel Rabatt wurde bereits eingehend in 4.3.2.3. beleuchtet. Der Argumentation des Rabattbeispiels folgend ist auch die Typisierung des Signals „Sonderangebote bzw. niedrige Einführungspreise“ als Default-Independent Sale-Contingent Signal angebracht, so wie sie auch von Kirmani und Rao (2000) vorgenommen wird. Weniger idealtypisch ist das Signal des kundenseitig bestimmbaren Lieferzeitpunkts (z. B. durch verschiedene Versandoptionen oder konkrete Terminierung). Der größte Teil des Aufwands eines Online-Einzelhändlers ist hier immer an einen Produktverkauf gekoppelt und damit variabel. Beim produktverkaufabhängigen Aufwand handelt es sich z. B. um höhere Versandkosten für den Anbieter (sofern sie nicht vom Käufer getragen werden), Kosten für die belegte Lagerfläche und gebundenes Kapital, sofern die Ware zwar bestellt und für einen bestimmten Liefertermin avisiert, aber noch nicht bezahlt ist, und allgemein Aufwand für die logistische Abwicklung. Ähnlich wie bei der Statusanzeige, könnte auch argumentiert werden, dass die Integration einer derartigen (logistischen) Funktion Fixkosten im Vorwege der Transaktion verursacht. Diese fallen voraussichtlich auch tatsächlich an, allerdings in geringerem Umfang im Vergleich zum transaktionsabhängigen Aufwand. Zudem spricht auch das

100 Charakteristikum der individuellen Vorteilsnahme und die Möglichkeit der missbräuchlichen Nutzung des kundenseitig bestimmbaren Lieferzeitpunkts für die Kategorisierung als DefaultIndependent Sale-Contingent Signal. Die Termininerungs- bzw. Reservierungsfunktion kann insofern durch den Konsumenten auch missbräuchlich verwendet werden, alss dass er reservierte Produkte später – auf Basis des 4-wöchigen Widerrufsrecht im Rahmen des Fernabsatzgesetzes – nicht abnimmt, sofern er anderweitig bessere Angebote findet – daraus ist ein „quasi-monetärer“ Nutzen abzuleiten. Durch die Möglichkeit, einen Lieferzeitpunkt zu bestimmen, bzw. das Produkt zu reservieren erfährt der Kunde einen direkten individuellen Nutzen. So kann auch eine Expresslieferung durchaus als wesentliche Leistungskomponente des Metaproduktes bezeichnet werden (Forman et al., 2009). Das „Belief Altering Potential of Default-Contingent Revenue-Risking Signals“ wird durch die aus Abbildung 18 ersichtlichen formativen Indikatoren determiniert.

Produktempfehlungen Lagerbestandsanzeige Kundenproduktbewertungen Kundenforum/Chat zur OnlineEinzelhändlerbewertung

Belief Altering Potential of Default-Contingent Revenue-Risking Signals

Unabhängige Produkttestberichte

Abbildung 18: Default-Contingent Revenue-Risking Signals der empirischen Untersuchung

Eine Lagerbestandsanzeige ist relativ günstig zu installieren, da sie i. d. R. in der ShopSoftware bereits vorinstalliert ist (vgl. z. B. www.smartstore.com). Allerdings zeigt die Anzeige dem Konsumenten, wie hoch die Investition des Online-Einzelhändlers in den Warenbestand ist, und lässt so Rückschlüsse auf die erwartete Umschlagsgeschwindigkeit zu. Ein Lagerbestand von null gefährdet zukünftigen Umsatz, weil ein potentieller Kunde damit sehr wahrscheinlich eine Nichtlieferfähigkeit bzw. eine verzögerte Lieferung assoziieren wird (Su und Zhang, 2009). Einer Lagerbestandsanzeige kommt damit eine ähnliche Rolle zu wie einem Besucherzähler (vgl. Abschnitt 4.3.2.4.). Jegliche nutzergenerierte Beurteilung der Produkte wie auch des Online-Einzelhändler selbst in Kundenbereichen von Online-Shops können Auswirkungen auf den Produktabsatz haben (Dellarocas und Wood, 2008). Über die Hälfte der (potentiellen) Käufer fällt nach einer Direktbefragung (Novomind, 2007) ihre Kaufentscheidung anhand von Verkaufsrängen und Nutzerbewertungen, so die Ergebnisse. Im Vergleich zu den potentiellen negativen Auswirkungen (entgangener Umsatz), die negative Beurteilungen von Nutzern haben könnten, sind die Investitionen für die Installation von derartigen Kundenbereichen gering. Die Auswirkungen sind im Vorwege nicht quantifizierbar und damit variabel. Der potentielle Kunde erfährt zwar einen Nutzen, der aber nicht direkt an das Produkt gekoppelt, sondern nur indirekter Natur ist, weil Hinweise in einem Kundenforum nur einen finanziellen Schaden vermeiden könnten. Zusammengefasst geht der Online-Einzelhändler durch die Einrichtung derartiger

101 Kundenbereiche die glaubhafte Verpflichtung ein, qualitativ hochwertige Leistungen anzubieten, um zukünftige negative Konsequenzen, d. h. entgangenen Umsatz aufgrund schlechter Bewertungen, zu vermeiden. Insofern ist die Typisierung nutzergenerierter Inhalte (Kundenproduktbewertungen, Kunden-Online-Einzelhändlerbewe-rtung) als Default-Contingent Revenue-Risking Signal angebracht. Vergleichbare Argumentationen gelten für Produktempfehlungen z. B. in Form von Verkaufsrängen und die Veröffentlichung von Testberichten unabhängiger Institutionen. Sollten die Produktempfehlungen und Testberichte den Anforderungen oder dem Bedarf potentieller Kunden nicht genügen, besteht auch hier die Gefahr zukünftige Umsätze zu gefährden (Netessine et al., 2006; Novomind, 2007). Aiken et al. (2006) bestätigen diese signaltypologische Einordnung in ihrem experimentellen Untersuchungsdesign. Das Konstrukt „Belief Altering Potential of Default-Contingent Cost-Risking Signals“ wird durch vier formative Indikatoren bestimmt (vgl. Abbildung 19).

Gesetzliche Rechte (Widerruf und Gewährleistung) Freiwillige Garantien Risiko-Zahlungsmethoden Finanzierungsoption

Belief Altering Potential of Default-Contingent Cost-Risking Signals

Abbildung 19: Default-Contingent Cost-Risking Signals der empirischen Untersuchung

Das Beispiel „Garantie jeglicher Art“, darunter fallen auch die gesetzlichen Gewährleistungsund Widerrufs- bzw. Rückgaberechte, wird bereits in 4.3.2.5. erläutert. Unter den risikobehafteten Zahlungsmethoden für Online-Einzelhändler sind die Lieferung auf Rechnung sowie die Zahlung per Lastschrift subsumiert. Bei der Zahlung per Lastschrift kann der Käufer die Zahlung über das Bankinstitut ohne weitere Begründung innerhalb eines bestimmten Zeitraumes (i. d. R. sechs Wochen) stornieren. Bei Lieferung auf Rechnung erhält der Käufer die Leistung bereits vor dem Bezahlvorgang. Es besteht für den Online-Einzelhändler jeweils das Risiko des Forderungsausfalls, da meist keine Information über die rechtmäßige Verwendung der Kundenidentität, die Zahlungsmoral und die Solvenz des jeweiligen Kunden vorliegt (Patrick und Park, 2006; Raab und Siegl, 2007). Es ist nicht sicher, ob der Händler im Fall des Forderungsausfalls wieder in den Besitz der Ware kommt. Die zusätzlichen Kosten für das Forderungsmanagement, wie auch etwaige Abschreibung wegen Produktverlust, können als zusätzliche Kosten im Kontext der Default-Contingent Cost-Risiking Signals interpretiert werden. Aus Sicht des Kunden sind die für ihn risikolosen Zahlungsmethoden mit einer Art weitergehendem Widerrufsrechts vergleichbar. Käufer haben die Möglichkeit, das Produkt zu inspizieren und bei Nichtgefallen die Zahlung zu stornieren bzw. nicht durchzuführen. Die Einordnung als Default-Contingent Cost-Risking Signal erscheint daher angebracht. Analog zu den risikobehafteten Zahlungsmethoden für den Online-Einzelhändler kann auch für die Finanzierungsoption argumentiert werden. Sicherlich erfordert die Kalkulation einer Finanzie-

102 rung einen Aufwand vor dem oder zum Transaktionszeitpunkt. Es kann jedoch davon ausgegangen werden, dass dieser Aufwand im Vergleich zur Gefahr des Forderungsausfalls während der Laufzeit aus Gründen mangelnder Qualität des Produktes, der bewusst missbräuchlichen Nutzung der Finanzierung durch den Kunden oder seiner Insolvenz gering ist. Mit der Konkretisierung der formativen exogenen Konstrukte ist die Entwicklung des Modells abgeschlossen (vgl. Abbildung 20). Die vorstehenden Ausführungen zeigen, dass die Signale vereinzelt nicht klar im Sinne einer idealtypischen Interpretation eingeordnet werden können. Eine inhaltliche Überprüfung der theoretisch begründeten Einordnung findet darum durch ein zweites Experteninterview statt (vgl. Abschnitte 5.3.2.2. und 6.1.2.2.). Aufgrund der hohen Relevanzbeurteilung der 24 „Signale“ durch die Experten (vgl. Tabelle 8) und ihrer Eigenschaft als unsicherheitsmindernde Informationssurrogate wird jeweils ein positiver Einfluss hypothetisiert: Forschungshypothese 8

Die Signalindikatoren haben einen positiven Einfluss auf die Ausbildung des „Belief Altering Potential“ des jeweils zugeordneten Konstrukts. Durch die Konkretisierung der Signalkonstrukte lässt sich eine Erweiterung zu Forschungshypothese 7 vornehmen. Die Wohlwollende Intention wird nach bisherigen Erkenntnissen vor allem durch vergangene Erfahrungen ausgebildet (vgl. Abschnitt 4.2.1.2.). Die Erfahrungsbasierung könnte aber auch auf einem interpersonellen Erfahrungsaustausch über uneigennütziges Verhalten fußen. Als Mechanismen könnten bspw. Foren oder die Veröffentlichung von Konsumentenbewertungen und Testberichten fungieren. Bei diesen Maßnahmen handelt es sich jeweils um Default-Contingent Revenue-Risiking Signale (vgl. Abbildung 19), die demnach ein vergleichsweise hohes Potential besitzen könnten, um die wahrgenommene Wohlwollende Intention des Online-Einzelhändlers positiv zu beeinflussen: Forschungshypothese 9

Das „Belief Altering Potential of Default-Contingent Revenue-Risking Signals“ zur positiven Beeinflussung der vertrauensrelevanten Erwartung Wohlwollende Intention ist im Vergleich zu den anderen drei exogenen Konstrukten am stärksten. Die inhaltliche Konzeptionalisierung des Modells zur Erklärung des vertrauensbezogenen Verhaltens (bzw. der vertrauensbezogenen Verhaltensintention) ist damit abgeschlossen (vgl. Abbildung 20). Ob die zuvor dargestellten „Signale“ überhaupt im signaltheoretischen Sinn in der Realität fungieren und um die Forschungshypothesen zu untersuchen, bedarf es einer quantitativen empirischen Analyse bzw. einer Methode zur optimierten Signalerkennung aus Beobachtungsdaten. Als Methode dient das PLS-Verfahren. Um zumindest in Ansätzen der Forderung Dillers, der „… Modelleur [sollte] zum Meister der Methodik [werden]!“ (Diller, 2006, S. 614) nachzukommen, wird das PLS-Verfahren im nachfolgenden Kapitel detailliert erläutert.

Abbildung 20: Modellentwicklung (6. und abschließender Schritt)

Finanzierungsoption

Zahlungsmethoden

Freiwillige Garantien

Gesetzliche Rechte

Produktempfehlungen

DC CR Signale

DC RR Signale

Integrität

Verhaltenskontrolle

+

Produkttestberichte

Vertrauen

Subjektive Norm

+

Kunden-OE-Bewertung

Wohlwollende Intention

Kompetenz

+

Kunden-Produktbewertung

DI SC Signale

DI SI Signale

+

Lagerbestandsanzeige

Sonderangebote

Rabatte

Lieferzeitpunkt

Technische Qualität

Sortimentsgröße

Allgemeine Gestaltung

Bestellvorgang

Unpersönlicher Kontakt

Persönlicher Kontakt

Datenschutzqualität

Fotos und/oder 3D

Bestellmethoden

Auftragsstatusanzeige

Gütesiegel

Suchfunktion

+: Einfluss positiv

Kaufabsicht

103

+

+

+

+

105

5. Das Partial-Least-Squares-Verfahren zur quantitativen Analyse von Strukturgleichungsmodellen 5.1. Entstehungsgeschichte des Partial-Least-Squares-Ansatzes In den 50er und 60er Jahren des vergangenen Jahrhunderts beschäftigt sich der schwedische Statistiker und Ökonometriker Herman Ole Andreas Wold mit Fragestellungen zur kausalen Interpretierbarkeit simultaner Gleichungssysteme (Whittle, 1992; Wold, 1960). Da die damals häufig verwendeten Maximum-Likelihood-Schätzer sehr empfindlich bei Messfehlern reagieren, verwendet er einen robusten Algorithmus, die Methode der alternierenden kleinsten Quadrate aus der Hauptkomponenten- und kanonischen Korrelationsanalyse (Scholderer und Balderjahn, 2006, S. 57 f.), und legt so in zwei Beiträgen aus dem Jahr 1966 (Wold, 1966a; Wold, 1966b) die Basis für das PLS-Verfahren. Dort wird der von ihm entwickelte sog. NILES (Nonlinear Iterative Least Squares)-Algorithmus, angelehnt an die Methode der alternierenden kleinsten Quadrate, vorgestellt. Inspiriert von der Parallelentwicklung der Kovarianzstrukturanalyse durch Jöreskog, Wolds akademischen Schüler, findet in Wolds Veröffentlichung 1973 neben algorithmischen Erweiterungen durch Einbeziehung weiterer Überlegungen zur kanonischen Korrelationsanalyse auch eine namentliche Weiterentwicklung zu NIPALS (Nonlinear-Iterative-Partial-Least-Squares) statt (Wold, 1973). Die Entwicklung des vollständigen Basis-PLS-Algorithmus wird 1977 abgeschlossen (Wold, 1982b), publiziert in einem Arbeitspapier der Universität Genf im Jahr 1979 (Wold, 1979). Wold erreicht damit seine Ziele „… [to] take an intermediate position between data analysis and traditional modelling based on ‘hard’ assumptions” (Wold, 1982a, S. 200) und „… [to] give [models] a closer fit to the given observations, as is reflected in successful application to real-world data.” (Wold, 1973, S. 384). Nichtsdestotrotz findet die Diffusion von PLS in die (empirische) Wissenschaft in weit geringerem Maße als die der Kovarianzstrukturanalyse statt (Fassott, 2005). Grund dafür ist zum einen der frühe Tod von Wolds Doktoranden Jan-Bernd Lohmöller, der inklusive methodischer Weiterentwicklung ein erstes Computerprogramm (LVPLS 1.8) entwickelt (Lohmöller, 1989). Zum anderen findet anders als im Bereich der Kovarianzstrukturanalyse zunächst keine wesentliche Weiterentwicklung dieses Programms statt. Erst seit Beginn dieses Jahrtausends stehen ausgereifte und leistungsfähige PLS-Programme wie SmartPLS, PLS Graph, SPAD-PLS und PLS-GUI zur Verfügung (Temme und Kreis, 2005). Über diese Gründe hinaus steht die Dominanz der Verwendung reflektiver Messmodelle in der Forschung einer zügigen Diffusion von PLS im Wege.83 Damit entfällt ein wesentlicher Vorteil der Verwendung von PLS, nämlich die unkomplizierte Verwendung formativer Messmodelle (vgl. Abschnitt 2.2.2.). Da ferner PLS in den ersten Veröffentlichungen als weniger geeignet für Theorietests bezeichnet wird (Jöreskog und Wold, 1982, S. 270), erscheint PLS für viele wissenschaftliche Fragestellungen nicht als das Verfahren erster Wahl. Erst seit einigen Jah-

83 Die Dominanz reflektiver Messmodelle kann für den Untersuchungskontext der vorliegenden Arbeit bestätigt werden (vgl. Abschnitt 4.3.3.).

106 ren erfährt PLS eine Renaissance, auch begünstigt durch bessere Softwareverfügbarkeit (Fassott, 2005; Fassott, 2006). Es mangelt aber derzeit bei der sprachlichen Verwendung von PLS z. T. noch an Trennschärfe, da auch die sog. PLS-Regression, ein Teil des PLS-Algorithmus, vor allem durch Arbeiten von Wolds Sohn Swante großen Erfolg in der Chemometrie feiert (Martens, 2001; Tenenhaus und Naes, 2001; Wold, 2001). Daraus ergeben sich vereinzelt auch Verwechslungen von Vater und Sohn (Tenenhaus et al., 2005). Unter PLS im Kontext dieser Arbeit wird der von Herman Ole Andreas Wold entwickelte Algorithmus zur Schätzung von Strukturgleichungsmodellen verstanden.

5.2. Schätzung von Modellen mit mehreren latenten Variablen 5.2.1. Schätzalgorithmus Die Ausführungen beziehen sich auf den von Wold (1982b) als „Basic Design“ eingeführten Basisalgorithmus und ein Modell mit mehr als zwei Konstrukten. Für die weitergehenden Erläuterungen liegt hier das Modell bzw. Pfaddiagramm aus Abbildung 21 zugrunde.

 2

11

x11

2

12

11

x12

12

13

3  3

Messmodell der exogenen latenten Variablen 1 (reflektiv)

x21

21

22

x22

22

31

x31

32  3

x32

32

1 12

21

Strukturmodell

Messmodelle der endogenen latenten Variablen 2 (reflektiv) und 3 (formativ)

Abbildung 21: Pfaddiagramm zur Detailerläuterung des PLS-Verfahrens84

In der PLS-Literatur wird üblicherweise in algebraischer Darstellung nicht zwischen endogenen, d.h. abhängigen und exogenen, d.h. unabhängigen Konstrukten unterschieden (Eberl, 2006b, S. 90). Aus Gründen der Vereinfachung wird für die folgende Detailerläuterung – im Gegensatz zur sonstigen Darstellung in der vorliegenden Arbeit – ebenfalls auf diese Unterscheidung verzichtet. Diese Nichtunterscheidung impliziert keine Änderung des Verfahrens. In Abbildung 21 werden demnach exogene wie endogene latente Variable mit k bezeichnet. Die manifesten Variablen zur Messung der latenten Variablen k sind mit xkh bezeichnet. Die Pfadkoeffizienten im Strukturmodell sind mit kj, die sog. Ladungen reflektiver Indikatoren mit kh und die sog. Gewichte formativer Indikatoren mit kh angegeben. , , und  stellen Mess84

Die Abbildung ist eine Erweiterung von Backhaus (2006, S. 355).

107 fehler dar, auf die im Weiteren aber nicht näher eingegangen wird, weil sie für die Illustration von PLS anhand eines Zahlenbeispiels nicht relevant sind.85 Im Basismodell von Wold (1982b) wird von intervallskalierten, manifesten Variablen ausgegangen. Im weiteren Verlauf wird sich jedoch auf den Fall „beschränkt“, dass die manifesten Variablen, die in die PLS-Untersuchung eingehen, in standardisierter Form vorliegen. Diese Annahme ist nicht schädlich und auch keine zwingende Notwendigkeit, erleichtert aber die Notation und die weiteren Ausführungen (Betzin und Henseler, 2005, S. 52 f.). Eine Beschreibung des Algorithmus ohne diese Annahme findet sich bei Chatelin et al. (2002, S. 8 ff.). Das PLS-Verfahren durchläuft drei Phasen (vgl. Abbildung 22). Nach einer Initialisierung werden in der ersten Phase über einen Iterationsprozess unter Berücksichtigung der gesamten Modellbeziehungen Schätzwerte für die latenten Variablen ermittelt. Unterschieden wird dabei zwischen zwei (verschiedenen) Schätzwerten, einem äußeren Schätzwert aus dem Messmodell und einem inneren Schätzwert aus dem Strukturmodell. Die Phase 1 zur Schätzung der latenten Variablen besteht aus jeweils zwei zweiteiligen Schritten. Iterativ wird in jedem Schritt ein Schätzwert festgehalten (abwechselnd der innere und der äußere), während a) die Gewichtungsfaktoren und b) die jeweils anderen Schätzwerte berechnet werden. Über dieses Vorgehen wird erreicht, dass die Schätzwerte jeder latenten Variablen sowohl die Information ihres zugehörigen Messmodells als auch (über die Beziehungen zu den anderen latenten Variablen im Strukturmodell) die gewichtete Information der restlichen manifesten Variablen enthalten. Mittels der in Phase 1 geschätzten Konstruktwerte erfolgt in der zweiten Phase die Bestimmung aller Strukturgleichungsparameter auf Basis von (multiplen) Regressionen. In einer dritten Phase können Lageparameter wie Mittelwerte oder Standardabweichungen der latenten Variablen geschätzt werden. Aus diesen können unstandardisierte Fallwerte berechnet werden, da die Konstrukte bis zu diesem Zeitpunkt als standardisiert angenommen werden (Wold, 1982b).

85

Vgl. die Detailerläuterung des Strukturgleichungsmodells in den Abschnitten 2.2.1. und 2.2.2.

108

2. Phase

1. Phase

Schätzung der latenten Variablen

1a Schätzung

Berechnung von Lageparametern

Berechnung der finalen Gewichte bzw. Ladungen der Messmodelle Konvergenzkriterium erfüllt

optional Berechnung der Pfadkoeffizienten im Strukturmodell

Berechnung unstandardisierter Fallwerte

2b äußere Schätzung der latenten Variablen 0 Initialisierung

der inneren Gewichte

2a Schätzung der äußeren Gewichte

2. Schritt: Äußere Approximation

1. Schritt: Innere Approximation

1b 1b) innere

3. Phase

Berechnung der Modellparameter

Iterative Schätzung der latenten Variablen

86

Abbildung 22: Schematische Darstellung des PLS-Verfahrens

Detailerläuterung der ersten Phase87 Die erste Phase ist die zentrale und gleichzeitig rechenaufwendigste im gesamten Verfahren und besteht – nach einer Initialisierung – aus zwei Schritten: 1. der „Inneren Approximation“ und 2. der „Äußeren Approximation“. 0.) Initialisierung Der Initialisierungsschritt zum Starten des iterativen Prozesses ist eine erste äußere Konstruktwertschätzung ˆ k0 aller latenten Variablen. Die Konstruktwerte bestimmen sich als gewichtete Summen ihrer zugehörigen manifesten Variablen xkh mit Formel 5

ˆ k0 = fk •

Hk

෤ (ˆ

0 kh

• x kh )

ී k , (Chin, 1998b, S. 302).

h=1

0 ˆ kh Dabei können diese Konstruktwerte prinzipiell eine beliebige nichttriviale (  ำ 0 ී k, h , mit 0 ˆ kh  als Initialisierungsgewicht) Linearkombination aus den zugehörigen manifesten Variab-

len sein. Ob es sich um formative oder reflektive manifeste Variable handelt, ist damit unerheblich.88 Eine Standardisierung erfolgt über das Skalar fk. 1.) Innere Approximation 1a) Schätzung der inneren Gewichte 86 87 88

Die Abbildung ist eine Weiterentwicklung von Spreen (2009, S. 186). Die Nummerierung der Teilschritte erfolgt analog zu der in Abbildung 22 Für eine weitere Diskussion der Initialisierungsgewichte sei auf Tenenhaus et al. (2005) verwiesen.

109 Die Konstruktschätzungen aus der Initialisierung ˆ k0 werden im ersten Teilschritt der inneren Approximation (vgl. Abbildung 22, Teilschritt 1a) zur Schätzung der inneren Gewichte 1kja im Strukturmodell verwendet. Dazu gibt es drei Möglichkeiten: a) te

Wold verwendet ursprünglich das sog. Zentroidschema, bei dem die inneren Gewich 1kja = 1jka

auf die Werte +1 oder -1 gesetzt werden, je nachdem, ob die Korrelation (Korr)

zwischen zwei Schätzwerten von Konstrukten, die direkt miteinander über einen Pfeil verbunden sind, positiv oder negativ ist. Die Richtung des Pfeils spielt dabei keine Rolle (Wold, 1982b). Besteht keine direkte Verbindung über einen Pfeil, wird 1kja gleich null gesetzt. Die „letzten“ Konstruktschätzungen, über die die Korrelationen berechnet werden, sind die ˆ k0 aus der Initialisierung. Bei den folgenden Iterationen handelt es sich hier immer um die Konstruktschätzungen ˆ k2b aus dem Teilschritt 2b (vgl. Abbildung 22). ˆ k0 wird daher in der nachfolgenden Darstellung durch ˆ k2b ersetzt: 1kja :=

{

(sign Korr (ˆ k2b ; ˆ 2jb )) wenn  k und  j direkt über einen Pfeil verbunden sind 0

sonst

}ී k, j .

Dieses „grobe“ Gewichtungsschema hat den Nachteil, dass es nicht die exakte Stärke des Zusammenhangs berücksichtigt. Bei Korrelationen in der Nähe des Wertes null können daher starke Schwankungen entstehen, da bereits geringfügige Änderungen der Korrelationen zu einem Vorzeichenwechsel führen. Dennoch ergeben sich daraus für praktische Anwendungen keine Probleme (Chin, 1998b, S. 302; Tenenhaus et al., 2005, S. 168). b)

Den „Nachteil“ des sprunghaften Wechsels des Vorzeichens behebt das Faktorge-

wichtungsschema. Es berücksichtigt den konkreten Wert der Korrelation bei der Bestimmung von 1kja = 1jka : 1kja :=

{

(Korr (ˆ k2b ; ˆ 2jb )) wenn  k und  j direkt über einen Pfeil verbunden sind 0 sonst

}ී k, j .

Die dritte Methode als Weiterentwicklung des Faktorgewichtungsschemas ist das Pfadgewichtungsschema. Dabei werden nur die Vorgänger eines jeden Knotens  k betrachtet.89 Für die Pfadbeziehung der Vorgänger P(  k ) werden Regressionskoeffizienten bjk als innere Gewichte 1kja = 1jka mit 89

Einige Autoren (Fassott, 2007; Henseler, 2006) erklären die Notwendigkeit, für jedes Konstrukt k die Unterscheidung zwischen Vorgängern P(k) und Nachfolgern S(k) zu beachten und die Pfadgewichtung der Nachfolger entsprechend dem Faktorgewichtungsschema vorzunehmen. Dieses Vorgehen ist zwar nicht schädlich, aber für eine adäquate Darstellung des Pfadgewichtungsschemas nicht unbedingt effizient. Alle Knoten aus der Menge S(k) werden bei der Einzelbetrachtung auch hinsichtlich ihrer Vorgänger geprüft und die Pfadgewichtungen ebenfalls mittels (multipler) Regression bestimmt. Sofern ein Knoten j  S(k) nur einen Vorgänger – also den Knoten k – besitzt, ist der Regressionskoeffizient mit k als unabhängiger und j als abhängiger Variable im Fall standardisierter Daten gerade die Korrelation zwischen k und j. In diesem Spezialfall wird, wie von den Autoren vorgeschlagen, die Beziehung zum Knoten j  S(k) analog zum Faktorgewichtungsschema bestimmt.

110

{

1kja := b jk

}

wenn  j ෛ P( k ) ී k, j

verwendet, die aus der (multiplen) Regression mit den Schätzwerten aller Vorgänger P( ˆ k ) als unabhängige Variable und dem Schätzwert ˆ k als abhängige Variable gebildet werden. Auf diese Weise wird sichergestellt, dass eine latente Variable alle Nachfolgervariablen bestmöglich erklärt und zugleich bestmöglich durch alle Vorgängervariablen erklärt wird. Sie ist gleichzeitig optimaler Prädiktor und Prädiktand (Fornell und Cha, 1994, S. 65). Im Rahmen der empirischen Schätzung kommt das Pfadgewichtungsschema sehr häufig zum Einsatz, da es als einziges die Richtung der Zusammenhänge im Strukturmodell berücksichtigt (Panten, 2005, S. 220). Unterschiedliche Studien zeigen jedoch, dass die Wahl des Gewichtungsschemas nur einen geringen Einfluss auf die finalen Ergebnisse hat und so von eher geringer Bedeutung ist (Chin, 1998b, S. 309; Chin und Newsted, 1999, S. 317; Johansson und Yip, 1994, S. 587; Lohmöller, 1989, S. 41 f.). 1b) Innere Schätzung der latenten Variablen Mit Hilfe der bestimmten inneren Gewichte 1kja werden die letzten Konstruktschätzungen jeweils durch Schätzungen ersetzt bzw. verbessert, die sich aus den Konstruktwerten ihrer direkten Nachbarkonstrukte im Strukturmodell ergeben. Der verbesserte Konstruktwert ˆ 1kb ist also die gewichtete Summe aus den bisherigen Konstruktwerten ˆ k2b direkt benachbarter Variablen, ungeachtet dessen, ob es sich um Vorgänger P(  k ) oder Nachfolger S(  k ) handelt. Als Gewichte fungieren die zuvor bestimmten Werte für 1kja . Eine Standardisierung erfolgt über Formel 6

ˆ 1kb :=  k •

J

෤

1kja • ˆ 2jb

ී k , mit  k als Skalar.

j ෛ (P(  k )෽ S(  k ))

Mittels dieser Bestimmung werden Informationen aus dem Strukturmodell in den Algorithmus aufgenommen. Die erste innere Approximation ist damit abgeschlossen. 2.) Äußere Approximation 2a) Schätzung der äußeren Gewichte 2a ˆ kh Es werden neue äußere Gewichte (  ) geschätzt, die in der ersten Iteration die Gewichte 2a 0 ( ˆ kh werden mit Hilfe der ) aus der Initialisierung ersetzen. Die neuen äußeren Gewichte ˆ kh

Konstruktwerte ˆ 1kb aus der inneren Approximation bestimmt. Abhängig von der Art des jeweils zugrunde liegenden Messmodells fungieren die Konstruktwerte ˆ 1kb aus der inneren Approximation (1b) im Rahmen einer (multiplen) Regression als unabhängige oder abhängige Variable:

111 Bei einem reflektiv gemessenen Konstrukt (sog. „Mode A“ (Wold, 1982b, S. 10)) stellt das Konstrukt die unabhängige Variable dar – jeder Indikator xkh wird auf das Konstrukt regres2a siert. Die Gewichte ˆkh sind dann die einzelnen Regressionskoeffizienten, die den Zusam-

menhang zwischen dem Konstrukt und dem jeweiligen Indikator ausdrücken. Die Regressionskoeffizienten entsprechen den Korrelationskoeffizienten, da sowohl die Indikatoren als auch die inneren Schätzwerte der Konstrukte standardisiert sind (Urban und Mayerl, 2008, S. 65 ff.). Dadurch erhalten die Indikatoren ein umso größeres Gewicht zugewiesen, je mehr Varianz sie sich mit dem Konstrukt teilen (Henseler, 2006, S. 125): 2a ˆ kh  := Korr ( x kh , ˆ 1kb )

ී  1kb im Mode A .

Bei einem formativ gemessenen Konstrukt (sog. „Mode B“ (Wold, 1982b, S. 10)) wird eine multiple Regression der latenten Variablen auf alle Indikatoren durchgeführt, da der komplette Indikatorenblock die latente Variable formt. Das Konstrukt stellt somit die abhängige Variable dar. Die multiplen Regressionskoeffizienten bkh werden dann als Gewichte verwendet: ී  1kb im Mode B .

2a ˆ kh  := b kh

2b) Äußere Schätzung der latenten Variablen 2a Mit Hilfe der bestimmten Gewichte ˆkh erfolgt im zweiten Teilschritt der äußeren Approxima-

tion (2b) eine Neuschätzung aller latenten Variablen anhand des ihnen zugeordneten Indikatorenblocks. So wird erreicht, dass Informationen aus der Messung bzw. den Messmodellen in die Schätzung durch den Algorithmus aufgenommen werden. Die neuen Schätzwerte ˆ k2b werden dabei von außen als Linearkombinationen der jeweiligen manifesten Variablen unter Verwendung der in 2a) bestimmten Gewichte ermittelt. Ob die Messmodelle formativ oder reflektiv spezifiziert sind, ist dabei unerheblich. Eine Standardisierung erfolgt über Formel 7

ˆ k2b = f k •

Hk

෤(ˆ

2a kh

• x kh )

ී k , (Chin, 1998b, S. 302).

h=1

Die äußere Approximation ist damit abgeschlossen. Der iterative Algorithmus aus den Schritten (1a) bis (2b) wird so oft wiederholt, bis ein vorzugebendes Konvergenzkriterium erfüllt ist. Als Kriterium dient dabei häufig die Summe der Änderungen der Beträge der Gewichte oder die (relative oder absolute) Veränderung eines jeden einzelnen Gewichts von einer Iteration zur nächsten (Chin, 1998b, S. 302; Wold, 1982b, S. 14). Chin (1998b, S. 302) schlägt vor, die Iteration zu beenden, wenn die relative Veränderung eines jeden Gewichts (Korr )²( k ,  j ) bzw.

DEV( j ) > Korr( k ,  j )

wird gefordert, dass die DEV eines latenten Konstrukts stets größer sein soll als jede quadrierte Korrelation dieses latenten Konstrukts mit einem anderen latenten Konstrukt im Modell. Ist dies erfüllt, ist die gemeinsame Varianz zwischen einem Konstrukt und seinen Indikatoren größer als die gemeinsame Varianz mit anderen latenten Konstrukten (Fornell und Larcker, 1981, S. 45 f.). Ferner kann für jedes Paar von Konstrukten überprüft werden, ob der Wert 1 (perfekte Korrelation) im 95 %-Konfidenzintervall der geschätzten Korrelation zwischen den beiden Konstrukten liegt. Ist dies nicht der Fall, so kann das als ein Anzeichen für eine inhaltliche Unterscheidung des Konstruktpaares aufgefasst werden (Hildebrandt und Temme, 2006, S. 629). Als Zusatzverfahren zur Beurteilung der Diskriminanzvalidität schlägt Chin (1998b) vor, die Korrelationen zwischen den Konstruktwerten einer latenten Variablen und anderer Modellin-

133 dikatoren, die dem jeweiligen Konstrukt nicht zugeordnet sind, zu ermitteln. Weisen die ermittelten Kreuzladungen für einen Indikator eine stärkere Beziehung zu einem anderen als dem ihm zugeordneten Konstrukt auf, ist unter Umständen eine Modifizierung des Modells erforderlich, weil nicht eindeutig feststellbar ist, welches Konstrukt der Indikator tatsächlich reflektiert. Demzufolge sollte jede manifeste Variable die höchste Ladung bzw. Korrelation mit dem ihr zugeordneten Konstrukt aufweisen (Bollen und Lennox, 1991; Chin, 1998b; Spreen, 2009, S. 196). Eine weitere Möglichkeit ist im Falle normalverteilter Daten mit Hilfe eines Chi-Quadrat(²)Differenztests zu prüfen, ob die Annahme, die Indikatoren zweier Konstrukte würden das gleiche Konstrukt messen, zu einer signifikanten Verschlechterung der Modellgüte (vgl. 5.3.3.) führt (Anderson und Gerbing, 1988). Eine abrundende Kurzzusammenfassung der vorgestellten reflektiven Gütebeurteilungskriterien ist in Abbildung 29 dargestellt.

Konstruktvalidität

KonvergenzDiskriminanzvalidität validität Konstruktreliabilität Fornell-Larcker-Kriterium (IK  0,7) Betrachtung - des 95%-KonfidenzDurchschnittlich erintervalls der berechneten fasste Varianz DEV Korrelation und/oder  0,5 - der Kreuzladungen ²-Differenztest (bei NV)  0,7071  0,4 bei neu entwickelten Skalen statistisch signifikant von null verschieden

Indikatorreliabilität

Abbildung 29: Gütemaße für reflektive Messmodelle

5.3.2.2. Gütebeurteilung formativer Messmodelle Die oben aufgeführten Verfahren zur Gütebeurteilung reflektiver Messmodelle sind nicht auf formative Messmodelle übertragbar. Die latente Variable wird im formativen Fall als Ergebnis der Indikatorausprägungen verstanden und nicht wie im reflektiven Fall als Ursache. Im Gegensatz zu reflektiven Konstrukten ist die Kausalrichtung bei formativen Konstrukten somit umgekehrt. Die Indikatoren formen bzw. begründen die latente Variable und stellen i. d. R. nicht wie bei reflektiver Spezifikation beliebig austauschbare Symptome der latenten Variab-

134 len dar (Chin, 1998b, S. 306).107 Die Indikatoren können somit untereinander unabhängig sein, da kausal von jedem Indikator nur das Konstrukt abhängt. Demzufolge müssen formative Indikatoren eines Konstrukts nicht zwingend hochgradig korreliert sein (Eberl, 2006a; Fornell und Larcker, 1981) – anders als im reflektiven Fall (vgl. Kapitel 5.3.2.1.). Ferner wird keine Annahme dahingehend getroffen, dass formative Indikatoren zwangsläufig eine starke Beziehung zu dem zugehörigen Konstrukt aufweisen müssen (Krafft et al., 2005). Formative Indikatoren können auch eine geringe Wirkung auf das latente Konstrukt haben. Im Beispiel der Messung der Anspannung eines Fußballfans (Abbildung 7, Abschnitt 2.2.1.) könnte der Alkoholkonsum einen vergleichsweise geringen Einfluss auf die Stärke der Anspannung haben. Diesen Indikator aber deswegen aus der Messung zu entfernen, wäre unsachgemäß. Im Umkehrschluss müssen formative Konstrukte eine umfassende Spezifikation erfahren (Huber et al., 2007; Petter et al., 2007). D. h., möglichst alle Indikatoren, die einen potentiellen, wenn auch nur geringen Einfluss auf das Konstrukt haben, müssen vollständig berücksichtigt werden. Zusammenfassend kann bis auf die Inhaltsvalidität und eine Signifikanzprüfung keins der aus Abbildung 29 ersichtlichen Gütekriterien zur Qualitätsbeurteilung formativer Messmodelle herangezogen werden. Diamantopoulos und Winkelhofer (2001) schlagen zur Bildung und Gütebeurteilung valider formativer Konstrukte eine Prüfung anhand folgender Punkte vor: 1. Inhalts- und Indikatorspezifikation, 2. Indikatorkollinearität und 3. externe Validität. Ergänzt werden können diese Punkte um die Ausführungen von Fritz (1995, S. 136) zu 4. Diskriminanzvalidität mittels Prädiktorenspezifikation. 1.) Inhalts- und Indikatorspezifikation Wie vorstehend bereits erwähnt, muss die konzeptionelle Breite des zu operationalisierenden Konstrukts sorgfältig festgelegt werden (Diamantopoulos und Winkelhofer, 2001). Im zweiten Schritt sind dann möglichst alle potentiellen Facetten des Konstrukts zu identifizieren und definieren. Die Ermittlung von Indikatoren zur Messung der Facetten sollte auf Basis einer umfassenden Literaturrecherche, von Expertengesprächen und Beobachtungen erfolgen (vgl. Abschnitte 4.3.4. und 6.1.2.2.), um eine hohe Inhaltsvalidität zu erreichen (Albers und Hildebrandt, 2006, S. 10 f.; Giere et al., 2006, S. 681). Eggert und Fassot (2003, S. 7) empfehlen insbesondere einen vollständigen Pilot-Test mit Experten (vgl. Abschnitt 6.1.2.2.). Krafft et al. (2005) sprechen in diesem Zusammenhang von Expertenvalidität. Dafür werden die Experten gebeten, zufällig angeordnete Indikatoren einzelnen Konstrukten zuzuordnen. Als Maß zur Beurteilung der Eindeutigkeit der Zuordnung sowie deren inhaltlicher Relevanz sind der sog. psa- und der sog. csv-Index geeignet (vgl. auch im Folgenden Anderson und Gerbing, 1991).

107

Die Möglichkeit, dass es sich um beliebig austauschbare Indikatoren handelt, wird aber explizit zugelassen (Diamantopoulos und Winkelhofer, 2001).

135 Der psa-Index ist dabei das Maß für die Eindeutigkeit der Zuordnung und Grad der Übereinstimmung zwischen der a priori durch den Forscher beabsichtigten und der durch die Experten vorgenommenen Indikator-Konstrukt-Zuordnung. Prinzipiell wird ein einfaches Verhältnis Formel 13

psa =

nc , Npsa

mit nc als Anzahl der Experten, die eine Zuordnung übereinstimmend mit dem Forscher vornehmen, und Npsa bzw. Ncsv (vgl. Formel 14) als Grundgesamtheit der Experten gebildet. Der Index ist somit im Intervall [0,1] definiert, wobei größere Werte auf ein höheres Maß an Übereinstimmung hindeuten. Das Maß für die inhaltliche Relevanz ist der csv-Index Formel 14

c sv =

nc - n0 Ncsv

.

Ergänzend zur Variablenbezeichnung aus Formel 13 ist no die Anzahl der Experten, die den Indikator am häufigsten „falsch“, also einem anderen als dem ursprünglich durch den Forscher zugedachten Konstrukt zuordnen. Der Index ist somit im Intervall [-1,…,1] definiert, wobei größere positive Werte wieder auf eine größere inhaltliche Relevanz hindeuten. Es gilt zu beachten, dass die Überprüfung der Expertenvalidität durch den psa- und csv-Index im Idealfall bereits bei der Entwicklung formativer Messmodelle erfolgen sollte (vgl. Abschnitt 6.1.2.2.). In diesem Fall sollten im Zuge der Gütebeurteilung demnach keine kritischen Werte mehr zu erwarten sein bzw. kann auf eine Überprüfung der Expertenvalidität verzichtet werden (Krafft et al., 2005). Neben der Expertenvalidität dienen zur Beurteilung der Inhalts- und Indikatorspezifikation zunächst die Gewichte, welche die multiplen Regressionskoeffizienten zwischen dem Konstrukt und den Indikatoren darstellen. Die Höhe, das Vorzeichen und die Signifikanz der Gewichte geben Aufschluss über den Beitrag eines Indikators zur Konstruktbildung und damit auch über seine Vorhersagevalidität (Sambamurthy und Chin, 1994). Wie bei allen standardisierten Pfaden im PLS-Modell bringen Werte der Gewichte nahe eins bzw. minus eins eine starke und Werte nahe null eine schwache Beziehung zum Ausdruck. Wie auch im reflektiven Fall erfolgt anhand der Bootstrapping-Methode die Ermittlung der approximativen empirischen t-Werte zur Signifikanzbeurteilung (Diamantopoulos und Winkelhofer, 2001). Bei der Beurteilung der Höhe der Gewichte ist zu beachten, dass der PLS-Algorithmus die Gewichte der einzelnen Indikatoren optimiert, um die Höhe der erklärten Varianz der abhängigen Variablen zu maximieren. Daraus ergeben sich bei nicht oder schwach korrelierten Indikatoren häufig geringe Gewichte, die nicht vorschnell als Anzeichen für ein unpassendes Messmodell fehlinterpretiert werden sollten (Chin, 1998b). Während im Falle einer reflektiven Operationalisierung Indikatoren mit geringen Ladungen zu eliminieren sind, könnte ein entsprechendes Vorgehen für die Gewichte im formativen Fall eine Verfälschung des substan-

136 ziellen Inhalts des Konstrukts zur Folge haben (Bollen und Lennox, 1991). Das Vorgehen Lohmöllers (1989, S. 60 ff.), Modelle auf Pfadbeziehungen mit Parametern größer als 0,1 zu begrenzen,108 ist daher im Zusammenhang mit formativen Indikatoren diskussionswürdig: „… item selection to increase the ‚reliability’ of the formed scale is definitely not appropriate“ (Rossiter, 2002, S. 315). Da die Indikatoren dem jeweiligen Konstrukt auf Basis theoretischkonzeptioneller Überlegungen zugeordnet werden, sollten bei einer Reduktion des Messmodells neben statistischen insbesondere auch inhaltliche Aspekte berücksichtigt werden (Diamantopoulos und Winkelhofer, 2001; Eberl, 2006a; Jarvis et al., 2003). Seltin und Keeves (1994) schlagen daher vor auf Basis einer theoretischen Begründung auch Pfade mit Werten bis 0,05 im Modell zu behalten. Eine Elimination von Indikatoren im Falle eines Nichteinhaltens des von Lohmöller (1989) vorgeschlagenen Grenzwertes wäre aber bspw. denkbar, falls inhaltlich nicht erklärbare Ergebnisse vorliegen bzw. der konzeptionelle Inhalt des Konstrukts nicht beeinträchtigt wird (Ravichandran und Lertwongsatien, 2005). Im Gegensatz dazu kann aber ein Ausschluss von Indikatoren mit geringen Ladungen auch zu einer inhaltlichen Beschneidung des Konstrukts, ggf. sogar zu einer Verfälschung des substanziellen Inhalts führen (Jarvis et al., 2003). Ein sorgfältiges Vorgehen und eine Abwägung zwischen statistischer Absicherung und inhaltlicher Beschneidung sind angebracht. Letztlich gibt es in der Wissenschaftsgemeinde keine einheitliche Meinung zur Indikatorenelimination (Diamantopoulos und Winkelhofer, 2001). Dies gilt ebenso für nicht signifikante Indikatoren. Hier wird als Grenzwert des Signifikanzniveaus häufig ein Wert von 0,1 angegeben (Giere et al., 2006, S. 687 und die dort angegebenen Literatur). Huber et al. (2007, S. 38) fordern aber selbst bei der Überschreitung des Grenzwertes, dass „…eine Eliminierung desselben [Indikators] … nur aufgrund inhaltlicher Überlegungen in Betracht gezogen werden [darf].“ Diese Meinung wird auch in der vorliegenden Arbeit vertreten. Insbesondere auch im Hinblick auf die Vergleichbarkeit unterschiedlicher Segmente (im Rahmen der Analyse moderierender Effekte) sollten Indikatoren – wenn überhaupt – nur bei einer handfesten theoretischen Begründung und aus Vergleichbarkeitsgründen simultan aus allen Segmentmodellen entfernt werden. Darüber hinaus kann auch ein nicht signifikanter Einfluss – wie im Zusammenhang der vorliegenden Arbeit und der Effizienzbeurteilung von Signalen – eine Erkenntnis darstellen. 2.) Indikatorkollinearität Die Tatsache, dass sich die Gewichte eines formativen Konstrukts aus den Koeffizienten einer multiplen Regression aller zugehörigen Indikatoren als unabhängige Variable und der latenten Variablen als abhängige Variable ergeben, kann zu einem Multikollinearitätsproblem führen und eine verzerrte Parameter- und Signifikanzschätzung zur Folge haben (Diamantopoulos und Winkelhofer, 2001; Fassott und Eggert, 2005; Götz und Liehr-Gobbers, 2004; Grewal et al., 2004; Hair et al., 1998, S. 189; Jarvis et al., 2003). Bei einem hohen Grad an Multikollinearität sind selbst falsche Vorzeichen der Koeffizienten möglich (Belsley, 1991, S. 54 f.). Im Falle der Singularität, der extremsten Form der Multikollinearität, sind zwei 108

Unabhängig vom konkret gewählten Prüfkriterium ist eine betragsmäßige Betrachtung angebracht, da auch negative Beziehungen im Modell auftreten können.

137 oder mehr Variable vollständig linear voneinander abhängig. Eine Schätzung der Regressionskoeffizienten wird dadurch unmöglich, da es dann keine Lösung für die Kleinst-QuadrateSchätzung gibt (Belsley, 1991, S. 22). Die Problematik der Multikollinearität lässt sich auch inhaltlich verdeutlichen. Formative Indikatoren eines Konstrukts setzen sich aus verschiedenen inhaltlichen Facetten zusammen, die jede für sich zur Bildung des Konstrukts beiträgt. Wenn allerdings einige der Facetten mehrfach, gewissermaßen in abgewandelter Form, Eingang in die Konstruktbildung finden, entsteht eine Übergewichtung dieser Indikatoren in Relation zu den anderen (Schultz, 2006, S. 183). Darüber hinaus wird es bei zunehmender linearer Abhängigkeit zwischen mehreren Indikatoren immer schwieriger, den Beitrag eines einzelnen Indikators zur Varianzerklärung des Konstrukts zu ermitteln, da der Regressionskoeffizient nicht mehr nur die singuläre Beziehung zwischen Indikator und Konstrukt widerspiegelt (Belsley et al., 1980; Diamantopoulos und Winkelhofer, 2001, S. 272). Zusammengefasst ergibt sich somit die Notwendigkeit, jedes formative Messmodell auf Multikollinearität zu prüfen. Zunächst bietet sich dazu eine Untersuchung der Korrelationsmatrix aller Indikatoren eines Konstrukts auf paarweise Abhängigkeiten an. Korrelationen von nahe eins bedeuten starke Multikollinearität (Backhaus et al., 2006, S. 91; Belsley et al., 1980; Krafft et al., 2005). I. d. R. wird vorgeschlagen nur die Indikatoren eines Konstrukts auf paarweise Korrelation zu testen (vgl. Krafft et al., 2005). Prinzipiell könnte aber auch eine Überprüfung aller formativen Indikatoren auf konstruktübergeordneter Ebene sinnvoll sein. Über Grenzwerte, ab deren Überschreitung weitere inhaltliche Überprüfungen auch über mehr als zwei Indikatoren stattfinden sollten, herrscht in der Literatur Uneinigkeit: Schultz (2006, S. 183) befürwortet bereits bei Korrelationen über 0,707, die einer geteilten Varianz von ca. 50 % entsprechen, eine weitergehende inhaltliche Kontrolle der Multikollinearität vorzunehmen. Panten (2005) dagegen sieht die kritische Schwelle bei 0,5 und Cohen (1992) bei 0,3. Ein Beispiel von Belsley (1991) zeigt aber, dass ein paarweiser Korrelationsvergleich möglicherweise kein allgemeingültiges Indiz zur Beurteilung linearer Abhängigkeiten von mehr als zwei Variablen ist. In dem Beispiel liegt ein Fall vollständiger linearer Abhängigkeit von elf Variablen vor, bei denen jedoch keine paarweise Korrelation einen Wert größer 0,1 annimmt. Insofern erscheint eine detaillierte – über die paarweise Korrelationsprüfung hinausgehende – Untersuchung auf potentielle Multikollinearität als Standard im Gütebeurteilungsprozess formativer Messmodelle angebracht. Diese Prüfung kann anhand der sog. Toleranz- und Varianzinflationswerte erfolgen. Ausgangspunkt ist die Berechnung linearer Hilfsregressionen, bei der jeder Indikator jeweils durch alle übrigen erklärt wird. Den Varianzanteil des abhängigen Indikators der Regression, der nicht durch die anderen Indikatoren erklärt werden kann, wird als Toleranz bezeichnet und errechnet sich demnach aus der Differenz zwischen eins und dem Bestimmtheitsmaß R² der jeweiligen Regression. Die Toleranz sollte daher für jeden Indikator jeweils einen Wert

138 von nahe eins annehmen, denn sind die Bestimmtheitsmaße der einzelnen Hilfsregressionen annähernd null, kann von linearer Unabhängigkeit der erklärenden Indikatoren ausgegangen werden (Belsley et al., 1980; Hair et al., 1998, S. 192). Als Kehrwert der Toleranz wird häufig auch der Varianzinflationsfaktor Formel 15

VIFh =

1 1 - Rh2

als anerkanntes Maß zur Überprüfung auf Multikollinearität verwendet (Backhaus et al., 2006, S. 91 f.; Belsley et al., 1980; Hair et al., 1998, S. 191). Dabei gibt der VIF an, um welchen Faktor die Varianzen der betroffenen Indikatoren durch Multikollinearität aufgebläht sind – daher auch der Name Varianzinflationsfaktor (Belsley et al., 1980, S. 93). Sind alle Indikatorvariablen einer Hilfsregression unabhängig, nimmt der VIF den Minimalwert eins an. Mit einem enger werdenden Zusammenhang zwischen den Indikatorvariablen strebt der VIF gegen unendlich. Problematisch am VIF ist, dass es derzeit kein formales Kriterium gibt, durch das festlegt wird, ab welcher Höhe eine Verzerrung der Parameterschätzung zu erwarten ist. Vielfach wird eine Faustregel angeführt, nach der starke Probleme aufgrund von Multikollinearität vorliegen, wenn der VIF Werte größer zehn annimmt (Chatterjee und Price, 1977, S. 182; Diamantopoulos und Winkelhofer, 2001, S. 272; Gujarati, 2003, S. 362; Hair et al., 1998). Aus Formel 15 ist jedoch zu entnehmen, dass dies erst dann der Fall ist, wenn die gemeinsame Varianz eines Indikators mit den anderen Indikatoren im Messmodell über 90 % liegt. Der Wert für die Toleranz läge nicht nahe eins, sondern lediglich bei 0,1. Daher ist es angebracht, diese kritische Grenze bei der PLS-Pfadmodellierung (insbesondere bei kleineren Stichproben) deutlich konservativer anzusetzen. Diamantopulos und Siguaw (2006) sehen die kritische Grenze bei einem VIF von 3,3. Schneider (2007) zeigt jedoch, dass bereits VIFWerte größer zwei tendenziell problematisch sein können, obwohl im statistischen Sinn bei diesem Wert keine Multikollinearität vorliegt (Opp und Schmidt, 1976). Für jede Untersuchung sollte daher der VIF-Schwellenwert individuell aufgrund sachlogischer Überlegungen festgelegt werden. Die Ergebnisse von Schneider (2007) sprechen bei der Untersuchung des VIF für einen konservativen Schwellenwert von zwei. Da bei der Festlegung eines individuellen Schwellenwertes eine gewisse Willkür involviert ist und das Verfahren weder konkrete Informationen über die Anzahl der Abhängigkeiten noch über die involvierten Variablen liefert, kritisiert Belsley (1991, S. 28; 1980, S. 117 f.) die Methode der Berechnung der Varianzinflationswerte. Überdies weisen zwar hohe Varianzinflationswerte auf starke Multikollinearität hin, geringe Varianzinflationswerte sind aber nicht automatisch gleichbedeutend mit geringer Multikollinearität (Belsley, 1991, S. 28 ff.). Eine Überwindung dieser Schwächen bietet ein Verfahren, das auf Konditionsindizes und Variablenzerlegung beruht, jedoch nur für nichtstandardisierte Daten anzuwenden ist (vgl. auch im Folgenden Belsley, 1991, S. 40 ff.; Belsley et al., 1980, S. 117 ff.; Eggert und Fassott, 2003; Opitz, 1990, S. 353 ff; Schultz, 2006, S. 184 f.). Grundlage dieses Verfahrens ist

139 die Untersuchung der Eigenwerte und -vektoren, um zu ermitteln, wie viele unterschiedliche Dimensionen die formativen Indikatoren einer latenten Variablen bilden. Zunächst wird wie bei einer Hauptkomponentenanalyse (Backhaus et al., 2006, S. 291 ff.) die Kovarianzmatrix der unabhängigen Variablen (formativen Indikatoren) über eine Hauptachsentransformation in so viele orthogonale Dimensionen „zerlegt“, wie unabhängige Variable vorliegen. Die Dimensionen sind dabei komplett unabhängig und teilen keine gemeinsame Varianz. Die anfallenden Eigenwerte geben dann an, welchen Anteil der Gesamtvarianz aller Variablen jede Dimension ausschöpft. Sind die Variablen unkorreliert, nimmt der Eigenwert je Dimension den Wert eins an. Mit steigender Korrelation unter den Variablen steigt die Varianz, die durch die erste Dimension bzw. Hauptkomponente ausgeschöpft wird, d. h. desto höher ist der Eigenwert der ersten Dimension und desto geringer ist der der übrigen Dimensionen. Sehr kleine Eigenwerte sind demnach Anzeichen für ein Multikollinearitätsproblem. 109 „Sehr kleine Eigenwerte“ bedeuten dabei im konkreten Forschungskontext allerdings nicht immer Werte nahe null, sondern es ist eine Relation zum größten vorkommenden Eigenwert E(max) zu bilden. Für jede Dimension wird so ein Konditionsindex als Quadratwurzel aus dem größten gefundenen Eigenwert und dem Eigenwert einer Dimension berechnet. Diese Relation bildet der sog. Konditionsindex (KI) ab: Formel 16

KIi =

E(max) Ei

ุ1

1ื i ื q.

Der höchste berechnete Konditionsindex je Konstrukt wird als Konditionsindex auf Konstruktebene bezeichnet. Ein KI von über 30 deutet i. d. R. auf das Bestehen einer Beinaheabhängigkeit, also auf starke Multikollinearität hin. „Weak dependencies“ können ab einem KI von etwa 10 auftreten, Werte zwischen 15 und 30 werden als „borderline of tightness in informal econometric practice“ eingestuft (Belsley et al., 1980, S. 153). Bei Werten zwischen 15 und 30 sollte das Verfahren daher durch eine Varianzzerlegung ergänzt werden (Hair et al., 1998, S. 220 f.). Durch eine Zerlegung der Varianz-Kovarianzmatrix der Regressionskoeffizienten in Singulärwerte lässt sich die Streuung der einzelnen Koeffizienten in q Teile zerlegen, die jeweils durch einen KI erklärt werden können. So kann eine Varianzzerlegungsmatrix der Regressionskoeffizienten erstellt werden, die für jeden Koeffizienten den Varianzanteil zeigt, den jeder KI verursacht. Erklärt derselbe KI die Streuung mehrerer Regressionskoeffizienten in hohem Maße, lässt dies auf eine hohe Abhängigkeit des betroffenen Indikators schließen. Auf diese Weise lassen sich die entsprechenden Indikatoren identifizieren, die von Multikollinearität betroffen sind.

109 Formal erfolgt die Untersuchung der Eigenwerte und -vektoren über die Kreuzproduktmatrix XTX der Rohdatenmatrix X – hier die Indikatoren des formativen Konstrukts. Die Eigenvektoren der Kreuzproduktmatrix sind eine Menge von Vektoren K*. Diese verwandeln sich in eine durch den Eigenwert E skalierte Version ihrer selbst, sofern sie von links mit der Kreuzprodukt-matrix multipliziert werden. Es gilt also: XTXK* = EK*. Die Anzahl der Eigenvektoren mit zugehörigem Eigenwert ist immer identisch mit der Anzahl q der Spalten in der Matrix, d. h. der Anzahl der Parameter, die zu schätzen sind. Existiert mindestens ein E = 0, so gilt XTXK* = 0 bzw. XK* = 0. Dieser Sachverhalt ist gleichbedeutend mit linearer Abhängigkeit. Für jeden Eigenwert, der null ist, kann gezeigt werden, dass genau eine vollständige lineare Abhängigkeit existiert. Demzufolge liegt für sehr kleine Eigenwerte der Kreuzproduktmatrix eine annähernde oder Beinaheabhängigkeit vor.

140 Belsley et al. (1980, S. 142) bezeichnen die Abhängigkeiten als „moderately strong“ („strong“), sofern für zwei oder mehr Indikatoren eine Varianzanteil zwischen 0,7 und 0,9 (>0,9) auf diesen KI zurückzuführen ist. Auch Hair et al. (1995, S. 153) sehen ein „collinearity problem“ für Varianzüberschneidungswerte größer als 0,9.Unproblematische Abhängigkeiten bzw. „reasonably weak near dependencies“ sind vorhanden, wenn die erklärten Varianzanteile bei zwei oder mehr Indikatoren zwischen 0,4 und 0,7 liegen (Belsley, 1991, S. 129). Bei starker Multikollinearität ist eine Eliminierung von mindestens einem der betroffenen Indikatoren aus dem Messmodell zu empfehlen (Diamantopoulos und Winkelhofer, 2001). Schultz (2006, S. 183) bezeichnet das Vorliegen von Multikollinearität als „… die einzige Situation, in der ein Indikator auch ohne (inhaltlich) theoretische Begründung entfernt werden darf“. Eine andere Möglichkeit schlagen Albers und Hildebrandt (2006) vor. Sie empfehlen, die Zusammenfassung der miteinander korrelierenden Indikatoren zu einem Index, der dann als Single-Item-Konstrukt in die Analyse einfließt. Geht man von einer kompensatorischen Wirkung der Indikatoren aus, wird der Mittelwert der vorher normalisierten Indikatoren zur Gewichtung herangezogen. Bei Konstrukten deren Indikatoren keine kompensatorische Wirkung haben, wird der Index dagegen als geometrisches Mittel der vorher normalisierten Indikatoren berechnet (Albers und Hildebrandt, 2006). Die „Bündelung“ der korrelierten Indikatoren zu einem Index hat allerdings den Nachteil, dass der einzelne Einfluss der zu einem Index zusammengefassten Indikatoren auf die Ausbildung des Konstrukts „verwässert“ wird. Je nach Untersuchungsgegenstand ist daher eine Einzelfallentscheidung für oder wider die Elimination von Indikatoren vorzunehmen. 3.) Externe Validität Der PLS-Ansatz unterstellt generell eine fehlerfreie Messung des formativen Messmodells, da keine Fehlerterme im Algorithmus berücksichtigt werden. Eine vollständige Abbildung eines Konstrukts anhand formativer Indikatoren ist jedoch nicht immer möglich (Krafft et al., 2005). In solchen Fällen kann zur Evaluation der Gültigkeit der Konstruktmessung und der Übertragbarkeit auf andere Außenbedingungen das Konstrukt zusätzlich mit reflektiven Indikatoren operationalisiert werden (vgl. z. B. Abbildung 7, Abschnitt 2.2.1.). Diese werden dann zur inhaltlichen Validierung des formativen Messmodells herangezogen, z. B. über ein MIMICModell (Hauser und Goldberger, 1971; Jöreskog und Goldberger, 1975) oder ein ZweiKonstrukt-Modell (Diamantopoulos und Winkelhofer, 2001; Eggert und Fassott, 2003). Die gleichzeitige Operationalisierung über reflektive Indikatoren ermöglicht dann die Bestimmung des Fehlerterms der latenten Variablen im MIMIC-Fall (Chin, 1998a; Chin, 1998b) sowie zusätzlich eine Beurteilung der Stärke und Signifikanz des Zusammenhanges im ZweiKonstrukt-Modell (für weitergehende Erläuterungen siehe Eggert und Fassott, 2003; Krafft et al., 2005). Häufig wird jedoch eine zusätzliche Kontrollfrage gestellt, welche die inhaltliche Essenz des Konstrukts erfasst, und bivariate Korrelationen berechnet. Werden stark signifikante Beziehungen zwischen Indikatoren und Prüffrage nachgewiesen, die den theoretisch begründeten Zusammenhang widerspiegeln, kann von einer ausreichenden externen Validität ausgegangen werden. D. h., nur die Indikatoren, die mit diesem „global item“

141 (Diamantopoulos und Winkelhofer, 2001, S. 272) signifikant und theoretisch begründet korrelieren, werden beibehalten (Diamantopoulos und Winkelhofer, 2001; Giere et al., 2006; Spector, 1992). Ist das obige Vorgehen nicht möglich, da bspw. keine reflektiven Indikatoren vorliegen, kann alternativ ein bereits theoretisch begründeter und empirisch belegter Zusammenhang mit anderen Variablen des Strukturmodells hergestellt werden. Sog. nomologische Validität liegt vor, wenn zwischen der Messung eines Konstrukts und den Messungen anderer Konstrukte Abhängigkeitsbeziehungen bestehen, die durch eine übergeordnete Theorie postuliert werden (Diamantopoulos und Winkelhofer, 2001). So konstatieren Diamantopoulos und Winkelhofer (2001), dass externe Validität nachgewiesen werden kann, falls sich der theoretisch erwartete Zusammenhang „tatsächlich“ empirisch ergibt. Diese Sichtweise ist diskussionswürdig, denn ob der theoretisch erwartete Zusammenhang real wirklich vorliegt, ist prinzipiell nicht nachweisbar: „Causal laws cannot be proven; they are always assumed by the researcher“ (Fornell, 1982, S. 7) (vgl. auch die Abschnitte 2.1. und 5.3.5.). Dies gilt insbesondere auch deswegen, weil in den Sozial- und Wirtschaftswissenschaften nur in den seltensten Fällen abgesicherte Theorien existieren (Homburg, 2000, S. 75). Die Ableitung einer „wahren“ Kausalität und die Sicherung einer zweifelsfreien nomologischen Validität sind in den allermeisten Fällen unmöglich. Zu beachten ist, dass mit dieser Aussage ein theoriegeleitetes Vorgehen nicht ad absurdum geführt wird. Eine theoriegeleitete Modellentwicklung, wie sie auch bei dieser Arbeit vorgenommen wird, ist als „centerpiece“ (Maruyma, 1998, S. 4) unerlässlich und die bestätigenden Hinweise bzgl. der theoretisierten Abhängigkeitsbeziehungen, die sich aus der empirischen Schätzung des Modells ergeben, können als Indiz für die nomologische Validität angesehen werden. 4.) Diskriminanzvalidität Die im Rahmen der reflektiven Messmodelle zur Überprüfung der Diskriminanzvalidität vorgestellten Gütemaße können im formativen Fall nicht sinnvoll angewendet werden. Fritz (1995, S. 136) empfiehlt stattdessen, die Eigenschaften der sog. Prädiktorenspezifikation zu nutzen, indem die Korrelationen der Konstruktwerte, die stets im Rahmen des Algorithmus berechnet werden (vgl. Abschnitt 5.2.2.), miteinander verglichen werden. Eine hinreichende Diskriminanz ist gegeben, sofern die Korrelationen kleiner als 0,9 sind (Fritz, 1995, S. 136; Herrmann et al., 2006). Im Zusammenhang mit der Gütebeurteilung formativer Messmodelle und deren Modifikation ist allgemein zu beachten, dass unterschiedliche Sichtweisen bestehen. Rossiter (2002) vertritt einen vergleichsweise extremen Standpunkt. Im Rahmen der von ihm vorgeschlagenen C-OAR-SE-Prozedur110 zur Skalenentwicklung übt er grundsätzliche Kritik an der Bereinigung formativer Skalen anhand statistischer Kriterien. Die Selektion von Indikatoren sollte ausschließlich auf Basis von Expertenurteilen durchgeführt werden. Der Fokus bei der Ope110

„Construct definition“, „Object classification“, „Attribute classification“, „Rater identification“, „Scale formation“ und „Enumeration and reporting“.

142 rationalisierung der zu messenden Konstrukte liegt damit ganz klar auf der auf Expertenurteile gestützten inhaltlichen Validität (Spreen, 2009, S. 201). Indessen stehen Eberl (2004, S. 15) und Huber et al. (2007, S. 39) der ausschließlichen Orientierung an Expertenurteilen kritisch gegenüber, da sich solche oftmals an Analogien sowie an Erfahrungen mit ähnlichen Konstrukten ausrichten. Dies birgt insbesondere für die Spezifikation neuartiger Konstrukte eine Gefahr. Eberl (2006a, S. 653) führt weiterhin aus: „… die Verneinung jeglicher statistischer Methoden im Zuge der Operationalisierung [ist] gleichbedeutend mit der Verweigerung, Korrelation als kausale Konsequenz eines wie auch immer gearteten Zusammenhangs von Informationen zu betrachten.“ Die umsichtige Anwendung statistischer Kriterien auf Basis inhaltlicher Validitätsüberlegungen, die nicht ausschließlich auf Expertenurteilen beruhen, erscheint vor dem Hintergrund der beiden Standpunkte als ein sinnvoller Kompromiss. Insgesamt sollte das Entfernen von formativen Indikatoren im Rahmen von Segmentbildungen aus Gründen der Vergleichbarkeit immer simultan aus allen Segmentmodellen erfolgen.

5.3.3. Gütebeurteilung von Strukturmodellen Wird (werden) das (die) Messmodell(e) als zuverlässig und gültig angenommen, ist im Anschluss das innere Pfadmodell auf seine Güte hin zu untersuchen. Hierzu können im Gegensatz zur Kovarianzstrukturanalyse keine inferenzstatistischen Tests durchgeführt werden, da PLS vergleichsweise wenig restriktive Annahmen zur Verteilung oder zur Unabhängigkeit der einzelnen Beobachtungen zugrunde liegen. Demzufolge kommen nichtparametrische Tests zum Einsatz. Aufgrund der Eigenschaft des PLS-Algorithmus, die endogenen Größen bestmöglich zu erklären, sind vor allem auch Maße der Erklärungskraft (sog. Prognoserelevanz) heranzuziehen. Neben der Prognoserelevanz kommen zur Beurteilung der Strukturmodellgüte auch das (globale) Bestimmtheitsmaß R² sowie die Stärke, Richtung und Signifikanz der Pfadkoeffizienten als Kriterien zum Einsatz (Chin, 1998b). Für jedes endogene Konstrukt lässt sich zunächst zur Beurteilung des inneren Modells das vom Verfahren der Regressionsanalyse bekannte Bestimmtheitsmaß R² ermitteln (Hulland, 1999). Dieses gibt an, welcher Varianzanteil der abhängigen Variablen durch die ursächlichen Größen erklärt werden kann. Alternativ lässt sich auch ein durchschnittliches Bestimmtheitsmaß aller Konstrukte angeben, das die Erklärungskraft des gesamten Strukturmodells verdeutlicht (Fornell und Bookstein, 1982b). Chin (1998b, S. 323) bezeichnet die für ein Literaturbeispiel geschätzten Bestimmtheitsmaße dreier latenter endogener Variablen in Höhe von 0,67, 0,33 und 0,19 als „substanziell“, „mittelgut“ bzw. „schwach“. Prinzipiell lässt sich jedoch keine allgemeingültige Aussage darüber machen, ab welcher Höhe ein R² als gut anzusehen ist, da diese Einstufung vielmehr von der spezifischen Problemstellung abhängt (Backhaus et al., 2006, S. 97). Darüber hinaus ist das R² allgemein nicht für alle endogenen Konstrukte ein gleichermaßen bedeutsames Gütemaß. Essentiell ist es vor allem für die Zielkonstrukte, deren Erklärung im Zentrum des Interesses steht (Spreen, 2009, S. 203).

143 Weiterhin kann auch die Veränderung des Bestimmtheitsmaßes bei Eliminierung oder Hinzufügung von Variablen Aufschluss über deren substanziellen Einfluss auf die abhängige latente Variable geben. Dies ist vor allem interessant, wenn einzelne Beziehungen noch nicht stark durch eine zugrunde liegende Theorie gefestigt sind (Schultz, 2006, S. 187). Dafür erfolgt die Berechnung der von Cohen (1988) entwickelten Effektstärke f² Formel 17111

f² =

2 R included - R 2excluded 2 1 - R included

.

Diese gibt an, inwieweit der erklärte Varianzanteil einer latenten Variablen durch die Berücksichtigung der betrachteten exogenen Variablen im Strukturmodell erhöht werden kann. Dabei stellen R²included bzw. R²excluded Bestimmtheitsmaße einer abhängigen latenten Variablen unter Einbeziehung bzw. Ausschluss einer bestimmten über das Strukturmodell mit ihr in Beziehung stehenden unabhängigen latenten Variablen dar, für die die Effektstärke bestimmt werden soll. Effektstärken von 0,02, 0,15 bzw. 0,35 können als Beurteilungsmaße dafür angesehen werden, ob eine exogene latente Variable einen geringen, mittleren bzw. großen Einfluss auf eine zu ihr in Beziehung stehende endogene Variable ausübt (Chin, 1998b, S. 317, in Anlehnung an Cohen, 1988, S. 411). In vielen Gebieten der verhaltenswissenschaftlichen Forschung sind allerdings vergleichsweise kleine Effektgrößen eher die Regel als die Ausnahme (Henseler, 2006, S. 131), so dass die Beurteilungsmaße hier entsprechend weniger restriktiv interpretiert werden sollten. Ein Mindestniveau von null muss jedoch erreicht werden, damit von einem Einfluss ausgegangen werden kann. Ein alternatives Maß zur Beurteilung der Prognoserelevanz des Strukturmodells ist der nichtparametrische Stone-Geisser-Test (Fornell und Cha, 1994; Geisser, 1975; Stone, 1976; Stone, 1974). Zu beachten ist, dass der Test nur für reflektive endogene Konstrukte anzuwenden ist. Dieser Test berücksichtigt Ansätze der Kreuzvalidierung und nutzt dazu die sog. Blindfolding-Prozedur, eine Technik zur Wiederverwertung von Daten. Bei dieser Prozedur werden systematisch Teile der empirisch erhobenen Daten für einen bestimmten Block manifester Variablen als fehlend angenommen – also ausgelassen – und i. d. R. durch Mittelwerte ersetzt (Henseler und Ringle, 2006a). Im Anschluss wird eine herkömmliche PLS-Schätzung durchgeführt und die Modellparameter zur Rekonstruktion der als fehlend angenommenen Datenpunkte eingesetzt. Diese Prozedur wird so lange wiederholt, bis eine Auslassung und Schätzung sämtlicher Datenpunkte erfolgt ist. Die Anzahl der Blindfolding-Runden resultiert damit aus dem Auslassungsabstand D zwischen zwei nacheinander als fehlend anzunehmenden und daraufhin zu schätzenden Fällen (Ringle und Spreen, 2007; Wold, 1982b).112

111

Anzumerken ist an dieser Stelle, dass die Formel für die Effektstärke in Chin et al. (2003, S. 211) falsch wiedergegeben ist. 112 Nach Wold (1982a; 1982b) sollte D eine Primzahl sein, die zwischen der Anzahl der Indikatoren im Messmodell und der Anzahl der Fälle N liegt. Chin (1998a; 1998b) schlägt bei großer Fallzahl (N) einen Wert zwischen 5 und 10 vor. Insgesamt ist einsichtig, dass D kein Vielfaches von N sein darf.

144 Mittels dieser Prozedur lässt sich zum einen die Quadratsumme der Prognosefehler (E) ermitteln. Die einzelnen Prognosefehler ergeben sich aus den Differenzen der wahren Werte der ausgelassenen Datenpunkte und der anhand der Schätzung mit den verbleibenden Datenpunkten rekonstruierten Werte (Chin, 1998b, S. 317; Fornell und Cha, 1994). Zum anderen lässt sich die Quadratsumme der Residuen einer trivialen Vorhersage auf Basis der Mittelwerte der verbleibenden Indikatoren (O) bestimmen. Mit den bei jedem Durchlauf (d) gewonnenen Ed und Od lässt sich nun das Testkriterium Formel 18

Q2 = 1-

෤E

d

෤O

d

d

d

als Maß für die Prognoserelevanz eines Blocks manifester Variablen ermitteln. Q² stellt damit ein Maß dar, wie gut die empirisch erhobenen Werte ohne Verlust an Freiheitsgraden durch das Modell und seine Parameterschätzungen rekonstruiert werden können.113 Liegt der Wert dieses Gütekriteriums über null, besitzt das Modell eine hinreichende Prognosefähigkeit, und das Stone-Geisser-Kriterium ist erfüllt. Ein Wert von über null stellt sich ein, wenn die Summe der Residuen der trivialen Schätzung größer als die Summe der Residuen des geschätzten Modells ist. Liegt hingegen für Q² ein Wert kleiner als null vor, kann die Prognosefähigkeit nicht bestätigt werden – die über den Block manifester Variablen erfolgte Bestimmung einer latenten Variablen ist als unsicher anzusehen (Chin, 1998b, S. 317; Fornell und Cha, 1994; Herrmann et al., 2006). Analog zu Formel 17 können auch Veränderungen der Ergebnisse für Q² genutzt werden. So lässt sich durch Formel 19

q² =

2 Q included - Q 2excluded 2 1 - Q included

der relative Einfluss der Beziehungen im Strukturmodell auf die beobachteten Werte für jede latente endogene Variable bestimmen (Chin, 1998b). Hierdurch lässt sich ermitteln, ob für eine bestimmte zu analysierende latente endogene Variable andere latente Variable im inneren Pfadmodell einen „schwachen“ (q² um 0,02), „mittleren“ (q² um 0,15) oder „substanziellen“ (q² um 0,35) Einfluss auf die Prognoserelevanz haben (Ringle und Spreen, 2007).114 Obwohl in der vorliegenden Literatur bisher keine Ausführungen dazu zu finden sind, scheint der im Rahmen der Effektstärke f² von Henseler (2006) angebrachte Hinweis hinsichtlich der Gefahr eines zu restriktiven Umgangs mit kritischen Grenzen im verhaltenswissenschaftlichen Kontext auch für die vorstehend genannten q²-Werte angebracht. Die Erfassung der Strukturmodellgüte wird i. d. R. weiterhin anhand der Stärke, Vorzeichen und Signifikanz der Pfadkoeffizienten im Strukturmodell überprüft, die wie ȕ-Koeffizienten ei113 114

Für eine detaillierte Herleitung von Q² vgl. Fornell und Cha (1994). In Anlehnung an die Beurteilung der Effektstärke f² von Chin (1998b, S. 317).

145 ner herkömmlichen Regression interpretiert werden können. Insofern greifen die gleichen Ausführungen zu Stärke, Vorzeichen und Signifikanz von Beziehungen, wie sie schon bei der Gütebeurteilung formativer Messmodelle dargelegt sind. Hinzu kommt, dass bei der Beurteilung des Strukturmodells das Gesamtbild und nicht das Gewicht einer einzelnen Beziehung die entscheidende Rolle spielt. Einzelne schwache Beziehungen sind unproblematisch, solange im Gesamtmodell substanzielle Beziehungen zu erkennen sind. Auch hier gilt insgesamt, dass – wenn überhaupt – eine Elimination nur auf Basis einer gehaltvollen inhaltlichen Begründung vorgenommen werden darf. Sofern Segmentbildungen durchgeführt werden, sollte aus Gründen der Vergleichbarkeit die Entfernung von Beziehungen im Strukturmodell auf Basis inhaltlicher Überlegungen immer simultan aus allen Segmentmodellen erfolgen. Liegen im jeweiligen Strukturmodell auch eine oder mehrere mediierende Wirkbeziehungen vor, wie etwa in Abbildung 30 mit den Pfadkoeffizienten i dargestellt, sollten diese ebenfalls hinsichtlich ihrer Güte analysiert werden. Indikator 1 Indikator 1 Indikator 2

Exogene Variable

1

Indikator 2

Mediatorvariable

2

Endogene Variable

Indikator 1 Indikator 2

3

Abbildung 30: Mediatorenmodell Quelle: In Anlehnung an Eggert et al. (2005).

Eine Variable fungiert als Mediator, sofern kleine Veränderungen der exogenen Variablen zu signifikanten Effekten auf die mediierende Variable führen, Veränderungen der Mediatorvariablen zu signifikanten Effekten auf die endogene Variable führen und ein signifikanter indirekter Effekt 1*2 vorliegt. Falls der Pfad 3 nicht signifikant von null verschieden ist, liegt eine vollständige Mediation vor, ansonsten spricht man von einer partiellen Mediation (Eggert et al., 2005). Alle Voraussetzungen können durch die Analyse eines Strukturmodells in obiger Form getestet werden. Zur Untersuchung der Frage, ob der indirekte Effekt 1*2 von null verschieden ist, kann ein Z-Test nach Sobel (1982) verwendet werden. Die Teststatistik wird berechnet über Formel 20

Z=

1 •  2  22

• 21 +  12 • 22

,

wobei  die entsprechenden Standardfehler von 1 und 2 sind (Eggert et al., 2005). Zum Abschluss bietet sich die Berechnung der Größe „Variance Accounted For“ Formel 21

VAF =

1 •  2 1 •  2 +  3

an, um das Ausmaß des mediierenden Effektes zu ermitteln (Eggert et al., 2005).

146 Eine Güteprüfung mediierender Effekte wird in empirischen Arbeiten bisher kaum durchgeführt. Dies gilt umso mehr für Arbeiten, die ein umfangreicheres als das in Abbildung 30 dargestellte Modell untersuchen, wie es bspw. bei der vorliegenden Arbeit der Fall ist (vgl. Abbildung 20). Neben fehlender Kenntnis könnte dafür ursächlich sein, dass inhaltliche Überlegungen hinsichtlich der Theorie, auf deren Basis das Strukturmodell erarbeitet wird, eine partielle Mediation nicht zulassen. Ein bekanntes Beispiel, bei dem von einer vollständig mediierten Wirkbeziehung ausgegangen wird, ist das Stimulus-Organism-Response-Modell, welches besagt, dass Umweltreize durch psychische Vorgänge im Organismus des potentiellen Käufers verarbeitet werden und sich anschließend in einer Verhaltensreaktion äußern (Kotler und Bliemel, 2001, S. 324 ff.). Ein direkter Wirkzusammenhang zwischen Umweltreizen und der Verhaltensreaktion ist in dem Modell nicht vorgesehen. Ein weiterer Grund für die geringe Verbreitung des VAF nach Formel 21 könnte darin liegen, dass der Faktor nicht ohne weitere Modifikation anzuwenden ist, sofern bspw. ein „2-Mediatorenmodell“ wie in Abbildung 31 vorliegt. Eine Interpretation der Höhe des VAF ist daher aufgrund fehlender Vergleichsmaßstäbe schwierig bzw. bei umfangreicheren Modellen ohne Modifikation der Formel unmöglich. Eine modifizierte VAF für ein 2-Mediatorenmodell könnte Formel 22

mVAF =

1 •  2 +  4 •  5 1 •  2 +  4 •  5 +  3

sein. In der Literatur sind jedoch keine Ausführungen zu finden, die die Überlegungen zu Formel 22 belegen könnten.

Indikator 1

Indikator 2

Mediatorvariable

4

5 Indikator 1

Indikator 1 Indikator 2

Exogene Variable

1

Indikator 2

Mediatorvariable

2

Endogene Variable

Indikator 1 Indikator 2

3 Abbildung 31: 2-Mediatorenmodell

Wie bereits in Abschnitt 2.2.2. erwähnt, existiert im PLS-Kontext kein globales Gütemaß, da eine Optimierung nur iterativ-lokal und nicht global stattfindet. Alternativ entwickeln Amato, Esposito Vinzi und Tenenhaus (vgl. dazu Tenenhaus et al., 2005) mit dem Goodness-of-FitIndex (GoF)

147 Formel 23 K

Hk

෤෤Korr (x 2

GoF =

k =1 h=1

V

෤R ( , {

)

2

•

K

෤H

kh ,  k

k

v

k ' s explaining  v

})

e=1

V

k =1

ein Maß, welches als „index for validating the PLS model globally“ (Tenenhaus et al., 2005, S. 173) interpretiert werden kann. Der GoF berücksichtigt die Güte einer Modellschätzung sowohl auf Messmodell- als auch auf Strukturmodellebene gleichzeitig. Dabei bezeichnet Hk die Zahl der manifesten Variablen für die latente Variable k, wobei K die Anzahl aller latenten Variablen repräsentiert. Der erste Radikand entspricht dem Mittelwert der quadrierten Korrelationen zwischen den manifesten Variablen mit ihrem korrespondierenden Konstrukt, d. h. der durchschnittlichen Kommunalität (Korrelation zwischen Indikator und Konstrukt) im gesamten Strukturmodell. Er stellt quasi das Gütemaß für die Messmodelle dar. Der zweite Radikand repräsentiert den Mittelwert der Werte der Bestimmtheitsmaße aller endogenen latenten Variablen. Er ist als Ausdruck der Erklärungsgüte der endogenen Variablen „ein mittleres“ Gütemaß für das innere Modell (Eberl, 2006b, S. 94). Der GoF ist demnach der geometrische Mittelwert aus dem Produkt der durchschnittlichen Kommunalität und dem durchschnittlichen Bestimmtheitsmaß der endogenen Variablen. Da der GoF noch am Anfang seiner Entwicklung steht, sieht er sich der generellen Kritik ausgesetzt, wenig aussagekräftig zu sein. Zudem ist er nur ein sinnvolles Maß, sofern ausschließlich reflektive Messmodelle verwendet werden, da eine hohe Kommunalität bzw. starke Korrelationen zwischen Indikatoren und zugehörigem Konstrukt für formative Messmodelle nicht die Regel sind. Dennoch kann der GoF bspw. bei Modellvergleichen als „Trade-offGütekriterium“ herangezogen werden (Eberl, 2006b, S. 94).

5.3.4. Gütebeurteilung der Segmentierungsansätze 5.3.4.1. Statistische Ergebnisprüfung der multiplen Gruppenanalyse Bei der Diskussion der Ergebnisse der multiplen Gruppenanalyse werden vielfach keine statistischen Prüfkriterien verwendet, sondern nur die Größe der Pfadkoeffizienten in den unterschiedlichen Segmenten untersucht. Einerseits wird dieses Vorgehen größtenteils als relativ „naiv“ bezeichnet (Chin, 2003, S. 33; Dibbern und Chin, 2005, S. 146), andererseits befinden sich statistische Prüfkriterien beim PLS-Ansatz vielfach noch in der Entwicklungsphase (Fiedler, 2007), so dass nur einige wenige nachfolgend vorgestellt werden sollen. Standardmäßig kommen Tests auf die Signifikanz von unterschiedlichen Pfadkoeffizienten in unterschiedlichen Gruppen zum Einsatz.115 Derartige Signifikanztests basieren meist auf den klassischen t-Tests.116 Der „most expedient“ Ansatz, den bspw. auch Huber et al. (2007, S.

115

Diese kommen standardmäßig auch für die Prüfung auf Messmodellinvarianz vornehmlich für reflektiv operationalisierte Konstrukte zum Einsatz. 116 Die Nullhypothese ist dabei im Allgemeinen, dass kein Unterschied zwischen den Segmenten besteht (Jansen und Laatz, 2007, S. 339).

148 51 f.) im Rahmen des Tests auf Messmodellinvarianz befürworten, ist nach Chin (2000) die Berechnung eines t-Wertes für die Differenz zwischen zwei Schätzern, Formel 24

t=

p 1x -p 2x

(m - 1)2 (m + n - 2)

• ( (p 1x )) 2 +

(n - 1)2 (m + n - 2)

• ( (p 2x )) 2 *

1 1 + m n

.

Dabei bezeichnet m (n) die Fallzahl des ersten (zweiten) Segments. p1x ( p 2x ) bezeichnet den Schätzer bzgl. des Modellparameters im ersten (zweiten) Segment. ı(p1x ) und ı(p 2x ) sind die Standardfehler, die durch Resampling-Verfahren wie z. B. das Bootstrapping für jedes Segment separat generiert werden. Der nach Formel 24 berechnete Wert t folgt einer tVerteilung mit m+n-2 Freiheitsgraden (Chin, 2000). Das Vorgehen kann allerdings nur angewendet werden, sofern die beiden Standardfehler „… not too different from one another” sind, weil für beide Verteilungen dieselbe Varianz unterstellt wird (Chin, 2000). Andernfalls bietet sich der Smith-Satterthwait-Test mit der Teststatistik 117

Formel 25

t=

p1x -p2x ( (p1x ))2 + ( (p2x ))2

an. Ein Problem für diese Art von t-Tests nach Formel 24 oder Formel 25 ist, dass die Normalverteilungseigenschaft annähernd erfüllt sein muss (Chin, 2000).118 Zahlreiche Untersuchungen führen jedoch bei Anwendung der Tests keine Prüfung auf Normalverteilung durch bzw. missachten aus Mangel an Alternativen diese Annahmeverletzung bei der statistischen Ergebnisüberprüfung von Gruppenvergleichen (Fiedler, 2007, S. 237; Rasch et al., 2006, S. 60). Eine Ursache für den unkritischen Umgang mit der Normalverteilungseigenschaft könnte die Robustheit des t-Tests sein (Bortz, 2005, S. 131 ff.). Simulationsstudien zeigen, dass der t-Test auch bei einer Verletzung der Normalverteilungsannahme noch zuverlässige Informationen liefern kann (Rasch et al., 2006, S. 59 f.). Für nicht annähernd normalverteilte Daten ist der „approximate randomization test“ geeignet, der keine Verteilungsannahmen voraussetzt (Chin, 2003). Die Durchführung des Verfahrens wird durch die steigenden Computerrechenleistungen möglich und generiert eine Teilmenge aller möglichen Datenpermutationen zwischen den Stichprobengruppen. Dazu werden standardisierte Randomisierungsverfahren für die Erstellung von Zufallsverteilungen verwendet. Die Signifikanz eines zweiseitigen Permutationstests ergibt sich, sofern die tatsächlich beobachtete Differenz aus dem mittleren Verteilungsbereich (z. B. einem 95-Perzentil) der Differenzen der zufällig berechneten Teilmenge herausfällt (Chin, 2003; Chin und Dibbern, 2009; Dibbern und Chin, 2005.; Fiedler, 2007, S. 238). 117

Die Formel unterscheidet sich von vielen Standardformeln aus einschlägigen Lehrbüchern, da der Standardfehler aus dem Bootstrapping-Verfahren bereits mittelwertadjustiert ist und sich die Formel demnach vereinfacht (Chin, 2000). 118 Der häufig verwendete Chow-Test basiert ebenfalls auf Verteilungsannahmen (Henseler und Fassott, 2009). Er lässt sich nur sinnvoll anwenden, sofern die Daten einer F-Verteilung folgen (Chow, 1960).

149 Henseler und Fassot (2009) bezeichnen aktuell den Test nach Chin und Dibbern (2009), der keine Verteilungsannahmen enthält, als „First Choice“. Bisher sind diese „verteilungsfreien“ Verfahren in den gängigen Softwareversionen nicht verfügbar. Alternativ stehen für den Vergleich zwischen zwei unabhängigen Segmenten weitere nicht verteilungsabhängige Tests wie der häufig verwendete Mann-Whitney-Test zur Verfügung (Fiedler, 2007, S. 241). Sollen mehr als zwei unabhängige Segmente verglichen werden, bietet sich der Kruskal-Wallis-Test an. Dabei handelt es sich um eine Weiterentwicklung des Mann-Whitney-Tests (Kruskal und Wallis, 1952). Diese „Alternativtests“ stehen in vielen Softwareprogrammen zur Verfügung (Fiedler, 2007, S. 240 ff.).

5.3.4.2. Kritische Diskussion der statistischen Ergebnisprüfung multipler Gruppenanalysen Entscheidet man sich für den Einsatz multipler Gruppenvergleiche, so wird empfohlen, vor der Überprüfung der geschätzten Modelle auf Unterschiede in den Segmenten zunächst zu kontrollieren, ob die Messmodelle in den unterschiedlichen Segmenten statistisch nicht signifikant voneinander abweichen (Messmodellinvarianz). Chin (2000) merkt dazu an: „One caveat … is, that there is an assumption that the underlying weights in the formation of constructs for each group are approximately equivalent.” Diese Empfehlung resultiert aus dem traditionellen Vorgehen bei der Kovarianzstrukturanalyse, bei der bspw. auch die Fixierung von Messmodellparametern im Gegensatz zu PLS möglich ist (Huber et al., 2006, S. 701). Liegt eine solche Messmodellinvarianz vor, ist gewährleistet, dass die Assoziationen zwischen Konstrukten in den Segmenten auch auf denselben Konstruktinhalt zurückgreifen. Bei reflektiven Konstrukten ist demnach auf die Äquivalenz der Ladungen, bei formativen Konstrukten auf die Äquivalenz der Gewichte zu testen (Chin, 2000; Huber et al., 2007, S. 50; Temme und Hildebrandt, 2009). Das Prüfen auf Messmodellinvarianz sollte allerdings insbesondere bei formativen Messmodellen kritisch hinterfragt werden. Der Bedeutungsinhalt einzelner Konstrukte kann in unterschiedlichen Segmenten zwar durch die gleichen formativen Indikatoren gebildet werden, diese können aber unterschiedlich gewichtet sein. Bspw. könnten sowohl Frauen als auch Männer Online-Einzelhändler als vertrauenswürdig ansehen, die Sonderangebote und Gütesiegel zeigen. Dabei könnten bei Frauen allerdings die Gütesiegel einen wesentlich stärkeren Einfluss als die Sonderangebote haben, während die Bedeutungsrelation im Männersegment umgekehrt sein könnte. Häufig liegt in der Identifikation derartiger Sachverhalte durch formative Operationalisierung das originäre Forschungsinteresse. Im Beispiel läge aber nach dem traditionellen Vorgehen bei der Kovarianzstrukturanalyse keine Messmodellinvarianz vor und eine Segmentbildung wäre problematisch bzw. nach konservativem Verständnis nicht zulässig. Das vorstehend beschriebene originäre Forschungsanliegen würde dadurch aber gewissermaßen untergraben werden. Provokant wäre die These, einen Test auf Messmodellinvarianz vorzunehmen, jedoch nicht aus Sorge, sondern in der Hoffnung, statistisch signifikante Unterschiede der formativen Indikatoren zu identifizieren. Huber et al. (2007, S. 51) umschreiben die Problematik etwas gemäßigter. Sie sehen allgemein in der Invarianzforderung die Gefahr, „aufgrund geringfügiger Abweichung von einem strengen statis-

150 tischen Kriterium einen deutlichen Erkenntnisgewinn“ zu missachten. Nach den Autoren ist die Forderung nach Messmodellinvarianz weitestgehend erfüllt, sollte jedes Konstrukt in jedem Segment durch die gleichen Indikatoren gemessen werden (Huber et al., 2007, S. 118). Insofern lässt sich darüber diskutieren, ob das von Chin (2003, S. 33) als „naiv“ betitelte Vorgehen ohne statistischen Test im Einzelfall doch angebracht ist. Andererseits ist es auch denkbar, die Interpretation der Erkenntnisse aus dem Test auf signifikante Unterschiede formativer Indikatoren umzukehren. Derartige Unterschiede könnten eher als Erkenntnisgewinn denn als statistischer Mangel angesehen werden. Allerdings stellt sich im ersten Fall die Frage, ob von einem deutlichen Erkenntnisgewinn gesprochen werden darf, sofern Kennziffern zur statistischen Absicherung des Sacherhalts nicht herangezogen werden. Demnach ergibt sich das Problem, entweder die eigentliche Erkenntnis aufgrund der Anwendung strenger statistischer Kriterien und deren traditioneller Interpretation zur Absicherung der Erkenntnis zu missachten oder aufgrund unzureichender statistischer Absicherung Erkenntnisse zu erzielen, die im streng statistischen Sinn nicht als Erkenntnisse tituliert werden dürfen.119 Eine weitergehende Diskussion der „Problematik“ des Prüfens formativer Messmodelle auf Messmodellinvarianz in der Wissenschaftsgemeinde ist somit zu begrüßen.

5.3.4.3. Statistische Ergebnisprüfung von Interaktionstermen Die Bewertung des Interaktionseffektes findet anhand der Höhe der Pfadkoeffizienten und deren Signifikanz statt. Die Höhe des geschätzten Pfadparameters des Interaktionstermes b (vgl. Abbildung 28) zeigt das Ausmaß des Interaktionseffektes zwischen der unabhängigen und der abhängigen Variablen an (Chin et al., 2003). Die Forschungshypothese eines moderierenden Effektes kann nicht verworfen werden, wenn im Rahmen der Modellschätzung eine signifikante Interaktionsbeziehung feststellbar ist. Die Ausprägungen der Pfadkoeffizienten a und c sind dabei nicht relevant (vgl. Abbildung 28, Abschnitt 5.2.4.2.) (Baron und Kenny, 1986; Eggert et al., 2005). Um darüber hinaus festzustellen, in welchem Ausmaß der Interaktionsterm zur Erklärungskraft der abhängigen Variablen beiträgt, kann die Veränderung des Bestimmtheitsmaßes R² im Sinne der bereits dargestellten Effektstärke (vgl. Formel 17, Abschnitt 5.3.3.) analysiert werden (Huber et al., 2007, S. 53). Auch hier gilt zu beachten, dass eine geringe Effektstärke nicht zwingend die Unwichtigkeit des zugrunde liegenden moderierenden Effektes bedeutet: „It is important to understand that a small f² does not necessarily imply an unimportant effect. Even a small interaction effect can be meaningful under extreme moderating conditions, if the resulting beta changes are meaningful, then it is important to take these conditions into account.” (Chin et al., 2003). Dies liegt an der Konzeption von f² und der Orientierung an der Höhe des Bestimmtheitsmaßes. Es ist denkbar, dass die Interaktionsvariable durchaus einen deutlichen Effekt auf das 119

Die Argumentation für oder wider statistische Kriterien ist ebenso bei der generellen Diskussion des Einsatzes der Kovarianzstrukturanalyse oder des PLS-Verfahrens als Schätzmethode für Strukturgleichungsmodelle zu finden. Auf weitere Ausführungen soll an dieser Stelle verzichtet werde. Es sei auf Abschnitt 2.2. und die dort angegebene Literatur verwiesen.

151 Zielkonstrukt hat, dies jedoch im Vergleich zum Modell ohne Interaktionseffekt mit einer Veränderung der Erklärungsbeiträge anderer Variablen einhergeht, die ebenfalls auf das Zielkonstrukt wirken, so dass sich das Bestimmtheitsmaß der abhängigen Variablen nur gering verändert. Geringe Effektstärke im Sinne von f², die häufig in verhaltenswissenschaftlicher Forschung auftritt (Henseler 2006, S. 131), bedeutet also nicht unbedingt geringe Relevanz des Moderators (Eberl, 2006b, S. 131).

5.3.5. Exkurs: Logik von Hypothesen- und Signifikanztests im Kontext der Gütebeurteilung von PLS-Pfadmodellen 5.3.5.1. (Fehl-)Implikationen aus der Untersuchung der Nullhypothese Die bisherigen Erläuterungen zur Gütebeurteilung von PLS-Pfadmodellen zeigen, dass für die Beurteilungen von Pfadkoeffizienten (im Mess- und Strukturmodell sowie für die Beurteilung von Unterschieden) Signifikanztests durchzuführen sind (vgl. auch im Folgenden Kreyszig, 1991, S. 207 ff.; Schlittgen, 2008, S. 335 ff.; Thiel, 1998, S. 74 ff.). Damit die Untersuchung hypothetisch formulierter, „kausaler“120 Beziehungen (vgl. auch Abschnitt 2.1.) zwischen abhängigen und unabhängigen Variablen möglich wird, werden in statistischen Tests (hier Signifikanztests) sog. Nullhypothesen herangezogen, die aussagen, dass keine solche Beziehung besteht und der Zusammenhang bspw. nur durch die Zufälligkeiten in der Datenstichprobe entstanden ist. Die im Verlauf der Arbeit formulierten Hypothesen sind daher nicht die Nullhypothese im statistischen Sinn, sondern entsprechend ihrer Titel als Forschungshypothesen zu verstehen. Wird im Rahmen der empirischen Untersuchung die Nullhypothese verworfen, es bestünde kein Zusammenhang, können dabei zwei Fehlertypen auftreten: Beim Fehler 1. Art wird die Nullhypothese verworfen, obwohl sie richtig ist. D. h., die Forschungshypothese wird empirisch bestätigt, obwohl sie tatsächlich falsch ist. Die Wahrscheinlichkeit für einen solchen Fehler heißt Signifikanzzahl oder Signifikanzniveau des Tests und wird mit  bezeichnet. Häufig wird auch von der Irrtumswahrscheinlichkeit  gesprochen. Je geringer die Irrtumswahrscheinlichkeit, desto geringer das Risiko, dass ein Fehler 1. Art vorliegt. Empfohlen wird eine Irrtumswahrscheinlichkeit von 0,01, 0,05 oder 0,10, je nach forschungsspezifischen Rahmenbedingungen (Cohen, 1992). Aus dieser Irrtumswahrscheinlichkeit  ergibt sich ein Bereich für die jeweilige Teststatistik – eine aus den Stichprobendaten zu berechnende Kennzahl –, der nicht mehr mit der Nullhypothese vereinbar ist. Liegt die Teststatistik außerhalb des berechneten Bereichs, wird die Nullhypothese abgelehnt. Die empirischen Daten sprechen dann „signifikant" (Schlittgen, 2003, S. 324) für die Forschungshypothese. Die Ablehnung der Nullhypothese ist folglich entweder die richtige Entscheidung, oder sie geschieht fälschlicherweise mit einer nur sehr kleinen vorgegebenen Wahrscheinlichkeit.

120

Es ist zu beachten, dass wahre Kausalität nicht über den Hypothesentest selber, sondern nur über das Design der Studie oder logische Folgerungen angenommen, aber nie vollkommen belegt werden kann (Biemann, 2007; Popper, 1935) (vgl. auch die Ausführungen zum sozialwisssenschaftlichen Naturalismus in Abschnitt 2.1.).

152 Ein Fehler 2. Art liegt vor, wenn die Nullhypothese irrtümlich nicht abgelehnt wird. Es wird somit versäumt, einen existierenden empirischen Zusammenhang zu erkennen, obwohl dieser vorliegt. Die Wahrscheinlichkeit hierfür wird mit 1- bezeichnet, wobei  die Wahrscheinlichkeit ist, einen solchen Fehler 2. Art zu vermeiden. 1- wird daher auch als die Teststärke bezeichnet. Die Ziele, die Wahrscheinlichkeit für den Fehler 1. Art und den Fehler 2. Art gleichzeitig zu minimieren, sind konkurrierend. Mit sinkender Wahrscheinlichkeit für den Fehler 1. Art steigt die Wahrscheinlichkeit für den Fehler 2. Art (vgl. für weitere Erläuterungen die oben angegebene Literatur). Der konkrete Zusammenhang zwischen  und  ist dabei in der Regel nicht näher bekannt. Ein sorgfältiger sprachlicher Umgang ist mit den Ergebnissen der Signifikanz- bzw. Hypothesentests angebracht, wie R. A. Fisher (zitiert aus Salsburg, 2002, S. 107 f.) klarstellt: „For the logical fallacy of believing that a hypothesis has been proved to be true, merely because it is not contradicted by the available facts, has no more right to insinuate itself in statistical than in other kinds of scientific reasoning. … tests of significance, when used accurately, are capable of rejecting or invalidating hypotheses, in so far as they are contradicted by the data: but that they are never capable of establishing them as certainly true.” Auch in Standardlehrbüchern ist die sprachliche Verwendung nicht immer vollständig trennscharf. Backhaus et al. (2008, S. 73) stellen bspw. bei der Erläuterung des Signifikanztests fest, „… dass der Test zu einer Annahme der Nullhypothese führen wird, wenn diese korrekt ist, d. h. wenn kein Zusammenhang besteht“. Die Ausführungen von Fisher zeigen jedoch, dass eine Nullhypothese nicht mit demselben Test angenommen oder als korrekt bestätigt werden kann, der zur Verwerfung derselben Nullhypothese verwendet oder konzipiert wird. Zur Bestätigung müsste ein analoger Test und Verwendung der Alternativhypothese als Nullhypothese durchgeführt werden, was i. d. R. schwierig ist, da Verteilungsannahmen für die Alternativhypothese nicht bekannt sind. Die ursprüngliche Nullhypothese kann demnach lediglich abgelehnt oder nicht abgelehnt werden und damit nur Hinweise auf eine etwaige (Un)Korrektheit geben. Sprachlich einwandfrei wären demnach die Formulierungen „… die Daten haben nicht ausgereicht [die Nullhypothese] H0 abzulehnen“ oder „… Beibehaltung von H0“ (Schlittgen, 2008, S. 343). An dieser Stelle schließt sich der Kreis zu dem in Abschnitt 2.1. vorgestellten Prinzip des sozialwissenschaftlichen Naturalismus und der Bedarf eines sehr sensiblen Umgangs mit Aussagen hinsichtlich der Kausalität, d. h. der „Existenz und Entdeckung kausaler Gesetzmäßigkeiten“ in betriebswirtschaftlichen empirischen Forschungsarbeiten.

5.3.5.2. Die Entscheidung für ein- oder zweiseitige Tests im PLS-Kontext Im Rahmen von Strukturgleichungsmodellen im Allgemeinen und PLS im Besonderen ist nun die Frage zu beantworten, ob ein- oder zweiseitige Tests für die Überprüfung der Zusammenhangshypothese der Pfadkoeffizienten im Struktur- wie in den Messmodellen durchgeführt werden sollten.

153 Bei einem einseitigen Test lautet die Nullhypothese: „Der Pfadkoeffizient hat den Wert null“. Die Gegenhypothese bzw. Alternativhypothese lautet entweder: „Der Pfadkoeffizient hat einen Wert größer null“ oder „der Pfadkoeffizient hat einen Wert kleiner null“. Die Nullhypothese des zweiseitigen Tests ist die gleiche wie beim einseitigen Test. Hingegen lautet die Alternativhypothese: „Der Pfadkoeffizient hat einen Wert, der von null verschieden ist“. Das Vorgehen in der Literatur ist diesbzgl. unterschiedlich: Fassott (2007, S. 160 ff.), Eberl (2006b, S. 155 ff.), Ringle (2004a, S. 329 ff.) oder Homburg und Giering (1996) nutzen einseitige Tests, während Ringle und Spreen (2007) sowie Huber et al. (2007, S. 45) für die Prüfung formativer Messmodelle und die Beziehungen im Strukturmodell Teststatistiken für zweiseitige Tests darlegen, ohne weitere Ausführungen dazu zu machen. Da es bei der Entscheidung für oder gegen ein- bzw. zweiseitige Tests grundsätzlich darum geht, ob es sich um gerichtete oder ungerichtete Hypothesen handelt (Biemann, 2007), könnte die Methodik des jeweils verwendeten Schätzalgorithmus ursächlich für die Unterschiede sein. Implizit könnten hier Annahmen bzw. Besonderheiten über die Gerichtetheit (Müller et al., 2008, S. 24) des Tests (ungerichtet oder gerichtet) enthalten sein. Im Gegensatz zur PLS-Orientierung der anderen oben genannten Autoren argumentieren Homburg und Giering (1996) wegen der damalig vergleichsweise geringen Verbreitung von PLS (vgl. Abschnitt 5.1.) im Kontext der Kovarianzstrukturanalyse. Hier werden ein im Vorwege postuliertes Hypothesensystem getestet und vielfach etablierte reflektive Skalen verwendet. Durch die im Vorwege festgelegten Wirkrichtung(en) (positiv oder negativ) ist ein einseitiger Test adäquat, bei dem es „nur“ darum geht abzusichern, dass die im Vorwege postulierte positive oder negative Wirkrichtung signifikant von null verschieden ist. Demgegenüber ist bei der Anwendung von PLS ein „sensibler“ Umgang mit ein- oder zweiseitigen Tests angebracht. Auch bei Anwendung der PLS-Schätzmethode erfolgt die Entwicklung des zugrunde liegenden Strukturgleichungsmodells theoriegetrieben und i. d. R. werden Vermutungen über die grundsätzliche Wirkrichtung (positiv oder negativ) angestellt. Häufig sind diese auch offensichtlich. Es kann z. B. davon ausgegangen werden, dass eine Kostenreduktion positiven Einfluss auf den unternehmensspezifischen Erfolg hat (Ringle, 2004a, S. 329 ff.). Eine eindeutige Wirkrichtung ist demnach sehr wahrscheinlich, und ein einseitiger Test ist damit nachvollziehbar. Andererseits ist bei PLS der prognoseorientierte Charakter und die Anpassung der Parameter hinsichtlich der Reproduktion der Rohdaten zu betonen, weswegen PLS häufig auch in neuartigen Forschungsfeldern Anwendung findet. In derartig explorativen Zusammenhängen liegt meist zwar auch eine theoriebasierte Vermutung über die Wirkrichtung vor, jedoch sind durchaus auch überraschende Ergebnisse möglich. Denkbar wäre die „zufällige“ Identifikation einer Wirkrichtung, die der ursprünglich theoriebasierten Vermutung entgegensteht. Liegen demnach im jeweiligen Forschungskontext keine augenscheinlichen Wirkrichtungen vor, die postuliert werden, ist nur ein zweiseitiger Test adäquat. Die Aussage von Homburg und Pflesser (2000, S. 75), in den Sozial- und

154 Wirtschaftswissenschaften existieren nur in den seltensten Fällen abgesicherte Theorien, spricht sogar für die generelle Verwendung zweiseitiger Tests. Prinzipiell ist ein sorgfältiger Umgang mit diesem Thema angebracht und i. d. R. ist ein zweiseitiger Test anzuraten.

155

6. Empirische Untersuchung zur signalbasierten Prognose der vertrauensvollen Kaufabsicht 6.1. Forschungsdesign 6.1.1. Erhebungsmethode In den vorangegangenen Kapiteln sind mit dem Ziel der Prognose des Metaproduktkaufverhaltens mit Hilfe des PLS-Verfahrens unterschiedliche, wenn auch z. T. verwandte Theoriebereiche in einem Strukturgleichungsmodell zusammengeführt worden. Diese Symbiose hat neuartigen Charakter und ist notwendig, da es bisher für die zentralen Forschungsfragen dieser Arbeit keine geschlossene theoretische Fundierung gibt, z. T. unpassende methodische Analyseinstrumentarien eingesetzt werden und (eventuell als Folge) zum Großteil widersprüchliche Ergebnisse bzgl. der Signalwirkung von Webdesignelementen vorliegen. Dieses Faktum hat zur Folge, dass keine ausreichend verwertbaren Daten existieren und eine Primärerhebung für die Beantwortung der vorliegenden Forschungsfragen unumgänglich ist. Obwohl PLS zur Schätzung von Strukturgleichungsmodellen vergleichsweise wenige Daten benötigt, kommt bei begrenzter Kapazität mit einem angemessenen Aufwand nur eine weitgehend standardisierte, schriftliche Umfrageform in Frage. Die Befragten geben dabei einzeln und im Rahmen dieser Untersuchung einmal ihre Urteile ab (Kaya, 2007). Als Erhebungseinheit, um Daten über das auf das Internet bezogene Verhalten der Konsumenten zu erhalten, wird eine Befragung über das Internet durchgeführt, bei der ein selbst programmierter und auf einem Server abgelegter Fragebogen online auszufüllen ist. Die Online-Befragung verknüpft allgemein verschiedene Vorteile der schriftlichen Befragung mit den Vorzügen computergestützter persönlicher Interviews (Berekoven et al., 2006, S. 112 ff.; Kaya, 2007). Darüber hinaus ist sie speziell für den vorliegenden Untersuchungszusammenhang offensichtlich besonders geeignet. Die allgemeinen Vorteile sind das Entfallen von Interviewzeiten und des Interviewereinflusses, z. B. durch suggestives Vorbringen der Fragen und das äußere Erscheinungsbild oder Auftreten des Interviewers (Berekoven et al., 2006, S. 68 f.; Madelberger, 2004, S. 220 f.). Die Objektivität wird ferner durch die weitgehende Anonymität positiv beeinflusst. Ein weiterer Vorteil der elektronischen Erfassung ist die vergleichsweise kostengünstige Generierung großer Fallzahlen durch die Flexibilität der Untersuchungszeit und des Untersuchungsortes bei gleichzeitiger Plausibilitätsprüfung zur Vermeidung unbeabsichtigter Falschangaben. Ferner wird eine unmittelbare, ortsunabhängige Auswertung der Ergebnisse durch die internetgestützte Erfassung möglich (Fritz, 2004, S. 146; Madelberger, 2004, S. 115 ff.). Den allgemeinen Vorteilen stehen auch verschiedene allgemeine Nachteile gegenüber. Etwaige Verständnisprobleme können durch die Abwesenheit eines Interviewers nicht direkt geklärt werden. Ein Pilot-Test (vgl. Abschnitt 6.1.3.2.) kann allerdings die Wahrscheinlichkeit für das Auftreten von Verständnisproblemen vermindern (Berekoven et al., 2006, S. 68 f.;

156 Madelberger, 2004, S. 220 f.). Ferner können technische Barrieren (vgl. Abschnitt 3.2.1.) zu (Darstellungs-)Problemen bei der Umfrage führen. Allerdings ist diese Art der Selektion sogar in gewisser Weise vorteilhaft, weil dieselben technischen Barrieren der Nutzung des Internets als Transaktionsmedium im Wege stehen. Eine andere Art der Selektion, die sog. Selbstselektion, die in der ungezielten Ansprache von Personen z. B. durch Banner oder Foreneinträge begründet ist, wird Vielfach als Nachteil einer Online-Befragung angeführt, weil damit eine Verschiebung der Teilnahmeinitiative in Richtung der Konsumenten verbunden ist. Es entsteht daraus häufig eine mangelnde Repräsentativität im Sinne einer Zufallsauswahl bzgl. der eigentlichen Untersuchungsgesamtheit (hier alle Personen, die das Internet zumindest als Informationsmedium nutzen), da nicht bekannt ist, mit welcher Wahrscheinlichkeit eine Person mit einem Link auf die Befragung in Kontakt kommt. Man spricht von Stichprobenverzerrung durch Auswahlprozesse.121 Eine Verzerrung in Richtung auf Personen mit inhaltlicher Affinität zum Untersuchungsthema oder Intensivnutzer, die eine höhere Bereitschaft zur Teilnahme an Online-Umfragen haben, ist zu erwarten (Berekoven et al., 2006, S. 113 ff.; Engel, 2008, S. 112; Kaya, 2007; Kaya und Himme, 2007). Diese Gefahr wird bei der vorliegenden Befragung allerdings abgemildert, indem Personen auch direkt (persönlich und per E-Mail) Einladungen zur Teilnahme an der Befragung erhalten (vgl. Abschnitt 6.1.3.3.). Spezielle Vorteile der Online-Befragung in Bezug auf den konkreten Untersuchungsgegenstand wiegen die allgemeinen Nachteile der Befragungsform weitestgehend auf. Bspw. ist als Erfahrungshintergrund eines Befragungsteilnehmers die Adaption des Internets als Informationsmedium vorausgesetzt. Dies kann implizit durch die Teilnahme an der Internetbefragung sichergestellt werden. Vor allem aber ist die Flexibilität der Darstellungsmöglichkeit hier von besonderer Wichtigkeit. Vergleichbar mit einem persönlichen Interview kann der Ablauf der Befragung durch die Einbindung von Filterbedingungen individualisiert und adaptiv erfolgen, indem der Fragebogendurchlauf in Abhängigkeit bereits beantworteter Fragen erfolgt (Göritz und Schumacher, 2000; Spreen, 2009, S. 214). Vorliegend ist z. B. eine Filterführung notwendig, die Befragungsteilnehmer nur einen Online-Einzelhändler beurteilen lassen, bei dem noch kein Produkt erworben worden ist (vgl. Abschnitt 6.2. – Segment Bekannte Marktführer) bzw. der im Idealfall nicht einmal vom Namen her bekannt ist (vgl. Abschnitt 6.3. – Segment „Unbekannte kleine und mittlere Unternehmen). Ein großer Vorteil ergibt sich durch die problemlose Einbettung eines jeweils realen Webauftritts verschiedener Online-Einzelhändler als Stimulus in den Fragebogen. Diese Einbettung ist essentiell, da das Ziel die Durchführung einer umfassenden, der Komplexität der Realität gerecht werdende Untersuchung ist, weswegen auch von einer experimentellen Untersuchungsmethode abgesehen wird. Nur so kann den Hauptkritikpunkten an experimenteller Forschung, sie führe eine isolierte Untersuchung nur weniger Variablen durch und mache (auch damit) „… aus einer Theorie des La-

121

Ferner existiert auch eine Verzerrung durch Nichtteilnahme, die aber kein spezielles Problem einer OnlineBefragung ist, sondern für alle (freiwilligen) Erhebungsmethoden gilt.

157 borverhaltens eine Theorie des realen, sozialen Verhaltens“ (Kroeber-Riel, 1977, S. 46), begegnet werden (Arndt, 1977).122 Der Aspekt der etwaig mangelnden Repräsentativität ist vor dem Hintergrund der Vorteile der Online-Befragung und des im Verlauf der Arbeit aufgezeigten Forschungsdefizits bzgl. des Untersuchungsgegenstandes mit dem sich daraus ergebenden Ziel der Überprüfung der „Funktionsweise“ des vornehmlich explorativ entwickelten Modells von nachgelagerter Relevanz. Auch Göritz und Schumacher (2000) sprechen sich bei vornehmlich explorativer Forschung für die Inkaufnahme mangelnder Repräsentativität aus. Damit ist festzuhalten, dass die Online-Befragung für diese Arbeit eine sehr geeignete Erhebungsmethode darstellt.

6.1.2. Zur Messkonzeption der latenten Konstrukte und der moderierenden Variablen 6.1.2.1. Operationalisierung der reflektiv gemessenen Konstrukte 6.1.2.1.1. Vertrauen und vertrauensrelevante Erwartungen In der Literatur findet sich eine Vielzahl reflektiver Skalen zu den drei Facetten des Vertrauens, Kompetenz, Wohlwollende Intention und Integrität, die bei der vorliegenden Arbeit die vertrauensrelevanten Erwartungen im Kontext der TPB darstellen. Umfassende Literaturübersichten liefern Mayer et al. (1995), Ludwig (2005) oder McKnight et al. (2002). Der Transfer dieser Skalen in einen erweiterten Online-Kontext und die Prüfung der Skalen auf Reliabilität und Validität finden bisher jedoch nur vereinzelt statt (vgl. Bhattacherjee, 2002; Cheung und Lee, 2006; McKnight et al., 2002; Schlosser et al., 2006). Hier werden die Skalen von Schlosser et al. (2006) verwendet, die Skalen von Mayer und Davis (1999) zitieren und auf einen Online-Einzelhandelskontext anpassen. Wie aus Mayer und Davis (1999) zu entnehmen ist, stammt die Skala ursprünglich jedoch von Schoorman et al. (1996). Diese können über eine Faktoranalyse zeigen, dass die über die Skalen erhobenen Facetten des Vertrauens unterschiedliche Konstrukte darstellen (d. h. Diskriminanzvalidität vorliegt) und die Skalen gute Reliabilitäten aufweisen. Die Übersetzung ins Deutsche ergibt die in Tabelle 19 aufgelisteten Fragen. Die hier verwendete Skala zur Abfrage einer allgemeinen Vertrauenseinstellung resultiert aus der Vertrauensliteratur. Zur Abfrage aller verwendeten latenten Konstrukte wird eine Likert-Rating-Skala verwendet (Likert, 1932), über die der Zustimmungsgrad über einen ganzzahligen Wertebereich [0,10] mit „stimme überhaupt nicht zu“ und „stimme vollständig zu“ als Extrempunkten zu einer Aussage erfasst werden kann (Ajzen, 2002 (überarbeitet 2006)). Es handelt sich bei der Likert-Skala um das in den empirischen Wirtschafts- und Sozialwissenschaften meistverwendete Skalierungsverfahren (Greving, 2007; Schnell et al., 2008, S. 124 ff.). Auch die hier aus 122

Für eine weitergehende Diskussion siehe die Arbeit von Arndt (1977) und deren Kommentierung von KroeberRiel (1977) als einen der Startpunkte des Diskurses um experimentelle Forschung im deutschsprachigen Raum. Eine aktuelle, lösungsorientierte Abhandlung liefern Falk et al. (2009).

158 der Literatur übernommenen Skalen zur Konstruktmessung verwenden zur Abfrage der einzelnen Indikatoren Likert-Skalen. Streng genommen besitzen Ratingskalen allerdings kein Intervallskalenniveau, sondern nur ordinales Skalenniveau. Insofern sind die gewonnen Daten per se auch nicht normalverteilt. Es wird allerdings davon ausgegangen, dass Variable, deren Werte über Ratingskalen erhoben werden, (annähernd) normalverteilt sind. D. h., es wird davon ausgegangen, dass die Probanden die einzelnen Punkte einer Skala als äquidistant empfinden (Hofacker, 1984; Völckner, 2003). K_1 […]123 ist sehr kompetent in der Durchführung von Online-Transaktionen.

Kompetenz

K_2 […] ist erfolgreich mit dem, was es tut. K_3

[…] scheint viel Fachwissen darüber zu haben, was getan werden muss, um Online-Geschäfte durchzuführen.

K_4 Ich bin überzeugt von […]s Online-Einzelhandels-Kompetenzen. K_5

Ich glaube, […] ist sehr fachkundig hinsichtlich der Durchführung von OnlineTransaktionen.

K_6 […] ist sehr qualifiziert im Bereich Online-Einzelhandel.

Intention

Wohlwollende

W_1 […] ist sehr um mein Wohlergehen bemüht. W_2 Meine Bedürfnisse und Wünsche sind […] wichtig. W_3 Ich glaube nicht, dass […] wissentlich etwas tun würde, um mir zu schaden. W_4 […] achtet wirklich darauf, was wichtig für mich ist.

Vertrauen

Integrität

W_5 […] würde keine Mühe scheuen, mir zu helfen. I_1

[…] hat einen starken Gerechtigkeitssinn.

I_2

[…] gibt sich größte Mühe, fair im geschäftlichen Umgang mit anderen zu sein.

I_3

[…]s Handlungsweise ist nicht sehr konsistent, d. h. teilweise widersprüchlich. Veränderung nach Pilot-Test (vgl. Abschnitt 6.1.3.2.)zu: […]s Verhalten scheint gleichbleibend vorschriftsmäßig zu sein.

I_4

Ich mag die Werte, für die […] steht.

I_5

Gute und einwandfreie Prinzipien leiten das Verhalten von […].

V_1 Alles in allem empfinde ich […] als vertrauenswürdig. V_2 Insgesamt ist […] glaubwürdig. V_3 […] kann ich voll vertrauen.

Tabelle 19: Operationalisierungsfragen der Konstrukte Kompetenz, Wohlwollende Intention, Integrität und Vertrauen 123

Es handelt sich bei „[…]“ um einen Platzhalter für den Namen des jeweils zu beurteilenden OnlineEinzelhändlers.

159 6.1.2.1.2. Subjektive Norm und Wahrgenommene Verhaltenskontrolle Zur Messung der Subjektiven Norm, in der sich ausdrückt, was wichtige Referenzpersonen in Bezug auf das in Frage stehende Verhalten von dem Individuum erwarten, sowie der Wahrgenommenen Verhaltenskontrolle, die angibt, wie einfach oder schwierig ein bestimmtes Verhalten durchzuführen ist, wird die vielfach zitierte Skala von Ajzen (2002 (überarbeitet 2006)) herangezogen (vgl. Tabelle 20).124 Für die Wahrgenommene Verhaltenskontrolle findet zudem eine Orientierung an Song und Zahedi (2005) statt, die die Skala von Ajzen in den Online-Kontext übertragen. Die Menschen, die mir wichtig sind, finden es gut, über das Internet Waren zu kaufen. Die Menschen um mich herum, deren Meinung ich sehr schätze, würden es gutheißen, wenn ich Waren über das Internet einkaufe. SN_2 Veränderung nach Pilot-Test (vgl. Abschnitt 6.1.3.2.)zu: Meine Familie würde es gutheißen, falls ich Waren über das Internet kaufe.

Subjektive Norm

SN_1

SN_3 Viele meiner Freunde kaufen Waren über das Internet.

Wahrgenommene

Verhaltenskontrolle

SN_4 Menschen wie ich kaufen Waren über das Internet. WV_1

Ich habe genügend Ressourcen, das Wissen und die Fähigkeit, um Waren über das Internet zu kaufen.

WV_2 Mein Selbstvertrauen reicht aus, um Waren über das Internet zu kaufen. Es hängt größtenteils von mir persönlich ab, ob ich Waren über das Internet kaufe. WV_3 Veränderung nach Pilot-Test (vgl. Abschnitt 6.1.3.2.)zu: Ob ich Waren über das Internet kaufe oder nicht, ist allein meine Entscheidung (in Anlehnung an Hsu et al., 2006).

Tabelle 20: Operationalisierungsfragen der Konstrukte Subjektive Norm und Wahrgenommene Verhaltenskontrolle

6.1.2.1.3. Kaufabsicht Verwendung findet die Skala von Lim et al. (2006), die leicht modifiziert übersetzt wird (vgl.Tabelle 21).125 Sofern ich ernsthaft die Absicht hätte, die Kamera zu kaufen, würde ich in Erwägung ziehen, sie von […] zu kaufen. Es ist wahrscheinlich, dass ich etwas bei […] kaufen werde, sofern ich ProKA_2 dukte aus dem Sortiment benötige.

Kaufabsicht

KA_1

KA_3 Ich könnte mir vorstellen, zukünftig etwas von […] zu erwerben. KA_4 Ich ziehe in Betracht, bei […] zu kaufen.

Tabelle 21: Operationalisierungsfragen des Konstrukts Kaufabsicht

124

Eine umfassende Übersicht über empirische Arbeiten der TPB gibt Ajzen (2008). Weitere Skalen im erweiterten Online-Kontext finden sich bspw. bei Einwiller (2005) oder Bhattacherjee (2002).

125

160

6.1.2.2. Operationalisierung der formativ gemessenen Signalkonstrukte Da bei den vier signaltypologiebasierten Konstrukten nicht auf bereits existierende Forschungsbeiträge zurückgegriffen werden kann, müssen die konzeptionelle Breite des neuartigen formativen Konstrukts sorgfältig festgelegt und möglichst alle potentiellen Facetten des Konstrukts identifiziert und definiert werden (vgl. Abschnitt 5.3.2.2.). Die Ermittlung von Indikatoren zur Messung der Facetten sollte auf Basis einer umfassenden Literaturrecherche, von Expertengesprächen und Beobachtungen erfolgen, um eine hohe Inhaltsvalidität zu erreichen. Diesen Anforderungen kann mit den Ausführungen in den Abschnitten 4.3.3. und 4.3.4. Genüge getan werden: Die Identifikation einer Vielzahl potentieller Signale erfolgt über eine Literaturrecherche, Expertengespräche und die Untersuchung zahlreicher Online-Shops sowie eine Wichtigkeitsbeurteilung der einzelnen Signale für den Erfolg eines OnlineEinzelhändlers durch die Experten. Darauf aufbauend findet eine Kategorisierung der 24 wichtigsten „Signale“ nach der Kirmani und Rao’schen Signaltypologie auf Basis theoretischer Überlegungen statt, die in Tabelle 22 wiedergegeben ist. Im Rahmen einer zweiten Befragung des gleichen Expertensamples findet eine Überprüfung der Signalzuordnung statt, um die sog. Expertenvalidität sicherzustellen (2003, S. 7; Krafft et al., 2005). Als Maß zur Beurteilung der Eindeutigkeit der Zuordnung sowie deren inhaltlicher Relevanz wird der psaund csv-Index gebildet (vgl. Abschnitt 5.3.2.2.). Signal

Gütesiegel Auftragsstatusanzeige Verschiedene Bestellmethoden Große Produktfotos und/oder 3D Datenschutzqualität DefaultPersönliche Kontaktaufnahme Independent SaleUnpersönliche Kontaktaufnahme Independent Bestellvorgang Allgemeine Gestaltung (Layout, Schrift, Farbe) Großes Artikelsortiment Technische Qualität Suchfunktion Lieferzeitpunkt bestimmbar Default-Independent SaleRabatte Contingent Sonderangebote Produktempfehlungen DefaultLagerbestandsanzeige Contingent Kundenproduktbewertungen RevenueKundenforum/Chat zur Online-Einzelhändlerbewertung Risking Unabhängige Produkttestberichte Gesetzliche Rechte (Widerruf und Gewährleistung) DefaultFreiwillige Garantien Contingent Finanzierungsoption Cost-Risking Viele Zahlungsmethoden (risikobehaftet für Online-Einzelhändler) Tabelle 22: psa- und csv-Index der formativen Signalkonstrukte

psaIndex 12/13 12/13 12/13 12/13 1 7/13 11/13 1 10/13 12/13 12/13 12/13 6/13 10/13 1 5/13 9/13 6/13 6/13 9/13 5/13 12/13 5/13 11/13

csvIndex 11/13 11/13 11/13 11/13 1 3/13 10/13 1 8/13 11/13 11/13 11/13 2/13 8/13 1 0 6/13 2/13 2/13 6/13 0 11/13 0 10/13

161 Mit Ausnahme der Signale Produktempfehlungen, Gesetzliche Rechte und Finanzierungsoption weisen die jeweiligen Indizes recht gute Ergebnisse bzgl. der Eindeutigkeit der Zuordnung sowie der inhaltlichen Relevanz auf. Dennoch bleiben auch diese drei Signale ihren zugedachten Konstrukten zugeordnet, da kein anderes Konstrukt eine höhere Übereinstimmung in der Zuordnung unter den Experten erfährt. Die Indizes dieser drei Signale können daher als fast befriedigend angesehen werden. Darüber hinaus nehmen Aiken und Boush (2006) sowie Aiken et al. (2004) in ihren Forschungsbeiträgen zu Signalen im Online-Bereich eine mit der vorliegenden Arbeit identische Klassifikation der Signale Produktempfehlungen und Gesetzliche Rechte vor. Zur Orientierung bei der Fragengestaltung werden Arbeiten herangezogen, die Strukturgleichungsmodelle verwenden (vgl. Chen et al., 2004; Fassnacht und Koese, 2006; Kim et al., 2002; Lim et al., 2006; Loiacono et al., 2007; Palmer, 2002; Song und Zahedi, 2005; Wang et al., 2004; Wolfinbarger und Gilly, 2003; Yakov et al., 2005). Die entsprechenden Autoren fragen zwar eine Beurteilung (meist weniger) konkreter Maßnahmen als Indikatoren auf LikertSkalen ab, das primäre Ziel ist dabei aber nicht deren Effizienzbeurteilung im signaltheoretischen Sinn. Die Operationalisierung erfolgt dort demnach – möglicherweise unpassend – reflektiv, oder es werden vereinzelt Single-Item-Konstrukte126 verwendet. Die Fragengestaltung findet abschließend eng angelehnt an Palmer (2002) und Lim (2006) statt (vgl. Tabelle 23).

126

Für eine weitere Diskussion von Single-Item-Konstrukten in verhaltenswissenschaftlicher Forschung siehe Bergkvist und Rossiter (2007).

162

[…]_8

[…] bietet eine Suchfunktion, mit der ich schnell finde, was ich suche.

[…]_10

[…] zeigt viele Güte- und Prüfsiegel unabhängiger Institutionen.

[…]_11

dass ich mich bei […] über eine Auftragsstatusanzeige und/oder eine Sendungsverfolgung unkompliziert über meine Bestellung informieren könnte.

[…]_13

[…] bietet viele Bestellmethoden, z. B. per E-Mail, Online, Fax, Telefon etc.

[…]_14

[…] präsentiert die Produkte kundenfreundlich durch 3-Dimensionale Produktdarstellungen und/oder viele große Produktfotos.

[…]_18

[…] verpflichtet sich zum umfassenden Datenschutz und verspricht eine sichere Datenübertragung.

[…]_19

zu jeder Zeit persönlich mit Mitarbeitern von […] Kontakt aufnehmen zu können, z. B. per Telefon oder Live-Chat.

[…]_20

[…] stellt umfangreiche Kontakt- und Firmeninformation zur unpersönlichen Kontaktaufnahme bereit.

[…]_21

der Bestellvorgang von […] ist einfach und komfortabel durchzuführen und zeigt vorweg übersichtlich alle Bestellschritte.

[…]_22

die allgemeine Gestaltung (Layout, Schrift, Farbe) der Website von […] gefällt mir. […] bietet eine Vielzahl von Produkten an.

[…]_24

die technische Qualität (keine Fehler, kurze Ladezeiten) der Website von […] ist hervorragend.

[…]_12

ich kann z. B. durch zahlreiche Versandoptionen den Lieferzeitpunkt eines Produktes bestimmen.

[…]_15

[…] bietet attraktive Rabatte, z. B. durch Bonuspunkte, Rabattkarten, Versandkostenermäßigung in Abhängigkeit vom Bestellwert etc.

ti

t

[…]_23

C

SaleRevenue-Risking

Default-Contingent Default-Contingent

Cost-Risking

Independent

Default-Independent Sale-Independent

Ich habe den Eindruck,…

[…]_3

[…] bietet explizit günstige Sonderangebote an.

[…]_17

[…] gibt aktuelle Produktempfehlungen, z. B. Neuheiten, Highlights, Saisonprodukte etc.

[…]_4

[…] zeigt übersichtlich den Lagerbestand und/oder die Lieferverfügbarkeit eines Produktes an.

[…]_6

[…] veröffentlicht zahlreiche Produktbewertungen, die andere Kunden vorgenommen haben.

[…]_7

[…] veröffentlicht detaillierte Bewertungen über sich selbst, z. B. per Forum, Guestbook, etc., die andere Kunden vorgenommen haben.

[…]_9

[…] veröffentlicht zu seinen Produkten viele Testberichte unabhängiger Institutionen.

[…]_1

[…] informiert gut auffindbar, klar und eindeutig über meine gesetzlichen Rechte (2-wöchiges Widerrufsrecht und 2-jähriges Gewährleistungsrecht).

[…]_2

[…] gibt freiwillig darüber hinaus gehende Garantien, wie z. B. Tiefpreisgarantie, umfangreiche Produktgarantien, Rückgaberechte etc.

[…]_16

[…] bietet günstig die Möglichkeit, ein Produkt zu finanzieren bzw. es auf Raten zu kaufen.

[…]_5

[…] bietet Zahlungsmethoden, die mir mehr Kontrolle und Sicherheit geben, wie Lieferung auf Rechnung oder per Lastschrift.

Tabelle 23: Operationalisierungsfragen der Signalkonstrukte

163

6.1.2.3. Segmentierungsrelevante Variable Die Interaktionsvariable Systemrisiko wird als stetige latente Variable verstanden. Es wird hier nur ein Einfluss auf die Wirkbeziehung von Vertrauen auf Kaufabsicht unterstellt (vgl. Forschungshypothese 6, Abschnitt 4.2.4.). Die Operationalisierung des Systemrisikos erfolgt über die Beurteilung der Aussage: „Losgelöst von der Betrachtung eines speziellen OnlineEinzelhändlers, sondern bezogen auf den Kauf über das Internet allgemein empfinde ich den Kauf von Produkten…“. Die Beurteilung erfolgt auf einer siebenstufigen bipolaren Skala, wobei die Extrempunkte mit „risikolos“ und „risikoreich“ betitelt sind. Die numerische Unterteilung der Itemskala erlaubt es, ähnlich wie in obigen Ausführungen zur Likert-Rating-Skala, ein Intervallskalenniveau zu unterstellen (Hofacker, 1984; Völckner, 2003). Neben der obigen, bereits im Verlauf der Arbeit theoretisch entwickelten Moderationsbeziehung wird auch eine multiple Gruppenanalyse vorgenommen. Prinzipiell ist das Ziel der Untersuchung, Konsumenten bzgl. eines Online-Einzelhändlers zu befragen, für den noch keine erfahrungsbasierte Vertrauenseinstellung im Hinblick auf den Erwerb des Metaproduktes vorliegt. Die Untersuchung dieses „überlegten, signalbasierten Erstvertrauens“ wird durch eine geeignete Filterführung sichergestellt. Die Ergebnisse sind in Abschnitt 6.2. dargestellt. Für ein weitergehendes Verständnis findet jedoch auch eine Segmentierung des Datensatzes in zwei Teilsegmente statt. Die prinzipielle Bekanntheit des Namens des OnlineEinzelhändlers beim Befragungsteilnehmer fungiert dabei als Gruppierungsvariable. Die Moderationsvariable zur Bildung der Segmente wird also objektiv durch die vor der Befragung begutachteten Online-Einzelhändler determiniert. Sie liegt damit in diskreter Ausprägung vor und es wird vermutet, dass sich Auswirkungen auf Gesamtmodellebene ergeben. Die Ergebnisse sind in Abschnitt 6.3. dargestellt.

6.1.3. Durchführung der empirischen Erhebung 6.1.3.1. Untersuchungsobjekte und Bedarfsszenario Die Daten, die in die PLS-Schätzung eingehen, werden über einen standardisierten Fragebogen mit ausschließlich geschlossenen Fragen gewonnen.127 Die Befragungsinhalte gliedern sich in einen allgemeinen und einen spezifischen Teil. Im spezifischen Teil beziehen sich die Befragungsinhalte auf je einen von sechs Online-Einzelhändlern. Bei den OnlineEinzelhändlern handelt es sich um Amazon (www.amazon.de), Otto (www.otto.de), PIXmania (www.pixmania.de), pixxbay (www.pixxbay.de), e-bug (www.e-bug.de) sowie E-SHOP24 (www.e-shop24.de).128 Nach einer Startseite, die grob über die Befragungsinhalte und die durchführende Organisation (Universität Hamburg) informiert, findet über einige Filterfragen die Teilnehmerzuweisung zu einem Online-Einzelhändler statt, bei dem der Nutzer noch keinen Kauf getätigt hat. In nahezu allen Fällen (mit Ausnahme von Amazon und Otto) war den 127

Die Programmierung des Fragebogens erfolgt mit der Umfragesoftware Unipark der Globalpark GmbH. Screenshots der gesamten Befragung sind auf der beiliegenden CD hinterlegt. Dabei sind auch Fragen zu Themenkomplexen ersichtlich, die im Rahmen der vorliegenden Arbeit nicht ausgewertet werden, für die aber in der Zukunft eine Auswertung geplant ist (vgl. dazu auch Kapitel 7). 128 Die Unternehmen werden ausgewählt, weil sie, wie Recherchen ergeben, an einer langfristigen Marktpräsenz interessiert sind und so der „moral hazard“-Fall (vgl. Abschnitt 4.3.2.1.) ausgeschlossen werden kann. Ferner kann der Großteil der zu beurteilenden Signale bei allen Anbietern wahrgenommen werden.

164 Teilnehmern der zugewiesene Online-Einzelhändler nicht einmal namentlich bekannt (vgl. Abschnitt 6.3.). Die Teilnehmer werden zunächst über die nachfolgende Beschreibung in ein Bedarfsszenario versetzt: „Versetzen Sie sich bitte in die folgende Situation: Sie beschäftigen sich seit längerem mit der Digitalkamera CANON IXUS 75 und planen ernsthaft, die Kamera in Kürze zu erwerben. Sie informieren sich im Internet über das Produkt, um letzte Detailinformationen hinsichtlich der Auflösung in Erfahrung zu bringen. Sie gelangen bei Ihrer Recherche auf den Online-Shop von […]. Hier könnten Sie die Kamera erwerben. Ihre Aufgabe: Überlegen Sie auf Basis Ihres eigenen Empfindens, ob Sie es sich vorstellen könnten, die Kamera von […] zu erwerben.“129 Zur Bewältigung der Aufgabe sind die Teilnehmer angehalten, den Online-Shop intensiv nach Eigenschaften zu erkunden, die relevant für die Entscheidung sind, ob sie sich beim jeweiligen Online-Einzelhändler einen Kauf vorstellen könnten.130 Zweckdienlich ist die Kreation eines Bedarfsszenarios, um den Befragungsteilnehmer kognitiv zu involvieren, damit das Konzept der überlegten Vertrauenseinstellung (vgl. Abschnitt 4.2.3.) zur Anwendung kommt, infolgedessen eine bewusste Wahrnehmung von bzw. Suche nach Signalen als Informationssubstituten stattfindet, die zur Minderung des Vertrauensmangels in die Metaproduktqualität beitragen. Einer derartigen Szenariotechnik wird in vielen Arbeiten eine hohe Validität in Bezug auf reales Verhalten zugebilligt. Urban et al. (1997) untersuchen allgemein Multimediadarstellungsweisen und Szenariobeschreibungen und sprechen von „Information Acceleration“. Sie stellen fest, „… simulated information sources can be created to approximate … human interaction.” (Urban et al., 1997, S. 151) und bestätigen, dass mit diesen Techniken eine Absatzprognose möglich ist. Auch einige empirische Forschungsarbeiten im E-CommerceBereich nutzen erfolgreich eine „Szenariotechnik“ (vgl. Koufaris und Hampton-Sosa, 2003; Schlosser et al., 2006; Song und Zahedi, 2005). Die Beschreibung eines Bedarfsszenarios scheint damit auch im Rahmen der vorliegenden Arbeit geeignet. Nach der Szenariobeschreibung findet eine Umleitung auf den jeweiligen OnlineEinzelhändler als Stimulus statt. Nachdem die Befragungsteilnehmer dessen Internetauftritt erkundet haben, werden sie zu ihrer Wahrnehmung des Online-Einzelhändlers befragt (Fra129

Bei der Kamera (Preis ca. 200 €) handelt es sich um ein gängiges Suchgut (Huang et al., 2009). Die Kamera ist bei allen Online-Einzelhändlern während des Befragungszeitraums gelistet und lieferbar. 130 Eine Kontrolle des Befolgens der Aufgabe (bzw. eine Datenbereinigung) erfolgt über die Begutachtung der Dauer vom Aufrufen der Szenariobeschreibung bis zur Beendigung des Online-Einzelhändler-spezifischen Fragebogenteils (vgl. Abschnitt 6.1.3.3.).

165 gen zu Signalen, Vertrauen und vertrauensrelevanten Erwartungen)131. Die Anordnung der Fragen zu Signalen erfolgt dabei zufallsgesteuert. Danach werden Daten losgelöst vom zuvor inspizierten Online-Einzelhändler erhoben (Fragen zu Subjektiver Norm, Wahrgenommener Verhaltenskontrolle, Systemrisiko sowie Soziodemographika und Fragen zur Internetnutzung). Nach Abschluss der eigentlichen Befragung wird Konsumenten die freiwillige Möglichkeit eingeräumt, ihre vorgenommenen Bewertungen zu den Signalfragen so anzupassen, wie sie idealtypisch für einen Online-Einzelhändler sein sollten, damit sie „sicher“ dort kaufen.

6.1.3.2. Pilot-Test Im Rahmen eines Pilot-Tests wird der Fragebogen von insgesamt 30 Probanden auf Verständlichkeit und Aussagekraft der Fragen und Antwortskalen überprüft. Ferner werden jeweils die Gesamtbearbeitungsdauer wie auch Teilbearbeitungsdauer des allgemeinen und speziellen Teils des Fragebogens ermittelt. Für den Pilot-Test werden sowohl Personen ausgewählt, die das Internet schon als Transaktionsmedium adaptiert haben, als auch solche, für die das nicht der Fall ist. Auf diese Weise wird insgesamt eine hohe Verständlichkeit der Fragen gewährleistet. Basierend auf den Angaben der Testpersonen sowie einer kurzen statistischen Auswertung werden zwei Formulierungen geringfügig geändert sowie drei Fragen umformuliert (I_3, SN_2 und WV_3). In Tabelle 23 in Abschnitt 6.1.2.2. sind bereits die Änderungen nach dem Pilot-Test eingearbeitet.

6.1.3.3. Datenerhebung, Datengrundlage und Datenqualitätskorrektur Die Hauptzielgruppe der Untersuchung stellen Nutzer dar, die das Internet als Informationsmedium adaptiert haben. Die Rekrutierung der Teilnehmer erfolgt über fünf Wege: ƒ Internetauftritt des Instituts für Unternehmensforschung der Universität Hamburg, ƒ persönliche Ansprache von Vorlesungsteilnehmern der Universität Hamburg, ƒ Internetauftritt des Schwerpunkts Marketing an der Ruhr-Universität Bochum, ƒ 21 verschiedene Internetforen132 und ƒ

E-Mail-Versendung an rund 2.000 Personen.

Als Anreiz zur Teilnahme an der Befragung fungiert eine Preisverlosung. Der Zeitraum der Erhebung beträgt ca. acht Wochen von Mitte April 2008 bis Mitte Juni 2008.133 Nach Beendigung der Feldzeit liegen 1001 vollständig beantwortete Fragebögen vor. Im Anschluss an die Feldzeit findet eine Datenqualitätskorrektur anhand dreier unterschiedlicher Kriterien statt: 1. die Gesamtbefragungsdauer,

131

Sofern dem Befragungsteilnehmer der inspezierte Online-Einzelhändler bekannt ist, wird auch eine Imagefrage gestellt (vgl. Abschnitt 6.3.5.). 132 Überwiegend wird ein Foreneintrag installiert, vereinzelt werden von den jeweiligen Webmastern auch Werbebanner geschaltet. 133 Während des Befragungszeitraums findet eine permanente Kontrolle der Online-Einzelhändler auf Kamaraverfügbarkeit und essentielle Veränderungen der Website statt. Es treten diesbzgl. keine Probleme auf.

166 2. die Dauer vom Aufrufen der Szenariobeschreibung bis zur Beendigung des OnlineEinzelhändler-spezifischen Fragebogenteils und 3. die Varianz von Antworten zu Fragen der Konstrukte. Zunächst werden Datensätze eliminiert, die eine Befragungsdauer unterhalb eines kritischen Schwellenwertes aufweisen. Die Schwellenwerte nach 1. und 2. ergeben sich jeweils als arithmetisches Mittel abzüglich einer Standardabweichung von der Bearbeitungsdauer der Pilot-Test-Probanden, die die Befragung unter Kontrolle korrekt durchführten. Datensätze mit einer Dauer von unter 546 Sekunden (nach 1.) und von unter 300 Sekunden (nach 2.) werden eliminiert. Dies gilt (nach 3.) ebenso für Datensätze, die keine Varianz in den Antworten zu den formativen Indikatoren der Signalkonstrukte aufweisen und deren Bearbeitungsdauern nur leicht über den Schwellenwerten liegen. Abschließend werden Datensätze eliminiert, die bei Bearbeitungsdauern leicht über den Schwellenwerten vergleichsweise sehr hohe Varianzen in den Indikatoren reflektiver Konstrukte aufweisen. Die Bereinigung auf Basis der Varianzkriterien (nach 3.) erfolgt für jeden Online-Einzelhändler einzeln, um Unterschieden in den Antworten Rechnung zu tragen. Insgesamt können noch 770 Datensätze der PLSAnalyse zugeführt werden. Die Auswertung der Soziodemographika ergibt die Teilnahme von 386 weiblichen und 384 männlichen Teilnehmern. Das Durchschnittsalter der Befragten liegt bei 25,2 Jahren (bei einer Standardabweichung von 5,9 und den „Extrempunkten“ 17 und 73 Jahre). Es ist als überdurchschnnittlich jung zu bezeichnen, da das durchschnittliche Alter der Internetnutzer in Deutschland derzeit ca. 38 Jahre beträgt (Arbeitsgemeinschaft Online-Forschung e. V. (AGOF), 2008, S. 7). Auch das Bildungs- und Haushaltseinkommensniveau (vgl. Abbildung 32) ist leicht überdurchschnittlich im Vergleich zur Grundgesamtheit der Internetnutzer (Arbeitsgemeinschaft Online-Forschung e. V. (AGOF), 2008, S. 8 ff.).

Einkommen der Teilnehmer

Bildung der Befragten 400

Abitur

Realschulabschluss Hauptschulabschluss

Student

Professor/ Doktor/PhD

350

Anzahl der Teilnehmer

Berufsausbildung

300 250 200 150 100 50 0

Hochschulabschluss/ Master Bachelor

nte it u we

rch rd u

sch

n it

tlic

h

t er un

du

sch rch

tlic nit

h rch du

sch

lic nitt

h

e rd üb

h urc

sch

nit

h tl ic

be it ü we

rc rdu

hs

lic nitt ch

h

Einkommen

Abbildung 32: Haushaltseinkommen und höchster bisher erreichter Bildungsabschluss der Befragungsteilnehmer

Bzgl. der Erfahrung mit dem Kauf von Produkten über das Internet ergibt sich ein Zustimmungsgrad von im Durchschnitt 6,8 (0-10-Likert-Skala) Dies ist als überdurchschnittlich zu bezeichnen. Eine gewisse Verzerrung der Stichprobe in Richtung auf Personen mit inhalt-

167 licher Affinität zum Untersuchungsthema oder auch in Richtung auf Intensivnutzer kann damit in Ansätzen bestätigt werden. Allerdings ist die durchschnittliche Erfahrung, möglicherweise durch die abfedernde Wirkung der persönlichen E-Mail-Einladung zur Teilnahme an 2.000 Personen, nicht derart hoch, dass eine Gefahr der Nichtanwendbarkeit des konzeptionellen Bezugsrahmens besteht. Die essentielle Bedingung der Zuweisung von Befragungsteilnehmern zu einem OnlineEinzelhändler, bei dem noch keine Metaprodukterfahrung vorliegt, kann sichergestellt werden. Bekanntheitswerte und anbieterspezifische (Metaprodukt-)Erfahrung sind Abbildung 33 zu entnehmen.

Befragungsteilnehmer haben Anbieter...

800 700 600 500 400 300 200 100 0

Amazon

Otto

e-bug

PIXmania

pixxbay

E-SHOP24

gekannt

770

747

70

63

3

76

…und besucht

755

439

53

29

0

13

…und gekauft

660

209

24

20

0

3

Abbildung 33: Bekanntheit der Online-Einzelhändler

6.2. Empirische Ergebnisse zum Globalmodell 6.2.1. Erstes Ergebnis der PLS-Modellschätzung Aus Abbildung 34 ist das Ergebnis der ersten Modellschätzung des Globalmodells ersichtlich. Das Bestimmtheitsmaß der endogenen latenten Variablen ist dabei in Prozent angegeben.134 Die PLS-Schätzungen der Arbeit werden mit der Software SmartPLS (Ringle et al., 2005) durchgeführt. Dabei werden im Folgenden die Ausgabedaten der Software verwendet (die wie in Abschnitt 5.2.2. gezeigt die leicht abgewandelte Form des PLS-Algorithmus verwendet), da die mathematischen Ergebnisunterschiede zu Lohmöllers (1989, S. 241 f.) Standardalgorithmus LVPLS bei der vorliegenden Datenkonstellation vernachlässigbar sind.135

134

Dies gilt auch für nachfolgende Pfadmodellabbildungen. 135 Sofern nicht explizit gekennzeichnet, sind sämliche folgende Abbildungen und Tabellen unter Rückgriff der Daten aus SmartPLS selbst erstellt.

0,569***

0,314***

0,267***

0,647***

0,254 **

Gesetzliche Rechte

Freiwillige Garantien

Zahlungsmethoden

Finanzierungsoption

0,013

Kunden-OE-Bewertung

0,264***

0,543***

Kunden-Produktbewert.

Produktempfehlungen

0,202 **

Lagerbestandsanzeige

Produkttestberichte

0,242***

0,761***

0,357***

Lieferzeitpunkt

Sonderangebote

0,226***

Technische Qualität

Rabatte

0,274***

Sortimentsgröße

Unpersönl. Kontakt

0,119***

0,129 **

Persönl. Kontakt

0,335***

0,128***

Datenschutzqualität

Allg. Gestaltung

0,130***

Fotos und/oder 3D

Bestellvorgang

0,040

0,152***

Bestellmethoden

-0,005

Gütesiegel

Statusanzeige

0,136***

0,116***

Suchfunktion

DC CR Signale

DC RR Signale

DI SC Signale

DI SI Signale

K_1 0,826***

Abbildung 34: Globalmodell vor Bereinigung – Modellergebnisse [N=770] I_1 0,856***

I_3 0,825***

Integrität R²=33,6

I_4 0,888***

Wohlwollende Intention R²=32,8

0,495***

I_2 0,901***

0,053*

0,042

0,074**

0,094***

0,053*

0,058*

0,468***

W_1 0,892***

-0,03

I_5 0,926***

W_4 0,913***

K_6 0,943***

W_3 0,688***

K_5 0,938***

W_2 0,890***

K_4 0,910***

Kompetenz R²=51,0

K_3 0,916***

0,103***

0,112***

0,613***

K_2 0,834***

W_5 0,839***

WV_1 0,967***

SN_3 0,865***

WV_2 0,878***

Verhaltenskontrolle

V_2 0,962***

-0,06

KA_3 0,948***

Kaufabsicht R²=40,7

KA_2 0,934***

KA_4 0,899***

reflektive Skalen 1-seitiger t-Test; ansonsten 2-seitiger t-Test.

*** mind. auf 1%-Niveau signifikant ** mind. auf 5%-Niveau signifikant * mind. auf 10%-Niveau signifikant

V_3 0,925***

0,625***

0,089***

KA_1 0,886***

SN_4 0,766***

WV_3 0,111

Vertrauen R²=71,9

Subjektive Norm

SN_2 0,767***

V_1 0,962***

0,404***

0,123***

0,42***

SN_1 0,904***

168

169

6.2.2. Gütebeurteilung der reflektiven Messmodelle Aus Tabelle 24 sind die Kennzahlen zur Gütebeurteilung reflektiver Messmodelle ersichtlich. Konstrukt

Indikator Ladung

Prüfkriterium

Kompetenz

Wohlwollende Intention

Integrität

Vertrauen

Subjektive Norm

BootstrapMittelwert

BootstrapStandardabweichung

 0,7071

t-Wert (1-seitiger Test)136 2,331 (1 %-Niveau ) 1,646 (5 %-Niveau) 1,282 (10 %-Niveau) 46,249

K_1

0,8260

0,8264

0,0179

K_2

0,8339

0,8345

0,0162

51,386

K_3

0,9157

0,9159

0,0073

126,007

K_4

0,9104

0,9105

0,0078

116,519

K_5

0,9377

0,9377

0,0056

168,357

K_6

0,9430

0,9430

0,0054

174,057

W_1

0,8920

0,8919

0,0106

96,620

W_2

0,8899

0,8897

0,0254

83,705

W_3

0,6885

0,6883

0,0077

27,156

W_4

0,9129

0,9131

0,0135

118,787

W_5

0,8387

0,8388

0,0189

62,162

I_1

0,8559

0,8555

0,0132

64,680

I_2

0,9015

0,9012

0,0091

98,984

I_3

0,8249

0,8252

0,0168

49,091

I_4

0,8876

0,8877

0,0091

97,203 153,000

I_5

0,9262

0,9261

0,0061

V_1

0,9620

0,9620

0,0054

247,15

V_2

0,9620

0,9618

0,0039

236,361

V_3

0,9252

0,9251

0,0041

161,008

SN_1

0,9037

0,9039

0,0135

47,824

SN_2

0,7666

0,7614

0,0189

19,517

SN_3

0,8651

0,8620

0,0393

35,312

SN_4

0,7662

0,7585

0,0245

18,442

WV_1 Wahrgenommene WV_2 VerhaltensWV_3 kontrolle

0,9671

0,8311

0,2248

4,302

0,8779

0,7600

0,2218

3,959 0,437 (n.s.)

Kaufabsicht

IK

DEV

 0,7

 0,5

0,9604

0,8022

0,9271

0,7197

0,9448

0,7743

0,9652

0,9023

0,8964

0,6849

0,7491

0,5728

0,9549

0,8411

137

0,1111

0,3683

0,2543

KA_1

0,8859

0,8858

0,0112

79,373

KA_2

0,9342

0,9346

0,0073

128,402

KA_3

0,9483

0,9480

0,0044

214,149

KA_4

0,8986

0,8988

0,0104

86,200

Tabelle 24: Gütebeurteilung der reflektiven Messmodelle – Globalmodell [N=770]

136

Es werden für reflektive Messmodelle immer 1-seitige t-Tests durchgeführt, da vornehmlich etablierte reflektive Skalen Anwendung finden (vgl. Abschnitt 5.3.5.). Ferner werden für jegliche Signifikanztests so viele BootstrapStichproben gezogen, wie die jeweilige Originalstichprobe Fälle umfasst (hier 770) (vgl. Abschnitt 5.3.2.1.). 137 Niveau bedeutet auch im weiteren Verlauf Signifikanzniveau.

170 Die Ladung des Indikators W_3 unterschreitet den konservativ gesetzten Grenzwert von 0,7 nur unwesentlich.138 Der Indikator wird nicht ausgeschlossen, da eine Vielzahl von Autoren auch geringere Ladungen akzeptieren (vgl. Abschnitt 5.3.2.1.) und der Indikator statistisch signifikant ist. Hingegen wird der Indikator WV_3 aus dem Modell ausgeschossen, da die Faktorladung sehr gering und gleichzeitig nicht signifikant ist. Dieser Sachverhalt bedeutet nicht automatisch, dass die Wahrgenommene Verhaltenskontrolle über eine falsche Indikatorenbatterie operationalisiert wurde. Manstead und van Eekelen (1998) berichten in einem Überblickartikel allgemein über die Problematik geringer interner Konsistenzen bei der Messung der Wahrgenommenen Verhaltenskontrolle. Ursächlich könnte dafür möglicherweise eine unpassende reflektive Operationalisierung der Indikatoren sein. Bspw. könnte ein Individuum durchaus die persönlichen Fähigkeiten, jedoch nicht genügend finanzielle Ressourcen besitzen, um das Verhalten zu realisieren. Ajzen (2002 (überarbeitet 2006)) selbst spricht von den Dimensionen „Controllability” und „Capability”. Die Unabhängigkeit der beiden Faktoren, die die Wahrgenommene Verhaltenskontrolle determinieren, könnte daher für eine formative Operationalisierung sprechen. Bei der vorliegenden Untersuchung ist denkbar, dass der WV_3 Indikator eine interpersonelle Barriere (z. B. eine Abhängigkeit von oder Verbot durch Lebenspartner oder Eltern) darstellt, während WV_1 und WV_2 intrapersonelle Barrieren (Ressourcen, Wissen, Selbstvertrauen) darstellen und die Barrieren damit voneinander unabhängig sind. Die Umkehr der Kausalitätsrichtung in einer gesonderten PLS-Schätzung ergibt aber einerseits einen negativen Einfluss von WV_2 und WV_3 auf die Wahrgenommene Verhaltenskontrolle, andererseits vermindert sich das Bestimmtheitsmaß der Zielvariablen Kaufabsicht. Insofern wird von der formativen Operationalisierung Abstand genommen und der WV_3 gemäß dem Gütekriterium eliminiert. Nichtsdestotrotz ergibt sich hinsichtlich der „richtigen“ Erfassung und Operationalisierung der Wahrgenommenen Verhaltenskontrolle weiterer Forschungsbedarf (vgl. auch Abschnitte 6.2.6. und 6.3.1.). Eine Neuberechnung nach Ausschluss von WV_3 ergibt das in Tabelle 25 dargestellte Ergebnis. Unterschiede zu Tabelle 24 sind kursiv dargestellt.139

138

Bei der Gütebeurteilung wird sich auch in den folgenden Abschnitten auf die Ausführungen in Kapitel 5.3. bezogen. 139 Da ein neuer Bootstrapping-Durchlauf erforderlich ist, sind fast alle Bootstrapping-Ergebnisse unterschiedlich.

171

Konstrukt

Indikator Ladung

Prüfkriterium

Kompetenz

Wohlwollende Intention

Integrität

Vertrauen

BootstrapMittelwert

BootstrapStandardabweichung

 0,7071

t-Wert (1-seitiger Test)

IK

DEV

2,331 (1 %-Niveau) 1,646 (5 %-Niveau) 1,282 (10 %-Niveau)

 0,7

 0,5

0,9604

0,8022

0,9271

0,7197

0,9448

0,7743

0,9652

0,9023

0,8964

0,6849

0,9356

0,8791

0,9549

0,8411

K_1

0,8260

0,8262

0,0175

47,103

K_2

0,8339

0,8340

0,0160

52,143

K_3

0,9157

0,9158

0,0072

126,356

K_4

0,9104

0,9103

0,0079

115,192 173,112

K_5

0,9377

0,9376

0,0054

K_6

0,9430

0,9430

0,0053

179,278

W_1

0,8920

0,8917

0,0087

102,532

W_2

0,8899

0,8899

0,0101

88,343

W_3

0,6885

0,6877

0,0261

26,336

W_4

0,9129

0,9123

0,0080

113,462

W_5

0,8387

0,8384

0,0134

62,464

I_1

0,8559

0,8554

0,0124

68,868

I_2

0,9015

0,9012

0,0093

96,822

I_3

0,8249

0,8254

0,0173

47,813

I_4

0,8876

0,8867

0,0097

91,179

I_5

0,9262

0,9258

0,0060

154,084

V_1

0,9620

0,9618

0,0040

241,948

V_2

0,9620

0,9620

0,0042

229,436

V_3

0,9252

0,9252

0,0058

158,481

SN_1

0,9037

0,9053

0,0188

48,033

Subjektive Norm

SN_2

0,7666

0,7589

0,0427

17,972

SN_3

0,8651

0,8628

0,0246

35,105

SN_4

0,7662

0,7584

0,0443

17,295

Wahrgenommene Verhaltenskontrolle

WV_1

0,9761

0,9473

0,1108

8,806

WV_2

0,8975

0,8569

0,1438

6,243

KA_1

0,8859

0,8856

0,0112

78,941

KA_2

0,9341

0,9340

0,0073

128,088

KA_3

0,9484

0,9482

0,0044

215,497

KA_4

0,8986

0,8985

0,0113

79,416

Kaufabsicht

Tabelle 25: Gütebeurteilung der reflektiven Messmodelle nach Ausschluss von WV_3 – Globalmodell [N=770]

Durch den Ausschluss von WV_3 können die Werte aller Prüfkriterien für das Messmodell der Wahrgenommenen Verhaltenskontrolle verbessert werden. Im Gesamtmodell (vgl. Abbildung 35, S. 185) ergeben sich nur geringfügige Änderungen in Bezug auf die Vorgän-

172 gerbeziehungen des Kaufabsichtskonstrukts. Die weitere Gütebeurteilung bezieht sich auf das ohne WV_3 geschätzte Modell.

Kaufabsicht

Wahrgenommene Verhaltenskontrolle

Subjektive Norm

Vertrauen

Integrität

Wohlwollende Intention

Konstrukt

Kompetenz

Alle Indikatoren bzw. Konstrukte erfüllen die Prüfkriterien zur Indikatorreliabilität und Konvergenzvalidität deutlich. Das Fornell-Larcker-Kriterium und die Kreuzladungen sind nachfolgend zur Beurteilung der Diskriminanzvalidität dargestellt.

Kompetenz

0,8957

Wohlwollende Intention

0,6072

Integrität

0,6468

0,8025

Vertrauen

0,7570

0,7032

0,7754

0,9499

Subjektive Norm Wahrgenommene Verhaltenskontrolle Kaufabsicht

0,0450

0,1247

0,1316

0,1695

0,8276

0,0474

0,0781

0,0595

0,1315

0,4954

0,9376

0,5813

0,5156

0,5436

0,6327

0,1663

0,0603

0,9171

DI SI Signale

0,6986

0,5569

0,5690

0,6604

0,1036

0,0662

0,5499 0,3517

0,8484 0,8800

DI SC Signale

0,4064

0,3208

0,3264

0,3128

0,0026

-0,0536

DC RR Signale

0,4384

0,3355

0,3312

0,3222

-0,0203

-0,0437

0,3135

DC CR Signale

0,3001

0,3258

0,2996

0,2820

0,0762

-0,0075

0,2747

Tabelle 26: Konstruktkorrelationen zur Überprüfung des Fornell-Larcker-Kriteriums – Globalmodell [N=770]

Aus Tabelle 26 ist ersichtlich, dass die Wurzel aus der DEV eines latenten Konstrukts (grau unterlegt) stets größer ist als jede Korrelation dieses latenten Konstrukts mit einem anderen latenten Konstrukt im Modell. Die gemeinsame Varianz zwischen einem Konstrukt und seinen Indikatoren ist damit größer als die gemeinsame Varianz mit anderen latenten Konstrukten. Das Fornell-Larcker-Kriterium (vgl. Formel 12, Abschnitt 5.3.2.1.) ist somit erfüllt. Festzuhalten ist trotz der befriedigenden Diskriminanz eine Bedeutungsverwandtheit von Integrität und Wohlwollender Intention (vgl. Abschnitte 4.2.1.2. und 4.2.1.3.) mit einer Konstruktkorrelation von 0,8025. Die Kreuzladungsmatrix zur Überprüfung, ob ein Indikator eine stärkere Beziehung zu einem anderen als dem ihm zugeordneten Konstrukt hat, ist in Tabelle 27 dargestellt. Dies ist nicht der Fall. Neben der Konvergenz- ist damit auch die Diskriminanzvalidität gegeben. Die Inhaltsvalidität der reflektiven Konstrukte sollte durch die umfassende Literaturrecherche sowie den Pilot-Test samt seiner Modifikationen sichergestellt sein. Unterstrichen wird dies durch die guten Ergebnisse der in diesem Kapitel dargestellten Gütekriterien. Demzufolge sind alle

173

Kompetenz

Wohlwollende Intention

Integrität

Vertrauen

Subjektive Norm

Wahrgenommene Verhaltenskontrolle

Kaufabsicht

Konstrukte valide, und die Gütebeurteilung der reflektiven Messmodelle ist abgeschlossen.140 Insgesamt kann von sehr gut operationalisierten reflektiven Konstrukten gesprochen werden.

K_1

0,8260

0,5184

0,5679

0,6529

0,1028

0,0884

0,4589

K_2

0,8339

0,4330

0,4978

0,6014

0,0304

0,0288

0,4432

K_3

0,9157

0,5480

0,5652

0,6641

-0,0100

0,0097

0,5088

K_4

0,9104

0,5826

0,6144

0,7177

0,0189

0,0315

0,5766

K_5

0,9377

0,5799

0,6069

0,7126

0,0486

0,0597

0,5452

K_6

0,9430

0,5866

0,6162

0,7119

0,0571

0,0401

0,5776

W_1

0,5650

0,8920

0,7024

0,6008

0,0995

0,0234

0,4478

W_2

0,5739

0,8899

0,6814

0,5888

0,0859

0,0282

0,4632

W_3

0,4369

0,6885

0,6169

0,6209

0,1549

0,1742

0,3827

W_4

0,5347

0,9129

0,7152

0,6139

0,1106

0,0634

0,4679

W_5

0,4488

0,8387

0,6867

0,5688

0,0872

0,0638

0,4187

I_1

0,4905

0,7726

0,8559

0,6212

0,1480

0,0385

0,4290

I_2

0,5674

0,7298

0,9015

0,6815

0,1095

0,0736

0,4927

I_3

0,6201

0,6145

0,8249

0,7065

0,1339

0,0919

0,4502

I_4

0,5683

0,6952

0,8876

0,6819

0,0925

0,0206

0,5253

I_5

0,5883

0,7285

0,9262

0,7117

0,1005

0,0354

0,4882

V_1

0,7392

0,6507

0,7139

0,9620

0,1585

0,1329

0,6047

V_2

0,7405

0,6551

0,7391

0,9620

0,1589

0,1266

0,5942

V_3

0,6771

0,6976

0,7559

0,9252

0,1656

0,1153

0,6037

SN_1

0,1065

0,1704

0,1873

0,1983

0,9037

0,3574

0,1881

SN_2

0,0354

0,0681

0,0853

0,1260

0,7666

0,3893

0,0877

SN_3

0,0061

0,0708

0,0555

0,1188

0,8651

0,4377

0,1456

SN_4

-0,0649

0,0563

0,0619

0,0771

0,7662

0,5714

0,0773

WV_1

0,0578

0,0951

0,0754

0,1416

0,4839

0,9761

0,0689

WV_2

0,0191

0,0319

0,0183

0,0913

0,4440

0,8975

0,0340

KA_1

0,5078

0,4691

0,4821

0,5677

0,1228

0,0542

0,8859

KA_2

0,5462

0,4779

0,5149

0,5828

0,1209

0,0371

0,9341

KA_3

0,5641

0,4839

0,5120

0,6113

0,2027

0,1018

0,9484

KA_4

0,5105

0,4608

0,4853

0,5553

0,1532

0,0167

0,8986

Tabelle 27: Kreuzladungsmatrix – Globalmodell [N=770] 140

Daher wird hier auf die Überprüfung des 95 %-Konfidenzintervalls der Konstruktkorrelation sowie auf einen Chi-Quadrat(²)-Differenztest verzichtet.

174

6.2.3. Gütebeurteilung der formativen Messmodelle Zur Gütebeurteilung der formativen Messmodelle (vgl. Abschnitt 5.3.2.2.) ist eine Prüfung auf 1. Inhalts- und Indikatorspezifikation, 2. Indikatorkollinearität, 3. externe Validität und 4. Diskriminanzvalidität notwendig. 1. ist z. T. durch die Ausführungen in Abschnitt 4.3. und 6.1.2.2. belegt, wobei noch eine Prüfung der Höhe und Signifikanz der Gewichte erfolgen muss (vgl. Tabelle 28). Konstrukt

Indikator Prüfkriterium

DI SI Signale

DI SC Signale

DC RR Signale

DC CR Signale

Gewicht

BootstrapMittelwert

BootstrapStandardabweichung

 |0,05|

t-Wert (2-seitiger Test)141 2,583 (1 %-Niveau) 1,963 (5 %-Niveau) 1,646 (10 %-Niveau)

Suchfunktion

0,1362

0,1335

0,0441

3,091

Gütesiegel

0,1159

0,1157

0,0420

2,762

Statusanzeige

-0,0049

-0,0344

0,0250

0,197 (n.s.)

Bestellmethoden

0,0397

0,0481

0,0343

1,156 (n.s.)

Fotos und/oder 3D

0,1523

0,1521

0,0504

3,023

Datenschutzqualität

0,1303

0,1290

0,0462

2,822

Persönl. Kontakt

0,1280

0,1274

0,0476

2,691

Unpersönl. Kontakt

0,1290

0,1270

0,0506

2,549

Bestellvorgang

0,1195

0,1180

0,0437

2,735

Allg. Gestaltung

0,3346

0,3303

0,0508

6,582 5,972

Sortimentsgröße

0,2736

0,2704

0,0458

Technische Qualität

0,2263

0,2282

0,0462

4,896

Lieferzeitpunkt

0,3569

0,3528

0,0805

4,434

Rabatte

0,2417

0,2467

0,0932

2,594

Sonderangebote

0,7610

0,7528

0,0654

11,636 2,430

Lagerbestandsanzeige

0,2021

0,2041

0,0832

Kundenproduktbewertungen

0,5427

0,5375

0,0768

7,063

Kunden-OE-Bewertung

0,0126

0,00686

0,0515

0,244 (n.s.) 3,209

Produkttestberichte

0,2642

0,2608

0,0823

Produktempfehlungen

0,5690

0,5592

0,0774

7,356

Gesetzliche Rechte

0,3143

0,3106

3,301

Freiwillige Garantien

0,2672

0,2597

0,0952 0,0987

Zahlungsmethoden

0,6471

0,6465

0,0818

7,914

Finanzierungsoption

0,2544

0,2429

0,0992

2,564

2,706

Tabelle 28: Gütebeurteilung der formativen Messmodelle (Gewichte und deren Signifikanz) – Globalmodell [N=770] 141

Obwohl theoriebasierte Vermutungen positiver Wirkrichtungen der formativen Indikatoren vorliegen, sind wegen des z. T. explorativen Vorgehens möglicherweise auch überraschende, d. h. negative Wirkrichtungen möglich. Es ist somit kein 1-seitiger-Test, sondern ein konservativerer 2-seitiger Test angebracht (vgl. Abschnitt 5.3.5.). Dieser wird auch im weiteren Verlauf der Arbeit für alle Signifikanzprüfungen formativer Indikatoren angewendet.

175 Bis auf drei Indikatoren (Statusanzeige, Bestellmethoden, Kunden-Online-Einzelhändler(OE)-Bewertung) erfüllen alle die Prüfkriterien deutlich. Der Argumentation von Huber et al. (2007, S. 38), Bollen und Lennox (1991, S. 308) sowie Chin (1998b, S. 307) folgend, dass ein nicht signifikanter Indikator nur aufgrund von inhaltlichen Überlegungen ausgeschlossen werden darf, führt dazu, keinen der drei nicht signifikanten Indikatoren mit Gewichten kleiner als 0,05 auszuschließen. Der konzeptionelle Inhalt des Konstrukts wird durch die Indikatoren nicht beeinträchtigt (Ravichandran und Lertwongsatien, 2005) bzw. ist gerade durch die vollständige Indikatorenbatterie determiniert. Außerdem ist es gerade die Intention der Untersuchung, den relativen Einfluss der einzelnen formativen Indikatoren auf die Kaufabsicht zu erkennen. Ein nicht signifikantes und dazu geringes (oder negatives) Gewicht ist eine derartige Erkenntnis, wie bei der Diskussion und Interpretation der Ergebnisse in Abschnitt 6.2.6. dargestellt wird. Für die weiteren Untersuchungen und die Modellvergleiche durch Ausschluss eines Indikators könnte zudem weiterer Erkenntnisgewinn missachtet werden, da es für die Vergleichbarkeit zwingend erforderlich ist, identische Messmodelle sicherzustellen (vgl. Abschnitt 5.3.4.2.). Dies ist ein weiterer Grund, an dieser Stelle keine Indikatoren aus den Messmodellen zu entfernen. Die Prüfung auf Indikatorkollinearität erfolgt im ersten Schritt durch die in Tabelle 29 und Tabelle 30 wiedergegebene Korrelationsmatrix der Indikatoren.142 Es treten keine hohen Korrelationen auf.

a) b) c) d) e) f) g) h) i) j) k) l) m) n) o) p) q) r) s) t) u) v) w)

Gesetzliche Rechte Freiwillige Garantien Sonderangebote Lagerbestandsanzeige Zahlungsmethoden Kundenproduktbewertungen Kunden-OE-Bewertung Suchfunktion Produkttestberichte Gütesiegel Statusanzeige Lieferzeitpunkt Bestellmethoden Fotos und/oder 3D Rabatte Finanzierungsoption Produktempfehlungen Datenschutzqualität Persönl. Kontakt Unpersönl. Kontakt Bestellvorgang Allg. Gestaltung Sortimentsgröße

x) Technische Qualität

a) 1,00 0,31 0,09 0,14 0,24 0,01 0,12 0,08 0,10 0,10 0,20 0,15 0,15 0,14 0,13 0,13 0,17 0,27 0,26 0,26 0,19 0,11 0,05

b)

c)

d)

1,00 0,23 0,05 0,22 0,03 0,12 0,09 0,11 0,14 0,14 0,22 0,14 0,18 0,20 0,17 0,17 0,20 0,12 0,14 0,17 0,11 0,13

1,00 0,20 1,00 0,24 0,19 0,21 0,10 0,10 0,09 0,26 0,14 0,11 0,14 0,09 0,09 0,14 0,17 0,21 0,16 0,21 0,12 0,28 0,14 0,22 0,11 0,14 -0,02 0,35 0,17 0,20 0,11 0,10 0,15 0,15 0,14 0,19 0,17 0,19 0,07 0,22 0,16

1,00 0,13 0,07 0,19 0,19 0,16 0,33 0,33 0,33 0,21 0,19 0,23 0,25 0,28 0,25 0,22 0,26 0,12 0,19

1,00 0,28 1,00 0,10 -0,02 0,17 0,22 0,12 0,18 0,05 0,09 0,14 0,11 0,13 0,12 0,23 0,07 0,09 0,10 0,07 0,09 0,15 0,12 0,15 0,11 0,12 0,20 0,15 0,20 0,19 0,12 0,18 0,09 0,19 -0,04

1,00 0,04 0,04 0,08 0,14 0,14 0,31 0,19 0,07 0,20 0,21 0,13 0,12 0,25 0,30 0,27

1,00 0,38 0,17 0,17 0,20 0,13 0,18 0,25 0,16 0,12 0,19 0,20 0,08 0,08 0,06

1,00 0,19 0,16 0,21 0,13 0,16 0,19 0,15 0,27 0,23 0,19 0,18 0,12 0,10

1,00 0,31 0,22 0,18 0,20 0,16 0,18 0,21 0,20 0,22 0,24 0,14 0,13

1,00 0,30 0,17 0,23 0,27 0,19 0,25 0,21 0,23 0,25 0,18 0,13

0,06

0,04

0,17

0,17

0,20

0,29

0,07

0,13

0,13

0,12

0,16

e)

f)

g)

0,09

h)

i)

j)

k)

l)

Tabelle 29: Gütebeurteilung der formativen Messmodelle (Korrelationsmatrix formativer Indikatoren) [N=770] 142

Die tabellarische Darstellung ist selbst erstellt, die Berechnung erfolgt per MS-Excel 2002 auf Basis der Befragungsdaten.

176

m) n) o) p) q) r) s) t) u) v) w)

Bestellmethoden Fotos und/oder 3D Rabatte Finanzierungsoption Produktempfehlungen Datenschutzqualität Persönl. Kontakt Unpersönl. Kontakt Bestellvorgang Allg. Gestaltung Sortimentsgröße

x) Technische Qualität

m) 1,00 0,17 0,14 0,35 0,25 0,27 0,32 0,28 0,27 0,17 0,18

n)

o)

p)

q)

r)

s)

t)

u)

v)

w)

1,00 0,18 0,08 0,26 0,22 0,14 0,17 0,24 0,35 0,28

1,00 0,26 0,18 0,13 0,19 0,14 0,15 0,09 0,12

1,00 0,14 0,15 0,20 0,18 0,15 0,09 0,08

1,00 0,23 0,22 0,17 0,19 0,19 0,28

1,00 0,32 0,33 0,33 0,22 0,16

1,00 0,54 0,26 0,09 0,09

1,00 0,30 0,15 0,05

1,00 0,24 0,20

1,00 0,28

0,11

0,33

1,00

0,04 -0,01 0,17

0,24

0,07

0,11

0,26

0,39

0,31

x)

1,00

Tabelle 30: Fortsetzung Gütebeurteilung der formativen Messmodelle (Korrelationsmatrix formativer Indikatoren) [N=770]

Im zweiten Schritt erfolgt die Prüfung auf Multikollinearität anhand der Varianzinflationswerte auf Konstruktbasis. Um auch die geringste Form von Multikollinearität unter den zentralen Indikatoren der Arbeit auszuschließen, wird hier entgegen der Faustregel VIF < 10 das sehr konservative Kriterium von Schneider (2007) VIF < 2 (bzw. Toleranz > 0,5) angewendet, obwohl bei diesen Schwellenwerten im statistischen Sinne schon keine Multikollinearität mehr vorliegt (Opp und Schmidt, 1976). Alle VIF-Werte unterschreiten diese sehr konservativen Schwellenwerte deutlich (vgl. Tabelle 31). Abschließend erfolgt eine Berechnung der Konditionsindizes, da geringe VIF-Werte nicht automatisch gleichbedeutend mit geringer Multikollinearität sind. Auch hier wird ein konservativer Schwellenwert von 15 angesetzt, da die in der Arbeit vorliegenden formativen Konstrukte neuartig sind. Der jeweilige Konditionsindex auf Konstruktebene ist ebenfalls Tabelle 31 zu entnehmen.

177

Konstrukt

Indikator Prüfkriterium

DI SI Signale

DI SC Signale

DC RR Signale

DC CR Signale

Toleranz

VIF

Konditionsindex < 15

 0,5

0,7 1

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

2

0,00

0,01

0,01

0,02

0,06

0,02

0,00

0,15

0,10

0,00

0,05

0,01

0,01

3

0,00

0,00

0,04

0,83

0,00

0,00

0,00

0,05

0,04

0,00

0,01

0,00

0,00

4

0,00

0,00

0,82

0,11

0,00

0,00

0,01

0,01

0,04

0,00

0,01

0,00

0,00

5

0,00

0,00

0,03

0,01

0,90

0,00

0,01

0,03

0,07

0,00

0,00

0,00

0,00

6

0,00

0,00

0,05

0,00

0,00

0,01

0,90

0,06

0,01

0,01

0,00

0,00

0,00

7

0,02

0,02

0,02

0,00

0,00

0,00

0,00

0,03

0,09

0,03

0,70

0,02

0,00

8

0,00

0,00

0,01

0,01

0,01

0,00

0,02

0,64

0,57

0,05

0,08

0,00

0,00

9

0,00

0,00

0,00

0,00

0,01

0,66

0,03

0,01

0,02

0,32

0,08

0,00

0,00

10

0,03

0,03

0,00

0,01

0,01

0,30

0,02

0,02

0,05

0,59

0,00

0,03

0,02

11

0,00

0,45

0,01

0,00

0,00

0,00

0,00

0,01

0,00

0,00

0,02

0,00

0,65

12

0,06

0,41

0,01

0,00

0,01

0,00

0,01

0,00

0,00

0,00

0,02

0,35

0,29

13

0,88

0,07

0,01

0,00

0,00

0,01

0,00

0,00

0,01

0,00

0,02

0,60

0,02

Tabelle 32: Gütebeurteilung der formativen Messmodelle (Varianzzerlegung des Konstrukts „Belief Altering Potential of DI SI-Signals” [N=770]144

Wie in Tabelle 32 zu sehen ist, kann durch eine solche Varianzzerlegung der Verdacht auf substanzielle Multikollinearität entkräftet werden. Es treten zwar nachvollziehbare Varianzüberschneidungen bei den Indikatoren „Persönliche Kontaktaufnahme“ und „Unpersönliche Kontaktaufnahme“ sowie „Suchfunktion“ und „Technische Qualität“ auf, diese können aber als schwach und damit unproblematisch bezeichnet werden.145 Auf Basis der vorherigen Ausführungen zur Indikatorkollinearität werden für den weiteren Verlauf der Untersuchung keine formativen Indikatoren ausgeschlossen, da die Prüfkriterien größtenteils deutlich erfüllt sind. Ein Vergleich der Korrelationen der Konstruktwerte der formativen Indikatoren zur Prüfung auf Diskriminanzvalidität zeigt gute Ergebnisse. Das Prüfkriterium (Korrelation < 0,9 (Herrmann et al., 2006)) wird jeweils klar erfüllt, wie Tabelle 33 zu entnehmen ist.

144 145

Die Berechnung erfolgt mit SPSS 16.0. Varianzüberschneidungen mit der Konstante sind nicht zu beachten (Schneider, 2007).

179 Konstrukt DI SI Signale DI SC Signale DC CR Signale DC RR Signale

DI SI Signale 1 0,4262 0,4057 0,4823

DI SC Signale

DC CR Signale

DC RR Signale

1 0,4214 0,4400

1 0,3293

1

Tabelle 33: Gütebeurteilung der formativen Messmodelle (Konstruktkorrelationen) [N=770]

Abschließend ist die Prüfung auf externe Validität notwendig. Eine MIMIC-Modellierung ist hier nicht möglich, da bei der Befragung die formativen Konstrukte nicht zusätzlich über reflektive Fragen operationalisiert sind. Ein alternatives Vorgehen ist die Überprüfung auf nomologische Validität durch die Untersuchung der Zusammenhänge zwischen dem jeweiligen formativen Konstrukt und den anderen in Beziehung stehenden latenten Konstrukten. Ein Anhaltspunkt ist dabei, ob die empirisch beobachtete Beziehung den aus einem übergeordneten theoretischen Modell abgeleiteten Erwartungen entspricht. Dies ist zwar der Fall, wie auch im nachfolgenden Abschnitt dargelegt wird, aber weitere Untersuchungen auf Basis identischer oder zumindest verwandter Theorien, die vollständig die hypothetischen Zusammenhänge empirisch unterstützen, sind zum Zeitpunkt des Abfassens dieser Arbeit nicht bekannt. Es besteht somit kein wissenschaftlich etablierter Theorierahmen. Eine gehaltvolle Überprüfung der nomologischen Validität ist damit streng genommen nicht möglich. Die empirische Beobachtung fast sämtlicher aus dem theoretischen Bezugsrahmen vorgenommenen Annahmen kann aber hier als Anhaltspunkt für nomologische Validität dienen.

6.2.4. Gütebeurteilung des Strukturmodells Zunächst wird das Bestimmtheitsmaß R² zur Beurteilung des erklärten Varianzanteils sowie das Stone-Geisser-Kriterium zur Beurteilung der Prognoserelevanz der endogenen Variablen betrachtet. Konstrukt Prüfkriterium Kompetenz Wohlwollende Intention Integrität Vertrauen Kaufabsicht

Bestimmtheitsmaß R² 0,510 0,328 0,336 0,719 0,407

Stone-Geisser-Test146 >0 0,397 0,227 0,251 0,646 0,314

Tabelle 34: Gütebeurteilung der Strukturmodellzusammenhänge (R² und Q²) [N=770]

Für die Zielkonstrukte Vertrauen und Kaufabsicht, die im Zentrum des Interesses der vorliegenden Arbeit stehen und die möglichst gut durch das Modell erklärt werden sollen, ergeben sich erfreuliche Ergebnisse. Rund 72 % der Varianz des Vertrauens und 41 % der Varianz der Kaufabsicht können durch das Modell erklärt werden. Nach Chin (1998b, S. 323) kann von

146

Im Zuge der Blindfolding-Prozedur wird ein Auslassungsabstand in Höhe von neun gewählt.

180 einem sehr beachtlichen bzw. absolut substanziellen Bestimmtheitsmaß für das Konstrukt Vertrauen und einem annähernd guten Bestimmtheitsmaß für das Kaufverhalten gesprochen werden. Die Konstrukte Kompetenz, Wohlwollende Intention und Integrität weisen ein gutes bzw. zweimal mittelgutes Bestimmtheitsmaß auf. Die Ergebnisse des Stone-Geisser-Tests liegen jeweils deutlich über dem Prüfkriterium und belegen ebenfalls die Prognoserelevanz des untersuchten Modells. Der innovative Charakter der Untersuchung, die Komplexität der Ausbildung einer Kaufabsicht und der größere Umfang des Modells im Vergleich zu Chins Referenzmodell zur Gütebeurteilung (1998b, S. 323) werten die Ergebnisse zudem nochmals auf. Auf eine Untersuchung der Veränderung des Q²-Testkriteriums nach Formel 19 wird hier aufgrund des geringen zusätzlichen Erkenntniswertes verzichtet (Fiedler, 2007, S. 192), vor allem, da als weiteres Kriterium zum Test auf Prognoserelevanz im Folgenden die Effektstärke f² zum Einsatz kommt. Die Veränderung der Bestimmtheitsmaße bei der Eliminierung von Variablen bzw. Pfaden kann Aufschluss über deren substanziellen Einfluss auf die jeweils abhängige latente Variable im Strukturmodell geben. Die Effektstärken f² der Beziehungen der vier exogenen Signalkonstrukte sowie der Vertrauensfacetten sind Tabelle 35 und Tabelle 36 zu entnehmen.147 Weiterhin sind auch die Höhe und Signifikanz der Pfadkoeffizienten verzeichnet. Pfad zu Kompetenz Konstrukt Prüfkriterium DI SI Signale149 DI SC Signale DC RR Signale DC CR Signale

Gewicht

Pfad zu Wohlwollender Intention

t-Wert 2-seitiger Test148

f²

2,583 (1 %-Niv.)  |0,05| 1,963 (5 %-Niv.) 1,646 (10 %-Niv.)

>0

Gewicht

t-Wert 2-seitiger Test

2,583 (1 %-Niv.)  |0,05| 1,963 (5 %-Niv.) 1,646 (10 %-Niv.)

Pfad zu Integrität f²

>0

Gewicht

t-Wert 2-seitiger Test

2,583 (1 %-Niv.)  |0,05| 1,963 (5 %-Niv.) 1,646 (10 %-Niv.)

f²

>0

0,613

21,901

0,516

0,468

14,604

0,220

0,495

16,141

0,248

0,112

3,783

0,018

0,058

1,667

0,003

0,074

2,091

0,006

0,103

3,262

0,014

0,053

1,687

0,003

0,042

1,383

0,002

-0,030

1,358

0,002

0,094

2,677

0,010

0,053

1,702

0,003

Tabelle 35: Gütebeurteilung der Strukturmodellzusammenhänge auf erster Ebene (Gewichte, Signifikanzen, f²) [N=770]

147

Die Berechnung der Effektstärken erfolgt per MS-Excel 2002 auf Basis von Daten aus SmartPLS. Obwohl theoriebasierte Vermutungen positiver Wirkrichtungen im Strukturmodell vorliegen, könnten wegen des neuartigen Kontexts möglicherweise auch negative Wirkrichtungen auftreten. Ein konservativerer 2-seitiger tTest ist daher nötig (vgl. Abschnitt 5.3.5.). Dieser wird auch im weiteren Verlauf der Arbeit für alle Signifikanzprüfungen von Strukturmodellbeziehungen angewendet. 149 Die nachfolgende Beispielrechnung zur Effektstärke des DI SI Signalkonstruktes bezieht sich auf das Kompetenzkonstrukt. Das Bestimmtheitsmaß der Kompetenz liegt im vollständigen Modell bei 0,510 (vgl. Tabelle 34). Nach Entfernung des DI SI Konstrukts ist das Bestimmtheitsmaß 0,257 %. Daraus ergibt sich eine Effektstärke f² = 0,516 = (0,51-0,257)/(1-0,51).

148

181 Die Hypothesentests, ob die Pfade DC CR Signale zu Kompetenz und DC RR Signale zu Integrität signifikant von null verschieden sind, liefern Signifikanzniveaus von ca. 17,9 % bzw. 17,2 % und überschreiten daher das schwächste Prüfkriterium (10 %-Signifikanzniveau). Die gleiche Argumentation, die schon bei der formativen Gütebeurteilung dargelegt ist, führt aber auch hier zu dem Entschluss, keinen der beiden Pfade aus der Untersuchung auszuschließen. Pfad zu Vertrauen

Pfad zu Kaufabsicht

Gewicht

t-Wert 2-seitiger Test

f²

Gewicht

t-Wert 2-seitiger Test

f²

Prüfkriterium

 |0,05|

2,583 (1 %-Niveau) 1,963 (5 %-Niveau) 1,646 (10 %-Niveau)

>0

 |0,05|

2,583 (1 %-Niveau) 1,963 (5 %-Niveau) 1,646 (10 %-Niveau)

>0

Kompetenz

0,420

15,747

0,352

-

-

-

Wohlwollende Intention

0,123

3,353

0,021

-

-

-

Integrität

0,404

10,438

0,185

-

-

-

Vertrauen

-

-

-

0,626

27,884

0,636

Subjektive Norm

-

-

-

0,094

2,646

0,010

Wahrgenommene Verhaltenskontrolle

-

-

-

-0,061

1,644

0,007

Tabelle 36: Gütebeurteilung der Strukturmodellzusammenhänge auf Ebene der Zielkonstrukte (Gewichte, Signifikanzen, f²) [N=770]

Für die Beziehung zwischen Wahrgenommener Verhaltenskontrolle und Kaufabsicht ist der ermittelte – überraschenderweise negative150 – Pfadkoeffizient knapp nicht signifikant im 10 %-Bereich. Die Beziehung wird der bisherigen Argumentation folgend nicht ausgeschlossen. Die anderen Prüfkriterien werden von allen weiteren Beziehungen im Modell erfüllt (vgl. Tabelle 35 und Tabelle 36), wobei vereinzelt die f²-Werte sehr gering sind. Das Mindestniveau von null wird jedoch durchweg übertroffen. Obwohl eine Überprüfung bei mehrschichtigen und umfangreichen Strukturmodellzusammenhängen, wie sie hier vorliegen, mit Schwierigkeiten behaftet ist und der theoretische Bezugsrahmen keine partielle Mediation zulässt (vgl. Abschnitt 5.3.3.), soll für ein methodisch stimmiges Vorgehen und ein ganzheitliches Verständnis auch dieser „methodische Winkel“ beleuchtet werden. Die Modellierung zusätzlicher direkter Effekte der vier exogenen Signalkonstrukte auf das Vertrauen ergibt mit Ausnahme des Konstrukts DI SI Signale ausschließlich nicht signifikante Beziehungen. Nach Eggert et al. (2005) kann daher bis auf die eine Ausnahme von einem vollständig mediierenden Effekt von drei vertrauensrelevanten Erwartungen gesprochen 150

Vgl. auch die Abschnitte 6.3.1. und 6.3.4.

182 werden. Der signifikante Pfadkoeffizient in Höhe von 0,179 von DI SI Signalen auf Vertrauen ist deutlich kleiner als der Einfluss der Summe der indirekten Effekte über die drei Vertrauensfacetten in Höhe von 0,462. Auf Basis des entwickelten mVAF (Formel 22) ergibt sich für den hier vorliegenden „3-Mediatoren-Fall“ ein mVAF in Höhe von 0,721. In Analogie zur Interpretation des VAF besagt dieses Ergebnis, dass 72,1 % der Gesamtwirkung des DI SI Signalkonstrukts auf das Vertrauen über die Facetten erzielt wird. Obwohl keine vollständige Mediation im statistischen Sinne vorliegt, ist der Anteil der Gesamtwirkung beachtlich. Nahezu identische Ergebnisse hinsichtlich Signifikanz und mVAF (0,722) ergeben sich für die Modellierung direkter Effekte der Signalkonstrukte auf die Kaufabsicht. In Zusammenhang mit den entgegenstehenden inhaltlichen Argumenten wird daher davon abgesehen, dem Strukturmodell eine direkte Beziehung hinzuzufügen. Subsumiert kann von einer nahezu vollständigen Mediation gesprochen werden. Ähnliche Ergebnisse ergeben sich bei der Kontrolle des mediierenden Effektes der Vertrauenseinstellung vor dem Hintergrund der TPB (vgl. Abschnitt 3.3.). Werden das Konstrukt Vertrauen entfernt und ausschließlich direkte Effekte der vertrauensrelvanten Erwartungen modelliert, wie es bspw. Bhattacherjee (2002) der TPB entgegenstehend vornimmt, ergeben sich zwar signifikante Beziehungen der drei vertrauensrelevanten Erwartungen, allerdings ist nur der direkte Effekt der Kompetenz auf die Kaufabsicht knapp signifikant höher im Vergleich zu den Totaleffekten151 der Erwartungen im Modell mit der Vertrauenseinstellung. Zudem sinkt das Bestimmtheitsmaß der Kaufabsicht um 0,2 Punkte. Die Ergebnisse sprechen für die erarbeitete theoretische Basis. Bei zusätzlicher Modellierung direkter Effekte ist nur der direkte Effekt der Kompetenz signifikant. Die VAF-Berechnung ergibt, dass 40 % der Gesamtwirkung des Konstrukts Kompetenz auf die vertrauensvolle Kaufabsicht über die Vertrauenseinstellung erzielt wird. Hier kann demnach „nur“ von einer partiellen Mediation gesprochen werden. Die Daten sprechen demnach aus statistischen Gesichtspunkten für die Modellierung einer zusätzlichen direkten Beziehung von Kompetenz auf die Kaufabsicht. Die Modellierung direkter Effekte der Verhaltenskonsequenzerwartung auf die Verhaltensintention steht allerdings nicht im Einklang mit der etablierten Theorie der TPB und der Zwei-Komponenten-Struktur von Vertrauen. Diese inhaltlichen Argumente sprechen eindeutig gegen eine direkte Modellierung. Dass die Anwendung des in den vorherigen Kapiteln herausgearbeiteten theoretischen Bezugsrahmens durch die partielle Mediation der Kompetenz nicht untergraben wird, zeigt ein nur unwesentlich verändertes Bestimmtheitsmaß und vor allem die nicht vorhandenen, d. h. nicht signifikanten Direkteffekte der Wohlwollenden Intention und der Integrität. Auch das sehr hohe Be151

Bei einem Totaleffekt handelt es sich um den Effekt, den ein Konstrukt bzw. Indikator auf ein nachgelagertes Konstrukt ausübt. Dieses muss nicht zwingend ein direkter Nachfolger sein. Der Totaleffekt ergibt sich somit aus dem direkten Effekt, d. h. dem Pfadkoeffizienten zweier über einen Pfeil verbundener Konstrukte, und einem indirekten Einfluss, der der Stärke einer mehrere Pfeile umfassenden Wirkungskette entspricht, wobei die jeweilige Einflussstärke durch Multiplikation der einzelnen Pfadkoeffizienten berechnet wird (Fornell und Bookstein, 1982b).

183 stimmtheitsmaß von 0,72 des Vertrauenskonstrukts im Grundmodell (vgl. Tabelle 34) ist ein deutlicher Hinweis. Neben den starken inhaltlichen Argumenten sprechen die Daten in der Gesamtbetrachtung daher auch für das Grundmodell. Eine direkte Beziehung von Kompetenz auf Kaufabsicht wird dem Strukturmodell demnach nicht hinzugefügt.152 Wie bei der Gütebeurteilung zu formativen Messmodellen bereits dargelegt, kann auch für die Strukturmodellzusammenhänge formal die nomologische Validität nicht bewiesen werden. Das innere Modell ist aber auch an dieser Stelle bzgl. der nomologischen Valididät als unkritisch zu bezeichnen, wie die vorigen Ausführungen zur grundsätzlichen Stimmigkeit des theoretischen Bezugsrahmens vor dem Hintergrund der Überprüfung mediierender Effekte zeigen. Darüber hinaus sind 15 von 18 der in den Forschungshypothesen vermuteten Abhängigkeiten im Strukturmodell signifikant.

6.2.5. Zusammenfassende Gütebeurteilung des Gesamtmodells Die durchgeführten Evaluierungen für formative und reflektive Messmodelle sowie für das Strukturmodell dienen zur Beurteilung einer zusammenfassenden Güte des entwickelten Gesamtmodells. Wie in Abschnitt 5.3.3. dargelegt, existiert für PLS-Modelle bis auf den relativ jungen GoF als „Alternativmaß“ (vgl. dazu Tenenhaus et al., 2005) kein globales Gütemaß. Der GoF fungiert bisher in wissenschaftlichen Arbeiten „nur“ als Trade-offGütekriterium, da er sich der generellen Kritik ausgesetzt sieht, bei formativen Messmodellen wenig geeignet und auch daher insgesamt wenig aussagekräftig zu sein. Dementsprechend wird der GoF hier nicht verwendet. Dafür spricht außerdem, dass das Gesamtbild der bisher überprüften Gütekriterien sehr erfreulich ist. Fast ausnahmslos kann eine (größtenteils deutliche) Erfüllung sämtlicher Kriterien festgestellt werden. Der z. T. neuartige Charakter der Untersuchung und der Umfang des Modells werten die Ergebnisse nochmals auf. Die nachfolgenden vier Forschungshypothesen finden Unterstützung durch die empirischen Daten: Forschungshypothese 1

Die Vertrauenseinstellung wirkt signifikant positiv auf die Ausbildung einer vertrauensvollen Kaufabsicht; Forschungshypothese 2

Die Subjektive Norm wirkt signifikant positiv auf die Ausbildung einer vertrauensvollen Kaufabsicht; Forschungshypothese 4

Die Vertrauenseinstellung hat einen höheren Einfluss auf die Ausbildung einer vertrauensvollen Kaufabsicht im Vergleich zu den anderen Konstrukten der TPB (Subjektive Norm und Wahrgenommene Verhaltenskontrolle);

152

Bei der Gütebeurteilung von Segmentmodellen (vgl. Abschnitte 6.3.1. und 6.3.2.) wird auf Basis der obigen Ergebnisse und vor allem wegen der inhaltlichen Argumentation auf eine weitere Überprüfung der Mediatoreffekte verzichtet.

184 Forschungshypothese 5

Die vertrauensrelevanten Erwartungen Kompetenz, Wohlwollende Intention und Integrität haben einen signifikant positiven Einfluss auf die Ausbildung der Vertrauenseinstellung. Weil sich bei drei Indikatoren aus den Daten kein signifikanter Einfluss ableiten lässt, findet Forschungshypothese 8

Die Signalindikatoren haben einen positiven Einfluss auf die Ausbildung des „Belief Altering Potential“ des jeweils zugeordneten Konstrukts „nur“ partielle Unterstützung. Da zwei von zwölf Pfaden zwischen Signalkonstrukten und vertrauensrelevanten Erwartungen keine signifikant von null verschiedene Werte aufweisen, gilt dies ebenso für Forschungshypothese 7

Alle Signalkonstrukte beeinflussen die konsumentenseitigen vertrauensrelevanten Erwartungen Kompetenz, Integrität und Wohlwollende Intention positiv; Forschungshypothese 3

Die Wahrgenommene Verhaltenskontrolle wirkt signifikant positiv auf die Ausbildung einer vertrauensvollen Kaufabsicht; und Forschungshypothese 9

Das „Belief Altering Potential of Default-Contingent Revenue-Risking Signals“ zur positiven Beeinflussung der vertrauensrelevanten Erwartung Wohlwollende Intention ist im Vergleich zu den anderen drei exogenen Konstrukten am stärksten; können durch die Daten nicht besätigt werden.153 Sowohl die Ergebnisse aus der Gütebeurteilung als auch die Unterstützung des Großteils der obigen Forschungshypothesen können als Anhaltspunkte für die nomologische Validität des Gesamtmodells herangezogen werden. Das vollständige Modell, das abschließend zur Illustration in Abbildung 35 wiedergeben ist, wird hier als nomologisches Netzwerk verstanden, da es die „kausalen“ Beziehungen zwischen den Indikatoren und den dazugehörigen latenten Konstrukten wie auch die Beziehungen der Konstrukte untereinander abbildet (Bagozzi, 1981, S. 195 ff.). Summa summarum wird das theoriegeleitet entwickelte Strukturgleichungsmodell durch die Daten klar unterstützt.

153

Forschungshypothese 6 wird erst im Rahmen des Abschnitts 6.4. überprüft.

0,569***

0,314***

0,267***

0,647***

0,254 **

Gesetzliche Rechte

Freiwillige Garantien

Zahlungsmethoden

Finanzierungsoption

0,013

Kunden-OE-Bewertung

0,264***

0,543***

Kunden-Produktbewert.

Produktempfehlungen

0,202 **

Lagerbestandsanzeige

Produkttestberichte

0,242***

0,761***

0,357***

Lieferzeitpunkt

Sonderangebote

0,226***

Technische Qualität

Rabatte

0,274***

Sortimentsgröße

Unpersönl. Kontakt

0,119***

0,129 **

Persönl. Kontakt

0,335***

0,128***

Datenschutzqualität

Allg. Gestaltung

0,130***

Fotos und/oder 3D

Bestellvorgang

0,040

0,152***

Bestellmethoden

-0,005

Gütesiegel

Statusanzeige

0,136***

0,116***

Suchfunktion

DC CR Signale

DC RR Signale

DI SC Signale

DI SI Signale

K_1 0,826***

Abbildung 35: Globalmodell nach Bereinigung – Modellergebnisse [N=770] I_1 0,856***

I_3 0,825***

Integrität R²=33,6

I_4 0,888***

Wohlwollende Intention R²=32,8

0,495***

I_2 0,901***

0,053*

0,042

0,074**

0,094***

0,053*

0,058*

0,468***

W_1 0,892***

-0,03

I_5 0,926***

W_4 0,913***

K_6 0,943***

W_3 0,688***

K_5 0,938***

W_2 0,890***

K_4 0,910***

Kompetenz R²=51,0

K_3 0,916***

0,103***

0,112***

0,613***

K_2 0,834***

W_5 0,839***

SN_3 0,865***

WV_1 0,976***

WV_2 0,898***

Verhaltenskontrolle

V_2 0,962***

Vertrauen R²=71,9

Subjektive Norm

SN_2 0,767***

V_1 0,962***

0,404***

0,123***

0,42***

SN_1 0,904***

-0,061

KA_3 0,948***

Kaufabsicht R²=40,7

KA_2 0,934***

KA_4 0,899***

reflektive Skalen 1-seitiger t-Test; ansonsten 2-seitiger t-Test.

*** mind. auf 1%-Niveau signifikant ** mind. auf 5%-Niveau signifikant * mind. auf 10%-Niveau signifikant

V_3 0,925***

0,626***

0,094***

KA_1 0,886***

SN_4 0,766***

185

186

6.2.6. Diskussion und Interpretation der Ergebnisse des Globalmodells Wie zur Konzeption der empirischen Analyse inkl. des Modells theoretisiert, kann ein starker und signifikant positiver Einfluss des zentralen Konstrukts Vertrauenseinstellung auf die Kaufabsicht in der Untersuchung festgestellt werden. Das Bestimmtheitsmaß der Kaufabsicht ist mit rund 41 % höher als der Durchschnittswert von 39 %, der in einer Meta-Analyse über 185 Studien, die auf der TPB aufbauen, ermittelt werden kann (Armitage und Conner, 2001). Die Erklärungskraft des Modells hinsichtlich des Zielkonstrukts Kaufabsicht ist auch aus diesem Grund als gut zu bezeichnen – umso mehr, weil die Durchführung eines Kaufs ein eher komplexes Verhalten darstellt, das vorliegend durch ein umfangreiches, mehrstufiges Strukturgleichungsmodell modelliert wird. Ca. 72 % der Varianz der Vertrauenseinstellung kann durch die vertrauensrelevanten Erwartungen erklärt werden. Obwohl ein Individuum viele vertrauensrelevante Erwartungen in Bezug auf das Zielobjekt OnlineEinzelhändler haben kann, zeigt sich, dass Kompetenz, Integrität und Wohlwollende Intention - wie in Abschnitt 4.2.1.1. postuliert – als wichtigste vertrauensrelevante Erwartungen fungieren. Den Einfluss der Subjektiven Norm auf die Kaufabsicht können die Daten ebenfalls belegen. Er ist aber im Vergleich zu dem der Vertrauenseinstellung um ein Vielfaches geringer. Dieses Ergebnis deckt sich mit den Ergebnissen von Armiage und Conner (2001), die einen generell geringen Einfluss der Subjektiven Norm im TPB-Zusammenhang feststellen. Die Ausübung von sozial erwünschtem Verhalten wird daher nur in geringem Umfang mit in die Entscheidung einbezogen, bei einem Online-Einzelhändler zu kaufen oder nicht. Nicht bestätigt wird dagegen der theoretisierte Zusammenhang von Wahrgenommener Verhaltenskontrolle und Kaufabsicht. Im Globalmodell liegt demnach die Konstellation der TRA als Spezialfall der TPB ohne einen Einfluss der Wahrgenommenen Verhaltenskontrolle vor (vgl. Abschnitt 3.1.3.). Dieser vergleichsweise sehr geringe (nicht vorhandene) Einfluss der Subjektiven Norm (der Wahrgenommenen Verhaltenskontrolle) steht im Einklang zu Ergebnissen von Venkatesh et al. (2003), die in einem umfangreichen Vergleichsartikel einen sehr geringen und nicht signifikanten Einfluss der Subjektiven Norm und der Wahrgenommenen Verhaltenskontrolle bei der freiwilligen Teilnahme an Befragungen feststellen, der mit steigender Erfahrung mit der Technologie noch sinkt. Dass der Einfluss der Subjektiven Norm und der Wahrgenommenen Verhaltenskontrolle auf das Verhalten mit steigender technischer Erfahrung sinkt, können weitere Studien belegen (Clement et al., 2006; Karahanna et al., 1999; Morris und Venkatesh, 2000). Eine große Erfahrung im Umgang mit dem Medium Internet kann auch für die Befragungsteilnehmer festgehalten werden (vgl. Abschnitt 6.1.3.3.).154 Darüber hinaus ist der Bildungsstand sowie das Haushaltseinkommen der Teilnehmer überdurchschnittlich im Vergleich zur deutschen Gesamtbevölkerung (vgl. Abbildung 32) (Arbeitsgemeinschaft Online-Forschung 154

Dies kann durch vier separat erhobene Erfahrungsvariable mit einem Durchschnittswert von 7,5 auf einer 010-Likert-Skala bestätigt werden.

187 e. V. (AGOF), 2009). Beide Besonderheiten der Datengrundlage können damit Ursache für den nicht vorhandenen Einfluss der Wahrgenommenen Verhaltenskontrolle sein, weil vollständige Kontrolle über das Verhalten bei nahezu allen Teilnehmern vorliegt. Dementsprechend ist die durchschnittliche Bewertung der Wahrgenommenen Verhaltenskontrolle der Befragungsteilnehmer hoch, wie dem „Latent Variable Score“ der Wahrgenommenen Verhaltenskontrolle des SmartPLS-Ergebnisses entnommen werden kann. Dieser ergibt sich als gewichteter Mittelwert der beiden Indikatoren WV_1 und WV_2 (WV_1: „Ich habe genügend Ressourcen, das Wissen und die Fähigkeit, um Waren über das Internet zu kaufen“ und WV_2: „Mein Selbstvertrauen reicht aus, um Waren über das Internet zu kaufen“), die wie alle Indikatoren auf einer 0-10-Likert Skala abgefragt werden. Der „Latent Variable Score“ beträgt für das Globalmodell für die Wahrgenommene Verhaltenskontrolle 8,4 (Standardabweichung 1,7) – mit weitem Abstand der höchste Wert aller elf Konstrukte (Mittelwert 5,1; Standardabweichung 1,4). Von einem direkten Einfluss der Wahrgenommenen Verhaltenskontrolle auf das reale Kaufverhalten ist nicht auszugehen (vgl. Abbildung 9, Abschnitt 3.1.3.), da dieser nur bei sehr geringer Wahrgenommener Verhaltenskontrolle zum Tragen kommt. Damit ist festzuhalten, dass der Effekt von Fähigkeiten, Ressourcenverfügbarkeit und Selbstvertrauen nicht wichtig für die Ausbildung einer Kaufabsicht für das vorhandene Befragungssample ist. Eine weitergehende Diskussion der Subjektiven Norm und der Wahrgenommenen Verhaltenskontrolle erfolgt in Abschnitt 6.3.4. Im Gegensatz zur Wahrgenommenen Verhaltenskontrolle zeigt das zentrale Konstrukt Vertrauen alle im Vorwege postulierten Beziehungen auf. Den höchsten Einfluss auf die Ausbildung einer Vertrauenseinstellung hat das Konstrukt Kompetenz mit einem Pfadkoeffizienten von 0,420. Die Erwartung einer technisch einwandfreien Rollenausführung und einer nichtfunktionalen Kompetenz im Umgang mit (potentiellen) Kunden determinieren demnach die Ausbildung der Vertrauenseinstellung am stärksten positiv. Auch Schlosser et al. (2006) stellen in einem einzelaspektbezogenen Experiment mit E-Commerce-Bezug für das Konstrukt Kompetenz den höchsten Beitrag zur Ausbildung einer Vertrauenseinstellung im Vergleich zu den beiden anderen Erwartungen fest. Ähnlich stark ist hier aber auch der Einfluss der Integrität mit einem Pfadkoeffizienten in Höhe von 0,404. Integrität als Hauptdeterminante der Kaufabsicht können z. B. Gefen und Heart (2006) identifizieren. Im Gegensatz zu den Ergebnissen von Schlosser et al. (2006) und Gefen und Heart (2006) zeigen die Ergebnisse hier, dass sich ein Konsument umso eher in eine verletzliche Position begibt und online ein Produkt erwirbt, je mehr er erwartet, dass der Online-Einzelhändler eine Wohlwollende Intention hegt und vor allem kompetent und gleichzeitig integer ist. Die Integritätsvermittlung über Signale spielt demnach eine ähnlich große Rolle wie die der Kompetenzvermittlung. Unterstützt wird dadurch die Postulierung, bei dem Erwerb eines physischen Produktes über das Internet handele es sich um ein Metaprodukt, in dessen Qualitätsbeurteilung auch Integritätsanforderungen des Kunden einfließen. Über Signale kommunizierte Hinweise auf Aufrichtigkeit, Diskretion, Zuverlässigkeit und Ehrlichkeit sowie auf das kontinuierliche Einhalten von Ver-

188 pflichtungen sind demnach essentiell. Auf Basis der signaltheoretischen Überlegungen kann jedes Signal eine Integritätskomponente beinhalten, da das ehrliche Einhalten von Verpflichtungen im Zentrum der Signaltheorie steht (vgl. Abschnitt 4.3.2.1.). Der Einfluss der dritten vertrauensrelevanten Erwartung, der Wohlwollenden Intention, ist vergleichsweise gering. Trotzdem ist „der Nachweis“ eines Einflusses hervorzuheben. Obwohl im Standardfall eines wirtschaftlichen Interaktionsprozesses der Vertrauensnehmer vornehmlich von eigenem monetären Interesse als von wohlwollenden Motiven getrieben sein wird, bestätigen die vorliegenden Daten das Verständnis der jüngeren Literatur, die Betriebswirtschaft ruhe auf ethischen Fundamenten (vgl. Abschnitt 4.2.1.2.). Dennoch ist der Transfer altruistischer Motive über Signale schwer, da gerade im Rahmen der Signaltheorie das monetäre Interesse die zentrale Rolle spielt, die sich daraus ergibt, dass sich ein rationaler Anbieter an seine Verpflichtungen und Versprechungen halten wird, um langfristige Erträge nicht zu gefährden. Denn obwohl alle Signalkonstrukte Potential besitzen, positiv auf die Ausbildung der kundenseitigen Wahrnehmung und Erwartung einer Wohlwollenden Intention einzuwirken, wie an den signifikanten Pfadkoeffizienten zu erkennen ist, und obwohl das Bestimmtheitsmaß der Wohlwollenden Intention „mittelgut“ (Chin, 1998b, S. 323) ist, hat es mit einem Pfadkoeffizienten von 0,123 die geringste Relevanz für die Ausbildung einer Vertrauenseinstellung. Zu erwähnen sind ferner die separaten Einflüsse von Integrität und Wohlwollender Intention und eine ausreichende Diskriminanz dieser beiden vertrauensrelevanten Erwartungen, die in vielen Forschungsarbeiten nicht belegt werden kann (vgl. Abschnitt 4.2.1.3.). Die Schlussfolgerung von Schoormann et al. (2007), die Wahrnehmung einer Wohlwollenden Intention entwickle sich erst einhergehend mit Erfahrung, kann hier nicht bestätigt werden. Die empirischen Ergebnisse sprechen eher für die bereits in 4.2.1.3. vorgenommene Vermutung, dass bisherige (vornehmlich experimentelle) Untersuchungen eine zu geringe Anzahl von Experimentalvariablen nutzen, die für eine separierte Wahrnehmung von Wohlwollender Intention und Integrität nicht ausreicht. Das vorliegende Untersuchungsdesign mit einem realen Stimulus bzw. einer Vielzahl von Signalvariablen liefert erste Erkenntnisse hinsichtlich des von Schoormann et al. (2007) eingeforderten Forschungsbedarfs (vgl. 4.2.1.3.). Die Tatsache, dass alle Signalkonstrukte signifikant positiven Einfluss auf mindestens zwei Vertrauensfacetten haben, zeigt die Eignung des im Vorwege theoretisierten Wirkzusammenhanges. Nur zwei (DC CR Signale zu Kompetenz und DC RR Signale zu Integrität) von zwölf Pfaden weisen Pfadkoeffizienten auf, die auf dem 10 % Niveau nicht signifikant sind. Zusammengefasst besitzen alle Signalkonstrukte mehr oder minder starkes „Belief Altering Potential“ und haben damit positiven Einfluss auf die Erwartungen hinsichtlich der drei Vertrauensdimensionen. Eine „trust transference“ (Aiken et al., 2004, S. 253) über Signale findet somit statt.

189 Auffällig ist der starke Einfluss des DI SI Signalkonstrukts auf alle Vertrauensfacetten. Demnach nehmen diejenigen Signale bei der Ausbildung einer Vertrauenseinstellung, die wiederum Vorstufe der Kaufabsicht ist, eine exponierte Stellung ein, die „… regardless of the truthfulness of the firm’s claim of quality…“ (Yen und Ju, 2006, S. 301) den Hauptaufwand vor dem Produktverkauf erfordern mit der Zielsetzung, monetäre Rückflüsse durch zukünftige Transaktionen zu generieren. Es sind demnach „cash intensive“ (Kirmani und Rao, 2000) Signale, die Investitionen bereits zu einem relativ frühen Zeitpunkt der Geschäftstätigkeit bzw. zur Herstellung derselben erfordern, die maßgeblich die Kaufabsicht positiv beeinflussen (vgl. Abbildung 36 und Abbildung 37). Dieses Ergebnis ist mit Überlegungen aus der Signaltheorie erklärbar. Grundsätzlich gilt, je höher das Gewinnpotential des „quality-sensitive [customer] segment“ (Kirmani und Rao, 2000, S. 74), umso stärker sollten Default-Independent Signale verwendet werden, wobei das Potential aus einer hohen individuellen Zahlungsbereitschaft der qualitätsbewussten Konsumenten und/oder aus der Größe dieses Kundensegments stammt. Die Erklärung ist einleuchtend: Mit steigendem Gewinnpotential steigt prinzipiell der Nutzen für Anbieter minderwertiger Qualität, die Qualität durch Signale vorzutäuschen. Allerdings würden sie nur so lange profitieren, bis ihre minderwertige Qualität vom Konsumenten entdeckt wird – i. d. R. relativ zeitnah nach dem Kauf. Sie würden ferner monetär umso mehr profitieren, je weniger zahlungswirksame Kosten sie für die „Täuschungssignale“ aufwenden müssten. Das bedeutet im Umkehrschluss für Anbieter hoher Qualität, Signale als Differenzierungsmerkmal zu nutzen, die zahlungswirksame Kosten in der ersten Phase der Geschäftsbeziehung, d. h. im Vorwege der Transaktion verursachen und zahlungswirksame Profite erst in der Zukunft generieren, „to limit the low-quality firm’s tendency to make a killing in the first period“ (Kirmani und Rao, 2000, S. 74). Für den in der vorliegenden Arbeit untersuchten Verkauf des Metaprodukts kann auch von einem hohen Gewinnpotential durch qualitätssensitive Konsumenten ausgegangen werden, die den Haupteinfluss der Default-Independent Signale (hier vor allem DI SI Signale) aufgrund des beschriebenen Differenzierungscharakters begründen können. Bspw. sehen 83 % der deutschen Verbraucher nicht den Preis als wichtigsten Einflussfaktor für die Interaktion mit einem Online-Einzelhändler (o. V., 2008c). Vielfach kann bereits festgestellt werden, dass Kunden Preisaufschläge qualitativ hochwertiger Leistungsanbieter im Internet bereitwillig inkaufnehmen (Biswas und Biswas, 2004; Clay et al., 2002; Johnson et al., 2004; o. V., 2008c; Su, 2007). Aktuell sind laut einer Erhebung 29 % der deutschen Verbraucher bereit, Preisaufschläge von bis zu 30 % nur für den Schutz vor Identitätsdiebstahl und den integren Umgang mit Kundendaten zu akzeptieren (o. V., 2008c). Kunden sind sich anscheinend bewusst, dass es rein technisch prinzipiell schnell möglich ist, eine Shoppräsenz im Internet zu gestalten (Ockenfels, 2003). Dies gilt auch für Anbieter minderwertiger Qualität. Die Daten sprechen dafür, dass die Kunden daher primär auf Signale achten, die Rückflüsse erst in der Zukunft generieren, aber in der Gegenwart bereits hohe Investitionen erfordern.

190 Durch den Haupteinfluss des DI SI Signalkonstrukts wird Forschungshypothese 9 hier nicht bestätigt, in der davon ausgegangen wird, das Konstrukt „Belief Altering Potential of DefaultContingent Revenue-Risking Signals“ zur positiven Beeinflussung der vertrauensrelevanten Erwartung Wohlwollende Intention hätte im Vergleich zu den anderen drei exogenen Konstrukten den stärksten Einfluss. Neben der Bedeutung des DI SI Signalkonstrukts könnte ursächlich dafür sein, dass der interpersonelle Erfahrungstransfer per Online-EinzelhändlerBewertungen durch Kunden bspw. per Foren nicht ausreichend funktioniert, wie der nicht signifikante Einfluss dieses DC CR Signalkonstruktindikators zeigt. Um einen weitergehenden Einblick in den Sachverhalt und die Effizienz der einzelnen Signale in Bezug auf die Kaufabsicht zu erhalten, zeigen Abbildung 36 und Abbildung 37 die Totaleffekte155.156

Finanzierungsoption Zahlungsmethoden Freiwillige Garantien Gesetzliche Rechte Produktempfehlungen Produkttestberichte Kunden-OE-Bewertung Kundenproduktbewertungen Lagerbestandsanzeige Sonderangebote Rabatte Lieferzeitpunkt Technische Qualität Sortimentsgröße Allg. Gestaltung Bestellvorgang Unpersönl. Kontakt Persönl. Kontakt Datenschutzqualität Fotos und/oder 3D Bestellmethoden Statusanzeige Gütesiegel Suchfunktion -0,01

0,01

0,03

0,05

0,07

0,09

0,11

Totaleffekt auf Kaufabsicht

Abbildung 36: Totaleffekte formativer Indikatoren auf Kaufabsicht im Globalmodell 155

Die Berechnung der Totaleffekte formativer Indikatoren wird derzeit noch nicht durch das Programm SmartPLS unterstützt. Sie erfolgt daher „von Hand“ unter Zuhilfenahme von MS-Excel 2002. Dazu wird wie folgt vorgegangen: Für jedes Bootstrapping-Sample wird von SmartPLS sowohl ein Totaleffekt eines jeden Signalkonstrukts auf das Kaufabsichtskonstrukt als auch ein Gewicht eines formativen Indikators auf das jeweilige Signalkonstrukt berechnet. Der Totaleffekt je Sample eines formativen Indikators auf Kaufabsicht ergibt sich demnach durch eine einfache Multiplikation der beiden Größen. Führt man diese Berechnung für jedes Sample durch, liegen insgesamt je Indikator so viele Totaleffekte wie Bootstrapping-Samples vor. Daraus lässt sich dann die Standardabweichung errechnen, die im Zusammenhang mit dem Totaleffekt aus dem Originaldatensatz die Signifikanzberechnung über eine t-Teststatistik möglich macht. 156 Die Abbildungen sind mit MS-Excel 2002 unter Verwendung der berechneten Totaleffekte und Signifikanzen erstellt.

191

Finanzierungsoption Zahlungsmethoden Freiwillige Garantien Gesetzliche Rechte Produktempfehlungen Produkttestberichte Kunden-OE-Bewertung Kundenproduktbewertungen Lagerbestandsanzeige Sonderangebote Rabatte Lieferzeitpunkt Technische Qualität Sortimentsgröße Allg. Gestaltung Bestellvorgang Unpersönl. Kontakt Persönl. Kontakt Datenschutzqualität Fotos und/oder 3D Bestellmethoden Statusanzeige Gütesiegel Suchfunktion 0

0,02

0,04

0,06

0,08

0,1

Totaleffekt auf Kaufabsicht

Abbildung 37: Signifikante Totaleffekte formativer Indikatoren auf Kaufabsicht im Globalmodell157

Auffällig ist der sehr geringe und nicht signifikante Einfluss des Signals Kunden-OEBewertung. Die Möglichkeit der Einflussnahme, die der Online-Einzelhändler hierbei besitzt, könnte ursächlich für den mangelnden Effekt dieses Signals sein. Dieses belegt eine Befragung aus dem Jahr 2008, in der 45 % der Internetnutzer davon ausgehen, dass Bewertungen bewusst manipuliert werden (Fittkau & Maaß, 2008). Auch für die Signale Statusanzeige, Bestellmethoden, Finanzierungsoption, Kommunikation gesetzlicher Rechte und überraschenderweise ebenfalls für die Gewährung weiterer freiwilliger Garantien kann kein signifikanter Einfluss festgestellt werden. Ursache für den nicht vorhandenen Einfluss des letztgenannten Signals könnte die Kundenwahrnehmung einer mangelnden Rechtssicherheit sein, da der Internethandel oftmals in unterschiedlichen und unklaren Rechtsräumen stattfindet, was das Durchsetzen von Rechten und Garantien i. d. R. kostspielig – wenn nicht unmöglich – werden lässt (Ludwig, 2005, S. 41 f.; o. V., 2008a). Bspw. glauben nur 42 % der Befragten in einer Studie zu Geld-zurück-Garantien, dass sie das Geld im Garantiefall wirklich zurückbekämen (o. V., 2008a). Der relativ geringe Einfluss der Default-Contingent Cost-Risking Signals könnte auch darin begründet sein, dass der Konsument bzw. Befragungsteilnehmer die Gefahr einer Insolvenz des Unternehmens sieht. Er glaubt auf langfristige Sicht demnach nicht daran, dass die Default-Contingent Cost-Risking Signals in diesem Marktumfeld „… of-

157

Nicht signifikanten Totaleffekten wird der Wert null zugewiesen.

192 fer the firm's costs as a hostage” (Kirmani und Rao, 2000, S. 68 f.), weil derartige Kosten aufgrund der Insolvenz nicht anfallen werden.158 Demgegenüber gehen mit dem bereits beschriebenen großen Einfluss des DI SI Signalkonstrukts relativ hohe Totaleffekte einer Vielzahl der zugehörigen formativen Indikatoren einher. Auffallend ist der starke Einfluss der „Basisfeatures“ wie Gestaltung (Schrift, Farbe, Layout), technischer Qualität, Produktbebilderung oder Suchfunktion. Da in fast jeder Shop-Software eine Suchfunktion integriert ist, zeigt sich am Beispiel Suchfunktion, dass neben der bloßen Präsenz einer Suchfunktion auch die konkrete Ausgestaltung bzw. Qualität für die Bedeutung als Signal relevant ist. Qualität könnte sich bspw. durch eine umfangreiche Verschlagwortung, eine schnelle Generierung von Suchergebnissen und/oder durch eine „intelligente“ Suchfunktion ergeben, die automatisch ähnliche Produkte anbietet (Hansen et al., 2007), sollte ein Produkt nicht verfügbar sein, bzw. automatisiert eine Bestellanfrage an den Kundendienst verschickt. Diese Signalqualitätssteigerung verursacht höhere Kosten beim Online-Einzelhändler. Das Differenzierungspotential für qualitativ hochwertige Leistungsanbieter im Sinne der Signaltheorie könnte demnach im Falle der Suchfunktion in der Qualität des Signals liegen (Kirmani und Rao, 2000). Eine differenzierte Darstellung für ein detaillierteres Qualitätsverständnis ist angebracht. Dies ist z. B. auch für die Interpretation der Qualität der allgemeinen Gestaltung hilfreich, da viele verschiedene und dazu nicht greifbare Faktoren in die Beurteilung einfließen können. Mit Hilfe der sog. „Importance-Performance-Analysis“ (IPA) wird der Versuch unternommen, neben der Wichtigkeit der einzelnen Signalindikatoren auch eine Bewertung der derzeitigen Leistung der Online-Einzelhändler abzubilden und beide Werte in der sog. „Priority Map“ (vgl. Abbildung 38) gegenüberzustellen und zu analysieren (Martilla und James, 1977). Mit Hilfe der Entwicklung der „Priority Map“ als Matrix werden eine über die Totaleffekte hinausgehende Interpretation erleichtert und strategische Handlungsoptionen aufgezeigt. Diese Darstellungsform, die die Abbildung einer Kundenperspektive über die Wichtigkeitsdimension und einer Wettbewerbsperspektive über die Leistungsdimension erlaubt, ist die bekannteste, die eine Priorisierung von Maßnahmen ermöglicht (Slack, 1994).

158

Ein Beleg für die Insolvenzgefahr in dem Marktumfeld ist der Online-Einzelhändler e-bug, der auch im Rahmen der Befragung beurteilt wurde, und Ende 2008 einen Insolvenzantrag stellte (Alex, 2008).

“Possible Overkill”

“Keep up with the Good Work”

Niedrig

Performance

Hoch

193

“Concentrate Here”

“Low Priority” Niedrig

Importance

Hoch

Abbildung 38: Priority-Map der Importance-Performance-Analysis Quelle: In Anlehnung an Martilla und James (1977).

Ursprünglich entwickelt wurde die Art der Darstellung auf Basis von Direktbewertungen von Maßnahmen durch Kunden und Manager. Eine Anwendung im Anschluss oder im Zusammenhang mit einer PLS-Auswertung ist jedoch auch sehr geeignet (Martensen und Grønholdt, 2003). Durch die indirekte Schätzung werden eine etwaige Anspruchsinflation oder „gewünschte Antworten“, wie sie häufig bei direkter Präferenzabfrage auftreten, umgangen. Die Leistungsindizes können im Standardfall (bei der Beurteilung von Effekten auf Konstruktebene) aus von SmartPLS generierten Daten berechnet werden. Im Standardfall wird eine Prioritätsmatrix jedoch nicht für Indikatoren, sondern für Konstrukte erstellt (Martensen und Grønholdt, 2003).159 Bei der vorliegenden Arbeit liegt der Fokus aber auf der Leistungsbeurteilung formativer Indikatoren. Als Basis zur Berechnung des Leistungsindex werden daher die Mittelwerte der Beurteilungen der Befragungsteilnehmer verwendet und auf eine 0-100-Punkte-Skala transformiert. Dem jeweiligen Leistungsindex wird auf der Wichtigkeitsdimension die Bedeutung des Indikators in Bezug auf das betrachtete Zielkonstrukt gegenübergestellt. Hier fungieren die Totaleffekte der formativen Signalindikatoren auf das Kaufabsichtskonstrukt als Wichtigkeitsmaßstab. Diese Wichtigkeit beschreibt demnach die Auswirkung einer Veränderung der Leistung auf das Kaufabsichtskonstrukt. So folgt der Erhöhung des Leistungsindex eines formativen Indikators um einen Punkt eine Erhöhung der Kaufabsicht um den jeweiligen Wert der Wichtigkeit, d. h. den Totaleffekt. Auf diese Art lassen sich die potentiellen Auswirkungen verschiedener Handlungsalternativen vergleichen. 159 Zur Ermittlung der Leistung der jeweiligen latenten Variablen werden die „Latent Variable Scores“ als Basis verwendet, die SmartPLS ausgibt. Diese ergeben sich als gewichteter Mittelwert der zugehörigen Variablen des jeweiligen Messmodells. Dazu werden zunächst alle Variablen des Messmodells auf eine 0-100 Punkte-Skala transformiert.

194 Aus der Mittelwertbildung der Leistungsindizes und der Wichtigkeit der formativen Indikatoren resultieren die beiden Linien, die die Priority-Map in vier Quadranten separieren. Analog zu Martilla und James (1977) werden diese für den vorliegenden Untersuchungszusammenhang wie folgt interpretiert: Der „Low Priority“-Quadrant ist der Bereich, in dem die Leistung unterdurchschnittlich ist, dies jedoch durch die ebenfalls unterdurchschnittliche Wichtigkeit gewissermaßen kompensiert wird. Der Aufwand für diese Indikatoren kann niedrig gehalten werden, möglicherweise kann sogar gänzlich auf einzelne von ihnen verzichtet werden. Im „Possible Overkill“-Quadranten liegen Signale, die von den Befragten überdurchschnittlich positiv beurteilt werden, die jedoch eine unterdurchschnittliche Wichtigkeit, d. h. einen geringen Einfluss auf die Kaufabsicht haben. Die Aufrechterhaltung der Qualität derartiger Maßnahmen könnte überdacht werden, insbesondere sollten keine weiteren Investitionen zur Qualitätsverbesserung getätigt werden. Die beiden Quadranten, die Potential für den Online-Einzelhändler bieten, liegen im rechten Bereich der Graphik. Der obige Bereich „Keep up with the Good Work“ zeigt die aktuellen Stärken, die einen überdurchschnittlich positiven Einfluss auf die Kaufabsicht haben. Diese Maßnahmen sollten in ihrer derzeitigen Qualität aufrechterhalten bzw. sogar gesteigert werden. Der „Concentrate Here“-Quadrant birgt das größte Potential zur Erhöhung einer Kaufabsicht. Hier finden sich Maßnahmen, die relativ wichtig sind, deren Leistung von den Befragten jedoch als unterdurchschnittlich angesehen wird. Kritisch anzumerken ist, dass die Darstellungsform keinerlei Art von Interdependenzen beinhaltet. So ist das Vorhandensein eines „Low Priority“-Signals möglicherweise für die Wichtigkeit einer Maßnahme im rechten Teil der Graphik essentiell. Es ist denkbar, dass das Entfernen von „Low Priority“-Signalen auch negative Auswirkung auf die Kaufabsicht haben könnte. Die Darlegung gesetzlicher Rechte könnte von potentiellen Kunden bspw. als Standard empfunden werden. Sie stellt damit keinen erfolgsteigernden Faktor dar. Daraus jedoch zu schließen, die Kommunikation gesetzlicher Rechte sei unwichtig, wäre fahrlässig. Das Fehlen gesetzlicher Rechte (wie auch eines jeden anderen Low-Priority-Signals) könnte durchaus ein „Misserfolgsfaktor“ sein. Alles in allem wird auch eine Verbesserung von LowPriority-Signalen nicht schädlich sein. Zudem ist die Betrachtung zeitpunktbezogen und bedarf grundsätzlich einer stetigen Überprüfung. Werden die identifizierten Erfolgsfaktoren in guter Qualität von vielen Online-Einzelhändlern adaptiert, werden sie damit zum Standard und verlieren den Charakter eines Wettbewerbsvorteils innerhalb des Online-Einzelhandels. Möglicherweise wird aber die Attraktivität eines Online-Kaufs im Vergleich zum stationären Handel gesteigert. Zuletzt ist die Orientierung anhand der Mittelwerte der Leistung und der Wichtigkeit anhand der vorliegenden Daten kurz zu beleuchten. Die Ergebnisse der Gütebeurteilung zeigen,

195 dass ein großer Teil der Kaufabsicht und ein sehr großer Teil des Vertrauens erklärt werden können, die Erklärung jedoch nicht vollständig ist. Der Mittelwert der Leistung könnte demnach aus Konsumentensicht immer noch als unzureichend empfunden werden, so dass auch Maßnahmen aus dem derzeitigen „Keep up with the Good Work“-Quadranten eine Leistungsverbesserung erfahren sollten. Ferner könnten „Ausreißer“ die Mittelwerte „verzerren“, so dass dann insbesondere auch Punkte in Nähe der Mittelwertachsen nicht strikt nach dem Schema interpretiert werden sollten. Zusammenfassend sind ein weniger rigider Umgang mit den Grenzen und ein allgemein

Hoch

sensibler Umgang mit der Standarddarstellungsform angebracht. Bspw. entwickelt Slack (1994) für direkte Präferenzabfragen eine veränderte Version der Standardmatrix (vgl. Abbildung 39). Dabei ist das Ziel Verzerrungen und Anspruchsinflation bei Direktbewertungen der Wichtigkeits- und Leistungsindizes durch Kunden und Führungskräfte entgegenzuwirken. Es ergibt sich die in Abbildung 39 dargestellte modifizierte Matrix.

“Excess?”

Performance

“Appropriate”

“Improve”

Niedrig

“Urgent action”

Niedrig

Importance

Hoch

Abbildung 39: Importance-Performance Matrix Quelle: In Anlehnung an Slack (1994).

Auch im Kontext der hier vorliegenden (indirekten) PLS-„Präferenzanalyse“ und der vorstehend genannten Kritikpunkte erscheint eine Symbiose (vgl. Abbildung 40) aus der Standarddarstellungsform und der modifizierten Version zweckmäßig, um aus strategischer Sicht eine Vielzahl von Handlungshinweisen ableiten zu können. So können potentielle Auswirkungen verschiedener Handlungsalternativen verglichen und im Ansatz dem Aufwand zur Qualitätsverbesserung des jeweiligen Signals gegenübergestellt werden. Allerdings bedarf es dazu auch einer konkreten Analyse, was genau zu einer Qualitätsverbesserung beiträgt. Dies kann nicht nur die reine Installation oder Umsetzung der Maßnahme sein, sondern auch, wie einleitend zur IPA dargelegt, die Art und Weise bzw. Qualität der Umsetzung.

196

90

„Possible Overkill“

„Keep up with the Good Work”

Suchfunktion

Sortimentsgröße

80 Technische Qualität Lagerbestand Bestellvorgang

70 Leistung

Fotos und 3D

Produktempfehlungen

60

Datenschutzqualität

Zahlungsmethoden

Sonderangebote

Kundenproduktbewertungen

50

Bestellmethoden Gesetzl. Rechte

Unpersönl. Kontakt

Gütesiegel Allgemeine Gestaltung

Persönl. Kontakt Lieferzeitpunkt

Rabatte

40

Testberichte Kunden-OE-Bewertung Freiwillige Garantien

„Concentrate Here”

Finanzierungsoption

30 0

„Low Priority“

0,02

0,04

0,06

0,08

0,1

Wichtigkeit 160

Abbildung 40: Prioritätsmatrix der formativen Signalindikatoren des Globalmodells

Wie Abbildung 40 zu entnehmen ist, besteht das größte Potential für Online-Einzelhändler in der Verbesserung der allgemeinen Gestaltung. Diese Erkenntnis ist scheinbar ernüchternd, da die Interpretation der Qualität der allgemeinen Gestaltung im Vergleich zu den meisten anderen Signalen diffiziler ist, weil wahrscheinlich viele und dazu nicht greifbare Faktoren in die Beurteilung einfließen. Ein Blick in die Rohdaten liefert aber dennoch erste verwendbare Erkenntnisse. Die Seite des Online-Einzelhändlers, dessen Gestaltung am besten beurteilt wurde (vgl. Anhang 3), zeichnet sich durch ein harmonisches Erscheinungsbild mit warmen, aufeinander abgestimmten Farbtönen aus, wobei die Seite selbst aus nur zwei Hauptfarben besteht. Die Seite hat keine Werbung und wirkt nicht überfrachtet, z. B. wurden im Befragungszeitraum nur sechs bis acht Produkte „promoted“. Die Buttons und Navigationselemente haben Reliefcharakter und wirken dadurch plastisch greifbar. Die meisten Seiten erfordern bei einer Bildschirmauflösung von 1024x768 Pixel kein Scrolling bzw. sind auf maximal 1,5 Bildschirmseiten dargestellt. Kürzlich veröffentlichte Ergebnisse einer qualitativen Studie belegen den Wunsch der Konsumenten, möglichst wenig zu scrollen, vor allem wenn sie wie beim vorliegenden Untersuchungsgegenstand zielgerichtet suchen. Ausnahme von dieser Regel bildet laut der Studie lediglich der Anbieter Amazon, bei dem die Befragten auch erheblich längere Scrollvorgänge 160

Die Abbildung wird in Teilen mit Hilfe von MS-Excel 2002 erstellt. Als Daten verwendet werden die Totaleffekte als Wichtigkeitsindex sowie die durchschnittliche Konsumentenbeurteilung (transformiert auf eine 0-100-Punkte Skala) als Leistungsindex einer jeweiligen latenten Variablen.

197 akzeptieren (o. V., 2009b). Amazon bildet auch bei der hier vorliegenden Untersuchung hinsichtlich der Layoutbewertung eine Ausnahme. Trotz des sehr unterschiedlichen Seitenaufbaus (vgl. Anhang 5) im Vergleich zum vorstehend beschriebenen Online-Einzelhändler ist die Bewertung ähnlich hoch. Ursächlich könnte die vergleichsweise große Relevanz von Amazons automatisch generierten Produktempfehlungen sein. Eine Korrelationsberechnung von Produktempfehlungsbeurteilung und der Beurteilung der allgemeinen Gestaltung ergibt jedoch lediglich einen Wert von 0,1. Auch eine Untersuchung auf Multikollinearität aller Indikatoren ergibt keine weitergehenden Hinweise auf die Quelle der guten Gestaltungsbeurteilung bei Amazon. Denkbar wäre, dass die Seite scheinbar übersichtlicher ist, weil den Befragungsteilnehmern die Seite schon vorher bekannt war. Trotz der dargestellten Besonderheit ist derzeit im Standardfall davon auszugehen, dass zielorientierte Konsumenten eher ein schlichtes und harmonisches Erscheinungsbild mit visuellen Orientierungselementen bevorzugen. Auch Nadkarni und Gupta (2007) können in ihrer Untersuchung bestätigen, dass ein zu komplexes Layout bei zielorientierten Nutzern zu Reaktanzen führt. Nichtsdestotrotz zeigt sich ein Bedarf für zukünftige Forschung zum Webdesign im Allgemeinen möglicherweise in Verbindung mit Aspekten der „Usability“ (Venkatesh und Agarwal, 2006). Als Ausgangsbasis kann die Arbeit von Lowry et al. (2008) dienen, die über 30 verschiedene „subconstructs“ (Lowry et al., 2008, S. 205) von „Web Site Quality“ in der Literatur identifizieren. Diese sind z. T. jedoch lediglich eine Agglomeration verschiedener Signale (vgl. bspw. Schlosser et al., 2006). Verbesserungspotential besteht auch bei den Kontaktaufnahmemöglichkeiten. Mit einer Qualitätssteigerung sind hier positive Auswirkungen auf die Erhöhung von Conversion-Rates zu erwarten. Konkret könnte eine Steigerung der Qualität bedeuten, z. B. durch Live-Chat oder eine (kostenlose) Telefonhotline eine permanente Ansprechbarkeit, sicherzustellen und diese Leistungen prominent im Online-Shop darzustellen. Der Anbieter mit der besten Beurteilung der Kontaktaufnahmemöglichkeiten (vgl. Anhang 2) zeigt einen „Kontakt“-Button in der Kopfleiste der Homepage, der zu einer Seite mit umfangreichen Kontaktinformationen führt. Ferner besteht die Möglichkeit einen Anruftermin zu vereinbaren. Hervorzuheben ist ein „Live-Support“-Button, mit dem sofort eine Live-Chat-Verbindung mit einem Mitarbeiter hergestellt werden kann. Auch hinsichtlich der Platzierung, der Anzahl oder der Art von Gütesiegeln besteht Optimierungspotential. Die sichtbare Platzierung der „richtigen“ Gütesiegel könnte erfolgsteigernd wirken. Dabei erhält der Anbieter die höchste Bewertung, der nur das Gütesiegel „TÜV Süd“ (www.safer-shopping.de) verwendet (vgl. Anhang 4). Das Prüfzeichen bestätigt die technische und organisatorische Zuverlässigkeit des Online-Einzelhändlers sowie seine hohen Ansprüche an Qualität und Sicherheit. Eine Geld-zurück-Garantie, die optional durch den Onli-

198 ne-Einzelhändler erworben werden kann, umfasst das Gütesiegel im vorliegenden Fall nicht.161 Neben der Zertifizierung durch Dritte haben auch die Selbstverpflichtung zum Datenschutz und das Versprechen einer sicheren Datenübertragung (z. B. per SSL-Verschlüsselung) einen überdurchschnittlich starken Einfluss auf die positive Beeinflussung der Kaufabsicht. Unterstrichen wird durch das hier vorliegende Ergebnis die stetige Steigerung der Datenschutzbedenken bei Internetnutzern innerhalb der letzten Jahre. Mittlerweile fürchten 57 %, dass persönliche Daten im Internet nicht geschützt sind, ermittelt das Institut für Demoskopie Allensbach für das Jahr 2008 (Schneller, 2008). Gleichzeitig besteht allerdings die Notwendigkeit zur Qualitätsverbesserung des Signals. Denkbar sind bspw. ein klares Statement zum Datenschutz und der sicheren Datenübertragung sowie dessen Untermauerung durch Hinweise auf Verschlüsselungstechniken (z. B. SSL) oder Logos von Verschlüsselungstechnikanbietern (z. B. Verisign). Allerdings zeigt eine Studie des Jahres 2008 schwere Lücken bei SSLVerschlüsselungen auf, weil z. T. veraltete und schwache SSL-Verschlüsselungszertifikate verwendet werden (Springer, 2008). Dazu professionalisiert sich die Internetkriminalität zunehmend (Kempf, 2009). Der Hinweis auf aktuelle Zertifikate stellt demnach auch eine Option zur Qualitätssteigerung des Signals dar und könnte kaufabsichtsfördernd wirken. Ebenso gilt dies für attraktive Sonderangebote, die auch im Kontext des konkret geschilderten Bedarfsszenarios ohne preisliche Komponente Vertrauen in den Online-Einzelhändler schaffen können.162 Die Meinung von Ockenfels (2003, S. 296) oder Ngai und Wat (2002), leicht austauschbare Plattformidentität der Verkäufer erschwere es den Kunden, sich ein Bild über die Zuverlässigkeit und Vertrauenswürdigkeit ihrer Transaktionspartner zu machen, kann im Zusammenhang mit den vorliegenden Untersuchungsergebnissen nicht bestätigt werden. Auch die Aussagen aus den Pionierarbeiten von Peterson et al. (1997) und Alba (1997), das Internet habe relativ geringe Eintrittskosten für Verkäufer, sind zwölf Jahre nach ihrer Veröffentlichung als überholt anzusehen, wenn man davon ausgeht, dass die Autoren von langfristig erfolgreichen Verkäufern sprechen. Für ein weitergehendes Verständnis erfolgt in Abschnitt 6.3. eine Separierung des Datensatzes in zwei Teilsegmente. Die prinzipielle Bekanntheit des Namens des OnlineEinzelhändlers beim Befragungsteilnehmer fungiert als Gruppierungsvariable (vgl. Abschnitt 6.1.2.3.).

161

Eine weitere Detailbetrachtung der Gütesiegel findet in Abschnitt 6.3.4. statt, da sich signifikante Unterschiede der Bedeutung von Gütesiegeln in der Gruppenanalyse ergeben. 162 Da sich auch für die Sonderangebote Segmentunterschiede ergeben, findet eine weitere Diskussion in Abschnitt 6.3.4. statt.

199

6.3. Empirische Ergebnisse der multiplen Gruppenanalyse 6.3.1. Gütebeurteilung des Segments „Bekannte Marktführer“ Die Teilung des Datensatzes anhand der kategorialen Gruppierungsvariablen „Bekanntheit des Namens des Online-Einzelhändlers“ ergibt, dass das erste Segment mit wenigen Ausnahmen nur Datensätze bzgl. Amazon und Otto beinhaltet. Dabei handelt es sich um Marktführer im E-Commerce (Gutjahr, 2009). Im zweiten Segment befinden sich hingegen ausschließlich Datensätze zu den vier anderen Online-Einzelhändlern, bei denen es sich eher um kleine und mittlere Unternehmen (KMU) handelt. Aufgrund dieser Tatsche werden die Segmente noch klarer voneinander abgegrenzt, indem im ersten Segment ausschließlich die Datensätze zu Amazon und Otto belassen werden. Es wird im Folgenden als Segment „Bekannte Marktführer“ bezeichnet, wohingegen das andere Segment als „Unbekannte KMU“ benannt wird. Vor eine Detailprüfung der Gütekriterien ist zu klären, ob die Stichprobengröße der einzelnen Submodelle ausreichend ist. Chin (2000) fordert: “…find the largest of two possibilities: 1) the block with the largest number of formative indicators (i.e., largest measurement equation) or 2) the dependent LV [Latent Variables], with the largest number of independent LVs impacting it (i.e., largest structural equation). If you use a regression heuristic of ten cases per predictor, the sample size requirement would be ten times either 1) or 2), whichever is the greater.” Nach 1) ist hier eine Stichprobengröße von N=120 erforderlich, da das Konstrukt mit den meisten formativen Indikatoren das DI SI Signalkonstrukt ist. Die Indikatorenanzahl beträgt zwölf. Innerhalb des Strukturmodells findet sich keine umfangreichere Abhängigkeitsbeziehung. Die Stichprobengröße der beiden Segmente ist ausreichend. Das Segment Bekannte Marktführer umfasst 247 Datensätze, das Segment Unbekannte KMU 501 Datensätze. Nachfolgend ist das Ergebnis der Modellschätzung des Segments Bekannte Marktführer dargestellt.

0,315***

Technische Qualität

Rabatte

0,148

Abbildung 41: Bekannte Marktführer – Modellergebnisse [N=247]

0,333*

0,411**

-0,057

Freiwillige Garantien

Finanzierungsoption

0,644***

Gesetzliche Rechte

Zahlungsmethoden

0,306**

0,577***

-0,186

Produktempfehlungen

0,611***

Kunden-Produktbewert.

Kunden-OE-Bewertung

Produkttestberichte

0,240

0,893***

Lagerbestandsanzeige

Sonderangebote

0,215*

0,263***

Sortimentsgröße

Lieferzeitpunkt

0,225**

0,349***

Bestellvorgang

Allg. Gestaltung

0,036

Unpersönl. Kontakt

0,176**

Datenschutzqualität

0,069

0,167*

Fotos und/oder 3D

Persönl. Kontakt

-0,142

-0,085

Bestellmethoden

Gütesiegel

Statusanzeige

0,101

0,072

Suchfunktion

DC CR Signale

DC RR Signale

DI SC Signale

DI SI Signale

K_1 0,806***

I_1 0,830***

I_3 0,770***

Integrität R²=22,2

I_4 0,862***

Wohlwollende Intention R²=23,6

0,376***

I_2 0,859***

0,084*

-0,028

0,144**

0,105*

0,044

0,164***

0,331***

W_1 0,887***

-0,047

I_5 0,893***

W_4 0,908***

K_6 0,942***

W_3 0,642***

K_5 0,936***

W_2 0,860***

K_4 0,890***

Kompetenz R²=44,3

K_3 0,891***

0,166***

0,194***

0,495***

K_2 0,753***

W_5 0,828***

SN_3 0,871***

WV_1 0,971***

WV_2 0,870***

Verhaltenskontrolle

V_2 0,957***

Vertrauen R²=58,1

Subjektive Norm

SN_2 0,814***

V_1 0,954***

0,515***

0,102*

0,255***

SN_1 0,909***

-0,118**

KA_3 0,937***

Kaufabsicht R²=31,9

KA_2 0,911***

KA_4 0,896***

reflektive Skalen 1-seitiger t-Test; ansonsten 2-seitiger t-Test.

*** mind. auf 1%-Niveau signifikant ** mind. auf 5%-Niveau signifikant * mind. auf 10%-Niveau signifikant

V_3 0,910***

0,495***

0,208***

KA_1 0,833***

SN_4 0,766***

200

201 Im Segment Bekannte Marktführer sind alle Prüfkriterien zur Indikatorreliabilität (mit Ausnahme von W_3), Konvergenz- und Diskriminanzvalidität (vgl. Anhang 8 bis Anhang 10) von allen reflektiven Indikatoren bzw. Konstrukten deutlich erfüllt.163 Die Ladung des Indikators W_3 unterschreitet den konservativ gesetzten Grenzwert von 0,7 nur geringfügig. Der Indikator wird nicht ausgeschlossen, da eine Vielzahl von Autoren auch geringere Ladungen akzeptieren (vgl. Abschnitt 5.3.2.1.) und der Indikator statistisch signifikant ist. Ferner bleibt so die segmentübergreifende Vergleichbarkeit der verschiedenen Modellergebnisse gewährleistet. Von der Inhaltsvalidität wird wie beim Globalmodell ebenfalls ausgegangen. Zehn der formativen Indikatoren der vier Signalkonstrukte weisen nicht signifikante Beziehungen auf (vgl. Anhang 11). Der Argumentation von Huber et al. (2007, S. 38), Bollen und Lennox (1991, S. 308) und Chin (1998b, S. 307) folgend findet kein Ausschluss statt. Der konzeptionelle Inhalt des Konstrukts wird durch betroffenen Indikatoren nicht beeinträchtigt (vgl. die Argumentation von Ravichandran und Lertwongsatien (2005)), sondern ist durch die vollständige Indikatorenbatterie determiniert. Ein Entfernen würde den Bedeutungsinhalt der Konstrukte verändern und Vergleiche zwischen den Segmenten oder mit dem Globalmodell nicht zulassen. Dazu ist die Intention der Untersuchung, den relativen Einfluss der einzelnen formativen Indikatoren auf die Kaufabsicht zu ermitteln. Ein nicht signifikantes Gewicht ist ein derartiges Ergebnis. Die Untersuchung der formativen Indikatoren auf Multikollinearität mittels der Berechnung von Toleranz und VIF ergibt keinen Hinweis auf Multikollinearität (vgl. Anhang 12). Die konservativen Prüfkriterien sind deutlich erfüllt. Weil der Wert 30 eines KI als „borderline of tightness in informal econometric practice“ (Belsley et al., 1980, S. 153) eingestuft und hier beim Konstrukt „Belief Altering Potential of DI SI Signals“ leicht überschritten wird (30,2, vgl. Anhang 12), findet eine Varianzzerlegung statt, um eine etwaige Multikollinearität auszuschließen. Wie Anhang 13 zu entnehmen ist, kann der Verdacht auf substanzielle Multikollinearität entkräftet werden. Analog zum Globalmodell tritt eine Varianzüberschneidung bei den Indikatoren „Persönliche Kontaktaufnahme“ und „Unpersönliche Kontaktaufnahme“ auf, die aber als schwach und damit unproblematisch angesehen werden kann. Auf Basis der vorigen Ausführungen zur Indikatorkollinearität werden für den weiteren Verlauf der Untersuchung keine formativen Indikatoren ausgeschlossen, da die konservativ gewählten Prüfkriterien größtenteils deutlich erfüllt werden. 164 Die nomologische Validität wird auch für dieses Segment angenommen. Zur Beurteilung der nomologischen Validität sei auf die Ausführungen in Abschnitt 6.2.3. verwiesen. Eine gute Diskriminanzvalidität der formativen Konstrukte liegt ebenso vor (vgl. Anhang 14). Die Gütebeurteilung der Strukturmodellzusammenhänge ergibt zufriedenstellende Ergebnisse. Die Bestimmtheitsmaße der zentralen Konstrukte Vertrauen und Kaufabsicht liegen zusammen163

Die Daten sind im Anhang aufgeführt, da das Prozedere der Gütebeurteilung identisch mit dem aus den Abschnitten 6.2.2.-6.2.5. ist. 164 Eine Korrelationsmatrix der Indikatoren wird wegen des umfangreicheren Aussagegehalts von Toleranz, VIF und Konditionsindex in Zusammenhang mit einer Varianzzerlegung nicht berechnet.

202 fassend in einem annähernd guten Bereich. Wie Abbildung 41 und Anhang 15 zu entnehmen ist, können rund 58 % der Varianz des Vertrauens und rund 32 % der Varianz der Kaufabsicht durch das Modell erklärt werden. Nach Chin (1998b, S. 323) kann von einem fast substanziellen Bestimmtheitsmaß für das Konstrukt Vertrauen und einem „mittelguten“ Bestimmtheitsmaß für das Kaufverhalten gesprochen werden. Das Konstrukt Kompetenz weist mit einem Bestimmtheitsmaß von 44,3 % ebenfalls einen guten Wert auf, wohingegen die Bestimmtheitsmaße für die Wohlwollende Intention (R²=23,6 %) und Integrität (R²=22,2 %) im Bereich zwischen schwach und mittelgut einzuordnen sind.165 Die Ergebnisse der Stone-Geisser-Tests liegen weit oberhalb des Prüfkriteriums und belegen die Prognoserelevanz des untersuchten Teilmodells (vgl. Anhang 15). Die Sigifikanztests der Pfadkoeffizienten zwischen den Konstrukten DC CR Signale und Kompetenz sowie DC RR Signale und Integrität ergeben wie auch im Globalmodell Signifikanzniveaus von über 10 %. Die Pfadkoeffizienten sind ferner kleiner als |0,05| und die Pfadbeziehungen haben gleichzeitig geringer Effektstärken f². Ebenso ist dies für den Pfad DC RR Signale zu Integrität der Fall. Die Pfade werden aber analog zur schon dargelegenten Argumentation beibehalten. Die weiteren 15 Beziehungen im Modell erfüllen die Prüfkriterien eindeutig (vgl. Anhang 16 und Anhang 17). Das Gesamtbild der überprüften Gütekriterien ist gut. Mit einigen Ausnahmen kann eine (deutliche) Erfüllung sämtlicher Kriterien festgestellt werden. Vor allem wohl aufgrund der kleineren Fallzahl (N=247) in diesem Segment im Vergleich zum Globalmodell (N=770) ergibt sich jedoch eine größere Anzahl an nicht signifikanten Beziehungen. Aus inhaltlicher Perspektive sind derartige „Nichteinflüsse“ aber wegen des z. T. explorativen Charakters der Untersuchung nicht schädlich. Die nachfolgenden Forschungshypothesen finden Unterstützung durch die empirischen Daten im Segment Bekannte Marktführer: Forschungshypothese 1

Die Vertrauenseinstellung wirkt signifikant positiv auf die Ausbildung einer vertrauensvollen Kaufabsicht; Forschungshypothese 2

Die Subjektive Norm wirkt signifikant positiv auf die Ausbildung einer vertrauensvollen Kaufabsicht; Forschungshypothese 4

Die Vertrauenseinstellung hat einen höheren Einfluss auf die Ausbildung einer vertrauensvollen Kaufabsicht im Vergleich zu den anderen Konstrukten der TPB (Subjektive Norm und Wahrgenommene Verhaltenskontrolle); und Forschungshypothese 5

Die vertrauensrelevanten Erwartungen Kompetenz, Wohlwollende Intention und Integrität haben einen signifikant positiven Einfluss auf die Ausbildung der Vertrauenseinstellung. 165

Es gilt zu beachten, dass das R² eher für die Zielkonstrukte, deren Erklärung im Zentrum des Interesses steht, ein sinnvolles Gütemaß darstellt.

203 Weil die Daten bei zehn Indikatoren für einen nicht vorhandenen Einfluss sprechen, findet Forschungshypothese 8

Die Signalindikatoren haben einen positiven Einfluss auf die Ausbildung des „Belief Altering Potential“ des jeweils zugeordneten Konstrukts „nur“ partielle Unterstützung. Da drei von zwölf Pfaden zwischen Signalkonstrukten und vertrauensrelevanten Erwartungen nicht signifikant sind, gilt dies ebenso für Forschungshypothese 7

Alle Signalkonstrukte beeinflussen die konsumentenseitigen vertrauensrelevanten Erwartungen Kompetenz, Integrität und Wohlwollende Intention positiv. Durch die Daten können nicht bestätigt werden Forschungshypothese 3

Die Wahrgenommene Verhaltenskontrolle wirkt signifikant positiv auf die Ausbildung einer vertrauensvollen Kaufabsicht; und Forschungshypothese 9

Das „Belief Altering Potential of Default-Contingent Revenue-Risking Signals“ zur positiven Beeinflussung der vertrauensrelevanten Erwartung Wohlwollende Intention ist im Vergleich zu den anderen drei exogenen Konstrukten am stärksten; Zusammengefasst können die in diesem Abschnitt dargestellten Ergebnisse zur Modellgüte als Anhaltspunkte für die nomologische Validität des gesamten Strukturmodells auch im Segment Bekannte Marktführer herangezogen werden. Auf die Berechnung des GoF (vgl. dazu Tenenhaus et al., 2005) als Trade-Off- bzw. Modellvergleichskriterium soll an dieser Stelle erneut verzichtet werden.

6.3.2. Gütebeurteilung des Segments „Unbekannte Kleine und Mittlere Unternehmen“ Die Ergebnisse der Modellschätzung für das Segment Unbekannte KMU sind aus Abbildung 42 ersichtlich.

0,310***

0,266***

0,271**

0,260***

0,583***

0,336***

0,330***

0,633***

0,170*

Lagerbestandsanzeige

Kunden-Produktbewert.

Kunden-OE-Bewertung

Produkttestberichte

Produktempfehlungen

Gesetzliche Rechte

Freiwillige Garantien

Zahlungsmethoden

Finanzierungsoption

Lieferzeitpunkt

0,302**

0,416***

Technische Qualität

0,674***

0,243***

Sortimentsgröße

Sonderangebote

0,203***

Allg. Gestaltung

Rabatte

0,089*

0,327***

Bestellvorgang

0,192***

Unpersönl. Kontakt

0,101*

Datenschutzqualität

0,163***

Fotos und/oder 3D

Persönl. Kontakt

0,065

0,111**

Bestellmethoden

0,066

0,155***

Gütesiegel

Statusanzeige

0,151***

Suchfunktion

Abbildung 42: Unbekannte KMU – Modellergebnisse [N=501]

DC CR Signale

DC RR Signale

DI SC Signale

DI SI Signale

K_1 0,790***

0,048

I_1 0,885***

I_3 0,840***

Integrität R²=37,5

I_4 0,895***

Wohlwollende Intention R²=38,4

0,524***

I_2 0,920***

0,083**

0,041

0,109**

0,041

-0,009

0,546***

W_1 0,882***

0,078**

I_5 0,939***

W_4 0,920***

K_6 0,929***

W_3 0,710***

K_5 0,922***

W_2 0,895***

K_4 0,895***

Kompetenz R²=49,4

K_3 0,898***

0,060

0,051

0,606***

K_2 0,798***

W_5 0,853***

SN_3 0,855***

WV_1 0,983***

WV_2 0,901***

Verhaltenskontrolle

V_2 0,957***

Vertrauen R²=73,7

Subjektive Norm

SN_2 0,686***

V_1 0,958***

0,381***

0,147***

0,418***

SN_1 0,880***

-0,05

KA_3 0,951***

Kaufabsicht R²=43,5

KA_2 0,946***

KA_4 0,900***

reflektive Skalen 1-seitiger t-Test; ansonsten 2-seitiger t-Test.

*** mind. auf 1%-Niveau signifikant ** mind. auf 5%-Niveau signifikant * mind. auf 10%-Niveau signifikant

V_3 0,920***

0,658***

0,033

KA_1 0,924***

SN_4 0,812***

204

205 Die Überprüfung der Gütekriterien liefert sehr gute Ergebnisse. Alle Prüfkriterien zur Indikatorreliabilität, Konvergenzvalidität und Diskriminanzvalidität werden von allen reflektiven Indikatoren bzw. Konstrukten erfüllt – fast ausnahmslos deutlich (vgl. Anhang 18 und Anhang 20). Bis auf zwei nicht signifikante Indikatoren (Statusanzeige, Bestellmethoden) erfüllen alle weiteren formativen Indikatoren die Prüfkriterien klar (vgl. Anhang 21). Die Prüfung auf Multikollinearität anhand der Toleranz- und Varianzinflationswerte auf Konstruktbasis ergibt keinen Anlass zur Sorge, da selbst die konservativen Kriterien nach Schneider (2007) eindeutig erfüllt werden (vgl. Anhang 22). Ein Konditionsindex von 18,169 des Konstrukts „Belief Altering Potential of DefaultIndependent Sale-Independent (DI SI) Signals” (vgl. Anhang 22) macht eine Varianzzerlegung (vgl. Anhang 23) erforderlich, um einen Verdacht auf Multikollinearität zu entkräften. Es treten zwar Varianzüberschneidungen bei den Indikatoren „Persönliche Kontaktaufnahme“ und „Unpersönliche Kontaktaufnahme“ sowie „Suchfunktion“ und „Technische Qualität“ auf, diese liegen aber unterhalb der kritischen Schwelle von 0,7 und sind somit als unproblematisch zu bezeichnen. Eine gute Diskriminanzvalidität der formativen Konstrukte ist ebenfalls gegeben (vgl. Anhang 24). Auf Basis der vorigen Güteüberprüfungen der formativen Indikatoren bzw. Messmodelle werden keine Indikatoren ausgeschlossen. Insgesamt belegen die Ergebnisse zur Güte eine sehr gute Konzeptionalisierung der vier formativen Konstrukte. Für die Zielkonstrukte Vertrauen und Kaufabsicht, die im Zentrum des Interesses der vorliegenden Arbeit stehen und die möglichst gut durch das Modell erklärt werden sollen, ergeben sich sehr beachtliche Ergebnisse. Rund 74 % der Varianz des Vertrauens und 44 % der Varianz der Kaufabsicht können durch das Modell erklärt werden (vgl. Anhang 25). Nach Chin (1998b, S. 323) kann von einem absolut substanziellen Bestimmtheitsmaß für das Konstrukt Vertrauen und einem guten Bestimmtheitsmaß für das Kaufverhalten gesprochen werden. Die Bestimmtheitsmaße für die Konstrukte der vertrauensrelevanten Erwartungen liegen ebenfalls in einem recht guten Bereich. Die Ergebnisse des Stone-Geisser-Tests (vgl. Anhang 25 und Abbildung 42) sowie der Prüfung auf Effektstärke f² (vgl. Anhang 27) für die endogenen Konstrukte liegen deutlich über den Prüfkriterien und sprechen für deren Prognoserelevanz. Die Prognoserelevanzprüfung der formativ operationalisierten Konstrukte ergibt demgegenüber keine derartig eindeutigen Ergebnisse. Die Beziehungen der „DI SC Signale“ und der „DC RR Signale“ zu allen Vertrauensfacetten sind nicht signifikant. Die Effektstärken sind sehr gering (vgl. Anhang 26). Das gilt auch für die reflektiven Konstrukte Subjektive Norm und Wahrgenommene Verhaltenskontrolle (vgl. Anhang 27). Der jeweilige t-Test ergibt, dass die zugehörige Nullhypothese, es liege kein Einfluss der jeweiligen Variable auf das Kauf-

206 verhalten vor, nicht verworfen werden kann. Die Pfadkoeffizienten sind demnach nicht signifikant. Nichtsdestotrotz werden analog zur in dieser Arbeit ausgeführten Argumentation auch hier nicht signifikante Beziehungen im Modell belassen. Ferner wird von einer Inhaltsvalidität und der nomologischen Validität wie in den beiden zuvor vorgestellten Modellen ausgegangen. Interpretiert man die nicht signifikanten Beziehungen im Modell als Erkenntnisgewinn und nicht als statistischen Mangel, so ist das Gesamtbild der überprüften Gütekriterien überaus erfreulich. Bei dem Segment Unbekannte KMU ergibt sich damit das beste der insgesamt drei auf Güte beurteilten Modelle. Zusammengefasst finden die nachfolgenden Forschungshypothesen Unterstützung durch die empirischen Daten im Segment Unbekannte KMU: Forschungshypothese 1

Die Vertrauenseinstellung wirkt signifikant positiv auf die Ausbildung einer vertrauensvollen Kaufabsicht; Forschungshypothese 4

Die Vertrauenseinstellung hat einen höheren Einfluss auf die Ausbildung einer vertrauensvollen Kaufabsicht im Vergleich zu den anderen Konstrukten der TPB (Subjektive Norm und Wahrgenommene Verhaltenskontrolle); und Forschungshypothese 5

Die vertrauensrelevanten Erwartungen Kompetenz, Wohlwollende Intention und Integrität haben einen signifikant positiven Einfluss auf die Ausbildung der Vertrauenseinstellung. Weil die Daten bei zwei Indikatoren für einen nicht vorhandenen Einfluss sprechen, findet Forschungshypothese 8

Die Signalindikatoren haben einen positiven Einfluss auf die Ausbildung des „Belief Altering Potential“ des jeweils zugeordneten Konstrukts; „nur“ partielle Unterstützung. Da sechs von zwölf Pfaden zwischen Signalkonstrukten und vertrauensrelevanten Erwartungen nicht signifikant sind, gilt dies ebenso für Forschungshypothese 7

Alle Signalkonstrukte beeinflussen die konsumentenseitigen vertrauensrelevanten Erwartungen Kompetenz, Integrität und Wohlwollende Intention positiv. Durch die Daten können nicht bestätigt werden Forschungshypothese 2

Die Subjektive Norm wirkt signifikant positiv auf die Ausbildung einer vertrauensvollen Kaufabsicht;

207 Forschungshypothese 3

Die Wahrgenommene Verhaltenskontrolle wirkt signifikant positiv auf die Ausbildung einer vertrauensvollen Kaufabsicht; und Forschungshypothese 9

Das „Belief Altering Potential of Default-Contingent Revenue-Risking Signals“ zur positiven Beeinflussung der vertrauensrelevanten Erwartung Wohlwollende Intention ist im Vergleich zu den anderen drei exogenen Konstrukten am stärksten. Sowohl die erfreulichen Ergebnisse aus der Gütebeurteilung als auch die Unterstützung des Großteils der obigen Forschungshypothesen können wieder als Anhaltspunkte für die nomologische Validität des Gesamtmodells herangezogen werden.

6.3.3. Statistischer Ergebnisvergleich der Segmentmodelle Die Gütebeurteilung der beiden vorigen Teilabschnitte zeigt, dass die entwickelten Modelle geeignet sind, reliable und valide Ergebnisse hervorzubringen. Obwohl im Modell eine Vielzahl von Beziehungen in den beiden Segmenten augenscheinlich voneinander abweichen (vgl. Abbildung 41 und Abbildung 42), soll im Folgenden auch die Signifikanz des Unterschiedes ausgewählter Beziehungen bestimmt werden.166 Dazu bietet sich eine Berechnung nach Formel 24 oder Formel 25 an, sofern die Daten annähernd normalverteilt sind. Obwohl die Tests relativ robust bei einer Verletzung einer Normalverteilungsannahme reagieren, kommt für die Überprüfung, ob eine Normalverteilung im statistischen Sinne plausibel angenommen werden kann, standardmäßig der Kolmogorov-Smirnov-Test zum Einsatz. Dieser testet die Nullhypothese, die Werte der untersuchten Variablen seien in der Grundgesamtheit perfekt normalverteilt (Kähler, 2007, S. 85 ff.). Obwohl es prinzipiell auch wieder darum geht diese Nullhypothese zu verwerfen (vgl. auch Abschnitt 5.3.5.), stellt hier die Nullhypothese die eigentlich interessierende Hypothese dar. Beim Kolmogorov-Smirnov-Test wird die Irrtumswahrscheinlichkeit  für die jeweils vorliegende Datenkonstellation berechnet. Im Kontext des Tests wird auch in Lehrbüchern mit Hilfe dieser Irrtumswahrscheinlichkeit argumentiert: „Es wird jeweils eine Wahrscheinlichkeit errechnet, mit der das Zurückweisen dieser Hypothese [Nullhypothese] falsch ist. Je größer diese Irrtumswahrscheinlichkeit, desto eher kann davon ausgegangen werden, die Werte seien tatsächlich normalverteilt“ (Brosius, 2006, S. 401). Meist wird ab einer Irrtumswahrscheinlichkeit von =0,05 die Nullhypothese nicht verworfen (z. T. werden noch geringere Schwellenwerte gesetzt (Brosius, 2006, S. 401)) (Kreyszig, 1991, S. 234 ff.; Schlittgen, 2008,

166

Hierbei wird auf die Ausführungen aus Abschnitt 5.3.4. zurückgegriffen. Eine Überprüfung der Messmodelle der reflektiven Konstrukte auf Unterschiede der Ladungen zwischen den beiden Gruppen auf Basis der Formel 24 und Formel 25 ergibt nur bei zwei von 29 Indikatoren ein sigifikantes Ergebnis. Dabei handelt es sich um die Indikatoren I_2 und KA_2. Die Messmodellinvarianz der reflektiven Konstrukte soll damit in den beiden Gruppen angenommen werden (vgl. dazu auch den Beitrag von Temme und Hildebrandt (2009)). D.h., es ist sichergestellt, dass die Assoziationen zwischen reflektiv operationalisierten Konstrukten in den Segmenten auch auf denselben Konstruktinhalt zurückgreifen.

208 S. 335 ff.). D. h. es wird dann davon ausgegangen, dass die Daten mit großer Wahrscheinlichkeit normalverteilt sind (Brosius, 2006, S. 401).167 Die Kolmogorov-Smirnov-Tests ergeben für die interessierenden Pfadbeziehungen und Totaleffekte, die über das Bootstrapping-Verfahren generiert werden, fast ausnahmslos Irrtumswahrscheinlichkeiten , die deutlich über dem Prüfkriterium >0,05 liegen und damit für normalverteilte Daten sprechen (vgl. Anhang 28 und Anhang 30). Eine Ausnahme bildet die Pfadbeziehung der Wohlwollenden Intention auf Vertrauen im Segment Bekannte Marktführer sowie die Pfadbeziehung von Subjektiver Norm und Wahrgenommener Verhaltenskontrolle auf Kaufabsicht im Segment Unbekannte KMU. An dieser Stelle ist zu beachten, dass der Kolmogorov-Smirnov-Test sehr streng ist und auf „perfekte Normalverteilung“ prüft, die nur in den seltensten Fällen gegeben ist (Brosius, 2006, S. 401). Damit kann es auch schon zu einer Ablehnung der Nullhypothese kommen, wenn die Werte nur annähernd normalverteilt sind. Es wird daher als weiteres Kriterium zur Abwägung und Identifikation annähernd normalverteilter Daten empfohlen, auch graphische Darstellungsmöglichkeiten wie Histogramm und vor allem das sog. Quantil-Quantil(Q-Q)Diagramm zu nutzen (Kähler, 2007, S. 85 ff.). Dabei werden die empirischen Quantile des Datensatzes bestimmt und in einem Diagramm gegen die theoretischen Quantile der Verteilung aufgetragen. Entsprechen die Daten der Verteilung, so ergibt sich eine Gerade mit 45 Grad Steigung. Stärkere oder einem Muster folgende Abweichungen der Punkte vom Verlauf der idealtypisch dargestellten Diagonalen kennzeichnen Abweichungen der beobachteten von den erwarteten Werten und gelten als Indiz dafür, dass die beobachteten Merkmalswerte nicht normalverteilt sind. Prinzipiell fehlt es aber in der Forschungsliteratur an Konventionen darüber, welcher Grad der Abweichung für die „graphischen Untersuchungen“ toleriert werden kann (Brosius, 2006, S. 399 ff.; Kähler, 2007, S. 85 ff.).

167

Diese Schlussfolgerung (vgl. Abschnitte 2.1. und 5.3.5.) und die Herangehensweise sind diskutabel. Von größerer Bedeutung sind beim Test auf Normalverteilung nicht die Signifikanzwerte, also der/die Fehler 1. Art, sondern der/die Fehler 2. Art. Will man dem Forscher die Annahme einer eigentlich falschen Nullhypothese ebenso erschweren wie dem Forscher, dessen Interesse der Gegenhypothese gilt, ist hier nicht der Fehler 1., Art sondern der Fehler 2. Art niedrig anzusetzen (Jansen und Laatz, 2007, S. 345). Im Falle des Fehlers 2. Art sind die Daten „in Wirklichkeit“ nicht hinreichend normalverteilt, der Forscher entscheidet sich aber dafür, davon auszugehen, sie seien es. Es bleibt demnach fälschlicherweise bei der Nullhypothese. Als Folge würde hier ein parametrischer Test z. B. nach Formel 24 oder Formel 25 angewendet, der gar nicht angewendet werden dürfte. Der Fehler 1. Art ist beim Test auf Normalverteilung demgegenüber weniger tragisch. Zwar kommt durch das Ablehnen der Nullhypothese im Anschluss ein nichtparametrisches Verfahren zum Einsatz, dieses besitzt aber nur den Nachteil, weniger trennscharf als ein parametrisches Verfahren zu sein. Dennoch kann ein nichtparametrisches Verfahren auch für normalverteilte Daten angewendet werden (Kähler, 2007, S. 377 ff.). Da mit steigender Wahrscheinlichkeit für den Fehler 1. Art die Wahrscheinlichkeit für den Fehler 2. Art sinkt, erscheint es eher adäquat, einen größeren Signifikanzschwellenwert als =0,05 zur Rate zu ziehen. Simulationsstudien zeigen allerdings, dass der parametrische t-Test auch bei einer Verletzung der Normalverteilungsannahme noch zuverlässige Informationen liefert (Rasch et al., 2006, S. 59 f.). Insofern ist die Folge eines Fehlers 2. Art etwas weniger gravierend. Von daher kann die Gefahr der Orientierung am Fehler 1. Art bei einer Signifikanzschwelle von =0,05 gemindert werden, wobei das grundsätzliche Herangehen an die Fragestellung diskussionswürdig bleibt. Dennoch wird sich auch bei der vorliegenden Arbeit des Kolmogorov-Smirnov-Tests bedient, der jedoch kritisch unter dem zusätzlich Einsatz graphischer Datendarstellungsmöglichkeiten verwendet wird, wie nachstehende Ausführungen zeigen.

209 In Anhang 29 sind exemplarisch zwei Q-Q-Diagramme für die mit Bootstrapping generierten Pfadkoeffizienten von Subjektiver Norm auf Kaufabsicht sowie Wahrgenommener Verhaltenskontrolle auf Kaufabsicht im Segment Unbekannte KMU dargestellt. Da die Abweichungen von der Diagonalen nur gering sind168 und manche Autoren nur für eine „grobe deskriptive Kontrolle auf Normalverteilung“ ohne statistisches Verfahren plädieren (Rasch et al., 2006, S. 60), sollen hier Zugeständnisse in Bezug auf die perfekte Normalverteilungsannahme des Kolmogorov-Smirnov-Tests gemacht und auch bei diesen beiden Pfadkoeffizienten von einer annähernden Normalverteilung ausgegangen werden. Eine annähernde Normalverteilung ist ausreichend, um einen t-Test nach Formel 24 oder Formel 25 durchzuführen (Chin, 2000). Zur Abwägung, ob Formel 24 oder Formel 25 zum Einsatz kommt, wird ein Test auf die Gleichheit der Varianzen der über Bootstrapping generierten Variablen in den beiden Segmenten vorgenommen. Hier kommt der Levene-Test zum Einsatz, der die Nullhypothese testet, die Varianzen der betrachteten Variablen seien in der Grundgesamtheit in beiden Stichproben gleich. Ausgewiesen wird als statistisches Prüfmaß der F-Wert, der der F-Verteilung folgt. Ferner wird auch hier die Wahrscheinlichkeit ausgewiesen, mit der die beobachteten Unterschiede in den Varianzen auftreten können, wenn in den beiden Segmenten tatsächlich keine Unterschiede bestehen (Brosius, 2006, S. 402 f., S. 484).169 Die Ergebnisse sind in Anhang 31 dargestellt und zeigen, dass die berechneten Wahrscheinlichkeiten der interessierenden Beziehungen mit Ausnahme des Totaleffektes der DC RR Signale auf Kaufabsicht so gering sind, dass nicht auf eine Varianzgleichheit in den beiden Segmenten geschlossen werden kann. Es findet daher mit einer Ausnahme der Smith-Satterthwait-Test nach Formel 25 t=

p1x -p 2x (ı(p1x )) 2

+ (ı(p 2x )) 2

zur Berechnung der statistischen Signifikanz der Unterschiede in den Modellbeziehungen der beiden Segmente Anwendung. Aus Tabelle 37 und Tabelle 38 sind die segmentspezifischen Pfadkoeffizienten der vertrauensrelevanten Erwartungen zum Konstrukt Vertrauen sowie die Antezedenzbeziehungen des Kaufabsichtskonstrukts zu entnehmen. Der t-Wert und das entsprechende Signifikanzniveau des Tests auf einen Unterschied der Pfadkoeffizienten sind ebenfalls angegeben. Auch hier wird ein strenger zweiseitiger t-Test zur Signifikanzbestimmung der Differenz der Variablen herangezogen, da prinzipiell keine begründete und abgesicherte Theorie zugrunde liegt, die eine Richtung des Unterschiedes in den Variablen begründen würde (vgl. die Argumentation in Abschnitt 5.3.5.). Rasch et al. (2006, S. 63 f.) schlagen daher vor, bei dem Vergleich von Variablen zweiseitig zu testen. Dies ist durchaus nicht der Standard beim Signifikanztest der Differenz der Pfadkoeffizienten in Strukturgleichungsmodellen (vgl. Ghos und Scott, 2008). 168

Ein Beispiel für eine dagegen bedenkliche Abweichung findet sich in Brosius (2006, S. 400). Dieses Vorgehen der Berechnung der Irrtumswahrscheinlichkeit ist identisch zu dem des KolmogorovSmirnov-Tests.

169

210 Zusammenfassend geht es wieder darum, sorgfältig zwischen strenger statistischer Absicherung bei etwaiger Erkenntnismissachtung (insbesondere in einem explorativen Kontext) und einem vermeintlich deutlichen Erkenntnisgewinn ohne statistische Absicherung abzuwägen.

Segment Kompetenz

Pfadkoeffizient zu Pfadkoeffizient zu Effektstärke (f²) auf Effektstärke (f²) auf Vertrauen Vertrauen Vertrauen Vertrauen Bekannte Bekannte Unbekannte KMU Unbekannte KMU Marktführer Marktführer 0,255***

Signifikanz des Unterschiedes Wohlwollende Intention Signifikanz des Unterschiedes

0,102*

Integrität

0,515***

Signifikanz des Unterschiedes

0,418***

0,112

0,323

0,012

0,027

0,263

0,156

t-Wert 2,481 (Signifikanzniveau 1,3 %)

0,147***

t-Wert 0,516 (Signifikanzniveau 60,6 %)

0,381***

t-Wert 1,553 (Signifikanzniveau 12,0 %)

Tabelle 37: Segmentvergleichende Übersicht des Einflusses der Vertrauensfacetten170

Die Differenz der Wirkunterschiede von Kompetenz auf Vertrauen in den beiden Segmenten ist signifikant. Auch für die Integritätswirkung auf Vertrauen ist das Signifikanzniveau des Unterschiedstest noch als akzeptabel zu erachten, wenn es auch das Prüfkriterium (10 %) überschreitet. Während der Einfluss der Kompetenz auf Vertrauen im KMU-Segment deutlich stärker ist, ist im Segment Bekannte Marktführer der Einfluss der Integritätsbeurteilung deutlich stärker. Dies erkennt man auch an den ergänzend aufgeführten Effektstärken f². Eine Interpretation dieses Sachverhalts findet in Abschnitt 6.3.4. statt.

Segment Vertrauen Signifikanz des Unterschiedes

Subjektive Norm Signifikanz des Unterschiedes Wahrgenommene Verhaltenskontrolle Signifikanz des Unterschiedes

Pfadkoeffizient zu Pfadkoeffizient zu Effektstärke (f²) auf Effektstärke (f²) auf Kaufabsicht Kaufabsicht Kaufabsicht Kaufabsicht Bekannte Bekannte Unbekannte KMU Unbekannte KMU Marktführer Marktführer 0,495***

0,658***

0,314

0,565

0,047

0,002

0,016

0,004

t-Wert 2,721 (Signifikanzniveau 0,7 %)

0,208***

0,033

t-Wert 2,346 (Signifikanzniveau 1,9 %)

-0,118**

-0,050

t-Wert 0,962 (Signifikanzniveau 33,6 %)

Tabelle 38: Segmentvergleichende Übersicht des Einflusses von Vertrauen, Subjektiver Norm und Wahrgenommener Verhaltenskontrolle

170

Die tabellarische Darstellung ist selbst erstellt. Die Berechnung der Signifikanz der Unterschiede und der Effektstärken erfolgt auf Basis der mit SmartPLS generierten Ergebnisse mit MS-Excel 2002.

211 Die Differenz der Pfadkoeffizienten von Vertrauen auf Kaufabsicht und Subjektiver Norm auf Kaufabsicht ist jeweils signifikant unterschiedlich in den beiden Segmenten. Während die Vertrauenseinstellung einen deutlich stärkeren Einfluss auf die Kaufabsicht im KMUSegment hat, hat die Subjektive Norm einen deutlich stärkeren Einfluss im Segment Bekannte Marktführer. Es sei auch hier auf die Interpretation in Abschnitt 6.3.4. verwiesen. In Tabelle 39 sind die Totaleffekte der exogenen Signalkonstrukte sowie die Ergebnisse der Tests auf Signifikanz dargestellt, da ein Ziel der vorliegenden Arbeit die Identifikation konkreter Maßnahmen ist, die Online-Einzelhändler ergreifen können, um ihren Erfolg zu steigern. Ferner ist auch die Signifikanz des Unterschiedes der Totaleffekte ausgewiesen.

Totaler Effekt auf Kaufabsicht Segment DI SI Signale Signifikanz des Totaleffektes Signifikanz des TE-Unterschiedes

DI SC Signale Signifikanz des Totaleffektes Signifikanz des TE-Unterschiedes

DC RR Signale Signifikanz des Totaleffektes Signifikanz des TE-Unterschiedes

DC CR Signale Signifikanz des Totaleffektes Signifikanz des TE-Unterschiedes

Bekannte Marktführer

Unbekannte KMU

0,1751

0,3505

t-Wert 5,206 t-Wert 12,857 (Signifikanzniveau 0

t-Wert 2-seitiger Test

Pfad zu Integrität Gewicht

f²

2,583 (1 %-Niv.)  |0,05| 1,963 (5 %-Niv.) 1,646 (10 %-Niv.)

t-Wert 2-seitiger Test

f²

2,583 (1 %-Niv.)  |0,05| 1,963 (5 %-Niv.) 1,646 (10 %-Niv.)

>0

>0

DI SI 0,606 17,088 0,463 0,546 14,351 0,308 0,524 13,163 0,280 Signale DI SC 0,051 1,444 0,002 -0,009 0,332 0 0,041 1,186 0,002 Signale DC RR 0,060 1,614 0,004 0,041 1,140 0,002 0,048 1,297 0,002 Signale DC CR 0,078 2,039 0,008 0,109 2,468 0,013 0,083 1,999 0,006 Signale Anhang 26: Gütebeurteilung der Strukturmodellzusammenhänge auf erster Ebene (Gewichte, Signifikanzen, f²) – Segment Unbekannte KMU [N=501]

Pfad zu Vertrauen

Pfad zu Kaufabsicht

Gewicht

t-Wert 2-seitiger Test

f²

Gewicht

t-Wert 2-seitiger Test

f²

Prüfkriterium

 |0,05|

2,583 (1 %-Niveau) 1,963 (5 %-Niveau) 1,646 (10 %-Niveau)

>0

 0,05

2,583 (1 %-Niveau) 1,963 (5 %-Niveau) 1,646 (10 %-Niveau)

>0

Kompetenz

0,418

11,908

0,323

-

-

-

Wohlwollende Intention

0,147

2,932

0,027

-

-

-

Integrität

0,381

7,747

0,156

-

-

-

Vertrauen

-

-

-

0,658

24,357

0,743

Subjektive Norm

-

-

-

0,033

1,034

0,002

Wahrgenommene Verhaltenskontrolle

-

-

-

-0,050

1,380

0,004

Anhang 27: Gütebeurteilung der Strukturmodellzusammenhänge auf Ebene der Zielkonstrukte (Gewichte, Signifikanzen, f²) – Segment Unbekannte KMU [N=501]

Pfad (P) oder Totaler Effekt (TE) P P P TE TE TE TE

…auf Kaufabsicht

Vertrauen Subjektive Norm Wahrgenommene Verhaltenskontrolle DISI DISC DCRR DCCR

Bekannte Marktführer Fehler 1.Art ()

Unbekannte KMU Fehler 1.Art ()

Prüfkriterium >0,05 0,207 0,932

Prüfkriterium >0,05 0,995 0,01

Q-QDiagramm -198

5199

0,565

0,04

5

0,810 0,341 0,935 0,827

0,165 0,981 0,869 0,796

-

Anhang 28: Kolmogorov-Smirnov-Test auf Normalverteilung der Variablen aus dem Bootstrappingverfahren – Ergebnisse für die Effekte auf Kaufabsicht200 198 199

„-“ bedeutet, dass die Untersuchung des Q-Q-Diagramms nicht notwendig ist. Dieses Symbol bedeutet, das Q-Q-Diagramm liefert Hinweise für annähernd nomal verteilte Daten.

275

Anhang 29: Q-Q-Diagramm (Pfadkoeffizienten Wahrgenommene Verhaltenskontrolle und Subjektive Norm auf Kaufabsicht) der Bootstrappingergebnisse für Unbekannte KMU201

Pfad (P) oder Totaler Effekt (TE) P P P

…auf Vertrauen

Kompetenz Wohlwollende Intention Integrität

Bekannte Marktführer Fehler 1.Art () Prüfkriterium >0,05) 0,908 0,04 0,968

Q-QDiagramm -

Unbekannte KMU Fehler 1.Art () 0,804 0,749 0,819

Anhang 30: Kolmogorov-Smirnov-Test auf Normalverteilung der Variablen aus dem Bootstrappingverfahren – Ergebnisse für die Effekte auf Vertrauen

Pfad (P) oder Totaler Effekt (TE) P P P P P P TE TE TE TE

Konstrukt Kompetenz Wohlwollende Intention Integrität Vertrauen Subjektive Norm Wahrgenommene DISI DISC DCRR DCCR

auf…

Vertrauen

Kaufabsicht

Levene-Statistik

Signifikanz

103,960 32,258 48,821 120,916 227,301 81,015 6,973 4,350 ,009 5,610

0,000 0,000 0,000 0,000 0,000 0,000 0,008 0,037 0,925 0,018

Anhang 31: Levene-Test auf Homogenität der Varianzen der Beziehungen im Strukturmodell der Segmente Bekannte Marktführer und Unbekannte KMU202

200

Die tabellarische Darstellung ist selbst erstellt, die Berechnung erfolgt auf Basis der mit SmartPLS generierten Bootstrapping-Ergebnisse mit SPSS 16.0. Dieses gilt auch für alle weiteren tabellarischen Darstellungen zu Kolmogorov-Smirnov-Tests. 201 Die Abbildungen sind mit SPSS 16.0 auf Basis der mit SmartPLS generierten Bootstrapping-Ergebnisse erstellt. Dies gilt auch für alle weiteren Abbildungen von Q-Q-Diagrammen. 202 Die tabellarische Darstellung ist selbst erstellt, die Berechnung erfolgt auf Basis der mit SmartPLS generierten Bootstrapping-Ergebnisse mit SPSS 16.0. Dieses gilt auch für alle weiteren tabellearischen Darstellungen zu Levene-Tests.

276

Indikator

auf…

Bekannte Marktführer Fehler 1.Art () Prüfkriterium >0,05

Q-QDiagramm

Unbekannte KMU Fehler 1.Art () Prüfkriterium >0,05

Q-QDiagramm

Suchfunktion

0,01 0,03

5 5

0,698

Gütesiegel

0,572

-

Statusanzeige

0,168

-

0,088

-

Bestellmethoden

0,01

5

0,032

5

Fotos und/oder 3D

0,093

-

0,848

-

0,449

-

0,722

-

0,06

-

0,962

-

Unpersönl. Kontakt

0,001

5

0,785

-

Bestellvorgang

0,557

-

0,446

-

Allg. Gestaltung

0,821

-

0,757

-

Sortimentsgröße

0,815

-

0,991

-

Technische Qualität

0,423 0,192

-

0,627

-

-

0,653

-

Datenschutzqualität Persönl. Kontakt

Lieferzeitpunkt Rabatte

DI SI Signale

DI SC Signale

-

0,02

5

0,953

Sonderangebote

0,056

-

0,075

-

Lagerbestandsanzeige

0,073

-

0,762

-

0,299

-

0,989

-

-

0,585

-

Produkttestberichte

0,032 0,439

-

0,974

-

Produktempfehlungen

0,729

-

0,478

-

Kundenproduktbewertungen Kunden-OE-Bewertung

DC RR Signale

Gesetzliche Rechte Freiwillige Garantien Zahlungsmethoden Finanzierungsoption

DC CR Signale

0,746

-

0,984

-

0,084

0,780

-

0,607

-

0,304

-

0,06

-

0,674

-

Anhang 32: Kolmogorov-Smirnov-Test auf Normalverteilung der Variablen aus dem Bootstrappingverfahren – Ergebnisse für die Gewichte der Signalkonstrukte

277

Anhang 33: Q-Q-Diagramm der Bootstrappingergebnisse des Gewichts „Unpersönlicher Kontakt“ für Bekannte Markführer

Indikator

auf…

Levene-Statistik

Signifikanz

Suchfunktion

53,565

0,000

Gütesiegel

58,902

0,000

Statusanzeige

180,517

0,000

Bestellmethoden

102,379

0,000

Fotos und/oder 3D

191,131

0,000

Datenschutzqualität

217,774

0,000

0,279

0,598

Persönl. Kontakt

DI SI Signale

Unpersönl. Kontakt

0,188

0,665

192,287

0,000

Allg. Gestaltung

96,479

0,000

Sortimentsgröße

193,759

0,000

Technische Qualität

180,191 0,646

0,422

Bestellvorgang

Lieferzeitpunkt Rabatte

DI SC Signale

0,000

3,843

0,050

Sonderangebote

4,070

0,044

Lagerbestandsanzeige

92,649

0,000

Kundenproduktbewertungen

82,865

0,000 0,000

Produkttestberichte

51,097 123,430

Produktempfehlungen

135,428

0,000

Kunden-OE-Bewertung

DC RR Signale

0,000

Gesetzliche Rechte

157,095

0,000

Freiwillige Garantien

186,835

0,000

274,004

0,000

148,845

0,000

Zahlungsmethoden Finanzierungsoption

DC CR Signale

Anhang 34: Levene-Test auf Homogenität der Varianzen der Gewichte Signalkonstrukte der Segmente Bekannte Marktführer und Unbekannte KMU

278

Indikatortotaleffekt

auf…

Bekannte Marktführer Fehler 1.Art () Prüfkriterium >0,05

Q-QDiagramm

Unbekannte KMU Fehler 1.Art () Prüfkriterium >0,05

Q-QDiagramm

Suchfunktion

0,21

-

0,962

-

Gütesiegel

0,02

5

0,775

-

Statusanzeige

0,981

-

0,111

-

Bestellmethoden

0,02

5

0,02

5

Fotos und/oder 3D

0,460

-

0,270

-

Datenschutzqualität

0,919

-

0,607

-

Persönl. Kontakt

0,02

0,663

-

Unpersönl. Kontakt

0,001

5 5

0,853

-

Bestellvorgang

0,513

-

0,303

-

Allg. Gestaltung

0,698

-

0,728

-

Sortimentsgröße

0,407

-

0,962

-

0,507 0,231

-

0,984 0,444

-

Rabatte

0,022

5

0,01

5

Sonderangebote

0,266

-

0,071

-

Lagerbestandsanzeige

0,001

5

0,051

-

Kundenproduktbewertungen

0,846

-

0,01

Kunden-OE-Bewertung Produkttestberichte

0,001 0,01

5 5

0,02 0,013

5 5 5

Produktempfehlungen

0,688

-

0,904

-

Gesetzliche Rechte

0,08

-

0,01

Freiwillige Garantien

0,001

5

0,01

5 5

Zahlungsmethoden

0,02

-

0,251

-

Finanzierungsoption

0,001

5

0,051

-

Technische Qualität Lieferzeitpunkt

Kaufabsicht

-

Anhang 35: Kolmogorov-Smirnov-Test auf Normalverteilung der Variablen aus dem Bootstrappingverfahren – Ergebnisse für die Totaleffekte der formativen Indikatoren auf Kaufabsicht

279 Indikatortotaleffekt

auf…

Levene-Statistik

Signifikanz

Suchfunktion

106,032

0,000

Gütesiegel

191,087

0,000

Statusanzeige

29,477

0,000

Bestellmethoden

52,874

0,000

Fotos und/oder 3D

40,175

0,000

Datenschutzqualität

33,401

0,000

Persönl. Kontakt

206,203

0,000

Unpersönl. Kontakt

332,779

0,000

Bestellvorgang

8,744

0,003

Allg. Gestaltung

15,148

0,000

Sortimentsgröße

42,985

0,000

Technische Qualität

26,015

0,000

24,446

0,000

Lieferzeitpunkt

Kaufabsicht

Rabatte

9,882

0,002

Sonderangebote

0,125

0,724

Lagerbestandsanzeige

92,981

0,000

Kundenproduktbewertungen

45,566

0,000

Kunden-OE-Bewertung

65,744

0,000

Produkttestberichte

1,105

0,293

Produktempfehlungen

31,6

0,000

Gesetzliche Rechte

1,435

0,231

Freiwillige Garantien

40,776

0,000

Zahlungsmethoden

212,878

0,000

Finanzierungsoption

65,02

0,000

Anhang 36: Levene-Test auf Homogenität der Varianzen der Totaleffekte der formativen Indikatoren auf Kaufabsicht der SegmenteBekannte Marktführer und Unbekannte KMU

280

Konstrukt

Indikator Ladung

Prüfkriterium

Kompetenz

Wohlwollende Intention

Integrität

Vertrauen

Subjektive Norm

BootstrapMittelwert

BootstrapStandardabweichung

 0,7071

t-Wert (1-seitiger Test)

IK

DEV

2,331 (1 %-Niveau) 1,646 (5 %-Niveau) 1,282 (10 %-Niveau)

 0,7

 0,5

0,9499

0,7609

0,9161

0,6887

0,9250

0,7122

0,9584

0,8848

0,9063

0,7083

0,9187

0,8501

0,9414

0,8011

K_1

0,8045

0,8064

0,033

24,354

K_2

0,7542

0,7457

0,044

17,137

K_3

0,8913

0,8915

0,017

52,560

K_4

0,8893

0,8882

0,0196

45,415

K_5

0,9365

0,9370

0,0102

91,863

K_6

0,9418

0,9419

0,0092

102,541

W_1

0,8853

0,8840

0,0161

54,914

W_2

0,8580

0,8570

0,0237

36,265

W_3

0,6436

0,6443

0,0517

12,454

W_4

0,9077

0,9057

0,0146

62,299

W_5

0,8278

0,8247

0,0246

33,682

I_1

0,8301

0,8288

0,0299

27,739

I_2

0,8594

0,8593

0,0222

38,705

I_3

0,7692

0,7709

0,0443

17,364

I_4

0,8629

0,8619

0,0174

49,488

I_5

0,8927

0,8913

0,0149

59,761

V_1

0,9543

0,9553

0,0072

132,429

V_2

0,9570

0,9566

0,0072

132,313

V_3

0,9097

0,9101

0,0118

77,243

SN_1

0,9086

0,9078

0,0156

58,074

SN_2

0,8145

0,8082

0,0469

17,359

SN_3

0,8708

0,8689

0,0291

29,897

SN_4

0,7656

0,7585

0,0523

14,643

WahrgeWV_1 nommene Verhaltens- WV_2 kontrolle

0,9713

0,9369

0,1088

8,931

0,8699

0,8441

0,1491

5,836

KA_1

0,8329

0,8282

0,0269

30,963

KA_2

0,9106

0,9081

0,0151

60,344

KA_3

0,9370

0,9361

0,0086

108,407

KA_4

0,8962

0,8980

0,0183

48,971

Kaufabsicht

Anhang 37: Gütebeurteilung der reflektiven Messmodelle – Segment Bekannte Marktführer mit Image [N=247]

Kaufabsicht

Wahrgenommene Verhaltenskontrolle

Subjektive Norm

0,8723

Wohlwollende Intention

0,4792

Integrität

0,5211

0,7425

Vertrauen

0,5723

0,6072

0,7236

0,9406

Subjektive Norm Wahrgenommene Verhaltenskontrolle Kaufabsicht

0,1137

0,1374

0,2153

0,3124

0,0920

0,0418

0,0631

0,2089

0,4700

0,9220

0,4703

0,3867

0,4833

0,5351

0,3072

0,0831

0,8950

DI SI Signale

0,7009

0,5157

0,5887

0,6397

0,1684

0,1144

0,5486 0,3395

Vertrauen

Kompetenz

Integrität

Konstrukt

Kompetenz

Wohlwollende Intention

281

0,8299 0,8439 0,8416

DI SC Signale

0,4317

0,3264

0,2892

0,2606

-0,0317

-0,0358

DC RR Signale

0,4038

0,2558

0,1858

0,1558

-0,0657

-0,0321

0,2456

DC CR Signale

0,1907

0,2525

0,2195

0,2086

0,1324

0,0102

0,1864

Anhang 38: Konstruktkorrelationen zur Überprüfung des Fornell-Larcker-Kriteriums – Segment Bekannte Marktführer mit Image [N=247]

Kompetenz

Wohlwollende Intention

Integrität

Vertrauen

Subjektive Norm

Wahrgenommene Verhaltenskontrolle

Kaufabsicht

282

K_1

0,8045

0,4391

0,4849

0,5468

0,1279

0,1544

0,3793

K_2

0,7542

0,2792

0,3311

0,3804

0,0946

0,0261

0,3839

K_3

0,8913

0,4184

0,4086

0,4364

0,0109

0,0617

0,3664

K_4

0,8893

0,4583

0,5197

0,5641

0,1192

0,0575

0,4376

K_5

0,9365

0,4512

0,4755

0,5319

0,1226

0,1203

0,4193

K_6

0,9418

0,4416

0,4890

0,5196

0,1173

0,0572

0,4699

W_1

0,4169

0,8853

0,6526

0,4778

0,1280

0,0279

0,3518

W_2

0,4545

0,8580

0,5727

0,4445

0,1443

0,0469

0,3150

W_3

0,3440

0,6436

0,5823

0,5886

0,1296

0,1394

0,2207

W_4

0,4393

0,9077

0,6427

0,5166

0,1096

0,0091

0,3811

W_5

0,3171

0,8278

0,6291

0,5043

0,0561

-0,0410

0,3195

I_1

0,3958

0,7618

0,8301

0,5655

0,2229

0,0062

0,3513

I_2

0,4679

0,6558

0,8594

0,6080

0,1411

0,0619

0,4306

I_3

0,4961

0,4933

0,7692

0,6642

0,2611

0,1392

0,3639

I_4

0,4103

0,5915

0,8629

0,5880

0,1216

-0,0165

0,4766

I_5

0,4250

0,6438

0,8927

0,6250

0,1736

0,0734

0,4056

V_1

0,5520

0,5452

0,6405

0,9543

0,2959

0,2268

0,4857

V_2

0,5600

0,5376

0,6767

0,9570

0,2923

0,1977

0,5126

V_3

0,5033

0,6268

0,7208

0,9097

0,2928

0,1665

0,5097

SN_1

0,1476

0,1653

0,2467

0,303

0,9086

0,3436

0,3205

SN_2

0,1147

0,0762

0,1903

0,2481

0,8145

0,4390

0,2070 0,2976

SN_3

0,0990

0,1265

0,1371

0,2777

0,8708

0,3774

SN_4

-0,0458

0,0510

0,1329

0,1933

0,7656

0,5342

0,1410

WV_1

0,1208

0,0648

0,0956

0,2324

0,4652

0,9713

0,0938

WV_2

0,0148

-0,0138

-0,0164

0,1207

0,3910

0,8699

0,0452

KA_1

0,4184

0,3358

0,3777

0,4494

0,1658

0,0629

0,8329

KA_2

0,4251

0,3331

0,4361

0,4642

0,2229

0,0675

0,9106

KA_3

0,4426

0,3597

0,4636

0,5214

0,3698

0,1189

0,9370

KA_4

0,3998

0,3560

0,4442

0,4730

0,3014

0,0364

0,8962

Anhang 39: Kreuzladungsmatrix – Segment Bekannte Marktführer mit Image [N=247]

283

Konstrukt

Indikator

Prüfkriterium

DI SI Signale

DI SC Signale

DC RR Signale

DC CR Signale

Gewicht

BootstrapMittelwert

BootstrapStandardabweichung

t-Wert (2-seitiger Test) 2,583 (1 %-Niveau) 1,963 (5 %-Niveau) 1,646 (10 %-Niveau)

 |0,05|

Image

0,6249

0,5991

0,0746

8,373

Suchfunktion

0,1090

0,1123

0,0703

1,550 (n.s.) 1,248 (n.s.)

Gütesiegel

0,0802

0,0920

0,0643

Statusanzeige

-0,1079

-0,1120

0,0718

1,503 (n.s.)

Bestellmethoden

-0,0342

-0,0620

0,0478

0,715 (n.s.)

Fotos und/oder 3D

0,0854

0,1013

0,0731

1,168 (n.s.)

Datenschutzqualität

0,0755

0,0938

0,0628

1,201 (n.s.)

Persönl. Kontakt

0,0252

0,0658

0,0471

0,536 (n.s.)

Unpersönl. Kontakt

0,0128

0,0624

0,0481

0,265 (n.s.)

Bestellvorgang

0,1283

0,1398

0,0752

1,708

Allg. Gestaltung

0,2596

0,2558

0,0771

3,365 1,515 (n.s.)

Sortimentsgröße

0,0952

0,1004

0,0629

Technische Qualität

0,1498

0,1462

0,0774

1,935

Lieferzeitpunkt

0,2150

0,1963

0,1252

1,718 1,072 (n.s.)

Rabatte

0,1483

0,1788

0,1383

Sonderangebote

0,8926

0,8762

0,0843

10,588

Lagerbestandsanzeige

0,2398

0,2459

0,1531

1,566 (n.s.)

Kundenproduktbewertungen

0,6121

0,5721

0,1769

3,461

Kunden-OE-Bewertung

-0,1858

-0,2283

0,1503

1,236 (n.s.)

Produkttestberichte

0,3061

0,3020

0,1573

1,947

Produktempfehlungen

0,5765

0,5386

0,1619

3,560

Gesetzliche Rechte

0,6431

0,6037

0,1960

3,281

Freiwillige Garantien

0,3340

0,3206

0,2083

1,604 (n.s.)

Zahlungsmethoden

0,4112

0,3857

0,1971

2,086

Finanzierungsoption

-0,0567

-0,2091

0,1560

0,364 (n.s.)

Anhang 40: Gütebeurteilung der formativen Messmodelle (Gewichte und deren Signifikanz) – Segment Bekannte Marktführer [N=247]

284

Konstrukt

Indikator Prüfkriterium Image

DI SI Signale

Toleranz

VIF

Konditionsindex

 0,5

0,7 1

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

2

0,00

0,01

0,00

0,02

0,01

0,06

0,01

0,00

0,18

0,10

0,00

0,01

0,00

0,01

3

0,00

0,00

0,00

0,03

0,87

0,00

0,00

0,00

0,05

0,00

0,00

0,00

0,00

0,00

4

0,00

0,00

0,00

0,67

0,01

0,05

0,00

0,00

0,04

0,13

0,00

0,00

0,00

0,00

5

0,00

0,00

0,00

0,21

0,02

0,71

0,00

0,01

0,01

0,08

0,00

0,00

0,00

0,00

6

0,00

0,00

0,00

0,01

0,08

0,05

0,00

0,03

0,63

0,44

0,02

0,02

0,00

0,00

7

0,00

0,00

0,00

0,03

0,00

0,00

0,00

0,76

0,00

0,13

0,03

0,05

0,00

0,00

8

0,01

0,03

0,00

0,01

0,00

0,00

0,01

0,01

0,05

0,08

0,00

0,81

0,01

0,00

9

0,00

0,02

0,00

0,00

0,00

0,06

0,01

0,14

0,02

0,01

0,89

0,01

0,00

0,00

10 0,00

0,19

0,00

0,00

0,00

0,03

0,84

0,01

0,00

0,00

0,00

0,01

0,00

0,00

11 0,01

0,59

0,16

0,00

0,00

0,01

0,11

0,01

0,00

0,02

0,02

0,01

0,01

0,05

12 0,03

0,00

0,02

0,00

0,00

0,01

0,01

0,00

0,01

0,00

0,00

0,06

0,04

0,89

13 0,08

0,14

0,79

0,01

0,00

0,02

0,01

0,02

0,01

0,01

0,03

0,00

0,12

0,05

14 0,86

0,00

0,01

0,01

0,00

0,00

0,01

0,00

0,00

0,01

0,01

0,02

0,81

0,00

Anhang 42: Gütebeurteilung der formativen Messmodelle (Varianzzerlegung des Konstrukts „Belief Altering Potential of DI SI -Signals”) – Segment Bekannte Marktführer mit Image [N=247]

Konstrukt DI SI Signale DI SC Signale DC CR Signale DC RR Signale

DI SI Signale 1 0,4173 0,2480 0,3863

DI SC Signale

DC CR Signale

DC RR Signale

1 0,2302 0,4092

1 0,2898

1

Anhang 43: Gütebeurteilung der formativen Messmodelle (Konstruktkorrelationen) – Segment Bekannte Marktführer mit Image

Konstrukt

Bestimmtheitsmaß R²

Stone-Geisser-Test203

0,526 0,294 0,360 0,581 0,319

>0 0,384 0,186 0,233 0,508 0,229

Prüfkriterium Kompetenz Wohlwollende Intention Integrität Vertrauen Kaufabsicht

Anhang 44: Gütebeurteilung der Strukturmodellzusammenhänge (R² und Q²) – Segment Bekannte Marktführer mit Image [N=247] 203

Im Zuge der Blindfoldingprozedur wurde ein Auslassungsabstand in Höhe von neun gewählt.

286

Pfad zu Kompetenz Konstrukt Prüfkriterium DI SI Signale DI SC Signale DC RR Signale DC CR Signale

Gewicht

Pfad zu Wohlwollender Intention

t-Wert 2-seitiger Test

Gewicht

f²

2,583 (1 %-Niv.)  |0,05| 1,963 (5 %-Niv.) 1,646 (10 %-Niv.)

t-Wert 2-seitiger Test

Gewicht

f²

2,583 (1 %-Niv.)  |0,05| 1,963 (5 %-Niv.) 1,646 (10 %-Niv.)

>0

Pfad zu Integrität t-Wert 2-seitiger Test

f²

2,583 (1 %-Niv.)  |0,05| 1,963 (5 %-Niv.) 1,646 (10 %-Niv.)

>0

>0

0,603

12,305

0,582

0,436

7,447

0,204

0,574

10,701

0,406

0,136

2,359

0,027

0,115

2,046

0,014

0,066

1,381 (n.s.)

0,006

0,123

2,000

0,023

0,007

0,156 (n.s.)

0

-0,088

1,609 (n.s)

0,011

-0,026

0,770 (n.s.)

0

0,116

2,030

0,017

0,088

1,723

0,01

Anhang 45: Gütebeurteilung der Strukturmodellzusammenhänge auf erster Ebene (Gewichte, Signifikanzen, f²) – Segment Bekannte Marktführer mit Image [N=247]

Pfad zu Vertrauen

Pfad zu Kaufabsicht

Gewicht

t-Wert 2-seitiger Test

f²

Gewicht

t-Wert 2-seitiger Test

f²

Prüfkriterium

 |0,05|

2,583 (1 %-Niveau) 1,963 (5 %-Niveau) 1,646 (10 %-Niveau)

>0

 |0,05|

2,583 (1 %-Niveau) 1,963 (5 %-Niveau) 1,646 (10 %-Niveau)

>0

Kompetenz

0,255

4,544

0,112

-

-

-

Wohlwollende Intention

0,103

1,781

0,012

-

-

-

Integrität

0,515

7,286

0,263

-

-

-

Vertrauen

-

-

-

0,495

9,797

0,314

Subjektive Norm

-

-

-

0,208

3,160

0,047

Wahrgenommene Verhaltenskontrolle

-

-

-

-0,118

2,295

0,016

Anhang 46: Gütebeurteilung der Strukturmodellzusammenhänge auf Ebene der Zielkonstrukte (Gewichte, Signifikanzen, f²) – Segment Bekannte Marktführer mit Image [N=247]

Segment:

Bekannte Marktführer

Globalmodell

Unbekannte KMU

t-Wert 2-seitiger Test 2,583 (1 %-Niveau) 1,963 (5 %-Niveau) 1,646 (10 %-Niveau)

Konstrukt: Subjektive Norm

3,335

2,802

1,252

Wahrgenommene Verhaltenskontrolle

2,215

1,944

1,119

Interaktionsterm (Vertrauen x Systemrisiko)

2,021

2,095

0,825

Vertrauen

9,809

27,055

23,576

Systemrisiko

0,689

0,966

1,284

Anhang 47: t-Werte der Pfadbeziehungen auf Zielkonstruktebene der Moderatormodelle mit Systemrisiko

287

Konstrukt

Indikator Ladung

Prüfkriterium Systemrisiko

204

Vertrauen x Systemrisiko

Vertrauen

Subjektive Norm

Wahrgenommene Verhaltenskontrolle

Kaufabsicht

BootstrapMittelwert

BootstrapStandardabweichung

 0,7071

t-Wert (1-seitiger Test)

IK

DEV

2,331 (1 %-Niveau) 1,646 (5 %-Niveau) 1,282 (10 %-Niveau)

 0,7

 0,5

1

1

0,9649

0,9017

0,9652

0,9023

0,8964

0,6850

0,9357

0,8793

0,9548

0,8408

RI_1

1

1

1

-

VxRI_1

0,9475

0,9161

0,1634

5,798

VxRI_2

0,9614

0,9252

0,1553

6,191

VxRI_3

0,9398

0,9016

0,1580

5,949

V_1

0,9620

0,9617

0,0039

245,878

V_2

0,9620

0,9616

0,0042

229,716

V_3

0,9252

0,9248

0,0057

163,203

SN_1

0,9030

0,9027

0,0193

46,779

SN_2

0,7655

0,7588

0,0430

17,809

SN_3

0,8661

0,8627

0,0245

35,331

SN_4

0,7671

0,7580

0,0449

17,082

WV_1

0,9758

0,9465

0,1400

6,972

WV_2

0,8981

0,8645

0,1485

6,046

KA_1

0,8928

0,8902

0,0114

78,173

KA_2

0,9329

0,9329

0,0077

120,622

KA_3

0,9471

0,9468

0,0047

202,854

KA_4

0,8939

0,8953

0,0125

71,636

Anhang 48: Gütebeurteilung der reflektiven Messmodelle auf Zielkonstruktebene – Moderatormodell Systemrisiko Globalmodell [N=770]

204

Da das Systemrisiko nur mit einem Indikator erhoben ist, sind die Ergebnisse der Gütebeurteilung auf Messmodellebene trivial.

288

Konstrukt

Indikator Ladung

Vertrauen x Systemrisiko

Vertrauen

BootstrapStandardabweichung

t-Wert (1-seitiger Test)

RI_1

1

1

1

2,331 (1 %-Niveau) 1,646 (5 %-Niveau) 1,282 (10 %-Niveau) -

VxRI_1

0,9192

0,8937

0,1386

6,6301

VxRI_2

0,9604

0,9063

0,1397

6,8735

VxRI_3

0,9221

0,8619

0,1456

6,3312

V_1

0,9575

0,9575

0,0057

167,615

V_2

0,9566

0,9565

0,0065

147,901

Prüfkriterium Systemrisiko

BootstrapMittelwert

 0,7071

V_3

0,9203

0,9206

0,0077

119,864

SN_1

0,8774

0,8578

0,0893

9,8244

Subjektive Norm

SN_2

0,6863

0,6627

0,1211

5,6656

SN_3

0,8668

0,8289

0,0920

9,3183

SN_4

0,8134

0,7870

0,1081

7,5274

Wahrgenommene Verhaltenskontrolle

WV_1

0,9812

0,9021

0,1685

5,8241

WV_2

0,9054

0,8658

0,1732

5,2263

KA_1

0,9280

0,9252

0,0092

101,334

KA_2

0,9426

0,9432

0,0099

95,172

KA_3

0,9559

0,9547

0,0056

170,738

KA_4

0,8927

0,8953

0,0163

54,870

Kaufabsicht

IK

DEV

 0,7

 0,5

1

1

0,9536

0,8725

0,9616

0,8930

0,8847

0,6591

0,9424

0,8912

0,9508

0,8650

Anhang 49: Gütebeurteilung der reflektiven Messmodelle auf Zielkonstruktebene – Moderatormodell Systemrisiko Segment Unbekannte KMU [N=501]

289

Konstrukt

Indikator Ladung

Vertrauen x Systemrisiko

Vertrauen

Subjektive Norm

Wahrgenommene Verhaltenskontrolle

Kaufabsicht

BootstrapStandardabweichung

t-Wert (1-seitiger Test)

RI_1

1

1

1

2,331 (1 %-Niveau) 1,646 (5 %-Niveau) 1,282 (10 %-Niveau) -

VxRI_1

0,9192

0,8937

0,1386

6,630

VxRI_2

0,9604

0,9063

0,1397

6,874

VxRI_3

0,9221

0,8619

0,1456

6,331

V_1

0,9575

0,9575

0,0057

167,615

V_2

0,9566

0,9565

0,0065

147,902

V_3

0,9203

0,9206

0,0077

119,864

SN_1

0,8774

0,8578

0,0893

9,824

SN_2

0,6863

0,6627

0,1211

5,666

SN_3

0,8568

0,8289

0,092

9,318

SN_4

0,8134

0,787

0,1081

7,527

WV_1

0,9812

0,9021

0,1685

5,824

WV_2

0,9054

0,8658

0,1732

5,226

KA_1

0,9280

0,9252

0,0092

101,334

KA_2

0,9426

0,9432

0,0099

95,172

KA_3

0,9559

0,9547

0,0056

170,738

KA_4

0,8927

0,8953

0,0163

54,870

Prüfkriterium Systemrisiko

BootstrapMittelwert

 0,7071

IK

DEV

 0,7

 0,5

1

1

0,9560

0,8789

0,9584

0,8848

0,9063

0,7083

0,9189

0,8503

0,9416

0,8015

Anhang 50: Gütebeurteilung der reflektiven Messmodelle auf Zielkonstruktebene – Moderatormodell Systemrisiko Segment Bekannte Marktführer [N=247]

290

1 0,0188

0,9496

0,1632

0,9375

-0,0777

0,9341

Kompetenz

-0,0215

-0,0353

0,1286

0,0143

0,0588

0,0811

Wohlwollende Intention

-0,052

0,0098

0,0071

0,0037

0,0834

0,0027

Integrität

-0,0403

0,0190

0,0055

0,0419

0,0931

-0,0147

1

Systemrisiko x Vertrauen

Systemrisiko

Systemrisiko Systemrisiko x Vertrauen

Systemrisiko

Systemrisiko x Vertrauen

Unbekannte KMU

Systemrisiko

Bekannte Marktführer

Systemrisiko x Vertrauen

Globalmodell

1

Vertrauen

-0,1022

0,0116

0,1219

-0,0209

0,1561

0,0167

Subjektive Norm Wahrgenommene Verhaltenskontrolle Kaufabsicht

-0,3012

0,0126

0,3086

-0,058

0,2817

-0,0013

-0,3086

0,0134

0,3252

0,0149

0,3025

-0,0313

-0,0526

-0,0500

0,0799

0,0773

0,0582

0,0385

DI SI Signale

-0,0143

-0,0681

0,1209

0,0554

0,0123

0,0661

DI SC Signale

0,0303

-0,0226

-0,0976

-0,0028

-0,0151

0,0428

DC RR Signale

0,0199

-0,0640

0,0777

0,0811

-0,0049

0,0151

DC CR Signale

-0,0111

-0,0251

0,086

-0,0373

-0,0410

-0,0303

Anhang 51: Gütebeurteilung der reflektiven Messmodelle auf Zielkonstruktebene der Moderatormodelle mit Systemrisiko

291

Literaturverzeichnis Agarwal, James und Malhotra, Naresh K. (2005), "An integrated Model of Attitude and Affect: Theoretical and an Empirical Investigation", Journal of Business Research, 58 (4), 483-493. Agarwal, Ritu und Jayesh, Prasad; (1998), "A Conceptual and Operational Definition of Personal Innovativeness in the Domain of Information Technology", Information Systems Research, 9 (2), 204215. Ahrholdt, Dennis (2009), "Quantitative Erfolgsfaktorenforschung im Online-Einzelhandel – Eine Zusammenfassung empirischer Ergebnisse ", Research Papers on Operations and Supply Chain Management, Universität Hamburg. Aiken, Damon K. und Boush, David M. (2006), "Trustmarks, Objective-Source Ratings, and Implied Investment in Advertising: Investigating Online Trust and Context-Specific Nature of Internet Signals", Journal of the Academy of Marketing Science, 34 (3), 308-323. Aiken, Damon K.; Liu, Ben S.; Mackoy, Robert D. und Osland, Gregory E. (2004), "Building internet trust: signalling through trustmarks", International Journal of Internet Marketing and Advertising, 1 (3), 251-267. Ajzen, Icek (1985), "From Intentions to Actions: A Theory of Planned Behavior", in Action Control: From Cognition to Behavior. Kuhl, Julius und Beckmann, Jürgen (Hrsg.), New York: Springer. Ajzen, Icek (1989), "Attitude Structure and Behavior", in Attitude Structure and Function. Pratkanis, Anthony R.; Breckler, Steven J. und Greenwald, Anthony G. (Hrsg.), Hillsdale: Lawrence Erlbaum. Ajzen, Icek (1991), "The Theory of Planned Behavior", Organizational Behavior and Human Decision Processes, 50 (2), 179-211. Ajzen, Icek (2002 (überarbeitet 2006)), "Constructing a TpB Questionnaire: Conceptual and Methodological Considerations", 2007 (04.12.), http://www.people.umass.edu/aizen/pdf/tpb.measurement.pdf. Ajzen, Icek (2008), "The Theory of Planned Behavior: A Bibliography", 2008 (15.10.), http://www.people.umass.edu/aizen/tpbrefs.html. Akerlof, George Arthur (1970), "The Market for "Lemons": Quality Uncertainty and the Market Mechanism", Quarterly Journal of Economics, 84 (3), 488-500. Alba, Joseph; Lynch, John; Weitz, Barton; Janiszewski, Chris; Lutz, Richard; Sawyer, Alan und Wood, Stacy (1997), "Interactive Home Shopping: Consumer, Retailer and Manufacturer Incentives to Participate in Electronic Marketplaces", Journal of Marketing, 61 (3), 38-53. Albach, Horst (2007), "Betriebswirtschaftslehre ohne Unternehmensethik - Eine Erwiderung", Zeitschrift für Betriebswirtschaft (ZfB), 77 (2), 195-206. Albers, Sönke (2000), "Was verkauft sich im Internet? – Produkte und Leistungen", in eCommerce – Einstieg, Strategie und Umsetzung im Unternehmen. Albers, Sönke; Clement, Michel; Peters, Kay und Skiera, Bernd (Hrsg.), Frankfurt am Main: FAZ-Institut. Albers, Sönke (2009), "PLS and Success Factor Studies in Marketing", in Handbook of Partial Least Squares. Concepts, Methods and Applications in Marketing and Related Areas. Esposito Vinzi, Vincenzo; Chin, Wynne W.; Henseler, Jörg und Wang, Huiwen (Hrsg.), Heidelberg: Springer (im Erscheinen). Albers, Sönke und Götz, Oliver (2006), "Messmodelle mit Konstrukten zweiter Ordnung in der betriebswirtschaftlichen Forschung", Die Betriebswirtschaft (DBW), 66 (6), 669-677.

292 Albers, Sönke und Hildebrandt, Lutz (2006), "Methodische Probleme bei der Erfolgsfaktorenforschung - Messfehler, formative versus reflektive Indikatoren und die Wahl des StrukturgleichungsModells", Schmalenbachs Zeitschrift für betriebswirtschaftliche Forschung (zfbf), 58 (2), 2-33. Alex, Jirko (2008), "Finanzielle Probleme bei E-Bug und Norsk-IT", Base, Computer, 2009 (23.07.), http://www.computerbase.de/news/wirtschaft/unternehmen/2008/november/finanzielle_probleme_ e-bug_norsk-it/. Anderson, James C. und Gerbing, David W. (1988), "Structural Equation Modeling in Practic: A Review and Recommended Two-Step Approach", Psychological Bulletin, 103 (3), 411-423. Anderson, James C. und Gerbing, David W. (1991), "Predicting the Performance of Measures in a Confirmatory Factor Analysis with a Pretest Assessment of their Substantive Validities", Journal of Applied Psychology, 76 (5), 732-740. Anonymus (2008), "Persönliches Gespräch mit Dennis Ahrholdt - Serverprobleme." Hamburg. Ansari, Asim; Mela, Carl F. und Neslin, Scott A. (2008), "Customer Channel Migration", Journal of Marketing Research (JMR), 45 (1), 60-76. Arbeitsgemeinschaft Online-Forschung e. V. (AGOF) (2007), "Berichtsband - Teil 1 zur internet facts 2006-IV", internet facts 2006-IV, Arbeitsgemeinschaft Online-Forschung e. V. (AGOF). Arbeitsgemeinschaft Online-Forschung e. V. (AGOF) (2008), "Berichtsband - Teil 1 zur internet facts 2008-III", internet facts 2008-III, Arbeitsgemeinschaft Online-Forschung e. V. (AGOF). Arbeitsgemeinschaft Online-Forschung e. V. (AGOF) (2009), "Berichtsband - Teil 1 zur internet facts 2008-IV", internet facts 2008-IV, Arbeitsgemeinschaft Online-Forschung e. V. (AGOF). Armitage, Christopher J. und Conner, Mark. (2001), "Efficacy of the Theory of Planned Behaviour: A Meta-Analytic Review", British Journal of Social Psychology, 40 (4), 471-499. Armoneit, Thomas (2008), "Persönliches Gespräch mit Dennis Ahrholdt - Rich-Media-Anwendungen von scene7.com." Hamburg. Arndt, Johan (1977), "Laboratory Studies and the Laboratory Paradigm of Man: Confessions of an Uneasy Consumer Researcher", Journal of Consumer Policy, 1 (1), 32-44. Augustín, Clara und Singh, Jagdip (2005), "Curvilinear Effects of Consumer Loyalty Determinants in Relational Exchanges", Journal of Marketing Research, 42 (1), 96-108. Backhaus, Klaus; Erichson, Bernd; Plinke, Wulff und Weiber, Rolf (2006), Multivariate Analysemethoden: eine anwendungsorientierte Einführung (11. Aufl.). Berlin: Springer. Backhaus, Klaus; Erichson, Bernd; Plinke, Wulff und Weiber, Rolf (2008), Multivariate Analysemethoden: eine anwendungsorientierte Einführung (12. Aufl.). Berlin: Springer. Bagozzi, Richard P. (1981), "Causal Modeling, A General Method for Developing and Testing Theories in Consumer Research", in Advances in Consumer Research. Monroe, Kent B. (Hrsg.), Ann Arbor. Bagozzi, Richard P. und Baumgartner, Hans (1994), "The Evaluation of Structural Equation Models and Hypothesis Testing", in Principles in Marketing Research. Bagozzi, Richard P. (Hrsg.), Cambridge. Bagozzi, Richard P. und Edwards, Jeffrey (1998), "A General Approach for Representing Constructs in Organizational Research", Organizational Research Methods, 1 (1), 45-87. Bagozzi, Richard P. und Yi, Youjae (1988), "On the Evaluation of Structural Equation Models", Journal of the Academy of Marketing Science, 16 (1), 74-94.

293 Bagozzi, Richard P. und Yi, Youjae (1994), "Advanced Topics in Structural Equation Models", in Advanced Methods of Marketing Research, Oxford: Blackwell. Bandura, Albert (1986), Social Foundations of Thought and Action: A Social Cognitive Theory. Englewood Cliffs: Prentice Hall. Barber, Bernhard (1983), The Logic and Limits of Trust. New Jersey: Rutgers University Press. Baron, Reuben M. und Kenny, David A. (1986), "The moderator-mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations", Journal of Personality and Social Psychology, 51 (6), 1173-1182. Bartel, Torsten; Quint, Gesine; Weichert, Steffen; Nicolai, Sarah; Wittenberg, Carsten und Diedrich, Sebastian (2008), User Experience und Social Shopping - Shopping 2.0 - Was sagen die Nutzer zum neuen Einkaufserlebnis?, Hannover. Bassen, Alexander und Popovi, Tobias (2004), "Die Bewertung von B2C-E-CommerceUnternehmen", Finanz Betrieb, 6 (12), 838-850. Bauer, Hans H.; Hammerschmidt, Maik und Donnevert, Tobias (2007), "Effektivität und Effizienz im interaktiven Marketing - Die Integration von Kundennutzen- und Kundenwertsegmentierung im Internet", Zeitschrift für Betriebswirtschaft (ZfB) - Special Issue 3/2007 (3), 55-80. Beckert, Jens (2002), "Vertrauen und die performative Konstruktion von Märkten", Zeitschrift für Soziologie, 31 (1), 27-43. Belk, Russel W.; Wallendorf, Melanie und Sherry, John F. (1989), "The sacred and the profane in consumer behaviour", Journal of Consumer Research, 16 (1), 1-38. Belsley, David A. (1991), Conditioning diagnostics: collinearity and weak data in regression. New York: Wiley. Belsley, David A.; Kuh, Edwin und Welsch, Roy E. (1980), Regression Diagnostics. New York. Benbasat, Izak; Gefen, David und Pavlou, Paul A. (2008), "Special Issue: Trust in Online Environments", Journal of Management Information Systems, 24 (4), 5-11. Berekoven, Ludwig; Eckert, Werner und Ellenrieder, Peter (2006), Marktforschung: methodische Grundlagen und praktische Anwendung (11. Aufl.). Wiesbaden. Bergkvist, Lars und Rossiter, John R. (2007), "The Predictive Validity of Multiple-Item Versus SingleItem Measures of the Same Constructs", Journal of Marketing Research, 44 (2), 175-184. Betz, Jürgen und Krafft, Manfred (2003), "Die Wirkungen informations- bzw. anbahnungsbezogener Leistungen im E-Commerce auf die Kundenzufriedenheit und Kundenbindung", Zeitschrift für Betriebswirtschaft (ZfB), 73 (2), 169-199. Betzin, Jörg und Henseler, Jörg (2005), "Einführung in die Funktionsweise des PLS-Algorithmus", in Handbuch PLS-Pfadmodellierung: Methode, Anwendung, Praxisbeispiele. Bliemel, Friedhelm; Eggert, Andreas; Fassot, Georg und Henseler, Jörg (Hrsg.), Stuttgart: Schäffer-Poeschel. Bhattacharya, Sudipro (1980), "Nondissipative Signaling Structures and Dividend Policy", Quarterly Journal of Economics, 95 (3), 1-24. Bhattacherjee, Anol (2002), "Individual Trust in Online Firms: Scale Development and Initial Trust", Journal of Management Information Systems, 2002 (1), 211-241. Biemann, Torsten (2007), "Logik und Kritik des Hypothesentestens", in Methodik der empirischen Forschung. Albers, Sönke; Klapper, Daniel; Konradt, Udo; Walter, Achim und Wolf, Joachim (Hrsg.). 2. Aufl., Wiesbaden: Gabler.

294 Bierhoff, Hans W. (1992), "Trust and Trustworthiness", in Life Crises and Experiences of Loss in Adulthood. Montada, Leo; Filipp, Sigrun-Heide und Lerner, Melvin J. (Hrsg.), Hillsdale, N.J.: Lawrence Erlbaum Associates. Biswas, Dipayan und Biswas, Abhijit (2004), "The Diagnostic Role of Signals in the Context of Perceived Risk in Online Shopping: Do Signals Matter More on the Web?", Journal of Interactive Marketing, 18 (3), 30-44. Blalock, Hubert M. (1964), Causal inferences in nonexperimental research. Chapel Hill: Univ. of North Carolina Press. Blau, Peter M. (1964), Exchange and Power in Social Life. New York: Wiley. Bleicher, Knut (1995), "Vertrauen als kritischer Faktor einer Bewältigung des Wandels", Zeitschrift Führung + Organisation, 64 (6), 392-395. Bliemel, Friedhelm; Eggert, Andreas; Fassott, Georg und Henseler, Jörg (2005), "Die PLSPfadmodellierung: Mehr als eine Alternative zur Kovarianzstrukturanalyse", in Handbuch PLSPfadmodellierung: Methode, Anwendung, Praxisbeispiele. Bliemel, Friedhelm; Eggert, Andreas; Fassott, Georg und Henseler, Jörg (Hrsg.), Stuttgart: Schäffer-Poeschel. Bohrnstedt, George W. (1970), "Reliability and Validity Assessment in Attitude Measurement", in Attitude Measurement. Summers, G. (Hrsg.), Chicago: Rand McNally. Bollen, Kenneth A. und Lennox, Richard (1991), "Conventional Wisdom on Measurement: A Structural Equation Perspective", Psychological Bulletin, 110 (2), 305-314. Bortz, Jürgen (2005), Statistik für Human- und Sozialwissenschaftler (6. Aufl.). Berlin, Heidelberg: Springer. Boulding, William und Kirmani, Amna (1993), "A Consumer-Side Experimental Examination of Signalling Theory: Do Consumers Perceive Warranties as Signals of Quality?", Journal of Consumer Research, 20 (1), 111-123. Boyd, Brian und Wandersman, Abraham (1991), "Predicting Undergraduate Condom Use with the Fishbein and Ajzen and the Triandis Attitude-Behavior Models: Implications for Public Health Interventions", Journal of Applied Social Psychology, 21 (22), 1810-1830. Brosius, Felix (2006), SPSS 14 - Das mitp-Standardwerk. Heidelberg: mitp-Verlag. Brynjolfsson, Erik; Dick, Astrid A. und Smith, Michael D. (2004), "Search and Product Differentiation at an Internet Shopbot", MIT Sloan School of Management, Research Paper Series, (4441-03), MIT Sloan School of Management. Brynjolfsson, Erik; Hu, Yu und Smith, Michael D. (2003), "Consumer Surplus in the Digital Economy: Estimating the Value of Increased Product Variety at Online Booksellers", Management Science, 49 (11), 1580-1596. Burke, Raymond R. (2002), "Technology and the Customer Interface: What Consumers Want in the Physical and Virtual Store", Journal of the Academy of Marketing Science, 30 (4), 411-432. Cao, Yong und Zhao, Hao (2004), "Evaluations of E-tailers' Delivery Fulfillment - Implications of Firm Characteristics and Buyer Heterogenity", Journal of Service Research, 6 (4), 347-360. Cazier, Joseph Abram; Shao, Benjamin B.M. und Louis, Robert D. St. (2006), "E-business differentiation through value-based trust", Information & Management, 43 (6), 718-727. Chang, Man Kit; Cheung, Waiman und Lai, Vincent S. (2005), "Literature derived reference models for the adoption of online shopping", Information & Management, 42 (4), 534-559.

295 Chatelin, Yves-Marie; Esposito Vinzi, Vincenzo und Tenenhaus, Michel (2002), "State-of-art on PLS Path Modeling through the available software", 2008 (15.6.), http://www.hec.fr/hec/fr/professeurs_recherche/upload/cahiers/CR764.pdf. Chatterjee, Patrali; Hoffman, Donna L. und Novak, Thomas P. (2003), "Modeling the Clickstream: Implications for Web-Based Advertising Efforts", Marketing Science, 22 (4), 520-541. Chatterjee, Samprit und Price, Bertram (1977), Regression Analysis by Example. New York. Chen, Lei-da; Gillenson, Mark L. und Sherrel, Daniel L. (2004), "Consumer Acceptance of Virtual Stores: A Theoretical Model and Critical Success Factors for Virtual Stores", The Data Base for Advances in Information Systems, 35 (2), 8-31. Cheung, Christy M. K. und Lee, Matthew K. O. (2006), "Understanding consumer trust in Internet shopping: A multidisciplinary approach", Journal of the American Society for Information Science & Technology, 57 (4), 479-492. Chevalier, Judith A. und Mayzlin, Dina (2006), "The Effect of Word of Mouth on Sales: Online Book Reviews", Journal of Marketing Research, 43 (3), 345-354. Chiang, I. Robert und Nunez, Manuel A. (2007), "Improving Web-Catalog Design for Easy Product Search", INFORMS JOURNAL ON COMPUTING, 19 (4), 510-519. Chickering, David Maxwell und Heckerma, David (2003), "Target Advertising on the Web with Inventory Managment", Interfaces, 33 (5), 71-77. Chin, Wynne W. (1995), "Partial least squares is to LISREL as principal components analysis is to common factor analysis", Journal of Technology Studies, 2, 315-319. Chin, Wynne W. (1998a), "Issues and Opinion on Structural Equation Modeling", MIS - Quarterly: Management Information Systems, 22 (1), 7-16. Chin, Wynne W. (1998b), "The Partial Least Squares Approach for Structural Equation Modelling", in Modern Methods for Business Research. Marcoulides, George A. (Hrsg.), Mahwah, New Jersey: Lawrence Erlbaum. Chin, Wynne W. (2000), "Frequently Asked Questions - Partial Least Squares & PLS-Graph", 2008 (18.07), http://disc-nt.cba.uh.edu/chin/plsfaq/plsfaq.htm. Chin, Wynne W. (2003), "A Permutation Procedure for Multi-Group Comparison of PLS Models", in PLS and Related Methods: Proceedings of the PLS'03 International Symposium. Vilares, Manuel; Tenenhaus, Michel; Coelho, Pedro; Esposito Vinzi, Vincenzo und Morineau, Alain (Hrsg.), Lissabon. Chin, Wynne W. und Dibbern, Jens (2009), "A Permutation Based Procedure for Multigroup PLS Analysis: Results of Tests of Differences on Simulated Data and a Cross Cultural Analysis of the Sourcing of Information System Services between Germany and the USA", in Handbook of Partial Least Squares. Concepts, Methods and Applications in Marketing and Related Areas. Esposito Vinzi, Vincenzo; Chin, Wynne W.; Henseler, Jörg und Wang, Huiwen (Hrsg.), Heidelberg: Springer (im Erscheinen). Chin, Wynne W.; Marcolin, Barb B. und Newsted, Peter R. (2003), "A Partial Least Squares Latent Variable Modelling Approach for Measuring Interaction Effects: Results from a Monte Carlo Simulation Study and an Electronic-Mail Emotion/Adoption Study", Information Systems Research, 14 (2), 189-217. Chin, Wynne W. und Newsted, Peter R. (1999), "Structural Equation Modeling Analysis With Small Samples Using Partial Least Squares", in Strategies for Small Sample Research. Chintagunta, Pradeep; Erdem, Tülin; Rossi, Peter E. und Weder, Michel (2006), "Structural Modeling in Marketing: Review and Assessment", Marketing Science, 25 (6), 604-616.

296 Cho, In-Koo und Krebs, David M. (1987), "Signalling Games and Stable Equilibria", Quarterly Journal of Economics, 102 (2), 179-221. Chow, Gregory (1960), "Test of Equality between Sets of Coefficients in Two Linear Regressions", Econometrica, 28 (2), 591-605. Churchill, Gilbert A. (1979), "A Paradigm for Developing Better Measures of Marketing Constructs", Journal of Marketing Research, 16 (1), 64-73. Churchill, Gilbert A. (1987), Marketing Research: Methodological Foundations (4. Aufl.). Fort Worth / Chicago: Dryden Press. Clay, Karen; Krishnan, Ramaya; Wolff, Eric und Fernandes, Danny (2002), "Retail Strategies On The Web: Price And Non-Price Competition In The Online Book Industry", The Journal of Industrial Economics, 50 (3), 351-367. Clement, Michel; Rangaswamy, Arvind und Vadali, Srikant (2006), "Consumer Response to a Legal Alternative to File Sharing," Universität Hamburg - Lehrstuhl für Marketing und Medienmanagement. Cohen, Jacob (1988), Statistical Power Analysis for the Behavioral Sciences (2. Aufl.). Hillsdale. Cohen, Jacob (1992), "A Power Primer", Psychological Bulletin, 112 (1), 155-159. Collier, Joel E. und Bienstock, Carol C. (2006), "Measuring Service Quality in E-Retailing", Journal of Service Research, 8 (3), 260-275. Colquitt, Jason A.; Scott, Brent A. und LePine, Jeffrey A. (2007), "Trust, Trustworthiness, and Trust Propensity: A Meta-Analytic Test of Their Unique Relationships With Risk Taking and Job Performance", Journal of Applied Psychology, 92 (4), 909-927. Compeau, Deborah R. und Higgins, Christopher A. (1995), "Application of Social Cognitive Theory to Training for Computer Skills", Information Systems Research, 6 (2), 118-143. Cooper, William W.; Seiford, Lawrence M. und Zhu, Joe (2004), "Preface - Handbook on Data Envelopment Analysis", in Handbook on Data Envelopment Analysis. Cooper, William W.; Seiford, Lawrence M. und Zhu, Joe (Hrsg.), Norwell: Kluwer. Cortina, José M. (1993), "What is Coefficient Alpha? An Examination of Theory and Applications", Journal of Applied Psychology, 78 (1), 98-104. Cronbach, Lee J. (1951), "Coefficient Alpha and the Internal Structure of Tests", Psychometrika, 16 (3), 297-334. Cronbach, Siegfried (1895), Fürst Bismarks gesammelte Reden – Band 1. Berlin: Harvard University. Cyr, Dianne (2008), "Modeling Web Site Design Across Cultures: Relationships to Trust, Satisfaction and E-Loyalty", Journal of Management Information Systems, 24 (4), 47-72. D'Agostino, Ralph B. und Belanger, Albert (1990), "A suggestion for using powerful and informative tests of normality", American Statistican, 44 (4), 316-321. Dach, Christian (2002), Internet Shopping versus stationärer Handel: Zum Einkaufsstättenwahlverhalten von Online-Shoppern. Suttgart: Kohlhammer. Danaher, Peter J.; Mullarkey, Guy W. und Essgaier, Skander (2006), "Factors Affecting Web Site Visit Duration: A Cross-Domain Analysis", Journal of Marketing Research, 43 (2), 182-194. Davis, Fred D. (1989), "Perceived Usefulness, Perceived Ease of Use and User Acceptance of Information Technology", MIS - Quarterly: Management Information Systems, 13 (3), 319-340.

297 Davis, Fred D.; Bagozzi, Richard P. und Warshaw, Paul R. (1989), "User Acceptance of Computer Technology: A Comparison of Two Theoretical Models", Management Science, 35 (8), 982-1002. Dawar, Niraj und Miklos, Sarvary (1997), "The signalling impact of low introductory price on perceived quality and trial", Marketing Letters, 8 (3), 251-259. DeKinder, Jade S. und Kohli, Ajay K. (2008), "Flow Signals: How Patterns over Time Affect the Acceptance of Start-Up Firms", Journal of Marketing, 72 (5), 84-97. Dellarocas, Chrysanthos und Wood, Charles (2008), "The Sound of Silence in Online-Feedback: Estimating Trading Risks in the Presence of Reporting Bias", Management Science, 54 (3), 460-476. Demirel, Omer F. und Willemain, Thomas R. (2002), "Generation of simulation input scenarios using bootstrap methods", Journal of the Operational Research Society, 53 (1), 69-78. Deutsch, Morton (1958), "Trust and Suspicion", Journal of Conflict Resolution, 2 (4), 265-279. Deutsch, Morton (1960), "The Effect of Motivational Orientation upon Trust and Suspicion", Human Relations, 13 (2), 123-140. Deutsch, Morton (1962), "Cooperation and Trust: Some Theoretical Notes", in Nebraska Symposium on Motivation. R., Jones; Marshall (Hrsg.), Lincoln: University of Nebraska Press. Deutsch, Morton (1973), The resolution of conflict : constructive and destructive processes. New Haven: Yale Univ. Press. Devaraj, Sarv; Fan, Ming und Kohli, Rajiv (2002), "Antecedents of B2C Channel Satisfaction and Preferences: Validating e-Commerce Metrics", Information Systems Research, 13 (3), 316-333. Diamantopoulos, Adamantios und Siguaw, Judy A. (2006), "Formative Versus Reflective Indicators in Organizational Measure Development: A Comparision and Empirical Illustration", British Journal of Management, 17 (4), 263-282. Diamantopoulos, Adamantios und Winkelhofer, Heidi M. (2001), "Index Construction with Formative Indicators: An Alternative to Scale Development", Journal of Marketing Research, 38 (2), 269-277. Dibbern, Jens und Chin, Wynne W. (2005), "Multi-Group Comparision: Testing a PLS Model on the Sourcing of Application Software Services across Germany and the U.S.A. Using a Permutation Based Algorithm", in Handbuch PLS-Pfadmodellierung: Methode, Anwendung, Praxisbeispiele. Bliemel, Friedhelm; Eggert, Andreas; Fassott, Georg und Henseler, Jörg (Hrsg.), Stuttgart: Schäffer-Poeschel. Dijkstra, Theo (1983), "Some comments on maximum likelihood and partial least squares methods", Journal of Economics, 22 (1), 67-90. Diller, Herrmann (2004), "Das süße Gift der Kausalanalyse", Marketing - Zeitschrift für Forschung und Praxis, 26 (3), 177. Diller, Herrmann (2006), "Probleme der Handhabung von Strukturgleichungsmodellen in der betriebswirtschaftlichen Forschung", Die Betriebswirtschaft (DBW), 66 (6), 611-617. Dinev, Tamara und Hart, Paul (2005/06), "Internet Privacy Concerns and Social Awareness as Determinants of Intention to Transact", International Journal of Electronic Commerce, 10 (2), 7-29. Dix, Shaun (2006), Hotwire Ipsos Studie: Blogs beeinflussen Kaufentscheidungen. Frankfurt, Hamburg. Doney, Patricia M. und Cannon, Joseph P. (1997), "An Examination of the Nature of Trust in BuyerSeller Relationships", Journal of Marketing, 61 (4), 35-51. Drolet, Aimee L. und Morrison, Donald G. (2001), "Do We Really Need Multiple-Item Measures in Service Research?", Journal of Service Research, 3 (3), 196-204.

298 Drösser, Christoph (2008), "Ein Volk von Testern", Die Zeit (27.03.), 37-38. Dülfer, Eberhard (1962), Die Aktienunternehmung: Eine betriebswirtschaftlich-morphologische Betrachtung der Aktiengesellschaft und ihrer Ordnungsprobleme im Hinblick auf eine Reform des Aktienrechts. Göttingen: Vendenhoek & Ruprecht. Dutta, Sujay; Biswas, Abhijit und Grewal, Dhruv (2007), "Low Price Signal Default: An Empirical Investigation of its Consequences", Journal of the Academy of Marketing Science, 35 (1), 76-88. Eagly, Alice H. und Chaiken, Shelly (1993), The Psychology of Attitudes. Fort Worth: Harcourt Brace Jovanovich. East, Robert (1992), "The Effect of Experience on the Decision Making of Expert and Novice Buyers", Journal of Marketing Management, 8 (2), 167-176. Eberl, Markus (2004), "Formative und reflektive Indikatoren im Forschungsprozess: Entscheidungsregeln und die Dominanz des reflektiven Modells", in Schriften zur Empirischen Forschung und Quantitativen Unternehmensplanung - Ludwig-Maximilians-Universität. Schwaiger, Manfred (Hrsg.), München. Eberl, Markus (2006a), "Formative und reflektive Konstrukte und die Wahl des Strukturgleichungsverfahrens: Eine statistische Entscheidungshilfe", Die Betriebswirtschaft (DBW), 66 (6), 651-668. Eberl, Markus (2006b), Unternehmensreputation und Kaufverhalten. München: Deutscher Universitäts-Verlag. Eckstein, Peter P. (2006), Angewandte Statistik mit SPSS (5. Aufl.). Wiesbaden: Gabler. Edwards, Jeffrey (2001), "Multidimensional Constructs in Organizational Behavior Research: An Integrative Analytical Framework", Organizational Research Methods, 4 (2), 144-192. Efron, Bradley (1979), "Bootstrap Methods: Another Look at the Jackknife", Annals of Statistics, 7 (1), 1-26. Efron, Bradley und Gong, Gail (1983), "A Leisurely Look at the Bootstrap, the Jackknife and Cross Validation", The American Statistican, 37 (1), 36-48. Efron, Bradley und Tibishirani, Robert J. (1993), An Introduction to the Bootsrap. Boca Raton: Chapmann & Hall/CRC. Eggert, Andreas und Fassott, Georg (2003), "Zur Verwendung formativer und reflektiver Indikatoren in Strukturgleichungsmodellen: Ergebnisse einer Metaanalyse und Anwendungsempfehlungen", Kaiserslauterer Schriftenreihe Marketing, (20), Eggert, Andreas; Fassott, Georg und Helm, Sabrina (2005), "Identifizierung und Quantifizierung mediierender und moderierender Effekte in komplexen Kausalstrukturen", in Handbuch PLSPfadmodellierung: Methode, Anwendung, Praxisbeispiele. Bliemel, Friedhelm; Eggert, Andreas; Fassot, Georg und Henseler, Jörg (Hrsg.), Stuttgart: Schäffer-Poeschel. Einwiller, Sabine; Herrmann, Andreas und Ingenhoff, Diana (2005), "Vertrauen durch Reputation Grundmodell und empirische Befunde im E-Commerce", Marketing - Zeitschrift für Forschung und Praxis, 27 (1), 24-40. Elliott, Michael T. und Speck, Paul Surgi (2005/06), "Factors That Affect Attitude Toward A Retail Web Site", Journal of Marketing Theory & Practice, 13 (1), 40-51. Engel, Daniela (2008), Adoptions- und Risikoverhalten von Konsumenten im Internet. Frankfurt am Main: Peter Lang. Erdem, Tülin und Swait, Joffre (1998), "Brand Equity as a Signaling Phenomenon", Journal of Consumer Psychology, 7 (2), 131-158.

299 Erikson, Erik H. (1953), "Wachstum und Krisen der gesunden Persönlichkeit", Psyche, 7 (1), 1-31. Esch, Franz-Rudolf; Herrmann, Andreas und Sattler, Henrik (2009), Marketing – Eine managementorientierte Einführung (3. Aufl.). München: Vahlen. Esposito Vinzi, Vincenzo; Trinchera, Laura; Squillacciotti, Silvia und Tenenhaus, Michel (2008), "REBUS-PLS: A Response-Based Procedure for Detecting Unit Segments in PLS-Path Modelling", Applied Stochastic Models in Business and Industry, 24 (5), 439-458. Falk, Armin; Dohmen, Thomas und Sunde, Uwe (2009), "Kontrolliert und repräsentativ: Beispiele zur Komplementarität von Labor- und Felddaten", Perspektiven der Wirtschaftspolitik, 10 (S1), 54-74. Fassnacht, Martin und Koese, Ibrahim (2006), "Quality of Electronic Services - Conceptualizing and Testing a Hierarchial Model", Journal of Service Research, 9 (1), 19-37. Fassott, Georg (2005), "Die PLS-Pfadmodellierung: Entwicklungsrichtungen, Möglichkeiten, Grenzen", in Handbuch PLS-Pfadmodellierung: Methode, Anwendung, Praxisbeispiele. Bliemel, Friedhelm; Eggert, Andreas; Fassot, Georg und Henseler, Jörg (Hrsg.), Stuttgart: Schäffer-Poeschel. Fassott, Georg (2006), "Operationalisierung latenter Variablen in Strukturgleichungsmodellen: Eine Standortbestimmung", Schmalenbachs Zeitschrift für betriebswirtschaftliche Forschung (zfbf), 58 (2), 67-88. Fassott, Georg (2007), Internationaler E-Commerce, Wiesbaden: Deutscher Universitäts-Verlag. Fassott, Georg und Eggert, Andreas (2005), "Zur Verwendung formativer und reflektiver Indikatoren in Strukturgleichungsmodellen: Bestandsaufnahme und Anwendungsempfehlungen", in Handbuch PLS-Pfadmodellierung: Methoden, Anwendung, Praxisbeispiele. Bliemel, Friedhelm; Eggert, Andreas; Fassot, Georg und Henseler, Jörg (Hrsg.), Stuttgart: Schäffer-Poeschel. Fazio, Russell H. und Zanna, Mark P. (1981), "Direct Experience and Attitude-Behavior Consistency", in Advances in Experimental Social Psychology. Berkowitz, L. (Hrsg.). 14. Aufl., New York: Academic Press. Fiedler, Lars (2007), Stakeholderspezifische Wirkung von Corporate Brands - Ein Modell zur integrierten Evaluation und Steuerung von Unternehmensmarken. Wiesbaden: Deutscher UniversitätsVerlag. Fink, Andreas; Schneidereit, Gabriele und Voß, Stefan (2005), Grundlagen der Wirtschaftsinformatik (2. Aufl.). Heidelberg: Physica Verlag. Fischer, Lorenz und Wiswede, Günter (2002), Grundlagen der Sozialpsychologie. München: Oldenbourg. Fishbein, Martin (1963), "An Investigation of the Relationships between Beliefs about an Object and the Attitude toward that Object", Human Relations, 16 (3), 233-240. Fishbein, Martin (1967), "Attitude and the Prediction of Behavior", in Readings in Attitude Theory and Measurement. Fishbein, Martin (Hrsg.), New York: Wiley. Fishbein, Martin und Ajzen, Icek (1975), Belief, Attitude, Intention and Behavior: An Introduction to Theory and Research. Massachusetts: Addison-Wesley. Fittkau & Maaß (2008), "WWW-Benutzer-Analyse W3B - Electronic Commerce im WWW", Fittkau & Maaß. Forman, Chris; Ghose, Anindya und Goldfarb, Avi (2009), "Competition Beween Local and Electronic Markets: How the Benefit of Buying Online Depends on Where You Live", Management Science, 55 (1), 47-57.

300 Fornell, Claes (1982), "A Second Generation of Multivariate Analysis - An Overview", in A Second Generation of Multivariate Analysis - Band 1. Fornell, Claes (Hrsg.), New York. Fornell, Claes und Bookstein, Fred L. (1982a), "A Comparative Analysis of Two Structural Equation Models: LISREL and PLS Applied to Market Data", in A Second Generation of Multivariate Analysis. Fornell, Claes (Hrsg.), New York. Fornell, Claes und Bookstein, Fred L. (1982b), "Two Structural Equation Models - LISREL and PLS Applied to Consumer Exit-Voice Theory", Journal of Marketing Research, 19 (4), 440-452. Fornell, Claes und Cha, Jaesung (1994), "Partial Least Squares", in Advanced Methods of Marketing Research. Bagozzi, Richard P. (Hrsg.), Cambridge, MA: Blackwell. Fornell, Claes und Larcker, David F. (1981), "Evaluating Structural Equation Models with Unobservable Variables and Measurement Error", Journal of Marketing Research, 18 (1), 39-50. Forsythe, Sandra; Chuanlan, Liu; Shannon, David und Gardner, Liu Chun (2006), "Development of a Scale to Measure the Perceived Benefits and Risks of Online Shopping", Journal of Interactive Marketing, 20 (2), 55-75. Frambach, Ruud T.; Roest, Henk C. A. und Krishnan, Trichy V. (2007), "The Impact of Consumer Internet Experience on Channel Preference and Usage Intentions Across the Different Stages of the Buying Process", Journal of Interactive Marketing, 21 (2), 26-41. Fritz, Wolfgang (1995), Marketing-Managment und Unternehmenserfolg (2. Aufl.). Stuttgart. Fritz, Wolfgang (2004), Internet-Marketing und Electronic Commerce: Grundlagen - Rahmenbedingungen - Instrumente; mit Praxisbeispielen (3. Aufl.). Wiesbaden: Gabler. Gefen, David (2002), "Customer Loyalty in e-commerce", Journal of the Association for Information Systems, 3 (2), 27-51. Gefen, David; Benbasat, Izak und Pavlou, Paul A. (2008), "A Research Agenda for Trust in Online Environments", Journal of Management Information Systems, 4 (4), 275-286. Gefen, David und Heart, T. (2006), "On the Need to Include National Culture as a Central Issue in ECommerce Trust Beliefs", Journal of Global Information Systems, 14 (4), 1-30. Gefen, David; Karahanna, Elena und Straub, Detmar W. (2003), "Trust and Tam in Online-Shopping: An Integrated Model", MIS - Quarterly: Management Information Systems, 27 (1), 51-90. Geisser, Seymour (1975), "A Predictive Approach to Random Effect Model", Biometrika, 61 (1), 101107. Geoffrion, Arthur M. und Krishnan, Ramaya (2003), "E-Business and Management Science: Mutual Impacts (Part 1 of 2)", Management Science, 49 (10), 1275-1286. Ghos, Biswadip und Scott, Judy E. (2008), "Knowledge Management for Healthcare Organizations: Comparing Strategies with Technical Support - Proceedings of the 41st Hawaii International Conference on System Sciences - 2008", 41st Hawaii International Conference on System Sciences 2008. Giere, Jens; Wirtz, Bernd W. und Schilke, Oliver (2006), "Mehrdimensionale Konstrukte - Konzeptionelle Grundlagen und Möglichkeiten ihrer Analyse mithilfe von Strukturgleichungsmodellen", Die Betriebswirtschaft (DBW), 66 (6), 678-695. Giffin, Kim (1967), "The Contribution of Studies of Source Credibility to a Theory of Interpersonal Trust in the Communication Process", Psychological Bulletin, 68 (2), 104-120. Gittenberger, Ernst; Löschl, Susanne; Scheichenbauer, Heidi; Widhalm, Andrea und Lenzhofer, Johannes (2007), "Einzelhandel im Internet", KMU Forschung Austria.

301 Göritz, Anja S. und Schumacher, Jörg (2000), "The WWW as a Research Medium: An Illustrative Survey on Paranormal Belief", Perceptual and Motor Skills, 90, 1195-1206. Gorn, Gerald L.; Chattopadhyay, Amitava; Sengupta, Jaideep und Tripathi, Shashank (2004), "Waiting for the Web: How Screen Color Affect Time Perception", Journal of Marketing Research, 41 (2), 215-225. Götz, Oliver und Liehr-Gobbers, Kerstin (2004), "Der Partial-Least-Squares (PLS)-Ansatz zur Analyse von Strukturgleichungsmodellen", Die Betriebswirtschaft (DBW) (6), 714-738. Grayson, Kent; Johnson, Devon und Der-Fa, Robert Chen (2008), "Is Firm Trust Essential in a Trusted Environment? How Trust in the Business Context Influences Customers", Journal of Marketing Research, 45 (2), 241-265. Greving, Bert (2007), "Messen und Skalieren von Sachverhalten", in Methodik der empirischen Forschung. Albers, Sönke; Klapper, Daniel; Konradt, Udo; Walter, Achim und Wolf, Joachim (Hrsg.). 2. Aufl., Wiesbaden: Gabler. Grewal, Rajdeep; Cote, Joseph A. und Baumgartner, Hans (2004), "Multicollinearity and Measurement Error in Structural Equation Models: Implications for Theory Testing", Marketing Science, 23 (4), 519-529. Groß, Olaf (2008a), "Die härteste Währung im E-Commerce", iBusinessDossier, 3 (4), 14-15. Groß, Olaf (2008b), "Studie: Warum immer mehr Online-Händler in Rich-Media-Features investieren", Interaktive, iBusiness Wissensportal und Trendscouting für, 2008 (28.02.), http://www.ibusiness.de/members/aktuell/db/503647og.html. Groß, Olaf (2009), "Wie Onlineshops Nutzermeinungen als Qualitätssiegel nutzen", iBusiness Executive Summary, 19 (1), 4. Gujarati, Damodar N. (2003), Basic Econometrics (4. Aufl.). Burr Ridge. Güth, Werner und Kliemt, Hartmut (2007), "Vertrauen und Unternehmen", Zeitschrift für Betriebswirtschaft (ZfB) - Special Issue 1/2007 (1), 29-49. Gutjahr, Andreas (2009), "E-Commerce ist Gewinner des Weihnachtsgeschäfts 2008 - Fast 40 Prozent der Internetnutzer suchen bei Amazon nach Geschenken", Nielsen Online, 2009 (10.03), http://www.nielsen-online.com/pr/09-02-02-E-Commerce_final.pdf. Güttler, Wolfgang und Heinzl, Armin (2003), "Die Adoption des Electronic Commerce im deutschen Einzelhandel", Zeitschrift für Betriebswirtschaft (ZfB) (Ergänzungsheft 1 - Die Zukunft des Electronic Business), 79-102. Guttmann, Louis (1971), "Measurement as Structural Theory", Psychometrika, 36 (4), 329-347. Haenecke, Henrik (2002), "Methodenorientierte Systematisierung der Kritik an der Erfolgsfaktorenforschung", Zeitschrift für Betriebswirtschaft (ZfB), 72 (2), 165-183. Hahn, Carsten; Johnson, Michael D.; Herrmann, Andreas und Huber, Frank (2002), "Capturing Customer Heterogenity using a Finite Mixture PLS Approach", Schmalenbachs Business Review, 54 (3), 243-269. Hair, Joseph F.; Anderson, Rolph; Tatham, Ronald und Black, William (1995), Multivariate Data Analysis: With Readings (4. Aufl.). Upper Saddle River: Prentice Hall. Hair, Joseph F.; Anderson, Rolph; Tatham, Ronald und Black, William (1998), Multivariate Data Analysis (5. Aufl.). Upper Saddle River: Prentice Hall. Hampton-Sosa, William und Koufaris, Marios (2005), "The Effect of Web Site Perceptions on Initial Trust in the Owner Company", International Journal of Electronic Commerce, 10 (1), 55-81.

302 Hansen, Hans Robert; Knotzer, Nicolas und Madlberger, Maria (2007), "Empfehlungssysteme zur Verkaufsberatung im Internet - State-of-the-Art und Konsumentenakzeptanz", Wirtschaftsinformatik, 49 (Sonderheft 2007), 50-61. Hansmann, Karl-Werner und Ringle, Christian M. (2005), "Wirkung einer Teilnahme von Unternehmensnetzwerken auf die strategischen Erfolgsfaktoren von Partnerunternehmen - eine empirische Untersuchung", Die Unternehmung, 59 (3), 217-236. Hassanein, Khaled und Head, Milena (2005/06), "The Impact of Infusing Social Presence in the Web Interface: An Investigation Across Product Types", International Journal of Electronic Commerce, 10 (2), 31-55. Hauser, John R. und Goldberger, Arthur Stanley (1971), "The Treatment of Unobservable Variables in Path Analysis", in Sociological Methodology. Costner, Herbert (Hrsg.), San Francisco: JosseyBass. Hausschildt, Jürgen (2003), "Zum Stellenwert der empirischen betriebswirtschaftlichen Forschung", in Empirie und Betriebswirtschaft: Entwicklungen und Perspektiven. Schwaiger, Manfred und Harhoff, Dietmar (Hrsg.), Stuttgart: Schäffer-Poeschel. Heil, Oliver P. und Langvardt, Arlen W. (1994), "The Interface Between Competitive Market Signaling and Antitrust Law", Journal of Marketing, 58 (3), 81-96. Heilmann, Carrie M.; Nakamoto, Kent und Rao, Ambar G. (2002), "Pleasant Surprises: Consumer Response to Unexpected In-Store Coupons", Journal of Marketing Research, 39 (2), 242-252. Heim, Gregory R. und Field, Joy M. (2007), "Process drivers of e-service quality: Analysis of data from an online rating site", Journal of Operations Management, 25 (5), 962-984. Heinemann, Gerrit (2009), Der neue Online-Handel. Wiesbaden: Gabler. Hennig-Thurau, Torsten (2005), ""Word-of-mouse": Why Consumers Listen to Each Other on the Internet", in Yearbook of Marketing and Consumer Research Vol. 3, Berlin: Duncker & Humblot. Hennig-Thurau, Torsten und Walsh, Gianfranco (2003), "Electronic Word-of-Mouth: Motives for and Consequences of Reading Customer Articulations on the Internet", International Journal of Electronic Commerce, 8 (2). Henseler, Jörg (2006), Das Wechselverhalten von Konsumenten im Strommarkt - Eine empirische Untersuchung direkter und moderierender Effekte. Wiesbaden: Deutscher Universitäts-Verlag. Henseler, Jörg und Fassott, Georg (2009), "Testing Moderating Effects in PLS Path Models: An Illustration of Available Procedures", in Handbook of Partial Least Squares. Concepts, Methods and Applications in Marketing and Related Areas. Esposito Vinzi, Vincenzo; Chin, Wynne W.; Henseler, Jörg und Wang, Huiwen (Hrsg.), Heidelberg: Springer (im Erscheinen). Henseler, Jörg und Ringle, Christian M. (2006a), "Persönliches Gespräch mit Dennis Ahrholdt - PLSPfadmodellierung - Methode und Anwendung." Lüneburg. Henseler, Jörg und Ringle, Christian M. (2006b), "PLS-Pfadmodellierung - Methode und Anwendung", Einführung in die PLS-Pfadmodellierung (28.10.2006). Henseler, Jörg und Ringle, Christian M. (2008), "Non-Linear Effects in PLS Path Models - Präsentation auf der 70. Jahrestagung des Verbands der Hochschullehrer für Betriebswirtschaft e. V. (15.17.05.2008)." Berlin. Herrmann, Andreas; Huber, Frank und Kressmann, Frank (2006), "Varianz- und kovarianzbasierte Strukturgleichungsmodelle - Ein Leitfaden zu deren Spezifikation, Schätzung und Beurteilung", Schmalenbachs Zeitschrift für betriebswirtschaftliche Forschung (zfbf), 58 (2), 34-66. Herrmans, Arnold und Sauter, Michael (1999), Management-Handbuch Electronic Commerce - Grundlagen, Strategien, Praxisbeispiele (2. Aufl.). München: Vahlen.

303 Hesse, Alexander; Bracewell Lewis, Victoria; Ensor, Benjamin; Camus, Lauriane und Niemeyer, Vanessa (2009), "German Online-Retail And Travel Forecast, 2008 To 2014", Forrester Research. Hildebrandt, Lutz und Temme, Dirk (2006), "Probleme der Validierung mit Strukturgleichungsmodellen", Die Betriebswirtschaft (DBW), 66 (6), 618-639. Hofacker, Charles F. (1984), "Categorical Judgment Scaling with Ordinal Assumptions", Multivariate Behavioral Research, 19 (1), 91-106. Hoffman, Donna L. und Novak, Thomas P. (1996), "Marketing in Hypermedia Computer-Mediated Environments: Conceptual Foundations", Journal of Marketing, 60 (3), 50-68. Hofstede, Geert (1980), "Motivation, Leadership, and Organization: Do American Theories Apply Abroad?", Organizational Dynamics, 9 (1), 42-63. Holzwarth, Martin; Janiszewski, Chris und Neumann, Marcus M. (2006), "The Influence of Avatars on Online Consumer Shopping Behaviour", Journal of Marketing, 70 (4), 19-36. Homburg, Christian (2000), Kundennähe von Industriegüterunternehmen (3. Aufl.). Wiesbaden. Homburg, Christian (2007), "Betriebswirtschaftslehre als empirische Wissenschaft - Bestandsaufnahme und Empfehlungen", Schmalenbachs Zeitschrift für betriebswirtschaftliche Forschung (zfbf) (56), 27-60. Homburg, Christian und Baumgartner, Hans (1995), "Die Kausalanalyse als Instrument der Marketingforschung", Zeitschrift für Betriebswirtschaft (ZfB), 65 (10), 1091-1108. Homburg, Christian und Baumgartner, Hans (1998), "Beurteilung von Kausalmodellen: Bestandsaufnahme und Anwendungsempfehlungen", in Die Kausalanalyse: Ein Instrument der empirischen betriebswirtschaftlichen Forschung. Hildebrandt, Lutz und Homburg, Christian (Hrsg.), Stuttgart. Homburg, Christian und Giering, Anette (1996), "Konzeptionalisierung und Operationalisierung komplexer Konstrukte: Ein Leitfaden für die Marketingforschung", Marketing - Zeitschrift für Forschung und Praxis, 1, 5-24. Homburg, Christian und Klarmann, Martin (2006), "Die Kausalanalyse in der empirischen betriebswirtschaftlichen Forschung - Problemfelder und Anwendungsempfehlungen", Die Betriebswirtschaft (DBW), 66 (6), 727-748. Hopf, Michael (1983), Informationen für Märkte und Märkte für Informationen. Frankfurt am Main: Gabler. Hovland, Carl Iver; Janis, Irving Lester und Kelley, Harold Harding (1953), Communication and persuasion: psychological studies of opinion change (3. Aufl.). New Haven: Yale Univ. Press. Hsu, Meng-Hsiang; Yen, Chia-Hui; Chiu, Chao-Min und Chang, Chun-Ming (2006), "A longitudinal investigation of continued online shopping behavior: An extension of the theory of planned behavior", International Journal of Human-Computer Studies, 64 (9), 889-904. Huang, Peng; Lurie, Nicholas H. und Mitra, Sabyasachi (2009), "Searching for Experience on the Web: An Empirical Examination of Consumer Behavior for Search and Experience Goods", Journal of Marketing, 73 (2), 55-69. Huber, Frank; Heitmann, Maik und Herrmann, Andreas (2006), "Ansätze zur Kausalmodellierung mit Interaktionseffekten - Ein Überblick", Die Betriebswirtschaft (DBW), 66 (6), 696-709. Huber, Frank; Herrmann, Andreas; Meyer, Frederik; Vogel, Johannes und Vollhardt, Kai (2007), Kausalmodellierung mit Partial Least Squares. Eine anwendungsorientierte Einführung. Wiesbaden: Gabler.

304 Hulland, John (1999), "Use of Partial Least Squares (PLS) in Strategic Management Research: A Review of Four Recent Studies", Strategic Management Journal, 20 (2), 195-204. Huneke, Dorte (2008), "Ein Klick - und die Suche fängt an", Frankfurter Allgemeine Zeitung (22.03.), C8. Ihde, Tobias (2008), "Online-Reputationsmechanismen für Online-Shops", iBusinessDossier, 3 (4), 3. Intemann, Frauke (2002), Kommunikation - Hypertext - Design - Eine Untersuchung zur Struktur und Optimierung hypermedialer Lernumgebungen. München: Waxmann. Ippolito, Pauline M. (1990), "Bonding and Nonbonding Signals of Product Quality", Journal of Business, 63 (1), 41-60. Irion, Tobias (2007), Vertrauen in Transaktionsbeziehungen. Frankfurt am Main, Berlin, Bern, Bruxelles, New York, Oxford, Wien: Peter Lang. Ivcevic, Zorana; Brackett, Marc A. und Mayer, John D. (2007), "Emotional Intelligence and Emotional Creativity", Journal of Personality, 75 (2), 199-236. Iyer, Ganesh und Pazgal, Amit (2003), "Internet Shopping Agents: Virtual Co-Location and Competition", Marketing Science, 22 (1), 85-106. Jaccard, James und Turrisi, Robert (2003), Interaction Effects in Multiple Regressions (2. Aufl.). Thousand Oaks: Sage. Jaccard, James und Wan, Choi K. (1996), LISREL Approaches to Interaction Effects in Multiple Regressions (Quantitative Applications in the Social Sciences). Thousand Oaks: SAGE Publications Inc. Jacoby, Jacob und Kaplan, Leon B. (1972), "The Components of Perceived Risk", Third Annual Conference of the Association for Consumer Research, 382-393. Jansen, Jürgen und Laatz, Wilfried (2007), Statistische Datenanalyse mit SPSS für Windows. Berlin: Springer. Jarvenpaa, Sirkka L.; Tractinsky, Noam und Vitale, Michael (2000), "Consumer trust in an Internet store", Information Technology and Management (1), 45-71. Jarvis, Cheryl Burke; MacKenzie, Scott B. und Podsakoff, Philip M. (2003), "A Critical Review of Construct Indicators and Measurement Model Misspecification in Marketing and Consumer Research", Journal of Consumer Research, 30 (2), 199-218. Johansson, Johny K. und Yip, George S. (1994), "Exploiting globalization potential: U.S. and Japanese strategies", Strategic Management Journal, 15 (8), 579-601. Johnson, Eric J.; Moe, Wendy W.; Fader, Peter S.; Bellmann, Steven und Lohse, Gerald L. (2004), "On the Depth and Dynamics of Online Search Behaviour", Management Science, 50 (3), 299308. Jöreskog, Karl G. (1967), "Some contributions to maximum likelihood factor analysis", Psychometrika, 32 (4), 443-482. Jöreskog, Karl G. (1970), "A general method for analysis of covariance structures", Biometrika, 57, 239-251. Jöreskog, Karl G. (1973), "A general method for estimating a linear structural equation system", in Structural Equation Models in the Social Sciences. Goldberger, Arthur Stanley und Duncan, Otis Dudley (Hrsg.) Vol. 85-112, New York.

305 Jöreskog, Karl G. und Goldberger, Arthur Stanley (1975), "Estimation of a Model with Multiple Indicators and Multiple Causes of a Single Latent Variable", Journal of the American Statistical Association, 70 (351), 631-639. Jöreskog, Karl G. und Sörbom, Dag (1982), "Recent Developments in Structural Equation Modeling", Journal of Marketing Research, 19 (4), 404-416. Jöreskog, Karl G. und Wold, Herman Ole Andreas (1982), "The ML and PLS Technique for Modeling with Latent Variables - Historical and Comparative Aspects", in Systems under Indirect Observations. Causality, Structure, Prediction. Jöreskog, Karl G. und Wold, Herman Ole Andreas (Hrsg.), Amsterdam. Kahle, Egbert (1999), "Vertrauen als grundlegendes Element kooperativen Verhaltens", in Wirtschaft und Sozialpolitik. Fritsche, Andreas und Kwiran, Manfred (Hrsg.), München. Kähler, Wolf-Michael (2007), Statistische Datenanalyse (5. Aufl.). Wiesbaden: Viehweg+Teubner. Kamis, Arnold; Koufaris, Marios und Stern, Tziporah (2008), "Using an Attribute-Based Decision Support System for User-Customized Products Online: An Experimental Investigation", MIS - Quarterly: Management Information Systems, 32 (1), 159-177. Kang, Hyunmo; Hahn, Minhi; Fortin, David R.; Hyun, Yong J. und Yunni, Eom (2006), "Effects of Perceived Behavioral Control on the Consumer Usage Intention of E-coupons", Psychology & Marketing, 23 (10), 841-864. Kant, Immanuel (1781), Critik der reinen Vernunft. Riga: verlegts Johann Friedrich Hartknoch. Karahanna, Elena; Straub, Detmar W. und Chervany, Norman L. (1999), "Information Technology Adoption Across Time: A Cross-Sectional Comparison of Pre-Adoption and Post-Adoption Beliefs", MIS - Quarterly: Management Information Systems, 23 (2), 183-213. Kaya, Maria (2007), "Verfahren der Datenerhebung", in Methodik der empirischen Forschung. Albers, Sönke; Klapper, Daniel; Konradt, Udo; Walter, Achim und Wolf, Joachim (Hrsg.). 2. Aufl., Wiesbaden: Gabler. Kaya, Maria und Himme, Alexander (2007), "Möglichkeit der Stichprobenbildung", in Methodik der empirischen Forschung. Albers, Sönke; Klapper, Daniel; Konradt, Udo; Walter, Achim und Wolf, Joachim (Hrsg.). 2. Aufl., Wiesbaden: Gabler. Keen, Peter; Ballance, Craigg; Chan, Sally und Schrump, Steve (1999), Electronic Commerce Relationships: Trust be Design. Englewood Cliffs: Prentice-Hall. Keeney, Ralph L. (1999), "The Value of Internet Commerce to the Customer", Management Science, 45 (4), 533-543. Kelley, Craig A. (1988), "An Investigation of Consumer Product Warranties as Market Signals of Product Reliability", Journal of the Academy of Marketing Science, 16 (2), 72-78. Kempf, Dieter (2009), "IT- und Internetsicherheit: Trends und Verbraucherverhalten - Vortrag im Rahmen des BITKOM-Forums Sicherheit", BITKOM - Bundesverband Informationswirtschaft Telekommunikation und neue Medien e. V., 2009 (04.03), http://www.bitkom.org/files/documents/BITKOM_Rede_Prof_Kempf_PK_Sicherheit_und_Verbrauc hervertrauen_03_03_2009.pdf. Kenny, David A. und Judd, Charles M. (1984), "Estimatiing the Nonlinear and Interaction Effects of Latent Variables", Psychological Bulletin, 96 (1), 201-210. Kettner, Anja; Drechsler, Jörg; Rebien, Martina; Schmidt, Katrin und Semerdjieva, Marina (2007), Estimation of vacancies by NACE and ISCO at disaggregated regional level. Nürnberg: Institut für Arbeitsmarkt- und Berufsforschung.

306 Khakimdjanova, Lola und Park, Jihy (2005), "Online Visual Merchandising Practice of Apparel eMerchants", Journal of Retailing and Consumer Services, 12 (5), 307-318. Kim, Dan J. (2008), "Self-Perception-Based Versus Transference-Based Trust Determinants in Computer-Mediated Transactions: A Cross-Cultural Comparison Study", Journal of Management Information Systems, 24 (4), 13-45. Kim, Hee-Woong; Xu, Yunjie und Koh, Joon (2004), "A Comparison of Online Trust Building Factors between Potential Customers and Repeat Customers", Journal of the Association for Information Systems, 5 (10), 392-420. Kim, Jinwoo; Lee, Jungwon; Han, Kwanghee und Lee, Moonkyu (2002), "Business as Buildings: Metrics for the Architectural Quality of Internet Businesses", Information Systems Research, 13 (3), 239-254. Kirmani, Amna (1997), "Advertising Repetition as a Signal of Quality: If It's Advertised So Often, Something Must Be Wrong", Journal of Advertising, 26 (3), 77-86. Kirmani, Amna und Rao, Akshay R. (2000), "No Pain, No Gain: A Critical Review of the Literature on Signaling Unobservable Product Quality", Journal of Marketing, 64 (2), 66-79. Kirmani, Amna und Wright, Peter (1989), "Money Talks: Perceived Advertising Expense and Expected Product Quality", Journal of Consumer Research, 16 (3), 344-353. Klink, Daniel (2008), "Der Ehrbare Kaufmann - Das ursprüngliche Leitbild der Betriebswirtschaftslehre und individuelle Grundlage für die CSR-Forschung", Zeitschrift für Betriebswirtschaft (ZfB) - Special Issue 3/2008 Corporate Social Responsibility (3), 57-80. Koh, Christine; Ang, Soon und Straub, Detmar W. (2004), "IT-Outsourcing Success: A Psychological Contract Perspective", Information Systems Research, 16 (4), 356-373. Kollmann, Tobias und Herr, Christian (2005), "Die Vertrauenswürdigkeit von jungen Unternehmen im elektronischen Handel", Die Betriebswirtschaft (DBW), 65 (2), 119-136. Kotler, Philip und Bliemel, Friedhelm (2001), Marketing Management: Analyse, Planung und Verwirklichung (10. Aufl.). Stuttgart: Schäffer-Poeschel. Kotler, Philip und Bliemel, Friedhelm (2005), Marketing-Management - Analyse, Planung und Verwirklichung (10. Aufl.). München: Pearson. Koufaris, Marios (2002), "Applying the Technology Acceptance Model and Flow Theory to Online Consumer Behaviour", Information Systems Research, 13 (2), 205-223. Koufaris, Marios und Hampton-Sosa, William (2003), "The Development of Initial Trust in an Online Company by New Customers", Information & Management, 41 (3), 377-397. Krafft, Manfred; Götz, Oliver und Liehr-Gobbers, Kerstin (2005), "Die Validierung von Strukturgleichungsmodellen mit Hilfe des Partial-Least-Squares (PLS)-Ansatzes", in Handbuch PLSPfadmodellierung: Methode, Anwendung, Praxisbeispiele. Bliemel, Friedhelm; Eggert, Andreas; Fassot, Georg und Henseler, Jörg (Hrsg.), Stuttgart: Schäffer-Poeschel. Krannich, Kathrin (2008), "E-Mail-Kommunikation mit Dennis Ahrholdt - Professionelle Shop-Software Enfinity Suite 6." Hamburg. Kreyszig, Erwin (1991), Statistische Methoden und ihre Anwendungen (7. Aufl.). Göttingen: Vandenhoeck & Ruprecht. Kroeber-Riel, Werner (1977), "Verfälscht die Laborforschung das Konsumentenbild? Kommentar zu Arnds Beitrag", Journal of Consumer Policy, 1 (1), 45-47. Kroeber-Riel, Werner und Weinberg, Peter (2009), Konsumentenverhalten (9. Aufl.). München: Vahlen.

307 Kruskal, William H. und Wallis, W. Allen (1952), "Use of Ranks in One-Criterion Variance Analysis", Journal of the American Statistical Association, 47 (260), 583-621. Ksheri, Nir und Williamson, Nicholas C. (2008), "Diffusion Pattern of E-retailing: Evidence from OECD Economies - Präsentation auf der AMA Summer Marketing Educators' Conference (8.11.8.2008)." San Diego. Kubicek, Herbert (1975), Empirische Organisationsforschung. Konzeption und Methodik. Stuttgart: Schäffer-Poeschel. Kumar, Nirmalya; Scheer, Lisa K. und Steenkamp, Jan-Benedict E.M. (1995), "The Effects of Supplier Fairness on Vulnerable Resellers", Journal of Marketing Research, 32 (1), 54-65. Küsters, Ulrich (1987), Hierarchische Mittelwert- und Kovarianzstrukturmodelle mit nichtmetrischen endogenen Variablen. Heidelberg: Physica. Laberenz, Helmut (1988), Die prognostische Relevanz multiattributiver Einstellungsmodelle für das Konsumenten-Verhalten. Hamburg: Verlag Dr. Kova. Laroche, Michel; Yang, Zhiyong; McDougall, Gordon H.G. und Bergeron, Jasmin (2005), "Internet versus bricks-and-mortar retailers: An investigation into intangibility and its consequences", Journal of Retailing, 81 (4), 251-267. Laux, Helmut (2007), Entscheidungstheorie (7. Aufl.). Berlin: Springer. Law, Kenneth S.; Wong, Chi-Sum und Mobley, William H. (1998), "Toward a Taxonomy of Multidimensional Constructs", Academy of Management Review, 23 (4), 741-755. Lee, Boon-Chye; Ang, Lawrence und Dubelaar, Chris (2005), "Lemons on the Web: A Signalling Approach to the Problem of Trust in Internet Commerce", Journal of Economic Psychology, 26 (5), 607-623. Lee, Matthew K. O. und Turban, Efraim (2001), "A Trust Model for Consumer Internet Shopping", International Journal of Electronic Commerce, 6 (1), 75-91. Lee, Sik-Yum und Zhu, Hong-Tu (2002), "Maximum likelihood estimation of nonlinear structural equation models", Psychometrika, 67 (2), 189-210. Lewicki, Roy und Bunker, Barbara Benedict (1995), "Trust in Relationships: A Model of Trust Development and Decline", in Conflict, Cooperation, and Justice. Bunker, Barbara Benedict und Rubin, Jeffrey Z. (Hrsg.), San Francisco: Jossey-Bass. Li, Shibo; Srinivasan, Kannan und Sun, Baohong (2009), "Internet Auction Features as Quality Signals", Journal of Marketing, 73 (1), 75-92. Liao, Chechen; Chen, Jain-Liang und Yen, David C. Yen (2007), "Theory of planning behavior (TPB) and customer satisfaction in the continued use of e-service: An integrated model", Computers in Human Behavior, 23 (6), 2804-2822. Liao, Ziqi und Wong, Wing-Keung (2008), "The determinants of customer interactions with internetenabled e-banking services", Journal of the Operational Research Society, 59 (10), 1201-1210. Likert, Rensis (1932), "A Technique for the Measurement of Attitudes", Archives of Psychology, 140, 1-55. Lim, Kai H.; Sia, Choon Ling; Lee, Matthew K. O. und Benbasat, Izak (2006), "Do I Trust You Online, and If So, Will I Buy? An Empirical Study of Two Trust-Building Strategies", Journal of Management Information Systems, 23 (2), 233-266. Lin, Hsiu-Fen (2007), "Predicting consumer intentions to shop online: An empirical test of competing theories", Electronic Commerce Research and Applications, 6 (4), 433-442.

308 Litan, Avivah (2006), "Toolkit: E-Commerce Loses Big Because of Security Concerns", Little, Todd D.; Boviard, James A. und Widaman, Keith F. (2006), "On the Merits of Orthogonalizing Powered and Product Terms: Implications for Modeling Interactions Among Latent Variables", Structural Equation Modelling, 13 (4), 497-519. Lobb, Alexandra; Arnoult, Matthieu und Chambers, S.A. (2006), "Willingness to pay for, and consumers' attitudes to, local, national and imported foods: A UK survey", University of Reading. Lohmöller, Jan-Bernd (1989), Latent Variable Path Modelling with Partial Least Squares. Heidelberg: Physica-Verlag. Lohmöller, Jan-Bernd (1992), "Die PLS-Methode für Pfadmodelle mit latenten Variablen - Analysen zur Nutzung ökologischer Informationen", in Kausalanalysen in der Umweltforschung. Hildebrandt, Lutz; Rudinger, Georg und Schmidt, Peter (Hrsg.), Stuttgart. Lohse, Gerald L. und Spiller, Peter (1999), "Internet Retail Store Design: How the User Interface Influence Traffic and Sales", Journal of Computer-Mediated Communication, 5 (2), 1-22. Loiacono, Eleanor T.; Watson, Richard T. und Goodhue, Dale L. (2007), "WebQual: An Instrument for Consumer Evaluation of Web Sites", International Journal of Electronic Commerce, 11 (3), 51-87. Lorbeer, Alexander (2003), Vertrauensbildung in Kundenbeziehungen - Ansatzpunkte zum Kundenbindungsmanagment. Wiesbaden: Deutscher Universitäts-Verlag. Lorenz, Edward (1999), "Trust, Contract and Economic Cooperation", Cambridge Journal of Economics, 23 (3), 301-315. Lowry, Paul Benjamin; Vance, Anthony; Moody, Greg; Beckman, Bryan und Read, Aaron (2008), "Explaining and Predicting the Impact of Branding Alliances and Web Site Quality on Initial Consumer Trust of E-Commerce Web Sites", Journal of Management Information Systems, 24 (4), 199-224. Lu, Qiang und Moorthy, Sridhar (2007), "Coupons Versus Rebates", Marketing Science, 26 (1), 67-82. Ludwig, Peter (2005), Vertrauen beim Online-Shopping: eine empirische Arbeit über Vertrauensrelevanz, Determinanten und Maßnahmen für die Bildung von Vertrauen zu Online-Shops. Lengerich: Pabst Science Publ. Luhmann, Niklas (1968), Vertrauen - ein Mechanismus der Reduktion sozialer Komplexität. Stuttgart: UTB. Lunneborg, Clifford E. (2000), Data Analysis by Resampling: Concepts and Applications. Pacific Grove: Duxhury Press. Madden, Thomas; Scholder Ellen, Pamela und Ajzen, Icek (1992), "A Comparision of the Theory of Planned Behavior and the Theory of Reasoned Action", Personality and Social Psychology Bulletin, 18 (1), 3-9. Madelberger, Maria (2004), Electronic Retailing: Marketinginstrumente und Marktforschung im Internet. Wiesbaden: Gabler. Mahmood, Adam M.; Bagchi, Kallol und Ford, Timothy C. (2004), "On-line Shopping Behaviour: Cross-Country Empirical Research", International Journal of Electronic Commerce, 9 (1), 9-30. Malhotra, Naresh K.; Kim, Sung S. und Agarwal, James (2004), "Internet Users´ Information Privacy Concerns (IUIPC): The Construct, the Scale, and a Causal Model", Information Systems Research, 15 (4), 336-355. Manchanda, Puneet; Dubé, Jean-Pierre; Yong Goh, Khim und Chintagunta, Pradeep (2006), "The Effect of Banner Advertising on Internet Purchasing", Journal of Marketing Research, 43 (1), 98-108.

309 Mandel, Naomi und Johnson, Eric J. (2002), "When Web Pages Influence Choice: Effects of Visual Primes on Experts and Novices", Journal of Consumer Research, 29 (2), 235-245. Mann, Henry und Whitney, Donald (1947), "On a Test of Whether one of Two Random Variables is Stochastically Larger than the Other", Annals of mathematical Statistics, 18 (1), 50-60. Manstead, Antony S. R. und van Eekelen, Sander A. M. (1998), "Distinguishing Between Perceived Behavioral Control and Self-Efficacy in the Domain of Academic Achievement Intentions and Behaviors", Journal of Applied Psychology, 28 (15), 1375-1392. Marschak, Jacob (1954), "Towards an Economic Theory of Organization and Information", in Decision Processes. Thrall, Robert McDowell; Coombs, Clyde H. und Davis, Robert L. (Hrsg.), New York: Wiley. Martens, Harald (2001), "Reliable and relevant modelling of real world data: a personal account of the developments of PLS Regression", Chemometrics and Intelligent Laboratory Systems, 58 (2), 8595. Martensen, Anne und Grønholdt, Lars (2003), "Improving Library Users' Perceived Quality, Satisfaction and Loyality: An Integrated Measurement and Management System", The Journal of Academic Librarianship, 29 (3), 140-147. Martilla, John A. und James, John C. (1977), "Importance-Performance Analysis", Journal of Marketing, 41 (1), 77-79. Maruyma, Geoffrey (1998), Basics of Structural Equation Modeling. Thousand Oaks. Mayer, John D.; Salovey, Peter und Caruso, David R. (2004), "Emotional Intelligence: Theory, Findings, and Implications", Psychological Inquiry, 15 (3), 197-215. Mayer, Roger C. und Davis, James H. (1999), "The Effect of the Performance Appraisal System on Trust for Management: A Field Quasi-Experiment", Journal of Applied Psychology, 84 (1), 123136. Mayer, Roger C.; Davis, James H. und David, Schoorman; F. (1995), "An Integrative Model of Organizational Trust", Academy of Management Review, 20 (3), 709-734. McCarthy, Edmund Jerome (1960), Basic Marketing: A Managerial Approach. Homewood IL: Irwin. McKinney, Vicki; Yoon, Kanghyun und Zahedi, Fatemeh (2002), "The Measurement of Web-Customer Satisfaction: An Expectation and Disconfirmation Approach", Information Systems Research, 13 (3), 296-315. McKnight, D. Harrison; Cummings, Larry L. und Chervany, Norman L. (1998), "Initial Trust Formation in New Organizational Relationships", Academy of Management Review, 23 (3), 473-490. McKnight, Harrisson D. und Chervany, Norman L. (2002), "What Trust Means in E-Commerce Customer Relationships: An Interdisciplinary Conceptual Typology", International Journal of Electronic Commerce, 6 (2), 35-59. McKnight, Harrisson D.; Choudhury, Vivek und Kacmar, Charles (2002), "Developing and Validating Trust Measures for e-Commerce: An Integrative Typology", Information Systems Research, 13 (3), 334-359. Metzger, Miriam J. (2004), "Privacy, Trust and Disclosure: Exploring Barriers to Electronic Commerce", Journal of Computer-Mediated Communication, 9 (4), 1-24. Meziane, Farid und Kasiran, Mohd Khairudin (2008), "Evaluating trust in electronic commerce: a study based on the information provided on merchants' websites", Journal of the Operational Research Society, 59 (4), 464-472.

310 Milgrom, Paul und Roberts, John (1986), "Price and Advertising Signals of Product Quality", Journal of Political Economy, 94 (4), 796-821. Mill, John Stuart (1848), Principles of political economy with some of their applications to social philosophy. London: Longman, Green, Reader, and Dyer. Milne, George R. und Culnan, Mary J. (2004), "Strategies for Reducing Online Privacy Risks: Why Consumers Read (or Don't Read) Online Privacy Notices", Journal of Interactive Marketing, 18 (3), 15-29. Moe, Wendy W. (2003), "Buying, Searching, or Browsing: Differentiating Between Online Shoppers Using In-Store Navigational Clickstream", Journal of Consumer Psychology, 13 (1/2), 29-39. Moe, Wendy W. und Fader, Peter S. (2004), "Dynamic Conversion Behaviour at E-Commerce Sites", Management Science, 50 (3), 326-335. Moorman, Christine; Deshpandé, Rohit und Zaltman, Gerald (1993), "Factors Affecting Trust in Market Research Relationships", Journal of Marketing, 57 (1), 81-101. Morris, Michael G. und Venkatesh, Viswanath (2000), "Age Differences in Technology Adoption Decisions: Implications for a Changing Workforce", Personnel Psychology, 42 (5), 935-945. Moulder, Bradley C. und Algina, James (2002), "Comparision of Methods for Estimating and Testing Latent Variable Interactions", Structural Equation Modelling, 9 (1), 1-19. Müller, Egon; Näser, Peggy; Ackermann, Jörg und Erdmann, Marc (2008), Management komplexer Materialflüsse mittels Simulation. Wiesbaden: Deutscher Universitäts-Verlag. Müller, Markus (2006), Die Verminderung von asymmetrisch verteilten Informationen im Electronic Commerce: eine Untersuchung des Electronic Commerce unter Berücksichtigung des institutionenökonomischen Ansatzes. Norderstedt: Books on Demand. Müthel, Miriam und Högl, Martin (2007), "Initial Distrust - On the Role of Perceived Dishonesty in International Innovation Teams", Zeitschrift für Betriebswirtschaft (ZfB) - Special Issue 1/2007 (1), 103-124. Nadkarni, Sucheta und Gupta, Reetika (2007), "A Task-Based Model of Perceived Website Complexity", MIS - Quarterly: Management Information Systems, 31 (3), 501-524. Nell, Martin (1999), "Garantien als Signale für die Produktqualität?", Schmalenbachs Zeitschrift für betriebswirtschaftliche Forschung (zfbf), 51 (10), 937-962. Nelson, Phillip (1970), "Information and Consumer Behaviour", Journal of Political Economy, 78 (2), 311-329. Netessine, Serguei; Savin, Sergei und Xiao, Wenqiang (2006), "Revenue Management Through Dynamic Cross Selling in E-Commerce Retailing", Operations Research, 54 (5), 893-913. Neveen, Awad F. und Ragowsky, Arik (2008), "Establishing Trust in Electronic Commerce Through Online Word of Mouth: An Examination Across Genders", Journal of Management Information Systems, 4 (4), 101-121. Ngai, E.W.T. und Wat, F.K.T. (2002), "A Literature Review and Classification of Electronic Commerce Research", Information & Management, 39 (5), 415-429. Nicolai, Alexander und Kieser, Alfred (2002), "Trotz eklatanter Erfolglosigkeit: Die Erfolgsfaktorenforschung weiter auf Erfolgskurs", Die Betriebswirtschaft (DBW), 62 (6), 597-596. Nikolaeva, Ralitza (2007), "The Dynamic Nature of Survival Determinants in e-commerce", Journal of the Academy of Marketing Science, 35 (4), 560-571. Novomind (2006a), "Berichtsband E-Commerce-Trend", Novomind AG - IQ Interactive.

311 Novomind (2006b), "Berichtsband E-Shopping-Trend 2006 - Was Kunden wirklich wollen", Novomind AG - IQ Interactive. Novomind (2007), "Käufertypologien im Internet - Umsatzstimulation durch erfüllte Kaufmotive", Novomind AG - IQ Interactive. Novomind (2008), "Kommunikationskosten im Sales und After-Sales von E-Shops", Novomind AG - IQ Interactive. Novomind und INTERNET WORLD Business (2007), "INTERNET WORLD Business Trendscout 2007", Novomind AG - IQ Interactive in Zusammenarbeit mit INTERNET WORLD Business. Novomind und INTERNET WORLD Business (2008), "INTERNET WORLD Business Trendscout "Technik-Trends bei E-Shops"", Novomind AG - IQ Interactive in Zusammenarbeit mit INTERNET WORLD Business. Nunnally, Jum C. (1967), Psychosometric theory. New York: McGraw Hill. Nunnally, Jum C. (1978), Psychosometric theory (2. Aufl.). New York: McGraw Hill. o. V. (2006a), "European Information Technology Observatory (EITO)", European Economic Interest Grouping (EEIG). o. V. (2006b), "Nielsen/Netratings - Germany, Home and Work", Nielsen. o. V. (2006c), "The State of Retailing Online 2006", Forrester Research. o. V. (2007), "E-Commerce-Umsatz 2008: HDE erwartet 20 Milliarden Euro", (HDE), Hauptverband des Deutschen Einzelhandels, 2008 (16.04.), http://www.einzelhandel.de/servlet/PB/s/117s0cab0rvr31isa6npnpmm7cgwlwra/menu/1077365/index.html. o. V. (2008a), "Akzeptanz von Rabattsystemen", Ipsos. o. V. (2008b), "Das WWW wird 15 Jahre alt." (BITKOM), Bundesverband Informationswirtschaft Telekommunikation und neue Medien e. V. -, 2008 (30.04.), http://www.bitkom.org/51846_51813.aspx. o. V. (2008c), "Deutschen Online-Shoppern ist Sicherheit wesentlich wichtiger als der Produktpreis", VeriSign. o. V. (2008d), "The State of Retailing Online 2008", Forrester Research. o. V. (2009a), "Drei von vier deutschen Haushalten haben Internetzugang - BITKOM Presseinformation", e. V., BITKOM - Bundesverband Informationswirtschaft Telekommunikation und neue Medien, 2009 29.1.), http://www.bitkom.org/files/documents/Presseinfo_BITKOM_Internetversorgung_von_Haushalten_ 08_01_09.pdf. o. V. (2009b), "eResult-Omnibus - Wie lang sollten Startseiten von Online-Shops sein?", eResult. o. V. (2009c), "GfK WebScope zum Kaufverhalten der Deutschen im Internet", Gesellschaft für Konsumforschung. o. V. (2009d), "US Retail E-Commerce Forecast, 2008-2013", eMarketer. o.V. (2009), "Strategie", OTTO, 2009 (23.07.), http://www.otto.com/Strategie.14.0.html. Ockenfels, Axel (2003), "Reputationsmechanismen auf Internet-Marktplattformen", Zeitschrift für Betriebswirtschaft, 73 (3), 295-315. Oliver, Richard L. (1980), "A Cognitive Model for the Antecedents and Consequences of Satisfaction", Journal of Marketing Research, 17 (4), 460-469.

312 Olsen, Gary M. und Olson, Judith S. (2003), "Human-Computer Interaction: Psychological Aspects of the Human Use of Computing", Annual Review of Psychology, 54, 491-516. Opitz, Otto (1990), Mathematik - Lehrbuch für Ökonomen (2. Aufl.). München: Oldenbourg. Opp, Karl-Dieter und Schmidt, Peter (1976), Einführung in die Mehrvariablenanalyse. Reinbek: Rowohlt. Ormerod, Richard (2009), "The history and ideas of critical rationalism: the philosophy of Karl Popper and its implications for OR", Journal of the Operational Research Society, 60 (4), 441-460. Palmer, Jonathan W. (2002), "Web Site Usability, Design, and Performance Metrics", Information Systems Research, 13 (2), 151-167. Pan, Xing; Ratchford, Brian T. und Venkatesh, Shankar (2002), "Can Price Dispersion in OnlineMarkets Be Explained by Differences in E-Tailer Service Quality", Journal of the Academy of Marketing Science, 30 (4), 433-445. Pan, Yue und Zinkhan, George M. (2006), "Exploring the Impact of Online Privacy Disclosures on Consumer Trust", Journal of Retailing, 82 (4), 331-338. Panten, Gregor (2005), Internet-Geschäftsmodell Virtuelle Community: Analyse zentraler Erfolgsfaktoren unter Verwendung des Partial-Least-Squares (PLS)-Ansatzes. Wiesbaden: Deutscher Universitäts-Verlag. Panten, Gregor und Boßow-Thies, Silvia (2007), "Analyse kausaler Wirkungszusammenhänge mit Hilfe von Partial Least Squares (PLS)", in Methodik der empirischen Forschung. Albers, Sönke; Klapper, Daniel; Konradt, Udo; Walter, Achim und Wolf, Joachim (Hrsg.). 2. Aufl., Wiesbaden. Papies, Dominik und Clement, Michel (2007), "Die Theorie des geplanten Verhaltens zur Ermittlung von Konsumentenpräferenzen bei Medieninnovationen", Medienwirtschaft - Sonderheft, 4, 80-92. Parasuraman, A.; Zeithaml, Valarie A. und Malhotra, Arvind (2005), "E-S-QUAL - A Multiple-Item Scale for Assessing Electronic Service Quality", Journal of Service Research, 7 (3), 213-233. Park, Do-Hyung; Lee, Jumin und Han, Ingoo (2007), "The Effect of On-Line Consumer Reviews on Consumer Purchasing Intention: The Moderating Role of Involvement", International Journal of Electronic Commerce, 11 (4), 125-148. Patrick, Vanessa M. und Park, C. Whan (2006), "Paying before consuming: Examining the robustness of consumers' preference for prepayment", Journal of Retailing, 82 (2), 165-175. Pavlou, Paul A. (2003), "Consumer Acceptance of Electronic Commerce: Integrating Trust and Risk with the Technology Acceptance Model", International Journal of Electronic Commerce, 7 (3), 101134. Pavlou, Paul A. und Fygenson, Mendel (2006), "Understanding and Predicting Electronic Commerce Adoption: An Extension of the Theory of Planned Behavior", MIS - Quarterly: Management Information Systems, 30 (1), 115-143. Pavlou, Paul A. und Gefen, David (2004), "Building Effective Online Marketplaces with InstitutionBased Trust", Information Systems Research, 15 (1), 37-59. Pavlou, Paul A.; Liang, Huigang und Xue, Yajiong (2007), "Understanding and Mitigating Uncertainty in Online Exchange Relationships: A Principal-Agent Perspective", MIS - Quarterly: Management Information Systems, 31 (1), 105-136. Peck, Joann und Childers, Terry L. (2003), "To Have and To Hold: The Influence of Haptic Information on Product Judgements", Journal of Marketing, 67 (1), 35-48.

313 Perridon, Louis und Steiner, Manfred (2007), Finanzwirtschaft der Unternehmung (14. Aufl.). München: Vahlen. Peterson, Robert A.; Balasubramanian, Sridhar und Bronnenberg, Bart J. (1997), "Exploring the Implications of the Internet for Consumer Marketing", Journal of the Academy of Marketing Science, 25 (4), 329-346. Petter, Stacie; Straub, Detmar W. und Arun, Rai (2007), "Specifiying Formative Constructs in Information System Research", MIS - Quarterly: Management Information Systems, 31 (4), 623-656. Ping, Robert A. (2009), "Interactions May Be the Rule Rather than the Exception, but...: A Note on Issues in Estimating Interactions in Theoretical Model Tests", in American Marketing Association Summer Educators' Conference 2008 (San Diego): Enhancing Knowledge Development in Marketing, San Diego: Curran Associates. Podsakoff, Philip M.; MacKenzie, Scott B.; Lee, Jeong-Yeon und Podsakoff, Nathan P. (2003), "Common Method Biases in Behavioral Research: A Critical Review of the Literature and Recommended Remedies", Journal of Applied Psychology, 88 (5), 879-903. Popper, Karl (1935), Logik der Forschung. Wien: Springer. Porter, Michael E. (1980), Competitive Strategy. New York: The Free Press. Posselt, Thorsten und Gerstner, Eitan (2005), "Pre-Sale vs. Post-Sale e-Satisfaction: Impact on Repurchase Intention and Overall Satisfaction", Journal of Interactive Marketing, 19 (4), 35-47. Povey, Rachel; Conner, Mark; Sparks, Paul; James, Rhiannon und Shepherd, Richard (2000), "Application of the Theory of Planned Behaviour to two Dietary Behaviours: Roles of Perceived Control and Self-Effiacy", British Journal of Health Psychology, 5 (2), 121-139. Raab, Peter und Siegl, Markus (2007), "Nutzung von Kundendaten zur Minimierung des Forderungsausfallrisikos im Distanzhandel", Wirtschaftsinformatik, 49 (1), 34-41. Ramseier von Trub, Erich (2004), Motivation als Ergebnis und als Determinante schulischen Lernens. Zürich. Ramsey, Jase; Punnett, Betty Jane und Greenidge, Dion (2008), "A Social Psychological Account of Absenteeism in Barbados", Human Resource Management Journal, 18 (2), 97-177. Ranganathan, Chandrasekaran und Grandon, Elizabeth (2002), "An Exploratory Examination of Factores Affecting Online Sales", Journal of Computer Information Systems, 42 (3), 87-93. Rao, Akshay R. und Monroe, Kent B. (1996), "Causes and Consequences of Price Premiums", Journal of Business, 64 (4), 511-536. Rao, Akshay R.; Qu, Lu und Rueckert, Robert W. (1999), "Signaling Unobservable Quality Through a Brand Ally", Journal of Marketing Research, 36 (2), 258-268. Rasch, Björn; Hofmann, Wilhelm; Friese, Malte und Naumann, Ewald (2006), Quantitative Methoden (2. Aufl.). Berlin, Heidelberg: Springer. Ravichandran, Thiagarajan und Lertwongsatien, Chalermsak (2005), "Effect of Information Systems Resources and Capabilities on Firm Performance: A Resource-Based Perspective", Journal of Management Information Systems, 21 (4), 237-279. Reichheld, Frederick F. und Schefter, Phil (2000), "E-Loyalty", Harvard Business Review, 78 (4), 105113. Reimer, Kerstin (2007), "Bootstrapping und andere Resampling-Methoden", in Methodik der empirischen Forschung. Albers, Sönke; Klapper, Daniel; Konradt, Udo; Walter, Achim und Wolf, Joachim (Hrsg.). 2. Aufl., Wiesbaden.

314 Reimers, U (2002), "Online: Was ist technisch möglich", Media Perspektiven, 22 (3), 132-134. Rempel, John K.; Holmes, John G. und Zanna, Mark P. (1985), "Trust in Close Relationships", Journal of Personality and Social Psychology, 49 (1), 95-112. Ring, Peter Smith und Van De Ven, Andrew H. (1994), "Developmental Processes of Cooperative Interorganizational Relationships", Academy of Management Review, 19 (1), 90-118. Ringle, Christian M. (2004a), Kooperationen in Virtuellen Unternehmungen. Wiesbaden: Deutscher Universitäts-Verlag. Ringle, Christian M. (2004b), "Messung von Kausalmodellen: Ein Methodenvergleich", Arbeitspapiere Institut für Industriebetriebslehre und Organisation - Universität Hamburg (16). Ringle, Christian M. (2008), "Persönliches Gespräch mit Dennis Ahrholdt - SmartPLS und Konvergenzprobleme." Hamburg. Ringle, Christian M. und Schlittgen, Rainer (2007), "A Genetic Algorithm Segmentation Approach for Uncovering and Separating Groups of Data in PLS Path Modeling", PLS'07: 5th International Symposium on PLS and Related Methods, 75-78. Ringle, Christian M. und Spreen, Florentine (2007), "Beurteilung der Ergebnisse von PLSPfadanalysen", WISU - Das Wirtschaftsstudium, 36 (2), 211-216. Ringle, Christian M.; Squillacciotti, Silvia und Trinchera, Laura (2007), "A Study on Methods for Capturing and Treating Heterogenity in PLS Path Models by Unit Segmentation: FIMIX-PLS, PLSTPM and REBUS-PLS", PLS'07: 5th International Symposium on PLS and Related Methods, 136139. Ringle, Christian M.; Wende, Sven und Will, Alexander (2005), "Computerprogramm SmartPLS 2.0." Ringle, Christian M.; Wende, Sven und Will, Alexander (2009), "Finite Mixture Partial Least Squares Analysis: Methodology and Numerical Examples", in Handbook of Partial Least Squares: Concepts, Methods and Applications in Marketing and Related Fields. Esposito Vinzi, Vincenzo; Chin, Wynne W.; Henseler, Jörg und Wang, Huiwen (Hrsg.), Berlin: Springer (im Erscheinen). Rippberger, Tanja (2003), Ökonomik des Vertrauens (2. Aufl.). Tübingen: Mohr Siebeck. Rogers, Everett M. (1962), Diffusion of Innovations. New York: The Free Press. Römer, Sylvie und Tscheulin, Dieter K. (2008), "Die Bedeutung von Vertrauen in risikoreichen Kooperationsentscheidungen - Analyse der theoretischen Grundlage und empirische Überprüfung", Schmalenbachs Zeitschrift für betriebswirtschaftliche Forschung (zfbf), 60 (8), 434-458. Rossiter, John R. (2002), "The C-OAR-SE Procedure for Scale Development in Marketing", International Journal of Research in Marketing, 19 (4), 305-335. Rotfeld, Herbert J. und Rotzoll, Kim B. (1976), "Advertising and Product Quality: Are Heavily Advertised Products Better?", Journal of Consumer Affairs, 10 (1), 33-47. Rotter, Julian B. (1981), "Vertrauen. Das kleinere Risiko", Psychologie heute, 8 (3), 23-29. Rousseau, Denise M.; Sitkin, Sim B.; Burt, Ronald S. und Camerer, Colin (1998), "Not So Different After All: A Cross-Discipline View Of Trust", Academy of Management Review, 23 (3), 393-404. Sackmann, Stefan (2007), ""Privacy" im World Wide Web", Wirtschaftsinformatik, 49 (1), 49-54. Saeed, Khawaja A.; Hwang, Yujong und Grover, Varun (2002/03), "Investigating the Impact of Web Site Value and Advertising on Firm Performance in Electronic Commerce", International Journal of Electronic Commerce, 7 (2), 119-141.

315 Salim, Moussa. und Touzani, Mourad (2008), "The Perceived Credibility of Quality Labels: a Scale Validation with Refinement", International Journal of Consumer Studies, 32 (5), 526-533. Salsburg, David (2002), The lady tasting tea: how statistics revolutionized science in the twentieth century. New York, NY: Holt. Sambamurthy, Vallabh und Chin, Wynne W. (1994), "The Effects of Group Attitudes Towards Alternative GDSS Designs on Decision-making Performance of Computer-Supported Groups", Decision Sciences, 25 (2), 215-242. San Martín, Sonia und Camarero, Carmen (2005), "Consumer Reactions to Firm Signals in Asymmetric Relationships", Journal of Service Research, 8 (1), 79-97. Sattler, Henrik und Völckner, Franziska (2007), Markenpolitik (2. Aufl.). München: Kohlhammer. Schlenker, Barry R.; Helm, Robert und Tedeschi, James T. (1973), "The Effects of Personality and Situational Variables of Behavioral Trust", Journal of Personality and Social Psychology, 25 (3), 419-427. Schlittgen, Rainer (2003), Einführung in die Statistik - Analyse und Modellierung von Daten (10. Aufl.). München: Oldenbourg. Schlittgen, Rainer (2008), Einführung in die Statistik - Analyse und Modellierung von Daten (11. Aufl.). München: Oldenbourg. Schlosser, Ann E.; Barnett White, Tiffany und Lloyd, Susan M. (2006), "Converting Web Site Visitors into Buyers: How Web Site Investments Increases Consumer Trusting Beliefs and Online Purchase Intentions", Journal of Marketing, 70 (2), 133-148. Schmitt, Neal (1996), "Uses and Abuses of Coefficient Alpha", Psychological Assessment, 8 (4), 350353. Schneider, Dieter (2001), Betriebswirtschaftslehre, Band 4: Geschichte und Methoden der Wirtschaftswissenschaft. München: Oldenbourg. Schneider, Holger (2007), "Nachweis und Behandlung von Multikollinearität", in Methodik der empirischen Forschung. Albers, Sönke; Klapper, Daniel; Konradt, Udo; Walter, Achim und Wolf, Joachim (Hrsg.). 2. Aufl., Wiesbaden: Gabler. Schnell, Rainer; Hill, Paul B. und Esser, Elke (2008), Methoden der empirischen Sozialforschung. München: Oldenbourg. Schneller, Johannes (2008), "Allensbacher Computer- und Technik-Analyse 2008 - Internetinduzierte Veränderungen von Kaufentscheidungen und Kaufverhalten", Institut für Demoskopie Allensbach, 2009 (09.03.), http://www.acta-online.de/praesentationen/acta_2008/acta_2008_Internetind%2390DF7.pdf Scholderer, Joachim und Balderjahn, Ingo (2005), "PLS versus LISREL: Ein Methodenvergleich", in Handbuch PLS-Pfadmodellierung: Methode, Anwendung, Praxisbeispiele. Bliemel, Friedhelm; Eggert, Andreas; Fassott, Georg und Henseler, Jörg (Hrsg.), Stuttgart: Schäffer-Poeschel. Scholderer, Joachim und Balderjahn, Ingo (2006), "Was unterscheidet harte und weiche Strukturgleichungsmodelle nun wirklich? - Ein Klärungsversuch zur LISREL-PLS-Frage", Marketing - Zeitschrift für Forschung und Praxis, 28 (1), 57-70. Scholderer, Joachim; Balderjahn, Ingo und Paulssen, Marcel (2006), "Kausalität, Linearität, Reliabilität: Drei Dinge, die Sie nie über Strukturgleichungsmodelle wissen wollten", Die Betriebswirtschaft (DBW), 66 (6), 640-649. Schoorman, F. David; Mayer, Roger C. und Davis, James H. (1996), "Empowerment in Veterinary Clinics: The Role of Trust in Delegation," in 11th annual meeting of the Society for Industrial and Organizational Psychology. San Diego.

316 Schoorman, F. David; Mayer, Roger C. und Davis, James H. (2007), "An Integrative Model of Organizational Trust: Past, Present, and Future", Academy of Management Review, 32 (2), 344-354. Schramm, Wilbur (1954), "How Communication Works", in The Process and Effects of Mass Communication. Schramm, Wilbur (Hrsg.), Urbana: University of Illinois Press. Schröder, Hendrik und Zaharia, Silvia (2006), "Kaufmotive und Nutzungsverhalten von Kunden in einem Mehrkanalsystem des Einzelhandels", Betriebswirtschaftliche Forschung und Praxis (BFuP), 58 (1), 77-93. Schubert, Petra; Selz, Dorian und Haertsch, Patrick (2003), Digital erfolgreich - Fallstudien zu strategischen E-Business Konzepten (2. Aufl.). Berlin: Springer. Schultz, Carsten (2006), Management hochwertiger Dienstleistungen. Wiesbaden: Deutscher Universitäts-Verlag. Schumacker, Randall E. (2002), "Latent Variable Interaction Modeling", Structural Equation Modelling, 9 (2), 40-54. Schumann, Matthias; Hess, Thomas und Anding, Markus (2001), "Elektronischer Handel mit Videos in Deutschland", Gutachten im Auftrag des Büros für Technologiefolgeabschätzung (TAB) des Deutschen Bundestages, Büro für Technologiefolgeabschätzung (TAB) des Deutschen Bundestages. Seltin, N. und Keeves, John P. (1994), "Path Analysis with Latent Variables", in International Encyclopedia of Education. Husen, Torsten und Postlethwaite, Neville (Hrsg.), Oxford. Shah, Rachna und Meyer Goldstein, Susan (2006), "Use of structural equation modeling in operations management research: Looking back and forward", Journal of Operations Management, 24 (2), 148-169. Shannon, Claude Edward (1948a), "A Mathematical Theory of Communication", The Bell System Technical Journal, 27 (7), 379-423. Shannon, Claude Edward (1948b), "A Mathematical Theory of Communication", The Bell System Technical Journal, 27 (10), 623-656. Shapiro, Carl und Varian, Hal R. (1999), Information rules: A Strategic Guide to the Network Economy: Boston, Mass.: Harvard Business School Press, 1999. Shapiro, Susan P. (1987), "The Social Control of Impersonal Trust", American Journal of Sociology, 93 (3), 623-658. Shim, J.P.; Shin, Yong B. und Nottingham, Linda (2002), "Retailer Web Site Influence on Customer Shopping: An Exploratory Study on Key Factors of Customer Satisfaction", Journal of the Association for Information Systems, 3, 53-76. Simon, Herbert (1959), "Theories of Decision Making in Economics and Behavioral Science", The American Economic Review, 49 (3), 253-283. Simon, Herbert (2008), "Betriebswirtschaftliche Wissenschaft und Unternehmenspraxis", Schmalenbachs Zeitschrift für betriebswirtschaftliche Forschung (zfbf), 60 (1), 73-93. Simon, Herman (2003), "E-Business - Quo Vadis?", Zeitschrift für Betriebswirtschaft (Ergänzungsheft 1 - Die Zukunft des Electronic Business), 1-16. Sismeiro, Catarina und Bucklin, Randolph E. (2004), "Modelling Purchase Behaviour at E-Commerce Web-Site: A Task-Completion Approach", Journal of Marketing Research, 41 (3), 306-323. Sivaramakrishnan, Subramanian; Wan, Fang und Tang, Zaiyong (2007), "Giving an "E-Human Touch" to E-Tailing: The Moderating Roles of Static Information Quantity and Consumption Motive in the

317 Effectiveness of an Anthropomorphic Information Agent", Journal of Interactive Marketing, 21 (1), 60-75. Six, Bernd und Eckes, Thomas (1996), "Metaanalysen in der Einstellungs-Verhaltens-Forschung", Zeitschrift für Sozialpsychologie, 27 (1), 7-17. Slack, Nigel (1994), "The Importance-Performance Matrix as a Determinant of Improvement Priority", International Journal of Operations & Production Management, 14 (5), 59-75. Smith, Michael D. (2002), "The Impact of Shopbots on Electronic Markets", Journal of the Academy of Marketing Science, 30 (4), 446-454. Sobel, Matthew J. (1982), "Asymptotic Confidence Intervals for Indirect Effects in Structural Equation Models", in Sociological Methodology. Leinhard, Samuel (Hrsg.), San Francisco: Jossey-Bass. Sobermann, David A. (2003), "Simultaneous Signaling and Screening with Warranties", Journal of Marketing Research, 40 (2), 176-192. Song, Jaeki und Zahedi, Fatemeh (2005), "A Theoretical Approach to Web Design in E-Commerce: A Belief Reinforcement Model", Management Science, 51 (8), 1219-1235. Spector, Paul E. (1992), Summated Rating Scale Construction: An Introduction. Newbury Park. Spence, A. Michael (1973), "Job Market Signaling", Quarterly Journal of Economics, 87 (3), 355-374. Spence, A. Michael (1974), Market Signaling: Informational Transfer in Hiring and Related Screening Process. Cambridge. Spence, A. Michael (1976), "Informational Aspects of Market Structure: An Introduction", Quarterly Journal of Economics, 90 (4), 591-597. Spreen, Florentine (2009), Determinanten der Nutzerzufriedenheit mit journalistischem Paid Content im WWW - Eine empirische Analyse anhand des Partial Least Squares-Verfahren. Hamburg: Dr. Kova. Springer, Thomas (2008), "Zertifizierte Unsicherheit - Schwache OpenSSL-Schlüssel gefährden Online-Transaktionen", c't magazin für computer und technik (13), 51. Srinivasan, Srini S.; Anderson, Rolph und Ponnavolu, Kishore (2002), "Customer loyalty in ecommerce: an exploration of its antecedents and consequences", Journal of Retailing, 78 (1), 4150. Srnka, Katharina J. (2007), "Integration qualitativer und quantitativer Forschungsmethoden", Marketing - Zeitschrift für Forschung und Praxis, 29 (4), 247-260. Stahl, Ernst; Breitschaft, Markus; Krabichler, Thomas und Wittmann, Georg (2008), Erfolgsfaktor Payment - Der Einfluss der Zahlungsverfahren auf Ihren Umsatz. Regensburg. Stegmüller, Wolfgang (1972), Das Wahrheitsproblem und die Idee der Semantik (2. Aufl.). Wien: Springer. Steiner, David L. (2003), "Starting at the Beginning: An Introduction to Coefficient Alpha and Internal Consistency", Journal of Personality Assessment, 80 (1), 99-103. Stiglitz, Joseph E. (1974), "Information and Economic Analysis", in Current Economic Problems. Parkin, Michael und Nobay, Avelino R. (Hrsg.), London. Stone, M (1976), "Corrigenda: Cross-Validatory Choice and Assessment of Statistical Predictions", Journal of the Royal Statistical Society. Series B (Methodological), 38 (1), 102. Stone, M. (1974), "Cross-Validatory Choice and Assessment of Statistical Predictions", Journal of the Royal Statistical Society. Series B (Methodological), 36 (2), 111-147.

318 Streukens, Sandra; Wetzels, Martin und Daryanto, Ahmad (2009), "Using PLS to Investigate Interaction Effects Between Higher Order Branding Constructs", in Handbook of Partial Least Squares. Concepts, Methods and Applications in Marketing and Related Areas. Esposito Vinzi, Vincenzo; Chin, Wynne W.; Henseler, Jörg und Wang, Huiwen (Hrsg.), Heidelberg: Springer (im Erscheinen). Su, Bu-chiuan (2007), "Consumer E-Tailer Choice Strategies at On-Line Shopping Comparision Sites", International Journal of Electronic Commerce, 11 (3), 135-159. Su, Xuanming und Zhang, Fuqiang (2009), "On the Value of Commitment and Availability Gurantees When Selling to Strategic Consumers", Management Science, 55 (5), 713-726. Suh, Bomil und Han, Ingoo (2003), "The Impact of Customer Trust and Perception of Security Control on the Acceptance of Electronic Commerce", International Journal of Electronic Commerce, 7 (3), 135-161. Sun, Baohong (2006), "Dynamic Structural Consumer Models and Current Marketing Issues", Marketing Science, 25 (6), 625-628. Tang, Zhulei; Hu, Yu und Smith, Michael D. (2008), "Gaining Trust Through Online-Privacy Protection: Self-Regualtion, Mandatory Standards, or Caveat Emptor", Journal of Management Information Systems, 24 (4), 153-173. Temme, Dirk und Hildebrandt, Lutz (2009), "Gruppenvergleiche bei hypothetischen Konstrukten - Die Prüfung der Übereinstimmung von Messmodellen mit der Strukturgleichungsmethodik", Schmalenbachs Zeitschrift für Betriebswirtschaftliche Forschung (zfbf), 61 (3), 138-185. Temme, Dirk und Kreis, Henning (2005), "Der PLS-Ansatz zur Schätzung von Strukturgleichungsmodellen mit latenten Variablen: ein Softwareüberblick", in Handbuch PLSPfadmodellierung:Methoden, Anwendung, Praxisbeispiele. Bliemel, Friedhelm; Eggert, Andreas; Fassott, Georg und Henseler, Jörg (Hrsg.), Stuttgart. Tenenhaus, Michel; Esposito Vinzi, Vincenzo; Chatelin, Yves-Marie und Lauro, Carlo (2005), "PLS path modeling", Computational Statistics & Data Analysis, 48 (1), 159-205. Tenenhaus, Michel und Naes, Tormod (2001), "Editorial", Chemometrics and Intelligent Laboratory Systems, 58 (2), 75. Tewes, Gunar (2008), Signalingstrategien im Stakeholdermanagement. Wiesbaden: Gabler. Thiel, Norbert (1998), Einführung in die Schließende Statistik. Dollern: wissPUB Verlag. Thompson, Ronald L.; Higgins, Christopher A. und Howell, Jane M. (1991), "Personal Computing: Toward a Conceptual Model of Utilization", MIS - Quarterly: Management Information Systems, 15 (1), 124-143. Tolle, Elisabeth (1994), "Informationsökonomische Erkenntnisse für das Marketing bei Qualitätsunsicherheit der Konsumenten", Schmalenbachs Zeitschrift für betriebswirtschaftliche Forschung (zfbf), 46 (11), 926-938. Torkzadeh, Gholamreza und Dhillon, Gurpreet (2002), "Measuring Factors that Influence the Success of Internet Commerce", Information Systems Research, 13 (2), 187-204. Triandis, Harry C. (1977), Interpersonal Behavior. Monterey: Brooks / Cole. Trommsdorff, Volker (2004), Konsumentenverhalten (6. Aufl.). Stuttgart: Kohlhammer. Urban, Dieter und Mayerl, Jochen (2008), Regressionsanalyse: Theorie, Technik und Anwendung. Wiesbaden: VS Verlag.

319 Urban, Glen L.; Hauser, John R.; Qualls, William J.; Weinberg, Bruce D.; Bohlmann, Jonathan D. und Chicos, Roberta A. (1997), "Information Acceleration: Validation and Lessons from the Field", Journal of Marketing Research, 34 (1), 143-153. Vallerand, Robert J. (1997), "Toward a Hierarchical Model of Intrinsic and Extrinsic Motivation", Advances in Experimental Social Psychology, 29, 271-360. van Baal, Sebastian (2006), "Informationsquellen der Onlineshopper bei der Vorbereitung von Käufen im Internet und im stationären Handel", in Handelsforschung 2006. Trommsdorff, Volker (Hrsg.): Kohlhammer. van der Pligt, Joopt und Eiser, J. Richard (1984), "Dimensional salience, judgement and attitudes", in Attitudinal Judgment. Eiser, J. Richard (Hrsg.), New York: Springer. Vance, Anthony; Elie-Dit-Cosaque, Christophe und Straub, Detmar W. (2008), "Examining Trust in Information Technology Artifacts: The Effects of System Quality and Culture", Journal of Management Information Systems, 24 (4), 73-100. Varian, Hal R. (2007), Grundzüge der Mikroökonomik (7. Aufl.). München: Oldenbourg. Venkatesh, Viswanath und Agarwal, Ritu (2006), "Turning Visitors into Customers: A Usability-Centric Perspective on Purchase Behaviour in Electronic Channels", Management Science, 52 (3), 367382. Venkatesh, Viswanath; Morris, Michael G.; Davis, Gordon B. und Davis, Fred D. (2003), "User Acceptance of Information Technology: Toward a Unified View", MIS - Quarterly: Management Information Systems, 27 (3), 425-478. Venkatesh, Viswanath und Ramesh, V. (2006), "Web and Wireless Site Usability: Understanding Differences and Modeling Use", MIS - Quarterly: Management Information Systems, 30 (1), 181-206. Verhoef, Peter C.; Neslin, Scott A. und Vroomen, Björn (2007), "Multichannel customer management: Understanding the research-shopper phenomenon", International Journal of Research in Marketing, 24 (2), 129-148. Völckner, Franziska (2003), Neuprodukterfolg bei kurzlebigen Konsumgütern: eine empirische Analyse der Erfolgsfaktoren von Markentransfers. Wiesbaden: Deutscher Universitäts-Verlag. Wang, Liz C.; Baker, Julie; Wagner, Judy A. und Wakefield, Kirk (2007), "Can a Retail Web Site Be Social", Journal of Marketing, 71 (3), 143-157. Wang, Sijun; Beatty, Sharon E. und Fox, William (2004), "Signaling the Trustworthiness of Small Online Retailers", Journal of Interactive Marketing, 18 (1), 53-69. Weathers, Danny und Makienko, Igor (2006), "Assessing the Relationships Between e-Tail Success and Product and Web Site Factors", Journal of Interactive Marketing, 20 (2), 41-54. Wedel, Michel und Kamakura, Wagner (2000), Market Segmentation - Conceptual and Methodological Foundations. Norwell, Dordrecht: Springer. Weiber, Rolf und Adler, Jost (1995), "Der Einsatz von Unsicherheitsreduktionsstrategien im Kaufprozeß: Eine informationsökonomische Analyse", Schmalenbachs Zeitschrift für Betriebswirtschaftliche Forschung - Sonderheft "Kontrakte, Geschäftsbeziehungen, Netzwerke" (35), 61-77. Wendel, Thomas (2009), "Ein Weg aus der Glasfaserfalle", Financial Times Deutschland (26.01.). Whittle, Peter (1992), "Obituary: Professor Herman Wold", Journal of the Royal Statistical Society. Series A, 155 (3), 466-469. Wiener, Joshua L. (1985), "Are Warranties Accurate Signals of Product Reliability", Journal of Consumer Research, 12 (2), 245-250.

320 Wiswede, Günter (2000), Einführung in die Wirtschaftspsychologie (3. Aufl.). München, Basel: Reinhardt. Witte, Eberhard (1981), "Nutzungsanspruch und Nutzungsvielfalt", in Der praktische Nutzen empirischer Forschung. Witte, Eberhard (Hrsg.), Tübingen: Mohr Siebeck. Wittmann, Waldemar (1959), Unternehmung und unvollkommene Information. Köln: Westdeutscher Verlag. Wold, Herman Ole Andreas (1960), "A Generalization of Causal Chain Models", Econometrica, 28 (2), 443-463. Wold, Herman Ole Andreas (1966a), "Estimation of principal components and related models by iterative least squares", in Multivariate Analysis. Krishnaiah, P.R. (Hrsg.), New York: Academic Press. Wold, Herman Ole Andreas (1966b), "Nonlinear estimation by iterative least squares procedures", in Research Papers in statistics: Festschrift für J.Neymann. David, F.N. (Hrsg.), London. Wold, Herman Ole Andreas (1973), "Non-linear iterative partial least squares (NIPALS) modelling. Some current developments", in Multivariate Analysis Vol. III. Krishnaiah, P.R. (Hrsg.), New York: Academic Press. Wold, Herman Ole Andreas (1979), "Model construction and evaluation when theoretical knowledge is scarce: An example of the use of partial least squares", Cahiers du Département D' Économétrie. Geneva, Switzerland: Faculté des Sciences Économiques et Sociales, Université Genéve. Wold, Herman Ole Andreas (1980), "Model Construction and Evaluation when Theoretical Knowledge is Scarce: Theory and Aplication of PLS", in Evaluation of Econometric Models. Kmenta, Jan und Ramsey, James B. (Hrsg.), New York. Wold, Herman Ole Andreas (1982a), "Models for knowledge", in The making of statisticans, London: Gani, Joe. Wold, Herman Ole Andreas (1982b), "Soft modeling: the basic design and some extensions", in Systems under indirect observations: Causality, structure, prediction (Part 2), Amsterdam: Jöreskog, Karl.G. und Wold, Herman Ole Andreas. Wold, Svante (2001), "Personal memories of the early PLS development", Chemometrics and Intelligent Laboratory Systems, 58 (2), 83-84. Wolfinbarger, Mary und Gilly, Mary C. (2001), "Shopping Online for Freedom, Control, and Fun", California Management Review, 43 (2), 34-55. Wolfinbarger, Mary und Gilly, Mary C. (2003), "eTailQ: dimensionalizing, measuring and predicting etail quality", Journal of Retailing, 79 (3), 183-198. Yadav, Manjit S. und Varadarajan, P. Rajan (2005), "Understanding Product Migration to the Electronic Marketplace: A Conceptual Framework", Journal of Retailing, 81 (2), 125-140. Yakov, Bart; Venkatesh, Shankar; Fareena, Sultan und Urban, Glen L. (2005), "Are the Drivers and Role of Online Trust the Same for All Web Sites and Consumers? A Large-Scale Exploratory Empirical Study", Journal of Marketing, 69 (4), 133-152. Yang, Zhilin und Jun, Minjoon (2002), "Consumer Perception of e-Service Quality: From Internet Purchaser And Non-Purchaser Perspective", Journal of Business Strategies, 19 (1), 19-41. Yao, Mike Z. (2006), Predicting the Adoption of Self-Protections of Online Privacy: A Test of an Expanded Theory of Planned Behavior Model. Santa Barbara. Yen, Hsiu und Ju, Rebecca (2006), "Risk-Reducing Signals for New Online Retailers: A Study of Single and Multiple Signalling Effects", International Journal of Internet Marketing and Advertising, 3 (4), 299-317.

321 Yoon, Sung-Joon (2002), "The Antecedents and Consequences of Trust in Online-Purchase Decisions", Journal of Interactive Marketing, 16 (2), 47-63. Zeithaml, Valarie A.; Parasuraman, A. und Malhotra, Arvind (2002), "Service Quality Delivery through Web Sites: A Critical Review of Extant Knowledge", Journal of the Academy of Marketing Science, 30 (4), 362-375. Zentes, Joachim und Swobada, Bernhard (2000), "Auswirkungen des Electronic Commerce auf den Handel", Die Betriebswirtschaft (DBW), 60 (6), 687-706. Zhiping, Walter; Gupta, Alok und Su, Bu-chiuan (2006), "The Sources of On-Line Price Dispersion Across Product Types: An Integrative View of On-Line Search Costs and Price Premiums", International Journal of Electronic Commerce, 11 (1), 37-62. Zimmermann, Donald W.; Zumbo, Bruno D. und Lalonde, Coralie (1993), "Coefficient Alpha as an Estimate of Test Reliability under Violation of Two Assumptions", Educational and Psychological Measurement, 53 (1), 33-49.