Global Science Organisation

Unsere Kunden benötigen transformative Erkenntnisse. Sie brauchen ebenso Klarheit über ihre komplexen Herausforderungen, über die wahren Unterschiede der Dienstleistungen, die sie erhalten und über die wirkliche Relevanz der Daten, die sie nutzen. Ipsos unterstützt sie mit innovativen Lösungen, die auf den neuesten wissenschaftlichen Erkenntnissen basieren. Mit der Etablierung der Global Science Organisation (GSO), arbeiten wir mit führenden Wissenschaftler:innen und universitären Programmen zusammen, um wahres Wissen und bahnbrechende Forschung zu nutzen – operationalisiert für alle Ipsos Services.

Data Science, Artificial Intelligence, Behavioral Science und Neuroscience

Die Globale Science Organisation (GSO) deckt alle Forschungsbereiche ab, die für die Phänomene relevant sind, die wir für unsere Kunden untersuchen. Die GSO folgt einem einzigartigen dualen Prozess innerhalb von Ipsos: zunächst identifizieren wir die neuesten wissenschaftlichen Entwicklungen und ordnen diese unabhängig von den Lösungen unseren Service Lines zu. Dabei zeigen wir eine zukunftsgerichtete Perspektive für unser Angebot auf. Im zweiten Schritt des Prozesses geht es um die Validierung der wissenschaftlichen Prinzipien und ihrer Genauigkeit in der Anwendung für unsere global genutzten Lösungen.

Partnerschaften mit führenden akademischen Institutionen und anerkannten, für Ipsos tätigen Akademiker:innenn, bilden den Rahmen für die theoretischen Grundlagen unserer wissenschaftlichen Entwicklungen. Diese werden dann in realen Anwendungsfällen empirisch validiert, bevor sie in unsere Lösungen integriert werden. Unsere Science-Mitarbeiter:innen unterstützen alle Ipsos Service Lines, um eine wissenschaftlich genaue und konsistente Anwendung sicherzustellen. Diese einzigartige Kombination aus akademisch basiertem Wissensaufbau, empirischer Validierung und Unterstützung durch die Science Organisation erlaubt Ipsos, weltweit skalierbare und wissenschaftlich verankerte Lösungen zu liefern.

Wie das konkret aussieht, möchten wir anhand einiger Beispiele verdeutlichen, bei denen meist Elemente aus mehreren der oben genannten Disziplinen Anwendung finden:

DUEL – Spielerische Identifikation optimaler Konzepte

Bei unserem Tool „DUEL“ verbinden wir Data Science Methoden aus dem Bereich der Präferenzmessung (Befragte wählen die attraktivere aus zwei Alternativen), Neuroscience (Messen von impliziten Reaktionszeiten (IRT) bei der Entscheidung für Alternativen) und Behavioral Sciences: in die Analyse geht nicht nur ein, was gewählt wurde, sondern auch wie schnell – also intuitiv – die Alternative gewählt wurde. Das Was beantwortet also das eher rationale Wahlverhalten – oder System 2. Die Analyse der Konzepte oder bestimmter Konzeptbestandteile, die zu sehr spontanen Wahlen führen, beantworten, was emotional attraktiv ist – oder System 1.

Artificial Intelligence in der Text-Analyse

Algorithmen der künstlichen Intelligenz finden seit Langem Anwendung in der Text-Analyse (Stichwort Natural Language Processing). Die Algorithmen werden auf unterschiedlichen Wegen trainiert und sind dann in der Lage, sehr schnell grosse Mengen von Text zuverlässig zu Klassifizieren – nach Themenbereichen, zu denen Aussagen getroffen werden, aber auch nach der Konnotation der Texte (positiv, negativ, neutral). Aktuell entwickeln wir einen Ansatz, der mittels der Anwendung künstlicher neuronaler Netze erlaubt, auf die Text-Antworten von Befragten innerhalb eines Interviews zu reagieren, um dann gezielte Nachfragen anhand identifizierter Ausdrücke zu stellen.

IPSOS Pricing – Verbindung von State-of-the-Art Choice Modeling und Behavioral Sciences

Basierend auf Theorien aus den Behavioral Sciences haben wir in der Preisforschung auf der Basis auswahlbasierter Conjoints ein Modell entwickelt, das sowohl das individuelle Konsumentenverhalten (Stichworte Schnäppchenjäger und habitualisierte Käufer) in die Modellierung eingehen lässt, als auch in der Preismodellierung einen Ansatz aus der sozial-psychologischen Theorie (Assimilation-Contrast Theory) nutzt, um realistisch und punktgenau Schwelleneffekte zu modellieren. Damit können wir in den Modellen sehr genau zwischen Basis- und Schwellenelastizitäten differenzieren, was unseren Kunden die optimale Ausgestaltung ihres Pricings ermöglicht – sowohl im Hinblick auf die Verhaltensstruktur ihrer Käufer als auch auf die Identifikation von „Sweetspots“ profitabler Preise.
 

ILO: Gezielt Bedürfnisse erfüllen, statt nur „Qual der Wahl“

Ipsos Line Optimizer ermittelt, welche Neuprodukte bestehende Marktlücken am besten füllen bzw. wo eine Reduktion des Produktportfolios zu empfehlen ist.
Die Entwicklung von Neuprodukten geht oft mit hohen Kosten einher. Und gerade bei FMCG-Gütern, aber auch bei vielen Durables sind Regalplätze hart umkämpft, sodass unattraktive Alternativen teils auch vor Amortisation aus dem Handel genommen werden müssen. Um resultierende Verluste für Hersteller und Handel zu vermeiden, bietet Ipsos Marketing Science mit dem Ipsos Line Optimizer (ILO) eine gesamtheitliche Bewertung des Kunden-Portfolios an. 

Dabei können wir Präferenzen für zahlreiche Produkte abwägen, sodass neben den Kundenprodukten auch der Wettbewerb mit abgedeckt und das Potential von Neuprodukten realistisch eingeschätzt werden kann. Zusätzlich ermöglicht ILO die Berücksichtigung von Käufer-Bedürfnissen. Dadurch erreichen wir eine Unterscheidung in austauschbare und einander ergänzende Produkte, sodass ein Portfolio zusammengestellt werden kann, das Redundanzen vermeidet, aber gleichzeitig alle relevanten Needs abdeckt. Ergänzende Outputs, wie Index-Relevanz-Werte und ein Produkt-Need-Map, geben eine bessere Übersicht über den Markt.
Abgerundet wird die Methode durch ein Valid-Score-Modul, das typische Labor-Effekte wie die Überschätzung von Neu-Produkten ausgleicht.

Die Gesamtheit der Outputs gibt Aufschluss über die empfohlene Launch-Reihenfolge, zu erwartende Kannibalisierungs-Effekte und die Positionierung der Produkte im Markt. Ein Simulator ermöglicht die Betrachtung spezifischer What-If-Szenarien.
 

Segmentieren mit Ipsos Marketing Science: besser lesbare Profile, mit denen Ihr ganzes Unternehmen arbeiten kann! 

Wir segmentieren multidimensional unter Nutzung von Ensembles und einer finalen Schärfung abgestimmt auf Ihre Bedürfnisse. 

In unseren heutigen komplexen Märkten sind Segmentierungen auf einer einzigen Ebene nicht mehr einsatzfähig. Deshalb verwenden wir eine Multi-dimensionale Segmentierung. Damit erhalten wir nicht nur ein tiefes Verständnis der Marktstruktur und der Konsumentenbedürfnisse, sondern auch Informationen über persönliche Interessen, Werte und Kaufverhalten. Auf dieser Grundlage lassen sich angepasste Kommunikationsstrategien entwickeln und eine Optimierung der Kundenansprache erreichen. 

Die Mischung dieser Facetten erfordert die Nutzung eines Ensembles von statistischen Methoden zur Identifikation von Personen mit gleichen Bedürfnissen, Werten, Einstellungen oder auch Verhaltensweisen. Dafür steht die Ipsos Toolbox für Segmentierung mit Ensemble Cluster Analysis Methoden (Hierarchical Cluster Analysis, Latent Class, K-means), Zipf Analyse, Random Forest und Diskriminanzanalyse bereit. Wir kombinieren statistische Verfahren so, dass die Segmente nicht nur statistischen Kriterien gerecht werden, sondern auch praktische Gesichtspunkte Eingang finden. Damit wird das inhaltliche Verständnis der Segmente erleichtert.

Um die Profile der Segmente besser lesbar zu machen, bieten wir eine Schärfung der Segmente an. Das bedeutet, dass wir die Segmente entsprechend Ihrer Bedürfnisse, sowie Kaufverhalten und demographischer Merkmale präzisieren, so dass die Profile für Sie klar zu verstehen und zu verwenden sind. 

Das Resultat aller dieser Schritte ist ein tiefes Verständnis von Marktstrukturen sowie eine stabile und reproduzierbare Lösung, die von Ihrem ganzen Unternehmen genutzt werden kann und die es auch in Zukunft erlaubt, Neukunden in die bestehenden Segmente einzuordnen.