Globale 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. Erfahren Sie hier mehr.
 

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

Basierend auf Theorien aus den Behavioural 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.
Erfahren Sie hier mehr zum Pricing Modell. 

.
 

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.
Erfahren Sie hier mehr.
 

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.
Erfahren Sie hier mehr.

Ipsos Bayes Net - Das Multitalent der Treiberanalysen 

Das Hauptziel von Ipsos Bayes Nets (IBN) ist es klare Handlungsempfehlungen zu formulieren, indem strategische ‚Stellschrauben‘ (Treiber) identifiziert werden, die eine Zielgröße beeinflussen. 

Nicht allein die Treiberstärke ist entscheidend, zusätzlich ist der Blick auf Wirkungszusammenhänge unverzichtbar.
Attribute können direkt auf eine Zielgröße einzahlen oder indirekt, indem sie andere ‚Stellschrauben‘ verstärken. Sie unterscheiden sich bezüglich ihrer steuerbaren Umsetzbarkeit. Zum Beispiel brauchen generische Attribute klar erkennbare Handlungsstränge, -pfade für die Ausgestaltung einer Strategie.

Die IBN Map, eine Karte der strukturentdeckenden Analyse, beantwortet diese Problematik, indem sie Beziehungen und kausalen Verbindungen der Attribute untereinander aufdeckt. Dadurch identifiziert die IBN planbare, relevante Treiber; unabhängig davon, ob diese unmittelbar oder erst über andere Attribute die Zielgröße beeinflussen. Wo also bei klassischen Verfahren Multikollinearität hinderlich ist, wird sie hier in die Analyse integriert und so zum Vorteil. Für komplexere Fragestellungen ermöglichen Simulationen noch tiefere Einblicke: 
So konnten wir bereits für viele Kunden überprüfen, ob konkret geplante Strategien ausreichend Potential haben. Ohne Umsetzung am Markt. Ohne Ressourcen für die Markenentwicklung. Ohne Risiko.
Erfahren Sie hier mehr.
 

Ipsos –‚Willingness To Pay‘: Verlässliche Werte und tiefgreifende Erkenntnisse mit schneller Lieferung

Um ein Verständnis über den Entscheidungsprozess der Konsumenten zu gewinnen, ist eine realistische Ermittlung der Zahlungsbereitschaften für einzelne Produktmerkmale unerlässlich. Dabei verwendet Ipsos die auf Conjoint aufbauende simulationsbasierte Methode. Dies hat den Vorteil, dass die Willingness-to-pay Schätzung deutlich robuster ist als bei direkter Abfrage oder der Berechnung anhand von Conjoint Nutzenwerten. Mit Hilfe von Bootstrapping wird dabei der Einfluss von Ausreißern minimiert und zugleich eine Angabe von Konfidenzintervallen möglich. Die Verwendung effizienter Algorithmen in der Modellierung ermöglicht Ipsos zudem eine blitzschnelle Lieferung der Ergebnisse. Weiterhin erhalten Sie alle klassischen Mehrwerte eines Conjoints, also das Simulationstool, relative Wichtigkeiten der Merkmale und Subgruppenanalysen.
Erfahren Sie hier mehr
 

Eine Promotion kann zwar zu nachhaltiger Mehrnutzung führen, aber ist auch der ROI mittelfristig positiv? Wie identifiziert man die optimale Promotion ohne mit hohem Zeit- und Kostenaufwand alle im Markt testen zu müssen?

Wir lösen diese Fragestellung mit unserem „Promotion Optimizer“, indem wir Befragten realitätsnah eine Reihe von Situationen mit den verfügbaren Alternativen zur Auswahl geben, inklusive Kundenprodukt mit und ohne Promotion.
Hierbei können wir auch absolute Zahlen zu Kosten und Umsatzeffekt an die Hand geben, wenn wir eine schon erfolgte Promotion als Benchmark integrieren.
Diese Kosten- und Erfolgsschätzungen der unterschiedlich arbeitenden Promotions geben wir in unser Simulations-Tool, mit dem Promotions identifiziert werden können, die beispielsweise ähnlich effektiv wie der Benchmark sind, dabei aber deutlich geringere Kosten verursachen.
Erfahren Sie hier mehr