Mindestens einmal pro Woche…

MUC.
SOZIODEMOGRAFIE DER MARKENEMPFEHLUNG
NATIONALE STUDIE ZU SOZIODEMOGRAFISCHEN MERKMALEN VON
RECOMMENDERN UND INFLUENCERN IM PLATTFORMVERGLEICH
PROF. DR. DR. CASTULUS KOLO | STEFAN WIDENHORN | ANNA-LENA BORGSTEDT
MÜNCHEN, FEBRUAR 2016
003
VORWORT
Detailuntersuchung zu soziodemografischen Aspekte der Markenempfehlung auf Basis der ersten repräsentativen
Studie zum Empfehlungsverhalten in sozialen Medien
Vorliegendes Dokument detailliert die soziodemografischen Aspekte der
bereits publizierten Übersichtsstudie zur ersten repräsentativen Untersuchung
des Empfehlungsverhaltens in sozialen Medien:
http://webguerillas.com/fileadmin/user_upload/PR_Material/
201505_Macromedia_webguerillas_Markenempfehlung.pdf
Auf der Basis umfangreicher Auswertungen des vorliegenden
wissenschaftlichen Fundus und daraus abgeleiteter noch offener Fragen
systematisierte diese Studie erstmalig das Empfehlungsverhalten in sozialen
Medien in Deutschland und stellte es durch einen Vergleich mit den USA in
einen internationalen Kontext: Warum empfehlen Konsumenten überhaupt
Marken in Social Media? Was für Aktivitäten gehen sie dazu nach? Welche Rolle
spielen sogenannte «Influencer» dabei und wie lassen sich diese eingrenzen?
Durch soziale Medien wird das Repertoire der Markenkommunikation in
vielerlei Hinsicht erweitert. Während das traditionelle „Word-of-Mouth" vor
allem auf starken Beziehungen, wie Freunden, aufsetzt, teilen CoKonsumenten ihre Markenerfahrungen online auch deutlich darüber hinaus.
Das «electronic Word-of-Mouth» kann damit eine viel breitere Wirkung auf den
Markterfolg von der Imageverbesserung über die Kaufentscheidung bis hin zur
Konsumentenbindung entfalten. Dies gilt umso mehr, wenn Influencer als
überzeugungsstarke, markenbewusste Multiplikatoren involviert sind. CoKonsumenten als ein spezieller Influencer-Typus können damit – wenn
verstanden - eine entscheidende Rolle in der Markenkommunikation spielen. Diese Sonderauswertung der 1.000 Onlineinterviews in Deutschland (von 2.000
insgesamt, inklusive der Interviews in den USA) legt nun den Fokus auf die
soziodemografischen Details der Markenempfehlung: Wie wirken sich
Geschlecht, Alter und Bildung auf das Empfehlungsverhalten aus? Welche
Aktivitäten unternehmen „Recommender“ bzw. „Influencer“ als besonders
markenbewusste und kommunikationsstarke, respektierte Marktkenner auf
den wichtigsten Plattformen Facebook, Twitter und YouTube sowie in
markenbezogenen Blogs und Foren je nach soziodemografischem Hintergrund.
So können Einzelbefunde, wie z.B. Beobachtungen zu konkreten Kampagnen in
einen Gesamtzusammenhang mit strukturierten und standardisierten
Selbsteinschätzungen eines repräsentativen Bevölkerungssamples gebracht
werden.
Mit der freundlichen Unterstützung durch die Webguerillas konnte somit in
einem weiteren Schritt Praxisexpertise im Influencer-Marketing auf ein
fundiertes wissenschaftliches Fundament gestellt werden.
004
ZUSAMMENFASSUNG DER ERGEBNISSE
ZUR MARKENEMPFEHLUNG
ALTER: JUNGE BERUFSTÄTIGE ZWISCHEN 25 UND 34 INSGESAMT AM AKTIVSTEN.
Insgesamt zeigt sich die Gruppe der 25-34 Jährigen aktiver als die jüngste
Altersgruppe der 18-24 Jährigen, sowohl was Nutzung sozialer Medien allgemein
betrifft (Ausnahme YouTube) als auch was das Folgen von Marken angeht.
Den wenigsten Content liefern allgemein anteilig die über 35 Jährigen. Sie liegen
bei den meisten erfragten Aktivitäts-Kriterien knapp hinter der jüngsten
Altersgruppe.
Diese Struktur findet sich sowohl im Gesamtsample als auch unter den
Recommendern (Ausnahme YouTube, hier 18-24 Jährige aktiver) und den
Influencern.
005
ZUSAMMENFASSUNG DER ERGEBNISSE
ZUR MARKENEMPFEHLUNG
GESCHLECHT: MÄNNER SETZEN SICH MEHR IN SZENE ALS FRAUEN.
YouTube wird deutlich stärker von Männern genutzt, Twitter ebenfalls (sowohl
insgesamt als auch unter den Recommendern und Influencern). Auch bei Blogs und
Foren sind Männer leicht vorne.
Lediglich Facebook wird (etwas) häufiger von weiblichen Usern genutzt.
Dieses Bild zeigt sich ebenfalls beim Blick auf die Marken-Follower, auch hier sind
Männer anteilig stärker auf YouTube und Twitter vertreten.
Das spezielle Nutzungsverhalten unterscheidet sich ebenfalls nach Geschlecht:
Frauen „liken“ tendenziell eher, Männer teilen sich stärker mit, schreiben
Kommentare und Posts. Diese Verteilung zeigt sich auch beim Blick auf Influencer
und Recommender.
006
ZUSAMMENFASSUNG DER ERGEBNISSE
ZUR MARKENEMPFEHLUNG
BILDUNG: NEIGUNG, EIGENEN CONTENT ZU PRODUZIEREN, STEIGT MIT DEM
BILDUNGSNIVEAU.
Über alle Bildungsgruppen hinweg finden sich unter Influencern anteilig die
meisten Nutzer je Plattform, ebenso der höchste Anteil derer, die ihren
Lieblingsmarken in Social Media folgen.
Sowohl Recommender als auch Influencer mit Hochschulabschluss liefern
anteilig deutlich mehr Content als diejenigen mit niedrigem oder mittlerem
Bildungsniveau.
007
INHALT
1. MARKENEMPFEHLUNG,
INFLUENCER UND SOCIAL MEDIA
2. GENERELLE SOZIODEMOGRAFIE
DER MARKENEMPFEHLUNG UND
DES „INFLUENCING“
3. SPEZIELLE AKTIVITÄTEN JE PLATTFORM NACH
SOZIODEMOGRAFIE
4. METHODISCHER HINTERGRUND
008
#01 MARKENEMPFEHLUNG,
INFLUENCER UND
SOCIAL MEDIA
009
«INFLUENCER»-TYPEN IN DER
MARKENKOMMUNIKATION
Durch Empfehlungen in Social Media können sogenannte «Influencer» Markenkommunikation als «electronic Word-of-Mouth» auslösen und damit den Markterfolg nachhaltig beeinflussen
«INFLUENCER»- KATEGORIEN IN DER MARKENKOMMUNIKATION BZW. IM (ELEKTRONISCHEN) WORD-OF-MOUTH
MARKTERFOLG
«VALUE-ADDING INFLUENCER»
(JOURNALISTEN, WISSENSCHAFTLER, ANALYSTEN, BERATER, …)
CO-KONSUMENTEN ALS «INFLUENCER»
(ANDERE POTENTIELLE KÄUFER)
«SUPPLY-CHAIN INFLUENCER»
(ZULIEFERER, PRODUZENTEN, HANDELSPARTNER, …)
POSITIVES IMAGE
KAUFENTSCHEIDUNG
KONSUMENTENBINDUNG
«ELECTRONIC WORD-OF-MOUTH» (EWOM) IN SOCIAL MEDIA
«WORD OF MOUTH» (WOM)
MARKENKOMMUNIKATION
Quelle: Eigene Darstellung;
Influencer-Kategorien nach Brown
und Hayes (2008)
0010
CHARAKTERISTIKA VON CO-KONSUMENTEN ALS INFLUENCER
Mit besonders ausgeprägter Vernetzung, überdurchschnittlichem Markenbewusstsein und einer Reputation als Marktkenner
werden Co-Konsumenten von reinen Recommendern zu Influencern
INFLUENCER
EINFACHER
RECOMMENDER
ALLGEMEINER
SOCIAL MEDIA
NUTZER
Influencer neigen durch besonders hohes Markenbewusstsein zum
Empfehlen von Marken.
Charakteristikum 1: Influencer sind Recommender (Alle, die in den letzten 6
Monaten eine positive Markenempfehlung oder eine negative Äußerung in
Social Media ausgesprochen haben) mit überdurchschnittlich hohem
Markenbewusstsein.
Durch ihre ausgeprägte Vernetzung erreichen sie gleichzeitig mehr CoKonsumenten als der durchschnittliche Social-Media-Nutzer.
Charakteristikum 2: Influencer nutzen mindestens täglich Social Media.
Durch ihre Reputation als Marktkenner wirken sie in ihren Empfehlungen
auch besonders überzeugend.
Charakteristikum 3: Influencer haben eine überdurchschnittliche Reputation
als Marktkenner.
Durch ihre besonders hohe Multiplizität (Netzwerkgröße) und Viralität
(Überzeugungskraft) können Influencer Kommunikationskaskaden auslösen
Quelle: Eigene Darstellung nach einer Definition von Ko-Konsumenten als
Influencer bei PeerIndex „The Science of Influence“ (n.d.)
0011
AUSLÖSER DER MARKENEMPFEHLUNG
IN SOCIAL MEDIA
Empfehlungsneigung je Platform variiert soziodemografisch nach Produkt entsprechend Nutzungs-intensität,
Markenbewusstsein, Reputation als Marktkenner – Auslöser sind unterschiedliche Motive
BEVÖLKERUNG
UNTERSCHIEDLICHES EMPFEHLUNGSVERHALTEN JE PRODUKTKATEGORIE
VERNETZUNG (AKTIVE NUTZUNG SOZIALER MEDIEN)
(PERSÖNLICHES) MARKEN-
BEWUSSTSEIN
REPUTATION ALS MARKENKENNER
EXTROVERTIERTHEIT UND REPUTATION +
PERSÖNLICHES MARKEN- UND PRODUKTFANDOM +
ALTRUISTISCHE BERATUNG ANDERER +
FINANZIELLE VORTEILE DURCH DIE EMPFEHLUNG +
ALTER
GESCHLECHT
BILDUNG
"GUTE" UNTERNEHMEN UNTERSTÜTZEN +
INFLUENCER
"EMPOWERMENT" ALS KRITISCHER KONSUMENT UNZUFRIEDENHEIT AUSDRÜCKEN UND RACHE AUSÜBEN SPEZIFISCHE AUSLÖSENDE MOTIVE
GRUNDSÄTZLICHE EMPFEHLUNGSNEIGUNG
EMPFEHLUNGSVERHALTEN JE PRODUKTKATEGORIE
Quelle: Eigene Darstellung;
Motivkategorien aus
Faktorenanalyse zu 32
verschiedenen Einzelmotiven aus der wissenschaftlichen
Fachliteratur
0012
EINGRENZUNG POTENTIELLER INFLUENCER UNTER DEN RECOMMENDERN
Etwa 9% der Gesamtbevölkerung sind Influencer in Social Media*; dieses Ergebnis bestätigt eine McKinsey-Studie (2010),
in der 8-10% der Bevölkerung potentielle Influencer waren
Gesamtbevölkerung (18-65)
Influencer
31%
Mio.
5151MIO.
70%
15,9 MIO.
Mio.
15,9
74%
57%
11,12 Mio.
11,12
MIO.
6,28 Mio.
6,28
MIO.
4,6 Mio.
4,6
MIO
* Statistisches Bundesamt;
Studienergebnisse insgesamt,
McKinsey (2010)
Recommender (Min. 1
Empfehlung in den letzten
6 Monaten)
Social-Media-
Aktive (täglich)
Überdurchschnittlich
Markenbewusste (>3,19)
Überdurchschnittliche Reputation als Marktkenner (> 3,56)
Quelle: Statistisches
Bundesamt; Studienergebnisse
insgesamt, McKinsey (2010)
0013
VERTEILUNG JE SOZIODEMOGRAFISCHEM
MERKMAL
Recommender und Influencer sind eher männlich, oft älter als 35, und verfügen überdurchschnittlich häufig über einen
Hochschulabschluss.
Verteilung nach Geschlecht, Prozent
Verteilung nach Alter, Prozent
62
35 39
24
14 16 16
18 - 24
49 45
25 - 34
über 35
49
57
55
38 35
32
38
Männlich
37
31
20
Ausbildung
Quelle: Studienergebnisse
Mittlere Reife/ Abitur
27
Hochschulabschluss
43
45
Sowohl Recommender (57% vs. 43%) als auch
Influencer (55% vs. 45%) sind tendenziell
eher männlich.
Verteilung nach Bildung, Prozent
42
51
In allen drei Gruppen sind die über 35
Jährigen am stärksten vertreten. Der Großteil
der Influencer ist dem entsprechend älter als
35.
Alle Teilnehmer
Recommender
Influencer
Weiblich
Insbesondere Influencer verfügen
überdurchschnittlich häufig über einen
Hochschulabschluss (37% vs. 20% im
Gesamtsample).
0014
#02
GENERELLE
SOZIODEMOGRAFIE DER
MARKENEMPFEHLUNG UND
DES „INFLUENCING“
0015
NUTZUNG SOZIALER NETZWERKE NACH GRUPPEN
In Deutschland ist Facebook nach wie vor die meist genutzte Social Media Plattform. Allerdings sind auch Blogs und Foren
sehr beliebt, insbesondere bei den Influencern.
Diese Studie reproduziert das bereits
bekannte Bild zur Social Media Nutzung:
Generelle Plattformnutzung – Verteilung des Gesamtsamples, Recommender und Influencer, Prozent
91
95
89
93
Facebook ist die am stärksten genutzte
Plattform in Deutschland.
81
77
72
59
YouTube ist die am zweitstärksten
genutzte Plattform und deutlich vor
Twitter.
62
58
Großteil der Befragten ist auf Blogs
und Foren aktiv.
43
95% der Influencer nutzen Facebook.
59% der Influencer nutzen Twitter.
81% der Influencer nutzen YouTube.
93% der Influencer nutzen Blogs und Foren.
23
Facebook
Quelle: Studienergebnisse
Twitter
YouTube
Blogs und Foren
Alle Teilnehmer
Recommender
Influencer
0016
ALTER DER NUTZER JE PLATTFORM UND
NUTZER-TYP
YouTube ist besonders bei der jungen Altersgruppe beliebt. Ansonsten werden soziale Medien anteilig am stärksten von
den 25 bis 34 Jährigen genutzt.
Facebook – Generelle Plattformnutzung, Prozent
100
94
87
87 94 94
71
87
Twitter – Generelle Plattformnutzung, Prozent
96
62
39
23
18 - 24
25 - 34
über 35
69
77 78
48
18 - 24
Quelle: Studienergebnisse
25 - 34
63
über 35
53
32
18 - 24
42
20
25 - 34
78
88 92
über 35
66
18 - 24
72
88
97
91 89
58
25 - 34
Alle anderen Plattformen werden vor allem
von den 25-34 Jährigen genutzt.
Sonderfall Twitter:
Blogs und Foren – Generelle Nutzung, Prozent
YouTube – Generelle Plattformnutzung, Prozent
92
86
81
47
62
Insgesamt nutzen 81% der 18-24 Jährigen
YouTube, aber nur 69% der 25-34 Jährigen
und lediglich 48% der User über 35.
über 35
Insgesamt Unterschied hier besonders
deutlich zwischen der mittleren
Altersgruppe (32%) und den übrigen
Gruppen (23% bzw. 20%).
Bei den Influencern jedoch umgekehrt,
hier nutzen vor allem die 18-24
Jährigen und die über 35 Jährigen
Twitter.
Alle Teilnehmer
Recommender
Influencer
0017
GESCHLECHT DER NUTZER JE
PLATTFORM UND NUTZER-TYP
YouTube und Twitter werden deutlich stärker von Männern genutzt; auch auf Blogs und Foren sind Männer leicht vorne.
Lediglich Facebook wird (etwas) häufiger von weiblichen Usern genutzt.
Facebook – Generelle Plattformnutzung, Prozent
75
91
93
78
91
Twitter – Generelle Plattformnutzung, Prozent
97
50
58
57
Besonders groß ist der Abstand bei YouTube,
hier nutzen insgesamt 65% der Männer die
Plattform, lediglich 51% der Frauen. Auch bei
Twitter ist der Abstand deutlich.
34
29
17
Männlich
Weiblich
Männlich
YouTube – Generelle Plattformnutzung, Prozent
65
79
87
51
Männlich
Quelle: Studienergebnisse
62
Weiblich
Lediglich bei Facebook finden sich unter den
Befragten marginal mehr weibliche als
männliche User.
Weiblich
Blogs und Foren – Generelle Nutzung, Prozent
73
90
65
93
89
59
Männlich
Über alle 3 Gruppen hinweg nutzen Männer
stärker Twitter, YouTube sowie Blogs und
Foren.
92
Bei den Influencern gleichen sich die Werte
für Twitter sowie Blogs und Foren an.
Bei YouTube bleiben auch hier die Männer
deutlich vorne, auf facebook sind die
weiblichen Influencer etwas aktiver.
Weiblich
Alle Teilnehmer
Recommender
Influencer
0018
BILDUNG DER NUTZER JE PLATTFORM
UND NUTZER-TYP
Mit steigendem Bildungsniveau nimmt tendenziell die Nutzung von Sozial Media zu.
Twitter – Generelle Plattformnutzung, Prozent
Facebook – Generelle Plattformnutzung, Prozent
74
85
96
80
94 91
78
60
95 96
39
Mittlere Reife/ Abitur
Hochschulabschluss
YouTube – Generelle Plattformnutzung, Prozent
69 72
51
Ausbildung
Quelle: Studienergebnisse
62 68
82
Mittlere Reife/ Abitur
65
78
38
36
Besonders stark zeigt sich dies auf Twitter,
18% der Probanden mit Ausbildung nutzen
Twitter, mehr als doppelt so viele (38%) unter
den Hochschulabsolventen.
21
18
Ausbildung
56 57
55
Ausbildung
Mittlere Reife/ Abitur
Hochschulabschluss
Blogs und Foren – Generelle Nutzung, Prozent
86
Hochschulabschluss
88
100
60
Ausbildung
86
60
77
Mittlere Reife/ Abitur
Für das Gesamtsample gilt: Je höher das
Bildungsniveau umso höher ist anteilig die
Nutzung der Plattformen.
94 96
72
Hochschulabschluss
Bei den Influencern zeigt sich dieser
Zusammenhang nur auf YouTube.
Bei den restlichen Plattformen nutzen
die Probanden mit Ausbildung die
jeweilige Plattform stärker als jene
mit Mittlerer Reife/ Abitur.
Alle Teilnehmer
Recommender
Influencer
0019
ALTER DER MARKEN-FOLLOWER JE
PLATTFORM UND NUTZER-TYP
Auf den betrachteten Plattformen folgt die Altersgruppe der 25-34 Jährigen ihren Lieblingsmarken am stärksten.
Facebook – Marken auf sozialen Netzwerken folgen, Prozent
93 91
71
78
96 100
91
100
56
18 - 24
25 - 34
Twitter – Marken auf sozialen Netzwerken folgen, Prozent
83
50
über 35
63
65
70
46
55
18 - 24
Quelle: Studienergebnisse
68
47
18 - 24
25 - 34
65 68
Alle Teilnehmer
Recommender
Influencer
37
25 - 34
über 35
87
70 76
48
YouTube – Marken auf sozialen Netzwerken folgen, Prozent
83
80
Die Gruppe der 25-34 Jährigen folgt Marken
anteilig stärker als die Vergleichsgruppen der
18-24 und über 35 Jährigen. Dies zeigt sich
auch bei Influencern.
Am deutlichsten erkennbar ist dies auf
Twitter, hier folgen insgesamt 65% der 25-34
Jährigen Marken, bei den 18 bis 24 Jährigen
nur 50% bzw. 48% bei den über 35 Jährigen.
über 35
Über alle Altersgruppen hinweg folgen User
den Marken am häufigsten auf Facebook,
gefolgt von Twitter.
0020
GESCHLECHT DER MARKEN-FOLLOWER
JE PLATTFORM UND NUTZER-TYP
Auch unter den Marken-Followern sind Männer auf Twitter und YouTube aktiver, auf Facebook sind die Anteile fast
ausgeglichen.
Facebook – Marken auf sozialen Netzwerken folgen, Prozent
90
98
66
96
100
80
86
60
62
Männlich
Twitter – Marken auf sozialen Netzwerken folgen, Prozent
Weiblich
45
Männlich
46
71
65
Männlich
Quelle: Studienergebnisse
70
Alle Teilnehmer
Recommender
Influencer
37
Weiblich
Auch auf Facebook folgen insgesamt eher
Männer (66%) Marken als Frauen (62%), bei
den Recommendern und Influencer sind die
Frauen jedoch minimal vorne.
Weiblich
Bei den Influencern zeigt sich lediglich auf
Twitter ein signifikanter Unterschied
zwischen den Geschlechtern, hier sind
Männer aktiver.
YouTube – Marken auf sozialen Netzwerken folgen, Prozent
69
61
75
Analog zur Aktivität je Plattform sind auch
unter den Marken-Followern auf Twitter und
YouTube anteilig mehr Männer als Frauen zu
finden (60% vs 45% auf Twitter; 46% vs. 37%
auf YouTube).
0021
BILDUNG DER MARKEN-FOLLOWER JE
PLATTFORM UND NUTZER-TYP
Marken-Follower auf Twitter und YouTube sind anteilig am stärksten in der untersten Bildungskategorie zu finden.
Facebook – Marken auf sozialen Netzwerken folgen, Prozent
96 100
66
86
97 100
95
69
60
Twitter – Marken auf sozialen Netzwerken folgen, Prozent
68
85
93
40
Ausbildung
Mittlere Reife/ Abitur
Hochschulabschluss
Ausbildung
58 60
Mittlere Reife/ Abitur
74
44
Ausbildung
Quelle: Studienergebnisse
65
62
41
41
Mittlere Reife/ Abitur
77
39
Hochschulabschluss
55
Vor allem auf Twitter sind die Unterschiede
deutlich, 68% der User mit Ausbildung folgen
hier Marken, 55% derer mit
Hochschulabschluss und lediglich 40% der
User mit Mittlerer Reife oder Abitur.
Hochschulabschluss
Dieser Zusammenhang besteht ebenfalls für
die Recommender und die Influencer.
YouTube – Marken auf sozialen Netzwerken folgen, Prozent
88
74
83
Unter den Marken-Followern sind auf Twitter
und YouTube anteilig vor allem diejenigen mit
Ausbildung vertreten, gefolgt von den
Hochschulabsolventen.
Alle Teilnehmer
Recommender
Influencer
0022
#03
SPEZIELLE AKTIVITÄTEN
JE PLATTFORM NACH
SOZIODEMOGRAFIE
0023
RECOMMENDER: AKTIVITÄT AUF
FACEBOOK NACH SOZIODEMOGRAFIE
Die 25-34 jährigen Recommender sind deutlich aktiver auf Facebook als die übrigen User. Frauen liken und teilen mehr,
Männer kommentieren häufiger. Hochschulabsolventen liefern deutlich mehr Content als die restlichen User.
Facebook – Aktivitäten der Recommender nach Alter, Prozent
61
46
48
Liking
54
39
36
Sharing
50
47
33
Facebook – Aktivitäten der Recommender nach Geschlecht, Prozent
33
44
28
29
39
45
56
32
Commenting Posting brand Posting own
52 48
Liking
59
33 37
Sharing
Quelle: Studienergebnisse
53
30 33
Liking
52
48
31 27
42
33
39
28
37 39
18-24
25-34
>35
Facebook – Aktivitäten der Recommender nach Bildung, Prozent
59
41 45
33 31
Commenting Posting brand Posting own
Ausbildung
Mittlere Reife/ Abitur
Hochschulabschluss
Sharing
Commenting Posting brand Posting own
Männlich
Weiblich
Legende:
Mindestens einmal pro Woche…
Liking = Den Lieblingsmarken und/oder –produkten
bereitgestellten Inhalte ein “Like” geben
Sharing = Die von den Lieblingsmarken und/oder –
produkten bereitgestellten Inhalte teilen
Commenting = Die von den Lieblingsmarken und/oder –
produkten bereitgestellten Inhalte kommentieren
Posting brand = Eigene Inhalte auf dem Unternehmensprofil
der Lieblingsmarken und/oder –produkte teilen (posten)
Posting own = Eigene Inhalte über die Lieblingsmarken und/
oder –produkte auf dem eigenen Profil teilen (posten)
Auf Facebook sind die 25-34 jährigen
Recommender wesentlich aktiver als die
übrigen User. Sie liken mehr Inhalte und
liefern auch selbst mehr Content.
Frauen liken und teilen etwas mehr Inhalte
als Männer, Männer teilen sich den Marken
dagegen eher mit, kommentieren mehr und
posten mehr eigene Inhalte.
Anteilig sind Recommender mit
Hochschulabschluss deutlich aktiver als die
übrigen User, besonders was das Teilen,
Posten und Kommentieren von Inhalten
angeht.
0024
RECOMMENDER: AKTIVITÄT AUF TWITTER
NACH SOZIODEMOGRAFIE
Auch bei Twitter sind die 25-34 Jährigen etwas aktiver als die restlichen Gruppen, Männer sind aktiver als Frauen und
Hochschulabsolventen sind auf Twitter deutlich aktiver als die übrigen Recommender.
Twitter – Aktivitäten der Recommender nach Geschlecht, Prozent
Twitter – Aktivitäten der Recommender nach Alter, Prozent
42
52
37
47 48
56 58
41
46
37
38
47
50
40
47
Männer sind deutlich aktiver als Frauen auf
Twitter
18-24
25-34
>35
Mentioning
Replying
Retweeting
Mentioning
Twitter – Aktivitäten der Recommender nach Bildung, Prozent
61
34 34
66
59
42
34
42 38
Ausbildung
Mittlere Reife/ Abitur
Hochschulabschluss
Mentioning
Quelle: Studienergebnisse
Replying
Retweeting
Auf Twitter sind die 24-35 jährigen
Recommender ebenfalls etwas aktiver als die
übrigen Nutzer. Allerdings ist der
Unterschied weniger deutlich als auf
Facebook.
Replying
Retweeting
Männlich
Weiblich
Legende:
Mindestens einmal pro Woche…
Mentioning = Lieblingsmarken und/oder –produkte in
Tweets erwähnen
Replying = Auf die Tweets der Lieblingsmarken und/oder –
produkte antworten
Retweeting = Die bereitgestellten Inhalte der
Lieblingsmarken und/oder –produkte „retweeten“
Starker Einfluss des Bildungsniveaus:
Hochschulabsolventen sind bei allen 3
Aktivitätskriterien weit vor den restlichen
Bildungsgruppen und erwähnen ihre
Lieblingsmarken anteilig fast doppelt so
häufig wie die restlichen Gruppen (61% vs.
34%).
0025
RECOMMENDER: AKTIVITÄT AUF
YOUTUBE NACH SOZIODEMOGRAFIE
Auf YouTube zeigt sich die jüngste Altersgruppe am aktivsten, Männer sind vor allem bei Uploads und Comments vorne,
auch auf YouTube steigt die Aktivität mit dem Bildungsniveau an.
YouTube – Aktivitäten der Recommender nach Alter, Prozent
43
54 51
34
29
34 38
38
33
46 43
32
37
YouTube – Aktivitäten der Recommender nach Geschlecht, Prozent
35
29 27
31
47 45
39
28
41
35
33
24
18-24
25-34
>35
Subscribing Commenting
Liking
Sharing
Uploading
Subscribing Commenting
YouTube – Aktivitäten der Recommender nach Bildung Prozent
52
49
34
21
60
25
30
Subscribing Commenting
Quelle: Studienergebnisse
37
52
45
Liking
46
41
27
Sharing
18
28
Uploading
Ausbildung
Mittlere Reife/ Abitur
Hochschulabschluss
Liking
Sharing
Uploading
Männlich
Weiblich
Legende:
Mindestens einmal pro Woche…
Subscribing = Die Kanäle der Lieblingsmarken und/oder –
produkte abonnieren
Commenting = Die von den Lieblingsmarken und/oder –
produkten bereitgestellten Videos kommentieren
Liking = Den von den Lieblingsmarken und/oder –produkten
bereitgestellten Videos ein “Like” geben Sharing = Die von den Lieblingsmarken und/oder –
produkten bereitgestellten Videos auf anderen sozialen
Netzwerken teilen
Uploading = Eigene Videos hochladen, die sie dabei zeigen,
wie Sie die Produkte Ihrer Lieblingsmarke benutzen
Auf YouTube sind die 18-24 jährigen
Recommender anteilig am aktivsten, vor
allem was das Abonnieren von
Markenkanälen betrifft.
Männer sind besonders beim Schreiben von
Kommentaren aktiver (39% vs. 28%), aber
auch in den restlichen Kategorien liegen sie
vor den weiblichen Usern.
Die Aktivität auf YouTube steigt mit dem
Bildungsniveau beträchtlich:
21% der User mit Ausbildung
abonnieren Markenkanäle, 49% der
Hochschulabsolventen
Lediglich 18% der Recommender mit
Ausbildung laden Videos mit
Produktbezug hoch, 46% der
Hochschulabsolventen
0026
RECOMMENDER: AKTIVITÄT AUF BLOGS
UND FOREN NACH SOZIODEMOGRAFIE
Leicht stärkere Aktivität der mittleren Altersgruppe und der Männer, deutlicher Einfluss der Bildung.
Blogs und Foren – Aktivitäten der Recommender nach Geschlecht,
Prozent
Blogs und Foren – Aktivitäten der Recommender nach Alter, Prozent
29
36
44
48
43
37
29
33
41
30
Wesentliche Unterschiede zwischen den
verschiedenen Bildungsniveaus,
Recommender mit Hochschulabschluss sind
anteilig deutlich aktiver, sowohl was das
Schreiben als auch das Kommentieren
betrifft.
18-24
25-34
>35
Writing
Commenting
Writing
50
27
22
Writing
Quelle: Studienergebnisse
Legende:
Mindestens einmal pro Woche…
Writing = Einträge in Blogs/Foren über Lieblingsmarken
und/oder –produkte schreiben
Commenting = Einträge von anderen in Blogs / Foren
kommentieren
62
41
28
Commenting
Commenting
Männlich
Weiblich
Blogs und Foren – Aktivitäten der Recommender nach Bildung, Prozent
Ausbildung
Mittlere Reife/ Abitur
Hochschulabschluss
Bei den Recommendern zeigt sich auf Blogs
und Foren eine leicht höhere Aktivität der
Männer.
0027
INFLUENCER: AKTIVITÄT AUF FACEBOOK
NACH SOZIODEMOGRAFIE
Die 25-34 jährigen Influencer sind deutlich aktiver auf Facebook als die restlichen, Männer kommentieren und posten
mehr, Influencer mit Hochschulabschluss sind aktiver als die übrigen Gruppen.
Facebook – Aktivitäten der Influencer nach Alter, Prozent
83
62
68
83
54
77
56
46
53
67
46
44
54
Facebook – Aktivitäten der Influencer nach Geschlecht, Prozent
71 75
70
63
69
45
66
56
63
42
59 54
18-24
25-34
>35
Liking
Sharing
Commenting Posting brand Posting own
Liking
Facebook – Aktivitäten der Influencer nach Bildung, Prozent
52 48
59
59
33 37
53
30 33
52
48
31 27
33 31
Ausbildung
Mittlere Reife/ Abitur
Hochschulabschluss
Liking
Sharing
Quelle: Studienergebnisse
Commenting Posting brand Posting own
Sharing
Commenting Posting brand Posting own
Männlich
Weiblich
Legende:
Mindestens einmal pro Woche…
Liking = Den Lieblingsmarken und/oder –produkten
bereitgestellten Inhalte ein “Like” geben
Sharing = Die von den Lieblingsmarken und/oder –
produkten bereitgestellten Inhalte teilen
Commenting = Die von den Lieblingsmarken und/oder –
produkten bereitgestellten Inhalte kommentieren
Posting brand = Eigene Inhalte auf dem Unternehmensprofil
der Lieblingsmarken und/oder –produkte teilen (posten)
Posting own = Eigene Inhalte über die Lieblingsmarken und/
oder –produkte auf dem eigenen Profil teilen (posten)
Auch unter den Influencern zeigen sich die
25-34 Jährigen anteilig deutlich aktiver als
die übrigen Altersgruppen.
Analog zu den Ergebnissen für das
Gesamtsample sind auch unter den
Influencern Frauen aktiver hinsichtlich Likes
(75% vs. 71%) und Shares (69% vs. 63%),
Männer kommentieren (66% vs. 56%) und
posten (63% vs. 42%) dagegen stärker.
Influencer mit Hochschulabschluss sind
anteilig wesentlich aktiver auf Facebook als
die übrigen.
0028
INFLUENCER: AKTIVITÄT AUF TWITTER
NACH SOZIODEMOGRAFIE
Männer sind auf Twitter deutlich aktiver als Frauen, Influencer mit mittlerem Bildungsniveau zeigen deutlich weniger
Aktivität als diejenigen mit Ausbildung oder Hochschulabschluss.
Twitter – Aktivitäten der Influencer nach Geschlecht, Prozent
Twitter – Aktivitäten der Influencer nach Alter, Prozent
71
50
63
48
75 76
53 52
65
46
52
58
69
50
59
Influencer mit Hochschulabschluss sind am
aktivsten, gefolgt von jenen mit Ausbildung.
18-24
25-34
>35
Mentioning
Replying
Retweeting
Mentioning
Twitter – Aktivitäten der Influencer nach Bildung, Prozent
81
53
33
Mentioning
Quelle: Studienergebnisse
69
67
81
67
42
25
Replying
Retweeting
Männliche Influencer sind auf Twitter deutlich
aktiver als weibliche, liefern mehr Mentions
(65% vs. 46%), Replies (58% vs. 50%) und
Retweets (69% vs. 59%).
Ausbildung
Mittlere Reife/ Abitur
Hochschulabschluss
Replying
Retweeting
Männlich
Weiblich
Legende:
Mindestens einmal pro Woche…
Mentioning = Lieblingsmarken und/oder –produkte in
Tweets erwähnen
Replying = Auf die Tweets der Lieblingsmarken und/oder –
produkte antworten
Retweeting = Die bereitgestellten Inhalte der
Lieblingsmarken und/oder –produkte „retweeten“
Die geringste Aktivität auf Twitter zeigen
anteilig die Influencer mit Mittlerer Reife oder
Abitur.
0029
INFLUENCER: AKTIVITÄT AUF YOUTUBE
NACH SOZIODEMOGRAFIE
Männliche Influencer liefern mehr Content auf YouTube als weibliche, am aktivsten ist die Altersgruppe 25-34, Influencer
mit Hochschulabschluss sind auf YouTube wesentlich aktiver als die Vergleichsgruppen.
YouTube – Aktivitäten der Influencer nach Alter, Prozent
42
64
52
34
42
48
38
42
60
41
42
38
42
YouTube – Aktivitäten der Influencer nach Geschlecht, Prozent
44 41
48
34
49 52
49
33
51
41
46
33
18-24
25-34
>35
Subscribing
Commenting
Liking
Sharing
Uploading
Subscribing
YouTube – Aktivitäten der Influencer nach Bildung Prozent
67
33 28
Subscribing
63
33 33
Commenting
Quelle: Studienergebnisse
71
56
67
44
28
Liking
33
Sharing
58
33 33
Uploading
Ausbildung
Mittlere Reife/ Abitur
Hochschulabschluss
Commenting
Liking
Sharing
Uploading
Männlich
Weiblich
Legende:
Mindestens einmal pro Woche…
Subscribing = Die Kanäle der Lieblingsmarken und/oder –
produkte abonnieren
Commenting = Die von den Lieblingsmarken und/oder –
produkten bereitgestellten Videos kommentieren
Liking = Den von den Lieblingsmarken und/oder –produkten
bereitgestellten Videos ein “Like” geben Sharing = Die von den Lieblingsmarken und/oder –
produkten bereitgestellten Videos auf anderen sozialen
Netzwerken teilen
Uploading = Eigene Videos hochladen, die sie dabei zeigen,
wie Sie die Produkte Ihrer Lieblingsmarke benutzen
Obwohl insgesamt betrachtet die 18-24
Jährigen auf YouTube am aktivsten sind (s.
Chart 15), liefern unter den Influencern die
25-34 Jährigen anteilig den meisten Content.
Männer sind auch unter den Influencern
aktiver als Frauen auf YouTube.
Influencer mit Hochschulabschluss sind
deutlich aktiver, insbesondere was das
Hochladen von Videos (58% vs 33%) und das
Kommentieren (63% vs 33%) betrifft..
0030
INFLUENCER: AKTIVITÄT AUF BLOGS UND
FOREN NACH SOZIODEMOGRAFIE
Auch auf Blogs und Foren zeigt sich die Altersgruppe 25-34 am aktivsten, Männer schreiben und kommentieren etwas
mehr, Influencer mit Hochschulabschluss sind fast doppelt so aktiv wie diejenigen mit Mittlerer Reife oder Abitur.
Blogs und Foren – Aktivitäten der Influencer nach Alter, Prozent
54
75
63
41
53
Blogs und Foren – Aktivitäten der Influencer nach Geschlecht, Prozent
68
61
53
62
49
Männer liefern etwas mehr Content als
Frauen.
18-24
25-34
>35
Writing
Commenting
Writing
Commenting
Männlich
Weiblich
Blogs und Foren – Aktivitäten der Influencer nach Bildung, Prozent
71
52
32
Writing
Quelle: Studienergebnisse
Legende:
Mindestens einmal pro Woche…
Writing = Einträge in Blogs/Foren über Lieblingsmarken
und/oder –produkte schreiben
Commenting = Einträge von anderen in Blogs / Foren
kommentieren
82
68
43
Commenting
Ausbildung
Mittlere Reife/ Abitur
Hochschulabschluss
Auf Blogs und Foren sind die 25-34 jährigen
Influencer ebenfalls aktiver als die übrigen
Altersgruppen.
Influencer mit Hochschulabschluss liefern
auf Blogs und Foren den meisten Content,
71% schreiben Beiträge über ihre
Lieblingsmarken, 82% kommentieren die
Einträge anderer User
Am schwächsten schneiden anteilig die
Influencer mit Mittlerer Reife oder Abitur ab.
0031
#04
METHODISCHER
HINTERGRUND
0032
METHODIK DER DATENERHEBUNG
ERHEBUNGSMETHODE
Quantitative Online-Umfrage in DE
Completion Rates in DE bei 84%
Durchschnittliche Bearbeitungszeit bei 4m 52s
Durchführung der Befragung im Zeitraum von 24.06.2014 bis
11.07.2014
STICHPROBE
Repräsentative Befragung in DE mit insgesamt 1006 Fällen
STRUKTUR UND FILTERFÜHRUNG DER BEFRAGUNG
Fragen zu soziodemografischen Merkmalen
Quoten Alter & Geschlecht
Filter: Quoten
Fragen zum allgemeines Nutzerverhalten in Social Media
Filter: Nutzung von Facebook
Filter: Nutzung Twitter
Filter: YouTube
Fragen zur Nutzung von Blogs & Foren
Nachbildung der soziodemografischen Verteilung der
Gesamtbevölkerung durch Quoten auf Alter und Geschlecht
Fragen zur Häufigkeit der Social Media Nutzung
Altersdurchschnitt: 18-65 Jahre
Fragen zu Markenbewusstsein anhand der Skala von Sprott et al.
(2009)
Fragen zur Reputation als Marktkenner (Market Mavens) anhand der
Skala von Feick & Price (1987)
0033
AUTOREN
Die Studie wurde an der Macromedia Hochschule, University of Applied Sciences im Kontext eines Forschungsprogramms in Zusammenarbeit mit der webguerillas GmbH durchgeführt
Prof. Dr. Dr. Castulus Kolo
Wissenschaftlicher Projektleiter, Dekan, Macromedia University of
Applied Sciences
Stefan Widenhorn, Dipl. Soz.
Projektmitarbeiter
Senior Research Manager
webguerillas GmbH
Anna-Lena Borgstedt, M.A.
Projektmitarbeiterin
Macromedia University of Applied
Sciences
0034
REPRÄSENTATIVITÄT DER STUDIE
Geschlecht, Prozent
Alter, Prozent
26,5
26
19
50,45
49,55
51,7
48,3
20
12
22
19,4 20,1
22,5
12
18-24
25-34
35-44
45-54
55-65
Weiblich
Männlich
Deutsche Bevölgerung
Studie "Markenempfehlungen in Social Media"
Deutsche Bevölkerung
n = 1.006
Studie "Markenempfehlungen in Social Media"
M = 42,7
SD = 13
Min = 18
Max = 65
Quelle: Bundeszentrale für Politische
Bildung, 2010; United States Census
Bureau, 2012; Studienergebnisse
0035
QUELLENBASIS
DER STUDIE (1/2)
Abratt, Russell; Nell, Deon; Nezer, Christo, (1995). Role of the Market Maven in Retailing: A General Marketplace Influencer
[PDF]. Journal of Business and Psychology. 10 (1), pp.31-55. Available at: http://link.springer.com.springer.emedia1.bsbmuenchen.de/article/10.1007/BF02249268. Accessed 11 April 2014.
Anderson, Eugene W., (1998). Customer Satisfaction and Word of Mouth [PDF]. Journal of Service Research. 1 (1), pp.5-17.
Available at: http://jsr.sagepub.com/content/1/1/5. Accessed 24 April 2014.
Bronner, Fred; de Hoog, Robert, (2011). Vacationers and eWOM: Who Posts, and Why, Where, and What? [PDF]. Journal of Travel
Research. 50 (1), pp.15-26. Available at: http://jtr.sagepub.com/content/50/1/15. Accessed 19 March 2014.
Brown, Duncan and Hayes, Nick. Influencer Marketing: Who really influences your customers?, Butterworth-Heinemann, 2008
Bundeszentrale für Politische Bildung (2010). Bevölkerung nach Altersgruppen und Geschlecht [ONLINE]. Available at: http://
www.bpb.de/wissen/X39RH6,0,Bev%F6lkerung_nach_Altersgruppen_und_Geschlecht.html. Accessed 07 July 2014 Census
(2010). Age and Sex Composition 2010 [ONLINE]. Available at: http://www.microsoft.com. Accessed 07 July 2014]
Castronovo, Cristina; Huang, Lei, (2012). Social Media in an Alternative Marketing Communication Model [PDF]. Journal of
Marketing Development and Competitiveness. 6 (1), pp.117-131. Available at: http://www.na-businesspress.com/jmdc/
castronovoc_web6_1_.pdf. Accessed 13 May 2014.
Cheng, Simone; Lam, Terry ; Hsu, Cathy H. C., (2006). Negative Word-of-Mouth Communication Intention: An Application of the
Theory of Planned Behavior [PDF]. Journal of Hospitality & Tourism Research. 30 (1), pp.95-116. Available at: http://
jht.sagepub.com/content/30/1/95. Accessed 19 March 2014.
Cheung, Christy M.K.; Lee, Matthew K.O., (2012). What drives consumers to spread electronic word of mouth in online
consumer-opinion platforms? [PDF]. Decision Support Systems. 53, pp.218-225. Available at:http://
www.sciencedirect.com.sciencedirect.emedia1.bsb-muenchen.de/science/article/pii/S0167923612000413. Accessed 19 March
2014.
Coulter, Keith S.; Roggeveen, Anne, (2012). "Like it or not": Consumer responses to word-of-mouth communication in on-line
social networks [PDF]. Management Research Review. 35 (9), pp.878-899. Available at: http://
www.emeraldinsight.com.emeraldinsight.emedia1.bsb-muenchen.de/journals.htm?articleid=17044175. Accessed 13 May 2014.
Engel, James F.; Kegerreis, Robert J.; Blackwell, Roger D., (1969). Word-of-Mouth Communication by the Innovator [PDF].
Journal of Marketing. 33 (3), pp.15-19. Available at: http://www.jstor.org/stable/1248475. Accessed 07 May 2014.
Feick, Lawrence F.; Price, Linda L., (1987). The Market Maven: A Diffuser of Marketplace Information [PDF]. Journal of
Marketing Communications. 51 (1), pp.83-97. Available at: http://www.jstor.org/stable/1251146. Accessed 11 April 2014.
Global Webindex (2013). GlobalWebIndex’s quarterly update of social media usage trends around the world [ONLINE]. Available
at: https://www.globalwebindex.net. Accessed 15 July 2014.
Goldsmith, Ronald E.; Flynn, Leisa R.; Clarck, Ronald A., (2012). Motivators of market mavenism in the retail environment [PDF].
Journal of Retailing and Consumer Services. 19, pp.390-397. Available at: http://
www.sciencedirect.com.sciencedirect.emedia1.bsb-muenchen.de/science/article/pii/S0969698912000288. Accessed 11 April
2014.
Hennig-Thurau, Thorsten; Walsh, Gianfranco, (2003/2004). Electronic Word-of-Mouth: Motives for and Consequences of Reading
Customer Articulations on the Internet [PDF]. International Journal of Electronic Commerse. 8 (2), pp.51-74. Available at:
http://www.jstor.org/stable/27751096. Accessed 19 March 2014.
Hennig-Thurau, Thorsten; Gwinner, Kevin P.; Walsh, Gianfranco; Gremler, Dwayne D., (2004). Electronic Word-of-Mouth via
Consumer-Opinion Platforms: What Motivates Consumers to Articulate Themselves on the Internet? [PDF]. Journal of
Interactive Marketing. 18 (1), pp. 38-55. Available at: http://onlinelibrary.wiley.com.wiley.emedia1.bsb-muenchen.de/doi/
10.1002/dir.10073/abstract. Accessed 11 April 2014.
Huefner, Jonathan C.; Hunt, Keith H., (2000). Consumer retaliation as a response to dissatisfaction [PDF]. Journal of Consumer
Satisfaction, Dissatisfaction and Complaining Behavior. 13, pp.61-82. Available at: http://lilt.ilstu.edu/staylor/csdcb/articles/
Volume13/Huefner%20et%20al%202000.pdf. Accessed 29 April 2014.
i-cod, (2009). Meinungsführer in Online-Social-Networks [PDF]. i-cod-Studie (01). München: i-cod ltd. Eigenverlag.
Jalilvand, Mohammad Reza; Esfahani, Sharif Shekarchizadeh; Samiei, Neda, (2011). Electronic word-of-mouth: challenges and
opportunities [PDF]. Procedia Computer Science. 3, pp.42-46. Available at: http://
www.sciencedirect.com.sciencedirect.emedia1.bsb-muenchen.de/science/article/pii/S1877050910003832. Accessed 01 April
2014.
Jansen, Bernard; Zhang, Mimi; Sobel, Kate; Chowdury, Abdur, (2009). Twitter Power: Tweets as Electronic Word of Mouth [PDF].
Journal of the American Society For Invormation Science and Technology. 60 (11), pp.2169-2188. Available at: http://
onlinelibrary.wiley.com.wiley.emedia1.bsb-muenchen.de/store/10.1002/asi.21149/asset/21149_ftp.pdf?
v=1&t=hv5hdkaq&s=5aa4de84f56ed39e7ba96382d42bdeb64e35a930. Accessed 13 May 2014.
Kaiser, Sandra, (2012). The Power of eWOM on Facebook - Der Einfluss sozialer Kontakte im Vergleich zu klassischer Werbung
[Arbeitspapier zur Schriftenreihe Schwerpunkt Marketing; Bd. 204]. 1st ed. München: FGM-Verl., Verl. der Fördergesellschaft
Marketing e.V.
0036
QUELLENBASIS
DER STUDIE (2/2)
Kapoor, Payal S.; Jayasimha, K.R; Sadh, Ashish, (2013). Brand-related, Consumer to Consumer, Communication via Social
Media [PDF]. IIM Kozhikode Society & Management Review. 2 (43), pp.43-57. Available at: http://ksm.sagepub.com/content/
2/1/43. Accessed 13 May 2014.
Keller, Ed and Berry, Jon. The Influentials, Free Press, 2003
Kim, Eunice; Sung, Yongjun; Kang, Hamsu, (2014). Brand followers' retweeting behavior on Twitter: How brand relationships
influence brand electronic word-of-mouth [PDF]. Computers in Human Behavior. 37, pp.18-25. Available at: http://
www.sciencedirect.com/science/article/pii/S0747563214002295. Accessed 13 May 2014.
McKinsey Quarterly (2010). A new way to measure word-of-mouth marketing [ONLINE]. Available at: http://
www.mckinsey.com/insights/marketing_sales/a_new_way_to_measure_word-of-mouth_marketing. Accessed 15 November
2015.
Nardi, Bonnie A.; Schiano, Diane J.; Gumbrecht, Michelle; Swartz, Luke, (2004). Why We Blog [PDF]. Communications of the
ACM. 47 (12), pp.41-46. Available at: http://psych.stanford.edu/~mgumbrec/Why_We_Blog.pdf. Accessed 28 April 2014.
Neuhold, Christoph, (2012). Generation Y - Motivators for traditional and electronic WOM. 1st ed. München: Akademische
Verlagsgemeinschaft.
Oetting, Martin, (2009). Ripple Effect - How Empowered Involvement Drives Word of Mouth. 1st ed. Wiesbaden: Gabler.
PeerIndex (n.d.). The Science of Influence - The History, Evolution, Application, and Future of Influence Marketing [ONLINE].
Available at: http://peerindex.com/pdf/The-Science-of-Influence.pdf. Accessed 15 November 2015.
Reiter, Kornelia, (2008). Aspekte und Ausprägungen des viralen Marketing im Internet. 1st ed. Bremen: Salzwasser-Verlag.
Richins, Marsha L., (1983). Negative Word-of-Mouth by Dissatisfied Consumers: A Pilot Study [PDF]. Journal of Marketing
Communications. 47 (1), pp.66-78. Available at: http://www.jstor.org/stable/3203428. Accessed 24 April 2014.
Richins, Marsha L. (1987). A Multivariate Analysis of Responses to Dissatisfaction [PDF]. Journal of the Academy of Marketing
Science. 15 (3), pp.24-31. Available at: http://link.springer.com/article/10.1007%2FBF02722168. Accessed 24 April 2014.
Slama, Mark E.; Williams, Terrell G. (1990). Generalization of the Market Maven's Information Provision Tendency Across
Product Categories [ONLINE]. Available at: http://www.acrwebsite.org/search/view-conference-proceedings.aspx?Id=6997.
Accessed 04 May 2014.
Sprott, Davic; Czellar, Sandor; Spangenberg, Eric, (2009). The importance of a general measure of brand engagement on
market behavior: Development and validation of a scale [PDF]. Journal of Marketing Research. 46 (1), pp.92-104. Available at:
https://auth.ama.org/publications/JournalOfMarketingResearch/Documents/Importance_General_Measure.pdf. Accessed
04 May 2014.
Statista (2014). Leading social networks worldwide as of January 2014, ranked by number of active users (in millions)
[ONLINE]. Available at: http://www.statista.com/statistics/272014/global-social-networks-ranked-by-number-of-users/.
Accessed 13 May 2014.
Sundaram, D.S.; Mitra, Kaushik; Webster, Cynthia , (1998). Word-Of-Mouth Communications: a Motivational Analysis
[ONLINE]. Advances in Consumer Research. 25, pp.527-531. Available at: http://www.acrwebsite.org/search/viewconference-proceedings.aspx?Id=8208. Accessed 24 April 2014.
Verhagen, Tibert; Nauta, Anniek; Feldberg, Frans, (2013). Negative online word-of mouth: Behavioral indicator or emotional
release? [PDF]. Computers in Human Behavior. 29, pp.1430–1440. Available at: http://
www.sciencedirect.com.sciencedirect.emedia1.bsb-muenchen.de/science/article/pii/S0747563213000460. Accessed 24 April
2014.
Walsh, Gianfranco; Elsner, Ralf, (1999). 'Der Market Maven in Deutschland: ein Diffusionsagent für Marktinformationen'. In:
Jahrbuch der Absatz und Verbrauchsforschung. 45th ed. Berlin: GfK Nürnberg, Gesellschaft für Konsum-, Markt- und
Absatzforschung e.V. pp.418-434.
Walsh, Gianfranco; Gwinner, Kevin P.; Swanson, Scott R., (2004). What makes mavens tick? Exploring the motives of market
mavens' initiation of information diffusion [PDF]. Journal of Consumer Marketing. 21 (2), pp.109-122. Available at: http://
www.emeraldinsight.com.emeraldinsight.emedia1.bsb-muenchen.de/10.1108/07363760410525678. Accessed 11 April 2014.
Walsh, Gianfranco; Elsner, Ralf, (2012). Improving referral management by quantifying market mavens' word of mouth value
[PDF]. European Management Journal. 30, pp.74-81. Available at: http://www.sciencedirect.com.sciencedirect.emedia1.bsbmuenchen.de/science/article/pii/S0263237311000259. Accessed 11 April 2014. Wiedmann, Klaus-Peter; Walsh, Gianfranco;
Mitchell, Vincent-Wayne, (2001). The Mannmaven: an agent for diffusing market information [PDF]. Journal of Marketing
Communications. 7 (4), pp.196-212. Available at: http://dx.doi.org/10.1080/13527260127413. Accessed 11 April 2014.
Weimann, Gabriel, (1994). The influentials: People who influence people. 1st ed. Albany, NY: State Univ. of New York Press.
Wiedmann, Klaus-Peter; Walsh, Gianfranco; Mitchell, Vincent-Wayne, (2001). The Mannmaven: an agent for diffusing market
information [PDF]. Journal of Marketing Communications. 7 (4), pp.196-212. Available at: http://dx.doi.org/
10.1080/13527260127413. Accessed 11 April 2014.
0037
VIELEN DANK FÜR IHRE
AUFMERKSAMKEIT
WEITERE INFOS UNTER WWW.MACROMEDIA.DE
MUC.
DAVID EICHER // GESCHÄFTSFÜHRER
M