Refine
Document Type
- Journal article (8) (remove)
Is part of the Bibliography
- yes (8)
Institute
Publisher
- Vahlen (2)
- Deutsche Gesellschaft für Personalführung (1)
- Haufe-Lexware (1)
- New Business Verlag (1)
- Nomos Verlagsgesellschaft (1)
- Westburn Publishers (1)
- av-news (1)
Kundenforschungsprojekte sind häufig durch einen beschränkten Fokus auf bestimmte Untersuchungsobjekte, Forschungsdesigns und Datenanalyseverfahren geprägt. Leider ist das häufig zu beobachtende Standardvorgehen nicht immer korrekt und liefert in vielen Fällen sogar fehlerhafte Ergebnisse. Die Diskussion des optimalen Untersuchungsobjekts und des geeigneten Untersuchungsdesigns sind Gegenstand des ersten Teils dieses Beitrages.
Das in Kundenforschungsprojekten häufig zu beobachtende Standardvorgehen liefert oftmals fehlerhafte Ergebnisse. Wir plädieren daher für einen "Schritt zurück", um einen ganzheitlichen Blick auf den Baukasten der Kundenforschungsinstrumente zu ermöglichen. Aufbauend auf dem ersten Beitrag in WiSt-Heft Nr. 4/2016, S. 188–193, in dem die Ausgangslage beschrieben und die ersten beiden Dimensionen der Kundenanalyse (Objekt der Forschung, und Forschungsdesign) diskutiert wurden, werden im vorliegenden zweiten Teil Aspekte der Datenanalyse thematisiert.
In der Konsumentenforschung werden bei der Analyse von Kaufentscheidungen zwei Dimensionen unterschieden, die das Entscheidungsverhalten des Kunden maßgeblich beeinflussen, das bei der Entscheidung wahrgenommene Risiko (rationale Komponente) und die Motivation oder Lust des Kunden, sich mit dem Objekt der Entscheidung intensiv auseinander zu setzen und sich zu informieren (emotionale Komponente). Bei Digital Natives lohnt sich eine genauere Betrachtung.
The limited focus on particular research designs, data analysis methods, and research objects frequently characterise customer research projects. However, standard practice regarding researching certain phenomena is not always correct, and, in many cases, could provide misleading results. In this paper, we call for a more holistic approach to customer research, which considers the entire research design and data analysis toolbox, while also recognising the importance of consumer groups other than costumers. At the same time, we call for using simple data analysis methods, which often suffice to show relevant effects, instead of overemphasising method complexity as is often the case in top-tier journals. Based on our discussion, we offer researchers and practitioners concrete recommendations for advancing their research design and data analyses.
Forschungsfrage: Wie können sich Unternehmen als attraktive Arbeitgeber positionieren, wenn sie bei jungen Bewerbern der Generation Y kaum bekannt sind und ihre Produkte als wenig attraktiv wahrgenommen werden?
Methodik: Szenariostudie mit Daten aus einer schriftlichen Befragung
Praktische Implikationen: Solche Unternehmen sollten auf die Nutzenversprechen einer Employer Brand setzen, um sich als attraktiver Arbeitgeber für diese Zielgruppe zu positionieren. Voraussetzung dafür ist eine auf die Zielgruppe abgestimmte und präzise Kommunikation über die relevanten Attraktivitätsmerkmale.
Die Gewinnung und Bindung qualifizierter MINT-Mitarbeitender (Mathematik, Informatik, Naturwissenschaft und Technik) gehört zu den Herausforderungen des Personalmanagements, gerade in Bezug auf den weiblichen MINT-Nachwuchs. Spannend ist die Frage, ob Frauen Arbeitgebermerkmale anders gewichten als Männer und sich geschlechtsspezifische Präferenzen bei arbeitsplatzbezogenen Merkmalen auf den MINT-Kontext übertragen lassen. Eine empirische Untersuchung mit Studierenden technischer Studiengänge liefert Ansatzpunkte für die zielgruppenspezifische Gestaltung von Employer-Branding-Kampagnen und Rekrutierungsaktivitäten.
The influence of trust on the adherence to investment recommendations in the context of robo-advisors is under-researched. This relationship needs to be better understood because robo-advice lacks a critical element of trust: human interaction. Theory suggests that ability, integrity, and benevolence are key factors in building trust in human advisors. Using an experimental study design, our research examines the relationship between a robo-advisor's trust attributes and the acceptance of its investment advice. The results show that trust in a robo-advisor increases the propensity to follow its recommendations. While ability and integrity are significant, benevolence is not. The study contributes to the research on technology acceptance, trust, and the adoption of technology-based recommendations by improving the understanding of the relationship between trust and the acceptance of automated investment recommendations.