Marketing Glossar

2.413 Fachbegriffe aus 22 Bereichen des Online Marketings

Multidimensionale Skalierung

Definition: Die Multidimensionale Skalierung (MDS, englisch: Multidimensional Scaling) ist ein statistisches Dimensionsreduktions- und Visualisierungsverfahren, das wahrgenommene Ähnlichkeiten oder Unähnlichkeiten zwischen Objekten in einem geometrischen Raum mit möglichst wenigen Dimensionen abbildet. Das Grundprinzip lautet: Je ähnlicher zwei Objekte von Befragten wahrgenommen werden, desto näher liegen sie im resultierenden geometrischen Raum beieinander; je unähnlicher, desto weiter voneinander entfernt. Als Eingangsdaten dienen entweder direkte paarweise Ähnlichkeitsurteile von Probanden ("Wie ähnlich sind Marke A und Marke B auf einer Skala von 1 bis 9?") oder aus Attributbewertungen abgeleitete Distanzmatrizen. Das Verfahren wurde in den 1950er und 1960er Jahren durch Torgerson (1952) und Shepard (1962) entwickelt und erlangte breite Anwendung in der Marktforschung insbesondere durch die Arbeit von Green & Carmone (1970). Das wichtigste Einsatzfeld im Marketing ist die Erstellung von Wahrnehmungskarten (Perceptual Maps), die die relative Positionierung von Marken, Produkten oder Anbietern im subjektiven Wahrnehmungsraum der Zielgruppe visualisieren und damit Positionierungsentscheidungen empirisch fundieren.

Erläuterung

Der Ablauf einer MDS-Analyse beginnt mit der Erhebung von Ähnlichkeitsdaten. Bei direkten Ähnlichkeitsurteilen bewerten Probanden alle möglichen Paare aus einem Set von Objekten (z. B. 10 Marken ergeben 45 Paare) hinsichtlich ihrer wahrgenommenen Ähnlichkeit. Diese Bewertungen werden pro Respondent zu einer Distanzmatrix aggregiert. Bei indirekten Methoden werden Objekte auf mehreren Attributen bewertet, und die resultierenden Attributprofile werden durch Distanzmaße (z. B. euklidische Distanz) in Unähnlichkeitswerte umgerechnet.

Der MDS-Algorithmus sucht dann eine Konfiguration von Punkten im niedrigdimensionalen Raum (in der Regel 2D oder 3D für Visualisierungszwecke), bei der die Abstände zwischen den Punkten die Unähnlichkeitswerte der Eingabematrix möglichst gut reproduzieren. Die Güte der Lösung wird durch den Stresswert (Stress-1-Koeffizient nach Kruskal) quantifiziert: Stress-Werte unter 0,10 gelten als gut, unter 0,05 als ausgezeichnet, über 0,20 als kaum akzeptabel (Kruskal & Wish, 1978). Ein niedrigerer Stress bedeutet, dass die räumliche Konfiguration die Originalabstände besser widerspiegelt.

Die Interpretation der resultierenden Karte erfordert inhaltliche Expertise: Die Achsen des MDS-Raums haben a priori keine Bezeichnung und müssen vom Forscher anhand der Verteilung der Objekte und des Kontextwissens interpretiert werden. Bei einer Markenkarte könnte eine Achse "Premium vs. Preiswert" repräsentieren, eine andere "Traditional vs. Modern" – aber diese Bezeichnungen leitet der Forscher aus dem Muster ab, nicht aus dem Algorithmus. Zur inhaltlichen Interpretation werden häufig ergänzende Attributbewertungen als externe Vektoren in die Karte eingezeichnet (PROFIT-Methode), die anzeigen, in welche Richtung im Wahrnehmungsraum ein bestimmtes Attribut zunimmt (Carroll & Chang, 1970).

Im Marketing wird MDS besonders für Positionierungsanalysen, Wettbewerbsstrukturanalysen und Gap-Analysen eingesetzt. Die Perceptual Map zeigt, welche Wettbewerber in derselben Wahrnehmungsnische konkurrieren (engste Nachbarn im Raum), welche Positionen unbesetzt sind (potenzielle Differenzierungsfelder) und wie die eigene Marke im Verhältnis zum Idealvektor der Zielgruppe positioniert ist. Letzteres erfordert zusätzliche Daten über ideale Produktvorstellungen und wird in erweiterten Ideal-Point-Modellen analysiert (Hair et al., 2019).

Technisch stehen zwei Hauptvarianten zur Verfügung: Metrische MDS setzt intervall- oder ratioskalierte Distanzdaten voraus und sucht eine Lösung, bei der die berechneten Abstände proportional zu den Eingangsdistanzen sind. Nicht-metrische MDS (nach Kruskal) arbeitet mit ordinal skalierten Unähnlichkeitsurteilen und sucht lediglich eine monoton-konsistente Rangordnung der Abstände – robuster gegenüber den realistischeren Messeigenschaften von Befragungsdaten. Für die Mehrzahl der Marktforschungsanwendungen ist nicht-metrische MDS vorzuziehen. Implementierungen finden sich in SPSS (PROXSCAL, ALSCAL), R (Pakete smacof, MASS) und Python (scikit-learn: MDS-Klasse).

Varianten der Multidimensionalen Skalierung

Typische Anwendungsfelder im Marketing

Praxistipp: Nutzen Sie Perceptual Maps aus MDS-Analysen in Strategieworkshops, um die Wettbewerbspositionierung im Team zu diskutieren. Stellen Sie dabei sicher, dass die Ähnlichkeitsurteile von der tatsächlichen Zielgruppe stammen, nicht von internen Teams – Managementwahrnehmungen weichen oft erheblich von Kundenperspektiven ab. Überprüfen Sie den Stress-Wert vor der Präsentation: Liegt er über 0,15, ist die 2D-Karte möglicherweise zu stark vereinfacht und sollte um eine 3D-Visualisierung oder eine Lösung mit mehr Dimensionen ergänzt werden.

Referenzen