Influencer Product Endorsements: Erfolgsfaktoren

Influencer Product Endorsements Erfolgsfaktoren Titelbild

Influencer Product Endorsements gelten als relevantester Teil des Influencer Marketings. Darüber hinaus wird die Wichtigkeit wegen der steigenden Anzahl aktiver Social Media Nutzer[1] vorerst nicht abnehmen. Folgerichtig stellt sich die Frage, was Influencer Product Endorsements erfolgreich macht.

Product Endorsements durch Celebrities, also Berühmtheiten, die ihren Fans Produkte empfehlen [2], sind schon lange im Fokus der Forschung. Influencer Product Endorsements haben allerdings erst jüngst die Aufmerksamkeit auf sich gezogen. Dabei wird das Produkt explizit von einer Person empfohlen, die hohe Reichweite durch Soziale Netzwerke aufgebaut hat [3].

Influencer Product Endorsements: Welche Faktoren wurden untersucht?

In diesem Beitrag werden einige Erfolgsfaktoren für die Produktplatzierungen von Influencern evaluiert. Dafür gilt zu klären, welche Eigenschaften bei Influencer Product Endorsements am stärksten zur Kaufentscheidung des Nutzers beiträgt. Es sind bereits viele Influencer bezogene Faktoren wie zum Beispiel die “Glaubwürdigkeit” [4] untersucht. Deshalb fokussiert sich diese Studie auf Merkmale, die unmittelbar mit dem Post in Verbindung stehen:

  • Reichweite: die Reichweite des Influencers in Followern
  • Produkt-Influencer Kongruenz: ob Image, Persönlichkeit und Expertise des Influencers zu dem empfohlenen Produkt passt [5]
  • Engagement-Rate: die Summe aus Likes und Kommentaren im Verhältnis zu Followern [6]
  • Kommentar-Sentiment: Einstellung der Kommentare zu Post und Produkt

Außerdem beschränkt sich die Untersuchung auf Instagram, da es das Soziale Netzwerk mit dem höchsten Umsatz durch Produktplatzierungen [7].

Influencer Product Endorsements: Untesuchungsmethode

Zur Beurteilung der Faktoren wurde eine empirische Untersuchung mittels Choice-Based Conjoint Analyse durchgeführt. Kurz gesagt handelt es sich dabei um “ein Verfahren zur Messung von Präferenzen, Kaufabsichten und Einstellungen von Verbrauchern zu Produkten” [8]. Demzufolge wird die Methode im Regelfall zur Bewertung der Merkmalsausprägungen von Produkten eingesetzt. Die Befragten liegen mehrere Auswahlentscheidungen vor, bei denen Sie sich zwischen Varianten mit verschieden ausgeprägten Eigenschaften entscheiden müssen. Die Merkmalsausprägungen sind dabei von einer Software dynamisch ausgesteuert, damit sie annähernd die gleiche Anzahl an Impressionen erreichen. Anschließend zeigt die Häufigkeit mit der die jeweiligen Merkmalsausprägungen gewählt ist, welche Produkteigenschaften am relevantesten und welche Ausprägungen am beliebtesten sind.

Im Grunde genommen ist dieses Vorgehen hier für die Beurteilung von Instagram-Beiträgen adaptiert. Infolgedessen stehen sich die Merkmale Reichweite, Produkt-Influencer Kongruenz, Engagement-Rate und Kommentar Sentiment in verschiedenen Ausprägungen gegenüber. Währenddessen haben die Probanden entschieden, welche Beiträge sie eher zum Kauf des beworbenen Produktes motivieren würden.

Conjoint Analyse: Merkmale und Merkmalsausprägungen

Im Folgenden sind die Ausprägungen der untersuchten Faktoren für die Conjoint Analyse aufgeführt:

  • Reichweite: < 100 Tsd. | 100 Tsd. – 1 Mio. | > 1 Mio.
  • Produkt-Influencer Kongruenz: hoch | niedrig
  • Engagement-Rate: 1% | 3% | 6%
  • Kommentar Sentiment: positiv | negativ

In diesem Sinne bildet die Klassifikation von Influencern nach Followerzahl [9] die Grundlage für die Reichweiten-Stufen. Im Gegensatz dazu ist die Engagement-Rate an durchschnittlichen Werten auf Instagram [10] orientiert.

Conjoint Analyse: Stimuli

Die erstellten Stimuli repräsentieren je eine Kombination von Merkmalsausprägungen. Dafür werden ein Ausschnitt des Influencer-Profils (Reichweite und Produkt-Influencer Kongruenz), ein zugehöriger Post mit dem Platzierten Produkt (Engagement-Rate durch Likes und Kommentare) und ein Ausschnitt der Kommentarsektion (Kommentar Sentiment) angezeigt. Es ist in jedem Post das gleiche Produkt, ein Akkuschrauber abgebildet. Entsprechend entscheiden die Probanden nicht nach Produktpräferenz. Demnach gibt es in der Umfrage 6 fiktive Influencer: Für die drei Reichweiten-Stufen je einer für hohe und niedrige Influencer-Produkt Kongruenz. Dazu ist für jeden Influencer ein passender Beitrag gestaltet. Für die beiden Varianten des Kommentar Sentiments sind je drei verschiedene Abbildungen erstellt, damit die Umfrage authentisch bleibt, und der Nutzer nicht immer mit den gleichen Kommentaren konfrontiert ist. Die nachfolgende Abbildung zeigt ein Beispiel Stimulus. 

influencer product endorsements conjoint stimulus beispiel
Influencer Product Endorsements: Conjoint Analyse – Beispiel Stimulus

Die Umfrage wurde mit Lighthouse Studio von Sawtooth Software durchgeführt und ausgewertet. Neben den zehn Auswahlfragen für die Conjoint Analyse sind einige demographische Daten und Informationen zum Nutzungsverhalten gefragt. Des weiteren sind im Nachgang drei Fragen aufgeführt, um das Studiendesign zu validieren. Dabei wird die Wirkung der verschiedenen Beiträge, die Wahrnehmung der Produkt-Influencer-Kongruenz und die Wahrnehmung der Kommentar Sentimente. Abschließend haben die Teilnehmer die Möglichkeit ihre E-Mail-Adresse einzutragen, um an einer Verlosung eines Amazon-Gutscheins im Wert von 20 EUR teilzunehmen. Damit folgt eine höhere Motivation an der Umfrage teilzunehmen.

Die Umfrage im Internet zur Verfügung. Die Teilnehmer hatten einen Zeitraum von fünf Tagen, um sie zu beantworten. Daraufhin erfolgt die Auswertung in Lighthouse Studio. Infolgedessen ist eine automatisierte Auswertung mit der Counts- und der Hirarchical Bayes Methode ermöglicht.

Influencer Product Endorsements: Ergebnisse

Die Stichprobe der Befragung umfasst 125 Datensätze der Teilnehmer. Die Altersverteilung erstreckt sich von 15 bis 60 Jahren, wobei die Mehrheit der Probanden zwischen 22 und 29 Jahre alt ist. Demgemäß wird etwa die Altersverteilung der Instagram-Nutzer abgebildet [11]. Außerdem sind 60% der Befragten weiblich und 40% männlich.

Die Mehrheit (73,6%) gibt an, mehrere Jahre Instagram zu nutzen. 68% nutzen die Instagram mehrmals täglich, während die Nutzungsdauer im Schnitt 1:30 h pro Tag beträgt. Des weiteren geben 17 Befragte an, kein Instagram-Konto zu besitzen. Die Datensätze dieser Personen beschreiben allerdings ein ähnliches Entscheidungsverhalten wie diejenigen von aktiven Instagram-Nutzern, weshalb sie bei der Auswertung nicht ausgeschlossen wurden.

Counts-Analyse

Die Counts-Analyse ermittelt relative Häufigkeiten der Auswahl von Merkmalsausprägungen, um einen ersten Eindruck zu gewinnen . Erstens ist die niedrige Reichweite, dicht gefolgt von der hohen Reichweite, am häufigsten gewählt. Darüber hinaus ist die hohe Übereinstimmung von Influencer und Produkt gegenüber der niedrigen Kongruenz präferiert. Allerdings zeigt sich für die Engagement-Rate keine signifikante Tendenz: Alle drei Stufen sind annähernd gleich häufig gewählt. Ferner sind die Beiträge mit positiver Einstellung in den Kommentaren sind deutlich häufiger gewählt, als diejenigen mit negativer Einstellung. Nachfolgend sind die Häufigkeiten abgebildet.

Influencer Product Endorsements Conjoint Analyse Counts
Influencer Product Endorsements: Conjoint Analyse – Counts

Für alle Merkmale außer der Engagement-Rate liegen signifikante Verteilungen vor. Somit scheinen alle einen Einfluss auf die Kaufentscheidung zu haben, außer die Engagements.

Hierarchical Bayes Analyse (HB-Analyse)

Die HB-Methode hilft bei der weiteren Auswertung. Dabei ermittlt sie für die Attribute Relevanzen und bestimmt für deren Ausprägungen Teilnutzenwerte. Schließlich ist die Hierarchie nach Relevanz für den Erfolg der Produktplatzierung die folgende: 

  1. Reichweite
  2. Kommentar Sentiment
  3. Influencer-Produkt Kongruenz
  4. Engagement Rate

Die Teilnutzenwerte der Ausprägungen zeigen etwa die Ergebnisse der Counts-Analyse. Nachfolgend sind die Ergebnisse verbildlicht:

Influencer Product Endorsements Conjoint Analyse Hierarchical Bayes
Influencer Product Endorsements: Conjoint Analyse – Hierarchical Bayes

Auch hier ist zu erkennen, dass die niedrige und hohe Reichweite, deutlich mehr bevorzugt ist, als die mittlere Reichweite. Außerdem führt eine hohe Produkt Influencer Kongruenz eher zum Kauf des beworbenen Produktes als eine niedrige.

Die Engagement-Rate hat allerdings keinen Einfluss auf die Wirkung einer Produktempfehlung auf Instagram. Die Ergebnisse der Umfrage lassen schließen, dass es keine Auswirkung auf den Nutzer hat, ob wenige oder viele Likes und Kommentare abgegeben wurden. Es wurde nicht untersucht, ob viele Engagements zu mehr Verkäufen führen, da interagierende Nutzer eine höhere Kaufbereitschaft haben könnten.

Ein großer Einfluss wurde hingegen für die Meinung in den Kommentaren festgestellt: Sind die Kommentare dem Post und dem Produkt gegenüber negativ gestimmt, empfinden Nutzer es als deutlich weniger motivierend das Produkt zu kaufen, als wenn die Kommentare positiv positioniert sind.

Influencer Product Endorsements: Fazit

Zusammenfassend konnte das Studiendesign keine fundierten Ergebnisse für die Faktoren Reichweite und Produkt-Influencer Kongruenz liefern, hat aber belegt, dass die Engagement-Rate zunächst keinen Einfluss auf die Wirkung von Product Influencer Endorsements hat. Außerdem wurde ein hoher Zusammenhang zwischen der Einstellung in den Kommentaren und dem Erfolg der Produktempfehlung festgestellt. Unternehmen sollten also bei der Wahl von Influencern die in den Kommentaren oft negativ kritisiert sind vorsichtig sein.

Quellen

  1. Jahnke, Marlies (2018): Influencer-Marketing – Influencer-Marketing für Unternehmen: Strategien, Plattformen, Instrumente, rechtlicher Rahmen, Springer Gabler Verlag
  2. Schouten,Janssen & Verspaget (2019): Celebrity vs. Influencer endorsements in advertising: the role of identification, credibility, and Product-Endorser fit
  3. Kilian, Transfer Werbeforschung & Praxis (2017)
  4. Djafarova & Rushworth (2017): Exploring the credibility of online celebrities’ Instagram profiles in influencing the purchase decisions of young female users
  5. Schouten,Janssen & Verspaget (2019): Celebrity vs. Influencer endorsements in advertising: the role of identification, credibility, and Product-Endorser fit
  6. Jahnke, Marlies (2018): Influencer-Marketing – Influencer-Marketing für Unternehmen: Strategien, Plattformen, Instrumente, rechtlicher Rahmen, Springer Gabler Verlag
  7. https://de.statista.com/statistik/daten/studie/881828/umfrage/verteilung-der-umsaetze-von-influencern-durch-sponsored-posts-in-der-dach-region-nach-social-media-plattformen/
  8. Fiedler u.a. (2017): Conjoint-Analyse, Rainer Hampp Verlag
  9. Jahnke, Marlies (2018): Influencer-Marketing – Influencer-Marketing für Unternehmen: Strategien, Plattformen, Instrumente, rechtlicher Rahmen, Springer Gabler Verlag
  10. https://de.statista.com/statistik/daten/studie/1119586/umfrage/instagram-engagement-rate-nach-der-anzahl-der-follower/
  11. https://de.statista.com/statistik/daten/studie/809703/umfrage/instagram-nutzer-nach-alter-und-geschlecht-weltweit/

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.