Drive Green - Kundenpraferenzen Beim Kauf Umweltfreundlicher Pkw Eine empirische und theoretische Betrachtung

Diplomarbeit aus dem Jahr 2009 im Fachbereich BWL - Marketing, Unternehmenskommunikation, CRM, Marktforschung, Social Media, Note: 1,3, Johannes Gutenberg-Universitat Mainz, Sprache: Deutsch, Abstract: Angesichts steigender Kraftstoffpreise und zunehmender Bedeutung des Klimawandels findet derzeit ein Umdenken unter Autofahrern statt: 94,9% aller Pkw-Fahrer sind bereit, auf ein alternatives Antriebskonzept wie Gas, Hybrid oder Biokraftstoffe auszuweichen. Bislang sind derartige Pkw jedoch noch immer ein Nischenprodukt. Ausgehend von der politisch und gesellschaftlich notwendigen Reduzierung der Umweltbelastungen durch Automobile, hat diese Untersuchung nach Moglichkeiten zur besseren Vermarktung umweltfreundlicher alternativ angetriebener Pkw gesucht. Dieser Zielsetzung liegt die Auffassung zugrunde, dass nur durch eine gezielte Ansprache einzelner Kundensegmente, durch Kommunikation der verschiedenen Nutzenaspekte umweltfreundlicher Pkw und durch auf die Praferenzen der Kunden abgestimmte Pkw-Angebote der Absatz von alternativ angetriebenen Automobilen gesteigert werden kann. Von besonderem Interesse war hierbei die Nutzenstiftung spezifischer Merkmale beim PKW Kauf fur einzelne Kundengruppen, und in welchem Masse diese von soziodemografischen, psychografischen oder verhaltensorientierten Kriterien beeinflusst wird. Um ein Erreichen der soeben dargestellten Ziele sicherzustellen, wurde zum einen eine allgemeine Voruntersuchung zu Motiven beim Kauf alternativ angetriebener Automobile durchgefuhrt, und zum anderen eine Choice-Based-Conjoint Analyse zur Nutzenstiftung einzelner Merkmale umweltfreundlicher Pkw. Als Grundlage der Untersuchungen wurde auf Basis des bedurfnistheoretischen Nutzenansatzes eine Betrachtung der besonderen Charakteristika des umweltrelevanten Konsum beim Automobilkauf durchgefuhrt, sowie ein verhaltenstheoretisch basiertes Modell zur Erklarung des Kaufverhaltens aufgestellt. Durch verschiedene Segmentierungen und eine anschliessende Clusterung k"