Der Einfluss von Dauertiefpreisen bzw. langfristigen Preisänderungen auf das Konsumentenpreiswissens wurde bisher in der wissenschaftstheoretischen Literatur noch nicht aufgearbeitet. Ausgehend von einer, in der Marktforschung gebräuchlichen Definition über die Adaptionsdauer des Preiswissens wurden mehrere Forschungslücken im Behavioral Pricing aufgedeckt. So wurden in der Vergangenheit verschiedene empirische Ansätze zur Erfassung des Preiswissens angewendet, jedoch weder die Reliabilität der Messung noch die Konstanz der jeweiligen Kontextfaktoren berücksichtigt. Die Generalisierung früherer Ergebnisse scheitert überdies am überwiegenden Einsatz von Studenten-Stichproben. Auf Basis eines longitudinalen Untersuchungsansatzes wurde das Konsumentenpreiswissen für vier vorselektierte Produkte des österreichischen Lebensmitteleinzelhandels mittels eines Online-Panels erhoben. Nach einer intensiven Auseinandersetzung mit theoretischen wie auch methodischen Grundlagen wurde der Markov-Ketten-Ansatz zur Bestimmung jener Periode mit der maximalen Übergangswahrscheinlichkeit definiert. In einer abschließenden Analyse wird überdies nachgewiesen, dass das Preiswissen weniger vom Produkt als von der jeweiligen Person abhängig ist. Das Ergebnis bietet wissenschaftstheoretische wie auch praxisorientierte Implikationen. Auch thematisch nahe Forschungsgebiete, wie beispielsweise das Retail Revenue Management, werden die Erkenntnisse dieser Arbeit verwerten können. Insbesondere der Marktforschung wird die Ausweitung der bestehenden Betrachtungsweise um die Konsumentenseite empfohlen. (Autorenref.)

The thesis deals with pricing strategies for multichannel retailers, especially traditional stores which additionally manage an online shop. The problem of integrating two sales channels and applying a well-suited pricing strategy is still an emergent question. This work develops a stochastic model to represent consumer behavior on pricing. On the one hand the model contains two probability functions which render consumers' reservation prices for each individual channel. On the other hand the stochastic model is based on numerous distributions which represent switching probabilities from and to each separate channel. The various distribution functions will be estimated from the results of a survey. To highlight differences of pricing strategies due to several product categories a cross comparisons of books, clothes and digital cameras will be presented. The results show that there are differences in multichannel pricing of the various products. These inequalities stem from consumers' perceptions of the sales channels. For each product a separate sales channel is preferred by consumers. Therefore, one channel exhibits some advantage versus the alternative channels. This advantage is reflected in different pricing strategies. Further appropriate marketing strategies could help a firm to counter discounting by its competitors. So firms should keep an eye on the reservation price structure of its consumers as well as their demanded marketing activities. (author's abstract)

“Freemium” (Free + Premium) hat sich zu einem führenden Preismodell für digitale Güter entwickelt. Dabei kann die Basisversion eines Produkts, z.B. von Handy-Applikationen (“Apps”), unbegrenzt kostenlos genutzt werden und Firmen bieten Premium-Erweiterungen gegen Bezahlung an. Konsumenten haben in 2018 194 Milliarden mal Apps heruntergeladen und 101 Milliarden US-Dollar für In-App-Einkäufe ausgegeben. Beinahe 80% des Umsatzes auf App-Stores wird dabei durch Handyspiele generiert. 2,4 Milliarden Menschen haben in 2019 Handyspiele gespielt, was der Hälfte aller App-Nutzer im gleichen Zeitraum entspricht. Die Hauptthese dieser Dissertation ist, dass preisreduzierende Sonderangebote von großer Wichtigkeit für das Vermarkten von Freemium-Gütern sind: Obwohl Freemium bereits eine extreme Preis-Reduktion darstellt, indem es ein Produkt Konsumenten kostenlos zum Ausprobieren zur Verfügung stellt, können demnach Firmen durch die Nutzung weiterer Sonderangebotstaktiken höhere Profite generieren. Die Arbeit postuliert weiter (und beweist dies empirisch), dass lange angenommene Risiken in der Nutzung von Sonderangeboten, die vor allem bei klassischen Konsumgütern etabliert wurden, im Freemium-Bereich in dieser Form nicht zutreffen. Diese Perspektive entwickelt und vertieft der Autor über vier individuelle Papiere, die zusammen mit einer einleitenden Zusammenfassung die fünf Kapitel dieser Dissertation ausmachen. Die vorliegende Arbeit ist empirischer Natur und wendet “Advanced Analytics”, insbesondere Feldexperimente und maschinelles Lernen, in Zusammenarbeit mit Firmen an. Als repräsentativer Forschungsgrund dienen dabei Freemium-Handyspiele, in denen Firmen detaillierte Daten über Interaktionen mit Kunden sammeln. Anhand dieser Daten leitet der Autor neue Kenntnisse über Kundenverhalten ab und entwickelt Entscheidungsunterstützungssysteme, die es Firmen ermöglichen, höhere Gewinne beim Verkauf von Freemium-Gütern zu erzielen. / “Freemium” (free + premium) has become a workhorse pricing model in the digital economy: A basic version of a product or service, e.g., mobile applications (“apps”), can be used for free in perpetuity and premium upgrades are available against payment of a fee. Consumers downloaded apps 194 billion times in 2018 and spent $101 billion on in-app purchases in the same time period. Accounting for almost 80% of that revenue, gaming in particular has seen an unparalleled expansion of demand. It is estimated that 50% of mobile app users play games regularly and that a global total of 2.4 billion people will play mobile games in 2019. The core thesis of this dissertation is that promotions are essential to the marketing of freemium goods such as mobile apps and games. While freemium already represents a promotional pricing tactic in using a zero price for free sampling, the author conjectures that firms can operate their freemium offerings more profitably by using further promotional tactics, especially targeted and personalized promotions, to sell premium upgrades. The author also argues (and shows) that widespread concerns around the use of promotions, particularly developed in the setting of consumer packaged goods, do not apply in the same way in this setting. This thinking is qualified and developed across four chapters that represent individual papers after providing an introduction to the work in the first chapter. The work is empirical in nature and applies advanced analytics, in particular field experimentation and machine learning, in collaboration with firms. As representative of the freemium app economy, the collaborating firms observe dense user data that enable the author to both derive insights on consumer behavior that extend existing conceptual thinking in the field of marketing and to devise decision support and expert systems that allow firms to operate more profitably in this setting.