Post on 20-Feb-2017
Folie 1 | 11.11.2016 | © infas 360
Anwendungsbeispiel E-Mobility-Befragung
Wie aus Mafo-Daten operatives
Zielgruppenwissen entsteht
Folie 2 | 11.11.2016 | © infas 360 Folie 2 | SMART RESEARCH | Der CASA Monitor | 15.04.2016 | © infas 360 | Michael Herter
SMART DATA FÜR KOMMUNALE UNTERNEHMEN
Befragungsmethode: CAWI (Panel)
Stichprobengröße: 10.000
Befragungsdauer : Mindestens 10 Minuten
Frequenz: Vierteljährlich, aktuell 07/16, nächste 10/16
Klient: Multi-Client / wechselnd
Scope: Wechselnd, 07/10 Cross-Channel-Kauf mit Schwerpunkt Automotive
Special features: Anonymisierte Anreicherung der Befragungsdaten mit über 200 Merkmalen aus der CASA Datenbank.
Dadurch Generierung zahlreicher weiterer Insights und neue Anwendungsmöglichkeiten.
Potentialanalyse und Zielgruppenlokalisierung
Berechnung hausgenauer Prognosen
z.B. Berechnung von Shopper-Typen und e-Autokauf-Affinität
Der CASA-Monitor
Folie 3 | 11.11.2016 | © infas 360 Folie 3 | SMART RESEARCH | Der CASA Monitor | 15.04.2016 | © infas 360 | Michael Herter
SMART DATA FÜR KOMMUNALE UNTERNEHMEN
Daten aus der Befragung
38 Jahre weiblich 4 Pers. 7 und 10 3.900 € (Netto) Marke ca. Euro 180 ca. Euro 20 ca. Euro 420 ca. Euro 210 Store
Alter: Gender Befragte/r:
Haushaltsgröße: Alter der Kinder: HH-Einkommen:
Kaufmotiv: Ausgaben/Monat Kleidung: Ausgaben/Monat Kosmetik: Ausgaben/Monat Nahrung: -> Davon Obst & Gemüse:
Bevorzugter Shopping-Kanal:
Verknüpfung mit der CASA-Daten (über 200 mikrogeographische Daten auf Haus)
Einfamilienhaus 140m² 2008 Stadtrand Ja (10 MWh) Sehr hoch Überdurchschnittlich Bis zu 50 Mbit 500 Meter 1800 Meter 1,5 Km
Wohngebäude: Wohnfläche:
Baujahr: Lage:
Solaranlage: Mieten:
Kaufkraft: Breitband:
Next Supermarkt: Next Aldi:
Next Shopping-District:
+ Smart Research: Befragung inkl. Big Data Enrichment und Prognose (Zwillingssuche)
=
+
Folie 4 | 11.11.2016 | © infas 360 Folie 4 | SMART RESEARCH | Der CASA Monitor | 15.04.2016 | © infas 360 | Michael Herter
SMART DATA FÜR KOMMUNALE UNTERNEHMEN
Etwas mehr als jeder Dritte wäre „nur“ bereit für ein e-Auto bis 10% mehr zu zahlen
Ja 26,5%
Nein 73,5%
Ja
38,2%
16,8%
26,5%
13,4%
5,2%
0% 10% 20% 30% 40% 50%
bis 10% mehr
> 10% bis 15% mehr
> 15% bis 20% mehr
> 20% bis 40% mehr
>40% mehr
Wären Sie bereit für ein Elektro-Auto mehr zu zahlen? Wieviel Prozent wären Sie bereit für ein Elektro-Auto mehr zu zahlen?
n=4591
n=1216, Mehrfachauswahl möglich Quelle: infas 360 / EuPD Research 2016
Folie 5 | 11.11.2016 | © infas 360 Folie 5 | SMART RESEARCH | Der CASA Monitor | 15.04.2016 | © infas 360 | Michael Herter
SMART DATA FÜR KOMMUNALE UNTERNEHMEN
Regionale Verteilung der Kaufinteressierten für e-Autos innerhalb der nächsten 12 Monate
Folie 6 | 11.11.2016 | © infas 360 Folie 6 | SMART RESEARCH | Der CASA Monitor | 15.04.2016 | © infas 360 | Michael Herter
SMART DATA FÜR KOMMUNALE UNTERNEHMEN
Nutzer solarer Energie doppelt so hoch kaufinteressiert
Ja 3,3%
Nein 96,7%
Photovoltaik-Anlage (PV) installiert Beabsichtigen Sie in den nächsten 12 Monaten ein Elektro-Auto zu kaufen?
n=9868 Quelle: infas 360 / EuPD Research 2016
9,3%
4,4%
67,3%
73,2%
23,3%
22,4%
0% 20% 40% 60% 80% 100%
Besitzer PV-Anlage(n=150)
Keine PV-Anlage(n=4012)
Ja Nein Vielleicht
Was sind / könnten Gründe sein, dass Sie sich für ein E-Auto entscheiden?: Man kann den Strom über Solarzellen selbst erzeugen
29,3%
16,5%
Folie 7 | 11.11.2016 | © infas 360 Folie 7 | SMART RESEARCH | Der CASA Monitor | 15.04.2016 | © infas 360 | Michael Herter
SMART DATA FÜR KOMMUNALE UNTERNEHMEN
Resultat: Neue Zielgruppe für e-Autos inkl. mikrogeographisches Profil (Potenzial)
Haupt-Kaufgrund ist Emissionssenkung
56% kennen die Kaufprämie
87,6% möchten Auto zu Hause aufladen
57% erwarten vom Stromversorger
Ladeinfrastruktur
Kaufinteressierte mit Solar sind doppelt so
häufig vertreten
eher städtisches und stadtnahes Profil
eher Jüngeres Umfeld gering erhöhter
Kaufkraft
eher klassisches Doppelhaushälfte und
Mehrparteien
Altersgruppe eher 31-45 Jahre
Mikro Mafo
Folie 8 | 11.11.2016 | © infas 360 Folie 8 | SMART RESEARCH | Der CASA Monitor | 15.04.2016 | © infas 360 | Michael Herter
SMART DATA FÜR KOMMUNALE UNTERNEHMEN
Neue Affinität für e-Autos am Beispiel der Stadt Troisdorf nach Ortsteilen und Gebäuden und
Folie 9 | 11.11.2016 | © infas 360
Michael Herter Geschäftsführer +49 (0)228/74887-360 m.herter@infas360.de infas 360 GmbH Ollenhauerstraße 1 53113 Bonn www.infas360.de
Vielen Dank für Ihre Aufmerksamkeit!
Bildnachweise Electric car © wellphoto @ fotolia Einfamilienhaus aufgeschnitten möbliert © KB3 @ fotolia family wathching flat tv at modern home indoor © .shock@ fotolia