Analyse des Kraftstoff- und Shop-Geschäfts des Tankstellennetzes einer Mineralölgesellschaft mit Hilfe von Regressionsverfahren

Tankstellen stehen in einem scharfen Wettbewerb zueinander. Vor allem die Betreiber von Markentankstellen versuchen deshalb, die Ertragspotentiale im Kraftstoff- und im Shop-Geschäft aufeinander abgestimmt zu erschließen. Der Verkauf von Kraftstoffen spielt dabei die Rolle des Frequenzbringers. Umgekehrt besteht aber auch ein Zusammenhang zwischen der Attraktivität des Shops und dem Verkauf der Kraftstoffe. Die vorliegende Arbeit untersucht unter anderem diese Zusammenhänge mit regressionsanalytischen Verfahren. Neben der Standardregression kommen auch Splines, Smoothing Splines, Generalized Additive Models, adaptive Verfahren und lineare Mixture Models zur Anwendung. Während das zuletzt genannte Verfahren Cluster von Objekten bildet und diese getrennt voneinander analysiert, wird bei den übrigen Verfahren die Linearitätsprämisse der Standardverfahren fallengelassen, um z. B. Schwellen- und Sättigungseffekte offenzulegen. Die Unterschiede zwischen den Verfahren werden anhand der Daten eines großen deutschen Mineralölunternehmens erläutert. Diese Daten beinhalten sowohl Umsätze von Kraftstoffen und Shop-Artikeln als auch stationsbeschreibende Merkmale. Der Vergleich der Modelle ergibt, daß im vorliegenden Fall der Mixture Model-Ansatz den anderen überlegen ist. Durch diese Art der Modellierung wird deutlich, daß bei verschiedenen Tankstellenclustern den einzelnen Umsatzdeterminanten mitunter stark unterschiedliche Bedeutung zukommt. Darauf aufbauend lassen sich für die Tankstellencluster individuelle Marktstrategien entwickeln, Budgets optimieren sowie über Abweichungsanalysen eine genauere operative Führung erreichen. Auch die Potentialeinschätzung neuer Standorte kann mit den vorgestellten Verfahren unterstützt werden. Diese Verfahren sind in ihrer Anwendung nicht auf Tankstellen beschränkt, sie eignen sich gleichermaßen für andere Handelszweige.