Je urbaner, desto fitnessaffiner?

Die folgende Analyse setzt sich mit den die Reaktionsquote eines regionalen Fitnessmarktes beeinflussenden Faktoren auseinander. Die selektierten potenziellen Marktfaktoren Alter, Arbeitslosenquote, Kaufkraft und Urbanisierungsquote werden anhand einer linearen Regression auf ihren Einfluss auf die Reaktionsquote untersucht. Abschließend werden die Ergebnisse zusammengefasst, um Existenzgründern, Expansionsmanagern und Unternehmensberatern eine Unterstützung in der Bewertung der für die eigene Marktanalyse relevanten Marktfaktoren zu ermöglichen.

Hinführung zur Thematik

Zu Beginn eines Gründungsvorhabens steht im Normalfall eine Marktanalyse, um die Durchführbarkeit der eigenen Gründungsidee zu überprüfen. Bei Fitnessstudios steht hier insbesondere die Ermittlung des Mitgliederpotentials einer neuen Fitnessanlage am gewählten Standort im Mittelpunkt der Analyse. Um ein solches Mitgliederpotential ermitteln zu können, ist die Reaktionsquote, welche jährlich für Gesamtdeutschland und die einzelnen Bundesländer berechnet wird, ein erster Ausgangspunkt.

Die Reaktionsquote ist, wie der rechte Kasten zeigt, eine wichtige und unverzichtbare Grundlage für eine sinnvolle Ermittlung des Mitgliederpotentials. Nachvollziehbarerweise ist diese nicht deutschlandweit einheitlich. Jeder regionale Markt hat seine ganz eigene Reaktionsquote, welche es im Rahmen der Marktanalyse zu ermitteln gilt. Welche Faktoren genau die Reaktionsquote und damit die Attraktivität der jeweiligen Region genau beeinflussen, ist allerdings bisher nicht anhand quantifizierbarer Kriterien ermittelt worden, so dass es meist auf Basis der qualitativen Einschätzungen des Erstellers einer Marktanalyse geschieht. Die Kriterien, die hierbei als Grundlage verwendet werden, sind vielfältig. An dieser Stelle möchte diese Analyse ansetzen und dem Leser anhand einer statistischen Analyse dieser Kriterien darlegen, die nachweisbar einen Einfluss auf die Reaktionsquote ausüben und gleichzeitig mit Fehleinschätzungen über den Einfluss anderer Kriterien aufräumen.

Potenzielle Marktfaktoren des Fitnessmarktes

Bevor die eigentliche Analyse durchgeführt werden kann, müssen die Kriterien, welche die Reaktionsquote beeinflussen könnten, ermittelt werden. Der Autor dieser Analyse sieht hier vier Kriterien als möglich an:

• Das Alter kann ein Kriterium sein. Die Annahme ist dabei, dass ein jüngeres Durchschnittsalter zu einer höheren Reaktionsquote führen könnte.
• Die Arbeitslosenquote ist als weiteres Kriterium heranzuziehen. Die zugrundeliegende Annahme ist dabei, dass eine geringere Arbeitslosenquote zu höherer Bereitschaft für Konsumausgaben und damit zu einer höheren Reaktionsquote führen könnte.
• Die Kaufkraft kann ebenfalls ein sinnvolles Kriterium sein. Auch hier gilt, eine höhere Kaufkraft führt zu höheren Konsumausgaben (also auch für Fitnesstraining) und somit zu einer höheren Reaktionsquote.
• Das letzte Kriterium ist die Urbanisierungsquote. Hierbei wird davon ausgegangen, dass die Bereitschaft zur Aufnahme eines Trainings in einem Fitnessstudio in dicht besiedelten Gebieten (Städten) höher ist als auf dem Land.

Weitere Kriterien wurden im Rahmen dieser Analyse nicht berücksichtigt, da diese entweder nicht quantifizierbar sind oder deren Wirkung als zu gering eingeschätzt wird.

Analyse der potenziellen Marktfaktoren

Nachdem zuvor die potenziellen Marktfaktoren ermittelt wurden, sollen diese nun unter Zuhilfenahme fundierter statistischer Methoden unter die Lupe genommen werden. Als Methode wurde die ‚Lineare Regression‘ gewählt, welche, vereinfacht ausgedrückt, versucht, zwischen bekannten statistischen Daten einen linearen Zusammenhang zu ermitteln. Sollte Sie kein Interesse an den Grundzügen dieser Methodik haben, so sei Ihnen das Überspringen des folgenden Absatzes und der direkte Übergang zum nächsten Kapitel nahegelegt. Für alle statistisch interessierten Personen soll im nächsten Abschnitt kurz die Methodik erläutert werden.

Um die Zusammenhänge ermitteln zu können, wurde eine gängige statistische Software eingesetzt, welche die lineare Regression durchführte. Abwechselnd wurden dabei die einzelnen Merkmale sowie alle erdenklichen Kombinationen der verschiedenen Merkmale dieser Software übergeben. Jede dieser Berechnungen führte dabei zu einem eigenen Modell. Um die Güte des jeweiligen Modells und der Variablen zu ermitteln, müssen zwei Kriterien beachtet werden. Das adj. Bestimmtheitsmaß sollte so groß wie möglich sein (max. 1,0), wobei gleichzeitig die p-Werte der eingesetzten Variablen möglichst klein bleiben sollten (im Idealfall unter 0,05).

Die analysierten Daten entstammen aus der Eckdatenstudie des DSSV des Jahres 2016 (Reaktionsquote), der Homepage der Michael Bauer Research GmbH (Kaufkraft), der Homepage der Bundesagentur für Arbeit (Arbeitslosenquote) sowie dem Statistischem Bundesamt (Urbanisierungsquote). Sämtliche Daten wurden zum Stichtag 31.12.2015 ermittelt.

Auswertung der Analyse

Folgenden sollen kurz die Ergebnisse der statistischen Analyse im Hinblick auf die vier zuvor ermittelten Kriterien zusammengefasst werden.

Das Alter scheint zusammenfassend ein passables Kriterium zu sein, um die Reaktionsquote zu ermitteln. Die verschiedenen Modelle sind sich grundsätzlich darüber einig, dass das Durchschnittsalter grundsätzlich die Reaktionsquote negativ beeinflusst.

Die Arbeitslosenquote stellt sich interessanterweise als wenig geeignetes Kriterium zur Ermittlung der Reaktionsquote heraus. Auffällig ist bei der Analyse, dass die Arbeitslosenquote je nach Modell sowohl positive als auch negative Auswirkungen auf die Reaktionsquote zulässt, was den Nutzen dieses Kriteriums eindeutig in Frage stellt.

Die Kaufkraft ist wie das Alter ein durchaus brauchbares Kriterium. Mit zunehmender Kaufkraft ist so-mit auch mit einer Erhöhung der Reaktionsquote zu rechnen.

Die höchste Eignung besitzt die Urbanisierungsquote. Die Verbindung zwischen einer dicht besiedelten Region und einer höheren Reaktionsquote ist statistisch am signifikantesten. Mit anderen Worten, in einer Stadt (egal ob Groß- oder Kleinstadt) ist der prozentuale Anteil der Trainierenden höher als in einer dörfischen Region.

Die Ergebnisse können der folgenden Tabelle entnommen werden.

Einschränkungen der Analyse

An dieser Stelle soll nicht ignoriert werden, dass diese Analyse, wie jede andere Analyse dieser Art auch, nicht frei von Einschränkungen ist. Diese sollen im Folgenden kurz diskutiert werden, um den Leser den Wert dieser Analyse zu verdeutlichen.

Eine lineare Regression versucht einen linearen Zusammenhang zwischen bestimmten Daten herzustellen. Im Fall dieser Analyse ist dies der Zusammenhang zwischen der Reaktionsquote und den Faktoren Alter, Arbeitslosenquote, Kaufkraft und Urbanisierungsquote. Ein Zusammenhang muss aber nicht immer linear sein. So würde beispielsweise eine lineare Steigerung der Reaktionsquote eine unendliche Steigerung bedeuten. Dies erscheint aber nicht praktikabel, da eine Reaktionsquote ein Höchstniveau haben muss.

Darüber hinaus ist davon auszugehen, dass mit zunehmender Reaktionsquote die weiteren Steigerungen eher flacher ausfallen, die Kurve also abflacht und somit keine Linearität vorliegt. An einem bestimmten Punkt dürfte die Reaktionsquote sogar einen Maximalwert erreichen und nicht mehr weiter steigen.

Ebenso gilt es zu beachten, dass diese Analyse zwangsläufig das Zusammenspiel zwischen Reaktionsquote und Marktfaktoren nur in einem bestimmten Intervall für diese Marktfaktoren untersuchen kann. Ob die Reaktionsquote sich außerhalb der verwendeten Minimal- und Maximalwerte der Marktfaktoren ebenso verhält, kann nicht garantiert werden.

Schlussfolgerungen

Zusammenfassend kann gesagt werden, dass sich nicht alle angedachten Kriterien als sinnvolle Marktfaktoren zur Ermittlung der Attraktivität eines regionalen Fitnessmarktes herausgestellt haben.

Für die praktische Nutzung kann wie folgt festgehalten werden:

Das wichtigste Kriterium, gemessen an dieser Analyse, scheint die Urbanisierungsquote zu sein. Somit sollte sich ein Anwender als erstes Fragen, in welcher Region er sich aufhält. Handelt es sich um eine Region mit hoher (Stadt) oder mittlerer (Kleinstadt, Vorort einer größeren Stadt) Bevölkerungsdichte, so ist von einer höheren Reaktionsquote auszugehen. Geringe Bevölkerungsdichte (Dörfer) führt dagegen zu einer Abnahme.

Anschließend sollte auf Basis der Kaufkraft und des Durchschnittsalters ein weiterer Feinschliff der Reaktionsquote durchgeführt werden. So führen ein geringeres Durchschnittsalter und eine höhere Kauf-kraft jeweils zu einer höheren Reaktionsquote.

Die Arbeitslosenquote dagegen ist kein sinnvolles Kriterium, um die Reaktionsquote zu bestimmen.

Diese Ergebnisse sollten Existenzgründer, Expansionsmanager und Unternehmensberater der Fitnessbranche im Rahmen ihrer eigenen Marktanalyse dringend beachten, um eine realitätsnahe Analyse zu erarbeiten und damit eine gute Entscheidungsgrundlage zu haben. Trotz alledem sollte sich der geübte Analyst auch immer auf sein persönliches Gefühl verlassen und die Ergebnisse anhand des konkreten Marktes hinterfragen.

Du findest diesen Artikel auch in der F&G Fitness und Gesundheit 5/2017 oder als eigene Podcast-Folge zum Nachhören.

Literaturverzeichnis

Bundesagentur für Arbeit (2017): Arbeitsmarkt im Überblick, online im Internet: https://statistik.arbeitsagentur.de/Navigation/Statistik/Statistik-nach-Regionen/Politische-Gebietsstruktur-Nav.html, Stand: 13.05.2017

Kamberovic, Refit / Fütterer, Sabrina / Hollasch, Karsten / Menzel, Fabian / Capelan, Ralf / Papathanassiou, Vassilios (2016): Eckdaten der deutschen Fitness-Wirtschaft, DSSV e. V., Hamburg

Michael Bauer Research GmbH (2016): Kaufkraft 2016 in Deutschland, online im Internet: http://www.mb-research.de/_download/MBR-Kaufkraft-2016-Bundeslaender.pdf, Stand: 13.05.2017, Michael Bauer Research GmbH

Statistisches Bundesamt (2016): Grad der Verstädterung nach Fläche und Bevölkerung auf Grundlage des ZENSUS 2011 und Bevölkerungsdichte, online im Internet: https://www.destatis.de/DE/ZahlenFakten/LaenderRegionen/Regionales/Gemeindeverzeichnis/NichtAdministrativ/Aktuell/33STL.html, Statistisches Bundesamt, Wiesbaden