Framing Effect: Definition, Evidenz und Conversion-Bedeutung

Definition

Die Darstellung gleicher Information kann Entscheidungen systematisch beeinflussen.

Themen und verwandte Bereiche

Dieses Konzept gehört zum Themenfeld Entscheidungsfriktion Cognitive Load. Relevante Tags: Entscheidungswissenschaft, Communication.

Wirkmechanismus

Framing Effect beeinflusst Conversion, wenn es die Interpretation von Nutzen, Risiko, Aufwand oder sozialer Bedeutung eines Angebots verändert. Für Audits wird der Mechanismus operationalisiert: Welche konkrete Wahrnehmung verändert die Seite, an welcher Funnel-Stelle passiert das, welche Evidenzpfade stützen die Bewertung, und welche Handlung soll dadurch wahrscheinlicher werden?

Bedeutung für Conversion

Framing Effect ist für Conversion relevant, wenn die Seite genau den Mechanismus berührt, den das Konzept beschreibt: Die Darstellung gleicher Information kann Entscheidungen systematisch beeinflussen.

Praktisch heißt das: Visual Cues und Primes für Konsumentscheidungen: Bildsprache, Labels, visuelle Salienz und Cue-Design testen. Messbar über Click Through Rate, Add To Cart Rate, Purchase Conversion Rate. Im Audit wird deshalb nicht gefragt, ob „Framing Effect vorhanden“ ist, sondern ob ein beobachtbares Element wie Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz diesen Mechanismus an der passenden Funnel-Stufe auslöst. Prüffrage: Macht dieses Element die nächste Entscheidung leichter, oder zwingt es Nutzer, Nutzen, Risiko und nächsten Schritt selbst zusammenzubauen?

Eine Empfehlung darf daraus erst entstehen, wenn Beobachtung, Änderungsvorschlag und Messgröße zusammenpassen; passende Messgrößen sind hier vor allem CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung. Aktueller Graph-Kontext: 7 unterstützte Claim(s), 15 verknüpfte Use Case(s), 23 direkt verknüpfte Studie(n)/Review(s), 5 Evidence Path(s). Wenn dieser Pfad fehlt, bleibt das Konzept eine Hypothese und gehört in einen Testplan, nicht als pauschale Best Practice in den Report.

Konkrete Anwendungsszenarien

Visual Cues und Primes für Konsumentscheidungen: Bildsprache, Labels, visuelle Salienz und Cue-Design testen. Messbar über Click Through Rate, Add To Cart Rate, Purchase Conversion Rate.
D-A-CH Re-Commerce und Nachhaltigkeit ohne Greenwashing: Nachhaltigkeitsclaims mit Nachweisen, Zustandsklassifizierung, Garantie und Herkunfts-/Qualitätsinformationen koppeln. Messbar über Purchase Conversion Rate, Trust Score, Return Rate.
Nutrition Labeling und Warnhinweise: Color-coded Labels, Warnhinweise und Health/Sustainability-Framing testen. Messbar über Add To Cart Rate, Product Mix, Purchase Conversion Rate.
Framing in ecommerce / checkout: Nutzen, Risiko, Verlust/Gewinn oder soziale Norm unterschiedlich rahmen Messbar über Checkout Completion Rate, Trust Score.
Landingpage-Audit: Prüfen, ob das Konzept im ersten Screen die Wahrnehmung von Nutzen, Risiko oder Aufwand verändert.
Funnel-Audit: Identifizieren, an welcher Stelle Nutzer abbrechen könnten und ob das Konzept dort als konkreter Hebel operationalisierbar ist.
Experiment: Eine Variante formulieren, die nur einen Mechanismus verändert, damit der Effekt messbar bleibt.

Konkrete Fallbeispiele

Framing Effect im Produktseite: Geprüfte Ausgangslage: Das relevante Element (Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz) ist sichtbar oder wird erwartet, beantwortet aber die Kernfrage noch nicht belastbar: Macht dieses Element die nächste Entscheidung leichter, oder zwingt es Nutzer, Nutzen, Risiko und nächsten Schritt selbst zusammenzubauen? Konkrete Änderung: Visual Cues und Primes für Konsumentscheidungen: Bildsprache, Labels, visuelle Salienz und Cue-Design testen. Messbar über Click Through Rate, Add To Cart Rate, Purchase Conversion Rate. Die Änderung muss am konkreten Seitenanker zeigen, welche Information, Reihenfolge, Formulierung oder visuelle Priorität angepasst wird. Validierung: Primär über CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung messen; ergänzend qualitative Rückfragen auswerten, ob Nutzer die beabsichtigte Bedeutung tatsächlich verstanden haben..
APA-Quelle
Making sense of the “clean label” trends: A review of consumer food choice behavior and discussion of industry implications. (n.d.). https://doi.org/10.1016/j.foodres.2017.07.022
APA-Quelle
Kukla-Gryz, A., Tyrowicz, J., & Krawczyk, M. (2020). Digital piracy and the perception of price fairness: evidence from a field experiment. Journal of Cultural Economics. https://doi.org/10.1007/s10824-020-09390-4
APA-Quelle
Troll, E. S., Frankenbach, J., Friese, M., & Loschelder, D. D. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353
Framing Effect im Checkout oder Lead-Formular: Geprüfte Ausgangslage: Das relevante Element (Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz) ist sichtbar oder wird erwartet, beantwortet aber die Kernfrage noch nicht belastbar: Macht dieses Element die nächste Entscheidung leichter, oder zwingt es Nutzer, Nutzen, Risiko und nächsten Schritt selbst zusammenzubauen? Konkrete Änderung: D-A-CH Re-Commerce und Nachhaltigkeit ohne Greenwashing: Nachhaltigkeitsclaims mit Nachweisen, Zustandsklassifizierung, Garantie und Herkunfts-/Qualitätsinformationen koppeln. Messbar über Purchase Conversion Rate, Trust Score, Return Rate. Die Änderung muss am konkreten Seitenanker zeigen, welche Information, Reihenfolge, Formulierung oder visuelle Priorität angepasst wird. Validierung: Primär über CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung messen; ergänzend qualitative Rückfragen auswerten, ob Nutzer die beabsichtigte Bedeutung tatsächlich verstanden haben..
APA-Quelle
Making sense of the “clean label” trends: A review of consumer food choice behavior and discussion of industry implications. (n.d.). https://doi.org/10.1016/j.foodres.2017.07.022
APA-Quelle
Kukla-Gryz, A., Tyrowicz, J., & Krawczyk, M. (2020). Digital piracy and the perception of price fairness: evidence from a field experiment. Journal of Cultural Economics. https://doi.org/10.1007/s10824-020-09390-4
APA-Quelle
Troll, E. S., Frankenbach, J., Friese, M., & Loschelder, D. D. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353

Gemeinsam wirkende Konzepte

Choice Overload — Wirkt Gemeinsam Mit: Framing Effect und Choice Overload werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind. Im Audit gemeinsam prüfen, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz und Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz dieselbe Funnel-Stufe beeinflussen. Relation bedeutet zuerst Zusammenhang/Interaktion; kausal wird sie erst, wenn ein passender Claim-Study-Pfad die konkrete Intervention stützt. Quellenbasis: Nachhaltigkeits-, Bio-, Herkunfts- und Qualitätslabels können in D-A-CH-Kontexten Produktwahl und Zahlungsbereitschaft beeinflussen.; Troll, E. S., Frankenbach, J., Friese, M., & Loschelder, D. D. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353; Kukla-Gryz, A., Tyrowicz, J., & Krawczyk, M. (2020). Digital piracy and the perception of price fairness: evidence from a field experiment. Journal of Cultural Economics. https://doi.org/10.1007/s10824-020-09390-4; Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit..
Cognitive Load — Wirkt Gemeinsam Mit: Framing Effect und Cognitive Load werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind. Im Audit gemeinsam prüfen, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz und Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz dieselbe Funnel-Stufe beeinflussen. Relation bedeutet zuerst Zusammenhang/Interaktion; kausal wird sie erst, wenn ein passender Claim-Study-Pfad die konkrete Intervention stützt. Quellenbasis: Nachhaltigkeits-, Bio-, Herkunfts- und Qualitätslabels können in D-A-CH-Kontexten Produktwahl und Zahlungsbereitschaft beeinflussen.; Troll, E. S., Frankenbach, J., Friese, M., & Loschelder, D. D. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353; Kukla-Gryz, A., Tyrowicz, J., & Krawczyk, M. (2020). Digital piracy and the perception of price fairness: evidence from a field experiment. Journal of Cultural Economics. https://doi.org/10.1007/s10824-020-09390-4; Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit..
Availability Heuristic — Wirkt Gemeinsam Mit: Framing Effect und Availability Heuristic werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind. Im Audit gemeinsam prüfen, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz und Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz dieselbe Funnel-Stufe beeinflussen. Relation bedeutet zuerst Zusammenhang/Interaktion; kausal wird sie erst, wenn ein passender Claim-Study-Pfad die konkrete Intervention stützt. Quellenbasis: Nachhaltigkeits-, Bio-, Herkunfts- und Qualitätslabels können in D-A-CH-Kontexten Produktwahl und Zahlungsbereitschaft beeinflussen.; Troll, E. S., Frankenbach, J., Friese, M., & Loschelder, D. D. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353; Kukla-Gryz, A., Tyrowicz, J., & Krawczyk, M. (2020). Digital piracy and the perception of price fairness: evidence from a field experiment. Journal of Cultural Economics. https://doi.org/10.1007/s10824-020-09390-4; Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit..
Cognitive Dissonance — Wirkt Gemeinsam Mit: Framing Effect und Cognitive Dissonance werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind. Im Audit gemeinsam prüfen, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz und Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz dieselbe Funnel-Stufe beeinflussen. Relation bedeutet zuerst Zusammenhang/Interaktion; kausal wird sie erst, wenn ein passender Claim-Study-Pfad die konkrete Intervention stützt. Quellenbasis: Nachhaltigkeits-, Bio-, Herkunfts- und Qualitätslabels können in D-A-CH-Kontexten Produktwahl und Zahlungsbereitschaft beeinflussen.; Troll, E. S., Frankenbach, J., Friese, M., & Loschelder, D. D. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353; Kukla-Gryz, A., Tyrowicz, J., & Krawczyk, M. (2020). Digital piracy and the perception of price fairness: evidence from a field experiment. Journal of Cultural Economics. https://doi.org/10.1007/s10824-020-09390-4; Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit..

Evidence Paths

Direkter Claim-Studien-Pfad: Framing Effect → Claim: Nachhaltigkeits-, Bio-, Herkunfts- und Qualitätslabels können in D-A-CH-Kontexten Produktwahl und Zahlungsbereitschaft beeinflussen. → Quelle: Making sense of the “clean label” trends: A review of consumer food choice behavior and discussion of industry implications → DOI: 10.1016/j.foodres.2017.07.022. Dieser Pfad stützt eine Aussage zu Framing Effect über einen direkt verknüpften Claim und eine im Korpus kuratierte Studie.
APA-Quelle
Making sense of the “clean label” trends: A review of consumer food choice behavior and discussion of industry implications. (n.d.). https://doi.org/10.1016/j.foodres.2017.07.022
Direkter Claim-Studien-Pfad: Framing Effect → Claim: Labels, Warnhinweise und Darstellungsformen können Wahrnehmung, Bewertung und Entscheidungen beeinflussen. → Quelle: Digital piracy and the perception of price fairness: evidence from a field experiment → DOI: 10.1007/s10824-020-09390-4. Dieser Pfad stützt eine Aussage zu Framing Effect über einen direkt verknüpften Claim und eine im Korpus kuratierte Studie.
APA-Quelle
Kukla-Gryz, A., Tyrowicz, J., & Krawczyk, M. (2020). Digital piracy and the perception of price fairness: evidence from a field experiment. Journal of Cultural Economics. https://doi.org/10.1007/s10824-020-09390-4
Direkter Studienpfad: Framing Effect → Quelle: A meta‐analysis on the effects of just‐below versus round prices → DOI: 10.1002/jcpy.1353. Dieser Pfad verweist auf eine direkt mit Framing Effect verknüpfte Studie oder Review-Karte im Evidence Graph.
APA-Quelle
Troll, E. S., Frankenbach, J., Friese, M., & Loschelder, D. D. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353
Wissenschaftliche Grundlagenquelle: Framing Effect → Quelle: Judgment under Uncertainty: Heuristics and Biases → DOI: 10.1126/science.185.4157.1124. Diese Quelle liefert wissenschaftlichen Kontext für den Mechanismus von Framing Effect und wird als Grundlagenquelle ausgewiesen, nicht als direkt gemessener Website-Conversion-Effekt.
APA-Quelle
Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit
Wissenschaftliche Grundlagenquelle: Framing Effect → Quelle: Thinking, Fast and Slow → DOI nicht verfügbar. Diese Quelle liefert wissenschaftlichen Kontext für den Mechanismus von Framing Effect und wird als Grundlagenquelle ausgewiesen, nicht als direkt gemessener Website-Conversion-Effekt.
APA-Quelle
Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux. Grundlagenwerk zur Dual-Process-Perspektive auf intuitive und reflektierte Entscheidungen

Audit-Prüffragen

Welche Funnel-Stufe berührt Framing Effect: Orientierung, Vergleich, Vertrauensaufbau, Einwandklärung, Preisbewertung, Formular, Checkout oder Follow-up?
Welches beobachtbare Element operationalisiert den Mechanismus: Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz?
Macht dieses Element die nächste Entscheidung leichter, oder zwingt es Nutzer, Nutzen, Risiko und nächsten Schritt selbst zusammenzubauen?
Welche Gegenwirkung muss ausgeschlossen werden? Relevantes Backfire-Risiko laut KB: unclear.
Welche Evidence Paths stützen die Bewertung: Concept → Claim → Study oder Concept → Relation → Concept → Claim → Study?
Welche Messgröße passt zum Mechanismus statt nur zur allgemeinen Seite: CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung?
Welche Boundary Conditions gelten konkret für Zielgruppe, Angebotsrisiko, Preisniveau, Produktkategorie, Datenschutz, Funnel-Stufe und D-A-CH-Erwartungen?

Messung und Validierung

Primäre Messung: CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung. Diese Metriken passen zum konkreten Mechanismus, weil sie die erwartete Veränderung an Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz sichtbar machen.
Experiment-Design: Nur ein sichtbares Element pro Variante ändern; sonst lässt sich der Effekt nicht sauber dem Konzept zuordnen.
Qualitative Validierung: Offene Nutzerantworten und Session-Ausschnitte darauf prüfen, ob genau die erwartete Wahrnehmung entsteht oder ob Nutzer den Mechanismus anders interpretieren.
Entlastungs-spezifisch: Time-to-action, Fehlerquote, Formularabbruch und Task Completion ergänzen, weil reine Conversion Rate verdecken kann, ob die Seite verständlicher wurde.

Evidenzstatus

Aktueller Evidenzstatus im Knowledge Graph: Konzept-Evidenzgrad D (vorläufig / Review offen). Verknüpfte Claims: 7; davon supported: 7, kontextabhängig/offen: 0. Direkt verknüpfte Studien/Reviews: 23. Review-Status: draft.

Verknüpfte Claims

Nachhaltigkeits-, Bio-, Herkunfts- und Qualitätslabels können in D-A-CH-Kontexten Produktwahl und Zahlungsbereitschaft beeinflussen. — Status: Supported, Evidenzgrad: B
Labels, Warnhinweise und Darstellungsformen können Wahrnehmung, Bewertung und Entscheidungen beeinflussen. — Status: Supported, Evidenzgrad: A
Framing Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad. — Status: Supported, Evidenzgrad: A
Boundary Conditions für Framing Effect: Zielgruppe, Funnel-Stufe, Produktkategorie, Risiko, Messgröße und Umsetzungsqualität müssen vor dem Einsatz geprüft werden. — Status: Supported, Evidenzgrad: A
In-Store-Interventionen wie Platzierung, Hinweise, Defaults oder Choice Architecture können Kaufentscheidungen in Richtung bestimmter Produkte verschieben. — Status: Supported, Evidenzgrad: B
Nudge- und Choice-Architecture-Interventionen können Verhalten beeinflussen, wobei Effektstärken und ethische Bewertung stark vom Kontext abhängen. — Status: Supported, Evidenzgrad: A
Visuelle Hinweise, Primes und Cue-Design können Konsumentscheidungen beeinflussen, besonders in Food-, Retail- und In-Store-Kontexten. — Status: Supported, Evidenzgrad: B

Verknüpfte Use Cases

Visual Cues und Primes für Konsumentscheidungen — Funnel: Product Page, Priorität: Tier 1
D-A-CH Re-Commerce und Nachhaltigkeit ohne Greenwashing — Funnel: Product Detail Page, Priorität: Tier 1
Nutrition Labeling und Warnhinweise — Funnel: Product Page, Priorität: Tier 1
Framing in ecommerce / checkout — Funnel: Checkout, Priorität: Tier 1
Framing in ecommerce / lead_form — Funnel: Lead Form, Priorität: Tier 1
Framing in ecommerce / onboarding — Funnel: Onboarding, Priorität: Tier 1
Framing in ecommerce / pricing_page — Funnel: Pricing Page, Priorität: Tier 1
Framing in ecommerce / product_page — Funnel: Product Page, Priorität: Tier 1

Verknüpfte Studien

A meta‐analysis on the effects of just‐below versus round prices — Evidenzgrad: A, DOI: 10.1002/jcpy.1353.
APA-Quelle
Troll, E. S., Frankenbach, J., Friese, M., & Loschelder, D. D. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353
Digital piracy and the perception of price fairness: evidence from a field experiment — Evidenzgrad: B, DOI: 10.1007/s10824-020-09390-4.
APA-Quelle
Kukla-Gryz, A., Tyrowicz, J., & Krawczyk, M. (2020). Digital piracy and the perception of price fairness: evidence from a field experiment. Journal of Cultural Economics. https://doi.org/10.1007/s10824-020-09390-4
Making sense of the “clean label” trends: A review of consumer food choice behavior and discussion of industry implications — Evidenzgrad: B, DOI: 10.1016/j.foodres.2017.07.022.
APA-Quelle
Making sense of the “clean label” trends: A review of consumer food choice behavior and discussion of industry implications. (n.d.). https://doi.org/10.1016/j.foodres.2017.07.022
Generalizations on consumer innovation adoption: A meta-analysis on drivers of intention and behavior — Evidenzgrad: B, DOI: 10.1016/j.ijresmar.2010.11.002.
APA-Quelle
Arts, J., Frambach, R., & Bijmolt, T. H. (2011). Generalizations on consumer innovation adoption: A meta-analysis on drivers of intention and behavior. International Journal of Research in Marketing. https://doi.org/10.1016/j.ijresmar.2010.11.002
Online grocery shopping before and during the COVID-19 pandemic: A meta-analytical review. — Evidenzgrad: B, DOI: 10.1016/j.tele.2022.101839.
APA-Quelle
Tyrväinen, O., & Karjaluoto, H. (2022). Online grocery shopping before and during the COVID-19 pandemic: A meta-analytical review. Telematics and informatics. https://doi.org/10.1016/j.tele.2022.101839
Impact of price reductions, subsidies, or financial incentives on healthy food purchases and consumption: a systematic review and meta-analysis. — Evidenzgrad: A, DOI: 10.1016/s2542-5196(24)00004-4.
APA-Quelle
Huangfu, P., Pearson, F., Abu-Hijleh, F. M., Wahlich, C., Willis, K., Awad, S. F., Abu-Raddad, L. J., & Critchley, J. A. (2024). Impact of price reductions, subsidies, or financial incentives on healthy food purchases and consumption: a systematic review and meta-analysis. The Lancet. Planetary health. https://doi.org/10.1016/s2542-5196%2824%2900004-4
Unfair commercial practices in a pit market: evidence from an artefactual field experiment — Evidenzgrad: B, DOI: 10.1017/bpp.2022.33.
APA-Quelle
Bogliacino, F., Charris, R., Codagnone, C., Folkvord, F., Montealegre, F., & Lupiáñez‐Villanueva, F. (2022). Unfair commercial practices in a pit market: evidence from an artefactual field experiment. Behavioural Public Policy. https://doi.org/10.1017/bpp.2022.33
Pay-what-you-want, identity, and self-signaling in markets — Evidenzgrad: B, DOI: 10.1073/pnas.1120893109.
APA-Quelle
Gneezy, A., Gneezy, U., Riener, G., & Nelson, L. D. (2012). Pay-what-you-want, identity, and self-signaling in markets. Proceedings of the National Academy of Sciences. https://doi.org/10.1073/pnas.1120893109

Grenzen und Risiken

Backfire-Risiko laut Concept Card: unclear. Replikationsstatus: unclear. Für Framing Effect ist die wichtigste Grenze, dass der Mechanismus nur dort bewertet werden darf, wo er an einem sichtbaren Element wie Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz tatsächlich plausibel ausgelöst wird. Wenn die Prüffrage nicht beantwortet werden kann — Macht dieses Element die nächste Entscheidung leichter, oder zwingt es Nutzer, Nutzen, Risiko und nächsten Schritt selbst zusammenzubauen? — darf daraus keine direkte Empfehlung entstehen. Bei schwacher, kontextabhängiger oder indirekter Evidenz wird die Aussage als Hypothese mit Testplan formuliert; kausale Wirkung wird nur behauptet, wenn der Evidence Path eine passende Studie, einen verifizierten Claim und eine messbare Intervention trägt.

FAQ

Wie lässt sich dieses Konzept in Conversion-Audits anwenden?

[Framing](/konzepte/message-framing/) Effect bedeutet: Die Darstellung gleicher Information kann Entscheidungen systematisch beeinflussen. Im Conversion-Audit wird das Konzept nur eingesetzt, wenn ein beobachtbares Element wie Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz den Mechanismus plausibel auslöst. Geprüft wird über die Frage: Macht dieses Element die nächste Entscheidung leichter, oder zwingt es Nutzer, Nutzen, Risiko und nächsten Schritt selbst zusammenzubauen? Messung: CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung. Graph-Kontext: 7 [Claims](/claims/), 23 direkte [Studien](/studien/)/Reviews, 5 [Evidence Paths](/datasets/concept-evidence-paths/).

Welche Evidenz wird genutzt?

Die Seite nutzt Claims, Studien, Use Cases und Quellen aus dem SurrealDB Knowledge Graph der Conversion-Psychologie-Wissensbasis.

Ist die Ausgabe auf Deutsch verfügbar?

Ja. Alle menschenlesbaren Inhalte und Agent-Ausgaben sind standardmäßig deutsch.