Eine hybride Lösung, die zwei Arten des Entscheidungsverhaltens gleichzeitig misst - veröffentlicht von WARC

Das menschliche Entscheidungsverhalten ist sehr komplex und kann durch eine Vielzahl von Faktoren beeinflusst werden. Forscher versuchen in der Regel, Verbraucherpräferenzen und -entscheidungen zu vereinfachen. Wir versuchen, die komplexe Realität mit einem Modell abzubilden, das die wichtigsten Einflussfaktoren auf die Wahl erfasst.

Die Conjoint-Analyse ist eine sehr wirksame Methode zur Isolierung dieser Faktoren, wobei das Random-Utility-Modell (RUM) das am häufigsten verwendete Modell ist und sein alternatives, weniger bekanntes Modell das Random-Regret-Modell (RRM). Beide Ansätze haben ihre Vor- und Nachteile, und jeder ist in verschiedenen Marktsituationen mehr oder weniger geeignet. In der exklusiv auf WARC veröffentlichten Studie haben sich unsere Forscher bemüht, die Vorhersagekraft von Conjoint-Ergebnissen zu verbessern, indem sie das Nutzenmodell und das Regret-Modell verglichen und kombiniert haben.

Anhand einer Fallstudie haben wir uns die Frage gestellt: Würde ein Hybridmodell zu realistischeren Ergebnissen führen?

Eine hybride Lösung, die zwei Arten des Entscheidungsverhaltens gleichzeitig misst (Zusammenfassung)

Dieser Artikel befasst sich mit dem Vergleich zwischen zwei Ansätzen für das Entscheidungsverhalten von Verbrauchern - dem Nutzenmodell (RUM) und dem Random Regret Modeling (RRM) - und bietet eine hybride Lösung an, die einen
effektiveren Rahmen:

• RUM basiert auf dem Grundsatz, dass die Verbraucher Produkte aufgrund einer Kombination von
  und davon abhängt, welche Merkmale für sie am wichtigsten sind.
• RRM geht davon aus, dass die Verbraucher Entscheidungen treffen, um zu vermeiden, dass sie etwas verpassen, das
  etwas anderes zu verpassen, das verfügbar ist.
• Bei einem hybriden Ansatz ist es wahrscheinlicher, dass sowohl das nutzenmaximierende als auch das bedauernsminimierende Wahlverhalten korrekt berücksichtigt wird, um eine zuverlässigere Vorhersage der Wahl zu ermöglichen.
• Die Hybridlösung, die RUM-Lösung und die RRM-Lösung schneiden in Bezug auf die Modellanpassung gleich gut ab, wobei die Hybridlösung meist im Mittelfeld liegt, weshalb dieser Ansatz die sicherste Lösung darstellt.