Bündelung ist kein Preisnachlass. So wächst man.
Erfahren Sie, wie gut durchdachte Paketangebote das Umsatzwachstum ankurbeln, die Kundenbindung stärken und den Kunden eine klarere Auswahl ermöglichen.
RUM und RRM? Nein, wir sprechen nicht über die Lieblingserfrischung eines Piraten und ihren seltsamen Cousin. Das Random Utility Model und das Random Regret Model sind zwei der Modelle, die wir in der Conjoint-Analyse zur Vorhersage von Entscheidungen verwenden.
RRM basiert auf der Annahme, dass die Verbraucher nicht die Option mit der besten Kombination von Produktmerkmalen wählen (wie es bei RUM der Fall ist), sondern Entscheidungen treffen, um das potenzielle Bedauern zu vermeiden, etwas verpasst zu haben. Sie werden den Kontext einer Wahl berücksichtigen: Sie wählen eine Option, die das Bedauern über einige relevante Optionen minimiert, anstatt den Nutzen zu maximieren. Für einige Verbraucher kann RRM die Art und Weise, wie Entscheidungen getroffen werden, besser darstellen.
In ihrem Quirk's-Artikel erläutern Jeroen Hardon und Kees van der Wagt, zwei Forschungsschwergewichte von SKIM, wie wir verhaltensökonomische Aspekte in unsere Modelle einbeziehen können, um die Prognosen zu verbessern. Anhand von zwei Fallstudien, eine zur Krankenversicherung und eine andere zu Tablets, zeigen sie, dass der Kontext eine Rolle spielt und wir bei unseren Entscheidungen nicht immer rational sind. Allerdings hat RRM auch seine eigenen Grenzen. Vielleicht ist also eine Hybridlösung die Antwort. Lesen Sie weiter, um die Antworten zu erhalten.
Verwendung von RUM und RRM zur Verbesserung der Vorhersagekraft von Conjoint-Ergebnissen
"Bei der Conjoint-Analyse können wir verschiedene Modelle zur Vorhersage der Wahl verwenden. Das am häufigsten verwendete Modell ist das Random-Utility-Modell (RUM), bei dem die Verbraucher das Produkt auswählen, das ihnen die beste Kombination von Produkteigenschaften bietet. RUM hat jedoch einige Schwächen. In diesem Artikel wird die Integration von RUM mit einem anderen Modell, dem Random Regret Modeling (RRM), untersucht, um ein robusteres und genaueres Modell zu schaffen. RRM geht davon aus, dass die Verbraucher nicht das optimale Produkt wählen, sondern versuchen, das potenzielle Bedauern über den Verzicht auf bestimmte Produkteigenschaften zu minimieren.
Beide Ansätze haben ihre Vor- und Nachteile und sind in unterschiedlichen Marktsituationen mehr oder weniger geeignet. In dem Bemühen, die Vorhersagekraft von Conjoint-Ergebnissen zu verbessern, verglichen und kombinierten die Forscher von SKIM RUM und RRM anhand von zwei Fallstudien und stellten sich die Frage: Würde die Hybridlösung zu realistischeren Ergebnissen führen?"
