一种同时衡量两种决策行为的混合解决方案——由WARC发布

人类的决策行为极为复杂，且可能受到多种因素的影响。研究人员通常试图简化消费者的偏好和选择。我们试图通过一个能够捕捉选择主要驱动因素的模型，来再现复杂的现实。

联合分析是识别这些驱动因素的一种非常有效的方法，其中随机效用模型（RUM）是最常用的模型，而其较少为人知的替代模型则是随机后悔模型（RRM）。这两种方法各有优缺点，在不同的市场情境下适用程度各不相同。本研究由WARC独家发布，我们的研究人员通过比较和结合效用模型与后悔模型，致力于提高联合分析结果的预测有效性。

通过一个案例研究，我们提出了这样一个问题：混合模型能否得出更贴近实际的结果？

一种同时测量两种决策行为的混合解决方案（摘要）

本文探讨了两种消费者决策行为模型——效用模型（RUM）与随机后悔模型（RRM）——之间的比较，并提出了一种混合解决方案，旨在构建一个
更有效的框架：

• RUM 基于这样一个原则：消费者会综合考虑多种特征来选择产品，
  具体取决于哪些特征对他们而言最为重要。
• RRM 假设消费者在做出选择时，是为了避免因错过其他可选方案而产生的潜在遗憾
  。
• 混合方法更有可能同时准确考虑效用最大化与后悔最小化的选择行为，从而对选择做出更可靠的预测。
• 就模型拟合而言，混合解、RUM解和RRM解的表现均不相上下，不过混合解的表现大多处于中间水平，因此该方法是最稳妥的选择。