《亚洲研究》专题：同时考虑“渴望”与“后悔”能否提升预测模型的准确性？

作为市场营销人员和市场调研人员，我们始终致力于理解消费者行为，以便更好地根据他们的需求定制产品和服务。因此，深入了解人们的决策过程对于在竞争中脱颖而出至关重要。理解消费者决策的一种方法是，通过构建能够捕捉主要决策驱动因素的模型，在人类决策过程中重现复杂的现实。

随机效用模型（RUM）是最常用的联合分析模型，在此模型中，消费者会根据产品特征的组合，选择能为他们提供最佳价值（即效用）的产品。

另一种较少为人知的模型是随机后悔模型（RRM），该模型假设消费者并非追求最优产品，而是旨在将因错失某些产品特征而可能产生的后悔感降至最低。

这两种方法各有优缺点，在不同的市场环境下适用程度也各不相同。为了提高联合分析结果的预测有效性，我们的研究人员通过一项关于平板电脑购买行为的案例研究，对效用模型和后悔模型进行了比较与整合，并提出了这样一个问题：混合模型能否得出更贴近现实的结果？该文章随后被《亚洲研究》杂志刊载。

案例研究：针对平板电脑购买行为的混合预测建模

“为解答这一问题SKIM 的研究人员SKIM 研究，考察了消费者购买平板电脑时的选择行为。他们将效用模型、后悔模型和混合模型应用于同一数据集，以确定哪种模型最符合数据，以及哪种模型的‘命中率’最高——这是衡量预测准确性的指标。”

在回顾这三种不同模型的结果时，我们发现混合模型与效用模型在数据拟合度和预测有效性方面的差异相当小。只有纯粹的后悔模型表现较差。此外，这三种方法的平均相关系数为0.95。换言之，就这些方面而言，没有一种模型明显优于其他模型。

尽管预测选择的准确度相差无几，但基于不同方法的模拟模型对假设情景所预测的份额却不尽相同。仔细观察可以发现，这些预测份额之间存在显著差异。

在下面的示例场景中，三种方法均预测产品 2 的市场份额有限。然而，采用效用模型时，产品 1 的表现明显优于产品 3；而采用后悔模型时，产品 3 的表现则更佳。混合方法预测产品 1 和产品 3 的表现将大致相当。因此，相同的数据可能会导致不同的推荐结果。

就统计预测效度而言，最常用的效用模型表现依然出色。

作为对复杂选择行为的一种简化模型，它仍然是一个非常可靠的工具。话虽如此，效用模型更可能高估消费者“理性”的效用最大化决策行为，从而可能导致分析结果出现偏差。

“在可能的情况下，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。毕竟，建模的目标正是更准确地再现现实世界中复杂的决策过程。”