Choice Modeling für Marketing in R

Unser Ziel in diesem Kapitel ist es, dich so schnell wie möglich durch den gesamten Choice-Modeling-Prozess zu führen, damit du ein breites Verständnis dafür bekommst, was wir mit Choice-Modellen erreichen können und wie der Prozess funktioniert. Die Grundidee ist, dass wir mit einem Choice-Modell verstehen können, wie die Produktwahl von Kundinnen und Kunden von den Eigenschaften dieser Produkte abhängt. Bevorzugen Sportwagenkäufer Schaltgetriebe gegenüber Automatik? Und wie stark? Um dir einen Überblick zu geben, lassen wir viele Details zunächst außen vor. In späteren Kapiteln gehen wir zurück und behandeln wichtige Themen bei der Datenaufbereitung, der Spezifikation und Interpretation von Modellen und der Präsentation deiner Ergebnisse, damit du diese Methoden sicher mit deinen eigenen Choice-Daten anwenden kannst.

Es gibt viele unterschiedliche Quellen für Choice-Daten und verschiedene Formate, in denen sie vorliegen können. In diesem Kapitel nehmen wir Daten, die in mehreren alternativen Formaten bereitgestellt werden, und bringen sie in eine Form, die für Choice-Modelle geeignet ist. Außerdem besprechen wir, wie du eine Umfrage konzipierst, um eigene Choice-Daten zu erheben.

In diesem Kapitel tauchen wir tiefer in die Schätzung von Choice-Modellen ein. Um dir ein Fundament für das Denken über Choice-Modelle zu geben, konzentrieren wir uns darauf, wie das multinomiale Logit-Modell Produkteigenschaften in eine Vorhersage dafür umsetzt, was die entscheidende Person wählt. Das gibt dir einen Rahmen, um zu entscheiden, welche Merkmale du in dein Modell aufnimmst.

Menschen haben unterschiedliche Geschmäcker und Präferenzen. Das ist intuitiv offensichtlich, wird aber auch durch umfangreiche Forschung im Marketing belegt. Dieses Kapitel behandelt Choice-Modelle, bei denen wir annehmen, dass unterschiedliche Entscheider unterschiedliche Präferenzen haben, die ihre Wahl beeinflussen. Wenn unsere Modelle erkennen, dass Konsumentinnen und Konsumenten unterschiedliche Vorlieben haben, sagen sie tendenziell höhere Anteile für Nischenprodukte voraus, die nur für einen Teil der Kundschaft attraktiv sind. Hierarchische Modelle werden in den meisten kommerziellen Anwendungen des Choice-Modelings eingesetzt, daher ist es wichtig zu verstehen, wie sie funktionieren.