7
Marktforschung (Fach) / Heterogenität (Lektion)
.
Diese Lektion wurde von Niiklas1997 erstellt.
Diese Lektion ist leider nicht zum lernen freigegeben.
- Problemstellung der Heterogenität -> Konsumenten unterscheiden sich in ihren Präferenzen und ihrer Reaktion auf Marketing-Mix-Var. -> Modellierung von Heterogenität wichtig, um diese zu erfassen (bspw. Interesse an Segmenten) und um Verzerrungen in Parametern zu vermeiden -> traditionelle Modelle: individuelle und zweistufige Analysen-> neuere Modelle: simultane Analyse
- tradiotionelle Vorgehensweise am Bsp. der CA - Auswertung auf individuellem Niveau: typisch für traditionelle CA - Auswertung auf aggregiertem Niveau: Choice-Based-CA -> Probleme: - individuelle Ergebnisse sind wenig reliabel- aggregierte Ergebnisse verwischen Präfernzunterschiede- zweistufige Absätze finden nicht die beste Segmentierung => Lösung: Mixture Modelle
- Welche Arten von Mixture Modellen gibt es? - Finite Mixture - Continuous Mixture
- Continuous Mixture Grundidee: -> Modellparameter unterliegen Verteilung-> Annahme einer Verteilungsform (typischerweise Normalverteilung)-> Schätzung der Parameter der Verteilung Schätzverfahren: -> Simulated Maximum Likelihood-> Hierarchical Bayes
- Finite Mixture - Probanden werden in Segmente eingeteilt - Simultane Schätzung von: -> Wahrscheinlichkeiten der Segmentzugehörigkeit-> Modellparameter pro Segment - Schätzung von Modellen mit unterschiedlich vielen Segmenten und Auswahl des besten Modells
- Modell Schätzung des Modells mit dem Maximum Likelihood Verfahren -> L = Π(h∈H) ∑(s∈S) ηs*Lhs L = Likelihoodηs = Wahrscheinlichkeit der Zugehörigkeit zum s-ten Segment (=Segmentgröße)H = Indexmenge der ProbandenS = Indexmenge der Segmente
- Interpretation bei Heterogenität Für jedes Segment schauen, in welchem Bereich die Spannweite der Werte am größten ist -> das ist der wichtigste Faktor für dieses Segment
Anzeige