4.3 Heterogenität

Question 1

Basis

Answer 1

Disaggregierte Daten (z.B. Single Source Panel, Conjoint)

Konsumenten unterscheiden sich in ihren Präferenzen und in Reaktion auf Marketing-Mix-Var.

Question 2

Wichtigkeit

Answer 2

Um Heterogenität zu erfassen und Verzerrungen in Parametern zu vermeiden.

Question 3

Vorgehensweise

Answer 3

1. Auswertung auf individuellem Niveau (typisch für trad. CA, ggf. hinterher Clusterung der Probanden)
2. Auswertung auf aggregiertem Niveau
   (z. T. bei Choice-Based CA, ggf. vorher Segmentbildung und Analyse auf Segment-Niveau)

Question 4

Probleme

Answer 4

• Individuelle Ergebnisse wenig reliabel.
• Aggregierte Ergebnisse verwischen Präferenzunterschiede, haben Bias.
• Zweistufige Ansätze finden nicht beste Segmentlösung.

Question 5

Lösung

Answer 5

Mixture-Modelle

Question 6

Continuous Mixture-Modell

Answer 6

Grundidee:

• Modellparameter unterliegen einer Verteilung
• Annahme einer Verteilungsform
• Schätzung der Parameter der Verteilung

Typische Verteilungsform: Normalverteilung

Typische Schätzverfahren:

• Simulated Maximum Likelihood
• Hierarchical Bayes

Question 7

Finite Mixture-Modell: Grundidee

Answer 7

• Probanden in Segmente eingeteilt

Simultane Schätzung von:

• Wahrscheinlichkeiten der Segmentzugehörigkeit
• Modellparameter pro Segment

Schätzung von Modellen mit unterschiedlich vielen Segmenten und Auswahl des besten Modells (z. B. niedrigster BIC)