Compensatory versus noncompensatory models for predicting consumer preferences

Abstract:

Standardpräferenzmodelle in der Verbraucherforschung gehen davon aus, dass Menschen alle Attribute der verfügbaren Optionen abwägen und addieren, um eine Entscheidung zu treffen, während es immer mehr Belege für die Verwendung von vereinfachenden Heuristiken gibt. Vor kurzem wurde ein Greedoid-Algorithmus entwickelt (Yee, Dahan, Hauser & Orlin, 2007; Kohli & Jedidi, 2007), um lexikografische Heuristiken aus Präferenzdaten zu modellieren. Wir vergleichen die Vorhersagegenauigkeit des Greedoid-Ansatzes und der Standard-Conjoint-Analyse in einer Online-Studie mit einer Rating- und einer Ranking-Aufgabe. Das lexikografische Modell, das aus dem Greedoid-Algorithmus abgeleitet wurde, war besser in der Vorhersage der Rangfolge im Vergleich zu den Rating-Daten, aber insgesamt erreichte es eine geringere Vorhersagegenauigkeit für Hold-out-Daten als das kompensatorische Modell, das durch die Conjoint-Analyse geschätzt wurde. Eine beträchtliche Minderheit der Teilnehmer wurde jedoch durch lexikografische Strategien besser vorhergesagt. Wir kommen zu dem Schluss, dass der neue Algorithmus die Standardinstrumente zur Analyse von Präferenzen nicht ersetzen wird, aber die Erforschung situativer und individueller Unterschiede in Präferenzwahlprozessen fördern kann.