Modellansatz

Bei der stochastischen Analyse von Kaufverhalten konzentriert man sich besonders auf die Aspekte des Kaufzeitpunkts, der Produktwahl und der Kaufmenge, um im Wettbewerb einen Vorteil gegenüber der Konkurrenz zu erhalten. Kristina Cindric führt im Gespräch mit Gudrun Thäter aus, wie sie auf Basis großer Datenmengen von anonymisierten Vertragsabschlüssen über ein Jahr Analysen erstellt, Modelle entworfen, trainiert und die entstehenden Prognosen getestet hat.

Die auftretenden stochastischen Modelle können sehr vielseitig sein: So kann der Kaufzeitpunkt beispielsweise durch einen stochastischen Prozess mit exponentieller Verteilung modelliert werden, für die Produktwahl kann ein Markow-Prozess die wahrscheinlichsten nächsten Käufe abbilden. Ein zentrales Konzept für die Analyse und das Training von Modellen ist dann die Parameterschätzung, die die tatsächliche Ausgestaltung der Modelle aus den Daten bestimmt.

• L. Fahrmeir, G. Raßer, T. Kneib: Stochastische Prozesse, Institut für Statistik, Ludwig-Maximilians-Universität München, 2010.
• O. C. Ibe: Markov Processes for Stochastic Modeling, Academic Press, Amsterdam, 2009.
• L. Yan, R. H. Wolniewicz, R. Dodier: Predicting Customer Behavior in Telecommunications, IEEE Computer Society 19, 50-58, 2004.
• J. Xia, P. Zeephongsekul, D. Packer: Spatial and temporal modelling of tourist movements using Semi-Markov processes, Tourism Management 32, 844-851, 2010.
• C. Ebling, Dynamische Aspekte im Kaufverhalten: Die Determinanten von Kaufzeitpunkt, Marken- und Mengenwahl, Inaugural-Dissertation, Johann Wolfgang Goethe-Universität Frankfurt am Main, 2007.
• Forschungszentrum Informatik (FZI)